1
¿Todos los métodos llevan a los mismos propósitos?
2
Selecciona las respuestas correctas
Escoge una o varias respuestas
3
El estándar es el punto crítico contenido dentro del criterio que concreta dos niveles diferentes de mérito, funcionando como el umbral que define la transición desde el estado positivo.
4
¿Qué es la validez del constructo?
5
¿Qué es la validez discriminante?
6
Las fuentes primarias son:
7
Las fuentes secundarias son:
8
¿Qué es una evaluación de impacto?
9
¿El grupo de comparación no equivalente se debe parecer al grupo de comparación?
10
¿Puedo aplicar el método de diferencia en diferencia para dos grupos diferentes distribuidos al azar?
11
¿Es lo mismo el coeficiente de regresión que la pendiente del programa?
12
¿Qué hay que hacer cuando hay un cruce de variable nominal con ordinal?
14
Si estamos analizando una variable de tipo nominal u ordinal (cualitativa) de forma univariada, ¿qué técnicas estadísticas debemos utilizar preferentemente?
15
Para representar gráficamente la distribución de una variable cuantitativa de intervalo, ¿cuál es la propuesta gráfica más adecuada según el análisis univariado?
16
En el análisis univariado de una variable cualitativa, ¿qué elemento de los siguientes NO es apropiado para su descripción?
17
En la nube de puntos, ¿qué es lo que mide la intensidad y dirección de la relación (positiva si sube, negativa si baja)?
18
¿Qué es la distribución teórica del muestreo?
19
¿Cuál es la fórmula del error típico muestral para variables nominales?
20
El error muestral son 2 desviaciones estándar
22
¿Qué es la desviación típica de distribución teórica del muestreo?
23
Si en una tabla de contingencia para variables nominales obtenemos un valor de Phi o Lambda, ¿entre qué valores oscila la fuerza de la relación?
24
¿Qué indica un valor de Gamma cercano a 0 en una relación entre variables ordinales?
25
Según la fórmula de estimación de magnitud del cambio en una prueba T-student, ¿a partir de qué valor se considera que una intervención tiene una "Eficacia Alta"?
26
En un análisis de varianza (ANOVA), si obtenemos una Eta cuadrada parcial de 0.14, ¿cómo debemos interpretar el tamaño del efecto?
27
¿Qué representa el estadístico r^2 (coeficiente de determinación) en una regresión lineal simple?
28
En un análisis de varianza, ¿qué valor del estadístico F indicaría que no existe relación entre las variables?
29
En una tabla de contingencia donde ambas variables son nominales, ¿cuál de los siguientes estadísticos se utiliza para medir la fuerza o tamaño del efecto global?
30
Al comparar dos celdas específicas en una tabla de contingencia para ver el tamaño del efecto, ¿qué estadístico produce un resultado expresado en porcentaje?
31
¿Cómo lees el tamaño del efecto de dos variables intervales? (INDICAR TODAS LAS CORRECTAS)
Escoge una o varias respuestas
33
Cuando quieres controlar muchas variables lo ideal es hacerlo mediante:
34
¿El diferencias en diferencias es solo experimental?
35
¿Qué es la interpretación?
36
La idea de síntesis es la idea de resumen. Al contrario de lo que la gente piensa, no trata de construir un nuevo significado.
Explicación
"La validez del constructo determina la consistencia interna y la estabilidad temporal de los resultados obtenidos tras aplicaciones repetidas de la prueba."
Por qué es errónea: Esta es la definición de fiabilidad, no de validez de constructo. Confunde la precisión de la medida con lo que se está midiendo.
"La validez del constructo mide la capacidad de un indicador para predecir con exactitud un comportamiento o resultado futuro en un entorno real."
Por qué es errónea: Esta definición corresponde a la validez de criterio (específicamente la validez predictiva). Se centra en la utilidad práctica externa y no en la definición teórica del concepto.
"La validez del constructo asegura que la muestra de ítems incluida en la prueba representa de manera exhaustiva todo el universo de contenido del dominio a evaluar."
Por qué es errónea: Esta es la definición de validez de contenido. Se enfoca en la representatividad de los ítems, no en si estos realmente logran capturar el concepto psicológico o teórico subyacente.
"Determina que las medidas de un mismo constructo realizadas con diferentes métodos deben presentar correlaciones muy elevadas para asegurar su consistencia."
Por qué es errónea: Esta es la definición de validez convergente. Es el error más común: confundir la necesidad de que las cosas iguales se parezcan con la necesidad de que las distintas se diferencien.
"Asegura que el instrumento de medida es capaz de diferenciar entre grupos de sujetos que, teóricamente, deberían puntuar de forma distinta en el rasgo."
Por qué es errónea: Esto describe la validez referida a un criterio (específicamente la validez de grupos contrastados). Se centra en diferenciar personas, no en diferenciar constructos teóricos.
"Garantiza que el método de evaluación utilizado no influye en la varianza de las puntuaciones, manteniendo la estabilidad del rasgo a través del tiempo."
Por qué es errónea: Esta opción mezcla conceptos de fiabilidad (estabilidad temporal) y sesgo de método, pero no aborda la relación entre distintos constructos, que es la esencia de la validez discriminante.
"Análisis del grado de cumplimiento de los objetivos operativos y la eficiencia en el uso de los recursos durante la ejecución del programa."
Por qué es errónea: Esto describe una evaluación de proceso o de eficiencia. Se centra en cómo se están haciendo las cosas y si se gastó el dinero correctamente, pero no mide si el programa causó un cambio real en la población.
"Valoración cualitativa de la satisfacción de los beneficiarios y su percepción sobre los cambios producidos por la intervención."
Por qué es errónea: Aunque es útil, esto es una evaluación de percepciones. La evaluación de impacto busca pruebas objetivas y cuantitativas de causalidad; la opinión de los usuarios no sustituye al control metodológico (como un grupo de control).
"Estudio descriptivo de la situación final de los participantes para verificar si se alcanzaron las metas previstas en el diseño original."
Por qué es errónea: Esto es una evaluación de resultados simple (antes-después). El error está en que solo describe el estado final; sin control metodológico, no puedes saber si la mejora se debe al programa o a factores externos (maduración, economía, etc.).
"No, este método es exclusivo de los diseños experimentales puros, ya que requiere obligatoriamente que la muestra sea distribuida al azar para poder realizar las cuatro mediciones de control."
Por qué es errónea: Es el opuesto de la realidad. Aunque se puede usar con azar, su valor principal y su aplicación "siempre" necesaria es precisamente cuando no hay aleatorización.
"Sí, pero solo es válido si se realizan dos mediciones únicas (postest) en los grupos, ya que la inclusión de un pretest en grupos distribuidos al azar generaría un sesgo de maduración invalidante."
Por qué es errónea: El pretest es fundamental en este método para establecer la línea base. Además, el sesgo de maduración es precisamente algo que este diseño ayuda a controlar, no algo que lo invalide.
"No, porque la falta de aleatorización impide el uso de grupos de comparación, limitando el estudio a un solo grupo con múltiples mediciones repetidas a lo largo del tiempo."
Por qué es errónea: Confunde este diseño con un diseño de series temporales de un solo grupo. La definición correcta deja claro que se usan dos grupos de comparación (X e Y) para poder contrastar los resultados.
"Determina la relación de causalidad directa entre dos variables, garantizando que los cambios en la variable dependiente son provocados únicamente por la independiente."
Por qué es errónea: El $R^2$ indica correlación o relación lineal, pero nunca demuestra causalidad. Que dos cosas suban juntas no significa que una cause la otra.
"Es una medida de dispersión que indica cuánto se alejan los datos de la media, aceptándose valores superiores a 1 cuando la variabilidad es muy alta."
Por qué es errónea: El $R^2$ no es una medida de dispersión como la desviación típica. Además, su escala es siempre de 0 a 1 (o 0% a 100%); un valor superior a 1 es matemáticamente imposible.
"Mide el grado de significación estadística de la muestra, exigiendo valores por debajo de 0,05 para confirmar que la relación entre variables no es fruto del azar."
Por qué es errónea: Aquí se está describiendo el p-valor (p-value). Es un error muy común en los exámenes confundir el $R^2$ (qué tan fuerte es la relación) con el p-valor (qué tan fiable es esa relación).
Calculamos la pendiente, que es el incremento de y entre el incremento de x (los metros de altitud que subo una montaña en relación a los metros recorridos)
"Es el conjunto de datos empíricos obtenidos directamente de una sola muestra representativa, cuyos valores se utilizan para calcular la varianza poblacional de forma exacta."
Por qué es errónea: Esto describe el análisis de una muestra única, no una distribución teórica. La distribución muestral no sale de una sola muestra, sino de la media de infinitas muestras posibles.
"Se trata de un procedimiento práctico que consiste en dividir la población real en subgrupos infinitos para asegurar que la media de cada grupo sea idéntica al parámetro poblacional desde el inicio."
Por qué es errónea: Es un error de concepto. Primero, no es un "procedimiento práctico" (es teórico). Segundo, las medias de las muestras individuales no tienen por qué ser idénticas al parámetro; es la distribución de todas ellas la que tiende a coincidir con la población.
"Es una representación gráfica de la dispersión de una variable cualitativa que busca eliminar los errores de medición mediante la repetición constante del mismo experimento en condiciones idénticas."
Por qué es errónea: Mezcla conceptos. La distribución muestral se refiere habitualmente a variables cuantitativas (por eso hablamos de medias) y no es simplemente un método para "eliminar errores de medición", sino una construcción matemática para entender la probabilidad de los estadísticos.
"El parámetro es el estadístico calculado directamente de la muestra que nos permite conocer con exactitud matemática el comportamiento de cada individuo de la población."
Por qué es errónea: Confunde "parámetro" (población) con "estadístico" (muestra). Además, el parámetro no describe a cada individuo, sino al conjunto global, y el estadístico no da "exactitud", sino una estimación.
"Es el margen de error aceptable que surge al comparar dos muestras aleatorias cuando no se dispone de información sobre la población real."
Por qué es errónea: El parámetro no es un "error", es el valor de referencia ideal (la verdad). El error es la diferencia entre el estadístico y el parámetro, no el parámetro en sí.
"Se define como el valor hipotético que toma una variable cualitativa cuando la muestra es lo suficientemente pequeña como para no ser representativa de la población."
Por qué es errónea: El parámetro no es "hipotético" (es el valor real) y el objetivo siempre es que la muestra sea grande y representativa, no pequeña. Además, se suele asociar más a medidas cuantitativas (como la media poblacional).
"Es el valor que indica la distancia exacta entre cada una de las puntuaciones de la muestra y la media aritmética de la población real."
Por qué es errónea: Esta descripción se parece más a la desviación típica de una muestra individual, no de la distribución de muchas medias. Además, no indica una distancia "exacta" respecto a la población, sino una dispersión teórica.
"Representa el porcentaje de error humano cometido durante la fase de recogida de datos, el cual debe ser eliminado para que el R2 sea igual a 1."
Por qué es errónea: El error típico no es un "error de equivocación" o fallo humano, sino la variabilidad natural del muestreo. Además, no tiene una relación directa de "eliminación" para que el $R^2$ llegue a 1.
"Se trata de una medida de tendencia central que se utiliza exclusivamente en variables nominales para determinar si la muestra es lo suficientemente grande."
Por qué es errónea: La desviación típica es una medida de dispersión, no de tendencia central. Además, se utiliza con variables cuantitativas (donde hay medias), no con variables nominales.
"Es el proceso puramente estadístico de aplicar fórmulas matemáticas sobre una muestra ya recogida para verificar si el R2 es superior a 0,3."
Por qué es errónea: La modelización no es solo aplicar fórmulas al final; es un paso previo de comprensión teórica e identificación de variables basado en la literatura.
"Consiste en la descripción narrativa de los resultados finales de una evaluación de impacto una vez que se ha comprobado la significación estadística."
Por qué es errónea: Esto describe la fase de informe de resultados o interpretación. La modelización ocurre antes, cuando se seleccionan y definen las variables que se van a medir y controlar.
"Se trata de la fase de recolección de datos donde el investigador observa de forma pasiva el comportamiento de la población sin intervenir ni identificar variables previas."
Por qué es errónea: Es lo opuesto a la modelización. Modelar requiere identificar variables activamente para poder medirlas y controlarlas, no simplemente observar de forma pasiva.
"Es el proceso técnico de codificación numérica donde se transforman los datos cualitativos en cuantitativos para asegurar que la significación sea menor a 0,05."
Por qué es errónea: La interpretación no es "codificar" o pasar a números; es dar sentido y significado a lo que ya tienes. Además, su objetivo no es "forzar" la significación estadística.
"Consiste exclusivamente en la presentación separada de los resultados de cada indicador, evitando mezclar fuentes cualitativas y cuantitativas para no generar contradicciones."
Por qué es errónea: Es lo contrario a la definición. La interpretación busca precisamente integrar todas las fuentes y resolver las contradicciones, no evitarlas o presentar los datos de forma aislada.
"Se trata de la fase inicial de la investigación donde se seleccionan las muestras al azar para garantizar que los valores coincidan con los parámetros poblacionales."
Por qué es errónea: Esto describe el muestreo o la selección de la muestra, que ocurre al principio. La interpretación es una fase final de síntesis que ocurre cuando ya tienes todos los resultados sobre la mesa.
"Es la transcripción literal de las entrevistas cualitativas sin añadir ningún tipo de interpretación, para evitar sesgar la realidad objetiva del programa."
Por qué es errónea: La síntesis no es una copia literal; requiere redactar un mapa semántico y, sobre todo, aportar una interpretación propia del investigador.
"Consiste en el cálculo exclusivo de la media y la desviación típica de los indicadores para crear un histograma que resuma numéricamente los datos."
Por qué es errónea: Esto describe un análisis univariado cuantitativo. La síntesis es un proceso más profundo que busca "describir lo que se ve en el mapa" semántico, no solo dar números.
"Es la fase donde se descartan los datos que contradicen la hipótesis inicial para que el mapa semántico final sea visualmente más sencillo de leer."
Por qué es errónea: La síntesis no descarta datos; al contrario (como vimos en la definición de interpretación), debe usar todos los datos para resolver las contradicciones, no borrarlas.
|
Spanish alphabet, listening-based assessment