Cartilla S6

ELABORACIÓN DE INSTRUMENTOS DE MEDICIÓN

1. Conceptos básicos de confiabilidad y validez.
La etapa de construcción de las pruebas psicológicas requiere del
manejo de amplios conocimientos teóricos relacionados con los fenómenos
psicológicos que son objeto de estudio, sin embargo esto no suele ser
suficiente para comprobar la precisión y capacidad y sensibilidad que posee
el instrumento de medición, por tanto se deben aplicar una serie de
procedimientos estadísticos con los cuales se realiza una especie de
calibración del test, el cual corresponde a un ajuste de la prueba para
que mida de manera consistente el atributo del cual se desea obtener
una valoración numérica. Este proceso resulta de gran importancia para
cualquier instrumento de medición, puesto que los resultados de la prueba
son fundamentales para la fase de diagnóstico y tratamiento, por tanto
se debe evitar al máximo cualquier tipo de inconsistencias o sesgos
en las pruebas que el profesional administre al momento de realizar el
pro ceso de evaluación psicológica.
Según Muñiz citado por Aragón (2015), afirma que un instrumento
con grados altos de confiabilidad tiene la característica de ser estable y
continua, por tanto los resultados tienden a presentarse de manera similar
u homogénea, con lo cual podrán ser generalizados en múltiples situaciones.
Hogan (2015), afirma que la confiabilidad representa la consistencia con
que el instrumento mide el atributo, lo cual es posible identificar a
partir de la similitud entre las puntuaciones, es decir que si el sujeto
obtuvo una calificación en un test de matemáticas de 4,8 sobre 5.0,
probablemente si se aplica el mismo test en una segunda oportunidad
las puntuaciones serán similares a la calificación inicial, de lo contrario es
probable que la prueba no sea confiable.
Según Aragón (2015), la confiabilidad es el indicador que identifica el
nivel de consistencia interna de las mediciones, el cual se basa en la
estimación del error para evaluar la estabilidad de la medida y generalizar
los resultados, es decir que una prueba es confiable cuando la puntuación
empírica no varía significativamente frente a las múltiples condiciones en las
que pueda medirse un atributo, lo cual sucede al minimizar el error.
Martínez y Hernández (2014), afirman que existen múltiples procedimientos
para estimar la confiabilidad de los test, sin embargo todos concuerdan
con la idea de que a través de la correspondencia entre las
puntuaciones es posible identificar si los resultados pueden ser
 generalizables, es decir que entre menos diferencias existan entre las
puntuaciones empíricas, el instrumento será más confiable.
Cabe resaltar que los resultados no serán exactamente iguales en las
mediciones posteriores, puesto que como se afirma en la teoría clásica de
los test, existen errores aleatorios que no son previsibles para el evaluador,
sin embargo no generan un impacto significativo para considerar sesgos
importantes en la medición.
Un claro ejemplo de la importancia de estimar la confiabilidad de los
test puede observarse a través de un caso hipotético, en donde el sujeto
CP es remitido a psicología para la evaluación de ansiedad y depresión,
si la el diagnóstico se realiza con un instrumento que presenta bajo grado
de confiabilidad, posiblemente los resultados de la prueba podrían indicar
que el sujeto presenta niveles irregulares de depresión y ansiedad, si esto
sucede, es altamente probable que CP sea intervenido de manera inmediata
por profesionales de psicología y psiquiatría, a través de psicoterapia y
farmacología, los cuales pueden es bien sabido que generan alteraciones
fisiológicas que seguramente tendrán un efecto en la salud física, psicológica y social de CP.
Hogan (2015), afirma que antes de realizar procedimientos estadísticos
para estimar la confiabilidad, es necesario considerar algunas fuentes o
condiciones que afectan la estabilidad de la medición, tales como:
a) calificación de la prueba;
b) contenido de la prueba;
c) condiciones de aplicación de la prueba y
d) condiciones personales.
En el primer caso, la calificación de la prueba puede representar una
condición que afecta la confiabilidad en aquellas situaciones en que los
resultados son producto de una valoración subjetiva por parte del
evaluador, es decir que cuando las normas de calificación no son
explícitas y claras, la valoración en el desempeño de los participantes
podrá presentar gran variabilidad entre cada una de las mediciones, aun
cuando el instrumento tenga alto grado de confiabilidad, lo cual resulta
ser un factor de sesgo que aumenta el margen de error no
sistemático; por tanto, el diseñador del instrumento deberá especificar
de manera concreta cada una de las pautas y criterios estandarizados
con los cuales se realizará la calificación de la prueba, de esta forma
se podrá reducir el sesgo de subjetividad.
Respecto al contenido de la prueba, Hogan afirma que el muestreo
de los reactivos debe representar de manera simétrica y/o equitativa
todas las dimensiones del constructo, puesto que al presentar variaciones
en el conjunto de los reactivos se pueden generar diferencias aleatorias
que no permiten identificar la verdadera cantidad del rasgo psicológico que
se desea medir, es decir que si la prueba presenta preferencia por algún
atributo, el constructo no se logra medir de manera completa. Para
ejemplificar este aspecto podría suponer que al elaborar una prueba de
motivación académica, que contiene 10 preguntas sobre motivación intrínseca
y 20 sobre motivación extrínseca, podría fácilmente inferirse que cualquier
sujeto que aplicase esta prueba, mostrará mayor tendencia a presentar
motivación externa que interna, lo cual puede que no corresponda con la realidad.
En relación a las condiciones de aplicación de la prueba es posible afirmar
que las condiciones ambientales, instrucciones e inclusive el tiempo de
aplicación de la prueba, podrá afectar la estabilidad en las puntuaciones
del test, en este aspecto se considera adecuado que los estímulos
ambientales puedan ser evaluados antes de realizar la aplicación formal de
la prueba. De igual forma las instrucciones deberán ser sometidas a
prueba informal por parte de los participantes, en este caso el evaluador
deberá indagar sobre la comprensión y claridad en la forma de responder
el test, adicionalmente podrá valerse de ejemplos para confirmar que la
ejecución de la tarea sea comprendida.
Una de las situaciones que han sido objeto de gran debate en término
de la confiabilidad de las pruebas han sido las condiciones personales de
los examinados, puesto que factores asociados a variables físicas, psicológicas
y sociales pueden afectar el desempeño durante la aplicación de la prueba.
Considere un caso hipotético en donde se evalúa la motivación
académica del estudiante CP, no obstante al terminar la prueba el
evaluador identifica que el examinado desea hablar con un Psicólogo que
pueda orientarle en el proceso de duelo ocasionado por la separación
de su compañera sentimental, de acuerdo a la situación observada ¿cómo
podrían ser las calificaciones de motivación académica del estudiante?
Cabe resaltar que cada una de las condiciones analizadas anteriormente
representan eventos asociados a errores aleatorios que no generan un
impacto significativo en la capacidad de medición de los rasgos
psicológicos, sin embargo es importante que cada una de estas
situaciones sean consideradas por el evaluador, con el fin reducir al
máximo las fuentes que pueden generar variabilidad en las calificaciones
de la prueba, de igual forma se sugiere realizar una valoración inicial de
las condiciones personales de los examinados al momento de aplicar la
prueba, puesto que generalmente estas ligeras diferencias pueden ser causa
 de disminución en el rendimiento de las pruebas, esto ha sido
comprobado por múltiples estudios en donde variables como el estrés,
la ansiedad, y el bajo estado de ánimo dificultan el rendimiento del
estudiante en el contexto académico, específicamente durante situaciones
asociadas a la aplicación de exámenes, sustentaciones en público, y
prácticas académicas, entre otras, lo cual, Según Fencl, & Scheel, 2005,
implica una disminución de la seguridad en el estudiante.
2. Procedimientos para estimar la confiabilidad.

Según Martínez et al (2014), existen múltiples procedimientos que permiten

determinar el grado de confiabilidad de los test, dentro de los cuales se
reconocen cuatro métodos que son utilizados con mayor frecuenta:

 Confiabilidad test – retest.

 División por mitades
 Formas paralelas
 Coeficiente alfa de Cronbach.

De acuerdo con Hogan (2014), cada uno de los procedimientos anteriormente

nombrados, se enfocan en las diferentes fuentes que alteran las
variaciones entre las puntuaciones, lo cual representa un impacto para la
confiabilidad de las pruebas, por tanto cada uno de los métodos se
basan en el cálculo del coeficiente de correlación de Pearson para identificar
el grado de correlación entre las puntuaciones de los test, de esta forma
será posible afirmar que entre más cercanas a 1, existirá mayor relación
entre dos pruebas, lo cual significaría que existe pocas diferencias entre
las puntuaciones, por tanto los resultados deberán ser interpretados de
acuerdo a la siguiente tabla.
 Confiabilidad test – retest: se utiliza para evaluar el error asociado con la
aplicación de la prueba en dos momentos diferentes, para esto se debe
tener en cuenta que el constructo de medición carezca de variaciones
significativas a lo largo tiempo, es decir que el rasgo no sea resultado
de una condición temporal en el examinado, por ejemplo la personalidad,
los intereses, inteligencia, procesos cognitivos, entre otros. Para identificar
el grado de confiabilidad se deberá utilizar el coeficiente de correlación
entre las calificaciones obtenidas luego de aplicar dos veces el mismo test,
es decir que para utilizar este procedimiento se deberá aplicar en dos
ocasiones la misma prueba a los mismos sujetos, y al obtener los
resultados se deberán estimar los coeficientes de correlación.

2.1. Conceptos básicos y métodos de validez.

Generalmente se habla de validez cuando se hace referencia al propósito
de medición que tiene una prueba, es decir que realmente mida para lo
cual fue diseñado, sin embargo Hogan (2015),propone que la validez deberá
estar orientada en las puntuaciones, puesto que éstas ofrecen una
representación real del constructo que se pretende medir, lo cual es
fundamental para la interpretación de los resultados en un sentido práctico.
Dentro de los tipos de validez se encuentran:

 Validez referida al contenido.

 Validez referida al criterio.
 Validez del constructo, los cuales se encargan de contrastar la capacidad
de medición de los reactivos respecto al constructo.
La validez de contenido pretende identificar si la cantidad y calidad de
los reactivos realmente miden de manera integral todo el constructo, para
lo cual es necesario de una buena relación entre el contenido de la
prueba y el constructo, puesto que se desea confirmar si los ítems son
una muestra representativa del contenido de la prueba. Para validar el
contenido de la prueba, Martínez et al (2014) sugiere una serie de
procedimientos que incluyen la evaluación de las dimensiones del
constructo, especificar los conceptos, utilizar el juicio de uno o más
expertos y estimar la confiabilidad de los resultados indicados por los jueces.
Para realizar una validación de criterio, generalmente se recurre a la
comparación con otras fuentes de medición que hayan sido previamente
validadas, es decir que los resultados arrojados por la prueba que se
encuentra en fase de validación deberán ser similares a los datos obtenidos
 por una prueba de referencia. En este sentido, la validación del criterio
requiere de realizar:

 Correlaciones o análisis de varianzas con otras pruebas.

 Contraste entre grupos.
 Confirmaciones con criterios externos.
En el primer caso se puede utilizar el coeficiente de correlación de
Pearson para medir el grado de relación entre la prueba que se desea
validar y una prueba de referencia, en donde los resultados próximos
a 1 mostrarán un grado de validez adecuado para la prueba. En el
contraste entre grupos el evaluador deberá comparar sujetos que presenten
el rasgo con sujetos que no lo tengan, de esta forma los resultados
podrán indicar si la prueba tiene la capacidad para discriminar a los
examinados que posean el constructo de medición. Las confirmaciones
de criterios externos corresponden a las valoraciones aportadas por otras
fuentes de información que pueden ser complementarias, dentro de las
cuales pueden encontrarse: medidas fisiológicas, criterios diagnósticos,
valoración clínica, entre otras.
La validez del constructo es uno de los procedimientos más importantes
para la aplicación de las pruebas, ésta consiste en confirmar si los
resultados de la prueba son indicadores del constructo, es decir que
implica la evaluación del contenido y el criterio, con el cual se logra
identificar si existe relación entre el ítem, atributo y constructo, con el
fin de buscar evidencia estadística para garantizar que la prueba realmente
mida el constructo. Para validar el constructo de un test se requiere
que el evaluador tenga preparación estadística avanzada, puesto que los
procedimientos actuales incluyen análisis factorial, ecuaciones estructurales y
redes Bayesianas, los cuales se encargan de identificar si los ítems se
agrupan de acuerdo a los atributos o dimensiones y éstos en relación al constructo.
GLOSARIO DE TÉRMINOS

 Confiabilidad: procedimiento que utiliza para estimar la consistencia entre

las puntuaciones obtenidas en una prueba.
 Validez: método que se encarga de confirmar si los reactivos de un
test cumplen con los objetivos de medición.
 Correlación: procedimiento estadístico que se encarga de medir el grado
de relación entre las variables.