Metodología de la investigación y psicometría
Metodología de la investigación y psicometría evalúa dos habilidades: juzgar qué conclusión permite un diseño y decidir si un instrumento sirve para el uso propuesto. Los reactivos presentan tablas, coeficientes o descripciones de estudio y piden la interpretación correcta, no el cálculo mecánico.
Diseño y validez
- Experimental: asignación aleatoria y control permiten inferencia causal. Cuasiexperimental: grupos ya formados, la comparabilidad es la amenaza central. Correlacional: no establece causalidad ni dirección del efecto.
- Amenazas a la validez interna: historia, maduración, regresión a la media, mortalidad experimental, instrumentación y selección diferencial.
- Validez externa: generalización a poblaciones, contextos y momentos; suele entrar en tensión con el control experimental.
Confiabilidad, validez y error de medida
Confiabilidad es consistencia (alfa de Cronbach, KR-20, test-retest, acuerdo entre jueces con kappa) y es condición necesaria pero no suficiente de validez. Hay validez de contenido, de constructo (convergente y discriminante) y de criterio (concurrente y predictiva). El error típico de medida se obtiene con EEM = DE × √(1 − r), y el intervalo de confianza al 95% es aproximadamente puntaje ± 1.96 × EEM. En la teoría clásica, puntuación observada = verdadera + error; la TRI modela la probabilidad de respuesta según el rasgo latente y aporta información diferencial por nivel.
Ejemplo razonado
Una escala de ansiedad tiene DE = 12 y alfa = .91. EEM = 12 × √(1 − .91) = 12 × 0.30 = 3.6; el intervalo al 95% es ± 7.06. Un evaluado con 60 puntos tiene un intervalo aproximado de 53 a 67: una segunda medición de 64 no demuestra mejoría porque cae dentro del error. Además, un alfa alto informa consistencia interna, no que la escala mida ansiedad ni que prediga un diagnóstico.
Errores frecuentes
- Confundir confiabilidad con validez.
- Leer un coeficiente de correlación como evidencia causal.
- Confundir significancia estadística con relevancia clínica: revisa el tamaño del efecto.
- Tratar una escala Likert ordinal como si sus intervalos fueran iguales sin justificarlo.
- Usar baremos de otra población sin verificar equivalencia.