alerta Si el documento se presenta incompleto en el margen derecho, es que contiene tablas que rebasan el ancho predeterminado. Si es el caso, haga click aquí para visualizarlo correctamente.
 
DOF: 25/05/2017
CRITERIOS técnicos y de procedimiento para el análisis de los instrumentos de evaluación, el proceso de calificación y la emisión de resultados de la evaluación del desempeño del personal docente y técnico docente que ingresó en el ciclo escolar 2015-201

CRITERIOS técnicos y de procedimiento para el análisis de los instrumentos de evaluación, el proceso de calificación y la emisión de resultados de la evaluación del desempeño del personal docente y técnico docente que ingresó en el ciclo escolar 2015-2016 al término de su segundo año escolar en educación básica.

Al margen un logotipo, que dice: Instituto Nacional para la Evaluación de la Educación.- México.

CRITERIOS TÉCNICOS Y DE PROCEDIMIENTO PARA EL ANÁLISIS DE LOS INSTRUMENTOS DE EVALUACIÓN, EL PROCESO DE CALIFICACIÓN Y LA EMISIÓN DE RESULTADOS DE LA EVALUACIÓN DEL DESEMPEÑO DEL PERSONAL DOCENTE Y TÉCNICO DOCENTE QUE INGRESÓ EN EL CICLO ESCOLAR 2015-2016 AL TÉRMINO DE SU SEGUNDO AÑO ESCOLAR EN EDUCACIÓN BÁSICA.
El presente documento está dirigido a las autoridades educativas que implementan evaluaciones en el marco del Servicio Profesional Docente (SPD), desarrolladas por la Coordinación Nacional del Servicio Profesional Docente (CNSPD) y que regula el Instituto Nacional para la Evaluación de la Educación (INEE).
Así, y con fundamento en lo dispuesto en los artículos 3o. fracción IX de la Constitución Política de los Estados Unidos Mexicanos; 3, 7, fracción III, incisos b), f) y h) y VI de la Ley General del Servicio Profesional Docente; 22, 28, fracción X; 38, fracciones IX y XXII de la Ley del Instituto Nacional para la Evaluación de la Educación; Lineamientos para llevar a cabo la evaluación del desempeño del personal docente y técnico docente que ingresó en el ciclo escolar 2015-2016 al término de su segundo año escolar en educación básica y media superior. LINEE-01-2017, la Junta de Gobierno aprueba los siguientes criterios técnicos y de procedimiento para el análisis de los instrumentos de evaluación, el proceso de calificación y la emisión de resultados de la evaluación del desempeño del personal docente y técnico docente que ingresó en el ciclo escolar 2015-2016 al término de su segundo año escolar en Educación Básica (eb).
Los presentes Criterios técnicos y de procedimiento tienen como finalidad establecer los referentes necesarios para garantizar la validez, confiabilidad y equidad de los resultados de los procesos de evaluación. Su contenido se organiza en cuatro apartados: 1) Características generales de los instrumentos para evaluar el desempeño docente; 2) Criterios técnicos para el análisis e integración de los instrumentos de evaluación; 3) Procedimiento para el establecimiento del punto de corte y estándar de desempeño de los instrumentos de evaluación; 4) Resultado de la evaluación del desempeño: resultado por instrumento y resultado global. En la parte final se presenta un Anexo con información detallada de algunos de los aspectos técnicos que se consideran en el documento.
Definición de términos
Para los efectos del presente documento, se emplean las siguientes definiciones:
I.          Alto impacto: Se indica cuando los resultados del instrumento tienen consecuencias importantes para las personas o las instituciones; por ejemplo, en los procesos de admisión o certificación.
II.         Calificación: Proceso de asignación de una puntuación o nivel de desempeño logrado a partir de los resultados de una medición.
III.        Confiabilidad: Cualidad de las mediciones obtenidas con un instrumento, que se caracterizan por ser consistentes y estables cuando éste se aplica en distintas ocasiones.
IV.        Constructo: Elaboración teórica formulada para explicar un proceso social, psicológico o educativo.
V.         Correlación punto biserial: Medida de consistencia que se utiliza en el análisis de reactivos, indica si hay una correlación entre el resultado de un reactivo con el resultado global del examen.
VI.        Criterio de evaluación: Indicador de un valor aceptable sobre el cual se puede establecer o fundamentar un juicio de valor sobre el desempeño de una persona.
VII.       Desempeño: Resultado obtenido por el sustentante en un proceso de evaluación o en un instrumento de evaluación educativa.
VIII.      Dificultad de un reactivo: Indica la proporción de personas que responden correctamente el reactivo de un examen.
IX.        Distractores: Opciones de respuesta incorrectas del reactivo de opción múltiple, que probablemente serán elegidas por los sujetos con menor dominio en lo que se evalúa.
 
X.         Dominio: Conjunto de conocimientos, habilidades, destrezas, actitudes u otros atributos que tienen las siguientes propiedades: límites, extensión y definición. También se puede aplicar a contenidos, procedimientos u objetos.
XI.        Educación básica: Tipo de educación que comprende los niveles de preescolar, primaria y secundaria en todas sus modalidades, incluyendo la educación indígena, la especial y la que se imparte en los centros de educación básica para adultos.
XII.       Educación media superior: Tipo de educación que comprende el nivel de bachillerato, los demás niveles equivalentes a éste, así como la educación profesional que no requiere bachillerato o sus equivalentes.
XIII.      Equiparación: Método estadístico que se utiliza para ajustar las puntuaciones de las formas o versiones de un mismo instrumento, de manera tal que al sustentante le sea indistinto, en términos de la puntuación que se le asigne, responder una forma u otra.
XIV.      Error estándar de medida: Es la estimación de mediciones repetidas de una misma persona en un mismo instrumento que tienden a distribuirse alrededor de un puntaje verdadero. El puntaje verdadero siempre es desconocido porque ninguna medida puede ser una representación perfecta de un puntaje verdadero.
XV.       Escala: Conjunto de números, puntuaciones o medidas que pueden ser asignados a objetos o sucesos con propiedades específicas a partir de reglas definidas.
XVI.      Escalamiento: Proceso a través del cual se construye una escala que facilita la interpretación de los resultados que se obtienen en uno o varios instrumentos de evaluación, colocando las puntuaciones de los distintos instrumentos o formas a una escala común.
XVII.     Especificaciones de tareas evaluativas o de reactivos: Descripción detallada de las tareas específicas susceptibles de medición, que deben realizar las personas que contestan el instrumento de evaluación. Deben estar alineadas al constructo definido en el marco conceptual.
XVIII.    Estándar: Principio de valor o calidad en la conducción y uso de los procedimientos de evaluación. Constituye el referente para emitir un juicio de valor sobre el mérito del objeto evaluado.
XIX.      Evaluación: Proceso sistemático mediante el cual se recopila y analiza información, cuantitativa o cualitativa, sobre un objeto, sujeto o evento, con el fin de emitir juicios de valor al comparar los resultados con un referente previamente establecido. La información resultante puede ser empleada como insumo para orientar la toma de decisiones.
XX.       Examen: Instrumento de evaluación que se emplea para identificar el nivel de dominio de los sustentantes sobre un constructo específico.
XXI.      Instrumento de evaluación: Herramienta de recolección de datos que suele tener distintos formatos, atendiendo a la naturaleza de la evaluación, por ejemplo, instrumentos de selección de respuesta, instrumentos de respuesta construida, cuestionarios, observaciones, portafolios, entre otros.
XXII.     Instrumento de evaluación referido a un criterio: Instrumento que permite comparar el desempeño de las personas evaluadas, con un estándar preestablecido.
XXIII.    Jueceo: Método en el cual se utiliza la opinión de expertos (denominados jueces) para valorar y calificar distintos aspectos, tales como las respuestas y ejecuciones de las personas que participan en una evaluación o la calidad de los reactivos, las tareas evaluativas y estándares de un instrumento.
XXIV.    Medición: Proceso de asignación de valores numéricos a atributos de las personas, características de objetos o eventos de acuerdo con reglas específicas que permitan que sus propiedades puedan ser representadas cuantitativamente.
XXV.     Muestra: Subconjunto de la población de interés que refleja las variables medidas en una distribución semejante a la de la población.
XXVI.    Multi-reactivo: Conjunto de reactivos de opción múltiple que están vinculados a un planteamiento general, por lo que este último es indispensable para poder resolverlos.
XXVII.   Nivel de desempeño: Criterio conceptual que delimita el marco interpretativo de las puntuaciones obtenidas en una prueba y que refiere a lo que la persona evaluada es capaz de hacer en términos de conocimientos, destrezas o habilidades en el contexto del instrumento.
 
XXVIII.  Objeto de medida: Conjunto de características o atributos que se miden en el instrumento de evaluación.
XXIX.    Parámetro estadístico: Número que resume un conjunto de datos derivados del análisis de una cualidad o característica del objeto de estudio.
XXX.     Perfil: Conjunto de características, requisitos, cualidades o aptitudes que deberá tener el sustentante a desempeñar un puesto o función descrito específicamente.
XXXI.    Porcentaje de acuerdos inter-jueces: Medida del grado en que dos jueces coinciden en la puntuación asignada a un sujeto cuyo desempeño es evaluado a través de una rúbrica.
XXXII.   Porcentaje de acuerdos intra-jueces: Medida del grado en que el mismo juez, a través de dos o más mediciones repetidas a los mismos sujetos que evalúa, coincide en la puntuación asignada al desempeño de los sujetos, evaluado a través de una rúbrica.
XXXIII.  Punto de corte: En instrumentos de evaluación con referencia a un estándar de desempeño, es la puntuación mínima o el criterio a alcanzar o a superar para considerar que el nivel de desempeño de una persona cumple con lo esperado y distinguirlo de otro que no.
XXXIV.  Puntuación: Valor numérico obtenido durante el proceso de medición.
XXXV.   Reactivo: Unidad básica de medida de un instrumento de evaluación que consiste en una pregunta o instrucción que requiere una respuesta del sujeto.
XXXVI.  Rúbrica: Herramienta que integra los criterios a partir de los cuales se califica una tarea evaluativa.
XXXVII. Sesgo: Error en la medición de un atributo debido a una variable no controlada, como las diferencias culturales o lingísticas de las personas evaluadas.
XXXVIII.Tarea evaluativa: Unidad básica de medida de un instrumento de evaluación que consiste en la respuesta que construye una persona o en la ejecución de una actividad, que es susceptible de ser observada y graduada en su nivel de cumplimiento.
XXXIX.  Validez: Juicio valorativo integrador sobre el grado en que los fundamentos teóricos y las evidencias empíricas apoyan la interpretación de las puntuaciones de los instrumentos de evaluación.
1.    Características generales de los instrumentos para evaluar el desempeño docente
La evaluación del desempeño es un proceso que considera varios instrumentos que permiten identificar la medida en que las personas evaluadas cumplen con los diferentes aspectos que se describen en los Perfiles, parámetros e indicadores. A continuación, se describen sucintamente cada uno de ellos.
Informe de cumplimiento de responsabilidades profesionales
Este instrumento, conformado fundamentalmente por escalas tipo Likert, identifica el grado de cumplimiento de las responsabilidades profesionales del docente que son inherentes a su profesión, su participación en el funcionamiento de la escuela, en órganos colegiados y su vinculación con los padres de familia y con la comunidad escolar; considerando la importancia de la Normalidad Mínima de Operación Escolar. El informe será emitido por el director de la escuela o, en su caso, por el supervisor de la Zona Escolar.
Expediente de evidencias de enseñanza
Este instrumento evalúa el análisis que realiza el docente sobre una selección de los productos de enseñanza de sus alumnos; dicho análisis contempla la descripción de las características del desarrollo y aprendizaje de los estudiantes; la explicación de las situaciones de aprendizaje que plantea, a partir del enfoque didáctico; la elección de los contenidos de aprendizaje para el logro de los propósitos educativos y la utilización de los resultados de la evaluación. También se valora la reflexión que realiza el docente sobre su práctica y su vinculación con el aprendizaje de sus alumnos.
Examen de conocimientos y competencias didácticas que favorecen el aprendizaje de los alumnos
A partir de la resolución de situaciones hipotéticas de la práctica educativa, este instrumento evalúa los conocimientos y las competencias didácticas que el docente pone en juego para propiciar el aprendizaje de los alumnos, la colaboración en la escuela y el vínculo con los padres de familia y la comunidad.
 
Planeación didáctica argumentada
Este instrumento evalúa la capacidad del docente para analizar, justificar, sustentar y dar sentido a las estrategias de intervención didáctica elegidas para elaborar y desarrollar su planeación didáctica; así como la capacidad para analizar y reflexionar sobre lo que espera que aprendan sus estudiantes y sobre el uso de los resultados de las evaluaciones con fines de mejora.
Examen complementario
Consiste en un examen que evalúa aspectos específicos de la asignatura en la que el docente ejerce su función. Para los docentes en Educación Básica que imparten las asignaturas Segunda Lengua Inglés y en Secundaria Francés, la evaluación busca dar muestra del dominio que tienen de esa segunda lengua. Para los docentes que imparten Preescolar o Primaria Indígena, consiste en demostrar la posesión de una lengua indígena acorde a la que se habla en la localidad donde desempeñan su función. En Secundaria, para Tecnologías, consiste en un examen estandarizado que dará cuenta de las competencias específicas correspondientes a la función que realiza el docente.
2.    Criterios técnicos para el análisis e integración de los instrumentos de evaluación
Uno de los aspectos fundamentales que debe llevarse a cabo antes de emitir cualquier resultado de un proceso de evaluación es el análisis psicométrico de los instrumentos que integran la evaluación, con el objetivo de verificar que cuentan con la calidad técnica necesaria para proporcionar resultados confiables, acordes con el objetivo de la evaluación.
Las técnicas empleadas para el análisis de un instrumento dependen de su naturaleza, de los objetivos específicos para el cual fue diseñado, así como del tamaño de la población evaluada. Sin embargo, en todos los casos, debe aportarse información sobre la dificultad y discriminación de sus reactivos o tareas evaluativas, así como la precisión del instrumento, los indicadores de consistencia interna o estabilidad del instrumento, los cuales, además de los elementos asociados a la conceptualización del objeto de medida, forman parte de las evidencias que servirán para valorar la validez de la interpretación de sus resultados. Estos elementos, deberán reportarse en el informe o manual técnico del instrumento.
Con base en los resultados de estos procesos de análisis deben identificarse las tareas evaluativas o los reactivos que cumplen con los criterios psicométricos especificados en este documento para integrar el instrumento, para calificar el desempeño de las personas evaluadas, con la mayor precisión posible.
Para llevar a cabo el análisis de los instrumentos de medición utilizados en el proceso de evaluación, es necesario que los distintos grupos de sustentantes de las entidades federativas queden equitativamente representados, dado que la cantidad de sustentantes por tipo de evaluación en cada entidad federativa es notoriamente diferente. Para ello, se definirá una muestra de sustentantes por cada instrumento de evaluación que servirá para analizar el comportamiento estadístico de los instrumentos y orientar los procedimientos descritos más adelante, y que son previos para la calificación. Para conformar dicha muestra, cada entidad federativa contribuirá con 500 sustentantes como máximo, y deberán ser elegidos aleatoriamente. Si hay menos de 500 sustentantes, todos se incluirán en la muestra (OECD; 2002, 2005, 2009, 2014). Si no se realizara este procedimiento, las decisiones sobre los instrumentos de evaluación, la identificación del punto de corte y los estándares de desempeño, se verían fuertemente influenciados, indebidamente, por el desempeño mostrado por aquellas entidades que se caracterizan por tener un mayor número de sustentantes.
Sobre la conformación de los instrumentos de evaluación
Con la finalidad de obtener puntuaciones de los sustentantes con el nivel de precisión requerido para los propósitos de la evaluación, los instrumentos deberán tener las siguientes características:
Exámenes de opción múltiple:
·      Los instrumentos de evaluación deberán tener, al menos, 80 reactivos efectivos para calificación y estar organizados jerárquicamente en tres niveles de desagregación: áreas, subáreas y temas, en donde:
·    Las áreas deberán contar con al menos dos subáreas y, cada una de ellas, deberá tener al menos 20 reactivos efectivos para calificar.
·    Las subáreas deberán considerar al menos dos temas, y cada uno de ellos deberá tener, al menos, 10 reactivos efectivos para calificar.
·    Los temas deberán contemplar al menos dos contenidos específicos, los cuales estarán definidos en términos de especificaciones de reactivos. Cada especificación deberá ser evaluada al menos por un reactivo.
 
·    Las especificaciones de reactivos deberán integrarse por una definición operacional del contenido específico a evaluar, un reactivo ejemplo y la bibliografía en la que se sustenta el reactivo.
·    En todos los casos, deberá documentarse el procedimiento que se siguió para determinar la estructura del instrumento y la cantidad de reactivos que lo conforman, a fin de justificar la relevancia (ponderación) de los contenidos específicos evaluados en el mismo.
·    Para el diseño de los casos asociados a un solo reactivo debe cuidarse la extensión, a fin de que se incorpore únicamente la información que sea indispensable para resolver el reactivo.
·    Para el diseño de los casos con formato de multi-reactivo, deberá verificarse que: a) todos los reactivos necesiten del planteamiento general para ser contestados; b) los reactivos evalúen conocimientos o habilidades complejas, no de reconocimiento; c) los reactivos sean independientes entre sí, esto es, que para poder responderse no requieran de la información incorporada en alguno de ellos, o bien, de la respuesta dada a algún otro.
Exámenes de respuesta construida:
·      Deberán estar organizados en, al menos, dos niveles de desagregación (áreas y subáreas; si fuera el caso, temas); el primero deberá contar, al menos, con dos conjuntos de contenidos específicos a evaluar.
·      A partir del segundo nivel (o tercer nivel, si fuera el caso) de desagregación, se deberán elaborar las especificaciones de las tareas evaluativas. Cada especificación deberá tener su definición operacional.
·      Con base en las definiciones operacionales se diseñarán los niveles o categorías de ejecución que se incluirán en las rúbricas o guías de calificación.
·      En las rúbricas o guías de calificación los distintos niveles o categorías de ejecución que se consignen, deberán ser claramente distinguibles entre sí y con un diseño ordinal ascendente (de menor a mayor valor).
Criterios y parámetros estadísticos
Los instrumentos empleados para este proceso de evaluación del desempeño deberán atender los siguientes criterios (Cook y Beckman 2006; Downing, 2004; Stemler y Tsai, 2008) con, al menos, los valores de los parámetros estadísticos indicados a continuación:
I. En el caso de los instrumentos de evaluación basados en reactivos de opción múltiple:
·      La respuesta correcta deberá tener una dificultad clásica de 10% a 90% y una correlación punto biserial corregida igual o mayor que 0.15.
·      Los distractores deberán tener correlaciones punto biserial negativas.
·      La confiabilidad del instrumento deberá ser igual o mayor que 0.80.
Para los instrumentos con menos de 100 sustentantes, la selección de los reactivos con los cuales se va a calificar, se debe llevar a cabo con base en el siguiente procedimiento: cada reactivo tiene que ser revisado por, al menos, tres jueces: dos expertos en contenido y un revisor técnico, considerando los siguientes aspectos: calidad del contenido del reactivo, adecuada construcción técnica, correcta redacción y atractiva presentación de lo que se evalúa.
En todos los casos en los que sea factible estimar los parámetros estadísticos de los reactivos, esta información debe proporcionarse a los jueces con el objetivo de que les permita fundamentar sus decisiones y ejercer su mejor juicio profesional.
II. En el caso de los instrumentos basados en tareas evaluativas o en reactivos de respuesta construida y que serán calificados con rúbrica:
·      La correlación entre cada aspecto evaluado con la puntuación global deberá ser igual o mayor que 0.20.
·      La confiabilidad del instrumento deberá ser igual o mayor que 0.80.
Considerando las decisiones de los jueces que calificaron los instrumentos de respuesta construida a través de la rúbrica se debe atender lo siguiente:
·      El porcentaje de acuerdos inter-jueces deberá ser igual o mayor que 60%.
 
·      El porcentaje de acuerdos intra-jueces deberá ser igual o mayor que 60% considerando, al menos, cinco medidas repetidas seleccionadas al azar, es decir, para cada juez se deben seleccionar al azar cinco sustentantes, a quienes el juez debe calificar en dos ocasiones. Estas mediciones deberán aportarse antes de emitir la calificación definitiva de los sustentantes, a fin de salvaguardar la confiabilidad de la decisión.
III. En el caso del Informe de cumplimiento de responsabilidades profesionales, para cada una de las escalas que lo constituyen:
·      La correlación entre cada reactivo con la puntuación global de la escala deberá ser igual o mayor que 0.30.
·      La confiabilidad del constructo medido a través de la escala debe ser igual o mayor que 0.80.
       Adicionalmente, para este instrumento, conformado fundamentalmente por escalas tipo Likert, se debe generar evidencia de que los constructos se integran conforme a lo esperado, esto es: a) los reactivos se integran a la o las dimensiones previstas en el diseño del instrumento; b) hay una correlación positiva y significativa entre las distintas escalas que integran el instrumento; c) existe la posibilidad de implementar un modelo de medición a los datos; d) es posible valorar la dimensión del constructo latente y, si es factible e) se verifique que no hay un comportamiento diferencial de los reactivos o las escalas entre subpoblaciones o grupos (Muraki,1999; Wu y Adams, 2007; Bentler, 2006; Masters,1982).
Si se diera el caso de que en algún instrumento no se cumpliera con los criterios y parámetros estadísticos antes indicados, la Junta de Gobierno del INEE determinará lo que procede, buscando salvaguardar el constructo del instrumento que fue aprobado por el Consejo Técnico y atendiendo al marco jurídico aplicable.
3.     Procedimiento para el establecimiento del punto de corte y estándar de desempeño de los instrumentos de evaluación
Un paso crucial en el desarrollo y uso de los instrumentos de evaluación de naturaleza criterial, como es el caso de los que se utilizarán para este proceso de evaluación, es el establecimiento del punto de corte que divide el rango de calificaciones para diferenciar entre niveles de desempeño.
En los instrumentos de evaluación de tipo criterial, la calificación obtenida por cada sustentante se contrasta con un estándar de desempeño establecido por un grupo de expertos que describe el nivel de competencia requerido para algún propósito determinado, es decir, los conocimientos y habilidades que, para cada instrumento de evaluación, se consideran indispensables para un desempeño adecuado en la función profesional docente. En este sentido el estándar de desempeño delimita el marco interpretativo de las puntuaciones obtenidas en un instrumento por los sustentantes. El procedimiento para el establecimiento del punto de corte y estándar de desempeño incluye tres fases, las cuales se describen a continuación:
Primera fase
Con el fin de contar con un marco de referencia común para los distintos instrumentos de evaluación, se establecen los descriptores genéricos de los niveles de desempeño cuya función es orientar a los comités académicos en el trabajo del desarrollo de los descriptores específicos de cada instrumento. Para todos los instrumentos se utilizarán únicamente dos niveles de desempeño: Nivel I (N I) y Nivel II (N II). Los descriptores genéricos para los diferentes grupos de instrumentos y cada nivel se indican en las Tablas 1a, 1b, y 1c.
Tabla 1a. Descriptores genéricos de los niveles de desempeño para el instrumento Expediente de evidencias de enseñanza
Niveles de
desempeño
Descriptor
Nivel I (N I)
El docente muestra dificultades en el análisis y argumentación de sus evidencias de enseñanza, así como falta de claridad para ajustar su intervención docente en función de las características de los alumnos y de su contexto. Aunque presenta argumentos sobre la elección de los contenidos de aprendizaje por desarrollar en el aula, éstos son poco consistentes con los propósitos educativos, y tiene escasas habilidades para realizar una evaluación pertinente y utilizar sus resultados para mejorar su práctica de enseñanza.
Nivel II (N II)
El docente muestra en el análisis y argumentación de sus evidencias, claridad sobre su práctica de enseñanza y habilidades para ajustar su intervención docente a las características de sus alumnos y de su contexto. Presenta argumentos sobre la elección de los contenidos de aprendizaje a desarrollar en el aula y sobre el impacto que éstos tienen en el aprendizaje de sus alumnos. Demuestra competencias para realizar una evaluación pertinente y utilizar sus resultados para identificar sus fortalezas y áreas de oportunidad, y mejorar de esta manera su práctica de enseñanza.
 
Tabla 1b. Descriptores genéricos de los niveles de desempeño para el instrumento Examen de conocimientos y competencias didácticas que favorecen el aprendizaje de los alumnos
Nivel de
desempeño
Descriptor
Nivel I (N I)
El docente muestra conocimientos poco consistentes acerca de sus alumnos, el currículo, los principios filosóficos, los fundamentos legales y las finalidades de la educación pública mexicana; tiene dificultades para organizar su intervención docente con base en los principios pedagógicos de la Educación Básica. Aunque el docente reconoce algunos conceptos clave del currículo, así como las características generales de la organización de actividades didácticas y el funcionamiento general de una escuela, carece de habilidades para resolver situaciones de su práctica profesional, y para establecer vínculos con la comunidad en la que se encuentra la escuela.
Nivel II (N II)
El docente demuestra conocimientos consistentes acerca de sus alumnos, el currículo, los principios filosóficos, los fundamentos legales y las finalidades de la educación pública mexicana; organiza y sistematiza su intervención docente con base en los principios pedagógicos de la Educación Básica y el reconocimiento de la diversidad cultural de sus alumnos. Resuelve situaciones de su práctica profesional, construye ambientes favorables para la sana convivencia y el aprendizaje de sus alumnos, participa en el funcionamiento eficaz del centro educativo y establece vínculos con la comunidad en la que se encuentra la escuela.
 
Tabla 1c. Descriptores genéricos de los niveles de desempeño para el instrumento Planeación didáctica argumentada
Nivel de
desempeño
Descriptor
Nivel I (N I)
El docente muestra dificultades para reconocer las características de sus alumnos, sus intereses y formas de aprendizaje, así como del contexto interno y externo de la escuela. Presenta dificultades para la argumentación y el análisis de la organización y adecuación de los contenidos a desarrollar, y para sustentar su intervención didáctica. Asimismo, muestra conocimientos limitados de las estrategias para evaluar a sus alumnos.
Nivel II (N II)
El docente demuestra conocimientos y habilidades para identificar las características de sus alumnos, sus intereses y formas de aprendizaje, así como del contexto interno y externo de la escuela. Organiza de manera consistente los contenidos a desarrollar, y argumenta y analiza las estrategias didácticas que sustentan su intervención docente. Muestra conocimientos sobre técnicas y métodos de evaluación acordes a los propósitos educativos y emplea sus resultados para mejorar sus prácticas de enseñanza.
 
Segunda fase
En esta fase se establece el punto de corte a partir del cual se distinguen los niveles de desempeño I y II, en este proceso participan los comités académicos correspondientes a cada instrumento de evaluación. Dichos comités se deberán conformar, en su conjunto, con especialistas que han participado en el diseño de los instrumentos y cuya pluralidad sea representativa de la diversidad cultural en que se desenvuelve la acción educativa del país. En todos los casos, sus miembros deberán ser capacitados específicamente para ejercer su mejor juicio profesional a fin de identificar cuál es la puntuación requerida para que el sustentante alcance un determinado nivel o estándar de desempeño.
Los insumos que tendrán como referentes para el desarrollo de esta actividad, serán la documentación que describe la estructura de los instrumentos, las especificaciones y los ejemplos de tareas evaluativas o reactivos incluidos en las mismas. En todos los casos, el punto de corte se referirá a la ejecución típica o esperable de un sustentante hipotético, con un desempeño mínimamente aceptable para el nivel II. Para ello, se deberá determinar, para cada tarea evaluativa o reactivo considerado en el instrumento, cuál es la probabilidad de que dichos sustentantes hipotéticos lo respondan correctamente y, con base en la suma de estas probabilidades, establecer la calificación mínima requerida o punto de corte (Angoff, 1971).
 
Una vez establecido el punto de corte que divide el rango de calificaciones para diferenciar el nivel I del nivel II en cada instrumento, considerando el conjunto de reactivos que, en cada caso, el sustentante hipotético es capaz de responder, se deberán describir los conocimientos y las habilidades específicos que están implicados en cada nivel de desempeño, es decir, lo que dicho sustentante conoce y es capaz de hacer.
Tercera fase
En la tercera fase se llevará a cabo un ejercicio de retroalimentación a los miembros de los comités académicos con el fin de contrastar sus expectativas sobre el desempeño de la población evaluada, con la distribución de sustentantes que se obtiene en cada nivel de desempeño al utilizar el punto de corte definido en la segunda fase, a fin de determinar si es necesario realizar algún ajuste en la decisión tomada con anterioridad y, de ser el caso, llevar a cabo el ajuste correspondiente
Los jueces deberán estimar la tasa de sustentantes que se esperaría en cada nivel de desempeño previamente definido, y comparar esta expectativa con los datos reales de los sustentantes, una vez aplicados los instrumentos. Si las expectativas y los resultados difieren a juicio de los expertos, deberá definirse un punto de concordancia para la determinación definitiva del punto de corte en cada uno de los instrumentos, siguiendo el método propuesto por Beuk (1984).
Esta tercera fase se llevará a cabo solamente para aquellos instrumentos de evaluación en los que el tamaño de la población evaluada sea igual o mayor a 100 sustentantes. Si la población es menor a 100 sustentantes, el punto de corte será definido de acuerdo con lo descrito en la segunda fase.
Si se diera el caso de que algún instrumento no cumpliera con el criterio de confiabilidad indicado en el apartado previo, la Junta de Gobierno del Instituto determinará el procedimiento a seguir para el establecimiento de los puntos de corte correspondientes, atendiendo al marco jurídico aplicable.
4.    Resultado de la evaluación del desempeño: resultado por instrumento y resultado global
A continuación, se presentan dos subapartados, en el primero se describen los procedimientos para calificar los resultados de los sustentantes en cada instrumento; en el segundo se detallan los procedimientos para la obtención del resultado global.
4.1 Calificación de los resultados obtenidos por los sustentantes en los distintos instrumentos que constituyen el proceso de evaluación
Una vez que se ha establecido el punto de corte en cada examen, el sustentante será ubicado en uno de los dos niveles de desempeño en función de la puntuación alcanzada. Esto implica que su resultado será comparado contra el estándar previamente establecido, con independencia de los resultados obtenidos por el conjunto de sustentantes que presentaron el examen.
Proceso para la equiparación de instrumentos de evaluación
Cuando el programa de evaluación implica la aplicación de un instrumento en diversas ocasiones en un determinado periodo, en especial si sus resultados tienen un alto impacto, es indispensable el desarrollo y uso de formas o versiones del instrumento que sean equivalentes a fin de garantizar que, independientemente del momento en que un sustentante participe en el proceso de evaluación, no tenga ventajas o desventajas de la forma o versión que responda. Por esta razón, es necesario un procedimiento que permita hacer equivalentes los resultados obtenidos en diferentes formas o versiones de un mismo instrumento.
Para que dos formas de un instrumento de evaluación puedan ser equiparadas, se deben cubrir los siguientes requerimientos:
·      Compartir las mismas características técnicas: estructura, especificaciones de reactivos, número de reactivos (longitud del instrumento) y un subconjunto de reactivos comunes (reactivos ancla), que en cantidad no deberá ser menor al 30% ni mayor al 50% de la totalidad de reactivos efectivos para calificar.
·      Contar con una confiabilidad semejante.
·      Los reactivos que constituyen el ancla deberán ubicarse en la misma posición relativa dentro de cada forma, y deberán quedar distribuidos a lo largo de todo el instrumento.
·      La modalidad en la que se administren las formas deberá ser la misma para todos los aspirantes (por ejemplo, en lápiz y papel o en computadora).
 
Si el número de sustentantes es de al menos 100 en las distintas formas en que se llevará a cabo la equiparación, se utilizará el método de equiparación lineal para puntajes observados. Si el número de sustentantes es menor de 100 en alguna de las formas, se utilizará el método de equiparación de identidad (ver anexo técnico).
Escala utilizada para reportar los resultados
En cada plan de evaluación es indispensable definir la escala en la que se reportarán los resultados de los sustentantes. Existen muchos tipos de escalas de calificación; en las escalas referidas a norma, las calificaciones indican la posición relativa del sustentante en una determinada población. En las escalas referidas a criterio, cada calificación en la escala representa un nivel particular de desempeño referido a un estándar previamente definido en un campo de conocimiento o habilidad específicos.
El escalamiento que se llevará a cabo en este proceso de evaluación, permitirá construir una métrica común para todos los instrumentos que se administrarán. Consta de dos transformaciones, la primera denominada doble arcoseno, que permite estabilizar la magnitud de la precisión de las puntuaciones a lo largo de la escala; la segunda transformación es lineal y ubica el punto de corte del nivel de desempeño II en un mismo valor para todos los exámenes: puntuación de 100 en esta escala (cuyo rango va de 60 a 170 puntos(1)).
Al utilizar esta escala, diferente a las escalas que se utilizan para reportar resultados de aprendizaje en el aula (de 5 a 10 ó de 0% a 100%, donde el 6 ó 60% de aciertos es aprobatorio), se evita que se realicen interpretaciones equivocadas de los resultados obtenidos en los exámenes, en virtud de que en los exámenes del spd cada calificación representa un nivel particular de desempeño respecto a un estándar previamente definido, el cual puede implicar un número de aciertos diferente en cada caso.
En la siguiente gráfica puede observarse el número de aciertos obtenidos en dos instrumentos de longitudes diferentes y con puntos de corte distintos que, a partir del escalamiento, es posible graficar en una misma escala, trasladando el punto de corte a 100 puntos, aun cuando en cada examen el punto de corte refiera a un número de aciertos diferente. En este ejemplo la distribución de las puntuaciones va de 65 a 125 puntos.

4.2 Calificación del resultado global y escala en que se reportará
El resultado global de la evaluación se definirá considerando los siguientes instrumentos:
o     Expediente de evidencias de enseñanza
o     Examen de conocimientos y competencias didácticas que favorecen el aprendizaje de los alumnos de conocimientos disciplinares
o     Planeación didáctica argumentada
o     Y, en su caso, el Examen complementario
Como ya se dijo anteriormente, el Informe de cumplimiento de responsabilidades profesionales tiene por función contar con información sobre el cumplimiento del docente en sus funciones y es proporcionado por el directivo escolar que corresponda. Para fines de la calificación global, este instrumento no será considerado, por lo que la información que aporte el directivo escolar será utilizada sólo para efectos de
diagnóstico y se dará retroalimentación al docente en el informe individual de resultados de la evaluación, sin afectar su calificación. En el caso de que el docente no tenga el informe, debido a que es responsabilidad de un tercero, se indicará que no se cuenta con la información.
La calificación global está concebida como compensatoria en tanto que hay un efecto aditivo que permite que las puntuaciones parciales obtenidas en cada uno de los instrumentos utilizados para la evaluación del desempeño, se integren en una puntuación única sobre la que se establecerá el punto de corte global. Este efecto permite que las principales fortalezas de los docentes compensen sus posibles áreas de oportunidad en otros aspectos evaluados. Una vez sumado los aportes que hace cada instrumento que se utiliza para calificar a la puntuación total, se lleva a cabo la transformación a una escala que va de 800 a 1 600 puntos(2).
Todos los instrumentos que son considerados para la calificación tendrán la misma jerarquía o peso en la puntuación total, por lo que el resultado global de la evaluación del desempeño estará dado considerando la puntuación que aporta cada uno de ellos. De esta forma, el efecto compensatorio de la puntuación global no se ve afectado ni distorsionado por una ponderación diferenciada de los instrumentos de evaluación.
Debido a que en la puntuación global hay sólo un punto de corte, los resultados posibles de la evaluación son los siguientes:
Resultado de la evaluación
Puntuación global en escala 800 - 1 600
Insuficiente
Menos de 1 000 puntos en la puntuación global
Cumple con la función docente / técnico docente
1 000 puntos o más en la puntuación global
 
Para que un sustentante alcance el resultado "Cumple con la función docente/técnico docente", deberá satisfacer los siguientes criterios:
1)    Sustentar todos y cada uno de los instrumentos de la evaluación que son considerados para la calificación.
2)    A lo más, obtener NI en uno de los instrumentos considerados para la calificación.
3)    Obtener 1 000 puntos o más en la escala de calificación global.
Un sustentante tendrá un resultado "Insuficiente" cuando:
·     No presente alguno o algunos de los instrumentos que son considerados para la calificación.
·     Obtenga NI en más de uno de los instrumentos considerados para la calificación.
·     Obtenga menos de 1 000 puntos en el resultado global de la evaluación.
En los dos primeros casos los docentes y técnicos docentes no recibirán información sobre la puntuación global; sin embargo, sí tendrán retroalimentación de cada uno de los instrumentos que hayan sustentado, a fin de que conozcan sus fortalezas y áreas de oportunidad que contribuyan a definir su trayectoria de actualización profesional.
El resultado "No se presentó a la evaluación"
Para el caso en que el docente no sustente NINGUNO de los instrumentos considerados para efectos de calificación, su resultado global será "No se presentó a la evaluación" y en cada instrumento sólo se le asignará "NP: no presentó".
Consideración final
Es importante destacar que el resultado global de la evaluación es el que debe considerarse como el marco de interpretación para el cumplimiento de la función docente o técnico docente, ya que integra los resultados obtenidos en cada uno de los instrumentos de evaluación.
Anexo técnico
El propósito de este anexo es detallar los aspectos técnicos específicos de los distintos procedimientos que se han enunciado en el cuerpo del documento, así como de brindar mayores elementos para su entendimiento y fundamento metodológico.
Protocolo de calificación por jueces para las rúbricas
A continuación, se presenta un protocolo que recupera propuestas sistemáticas de la literatura especializada (Jonsson y Svingby, 2007; Rezaei y Lovorn, 2010; Stemler y Tsai, 2008; Stellmack, et. al, 2009).
1. Se reciben las evidencias de evaluación de los sustentantes, mismas que deben cumplir con las
características solicitadas por la autoridad educativa.
2. Se da a conocer a los jueces la rúbrica de calificación y se les capacita para su uso.
3. Las evidencias de los sustentantes son asignadas de manera aleatoria a los jueces, por ejemplo se pueden considerar redes no dirigidas; intuitivamente, una red no dirigida puede pensarse como aquella en la que las conexiones entre los nodos siempre son simétricas (si A está conectado con B, entonces B está conectado con A y sucesivamente con los n número de jueces conectados entre sí), este tipo de asignación al azar permite contar con indicadores iniciales de cuando un juez está siendo reiteradamente "estricto" o reiteradamente "laxo" en la calificación, lo cual ayudará a saber si es necesario volver a capacitar a alguno de los jueces y permitirá obtener datos de consistencia inter-juez.
4. Cada juez califica de manera individual las evidencias sin conocer la identidad ni el centro de trabajo de los sustentantes o cualquier otro dato que pudiera alterar la imparcialidad de la decisión del juez.
5. Los jueces emiten la calificación de cada sustentante, seleccionando la categoría de ejecución que consideren debe recibir el sustentante para cada uno de los aspectos a evaluar que constituyen la rúbrica, esto en una escala ordinal (por ejemplo: de 0 a 3, de 0 a 4, de 1 a 6, etc.), lo pueden hacer en un formato impreso o electrónico a fin de conservar dichas evidencias.
6. Si existen discrepancias entre los jueces en cuanto a la asignación de categorías en algunos aspectos a evaluar se deben tomar decisiones al respecto, a continuación, se muestran orientaciones para esta toma de decisiones:
a.     Cuando la calificación que se asigna corresponde a categorías de ejecución contiguas (por ejemplo: 1-2) se asigna la categoría superior. Esto permite favorecer al sustentante ante dicho desacuerdo entre los jueces.
b.     Cuando son categorías no contiguas de la rúbrica:
-     Si existe solamente una categoría en medio de las decisiones de los jueces (por ejemplo: 1-3), se asigna al sustentante la categoría intermedia. No se deben promediar los valores asignados a las categorías.
-     Si existe más de una categoría en medio de las decisiones de los jueces (por ejemplo: 1-4), se debe solicitar a los jueces que verifiquen si no hubo un error al momento de plasmar su decisión. En caso de no haber ajustes por este motivo, se requiere la intervención de un tercer juez, quien debe asignar la categoría de ejecución para cada uno de los aspectos a evaluar; la categoría definitiva que se asigna al sustentante en cada aspecto a evaluar debe considerar las decisiones de los dos jueces que den mayor puntaje total al sustentante, si existe discrepancia en algún aspecto a evaluar se asigna la categoría superior, a fin de favorecer al sustentante ante dicho desacuerdo entre los jueces.
7. Los jueces firman la evidencia con las asignaciones de categorías definitivas en cada aspecto a evaluar.
8. La calificación global del sustentante se determina de la siguiente forma:
a. Se identifica la categoría asignada al sustentante en cada aspecto a evaluar.
b. Se identifica el valor asignado a cada categoría de la rúbrica.
c. La suma de los valores es el resultado de la calificación.
9. Las asignaciones de categorías del sustentante en cada aspecto a evaluar para emitir su calificación global definitiva son plasmadas en algún formato impreso o electrónico, con la debida firma, autógrafa o electrónica de los jueces, a fin de que queden resguardadas como evidencia del acuerdo de la calificación definitiva del proceso de jueceo.
En el caso de los instrumentos para lenguas indígenas, toda vez que la administración y calificación por parte de los jueces es in situ, si existen discrepancias entre los jueces en cuanto a la asignación de categorías en algunos aspectos a evaluar, se les pedirá que lleguen a un acuerdo, a fin de establecer la categoría definitiva para el sustentante en dichos aspectos.
Métodos para establecer el punto de corte y niveles de desempeño
Método de Angoff
El método de Angoff está basado en los juicios de los expertos sobre los reactivos y contenidos que se
evalúan a través de exámenes. De manera general, el método considera que el punto de corte se define a partir de la ejecución promedio de un sustentante hipotético que cuenta con los conocimientos, habilidades o destrezas que se consideran indispensables para la realización de una tarea en particular; los jueces estiman, para cada pregunta, cuál es la probabilidad de que dicho sustentante acierte o responda correctamente.
Procedimiento
Primero se juzgan algunas preguntas, con tiempo suficiente para explicar las razones de las respuestas al grupo de expertos y que les permite homologar criterios y familiarizarse con la metodología.
Posteriormente, se le solicita a cada juez que estime la probabilidad mínima de que un sustentante conteste correctamente un reactivo, el que le sigue y así hasta concluir con la totalidad de los reactivos, posteriormente se calcula el puntaje esperado (raw score: la suma de estas probabilidades multiplicadas por uno para el caso de reactivos -toda vez que cada reactivo vale un punto-; o bien, la suma de estas probabilidades multiplicadas por el valor máximo posible de las categorías de la rúbrica). Las decisiones de los jueces se promedian obteniendo el punto de corte. La decisión del conjunto de jueces pasa por una primera ronda para valorar sus puntos de vista en plenaria y puede modificarse la decisión hasta llegar a un acuerdo en común.
 
Escalamiento de las puntuaciones
El escalamiento (Wilson, 2005) se llevará a cabo a partir de las puntuaciones crudas (cantidad de aciertos) de los sustentantes, y se obtendrá una métrica común para todos los instrumentos de evaluación, que va de 60 a 170 puntos, aproximadamente, ubicando el primer punto de corte (nivel de desempeño II) para todos los instrumentos en los 100 puntos. El escalamiento consta de dos transformaciones:
a)    Transformación doble arcoseno que estabiliza la magnitud de la precisión que se tiene para cada punto de la escala.
b)    Transformación lineal que ubica el primer punto de corte en 100 unidades y define el número de distintos puntos en la escala (el rango de las puntuaciones) con base en la confiabilidad del instrumento, por lo que, a mayor confiabilidad, habrá más puntos en la escala (Shun-Wen Chang, 2006).
Para cuantificar el nivel de precisión de las puntuaciones del instrumento, se utilizará el Método delta (Kendall y Stuart, 1977), que calcula los errores estándar de medición condicionales, que se describe ulteriormente en este anexo.
Finalmente, es importante destacar que para que se lleve a cabo el escalamiento, el sustentante debió alcanzar, al menos, un acierto en el instrumento de evaluación en cuestión. De no ser así, se reportará como cero y el resultado será N I.
Procedimiento para la transformación doble arcoseno
En los casos de los exámenes de opción múltiple, deberá calcularse el número de respuestas correctas que haya obtenido cada sustentante en el instrumento de evaluación. Los reactivos se calificarán como correctos o incorrectos de acuerdo con la clave de respuesta correspondiente. Si un sustentante no contesta un reactivo o si selecciona más de una alternativa de respuesta para un mismo reactivo, se calificará como incorrecto. Cuando los instrumentos de evaluación sean calificados por rúbricas, deberá utilizarse el mismo procedimiento para asignar puntuaciones a los sustentantes considerando que K sea la máxima puntuación que se pueda obtener en el instrumento de evaluación.
Cuando se aplica la transformación doble arcoseno sobre el número de aciertos obtenido en el instrumento de evaluación, el error estándar condicional de medición de las puntuaciones obtenidas se estabiliza, es decir, es muy similar, pero no igual, a lo largo de la distribución de dichas puntuaciones, con excepción de los valores extremos, a diferencia de si se aplica una transformación lineal, tal y como se observa en la siguiente gráfica (Won-Chan, Brennan y Kolen, 2000).
 
 
 
 
Esto es más claro si se observan ambas gráficas en el mismo cuadrante, como en la siguiente imagen.

El dato obtenido del error estándar condicional deberá reportarse en la misma escala en que se comunican las calificaciones de los sustentantes e incorporarse en el informe o manual técnico del instrumento (estándar 2.13 de los Estándares para las Pruebas Educativas y Psicológicas de la American Educational Research Association et. al., 2014). Asimismo, esto permite atender al estándar 2.14 de los Estándares para las Pruebas Educativas y Psicológicas de la American Educational Research Association et. al., 2014, el cual establece que cuando se especifican puntos de corte para selección o clasificación, los errores estándar deben ser reportados en la vecindad de cada punto de corte en dicho informe o manual técnico.
Proceso para la equiparación de instrumentos de evaluación
Como ya se indicó en el cuerpo del documento, el procedimiento que permite hacer equivalentes los resultados obtenidos en diferentes formas o versiones de un mismo instrumento es una equiparación. La que aquí se plantea considera dos estrategias: a) si el número de sustentantes es de al menos 100 en ambas formas, se utilizará el método de equiparación lineal de Levine para puntajes observados; o bien, b) si el número de sustentantes es menor de 100 en alguna de las formas, se utilizará el método de equiparación de identidad (identity equating). A continuación, se detallan los procedimientos.
Método de equiparación lineal de Levine
La equiparación de las formas de un instrumento deberá realizarse utilizando el método de equiparación lineal de Levine (Kolen y Brennan, 2014), para puntajes observados bajo un diseño de grupos no equivalentes con reactivos comunes. Dicho diseño es uno de los más utilizados en la práctica. En cada muestra de sujetos se administra solamente una forma de la prueba, con la peculiaridad de que en ambas muestras se administra un conjunto de reactivos en común llamado ancla, que permite establecer la equivalencia entre las formas a equiparar.
Cualquiera de los métodos de equiparación de puntajes que se construya involucra dos poblaciones diferentes. Sin embargo, una función de equiparación de puntajes se define sobre una población única. Por lo tanto, las poblaciones 1 y 2 que corresponden a las poblaciones donde se aplicó la forma nueva y antigua, deben ser combinadas para obtener una población única a fin de definir una relación de equiparación.
 
 
Referencias
American College Testing, (2013) ACT Plan Assessments Technical Manual, Iowa City, IA: Author.
American College Testing, (2014a) ACT Assessments Technical Manual, Iowa City, IA: Author.
American College Testing, (2014b) ACT QualityCore Assessments Technical Manual, Iowa City, IA: Author.
American Educational Research Association (AERA), American Psychological Association (APA) y National Council on Measurement in Education (NCM). (2014). Standards for educational and psychological testing. Washington, D.C.: American Educational Research Association.
Angoff, W. H. (1971). Scales, norms, and equivalent scores. In R. L. Thorndike (Ed.), Educational Measurement (2nd ed.). Washington, DC: American Council on Education.
Beuk C. H. (1984). A Method for Reaching a Compromise between Absolute and Relative Standards in Examinations. Journal of Educational Measurement, 21 (2) p. 147-152.
Brennan, R. L. (2012). Scaling PARCC Assessments: Some considerations and a synthetic data example en: http://parcconline.org/about/leadership/12-technical-advisory-committee.
Cook D. A. y Beckman T. J. (2006). Current Concepts in Validity and Reliability for Psychometric Instruments: Theory and Application. The American Journal of Medicine 119, 166.e7-166.e16
Downing, SM (2004). Reliability: On the reproducibility of assessment data. Med Educ; 38(9):1006-1012.
21
Holland, P. W., & Strawderman, W. E. (2011). How to average equating functions, if you must. In A. A. von Davier (Ed.), Statistical models for test equating, scaling, and linking (pp. 89â107). New York, NY: Springer
Jonsson, A. & Svingby, G. (2007). The use of scoring rubrics: Reliability, validity and educational consequences. Educational Research Review 2: 130â44.
Kendall, M. & Stuart, A. (1977). The advanced theory of statistics, Vol. 1: Distribution theory. 4 ª Ed. New York, NY: MacMillan.
Kolen, M. J., & Brennan, R. L. (2014). Test equating, scaling, and linking: Methods and practices (3rd ed.). New York, NY: Springer-Verlag.
Masters, Geoff (1982). A Rasch model for Partial Credit Scoring. Psychometrika-vol. 47, No. 2.
Muñiz, José (2003): Teoría clásica de los test. Ediciones pirámide, Madrid.
Muraki, Eiji (1999). Stepwise Analysis of Differential Item Functioning Based on Multiple-Group Partial Credit Model. Journal of Educational Measurement.
OECD (2002), PISA 2000 Technical Report, PISA, OECD Publishing.
OECD (2005), PISA 2003 Technical Report, PISA, OECD Publishing.
OECD (2009), PISA 2006 Technical Report, PISA, OECD Publishing.
OECD (2014), PISA 2012 Technical Report, PISA, OECD Publishing.
Rezaei, A. R. & Lovorn, M. (2010) Reliability and validity of rubrics for assessment through writing. Assessing Writing 15 (1.) 18â39.
Shun-Wen Chang (2006) Methods in Scaling the Basic Competence Test, Educational and Psychological Measurement, 66 (6) 907-927
Stellmack, M. A., Konheim-Kalkstein, Y. L., Manor, J. E., Massey, A. R., & Schmitz, J. A. P. (2009). An assessment of reliability and validity of a rubric for APA-style introductions, Teaching of Psychology, 36, 102-107.
Stemler, E. & Tsai, J. (2008). 3 Best Practices in Interrater Reliability Three Common Approaches in Best practices in quantitative methods (pp. 89â107). SAGE Publications, Inc.
Thompson, Bruce ed. (2003): Score reliability. Contemporary thinking on reliability issues. SAGE Publications, Inc.
Wilson, Mark (2005). Constructing measures. An ítem response modeling approach. Lawrence Erlbaum Associates, Publishers.
Won-Chan, L., Brennan, R. L., & Kolen, M. J. (2000). Estimators of Conditional Scale-Score Standard Errors of Measurement: A Simulation Study. Journal of Educational Measurement, 37(1), 1-20.
Wu, Margaret & Adams, Ray (2007). Applying the Rasch Model to Psycho-social measurement. A practical approach. Educational measurement solutions, Melbourne.
TRANSITORIOS
Primero. Los presentes Criterios entrarán en vigor al día siguiente de su publicación en el Diario Oficial de la Federación.
Segundo. Los presentes Criterios, de conformidad con los artículos 40 y 48 de la Ley del Instituto Nacional para la Evaluación de la Educación, deberán hacerse del conocimiento público a través de la página de Internet del Instituto www.inee.edu.mx
Ciudad de México, a veintisiete de abril de dos mil diecisiete. - Así lo aprobó la Junta de Gobierno del Instituto Nacional para la Evaluación de la Educación en la Séptima Sesión Extraordinaria de dos mil diecisiete, celebrada el veintisiete de abril de dos mil diecisiete. Acuerdo número SEJG/07-17/05,R. La Consejera Presidenta, Sylvia Irene Schmelkes del Valle.- Rúbrica.- Los Consejeros: Eduardo Backhoff Escudero, Gilberto Ramón Guevara Niebla, Margarita María Zorrilla Fierro.- Rúbricas.
El Director General de Asuntos Jurídicos, Agustín E. Carrillo Suárez.- Rúbrica.
 
(R.- 449579)
 
1     Pueden encontrarse ligeras variaciones de las puntuaciones en este rango para todos los instrumentos que han sido desarrollados específicamente para los procesos de evaluación del SPD. Estas variaciones se deben a que la escala es aplicable a múltiples instrumentos con características muy diversas, tales como las longitudes, formatos de respuestas, así como su nivel de precisión y las diferencias entre los puntos de corte que atienden a las particularidades de los contenidos que se evalúan, entre otras características.
Por otra parte, para realizar el escalamiento, el sustentante debe, al menos, haber alcanzado un acierto en el examen; en caso contrario, se reportará como cero puntos y obtendrá NI. En el caso de que el sustentante no presente alguno de los instrumentos de evaluación, su resultado en ese instrumento será âNP: no presentó❠y únicamente tendrá la devolución en aquellos instrumentos en los que haya participado y de los que se cuente con información; sin embargo, para el resultado del proceso de la evaluación se considerará como NI. Para mayores detalles sobre los procesos que se llevan a cabo para el escalamiento de las puntuaciones, consultar el anexo técnico.
2     Para mayores detalles sobre el proceso que se lleva a cabo para la transformación de las puntuaciones a la escala global de 800 a 1 600 puntos, consultar el anexo.

En el documento que usted está visualizando puede haber texto, caracteres u objetos que no se muestren correctamente debido a la conversión a formato HTML, por lo que le recomendamos tomar siempre como referencia la imagen digitalizada del DOF o el archivo PDF de la edición.
 


CONSULTA POR FECHA
Do Lu Ma Mi Ju Vi
crear usuario Crear Usuario
busqueda avanzada Búsqueda Avanzada
novedades Novedades
top notas Top Notas
tramites Normas Oficiales
quejas y sugerencias Quejas y Sugerencias
copia Obtener Copia del DOF
versif. copia Verificar Copia del DOF
enlaces relevantes Enlaces Relevantes
Contacto Contáctenos
filtros rss Filtros RSS
historia Historia del Diario Oficial
estadisticas Estadísticas
estadisticas Vacantes en Gobierno
estadisticas Ex-trabajadores Migratorios
INDICADORES
Tipo de Cambio y Tasas al 28/03/2024

UDIS
8.112543

Ver más
ENCUESTAS

¿Le gustó la nueva imagen de la página web del Diario Oficial de la Federación?

 

0.110712001508857610.jpg 0.192286001221699769.jpg 0.821786001312920061.gif 0.475545001508857915.jpg
Diario Oficial de la Federación

Río Amazonas No. 62, Col. Cuauhtémoc, C.P. 06500, Ciudad de México
Tel. (55) 5093-3200, donde podrá acceder a nuestro menú de servicios
Dirección electrónica: www.dof.gob.mx

100

AVISO LEGAL | ALGUNOS DERECHOS RESERVADOS © 2024