Ejemplo de mala traducción de Texto Tecnico Sobre Modelos Sin Sentido Alguno

7/17/2019 Ejemplo de mala traducción de Texto Tecnico Sobre Modelos Sin Sentido Alguno

http://slidepdf.com/reader/full/ejemplo-de-mala-traduccion-de-texto-tecnico-sobre-modelos-sin-sentido-alguno 1/9

Smith y Asociados [15] han abogado por el uso de construcciones homogéneas. Ellos

afirman que los modelos oblicuos y jerrquicos producen !ariables latentes que no

representan "construcciones homogéneas#. Adems de esto$ como es se%alado por &ignac

[1'] los modelos de alta organi(aci)n suponen que los efectos del factor de ms alto ni!el

*i.e.$ g + no son directos$ sino que son mediados por factores de ni!el grupal. ,inalmente$

como también se%ala &ignac [1']$ los modelos oblicuos sugieren que la co!ariancia entre

factores es multidimensional. Esto significa que$ si !arios factores estn relacionados$

entonces su !ariaci)n puede ser di!idida en componentes -nicos y en comunes ortogonales

*i.e.$ el componente com-n del par y los dos -nicos componentes+. En el caso de un modelo

jerrquico$ este componente com-n es el mismo por todos los pares factoriales. En el caso

de los modelos oblicuos este componente com-n difiere de cada par. or lo tanto$ la

co!ariancia de un modelo oblicuo con n n-mero de factores puede ser di!idida en unmodelo ortogonal con n/ *0*n20+/+ factores *e. g.$ el modelo de 3ard y Asociados [14]$

con cinco factores oblicuos $ es equi!alente al modelo con 15 factores ortogonales+.

A pesar de que los modelos jerrquicos sugieren que la ejecuci)n de sub2pruebas es

unidimensional$ con efectos de mayor orden mediados por procesos de orden menor$ los

modelos de la arquitectura cogniti!a también postulan m-ltiples procesos que determinan el

comportamiento obser!ado. or ejemplo$ ,ran(en [1] sugiere que la ejecuci)n de pruebas

neuropsicol)gicas est determinada por factores relacionados al estimulo$ procesamiento y

respuesta. Shiffrin y Scheneider [16] declaran que "los procesos automticos y controlados

son usados en conjunto en todas las tareas#. 7arrett y 8ur(ban [19] han declarado que los

procesos mentales "consisten de m-ltiples sistemas especiali(ados$ en lugar de un -nico

prop)sito general#. Anderson y Asociados [1:]$ han postulado cuatro procesos cogniti!os

que operan durante la soluci)n de simples problemas aritméticos para dar cuenta de las

acti!aciones ocurridas en m-ltiples reas cerebrales. Estudios de posibilidades relacionadas

con e!entos han sido interpretados han sido interpretados como la manifestaci)n de laoperaci)n de m-ltiples subsistemas cogniti!os2 ;omo se se%alo pre!iamente$ <ilberg y

Asociados [4] describen un n-mero de distintos procesos que podr=an limitar la ejecuci)n

de una -nica sub2prueba del 3A>S2?. ;omo ilustran estos ejemplos$ es prctica com-n

teori(ar m-ltiples determinantes de ejecuci)n de tareas simples. Es posible que cada

proceso cogniti!o sea sujeto de !ariaciones independientes entre indi!iduos$ aunque



también e@iste la posibilidad de que un -nico factor produ(ca diferencias indi!iduales en

estos m-ltiples procesos.

El presente estudio e!alu) la hip)tesis de que la ejecuci)n en cualquier test mental

conlle!a m-ltiples procesos cogniti!os [01]. Si esto es as=$ entonces podr=a esperarse quemodelos estructurales que incluyen saturaciones factoriales m-ltiples en cada una de las

sub2pruebas del 3A>S2> debieran pro!eer un marco mejor que aquellos con una estructura

simple. ;on el prop)sito de probar esta hip)tesis$ los modelos con saturaciones factoriales

de todas las sub2pruebas han sido e!aluados. Estos modelos multidimensionales fueron

comparados con !arios modelos pre!iamente propuestos para dar cuenta de las

correlaciones entre las sub2pruebas del 3A>S2>. Bado que estos modelos

multidimensionales tienen un gran n-mero de parmetros sueltosClibresCindependientes

Dfree$ fue puesto un énfasis particular en generali(ar los parmetros estimados para nue!os

datos.

Método

articipantes

Este estudio utili() los datos presentados por la muestra de estandari(aci)n del 3A>S2>.Fres muestras fueron tomadas$ consistentes en los datos de indi!iduos entre los 0G y 5'

a%os de edad *Fablas A.4 hasta A.6$ nH1GGG+$ indi!iduos entre los 1 y 1: a%os *Fablas A.1

y A.0$ nH'GG+$ e indi!iduos entre 55 y : a%os *Fablas A.9 y A.:$ nH'GG+. El

editorCpublicistaDpublisher se%ala que la muestra fue estratificada para hacerla coincidir

con la poblaci)n de los Estados Inidos basada en !ariables demogrficas de edad$ se@o$

ni!el educati!o$ ra(aCetnicidad y regi)n geogrfica.

Anlisis

Fres modelos de la estructuraCestructurales del 3A>S2> obtenidos de la literatura

especiali(adaCbibliograf=a Dliterature is a little bit ambiguous fueron comparados con

!arios modelos que tu!ieron m-ltiples cargas factoriales ortogonales por cada sub2prueba.

Ja muestra referente al grupo de 0G a 5' a%os de los datos estandari(ados del 3A>S2> fue



usada para la estimaci)n de parmetros y dos muestras adicionales fueron usadas para una

!alidaci)n cru(ada con !alores de parmetros fijos a los estimados obtenidos de la muestra

se%alada.

Jas matrices de correlaci)n incluyeron las 15 sub2pruebas completas del 3A>S2>. aracada muestra$ los !alores presentados fueron combinados al aplicar primero la z

transformada de ,isher$ después promediando todos estos !alores para cada par de sub2

pruebas en una muestra$ y al final se tom) la transformaci)n in!ersa para producir el

promedio de los !alores r . Fodas las correlaciones fueron positi!as y todos los !alores

presentados se basaron en el mismo n-mero de participantes *i.e.$ 0GG+ para que as= estos

factores no fueran considerados al promediar los !alores r .

Fodos los anlisis fueron hechos con el procedimiento SAS ;AJ>S [00] usando laconfiguraci)n dada. Fodos los factores latentes fueron igualados a 1 *a e@cepci)n de

aquellos definidos por una estructura jerrquica+ como recomiendan Anderson y &erbing

[04]. <odelos comparati!os incluyeron el modelo presentado en la figura 5.0 del manual de

3A>S [11] *referido subsecuentemente en las Fablas como 3eschler 0GG9+$ el modelo

presentado en la figura 4 de 7enson y Asociados [10] *7enson 0G1G+$ y el modelo

presentado en la figura ' de 3ard y asociados [14] *3ard 0G11+. Estos son los modelos con

el mejor ajuste estad=stico presentado por cada autor para las 15 sub2pruebas del 3A>S2>.

Jos modelos de 3echler [11]$ y de 7enson y Asociados [10] son modelos jerrquicos$

mientras que el de 3ard y Asociados [14] es un modelo oblicuo. El modelo 3echler [11]

tiene cuatro factores de primer orden *i.e.$ comprensi)n !erbal$ ra(onamiento percepti!o$

memoria acti!a$ y !elocidad de procesamiento+$ y un factor g de segundo orden. Fanto

7enson et al. *0G1G+] como 3ard et al. *0G11+ describen sus modelos como !ersiones del

modelo ;attel2Korn.;arroll *;K;+ con cinco factores de primer orden *i.e.$ habilidad

cristali(ada$ procesamiento !isual$ flujo de ra(onamiento$ memoria acti!a o a corto pla(o$ y

!elocidad de procesamiento+. El modelo de 7enson y asociados [10] tiene un factor g de

segundo orden mientras que el modelo de 3ard y asociados [14] estima una correlaci)n

entre cada par de estos factores. <odelos adicionales fueron e!aluados con 1$ 0$ 4$ '$ 5 y

factores ortogonales *'$5 y como independientes+ que tiene cargas factoriales por cada

factor en cada escala. Fres modelos finales fueron e!aluadosL estos fueron una modificaci)n



del modelo de 7enson y asociados [10] que representa el factor general como un factor

"jerarqui(ado# [1'] sin relaci)n con los otros factores *i.e.$ todos los factores son de primer

orden+M Nerarqui(ado ;K;$ un modelo inicial con este modelo jerarqui(ado con

modificaciones a%adidas$ sugerido por el Ondice de Biagn)stico ;AJ>S *;K; modificado+$

y un modelo inicial con los factores ortogonales que fue modificado de acuerdo a estos

=ndices de diagn)sticos * modificaci)n de independiente +.

Jas modificaciones de los dos modelos como es sugerido por los Ondices de Biagn)stico

;AJ>S *i.e.$ ;K; modificado$ y la independiente modificada+ fueron hechas en etapas

con una -nica medida cambiada DPeightL dado su !alor de medida cre= que ser=a ms

adecuado el sustanti!o que "peso# y los resultados subsecuentemente e!aluados pre!io a

la siguiente modificaci)n. ;ada etapa consisti) en a%adir la -nica saturaci)n factorial

sugerida por el multiplicador de Jagrange de ms amplio rango$ con el prop)sito de que

éste fue proyectado para resultar en un cambio significati!o en la estad=stica de chi2

cuadrado *Q+ *pRG.GG5+. Si ninguna adici)n fue indicada por el multiplicador de Jagrange

entonces el ms peque%o cambio en la estad=stica Q proyectado por el test de 3ald fue

descartado con el moti!o de que esto no resultara en un cambio significati!o de en las

estad=sticas de Q. Este proceso continu) si los cambios reales en la estad=stica de Q y los

criterios de diagn)stico concordaban con el mismo criterio.

Jos =ndices de ajuste incluidos son chi2cuadrado *Q+$ la bondadCmejora DgoodnessL no

tiene mucho sentido del =ndice de ajuste *&,>+$ la bondadCmejora equilibrada del =ndice de

ajuste *A&,>+$ la estandari(aci)n del error promedioCmedioDmean de la ra=( cuadrada

*?<SEA+$ el criterio de informaci)n Aaie *A>;+$ el =ndice de ajuste comparati!o de

7entler *;,>+. Estos =ndices fueron seleccionados para pro!eer una comparaci)n con

estudios pre!ios. Estos =ndices difieren en c)mo manejan con el intercambio entre modelos

de precisi)n y de complejidad. El hecho de que haya habido una proliferaci)n de tales

=ndices comprueba la dificultad de equiparar precisi)n y complejidad. Este problema de

e!aluaci)n modelada es también manejado con el uso de la !alidaci)n cru(ada [0']. Ja

!alidaci)n cru(ada en el presente estudio us) las cargasCsaturaciones Dloadings para cada

factorCfactorial en cada sub2prueba como estimado de las correlaciones del grupo de 0G a 5'

a%os. Estos fueron aplicados de manera separada a las matrices de correlaci)n de los



participantes de 1 a 1: a%os$ y de 55 a : a%os. Solo los efectos de la escala espec=fica

*errores+ fueron estimados en la e!aluaci)n de modelos con !alidaci)n cruada$ as= como en

el caso del modelo TIJJ$ que también fue incluido.

[U]

Discusión

Jos modelos que describen las sub2pruebas como funciones multidimensionales de factores

no2relacionados pro!een un mejor ajuste para las correlaciones del 3A>S2> que los

modelos que describen las sub2pruebas como funciones unidimensionales de factores

correlati!os. Esto era cierto tanto para la muestra del 3A>S2> en la cual los parmetros

sueltosClibresCindependientes eran estimados$ como también para las dos muestras de

poblaciones alternati!as de las cuales estos estimados fueron generali(ados. Aunque dan

cuenta de mejores correlaciones para el 3A>S2>$ estos modelos de sub2pruebas

multidimensionales también tienen ms parmetros sueltosCindependientes.

Jos modelos con parmetros sueltos pueden producir resultados espurios debido a la

saturaci)n de datos [05]. Jos =ndices de ajuste adaptados para un n-mero de parmetros

estimados han sido propuestos como una forma para maneja este asunto. Sin embargo$ la

continua proliferaci)n de estos =ndices da cuenta del hecho de que una manera clara para

equilibrar la reducci)n en la predicci)n de errores con un n-mero de parmetros estimados

Dnon sequiturL la oraci)n est incompleta en el original y no tiene sentido. Va que la

saturaci)n ocurre cuando los parmetros dan cuenta de un cambio en la !ariaci)n de datos$

el mejor tipo de e!luaci)n es a tra!és de la !alidaci)n cru(ada [0'$ 0]. Be todos los

modelos en el presente estudio$ s)lo las !ariaciones residuales fueron estimadas para una

!alidaci)n cru(ada$ as= la saturaci)n factorial no podr=a ser ajustada a cambios de !ariaci)n

en los datos de la prueba. En el presente estudio los modelos fueron comparados en

términos de la generali(aci)n de los parmetros estimados de las muestras del grupo de 0G

a 5' a%os a aquellas muestras de los grupos de 1 a 1: y de 55 a : a%os. Estos representan



lo que <osier [0'] refiere a la generali(aci)n de !alide( ya que las nue!as muestras

representaban diferentes poblaciones en !e( de una muestra adicional de la misma

poblaci)n referida. Ja generali(aci)n de modelos multidimensionales para nue!as

poblaciones da cuenta de una fuerte e!idencia de que un ajuste superior de estos modelos

no es debido a un ssobreajuste.

Se dice que el sobreajuste sucede cuando los parmetros dan cuenta de la !ariaci)n

aleatoria de los datos [06]. Kay !arias fuentes de !ariaci)n aleatoria al modelar la estructura

de las habilidades cogniti!as. Estas incluyen errores al probar la ejecuci)n de un indi!iduo

dado$ errores de muestreo dentro de las poblaciones de las cuales se han estimado los

parmetros$ errores al probar poblaciones alternati!as$ y errores asociados con las muestras

de las pruebas. Jos =ndices de ajuste y la !alidaci)n cru(ada lidian con el error de la

estimaci)n de parmetros asociados con muestras de tama%o finito. Jos ejemplos incluyen

la !ariaci)n debida a la credibilidad de pruebas "casi perfectas# y a las diferencias

cambiantes entre las estad=sticas de la muestra y las estad=sticas de la poblaci)n de que fue

tomada. Si se utili(ara un modelo en un rango amplio de indi!iduos$ entonces las

diferencias entre las estad=sticas de la poblaci)n con las que fueron estimados los

parmetros y estas otras poblaciones$ representan una potencial fuente de sobreajuste. Esto

es$ los parmetros del modelo pueden ser dirigidos a caracter=sticas idiosincrticas de una

poblaci)n espec=fica. ;on pruebas como el 3A>S2>$ las estad=sticas de segundo orden*i.e.$ las correlaciones de las sub2pruebas+ estn siendo modeladas. El uso pre!isto de

instrumentos tales como el 3A>S2> incluye un amplio rango de indi!iduos en términos de

edad y habilidades [11]. ;onsecuentemente es deseable mostrar que los modelos

generali(an a tra!és de estas poblaciones. El presente estudio e@cluy) el sobreajuste debido

a estos primeros tres factores al incluir e!aluaciones de las muestras$ tanto de j)!enes como

de mayor edad$ que aquella usadas para estimaci)n de parmetros. ;onsecuentemente$ el

ajuste superior de modelos multidimensionales tiene amplia generalidad a tra!és de poblaciones usadas para la estandari(aci)n.

Jos parmetros de modelo podr=an ser también modificados a caracter=sticas espec=ficas

de la muestra particular que es usada para estimar parmetros. <ientras que la meta de

muchos estudios es determinar la estructura de las habilidades humanas [10]$ los modelos



obtenidos pueden ser delimitados por la muestra particular de la prueba modelada. En el

presente estudio$ el modelo con seis saturaciones factoriales en todas las sub2pruebas dio el

mejor ajueste en todos los =ndices de cada prueba. Jas 15 sub2pruebas disponibles del

3A>S2> no pro!een suficientes grados de libertad para e!aluar un modelo de siete

factores con saturaci)n en todas las sub2pruebas. Sin embargo$ no hay ra()n para e@cluir la

posibilidad de que ms de seis factores puedan ser -tiles en la modelaci)n de habilidades

humanas. or lo tanto$ el presente estudio est limitado en términos de la complejidad del

modelo de habilidades que podr=a ser e!aluado. Ja forma en que las habilidades fueron

probadas en distintas sub2pruebas podr=a también ser un problema. or ejemplo$ el 3A>S2

> no incluye pruebas del lapsoCcapacidad de la memoria no2!erbal *e.g.$ [09]+. To hay

duda de que muchos otros tipos de tests podr=an ser incluidos. Actualmente no est claro

c)mo la omisi)n de dichas pruebas podr=a sesgar las estimaciones de la estructura de lashabilidades humanas *o$ alternati!amente$ c)mo la generalidad de los modelos podr=a ser

delimitada+. Be todas las cuestiones del muestre) el impacto de las probar de muestras es el

ms dif=cil de e!aluar.

Algunos in!estigadores desechan el hecho de que los modelos "fallanCfalsificanC

equi!ocan# la prueba de hip)tesis nula de Q. or ejemplo$ al discutir sus resultados$

7enson y asociados [10] declaran que "ambos modelos “fallaron/equivocaron” la prueba

de ajuste perfecto de hipótesis nula de X². Esto no significa que todos los aspectos de

cualquier modelo sean falsos. l contrario! este descubrimiento simplemente refuta la

afirmación de que todos los aspectos de cualquier modelo son consistentes con los datos#.

<ientras e@isten !arias ra(ones que podr=an ser ofrecidas para esta actitud$ es importante

apreciar el hecho de que los modelos generalmente pro!een una cantidadCmonto incompleta

de datos. El hecho de que el !alor de Q para el modelo de seis factores ortogonales no fue

importante$ no indica que este sea el modelo "!erdadero#$ as= como es probable que haya

otros modelos que también podr=an no diferir de manera significati!a. Ja suposici)n deque$ de hecho$ hay un modelo "!erdadero# puede ser ficticia [05]. En lugar de esto$ la

preocupaci)n deber=a estar puesta en la precisi)n y la habilidad de nuestros modelos para

generali(ar una amplia !ariedad de circunstancias diferentes [0:].



Ja !entaja de un modelo con ejecuci)n de sub2pruebas determinadas por factores

m-ltiples es uno de los descubrimientos cla!e de este estudio. El modelo resumido en la

Fabla ' fue producido por la modificaci)n de una !ersi)n jerarqui(ada del modelo de

7enson y asociados [10] generali(ada a las muestras de prueba encaja los datos de

entrenamiento mejor que los tres modelos de comparaci)n tomados de la literatura e@istente

Desta oraci)n est bien rara en el original. Algunos de los factores ortogonales resultantes

pueden ser interpretados apro@imadamente de la misma manera como los factores

originales de 7enson y asociados [10]$ con la e@cepci)n de que se cargaron en sub2pruebas

m-ltiples. El patr)n de estas m-ltiples cargasCsaturaciones en muchos casos tiene sentido

intuiti!o. or ejemplo$ la sub2prueba de cancelaci)n requiere que los e@aminados busquen

una matri( para uno de los dos objeti!os definidos por una conjunci)n de caracter=sticas

!isuales. Jas cargasCsaturaciones en la Fabla ' para esta sub2prueba estn en los factoresasociados con la !elocidad de procesamiento$ la memoria acti!a y el procesamiento !isual.

Adems del factor de la !elocidad de procesamiento identificado en el modelo de 7enson y

asociados [10]$ la memoria acti!a est implicada en la medida en que los e@aminados deben

almacenarCmemori(ar la funci)n de las instrucciones y los objeti!os en la memoria acti!a.

Be hecho$ hay e!idencia e@perimental sobre el rol de la memoria acti!a en la b-squeda

!isual *e.g.$ [4G]+. Adems de esto$ la sub2prueba de cancelaci)n requiere que las

caracter=sticas !isuales de m-ltiple dimensi)nCmultidimensionales sean identificadas$

sugiriendo un papel para el procesamiento !isual. ;abr=an de esperar limitaciones de

cualquiera de estos tres factores para delimitar la ejecuci)n. ;omo ilustra este ejemplo$ la

conceptuali(aci)n de la ejecuci)n por modeles con una estructura simple puede ser muy

sencillasCsimple.

El modelo resumido en la Fabla 5$ producido al mejorar el modelo de seis factores

ortogonales$ encuadraCajusta los datos usados para estimar !alores de parmetro mejor que

todos los modelos$ a e@cepci)n del modelo de seis factores ortogonales$ del cual este deri!ay se generali() mejor para la muestra antigua. Kay alguna correspondencia entre las

cargasCsaturaciones de este modelo y los factores identificados en los modelos de

comparaci)n. Sin embargo$ todos estos factores$ con e@cepci)n del factor general$ tiene

cargasCSaturaciones con signos me(clados. odr=a haber !arias e@plicaciones para esto.

Este patr)n puede ser un resultado de indeterminaci)n factorialCfactores de indeterminaci)n



y puede ser eliminado por cierta rotaci)n de las cargasCsaturaciones factoriales.

Alternati!amente esto puede reflejar una relaci)n opuesta real entre diferentes modulos de

procesamiento neural de la informaci)n$ como fue propuesto$ por ejemplo$ por &rossberg

[41]. Ja indeterminaci)n factorial puede ser la e@plicaci)n ms posible *i.e.$ hay muchos

modelos con un ajuste equi!alente+. El modelado de datos simulados al usar métodos

similares a los reportados por <c,arland [40] produce un patr)n de resultados similar a

aquel en la Fabla 5 *halla(gos inéditos del autor+$ usando seis factores no2relacionados con

pesosCmedidas positi!as en las 15 pruebas. A pesar de que el total de los seis factores

simulados fue de igual magnitud$ fueron contabili(adas ms !ariaciones por un -nico factor

general y los otros cinco factores tu!ieron pesosCmedidas con !alores negati!os y positi!os

de igual forma. Este patr)n puede ser una caracter=stica de los actuales factores del anlisis

de algoritmos antes que de procesos de generaci)n de datos.

Aunque los modelos presentados en las figuras ' y 5 son ms simples en el sentido de

que tienen factores incone@os$ son conceptualmente complejos. En particular$ es poco

probable que médicos practicantes pudieran encontrar fcilmente !arios de los factores de

la Fabla 5 relacionados a su prctica. Sin embargo$ estos resultados demuestra que nue!as

mejoras en las capacidades de modelado son posibles. <odelos como los de 7enson y

asociados [10] y los de 3ard y asociados[14]$ aunque son conceptualmente simples$ no son

los mejores. >ncluso su simplicidad conceptual puede ser enga%osa$ ya que$ como fuediscutido al principio$ los factores jerrquicos y oblicuos son complejos. Ja !ersi)n

jerarqui(ada del modelo de 7enson y asociados[10] supera esta problema. A pesar de esto$

puede ser muy simpleCsencillo el ajuste dado en los datos de los modelos presentados en las

figuras ' y 5. ;onceptualmente no es dif=cil apreciar que la ejecuci)n dada en una sub2

prueba pueda tener m-ltiples determinantes. or ejemplo$ <ilberg y asociados [4] han

descrito los m-ltiples procesos que podr=an limitar la ejecuci)n en una -nica sub2prueba del

3A>S2?. Ja aplicaci)n de un enfoque de !arios procesos puede lle!ar a mejores modelosde habilidades humanas.

Ejemplo de mala traducción de Texto Tecnico Sobre Modelos Sin Sentido Alguno

Documents

Transcript of Ejemplo de mala traducción de Texto Tecnico Sobre Modelos Sin Sentido Alguno