Diez pasos para la construcción de un test

Bibliographic References

• American Educational Research Association, American Psychological Association y National Council on Measurement in Education (2014). Standards for educational and psychological testing. Washington, DC: Author.
• Armayones, M., Boixadós, M., Gómez, B., Guillamón, N., Hernández, E., Nieto, R., Pousada, M., y Sara, B. (2015). Psicología 2.0: oportunidades y retos para el profesional de la psicología en el ámbito de la e-salud. Papeles del Psicólogo, 36, 153-160.
• Baldwin, D., Fowles, M., y Livingston, S. (2005). Guidelines for constructed-response and other performance assessments. Princeton, NJ: Educational Testing Service.
• Balluerka, N., Gorostiaga, A., Alonso-Arbiol, I., y Haranburu, M. (2007). La adaptación de instrumentos de medida de unas culturas a otras: una perspectiva práctica. Psicothema, 19, 124-133.
• Bennett, R. E. (1999). Using new technology to improve assessment. Educational Measurement: Issues and Practice, 18, 5-12.
• Bennett, R. E. (2006). Inexorable and inevitable: The continuing story of technology and assessment. En D. Bartram y R. K. Hambleton (Eds.), Computer-based testing and the internet: Issues and advances (pp. 201-218). Chichester: Wiley.
• Borsboom D., y Cramer, A.O.J. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9, 91-121. doi: 10.1146/annurev-clinpsy-050212185608
• Breithaupt, K. J., Mills, C. N., y Melican, G. J. (2006). Facing the opportunities of the future. En D. Bartram y R. K. Hambleton (Eds.), Computer-based testing and the Internet (pp. 219-251). Chichester: John Wiley and Sons.
• Brown, T. A. (2015). Confi rmatory factor analysis for applied research (2nd edition). New York: Guilford Press.
• Calero, D., y Padilla, J. L. (2004). Técnicas psicométricas: los tests. En R. Fernández-Ballesteros (Ed.), Evaluación psicológica: conceptos, métodos y estudio de casos (pp. 323-355). Madrid: Pirámide.
• Carretero, H., y Pérez, C. (2005). Normas para el desarrollo y revisión de estudios instrumentales. International Journal of Clinical and Health Psychology, 5, 521-551.
• Chernyshenko, O. S., y Stark, S. (2016). Mobile psychological assessment. En F. Drasgow (Ed.) (2016). Technology and testing (pp. 206-216). Nueva York: Routledge.
• Clark, L. A., y Watson, D. (1995). Constructing validity: Basic issues in objective scale development. Psychological Assessment, 7, 309-319.
• Cuesta, M. (1996). Unidimensionalidad. En J. Muñiz (Ed.), Psicometría (pp. 239-292). Madrid: Universitas.
• Dillman, D. A., Smyth, J. D., y Christian, L. M. (2009). Internet, mail and mixed-mode surveys: The tailored design method. Hoboken, NJ: Wiley.
• Dorans N. J., y Cook, L. (2016). Fairness in educational assessment and measurement. New York: Taylor & Francis.
• Downing, S. M. (2006). Twelve steps for effective test development. En S. M. Downing y T. M. Haladyna (Eds.), Handbook of test development (pp. 3-25). Mahwah, NJ: Lawrence Erlbaum Associates.
• Downing, S. M., y Haladyna, T. M. (2006). Handbook of test development. Mahwah, NJ: Lawrence Erlbaum Associates.
• Drasgow, F. (Ed.) (2016). Technology and testing. Nueva York: Routledge.
• Drasgow, F., Luecht, R. M., y Bennett, R. E. (2006). Technology and testing. En R. L. Brennan (Ed.), Educational measurement. Westport, CT: ACE/Praeger.
• Elosua, P. (2003). Sobre la validez de los tests. Psicothema, 15, 315-321. Elosua, P., y Zumbo, B. (2008). Coefi cientes de fi abilidad para escalas de respuesta categórica ordenada. Psicothema, 20, 896-901.
• Erceg-Hurn, D. M., y Mirosevich, V. M. (2008). Modern robust statistical methods: An easy way to maximize the accuracy and power of your research. American Psychologist, 63, 591-601. doi: 10.1037/0003066X.63.7.591
• Ferrando, P.J., y Anguiano, C. (2010). El análisis factorial como técnica de investigación en Psicología. Papeles del Psicólogo, 31, 18-33.
• Fonseca Pedrero, E., y Debbané, M. (2017). Schizotypal traits and psychoticlike experiences during adolescence: An update. Psicothema, 29, 5-17. doi: 10.7334/psicothema2016.209
• Fonseca-Pedrero, E. (2017). Análisis de redes: ¿una nueva forma de comprender la psicopatología? Revista de Psiquiatria y Salud Mental, 10, 183-224. doi: 10.1016/j.rpsm.2017.06.004
• Fonseca-Pedrero, E. (2018). Análisis de redes en psicología. Papeles del Psicólogo, 39, 1-12. https://doi.org/10.23923/pap.psicol2018.2852
• Fonseca-Pedrero, E., y Muñiz, J. (2017). Quinta evaluación de tests editados en España: mirando hacia atrás, construyendo el futuro. Papeles del Psicólogo, 38, 161-168. https://doi.org/10.23923/pap.psicol2017.2844
• Gierl, M. J., y Haladyna, T. M. (Eds.) (2013). Automatic item generation: Theory and practice. Nueva York: Routledge.
• Gómez-Benito, J., Sireci, S., Padilla, J. L., Hidalgo, M. D., y Benítez, I. (2018). Differential Item Functioning: Beyond validity evidence based on internal structure. Psicothema, 30, 104-109. doi: 10.7334/ psicothema2017.183.
• Haladyna, T. M. (2004). Developing and validating multiple-choice test item (3ª ed.). Hillsdale, NJ: LEA.
• Haladyna, T. M., Downing, S. M., y Rodríguez, M. C. (2002). A review of multiple-choice item-writing guidelines. Applied Measurement in Education, 15, 309-334.
• Haladyna, T. M., y Rodríguez, M. C. (2013). Developing and validating test items. London: Routledge.
• Hambleton, R. K., Merenda, P. F., y Spielberger, C. D. (2005). Adapting educational and psychological tests for cross-cultural assessment. London: Lawrence Erlbaum Associates.
• Hernández, A., Ponsoda, V., Muñiz, J., Prieto, G., y Elosua, P. (2016). Revisión del modelo para evaluar la calidad de los tests utilizados en España. Papeles del Psicólogo, 37, 192-197.
• Hogan, T. P., y Murphy, G. (2007). Recommendations for preparing and scoring constructed-response items: What the experts say. Applied Measurement in Education, 20, 427-441.
• International Test Commission (2017). The ITC Guidelines for translating and adapting Tests (Second edition). Recuperado de http://www. InTestCom.org
• Irwing, P. (Ed.) (2018). The Wiley handbook of psychometric testing: A multidisciplinary reference on survey, scale and test development. UK: John Wiley & Sons Ltd.
• Insel, T.R. (2017). Digital phenotyping: Technology for a new science of behavior. JAMA, 318, 1215-1216. doi: 10.1001/jama.2017.11295
• Kane, M. T. (2006). Validation. En R. L. Brennan (Ed.), Educational measurement (4th edition) (pp. 17-64). Westport, CT: American Council on Education/Praeger.
• Kosinski, M., Stillwell, D., y Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behaviour. Proceedings of the National Academy of Sciences, 110, 5802-5805. doi: 10.1073/ pnas.1218772110
• Krosnick, J. A., y Presser, S. (2010). Question and questionnaire design. En P. V. Marsden y J. D. Wright (Eds.), Handbook of survey research (2ª edición) (pp. 263-314). Bingley, Inglaterra: Emerald Group.
• Lane, S., Raymond, M.R., y Haladyna, T. M. (2016). Handbook of test development (2nd edition). New York, NY: Routledge.
• Leong, T. L., Bartram, D., Cheung, F. M., Geisinger, K. F., e Illiescu, D. (Eds.) (2016). The ITC International Handbook of Testing and Assessment. New York: Oxford University Press.
• Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22, 1-55.
• Livingston, S. (2009). Constructed-response test questions: Why we use them, how we score them. Princeton, NJ: Educational Testing Service.
• Lord, F. M., y Novick, M. R. (1968). Statistical theories of mental test scores. New York: Addison-Wesley.
• Magno, C. (2009). Taxonomy of aptitude test items: A guide for item writers. The International Journal of Educational and Psychological Assessment, 2, 39-53.
• Markovetz, A., Blaszkiewicz, K., Montag, C., Switala, C., y Schlaepfer, T. E. (2014). Psycho-Informatics: Big Data shaping modern psychometrics. Medical Hipotheses, 82, 405-411. doi: 10.1016/j.mehy.2013.11.030
• Markus, K., y Borsboom, D. (2013). Frontiers of validity theory: Measurement, causation, and meaning. New York, NY: Routledge.
• Martínez-Arias, R. (2018). Aproximaciones actuales a la validez de los test. En Academia de Psicología de España (Ed.), Psicología para un mundo sostenible (pp. 51-77). Madrid: Pirámide.
• Miller, G. (2012). The smartphone psychology manifesto. Perspectives on Psychological Science, 7, 221-237. doi:10.1177/1745691612441215
• Myin-Germeys, I., Kasanova, Z., Vaessen, T., Vachon, H., Kirtley, O., Viechtbauer, W., y Reininghaus, U. (2018). Experience sampling methodology in mental health research: New insights and technical developments. World Psychiatry, 17, 123-132. doi: 10.1002/wps.20513
• Moreno, R., Martínez, R. J., y Muñiz, J. (2004). Directrices para la construcción de ítems de elección múltiple. Psicothema, 16, 490-497.
• Moreno, R., Martínez, R., y Muñiz, J. (2006). New guidelines for developing multiple-choice items. Methodology, 2, 65-72.
• Moreno, R., Martínez, R., y Muñiz, J. (2015). Guidelines based on validity criteria for the development of multiple choice items. Psicothema, 27, 388-394. doi: 10.7334/psicothema2015.110
• Moreno, R., Martínez, R. J., y Muñiz, J. (2018). Test item taxonomy based on functional criteria. Frontiers in Psychology, 9, 1175, 1-9. doi: 10.3389/fpsyg.2018.01175
• Muñiz, J. (Ed.) (1996). Psicometría. Madrid: Universitas. Muñiz, J. (1997). Introducción a la teoría de respuesta a los ítems. Madrid: Pirámide.
• Muñiz, J. (2000). Teoría Clásica de los Tests. Madrid: Pirámide.
• Muñiz, J. (2004). La validación de los tests. Metodología de las Ciencias del Comportamiento, 5, 121-141.
• Muñiz, J. (2018). Introducción a la psicometría. Madrid: Pirámide.
• Muñiz, J., y Bartram, D. (2007). Improving international tests and testing. European Psychologist, 12, 206-219.
• Muñiz, J., Elosua, P., y Hambleton, R.K. (2013). Directrices para la traducción y adaptación de los tests: segunda edición. Psicothema, 25, 151-157. doi: 10.7334/psicothema2013.24
• Muñiz, J., Fidalgo, A. M., García-Cueto, E., Martínez, R., y Moreno, R. (2005). Análisis de los ítems. Madrid: La Muralla.
• Muñiz, J., y Fonseca, E. (2008). Construcción de instrumentos de medida para la evaluación universitaria. Revista de Investigación en Educación, 5, 13-25.
• Muñiz, J., y Fonseca, E. (2017). Construcción de instrumentos de medida en psicología. Madrid: FOCAD. Consejo General de Psicología de España.
• Nelson, B., McGorry, P. D., Wichers, M., Wigman, J. T., y Hartmann, J. A. (2017). Moving from static to dynamic models of the onset of mental disorder. JAMA Psychiatry, 74, 528-534. doi: 10.1001/ jamapsychiatry.2017.0001
• Norma UNE-ISO 10667 (2013). Prestación de servicios de evaluación. Procedimientos y métodos para la evaluación de personas en entornos laborales y organizacionales (partes 1 y 2). Madrid: AENOR.
• Olea, J., Abad, F., y Barrada, J.R. (2010). Tests informatizados y otros nuevos tipos de tests. Papeles del Psicólogo, 31, 94-107.
• Osterlind, S. J. (1998). Constructing test items: Multiple-choice, constructed-response, performance and others formats. Boston: Kluwer Academic Publishers.
• Osterlind, S.J., y Merz, W, R. (1994). Building a taxonomy for constructed-response test items. Educational Assessment, 2, 133-147.
• Parshall, C. G., Harmes, J. C., Davey, T., & Pashley, P. (2010). Innovative items for computerized testing. En W. J. van der Linden y C. A. Glas (Eds.), Elements of adapting testing (pp. 215-230). Londres: Springer.
• Phelps, R. (Ed.) (2005). Defending standardized testing. Londres: LEA.
• Phelps, R. (Ed.) (2008). Correcting fallacies about educational and psychological testing. Washington: APA.
• Prieto, G., y Delgado, A. (2010). Fiabilidad y validez. Papeles del Psicólogo, 31, 67-74.
• Rauthmann, J. (2011). Not only item content but also item formats is important: Taxonomizing item format approaches. Social Behavior and Personality, 39, 119-128.
• Rus-Calafell, M., Garety, P., Sason, E., Craig, T.J.K., y Valmaggia, L.R. (2018). Virtual reality in the assessment and treatment of psychosis: A systematic review of its utility, acceptability and effectiveness. Psychological Medicine, 48, 362-391. doi: 10.1017/ S0033291717001945
• Scalise, K., y Gifford, B. (2006). Computer-based assessment in e-learning: A framework for constructing “intermediate constraint” questions and tasks for technology platforms. The Journal of Technology, Learning, and Assesment, 4(6). Recuperado de http://www.jtla.org
• Schmeiser, C. B., y Welch, C. (2006). Test development. En R. L. Brennan (Ed.), Educational measurement (4th ed.) (pp. 307-353). Westport, CT: American Council on Education/Praeger.
• Shermis, M. D., y Burstein, J. (Eds.) (2013). Handbook of automated essay evaluation. Current applications and new directions. Nueva York: Routledge.
• Sireci, S. (1998a). The construct of content validity. Social Indicators Research, 45, 83-117.
• Sireci, S. (1998b). Gathering and analyzing content validity data. Educational Assessment, 5, 299-321.
• Sireci, S., y Faulkner-Bond, M. (2014). Validity evidence based on test content. Psicothema, 26, 100-107. doi: 10.7334/psicothema2013.256
• Sireci, S., y Zenisky, A. L. (2006). Innovative items format in computerbased testing: In pursuit of construct representation. En S. M. Downing y T. M. Haladyna (Eds.), Handbook of test development (pp. 329-348). Hillsdale, NJ: LEA.
• Sireci, S., y Zenisky, A. L. (2016). Computerized innovative item formats: Achievement and credentialing. En S. Lane, M. R. Raymond y T. M. Haladyna (Eds.), Handbook of test development (pp. 313-334). Nueva York: Routledge.
• Smith, G. T., Fischer, S., y Fister, S. M. (2003). Incremental validity principles in test construction. Psychological Assessment, 15, 467-477.
• Smith, S. T. (2005). On construct validity: Issues of method measurement. Psychological Assessment, 17, 396-408.
• Suárez, J., Pedrosa, I., Lozano, L., García-Cueto, E., Cuesta, M., y Muñiz, J. (2018). Using reversed items in Likert scales: A questionable practice. Psicothema, 30, 149-158. doi: 10.7334/psicothema2018.33
• Thurstone, L. L. (1927a). A law of comparative judgement. Psychological Review, 34, 273-286.
• Thurstone, L. L. (1927b). The method of paired comparisons for social values. Journal of Abnormal Social Psychology, 21, 384-400.
• Thurstone, L. L. (1928). Attitudes can be measured. American Journal of Sociology, 33, 529-554.
• Trull, T. J., y Ebner-Priemer, U. W. (2013). Ambulatory assessment. Annual Review of Clinical Psychology, 9, 151-176. doi: 10.1146/ annurev-clinpsy-050212-185510
• van der Linden, W. (Ed.) (2016). Handbook of item response theory (3 volúmenes). Boca Ratón, FL: Chamman & Hall/CRC.
• van Os, J., Delespaul, P., Wigman, J., Mying-Germays, I., y Wichers, M. (2013). Beyond DSM and ICD: Introducing precision diagnosis for psychiatry using momentary assessment technology. World Psychiatry, 12, 113-117. doi: 10.1002/wps.20046
• Wells, C.S., y Faulkner-Bond, M. (2016). Educational measurement. From foundations to future. New York, NY: The Guilford Press.
• Wetzel, E., Böhnke, J.R., y Brown, A. (2016). Response Biases. En F.T. Leong et al. (Eds.). The ITC international handbook of testing and assessment (pp. 349-363). New York: Oxford University Press.
• Williamson, D.M., Bennett, R.E., Lazer, S., Berstein, J., Foltz, P.W., Landauer, T.K., Rubin, D.P., Way, W.P., y Sweeney, K. (2010). Automated scoring for the assessment of common core standards. Princeton, NJ: Educational Testing Service.
• Williamson, D.M., Mislevy, R.J., y Bejar, I. (2006). Automated scoring of complex tasks in computer-based testing. Mahwah, NJ: LEA.
• Wilson, M. (2005). Constructing measures: An item response modeling approach. Mahwah, NJ: Lawrence Erlbaum Associates.
• Zumbo, B. D. (2007). Validity: Foundational issues and statistical methodology. En C. R. Rao y S. Sinharay (Eds.), Handbook of statistics: Vol. 26. Psychometrics (pp. 45-79). Amsterdam, Netherlands: Elsevier Science.