Predicción de la dificultad de la prueba de Habilidades Cuantitativas de la Universidad de Costa Rica
Contenido principal del artículo
Resumen
El objetivo de este artículo es plantear un modelo estadístico que permita predecir la dificultad de los ítems de la prueba de Habilidades Cuantitativas de la Universidad de Costa Rica. Para esto se plantearon una serie de atributos de los ítems utilizados en la prueba, con el fin de estimar su influencia en la predicción de la dificultad del modelo de Rasch y la probabilidad de acierto de cada uno de los ítems. Para lograr dicho propósito se ha recurrido principalmente al uso del modelo LLTM y al análisis de sus supuestos; sin embargo, también se utilizan otros modelos como el lineal múltiple y el logístico multinivel para encontrar similitudes y diferencias entre los resultados y así poder establecer criterios de comparación. En este estudio se obtuvo que las dificultades estimadas por el modelo LLTM y las dificultades estimadas por el modelo de Rasch tuvieron un coeficiente de correlación de 0.80, además se estimó que un 63.80% de la variabilidad de la dificultad de los ítems de la prueba es explicada por las variables tomadas en cuenta, de las cuales resultaron significativas: visualización, cantidad de contenidos, planteamiento de relación y cantidad de algoritmos algebraicos.
Detalles del artículo
Cómo citar
Rojas T., L. (2013). Predicción de la dificultad de la prueba de Habilidades Cuantitativas de la Universidad de Costa Rica. Revista Digital: Matemática, Educación E Internet, 13(1). https://doi.org/10.18845/rdmei.v13i1.1627
Sección
Artículos
La revista ofrece sus artículos a los lectores tal y como están, se aclara que los puntos de vista y comentarios de los autores de los artículos no necesariamente representan los puntos de vista de la revista ni los del Instituto Tecnológico de Costa Rica.
Los artículos de la revista pueden ser bajados de Internet e impresos para uso personal, además se permite su reproducción parcial o total tanto del formato impreso como del digital para fines educativos, de investigación o para uso personal siempre y cuando sea sin fines de lucro ni comerciales.
Los artículos están licenciados bajo Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.