Escolar Documentos
Profissional Documentos
Cultura Documentos
Franzé Costa
Fundamentos
Na Teoria Clássica da Medida (TCM), o nível (ou, em outras
palavras, a intensidade) de um construto latente mensurado
por múltiplos itens é estimado a partir da soma dos escores
(ponderados ou não) desse conjunto de itens
o Pela ‘teoria da amostra de domínio’, se houver
adequação de validade e confiabilidade, qualquer item
pode ser substituído por outro ou excluído, sem que isso
represente impacto na mensuração
o Não são considerados, portanto, maiores aspectos
específicos dos itens.
1
Fundamentos
No entanto,
o há itens que variam de forma diferenciada a depender da
maior ou menor presença/manifestação do construto
latente.
• Ex: uma ‘variação unitária’ de nível de qualidade de
serviço pode gerar um efeito maior em um item que
em outros
o há ainda itens que requerem maior presença ou
manifestação do construto para que o sujeito alcance um
‘escore’ elevado
o e há escores que podem ser indicados de forma
totalmente aleatória
Fundamentos
Nesses termos, parece razoável crer que certos itens, por suas
características, não são substituíveis por outros sem alteração
na medida do construto,
o E, também, que a exclusão de diferentes itens tenha efeitos
variados na aferição da magnitude de um construto latente
Ou seja, em lugar de recepcionar uma pressuposição de que a
métrica final de um construto poderá ser obtida a partir da escala
somada dos itens, podemos considerar as características
específicas dos itens
o E em lugar de verificar um item por seu escore como
sinalizador (refletivo) da magnitude do construto, tomamos
o escore como manifestação empírica associada à
intensidade do fator latente E às características do item
2
Fundamentos
A Teoria da Resposta ao Item (TRI) redireciona a visão do conjunto de
itens para os item em particular, a partir de uma lógica conceitualmente
simples (embora matematicamente complexa):
o Definimos um modelo probabilístico...
• Ou seja, adotamos um modelo matemático baseado no conceito de
probabilidades
o ... que associa a intensidade do construto latente, juntamente com
outras potenciais características específicas...
• Admitimos, portanto, que o construto latente tem intensidade
variável e que os itens têm especificidades
o ... com a probabilidade de uma ‘dada resposta’ em um item específico
• Temos a suposição de que, por exemplo, a presença de mais
conhecimento gera mais respostas corretas; que o nível de
maturidade tecnológica gera mais respostas ‘sim’ (entre sim ou não)
na pergunta “a organização conhece as novas tecnologias?”
Fundamentos
VEJA BEM: a resposta ‘certa’ NÃO depende APENAS da intensidade
do construto latente.
A TRI toma como princípio fundamental que a probabilidade de um
respondente apontar a presença de uma dimensão latente (uma
resposta certa, a posse de uma habilidade, a presença de um
competência...) em um item é função de ao menos quatro elementos:
o O nível do traço latente do respondente, representado por 𝜃 (theta)
o Um parâmetro de discriminação entre detentores de diferentes níveis
do traço latente, representado por a (normalmente chamado de
parâmetro de declividade – slope)
o Um parâmetro de dificuldade associada ao item, representado por b
(normalmente chamado de parâmetro de locação)
o Um parâmetro de ‘indicação aleatória’, associado à evidência da
presença do traço latente mesmo em sua ausência, associado ao item,
representado por c (também chamado de assíntota inferior)
3
Fundamentos
Na modelagem da TRI, a expressão de probabilidade é, em geral,
definida pela função de distribuição logística, e tem formulação a partir
da quantidade de parâmetros associados ao item admitidos
o Relevante: esta função é uma escolha de modelagem.
o Poderia ser outra, mas essa tem sentido e funciona bem
Temos, para o modelo de resposta binária com três parâmetros,
considerando p itens e n sujeitos, a formulação, chamada ‘item response
function - IRF’, é a seguinte:
1
𝑃 𝑈 = 1 𝜃 , 𝑎 , 𝑏 , 𝑐 = 𝑐 + (1 − 𝑐 ) ( )
1+𝑒
Em que 𝑖 = 1, 2, … , 𝑝 são os itens, e 𝑗 = 1, 2, … , 𝑛, e D = 1,0 ou 1,7
Fundamentos: interpretando
parâmetros
O parâmetro de discriminação (a) indica o quanto um item é
capaz de distinguir uma pessoa que possui um dado nível de traço
latente de outra com um nível maior ou menor
o Valores mais elevados de a indicam que o item discrimina
mais
o Deste modo, a variação unitária de habilidade em um item
com maior poder de discriminação gera um incremento mais
elevado de probabilidade de manifestação do construto
o Noutras palavras, este parâmetro indica, naquele item
específico, o quanto quem sabe mais consegue se diferenciar
de quem sabe menos
4
Fundamentos: interpretando
parâmetros
O parâmetro de dificuldade (b) indica a intensidade de presença
do traço latente necessária para a probabilidade de 50% (fora a
indicação aleatória) de manifestação do traço latente
o Valores mais elevados de b indicam itens mais difíceis,
pois se requer mais domínio do traço para que tenhamos a
chance de 50% (afora o acerto aleatório) de demonstrar
presença do traço latente
o Este parâmetro é o reflexo ‘matemático-estatístico’ da lógica
da dificuldade
• De fato, se um item é mais difícil, menor é a chance de que
as pessoas acertem, ou seja, manifestem possuir o traço
latente
• Para efeito de modelagem, a medida de probabilidade de
referência é 50% de chance de acertar
Fundamentos: interpretando
parâmetros
O parâmetro de acerto aleatório (c), que está associado à chance
de um sujeito sinalizar que possui a presença do traço latente,
mesmo que não o possua.
o No caso de provas de conhecimento, concerne à probabilidade
de o sujeito acertar no ‘chute’
o Observe que esse parâmetro tem mais sentido ‘lógico’ em
avaliações educacionais, mas não há problema em avaliar em
outros construtos
10
5
Fundamentos: exemplos
• Exemplo de um item com a=1,0, b=0,0 e c=0,25.
• Nesse caso, a probabilidade associada b é de 0,625 (0,25 +(1,00-0,25)/2)
• A forma da curva de probabilidade de acerto em função de teta se define
por esses parâmetros.
• Essa é a Curva Característica do Item - CCI
11
Fundamentos: exemplos
• Exemplo de dois itens com diferentes valores de b
• Veja que o item 2 requer uma intensidade de traço latente maior que o
item 1 para uma probabilidade de demonstração de acerto de 0,5, afora
o acerto aleatório
12
6
Interpretando parâmetros: um exemplo
13
14
7
Interpretando parâmetros: exemplo
para o traço latente
Mantenhamos fixos os valores de a em 1, b em -1 e de c em 0,20 e
oscilemos os valores de 𝜃. Teremos que
Valor de 𝜃 𝑃(𝑼 = 𝟏)
0,0 0.785
-2,0 0,415
-4,0 0,238
-6,0 0,205
15
16
8
Interpretando parâmetros: exemplo
para o parâmetro a
Valor do 𝑷 𝑼𝒋 = 𝟏 𝐜𝐨𝐦 𝜽 de -1 a 0 𝑷 𝑼𝒋 = 𝟏 𝐜𝐨𝐦 𝜽 de 1 a 2
parâmetro a
-1 0 ‘Salto’ 1 2 ‘Salto’
0,50 0,502 0,600 0,098 0,698 0,785 0,087
1,50 0,346 0,600 0,254 0,854 0,962 0,108
2,50 0,261 0,600 0,339 0,939 0,995 0,055
17
18
9
Interpretando parâmetros : exemplo
para o parâmetro c
Mantenhamos agora fixos os valores de a em 1 e b em -1, e oscilemos os
valores de c. Teremos, para um sujeito com nível de traço latente de
zero (𝜃=0), o seguinte:
Valor de c 𝑃(𝑼 = 𝟏)
0,00 0,731
0,10 0,758
0,20 0,785
0,25 0,798
19
COMPLEMENTO
20
10
TRI com mais de 3 parâmetros
Assim como se define o termo c, que representa uma assíntota
inferior e que define o nível de probabilidade de acerto mesmo
para níveis muito baixos de domínio do traço latente, é
possível definir um nível máximo de probabilidade, sob a
suposição de que, mesmo para níveis muito elevados de
presença do traço latente, ainda assim não é dado como certo o
acerto.
o Por exemplo, o nível de depressão induz a uma
manifestação de predisposição (sim ou não) ao suicídio.
o Mas ainda assim, mesmo para níveis muito elevados de
depressão, não é certo que o suicida aponte que tem essa
predisposição (ou que suicídio ocorra).
21
22
11
TRI com mais de 3 parâmetros
Teríamos nesse caso um valor f, maior que zero, que serve de
expoente do denominador da expressão principal, e que dará à
formulação a seguinte configuração
1
𝑃 𝑈 = 1 𝜃 , 𝑎, 𝑏, 𝑐, 𝑑, 𝑓 = 𝑐 + (𝑑 − 𝑐)
1+𝑒 ( ))
23
Dimensão processual
24
12
Dimensão processual: fundamentos e
ideias - retomando
Na Teoria Clássica, o foco é o escore total (somado; ver provas da
ANPAD, por exemplo), e na TRI é nas características do item
Na TRI é tomada a referência da probabilidade de o sujeito apresentar o
traço latente. Por exemplo:
o acertar uma questão quando tem ‘conhecimento do conteúdo’;
o adotar uma prática ativista quanto tem ‘engajamento com uma
causa’
o adotar uma prática de gestão de dados quando tem ‘maturidade
gerencial’
Ou seja, o traço latente concerne ao construto latente de interesse
Pela formulação adotada, teremos que a probabilidade da resposta certa
a um item é definida em função da presença do fator latente, assim como
dos parâmetros do item
25
26
13
Dimensão processual: fundamentos e
ideias
Do ponto de vista processual, são duas as etapas:
1. Com base nas respostas de uma amostra de respondente a um
conjunto de itens, estimamos os parâmetros de cada item (este
é o chamado ‘processo de calibração’)
2. Com base nas características dos itens, considerando as
respostas de cada pessoa, estimamos suas proficiências
individuais
A variável final, criada a partir das proficiências individuais, é
utilizada como medida do construto para efeito de análise de dados
Pela metodologia de estimação dos pacotes estatísticos, essa métrica
em geral é estimada em uma escala com média 0 e desvio padrão 1
o Logo, para mudar para outra escala, é necessário definir uma
fórmula de transformação, algo fácil, por sinal
27
28
14
Dimensão processual: operacionalização
estatística
Esses pressupostos são necessários para os procedimentos de
estimação de parâmetros
O pressuposto da invariância é especialmente relevante porque
permite supor que os parâmetros, por serem independentes da
população, devem ser os mesmos para quaisquer amostras
o Isso permite envolver diferentes escalas, desde que tenham
alguns itens iguais
o Permite ainda comparar diferentes respondentes, mesmo que
tenham respondido a ‘provas’ diferentes
o E esta é, portanto, uma das grandes vantagens da TRI, pois:
• Mantidos alguns itens iguais em diferentes provas, é possível
‘equalizar’ as notas de diferentes grupos de respondentes
• Embora seja possível proceder da mesma forma na TC, a TRI
oferta uma maior segurança na equalização
29
30
15
Dimensão processual: operacionalização
estatística
Após a extração são analisados os indicadores de qualidade dos
itens segundo os parâmetros da TRI
o Há uma variação de referenciais dependendo da área, do
autor, do tipo de pesquisa...
o Algumas referência convencionais:
• Parâmetro a – varia, normalmente, entre 0 e 3, sendo
adequados acima de 0,7 (menos que isso indica que o item
discrimina muito pouco)
• Parâmetro b – varia entre, normalmente, entre -3 e 3, sendo
aceitáveis entre -2 e 2 (nem muito fáceis e nem muito
difíceis)
• Parâmetro c – não há referência bem definida, e varia de
acordo com a natureza do construto sob análise
31
32
16
Dimensão processual: operacionalização
estatística
Sobre as curvas de informação
o Intuitivamente, dizemos que temos mais informação quando o item
consegue ser mais preciso na indicação do nível do traço latente
o Em TRI, como a probabilidade de acerto varia com o traço latente,
temos, portanto, um ‘montante de informação’ que varia com 𝜃
• Ou seja, temos níveis de ‘intensidade de informação’ dependendo
do nível do traço latente
o A finalidade da curva de informação do item é avaliar o
comportamento de ‘contribuição de informação’ do item para o
teste ao longo de 𝜽
• Essa curva tem, em geral, a forma de sino e permite ‘mapear’ as
intensidades do traço latente nas quais o item é mais informativo
e preciso
• Indica também, portanto, as faixas que o item é pouco ‘confiável’
o Comparando diferentes itens, observaremos que estes possuem
diferentes ‘níveis de informação’ a depender de seus parâmetros
33
34
17
Dimensão processual: operacionalização
estatística
Sobre as curvas de informação
o Além da informação de cada item, teremos o total de informação do
teste
o A função de informação do teste será definida a partir da soma das
funções de informação dos itens particulares
• Ou seja, para um teste com k itens, teremos
𝐼 𝜃 = 𝐼 𝜃
35
18