Pruebas de elección forzosa: visión actual y recomendaciones

Abstract

Este artículo tiene como objetivo ofrecer una visión actual de las pruebas de elección forzosa y proporcionar recomendaciones para su diseño y construcción. Aunque estas pruebas ayudan a superar limitaciones como los sesgos de deseabilidad social y de respuesta extrema, comunes en los formatos de respuesta graduada, presentan desafíos técnicos relacionados con la ipsatividad de las puntuaciones. Este artículo presenta modelos psicométricos basados en la Teoría de Respuesta al Ítem (TRI), como el modelo Thurstoniano de TRI para preferencias (TIRT) y el modelo de preferencia por pares multi-unidimensional (MUPP), que mejoran la estimación de los rasgos y permiten un ensamblaje óptimo de ítems en bloques. Se identifican factores de diseño del cuestionario, como la polaridad de los ítems ensamblados, que pueden afectar la calidad de las puntuaciones obtenidas. Además, se exploran los beneficios de la TRI en el desarrollo de tests adaptativos informatizados on-the-fly, donde los ítems se emparejan durante la prueba en función de las respuestas previas del evaluado, optimizando la precisión de las puntuaciones. Finalmente, se ofrece una guía paso a paso para la construcción de pruebas de elección forzosa, ilustrada con un ejemplo empírico y código en R de acceso abierto.This article aims to provide a current overview of forced-choice tests and offer recommendations for their design and construction. Although these tests help overcome limitations such as social desirability and extreme response bias, common in graded response formats, they present technical challenges related to the ipsativity of the scores. This paper discusses psychometric models based on Item Response Theory (IRT), such as the Thurstonian IRT (TIRT) and the multi-unidimensional pairwise preference (MUPP) models, which improve trait estimation and enable optimal item assembly into blocks. It identifies questionnaire design factors, such as the polarity of assembled items, that can affect the quality of the obtained scores. Additionally, the benefits of IRT in developing computerized adaptive tests on-the-fly are explored, where items are paired during the test based on the examinee's previous responses, optimizing score precision. Finally, a step-by-step guide for constructing forced-choice tests is provided, illustrated with an empirical example and open-access R code.