Tema 5

1
Tema 5

• Teoría de la Generalizabilidad

2
Resumen previo

• Objetivo de esta teoría
• Detectar todas las múltiples fuentes de error de
  una medición, cuantificar la magnitud de dichas
  fuentes y estimar cuántos registros son
  necesarios y de qué forma deben llevarse a cabo
  para llegar a una medición confiable de la
  conducta de interés.

3
Resumen previo

• 2 tipos de estudios
• G debe preceder a la toma de decisiones sobre
  cualquier tipo de medición efectuada.
• D toma de decisiones, válida solo si se conoce
  que el instrumento con que se mide es fiable.
• De decisiones relativas interesa ubicar a un
  sujeto en relación a un grupo de referencia.
• De decisiones absolutas interesa la puntuación
  concreta del sujeto en la conducta medida.

4
Resumen previo

• Facetas de medida circunstancias particulares en
  que se realiza la medición que conforman una
  muestra de todas las posibles en que ésta pudiera
  haberse observado.
• Observadores, momentos de observación, tipo de
  registro, etc.
• Objeto de la medición Entidad de la cual se
  pretende obtener una medición concreta a través
  del instrumento de evaluación utilizado. Suele
  ser un sujeto o grupo.

5
Resumen previo

• Varianza verdadera varianza atribuida al objeto
  de medida, ya que denota las diferencias
  individuales existentes entre los objetos de la
  medición.

6
Diseños G

• El diseño permite ver si la faceta analizada
  presenta demasiado error (variabilidad) y así
  modificarla en sucesivos diseños haciéndola más
  óptima.
• Facetas sistematizadas o cruzadas si todos los
  valores de las facetas se cruzan con todos los
  valores de las restantes o del objeto de estudio.

7
Diseños G

• Faceta aleatoria cuando los valores que se
  utilizan en el estudio conforman una muestra del
  conjunto posible de valores de dicha faceta
  existente en la población, del cual sus valores
  han sido escogidos al azar.
• Faceta fija cuando los valores de la faceta
  utilizados en el estudio se escogen de forma
  intencional, ya que interesa analizar dichos
  valores y no otros.

8
Diseños G. Diseño de una sola faceta cruzada
9
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Objetivo generalizar y calcular la fiabilidad de
  las conductas atendiendo a dos universos de
  generalización.
• Ejemplo Dos facetas (sesiones y observadores) y
  un objeto de estudio (sujetos).
• Fuentes de variación

10
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Lo ideal que sea alta la variación de los datos
  explicada por el objeto de estudio (los sujetos)
  y baja la variación asociada a las facetas tanto
  de forma independiente como a las interacciones.

11
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Cálculo de fuentes de variación
• 1. Sumas cuadráticas
• 2. medias cuadráticas se obtienen dividiendo las
  diferentes SSCC entre sus correspondientes grados
  de libertad.

12
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• 3. varianzas

13
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Ejemplo resultados de un estudio G en el que
  varios observadores registran las características
  de un grupo entrevistados en varios momentos. Las
  facetas son todas aleatorias y sistematizadas.
• Calcular los distintos componentes de varianza.
• Calcular el coeficiente de generalizabilidad
  (absoluto y relativo).
• Optimizar el diseño.
• Interpretar los datos

14
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Calcular los distintos componentes de varianza
• 1. Las estimaciones de las varianzas del diseño
  de medida son

15
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Calcular el coeficiente de generalizabilidad
  (absoluto y relativo). ESTUDIOS DE DECISIÓN (D).
• TIPOS DE ERRORES EN LA TG
• Errores en las decisiones absolutas surgen
  cuando el investigador quiere generalizar de la
  puntuación observada en una muestra a la
  puntuación del universo. La diferencia entre
  estas dos puntuaciones es el error de medida.
• Ej. Si un sujeto pasa o no un examen.
• Errores en las decisiones relativas diferencia
  existente entre la diferencia observada (en
  rangos) entre dos puntuaciones empíricas y la
  diferencia en el universo entre sus
  correspondientes parámetros.
• Admisión en centro con plazas limitadas.

16
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Para las decisiones absolutas se tendrán en
  cuenta los errores de las decisiones absolutas,
  cuya varianza está compuesta por todos los
  componentes de la varianza del diseño, excepto la
  del objeto de medida.
• Son todos los efectos de la interacción y los
  efectos principales de las facetas.
• Para las decisiones relativas se tendrán en
  cuenta los errores de las decisiones relativas,
  cuya varianza está compuesta por todos los
  componentes de la varianza que influyen en la
  posición relativa del sujeto.
• Son todas las interacciones con el objeto de
  medida.
• Hay que considerar el número de condiciones de
  las facetas. Todos los componentes de la varianza
  (excepto el del objeto de medida) se dividen por
  el número de condiciones de la/s faceta/s que
  hace referencia el componente.

17
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Varianza del error absoluto
• Varianza del error relativo

18
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Coeficiente de generalizabilidad proporción de
  la varianza de las puntuaciones observadas
  atribuible a la varianza de las puntuaciones
  universo.
• Entre 0 (otras fuentes de variación, debidas a
  las condiciones particulares de la medida, se
  añaden a las puntuaciones del universo para
  determinar en gran medida la varianza de las
  puntuaciones observadas),
• y 1 (la fuente de variación esencial para
  explicar la variación de los datos observados es
  la varianza de las puntuaciones del universo del
  objeto de medida).

19
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Para las decisiones absolutas proporción entre
  la varianza debida a los sujetos y la suma de
  ésta más la varianza del error absoluto.
• Informa del error que cometemos si pretendemos
  estimar la puntuación universo de un sujeto a
  partir de su puntuación observada.

20
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• Para las decisiones relativas proporción entre
  la varianza debida a los sujetos y la suma de
  ésta más la varianza del error relativo.
• Informa del error que se cometería al establecer
  el orden que ocupa la puntuación de un sujeto
  respecto a otro o respecto a un grupo normativo
  en función de su concordancia con el rasgo
  concreto que éste ocupa en el universo.

21
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• 2. Si se mantienen las condiciones del estudio de
  generalizabilidad, las varianzas de los errores
  son
• Y los coeficientes de generalizabilidad valen

22
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• INTERPRETAR LOS RESULTADOS
• Cómo mejorar la fiabilidad?
• El investigador, con los resultados del estudio G
  puede ver qué condiciones de medida tienen mayor
  variabilidad y aumentar más su longitud para
  mejorar su generalizabilidad.
• Donde ? es el coeficiente de generalizabilidad
  original para el estudio con n obsevadores y ?
  es el que corresponde al que obtendríamos si
  aumentáramos la faceta a n observadores.

23
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• INTERPRETAR LOS RESULTADOS
• En diseños de dos facetas en las que se produce
  una alta varianza de error, cabe
• Hacer estudios de una faceta para cada categoría
  de la faceta díscola.
• Hacer fija dicha faceta.
• Buscar nuevas facetas.

24
Diseños D. Diseño con dos facetas aleatorias
cruzadas.

• INTERPRETAR LOS RESULTADOS
• 3. Los resultados indican que las condiciones en
  las que se midió a los sujetos en el estudio de
  generalizabilidad son adecuadas para medir con
  criterios relativos. Si se quiere mejorar la
  fiabilidad, lo más adecuado en este caso es
  buscar nuevas facetas, ya que la varianza del
  error es muy grande.

25
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Ejemplo
• Calcular los distintos componentes de varianza.
• Calcular el coeficiente de generalizabilidad
  (absoluto y relativo).
• Optimizar el diseño.
• Interpretar los datos

26
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Ejercicio 1
• Calcular los distintos componentes de varianza.
• Calcular el coeficiente de generalizabilidad
  (absoluto y relativo).
• Interpretar los datos

27
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Calcular los distintos componentes de varianza.

28
Diseños G. Diseño con dos facetas aleatorias
cruzadas.

• Calcular el coeficiente de generalizabilidad
  (absoluto y relativo).
• Error absoluto 0.4648
• Error relativo 0.33
• Coeficiente de Generalizabilidad absoluto 0.9247
• Coeficiente de Generalizabilidad relativo 0.9454