Beyond psychometric assumptions : how to develop new psychological measures

Abstract

O que define uma boa medida? Na presente tese, argumentamos e mostramos que definir uma boa medida pode ser muito mais complexo do que simplesmente executar uma análise fatorial ou uma análise usando a teoria da resposta ao item. O objetivo geral desta dissertação é apresentar três principais pressupostos da medida psicométrica e desenvolver alternativas para a medida psicológica tradicional. A tese está dividida em quatro estudos. O primeiro é um estudo teórico no qual são apresentados três pressupostos centrais comuns à teoria psicométrica e à prática psicométrica, e no qual é mostrado como alternativas às abordagens psicométricas tradicionais podem ser usadas para melhorar a medição psicológica. Essas alternativas foram desenvolvidas adaptando cada um desses três pressupostos: (1) o pressuposto de validade estrutural; (2) o pressuposto do processo; e (3) o pressuposto de construto. O pressuposto de validade estrutural refere-se à implementação de modelos matemáticos. O pressuposto de processo implica que um processo subjacente específico está gerando os dados observados. O pressuposto de construto infere que os dados observados por si só não constituem uma medida, mas que as medidas são as variáveis latentes que originam os dados observados. Vários exemplos de abordagens psicométricas alternativas já existentes são apresentados no primeiro estudo. O segundo estudo se refere ao pressuposto de validade estrutural e teve como objetivo desenvolver dois novos modelos de resposta aos itens para itens politômicos e binários que não assumem uma distribuição normal dos escores verdadeiros. O primeiro modelo desenvolvido, o Modelo de resposta ao item condicional (CIRM), assume uma distribuição beta- binomial. O segundo novo modelo é uma implementação Bayesiana do procedimento de escore ótimo (OS-IRM). Ambos os novos modelos foram comparados com o modelo tradicional de Rasch: os resultados indicam que os dois modelos desenvolvidos melhoram vários aspectos do modelo de Rasch. O terceiro estudo foi derivado do pressuposto do processo e tinha três objetivos. Primeiro, desenvolver uma implementação Bayesiana do framework de análise da função de otimização situacional (SOFA). Segundo, comparar essa implementação Bayesiana do SOFA com outros três modelos baseados em Máxima Verossimilhança, usados para estimar escores verdadeiros. O terceiro objetivo foi mostrar como a modelagem conjunta pode ser usada para pesquisas de validade. Uma das principais vantagens do framework SOFA em comparação com a abordagem psicométrica tradicional é que o SOFA depende de dados experimentais, melhorando a validade das medidas. O quarto e último estudo foi derivado do pressuposto de construto e seu principal objetivo era desenvolver um procedimento de aprendizado de estrutura de gráficos de cadeia de potência (PCGs). Um PCG é um tipo de gráfico que representa relações causais entre grupos de variáveis. Pode ser pensado como uma versão exploratória completa da modelagem de equações estruturais, bem como um modelo psicométrico que não depende de variáveis latentes. Esses quatro estudos pretendem mostrar que a modelagem psicométrica não deve se restringir ao uso de modelos tradicionais de mensuração, mas também deve considerar a adaptação desses modelos tradicionais de acordo com o uso pretendido e os processos teóricos que originam as medidas observadas.