Subido por Miguel Alonso

2 practica2 2019-20

Anuncio
Segunda práctica 2019-20
UNIVERSIDAD AUTÓNOMA DE MADRID
FACULTAD DE PSICOLOGÍA
CURSO 2019/20
Grupos 310, 320, 330, 360 y 370
PRÁCTICA Nº 2:
ANÁLISIS PSICOMÉTRICO DE
DOS ESCALAS DE RENDIMIENTO TÍPICO
1
Segunda práctica 2019-20
2
ÍNDICE
1. OBJETIVOS
3
2. PROCEDIMIENTO
3
2.1 COMPOSICIÓN DEL GRUPO DE PRÁCTICAS
3
2.2 ASIGNACIÓN DE ESCALAS DE PERSONALIDAD
3
2.3 CREACIÓN DEL FICHERO DE DATOS
4
2.4 ESTUDIO PSICOMÉTRICO DE LAS ESCALAS
10
2.4.1 ANÁLISIS CLÁSICO DE LOS ÍTEMS Y DE LA FIABILIDAD DE LAS PUNTUACIONES EN LAS ESCALAS
INICIALES
11
2.4.2 ESTUDIO FACTORIAL
16
2.4.3 ESTUDIO DE LAS PROPIEDADES PSICOMÉTRICAS DE LAS ESCALAS DEFINITIVAS
23
2.4.4 BAREMOS
25
2.5 ELABORACIÓN DEL INFORME
28
3. EVALUACIÓN
30
4. HOJA DE VALORACIÓN
31
Segunda práctica 2019-20
3
1. OBJETIVOS
Con la realización de esta práctica se pretende que el alumno aplique los contenidos de
la Teoría Clásica de los Tests, realizando todos los pasos que requiere el análisis un test de
rendimiento típico: selección de ítems, cálculo de la fiabilidad, estudios de validez, y
baremación. El análisis de datos se llevará a cabo con el programa SPSS en el aula de
informática de la Facultad.
Una vez concluido el análisis de datos, cada grupo de prácticas deberá confeccionar un
informe que detalle el procedimiento seguido para el análisis de las escalas asignadas.
Se dedicarán varias clases a la orientación y supervisión del proceso anterior, desde el
análisis de datos hasta la elaboración del informe.
2. PROCEDIMIENTO
2.1 COMPOSICIÓN DEL GRUPO DE PRÁCTICAS
Cada grupo de prácticas estará integrado por un mínimo de 3 personas y un máximo de
5 personas.
2.2 ASIGNACIÓN DE ESCALAS DE PERSONALIDAD
El profesor asignará a cada grupo dos escalas de 8 ítems, proporcionándole la base de
datos. El grupo deberá analizar ambas escalas. De los 8 ítems de la primera escala, cada grupo
deberá descartar el primero y analizará los restantes 7 ítems de los 8 asignados. En relación
a la segunda escala, cada grupo deberá descartar el último ítem y analizará los 7 ítems
restantes de los 8 asignados. Es decir, cada grupo de prácticas recibirá una base de datos con
16 ítems y deberá no considerar las puntuaciones del primero y del último de ellos. Por tanto,
los ítems 2, …, 8 serán los 7 ítems de la primera escala, y los 7 siguientes (9, 10 … 15) serán
los 7 ítems de la segunda escala.
A continuación, se muestra un ejemplo de análisis de dos escalas de 10 ítems, una para
medir Ansiedad (ítems del 1 al 10) y otra para medir Hostilidad (ítems del 11 al 20).
Segunda práctica 2019-20
4
2.3 CREACIÓN DEL FICHERO DE DATOS
Estructura del fichero de datos (.CSV)
En todos los casos, el fichero tendrá un formato .CSV (comma-separated values) que se
puede abrir con EXCEL e importar desde SPSS. En nuestro ejemplo:
Las personas son las filas y los ítems las columnas o variables, de tal manera que cada fila
recoge las respuestas de una persona a todos los ítems. Por tanto, el fichero tiene tantas filas
como personas hayan respondido. La columna relativa a cada ítem debe reflejar las respuestas
de todas las personas a ese ítem. En el fichero de ejemplo hay 20 variables (p1 a p20). Las
variables de p1 a p10 contienen las respuestas a los ítems de la primera escala y las variables
de p11 a p20 contienen las respuestas a los ítems de la segunda.
p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17 p18 p19 p20
4 2 2 4 3 4 3 3 5
5
3
4
3
2
4
3
3
3
2
1
2 2 1 3 3 2 3 3 3
4
4
3
4
3
2
1
2
1
3
3
4 2 1 3 4 3 2 4 1
3
4
4
5
1
2
1
2
2
5
1
El ejemplo muestra las respuestas dadas por las tres primeras personas que respondieron
los 20 ítems, que tienen un formato de respuesta de 5 categorías ordenadas (1: Muy en
desacuerdo; 5: Muy de acuerdo). Las respuestas en blanco o incorrectas (dobles respuestas, por
ejemplo) se codifican con “-1”.
Segunda práctica 2019-20
5
Lectura del fichero .CSV desde SPSS
Para importar el fichero .CSV desde SPSS, elija Archivo->Abrir->Datos y seleccione
formato Texto (*.txt,*.dat,*.csv,*.tab) en Archivos de tipo. Para que el proceso se lleve a cabo
satisfactoriamente es importante no tener el fichero .CSV abierto en otro programa.
Una vez seleccionado el fichero de datos, marque las opciones marcadas en las siguientes
ventanas en los pasos del 1 al 6:
En el paso 1, no tiene que modificar nada, pulse Siguiente:
En el paso 2, maque Sí para la pregunta ¿Están incluidos los nombres de las variables en la
parte superior del archivo? y pulse Siguiente:
Segunda práctica 2019-20
En el paso 3, no tiene que modificar nada (compruebe que el primer caso lo leerá de la línea
2), pulse Siguiente:
En el paso 4, no tiene que modificar nada (compruebe que está marcada la Coma, como
separador entre variables), pulse Siguiente:
6
Segunda práctica 2019-20
En el paso 5, no tiene que modificar nada (puede elegir el Formato de datos de cada variable,
que en nuestro caso debería ser Numérico para todas las variables), pulse Siguiente:
En el paso 6, no tiene que modificar nada, pulse Finalizar:
7
Segunda práctica 2019-20
8
Recodificación de los ítems y definición de los valores perdidos
Lo primero a tener en cuenta es el procedimiento de cuantificación de las respuestas,
siguiendo las pautas indicadas en clase:
a) Los ítems tienen un formato de respuesta de 5 categorías ordenadas. Deberemos decidir si
la cuantificación de un ítem va de 1 a 5 o de 5 a 1 dependiendo, como hemos visto en clase,
de si el ítem mide de manera directa o inversa el rasgo que interesa. Por tanto, en primer
lugar, debe recodificar los ítems inversos. Para recodificar los ítems inversos recuerde que
debe utilizar el menú Transformar->Recodificar en distintas variables. Una vez en esa
ventana, seleccione los ítems inversos a recodificar y establezca la recodificación
correspondiente (tal como se muestra en las siguientes dos ventanas). En nuestro caso, son
ítems inversos los ítems 5, 8, 11, 13 y 19. Por tanto, creamos cinco nuevas variables (r5,
r8, r11, r13 y r19) que contienen las respuestas recodificadas. Las variables se pueden meter
una a una, o en bloque. En este caso, se han arrastrado a la ventana Variable numérica ->
Variable de resultado las variables p5, p8, p11, p13 y p19. Para poner nombre a cada
variable recodificada correspondiente seleccione la variable (p.ej., p19) y en Variable de
resultado ponga el nombre de la nueva variable recodificada (p.ej., r19) y pulse Cambiar.
Segunda práctica 2019-20
9
Pinchando en Valores antiguos y nuevos:
Por ejemplo, para que aparezca la recodificación 1->5, ponga 1 en Valor del panel Valor
antiguo y 5 en Valor del panel Valor nuevo, y pulse añadir. Cuando haya introducido todas
las recodificaciones (1->5; 2->4; 3->3; 4->2; 5->1), pulse Continuar.
b) En los datos que se le van a proporcionar no hay valores perdidos. Si los hubiera habido,
habría que indicárselos al programa, pulsando en la pestaña ‘Vista de variables’ y en
‘Perdidos’:
En este caso, el código “-1” se utilizaría para indicar que una persona no responde a un ítem o
marca dos alternativas.
Cuando haya creado el archivo PRAC2.SAV completo, grábelo en su memoria USB.
Segunda práctica 2019-20
10
2.4 ESTUDIO PSICOMÉTRICO DE LAS ESCALAS
El estudio de las cualidades psicométricas de las escalas requiere varias fases:
1) Análisis clásico de ítems y de las propiedades psicométricas del test inicial. Este
análisis se realiza para cada una de las dos escalas por separado. En cada escala,
vamos a obtener de cada ítem los siguientes datos:
a. Media y varianza.
b. La correlación ítem-resto del test, rcjX.
Para cada escala, se obtendrá:
a. Su coeficiente de fiabilidad, por la técnica de dos mitades.
b. Su coeficiente  de Cronbach.
A partir de estos resultados, obtendremos información que nos permitirá depurar cada
una de las dos escalas iniciales, eliminando los ítems que no resulten apropiados. La
selección se hará atendiendo principalmente a los índices rcjX. Eliminaremos los ítems
con valores de rcjX próximos a cero. También puede eliminarse algún ítem que tenga
una varianza muy pequeña o aquellos ítems que, al eliminarlos, permitan mejorar la
consistencia interna del test.
2) Un análisis factorial para conocer la validez factorial (en este caso, analizando las dos
escalas conjuntamente). A partir de los resultados del análisis factorial puede
decidirse la eliminación de ítems que no pesan en el factor teórico (factor en el que
debieran pesar, según la teoría psicológica).
3) Finalmente se estudiarán las garantías que ofrece cada una de las dos escalas, tras la
depuración de ítems. Obteniendo:
a. Las correlaciones ítem-resto del test de los ítems en las escalas definitivas.
b. Los indicadores de fiabilidad de las puntuaciones en las escalas definitivas.
c. Un baremo en centiles de una de las escalas (la que tenga más ítems).
Segunda práctica 2019-20
11
2.4.1 Análisis clásico de los ítems y de la fiabilidad de las puntuaciones en las escalas iniciales
*Obtención de medias, varianzas y correlaciones ítem-resto del test
En este apartado se ilustran los análisis para la escala 2 (Hostilidad). En nuestro ejemplo, la
escala 2 está formada por los ítems del 11 hasta 20. Para llevar a cabo el análisis INICIAL de
los 10 ítems en el SPSS se selecciona el menú Analizar -> Escalas -> Análisis de fiabilidad.
Seleccionamos los diez ítems y quedará la siguiente ventana como muestra la figura:
Para el análisis de ítems se pulsa el botón Estadísticos y aparece el siguiente cuadro de
diálogo. Se marcan las opciones señaladas:
Si se ejecutan las selecciones que aparecen señaladas en el cuadro de diálogo de la figura
Segunda práctica 2019-20
12
anterior, el SPSS proporciona una salida de resultados que contiene toda la información
necesaria para realizar el análisis de los ítems y determinar los que constituyen el test definitivo.
Los resultados correspondientes a los datos del ejemplo se muestran en las tablas siguientes.
Como puede verse en la Tabla 1, en primer lugar, se obtiene una serie de estadísticos
descriptivos para cada ítem: la media, la desviación típica y el número de personas que han
respondido al ítem. Las medias de nuestro ejemplo están comprendidas entre 1.97 del ítem 20
y 3.43 del ítem 12. El ítem 14 tiene la mayor desviación típica, 1.26. En este caso, el valor
máximo teórico de la desviación típica sería 2, que puede calcularse como la raíz de
0.5*(1-3)2+0.5*(5-3)2
que correspondería a un ítem en el que la muestra se reparte entre las dos categorías más
extremas (1 y 5).
Tabla 1. Estadísticos descriptivos para los 10 ítems del test inicial.
Estadísticas de elemento
Desviación
Media
estándar
N
r11
2.81
1.11
200
p12
3.43
1.02
200
r13
2.95
1.14
200
p14
2.88
1.26
200
p15
2.98
1.12
200
p16
2.46
1.01
200
p17
2.36
1.09
200
p18
2.84
1.11
200
r19
2.84
1.08
200
p20
1.97
1.19
200
La relación entre cada ítem y el test se muestra en la Tabla 2. La primera columna
contiene la puntuación media en test si eliminamos el ítem. Por ejemplo, si eliminamos el ítem
11 la media del test seria 24.69. La siguiente columna es la varianza del test si eliminamos el
ítem. Por ejemplo, si eliminamos el ítem 15 la varianza del test sería 37.60. La columna tercera
contiene la correlación ítem-resto del test. Por ejemplo, la correlación ítem-resto del test para
el ítem 11es 0.305, lo que nos indica que hay relación entre este ítem y los restantes. La cuarta
columna contiene la correlación múltiple al cuadrado; es decir, el grado en que se puede
predecir la puntuación en el ítem a partir de las puntuaciones en los restantes ítems. Tal y como
era de esperar, el ítem 11, que tiene la correlación ítem-resto del test más baja, es el que peor
Segunda práctica 2019-20
13
se predice a partir del resto de los ítems. Su correlación múltiple al cuadrado es 0.120. La última
columna contiene el coeficiente  de Cronbach si eliminamos el ítem. Por ejemplo, eliminar
el ítem 11 provocaría que el coeficiente  de Cronbach pasase a ser 0.813 en el test de 9 ítems.
Tabla 2. Estadísticos total – elemento.
Estadísticas de total de elemento
Varianza de
Alfa de
Media de escala
escala si el
Correlación total
Correlación
Cronbach si el
si el elemento
elemento se ha
de elementos
múltiple al
elemento se ha
se ha suprimido
suprimido
corregida
cuadrado
suprimido
r11
24.69
40.57
.305
.120
.813
p12
24.06
40.16
.378
.159
.805
r13
24.55
35.70
.665
.503
.773
p14
24.62
37.13
.478
.341
.796
p15
24.52
37.60
.525
.397
.790
p16
25.03
38.96
.487
.291
.794
p17
25.14
36.85
.606
.433
.781
p18
24.65
38.98
.422
.207
.801
r19
24.65
37.09
.594
.471
.782
p20
25.53
38.15
.444
.295
.799
* Obtención de las propiedades psicométricas del test inicial
Para obtener el coeficiente  de Cronbach, se selecciona el menú de SPSS Analizar -> Escalas
-> Análisis de fiabilidad y en la pestaña Modelo se selecciona Alfa. En nuestro caso,
el coeficiente  de Cronbach del test inicial, compuesto por 10 ítems, aparece en la Tabla 3 y
alcanza un valor de 0.811, que indicaría una consistencia interna alta, especialmente si se
considera el reducido número de ítems de la escala.
Tabla 3. Coeficiente  de Cronbach del test inicial.
Estadísticas de fiabilidad
Alfa de
Cronbach
basada en
Alfa de
elementos
Cronbach
estandarizados
.811
.811
N de elementos
10
Segunda práctica 2019-20
14
También podemos informar sobre la consistencia interna del test calculando el
coeficiente de fiabilidad por el método de las dos mitades. Para ello, se selecciona el menú
Analizar -> Escalas -> Análisis de fiabilidad. Para dividir el test en primera mitad y segunda
mitad, debe introducir los ítems en orden:
Nótese que en la pestaña Modelo, se ha seleccionado Dos mitades. La salida contiene un
resumen de los estadísticos que obtenemos al dividir la escala en dos partes. La parte 1 está
formada por los ítems del 11 al 15 y la parte 2 por los ítems del 16 al 20.
El coeficiente de fiabilidad obtenido por este procedimiento se muestra en la Tabla 4. La
correlación entre las dos mitades del test vale 0.710. Aplicando la fórmula de SpearmanBrown, se obtiene que el coeficiente de fiabilidad de las puntuaciones en nuestra escala es de
0.83. Por lo tanto, el 83% de la varianza de las puntuaciones observadas es varianza de las
puntuaciones verdaderas. El 17% se debe al error de medida. Es, por tanto, un test con fiabilidad
alta y además de sólo 10 ítems.
Tabla 4. Coeficiente de fiabilidad por el método de las dos mitades del test inicial.
Estadísticas de fiabilidad
Parte 1
Valor
N de elementos
Parte 2
Valor
N de elementos
N total de elementos
Correlación entre formularios
Coeficiente de SpearmanLongitud igual
Brown
Longitud desigual
Coeficiente de dos mitades de Guttman
a. Los elementos son: r11, p12, r13, p14, p15.
b. Los elementos son: p16, p17, p18, r19, p20.
Alfa de Cronbach
.645
5a
.698
5b
10
.710
.830
.830
.830
Segunda práctica 2019-20
15
La Tabla 5 muestra datos descriptivos de las dos mitades. Es útil para determinar, por
ejemplo, si las dos formas tienen una media y varianza similar, como habría de ocurrir si son
formas paralelas. Con nuestros datos, vemos que tanto las medias (15.03 y 12.47), como las
desviaciones típicas (3,65 y 3,70) no parecen demasiado diferentes. A estos valores pueden
aplicarse los contrastes estadísticos estudiados para determinar si la diferencia es o no
significativa.
Tabla 5. Estadísticos resumen de las dos mitades.
Estadísticas de escala
Desviación
Media
Varianza
estándar
N de elementos
Parte 1
15.03
13.30
3.65
5a
Parte 2
12.47
13.66
3.70
5b
Ambas partes
27.49
46.09
6.79
10
a. Los elementos son: r11, p12, r13, p14, p15.
b. Los elementos son: p16, p17, p18, r19, p20.
* Selección de los ítems según el análisis clásico
Para obtener el test definitivo deberemos eliminar los ítems que no se comporten
adecuadamente. En nuestro caso, a partir de la Tabla 2, sería correcto mantener todos los ítems
ya que las correlaciones ítem-resto del test tiene un valor adecuado (p.ej., son mayores que 0.2)
y son estadísticamente distintas de cero, con N.C. del 95%, cuando r 
1.96
(véase Pardo y
n
San Martín1, 1998), siendo n el tamaño de la muestra. En nuestro ejemplo, con n = 200, son
significativamente distintas de cero las correlaciones mayores que 1.96/ 200 = 0.139. No
obstante, alternativamente, podríamos plantear la eliminación del ítem 11 ya que es el ítem con
menor valor en la correlación ítem-resto del test y se cumple que, al ser eliminado, el
coeficiente alfa del test de 9 ítems resultante es igual o mayor que el del test de 10 ítems, como
muestra la última columna de la Tabla 2.
1
Pardo, A. y San Martín, R. (1998). Análisis de datos en psicología II. Madrid: Pirámide.
Segunda práctica 2019-20
16
2.4.2 Estudio factorial
* Decidir el número de factores
Para determinar la validez factorial de nuestras escalas realizaremos un análisis factorial por
el método de máxima verosimilitud de los ítems de las dos escalas conjuntamente. Primero,
debemos decidir cuantos factores retener. En la presente práctica le proponemos el uso de dos
procedimientos: el análisis paralelo y el gráfico de sedimentación.
El método paralelo es un procedimiento para determinar el número de factores. Tras
aplicar la macro para SPSS de O’Connor2 (que se puede descargar de la página MOODLE de
los profesores), se obtienen los resultados de la Tabla 6. Muestran que el número de factores a
retener es 3, pues el autovalor empírico del factor 3 (1.574) es superior al autovalor aleatorio
medio (1.409) y centil 95 (1.478), mientras que el cuarto autovalor empírico (1.225) es inferior
a los correspondientes autovalores aleatorios (1.332 y 1.396). La gráfica que se muestra a
continuación de la Tabla 6 muestra los autovalores empíricos de los 20 ítems (trazo azul), y la
media (verde) y centil 95 (gris) de los datos aleatorios. Se aprecia que la curva azul está por
encima de las otras dos solo para los primeros 3 factores.
Tabla 6. Resultados del análisis paralelo.
Raw Data Eigenvalues, & Mean & Percentile Random Data Eigenvalues
Root
Raw Data
Means
Prcntyle
1.000000
6.087096
1.602012
1.719352
2.000000
1.841522
1.489941
1.562626
3.000000
1.574173
1.408725
1.478537
4.000000
1.225135
1.331765
1.396538
5.000000
1.069119
1.267548
1.315374
6.000000
.900920
1.202460
1.246943
7.000000
.859360
1.149450
1.208220
8.000000
.823077
1.093020
1.130403
9.000000
.744675
1.041324
1.087131
10.000000
.671988
.996537
1.041302
11.000000
.598384
.951364
.988324
12.000000
.574138
.904454
.957470
13.000000
.514590
.856643
.891516
14.000000
.495491
.807993
.851213
15.000000
.421684
.766766
.808571
16.000000
.373576
.722036
.761808
17.000000
.333721
.676760
.713859
18.000000
.325520
.629759
.660488
19.000000
.297565
.583661
.628570
20.000000
.268266
.517781
.568172
2
O'Connor, B. P. (2000). SPSS and SAS programs for determining the number of components using parallel
analysis and Velicer's MAP test. Behavior Research Methods, Instrumentation, and Computers, 32, 396-402.
Segunda práctica 2019-20
17
Finalmente, el método de sedimentación se puede aplicar a la curva azul y también
daría como solución 3 factores, pues el cambio importante de pendiente ocurre al pasar del
factor 4 al 3.
Por tanto, en este ejemplo, los dos procedimientos recomiendan retener 3 factores.
Para realizar el análisis factorial en SPSS, debe seleccionar el menú Reducción de dimensiones> Factor.
Segunda práctica 2019-20
18
En el botón Extracción, seleccione Máxima verosimilitud y el Número de factores a extraer
(en nuestro caso, tres):
En el botón Descriptivos del menú principal, seleccione las siguientes opciones:
Segunda práctica 2019-20
19
Si pedimos al programa que nos de la matriz de correlaciones reproducidas y los residuos
(pulsando en la pestaña “Descriptivos” y activando la casilla “Reproducida”), veremos que, en
valor absoluto, los mayores residuos son 0.283, correspondiente a los ítems 14 y 20, y 0.229,
entre los ítems 1 y 6, lo que podría indicar que el modelo de tres factores no reproduce bien las
relaciones entre esos ítems. Esto puede deberse a que esos ítems son demasiado parecidos
(p.ej., el ítem 1 es Creo que soy más nervioso que la mayoría y el ítem 6 es Los demás dicen
de mí que soy puro nervio). Por otro lado, el 79% de los residuos son inferiores a 0.05 y
prácticamente todos están por debajo de 0.10. A partir de todos estos resultados, puede
considerarse que el número de factores retenidos es razonablemente correcto.
* Obtener la solución con rotación oblicua
Se suele facilitar la interpretación si pedimos la matriz factorial rotada permitiendo
factores correlacionados. Para seleccionar la rotación oblicua seleccione en el botón Rotación
del menú principal la opción Oblimin directo:
Para interpretar los factores acudimos a las saturaciones que aparecen en la matriz de
configuración (Tabla 7). Se han sombreado las casillas con saturaciones mayores de 0.3, en
valor absoluto. Los ítems de la escala 2 (del 11 al 20) definen un factor como se esperaba por
la teoría (si bien los pesos de los ítems 14 y 16 son bajos y además ambos pesan
simultáneamente en otros factores). Los ítems de la escala 1 se dividen principalmente entre
Segunda práctica 2019-20
20
los factores 2 (1, 2, 3, 6, 7 y 8) y 3 (4, 7, 9 y 10), aunque el ítem 5 pesa en el factor 1. Recuerde
que esas saturaciones no son correlaciones, puesto que los factores están correlacionados.
Puesto que tenemos tres factores, no podemos sostener que se cumpla exactamente la
estructura teórica. Hay evidencia para la unidimensionalidad de la escala 2 (Hostilidad), pero
no para la escala 1 (Ansiedad), en la que los ítems se dividen en dos factores. Los ítems de
Ansiedad que pesan en el factor 2 tienen que ver con “ser puro nervio” o “estar en tensión”,
mientras que los que pesan en el factor 3 tienen que ver con “tener pensamientos recurrentes”
y “darle vueltas a las cosas”.
Tabla 7. Matriz factorial (saturaciones) de los factores rotados.
Matriz de patróna
Factor
1
2
3
p1
.165
.516
-.069
p2
-.111
.857
.075
p3
-.125
.796
.155
p4
.071
-.004
.627
r5
.327
.202
.031
p6
.237
.452
-.216
p7
.011
.374
.301
r8
.069
.637
.029
p9
.087
.197
.603
p10
.028
-.026
.650
r11
.338
.063
-.049
p12
.418
-.025
.002
r13
.677
-.018
.268
p14
.274
.259
.119
p15
.662
-.127
.097
p16
.249
.256
.268
p17
.694
.030
-.015
p18
.338
.139
.067
r19
.842
-.050
-.123
p20
.351
.035
.076
Escala de Ansiedad
Escala de Hostilidad
Las correlaciones entre los tres factores se muestran en la Tabla 8. En este caso, los tres
factores correlacionan entre sí (p.ej., la correlación entre los factores 1 y 2 es muy alta, r =
0.512). En el caso de que los factores tengan correlaciones bajas (por ejemplo, inferiores a 0,2)
se podría repetir el análisis probando un método de rotación ortogonal (p.ej., VARIMAX). Una
Segunda práctica 2019-20
21
ventaja de ese método sería que los pesos serían correlaciones (más fáciles de entender) y que
podrían obtenerse los porcentajes de varianza explicados por cada factor. Sin embargo, sólo es
aplicable si los factores son independientes.
Tabla 8. Matriz de correlaciones entre los factores
Matriz de correlaciones factorial
Factor
1
2
3
1
1.000
.512
.299
2
.512
1.000
.339
3
.299
.339
1.000
Método de extracción: máxima probabilidad.
Método de rotación: Oblimin con Normalización Kaiser.
En la Tabla 9 (tercera columna) se muestran las comunalidades o proporción de varianza
del ítem explicada por los factores comunes. La comunalidad del ítem 1 es 0.354, la del 2 es
0.693…. La mayor comunalidad corresponde al ítem 2, pues un 69% de su varianza es varianza
común (y solo un 31% es unicidad). El ítem con menos comunalidad y más unicidad es el ítem
11. Sería el menos relacionado con los demás ítems.
Tabla 9. Comunalidades tras la extracción de tres factores.
Comunalidades
Inicial
Extracción
p1
.465
.354
p2
.577
.693
p3
.577
.643
p4
.362
.422
r5
.282
.227
p6
.429
.320
p7
.308
.313
r8
.478
.470
p9
.490
.539
p10
.378
.423
r11
.173
.130
p12
.187
.165
r13
.557
.623
p14
.415
.269
p15
.428
.408
p16
.377
.351
p17
.448
.497
p18
.316
.205
r19
.545
.625
p20
.343
.160
Método de extracción: máxima
probabilidad.
Segunda práctica 2019-20
22
Finalmente, la Tabla 10 muestra (columna 7) la varianza explicada por los tres factores
rotados antes de la rotación (el 39.203%). Después de la rotación sabemos que el porcentaje de
varianza explicado por los tres factores rotados conjuntamente no cambia, por lo que sería
también 39.203% (aunque como los factores están correlacionados no podemos saber cuánto
explica cada uno por separado).
Tabla 10. Varianza explicada por los tres factores rotados.
Varianza total explicada
Sumas de extracción de cargas al
Sumas de rotación de
cuadrado
cargas al cuadradoa
Autovalores iniciales
% de
%
varianza
acumulado
% de
Factor
Total
Total
varianza
% acumulado
Total
1
6.087
30.435
30.435
5.500
27.501
27.501
4.338
2
1.842
9.208
39.643
1.319
6.593
34.093
4.191
3
1.574
7.871
47.514
1.022
5.110
39.203
2.606
4
1.225
6.126
53.640
5
1.069
5.346
58.985
6
.901
4.505
63.490
7
.859
4.297
67.787
8
.823
4.115
71.902
9
.745
3.723
75.625
10
.672
3.360
78.985
11
.598
2.992
81.977
12
.574
2.871
84.848
13
.515
2.573
87.421
14
.495
2.477
89.898
15
.422
2.108
92.007
16
.374
1.868
93.875
17
.334
1.669
95.543
18
.326
1.628
97.171
19
.298
1.488
98.659
20
.268
1.341
100.000
Método de extracción: máxima probabilidad.
a. Cuando los factores están correlacionados, las sumas de las cargas al cuadrado no se pueden añadir para
obtener una varianza total.
Segunda práctica 2019-20
23
La columna 8 nos informa de las Sumas de saturaciones al cuadrado de cada factor y
puede interpretarse como un indicador de la importancia de cada factor. Por ejemplo, el
promedio de los pesos al cuadrado en el factor 1 es 0.22 (=4.33/20) mientras que el promedio
de los pesos al cuadrado en el factor 3 es 0.130 (=2.606/20), por lo tanto, el primer factor tiene
más importancia ya que: a) hay más ítems con pesos claramente distintos de cero (i.e., mayores
que 0.3) y/o b) los ítems que pesan distinto de cero tienen saturaciones mayores.
A partir de los resultados obtenidos, se decidió que los ítems conformaran tres escalas:
-
Escala 1A (Ansiedad/Nerviosismo): ítems 1, 2, 3, 6, 7 y 8
-
Escala 1B (Obsesiones y pensamientos recurrentes): ítems 4, 9 y 10
-
Escala 2 (Hostilidad): ítems del 11, 12, 13, 14, 15, 17, 18, 19 y 20.
Con respecto al ítem 5 (Me sobresalto poco) no se consideró su inclusión en ninguna escala ya
que por su enunciado podría resultar un ítem de interpretación ambigua. Originalmente estaba
incluido en la Escala 1 (Ansiedad), pero pesa más alto en el Factor que se corresponde con la
Escala 2 (Hostilidad).
El ítem 16 (Me irrito por pequeñas contrariedades) no se incluyó en ninguna escala
pues pesa en varios factores y su peso en el factor 1 (Hostilidad), en el que teóricamente debería
pesar, es bajo (menor que 0.3) y menor que en los otros factores.
2.4.3 Estudio de las propiedades psicométricas de las escalas definitivas
Siguiendo los procedimientos descritos en el apartado 2.4.1, pueden obtenerse las correlaciones
ítem-resto del test y los indicadores de fiabilidad para las escalas definitivas. En nuestro caso,
se conformaron las escalas descritas en el apartado anterior. En nuestro caso, la escala 2
definitiva está compuesta por 9 ítems: 11, 12, 13, 14, 15, 17, 18, 19 y 20. La Tabla 11 contiene
las correlaciones ítem-resto del test final de nueve ítems. Todas son positivas y significativas.
Al eliminar cualquiera de los ítems (salvo el 11) se reduciría la consistencia interna del test
(coeficiente alfa = 0.794).
Segunda práctica 2019-20
24
Tabla 11. Estadísticos total – elemento de los nueve ítems del test final.
Estadísticas de total de elemento
Varianza de
Alfa de
Media de escala
escala si el
Correlación total
Correlación
Cronbach si el
si el elemento
elemento se ha
de elementos
múltiple al
elemento se ha
se ha suprimido
suprimido
corregida
cuadrado
suprimido
r11
22.23
33.696
.315
.118
.796
p12
21.60
33.446
.379
.158
.787
r13
22.09
29.509
.655
.489
.750
p14
22.16
30.859
.463
.331
.778
p15
22.06
31.243
.514
.385
.770
p17
22.68
30.480
.603
.425
.758
p18
22.19
32.620
.401
.182
.785
r19
22.19
30.489
.611
.465
.757
p20
23.06
31.820
.426
.285
.782
La Tabla 12 contiene la media, varianza y el coeficiente  del test final. En el test inicial,
el coeficiente  era de 0.811. En el test final, el coeficiente  alcanza un valor de 0.794. Por
lo tanto, al eliminar el ítem 16 la consistencia interna se reduce por ser el test más corto.
Recordemos que el ítem 16 se elimina no por su correlación ítem-resto del test (que era
adecuada) sino por su comportamiento factorialmente complejo.
El coeficiente alfa obtenido (0.794) es un valor alto, indicando que el test tiene
consistencia interna media-alta. Los ítems covarían fuertemente entre sí y, en general, todos
ayudan a medir lo que mide el test.
Tabla 12. Media, varianza y coeficiente  de Cronbach del test final.
Estadísticas de escala
Media Varianza
25.03
Desviación
N de
estándar
elementos
38.96
6.24
9
Estadísticas de fiabilidad
Alfa de Cronbach
basada en elementos
Alfa de Cronbach
.794
estandarizados
.795
N de elementos
9
Los estadísticos descriptivos de las dos mitades y el coeficiente de fiabilidad obtenido
Segunda práctica 2019-20
25
por el método de las dos mitades se muestran en la Tabla 13. En este caso se han divido los
ítems en primera mitad y segunda mitad.
Tabla 13. Estadísticos resumen de las dos mitades y coeficiente de fiabilidad por el
método de las dos mitades del test definitivo.
Estadísticas de fiabilidad
Alfa de Cronbach
Parte 1
Valor
N de elementos
Parte 2
Valor
N de elementos
N total de elementos
Correlación entre formularios
.645
5a
.649
4b
9
.696
Coeficiente de Spearman-
Longitud igual
.821
Brown
Longitud desigual
.822
Coeficiente de dos mitades de Guttman
.815
a. Los elementos son: r11, p12, r13, p14, p15.
b. Los elementos son: p17, p18, r19, p20.
La correlación entre las dos mitades del test vale 0.696. En este caso, el coeficiente de
fiabilidad por el método de las dos mitades es 0.822 (ver longitud desigual). Por lo tanto, el
82% de la varianza de las puntuaciones observadas es varianza de las puntuaciones verdaderas.
El 18% se debe al error de medida. Es, por tanto, un test con fiabilidad alta y además de sólo 9
ítems.
2.4.4 Baremos
Para terminar, se muestran los estadísticos descriptivos de una de las escalas (la que tenga más
ítems) y la distribución de frecuencias que permiten calcular los baremos de esa escala. Primero
debe crear la puntuación Total en esa escala, sumando los ítems (en el menú de SPSS,
Transformar -> Calcular). Por ejemplo, para crear la puntuación en la Escala 2 definitiva:
Segunda práctica 2019-20
26
A continuación, se obtiene una Tabla de frecuencias para las puntuaciones en la escala. Para
ello, se selecciona el menú Analizar -> Estadísticos descriptivos -> Frecuencias, marcando las
opciones “Media” y “Desviación típica” en la ventana de “Estadísticos”.
A modo de ejemplo, la Tabla 14 muestra los resultados obtenidos para la Escala 2. Por
ejemplo, en nuestro test, aplicando lo visto en el capítulo 7, el rango centil que corresponde a
la puntuación 20 es 22 (es decir, C22 = 20), pues el porcentaje acumulado de la puntuación 19
es 18 y el porcentaje de 20 es 8 (18 + 8/2 = 22). La puntuación típica que corresponde a 20 es
-0.81 (= (20-25.035) /6.242)).
Las puntuaciones en las escalas T y D son 42 (=10(-0.81) +50) y 34 (=20(-0.81) +50).
La puntuación 20 es una puntuación baja, pues está 0.81 desviaciones típicas por debajo de la
media. Una vez obtenidos todos los resultados deberán guardarse en el fichero PRAC2.SPO,
utilizando para ello el menú Archivo -> Guardar.
Tabla 14. Descriptivos y distribución de frecuencias de nuestro test.
Estadísticos
Escala2
N
Válido
Perdidos
Media
Desviación estándar
200
0
25.0350
6.24168
Segunda práctica 2019-20
Escala2
Frecuencia
Válido
Porcentaje
Porcentaje
Porcentaje
válido
acumulado
11.00
1
.5
.5
.5
12.00
2
1.0
1.0
1.5
13.00
2
1.0
1.0
2.5
14.00
2
1.0
1.0
3.5
15.00
1
.5
.5
4.0
16.00
9
4.5
4.5
8.5
17.00
1
.5
.5
9.0
18.00
9
4.5
4.5
13.5
19.00
9
4.5
4.5
18.0
20.00
16
8.0
8.0
26.0
21.00
10
5.0
5.0
31.0
22.00
15
7.5
7.5
38.5
23.00
9
4.5
4.5
43.0
24.00
18
9.0
9.0
52.0
25.00
7
3.5
3.5
55.5
26.00
10
5.0
5.0
60.5
27.00
13
6.5
6.5
67.0
28.00
11
5.5
5.5
72.5
29.00
12
6.0
6.0
78.5
30.00
5
2.5
2.5
81.0
31.00
6
3.0
3.0
84.0
32.00
2
1.0
1.0
85.0
33.00
5
2.5
2.5
87.5
34.00
3
1.5
1.5
89.0
35.00
10
5.0
5.0
94.0
36.00
4
2.0
2.0
96.0
37.00
3
1.5
1.5
97.5
38.00
1
.5
.5
98.0
39.00
2
1.0
1.0
99.0
40.00
2
1.0
1.0
100.0
Total
200
100.0
100.0
27
Segunda práctica 2019-20
28
2.5 ELABORACIÓN DEL INFORME
Una vez realizados todos los análisis, los grupos redactarán un trabajo en el que se
describa el proceso seguido, comentando los resultados obtenidos. En el apartado 4 (Hoja de
valoración) se describe detenidamente cómo se va a evaluar cada apartado. Su lectura informa
de los aspectos y contenidos que deben tenerse en cuenta a la hora de la redacción del informe.
Es importante que antes de empezar a construir el informe lea las observaciones que
aparecen al principio de la hoja de valoración.
Las primeras hojas del trabajo TIENEN QUE SER LAS HOJAS DE VALORACIÓN,
que aparecen en las últimas páginas de este documento, y que pueden descargarse de la página
MOODLE de los profesores. En la primera hoja habréis de rellenar los datos que se os pide.
Cada grupo debe conservar una copia de su trabajo, ya que tras la corrección solamente se
devolverá la evaluación y comentarios oportunos.
A continuación, en la hoja siguiente, debe constar el título del test y LOS INTEGRANTES
DEL GRUPO.
Además del informe en papel (grapado, sin carpetas), cada grupo deberá entregar un
fichero ZIP, utilizando la plataforma MOODLE, con el nombre Pr2_X.zip, siendo X el
número de grupo, con los siguientes archivos: el fichero de datos SPSS que ha generado (es
decir, que contenga todas las variables), el fichero de resultados SPSS, el test y el informe.
El informe en sí debe incluir los siguientes apartados:
1. Objetivos de las escalas y contenido de los ítems
En este apartado deben especificarse los rasgos que se miden, con una definición lo más
operativa posible de los mismos. Se deben especificar los ítems que miden cada rasgo
y, en su caso, si lo hacen de modo directo o inverso.
2. Análisis de ítems y fiabilidad del test inicial
Para cada ítem hay que especificar su varianza, media y su correlación ítem-resto del
test. Hay que explicar detalladamente el proceso seguido para determinar cuántos y qué
ítems han de eliminarse de cada escala, según los resultados del análisis clásico de ítems
Segunda práctica 2019-20
29
(i.e., atendiendo a sus varianzas, correlaciones ítem-test corregidas y consistencia
interna cuando se elimina el ítem). El número de ítems a eliminar no está
predeterminado. Cada grupo ha de decidir si ha de eliminar alguno o no, y cuáles (dado
que el número de ítems de partida es bajo, es preferible eliminar pocos ítems).
Adjuntar, interpretar y evaluar el coeficiente de fiabilidad y el coeficiente alfa
obtenidos para las escalas iniciales. Es importante que se haga una interpretación
precisa de estos índices.
3. Validez del test
Comentar los resultados de la estructura factorial, para establecer qué dimensiones
miden las escalas. Hay que informar de lo siguiente:
a) Cuantos factores se han extraído o retenido.
b) Significado e importancia de cada factor.
c) Conviene también considerar si los factores encontrados tienen o no relación
con las escalas que se han definido.
d) A partir de los resultados del análisis factorial, qué escalas formaría a partir del
conjunto de ítems.
e) Si eliminaría algún ítem adicionalmente, entre los no considerados en el
apartado 2.
4. Análisis de ítems y fiabilidad del test final
Para cada ítem hay que especificar su correlación ítem-resto en el test definitivo.
Adjuntar, interpretar y evaluar el coeficiente de fiabilidad y el coeficiente alfa obtenidos
para las escalas finales. Es importante que se haga una interpretación precisa de estos
índices.
5. Baremos
Incluir una tabla que muestre los estadísticos y distribución de frecuencias de las
puntuaciones en una de las escalas (Tabla 14, en este documento). Explicar el
significado de la particular Tabla 14 obtenida. Obtener e interpretar el rango centil, la
puntuación típica y las puntuaciones T y D que corresponderían a una de las
puntuaciones en el test.
Segunda práctica 2019-20
30
6. Apéndice
En un apéndice debe incluirse el test y el archivo PRAC2.SPO que contiene los análisis
realizados. Cada grupo debe incluir en su informe toda esta información y en este orden.
Se ruega paginar el trabajo.
La fecha límite de entrega de la Práctica 2 es el 20 de diciembre.
3. EVALUACIÓN
La realización de esta práctica es obligatoria para poder presentarse al examen. La práctica se
valorará desde 0 hasta 0.75 puntos. En la Guía Docente se indica cómo se obtiene la puntuación
final en las convocatorias ordinaria y extraordinaria.
Segunda práctica 2019-20
31
4. HOJA DE VALORACIÓN
(A RELLENAR POR LOS ALUMNOS)
INTEGRANTES:
Nombre y apellidos (en mayúsculas)
GRUPO
1
2
3
4
5
(A RELLENAR POR EL PROFESOR)
Observaciones generales:
1) Este trabajo será finalmente valorado hasta 0.75 puntos de la calificación final de la
asignatura.
2) Si existieran errores en la codificación de respuestas que dieran lugar a resultados
aberrantes en los indicadores psicométricos, y éstos no fueran detectados, la valoración
final del trabajo será cero.
VALORACIÓN
CRITERIO
0
1
2
1)
CUANTIFICACIÓN
DE RESPUESTAS
Valoración:
Ha habido errores importantes
ya que no se han recodificado
los ítems inversos.
Errores puntuales en la
codificación: algún ítem mal
cuantificado.
Codificación correcta de las
respuestas a los ítems inversos.
2)
ANÁLISIS DE LOS
ÍTEMS:
medias y varianzas
Valoración:
No se han obtenido las medias
y varianzas de los ítems o no se
informa en detalle
del
significado de estos valores
para cada uno de los ítems.
Se han obtenido las medias y
varianzas, aunque no se
interpreta de forma adecuada
los valores individuales de cada
uno de los ítems.
Se interpreta con detalle, y de forma
adecuada
al
contenido
correspondiente,
la
diferente
cuantía de las medias y varianzas
que tiene la muestra en cada uno de
los ítems.
3)
ANÁLISIS DE LOS
ÍTEMS:
Correlación
ítemresto del test
Valoración:
No se han obtenido las
correlaciones ítem-resto de
forma correcta o no se informa
con detalle de su significado.
Las correlaciones ítem-resto
están bien calculadas, aunque la
interpretación de su cuantía no
es correcta.
Las correlaciones ítem-resto se
obtienen de forma correcta. La
interpretación de los valores
obtenidos es rigurosa, indicando su
repercusión en la fiabilidad de las
escalas.
Segunda práctica 2019-20
32
La selección de ítems no es
adecuada, porque se eligen
ítems para
las escalas
definitivas que no son los
mejores.
Los ítems seleccionados son los
que deben ser, aunque la
argumentación
sobre
las
razones que llevan a tal
selección no es suficiente, o no
se comenta en detalle los
cambios que se producen en los
indicadores de los ítems cuando
forman parte de las escalas
definitivas.
Los ítems seleccionados son los
adecuados, se da cuenta de las
razones métricas para eliminar los
ítems rechazados y de las
repercusiones que esto puede tener
en la fiabilidad y validez. Se
obtienen
los
indicadores
psicométricos de los ítems que
forman las escalas definitivas y se
comentan adecuadamente sus
diferencias respecto a los valores
que tenían inicialmente.
Se
obtienen
de
modo
incorrecto los coeficientes  de
Cronbach, no se interpretan o
se interpretan de manera
inadecuada.
Los coeficientes  de Cronbach
son los correctos, pero no se
interpretan de forma correcta
atendiendo a la consistencia de
las escalas, o no se comentan
las diferencias entre los valores
iniciales y los definitivos.
Los coeficientes  de Cronbach son
los correctos, se interpretan de
forma correcta y se comentan bien
las razones de las diferencias entre
los valores iniciales y definitivos.
6)
FIABILIDAD:
Consistencia de las
dos mitades
Valoración:
Se
obtienen
de
modo
incorrecto los coeficientes de
fiabilidad mediante el método
de las dos mitades, no se
interpretan o se interpretan de
manera inadecuada.
Los coeficientes de fiabilidad
son los correctos, pero no se
interpretan
de
manera
adecuada.
Los coeficientes de fiabilidad son
los correctos y se interpretan de
manera adecuada. Se comenta
correctamente la influencia en los
coeficientes de factores como el
tamaño y la varianza de los rasgos
medidos.
7)
FIABILIDAD:
Nuevas propuestas
No se incluyen nuevas
propuestas para mejorar la
fiabilidad de las escalas.
Algunas de las propuestas
planteadas requieren mayor
concreción, dado que sólo se
apuntan ciertas ideas sin
operativizarlas.
Se
plantean
procedimientos
adecuados
de
mejora,
se
argumentan y se comentan las
dificultades
previsibles
para
obtener dicha mejora. Se aplica la
fórmula de Spearman-Brown para
estudiar la fiabilidad de alguna
escala si se incrementara su
longitud.
No se aplica bien la técnica del
análisis factorial, porque no se
retienen
los
factores
adecuadamente.
Se retiene el número de factores
adecuado pero no se justifica
adecuadamente la decisión
utilizando toda la información
disponible.
Se retiene el número de factores
adecuado justificando la decisión
con toda la información disponible.
Se
aplican
e
interpretan
adecuadamente el método paralelo
y el gráfico de sedimentación.
No se aplica bien la técnica del
análisis factorial, porque no se
rotan los factores para su
interpretación.
Se realiza la rotación ortogonal,
pero no la rotación oblicua.
Se realiza la rotación oblicua. Se
comentan
correctamente
las
consecuencias de la estrategia de
rotación en las correlaciones
obtenidas entre los factores.
Se aplica bien la técnica del
análisis factorial pero no se
interpreta bien la importancia
de cada factor ni las
comunalidades
de
las
variables.
Se comenta adecuadamente la
importancia de cada factor,
pero no se interpretan las
comunalidades de las variables.
Se obtiene e interpreta bien la
importancia de cada factor. Se
obtienen e interpretan bien las
comunalidades de las variables. En
el caso de rotación oblicua se indica
que no se pueden ofrecer los
porcentajes de varianza que cada
factor explica. Si los factores son
ortogonales, se realiza la rotación
VARIMAX.
4)
SELECCIÓN
LOS ÍTEMS
DE
Valoración:
5)
FIABILIDAD:
Consistencia interna
global
Valoración:
Valoración:
8)
VALIDEZ
FACTORIAL:
Decisiones sobre el
número de factores
Valoración:
9)
VALIDEZ
FACTORIAL:
Decisiones sobre la
rotación
Valoración:
10)
VALIDEZ
FACTORIAL:
Interpretación de los
porcentajes
de
varianza explicados
por los factores
Valoración:
Segunda práctica 2019-20
33
del
los
No se hace un esfuerzo por
interpretar el significado de los
factores, atendiendo a las
saturaciones de los factores
rotados. Se interpreta la matriz
factorial sin rotar.
Aunque se ha intentado dar un
significado a los factores, no se
realiza un análisis desde las
previsiones teóricas que se
tenían según las escalas
analizadas. El grupo no ha sido
capaz de identificar el sentido
de alguno de los factores.
La interpretación es muy adecuada,
atendiendo al contenido de los ítems
con saturaciones altas en cada
factor. Se da una buena
argumentación sobre la coherencia
entre las previsiones teóricas y los
resultados empíricos. En la rotación
oblicua,
se
comentan
las
correlaciones entre los factores.
e
Los
descriptivos
y
la
distribución de frecuencias de
la escala elegida han sido mal
obtenidos en SPSS.
Los
descriptivos
y
la
distribución
están
bien
obtenidos. No se obtienen o se
interpretan mal el rango centil y
las puntuaciones Z, T y D que
corresponden a una de las
puntuaciones de la escala
elegida.
Los descriptivos y la distribución
están bien obtenidos. Se obtienen y
se interpretan bien el rango centil y
las puntuaciones Z, T y D que
corresponden a una de las
puntuaciones en la escala elegida.
13)
CALIDAD
DEL
INFORME:
Uso riguroso de
conceptos
Valoración:
En partes importantes del
informe no se emplean los
conceptos psicométricos
o
metodológicos adecuados para
dar cuenta con palabras de los
resultados
del
estudio
psicométrico.
En algunas ocasiones no se
emplean
los
conceptos
psicométricos
adecuados.
Aparecen ciertas expresiones
de uso coloquial no pertinentes
para un informe científico.
Los conceptos empleados
pertinentes,
así
como
interpretación.
14)
CALIDAD
INFORME:
Orden
Valoración:
No
existe
una
buena
organización en el informe:
reiteraciones no pertinentes,
contenidos expresados en un
orden inadecuado. No se
pagina.
Existe una buena organización
en general, aunque aparecen
algunas
reiteraciones
o
desórdenes puntuales.
La organización es la adecuada, no
aparecen
reiteraciones
no
pertinentes, se confeccionan tablas
o figuras a las que se hacen
referencia en el texto escrito. Se
pagina.
La presentación en PowerPoint
es pobre (fuentes y colores mal
elegidos, información mal
organizada, etc.). No se cuida
la exposición verbal (se lee el
discurso, no se mira a la
audiencia, etc.). La exposición
no se ajusta al tiempo.
En general la presentación en
PowerPoint y el discurso verbal
son
adecuados.
Errores
puntuales. La exposición no se
ajusta al tiempo. Sólo parte del
grupo presenta la práctica.
La presentación no está bien
organizada. No se responde
correctamente a las preguntas
formuladas.
La presentación está bien
organizada pero no se responde
correctamente
a
algunas
preguntas del profesor y/o sobra
o falta alguna información
La presentación en PowerPoint y la
presentación verbal son adecuadas.
Se elaboran tablas y figuras, los
números son visibles, el discurso
verbal se coordina correctamente
con la información en el PowerPoint, etc. La exposición se ajusta al
tiempo. Todos los miembros del
grupo participan en la exposición de
la práctica.
La estructura de la comunicación es
adecuada. La información mostrada
se ajusta a los objetivos de la
exposición.
Se
responde
correctamente a las preguntas del
profesor y audiencia.
11)
VALIDEZ
FACTORIAL:
Interpretación
significado de
factores
Valoración:
12)
BAREMOS:
Adecuación
interpretación
Valoración:
DEL
15)
EXPOSICIÓN
DE
LA PRÁCTICA:
Asistencia y aspectos
formales
Valoración:
16)
EXPOSICIÓN
DE
LA PRÁCTICA:
Contenidos
Valoración:
VALORACIÓN FINAL:
(Escala 0 – 32):
(Escala 0 – 0.75):
son
su
Descargar