Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala

Descripción del Articulo

La mayoría de los actos de evaluación implica clasificar a los estudiantes en categorías. Especialmente en las evaluaciones de altas consecuencias, esta clasificación conlleva una gran responsabilidad por las afectaciones que se derivan de ella. La puntuación bruta no refleja la naturaleza del error...

Descripción completa

Detalles Bibliográficos
Autor: Pérez León Ibañez, Humberto
Formato: artículo
Fecha de Publicación:2025
Institución:Universidad Católica San Pablo
Repositorio:Revistas - Universidad Católica San Pablo
Lenguaje:español
OAI Identifier:oai:revistas.ucsp.edu.pe:article/1702
Enlace del recurso:https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702
Nivel de acceso:acceso abierto
Materia:Large-scale assessments
Student classification
Rasch model
Classification accuracy
Measurement error
Evaluaciones de gran escala
Clasificación de estudiantes
Modelo Rasch
Precisión de la clasificación
Error de medición
id REVUCSP_5f0e83f5bca73438bba0475bf0082d92
oai_identifier_str oai:revistas.ucsp.edu.pe:article/1702
network_acronym_str REVUCSP
network_name_str Revistas - Universidad Católica San Pablo
repository_id_str
spelling Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escalaAn Initial Approach to Optimizing the Classification of Students in Large-Scale AssessmentsPérez León Ibañez, HumbertoLarge-scale assessmentsStudent classificationRasch modelClassification accuracyMeasurement errorEvaluaciones de gran escalaClasificación de estudiantesModelo RaschPrecisión de la clasificaciónError de mediciónLa mayoría de los actos de evaluación implica clasificar a los estudiantes en categorías. Especialmente en las evaluaciones de altas consecuencias, esta clasificación conlleva una gran responsabilidad por las afectaciones que se derivan de ella. La puntuación bruta no refleja la naturaleza del error de medición y sus implicancias para la clasificación de los estudiantes. Por el contrario, el modelo Rasch ofrece un enfoque basado en la relación entre la probabilidad de acertar un ítem y la diferencia entre la habilidad del estudiante y la dificultad del ítem, aproximación que abre la posibilidad de calcular los errores estándar asociados a las medidas de ítems y personas. En el marco de este enfoque, este trabajo se propone investigar si la concentración de ítems alrededor de un punto de corte mejora la precisión de la clasificación, medida por el índice de precisión de Rudner. Se investigó esta relación en tres escenarios de dispersión de estudiantes. Los resultados muestran: a) que a mayor concentración de ítems alrededor del corte, mayor precisión de la clasificación; y b) que la fuerza de esta asociación se ve beneficiada en contextos de mayor concentración de la habilidad de los estudiantes.Most evaluation activities involve classifying students into categories. Especially in high-stakes assessments, such classification carries significant responsibility due to the ensuing consequences. Raw scores do not reflect the nature of measurement error or its implications for student classification. In contrast, the Rasch model offers an approach based on the relationship between the probability of answering an item correctly and the difference between the student’s ability and the item’s difficulty, an approach that allows for the calculation of standard errors associated with item and person measures. Within this framework, this study aims to investigate whether concentrating items around a cutoff point improves classification accuracy, measured using Rudner’s accuracy index. This relationship was examined under three scenarios with varying levels of student dispersion. The results show: (a) that the greater the concentration of items around the cutoff, the higher the classification accuracy; and (b) that the strength of this association is enhanced in contexts where students’ abilities are more concentrated.Universidad Católica San Pablo2025-05-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/xmlhttps://revistas.ucsp.edu.pe/index.php/emomentum/article/view/170210.36901/em.v10i1.1702Educationis Momentum; Vol. 10 Núm. 1 (2024): Educationis Momentum; 35-50Educationis Momentum; Vol. 10 No. 1 (2024): Educationis Momentum; 35-502517-98532414-136410.36901/7kd3sr64reponame:Revistas - Universidad Católica San Pabloinstname:Universidad Católica San Pabloinstacron:UCSPspahttps://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702/1750https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702/1768http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessoai:revistas.ucsp.edu.pe:article/17022025-07-11T01:11:06Z
dc.title.none.fl_str_mv Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
An Initial Approach to Optimizing the Classification of Students in Large-Scale Assessments
title Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
spellingShingle Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
Pérez León Ibañez, Humberto
Large-scale assessments
Student classification
Rasch model
Classification accuracy
Measurement error
Evaluaciones de gran escala
Clasificación de estudiantes
Modelo Rasch
Precisión de la clasificación
Error de medición
title_short Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
title_full Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
title_fullStr Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
title_full_unstemmed Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
title_sort Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
dc.creator.none.fl_str_mv Pérez León Ibañez, Humberto
author Pérez León Ibañez, Humberto
author_facet Pérez León Ibañez, Humberto
author_role author
dc.subject.none.fl_str_mv Large-scale assessments
Student classification
Rasch model
Classification accuracy
Measurement error
Evaluaciones de gran escala
Clasificación de estudiantes
Modelo Rasch
Precisión de la clasificación
Error de medición
topic Large-scale assessments
Student classification
Rasch model
Classification accuracy
Measurement error
Evaluaciones de gran escala
Clasificación de estudiantes
Modelo Rasch
Precisión de la clasificación
Error de medición
description La mayoría de los actos de evaluación implica clasificar a los estudiantes en categorías. Especialmente en las evaluaciones de altas consecuencias, esta clasificación conlleva una gran responsabilidad por las afectaciones que se derivan de ella. La puntuación bruta no refleja la naturaleza del error de medición y sus implicancias para la clasificación de los estudiantes. Por el contrario, el modelo Rasch ofrece un enfoque basado en la relación entre la probabilidad de acertar un ítem y la diferencia entre la habilidad del estudiante y la dificultad del ítem, aproximación que abre la posibilidad de calcular los errores estándar asociados a las medidas de ítems y personas. En el marco de este enfoque, este trabajo se propone investigar si la concentración de ítems alrededor de un punto de corte mejora la precisión de la clasificación, medida por el índice de precisión de Rudner. Se investigó esta relación en tres escenarios de dispersión de estudiantes. Los resultados muestran: a) que a mayor concentración de ítems alrededor del corte, mayor precisión de la clasificación; y b) que la fuerza de esta asociación se ve beneficiada en contextos de mayor concentración de la habilidad de los estudiantes.
publishDate 2025
dc.date.none.fl_str_mv 2025-05-06
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702
10.36901/em.v10i1.1702
url https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702
identifier_str_mv 10.36901/em.v10i1.1702
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702/1750
https://revistas.ucsp.edu.pe/index.php/emomentum/article/view/1702/1768
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
text/xml
dc.publisher.none.fl_str_mv Universidad Católica San Pablo
publisher.none.fl_str_mv Universidad Católica San Pablo
dc.source.none.fl_str_mv Educationis Momentum; Vol. 10 Núm. 1 (2024): Educationis Momentum; 35-50
Educationis Momentum; Vol. 10 No. 1 (2024): Educationis Momentum; 35-50
2517-9853
2414-1364
10.36901/7kd3sr64
reponame:Revistas - Universidad Católica San Pablo
instname:Universidad Católica San Pablo
instacron:UCSP
instname_str Universidad Católica San Pablo
instacron_str UCSP
institution UCSP
reponame_str Revistas - Universidad Católica San Pablo
collection Revistas - Universidad Católica San Pablo
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1843436053950627840
score 13.243791
Una aproximación inicial a la optimización de la clasificación de estudiantes en evaluaciones de gran escala
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares