es:manual:analisis:irt:calibracion
Diferencias
Muestra las diferencias entre dos versiones de la página.
Ambos lados, revisión anteriorRevisión previaPróxima revisión | Revisión previa | ||
es:manual:analisis:irt:calibracion [2022/05/31 19:31] – root | es:manual:analisis:irt:calibracion [2023/02/21 17:49] (actual) – root | ||
---|---|---|---|
Línea 3: | Línea 3: | ||
Se llama calibración al proceso por el cual se obtienen las curvas características a partir de los datos de las respuestas de un conjunto de alumnos a un conjunto de preguntas. | Se llama calibración al proceso por el cual se obtienen las curvas características a partir de los datos de las respuestas de un conjunto de alumnos a un conjunto de preguntas. | ||
- | Existen diversos procedimientos para calibrar los ítems. En general los métodos de calibración se basan en el algoritmo EM (del inlgés " | + | Existen diversos procedimientos para calibrar los ítems. En general los métodos de calibración se basan en el algoritmo EM (del inlgés " |
- | En un test con $N$ preguntas que han realizado M alumnos, basado en el modelo 3PL hay $3N+M$ | + | En un test con $N$ preguntas que han realizado M alumnos, basado en el modelo 3PL hay $3N+M$ |
+ | |||
+ | $$p_j(\theta|u_1; | ||
+ | |||
+ | donde $p(\theta)$ es la distribución a priori, que suele asumirse que es una distribución uniforme, o bien una distribución normal; y las probabilidades condicionales siguen la función logística: $$p(u_i|\theta) = c_i + (1-c_i)\frac{1}{1+e^{-Da(\theta-b_i)}}$$ | ||
+ | |||
+ | y el nivel de conocimiento estimado de cada alumno $\hat\theta_j$ es el valor que hace máxima la distribución a posteiori, $p_j(\theta|u_1; | ||
+ | |||
+ | Existen diversos métodos de calibración, | ||
+ | |||
+ | Para efectuar la calibración hay que ir a la pestaña [[es: | ||
- | $$p(\theta|u_1; | ||
- | en donde | ||
- | $$p(u_i|\theta) = c_i + (1-c_i)\frac{1}{1+e^{-Da(\theta-b_i)}}$$ | ||
es/manual/analisis/irt/calibracion.1654025476.txt.gz · Última modificación: 2022/05/31 19:31 por root