La evaluación de batería cruzada es el proceso mediante el cual los psicólogos utilizan información de múltiples baterías de pruebas (es decir, varias pruebas de CI ) para ayudar a guiar las decisiones de diagnóstico y obtener una imagen más completa de las capacidades cognitivas de un individuo que la que se puede determinar mediante el uso de una sola batería. evaluaciones. El enfoque de batería cruzada (XBA) fue introducido por primera vez a finales de la década de 1990 [1] por Dawn Flanagan, Samuel Ortiz y Kevin McGrew. Ofrece a los profesionales los medios para realizar interpretaciones sistemáticas, válidas y actualizadas de las baterías de inteligencia y para complementarlas con otras pruebas de una manera que sea consistente con la teoría de las habilidades cognitivas de Cattell-Horn-Carroll (CHC) empíricamente apoyada .[2]
Tres fuentes fundamentales de información
El enfoque XBA es un método eficiente en el tiempo para medir de manera confiable un rango más amplio (o más profundo pero selectivo) de habilidades / procesos cognitivos de lo que puede medir una sola batería de inteligencia. Se basa en tres fuentes fundamentales de información (es decir, práctica, investigación y desarrollo de pruebas) que proporcionan el conocimiento necesario para organizar evaluaciones de habilidades cognitivas basadas en la teoría, completas, confiables y válidas. [2]
Práctica
RW Woodcock realizó un análisis de factores conjunto que sugiere la necesidad de evaluaciones de batería cruzada para medir una amplia gama de habilidades cognitivas en lugar de una sola batería intelectual. [2] Por ejemplo, descubrió que de las principales baterías intelectuales utilizadas antes de 2000, la mayoría no logró medir tres o más habilidades CHC amplias que se consideraban esenciales para comprender y predecir el rendimiento escolar. Esto proporcionó el ímpetu para desarrollar el enfoque XBA. El enfoque XBA también ayuda a facilitar la comunicación entre profesionales, lo que protege contra malas interpretaciones. El enfoque XBA ofrece a los profesionales una forma psicométricamente defendible de identificar las fortalezas y debilidades normativas en las habilidades cognitivas. [2]
Investigar
El enfoque XBA ayudó a promover una mayor comprensión entre las habilidades cognitivas y los criterios de resultados importantes. Además, la mejora de la validez de las medidas de capacidad de CHC aclarará aún más las relaciones entre las habilidades cognitivas de CHC y diferentes resultados, como el rendimiento y los resultados ocupacionales. [2]
Desarrollo de pruebas
Los autores de las pruebas han utilizado la teoría CHC y las clasificaciones de las pruebas XBA CHC como modelo para el desarrollo de las pruebas ( WJ III , SB5 , KABC-II y DAS-II, etc.). A pesar de que las pruebas de habilidades cognitivas demuestran una mayor cobertura de las amplias capacidades cognitivas de la CHC ahora en comparación con años anteriores; todavía existe la necesidad de utilizar el enfoque XBA para la evaluación. [2]
Aplicación del enfoque XBA
Se recomienda que los profesionales se adhieran a varios principios rectores para garantizar que los procedimientos XBA sean psicométrica y teóricamente sólidos. [2] Primero, se debe seleccionar una batería de inteligencia que mejor aborde los problemas de derivación. En segundo lugar, se deben utilizar subpruebas y grupos o compuestos de una sola batería siempre que sea posible para representar mejor las capacidades generales de CHC (es decir, usar normas reales siempre que sea posible). En tercer lugar, es importante construir grupos de capacidades amplios y estrechos de CHC a través de métodos aceptables, como análisis de factores impulsados por la teoría de CHC o estudios de validez de contenido de consenso de expertos. [2] En cuarto lugar, cuando dos o más indicadores cualitativamente diferentes de una amplia capacidad de interés no se evalúan o no están disponibles en la batería central, se puede complementar con indicadores amplios de capacidad de otra batería. Finalmente, al cruzar baterías, seleccione las pruebas que se desarrollaron y normalizaron con unos años de diferencia entre sí. En sexto lugar, para minimizar el efecto de las diferencias falsas entre las puntuaciones de las pruebas, seleccione las pruebas del menor número de baterías. [2] La evaluación requiere juicio profesional y debe incluir observaciones directas, incluidas entrevistas con quienes conocen al sujeto de la prueba. Las decisiones acertadas requieren un marco explicativo que sea lógico y coherente, con una explicación de los datos contradictorios. [3]
Implementación del enfoque XBA paso a paso [2]
- Seleccione la batería de inteligencia primaria para la evaluación
- Identificar las habilidades de CHC representadas
- Seleccionar pruebas para medir las capacidades de CHC no medidas por la batería principal
- Administrar la batería principal (y cualquier otra prueba complementaria)
- Ingrese los datos en la XBA DMIA (proporcionada en "Aspectos básicos de la evaluación de baterías cruzadas: Segunda edición" [2]
- Siga las pautas de XBA
Uso de XBA en la evaluación de discapacidades específicas de aprendizaje (SLD)
Los "siete pecados capitales" en la evaluación SLD
La discapacidad específica de aprendizaje (SLD) es la discapacidad más grande identificada entre los niños en edad escolar. Según Flanagan, Ortiz y Alfonso, [2] para recibir un diagnóstico de SLD se deben cumplir los siguientes criterios siguiendo estos pasos: se determina un déficit en el funcionamiento académico, las dificultades académicas no se deben a factores de exclusión secundarios (ej. problemas, etc.), se determina un déficit en la capacidad cognitiva, se revisan nuevamente los factores excluyentes para determinar que los déficits académicos y cognitivos no se deben a factores secundarios, se establece un bajo rendimiento , se demuestra que los déficits académicos tienen un efecto negativo en el día a día. la vida. Flanagan, Ortiz y Alfonso [2] sugieren "siete pecados capitales" como metáfora para comprender los conceptos erróneos que rodean la evaluación de SLD que continúan socavando su confiabilidad y validez.
1. Búsqueda incesante de discrepancias ipsativas o intraindividuales
Una de las prácticas más comunes en las evaluaciones SLD es cuando las puntuaciones se ipsatizan . Las puntuaciones ipsatizadas son puntuaciones que se han promediado y restado del promedio general para determinar el grado de desviación del promedio. Esto sugiere que cuando los puntajes se desvían de la media, son indicadores clínicamente importantes de debilidades relativas (más bajas) o fortalezas relativas (más altas). Por lo tanto, las debilidades se consideran evidencia de SLD. Este enfoque solo se enfoca en la identificación de discrepancias que existen dentro del individuo. La gran mayoría de las personas no tienen perfiles cognitivos planos y, en cambio, muestran una variabilidad significativa en su perfil de puntajes de capacidad cognitiva. La suposición de que las personas que tienen ciertas puntuaciones en un dominio mostrarán una capacidad similar en todos los dominios es errónea. En lugar de buscar discrepancias dondequiera que se encuentren, la teoría debería guiar la comparación entre diferentes subpruebas. [2]
2. No distinguir entre una debilidad relativa y una debilidad normativa
Una puntuación más baja no adquiere automáticamente importancia clínica simplemente porque se ha determinado que la discrepancia es real (estadísticamente significativa). La significación estadística solo significa que la diferencia entre las dos puntuaciones no se debe al azar (es decir, que son diferentes entre sí), es decir, no significa que la diferencia entre las dos puntuaciones en la comparación sea clínicamente significativa o indicativa. de deterioro.
3. Obsesión por el cálculo de discrepancias graves
La discrepancia entre capacidad y logro se ha considerado importante para las definiciones y los criterios de diagnóstico de SLD, por lo que los profesionales a menudo recurren al cálculo de cada puntuación de subprueba obtenida en una evaluación. Dado el gran número de discrepancias disponibles para calcular, sería sorprendente que no se encontrara al menos una discrepancia significativa. La discrepancia significativa entre capacidad y logro no debería ser sinónimo ni condición necesaria para un diagnóstico de SLD.
4. Creencia de que el coeficiente intelectual es un predictor casi perfecto del potencial
Esta discrepancia entre capacidad y rendimiento probablemente se vio favorecida por la noción de que el coeficiente intelectual y otras combinaciones de capacidades globales son predictores casi perfectos del rendimiento académico de un individuo. Por ejemplo, los puntajes de habilidad general, como el FSIQ , solo representan alrededor del 35 al 50% de la varianza total del logro, lo que deja entre el 50 y el 65% de la varianza sin explicar. Por lo tanto, los profesionales deben reconocer que hay otros factores importantes que explican una variación significativa en el rendimiento y la capacidad global.
5. No aplicar la teoría y la investigación actuales
Al evaluar el SLD, es posible que los profesionales no siempre estén al tanto de los procedimientos que se basan en la teoría y la investigación modernas o no sean capaces de implementarlos. Los profesionales a menudo omiten la teoría psicométrica contemporánea y las investigaciones actuales sobre SLD que ayudan a determinar la identificación y el diagnóstico de SLD.
6. Dependencia excesiva de los resultados de una única subprueba
Las decisiones de diagnóstico a menudo se basan en los resultados de una sola puntuación de subprueba o en las puntuaciones utilizadas para evaluar a las personas. La confianza en estos puntajes únicos puede no ser adecuada para el diagnóstico o la toma de decisiones de alto riesgo. Por ejemplo, una de las propiedades fundamentales de la psicometría es que una sola subprueba no puede considerarse un indicador confiable por sí misma del constructo que pretende medir. Una subprueba no es suficiente para indicar la presencia de un SLD u otro impedimento.
7. Creencia de que la aptitud y la capacidad son lo mismo
La aptitud y la habilidad son dos conceptos que a menudo se confunden por error. Es importante diferenciar entre los dos dado el cambio en la comprensión de SLD que se basa en la diferencia entre capacidad y aptitud. Al evaluar SLD, observar la aptitud es importante porque esas habilidades están asociadas con resultados académicos a largo plazo.
Referencias
- ^ McGrew, DP y, K. S (1997). "Una batería cruzada para evaluar e interpretar las habilidades cognitivas: estrechando la brecha entre la práctica y la ciencia cognitiva". En Flanagan, Dawn P .; Harrison, Patti L. (eds.). Evaluación intelectual contemporánea: teorías, pruebas y problemas . Nueva York: The Guilford Press. págs. 314–325 . ISBN 978-1-59385-125-5.
- ↑ a b c d e f g h i j k l m n Flanagan, DP, Ortiz, SO y Alfonso, VC (2007). Fundamentos de la evaluación cruzada de baterías 2ª edición. Nueva Jersey: Wiley
- ^ Stephens; Reuter (11 de enero de 2009). "Éxitos y mitos de XBA" . Publicaciones y presentaciones de la facultad de educación .
Otras lecturas
Flanagan, Dawn P .; Harrison, Patti L., eds. (2012). Evaluación intelectual contemporánea: teorías, pruebas y problemas (tercera ed.). Nueva York (NY): Guilford Press . ISBN 978-1-60918-995-2. Resumen Lay (29 de marzo de 2014).Este manual para profesionales incluye capítulos de John D. Wasserman, Randy W. Kamphaus, Anne Pierce Winsor, Ellen W. Rowe, Sangwon Kim, John L. Horn, Nayena Blankson, W. Joel Schneider, Kevin S. McGrew, Jie-Qi Chen, Howard Gardner, Robert J. Sternberg, Jack A. Naglieri, JP Das, Sam Goldstein, Lisa Whipple Drozdick, Dustin Wahlstrom, Jianjun Zhu, Lawrence G. Weiss, Dustin Wahlstrom, Kristina C. Breaux, Jianjun Zhu, Lawrence G. Weiss, Gale H. Roid, Mark Pomplun, Jennie Kaufman Singer, Elizabeth O. Lichtenberger, James C. Kaufman , Alan S. Kaufman , Nadeen L. Kaufman , Fredrick A. Schrank, Barbara J. Wendling, Colin D. Elliott, R . Steve McCallum, Bruce A. Bracken, Jack A. Naglieri, Tulio M. Otero, Cecil R. Reynolds , Randy W. Kamphaus, Tara C. Raines, Robb N. Matthews, Cynthia A. Riccio, John L. Davis, Jack A. Naglieri, Tulio M. Otero, Dawn P. Flanagan, Vincent C. Alfonso, Samuel O. Ortiz, Catherine A. Fiorello, James B. Hale, Kirby L. Wycoff, Randy G. Floyd y John H. Kranzler, Samue l O. Ortiz, Salvador Hector Ochoa, Agnieszka M. Dynda, Nancy Mather, Barbara J. Wendling, Laurie Ford, Michelle L. Kozey, Juliana Negreiros, David E. McIntosh, Felicia A. Dixon, Eric E. Pierson, Vincent C . Alfonso, Jennifer T. Mascolo, Marlene Sotelo-Dynega, Laura Grofer Klinger, Sarah E. O'Kelly, Joanna L. Mussey, Sam Goldstein, Melissa DeVries, James B. Hale, Megan Yim, Andrea N. Schneider, Gabrielle Wilcox , Julie N. Henzel, Shauna G. Dixon, Scott L. Decker, Julia A. Englund, Alycia M. Roberts, Kathleen Armstrong, Jason Hangauer, Joshua Nadeau, Jeffery P. Braden, Bradley C. Niebling, Timothy Z. Keith, Matthew R. Reynolds, Daniel C. Miller, Denise E. Maricle, Denise E. Maricle, Erin Avirett, Rachel Brown-Chidsey, Kristina J. Andren, George McCloskey, James Whitaker, Ryan Murphy, Jane Rogers y John B. Carroll .
- Kaufman, James C., ed. (2009). Pruebas inteligentes: integración de la teoría psicológica y la práctica clínica . Cambridge: Cambridge University Press. ISBN 978-0-521-86121-2. Resumen Lay (23 de octubre de 2010).Esta revisión de la investigación actual incluye capítulos de Nadeen L.Kaufman, Elizabeth O. Lichtenberger, Jennie Kaufman Singer, Elaine Fletcher-Janzen, Nancy Mather, Kyle Bassett, Thomas Oakland, Jack A. Naglieri, Samuel O. Ortiz, Dawn P. Flanagan , Robert J. Sternberg, Randy W. Kamphaus, Cecil R. Reynolds, Jason C. Cole, Claire Énéa-Drapeau, Michèle Carlier, Toshinori Ishikuma , Jan Alm, R. Steve McCallum y Bruce A. Bracken.