Procesos de razonamiento en contexto matemático: caracterización y aporte a la dificultad de los ítems
Contenido principal del artículo
Resumen
El objetivo de este trabajo es caracterizar los procesos de razonamiento en contexto matemático presentes en una prueba estandarizada y determinar cuáles de ellos se asocian significativamente con la dificultad de los ítems. Los procesos de razonamiento se determinaron a partir del análisis de soluciones de ítems de RCM, realizado por cuatro personas expertas en educación matemática. El estudio de la relación de los procesos con la dificultad se realizó con un modelo LLTM (n=12800). Los procesos con mayor nivel de asociación con la dificultad fueron: a) identificar una regla de formación en formato de función, b) construcción de contraejemplos o c) verificar el cumplimiento de una regla. Este trabajo es relevante porque permite aproximar la dificultad de los reactivos de RCM antes de una evaluación, utilizando únicamente los procesos de razonamiento requeridos.
DESCARGAS
Descargas
Métricas
Detalles del artículo
Referencias
AERA, APA, & NCME. (2014). Standards for educational and psychological testing.
Bates, D., Machler, M., Bolker, B., & Walker, S. (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67(1), 1-48. https://doi.org/10.18637/jss.v067.i01
Brizuela, A., Cerdas, D., Fallas, S., Ordóñez, K., Pérez, N., Rojas-Torres, L., & Seas, G. (2014). Resolvamos la PAA. Editorial UCR.
Bulut, O., Gorgun, G., & Yildirim-Erbasli, S. N. (2021). Estimating Explanatory Extensions of Dichotomous and Polytomous Rasch Models: The eirm Package in R. Psych, 3, 308-321. https://doi.org/ 10.3390/psych3030023
Cabana Yupanqui, S. B. (2018). Análisis predictivo del rendimiento académico en los alumnos de la escuela profesional de ingeniería en informática y sistemas de la UNJBG, utilizando redes neuronales semestre 2017-I. [Tesis para obtener el grado de ingeniero, Universidad Nacional Jorge Basadre Grohmann]. Repositorio de la UNJBG http://repositorio.unjbg.edu.pe/handle/UNJBG/3200
Carraher, D. W, Martínez, M. V., & Schliemann, A. (2008). Early Algebra and mathematical generalization. ZDM Mathematics Education, 40, 3–22.
De Boeck, P., Bakker, M., Zwitser, R., Nivard, M., Hofman, A., Tuerlinckx, F., & Partchev, I. (2011). The Estimation of Item Response Models with the lmer Function from the lme4 Package in R. Journal of Statistical Software, 39(12), 1-28. https://doi.org/10.18637/jss.v039.i12
Dwyer, C., Gallagher, A., Levin, J., & Morley, M. E. (2003). What is Quantitative Reasoning? Defining the Construct for Assessment Purposes (RR-03-30; Research Reports). Educational Testing Service.
Embretson, S. E., & Daniel, R. C. (2008). Understanding and quantifying cognitive complexity level in mathematical problem-solving items. Psychology Science Quarterly, 50(3), 328-344.
Hamamoto, P. T., Silva, E., Tosta, Z. M., Marmorato, M., Fernández, D. C., & Bicudo, A. M. (2020). Relationships between Bloom’s taxonomy, judges’ estimation of item difficulty and psychometric properties of items from a progress test: a prospective observational study. Sao Paulo Medical Journal, 138(1), 33-39. https://doi.org/10.1590/1516-3180.2019.0459.R1.19112019
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. Editorial Mc Graw Hill Education.
Jiménez, K., & Morales, E. (2010). Validez predictiva del promedio de admisión de la Universidad de Costa Rica y sus componentes. Actualidades en Psicología, 23, 21-55.
Jiménez, K., Rojas-Rojas, G., Brizuela, A., & Pérez, N. (2018). Validación de un modelo de cuatro estrategias de resolución de ítems de razonamiento en una prueba estandarizada de selección. Revista Costarricense de Psicología, 37(1), 77-88. https://doi.org/10.22544/rcps.v37i01.04
R Core Team. (2021). R (versión 4.2.2) [Software de computador]. R Foundation for Statistical Computing. https://cran.r-project.org/bin/windows/base/
Rado, J. M., Salinas, J. W., & Rosas, F. R. (2016). Predicción del rendimiento en el examen de admisión a la UNALM utilizando las técnicas de Análisis Discriminante Lineal y Análisis Discriminante con Algoritmos Genéticos. Anales científicos, 77(1), 8–16. https://doi.org/10.21704/ac.v77i1.474
Reeve, B.B., Hays, R.D., Bjorner, J.B., Cook, K.F., Crane, P.K., Teresi, J.A., Thissen, D., Revicki, D.A., Weiss, D.J., Hambleton, R.K., Liu, H., Gershon, R., Reise, S.P., Lai, J., & Cella, D. (2007). Psychometric evaluation and calibration of health-related quality of life item banks: plans for the Patient-Reported Outcomes Measurement Information System (PROMIS). Med Care. 45(5) 2-31. https://doi.org/10.1097/01.mlr.0000250483.85507.04
Rojas, L. (2013). Validez predictiva de los componentes del promedio de admisión a la Universidad de Costa Rica utilizando el género y el tipo de sexo como variables control. Actualidades Investigativas en Educación, 13(1).
Rojas, L., Mora, M., & Ordóñez, G. (2018). Asociación del razonamiento cuantitativo con el rendimiento académico en cursos introductorios de matemática de carreras STEM. Revista digital: Matemática, Educación e Internet, 19(1). https://doi.org/10.18845/rdmei.v19i1.3851
Rojas-Torres, L. (2013). Predicción de la dificultad de la Prueba de Habilidades Cuantitativas. Revista digital: Matemática, Educación e Internet, 13(1). https://doi.org/10.18845/rdmei.v13i1.1627
Sura-Fonseca, R., Víquez-García, L., & Rojas-Torres, L. (2021). Factores asociados al rendimiento académico en un curso de introducción a la estadística en Costa Rica. Épsilon, 109, 7-29.
Ureña. J. (2021). Representaciones de generalización y estrategias empleadas en la resolución de tareas que involucran relaciones funcionales. Una investigación con estudiantes de primaria y secundaria. [Tesis de doctorado, Universidad de Granada]. Repositorio Kerwá.
Virkki, O. T. (2022). Reasoning Skills Assessment in Information Technology National Entrance Examination Reform; a Design Science Approach. IEEE Global Engineering Education Conference (EDUCON), 719-7260. https://doi.org/10.1109/EDUCON52537.2022.9766817
Vista, A., & Alkhadim, G. S. (2022). Pre-university Measures and University Performance: A Multilevel Structural Equation Modeling Approach. Frontiers in Education, 7. https://doi.org/10.3389/feduc.2022.723054
Wilson, M., De Boeck, P., & Carstensen, C. H. (2006). Explanatory Item Response Models: A Brief Introduction. En J. Hartig, E. Klieme y D. Leutner (Eds.), Assessment of Competencies in Educational Contexts, (pp. 83-110). Hogrefe & Huber Publishers.
Wise, M. J. (2020). The Effective Use of Negative Stems and “All of the Above” in Multiple-Choice Tests in College Courses. Journal of Education Teaching and Social Studies 2(4), 47-58. https://doi.org/10.22158/jetss.v2n4p47
Barra lateral del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
