Documentos de Académico
Documentos de Profesional
Documentos de Cultura
____________________________________________________
©
Reservados todos los derechos ©. Ninguna parte del material cubierto por este título de
propiedad intelectual del autor, el software de aplicación, incluido el diseño de la cubierta, no
puede ser reproducida, almacenada en un sistema de informático o transmitida de cualquier
forma o por cualquier medio electrónico, mecánico, óptico, químico, de grabación, fotocopia,
audiovis ual u otros métodos, sin el previo y ex preso permiso por escrito del autor.
cada pers ona posee dentro de s í misma aquellas razones que l@s
motivan en su cotidianidad. Entonces este es el “porqué”, y es una
combinación de los valores, deseos personales, intereses y actitudes de
los empleados frente a la vida. Esto nos permite entender aún más a
fondo a un individuo, motivarlo con más facilidad y poder acomodarlo
dentro de los valores y necesidades específicas de la empres a. Poner al
descubierto estos factores que hacen a la motivación individual devela
una vez más la importancia c entral las herramientas psicométricas en la
Gestión de los Recursos Humanos en la Organización.
El autor
La Psicometría Aplicada a la Gestión de RRHH en la Organización 11
1. INTRODUCCIÓN________________________________
Modelo: X=V+e
Supuestos: 1. V= E(X)
2. ρ (v,e)=0
3. ρ (ej,ek )=0
Definición: Dos tests, j y k , se denominan paralelos si la varianza
de los errores es la misma en ambos ( δ (ej )= δ (ek )) y también lo
2 2
2. FIABILIDAD____________________________________
Coeficiente de fiabilidad
[σ x ]2 = [σ v ]2 ρ xx = 1
,
σv
ρ xv = ρ xx =
σx
,
σ e = σ x 1 − ρ xx ,
Índices de velocidad-potencia
σ e2
IV =
σ F2
ρVP
2
IV = 1 −
ρ vv ρ PP
, ,
CV =
∑ NI *100
∑ E + ∑ O + ∑ NI
σ 2 ( X / V ) = σ 2 (e / V ) = σ e2
∀K P{ X − V } ≤ K (σ e ) ≥ 1 − 1
K2
b) Estimación basada en la distribución normal de errores.
Este es el método más utilizado en los textos clásicos. Una forma de
evitar una estimación tan genérica como la anterior es asumir que los
errores de medida, y por ende las puntuaciones empíricas, para un valor
dado de V (sujeto o clase de sujet os con la misma puntuación
verdadera) se distribuyen según la curva normal:
(
f (e v ) ≈ N 0, σ e2 )
Dado que X=V+e, con V constante, es inmediato que:
(
f (x v ) ≈ N v, σ e2 )
Esta asunción de normalidad e igualdad de las varianzas condicionales
(homoscedasticidad) ha sido cuestionada con frecuencia, es pecialmente
en los valores extremos de la escala. Si no se cumple lo cual es
bastante probable en la práctica, no sería muy preciso utilizar el mismo
error t ípico de medida (E TM) para todos los sujetos,
independientemente de su puntuación como se hace habitualmente.
c) Estimación según el modelo de Regresión.
El modelo de regresión lineal el pronóstico de una variable Y a partir de
otra X, según el criterio de mínimos cuadrados, viene dada por la
expresión:
σ y
Y ′ = ρ xy ( X − X ) + Y
σx
Dado que ese es nuestro problema, estimar V a partir de X, lo
traducimos a nuestra terminología, donde Y, lo que se desea
pronosticar, pasa a ser V, y X sigue siendo X:
σ
V ′ = ρ xV V ( X − X ) + V
σx
Haciendo unas transformaciones tenemos (2. 9):
La Psicometría Aplicada a la Gestión de RRHH en la Organización 20
V ′ = ρ xx′ ( X − X ) + X
Mediante esta fórmula podemos hacer estimaciones puntuales de V a
partir de X, conociendo el coeficiente de fiabilidad, la media del test y la
puntuación empírica.
Ahora bien, el Modelo de Regresión utilizado lo único que garantiza es
que “a la larga” los errores de pronóstico cometidos son mínimos, según
el criterio de mínimos cuadrados, pero la puntuación pronosticada V´ no
siempre coincidirá con V, denominándose a esta diferencia error de
estimación, por ello en vez de realizar estimaciones puntuales se
σ x2 ρ xx′ + σ z2 ρ zz′ − 2σ xσ z ρ xz
ρ dd ′ =
σ x2 + σ z2 − 2σ xσ z ρ xz
por (2.13):
Donde: ρdd´ : Coeficiente de fiabilidad de las diferencias.
σ2 : Varianzas de las punt uaciones de los test (X y Z).
ρxx´(zz´) : Coeficientes de fiabilidad de los tests.
ρxz : Correlación entre ambos tests.
ρ xx′ + ρ zz′ − 2 ρ xz
ρ dd ′ =
2(1 − ρ xz )
iguales la fórmula se simplifica (2.14):
El error típico de medida de las diferencias σed, análogament e a lo visto
para un solo test, vendrá dado por (2.15):
σ ed = σ d 1 − ρ dd ′
La Psicometría Aplicada a la Gestión de RRHH en la Organización 21
e = V −V ′ σ vx = σ x 1 − ρ xx′ ρ xx′
e = X 1 − X 2 σ e ( s ) = σ x 1 − ρ xx′ 2
e = X 1 − X 1′ σ e ( P ) = σ x 1 − ρ xx′ 1 + ρ xx′
2. Error de estimación (2.11).
3. Error de sustitución (2.16).
4. Error de predicción (2.17).
σ1
X 1`´= ρ12 ( X 2 − X 2′ ) + X 1
σ2
La Psicometría Aplicada a la Gestión de RRHH en la Organización 22
a) Fiabilidad y variabilidad
El coeficiente de fiabilidad aument a al aumentar la variabilidad de la
muestra, un test no tiene un coeficiente de fiabilidad fijo, este depende
de la variabilidad de la muestra en la que s e calcule. E n suma, al
aumentar la variabilidad de la muestra aumenta el valor del coeficiente
de fiabilidad.
La varianz a de los errores de medida en elt est es la misma en amabas
poblaciones, la menos variable y la más variable. El error t ípico de
medida vendrá dado por :
σ e = σ x 1 − ρ xx′
Sustituyendo en ambas poblaciones la varianza, por s u valor y
despejando tenemos (2. 19):
σ 12
ρ 22′ = 1 − (1 − ρ11′ )
σ 22
Siendo: ρaa´ : Coeficiente de fiabilidad en la población a.
σ2ª : Varianza empírica en la población a.
Esta fórmula debe usarse con precaución, pues el fuerte supuesto en el
que se basa no siempre se cumple.
b) Fiabilidad y longitud
La fiabilidad de un test también depende de su longitud, ent endiéndose
por esta el número de ítems del test.Según los supuestos del modelo, si
se tiene un test X y se aumenta su longitud n veces a bas e de ítems
paralelos a los originales, la fiabilidad del nuevo test alargado viene
nρ xx′
ρ XX ′ =
1 + (n − 1)ρ xx′
dada por la conocida fórmula de Spearman-B rown (2.20):
Donde: ρXX´ : Fiabilidad del test alargado.
ρxx ´ : Fiabilidad del test original.
Un caso particular es el cálculo del coeficient e de fiabilidad por el
Método de las Dos Mitades, en este caso n=2, quedando (2.20)
reducida a:
2 ρ xx′
ρ XX ′ =
1 + ρ xx′
La Psicometría Aplicada a la Gestión de RRHH en la Organización 23
2
n n
∑ j σ ∑∑ cov( j , k ) n(r1 )
n α = n α=
1 + (n − 1)r1
j =1 j≠k
α= 1− 2
n −1 σx n −1 σx
2
α=
(N − 3)αˆ + 2 α : es el estimador insesgado.
N −1
αˆ : Valor de α obtenido en una
muestra mediante (2.24).
N : Número de sujetos d ela muestra.
A medida que aumenta el número de sujetos de la muestra N, el valor
hallado en la muestra y el estimador insesgado se acercan, siendo
iguales cuando N tiende a infinit o. A nivel práctico puede decirse que a
partir de 100 s ujetos las diferencias entre el valor sesgado y el
insesgado son más bien irrelevantes.
b) Alfa como límite inferior de ρ xx´.
Se demuestra que (2.27):
α ≤ ρ xx′
Por tanto alfa puede considerarse como una estimación del límite
inferior del coeficiente de fiabilidad de un test.
n
cov( j , k )
(n − 1)∑∑
n
n σ 2j
δ 3 = 1 − ∑ 2 + j≠k
j =1 σ x σ x2
Se han propuesto otros índices como estimaciones del límite inferior de
la fiabilidad. El propuesto por Lord y Novick (1968), recomiendan el
suyo, que siempre da valores positivos (2. 28):
Inferencias sobreα:
1-α
F=
1 − αˆ
α : Valor de alfa en la población.
αˆ : Valor de alfa en la muestra.
Se distribuye según F con (N-1) y (n-1)(N-1) g.l.
b) Dos coeficientes: Feldt (1969) propuso un estadístico de contraste
que permite c omparar dos coeficientes alfa obtenidos en muestras
independientes, donde w se distribuye según F con (N1 -1) y (N2-1) g.l.
(2.35).
1 - αˆ1
w=
1 - αˆ 2
αˆ i : Valores de alfa en cada muestra
Muestra s dependientes:
t=
(αˆ1 − αˆ 2 ) N − 2
4(1 − αˆ1 )(1 − αˆ 2 )(1 − ρˆ122 )
t : se distribuye con N - 2 g.l.
N : Nº. de sujetos de la muestra.
αˆ i : Valores de los coeficientes alfa de los tests.
ρˆ12 : Correlación entre las puntuaciones de los sujetos en ambos tests.
Fiabilidad
Fc
ρ0 =
N
Fc : Nº. de personas (frecuencia) en las que ambos tests coinciden en la
clasificación.
N : Nº. total de personas.
Fc − Fa
K=
N − Fa
Fc : Frecuencia de coincidencia.
Fa : Frecuencia de azar.
N : Nº. total de personas de la muestra.
Pc − Pa
K=
1 − Pa
C − 0,5 − X
Z=
Sx
2. Se busca en las tablas de la curva normal al proporción P z
correspondiente al valor Z.
3. Mediante la tabla F se obtiene a probabilidad P zz de la distribución
conjunta de dos varibales normales con correlación KR21 para el
valor de Z.
4. Se procede al cálculo de los coeficientes ρ 0 y kappa, (2.57), (2.58):
ρ 0 = 1 + 2(Pzz − Pz )
Pzz − Pz2
k=
Pz − Pz
2
K xv2 ≥ α
Livington demuestra de forma elegante que la fórmula de Sperman-
Brown clásica que relaciona longitud y la fiabilidad del test es
perfectamente aplicable a su coeficiente en el ent orno de los tests
referidos al criterio, (2. 60) (siendo n el número de veces que se alarga el
test):
nK xv2
K 2
=
1 + (n − 1)K xv2
XV
exigibles para dominar el crit erio. Para obtener los valores esperados
para el test se suman los valores esperados para cada ít em, el punto de
corte se establece normalmente en la mediana (o media). Cuando se
utiliza la fórmula para corregir los efectos del azar también debe
corregirse con ella el punto de corte.
Método del grupo límit e: Se les pide que identifiquen las personas que
están en el límite de lo exigible, situadas entre las que dominan el
criterio y las que no lo dominan. Una vez identificado por los jueces un
grupo de personas de estas características, se les aplica el test en el
cual se está interesado en fijar el punto de corte, el valor de este será la
media o la mediana de las puntuaciones de ese grupo de personas en el
test.
TRN TRC
Dos aplicaciones del test
Test-Ret est ρ0
Estabilidad
Temporal
Formas paralelas K
Coeficiente de
Livingston
Una sola aplicación del test
Basados en la división
del test en dos
mitades paralelas: Método de Huynh
-Spearman-B rowm.
-Rulon.
Consistencia
interna -Guttman/Flanagan.
Basados en la
covarianz a de los
ítems: Coeficiente de Livingston
-α.
-KR20.
-KR21.
3. VALIDEZ______________________________________
Conceptos y tipos
Validez y fiabilidad
Fórmulas de atenuación:
a) Estimación del coeficiente de validez en el supuesto de que el test y
La Psicometría Aplicada a la Gestión de RRHH en la Organización 35
el criterio tuviesen una fiabilidad perfecta: ¿Cuál sería la validez del test
en el supuesto de que tanto el test como el criterio tuviesen una
fiabilidad perfecta?, es decir en el caso de que careciesen de errores de
medida. La respuesta viene dada por la fórmula de atenuación donde la
validez empírica viene reducida, disminuida, por la existencia de errores
de medida, existencia cuya fórmula permite corregir. La validez del test
vendría dada por la correlación entre las punt uaciones verdaderas de
los sujetos en el test y sus verdaderas en el criterio (3.1):
ρ xy
ρv v =
x y
ρ xx′ ρ yy′
ρ xy : Coeficiente de validez empírico.
ρ xx′ : Coeficiente de fiabilidad empírico del test.
ρ yy′ : Coeficiente de fiabildiad empírico del criterio.
ρ xy
ρ xv =y
ρ yy′
tuviese una fiabilidad perfecta: (3.3):
d) Genaraliz ación de las fórmulas de atenuación: A partir de las
fórmulas anteriores, puede hacerse una generalización para el
supuesto en el que test y/o criterio, aun sin carecer totalmente de
errores de medida, se les rebajen en cierto grado. Puede tener
interés estimar cual sería el coeficiente de validez de un test en el
supuesto de que se lograsen ciertas mejorías en su fiabilidad, en la
del criterio, o en ambas. La fórmula es la siguiente (3.4):
Donde las letras mayúsculas se refieren a las fiabilidades
ρ xy ρ xx′ ρYY ′
ρ XY =
ρ xx′ ρ yy′
La Psicometría Aplicada a la Gestión de RRHH en la Organización 36
mejoradas.
La fórmula anterior tiene c asos particulares, se puede simplificar cuando
mejora en la fiabilidad del criterio (3. 5) y cuando mejora en la fiabilidad
ρ xy ρYY ′ ρ xy ρ XX ′
ρ xY = ρ Xy =
ρ yy′ ρ xx′
del test (3.6):
ρ xy ≤ ρ xv
menor o igual que su índice de fiabilidad (3.7):
Validez y longitud
La fiabilidad de un test puede mejorarse por varios caminos. Uno muy
típico es aumentando la longitud, al aumentar la longitud mejora la
validez (3.8):
ρ xy n
ρ Xy =
1 + (n − 1)ρ xx′
Donde n es el número de veces que aumenta el test, ρ xy el coeficiente
de validez y el xx´el de fiabilidad.
Validez y variabilidad
σ X ρ xy
ρ XY =
σ 2 X ρ xy 2 + σ x2 − σ x2 ρ xy2
σ Y = σ y 1 − ρ xy2 + ρ xy2 σ X2 / σ x2
ρ zy − ρ xz ρ xy + ρ xz ρ xyσ X2 / σ x2
ρ ZY =
(1 − ρ 2
xz )(
+ ρ xz2 σ X2 / σ x2 1 − ρ xy2 + ρ xy2 σ X2 / σ x2 )
Donde, como en el cas o de dos variables, X es el test directamente
selectivo, Z el nuevo t est e Y el criterio, reservándose las mayúsculas
para el grupo t otal y las minúsculas para los seleccionados. Los
supuestos que subyacen para la obtención de 3. 13 son análogos a los
que ya hemos visto para dos variables.
Validez predictiva
Y=bX+a
σ y x = σ y 1 − ρ xy2 σ y2′ σ 2y x
.
ρ = 2 ρ = 1- 2
.
2 2
σy σy
xy xy
Coeficiente de alienación CA = 1 - ρ xy
2
partir del test, y debido a los errores de estimación asociados con las
predicciones, más que estimaciones puntuales conviene establecer un
intervalo confidencial en torno a la punt uación pronosticada. Para ello se
N
σ ′y x = S y x
N −2
. .
1 (X − X )
2
σ ′y′ x = σ ′y x 1+ +
N ( N − 1)S x2
. .
donde :
σ ′y. x es el estimador insesgado citado.
X es la puntuación del test a pronosticar.
X media del test en la muestra.
S x2 Varianza del test en la muestra.
asume que los errores de estimación se distribuyen según la c urva
normal con des viación típica dada por el error típico de estimación.
Validez de decisión
Fc − Fa
K=
N − Fa
Fc : Frecuencia de coincidencia.
Fa : Frecuencia de azar.
N : Nº. total de personas de la muestra.
Utilidad de la selección
Taylor y Russell (1939) elaboraron unas tablas, hoy clásicas para que
un valor estimado de la razón de idoneidad, y c onocida la validez y la
razón de selección, permiten estimar cual sería la razón de la eficacia.
Un análisis de la utilidad de la selección sólo puede llevarse a cabo de
un modo riguroso aplicando la teoría estadística de la decisión. Cuando
la razón de selección es reducida, la probabilidad de éxito en el criterio
(razón de eficacia) es alta.
Clasificación
µ p − µx p
ρ bp =
σx q
µ p : Media en el test de los sujetos que aciertan el ítem.
µ x : Media del test.
σ x : Desviación típica del test.
p : Proporción de sujetos que aciertan el ítem.
q : (1 - p).
Si al calcular la correlación ítem test no se descontas e este, se estaría
elevando la correlación de forma errónea. No obstante, si por cualquier
razón s e tiene la correlación item-test sin descontar los efectos del ítem,
puede utilizarse la siguiente fórmula de corrección:
La Psicometría Aplicada a la Gestión de RRHH en la Organización 46
µ p − µx ρ
ρb =
σx y
µ p : Media en el test de los sujetos que aciertan el ítem.
µ x : Media del test.
σ x : Desviación típica del test.
ρ : Proporción de sujetos que aciertan el test.
y : Ordenada correspondiente al valor de la puntuación
típica en la curva normal que deja por debajo un área
igual a ρ .
-Correlación biserial: Si una de las variables a correlacionar, que suele
ser el ítem, no es dicot ómica por naturaleza, pero por alguna razón se
dicotomiza y se asume que bajo esa dicotomización subyace una
variable continua distribuida según la curva normal, puede usarse la
correlación biserial para estimar el índice de discriminación. Si se pude
evitar, es desaconsejable la dicotomización, puesto que con ella siempre
se pierde información, reduciendo la escala de medición a sólo dos
categorías.
ρ bp = ρ b pq
y
de discriminación.
d = Pc − P
σ j = Pj (1 − Pj ) σ x = ∑ Pj (1 − Pj )ρ jx
n
j =1
Si los ítems son dicotómicos, su des viación típica, viene dada por:
α=
n
1−
∑ σ 2
j
n −1
[∑ σ ρ ] j jx
2
α=
n
1−
∑ P (1 − P ) j j
n −1
[∑ ρ P (1 − P )]
jx j j
2
Índice de validez
Relación con los parámetros del test: Sea cual sea la correlación
utilizada, el valor del índic e de validez de un ítem indicará en que grado
el ítem está conectado con la variable que el test intenta predecir
(criterio), la conexión entre el índice de validez de los ít ems y el
n
∑σ
j =1
j ρ jY
xy = n
∑σ
j =1
j ρ jX
Pj (1 − Pj )
n
∑ρ
j =1
jY
ρ xy =
Pj (1 − Pj )
n
∑ρ
j =1
jX
La Psicometría Aplicada a la Gestión de RRHH en la Organización 49
Cuando los ítems son de elección múltiple, en cuyo caso, aún sin
conocer la respuesta correcta, los sujetos pueden acertar por mero azar.
En estos casos la fórmula más clásica para la corrección del azar viene
dada por:
E
P = A-
n -1
A : Nº. de aciertos.
E : Nº. de errores.
n : Nº. de alternativas del ítem.
Como se ha señalado, si los sujetos son instruidos para responder a
La Psicometría Aplicada a la Gestión de RRHH en la Organización 50
Dos sujetos que aciert an determinado ítem tal vez no posean el mismo
grado de conocimient o acerca de él, y lo mismo puede decirse si lo
fallan, se ha tratado de calificar por divers os caminos el conocimiento
parcial o inc omplet o que los sujetos poseen de los ítems, se han
propuesto varios acercamientos, ent re los que destacan:- juicios de
seguridad, res ponder hasta acertar, y ponderación de las alternativas
del ítem. En el método de los juicios de seguridad, además de contestar
a los ít ems se les pide a los sujetos que emitan un juicio acerca del
grado de seguridad o confianz a que tienen de acertarlo. S e as ume
implícitamente que a mayor seguridad en el juicio, mayor conocimiento.
El método de responder hasta acertar consiste en eso, en que los
sujetos van dando res puestas al ítem hasta que lo aciertan. Su
implementación práctica conlleva algún artilugio que dé feedback al
sujeto para que este sepa cuando ha alcanzado la respuesta correcta.
Finalmente, el método de ponderar las alternativas consiste en asignar a
cada alternativa distinto peso según su grado de correción, estimada por
expertos.
Sesgo
Aj Cj
H0 : = Para cada una de las categorías j
Bj Dj
χ 2
MH : se distribuye según χ 2 con 1 g.l.
La Psicometría Aplicada a la Gestión de RRHH en la Organización 52
las puntuaciones del test para los dos grupos comparados permite
distinguir el impacto.
El número variará para cada caso, pero conviene tener presente que
habrá que confeccionar el doble o el triple de lo que s e tiene pensado
que compondrán finalmente el test, pues en el proc eso de análisis se
irán descartando los que peor funcionen. En cuanto al formato, las
posibilidades son numerosas, encontrándose entre las más usadas las
siguientes: Verdadero-falso, elección múltiple, relacionar, completar,
respuesta corta, ensayo.
Percentiles
La transformación a escala percentil consiste en asignar a cada
La Psicometría Aplicada a la Gestión de RRHH en la Organización 54
Puntuaciones típicas
X −X
Zx =
Sx
X : Puntuación directa.
X : Media de la muestra.
Sx : Desviación típica.
Típicas derivadas
D = X D + S D (Z x )
X D : Media para la nueva escala.
SD : Desviación típica elegida para la nueva escala
Típicas normalizadas
Edad
EM
CI = ×100
EC
Al dividir la edad asignada al sujeto según su puntuación en el test
(edad mental) entre la edad cronológica, multiplicando por 100 para
evitar los decimales.
6. EQUIPARACIÓN DE PUNTUACIONES______________
Di seños
Los tres diseños más frecuentemente utilizados son: un s olo grupo, dos
grupos equivalentes y test de anclaje.
Métodos
Norma s generales
- Competencia.
- Integridad.
- Responsabilidad profesional y científica.
- Respeto por los derechos y dignidad de las personas.
- Procurar el bienestar de las personas.
- Responsabilidad social.
Test computerizados
Aproximación histórica
hacer alusión a las des viaciones de los datos respecto al modelo ideal.
El escalograma de Guttman y el modelo de Coombs son ejemplos
típicos.
Métodos probabilísticos
S=C Ln E + A
Una vez que hemos obtenido las dos series de valores, los
correspondientes al estímulo y los de la escala de sensación, utilizando
cualquiera de los métodos psicofísicos que después se verán, es
necesario comprobar la relación que existe entre ellos.
Método de ajuste
Para obtener el umbral diferencial, se fija un valor del est ímulo c omo
estándar y, a continuación, una serie de est ímulos de comparación o
variables cuyo valor estará situado simétricament e en torno al del
estándar. Al igual que para el U.A. se puede interpolar o utilizar el
método de los mínimos cuadrados.
Para utilizar las puntuaciones típicas hemos supuesto que los juicios
emitidos por el sujeto ant e la presentación de los estímulos, se
distribuían de acuerdo a dicha distribución. A partir de Fechner, la
psicofísica avanza por dos vías de desarrollo distintas, una por Stevens
(tema siguiente) y otra por Thurstone.
LnR=lnq+nlnE
K<J K>J
Pkj
Pkj
Zkj=0 Zkj>0
Primer Segundo
Caso caso
Segundo caso: µ k>µ j µ k-µj >0
Hemos visto que la fórmula general de la ley del juicio comparativo es:
2 2
µk -µj = Zkj√σ k +σ j -2ρ kjσk σj
Los datos brutos que nos van a servir de base para la aplicación del
modelo son la frecuencia con la que un estímulo K ha sido juzgado
mayor que otro est ímulo J, ya que a partir d estas frecuencias podremos
obtener las proporciones correspondientes. El método más directo para
la obtención de estas es el denominado “método de las comparaciones
binarias”.Si tenemos N estímulos, acerca de los cuales los sujetos han
de emitir juicios comparativos, se forman con ellos todas las
combinaciones binarias posibles: N(N-1)/2 y se les presenta a los
sujetos los distintos pares obtenidos.
Una vez que los sujetos han emitido sus juicios comparativos, los datos
con los que contamos son el número de veces que cada est ímulo ha
sido considerado dominante sobre cada uno de los demás, estos datos
pueden ordenarse en una matriz de frecuencia denominada: “Matriz de
frecuencias empíricas: F”, donde cada uno de los elementos repres enta
el número de veces que el estímulo correspondiente a la columna K ha
sido considerado dominante sobre el estímulo correspondient e a la fila
J. Dado que no se han emitido juicios de igualdad, la diagonal principal
de la matriz de frecuencias tendrá las casillas en blanco. La suma de los
elementos simétricos de esta matriz, será igual al número de juicios
emitidos; si cada sujet o ha emitido un solo juicio comparativo para cada
par de estímulos, esta suma será igual al número de sujetos de la
muestra.
V.E.=100∑R/∑RM
Son los mismos que se vieron para la ley del juicio comparativo. No
obstante para poder derivar esta última, es necesario suponer además,
que el continuo psicológico de cada sujeto puede ser dividido en un
número determinado de categorías ordenadas. La tarea del sujeto
consistirá en asignar cada uno de los estímulos que se le presenten a
una de las categorías en función del grado de atributo que considere
que tiene el estímulo. Hay que t ener claro que lo que s e les pide a los
sujetos es que indiquen el grado del atributo que contiene el elemento,
no su actitud personal ante el mismo, dado que lo que se trata de medir,
en este caso, son las diferencias entre los estímulos y no las diferencias
entre los sujetos. Para llevar a cabo esta estimación, se le pide al s ujeto
que repita su tarea un número muy elevado de vec es, a través de las
distintas repeticiones de su tarea, podremos obt ener una distribución de
frecuencias. Se asume que estas distribuciones se ajustan a la curva
normal de probabilidad, y cada una de ellas estará definida por su media
y su des viación tipica. La media de cada una de estas distribuciones
será la mejor estimación que podemos hacer del valor del límite de cada
una de las categorías en el continuo psicológico.
Condiciones de simplificación
Para cada estímulo, la amplitud del int ervalo s e puede conocer restando
las columnas adyacentes de la matriz de puntuaciones típicas, y ya
tendremos las amplit udes en la escala, de todos los intervalos asociados
a las distintas categorías, except o los de las extremas. Una vez que
tenemos la escala con los valores de los límites de los intervalos
asociados a las distintas categorías, el paso siguiente es hallar el valor
escalar de los estímulos. Para ello, calculamos la mediana de los
valores asignados.
A( N / 2 − f bj )
Med j = Li j +
f di
valor escalar de los element os es el asignado por el 50% de los jueces.
Donde:
La Psicometría Aplicada a la Gestión de RRHH en la Organización 85
Criterio de ambigüedad
Criterio de irrelevancia
Una vez que los element os iniciales de la escala han sido clasificados
en categorías y se conoce su valor escalar y su grado de ambigüedad,
se les pide a los jueces que marquen con un signo + 0 – los elementos
según les agraden o no, des pués se calcula la media de los valores
escalares de los elementos que marcaron con un signo + porque
estaban de acuerdo con el enunciado de los mismos.
I.S.(ab)=Nab/ Nb
I.S.(ab)= Es el índice de semejanza del elemento a con b.
Nab = Es el número de s ujetos que respondieron apoy ando tant o al
elemento a como al b.
Nb = Es el número de sujetos que respondieron apoyando al elemento b.
Este índice oscilará entre 0 y 1, será cero cuando no haya ningún s ujeto
que, respondiendo favorablemente al elemento a lo haga
favorablemente al elemento b. Para que un elemento sea adecuado, y
deba mant enerse en la escala definitiva, es necesario que los índices de
semejanz a obtenidos con los demás elementos vayan disminuyendo a
medida que sus valores escalares se van alejando y vayan aumentando
en la medida en que sus valores escalares están más próximos en el
continuo. El caso ideal corresponderá al índice de semejanza de un
elemento consigo mismo sería la unidad.
Aplicación de la escala.
determinado.
N ∑ JX − ∑ J ∑ X
R jx =
[ N ∑ J 2 ][ N ∑ X 2 − ( ∑ X ) 2 ]
R jx S x − S j
R j ( x − j) =
S x + S j − 2 R jx S x S j
2 2
8. EL ESCALOGRAMA DE GUTTMAN________________
Tanto los sujetos como los estímulos pueden repres entars e a lo largo de
un continuo, formando una escala también denominada de
entrelazamiento, en esta escala cada sujet o estará situado entre dos
estímulos y su orden será el inmediato superior al del último estímulo
que ha c ontestado correctamente y el inmediat o inferior al del primer
estímulo que no contesta correctamente. Cuando encontramos una
escala de este tipo, podemos decir que estamos ante una escala
acumulativa perfecta o casi perfecta pues, conociendo el rango de un
sujeto se podrá predecir con exactitud su pat rón de respuesta. En la
práctica se observa la dificultad de obtener escalas perfectas, el
problema consiste en determinar qué grado de des viación, respecto de
la escala perfecta, ha de ser tolerado para poder acept ar que los datos
obtenidos empíricament e se ajustan al modelo de Guttman. Para
averiguar el grado de ajuste se suele utilizar el coeficient e de
reproductividad, se trat a de un índice numérico que señala el grado en
que una escala, obtenida a partir de unos datos empíricos, se ajusta al
modelo ideal de escalograma de Guttman o escala acumulativa
perfecta. El interés de esta técnica de escalamiento es que permite
establecer la unidimensionalidad de un conjunto de datos al tratar de
eliminar todos los factores que son ajenos a la dimensión que se quiere
medir.
Para analizar el escalograma hay que seguir una serie de pasos que
podemos res umir en los puntos siguientes:
Coeficiente de reproductividad.
C.R.= TR-ES/TR=1-ES/TR
M.M.R.=TR-EM/ TR= 1-EM/ TR
Siendo:
Coeficiente de escalabilidad.
C.S.=1-ES/EM
Garantía de unidimensionalidad.
Una vez ordenados tanto los sujetos como los element os, se puede ver
en que medida miden todos la misma variable de actitud hallando la
correlación entre cada dos de ellos.
A los sujetos del grupo más alto, que cont estan correctamente a t odas
las preguntas, les designamos como de tipo I; en el grupo
inmediatamente inferior entrarán los sujetos que contestan
positivamente a (n-1) elementos, etc.
Donde:
U= matriz de respuestas.
TR=total de respuestas
Ui=respuesta individual a un ítem que puede ser correcta o incorrecta.
programas de ordenador.
A cada una de las ordenaciones, diferentes entre si, realizadas por los
sujetos, las denominó Coombs “escala cualitativa I”, o simplemente
“escala I”.
Para que las distintas ordenaciones realizadas por los sujetos (escalas I)
sean consistentes con la escala J elegida es necesario que cumplan una
serie de condiciones propuestas por Coombs que son:
Se hace una clasificación de las distintas ordenaciones para obt ener las
escalas I que forman el conjunto de nuestros datos. Estas escalas se
representa en una matriz que denominaremos mat riz de preferencias,
en la que las columnas contienen los estímulos y las filas las distintas
ordenaciones o escalas I encontradas.
d(ac,ad)=|S(ac)-S(ad)|
D(ac,ad)=d(bc,bd)=d(C,D)/2
Siendo:
Para elegir la escala J, lo que hac emos es elegir la que sea dominante,
es decir, la que sea compatible con el mayor número de escalas I.
Según Niemi, cuando contamos con N estímulos, la proporción mínima
de escalas I que deben ser compatibles con una escala J común es:
N-1
2 /N!
Los conceptos.
Escalas bipolares.
Puntuaciones e scalares
- Se puede averiguar la puntuación de un sujeto o grupo de sujetos
en cada una de las escalas.
La Psicometría Aplicada a la Gestión de RRHH en la Organización 104
Puntuaciones factoriales
Polarización
Análisi s de perfiles
Clase s de entrevista.
técnica objetiva, válida y fiable, aunque sea un poco difícil. Los factores
que pueden influir en los resultados de la entrevista son:
ESTADOS DE LA NATURALEZA
SR R
RESPUESTAS SI ACIERTO FALSA ALARMA
NO OMISIÓN RECHAZO
CORRECTO
Probabilidades condicionales.
L(x)=P(x/s)/P(x/n)
Debe quedar claro que β=1 puede ser considerado como un criterio
óptimo maximizador de respuestas correctas, sólo en el caso de que la
ocurrencia de las dos modalidades del estímulo y sus correspondientes
estados (SR y R) posean la misma probabilidad de aparición.
βopt.=P(R)/P(S R)*Vrc+Pfa/Va+Po
βopt.= Vrc+Pfa/Va+Po
Si, por el contrario, no hay diferencias entre los “pagos” asociados a los
distintos resultados, la fórmula quedaría:
βopt.= P(R)/P(SR)
situaciones son:
Experimentos de SI-NO.
constantes.
Una vez conocidas las dos distribuciones, para conocer las proporción
de respuestas correctas es necesario conocer el número de veces que
el valor de X en la distribución de la s eñal es mayor que en la del ruido.
Una forma sencilla de hacerlo es elaborando una tabla con las
probabilidades conjuntas. Cada casilla se obtiene multiplicando la
probabilidad de c ada valor de la variable X en la distribución de la señal,
por la probabilidad del valor de la variable X en la distribución del ruido.
Las casillas de la matriz que están situadas en la diagonal, representan
la probabilidad conjunta de aquellas situaciones en las que el valor de la
La Psicometría Aplicada a la Gestión de RRHH en la Organización 115
Estos dos supuestos son fáciles de comprobar a partir de los result ados
empíricos y de esa forma s e podrá aceptar o rechazar el ajuste de los
datos al modelo de la TDS.
Medida de la sensitividad.
En los experimentos elección forz osa con dos alt ernativas se tomaba
como índice de sensitividad la proporción total de respuestas correctas;
esta oscila entre 0,5 y 1(máxima discriminación entre señal y ruido).
β=P(x/SR)/P(x/R)
1. INTRODUCCIÓN________________________________
El papel que desempeñan los sistemas automatizados de evaluación
tiene en la actualidad una relevancia may or para la Psicología
Organizacional. Esta última ha adquirido paulatinamente mayor fuerza y
se dirige a individuos psíquicament e normales, sin trastornos aparentes
desde el punto de vista patológico y cuyo comportamiento e interacción
social es posible ser evaluado y analizado para definir cómo se
manifiesta e incide dentro de la colectividad a partir de las
características propias y formas de reaccionar ante determinadas
situaciones.
A. DATOS GENERALES
B. NOTAS