Utilización del modelo G-DINA para promover la evaluación como forma de aprendizaje

Álvaro Artavia Medrano

Resumen


RESUMEN. Los modelos de diagnóstico cognitivo se han considerado como un enfoque interdisciplinario en el que se unen la psicología cognitiva con el análisis estadístico. Mediante la utilización del modelo G-DINA, se realizó un análisis de ajuste posterior a un subtest a partir de la Prueba Nacional de Bachillerato en Matemática aplicada en el año 2006 a estudiantes costarricenses, la cual constituye un requisito para egresar de la educación secundaria. Con una estructura de 10 atributos, se explica el rendimiento en los 37 ítems correspondientes a álgebra y funciones elementales. Los resultados muestran que la verificación de proposiciones es el atributo de mayor diicultad, mientras que la factorización de polinomios es el más fácil. Asimismo, se presentan periles de dominio de atributos y ajuste del modelo propuesto.


PALABRAS CLAVE. Evaluación Diagnóstica Cognitiva, Modelo G-DINA, Aprendizaje.

doi: 10.21703/rexe.20162815281


Texto completo:

PDF

Referencias


REFERENCIAS

Artavia, A. (2013). Incorporación de modelos cognitivos en la evaluación de los aprendizajes: un enfoque emergente. Revista de evaluación educativa, 2 (2), 162-183.

Artavia, A. (2014). Evaluación cognitiva diagnóstica en Matemática: modelo elaborado con el método rule space para estudiantes costarricenses de undécimo año. Disertación doctoral no publicada, Universidad de Costa Rica, San José, Costa Rica.

Cui, Y., Gierl, M. J., y Chang, H. (2012). Estimating classiiccation consistency and accuracy for cognitive diagnostic assessment. Journal of Educational Measurement, 49 (1), 19-38.

Chen, J., De la Torre, J., y Zhang, Z. (2013). Relative and absolute it evaluation in cognitive diagnosis modeling. Journal of Educational Measurement, 50(2), 123-140.

De la Torre, J., y Douglas, J. (2004). Higher-order latent trait models for cognitive diagnosis. Psychometrika, 69 (3), 333-353.

De la Torre, J. (2011). he Generalized DINA Model Framework. Psychometrika, 76 (2), 179-199.

De la Torre, J. (2013). Application of the DINA Model Framework to Enhance Assessment and Learning. En M. Mo Ching Mok (Ed.), Self-directed Learning Oriented in the sia-Paciic, Education in the Asia-Paciic Region: Issues, Concerns and Prospects 18. Springer Science+Business Media.

Embretson, S. (1983). Construct validity: construct representation vs. nomothetic span. Psychological Bulletin, 93, 179-197.

Gorin, J. (2006). Test design with cognition in mind. Educational Measurement: Issues and Practice, 25(4), 21-35.

Jang, E. (2008). A framework for cognitive diagnostic assessment. En C. Chapelle, R. Chung y J. Xu (Eds.), Towards adaptive CALL: Natural language processing for diagnostic language assessment (pp. 117-131). Ames, IA: Iowa State University.

Leighto, J., Gierl, M., y Hunka, S. (abril, 2002). he attribute hierarchy model for cognitive assessment. Louisiana: Artículo presentado en Annual Meeting of the National Council on Measurement in Education (NCME). Recuperado de http://www.education.ualberta.ca/educ/psych/crame

Mayer, R. (1986). Capacidad matemática. En R. Sternberg (Ed.) Las capacidades humanas: un enfoque desde el procesamiento de la información (pp. 165-194). Barcelona: Editorial Labor.

Messick, S. (1984). he Psychology of Educational Measurement. Journal of Educational Measurement,21(3), 215-237.

Meyer, P. (2014). jMetrik 4.0 [Sotware de cómputo].

Nichols, P. (1994). A framework for developing cognitively diagnostic assessments. Review of Educational Research, 64, 575-603.

Nokes, T., Schunn, C., y Chi, M. (2010). Problem Solving and Human Expertise. En P. Peterson,E. Baker y B. McGaw (Eds.). International Encyclopedia of Education. (pp. 265-272). Oxford: Elsevier.

Onrubia, J., Rochera, M., y Barberà, E. (2001). La enseñanza y el aprendizaje de las matemáticas:una perspectiva psicológica. En C. Coll, J. Palacios y A. Marchesi (Comps.). Desarrollo psicológico y educación: Psicología de la educación escolar (pp. 487-508). Madrid: Alianza Editorial.

Pellegrino, J., Baxter, G., y Glaser, R. (1999). Addressing the “Two Disciplines” Problem: Linking heories of Cognition and Learning with Assessment and Instructional Practice. Review of Research in Education, 24, 307-353.

Ravand, H., y Robitzsch, A. (2015). Cognitive Diagnostic Modeling Using R. Practical Assessment.Research & Evaluation, 20(11), 1-12.

Roussos, L., Dibello, L., Henson, R., Jang, E., y Templin, J. (2010). Skills Diagnosis for Education and Psychology With IRT-Based Parametric Latent Class Models. En S. E. Embretson (Ed.) Measuring Psychological Constructs: Advances in Model-Based Approaches. Washington: American

Psychological Association.

Robitzsch, A., Kiefer, T., George, A., y Uenlue, A. (2015). CDM 4.4. Recuperado de https://sites. google.com/site/alexanderrobitzsch/sotware

Rupp, A., Templin, J., y Henson, R. (2010). Diagnostic Measurement: heory, Methods, and Applications.Nueva York: he Guilford Press.

Schoenfeld, A. (2007). What is Mathematical Proiciency and How Can It Be Assessed? En A. Schoenfeld (Ed.) Assessing Mathematical Proiciency. (pp. 59-74). Nueva York: Cambridge University Press.

SPSS, Inc. (2013). IBM SPSS Statistics 22 [Sotware de cómputo].

Tatsuoka, K. (1983). Rule Space: An Approach for Dealing with Misconceptions Based on Item Response heory. Journal of Educational Measurement, 20(4), 345-354.

Tatsuoka, K. (1990). Toward an integration of item-response theory and cognitive error diagnosis.En N. Frederiksen, R. Glaser, A. Lesgold y M. Shato (Eds.) Diagnostic monitoring of skills and knowledge acquisition (pp. 453-488). Nueva Jersey: Erlbaum.

Tatsuoka, K. (2009). Cognitive Assessment: An Introduction to the Rule Space Method. Nueva York:Routledge Taylor & Francis Group.

THE R FOUNDATION FOR STATISTICAL COMPUTING. (2015). R 3.2.1 [Sotware de cómputo


Enlaces refback

  • No hay ningún enlace refback.


 Revista REXE, ISSN 0718-5162 Versión en línea