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: 13/11/2015
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 de quienes realizan funciones de dirección (directores) en Educación Básica, 20

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 de quienes realizan funciones de dirección (directores) en Educación Básica, 2015-2016.

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

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 DE QUIENES REALIZAN FUNCIONES DE DIRECCIÓN (DIRECTORES) EN EDUCACIÓN BÁSICA, 2015-2016.
El presente documento está dirigido a las autoridades educativas que en el marco de sus atribuciones implementan evaluaciones que, por la naturaleza de sus resultados, regula el Instituto Nacional para la Evaluación de la Educación (INEE), en especial las referidas al Servicio Profesional Docente (SPD) que son desarrolladas por la Coordinación Nacional del Servicio Profesional Docente (CNSPD).
Así, y con fundamento en lo dispuesto en los artículos 3o. fracción IX de la Constitución Política de los Estados Unidos Mexicanos; 7, fracción X 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; 54 de los Lineamientos para llevar a cabo la evaluación del desempeño de quienes realizan funciones de docencia, dirección y supervisión en Educación Básica y Media Superior, 2015-2016, LINEE-05-2015, 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 de quienes realizan funciones de dirección (directores) en Educación Básica (EB), 2015-2016.
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 de la función de dirección (directivos); 2) Criterios técnicos para el análisis e integración de los instrumentos de evaluación; 3) Procedimiento para el establecimiento de puntos de corte y estándares 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 este se aplica en distintas ocasiones.
IV.          Constructo: Elaboración teórica formulada para explicar un proceso social, psicológico o educativo y cuya adecuada descripción permite que sea susceptible de ser observable o medible.
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. Entre mayor sea este índice, menor será su dificultad y a mayor dificultad del reactivo, menor será su índice.
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 este, así como la educación profesional que no requiere bachillerato o sus equivalentes.
XIII.         Equiparación: Proceso estadístico que se utiliza para ajustar las puntuaciones de las formas de un mismo instrumento, permite que las puntuaciones de una forma a otra sean utilizadas de manera intercambiable. La equiparación ajusta, por dificultad, las distintas formas que fueron construidas con contenidos y dificultad similar.
XIV.        Error estándar de medida: Desviación estándar de una distribución hipotética de errores de medida de una población.
XV.         Escala: Procedimiento para asignar números, puntuaciones o medidas 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 la calificación que obtienen los sustentantes 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 reactivos: Descripción detallada de las características relevantes que se espera hagan los sujetos al sustentar el instrumento de evaluación y que es posible observar a través de las tareas evaluativas o los reactivos. Tienen el papel de guiar a los comités académicos en la elaboración y validación de las tareas evaluativas o de los reactivos y que estos cuenten con los elementos necesarios para construirlos alineados al objeto de medida o constructo que se desea evaluar a través del instrumento.
XVIII.       Estándar: Principio de valor o calidad en la conducción y uso de los procedimientos de evaluación y que son acordados por expertos en evaluación.
XIX.        Evaluación: Acción de emitir juicios de valor sobre un objeto, sujeto o evento que resultan de comparar los resultados de una medición u observación con un referente previamente establecido.
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: Procedimiento de recolección de datos que suelen 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 determinar, entre otras cosas, la pertinencia de la validez de las tareas evaluativas o de los reactivos respecto a un dominio; el establecimiento de estándares de desempeño y puntos de corte; así como la calificación de reactivos de respuesta construida.
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 las 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 un instrumento de evaluación, 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 que se derivan 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 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: Número de aciertos obtenidos en un instrumento de evaluación.
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 (por ejemplo, conocimiento o habilidad), debido a una variable no controlada, como las diferencias culturales o lingísticas de las personas evaluadas.
XXXVIII.   Tareas evaluativas: Unidad básica de medida de un instrumento de evaluación que consiste en la ejecución de una actividad que es susceptible de ser observada.
 
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 de la función de dirección (directivos)
La evaluación del desempeño es un proceso integrado que incluye varios instrumentos que dan cuenta de los diferentes aspectos que se describen en los Perfiles, parámetros e indicadores establecidos por la autoridad educativa. A continuación se describen sucintamente cada uno de ellos.
Expediente de evidencias de la función de dirección
Este instrumento evalúa el análisis y la reflexión que el director hace de la información contenida en las evidencias de su gestión directiva, a partir de argumentar las decisiones y acciones que toma en el ejercicio de su función.
Examen de conocimientos y habilidades directivas
Este instrumento evalúa los conocimientos y las competencias que el director pone en juego para propiciar el adecuado funcionamiento de la escuela al coordinar, gestionar y ejercer un liderazgo en los procesos de mejora continua, a partir de la resolución de situaciones hipotéticas de la práctica escolar.
Ruta de mejora argumentada
Este instrumento evalúa la capacidad del director para analizar el contexto interno y externo de la escuela, jerarquizar prioridades y definir metas en la Ruta de mejora, así como la argumentación que hace para propiciar la mejora continua de la escuela y los aprendizajes de los alumnos.
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 de los puntos 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 casos con reactivos de opción múltiple:
·   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. Para cada especificación deberá existir, al menos, un reactivo con el cual será evaluada.
·   Los instrumentos de evaluación deberán tener, al menos, 80 reactivos efectivos para calificación y 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 la evaluación del desempeño de quienes realizan funciones de dirección (directores) en Educación Básica (eb) 2015-2016, deberán atender los siguientes criterios y parámetros estadísticos (Cook y Beckman 2006; Downing, 2004; Stemler y Tsai, 2008):
I a. En el caso de los instrumentos de evaluación basados en casos a partir de 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 0.20.
·   Los distractores deberán tener correlaciones punto biserial negativas.
·   La confiabilidad del instrumento deberá ser igual o mayor que 0.90.
II a. En el caso de los instrumentos basados en tareas evaluativas o en reactivos de respuesta
construida, y que serán calificados con rúbrica, (en el anexo del presente documento se detalla el protocolo de calificación para el trabajo con jueces) se deberán atender los siguientes criterios y parámetros estadísticos:
·   La confiabilidad del instrumento deberá ser igual o mayor que 0.80.
·   La correlación entre cada aspecto evaluado con la puntuación global deberá ser igual o mayor que 0.30.
·   El porcentaje de acuerdos inter-jueces deberá ser igual o mayor que 70%.
·   El porcentaje de acuerdos intra-jueces deberá ser igual o mayor que 80% considerando, al menos, cinco medidas repetidas seleccionadas al azar. Estas mediciones deberán aportarse antes de emitir la calificación definitiva del sustentante, a fin de salvaguardar la confiabilidad de la decisión.
I b. En el caso de los instrumentos de evaluación con 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.
II b. 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 0.70.
·   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 70% considerando, al menos, cinco medidas repetidas seleccionadas al azar. Estas mediciones deberán aportarse antes de emitir la calificación definitiva del sustentante, a fin de salvaguardar la confiabilidad de la decisión.
En caso de que algún instrumento no satisfaga los criterios y parámetros estadísticos antes indicados, la Junta de Gobierno del Instituto determinará lo conducente, buscando salvaguardar la estructura del instrumento que fue aprobada por el Consejo Técnico y atendiendo al marco jurídico aplicable.
3.     Procedimiento para el establecimiento de puntos de corte y estándares 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 la evaluación del desempeño de quienes realizan funciones de dirección (directores) en Educación Básica (eb) 2015-2016, es el establecimiento de los puntos de corte que dividen 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. 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 de puntos de corte y estándares 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 deberán establecer descriptores genéricos de los niveles de desempeño que se utilizarán y cuya única función es orientar a los comités académicos en el trabajo del desarrollo de los descriptores específicos de cada instrumento, tales que les permita a los directivos (directores) tener claros elementos de retroalimentación para conocer sus fortalezas y áreas de oportunidad identificadas a partir de los resultados de cada instrumento sustentado.
Para todos los instrumentos se utilizarán cuatro niveles de desempeño: Nivel I (N I), Nivel II (N II), Nivel III (N III) y Nivel IV (N IV). 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 la función de dirección
Nivel de
desempeño
Descriptor
Nivel I (N I)
El directivo aunque presenta evidencias de sus acciones para organizar el trabajo de la escuela, los argumentos que aporta sobre las decisiones y acciones tomadas en conjunto con el Consejo Técnico Escolar y el Consejo Escolar de Participación Social son faltos de sistematización y estructura, por lo que no se observa una clara relación con el objetivo de mejora de la calidad de los aprendizajes.
Nivel II (N II)
El directivo presenta evidencias de sus acciones para organizar el trabajo de la escuela, y aporta argumentos que justifican las decisiones y acciones tomadas en conjunto con el Consejo Técnico Escolar y el Consejo Escolar de Participación Social y que han sido encaminadas a lograr el objetivo de la mejora de la calidad de los aprendizajes. Asimismo, ofrece una adecuada reflexión sobre sus cualidades y aptitudes en el ejercicio de su función.
Nivel III
(N III)
El directivo presenta sólidas evidencias de sus acciones para organizar el trabajo de la escuela, y aporta argumentos relevantes que justifican las decisiones y acciones tomadas en conjunto con el Consejo Técnico Escolar y el Consejo Escolar de Participación Social y que han sido encaminadas a lograr el objetivo de la mejora de la calidad de los aprendizajes, tomando en consideración el contexto de la escuela, la priorización de objetivos, en función de las necesidades más apremiantes. Asimismo, ofrece una adecuada reflexión sobre sus cualidades y aptitudes en el ejercicio de su función, así como la necesidad de continuar con su desarrollo profesional.
Nivel IV (N IV)
El directivo presenta sólidas evidencias de sus acciones para organizar el trabajo de la escuela, y aporta, con exhaustividad, argumentos relevantes que justifican las decisiones y acciones tomadas en conjunto con el Consejo Técnico Escolar y el Consejo Escolar de Participación Social y que han sido encaminadas a lograr el objetivo de la mejora de la calidad de los aprendizajes. Se observa también que consideró el contexto de la escuela, el entorno socio-cultural y otorgó especial atención a las características y a la diversidad de los estudiantes; a partir de ello y de las necesidades identificadas, se observa que se priorizaron estratégicamente los objetivos y las posibilidades de intervención y gestión, en colaboración con las familias, la comunidad e incluso de otras instituciones interesadas en la mejora educativa de la escuela. Por otra parte, ofrece una adecuada reflexión sobre sus cualidades y aptitudes en el ejercicio de su función, así como la necesidad de enriquecer su desarrollo profesional, con la disponibilidad de realizarlo con apoyo de los recursos tecnológicos disponibles.
 
Tabla 1b. Descriptores genéricos de los niveles de desempeño para el instrumento Examen de conocimientos y habilidades directivas
Nivel de
desempeño
Descriptor
Nivel I (N I)
El directivo cuenta con los conocimientos básicos para la adecuada organización y funcionamiento escolar, así como de los componentes del currículo, del aprendizaje de los alumnos, de los elementos del trabajo en el aula y de las prácticas docentes. Sin embargo, presenta carencias fundamentales respecto a la relevancia de incorporar en la gestión estrategias para una adecuada construcción de ambientes de inclusión y equidad en la escuela.
Nivel II (N II)
El directivo demuestra conocimientos esenciales sobre las formas de organización y funcionamiento escolar, así como de los componentes del currículo, del aprendizaje de los alumnos, de los elementos del trabajo en el aula y de las prácticas docentes que le permitan favorecer, a través de su desempeño, el funcionamiento eficaz de la escuela. También, a través de su gestión, incorpora prácticas que promueven la construcción de ambientes de inclusión y equidad viables en situaciones escolares, así como la promoción de principios éticos, filosóficos y fundamentos legales en contextos educativos.
Nivel III
(N III)
El directivo demuestra conocimientos y habilidades indispensables para realizar diversas formas de organización y funcionamiento escolar, considerando las situaciones de contexto y diversidad de la comunidad escolar y del entorno socio-cultural en el cual se desenvuelve el acto educativo. Asimismo, demuestra un dominio sólido de los distintos componentes del currículo, del aprendizaje de los alumnos, de los elementos del trabajo en el aula y de las prácticas docentes que le permitan favorecer, a través de su desempeño, el funcionamiento eficaz de la escuela. También, a través de su gestión, incorpora prácticas que promueven la construcción de ambientes de inclusión, equidad y respeto, viables en situaciones escolares, así como la promoción de principios éticos, filosóficos y fundamentos legales en contextos educativos y adaptarlos a las demandas específicas de las condiciones escolares y de la población estudiantil. Además, analiza su práctica profesional para mejorarla.
Nivel IV (N IV)
El directivo demuestra conocimientos y habilidades sólidas y sistematizadas para implementar diversas formas de organización y funcionamiento escolar, con amplia sensibilidad a las situaciones de contexto de la comunidad escolar y del entorno socio-cultural en el cual se desenvuelve el acto educativo. Además, demuestra un amplio dominio de los distintos componentes del currículo, del aprendizaje de los alumnos, de los elementos del trabajo en el aula y de las prácticas docentes, tales que le permitan favorecer, a través de su desempeño, el funcionamiento eficiente y eficaz de la escuela. Por otra parte, gestiona y promueve la construcción de ambientes de inclusión, equidad, respeto y reconocimiento a la diversidad en situaciones escolares, así como de la promoción de principios éticos, filosóficos y fundamentos legales en contextos educativos. También realiza gestiones para contribuir a la mejora educativa y a la calidad de los aprendizajes de los alumnos al establecer vínculos entre el trabajo de la escuela y el de la zona escolar. Por otra parte, reflexiona sistemáticamente sobre su práctica profesional para mejorarla, a través de mecanismos de autoaprendizaje, formación y capacitación profesional, con el uso de las tecnologías de la información.
 
Tabla 1c. Descriptores genéricos de los niveles de desempeño para el instrumento
Ruta de mejora argumentada
Nivel de
desempeño
Descriptor
Nivel I (N I)
El director demuestra algunas dificultades para plantear cuáles son los elementos que integran la Ruta de mejora, además de que presenta debilidades para analizar el contexto interno y externo de la escuela, hacer un diagnóstico de la misma, jerarquizar prioridades y definir metas para el plantel, así como para evaluar los resultados de su gestión.
Nivel II (N II)
El director demuestra conocimientos y habilidades básicas para argumentar los elementos indispensables que integran la Ruta de mejora, sin embargo, muestra capacidad para analizar el contexto interno y externo de la escuela, hacer un diagnóstico de la misma, jerarquizar prioridades y definir metas para el plantel, así como para evaluar los resultados de su gestión, tales que le permita plantear acciones encaminadas hacia la mejora continua y el funcionamiento de la escuela, cumpliendo con la Normalidad Mínima de Operación Escolar.
Nivel III
(N III)
El director demuestra conocimientos y habilidades sólidas para argumentar, justificar y dar sustento a los elementos que integran la Ruta de mejora, además de que muestra capacidades para analizar el contexto interno y externo de la escuela, hacer un diagnóstico de la misma, jerarquizar prioridades y definir metas para el plantel. Por otra parte, establece acciones de vinculación entre la escuela y la comunidad para fortalecer los aprendizajes de los alumnos y evalúa los resultados de su gestión para plantear acciones encaminadas hacia la mejora continua y el funcionamiento eficaz de la escuela, cumpliendo con la Normalidad Mínima de Operación Escolar.
Nivel IV (N IV)
El director demuestra conocimientos y habilidades sólidas y organizadas para argumentar, justificar y dar sustento a los elementos que integran la Ruta de mejora. Además, muestra amplia capacidad para analizar el contexto interno y externo de la escuela, hacer un diagnóstico de la situación y con base en ello, establecer prioridades y metas para el plantel, buscando la vinculación entre la escuela y la comunidad a fin de fortalecer los aprendizajes de los alumnos. Por otra parte, evalúa los resultados de su gestión para plantear acciones encaminadas hacia la mejora continua y el funcionamiento eficiente y eficaz de la escuela, haciendo uso responsable de los recursos con los que cuenta y cumpliendo con la Normalidad Mínima de Operación Escolar. Además, diseña estrategias viables para la atención a los alumnos en riesgo de reprobación, rezago o deserción escolar, incorporando en ellas a los padres de familia, a la planta docente y a la comunidad escolar en general.
 
Segunda fase
En esta fase se establecerán los puntos de corte y deberán participar los comités académicos específicos para el instrumento de evaluación que se esté trabajando. 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, será 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, los puntos de corte se referirán a la ejecución típica o esperable de un sustentante hipotético, con un desempeño mínimamente aceptable, para cada uno de los niveles (N I, N II, N III o N IV). 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, para cada nivel de desempeño (Angoff, 1971).
Una vez establecidos los puntos de corte que dividen el rango de calificaciones para diferenciar los niveles de desempeño 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, en términos de lo que este 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 los puntos de corte definidos en la segunda fase, una vez que se cuente con los resultados alcanzados por los sustentantes, 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 alcanzara 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 asociado a cada nivel de desempeño en cada uno de los instrumentos, siguiendo el método propuesto por Beuk, (1984).
La 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, los puntos de corte serán los definidos 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
Todos los sustentantes que participen en los procesos para la evaluación del desempeño de quienes realizan funciones de dirección (directores) en Educación Básica 2015-2016, recibirán los resultados de cada uno de los instrumentos de evaluación(1) así como el resultado global de todo el proceso de evaluación. A continuación se presentan dos subapartados: en el primero se describen los procedimientos para calificar los resultados de los sustentantes en cada instrumento y la escala utilizada para reportarlos; en el segundo se detallan los procedimientos para la obtención del resultado global y la conformación de los grupos de desempeño.
4.1   Calificación de los resultados obtenidos por los sustentantes en los distintos instrumentos que constituyen el proceso de evaluación y la escala en que se reportarán
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(2)).
Al utilizar esta escala, diferente a las escalas que se utilizan para reportar resultados de aprendizaje en el aula (de 5 a 10 o de 0% a 100%, donde el 6 o 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 primer punto de corte a 100 puntos, aun cuando en cada examen el punto de corte refiera a número de aciertos diferente. En este ejemplo la distribución de las puntuaciones va de 65 a 125 puntos.

4.2   Calificación del resultado global, escala en que se reportará y procedimiento para la conformación de los grupos de desempeño
El resultado global de la evaluación se realizará considerando los siguientes instrumentos:
o     Expediente de evidencias de la función de dirección
o     Examen de conocimientos y habilidades directivas
o     Ruta de mejora argumentada
 
La calificación global
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 directivos (directores) compensen sus posibles áreas de oportunidad en otros aspectos evaluados.
Una vez sumado los aportes que hace cada instrumento que se utilizan para calificar a la puntuación total, se lleva a cabo la transformación a una escala que va de 800 a 1 600 puntos(3). Lo anterior con la finalidad de facilitar la comunicación del resultado global de la evaluación, porque siempre referirá a la misma puntuación para determinar los grupos de desempeño.
A manera de ejemplo, en las siguientes gráficas, en el eje horizontal se muestra que la puntuación total de los instrumentos será variable, esto se debe a que depende de la cantidad de instrumentos que considere la evaluación y la puntuación alcanzada en cada uno de ellos. Sin embargo, la transformación que se realiza permitirá comunicar que para el resultado "Suficiente" se requieren, al menos, 1 000 puntos; para el grupo "Bueno", al menos, 1 200 puntos y para el grupo "Destacado", al menos, 1 400 puntos (representados en el eje vertical).

Asimismo, en los ejemplos se observa que, en la gráfica de la izquierda, el punto de corte para alcanzar el resultado "Suficiente" es 285 puntos y en la derecha 330 puntos; sin embargo, en ambos casos la puntuación global estará referida a 1 000 puntos.
Esto mismo ocurre para los siguientes grupos, en los cuales, para alcanzar el resultado global de "Bueno" y "Destacado" son 325 puntos y 355 puntos, respectivamente, en la gráfica izquierda. No así, para la gráfica derecha en donde para alcanzar estos mismos resultados se requiere de 370 puntos y 395 puntos, respectivamente. En ambos casos, para el grupo de desempeño de "Bueno" será de 1 200 puntos y para "Destacado" de 1 400 puntos.
El resultado "No se presentó a la evaluación"
Para el caso en que el directivo (director) 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". Asimismo, debido a que no se cuenta con información, tampoco tendrá devolución de los instrumentos que constituyen el proceso de evaluación del desempeño.
El resultado "Insuficiente"
Se asignará el resultado "Insuficiente" cuando el directivo (director):
·   No sustente alguno o algunos de los instrumentos que son considerados para la calificación, los cuales son: i) Expediente de evidencias de la función de dirección; ii) Examen de conocimientos y habilidades directivas; iii) Ruta de mejora argumentada. No se dará puntuación global ni tampoco formará parte de los grupos de desempeño, pero recibirá la retroalimentación que corresponda.
·   No obtenga, al menos, N II en dos de los tres instrumentos. No se dará puntuación global ni tampoco formará parte de los grupos de desempeño, pero recibirá la retroalimentación que corresponda.
 
·   Haya obtenido menos de 1 000 puntos en el resultado global de la evaluación. No formará parte de los grupos de desempeño, pero recibirá la retroalimentación que corresponda.
Se enfatiza que en cualquiera de estos escenarios los directivos (directores) recibirán los resultados alcanzados en los instrumentos de evaluación que hayan sustentado, a fin de proporcionarles retroalimentación para que conozcan sus fortalezas, debilidades y áreas de oportunidad.
El resultado "Suficiente"
Resultado Suficiente
El director con un resultado Suficiente en el proceso de evaluación será aquel que cumpla con los siguientes criterios:
1)  obtenga, al menos, el nivel de desempeño II (N II) en por lo menos dos de los tres instrumentos que integran el proceso de evaluación.
2)  obtenga al menos 1 000 puntos en la escala de calificación global.
 
Todos los instrumentos tendrán la misma jerarquía o peso en la puntuación total de la calificación, por lo que el resultado global de la evaluación del desempeño estará dado considerando la puntuación que aporta cada uno de los instrumentos. 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.
La conformación de los grupos de desempeño
Los grupos de desempeño estarán conformados únicamente por los sustentantes que obtengan, al menos, un resultado "Suficiente" en la evaluación, esto es, hayan alcanzado el criterio del número de instrumentos mínimos en N II y, al menos 1 000 puntos en la escala global. Con base en lo anterior, el resultado de la evaluación de desempeño del directivo (director) puede ubicarse en alguna de las siguientes categorías:
Resultado de la evaluación: grupos de desempeño
Criterios para formar parte de un grupo de desempeño en Educación Básica
Resultado de la evaluación
Puntuación global en escala 800 - 1 600
Suficiente
o     De 1 000 a 1 199 puntos en la puntuación global
Bueno
o     De 1 200 a 1 399 puntos en la puntuación global
Destacado
o     Al menos 1 400 puntos en la puntuación global
 
Sobre los resultados de la evaluación
El resultado de la evaluación, tanto para los resultados "Insuficientes", como de aquellos que forman parte de un grupo de desempeño ("Suficiente", "Bueno" o "Destacado"), aportará información relevante para diseñar programas y acciones de capacitación, formación y acompañamiento. Por otra parte, para los casos en que aplique, los resultados serán vinculados con el Programa de promoción en la función por incentivos en eb.
Anexo
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 cada aspecto a evaluar se deben tomar decisiones al respecto, a continuación se muestran sugerencias para esta toma de decisiones:
a. Cuando la calificación que se asigna corresponde a categorías de ejecución contiguas (por ejemplo: 1-2) se puede asignar 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 debe asignar al sustentante la categoría de en medio. 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 y asignarle al sustentante las categorías en cada aspecto a evaluar considerando la decisión del tercer juez y la del juez que había plasmado la decisión más cercana a él. Esto mismo aplica cuando hay reiteradas discrepancias amplias 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.
Métodos para establecer puntos 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 multiplicada por uno para el caso de reactivos âtoda vez que cada reactivo vale un puntoâ; o bien, la suma de estas probabilidades multiplicada 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.
Método de Beuk
En 1981, Cess H. Beuk propuso un método para establecer estándares de desempeño, el cual busca equilibrar los juicios de expertos basados solamente en las características de los instrumentos de evaluación, lo que mide y su nivel de complejidad, con los juicios que surgen del análisis de resultados de los sustentantes una vez que un instrumento de evaluación es administrado.
Procedimiento
En el cuerpo del documento se señalaron tres fases para el establecimiento de puntos de corte de los niveles de desempeño. Para completar la tercera fase, es necesario recolectar con antelación las respuestas a dos preguntas dirigidas a los integrantes de los distintos comités académicos especializados involucrados en el diseño de las evaluaciones y en otras fases del desarrollo del instrumento. Las dos preguntas son:
a) ¿Cuál es el mínimo nivel de conocimientos o habilidades que un sustentante debe tener para aprobar el instrumento de evaluación? (expresado como porcentaje de aciertos de todo el instrumento, k).
b) ¿Cuál es la tasa de aprobación de sustentantes que los jueces estiman que aprueben el instrumento? (expresado como porcentaje, v).
Para que los resultados de la metodología a implementar sean estables e integren diferentes enfoques que contribuyan a la diversidad cultural, se deberán recolectar las respuestas de, al menos, 30 especialistas integrantes de los diferentes comités académicos que hayan participado en el diseño de los instrumentos.
Adicionalmente, se debe contar con la distribución de los sustentantes para cada posible punto de corte, con la finalidad de hacer converger el juicio de los expertos con la evidencia empírica.
Los pasos a seguir son los siguientes:
 

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. De no implementarla, para cada instrumento se tendría que estimar el error estándar de medida para todas y cada una de las puntuaciones 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.
 
Como se observa en la gráfica (Won-Chan, Brennan y Kolen, 2000), con excepción de los valores extremos, el error estándar de medición se estabiliza a lo largo de la distribución de las puntuaciones observadas, a diferencia de la transformación lineal de las puntuaciones crudas.
 
 
La ventaja de llevar a cabo la transformación doble arcoseno es que se estabiliza la magnitud de la precisión que se tiene para cada punto de la escala (Brennan, 2012; American College Testing, 2013; 2014a; 2014b). 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, que establece que los errores estándar de medida condicionales deben reportarse en varios niveles de puntuación, a menos que haya evidencia de que el error estándar es constante a lo largo de la escala, lo cual ocurre en este caso, al implementar la transformación doble arcoseno.
El dato obtenido del error estándar condicional deberá reportarse en la misma escala en que se comunican las calificaciones de los sustentantes e incorporase 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).
Proceso para la equiparación de instrumentos de evaluación
Cuando el proceso 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 a 30% ni mayor a 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 sustentantes (por ejemplo, en lápiz y papel o en computadora).
Se deberán considerar 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.
Muñiz, José (2003): Teoría clásica de los test. Ediciones pirámide, Madrid.
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. 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.
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
México, D.F., a cinco de noviembre de dos mil quince.- Así lo aprobó la Junta de Gobierno del Instituto Nacional para la Evaluación de la Educación en la Vigésima Sesión Extraordinaria de dos mil quince, celebrada el cinco de noviembre de dos mil quince. Acuerdo número SEJG/20-15/06, R.- La Consejera Presidenta, Sylvia Irene Schmelkes del Valle.- Rúbrica.- Los Consejeros: Eduardo Backhoff Escudero, Teresa Bracho González, Margarita María Zorrilla Fierro.- Rúbricas.
 
El Director General de Asuntos Jurídicos, Agustín E. Carrillo Suárez.- Rúbrica.
(R.- 422381)
 
1     En el caso en que el sustentante no presente alguno de los instrumentos de evaluación que son considerados para la calificación global, 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. Para el caso en que el sustentante no presente NINGUNO de los instrumentos considerados para efectos de calificación, su resultado global será âNo se presentó a la evaluación❠y en cada instrumento sólo se le asignará âNP: no presentóâ. Asimismo, debido a que no se cuenta con información, tampoco tendrá devolución de los instrumentos que constituyen el proceso de evaluación del desempeño.
2     Pueden encontrarse ligeras variaciones en este rango debido a que la escala es aplicable a múltiples instrumentos con características muy diversas, tales como las longitudes, tipos de instrumentos y su nivel de precisión, diferencias entre los puntos de corte que atienden a las particularidades de los contenidos que se evalúan, entre otras; 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 y obtendrá N I. Para mayores detalles sobre los procesos que se llevan a cabo para el escalamiento de las puntuaciones, consultar el anexo.
3     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 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
quejas y sugerencias Quejas y Sugerencias
copia Obtener Copia del DOF
Publicaciones relevantes Publicaciones Relevantes
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
La traducción es automática y puede contener errores o inconsistencias
INDICADORES
Tipo de Cambio y Tasas al 18/11/2019

UDIS
6.337013

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

111

AVISO LEGAL | ALGUNOS DERECHOS RESERVADOS © 2019