摘要：Una de las ventajas teóricas de los modelos de la teoría de respuesta al ítem (TRI) es que las estimaciones de los niveles en el rasgo son más precisas (en términos de información) que cualquier otro tipo de puntuación. Sin embargo, no está claro aún que el uso de estas estimaciones más precisas permita mejorar la validez externa con respecto a la validez obtenida con las puntuaciones directas. Se presentan algunos resultados basados en el modelo logístico de dos parámetros, y se discuten tres aspectos: (a) Cómo deben interpretarse los coeficientes de validez basados en puntuaciones TRI; (b) como pueden hacerse inferencias con respecto a estos coeficientes, y (c) qué mejoras en validez cabe esperar cuando el modelo es correcto y se usan las puntuaciones TRI en lugar de las puntuaciones directas. Cuatro estudios empíricos en personalidad aportan evidencia acerca de los resultados que cabe esperar en aplicaciones reales, en las que el modelo no es correcto sino tan sólo una aproximación. En todos los ejemplos, el resultado general es que los coeficientes de validez basados en puntuaciones TRI son muy similares a los obtenidos con puntuaciones directas.
其他摘要：A theoretical advantage of item response theory (IRT) models is that trait estimates based on these models provide more test information than any other type of test score. It is still unclear, however, whether using IRT trait estimates improves external validity results in comparison with the results that can be obtained by using simple raw scores. This paper discusses some methodological results based on the 2-parameter logistic model (2PLM) and is concerned with three issues: first, how validity coefficients based on IRT trait estimates must be interpreted; second, how inferences about these coefficients can be made; and third, which differences in external validity can be expected if the 2PLM is correct for the data and IRT scores are used in place of raw scores. Four empirical examples in the personality domain provided further evidence for the results that can be expected in real research in which the model is, at best, a good approximation to the data. A general result of these examples was that validity coefficients based on IRT scores were similar to those based on raw scores.
