FIABILIDAD, VALIDAD Y TIPIFICACIÓN:

A) Una vez ha sido construido el test, antes de utilizarlo es imprescindible demostrar

que es suficientemente válido y fiable o preciso.

- La validez del test :

Un test que es empleado para seleccionar conductores será válido si dintingue entre buenos y malos

conductores. Un test de inteligencia es válido si distingue entre torpes y listos.

Se ha de fijar un criterio externo, independientemente del test, para poder clasificar a los sujetos en la

característica que pretende medir el test. Si se trata del test de inteligencia, este criterio puede ser los juicios

de los profesores, los jefes, los padres, los amigos, etc, sobre la inteligencia de los sujetos, o su éxito escolar.

El test es válido si tiene una correlación alta con el criterio.

Ésta es una validación pragmática, ya que sólo indica si el test sirva para lo que se le destina, pero no si

revela algún rasgo significativo del psiquismo. Por lo tanto es preciso que se empleen criterios psicológicos,

además de los criterios externos, para poder aclarar el significado interno de los rasgos y funciones que miden

los tests. Esto pretende el análisis factorial.

- La precisión o fiabilidad de un test :

La precisión de un test es el grado de constancia de sus medidas. Si aplicamos un test varias veces a un

sujeto, y éste obtiene puntuaciones muy distintas cada vez, éste test es impreciso, no nos podemos fiar de

sus resultados. Si las puntuaciones que obtiene el sujeto cada vez son iguales o difieren poco, este test es

fiable, nos da medidas precisas, dignas de confianza.

La precisión se suele estimar por la correlación del test consigo mismo o por otro procedimiento equivalente.

Si conocemos la precisión del test, sabremos el grado de confianza de sus resultados cuantitativos.

B) Tipificación : Elaborado ya el test y comprobadas su validez y precisión, se ha de determinar la significación

de las puntuaciones.

El resultado de un test es un nùmero o una puntuación directa. Para conocer la significación de esta

puntuación, se ha de comparar con las puntuaciones de la población a la que pertenece el sujeto. Tipificar un

test consiste en averiguar y ordenar las puntuaciones de la población.

1. El test no puede ser aplicado a toda la población, por lo que se ha de seleccionar una muestra

representativa de ésta, la cual recibe el nombre de grupo normativo, ya que de él sacamos las normas.

2. Cuando ya ha sido elegida la muestra, el test ha de aplicarse a todos sus miembros. Las puntuaciones

obtenidas se ordenan en una escala cuantitativa, que servirá para interpretar, en un futuro, el resultado que

obtenga cualquier sujeto.

La escala debe tener un punto de partida de significación conocida y fija, y su unidad ha de mantenerse

constante a lo largo de la escala, o variar de forma conocida. Esta ordenación se puede hacer de varias

maneras, con varios tipos de normas. Hay tres tipos principales de normas : las normas cronológicas, las

normas centiles y las normas típicas.

FIABILIDAD :

Un test es un instrumento científico en la medida en que mide lo que pretende, es decir, es válido, y mide

bien, o sea, es preciso o fiable.

Si nos encontramos con un instrumento del que no podemos fiarnos de las medidas que proporcionan, ya que

varían de una vez a otra cuando medimos el mismo objeto entonces diremos que no es fiable.

Un instrumento, para medir correctamente algo, ha de ser preciso, porque de no ser así, mida lo que mida, lo

medirá mal. Por lo tanto, ser preciso es una condición necesaria pero no suficiente. Además, ha de ser válido,

es decir, que lo que mide con precisión sera lo que se pretende medir, y no otra cosa.

1.-Fiabilidad absoluta y relativa :

Podemos abordar el problema de la fiabilidad de un test de dos formas distintas, aunque en el fondo

coincidentes :

1.1. La fiabilidad como la inexactitud de sus medidas :

Cuando un sujeto responde a un test obtiene una puntuación empírica, que está afectada por un error. Si no

hubiera error alguno, el sujeto obtendría su puntuación verdadera.

El test es impreciso porque la puntuación empírica no coincide con la auténtica puntuación verdadera. Esta

diferencia entre ambas puntuaciones es el error muestral, el error de medida.

El error típico de medida será la desviación típica de los errores de medida.

El error típico de medida indica la precisión absoluta del test, ya que permite estimar la diferencia entre la

medida obtenida y la que se obtendría si no hubiera error.1.2. La fiabilidad como la estabilidad de las medidas:

Un test será más fiable cuanto más constantes o estables se mantengan los resultados que proporciona

cuando se repite. Cuanto más estables sean los resultados en dos ocasiones, mayor será la correlación entre

ellos. A esta correlación se le denomina coeficiente de fiabilidad. Éste nos expresa, no la cuantía del error,

sino la coherencia del test consigo mismo y la constancia de la información que ofrece.

El coeficiente de fiabilidad expresa la fiabilidad relativa del test.2.- El coeficiente de fiabilidad y el índice de fiabilidad :

- El coeficiente de fiabilidad de un test es la correlación del test consigo mismo, obtenida por ejemplo, en dos formas paralelas: rxx.

- El índice de precisión es la correlación entre las puntuaciones empíricas de un test y sus puntuaciones verdaderas : rxv

El índice de precisión siempre será mayor que el coeficiente de fiabilidad

Para averiguar el coeficiente de fiabilidad son de destacar estos tres métodos clásicos:

2.1.- Ha llar la correlación entre el test y su repetición : El método de la repetición o método del test-retest :

Consiste en aplicar el mismo test al mismo grupo en dos ocasiones y se calcula la correlación entre las dos

series de puntuaciones. Dicha correlación es el coeficiente de fiabilidad. Este método suele dar un coeficiente

de fiabilidad más alto que los obtenidos por otros procedimientos, y puede estar contaminado por los factores

perturbadores.

2.2. Hallar la correlación entre dos formas paralelas del test : El método de las formas paralelas :

Se preparan dos formas paralelas del mismo test, es decir, dos formas equivalentes que den la misma

información, y se aplican al mismo grupo de sujetos. La correlación entre las dos formas es el coeficiente de

fiabilidad.

Con este método, al no repetirse el mismo test, se evitan las fuentes perturbadoras de la fiabilidad del re-test.

2.3.Hallar la correlación entre dos mitades paralelas del test : El método de las dos mitades :

Se divide el test en dos mitades equivalentes y se halla la correlación entre éstas.

Es el método preferible, ya que es sencillo y soslaya las limitaciones de los procedimientos anteriores. Se

pueden elegir los elementos impares del test, para constituir una mitad, y los elementos pares para constituir

la otra.

3.- El coeficiente de fiabilidad y la correlación entre tests paralelos :

El coeficiente de fiabilidad de un test indica la proporción que la varianza verdadera es de la varianza

empírica :

gráfico33

El coeficiente de fiabilidad de un test varía entre 0 y 1 .

Por ejemplo: si la correlación entre dos tests paralelos es rxx´ = 0'80, significa que el 80% de la varianza del

test se debe a la auténtica medida, y el resto, es decir, el 20% de la varianza del test se debe al error.

El índice de fiabilidad de un test es la correlación entre sus puntuaciones empíricas y sus puntuaciones

verdaderas

índice fiabilidad =

El índice de fiabilidad es igual a la raíz cuadrada del coeficiente de fiabilidad

Una vez elaboradas dos formas paralelas de un test, se aplica el procedimiento del análisis de varianza para

comprobar la homogeneidad de las varianzas y la diferencia entre las medidas. Si las varianzas son

homogéneas, la diferencia entre las medias no es significativa y las dos formas están construidas con el

mismo número de elementos del mismo tipo y contenido psicológico, puede afirmarse que son paralelas.

Si no es asi, hay que reformarlas hasta que lo sean.

La ausencia de fiabilidad se identifica con el valor rxx´= 0

4.- El error típico de medida :

La diferencia entre la puntuación empírica y la verdadera es el error aleatorio, llamado error de medida. La

desviación típica de los errores de medida recibe el nombre de error típico de medida.

El error típico de medida permite hacer estimaciones acerca de la fiabilidad absoluta del test, o sea, estimar

cuánto error de medida afecta a una puntuación.5.- Fiabilidad y longitud :

La longitud del test se refiere al número de sus elementos. De esta longitud depende su fiabilidad.

Si un test consta de tres elementos, un sujeto puede obtener en una ocasión una puntuación de 1 y en otra, o

en una forma paralela, una puntuación de 2.

De una ocasión a otra, la puntuación han variado un punto; un punto sobre tres es una variación del 33%, una

variación elevada. Si los sujetos obtienen variaciones casuales de este tipo, la correlación del test consigo

mismo o la de las dos formas paralelas del test, será rebajada enormemente y no podrá ser alta.

Si el test es mucho más largo, si tiene, por ejemplo, 100 elementos, un sujeto puede obtener 70 puntos en

una ocasión y 67 en una forma paralela. De una a otra vez ha variado 3 puntos; es una varianza relativamente

pequeña en relación con el test total, concretamente el 3%. Estas pequeñas alteraciones casuales de esta

magnitud, que se producen en las puntuaciones de los sujetos, al pasar de una forma a la paralela, son

relativamente poco importantes y no disminuirán tanto como antes la correlación entre ambas. El coeficiente

de fiabilidad será mucho mayor que en el caso anterior.

La ecuación de Spearman-Brown expresa la relación entre la fiabilidad y la longitud.[R]

La precisión de un test es nula cuando la longitud es 0, y va aumentando a medida que aumenta la longitud.

Aunque el aumento es relativamente menor a medida que la longitud de que se parte es mayor.

Esto significa que la precisión crece mucho al principio y relativamente menos después. Cuando la longitud

tiende a infinito, el coeficiente de fiabilidad tiende a 1.

Al aumentar la longitud de un test, se incrementa su precisión porque aumenta la varianza verdadera a un

ritmo más alto que la varianza error. Esto supone que la precisión del test aumenta porque disminuye la

proporción de varianza que se debe al error.

La fórmula de Rulon, así como la fórmula de Flanagan y Guttman, son especialmente aplicables cuando se

calcula el coeficiente de fiabilidad por el método de las dos mitades. Se trata de fórmulas que se utilizan para

el cálculo del coeficiente de fiabilidad.

6.- Fiabilidad y consistencia:

El coeficiente de fiabilidad se puede hallar también de otra forma, es el denominado coeficiente

alfa ocoeficiente de generalizabilidad o de representatividad (Cronbach).

Este coeficiente alfa indica la precisión con que algunos items miden un aspecto de la personalidad o la

conducta.

Puede interpretarse como :

Una estimación de la correlación media de todos los items posibles en cierto aspecto.

Una medida de la precisión del test en función de su coherencia o consistencia interna (interrelación entre sus elementos; hasta qué punto los elementos del test están midiendo todos lo mismo) y de su longitud.

Indicando la representatividad del test, es decir, la cuantía en que la muestra de items que lo compone es representativa de la población de items posibles del mismo tipo y contenido psicológico.

El coeficiente alfa refleja principalmente, dos conceptos básicos en la precisión de un test : 1. La interrelación existente entre sus elementos: la medida en que todos miden bien una misma

cosa.

2. La longitud del test : al aumentar el número de casos de una muestra, y si se eliminan los errores sistemáticos, la muestra representa mejor a la población de que se extrae y es más improbable que intervenga el error casual.

Si los items del test son dicotómicos, (si o no, 1 o 0, acuerdo o desacuerdo, etc), la ecuación del coeficiente

alfa se simplifica, dando lugar a las ecuaciones de Kuder-Richardson (KR20 y KR21).

Dado un cierto número de items, un test será tanto más fiable, cuando más homogéneo sea. El coeficiente

alfa nos indica la fiabilidad en cuanto ésta representa homogeneidad y coherencia o consistencia interna de

los elementos de un test.

7- Normas y criterios de fiabilidad :7.1.- Según el modelo del espacio muestral de items, el objetivo del test es estimar la medida que se obtendría si se usaran todos los items del espacio muestral.

Esta medida sería la puntuación verdadera, a la cual se aproximan más o menos las medidas reales. Según el

grado en que una muestra de items correlacione con las puntuaciones verdaderas, el test es más o menos

fiable. En este modelo es central la matriz de correlaciones entre todos los items del espacio muestral.Este

modelo muestral insiste más directamente en la consistencia interna, y en la medida en que la logra, garantiza

indirectamente la estabilidad.

7.2.- El modelo lineal de los tests paralelos insiste más en la estabilidad de las puntuaciones, y en la medida en que consigue la estabilidad, favorece indirectamente la consistencia interna.

Si aplicamos un test para establecer diagnósticos y pronósticos individuales, el coeficiente de fiabilidad debe

ser de 0'90 para arriba. En pronósticos y clasificaciones colectivas, no es tanta la exigencia, aunque no es

conveniente alejarse mucho de 0'90 a 0'80. A veces, en cierta clase de tests, como los de personalidad,

resulta difícil lograr coeficientes de más de 0'70.

Si se aplica las formas paralelas, o mitades paralelas, después de un intervalo más o menos grande, los

errores casuales pueden ser más numerosos que los que afectan al coeficiente alfa. Esto es así porque lo que

rebaja la correlación no son sólo los errores aleatorios intrínsecos al test y en una única ocasión, que son los

que tiene en cuenta el coeficiente alfa, sino que además influyen todos los errores que pueden proceder de

las dos situaciones distintas, que pueden diferir en numerosos detalles. Por ello, el coeficiente alfa suele ser

mayor que los demás coeficientes. A excepción del coeficiente hallado mediante la repetición del mismo test,

ya que hay más probabilidad de que los errores aleatorios de la primera aplicación se repitan en la segunda, y

en vez de disminuir la correlación entre ambas, la aumenten. Se ha de procurar que la segunda aplicación sea

por completo independiente de la primera. Si logramos esto, éste será el método más fácil y económico y

aconsejable al intentar apreciar la estabilidad de las puntuaciones, sobre todo durante largos peridos de

tiempo y con tests complejos.

VALIDEZ :

Si un test sirve para lo que con él se pretende, decimos que es válido. Por ejemplo, un test de inteligencia es

válido si mide la inteligencia. Los tests son válidos en la medida en que miden lo que dien medir.

Podemos dintinguir entre la validez aparente y la validez comprobada :

1.- Validez aparente : hace referencia al grado en que el test parece que mide lo que quiere medir. 2.- Validez comprobada : es la que ha sido verificada de alguna forma empírica o experimental. La

validez comprobada es empírica o teórica :

3.- Validez empírica : es empírica cuando se ha comprobado de modo práctico. Por ejemplo, un test para seleccionar conductores es válido si distingue a los buenos de los malos conductores, a pesar de no saber exactamente por qué lo consigue.

4.- Validez teórica : refleja el grado en que se ha comprobado con argumentos científicos que el test mide la propiedad o rasgo que intenta medir. Por ejemplo, un test de inteligencia tendrá validez teórica cuando exista una prueba de ello que se apoye en una verificación lógica y experimental.

1.- La validez aparente :

Un test tiene validez aparente si parece que mide lo que intenta medir.

No es una validez suficiente, aunque a menudo es necesaria.

Muchas veces, conviene que el test les parezca válido a los sujetos que han de contestarlo. En otras ocasiones, es fundamental que el test no parezca que mide lo que mide. Éste es el primer requisito de la validez efectiva. Para conseguir ésta no es suficiente con que el test parezca válido, es preciso que se compruebe que lo es.

2.- La validez comprobada:

La validez efectiva es la validez comprobada. Existen muchos modos de comprobar la validez unos son

empíricos y otros lógico-experimentales.

2.1.- La validez empírica o de criterio :

Un test tiene validez empírica si se ha comprobado que sirve para alguna finalidad práctica. Por ejemplo, un

test es válido para seleccionar conductores si distingue los diferentes grados de pericia en la conducción.

La validez empírica también se denomina validez de criterio, y para comprobarla, se debe definir un criterio

externo de validez. En el ejemplo comentado el criterio externo es la pericia en la conducción. El coeficiente

de validez del test es la correlación entre el test y el criterio. Si los mejores en el test son los que conducen

mejor, el test tendrá un alto coeficiente de validez respecto a ese criterio, y tendremos un test empíricamente

válido para seleccionar conductores.

Esta validez es científicamente ciega, porque no sabemos en qué se basa la validez del test. El test es válido

para seleccionar conductores, no sabemos por qué.

La validez empírica puede clasificarse en :

1. Validez prospectiva o predictiva o de pronóstico :

Es la que se comprueba mediante la correlación entre el test y un criterio medido ulteriormente.

Por ejemplo, si tenemos muchos aspirantes a pilotos y queremos seleccionar a los que tengan más

probabilidad de convertirse, pasados los estudios y prácticas, en buenos pilotos. Podemos aplicarles ciertos

tests que aprecien los requisitos de ser buen piloto, y admitir a todos los aspirantes. Después de los estudios y

las prácticas oportunas, mediremos a los sujetos en el criterio que garantice ser un buen piloto. Si los tests

contestados por los sujetos en el momento de la admisión tienen una alta correlación con la pericia como

piloto, medida después del aprendizaje, a lo mejor años después, se puede afirmar que estos tests tienen alta

validez prospectiva. Esta validez se ha llamado validez prospectiva, predictiva y de pronóstico, ya que permite

pronosticar o predecir convenientemente los resultados de los sujetos en el criterio, sirve para seleccionar a

los aspirantes que con más probabilidad van a ser buenos pilotos.

2. Validez inspectiva o concomitante o concurrente :

Generalmente resulta demasiado costoso someter a prueba la validez predictiva; suele estar fuera de las

posibilidades prácticas del psicólogo.

Por ello, con frecuecia se recurre al método de la validez inspectiva, concomitante o concurrente. Es igual que

el procedimiento anterior pero los tests y el criterio se miden en el mismo periodo concomitante o

concurrentemente.

Por ejemplo, se escoge una muestra oportuna de pilotos, se les aplica los tests oportunos y se les mide en el

criterio de pericia. El coeficiente de validez concomitante será la correlación entre los tests y el criterio. Nos

informa hasta qué punto los buenos y los malos en el test son, en este momento, buenos y malos en el

criterio. No nos garantiza que los aspirantes con mejores resultados en los tests después sean los mejores

pilotos.

3. Validez retrospectiva :

Es la correlación entre los tests, aplicados en cierto momento, y un criterio que se midió anteriormente, a lo

mejor, años antes. Su finalidad es pronosticar un criterio pasado, para averiguar desde el presente los

factores y las condiciones que en el pasado influyeron en los sujetos, y que explican algunas de las

características actuales de los sujetos.

2.2.-La validez teórica :

Un test tiene validez teórica si mide lo que pretende medir. La cuantía en que lo mide está señalada por

argumentos lógicos y experimentales que equivalen a su relación con un criterio interno.

Existen diversos tipos de validez teórica, y son los siguientes :

1.Validez de contenido o muestral :

Principalmente, hace referencia a tests de rendimiento, conocimientos o competencia profesional.

Por ejemplo, un test de ortografía es válido si su contenido es apropiado. Para comprobar esta validez se

examinará el campo de la ortografía y se constatará que los items que componen el test son una muestra

imparcial y suficiente de este campo.

Este tipo de validez no puede concretarse en ningún tipo de correlación. Expresa la relación entre el test y el

criterio interno formado por la materia a que se refiere el test. La relación será más alta a medida que esté

mejor representada toda la materia por el test. Esta validez se consigue a medida que hay garantias de que

se han definido claramente los diversos aspectos de un cierto campo de conocimientos o destrezas que el test

intenta medir.

Criticar la validez muestral de un test implica mostrar que no representa adecuadamente el campo a que se

refiere.

2. Validez de constructo o conceptual :

Consiste en comprobar, según la metodología de la investigación científica, que el test mide la variable a que

se refiere.

Se persigue garantizar científicamente que la variable que el test intenta medir es una variable aceptable,

cuyo concepto presenta suficiente consistencia lógica dentro del sistema teórico de la psicología y se apoya

en suficientes comprobaciones experimentales que lo verifican. Por ejemplo, antes de ofrecer un test válido

para medir la inteligencia, habrá que aclarar qué es esa inteligencia que el test intenta medir.

3. Validez factorial :

Se produce cuando se corelacionan distintos tests con un rasgo determinado y después se someten a una

relación factorial.

4. Validez congruente :

Si medimos distintas variables con tests del mismo tipo, los tests que hacen referencia a una variable han de

guardar entre sí correlaciones más altas que las que tienen con los tests de otras variables.

5. Validez discriminativa :

Si medimos distintas variables con tests del mismo tipo, y la misma variable con tests de distinto tipo, estos

tests de distinto tipo que hacen referencia a la misma variable han de tener entre si correlaciones más altas

que los tests del mismo tipo que hacen referencia a distintas variables.

6. Validez estructural :

Es el grado en que el test mide una elaboración o un rasgo teórico. Cualquier dato que dé algo de información

sobre la naturaleza del rasgo que estamos considerando y de las condiciones que afectan a su desarrollo y

manifestaciones tiene utilidad para este tipo de validez.

TIPICIDAD :

Una puntuación x = 50, en un test de inteligencia indicará una inteligencia media, superior o inferior, según se

aproxime a la media del grupo normativo o se aleje de ella. Se ha de averiguar la posición exacta que ocupa

en la distribución del grupo. Para esto se transforma la puntuación obtenida en el test (puntuación directa),

en otra que indique dicha posición (puntuación tipificada).

Existen varios modos de transformar las puntuaciones directas en puntuaciones tipificadas. Los tipos más

importantes de puntuaciones tipificadas son tres : puntuaciones cronológicas, puntuaciones centiles y

puntuaciones típicas.

1.- Normas cronológicas :

El CI es el cociente entre la EM y la edad cronológica, EC, normalmente multiplicada por 100. Algunos

inconvenientes son :

Un año de edad mental no significa lo mismo a lo largo del desarrollo, ya que significa mucho más al principio que después; p. ej. 1 año de desarrollo mental entre los 3 y los 4 años es equivalente a los 3 años de desarrollo mental entre los 9 y los 12.

Todos los tests poseen una edad tope, a partir de la cual las siguientes edades obtienen la misma puntuación media, y por eso desde esa edad en adelante los conceptos de EM y de CI no tienen aplicación.

Su elaboración es muy difícil, ya que se ha de conseguir que las distribuciones del CI de todas las edades tengan la misma forma, la misma media y la misma variabilidad; de no ser así la significación de un mismo CI varía según la edad.

No se pueden aplicar a las características que no tienen un desarrollo sistemático, o que alcanzan rápidamente la madurez, por ejemplo, la introversión no crece o decrece sistemáticamente con la edad.

No son rigurosamente aplicables en tests que estan destinados únicamente a poblaciones adultas.

En la actualidad, las normas cronológicas se emplean casi exclusivamente con tests de inteligencia general y

poblaciones infantiles.

2.- Normas centiles :

La puntuación centil de un sujeto en un test señala el tanto por ciento de sujetos de la población normativa a

que dicho sujeto es superior en ese test.

Por ejemplo, si un sujeto ocupa el centil 90, es superior al 90% de los sujetos que forman la población

representada por el grupo normativo. Si ocupa el centil 10 será superior al 10%.

Con los percentiles se empieza a contar por abajo, de forma que cuanto más bajo sea el percentil peor será la

posición del individuo.

El percentil 50 (P50) corresponde a la mediana. Los percentiles por encima de 50 representan ejecuciones

superiores al promedio, y los que se encuentran por debajo de 50, ejecuciones inferiores. El percentil 25 y el

75 se llaman cuartiles primero y tercero, respectivamente (Q1 y Q3).

Los percentiles se pueden emplear lo mismo con adultos que con niños y sirven para cualquier tipo de tests,

mide aptitudes o personalidad.

La principal desventaja de las puntuaciones percentiles es la gran desigualdad de sus unidades, sobre todo en los extremos de la distribución.3.- Normas típicas :

Estas normas nos sirven para evitar los inconvenientes de las normas anteriores.

Son las normas que interpretan una puntuación refiriéndola a la media del grupo normativo y utilizan como

unidad de comparación la desviación típica (dt = s) o alguna fracción de ésta.

Las normas típicas más sencillas consisten en convertir las puntuaciones directas x en puntuaciones típicas

z :

gráfico35

Una puntuación típica indica la distancia que separa a un sujeto de la media de su grupo, medida esta

distancia empleando la desviación típica del grupo como unidad.

Por ejemplo, sea una puntuación típica de 1'5; esta Z nos indica:

1º. Que el sujeto es superior a la media de su grupo.

2º. Que es superior en una desviación típica y media.

Un inconveniente de estas normas es que tienen el cero en el centro de la escala y ésta comprende sólo

aproximadamente unas cinco unidades. En la distribución normal entre -2'5 s y 2'5 s se sitúa

aproximadamente el 99% de los casos.