 |
Magíster Oscar Vega Universidad Privada Dr. Rafael Belloso Chacín, URBE ovega@urbe.edu.ve
Doctorando de Ciencias Mención Gerencia. M.Sc. en Telemática. Ingeniero en Informática. Docente de Postgrado de Telemática. Instructor en la Academia Cisco URBE. Especialista en Computación. |
 |
Dr. Lucas Del Moral Reyes Universidad Privada Dr. Rafael Belloso Chacín, URBE lucas.delmoral@urbe.edu.ve Doctor en Ciencias Gerenciales. M.Sc en Gerencia de RR.HH. Especialista en Gerencia y Administración de Proyectos de Inversión. Miembro del Comité Académico del Programa de Doctorado en Ciencias del Decanato de Investigación y Postgrado de la Universidad Privada Dr. Rafael Belloso Chacín. |
Entendiendo la definición “estadística” de confiabilidad como: la concomitancia entre un test y un test paralelo, y significando que el Test “paralelo” no es otro que una batería de preguntas que previamente han pasado por el cálculo de sus propiedades psicométricas, entonces la confiabilidad mide el grado de correlación entre ese Test válido y confiable respecto del test que se está sometiendo a prueba su consistencia, estabilidad y equivalencia; dependiendo de qué propiedad “fiable” se quiera determinar. Ahora bien, los siguientes son dos factores que la Teoría de los Test, como parte de la Psicometría, señala que afectan el grado de fiabilidad de un test:
- Fiabilidad y variabilidad: el tipo de muestra de sujetos que se haya escogido para calcular la fiabilidad de un test puede influir en el resultado obtenido. Entre más “homogénea” será mejor. Esto significa que la fiabilidad ya no depende únicamente de las características intrínsecas del test, que son tres: a) Cómo se construye un Test; b) Cómo se aplica el mismo y c) Cómo se evalúa (codificación y tabulación de los datos), sino también la fiabilidad es afectada por la forma en que se seleccione la muestra de sujetos a los que se le aplique. Por lo que no se puede decir que un mismo test tenga un coeficiente de fiabilidad fijo para todo tipo de muestra seleccionada para su cálculo. En suma, puede afirmarse que la fiabilidad de un test será mayor cuanta mayor variabilidad exista en la muestra de sujetos seleccionada. Esta variabilidad no tiene nada qué ver con las características personales y/o actitudinales de los sujetos sino que este concepto de variabilidad indica a la desviación respecto de las medias de las distribuciones.
- Fiabilidad y longitud: en términos generales, puede decirse que la fiabilidad de un test aumenta a medida que aumenta su longitud, es decir, su número de ítems. Ello no significa que resulte recomendable alargar innecesariamente un test en pro de aumentar su fiabilidad, ni que cualquier test pueda convertirse en un instrumento fiable por el único medio de aumentar indefinidamente su longitud. Cualquier test de cierta longitud da un error al azar, que dicho error contiene tamaño y dirección cuando es aplicado a “n” número de sujetos. Por lo cual en la Teoría de los Test se señala claramente que la “longitud de un test” se supone que es una función lineal del número de ítems que conforman la batería de preguntas del mismo, por lo cual al alargar el test la varianza total (compuesta de la varianza verdadera + la varianza de error) se ve afectada. La fórmula de Spearman-Brown permite pronosticar el aumento de fiabilidad obtenida tras el incremento de la longitud de un test, siempre y cuando los ítems añadidos sean paralelos a los ya existentes.
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.
En resumen, existen factores que afectan la confiabilidad del instrumento, algunas de ellas relacionada con la fiabilidad en relación a su variabilidad y otra relacionada con su longitud. En el primer caso, depende del número de sujetos seleccionados para la prueba piloto. La segunda condición o factor es la longitud que en la medida que se aumente los números de ítems aumenta la fiabilidad. Sin embargo, si la longitud tiene al infinito la fiabilidad se verá afectada negativamente (porque su varianza verdadera se ve afectada). Además, desde la perspectiva de la consistencia interna mide la homogeneidad de las respuestas de la población seleccionada. Dado un cierto número de ítems, un test será tanto más fiable, cuando más homogéneo sea. El coeficiente alfa nos indica la fiabilidad, en cuanto esta representa homogeneidad y coherencia o consistencia interna de los elementos de un test.