http://test.repositoriodigital.com:8080/handle/123456789/83738 2026-10-29T00:41:57Z 2026-10-29T00:41:57Z http://test.repositoriodigital.com:8080/handle/123456789/86233 2025-02-04T20:40:19Z

Requalification model for Saber 11 test; Modelo de recalificación para la prueba Saber 11 Nowadays the standardized tests are an essential tool when assessing the quality of education, the population changes and the inclusion of new evaluation forms would require the use of methodologies that allow the comparison between the results of the tests in different applications. This article outlines the different methodologies for equalization Rating through transformations applied to the particular case of the test Saber 11, applied by the Instituto Colombiano para la Evaluaci´on de la Calidad de la Educaci´on (Icfes), due to the structural change in the test presented from 2014. To achieve the equalization the Generalized Linear Models and the Test Classic theory models are used, to make comparisons with less error when Beta Regression models are used. The methodologies presented can be applied to different scenarios in which equalization Rating for standardized test is required.; Actualmente, las pruebas estandarizadas son una herramienta fundamental ala hora de evaluar la calidad de la educación. Los cambios poblacionales y el la inclusión de nuevas forma de evaluación hacen necesario el uso de metodologías que permitan comparar los resultados de las pruebas en las diferentes aplicaciones de la misma. En el presente artículo se exponen diferentes metodologías para la equiparación de puntuaciones a través de transformaciones aplicadas al caso particular de la prueba SABER 11, aplicada por el Instituto Colombiano para la Evaluación de la Calidad de la Educación (ICFES), dado que para esta prueba se presentó un cambio estructural a partir de la segunda aplicación de 2014.Para lograr la equiparación se utilizan modelos lineales generalizados y modelos de teoría clásica de los test, para hacer las comparaciones encontrando menor error cuando se utilizan modelos de regresión beta.Las metodologías aquí expuestas pueden ser aplicadas para escenarios en losque se necesite hacer equiparación de puntuaciones para pruebas estandarizadas.

http://test.repositoriodigital.com:8080/handle/123456789/86232 2025-02-04T20:40:18Z

Value-added in primary and secondary education: Following cohorts over time; Valor Agregado en la educación primaria y secundaria: siguiendo cohortes en el tiempo Two Value-Added models were fitted using Cohort comparisons on the Saber 3◦, 5◦ y 9◦ test that are applied by the Icfes. The first one, which is only based on the results of the initial year to estimate growth in the final year, provides a measure in absolute terms of educational gains of students within a school. The second, controlling for several demographic, social and economic characteristics, cleans the result of conditions that the school can not control, to give an estimate of the exclusive effect of the school on student learning. The analysis results show that the economic conditions of students are strongly related to educational progress, but there are schools that despite having underperforming students have high performance levels. These schools are able to maintain their high-achieving students at these levels, but fail to leverage its low-performing students with other students.; Usando comparaciones de cohortes en las pruebas Saber 3,5 y 9 que realiza el Instituto Colombiano para la Evaluación de la Educación (ICFES) se estimaron dos modelos de Valor Agregado. El primero, que sólo se basa en los resultados del año inicial para estimar el crecimiento en el año final, brinda una medida en términos absolutos de la ganancia educativa de los estudiantes dentro de un colegio. El segundo, que controla por varias características demográficas, sociales y económicas, limpia el resultado de condiciones que el colegio no puede controlar, para dar una estimación del efecto exclusivo del colegio sobre el aprendizaje de sus estudiantes. Los resultados del análisis muestran que las condiciones económicas de los estudiantes se relacionan fuertemente con el progreso educativo, pero que hay colegios que a pesar de tener bajo rendimiento tienen estudiantes en niveles de desempeño alto. Estos colegios logran mantener a sus estudiantes de desempeño alto en estos niveles, pero fallan en nivelar a sus estudiantes de bajo desempeño con el resto de sus estudiantes.

http://test.repositoriodigital.com:8080/handle/123456789/86231 2025-02-04T20:40:18Z

Parameter estimation in mixture models using evolutive algorithms; Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos The mixture models are widely used in cases when there are elements that come from different populations, mixed in a superpopulation. There are traditional methods for the estimation of the parameters in mixture models: the Bayesian Method and the Expectation-Maximization (EM) algorithm. For that reason, in this work we propose the use of evolutive algorithms, such as genetic algorithms. We propose an algorithm for the comparison of evolutive and traditional methods, and we illustrate the use of this algorithm with a real application. We found that the evolutive algorithms are a competitive option to estimate the parameters in mixture models in the cases when the populations in the mixture follows a gamma distribution, the weights of the populations in the mixture are even and the sam- ple size is bigger than 100 items. For the mixture of normal distributions and the estimation of the number of populations in a mixture, the traditional method is a better option than the genetic algorithm.  ; Los modelos de mezclas son ampliamente usados en casos en los que se tienen elementos de poblaciones diversas, unidos en una super población. Hay métodos tradicionales para la estimación de los parámetros de modelos de mezclas, como lo son el bayesiano y el algoritmo de esperanza-maximización (EM). En esta investigación se propone usar los algoritmos evolutivos, como lo son los algoritmos genéticos, como método que puede servir para encontrar los parámetros de estimación de los modelos de mezclas. Para el desarrollo de este estudio se propone un algoritmo para la comparación de métodos evolutivos y tradicionales y se incluye un ejemplo de aplicación con datos reales. Se encontró que los algoritmos evolutivos son una opción competitiva para la estimación de parámetros en distribuciones de mezclas en los casos cuando las poblaciones en la mezcla siguen una distribución gamma, los pesos en las poblaciones son balanceados y el tamaño de muestra es mayor de 100 ítems. Para las mezclas de distribuciones normales y la estimación del número de poblaciones en una mezcla, el método tradicional es una mejor opción que el algoritmo genético.

http://test.repositoriodigital.com:8080/handle/123456789/86230 2025-02-04T20:40:18Z

Imputation strategy with media using regression trees; Imputation strategy with media using regression trees  An imputation design is presented to combine classication and imputation in order to improve the quality of imputed datum. Imputation is done with completely randomized missing quantitative data and using regression trees. Media imputation techniques is compared, theoretical and empirically, using regression trees, in order to develop an integral classication and imputation strategy.Unbiased estimators were obtained developing the expected value of the estimator. Estimators proprieties were evaluated trough their variance and bias development, which showed non bias. as for the unbiased estimator variance of the media, suficiency was not proved for the media estimator. ; An imputation design is presented to combine classification and imputation in order to improve the quality of imputed datum. Imputation is done with completely randomized missing quantitative data and using regression trees. Media imputation techniques is compared, theoretical and empirically, using regression trees, in order to develop an integral classification and imputation strategy.Unbiased estimators were obtained developing the expected value of the estimator. Estimator’s proprieties were evaluated trough their variance and bias development, which showed non bias. as for the unbiased estimator variance of the media, sufficiency was not proved for the media estimator.