Puntuación de la prueba

Una puntuación en una prueba es una información, generalmente un número, que refleja el desempeño de un examinado en dicha prueba . Una definición formal es que se trata de "un resumen de la evidencia contenida en las respuestas de un examinado a los ítems de una prueba que están relacionados con el constructo o los constructos que se están midiendo". ^{[ 1 ]}

Las puntuaciones de las pruebas se interpretan mediante una interpretación basada en normas o en criterios , o en ocasiones ambas. Una interpretación basada en normas significa que la puntuación proporciona información sobre el examinado en relación con su desempeño entre los demás examinados. Una interpretación basada en criterios significa que la puntuación proporciona información sobre el examinado en relación con una materia específica, independientemente de las puntuaciones de los demás examinados. ^{[ 2 ]}

Existen dos tipos de puntuaciones en los exámenes: puntuaciones brutas y puntuaciones escaladas . Una puntuación bruta es una puntuación sin ningún tipo de ajuste o transformación, como el simple número de preguntas respondidas correctamente. Una puntuación escalada es el resultado de alguna o varias transformaciones aplicadas a la puntuación bruta, como en la calificación relativa .

El propósito de las puntuaciones escaladas es reportar las calificaciones de todos los examinados en una escala consistente. Supongamos que una prueba tiene dos versiones, una más difícil que la otra. Se ha determinado que una puntuación del 65% en la versión 1 equivale a una puntuación del 68% en la versión 2. Las puntuaciones de ambas versiones se pueden convertir a una escala de manera que estas dos puntuaciones equivalentes tengan la misma calificación reportada. Por ejemplo, ambas podrían ser una puntuación de 350 en una escala de 100 a 500.

Dos exámenes muy conocidos en Estados Unidos con puntuaciones escaladas son el ACT y el SAT. La escala del ACT va de 0 a 36 y la del SAT de 200 a 800 (por sección). En teoría, estas dos escalas se seleccionaron para representar una media y una desviación estándar de 18 y 6 (ACT), y de 500 y 100. Los límites superior e inferior se eligieron porque un intervalo de más o menos tres desviaciones estándar abarca a más del 99 % de la población. Las puntuaciones fuera de ese rango son difíciles de medir y tienen poca utilidad práctica.

Cabe señalar que la escala no afecta las propiedades psicométricas de una prueba; es un proceso que se lleva a cabo una vez finalizado el análisis (y la equiparación, si la hubiera). Por lo tanto, no se trata de una cuestión psicométrica propiamente dicha, sino de una cuestión de interpretabilidad.

Una pregunta de examen podría requerir que un estudiante calcule el área de un triángulo . Compara la información proporcionada en estas dos respuestas.

Área = 7,5 ^cm²

Base = 5 cm; Altura = 3 cm Área = ¹ / ₂ (Base × Altura) = ¹ / ₂ (5 cm × 3 cm) = 7,5 ^cm²

El primer ejemplo muestra la pérdida de información en la calificación. El profesor sabe si el alumno dio la respuesta correcta, pero desconoce cómo llegó a ella. Si la respuesta es incorrecta, el profesor no sabe si el alumno adivinó, cometió un simple error o si, por el contrario, no comprende el tema.

Cuando las pruebas se califican como correctas o incorrectas , se parte de una suposición importante sobre el aprendizaje. Se asume que el número de respuestas correctas o la suma de las puntuaciones de los ítems (cuando se otorga crédito parcial) es la medida adecuada y suficiente del nivel de desempeño actual. Además, se parte de la suposición secundaria de que las respuestas incorrectas no aportan información relevante .

En primer lugar, se puede obtener una respuesta correcta memorizando, sin necesidad de comprender profundamente el contenido subyacente ni la estructura conceptual del problema planteado. En segundo lugar, cuando se requieren varios pasos para la solución, a menudo existen diversos enfoques que conducen a un resultado correcto . El hecho de que la respuesta sea correcta no indica cuál de los procedimientos posibles se utilizó. Cuando el estudiante proporciona la respuesta (o muestra el procedimiento), esta información está fácilmente disponible en los documentos originales.

En segundo lugar, si las respuestas incorrectas fueran meras conjeturas, no se encontraría información relevante entre ellas. Por otro lado, si las respuestas incorrectas reflejan desviaciones en la interpretación respecto a la esperada, deberían mostrar una relación lógica con lo que la prueba en su conjunto esté midiendo. Esta desviación debería depender del nivel de madurez psicolingüística del estudiante que elige o proporciona la respuesta en la lengua vernácula en la que está redactada la prueba.

En este segundo caso, debería ser posible extraer este orden de las respuestas a los ítems de la prueba. ^{[ 3 ]} Estos procesos de extracción, como el modelo de Rasch , son una práctica habitual entre los profesionales para el desarrollo de ítems. Sin embargo, dado que las respuestas incorrectas se descartan durante el proceso de calificación, rara vez se analizan para extraer la información que puedan contener.

En tercer lugar, si bien a veces se proporcionan puntuaciones de subpruebas temáticas, lo más común es informar la puntuación total o una versión reescalada de la misma. Esta reescalación tiene como objetivo comparar estas puntuaciones con algún tipo de estándar. Esta simplificación adicional de los resultados de la prueba elimina sistemáticamente toda la información sobre qué ítems específicos se respondieron incorrectamente.

Por lo tanto, calificar una prueba como correcta o incorrecta hace perder de vista 1) cómo los estudiantes llegaron a sus respuestas correctas , 2) qué los llevó a respuestas inaceptables y 3) en qué parte de la prueba se produjo esta desviación de lo esperado.

Este comentario sugiere que el procedimiento de calificación actual oculta la dinámica del proceso de realización de la prueba y dificulta la comprensión de las capacidades de los estudiantes evaluados. La práctica actual de calificación simplifica excesivamente estos datos en la etapa inicial. El resultado de este error de procedimiento es la ocultación de información diagnóstica que podría ayudar a los docentes a brindar una mejor atención a sus estudiantes. Además, impide que quienes se dedican con esmero a la preparación de estas pruebas puedan observar la información que, de otro modo, les habría alertado sobre la existencia de este error.

Actualmente se está desarrollando una solución a este problema, conocida como Evaluación del Espectro de Respuesta (RSE), ^{[ 4 ]} que parece ser capaz de recuperar estas tres formas de pérdida de información, al tiempo que proporciona una escala numérica para establecer el estado de rendimiento actual y realizar un seguimiento del cambio de rendimiento.

Este enfoque RSE proporciona una interpretación de cada respuesta, sea correcta o incorrecta, que indica los probables procesos de pensamiento utilizados por el examinado. ^{[ 5 ]} Entre otros hallazgos, este capítulo informa que la información recuperable explica entre dos y tres veces más de la variabilidad de la prueba que si se consideran solo las respuestas correctas. Esta pérdida masiva de información puede explicarse por el hecho de que las respuestas "incorrectas" se eliminan de la información que se recopila durante el proceso de calificación y ya no están disponibles para revelar el error de procedimiento inherente a la calificación de correcto/incorrecto. El procedimiento evita las limitaciones producidas por las dependencias lineales inherentes a los datos de la prueba.

• Calificación en la educación
• Puntuación percentil