FORMULACION DE PREGUNTAS - GUIA DE EXAMEN 2P TERMINADO- SONIA SARA GOMEZ

CENTRO DE ESTUDIOS UNIVERSITARIOS XOCHICALCO
FACULTAD DE PSICOLOGIA
INVESTIGACION DOCUMENTAL CONCEPTOS BASICO A INVESTIGAR DE DISEÑO Y
ELAB DE INSTRUM. PSIC. 4TO A PRIMER PARCIAL
MATERIA: DISEÑO Y ELAB. DE INSTRUM PSIC. 4T0 C. PSICOLOGIA -2022-3
LIC. ALFONSO MARTINEZ RODRIGUEZ
MAESTRO EN EDUCACION
[email protected]
20/10/2022
Dia
Nombre del
alumno
SONIA SARA GOMEZ CUELLAR
Formulario de preguntas-Guía-Examen II
4tos A Y B DISEÑO Y ELAB DE
INSTRUM PSIC. EXAMEN SEGUNDO PARCIAL
1. ¿QUE ES UN ITEMS?
El término ítem se utiliza en evaluación para referirse a una pregunta en una prueba de
corrección objetiva.
2. ¿CUAL ES EL USO DE LOS ITEMS EN LA PSICOLOGIA?
Son las partes que integran un test o una prueba. De manera similar, en el ámbito de la
educación, los ítems son las distintas preguntas que se plantean en una evaluación.
3. ¿MENCIONA LOS TIPOS DE ITEMS?
1) Descripción
2) Opción múltiple
3) Verdadero o falso
4) Emparejamiento
5) Emparejamiento aleatorio
6) Numérica
7) Ensayo
8) Elige palabra perdida
9) Respuesta corta
4. ¿EN QUE CONSISTEN EL TIPO DE ITEM LLAMADO EMPAREJAMIENTO?
Tipo de preguntas características de una prueba objetiva, consistente en ofrecer al estudiante
dos series de términos para que encuentre la correspondencia entre elementos de la primera
serie y elementos de la segunda.
5. ¿A QUE SE REFIERE EL TIPO DE ITEM EMPAREJAMIENTO ALEATORIO?
Ítem similar a Emparejamiento, pero que se nutre a partir de las preguntas de Respuestas
corta de una categoría específica que se ubica en el Banco de preguntas.
6. ¿EN QUE CONSISTE LA VALIDACION CRUZADA?
La validación cruzada es una técnica que se utiliza para evaluar cómo los resultados del
análisis estadístico se generalizan a un conjunto de datos independiente.
7. ¿EN QUE CONSISTEN LOS ITEMS DE RESPUESTA CORTA?
Se le brinda al estudiante información a partir de la cual debe contestar lo solicitado en el
(los) espacio(s) asignados para este fin. El valor que se le asigne a cada ítem variará,
dependiendo de la cantidad de respuestas solicitadas.
8. ¿EN QUE CONSISTE EL OBJETIVO DE VALIDACION CRUZADA?
Consiste en repetir y calcular la media aritmética obtenida de las medidas de evaluación sobre
diferentes particiones y en estimar el nivel de ajuste de un modelo a un cierto conjunto de
datos de prueba independientes de las utilizadas para entrenar el modelo
9. ¿EN QUE CONSISTE EL CONTEXTO DE LA VALIDACION CRUZADA?
Este consiste en dividir en dos conjuntos complementarios los datos de muestra, realizar el
análisis de un subconjunto (denominado da tos de entrenamiento), y validar el análisis en el
otro subconjunto (denominado datos de prueba), de forma que la función de aproximación
sólo se ajusta con el conjunto de datos de entrenamiento y a partir de aquí calcula los valores
de salida para el conjunto de datos de prueba (valores que no ha analizado antes)
10. ¿MENCIONA LOS TIPOS DE VALIDACION CRUZADA?
1) Validación Cruzada de K interacciones
2) Validación Cruzada dejando uno fuera.
3) Validación Cruzada Aleatoria.
11. ¿CUAL ES LA DIFERENCIA ENTRE VALIDACION CRUZADA DE K
ITERACIONES?
Es lento desde el punto de vista computacional. En la práctica, la elección del número de
iteraciones depende de la medida del conjunto de datos. Lo más común es utilizar la
validación cruzada de 10 iteraciones
12. ¿EN QUE CONSISTE LA APLICACIÓN DE LA VALIDACION CRUZADA?
La validación cruzada se puede utilizar para comparar los resultados de diferentes
procedimientos de clasificación predictiva
13. ¿EN QUE CONSISTE ELEMETODO DE TEORIA DE LA MEDICION DEL ERROR
PARA ESTIMAR LA CONFIABILIDAD?
Es en el campo de la psicología donde se desarrolló desde hace ya tiempo, alrededor de los
años 50 del siglo pasado, la teoría de la medición del error, con el objetivo de poder construir
instrumentos que midieran de manera confiable y válida, muchas de las variables
14. ¿EN QUE CONSISTE EL MODELO DOMINIO- MUESTRA?
Este modelo, denominado modelo dominio-muestra, parte del supuesto de que la variedad de
reactivos o preguntas que componen a una prueba, tienen efectos semejantes a aquellos que
procedieran de un muestreo realmente aleatorio de los mismos.
15. A QUE SE REFIERE LA CONSISTENCIA INTERNA PURA DE INSTRUMENTOS
O PRUEBAS?
El procedimiento más común para determinar la consistencia interna de instrumentos o
pruebas constituidas por respuestas dicotómicas (correcto-incorrecto; de acuerdo-en
desacuerdo)
16.- QUE ES EL ANALISIS FACTORIAL?
El análisis factorial se utiliza para identificar factores que expliquen una variedad de
resultados en diferentes pruebas. Por ejemplo, investigación en inteligencia halla que la gente
que obtienen una nota alta en una prueba de habilidad verbal también se desempeña bien en
pruebas que requieren habilidades verbales.
17.- PORQUE ES UTIL EL ANALISIS FACTORIAL?
Establece una relación entre las variables y atributos, que de primera vista no son
aparentemente relacionados
Da estructura interna, correlaciones subyacentes, para así lograr ver como factores pueden
afectar a otros, permite crear un modelo matemático
18.- MENCIONA LOS MODELOS DE ANALISIS FACTORIAL?
Modelo de análisis factorial El modelo de análisis factorial es: X = μ + L F + e donde X es
el vector de mediciones p x 1, μ es el vector de medias p x 1, L es una matriz de influencias
p × m, F es un vector de factores comunes m × 1 y e es un vector de residuos p × 1.
19.- CUAL ES LA DIFERENCIA ENTRE ANALISIS DE COMPONENTES
PRINCIPALES Y ANALISIS COMUN?
Estos son dos modelos diferentes, conceptualmente. En PCA, los componentes son
combinaciones lineales ortogonales reales que maximizan la varianza total. En FA, los
factores son combinaciones lineales que maximizan la porción compartida de la varianza "construcciones latentes" subyacentes. Es por eso que FA a menudo se llama "análisis de
factores comunes". FA utiliza una variedad de rutinas de optimización y el resultado, a
diferencia de PCA, depende de la rutina de optimización utilizada y los puntos de partida
para esas rutinas. Simplemente no hay una única solución única.
20.- EN QUE CONSISTE EL METODO DE MAXIMA SIMILITUD?
Estima buscando el valor de que maximiza. Este es el llamado estimador de máxima
verosimilitud (MLE) de: En ocasiones este estimador es una función explícita de los datos
observados, pero muchas veces hay que recurrir a optimizaciones numéricas.