Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Validade Baseada nas Consequências da Testagem

A validade baseada nas consequências da testagem é uma das cinco fontes de validade dos testes segundo os Standards da AERA, APA e NCME (2014).

Embora as consequências ou o uso dos escores de um teste não pareçam ter a ver com a validade do instrumento, é importante notar que a maioria dos testes tem um propósito de avaliação que poderá resultar em impactos na vida do sujeito avaliado. Assim, torna-se importante avaliar as consequências pretendidas e os efeitos colaterais indesejados dos usos feitos a partir dos testes.

Por exemplo:

Imaginemos que temos uma medida de depressão para idosos. Se a medida está sendo usada para rastrear ou descrever os níveis de depressão na população em geral, é preciso considerar as consequências sociais intencionais e não intencionais de encontrar um número muito pequeno ou muito grande de idosos deprimidos. Precisamos considerar como tais descobertas podem impactar, por exemplo, o financiamento de programas comunitários de saúde mental para a terceira idade, diagnósticos médicos e o impacto na cobertura e nas taxas de planos de saúde, etc.

Outro exemplo, se um teste X for usado com um grupo cultural diferente do que a amostra de desenvolvimento do teste original (por exemplo, povos aborígines, grupos de imigrantes), devemos nos perguntar: se o significado das pontuações é o mesmo com este grupo? Se as pontuações são relevantes e úteis para este grupo? Qual será o impacto das pontuações obtidas para esse grupo? Quais serão as consequências decorrentes do uso desse teste nesse grupo específico?

Se, intencionalmente ou não, o uso do teste puder impactar negativamente algum aspecto da vida da população-alvo, as consequências da testagem serão consideradas adversas, e a testagem poderá ser interrompida.

Precauções a serem tomadas para salvaguardar a validade baseada na consequência da testagem

Embora um teste possa ser utilizado para várias situações ou atividades, nenhum teste é adequado para todas as situ­ações e atividades do ser humano. Assim, o teste deveria ser elaborado para situações ou atividades específicas, do que resulta que, no final das contas, se deveria elaborar um teste diferente para cada situação ou atividade. Considerando que impor a tarefa de coletar evidência para as consequências de uso dos escores para cada situação de aplicação do teste é uma tarefa impossível, é responsabilidade do desenvolvedor do teste explicitar para que situações ou atividades o teste produz escores adequados para a tomada de decisões com base nele.

Por outro lado, quando as decisões são tomadas a partir da aplicação de um teste e não se trata apenas de descrever ou interpretar sem haver ações que dele decorram, deve-se pensar nas consequências da aplicação do referido instrumento. Isto posto, testes devem ser usados ​​quando as consequências positivas (benefícios) são maximizadas e as consequências negativas (custos) derivadas de sua aplicação são minimizadas.

Importante:

Cizek, Bowen e Church (2010), no seu artigo Sources of validity evidence for educational and psychological tests: A follow-up study, afirmam que as consequências da testagem como fonte de evidência de validade simplesmente não existem na literatura profissional. Assim, embora a AERA, APA e NCME (2014) já tenham postulado sobre a sua importância e necessidade, ainda é escasso ver esse tipo de discussão sendo realizado na prática.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referencias:

American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. Washington, DC: American Educational Research Association.

Cizek, G. J., Bowen, D., & Church, K. (2010). Sources of validity evidence for educational and psychological tests: A follow-up study. Educational and Psychological Measurement70(5), 732-743.

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.