CURSO: PRUEBAS PSICOLÓGICAS I

LECTURA SESIÓN N° 01
1. Tests psicológicos educativos: conceptos básicos, clasificación.
1. Introducción
1.1. La medida en psicología y educación
La meta de las ciencias es el establecimiento de principios generales que permitan la descripción, predicción y
explicación de los fenómenos de su área de interés. Para lograr este objetivo, como señala Torgerson (1958), los
científicos deben recoger y comparar datos que permitan fundamentar las teorías y la medida es un componente
fundamental en este proceso. La especialidad de la psicología que estudia los procesos de medición es la psicometría,
que es un término genérico que aglutina todo un conjunto de modelos formales que establece las bases para que la
medición de los fenómenos psicológicos y educativos se realice de forma adecuada.
En la teoría de los Tests las definiciones de medida son sencillas. Existe bastante acuerdo en considerarla como la
asignación de números a atributos de los sujetos, de tal forma que los números reflejen los diferentes grados del
atributo que es evaluado (Nunnally y Bernstein, 1994,DeVellis, 2003).Una definición similar es la dada por Lord y Novick
(1968) que la definen como «un procedimiento para la asignación de números (puntuaciones) a propiedades
especificadas de las unidades experimentales, de modo que las caractericen y preserven las relaciones especificadas en
el dominio comportamental» (p. 17).
Algunos lectores considerarán un poco simplista la definición de medida seguida, ya que se han omitido aspectos
importantes de las teorías de la medición, de gran relevancia en la psicología. Estas teorías intentan vertebrar la
medición
psicológica en torno a tres grandes áreas o problemas: la representación, la unicidad y la significación. Los lectores
interesados en esta problemática pueden acercarse a las obras de Krantz, Luce, Suppes y Tversky (1970), Luce, Krantz,
Suppes y Tversky (1990), Suppes, Krantz, Luce y Tversky (1989) y a la interesante crítica de Michell (1999). El mundo de
los Tests ha estado bastante alejado de esta problemática, ya que se parte del supuesto de que los valores asignados
a las respuestas forman una escala numérica de intervalo, aunque la mayor parte de las veces no se soportan las
propiedades de dicha escala (Lord y Novick, 1968). Este tipo de medición apriorística, o por especificación, ha recibido
diversos nombres en la teoría de la medición: medidas por definición (Torgerson, 1958), medidas de indicador (Suppes y
Zinnes, 1963) y medidas de índice (Dawes, 1972). Estas diferentes denominaciones suponen distintas formas de
caracterizar el estatus métrico de las puntuaciones de los Tests con respecto a la teoría de la medición, que puede
resumirse en una simple frase: «ausencia de la justificación de las propiedades de la escala» (esta característica no es
aplicable a un tipo de modelos que serán tratados más adelante, los modelos de Rasch). Para justificar esta
aproximación, Lord y Novick (1968) insisten en la necesidad de evaluar estas puntuaciones desde el punto de vista
pragmático, es decir, desde la utilidad de la escala resultante, destacando que si las puntuaciones de los Tests
proporcionan más información para la clasificación y predicción cuando son tratadas como de intervalo, pueden usarse
así.
A pesar de las críticas, a veces recibidas de los ortodoxos de la teoría de la medición, es un hecho indudable que los
Tests psicológicos y educativos están entre las contribuciones más importantes de las ciencias del comportamiento
a la sociedad, proporcionando mejoras fundamentales sobre otros procedimientos de medición.
La medida mediante Tests en psicología tiene una larga historia, en la que por limitaciones de espacio no podemos
entrar. Recomendamos a los lectores interesados la lectura de Du Bois (1970).
1.2. ¿Por qué los profesionales necesitan conocer la teoría de los Tests?
Cuando una persona se enfrenta a esta materia por primera vez, como sucede con los estudiantes de psicología o
educación, suelen plantearse ciertos interrogantes de los que son ejemplo los señalados por Crocker y Algina (1986):
1. ¿Qué es la teoría de los Tests y por qué su conocimiento es imprescindible en psicología y educación?
2. ¿Por qué se requiere para su estudio conocer la estadística?
Tests, escalas de calificación, auto informes, cuestionarios y otros instrumentos similares forman parte de la actividad
cotidiana de psicólogos y educadores, y están llegando al público en general. Diferentes características de
los sujetos, las escuelas, los estados, etc., son evaluadas periódicamente e incluyen
Tests de desarrollo, capacidades académicas, aptitudes, rendimientos escolares, inteligencia, actitudes, motivación, etc.
Por otra parte, los resultados de los Tests suelen tener con frecuencia impacto en la vida de los sujetos u otras unidades

UNIVERSIDAD CÉSAR VALLEJO – EP. PSICOLOGÍA

 CURSO: PRUEBAS PSICOLÓGICAS I
medidas. Es necesario conocer los procedimientos en los que se basan las puntuaciones de los Tests, la información que
proporcionan y las limitaciones que entrañan, para hacer un buen uso de los mismos. Como señalan los Standards for
Educational and Psychological Tests (AERA, APA, NCME, 1999, en adelante SEPT), «el uso inadecuado de los Tests puede
causar considerables perjuicios a los sujetos que contestan al test y a otras partes afectadas por las decisiones derivadas
de los Tests» (p. 1).
Puesto que los constructos medidos en psicología y educación son abstracciones que únicamente se pueden evaluar
indirectamente, el diseño de instrumentos adecuados de medición presenta múltiples problemas que se pueden resumir
en los siguientes:
1. No existe una única aproximación a la medición de un constructo que sea universalmente aceptada. Diferentes
procedimientos de medición, que se derivan de distintas definiciones demarco, pueden llevar a distintas conclusiones
sobre la caracterización de los sujetos en el atributo o rasgo latente. El término constructo es utilizado aquí en sentido
amplio, como el concepto o característica que el test pretende medir (SEPT, 1999).
2. Todos los Tests están basados en muestras limitadas de conductas del dominio que se pretende medir. Determinar el
número de elementos de la muestra y su variedad es uno de los principales problemas en el desarrollo de los
instrumentos de medida.
3. Las medidas obtenidas siempre contienen error. Puesto que se basan en muestras limitadas de contenidos, se ven
afectadas por todos los errores de muestreo. Las inconsistencias en las puntuaciones ligadas al muestreo de tareas,
ocasiones o situaciones pueden considerarse como errores aleatorios.
4. Falta de escalas de medida con origen y unidades de escala definidas, lo que da lugar a una indeterminación de la
medida.
5. Los constructos no pueden definirse aisladamente, simplemente en términos de definiciones operativas, sino que
deben establecerse sus relaciones con otros constructos y con las conductas observables.
En cuanto a sus relaciones con la estadística y la Teoría de la Probabilidad, estas disciplinas constituyen las bases teóricas
que fundamentan la teoría de los Tests, como el lector podrá comprobar en la lectura de los siguientes capítulos.
En la evaluación psicológica y educativa observamos lo que las personas dicen o hacen en circunstancias particulares e
intentamos inferir lo que conocen o son capaces de hacer. Existe una cadena de inferencias que dependen de modelos
estadísticos y probabilísticos, y es con estos enlaces con los que se asocian las propiedades psicométricas a las que se
refieren términos como fiabilidad, validez y comparabilidad. Las fórmulas y procedimientos de la teoría de los Tests
proporcionan definiciones de trabajo e instrumentos prácticos para tratar estos aspectos, que cumplen su función en la
cadena de inferencias de las observaciones al constructo Como señala Messick (1994), «validez, fiabilidad,
comparabilidad y equidad, no son solamente cuestiones de medida, sino valores sociales que tienen significado y fuerza
más allá de la medida siempre que se emiten juicios y se toman decisiones» (p. 2).
2. Concepto de test. Algunas clasificaciones
La palabra inglesa test tiene varios significados. Como nombre significa prueba, reactivo, etc. Como verbo, ensayar,
comprobar, etc. Este término ha sido adoptado internacionalmente para designar un tipo de examen o evaluación
de uso extendido en psicología y educación. Aunque se han propuesto muchas definiciones de Tests (véase Martínez
Arias, 1995, para una revisión de las mismas), adoptamos la definición presentada en los últimos SEPT (1999) que recoge
muy bien la variedad de aspectos a los que se puede aplicar esta denominación: «Un test es un instrumento evaluativo o
procedimiento en el que se obtiene una muestra de la conducta de los examinados en un dominio especificado y
posteriormente es evaluada y puntuada usando un procedimiento estandarizado» (p. 3).
En algunos contextos a veces se establecen distinciones entre los términos estos, inventarios, cuestionarios o escalas. En
las páginas que siguen utilizamos la palabra test para referirnos a cualquiera de los tipos de instrumentos
de medición, tal como establecen los SEPT. Por lo tanto, en el desarrollo del proceso de evaluación, toda la teoría que
explicamos puede aplicarse tanto a los Tests de rendimiento, aptitudes, actitudes, personalidad, etc.
Aunque se han propuesto múltiples clasificaciones de los Tests, presentamos aquí las más habituales en los contextos
psicológicos y educativos:
1. En función de las consecuencias para el sujeto. Es frecuente dividir los Tests o instrumentos de evaluación a lo largo
de un continuo de consecuencias, aunque simplificadamente suele hablarse de Tests de altas consecuencias (como, por
ejemplo, Tests utilizados en procesos de selección) y Tests de bajas consecuencias (como, por ejemplo, cuando se
utilizan en investigación). Esta distinción es una consideración importante en la interpretación de los resultados.

UNIVERSIDAD CÉSAR VALLEJO – EP. PSICOLOGÍA

 CURSO: PRUEBAS PSICOLÓGICAS I
2. En función del planteamiento del problema y tipo de respuesta. Los Tests están construidos a partir de una muestra de
conductas que exige, por parte del sujeto, una determinada forma de planteamiento y resolución del problema
presentado. Como veremos en capítulos siguientes, esta distinción suele plantearse en términos del denominado
formato de los ítems o tareas del test, y en este ámbito es frecuente hablar de Tests de respuesta seleccionada (RS) o
elección múltiple (EM) y test de respuesta construida (RC), incluyendo ambos diferentes modalidades.
3. En función del área del comportamiento acotada. Se establecen distinciones frecuentes entre Tests cognitivos
(aptitudes, inteligencia, rendimiento académico, etc.) y no cognitivos (personalidad, intereses, motivación, actitudes,
etc.), a veces conocidos como Tests de ejecución o rendimiento máximo frente a Tests de ejecución típica.
4. En función de la modalidad de aplicación. Con respecto a este aspecto suelen utilizarse diferentes etiquetas para los
Tests, tales como individual/ colectivo, papel y lápiz/ordenador, adaptativo/no adaptativo, etc.
5. En función de las demandas temporales. Este aspecto permite clasificar los Tests en un continuo que va de rapidez o
velocidad a potencia.
6. En función del grado de aculturación o demandas específicas de una cultura o grupo requeridas en la resolución del
test. No se establece una división dicotómica, sino que, como alguna de las dimensiones anteriores, permite situar los
Tests a lo largo de un continuo.
7. En función del modelo estadístico en que se basan las puntuaciones el test. La construcción de un test necesita
basarse en algún modelo probabilístico que permita dar un significado a las puntuaciones y hacer inferencias a partir de
la muestra de conductas planteadas en el test. Aunque se han presentado muchos modelos a lo largo de la historia
de la psicometría, los que han tenido trascendencia pueden clasificarse en los dos grupos siguientes:
a) Teoría Clásica de los Tests (TCT) y sus extensiones, como la Teoría de la Generalizabilidad (TG), a veces conocidos
como Modelos Débiles de la puntuación verdadera, basados en el modelo lineal general y en las puntuaciones totales de
los Tests.
b) Teoría de la Respuesta al Ítem (TRI) que modeliza las probabilidades de respuesta a un ítem para diferentes niveles
del rasgo latente mediante un modelo no lineal.
8. En función del tipo de interpretación de las puntuaciones. Se establece una distinción entre:
a) La que pone el acento en el nivel o grado de ejecución sobre algún
dominio o criterio definido de antemano, que da lugar a los normalmente conocidos como Tests Referidos a Criterio,
TRC (Criterion Referenced Tests). b) La aproximación basada en normas, que sitúa a los sujetos o estímulos en función
de estadísticos calculados en algún grupo de referencia al que pertenece el sujeto, que da lugar a los conocidos como
Tests Referidos a Normas (TRN).
Otra diferenciación importante, que se tratará más adelante, es la que se establece en función de los usos pretendidos
del test.
3. El proceso de inferencia psicométrica
Una dificultad a la que se enfrenta la psicometría es que la mayor parte de los atributos de interés en psicología y
educación no son observables directamente, debiendo acudir a indicadores indirectos de los mismos: las conductas
observables.
Las teorías positivistas marcaron el lenguaje de la psicometría, refiriéndose a estas características no observables
directamente como constructos teóricos, conectados por medio de las teorías con las conductas observables y con otros
constructos. La relación de los constructos latentes con los hechos observables permite asignarles números y establecer
relaciones empíricas entre ellos. Para la medida de estos constructos latentes se requiere algún instrumento que ponga
de relieve los niveles variables del constructo y de algún modelo que relacione lo que se observa en el mundo real
(las conductas observables) con el atributo o constructo que se pretende evaluar, que existe como parte de una teoría.
Estas conductas observables de los sujetos suelen recogerse en un instrumento estandarizado, que suele denominarse
test y como señala Wilson (2005), el propósito central de la medida en psicología y educación es proporcionar una forma
razonable y consistente de resumir las respuestas de los sujetos a estos instrumentos en algún tipo de puntuación, que
suele utilizarse para tomar decisiones sobre sujetos o grupos de sujetos. La idea central que subyace al uso del test es
que hay un atributo único, el constructo, que es lo que el instrumento intenta medir y que en ese atributo, utilizando las
puntuaciones del test, pueden situarse las personas y los estímulos o ítems del test.
Los constructos que intenta medir el test pueden ser muy variados: parte de un modelo cognitivo, la actitud de las
personas hacia algo o un trastorno psicológico, pero en todos los casos, tras la aplicación del instrumento y siguiendo
una regla que se aplica a las respuestas u observaciones, obtenemos una o más puntuaciones numéricas del sujeto.
UNIVERSIDAD CÉSAR VALLEJO – EP. PSICOLOGÍA
 CURSO: PRUEBAS PSICOLÓGICAS I
Suponemos que estas cantidades observadas reflejan de algún modo la cantidad que el sujeto posee en el atributo o
propiedad medida, pero no podemos asumir directamente que refleje bien la verdadera cantidad de interés. El azar, en
forma de errores aleatorios, juega un importante papel en estas mediciones o asignaciones numéricas y el proceso de
medición se convierte en un proceso inferencial.
4. Los principios del modelo psicométrico
Aunque pueden recibir diferentes nombres en diferentes textos, básicamente los principios psicométricos que
garantizan la calidad de las medidas, pueden reducirse según Mislevy, et al. (2003) a los siguientes: validez, fiabilidad,
comparabilidad y equidad o ausencia de sesgos discriminatorios. Phillips (1996), por su parte, habla de validez,
generalizabilidad, comparabilidad y equidad.
Aunque serán desarrollados en los capítulos posteriores, exponemos brevemente los aspectos que abordan cada uno de
ellos.
4.1. Fiabilidad
Este principio tiene que ver con los errores cometidos en el proceso de medición, por lo que responde al problema de
hasta qué punto las cantidades observadas reflejan con precisión la puntuación verdadera (puntuación del uni verso o
aptitud) de la persona. En la práctica, tal como señala Brennan (2001b), tiene que ver con el proceso de repetición o
generalización de la medida, idea que ha sido predominante desde los trabajos iniciales de Spearman (1904).
4.2. Validez
Es el más importante de los principios y nos habla del grado en que el uso que pretendemos hacer de las puntuaciones
de los Tests está justificado. Supone examinar la red de creencias y teorías sobre las que se asientan los datos y probar
su fuerza y credibilidad por medio de diversas fuentes de evidencia.
Requiere debilitar las explicaciones alternativas sobre el comportamiento del sujeto ante los ítems y eliminarlas para
reducir los errores inferenciales.
Los primeros trabajos sobre validez distinguían entre un número de variedades de validez, tales como contenido,
predictiva, convergente, discriminante y de constructo. En los SEPT actuales, la validez es el tema predominante
y se define como un concepto unitario. Los diferentes tipos de validez son considerados como diferentes tipos de
evidencia para un único tipo de validez.
Si hace falta etiquetarla, la etiqueta sería la de validez de constructo. Embretson (1983) distinguió entre dos tipos de
evidencia: los que se refieren a la representación del constructo y los de la red nomológica, en la que se establecen
relaciones con otros constructos. Hasta hace poco, las justificaciones de validez eran sobre todo del segundo tipo, pero
desde la revolución cognitiva, hay fuertes bases para argumentos en la representación del constructo.
4.3. Comparabilidad
En ocasiones la recogida de datos se realiza de forma distinta para diferentes sujetos o para los mismos sujetos en
diferentes momentos. Diferentes condiciones de medida hacen surgir hipótesis alternativas cuando se realizan
comparaciones entre sujetos, o cuando se comparan con estándares o con el progreso en el tiempo.
El problema de la comparabilidad responde a cuestiones tales como: ¿puede haber diferencias sistemáticas en las
conclusiones si observamos las respuestas del test A en vez de las del test B?, ¿en un TAI (test adaptativo informatizado)
frente a uno de lápiz y papel?, ¿con un evaluador frente a otro? A la hora de hacer inferencias deben eliminarse estas
posibles explicaciones alternativas.
4.4. Equidad
En general, bajo esta problemática nos referiremos a explicaciones alternativas de los resultados de la evaluación que
pueden estar relacionadas con factores tales como diferencias sociodemográficas, la historia personal de cada individuo,
lenguaje, familiaridad con las representaciones, etc. Cuando el mismo instrumento de medida se aplica a muchos
sujetos (un grupo), es preciso examinar el impacto de dichos factores.
Es un concepto que hasta cierto punto también se solapa con otros aspectos, estando relacionado, además, con
perspectivas sociales, políticas y educativas, sobre los usos de la evaluación (Willingham y Cole, 1997). En realidad,
aunque será tratada separadamente, como señalan Moss y Schutz (2001a), forma parte de la teoría general de la
validez.
5. Los modelos de Tests
Como ya se ha señalado, para relacionar conductas observadas o respuestas con los constructos se usan normalmente
modelos. En el caso de la medida psicológica o educativa, son modelos matemáticos en los que variables dependientes,

UNIVERSIDAD CÉSAR VALLEJO – EP. PSICOLOGÍA

 CURSO: PRUEBAS PSICOLÓGICAS I
los constructos, se combinan numéricamente para predecir de forma óptima una variable dependiente, la respuesta del
sujeto.
Seguramente uno de los aspectos más característicos de la psicometría es el uso de modelos estadísticos. Los modelos
de medida proporcionan reglas formales explícitas de cómo integrar las diferentes piezas de información que pueden
ser relevantes para una inferencia particular. La idea esencial es aproximar las relaciones sustantivas importantes en
términos de relaciones entre variables en un modelo probabilístico.
Esto lleva a una versión simplificada de la realidad, que nos da reglas para su interpretación. En el caso, por ejemplo, de
los Tests de aptitudes, establecen las relaciones entre dichas aptitudes de los sujetos y su conducta observable en el
test. Es decir, establecen las relaciones entre las variables latentes _ y las variables observadas X. No sabemos
exactamente qué hará un sujeto en una situación particular, pero para los sujetos con un valor dado de _, habrá una
distribución de probabilidad de valores posibles de X, es decir, P(X_).Un modelo de medida no intenta explicar cada
detalle de los datos, solamente aproximar los patrones importantes.
En el modelo deben considerarse varios aspectos. En primer lugar, el modelo especifica la escala para las observaciones
o variable dependiente, que puede ser una puntuación, las respuestas a un ítem o una matriz de relaciones entre ítems y
respuestas. Además, especifica una o más variables de diseño que son las variables independientes. Junto a esto,
especifica cómo se combinan las variables independientes para predecir la variable dependiente. El modelo puede
especificar una simple combinación aditiva de variables que predicen la variable dependiente, como en el modelo de la
regresión lineal.
Los pesos para las variables de diseño o independientes son los parámetros del modelo. Los modelos a veces especifican
relaciones más complejas. Por ejemplo, pueden combinarse interactivamente o seguir un determinado tipo de función
(p. ej., la función de distribución normal o logística) para relacionar las variables independientes con las dependientes.
Durante muchos años la TCT ha sido el modelo básico usado en la construcción de los Tests. No obstante, y como
observamos en varias partes de este libro, la complejidad de los problemas de medida, especialmente en el marco de las
Evaluaciones a Gran Escala (EGE), lleva a situaciones que la TCT no es capaz de resolver de una forma eficaz. La
popularidad creciente de la TRI se basa en que proporciona justificación teórica para hacer muchas cosas que no son
posibles en el marco de la TCT. Algunos de los problemas, como veremos, también tienen soluciones desde la TCT, pero
menos eficaces.

ACTIVIDAD: DIVIDIDOS EN CINCO GRUPOS, DESARROLLARAN UN ORGANIZADOR GRÀFICO PARA REALIZAR UNA FERIA
INFORMATIVA.

BIBLIOGRAFIA:
Martínez Arias María Rosario; Hernández Lloreda, María Victoria y Hernández Lloreda María José, (2006). PSICOMETRIA. © Alianza
Editorial, S. A. Madrid, Edición en versión digital 2014.p. (15-35)

UNIVERSIDAD CÉSAR VALLEJO – EP. PSICOLOGÍA