Bem-vindo à Análise Psicométrica Moderna
Esta aplicação web interativa traduz os conceitos complexos do relatório técnico sobre a Teoria de Resposta ao Item (TRI) em uma experiência de aprendizado visual e prática. O objetivo é desmistificar os parâmetros do Modelo Logístico de 3 Parâmetros (ML3P) — dificuldade, discriminação e acerto casual — que são a base de avaliações de larga escala como o ENEM e o PISA.
Aqui, você poderá não apenas ler sobre a teoria, mas também manipular diretamente os parâmetros para ver como eles moldam a característica de um item de teste em tempo real. Explore as seções para construir seu conhecimento desde os fundamentos até as implicações práticas da análise computacional.
Fundamentos da Teoria de Resposta ao Item
Teoria Clássica dos Testes (TCT)
Foca no **escore total** do teste. Os parâmetros dos itens (ex: dificuldade) dependem da amostra de respondentes, o que limita a comparabilidade entre diferentes testes e populações.
- Análise no nível do teste.
- Parâmetros dependentes da amostra.
- Simples e robusta para contextos específicos.
Teoria de Resposta ao Item (TRI)
Foca no **item individual**. Modela a probabilidade de um indivíduo acertar um item com base em sua habilidade latente. Seus parâmetros são **invariantes**, permitindo comparações robustas.
- Análise no nível do item.
- Parâmetros independentes da amostra (invariância).
- Ideal para bancos de itens e testes adaptativos (CAT).
A Família de Modelos Logísticos
1PL (Rasch)
Considera apenas a **Dificuldade (b)**. Assume que todos os itens discriminam igualmente.
2PL
Adiciona a **Discriminação (a)**, permitindo que os itens variem em sua capacidade de diferenciar habilidades.
3PL
Adiciona o **Acerto Casual (c)**, modelando a probabilidade de acerto ao acaso (chute).
Análise Interativa dos Parâmetros
Use os controles deslizantes para ver como cada parâmetro afeta a Curva Característica do Item (CCI).
Mede a capacidade do item de diferenciar habilidades. Valores altos criam uma curva mais íngreme.
Indica o nível de habilidade necessário para uma boa chance de acerto. Valores altos movem a curva para a direita.
Probabilidade de acerto ao acaso (chute). Eleva o ponto inicial da curva.
Diagnóstico Computacional: Entendendo os Avisos
Durante a estimação dos parâmetros TRI, especialmente com o modelo de 3 parâmetros, é comum encontrar avisos computacionais (`RuntimeWarnings`). Estes não são erros que param o programa, mas sim sinais de que o algoritmo encontrou instabilidades numéricas. Compreendê-los é crucial para uma análise crítica dos resultados.
`divide by zero encountered in log`
**O que significa?** O algoritmo de otimização, em uma de suas iterações, testou uma combinação de parâmetros que resultou em uma probabilidade de acerto (ou erro) calculada como zero. O cálculo do logaritmo de zero é matematicamente indefinido, gerando o aviso.
`invalid value encountered in...`
**O que significa?** Este é um aviso mais genérico que indica uma operação matemática instável, como uma divisão por um número muito próximo de zero ou `infinito - infinito`. Ocorre quando o algoritmo explora regiões "ruins" do espaço de parâmetros.
Implicações e Recomendações
- **Não invalida os resultados automaticamente:** O algoritmo pode se recuperar e convergir para uma solução válida.
- **Sinal de Alerta:** Indica que a amostra pode ser pequena para a complexidade do modelo, ou que um modelo mais simples (como o 2PL) pode ser mais apropriado.
- **Ação Recomendada:** Inspecione criticamente os parâmetros estimados. Verifique se os valores são psicometricamente plausíveis (e.g., $0 \le c \le 0.35$). Para aplicações de alto impacto, valide os resultados com softwares mais robustos.