Recibido:09/12/2025 Aprobado:10/01/2026
Vol.6 N|1
186 | P á g i n a
DOI: https://doi.org/10.70208/3007.8245.v6.n1.335
Análisis del Funcionamiento Diferencial de los ítems en una prueba
estandarizada de ingreso a carrera
Kevin Gómez Guillen1
kevin.gomezguillen@ucr.ac.cr
https://orcid.org/0009-0002-5415-4729
Universidad de Costa Rica
Costa Rica
Graciela Ordóñez Gutiérrez
graciela.ordonez@ucr.ac.cr
https://orcid.org/0000-0002-0762-3759
Universidad de Costa Rica
Costa Rica
RESUMEN
El objetivo de este estudio es evaluar el funcionamiento diferencial de los ítems de una prueba
estandarizada que mide las habilidades de razonamiento cuantitativo en un grupo de examinados de
los años 2021, 2022 y 2023. El diseño fue no experimental ex post facto y se empleó el método
estadístico Mantel-Haenszel. Dentro de los principales resultados se obtuvo que para la prueba del
2021 el IT27, el IT5 y IT39 de la prueba del 2022 y el IT38 de la prueba del 2023 favorecen a los
hombres. En cuanto al tipo de colegio, solo para la prueba del año 2023 el IT10 favoreció a las personas
provenientes de colegios privados. Finalmente, es indispensable realizar estos estudios y determinar la
causa de sesgo, de esta manera mejorar el instrumento de medida y proporcionar mayor equidad y
justicia.
Palabras clave: Funcionamiento diferencial de los ítems, prueba estandarizada, imparcialidad, sesgo,
validez
1 Autor principal.
Correspondencia: kevin.gomezguillen@ucr.ac.cr
Vol.6 N|1
187 | P á g i n a
Analysis of the Differential Functioning of Items in a
Standardized Entrance Test for a Degree Program
ABSTRACT
The objective of this study is to evaluate the differential functioning of the items in a standardized test
that measures quantitative reasoning skills for a group of examinees from 2021, 2022, and 2023. The
design was non-experimental ex post facto, and the Mantel-Haenszel statistical method was employed.
Among the main results, it was found that for the 2021 test, items IT 27, IT 5, and IT 39 from the 2022
test, as well as item IT 38 from the 2023 test, favored males. Regarding the type of school, only for the
2023 test did IT10 favor individuals coming from private schools. Ultimately, it is crucial to conduct
these studies and identify the source of bias, thereby enhancing the measurement instrument and
promoting greater equity and justice
Keywords: Differential item functioning, Standardized test, Fairness, Bias, Validity
187 | P á g i n a
Analysis of the Differential Functioning of Items in a
Standardized Entrance Test for a Degree Program
ABSTRACT
The objective of this study is to evaluate the differential functioning of the items in a standardized test
that measures quantitative reasoning skills for a group of examinees from 2021, 2022, and 2023. The
design was non-experimental ex post facto, and the Mantel-Haenszel statistical method was employed.
Among the main results, it was found that for the 2021 test, items IT 27, IT 5, and IT 39 from the 2022
test, as well as item IT 38 from the 2023 test, favored males. Regarding the type of school, only for the
2023 test did IT10 favor individuals coming from private schools. Ultimately, it is crucial to conduct
these studies and identify the source of bias, thereby enhancing the measurement instrument and
promoting greater equity and justice
Keywords: Differential item functioning, Standardized test, Fairness, Bias, Validity
Vol.6 N|1
188 | P á g i n a
INTRODUCCIÓN
La AERA, APA & NCME (2014) explican que una de las evidencias de validez fundamentales en el
campo de la medición es aquella relativa a la estructura interna de un instrumento que mide un
constructo determinado, en la cual la validez corresponde al grado en que la evidencia y la teoría
permiten realizar interpretaciones de las puntuaciones relativas a una prueba.
En algunos estudios (Ordóñez Gutiérrez, 2025; Pérez-Gil et al., 2000; Gómez Guillén, 2025) sobre la
estructura interna de las pruebas se analizan relaciones estadísticas sobre los comportamientos,
actitudes y disposiciones clave del constructo de interés, ofreciendo evidencias para la validez de la
medida según la adecuación del contenido de la prueba con el marco teórico subyacente al constructo.
Otros estudios (Moreira Mora, 2008; Montero Rojas & Moreira-Mora, 2017; Martinková et al., 2017)
respecto a la estructura interna de las pruebas se enfocan en demostrar si ítems en particular pueden
funcionar de manera diferente para grupos de examinados identificables, por ejemplo, grupos
raciales/étnicos o de género. Cuando diferentes grupos de examinados con capacidad general similar,
o nivel similar en un constructo adecuado, tienen, en promedio, respuestas sistemáticamente diferentes
en un ítem en particular, o bien tras considerar diferencias en el constructo las variaciones en las
respuestas se asocian con la pertenencia al grupo; esto es lo que se llama Funcionamiento Diferencial de
los ítems (DIF).
Ahora bien, el DIF no siempre es una falla o debilidad según la AERA, APA & NCME (2014), esto
porque subconjuntos de ítems que tienen una característica específica en común, por ejemplo,
contenidos o tareas, pueden funcionar de manera diferente para distintos grupos de examinados con
puntuaciones semejantes, lo cual indica una clase de multidimensionalidad que puede esperarse o
ajustarse al marco teórico de la prueba; por lo que la presencia de DIF en un ítem no garantiza que sea
injusto (Martinková et al., 2017). Es por este motivo que el DIF del ítem se ha confundido con sesgo,
especialmente por el doble sentido de la palabra sesgo: uno social y otro estadístico (Martínez Arias et
al. 2014).
Por otra parte, el análisis del DIF es esencial para establecer la imparcialidad en las pruebas educativas
y psicológicas (Albano et al., 2024), ya que al identificar DIF estadísticamente, la revisión del contenido
188 | P á g i n a
INTRODUCCIÓN
La AERA, APA & NCME (2014) explican que una de las evidencias de validez fundamentales en el
campo de la medición es aquella relativa a la estructura interna de un instrumento que mide un
constructo determinado, en la cual la validez corresponde al grado en que la evidencia y la teoría
permiten realizar interpretaciones de las puntuaciones relativas a una prueba.
En algunos estudios (Ordóñez Gutiérrez, 2025; Pérez-Gil et al., 2000; Gómez Guillén, 2025) sobre la
estructura interna de las pruebas se analizan relaciones estadísticas sobre los comportamientos,
actitudes y disposiciones clave del constructo de interés, ofreciendo evidencias para la validez de la
medida según la adecuación del contenido de la prueba con el marco teórico subyacente al constructo.
Otros estudios (Moreira Mora, 2008; Montero Rojas & Moreira-Mora, 2017; Martinková et al., 2017)
respecto a la estructura interna de las pruebas se enfocan en demostrar si ítems en particular pueden
funcionar de manera diferente para grupos de examinados identificables, por ejemplo, grupos
raciales/étnicos o de género. Cuando diferentes grupos de examinados con capacidad general similar,
o nivel similar en un constructo adecuado, tienen, en promedio, respuestas sistemáticamente diferentes
en un ítem en particular, o bien tras considerar diferencias en el constructo las variaciones en las
respuestas se asocian con la pertenencia al grupo; esto es lo que se llama Funcionamiento Diferencial de
los ítems (DIF).
Ahora bien, el DIF no siempre es una falla o debilidad según la AERA, APA & NCME (2014), esto
porque subconjuntos de ítems que tienen una característica específica en común, por ejemplo,
contenidos o tareas, pueden funcionar de manera diferente para distintos grupos de examinados con
puntuaciones semejantes, lo cual indica una clase de multidimensionalidad que puede esperarse o
ajustarse al marco teórico de la prueba; por lo que la presencia de DIF en un ítem no garantiza que sea
injusto (Martinková et al., 2017). Es por este motivo que el DIF del ítem se ha confundido con sesgo,
especialmente por el doble sentido de la palabra sesgo: uno social y otro estadístico (Martínez Arias et
al. 2014).
Por otra parte, el análisis del DIF es esencial para establecer la imparcialidad en las pruebas educativas
y psicológicas (Albano et al., 2024), ya que al identificar DIF estadísticamente, la revisión del contenido
Vol.6 N|1
189 | P á g i n a
de los ítems puede evidenciar términos o contextos que no son esenciales para medir el constructo y
que son menos familiares o relevantes para un grupo en comparación con otro. Además, el análisis de
DIF en los ítems de pruebas de alto impacto permite garantizar que la medición realizada sea justa,
equitativa y válida para todos los grupos de examinados, de esta manera prevenir conclusiones
incorrectas sobre el rendimiento de las diferentes poblaciones y asegurar que las evaluaciones no
discriminen por factores irrelevantes como el género, idioma o contexto cultural (Martinkováet al.,
2017).
Análisis de DIF en pruebas educativas
Dentro de los estudios encontrados en los que se aplica el análisis de DIF en pruebas Educativas se
puede destacar el realizado por Rodríguez Jiménez et al., (2021) aplicado a los ítems de la prueba EXIM,
en Colombia, esto mediante el método de regresión logística. Este grupo de investigación encontró
que 16 ítems presentaban DIF, tanto uniforme como no uniforme, pero con tamaño del efecto
moderado. En el estudio se menciona que aquellos ítems que estaban relacionados con entender algún
concepto presentaron DIF no uniforme y favoreció a las mujeres; mientras que aquellas preguntas que
favorecen a los hombres y que consideraban posibles factores socioculturales, presentaban DIF
uniforme. En el estudio se concluye que el manejo de conceptos teóricos y la influencia de los roles de
género en la capacidad cognitiva de transferir conocimiento en diferentes contextos, así como las
habilidades cognitivas en la lectura de gráficas, fue un aspecto clave en el comportamiento diferencial
de los ítems, por lo que es necesario tener claridad de conceptos básicos para poder aplicarlos
eficazmente en la resolución de los ítems presentados.
Por su parte, García-Medina et al., (2016) realizaron un estudio de DIF a los ítems de la prueba EXCALE,
la cual es un examen de la calidad y el logro educativo, que se aplica a estudiantes de tercero de
secundaria en México. El procedimiento empleado para el análisis fue el de Mantel-Haenszel, tomando
como salida alternativa el modelo de Rasch. El análisis de DIF se empleó para las variables sexo y
nivel socioeconómico. Dentro de los hallazgos presentados se indica que ninguno de los ítems de la
prueba EXCALE de matemática presentó DIF severo entre hombres y mujeres. Además, en cuanto al
189 | P á g i n a
de los ítems puede evidenciar términos o contextos que no son esenciales para medir el constructo y
que son menos familiares o relevantes para un grupo en comparación con otro. Además, el análisis de
DIF en los ítems de pruebas de alto impacto permite garantizar que la medición realizada sea justa,
equitativa y válida para todos los grupos de examinados, de esta manera prevenir conclusiones
incorrectas sobre el rendimiento de las diferentes poblaciones y asegurar que las evaluaciones no
discriminen por factores irrelevantes como el género, idioma o contexto cultural (Martinkováet al.,
2017).
Análisis de DIF en pruebas educativas
Dentro de los estudios encontrados en los que se aplica el análisis de DIF en pruebas Educativas se
puede destacar el realizado por Rodríguez Jiménez et al., (2021) aplicado a los ítems de la prueba EXIM,
en Colombia, esto mediante el método de regresión logística. Este grupo de investigación encontró
que 16 ítems presentaban DIF, tanto uniforme como no uniforme, pero con tamaño del efecto
moderado. En el estudio se menciona que aquellos ítems que estaban relacionados con entender algún
concepto presentaron DIF no uniforme y favoreció a las mujeres; mientras que aquellas preguntas que
favorecen a los hombres y que consideraban posibles factores socioculturales, presentaban DIF
uniforme. En el estudio se concluye que el manejo de conceptos teóricos y la influencia de los roles de
género en la capacidad cognitiva de transferir conocimiento en diferentes contextos, así como las
habilidades cognitivas en la lectura de gráficas, fue un aspecto clave en el comportamiento diferencial
de los ítems, por lo que es necesario tener claridad de conceptos básicos para poder aplicarlos
eficazmente en la resolución de los ítems presentados.
Por su parte, García-Medina et al., (2016) realizaron un estudio de DIF a los ítems de la prueba EXCALE,
la cual es un examen de la calidad y el logro educativo, que se aplica a estudiantes de tercero de
secundaria en México. El procedimiento empleado para el análisis fue el de Mantel-Haenszel, tomando
como salida alternativa el modelo de Rasch. El análisis de DIF se empleó para las variables sexo y
nivel socioeconómico. Dentro de los hallazgos presentados se indica que ninguno de los ítems de la
prueba EXCALE de matemática presentó DIF severo entre hombres y mujeres. Además, en cuanto al
Vol.6 N|1
190 | P á g i n a
posible sesgo por nivel socioeconómico 18 ítems sí resultaron con sesgo y sugieren analizar cada uno
de estos mediante otros estudios para determinar el porqué de la ocurrencia.
Al igual que en el estudio de Rodríguez Jiménez et al., (2021), García-Medina et al., (2016) encontraron
que la presencia de DIF en los reactivos de matemática se debe a la inclusión de términos que no están
relacionados con el desempeño en matemática, pero, además, son desconocidos para los subgrupos
de estudiantes poblacionales donde se presentó el DIF o bien en el contexto donde se sitúa el problema,
el cual puede ser ajeno a las personas examinadas. Para determinar la raíz del problema, las personas
investigadoras recomiendan realizar protocolos verbales o entrevistas cognitivas a las personas
examinadas.
Además, se destaca el estudio de Sánchez Mendiola et al., (2020) la cual analizaron el funcionamiento
diferencial de los ítems del examen de ingreso a la Universidad Nacional Autónoma de México, esto
según sexo, con la finalidad de aportar evidencias de validez en la prueba. Para el análisis se empleó
el modelo de Rasch, encontrando muy pocos reactivos con DIF leve-moderado (lógitos entre .43 y .64).
Los investigadores indican que no identificaron ítems con niveles de DIF importante y que pudieran
comprometer los resultados y las inferencias sobre la población. Sin embargo, no se establece cuál
sería el motivo de que ciertos ítems salieran con DIF leve-moderado para su respectiva interpretación.
Por otro lado, Arroyo Resino (2018) evaluó el DIF en ítems de una prueba de razonamiento
matemático de la educación secundaria, esto según el sexo. El análisis lo llevó a cabo mediante una
regresión logística y una prueba de verosimilitud, en la que detectó DIF en algunos de los ítems. Este
autor concluye que, aunque algunos ítems se encuentran sesgados en cierta medida a favor de uno de
los dos sexos, el DIF es imperceptible y, por lo tanto, no afecta el nivel del test y las medidas de
rendimiento obtenidas no se encuentran afectadas por el DIF.
Desde otra perspectiva, Finch & Hernández Finch (2013) analizaron DIF en una prueba de lenguaje y
matemática aplicadas a estudiantes de tercero de primaria en USA, considerando variables como
adecuación, tipo de escuela, género, etnia, raza, entre otras, en un contexto de varios niveles. Con el
estudio se detectaron ítems que mostraron DIF uniforme entre las diferentes clases latentes, esto a
nivel de estudiantes como a nivel de escuela, especialmente en reactivos relacionados con análisis de
190 | P á g i n a
posible sesgo por nivel socioeconómico 18 ítems sí resultaron con sesgo y sugieren analizar cada uno
de estos mediante otros estudios para determinar el porqué de la ocurrencia.
Al igual que en el estudio de Rodríguez Jiménez et al., (2021), García-Medina et al., (2016) encontraron
que la presencia de DIF en los reactivos de matemática se debe a la inclusión de términos que no están
relacionados con el desempeño en matemática, pero, además, son desconocidos para los subgrupos
de estudiantes poblacionales donde se presentó el DIF o bien en el contexto donde se sitúa el problema,
el cual puede ser ajeno a las personas examinadas. Para determinar la raíz del problema, las personas
investigadoras recomiendan realizar protocolos verbales o entrevistas cognitivas a las personas
examinadas.
Además, se destaca el estudio de Sánchez Mendiola et al., (2020) la cual analizaron el funcionamiento
diferencial de los ítems del examen de ingreso a la Universidad Nacional Autónoma de México, esto
según sexo, con la finalidad de aportar evidencias de validez en la prueba. Para el análisis se empleó
el modelo de Rasch, encontrando muy pocos reactivos con DIF leve-moderado (lógitos entre .43 y .64).
Los investigadores indican que no identificaron ítems con niveles de DIF importante y que pudieran
comprometer los resultados y las inferencias sobre la población. Sin embargo, no se establece cuál
sería el motivo de que ciertos ítems salieran con DIF leve-moderado para su respectiva interpretación.
Por otro lado, Arroyo Resino (2018) evaluó el DIF en ítems de una prueba de razonamiento
matemático de la educación secundaria, esto según el sexo. El análisis lo llevó a cabo mediante una
regresión logística y una prueba de verosimilitud, en la que detectó DIF en algunos de los ítems. Este
autor concluye que, aunque algunos ítems se encuentran sesgados en cierta medida a favor de uno de
los dos sexos, el DIF es imperceptible y, por lo tanto, no afecta el nivel del test y las medidas de
rendimiento obtenidas no se encuentran afectadas por el DIF.
Desde otra perspectiva, Finch & Hernández Finch (2013) analizaron DIF en una prueba de lenguaje y
matemática aplicadas a estudiantes de tercero de primaria en USA, considerando variables como
adecuación, tipo de escuela, género, etnia, raza, entre otras, en un contexto de varios niveles. Con el
estudio se detectaron ítems que mostraron DIF uniforme entre las diferentes clases latentes, esto a
nivel de estudiantes como a nivel de escuela, especialmente en reactivos relacionados con análisis de
Vol.6 N|1
191 | P á g i n a
datos, estadística y relaciones numéricas, lo que indica que estos ítems afectan de manera diferente a
los distintos grupos. Además, los hallazgos reportados muestran que la presencia de DIF puede ser
multicausal. Cabe mencionar que la población considerada en el estudio fueron estudiantes con
discapacidades de aprendizaje específico y con adaptaciones en la evaluación. Igualmente, Silva
Morales & Santelices Etchegaray (2016) estudiaron el DIF de los ítems de una evaluación
estandarizada según las necesidades Educativas Especiales Transitorias, y en las áreas de lenguaje y
matemática.
Silva Morales & Santelices Etchegaray (2016) encontraron que en las pruebas de lenguaje y
matemática aplicada en los niveles desde cuarto hasta octavo muestran que los ítems con DIF
encontrados en quinto, sexto y octavo (en lenguaje) y cuarto y octavo (en matemática) no superan el
10%, y los ítems encontrados con DIF, tanto en la prueba de lenguaje como de matemática tuvieron
un tamaño de efecto moderado que, en algunos casos, favoreció a los niños con necesidades
Educativas Especiales Transitorias y en otros los perjudicaban; siendo insuficiente para probar la
existencia de sesgo en los resultados de las pruebas.
Por otra parte, Moreira Mora (2008) y Montero-Rojas & Moreira-Mora (2017) realizaron estudio de
DIF con datos de pruebas costarricenses. En el primer caso, Moreira (2008) comprueba la presencia
de DIF en una prueba de matemática aplicada al estudiantado de enseñanza media según trastorno de
déficit atencional con hiperactividad (TDAH), encontrando que la prueba presenta un 18% de ítems
con DIF de tamaño irrelevante pero estadísticamente significativo, explicando que los ítems con DIF
presentan vocabulario impreciso y redacción poco clara, entre otros, lo que perjudicaría a las personas
con TDAH.
Al igual que Moreira Mora (2008), Montero-Rojas & Moreira-Mora (2017) establecieron hipótesis sobre
posibles fuentes de DIF, en las que compararon estudiantes reportados con el trastorno de déficit
atencional con hiperactividad (TDAH, grupo focal) y estudiantes sin esas características (grupo de
referencia). En ambos casos se usaron los métodos de la diferencia p estandarizada y el método Mantel
Haenszel para identificar los ítems con DIF en las pruebas de bachillerato de español y matemática
aplicadas en el año 2004 en colegios públicos académicos de Costa Rica. Los hallazgos indican que la
191 | P á g i n a
datos, estadística y relaciones numéricas, lo que indica que estos ítems afectan de manera diferente a
los distintos grupos. Además, los hallazgos reportados muestran que la presencia de DIF puede ser
multicausal. Cabe mencionar que la población considerada en el estudio fueron estudiantes con
discapacidades de aprendizaje específico y con adaptaciones en la evaluación. Igualmente, Silva
Morales & Santelices Etchegaray (2016) estudiaron el DIF de los ítems de una evaluación
estandarizada según las necesidades Educativas Especiales Transitorias, y en las áreas de lenguaje y
matemática.
Silva Morales & Santelices Etchegaray (2016) encontraron que en las pruebas de lenguaje y
matemática aplicada en los niveles desde cuarto hasta octavo muestran que los ítems con DIF
encontrados en quinto, sexto y octavo (en lenguaje) y cuarto y octavo (en matemática) no superan el
10%, y los ítems encontrados con DIF, tanto en la prueba de lenguaje como de matemática tuvieron
un tamaño de efecto moderado que, en algunos casos, favoreció a los niños con necesidades
Educativas Especiales Transitorias y en otros los perjudicaban; siendo insuficiente para probar la
existencia de sesgo en los resultados de las pruebas.
Por otra parte, Moreira Mora (2008) y Montero-Rojas & Moreira-Mora (2017) realizaron estudio de
DIF con datos de pruebas costarricenses. En el primer caso, Moreira (2008) comprueba la presencia
de DIF en una prueba de matemática aplicada al estudiantado de enseñanza media según trastorno de
déficit atencional con hiperactividad (TDAH), encontrando que la prueba presenta un 18% de ítems
con DIF de tamaño irrelevante pero estadísticamente significativo, explicando que los ítems con DIF
presentan vocabulario impreciso y redacción poco clara, entre otros, lo que perjudicaría a las personas
con TDAH.
Al igual que Moreira Mora (2008), Montero-Rojas & Moreira-Mora (2017) establecieron hipótesis sobre
posibles fuentes de DIF, en las que compararon estudiantes reportados con el trastorno de déficit
atencional con hiperactividad (TDAH, grupo focal) y estudiantes sin esas características (grupo de
referencia). En ambos casos se usaron los métodos de la diferencia p estandarizada y el método Mantel
Haenszel para identificar los ítems con DIF en las pruebas de bachillerato de español y matemática
aplicadas en el año 2004 en colegios públicos académicos de Costa Rica. Los hallazgos indican que la
Vol.6 N|1
192 | P á g i n a
extensión y la redacción de las opciones y los textos literarios y no literarios incluidos en el encabezado
pueden ser causa de DIF, y en la prueba de matemática las fuentes son el vocabulario, la redacción, la
transición del lenguaje verbal al matemático, la organización visoespacial, el dibujo de gráficas o figuras
geométricas. Sin embargo, se indica que, del total de ítems, se detectó un 12.5% con DIF en la prueba
de español, mientras que un 17.9% en la de matemática, pero el nivel fue insignificante.
A pesar de la relevancia del tema del Funcionamiento Diferencial de los ítems en pruebas educativas, son
escasos, si no es que nulos, los estudios que se pueden encontrar en las distintas bases de datos
indagadas, sobre todo en aquellas pruebas que miden habilidades de razonamiento cuantitativo, por lo
que el objetivo de este estudio consiste en evaluar el DIF de una prueba estandarizada que mide las
habilidades de razonamiento cuantitativo, para un grupo de examinados en los años 2021, 2022 y 2023.
METODOLOGÍA
Este estudio es cuantitativo de alcance no experimental con diseño ex post facto, esto porque el estudio
se efectuó luego de aplicar la prueba; además, las personas investigadoras no pueden cambiar las
variables y los sujetos seleccionados poseen las características de interés (Portell & Vives, 2024).
También, es transversal debido a que los datos fueron obtenidos una única vez con la aplicación de la
prueba.
Participantes
Las personas participantes son aquellas que realizaron la prueba de habilidades cuantitativas en los
años 2021, 2022 y 2023. Por lo que el tamaño de la muestra corresponde a la totalidad de la población
que efectuaron la PHC. La distribución de la cantidad de personas se presenta en la tabla 1 según sexo.
Tabla 1. Cantidad de personas que realizaron la prueba estandarizada en los años 2021 al 2023, según
sexo
Año
Sexo
Total
Femenino Masculino
2021 1193 1484 2677
2022 997 1063 2060
2023 1222 1005 2227
192 | P á g i n a
extensión y la redacción de las opciones y los textos literarios y no literarios incluidos en el encabezado
pueden ser causa de DIF, y en la prueba de matemática las fuentes son el vocabulario, la redacción, la
transición del lenguaje verbal al matemático, la organización visoespacial, el dibujo de gráficas o figuras
geométricas. Sin embargo, se indica que, del total de ítems, se detectó un 12.5% con DIF en la prueba
de español, mientras que un 17.9% en la de matemática, pero el nivel fue insignificante.
A pesar de la relevancia del tema del Funcionamiento Diferencial de los ítems en pruebas educativas, son
escasos, si no es que nulos, los estudios que se pueden encontrar en las distintas bases de datos
indagadas, sobre todo en aquellas pruebas que miden habilidades de razonamiento cuantitativo, por lo
que el objetivo de este estudio consiste en evaluar el DIF de una prueba estandarizada que mide las
habilidades de razonamiento cuantitativo, para un grupo de examinados en los años 2021, 2022 y 2023.
METODOLOGÍA
Este estudio es cuantitativo de alcance no experimental con diseño ex post facto, esto porque el estudio
se efectuó luego de aplicar la prueba; además, las personas investigadoras no pueden cambiar las
variables y los sujetos seleccionados poseen las características de interés (Portell & Vives, 2024).
También, es transversal debido a que los datos fueron obtenidos una única vez con la aplicación de la
prueba.
Participantes
Las personas participantes son aquellas que realizaron la prueba de habilidades cuantitativas en los
años 2021, 2022 y 2023. Por lo que el tamaño de la muestra corresponde a la totalidad de la población
que efectuaron la PHC. La distribución de la cantidad de personas se presenta en la tabla 1 según sexo.
Tabla 1. Cantidad de personas que realizaron la prueba estandarizada en los años 2021 al 2023, según
sexo
Año
Sexo
Total
Femenino Masculino
2021 1193 1484 2677
2022 997 1063 2060
2023 1222 1005 2227
Vol.6 N|1
193 | P á g i n a
Total 3412 3552 6964
Es importante indicar que las personas examinadas provienen de diferentes tipos de colegio que
pueden ser públicos, privados, subvencionados, educación abierta (ED. Abierta-CR), y del extranjero.
La distribución de las personas por año según tipo de colegio se proporciona en la tabla 2.
Tabla 2. Distribución de personas que realizaron la PHC en los años 2021 al 2023, según tipo de colegio
Año
Tipo de colegio
Total
Público Privado Subvencionado ED.Abierta-
CR Extranjero
2021 1909 475 227 47 19 2677
2022 1415 394 190 43 18 2060
2023 1556 439 195 25 12 2227
Total 4880 1308 612 115 49 6964
Técnica e instrumento de recolección de datos
El instrumento empleado fue la Prueba de Habilidades Cuantitativas, la cual es una prueba
estandarizada que mide el constructo razonamiento cuantitativo y se aplica para efectos de admisión en
la Universidad de Costa Rica, en aquellas carreras que la tienen como requisito de ingreso. La prueba
consta de 40 ítems distribuidos de acuerdo con las dimensiones del constructo (relacionar, clasificar,
ejemplificar, validar y generalizar) y según área de contenido (álgebra, análisis de datos, geometría y
aritmética). Cabe mencionar que, de los 40 ítems, 36 son de banco y 4 son experimentales. Esto
significa que 36 ítems cumplen con las medidas psicométricas idóneas para la evaluación, mientras
que los otros 4 son nuevos y no se conocen las medidas correspondientes. Además, la prueba se
construye aplicando el modelo de medición Teoría de Respuesta al ítem (TRI), y se toma en cuenta el
nivel de dificultad alrededor de cero (0) y el nivel de discriminación mayor que 0.5.
Proceso de análisis de datos
La información se obtuvo de las bases de datos de la aplicación de la Prueba de Habilidades
Cuantitativas para los años 2021, 2022 y 2023. El análisis de los datos se realizó empleando el método
Mantel-Haenszel, esto porque es aplicable tanto a la Teoría Clásica de los Tests (TCT) como a la TRI,
193 | P á g i n a
Total 3412 3552 6964
Es importante indicar que las personas examinadas provienen de diferentes tipos de colegio que
pueden ser públicos, privados, subvencionados, educación abierta (ED. Abierta-CR), y del extranjero.
La distribución de las personas por año según tipo de colegio se proporciona en la tabla 2.
Tabla 2. Distribución de personas que realizaron la PHC en los años 2021 al 2023, según tipo de colegio
Año
Tipo de colegio
Total
Público Privado Subvencionado ED.Abierta-
CR Extranjero
2021 1909 475 227 47 19 2677
2022 1415 394 190 43 18 2060
2023 1556 439 195 25 12 2227
Total 4880 1308 612 115 49 6964
Técnica e instrumento de recolección de datos
El instrumento empleado fue la Prueba de Habilidades Cuantitativas, la cual es una prueba
estandarizada que mide el constructo razonamiento cuantitativo y se aplica para efectos de admisión en
la Universidad de Costa Rica, en aquellas carreras que la tienen como requisito de ingreso. La prueba
consta de 40 ítems distribuidos de acuerdo con las dimensiones del constructo (relacionar, clasificar,
ejemplificar, validar y generalizar) y según área de contenido (álgebra, análisis de datos, geometría y
aritmética). Cabe mencionar que, de los 40 ítems, 36 son de banco y 4 son experimentales. Esto
significa que 36 ítems cumplen con las medidas psicométricas idóneas para la evaluación, mientras
que los otros 4 son nuevos y no se conocen las medidas correspondientes. Además, la prueba se
construye aplicando el modelo de medición Teoría de Respuesta al ítem (TRI), y se toma en cuenta el
nivel de dificultad alrededor de cero (0) y el nivel de discriminación mayor que 0.5.
Proceso de análisis de datos
La información se obtuvo de las bases de datos de la aplicación de la Prueba de Habilidades
Cuantitativas para los años 2021, 2022 y 2023. El análisis de los datos se realizó empleando el método
Mantel-Haenszel, esto porque es aplicable tanto a la Teoría Clásica de los Tests (TCT) como a la TRI,
Vol.6 N|1
194 | P á g i n a
y utilizarse para detectar DIF en ítems politómicos y dicotómicos, permitiendo la comparación
simultánea de dos o más grupos (Fidalgo y Scalon, 2012). Además, la prueba de Mantel-Haenszel es una
extensión de la prueba chi-cuadrada para tablas de contingencias que clasifica a las personas
examinadas en grupos según sus puntuaciones totales (Martinková et al., 2017). Es importante señalar
que las aplicaciones correspondientes a los años 2021, 2022 y 2023 no utilizaron una forma idéntica
de la prueba, sino que cada una fue construida a partir de un banco amplio y robusto de ítems,
manteniendo el mismo constructo subyacente. En consecuencia, los análisis de DIF se realizaron de
manera independiente para cada año, y los resultados deben interpretarse como evidencia de equidad
a nivel del banco de ítems y no como un seguimiento longitudinal de ítems específicos.
Para el análisis se consideraron las variables sexo (mujer, hombre) y tipo de colegio (público, privado).
Para cada una de estas se tomaron dos grupos denominados como grupo focal y grupo de referencia. El
grupo focal es aquel que se considera perjudicado por la prueba, normalmente el grupo minoritario, y
el de referencia es el grupo de comparación, normalmente mayoritario (Martínez Arias et al., 2014). En
el caso de la variable sexo, el grupo focal es hombre y el grupo de referencia es mujer, mientras que para tipo
de colegio el grupo focal es privado. Cabe indicar que para el caso de la variable tipo de colegio la
agrupación se realizó de la siguiente manera: Privado = (Privado + Subvencionado + Extranjero),
Público = (Público + ED. Abierta-CR). Además, aquellas personas que no reportaron el tipo de colegio
o bien cuyo colegio era desconocido, fueron eliminadas de la base de datos para su respectivo análisis.
Por otra parte, la detección e interpretación del DIF se realizó a partir de tres indicadores
complementarios siguiendo las recomendaciones del Educational Testing Service (ETS), estos son: el
estadístico MH, el valor de significancia estadística asociado (p-value) y el índice de magnitud ΔMH. El
estadístico MH evalúa si existen diferencias estadísticamente significativas en la probabilidad de
responder correctamente a un ítem entre el grupo focal y el grupo de referencia, una vez controlado el
nivel de habilidad de las personas examinadas. Este control se logra mediante la estratificación de la
muestra en función de la puntuación total en la prueba, lo que permite comparar a individuos de ambos
grupos con niveles de habilidad equivalentes. Un valor de p inferior a .05 se interpreta como evidencia
estadística de la presencia de DIF. No obstante, la significancia estadística por sí sola no se considera
194 | P á g i n a
y utilizarse para detectar DIF en ítems politómicos y dicotómicos, permitiendo la comparación
simultánea de dos o más grupos (Fidalgo y Scalon, 2012). Además, la prueba de Mantel-Haenszel es una
extensión de la prueba chi-cuadrada para tablas de contingencias que clasifica a las personas
examinadas en grupos según sus puntuaciones totales (Martinková et al., 2017). Es importante señalar
que las aplicaciones correspondientes a los años 2021, 2022 y 2023 no utilizaron una forma idéntica
de la prueba, sino que cada una fue construida a partir de un banco amplio y robusto de ítems,
manteniendo el mismo constructo subyacente. En consecuencia, los análisis de DIF se realizaron de
manera independiente para cada año, y los resultados deben interpretarse como evidencia de equidad
a nivel del banco de ítems y no como un seguimiento longitudinal de ítems específicos.
Para el análisis se consideraron las variables sexo (mujer, hombre) y tipo de colegio (público, privado).
Para cada una de estas se tomaron dos grupos denominados como grupo focal y grupo de referencia. El
grupo focal es aquel que se considera perjudicado por la prueba, normalmente el grupo minoritario, y
el de referencia es el grupo de comparación, normalmente mayoritario (Martínez Arias et al., 2014). En
el caso de la variable sexo, el grupo focal es hombre y el grupo de referencia es mujer, mientras que para tipo
de colegio el grupo focal es privado. Cabe indicar que para el caso de la variable tipo de colegio la
agrupación se realizó de la siguiente manera: Privado = (Privado + Subvencionado + Extranjero),
Público = (Público + ED. Abierta-CR). Además, aquellas personas que no reportaron el tipo de colegio
o bien cuyo colegio era desconocido, fueron eliminadas de la base de datos para su respectivo análisis.
Por otra parte, la detección e interpretación del DIF se realizó a partir de tres indicadores
complementarios siguiendo las recomendaciones del Educational Testing Service (ETS), estos son: el
estadístico MH, el valor de significancia estadística asociado (p-value) y el índice de magnitud ΔMH. El
estadístico MH evalúa si existen diferencias estadísticamente significativas en la probabilidad de
responder correctamente a un ítem entre el grupo focal y el grupo de referencia, una vez controlado el
nivel de habilidad de las personas examinadas. Este control se logra mediante la estratificación de la
muestra en función de la puntuación total en la prueba, lo que permite comparar a individuos de ambos
grupos con niveles de habilidad equivalentes. Un valor de p inferior a .05 se interpreta como evidencia
estadística de la presencia de DIF. No obstante, la significancia estadística por sí sola no se considera
Vol.6 N|1
195 | P á g i n a
suficiente para tomar decisiones sobre la calidad psicométrica de un ítem, especialmente en muestras
grandes, ya que pequeñas diferencias pueden resultar estadísticamente significativas sin tener
relevancia práctica. Por esta razón, el análisis se complementa con un índice de tamaño del efecto.
El índice ΔMH corresponde a una transformación logarítmica del odds ratio estimado por el método
MH y permite interpretar tanto la magnitud como la dirección del DIF. Este índice indica en qué
medida la probabilidad de acierto en un ítem difiere entre el grupo focal y el grupo de referencia, una
vez controlada la habilidad. En este estudio, valores positivos de ΔMH indican DIF a favor del grupo
focal, es decir, que el grupo focal presenta una mayor probabilidad de responder correctamente al ítem
que el grupo de referencia a igual nivel de habilidad. Por el contrario, valores negativos de ΔMH
indican DIF a favor del grupo de referencia, lo que implica una desventaja relativa para el grupo focal,
y valores cercanos a cero sugieren ausencia de funcionamiento diferencial relevante.
Para la interpretación de la magnitud (ΔMH) el DIF se adoptaron los criterios desarrollados por el ETS,
basados en Holland & Wainer (1993) que consideran tres categorías, DIF despreciable (A), DIF
intermedio (B) y DIF grande (C). Esta categorización (A, B y C) se establece a partir de la magnitud del
índice ΔMH y de su significancia estadística de la siguiente forma:
• Un ítem se clasifica en la categoría A, cuando el valor de ΔMH no es estadísticamente diferente
de cero o cuando su magnitud es menor que una unidad delta, es decir, |ΔMH|< 1 , lo que
indica ausencia de DIF relevante para una combinación específica de grupo de referencia y
grupo focal.
• Un ítem se clasifica en la categoría C, cuando la magnitud del ΔMH excede 1.5 unidades delta,
es decir, | ΔMH|>1.5 , lo que sugiere la presencia de DIF de magnitud elevada.
• Todos los demás ítems se clasifican en la categoría B, correspondiente a DIF de magnitud
moderada.
• En las categorías A y C, la significancia estadística se evalúa a un nivel de α = 0.05 para cada
ítem individual.
195 | P á g i n a
suficiente para tomar decisiones sobre la calidad psicométrica de un ítem, especialmente en muestras
grandes, ya que pequeñas diferencias pueden resultar estadísticamente significativas sin tener
relevancia práctica. Por esta razón, el análisis se complementa con un índice de tamaño del efecto.
El índice ΔMH corresponde a una transformación logarítmica del odds ratio estimado por el método
MH y permite interpretar tanto la magnitud como la dirección del DIF. Este índice indica en qué
medida la probabilidad de acierto en un ítem difiere entre el grupo focal y el grupo de referencia, una
vez controlada la habilidad. En este estudio, valores positivos de ΔMH indican DIF a favor del grupo
focal, es decir, que el grupo focal presenta una mayor probabilidad de responder correctamente al ítem
que el grupo de referencia a igual nivel de habilidad. Por el contrario, valores negativos de ΔMH
indican DIF a favor del grupo de referencia, lo que implica una desventaja relativa para el grupo focal,
y valores cercanos a cero sugieren ausencia de funcionamiento diferencial relevante.
Para la interpretación de la magnitud (ΔMH) el DIF se adoptaron los criterios desarrollados por el ETS,
basados en Holland & Wainer (1993) que consideran tres categorías, DIF despreciable (A), DIF
intermedio (B) y DIF grande (C). Esta categorización (A, B y C) se establece a partir de la magnitud del
índice ΔMH y de su significancia estadística de la siguiente forma:
• Un ítem se clasifica en la categoría A, cuando el valor de ΔMH no es estadísticamente diferente
de cero o cuando su magnitud es menor que una unidad delta, es decir, |ΔMH|< 1 , lo que
indica ausencia de DIF relevante para una combinación específica de grupo de referencia y
grupo focal.
• Un ítem se clasifica en la categoría C, cuando la magnitud del ΔMH excede 1.5 unidades delta,
es decir, | ΔMH|>1.5 , lo que sugiere la presencia de DIF de magnitud elevada.
• Todos los demás ítems se clasifican en la categoría B, correspondiente a DIF de magnitud
moderada.
• En las categorías A y C, la significancia estadística se evalúa a un nivel de α = 0.05 para cada
ítem individual.
Vol.6 N|1
196 | P á g i n a
Es importante mencionar que los análisis se realizaron empleando el lenguaje de programación R, bajo
el entorno Rstudio. Además, se consideró el paquete mirt (Chalmers, 2012) y difR (Magis et al., 2010).
Consideraciones éticas
Como consideraciones éticas se resguardó la información de las personas examinadas, así como
cualquier dato sensible. Además, se consideraron a todas las personas participantes que realizaron la
pruebas en los años 2021, 2022 y 2023. Por otra parte, el proyecto está regulado por la normativa del
Comité Ético Científico de la Universidad de Costa Rica.
RESULTADOS Y DISCUSIÓN
Como primer resultado se presentan en la tabla 3 los estadísticos MH, sus respectivos valores de
significancia y el tamaño del efecto de los ítems para los años 2021 al 2023 según sexo. Es importante
recordar que, en todos los análisis, el grupo focal estuvo conformado por los hombres, mientras que
las mujeres constituyeron el grupo de referencia.
Tabla 3. Estadísticos MH para los ítems de las pruebas 2021 a 2023, según sexo
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT1 5.396 .020 .602 .386 .535 .165 .000 .988 -.016
IT2 .307 .580 -.137 .222 .637 .119 1.078 .299 -.310
IT3 --- --- --- .822 .365 .224 1.747 .186 .356
IT4 3.772 .052 -.446 .000 .988 .016 .437 .509 -.188
IT5 1.652 .199 .280 15.085 .000 1.050 3.197 .074 -.425
IT6 7.016 .008 -.574 1.795 .180 .323 7.483 .006 -.704
IT7 2.134 .144 -.312 .084 .772 .089 --- --- ---
IT8 .001 .982 -.005 .000 .987 .008 .760 .383 .234
IT9 .137 .711 -.086 2.102 .147 .353 .507 .477 -.166
IT10 .715 .398 -.193 --- --- --- .000 .988 .010
IT11 .302 .583 -.126 .236 .627 .125 8.967 .003 -.780
IT12 3.601 .058 -.455 6.394 .011 .604 .002 .966 -.024
IT13 --- --- --- .393 .531 .168 .151 .698 .101
IT14 1.457 .227 -.261 .139 .709 .097 .495 .482 -.170
196 | P á g i n a
Es importante mencionar que los análisis se realizaron empleando el lenguaje de programación R, bajo
el entorno Rstudio. Además, se consideró el paquete mirt (Chalmers, 2012) y difR (Magis et al., 2010).
Consideraciones éticas
Como consideraciones éticas se resguardó la información de las personas examinadas, así como
cualquier dato sensible. Además, se consideraron a todas las personas participantes que realizaron la
pruebas en los años 2021, 2022 y 2023. Por otra parte, el proyecto está regulado por la normativa del
Comité Ético Científico de la Universidad de Costa Rica.
RESULTADOS Y DISCUSIÓN
Como primer resultado se presentan en la tabla 3 los estadísticos MH, sus respectivos valores de
significancia y el tamaño del efecto de los ítems para los años 2021 al 2023 según sexo. Es importante
recordar que, en todos los análisis, el grupo focal estuvo conformado por los hombres, mientras que
las mujeres constituyeron el grupo de referencia.
Tabla 3. Estadísticos MH para los ítems de las pruebas 2021 a 2023, según sexo
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT1 5.396 .020 .602 .386 .535 .165 .000 .988 -.016
IT2 .307 .580 -.137 .222 .637 .119 1.078 .299 -.310
IT3 --- --- --- .822 .365 .224 1.747 .186 .356
IT4 3.772 .052 -.446 .000 .988 .016 .437 .509 -.188
IT5 1.652 .199 .280 15.085 .000 1.050 3.197 .074 -.425
IT6 7.016 .008 -.574 1.795 .180 .323 7.483 .006 -.704
IT7 2.134 .144 -.312 .084 .772 .089 --- --- ---
IT8 .001 .982 -.005 .000 .987 .008 .760 .383 .234
IT9 .137 .711 -.086 2.102 .147 .353 .507 .477 -.166
IT10 .715 .398 -.193 --- --- --- .000 .988 .010
IT11 .302 .583 -.126 .236 .627 .125 8.967 .003 -.780
IT12 3.601 .058 -.455 6.394 .011 .604 .002 .966 -.024
IT13 --- --- --- .393 .531 .168 .151 .698 .101
IT14 1.457 .227 -.261 .139 .709 .097 .495 .482 -.170
Vol.6 N|1
197 | P á g i n a
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT15 2.920 .087 -.354 3.218 .073 .442 .794 .373 .245
IT16 .047 .828 .056 2.862 .091 .445 .124 .725 -.088
IT17 1.560 .212 .325 .018 .892 .043 --- --- ---
IT18 .569 .451 -.191 .176 .675 .113 .156 .692 -.103
IT19 1.031 .310 .249 .003 .954 .029 3.079 .079 -.478
IT20 2.935 .087 -.368 --- --- --- .025 .874 .059
IT21 .004 .948 .024 .000 .989 .016 3.018 .082 .408
IT22 3.217 .073 -.438 .687 .407 .211 .017 .897 -.040
IT23 --- --- --- .735 .391 .212 .575 .448 -.192
IT24 .855 .355 -.203 .000 .985 .007 .002 .963 .023
IT25 1.463 .226 -.258 .427 .513 .174 2.113 .146 .354
IT26 5.650 .017 -.546 3.298 .069 .463 .165 .685 -.110
IT27 34.553 .000 1.292 3.145 .076 .427 --- --- ---
IT28 .000 .996 -.009 .025 .874 .048 12.620 .000 .896
IT29 1.742 .187 -.278 .000 .988 .008 .160 .689 -.111
IT30 5.108 .024 -.489 --- --- --- .634 .426 -.203
IT31 .396 .529 .145 .535 .465 .197 .030 .863 .049
IT32 11.466 .001 .730 .092 .762 .089 .411 .521 -.167
IT33 --- --- --- 6.907 .009 .596 12.807 .000 .894
IT34 5.500 .019 .530 .375 .540 .155 .017 .897 .047
IT35 9.125 .003 .696 .323 .570 .137 .205 .651 -.146
IT36 6.769 .009 .599 --- --- --- .233 .629 .123
IT37 .229 .632 -.113 .001 .970 .003 --- --- ---
IT38 .089 .765 .091 4.750 .029 .520 16.340 .000 1.070
IT39 .565 .452 .199 2.623 .000 1.149 .036 .850 .066
IT40 7.450 .006 .654 1.964 .161 .389 3.180 .075 -.460
* Mantel-Haenszel (MH); Delta de Mantel-Haenszel (ΔMH); p (p-value)
Para la aplicación del año 2021, la mayoría de los ítems no mostró evidencia estadísticamente
significativa de funcionamiento diferencial entre mujeres y hombres. Sin embargo, se identificaron
197 | P á g i n a
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT15 2.920 .087 -.354 3.218 .073 .442 .794 .373 .245
IT16 .047 .828 .056 2.862 .091 .445 .124 .725 -.088
IT17 1.560 .212 .325 .018 .892 .043 --- --- ---
IT18 .569 .451 -.191 .176 .675 .113 .156 .692 -.103
IT19 1.031 .310 .249 .003 .954 .029 3.079 .079 -.478
IT20 2.935 .087 -.368 --- --- --- .025 .874 .059
IT21 .004 .948 .024 .000 .989 .016 3.018 .082 .408
IT22 3.217 .073 -.438 .687 .407 .211 .017 .897 -.040
IT23 --- --- --- .735 .391 .212 .575 .448 -.192
IT24 .855 .355 -.203 .000 .985 .007 .002 .963 .023
IT25 1.463 .226 -.258 .427 .513 .174 2.113 .146 .354
IT26 5.650 .017 -.546 3.298 .069 .463 .165 .685 -.110
IT27 34.553 .000 1.292 3.145 .076 .427 --- --- ---
IT28 .000 .996 -.009 .025 .874 .048 12.620 .000 .896
IT29 1.742 .187 -.278 .000 .988 .008 .160 .689 -.111
IT30 5.108 .024 -.489 --- --- --- .634 .426 -.203
IT31 .396 .529 .145 .535 .465 .197 .030 .863 .049
IT32 11.466 .001 .730 .092 .762 .089 .411 .521 -.167
IT33 --- --- --- 6.907 .009 .596 12.807 .000 .894
IT34 5.500 .019 .530 .375 .540 .155 .017 .897 .047
IT35 9.125 .003 .696 .323 .570 .137 .205 .651 -.146
IT36 6.769 .009 .599 --- --- --- .233 .629 .123
IT37 .229 .632 -.113 .001 .970 .003 --- --- ---
IT38 .089 .765 .091 4.750 .029 .520 16.340 .000 1.070
IT39 .565 .452 .199 2.623 .000 1.149 .036 .850 .066
IT40 7.450 .006 .654 1.964 .161 .389 3.180 .075 -.460
* Mantel-Haenszel (MH); Delta de Mantel-Haenszel (ΔMH); p (p-value)
Para la aplicación del año 2021, la mayoría de los ítems no mostró evidencia estadísticamente
significativa de funcionamiento diferencial entre mujeres y hombres. Sin embargo, se identificaron
Vol.6 N|1
198 | P á g i n a
algunos ítems con valores de MH significativos (p < .05), tales como IT1, IT6, IT26, IT27, IT30, IT32,
IT34, IT35, IT36 y IT40.
En el año 2022, nuevamente se observó que la mayor parte de los ítems presentó un funcionamiento
equivalente entre los grupos comparados. Un conjunto un poco más reducido de ítems, entre ellos IT5,
IT12, IT33, IT38 y IT39, mostró evidencia estadísticamente significativa de DIF. De forma similar, en
la aplicación correspondiente al año 2023, se detectaron algunos ítems con valores significativos del
estadístico MH, como IT6, IT11, IT28, IT32, IT33 y IT38, mientras que el resto de los ítems no presentó
diferencias relevantes entre mujeres y hombres.
En total, de acuerdo con el método MH para el año 2021 un 27.7% del total de los ítems presenta algún
tipo de DIF, para el 2022, solamente un 13.8% y para el 2023 un 16.6%. Sin embargo, según la escala
establecida por el ETS, solamente el IT27 para el año 2021, el IT5 e IT39 para el 2022 y el IT38 para
el año 2023 presentan un DIF tipo B (esto de acuerdo con la clasificación establecida), todos los demás
ítems antes mencionados presentan un DIF tipo A, es decir, un DIF despreciable, ya sea porque la
magnitud del índice ΔMH es inferior a una unidad delta en valor absoluto o porque no se alcanza
significancia estadística. Por lo tanto, aunque en términos porcentuales se identifica la presencia de
DIF en una proporción no despreciable de ítems en los distintos años analizados, la magnitud de dicho
DIF es, en la gran mayoría de los casos, lo suficientemente pequeña como para no comprometer la
equidad ni la interpretación de los puntajes de la prueba.
Con el fin de complementar la evidencia cuantitativa presentada, se incorpora el análisis gráfico de las
curvas características de los ítems que presentan DIF moderado, diferenciadas por sexo. Estas curvas
obtenidas a partir del modelo TRI de dos parámetros, describen la relación entre el nivel de habilidad
latente (θ) y la probabilidad de responder correctamente un ítem, permitiendo examinar visualmente
posibles diferencias en el funcionamiento del ítem a lo largo del continuo de habilidad.
198 | P á g i n a
algunos ítems con valores de MH significativos (p < .05), tales como IT1, IT6, IT26, IT27, IT30, IT32,
IT34, IT35, IT36 y IT40.
En el año 2022, nuevamente se observó que la mayor parte de los ítems presentó un funcionamiento
equivalente entre los grupos comparados. Un conjunto un poco más reducido de ítems, entre ellos IT5,
IT12, IT33, IT38 y IT39, mostró evidencia estadísticamente significativa de DIF. De forma similar, en
la aplicación correspondiente al año 2023, se detectaron algunos ítems con valores significativos del
estadístico MH, como IT6, IT11, IT28, IT32, IT33 y IT38, mientras que el resto de los ítems no presentó
diferencias relevantes entre mujeres y hombres.
En total, de acuerdo con el método MH para el año 2021 un 27.7% del total de los ítems presenta algún
tipo de DIF, para el 2022, solamente un 13.8% y para el 2023 un 16.6%. Sin embargo, según la escala
establecida por el ETS, solamente el IT27 para el año 2021, el IT5 e IT39 para el 2022 y el IT38 para
el año 2023 presentan un DIF tipo B (esto de acuerdo con la clasificación establecida), todos los demás
ítems antes mencionados presentan un DIF tipo A, es decir, un DIF despreciable, ya sea porque la
magnitud del índice ΔMH es inferior a una unidad delta en valor absoluto o porque no se alcanza
significancia estadística. Por lo tanto, aunque en términos porcentuales se identifica la presencia de
DIF en una proporción no despreciable de ítems en los distintos años analizados, la magnitud de dicho
DIF es, en la gran mayoría de los casos, lo suficientemente pequeña como para no comprometer la
equidad ni la interpretación de los puntajes de la prueba.
Con el fin de complementar la evidencia cuantitativa presentada, se incorpora el análisis gráfico de las
curvas características de los ítems que presentan DIF moderado, diferenciadas por sexo. Estas curvas
obtenidas a partir del modelo TRI de dos parámetros, describen la relación entre el nivel de habilidad
latente (θ) y la probabilidad de responder correctamente un ítem, permitiendo examinar visualmente
posibles diferencias en el funcionamiento del ítem a lo largo del continuo de habilidad.
Vol.6 N|1
199 | P á g i n a
Figura 1. Curva característica del ítem 27 del año
2021, según sexo
Figura 2. Curva característica del ítem 5 del
año 2022, según sexo
Figura 3. Curva característica del ítem 39 del año
2022, según sexo
Figura 4. Curva característica del ítem 38 del
año 2023, según sexo
En conjunto, las curvas características de los ítems presentadas en las figuras 1,2,3 y 4 muestran
diferencias entre hombres y mujeres que son coherentes con la clasificación de un DIF moderado
identificada mediante el índice ΔMH. En todos los casos, estas curvas presentan pendientes similares
y no evidencian cruces relevantes a lo largo del continuo de habilidad, lo que sugiere un DIF uniforme.
Sin embargo, estas diferencias se mantienen acotadas y no se amplían en niveles extremos de habilidad,
lo que indica que, si bien algunos ítems favorecen ligeramente al grupo de los hombres, la magnitud
del efecto es limitada.
Como segundo resultado se tienen los indicadores de Mantel-Haenszel para la variable tipo de colegio,
esto por cada año 2021, 2022, 2023, en los que se consideró como grupo focal a los estudiantes
provenientes de colegios privados y como grupo de referencia a aquellos de colegios públicos, los
indicadores se presentan en la tabla 5.
199 | P á g i n a
Figura 1. Curva característica del ítem 27 del año
2021, según sexo
Figura 2. Curva característica del ítem 5 del
año 2022, según sexo
Figura 3. Curva característica del ítem 39 del año
2022, según sexo
Figura 4. Curva característica del ítem 38 del
año 2023, según sexo
En conjunto, las curvas características de los ítems presentadas en las figuras 1,2,3 y 4 muestran
diferencias entre hombres y mujeres que son coherentes con la clasificación de un DIF moderado
identificada mediante el índice ΔMH. En todos los casos, estas curvas presentan pendientes similares
y no evidencian cruces relevantes a lo largo del continuo de habilidad, lo que sugiere un DIF uniforme.
Sin embargo, estas diferencias se mantienen acotadas y no se amplían en niveles extremos de habilidad,
lo que indica que, si bien algunos ítems favorecen ligeramente al grupo de los hombres, la magnitud
del efecto es limitada.
Como segundo resultado se tienen los indicadores de Mantel-Haenszel para la variable tipo de colegio,
esto por cada año 2021, 2022, 2023, en los que se consideró como grupo focal a los estudiantes
provenientes de colegios privados y como grupo de referencia a aquellos de colegios públicos, los
indicadores se presentan en la tabla 5.
Vol.6 N|1
200 | P á g i n a
Tabla 5. Estadísticos MH para los ítems de las pruebas 2021 a 2023, según tipo de colegio público o
privado
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT1 1.112 .292 -.376 .049 .824 .084 .250 .617 .207
IT2 .059 .808 -.089 .511 .475 .205 .012 .914 -.062
IT3 --- --- --- .010 .919 .044 .014 .906 -.054
IT4 2.153 .142 .404 .908 .341 .287 .240 .624 -.170
IT5 2.334 .127 .404 .145 .703 .130 5.692 .017 .636
IT6 1.882 .170 -.372 .000 .991 .012 .892 .345 .286
IT7 .010 .920 .038 .536 .464 .227 --- --- ---
IT8 .049 .824 .070 .965 .326 .281 .139 .710 .125
IT9 2.226 .136 -.388 1.961 .161 .390 2.399 .121 -.388
IT10 .866 .352 .245 --- --- --- 14.417 .000 1.124
IT11 1.740 .187 .370 1.351 .245 .341 .419 .517 .196
IT12 1.079 .299 .300 .015 .901 .051 .084 .772 -.100
IT13 --- --- --- .738 .390 .256 1.273 .259 -.312
IT14 .952 .329 -.252 1.467 .226 .332 .872 .351 -.247
IT15 .595 .440 -.195 .001 .978 .023 6.103 .013 .736
IT16 2.116 .146 -.380 1.686 .194 .387 4.955 .026 -.560
IT17 .195 .658 -.132 .137 .711 .114 --- --- ---
IT18 .524 .469 .202 2.011 .156 .402 2.480 .115 .420
IT19 .402 .526 -.184 9.223 .002 .941 5.558 .018 .698
IT20 3.077 .079 -.453 --- --- --- 1.468 .226 .360
IT21 2.228 .136 .435 .019 .889 .058 3.269 .071 -.482
IT22 5.390 .020 .683 .706 .401 .253 2.055 .152 .364
IT23 --- --- --- .941 .332 .265 5.222 .022 -.627
IT24 .045 .832 .065 .244 .621 .145 1.795 .180 -.369
IT25 .002 .961 -.024 1.104 .293 .301 .924 .337 -.265
IT26 .000 .987 .018 1.677 .195 .371 .000 .994 .017
IT27 .291 .589 .151 4.342 .037 .582 --- --- ---
IT28 1.806 .179 .344 3.500 .061 .510 .088 .766 .097
IT29 1.223 .269 -.281 .405 .524 .179 .225 .635 -.143
IT30 .804 .370 -.235 --- --- --- .552 .458 -.204
IT31 1.912 .167 -.369 .904 .342 .313 .021 .885 .048
IT32 .056 .813 -.074 7.512 .006 .834 .355 .551 -.179
IT33 --- --- --- .050 .823 .072 4.025 .045 -.547
IT34 .254 .614 .145 .033 .856 .067 .456 .500 -.201
IT35 .099 .753 -.095 .029 .865 .057 .173 .678 -.149
IT36 1.020 .313 .267 --- --- --- .260 .610 .145
IT37 2.337 .126 .389 .027 .869 .057 --- --- ---
IT38 3.516 .061 -.548 2.832 .092 .464 .877 .349 .286
IT39 .000 .987 -.011 .512 .474 .218 .326 .568 .178
200 | P á g i n a
Tabla 5. Estadísticos MH para los ítems de las pruebas 2021 a 2023, según tipo de colegio público o
privado
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT1 1.112 .292 -.376 .049 .824 .084 .250 .617 .207
IT2 .059 .808 -.089 .511 .475 .205 .012 .914 -.062
IT3 --- --- --- .010 .919 .044 .014 .906 -.054
IT4 2.153 .142 .404 .908 .341 .287 .240 .624 -.170
IT5 2.334 .127 .404 .145 .703 .130 5.692 .017 .636
IT6 1.882 .170 -.372 .000 .991 .012 .892 .345 .286
IT7 .010 .920 .038 .536 .464 .227 --- --- ---
IT8 .049 .824 .070 .965 .326 .281 .139 .710 .125
IT9 2.226 .136 -.388 1.961 .161 .390 2.399 .121 -.388
IT10 .866 .352 .245 --- --- --- 14.417 .000 1.124
IT11 1.740 .187 .370 1.351 .245 .341 .419 .517 .196
IT12 1.079 .299 .300 .015 .901 .051 .084 .772 -.100
IT13 --- --- --- .738 .390 .256 1.273 .259 -.312
IT14 .952 .329 -.252 1.467 .226 .332 .872 .351 -.247
IT15 .595 .440 -.195 .001 .978 .023 6.103 .013 .736
IT16 2.116 .146 -.380 1.686 .194 .387 4.955 .026 -.560
IT17 .195 .658 -.132 .137 .711 .114 --- --- ---
IT18 .524 .469 .202 2.011 .156 .402 2.480 .115 .420
IT19 .402 .526 -.184 9.223 .002 .941 5.558 .018 .698
IT20 3.077 .079 -.453 --- --- --- 1.468 .226 .360
IT21 2.228 .136 .435 .019 .889 .058 3.269 .071 -.482
IT22 5.390 .020 .683 .706 .401 .253 2.055 .152 .364
IT23 --- --- --- .941 .332 .265 5.222 .022 -.627
IT24 .045 .832 .065 .244 .621 .145 1.795 .180 -.369
IT25 .002 .961 -.024 1.104 .293 .301 .924 .337 -.265
IT26 .000 .987 .018 1.677 .195 .371 .000 .994 .017
IT27 .291 .589 .151 4.342 .037 .582 --- --- ---
IT28 1.806 .179 .344 3.500 .061 .510 .088 .766 .097
IT29 1.223 .269 -.281 .405 .524 .179 .225 .635 -.143
IT30 .804 .370 -.235 --- --- --- .552 .458 -.204
IT31 1.912 .167 -.369 .904 .342 .313 .021 .885 .048
IT32 .056 .813 -.074 7.512 .006 .834 .355 .551 -.179
IT33 --- --- --- .050 .823 .072 4.025 .045 -.547
IT34 .254 .614 .145 .033 .856 .067 .456 .500 -.201
IT35 .099 .753 -.095 .029 .865 .057 .173 .678 -.149
IT36 1.020 .313 .267 --- --- --- .260 .610 .145
IT37 2.337 .126 .389 .027 .869 .057 --- --- ---
IT38 3.516 .061 -.548 2.832 .092 .464 .877 .349 .286
IT39 .000 .987 -.011 .512 .474 .218 .326 .568 .178
Vol.6 N|1
201 | P á g i n a
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT40 .014 .906 .045 5.207 .022 .668 .251 .617 -.151
* Mantel-Haenszel (MH); Delta de Mantel-Haenszel (ΔMH); p (p-value)
En la aplicación correspondiente al año 2021, se identificó un número reducido de ítems con valores
significativos del estadístico MH (p < .05), específicamente el ítem IT22, representando únicamente un
2.7% del total, mientras que el resto de los ítems mostró un funcionamiento equivalente entre
estudiantes de colegios públicos y privados. No obstante, el valor del índice ΔMH asociado a este ítem
se mantuvo por debajo de 1 unidad delta en valor absoluto, lo que sugiere que la magnitud del DIF es
baja.
Para el año 2022, nuevamente se observó que la mayoría de los ítems no evidenció diferencias
estadísticamente significativas entre los grupos. Sin embargo, algunos ítems presentaron valores
significativos del estadístico MH, entre ellos IT19, IT27, IT32 e IT40. A pesar de alcanzar significancia
estadística, los valores de ΔMH correspondientes a estos ítems no superaron el umbral establecido por
el ETS para ser considerados de magnitud moderada o grande, lo que indica la presencia de DIF
despreciable.
Finalmente, en la aplicación del año 2023, se detectaron ciertos ítems con valores estadísticamente
significativos del estadístico MH, tales como IT5, IT10, IT15, IT16, IT19, IT23 e IT33, representando
un 19.4% del total de reactivos de la prueba. Sin embargo, al igual que en los años anteriores, aunque
estos ítems mostraron diferencias estadísticamente significativas entre estudiantes de colegios públicos
y privados, la mayoría de los valores del índice ΔMH se ubicó por debajo de una unidad delta en valor
absoluto, lo que, según la escala establecida por el ETS, el impacto práctico del DIF es limitado.
En términos globales, de acuerdo con el método MH, la proporción de ítems que presentó algún tipo
de DIF asociado al tipo de colegio fue relativamente baja en los tres años analizados. Además, según
la clasificación establecida por el ETS, la gran mayoría de los ítems se clasificó en la categoría A,
correspondiente a DIF despreciable. No se identificaron ítems con DIF tipo C y únicamente el ítem
IT10 de la aplicación 2023 alcanzó un valor compatible con DIF tipo B.
201 | P á g i n a
Ítem
Año
2021 2022 2023
MH p ΔMH MH p ΔMH MH p ΔMH
IT40 .014 .906 .045 5.207 .022 .668 .251 .617 -.151
* Mantel-Haenszel (MH); Delta de Mantel-Haenszel (ΔMH); p (p-value)
En la aplicación correspondiente al año 2021, se identificó un número reducido de ítems con valores
significativos del estadístico MH (p < .05), específicamente el ítem IT22, representando únicamente un
2.7% del total, mientras que el resto de los ítems mostró un funcionamiento equivalente entre
estudiantes de colegios públicos y privados. No obstante, el valor del índice ΔMH asociado a este ítem
se mantuvo por debajo de 1 unidad delta en valor absoluto, lo que sugiere que la magnitud del DIF es
baja.
Para el año 2022, nuevamente se observó que la mayoría de los ítems no evidenció diferencias
estadísticamente significativas entre los grupos. Sin embargo, algunos ítems presentaron valores
significativos del estadístico MH, entre ellos IT19, IT27, IT32 e IT40. A pesar de alcanzar significancia
estadística, los valores de ΔMH correspondientes a estos ítems no superaron el umbral establecido por
el ETS para ser considerados de magnitud moderada o grande, lo que indica la presencia de DIF
despreciable.
Finalmente, en la aplicación del año 2023, se detectaron ciertos ítems con valores estadísticamente
significativos del estadístico MH, tales como IT5, IT10, IT15, IT16, IT19, IT23 e IT33, representando
un 19.4% del total de reactivos de la prueba. Sin embargo, al igual que en los años anteriores, aunque
estos ítems mostraron diferencias estadísticamente significativas entre estudiantes de colegios públicos
y privados, la mayoría de los valores del índice ΔMH se ubicó por debajo de una unidad delta en valor
absoluto, lo que, según la escala establecida por el ETS, el impacto práctico del DIF es limitado.
En términos globales, de acuerdo con el método MH, la proporción de ítems que presentó algún tipo
de DIF asociado al tipo de colegio fue relativamente baja en los tres años analizados. Además, según
la clasificación establecida por el ETS, la gran mayoría de los ítems se clasificó en la categoría A,
correspondiente a DIF despreciable. No se identificaron ítems con DIF tipo C y únicamente el ítem
IT10 de la aplicación 2023 alcanzó un valor compatible con DIF tipo B.
Vol.6 N|1
202 | P á g i n a
De igual forma, en la figura 5 se presenta la curva característica del ítem 10 del año 2023, diferenciada
por tipo de colegio, en donde se logra apreciar una diferencia uniforme a lo largo de la curva que
favorece al grupo de examinados provenientes de colegios privados. Sin embargo, esta diferencia se
mantiene acotada y no se amplifica en los extremos de la habilidad, indicando así que el tamaño del
efecto es limitado y coincide con la clasificación de DIF tipo B.
Figura 5. Curva característica del ítem 10 del año 2023, según tipo de colegio
Si bien el contraste estadístico asociado al método de Mantel–Haenszel permite identificar diferencias
significativas entre grupos, el p-valor no proporciona información sobre la magnitud ni la relevancia
práctica de estas diferencias. Dado que el análisis de DIF se orienta a detectar sesgos sustantivos que
puedan afectar la equidad de la medición, por ello es necesario complementar la evidencia estadística
con índices que miden el tamaño del efecto, particularmente la transformación ΔMH, esta
aproximación permite distinguir entre diferencias meramente estadísticas y DIF con implicaciones
prácticas para la validez y justicia de la prueba.
La existencia de DIF indica que sujetos que tienen igual grado de habilidad presentan diferente
probabilidad de responder correctamente a un ítem, lo que se relaciona con el sesgo, es decir, favorecer
a un grupo sobre otro en la evaluación. Como se pudo apreciar en los indicadores de DIF según sexo,
para el año 2021 (IT27), 2022 (IT5 y IT39) y 2023 (IT38) las personas que tienen mayor probabilidad
de responder correctamente son los hombres, por lo que se puede inferir que favorece más a este
grupo. Esto podría ser debido a la manera de representar los datos del encabezado de los ítems, ya
que estos incluyen porcentajes y se debe realizar cierta transformación y extracción de datos de
diferentes tipos de representación.
202 | P á g i n a
De igual forma, en la figura 5 se presenta la curva característica del ítem 10 del año 2023, diferenciada
por tipo de colegio, en donde se logra apreciar una diferencia uniforme a lo largo de la curva que
favorece al grupo de examinados provenientes de colegios privados. Sin embargo, esta diferencia se
mantiene acotada y no se amplifica en los extremos de la habilidad, indicando así que el tamaño del
efecto es limitado y coincide con la clasificación de DIF tipo B.
Figura 5. Curva característica del ítem 10 del año 2023, según tipo de colegio
Si bien el contraste estadístico asociado al método de Mantel–Haenszel permite identificar diferencias
significativas entre grupos, el p-valor no proporciona información sobre la magnitud ni la relevancia
práctica de estas diferencias. Dado que el análisis de DIF se orienta a detectar sesgos sustantivos que
puedan afectar la equidad de la medición, por ello es necesario complementar la evidencia estadística
con índices que miden el tamaño del efecto, particularmente la transformación ΔMH, esta
aproximación permite distinguir entre diferencias meramente estadísticas y DIF con implicaciones
prácticas para la validez y justicia de la prueba.
La existencia de DIF indica que sujetos que tienen igual grado de habilidad presentan diferente
probabilidad de responder correctamente a un ítem, lo que se relaciona con el sesgo, es decir, favorecer
a un grupo sobre otro en la evaluación. Como se pudo apreciar en los indicadores de DIF según sexo,
para el año 2021 (IT27), 2022 (IT5 y IT39) y 2023 (IT38) las personas que tienen mayor probabilidad
de responder correctamente son los hombres, por lo que se puede inferir que favorece más a este
grupo. Esto podría ser debido a la manera de representar los datos del encabezado de los ítems, ya
que estos incluyen porcentajes y se debe realizar cierta transformación y extracción de datos de
diferentes tipos de representación.
Vol.6 N|1
203 | P á g i n a
Además, algunos ítems que presentan DIF pueden darse porque sean más típicos o comunes para los
hombres que para las mujeres, esto quizás se deba al tipo de entrenamiento llevado a cabo por la
población. Igualmente, puede deberse como lo indica Rodríguez Jiménez et al., (2021) al manejo de
conceptos teóricos y la influencia de los roles de género en la capacidad cognitiva de transferir
conocimiento en diferentes contextos. Por otro lado, los ítems detectados con DIF hacen referencia a
establecer relaciones numéricas y análisis de datos y de acuerdo con Finch & Hernández Finch (2013)
estos ítems afectan de manera diferente a los distintos grupos, pero la presencia de DIF puede ser
multicausal.
Cabe mencionar que la presencia de DIF tipo B no implica necesariamente que el ítem sea inválido o
que deba eliminarse de la prueba. En contextos de evaluación educativa, el DIF puede reflejar
diferencias sistemáticas en las estrategias de resolución, la familiaridad con ciertos formatos de
representación o el entrenamiento previo de los grupos como se mencionó anteriormente, sin que esto
suponga una medición de un constructo ajeno al razonamiento cuantitativo.
Con respecto al análisis considerando tipo de colegio, solo se obtuvo un ítem para el año 2023 (IT10)
favoreciendo a los colegios privados. Esto, en parte, puede ser debido a la formación. Los colegios
privados en Costa Rica, en su gran mayoría, contratan docentes que tienen mejor formación
matemática que los colegios públicos. En cambio, para los colegios públicos el ente empleador es el
Ministerio de Educación Pública, y no existe regulación en cuanto a la formación matemática del
profesorado; donde dos de las características que más diferencian a los sectores público-privado son,
según Fernández y del Valle (2013) el porcentaje de profesores que poseen un título de licenciatura o
superior (37% en el sector público y 50% en el privado).
Además, muchos de los colegios privados dan un mayor énfasis y privilegia la enseñanza de la
matemática y, por ende, el desarrollo de habilidades de razonamiento cuantitativo. Esto coincide con
el estudio realizado por Fernández y del Valle (2013) al indicar que el estudiantado de colegios privados
obtenía mejores resultados en la prueba de matemática de PISA que los de colegios públicos.
Se debe destacar que estos resultados deben interpretarse con cautela. El método MH permite detectar
diferencias en la probabilidad de acierto condicionadas por la puntuación total, pero asume
203 | P á g i n a
Además, algunos ítems que presentan DIF pueden darse porque sean más típicos o comunes para los
hombres que para las mujeres, esto quizás se deba al tipo de entrenamiento llevado a cabo por la
población. Igualmente, puede deberse como lo indica Rodríguez Jiménez et al., (2021) al manejo de
conceptos teóricos y la influencia de los roles de género en la capacidad cognitiva de transferir
conocimiento en diferentes contextos. Por otro lado, los ítems detectados con DIF hacen referencia a
establecer relaciones numéricas y análisis de datos y de acuerdo con Finch & Hernández Finch (2013)
estos ítems afectan de manera diferente a los distintos grupos, pero la presencia de DIF puede ser
multicausal.
Cabe mencionar que la presencia de DIF tipo B no implica necesariamente que el ítem sea inválido o
que deba eliminarse de la prueba. En contextos de evaluación educativa, el DIF puede reflejar
diferencias sistemáticas en las estrategias de resolución, la familiaridad con ciertos formatos de
representación o el entrenamiento previo de los grupos como se mencionó anteriormente, sin que esto
suponga una medición de un constructo ajeno al razonamiento cuantitativo.
Con respecto al análisis considerando tipo de colegio, solo se obtuvo un ítem para el año 2023 (IT10)
favoreciendo a los colegios privados. Esto, en parte, puede ser debido a la formación. Los colegios
privados en Costa Rica, en su gran mayoría, contratan docentes que tienen mejor formación
matemática que los colegios públicos. En cambio, para los colegios públicos el ente empleador es el
Ministerio de Educación Pública, y no existe regulación en cuanto a la formación matemática del
profesorado; donde dos de las características que más diferencian a los sectores público-privado son,
según Fernández y del Valle (2013) el porcentaje de profesores que poseen un título de licenciatura o
superior (37% en el sector público y 50% en el privado).
Además, muchos de los colegios privados dan un mayor énfasis y privilegia la enseñanza de la
matemática y, por ende, el desarrollo de habilidades de razonamiento cuantitativo. Esto coincide con
el estudio realizado por Fernández y del Valle (2013) al indicar que el estudiantado de colegios privados
obtenía mejores resultados en la prueba de matemática de PISA que los de colegios públicos.
Se debe destacar que estos resultados deben interpretarse con cautela. El método MH permite detectar
diferencias en la probabilidad de acierto condicionadas por la puntuación total, pero asume
Vol.6 N|1
204 | P á g i n a
equivalencia en la medición del rasgo latente y se limita principalmente a identificar DIF uniforme. En
contraste, los modelos IRT multigrupo permiten evaluar simultáneamente la invariancia de parámetros
del ítem, detectar DIF no uniforme y modelar explícitamente el rasgo latente, proporcionando una
aproximación más completa al funcionamiento diferencial.
CONCLUSIONES
Primeramente, es indispensable realizar análisis de DIF en el desarrollo de pruebas educativas, tanto
en aquellas que son de diagnóstico como las que se emplean con propósitos de admisión. Esto porque
permite evaluar la imparcialidad de las pruebas y por lo tanton comprobar las afirmaciones sobre su
validez. Al comparar las puntuaciones totales de distintos grupos se puede explorar el rendimiento de
estos; sin embargo, no es suficiente para determinar la imparcialidad.
Además, es importante indicar que desarrollar pruebas justas es un valor al que todos los educadores
deberían aspirar para garantizar que estas no solo sean precisas para la retroalimentación del
estudiantado, sino también para informar las modificaciones en la enseñanza y crear política educativa.
Igualmente, las pruebas justas son necesarias para promover y retener a los grupos subrepresentados
en los campos de la ciencia, tecnología, ingeniería y matemáticas, y para el desarrollo de habilidades
tan indispensables como el razonamiento cuantitativo.
Finalmente, es indispensable atender de la mejor manera posible la exigencia de equidad, la literatura
especializada actual recomienda que, para desarrollar pruebas de rendimiento en gran escala, la
atención a la diversidad se considere desde el diseño de prueba. Realizar más estudios considerando
entrevistas cognitivas o protocolos verbales a grupos de examinados de tal manera que se logre
detectar cuáles son las frases o palabras que influyen en las probabilidades de acertar o no un ítem.
REFERENCIAS BIBLIOGRÁFICAS
AERA, APA, NCME. (2014). Standards for Educational and Psychological Testing. Washington, Estados
Unidos: American Educational Research Association.
Albano, T., French, BF y Vo, TT (2024). Traditional vs Intersectional DIF Analysis: Considerations and
a Comparison Using State Testing Data. Applied Measurement in Education, 37 (1), 57–7.
https://doi.org/1.1080/08957347.2024.2311935
204 | P á g i n a
equivalencia en la medición del rasgo latente y se limita principalmente a identificar DIF uniforme. En
contraste, los modelos IRT multigrupo permiten evaluar simultáneamente la invariancia de parámetros
del ítem, detectar DIF no uniforme y modelar explícitamente el rasgo latente, proporcionando una
aproximación más completa al funcionamiento diferencial.
CONCLUSIONES
Primeramente, es indispensable realizar análisis de DIF en el desarrollo de pruebas educativas, tanto
en aquellas que son de diagnóstico como las que se emplean con propósitos de admisión. Esto porque
permite evaluar la imparcialidad de las pruebas y por lo tanton comprobar las afirmaciones sobre su
validez. Al comparar las puntuaciones totales de distintos grupos se puede explorar el rendimiento de
estos; sin embargo, no es suficiente para determinar la imparcialidad.
Además, es importante indicar que desarrollar pruebas justas es un valor al que todos los educadores
deberían aspirar para garantizar que estas no solo sean precisas para la retroalimentación del
estudiantado, sino también para informar las modificaciones en la enseñanza y crear política educativa.
Igualmente, las pruebas justas son necesarias para promover y retener a los grupos subrepresentados
en los campos de la ciencia, tecnología, ingeniería y matemáticas, y para el desarrollo de habilidades
tan indispensables como el razonamiento cuantitativo.
Finalmente, es indispensable atender de la mejor manera posible la exigencia de equidad, la literatura
especializada actual recomienda que, para desarrollar pruebas de rendimiento en gran escala, la
atención a la diversidad se considere desde el diseño de prueba. Realizar más estudios considerando
entrevistas cognitivas o protocolos verbales a grupos de examinados de tal manera que se logre
detectar cuáles son las frases o palabras que influyen en las probabilidades de acertar o no un ítem.
REFERENCIAS BIBLIOGRÁFICAS
AERA, APA, NCME. (2014). Standards for Educational and Psychological Testing. Washington, Estados
Unidos: American Educational Research Association.
Albano, T., French, BF y Vo, TT (2024). Traditional vs Intersectional DIF Analysis: Considerations and
a Comparison Using State Testing Data. Applied Measurement in Education, 37 (1), 57–7.
https://doi.org/1.1080/08957347.2024.2311935
Vol.6 N|1
205 | P á g i n a
Arroyo Resino, D. (2018). Funcionamiento diferencial del ítem por sexo en alumnos de educación
secundaria. En G. de la Cruz Flores (Coord.), Experiencias educativas en el aula de Infantil, Primaria
y Secundaria. (pp. 66-76). Eindhoven, NL: Adaya Press. https://doi.org/1.58909/ad18177496
Chalmers, R. P. (2012). mirt: A Multidimensional Item Response Theory Package for the R
Environment. Journal of Statistical Software, 48(6), 1–29. https://doi.org/10.18637/jss.v048.i06
Dorans, N.J. & Holland, P.W. (1992). DIF detection and description: Mantel-Haenszel and
standardization 1,2. ETS Research Report Series, 1992: i-40. https://doi.org/10.1002/j.2333-
8504.1992.tb01440.x
Fernández, A & Del Valle R. (2013). Desigualdades en Costa Rica: la brecha entre estudiantes de
colegios públicos y privados. Análisis de los resultados de la evaluación Internacional PISA.
Revista CEPAL, 111, https://www.un-ilibrary.org/content/journals/16820908/2013/111/3
Ferreres Traver, D., Fidalgo Aliste, A. M & Muñiz, J. (2000). Detección del funcionamiento diferencial
de los ítems no uniforme: comparación de los métodos Mantel-Haenszel y regresión logística.
Psicothema, 12(2), 220-225, https://www.psicothema.com/pdf/552.pdf
Fidalgo, A.M & Scalonb, J.D. (2012). Uso dos Métodos Mantel-Haenszel para a Detecção do
Funcionamento Diferencial dos Itens e Software Relacionado. Psicologia: Reflexão e Crítica, 25 (1),
https://doi.org/1.1590/S0102-79722012000100008
Fidalgo, AM. (2011). GMHDIF: A Computer Program for Detecting DIF in Dichotomous and
Polytomous Items Using Generalized Mantel-Haenszel Statistics. Applied Psychological
Measurement, 35(3), 247–249. https://doi.org/1.1177/0146621610375691
Finch, WH, y Hernández Finch, ME (2013). Investigation of specific learning disability and testing
accommodations based differential item functioning using a multilevel multidimensional mixture
item response theory model. Educational and Psychological Measurement, 73(6), 973–993,
https://journals.sagepub.com/doi/epub/10.1177/0013164413494776
García-Medina, A.M., Martínez Rizo, F., & Cordero Arroyo, G. (2016). Análisis del funcionamiento
diferencial de los ítems del EXCALE de matemáticas para tercero de secundaria, Revista
205 | P á g i n a
Arroyo Resino, D. (2018). Funcionamiento diferencial del ítem por sexo en alumnos de educación
secundaria. En G. de la Cruz Flores (Coord.), Experiencias educativas en el aula de Infantil, Primaria
y Secundaria. (pp. 66-76). Eindhoven, NL: Adaya Press. https://doi.org/1.58909/ad18177496
Chalmers, R. P. (2012). mirt: A Multidimensional Item Response Theory Package for the R
Environment. Journal of Statistical Software, 48(6), 1–29. https://doi.org/10.18637/jss.v048.i06
Dorans, N.J. & Holland, P.W. (1992). DIF detection and description: Mantel-Haenszel and
standardization 1,2. ETS Research Report Series, 1992: i-40. https://doi.org/10.1002/j.2333-
8504.1992.tb01440.x
Fernández, A & Del Valle R. (2013). Desigualdades en Costa Rica: la brecha entre estudiantes de
colegios públicos y privados. Análisis de los resultados de la evaluación Internacional PISA.
Revista CEPAL, 111, https://www.un-ilibrary.org/content/journals/16820908/2013/111/3
Ferreres Traver, D., Fidalgo Aliste, A. M & Muñiz, J. (2000). Detección del funcionamiento diferencial
de los ítems no uniforme: comparación de los métodos Mantel-Haenszel y regresión logística.
Psicothema, 12(2), 220-225, https://www.psicothema.com/pdf/552.pdf
Fidalgo, A.M & Scalonb, J.D. (2012). Uso dos Métodos Mantel-Haenszel para a Detecção do
Funcionamento Diferencial dos Itens e Software Relacionado. Psicologia: Reflexão e Crítica, 25 (1),
https://doi.org/1.1590/S0102-79722012000100008
Fidalgo, AM. (2011). GMHDIF: A Computer Program for Detecting DIF in Dichotomous and
Polytomous Items Using Generalized Mantel-Haenszel Statistics. Applied Psychological
Measurement, 35(3), 247–249. https://doi.org/1.1177/0146621610375691
Finch, WH, y Hernández Finch, ME (2013). Investigation of specific learning disability and testing
accommodations based differential item functioning using a multilevel multidimensional mixture
item response theory model. Educational and Psychological Measurement, 73(6), 973–993,
https://journals.sagepub.com/doi/epub/10.1177/0013164413494776
García-Medina, A.M., Martínez Rizo, F., & Cordero Arroyo, G. (2016). Análisis del funcionamiento
diferencial de los ítems del EXCALE de matemáticas para tercero de secundaria, Revista
Vol.6 N|1
206 | P á g i n a
Mexicana de Investigación Educativa, 21 (71).
https://ojs.rmie.mx/index.php/rmie/article/view/507
Gómez Guillén, K. (2025). Evidencias de Validez en la Valoración del Constructo Satisfacción del
Estudiantado hacia los MOOCs como Recurso Complementario en el Curso de Precálculo de la
Universidad de Costa Rica durante el I Ciclo del 2024. Revista Veritas De Difusão Científica, 6 (2),
5930–5949. https://doi.org/1.61616/rvdc.v6i2.918
Holland, P.W & Wainer, H. (1993). Differential Item Functioning. Educational Testing Service.
Routledge.
Jodoin, M. G., & Gierl, M. J. (2001). Evaluating Type I error and power rates using an effect size measure
with logistic regression procedure for DIF detection. Applied Measurement in Education, 14 (4),
329–349, https://doi.org/10.1207/S15324818AME1404_2
Magis, D., Bél and, S., Tuerlinckx, F., & De Boeck, P. (2010). A general framework and an R package
for the detection of dichotomous differential item functioning. Behavior Research Methods, 42,
847–862. https://doi.org/10.3758/BRM.42.3.847
Martínez Arias, R., Hernández Lloreda, M.J., Hernández Lloreda, M.V. (2014). Psicometría. Alianza
Editorial.
Martinková, P., Drabinová, A., Liaw, Y. L., Sanders, E. A., McFarland, J. L., & Price, R. M. (2017).
Checking Equity: Why Differential Item Functioning Analysis Should Be a Routine Part of
Developing Conceptual Assessments. CBE life sciences education, 16(1), rm2.
https://doi.org/1.1187/cbe.16-10-0307
Montero-Rojas, E & Moreira-Mora, T.E. (2017). Funcionamiento diferencial del ítem en pruebas de
español y matemática en estudiantes reportados con TDAH. Actualidades Investigativas en
Educación, 17 (2), http://dx.doi.org/1.15517/aie.v17i1.28661
Moreira Mora, T. (2008). Funcionamiento diferencial del ítem en pruebas de matemática para la
educación media. Actualidades en Psicología, 22, 91-113. https://doi.org/1.15517/ap.v22i109.16
206 | P á g i n a
Mexicana de Investigación Educativa, 21 (71).
https://ojs.rmie.mx/index.php/rmie/article/view/507
Gómez Guillén, K. (2025). Evidencias de Validez en la Valoración del Constructo Satisfacción del
Estudiantado hacia los MOOCs como Recurso Complementario en el Curso de Precálculo de la
Universidad de Costa Rica durante el I Ciclo del 2024. Revista Veritas De Difusão Científica, 6 (2),
5930–5949. https://doi.org/1.61616/rvdc.v6i2.918
Holland, P.W & Wainer, H. (1993). Differential Item Functioning. Educational Testing Service.
Routledge.
Jodoin, M. G., & Gierl, M. J. (2001). Evaluating Type I error and power rates using an effect size measure
with logistic regression procedure for DIF detection. Applied Measurement in Education, 14 (4),
329–349, https://doi.org/10.1207/S15324818AME1404_2
Magis, D., Bél and, S., Tuerlinckx, F., & De Boeck, P. (2010). A general framework and an R package
for the detection of dichotomous differential item functioning. Behavior Research Methods, 42,
847–862. https://doi.org/10.3758/BRM.42.3.847
Martínez Arias, R., Hernández Lloreda, M.J., Hernández Lloreda, M.V. (2014). Psicometría. Alianza
Editorial.
Martinková, P., Drabinová, A., Liaw, Y. L., Sanders, E. A., McFarland, J. L., & Price, R. M. (2017).
Checking Equity: Why Differential Item Functioning Analysis Should Be a Routine Part of
Developing Conceptual Assessments. CBE life sciences education, 16(1), rm2.
https://doi.org/1.1187/cbe.16-10-0307
Montero-Rojas, E & Moreira-Mora, T.E. (2017). Funcionamiento diferencial del ítem en pruebas de
español y matemática en estudiantes reportados con TDAH. Actualidades Investigativas en
Educación, 17 (2), http://dx.doi.org/1.15517/aie.v17i1.28661
Moreira Mora, T. (2008). Funcionamiento diferencial del ítem en pruebas de matemática para la
educación media. Actualidades en Psicología, 22, 91-113. https://doi.org/1.15517/ap.v22i109.16
Vol.6 N|1
207 | P á g i n a
Ordóñez Gutiérrez, G. (2025). Evidencias de Validez de la Prueba de Habilidades Cuantitativas
Asociadas a su Estructura Interna. Ciencia Y Reflexión, 4(1), 1184–1202.
https://doi.org/1.70747/cr.v4i1.162
Pérez-Gil, J.A., Chacón Moscoso, S., & Moreno Rodríguez, R. (2000). Validez de constructo: el uso del
análisis factorial exploratorio- confirmatorio para obtener evidencias de validez. Psicothema. 12
(2). https://www.psicothema.com/pi?pii=601
Portell, M & Vives, J. (2024). Investigación en Psicología y logopedia: Introducción a los diseños
experimentales, cuasiexperimentales y ex post facto. Servei de publicacions de la UAB.
Rodríguez Jiménez, O.R., Pineda Miranda, B.A., & Sierra Muñoz, T. (2021). Estudio de Funcionamiento
diferencial de los ítems de la prueba EXIM. Encuentro Internacional De Educación En Ingeniería.
https://doi.org/1.26507/ponencia.1966
Sánchez Mendiola, M., García Minjarez, M., Martínez González A., & Buzo Casanova, E. (2020). El
examen de ingreso a la Universidad Nacional Autónoma de México: Evidencias de validez de
una prueba de Alto impacto y gran escala. Revista Iberoamericana de Evaluación Educativa, 13 (2),
107-120, https://doi.org/1.15366/riee202.13.2.006
Silva Morales, F & Santelices Etchegaray, M.V. (2016). Funcionamiento diferencial del ítem en una
Evaluación Estandarizada según necesidades Educativas Especiales Transitorias. Revista
Iberoamericana de Evaluación Educativa, 9 (1), 145-160,
https://doi.org/10.15366/riee2016.9.1.009
Stockemer, D. (2019). Quantitative Methods for the Social Sciences: A Practical Introduction with Examples
in SPSS and Stata. https://doi.org/1.1007/978-3-319-99118-4
Suh, Y. (2016). Effect Size Measures for Differential Item Functioning in a Multidimensional IRT Model.
Journal of Educational Measurement, 53 (4). https://doi.org/10.1111/jedm.12123
207 | P á g i n a
Ordóñez Gutiérrez, G. (2025). Evidencias de Validez de la Prueba de Habilidades Cuantitativas
Asociadas a su Estructura Interna. Ciencia Y Reflexión, 4(1), 1184–1202.
https://doi.org/1.70747/cr.v4i1.162
Pérez-Gil, J.A., Chacón Moscoso, S., & Moreno Rodríguez, R. (2000). Validez de constructo: el uso del
análisis factorial exploratorio- confirmatorio para obtener evidencias de validez. Psicothema. 12
(2). https://www.psicothema.com/pi?pii=601
Portell, M & Vives, J. (2024). Investigación en Psicología y logopedia: Introducción a los diseños
experimentales, cuasiexperimentales y ex post facto. Servei de publicacions de la UAB.
Rodríguez Jiménez, O.R., Pineda Miranda, B.A., & Sierra Muñoz, T. (2021). Estudio de Funcionamiento
diferencial de los ítems de la prueba EXIM. Encuentro Internacional De Educación En Ingeniería.
https://doi.org/1.26507/ponencia.1966
Sánchez Mendiola, M., García Minjarez, M., Martínez González A., & Buzo Casanova, E. (2020). El
examen de ingreso a la Universidad Nacional Autónoma de México: Evidencias de validez de
una prueba de Alto impacto y gran escala. Revista Iberoamericana de Evaluación Educativa, 13 (2),
107-120, https://doi.org/1.15366/riee202.13.2.006
Silva Morales, F & Santelices Etchegaray, M.V. (2016). Funcionamiento diferencial del ítem en una
Evaluación Estandarizada según necesidades Educativas Especiales Transitorias. Revista
Iberoamericana de Evaluación Educativa, 9 (1), 145-160,
https://doi.org/10.15366/riee2016.9.1.009
Stockemer, D. (2019). Quantitative Methods for the Social Sciences: A Practical Introduction with Examples
in SPSS and Stata. https://doi.org/1.1007/978-3-319-99118-4
Suh, Y. (2016). Effect Size Measures for Differential Item Functioning in a Multidimensional IRT Model.
Journal of Educational Measurement, 53 (4). https://doi.org/10.1111/jedm.12123