La visión clásica de la selección de items en TAls ha sido buscar el ítem con mejores propiedades métricas según el nivel de rasgo del examinado. Estudios como los presentados demuestran que la optimización secuencial, para cada nuevo ítem a presentar, no ha de suponer los mejores resultados al final de test. Por ello, métodos que no buscan el mejor ítem para cada posición pueden llevar a resultados en precisión equivalentes a los que sí lo hacen. Hemos ilustrado esto mediante tres métodos diferentes, el MRM, el método progresivo y el proporcional.
Hemos ofrecido también métodos que permiten mejorar la comparación entre reglas de selección, tanto para el caso en el que se dan por válidas las variables comúnmente empleadas para medir seguridad como en el caso de que se simule directamente filtrado de items.
De este modo, creemos haber ofrecido, por un lado, reglas que presentan un mejor funcionamiento que la regla de selección más común, y, por otro, modos nuevos de investigar en el campo de la seguridad en TAls.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados