See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/324827015

El mapa de Personas-Ítems como herramienta de interpretación de escalas

psicométricas. Parte I. Potencializar la información sobre el nivel de atributo de
las personas

Preprint · April 2018

CITATIONS READS
0 167

1 author:

Diego Fernando Rojas Gualdrón

University CES
47 PUBLICATIONS   48 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Individual and population health metrics View project

Collaborations View project

All content following this page was uploaded by Diego Fernando Rojas Gualdrón on 29 April 2018.

The user has requested enhancement of the downloaded file.

 El mapa de Personas-Ítems como herramienta de interpretación de escalas psicométricas.

Parte I. Potencializar la información sobre el nivel de atributo de las personas

Por:

Diego Fernando Rojas-Gualdrón

Grupo de investigación en Epidemiología y Bioestadística

Facultad de Medicina, Universidad CES

En este documento se presenta el mapa de Personas-Ítems, una potente herramienta de

interpretación de puntuaciones obtenidas mediante escalas psicométricas construidas y validadas
desde el modelo de Rasch (Cappelleri, Jason Lundy, & Hays, 2014). El modelo de Rasch, en su versión
dicotómica, plantea que la respuesta positiva de una persona n a un ítem i
 = 1 es una función
probabilística de la habilidad del individuo
  y la dificultad del ítem

 , de forma tal que se
puede estimar la probabilidad de que una persona con un cierto nivel de habilidad sea capaz de
 
  
acertar un ítem que tiene un determinado nivel de dificultad 
 = 1|  ,
  = 

  
(Bond & Fox, 2015). Esta ecuación básica puede ser modificada para extender el modelo a variables
ordinales como las respuestas tipo Likert.

Más allá de la complejidad que suele asociarse a las ecuaciones, la forma dicotómica del modelo de
Rasch permite ver cómo, de alguna manera, la probabilidad de contestar de forma positiva a un
ítem es el producto de la diferencia entre la habilidad de la persona y la dificultad del ítem
 −
 .
Sin pérdida de generalidad, se puede entender por habilidad la cantidad de atributo que muestra
una persona ante un test, y por dificultad la cantidad de atributo que exige un ítem para que la
probabilidad de que sea contestado afirmativamente sea del 50%. A partir de las propiedades del
modelo de Rasch y aplicando el teorema de la separación de parámetros (Fisher, 2010), al construir
y validar una medida desde este modelo obtenemos de forma independiente estos dos estadísticos.

El mapa de Personas-Ítems es una forma visual de sacar provecho de esta relación al interpretar los
resultados de un test. La figura 1 presenta un ejemplo de mapa de Personas-Ítems en el formato
que presenta el software Winsteps (Linacre, 2016). Para entender el uso de esta herramienta se
debe: 1) identificar sus elementos, 2) entender la lógica en el ordenamiento de la distribución de
personas e ítems, y, 3) entender las comparaciones entre mapas de personas e ítems.

1. Elementos del mapa de Personas-Ítems

Lo primero que se debe identificar es que este mapa se compone de dos grandes histogramas
(graficados de forma vertical). El lado izquierdo presenta el histograma de la distribución de
habilidades de las personas (#). El lado derecho presenta el histograma de la distribución de
dificultades de los ítems. Los dos histogramas comparten el eje de valores (línea quebrada vertical),
genéricamente los resultados se presentan en logitos pero pueden ser transformados a escalas
como CI, T o Decatipos (Bond & Fox, 2015).
En el eje vertical se presentan los estadísticos descriptivos, promedio y desviación estándar, de las
distribuciones de habilidad de las personas y de dificultad de los ítems. En la figura 1, la M representa
el promedio, la S una desviación estándar y la T dos desviaciones estándar. Las siglas a la izquierda
del eje representan los estadísticos descriptivos de las personas, las siglas a la derecha del eje
representan los estadísticos descriptivos de los ítems.

Es muy importante reconocer que los mapas de personas e ítems están alineados por los valores en
la escala de MEDIDA y no por los estadísticos descriptivos. De esta forma, los valores de promedio
y desviación estándar no necesariamente deben coincidir en el eje y este desfase es interpretable
(Engelhard, 2013). En el caso de la figura 1 podemos ver que el grupo de referencia tiene en
promedio mayor habilidad que la dificultad promedio de los ítems del test. De esta forma este es
un test “fácil” para este grupo. Se puede ver como una porción relevante de personas (#) obtienen
puntuaciones mayores a 3 loguitos, el valor del ítem 6, el cual es el más difícil.

2. Ordenamiento de la distribución de personas e ítems.

Distribución de personas. El mapa de personas (lado izquierdo) presenta las puntuaciones

ordenadas de forma jerárquica (en el continuo representado por la flecha azul). En la parte superior
se ubican las personas de <mayor habilidad>, en la parte inferior se ubican las personas de
<menor habilidad>. El mapa de personas guarda relación más cercana con los histogramas
presentados en instrumentos de medición construidos y validados desde la TCT. Uno de los ejemplos
más famosos es la curva de distribución de las puntuaciones de inteligencia general de las escalas
Weschler (Sattler, Padilla Sierra, Núñez Herrejón, & Ramos Tejeda, 2003). Este mapa permite
interpretaciones normativas, en las cuales se recurre a los percentiles y valores típicos (puntaciones
Z). Una corta interpretación de la puntuación del individuo  (ver Figura 1) sería la siguiente:

Ejemplo. Con una puntuación de aproximadamente 3 logitos,  se ubica a dos desviaciones

estándar por encima del promedio del grupo de referencia. Puntuaciones mayores a las de  solo
se observan en aproximadamente 2% de las personas del grupo de referencia.

Nota: Las interpretaciones normativas permiten saber que  sobresale en relación al grupo de
referencia particular con el cual fue contrastado. Esto limita las generalizaciones posibles. Las
interpretaciones de los test basados en normas dependen fundamentalmente de conocer en detalle
el grupo de referencia, o cuando menos de hacer supuestos sobre este. En un test de memoria, por
ejemplo, superar al 98% de las personas no significa lo mismo si el grupo de referencia es población
general, personas con habilidades excepcionales o una muestra de pacientes con diagnóstico
neuropsicológico. Cada grupo da información útil pero diferente.

Distribución de ítems. El mapa de ítems (lado derecho) presenta las dificultades de forma jerárquica
(en el continuo representado por la flecha naranja). En la parte superior se ubican los ítems de
<mayor dificultad>, en la parte inferior se ubican los ítems de <menor dificultad>. En
este mapa se debe tener una consideración adicional. Los ítems que se ubican uno al lado del otro,
como es el caso de los ítems 4 y 5 en la figura 1, son ítems que tienen similar grado de dificultad.
Estos ítems proporcionan poca información adicional en relación al desempeño de las personas. El
mapa de ítems permite interpretaciones basadas en criterio de dificultad (siguiendo las
consideraciones genéricas presentadas en el cuadro 1), esta modalidad proporciona información
sobre desempeño potencial de las personas a tareas similares a las que implica cada ítem. Una corta
interpretación de la puntuación del individuo  (ver Figura 1) sería la siguiente:

Ejemplo. Con una puntuación de aproximadamente -0,75 logitos,  tiene una alta probabilidad de
responder positivamente ante tareas como la que presenta el ítem 1. Esta probabilidad es de
aproximadamente 50% ante tareas como la que presentan los ítems 2 y 3. Es poco probable que 
responda positivamente ante tareas como las que se presentan en los ítems restantes del test.

Nota: Se debe notar que la interpretación del desempeño de  en el test no depende del
desempeño del grupo de referencia. Esta interpretación se centra en la habilidad de  para
contestar afirmativamente ante ítems particulares, los cuales difieren en dificultad. Las
interpretaciones de los test basados en criterio de dificultad dependen fundamentalmente de
conocer en detalle el constructo. Esto para poder generalizar las respuestas en los ítems del test a
tareas que impliquen similar nivel de dificultad. No se debe concluir que la interpretación basada en
criterio de dificultad es completamente independiente del nivel de habilidad del grupo de
referencia. El sentido particular de la independencia de estadísticos de personas e ítems puede
consultarse en (Engelhard, 2013).

3. Comparaciones entre mapas de personas e ítems.

Si bien el análisis independiente de los histogramas es de utilidad, reconociendo sus características

y limitaciones, la potencia del mapa de Personas-Ítems radica en su comparación y análisis
simultaneo. Una corta interpretación de la puntuación del individuo  (ver Figura 1) sería la
siguiente:

Ejemplo: Con una puntuación de aproximadamente -0,25 logitos, es altamente probable que 
responda positivamente ante tareas como las que presentan los ítems 1 a 5. Ante tareas como la
presentada en el ítem 6  tienen una probabilidad ligeramente menor al 50%, lo cual indica que su
nivel de habilidad es cercano a la cantidad de atributo requerido para responder positivamente ante
este tipo de tareas, y es menos probable que  responda positivamente a tareas que impliquen
mayor dificultad. En comparación al grupo de referencia,  muestra un desempeño promedio
obteniendo una puntuación mayor o igual que el 50% de las personas.

Consideraciones finales.

Este corto documento no pretende ser una exposición completa ni del modelo de Rasch, ni de la
interpretación basada en mapas. Por el contrario, busca servir como primera aproximación para que
el lector se anime a leer las referencias proporcionadas e idealmente a utilizar los mapas reportados
en diferentes revistas científicas. De forma similar al documento presentado en un boletín anterior
(Rojas-Gualdrón, 2015), la pretensión más ambiciosa del autor es sembrar una semilla de duda y
curiosidad por el detalle conceptual y metodológico de la psicometría. Espero que está pequeña
guía le sea de utilidad. Si tiene recomendaciones, comentarios o inquietudes por favor no dude en
contactarme al mail drojas3@unab.edu.co.
 MEDIDA HISTOGRAMA HISTOGRAMA
DE PERSONAS DE ÍTEMS
<mayor habilidad>|<mayor dificultad>
3 ###### +
T|
|
########## |
2 +
S|T
############ |
|
1 + Ítem 6
########## M|S
|
########## | Ítem 4 Ítem 5
0 +M
####### S|
| Ítem 3
#### |S Ítem 2
-1 +
T|
|
|T Ítem 1
-2 +
<menor habilidad>|<menor dificultad>
Figura 1. Mapa de Personas-Ítems (ficticio) en el formato del software Winsteps.

Fuente: Elaboración propia

 Relación Persona-Ítem Ejemplo en figura 1 Interpretación genérica
Habilidad persona > Dificultad ítem  Ítems 1 a 6 La probabilidad de que la persona
 Ítems 1 a 5 responda positivamente al ítem es
 Ítem 1 mayor al 50%. Entre mayor sea la
distancia mayor es la probabilidad.
Habilidad persona = Dificultad ítem  Ítem 2 La probabilidad de que la persona
responda positivamente al ítem es
de 50%.
Habilidad persona < Dificultad ítem  Ítem 6 La probabilidad de que la persona
 Ítems 3 a 6 responda positivamente al ítem es
menor al 50%. Entre mayor sea la
distancia menor es la probabilidad.
Cuadro 1. Consideraciones genéricas para interpretar la distancia entre habilidad de la persona y
dificultad del ítem

Fuente: Elaboración propia

 Referencias

Bond, T. G., & Fox, C. M. (2015). Applying the Rasch model: fundamental measurement in the human

sciences (Third edition). New York ; London: Routledge, Taylor and Francis Group.

Cappelleri, J. C., Jason Lundy, J., & Hays, R. D. (2014). Overview of Classical Test Theory and Item

Response Theory for the Quantitative Assessment of Items in Developing Patient-Reported

Outcomes Measures. Clinical Therapeutics, 36(5), 648-662.

https://doi.org/10.1016/j.clinthera.2014.04.006

Engelhard, G. (2013). Invariant measurement: using Rasch models in the social, behavioral, and

health sciences. New York: Routledge.

Fisher, W. P. (2010). Rasch, Frisch, and Two Fishers: A Social History of the Econometric Origins of

Some Widely Used Psychometric Models. SSRN Electronic Journal.

https://doi.org/10.2139/ssrn.1698919

Linacre, J. M. (2016). Winsteps® Rasch measurement computer program. (Versión 3.92.1).

Beaverton, Oregon. Recuperado a partir de www.winsteps.com

Rojas-Gualdrón, D. F. (2015). Algunas pautas generales para valorar apropiadamente la precisión de

un test construido desde la Teoría Clásica de los Test. Boletines Colpsic Campo de

Evaluación, Medición y Estadística. Recuperado a partir de

http://colpsic.org.co/aym_image/files/Evaluacion_y_Medicio%CC%81n_Marzo-2-

2017_Vs_Diciembre_2015_DC_V2.pdf

Sattler, J. M., Padilla Sierra, G. E., Núñez Herrejón, J. L., & Ramos Tejeda, M. M. (2003). Evaluación

infantil. Vol. 1, Vol. 1,. México: Manual Moderno.

View publication stats