An Evaluation of Methods for Assessing Model Fit for Bayesian Diagnostic Classification Models

Estudio de simulación que evalúa métodos para valorar el ajuste de modelo en modelos bayesianos de clasificación diagnóstica (DCM). Los modelos de clasificación diagnóstica son modelos psicométricos que estiman la presencia o ausencia de rasgos psicológicos o dominio de habilidades específicas. La evaluación del ajuste del modelo es crítica para cualquier aplicación práctica. El autor compara el desempeño de medidas tradicionales de ajuste basadas en información limitada con métodos bayesianos. Los resultados indican que los índices bayesianos superan a los índices tradicionales, particularmente en la identificación de desajuste de modelo como positivos verdaderos. Además, los métodos bayesianos para comparación de modelos también mostraron mejor desempeño que los métodos tradicionales de máxima verosimilitud. Los hallazgos sugieren que los métodos bayesianos ofrecen una evaluación superior del ajuste de modelo.

Puntos clave

• Los modelos de clasificación diagnóstica (DCM) estiman la presencia o ausencia de rasgos psicológicos y dominio de habilidades específicas, permitiendo evaluaciones diagnósticas detalladas.
• Los métodos bayesianos para evaluar ajuste de modelo producen más positivos verdaderos en la detección de desajuste que los índices tradicionales de información limitada.
• La comparación de modelos mediante métodos bayesianos demostró mejor desempeño que los métodos de máxima verosimilitud tradicionalmente utilizados con DCM.

Para quién: Psicómetras, investigadores en psicometría y docentes de metodología interesados en mejorar la evaluación de modelos de clasificación diagnóstica mediante enfoques bayesianos.