Acceso usuarios
Angeles Blanco Blanco, Coral González Barberá, Xavier G. Ordóñez Camacho
Los modelos de valor añadido operan sobre una estructura de datos longitudinal que plantea importantes retos metodológicos,tanto estadísticos como psicométricos. Este artículo estudia un problema particular asociado a esta estructura desde el enfoque de los modelos jerárquico- lineales con medidas repetidas. Concretamente se estudian los patrones diferenciales de correlación que presentan las puntuaciones latentes, observadas y verdaderas a medida que transcurre el tiempo, y el efecto que ejercen sobre ellos dos factores: la complejidad creciente del rasgo y los patrones de covariación de los residuos en el nivel del alumno y del centro. Para ello, se realiza una simulación que trabaja con una muestra de 25.000 sujetos, para los que se generan puntuaciones latentes, observadas y verdaderas en cuatro evaluaciones sucesivas y seis condiciones distintas. Los resultados permiten describir un patrón de correlaciones en las puntuaciones latentes cuando se asume la unidimensionalidad del rasgo, que difiere del registrado habitualmente para las puntuaciones observadas.Así, la magnitud de la correlación entre dos medidas es mayor cuanto más se alejan del punto inicial de la serie de medidas.Asimismo, los resultados permiten interpretar este patrón mediante el análisis comparativo del efecto de los dos factores considerados sobre los distintos tipos de puntuaciones. Entre las conclusiones del estudio, destacamos dos con especial relevancia en la evaluación longitudinal del rendimiento académico: la necesidad de conocer los patrones de correlación en el nivel de las variables latentes para dar explicaciones plausibles a los patrones empíricos encontrados y la relevancia de la complejidad creciente del rasgo evaluado en la determinación de las estructuras de covariación.
Value-added models are applied in longitudinal data structures that raise important statistical and psychometrical methodological challenges. In this context, the aim of the study was to explain the differential correlation patterns of observed, true and latent scores over time. In particular, the effect of the trait complexity factor and the second (student) and third (school) levels of the residual covariate patterns was analyzed, from the point of view of the lineal hierarchical models with repeated measurements. Observed, true and latent scores for 25000 subjects were generated using a simulation, in four consecutive assessments and six different conditions.The first result is a description of the correlation pattern in the latent scores when the unidimensionality of the trait is assumed.This pattern is different to the one usually observed in empirical studies.Thus, the magnitude of the correlation between two measures increases as the measures distance to the starting point increases.This pattern can be explained as the result of the effect of the two referred factors. From the results two main findings are proposed. First, the need of understanding of the correlation patterns in the latent variables level to explain the relations in the empirical level. Second, the correlation patterns of achievement measures in educational longitudinal assessment are mainly determined by the growing complexity of the trait
