David Andrich – 1939 Presente

Biografía

La historia de la psicometría y de la medición en las ciencias sociales se encuentra marcada por una persistente tensión entre la conveniencia del ajuste estadístico descriptivo y las demandas epistemológicas de la medición científica fundamental. A lo largo del siglo XX, la corriente dominante tendió a conformarse con modelos ad hoc orientados a resumir correlaciones empíricas, soslayando a menudo las condiciones matemáticas rigurosas que hacen posible la invarianza de las escalas. En este escenario intelectual, la figura de David Andrich (nacido en 1939 en Midland, Australia Occidental) emerge como uno de los teóricos y metodólogos más influyentes, intransigentes y lúcidos. Su obra ha defendido y expandido el paradigma iniciado por el matemático danés Georg Rasch, elevando la teoría de la medición a un grado de coherencia formal comparable al de las ciencias físicas.

A través de más de cinco décadas de investigación continuada, David Andrich ha transformado de manera irreversible el tratamiento de las variables latentes politómicas, la interpretación de las escalas de actitudes y la formalización de la medición en los sistemas educativos y de salud pública. Su formulación original del Modelo de Escala de Calificación (Rating Scale Model, 1978), la conceptualización analítica de los umbrales de transición entre categorías de respuesta y la integración pionera entre la ley del juicio comparativo de Louis Leon Thurstone y los modelos probabilísticos de Rasch constituyen hitos insustituibles en la literatura psicométrica contemporánea. Lejos de concebir la psicometría como una mera técnica instrumental de asignación de números, Andrich la ha abordado como una disciplina filosófica y matemática en la que la noción de invarianza paramétrica representa un requisito ontológico insoslayable.

El propósito de este extenso tratado monográfico es examinar exhaustivamente la trayectoria intelectual, los fundamentos matemáticos y las implicaciones epistemológicas de la obra de David Andrich desde sus inicios hasta el presente. A lo largo de los doce capítulos que componen este estudio, se desentrañan sus raíces académicas en Australia y la Universidad de Chicago, su crítica sin concesiones a la Teoría Clásica de los Tests y a la Teoría de Respuesta al Ítem multidimensional o multiparamétrica, el desarrollo de herramientas informáticas canónicas como RUMM, y su impacto determinante en las políticas públicas de evaluación educativa. En un momento histórico dominado por la automatización algorítmica y el análisis masivo de datos no estructurados, el pensamiento de Andrich ofrece una brújula indispensable para preservar el rigor, la equidad y el significado sustantivo en la medición del comportamiento humano.

1. Introducción biográfica y contexto formativo de David Andrich (1939-presente)

1.1 Primeros años y raíces académicas en Australia

David Andrich nació en 1939 en Midland, una localidad urbana e industrial situada en las inmediaciones de Perth, en Australia Occidental. Durante sus años formativos, Andrich demostró una notable aptitud para el razonamiento abstracto y la modelización cuantitativa, orientándose tempranamente hacia el estudio formal de las ciencias exactas. Realizó sus estudios universitarios iniciales en la prestigiosa University of Western Australia (UWA), donde cursó y completó una Licenciatura en Ciencias (Bachelor of Science) con especialización dual en Matemáticas y Matemáticas Aplicadas. Esta formación de base le otorgó un dominio técnico riguroso del cálculo diferencial, el álgebra lineal y el cálculo de probabilidades, herramientas analíticas que más tarde resultarían decisivas para su capacidad de desentrañar las propiedades estructurales de los modelos psicométricos.

No obstante, la vocación de Andrich no quedó confinada al ámbito de las matemáticas teóricas puras. Guiado por una profunda inquietud pedagógica y social, decidió vincular el rigor matemático con el campo de la educación y el aprendizaje humano. Por ello, prosiguió su formación académica en la misma institución, completando una Licenciatura en Educación con Honores (Bachelor of Education with Honours) y posteriormente una Maestría en Educación (Master of Education). Esta combinación interdisciplinaria entre la matemática formal y la teoría pedagógica le permitió advertir con prontitud las agudas deficiencias metodológicas que aquejaban a las pruebas de evaluación educativa de la época, las cuales dependían casi exclusivamente de agregaciones de puntuaciones brutas carentes de propiedades de intervalo comprobables.

La transición temprana de Andrich hacia la investigación empírica estuvo marcada por su insatisfacción ante los métodos psicométricos tradicionales derivados de la teoría clásica. Mientras trabajaba en proyectos empíricos de rendimiento escolar en Australia Occidental, comprobó que las métricas resultantes variaban drásticamente según la dificultad del examen administrado y las características muestrales de los estudiantes examinados. Esta paradoja operativa encendió en él la determinación de buscar un marco axiomático para la evaluación educativa que permitiera una cuantificación genuina, independiente tanto de la muestra de examinados como de la selección contingente de reactivos utilizados en el instrumento de evaluación.

1.2 Estudios avanzados y mentores determinantes

El punto de inflexión decisivo en la evolución científica de David Andrich ocurrió a principios de la década de 1970, cuando se trasladó a los Estados Unidos para incorporarse al Departamento de Educación de la Universidad de Chicago. En este epicentro del renacimiento psicométrico cuantitativo, Andrich fue admitido en el selecto programa MESA (Measurement, Evaluation, and Statistical Analysis), concebido y liderado por el eminente físico y metodólogo Benjamin D. Wright. La atmósfera en Chicago durante aquellos años se caracterizaba por una fervorosa revolución intelectual que buscaba reformular por completo las ciencias del comportamiento sobre las bases epistemológicas de la medición física clásica.

Bajo la tutela directa de Wright, Andrich experimentó una inmersión profunda en las tesis matemáticas y epistemológicas de Georg Rasch, el matemático danés que en 1960 había introducido sus modelos probabilísticos estructurales para pruebas de inteligencia y rendimiento de lectura. Wright había reconocido con extraordinaria claridad que el trabajo de Rasch no constituía simplemente un algoritmo estadístico alternativo, sino una formulación axiomática rigurosa de la medición fundamental aditiva en las ciencias sociales. Andrich asimiló esta perspectiva con pasión analítica, comprendiendo que los requerimientos de suficiencia estadística y separabilidad de parámetros eran indispensables para cualquier disciplina que aspirara a considerarse científica.

La interacción académica con Benjamin Wright y los seminarios intensivos del programa MESA cristalizaron en la investigación doctoral de Andrich, la cual culminó con la obtención de su título de Doctor en Filosofía (Ph.D.) en 1973 por la Universidad de Chicago. Su tesis doctoral no se limitó a aplicar los esquemas existentes, sino que abrió caminos originales en la formalización de juicios comparativos y escalas politómicas. Este periodo formativo selló definitivamente su programa de investigación vital: el desarrollo, la defensa filosófica y la aplicación práctica de una teoría de la medición gobernada por el principio regulador de la invarianza absoluta de las calibraciones y las estimaciones.

1.3 Trayectoria institucional y cátedras universitarias

Tras la finalización de sus estudios doctorales en Norteamérica, David Andrich regresó a Australia para asumir responsabilidades docentes y de liderazgo investigativo en la Universidad de Murdoch, una institución joven y vibrante en la que desempeñó un papel fundacional en el desarrollo de los programas de metodología cuantitativa y educación. En Murdoch, Andrich ascendió rápidamente en el escalafón académico gracias a una producción continua y pionera de artículos matemáticos publicados en las principales revistas de estadística aplicada y psicometría a nivel internacional. Durante sus años en esta universidad, consolidó sus primeros modelos teóricos formales sobre escalas politómicas y organizó seminarios de referencia que atrajeron a investigadores de todo el hemisferio sur.

Años más tarde, Andrich retornó a su alma máter, la Universidad de Australia Occidental (UWA), donde fue investido como Profesor Titular y posteriormente distinguido como Chapple Professor of Education, una de las cátedras más prestigiosas del ámbito pedagógico y metodológico en la Commonwealth. En la UWA, Andrich no solo mantuvo una producción prolífica en el plano de la teoría matemática, sino que estructuró un centro de gravedad psicométrico de impacto mundial. Desde esta plataforma institucional, lideró proyectos de gran envergadura orientados a la evaluación del aprendizaje escolar, la modernización de los exámenes de ingreso universitario y la consultoría técnica para organismos gubernamentales australianos e internacionales.

La labor formativa de David Andrich a lo largo de su carrera universitaria ha sido colosal. Ha supervisado decenas de tesis doctorales, instruyendo a generaciones enteras de psicómetras, estadísticos educativos y especialistas en ciencias de la salud que actualmente ocupan cátedras e instituciones de investigación en América, Europa, Asia y Oceanía. Su estilo pedagógico, caracterizado por una exigencia matemática innegociable unida a una profunda interrogación sobre el significado ontológico de los datos, configuró una escuela metodológica distintiva conocida internacionalmente por su rigor y su fidelidad a los principios epistemológicos de la medición invariante.

2. Fundamentos epistemológicos de la medición en ciencias sociales según Andrich

2.1 La distinción entre cuantificación y medición científica

A lo largo de toda su producción bibliográfica, David Andrich ha sostenido una crítica inflexible contra el enfoque cuantitativo ingenuo que ha prevalecido en la psicología y las ciencias sociales contemporáneas. Con frecuencia, los investigadores sociales incurren en la falacia de asumir que cualquier proceso que asigne números a observaciones o respuestas conductuales de acuerdo con una regla arbitraria constituye automáticamente un acto de medición. Andrich ha denunciado persistentemente que sumar puntuaciones discretas obtenidas a través de un cuestionario no equivale a medir una magnitud continua, del mismo modo que enumerar las hojas de un árbol no mide su masa ni su volumen.

Para fundamentar esta distinción categórica, Andrich recurre a la filosofía de la ciencia clásica, en particular a los tratados epistemológicos del físico y filósofo Norman Robert Campbell sobre los principios de la medición aditiva fundamental. Campbell estipulaba que para que una propiedad sea susceptible de verdadera medición cuantitativa, el sistema experimental debe satisfacer el criterio de concatenación física directa o, en su defecto, exhibir propiedades de aditividad comprobable independientes del instrumento o contexto utilizado. En ausencia de una concatenación física en las variables latentes psicológicas (como la inteligencia, el neuroticismo o la actitud política), la asignación de números ordinarios carece de significado de escala métrica a menos que se demuestre formalmente que preserva las operaciones aditivas fundamentales.

La contribución de Andrich en este terreno radica en haber expuesto cómo la psicometría hegemónica transformó las puntuaciones compuestas directas en pseudo-medidas sin aportar evidencia formal de su continuidad o equidistancia. Desde la óptica de Andrich, la mera consistencia estadística interna de un conjunto de respuestas no legitima su carácter métrico; se requiere una formulación axiomática explícita que garantice que la diferencia numérica entre dos puntos a lo largo del continuo posea el mismo valor operacional en cualquier tramo de la escala, condición fundamental que no satisfacen las puntuaciones brutas tradicionales.

2.2 La teoría de la medición conjunta (Conjoint Measurement)

La justificación matemática fundamental del enfoque defendido por David Andrich se encuentra indisolublemente vinculada a la teoría de la medición conjunta aditiva, formulada a mediados del siglo XX por el matemático R. Duncan Luce y el estadístico John W. Tukey. Esta teoría axiomática revolucionó la metrología teórica al demostrar que la concatenación física aditiva de tipo campbelliano no es el único camino hacia la medición fundamental. Luce y Tukey probaron que cuando dos o más atributos interactúan para producir un efecto conjunto ordenado (como la aptitud de un individuo y la dificultad de una tarea interactuando para determinar una probabilidad de éxito), es posible inferir y construir escalas métricas continuas para ambas variables simultáneamente a partir de relaciones estrictamente ordinales.

Andrich analizó minuciosamente las condiciones de prueba formal exigidas por la medición conjunta, tales como los axiomas de transitividad, la propiedad de doble cancelación y la independencia recíproca entre los conjuntos de estímulos y de sujetos. Demostró que para que un sistema de respuestas conductuales se traduzca legítimamente en una métrica cuantitativa continua, el orden relativo entre dos individuos cualesquiera en la dimensión latente no debe depender de la dificultad específica del ítem utilizado para compararlos, y viceversa. Esta independencia mutua e incondicional representa el núcleo de la cancelación axiomática que impide que los efectos específicos de un instrumento distorsionen la estimación de la propiedad psicológica subyacente.

En este marco analítico, Andrich estableció un vínculo epistemológico decisivo: el modelo probabilístico de Georg Rasch no es simplemente una herramienta heurística útil para graduar ítems, sino la instanciación estocástica precisa y rigurosa de los axiomas de la medición conjunta aditiva de Luce y Tukey. Al incorporar el error aleatorio como una probabilidad logística en la que intervienen de forma aditivamente separable la habilidad del sujeto ($\beta$) y la dificultad del reactivo ($\delta$), el modelo de Rasch garantiza que los axiomas de la medición simultánea se verifiquen empíricamente a nivel probabilístico, legitimando así el estatus verdaderamente científico de la escala resultante.

2.3 Invarianza de los parámetros como requisito sine qua non

Para David Andrich, el principio rector indiscutible sobre el cual debe edificarse toda la arquitectura de la medición social es el de la invarianza de los parámetros. En palabras del propio Andrich, una medición sólo adquiere valor científico universal cuando las propiedades atribuidas al objeto de estudio resultan completamente independientes del instrumento particular empleado para registrarlas, y, recíprocamente, cuando las calibraciones intrínsecas del instrumento no dependen de las características contingentes de los objetos o personas que formaron parte de la muestra de calibración. Este postulado define lo que Georg Rasch denominó la especificidad objetiva (specifically objective comparison).

Esta premisa epistemológica impone una separación operacional estricta e ineludible entre el proceso de calibración de los parámetros de los ítems y el proceso de estimación de la habilidad o actitud de los sujetos. Si la posición estimada de un reactivo en el continuo latente fluctúa sistemáticamente en función de si la muestra de calibración posee una aptitud promedio alta o baja, el instrumento fracasa como patrón métrico universal y degenera en un mero registro correlacional local. Andrich enfatiza que en la física nadie aceptaría una cinta métrica cuyos centímetros se expandan o contraigan en función del objeto que se esté midiendo; en las ciencias humanas, la exigencia debe ser exactamente la misma.

En consecuencia, Andrich ha defendido con firmeza que la invarianza paramétrica no es un postulado negociable que deba sacrificarse en aras de lograr un ajuste empírico descriptivo con los datos observados. Mientras que la psicometría aplicada común tiende a modificar las ecuaciones matemáticas o añadir parámetros heterogéneos para ajustarse a las perturbaciones de una muestra de respuestas, Andrich adopta una postura prescriptiva: el modelo matemático representa la definición formal de lo que constituye una medición válida; por ende, son los datos empíricos los que deben someterse al modelo y ser evaluados rigurosamente respecto a su congruencia con las condiciones de invarianza.

3. El Modelo de Escala de Calificación (Rating Scale Model): Formulación y deducción

3.1 Génesis del modelo politómico de Rasch (1978)

Hacia finales de la década de 1970, la aplicación de los principios de Rasch se encontraba constreñida mayoritariamente a situaciones en las que las respuestas conductuales eran de naturaleza estrictamente dicotómica (correcto/incorrecto, presencia/ausencia de rasgo). Sin embargo, la gran mayoría de las evaluaciones en psicología social, sociología y educación hacían un uso extensivo de las escalas graduadas u ordinales, primordialmente a través del formato introducido por Rensis Likert en 1932 (que abarca categorías del tipo «totalmente en desacuerdo», «en desacuerdo», «de acuerdo» y «totalmente de acuerdo»). Los investigadores solían asignar a estas opciones números enteros correlativos (1, 2, 3, 4) y aplicarles modelos lineales ordinarios, incurriendo en un grave error metodológico al tratar variables cualitativas ordenadas como cantidades de intervalo continuo.

Consciente de esta brecha crítica en la metodología científica, David Andrich acometió la tarea de derivar formalmente una generalización del modelo probabilístico de Rasch que fuese compatible con respuestas categóricas ordenadas. En un hito publicado en 1978 en la revista Psychometrika, titulado seminalmente «A rating formulation for ordered response categories«, Andrich presentó la deducción axiomática y matemática del Modelo de Escala de Calificación (Rating Scale Model, RSM). En este trabajo canónico, Andrich demostró que era posible modelar matemáticamente la transición estocástica a través de un continuo ordenado preservando de forma intacta la propiedad de suficiencia estadística de las puntuaciones marginales.

La deducción de Andrich partió del postulado de que una escala politómica de $m+1$ categorías de respuesta ordenadas (indexadas desde $x=0$ hasta $x=m$) puede ser conceptualizada rigurosamente como una serie de $m$ pasos dicotómicos latentes sucesivos o procesos de decisión binaria acumulativa. Utilizando la formulación exponencial de las familias de distribuciones de Koopman-Darmois, Andrich demostró que la probabilidad condicional de que un individuo $n$ con parámetro de localización $\beta_n$ responda en la categoría $x$ ante un ítem $i$ con parámetro de localización global $\delta_i$ viene gobernada por la siguiente estructura analítica:

$$P{X_{ni} = x} = \frac{\exp \left[ x(\beta_n – \delta_i) – \sum_{k=1}^x \tau_k \right]}{\sum_{j=0}^m \exp \left[ j(\beta_n – \delta_i) – \sum_{k=1}^j \tau_k \right]}$$

donde con la convención $\sum_{k=1}^0 \tau_k = 0$, los parámetros $\tau_k$ (denominados umbrales de categoría) capturan los puntos de transición entre respuestas adyacentes a lo largo de la escala métrica subyacente.

3.2 Estructura paramétrica y descomposición de umbrales

La elegancia matemática y la practicidad del Modelo de Escala de Calificación radican en su particular descomposición paramétrica. A diferencia de las formulaciones politómicas complejas no restringidas, el modelo de Andrich separa con precisión analítica dos componentes fundamentales que intervienen en la manifestación de una respuesta: por un lado, la localización global del ítem en la variable latente ($\delta_i$), que refleja el grado general de dificultad o severidad del contenido de dicho reactivo; y por otro lado, los parámetros de umbral ($\tau_k$), que cuantifican la dificultad relativa asociada con pasar de la categoría de respuesta $k-1$ a la categoría inmediatamente superior $k$.

En el modelo RSM formulado por Andrich, se establece la restricción de diseño de que el conjunto de umbrales de transición ($\tau_1, \tau_2, \ldots, \tau_m$) es formalmente invariante para todos los ítems que comparten el mismo formato y protocolo de respuesta dentro de una prueba o cuestionario. Esta asunción de simetría estructural implica que la distancia métrica entre la categoría «de acuerdo» y «totalmente de acuerdo» se postula idéntica en términos de esfuerzo o respaldo psicológico relativo a través de todo el conjunto de reactivos calibrados conjuntamente. Esta formulación no solo impone una parsimonia paramétrica excepcional (ahorrando un número sustancial de grados de libertad estadísticos), sino que permite contrastar empíricamente si los evaluados operan con una semántica de categorías unificada y coherente a lo largo de todo el instrumento.

Asimismo, la descomposición matemática desarrollada por Andrich permite evaluar rigurosamente tanto la simetría como las asimetrías psicológicas en el empleo de las categorías de respuesta. Los umbrales de transición no tienen por qué estar distribuidos de manera equidistante a lo largo de la escala de logitos; su ordenamiento y dispersión relativa capturan la psicología subyacente del juicio perceptivo del respondedor, permitiendo detectar de forma inequívoca si determinadas opciones intermedias (como las categorías neutras o centrales) demandan una franja de intensidad latente inusualmente amplia o, por el contrario, sumamente estrecha.

3.3 Relevancia e impacto del modelo en la psicometría internacional

La publicación y divulgación del Modelo de Escala de Calificación de David Andrich transformó sustancialmente la práctica de la psicometría aplicada en todo el mundo. Su principal mérito histórico fue erradicar la justificación de asignar valores arbitrarios de números enteros a las respuestas de encuestas y tratarlos mediante análisis de varianza, regresiones lineales o modelos de ecuaciones estructurales estándar sin previa verificación métrica. A través del RSM, la comunidad científica dispuso por primera vez de una técnica matemáticamente demostrada capaz de convertir observaciones cualitativas categóricas ordenadas en una escala continua de intervalo verdadero, dotada de una unidad constante de medida denominada logito (logit).

A partir de la década de 1980, el modelo politómico de Andrich fue adoptado masivamente en la construcción y validación de inventarios de personalidad clínica y laboral, cuestionarios sociológicos de actitudes, encuestas institucionales y rúbricas de evaluación del desempeño educativo basadas en jueces. Organismos de desarrollo de pruebas estandarizadas de alcance global incorporaron la formulación de Andrich para transformar las rúbricas analíticas de redacción, resolución de problemas y expresión oral en puntuaciones de aptitud objetivas, libres de sesgos vinculados a la severidad relativa intrínseca de los evaluadores o de los criterios evaluativos.

Frente a otros modelos politómicos contemporáneos surgidos en el marco de la Teoría de Respuesta al Ítem (como el Partial Credit Model desarrollado por Geofferey N. Masters en 1982, o el Graded Response Model formulado por Fumiko Samejima en 1969 bajo el marco no raschiano), el modelo de Andrich permanece como el paradigma de referencia cuando un instrumento utiliza un conjunto consistente de etiquetas verbales o categorías comunes. Su formulación axiomática estricta proporciona las pruebas más directas y parsimoniosas sobre si la categorización prescrita por el diseñador de la prueba es efectivamente comprendida y utilizada congruentemente por la población objeto de evaluación.

4. La naturaleza de los umbrales de categoría y el fenómeno de los umbrales desordenados

4.1 Definición matemática y sustantiva de los umbrales de Rasch-Andrich

Uno de los ámbitos teóricos más profundos y debatidos en los que David Andrich ha concentrado su atención es la conceptualización ontológica y la definición formal de los parámetros de transición o umbrales de Rasch-Andrich. Desde el punto de vista analítico, el umbral de categoría $\tau_k$ para un ítem determinado representa el punto exacto a lo largo de la escala continua latente en el cual la probabilidad condicional de que un individuo responda en la categoría $k-1$ es idéntica a la probabilidad de responder en la categoría adyacente $k$. Matemáticamente, este valor coincide con la intersección gráfica de las curvas de probabilidad correspondientes a dos categorías consecutivas.

Andrich ha subrayado consistentemente la diferencia radical que existe entre un proceso de respuesta de pasos acumulativos independientes y un proceso de selección modal ordenado. En las funciones de respuesta de categoría (denominadas en inglés Category Response Functions o CRF), la probabilidad de seleccionar una categoría particular $x$ ante un nivel de aptitud $\beta$ describe una curva unimodal (con excepción de las categorías extremas, que son monótonas decrecientes o crecientes). Para cada posición en el continuo latente, existe una y sólo una categoría que maximiza la probabilidad de respuesta observada. Los umbrales no representan la dificultad de responder positivamente a un subcomponente aislado de la tarea, sino que definen las fronteras operativas donde el sujeto experimenta la máxima ambivalencia o indeterminación cognitiva entre dos niveles de respuesta contiguos.

Esta distinción resulta crucial para evitar confusiones frecuentes en la literatura psicométrica. Mientras que en modelos acumulativos como el de Samejima los parámetros de frontera son monótonos por definición matemática forzada, en el modelo de Rasch-Andrich los umbrales de categoría son parámetros libres que emergen directamente de la dinámica estocástica de las transiciones operacionales. Por lo tanto, el comportamiento empírico de estos parámetros proporciona una ventana de observación directa e inalterada sobre la estructura cognitiva con la que los respondedores procesan las categorías de la escala.

4.2 Causas y diagnóstico de los umbrales desordenados

Uno de los descubrimientos diagnósticos más trascendentales derivados de la formulación de Andrich es el fenómeno de los umbrales desordenados (disordered thresholds). En condiciones ideales de funcionamiento psicométrico, a medida que un sujeto asciende a lo largo del continuo de la variable latente, los umbrales de transición se encuentran estrictamente ordenados de manera monótona creciente: $\tau_1 < \tau_2 < dots < \tau_m$. En este escenario armónico, cada una de las categorías de respuesta ordenadas posee una región o intervalo propio en el que resulta ser la opción más probable de ser seleccionada.

Sin embargo, David Andrich evidenció que en una abrumadora cantidad de instrumentos empíricos se observa la anomalía de que $\tau_k > \tau_{k+1}$. En términos analíticos y sustantivos, esto significa que no existe ningún punto a lo largo del continuo de habilidad o actitud donde la categoría intermedia $k$ posea una probabilidad superior a las restantes categorías; gráficamente, la función de respuesta de dicha categoría queda completamente subsumida bajo las curvas de las opciones adyacentes. El diagnóstico de este desorden se realiza visualmente mediante las gráficas de las CRF y cuantitativamente examinando los valores numéricos calibrados de los logitos de transición y sus errores estándar asociados.

Las investigaciones de Andrich han revelado que las causas primarias del desorden de umbrales son de naturaleza perceptual, cognitiva y lingüística. Ocurre con gran frecuencia cuando los constructores de cuestionarios incluyen un número excesivo de alternativas de respuesta (como escalas de 7, 9 o 11 puntos), superando la capacidad del sistema cognitivo humano para discernir diferencias cuantitativas sutiles entre opciones tales como «levemente de acuerdo», «moderadamente de acuerdo» o «bastante de acuerdo». Asimismo, el uso de opciones intermedias ambiguas, como la categoría «no sabe / no contesta» o «neutral», suele inducir una alteración patológica del orden psicométrico cuando el sujeto recurre a ellas por desinterés, fatiga o desconocimiento de la materia evaluada.

4.3 Implicaciones metodológicas y soluciones psicométricas

La presencia de umbrales desordenados acarrea gravísimas consecuencias epistemológicas que invalidan la interpretación primaria del instrumento de medición. David Andrich demostró con rigurosidad axiomática que cuando los umbrales empíricos se encuentran desordenados, la puntuación asignada a la respuesta no refleja un orden monótono del rasgo latente. Es decir, asignar un número superior a una categoría particular deja de implicar que el individuo posea una magnitud mayor del atributo medido en comparación con quien seleccionó una opción nominalmente inferior. Ignorar esta anomalía equivale a sostener la ilusión de medición de intervalo sobre una variable fragmentada cuya métrica se encuentra intrínsecamente rota.

Frente a esta patología recurrente, Andrich formuló recomendaciones operativas precisas basadas en el análisis riguroso de los datos. La solución metodológica primaria consiste en el colapso sistemático de categorías adyacentes (category collapsing o re-puntuación). Mediante este procedimiento, las opciones que han demostrado ser indistinguibles cognitivamente para los participantes son agrupadas en una única categoría sintética, recalculando la calibración de la escala hasta restaurar la monotonicidad rigurosa del ordenamiento de los umbrales. Este colapso no debe realizarse de manera arbitraria o puramente mecánica, sino que debe sustentarse en un análisis epistemológico del significado semántico de las etiquetas verbales fusionadas.

Asimismo, los trabajos de Andrich han dejado lecciones invaluables para el diseño preventivo de pruebas y cuestionarios en las ciencias del comportamiento. Recomienda de forma sistemática el uso de escalas parsimoniosas, restringidas típicamente a 3, 4 o como máximo 5 categorías con anclajes verbales diáfanos, mutuamente excluyentes y conceptualmente equidistantes. Al exigir el diagnóstico preventivo de los umbrales de Rasch-Andrich como criterio ineludible de validez de constructo, su marco teórico ha proporcionado a la comunidad psicométrica una salvaguarda indispensable contra la proliferación de instrumentos con propiedades métricas espurias.

5. Conexiones teóricas: Del juicio comparativo de Thurstone a los modelos de Rasch

5.1 La ley del juicio comparativo de Thurstone

A finales de la década de 1920, el psicólogo e ingeniero estadounidense Louis Leon Thurstone revolucionó el campo del escalamiento psicológico al postular su célebre Ley del Juicio Comparativo (Law of Comparative Judgment, 1927). Thurstone intentaba resolver un problema fundamental: ¿cómo asignar valores métricos lineales y continuos a estímulos psicológicos o sociales intangibles (como la gravedad percibida de un delito, la actitud frente a una política pública o la estética de una obra de arte) para los cuales no existe una escala física predefinida? La respuesta de Thurstone se basó en el paradigma psicofísico de las comparaciones por pares (paired comparisons).

En el modelo thurstoniano, cada presentación de un estímulo genera en el perceptor un proceso discriminativo que fluctúa aleatoriamente en torno a un valor promedio o localización latente denominada «proceso discriminativo modal». Esta variación intrínseca se conceptualizó a través de una función de densidad probabilística normal, introduciendo el concepto de «dispersión discriminativa» como la varianza del error perceptual. Thurstone estableció que la diferencia entre los valores modales de dos estímulos cualesquiera puede inferirse matemáticamente a partir de la proporción de ocasiones en que un estímulo es preferido o juzgado como superior al otro por un conjunto homogéneo de jueces.

A pesar de su brillo conceptual, la ley de Thurstone presentaba dificultades operacionales notables. La derivación teórica completa involucraba matrices de covarianza inter-estímulos y errores estándar correlacionados que forzaban la adopción de restricciones simplificadoras drásticas (como el célebre «Caso V», que asume varianzas de error idénticas y covarianzas nulas). Adicionalmente, el escalamiento por pares resultaba logísticamente oneroso y no resolvía cabalmente la integración de juicios emitidos por múltiples sujetos con niveles de aptitud heterogéneos evaluados de forma simultánea.

5.2 La síntesis integradora de Andrich

En una serie de artículos de excepcional relevancia teórica publicados a finales de la década de 1970 y durante la de 1980, David Andrich logró tender un puente matemático y epistemológico directo entre la tradición psicofísica de Thurstone y la teoría probabilística de la medición de Georg Rasch. Andrich demostró que ambas formulaciones, desarrolladas en momentos históricos distintos y con propósitos aparentemente divergentes, convergen en una misma estructura analítica fundamental cuando se analizan los mecanismos subyacentes del juicio comparativo.

Andrich probó analíticamente que si la distribución normal de la ley de Thurstone es reemplazada por la distribución logística (cuyas colas son matemáticamente muy similares pero computacionalmente más tratables mediante la propiedad de suficiencia de parámetros), la ecuación del juicio comparativo binario es idéntica a la estructura funcional del modelo simple de Rasch. Además, extendió esta conexión al ámbito de las escalas de respuesta graduada: demostró que cuando un individuo evalúa un ítem de actitud en una escala politómica tipo Likert, se encuentra en realidad ejecutando una serie encadenada de juicios comparativos implícitos entre el estímulo cognitivo del ítem y los umbrales de referencia internos que actúan como patrones métricos en su mente.

Mediante esta formulación integradora, Andrich no sólo desentrañó los fundamentos psicofísicos que operan en los modelos politómicos de Rasch, sino que resolvió diversas inconsistencias lógicas que afectaban al escalamiento de actitudes sociales. Su trabajo evidenció que el modelo de escala de calificación permite recuperar las localizaciones de actitudes con independencia matemática de las tendencias de respuesta de la muestra de jueces, superando las limitaciones operacionales del método thurstoniano clásico y elevándolo a una plataforma probabilística moderna.

5.3 Relevancia para la teoría de la medición contemporánea

La síntesis elaborada por David Andrich tuvo repercusiones epistemológicas trascendentales al unificar dos tradiciones psicométricas que durante décadas habían permanecido fragmentadas: la tradición psicofísica experimental orientada al estímulo (representada por Fechner, Thurstone y Torgerson) y la tradición psicométrica diferencial orientada al sujeto (iniciada por Spearman, Guilford y desarrollada en la psicometría educativa). Andrich demostró que ambas tradiciones abordan las dos caras inseparables de una misma moneda metrológica: la relación invariante entre el sujeto que juzga y el estímulo que es juzgado.

Esta clarificación dotó a la evaluación de variables afectivas, actitudinales y axiológicas de un rigor axiomático inédito. Tradicionalmente se consideraba que el modelo de Rasch sólo era pertinente en pruebas cognitivas de rendimiento máximo con respuestas correctas o incorrectas. Andrich derribó este prejuicio al comprobar que la estructura estocástica de Rasch es plenamente aplicable a la medición del rendimiento típico y a los juicios de valor, siempre que el proceso de respuesta satisfaga los axiomas de transitividad estocástica y ordenación conjuntiva invariante.

En el panorama de la ciencia del comportamiento contemporánea, la contribución de Andrich demostró que la construcción de actitudes no tiene por qué confinarse a índices puramente ordinales o a descripciones estadísticas superficiales. Proporcionó el andamiaje teórico que sustenta que es enteramente factible evaluar actitudes sociales complejas con la misma precisión axiomática con la que se calibran la masa, la temperatura o la longitud en el mundo de las ciencias físicas.

6. Medición invariante y la defensa ontológica de Rasch frente a la TRI paramétrica

6.1 Paradigmas divergentes: Modelado de datos versus medición prescriptiva

Uno de los ejes más definitorios y controvertidos en la trayectoria intelectual de David Andrich es su enérgica defensa del modelo de Rasch frente a la corriente dominante de la Teoría de Respuesta al Ítem (TRI) tradicional, en particular contra los modelos logísticos de dos parámetros (2PL) y tres parámetros (3PL) popularizados a partir del trabajo fundacional de Frederic M. Lord. Andrich ha insistido incansablemente en que esta divergencia no constituye un mero desacuerdo técnico sobre funciones de verosimilitud estadística, sino una fractura paradigmática radical de orden epistemológico y ontológico.

Desde la óptica de la TRI convencional contemporánea, el objetivo primordial de la psicometría es formular modelos matemáticos descriptivos que se adapten con la mayor fidelidad posible a la complejidad empírica de un conjunto de datos observados. Si los datos exhiben pendientes variables o acusan el impacto de respuestas al azar, la TRI introduce parámetros adicionales de discriminación ($a_i$) o de pseudo-adivinación ($c_i$) para maximizar el ajuste estadístico del modelo a la matriz de datos. El modelo, en esta concepción, es concebido como un instrumento flexible subordinado a las particularidades muestrales observadas.

Frente a este paradigma de ajuste descriptivo, David Andrich opone la medición prescriptiva del enfoque de Rasch. Para Andrich, el modelo no es una herramienta para describir lo que ocurre contingentemente en un test, sino la formulación matemática universal que define las condiciones necesarias y suficientes para que exista medición científica aditiva e invariante. Si un conjunto de datos no se ajusta al modelo de Rasch, la conclusión de Andrich no es modificar el modelo para acomodar el error, sino rechazar o depurar los datos defectuosos, reconociendo que los ítems incongruentes han fallado en satisfacer los requisitos de la cuantificación científica rigurosa.

6.2 El parámetro de discriminación bajo la lupa crítica

La crítica más demoledora y matemáticamente argumentada formulada por Andrich en contra de los modelos 2PL y 3PL apunta directamente al uso del parámetro de discriminación del ítem ($a_i$). En la TRI clásica, permitir que cada reactivo posea una pendiente diferente es celebrado comúnmente como un avance técnico que mejora la precisión empírica de las calibraciones. Andrich, por el contrario, ha demostrado que la variación heterogénea en las discriminaciones destruye por completo los fundamentos matemáticos de la medición fundamental.

En primer lugar, Andrich subraya que la incorporación de un parámetro de discriminación variable destruye la suficiencia estadística de la puntuación bruta sumativa. En el modelo simple de Rasch y en sus extensiones politómicas, la suma simple de las puntuaciones obtenidas por un individuo en los reactivos contiene toda la información estocástica disponible para estimar su nivel de habilidad latente; ninguna otra reorganización de los datos aporta información adicional. Bajo los modelos 2PL y 3PL, esta suficiencia se desvanece por completo: el valor métrico atribuido a un sujeto depende de la combinación ponderada específica de los ítems que acertó, haciendo que dos sujetos con idéntico número de respuestas correctas obtengan posiciones latentes marcadamente dispares.

En segundo lugar, Andrich formuló su célebre advertencia analítica sobre el problema del cruce de las curvas características de los ítems (las cuales dejan de ser paralelas en los modelos 2PL y 3PL). Cuando dos curvas características se intersecan, se produce la paradoja del orden cruzado: para individuos situados a un lado del punto de intersección en el continuo latente, el ítem $A$ es probabilísticamente más difícil que el ítem $B$; sin embargo, para individuos situados al otro lado de la intersección, el orden de dificultad se invierte y el ítem $B$ pasa a ser más difícil que el ítem $A$. Andrich denuncia con vehemencia que una escala donde la dificultad intrínseca de los instrumentos fluctúa en función de quién los responde viola el principio más elemental de la comparación objetiva.

6.3 La propiedad de especificidad objetiva

La preservación de la propiedad de especificidad objetiva (specifically objective comparison) constituye el baluarte ontológico innegociable sobre el cual David Andrich erige su defensa de la ciencia de la medición. Esta propiedad exige que la comparación cuantitativa entre dos objetos o individuos cualesquiera permanezca invariante respecto a los parámetros de los estímulos o instrumentos empleados para efectuar dicha medición, y recíprocamente, que la calibración de dos estímulos sea enteramente libre e independiente de la distribución de la muestra de calibración (sample-free measurement).

Andrich ha argumentado ampliamente sobre las profundas repercusiones éticas, sociales y científicas que derivan de sostener o abandonar la especificidad objetiva en las evaluaciones humanas. En contextos de alta trascendencia decisoria —tales como la selección para el ingreso a la educación universitaria superior, la concesión de licencias médicas profesionales o el diagnóstico de discapacidades cognitivas—, el empleo de modelos que carecen de especificidad objetiva introduce una arbitrariedad métrica encubierta bajo formulaciones matemáticas complejas. Un sistema de evaluación que asigna calificaciones heterogéneas dependiendo del subconjunto fortuito de reactivos asignados en una prueba computarizada carece de la legitimidad moral que exige la justicia distributiva.

Por estas razones, la resistencia académica de David Andrich frente a la corriente dominante de la Teoría de Respuesta al Ítem no es una postura dogmática o nostálgica, sino una vigorosa defensa de la integridad científica. En numerosas conferencias mundiales de la Psychometric Society y en sus ensayos metodológicos, Andrich ha instado a la comunidad internacional a no claudicar ante el pragmatismo computacional y a mantener como ideal inquebrantable la construcción de instrumentos que satisfagan las exigencias de la medición absoluta e invariante.

7. Desarrollo de software psicométrico: La creación y trascendencia de RUMM

7.1 Historia y evolución de RUMM (Rasch Unidimensional Measurement Models)

La convicción de David Andrich de que los modelos de Rasch debían regir la práctica empírica de las ciencias humanas se enfrentó durante décadas a un obstáculo formidable: la escasez de herramientas computacionales diseñadas específicamente para diagnosticar el grado de concordancia de los datos con los axiomas de la medición invariante. Mientras que los paquetes estadísticos comerciales estándar priorizaban análisis factoriales basados en correlaciones de Pearson o modelos lineales generales, las herramientas psicométricas especializadas solían limitarse a optimizar algoritmos de convergencia numérica sin proporcionar un examen detallado de las perturbaciones de la escala.

Con el objetivo explícito de superar este vacío, a finales de la década de 1980 y principios de la de 1990 David Andrich forjó una alianza interdisciplinaria fundamental con los expertos en computación e investigación cuantitativa Barry Sheridan e Ian Lyne. Juntos emprendieron el diseño conceptual, la arquitectura algorítmica y la programación de un software psicométrico pionero: RUMM (Rasch Unidimensional Measurement Models). La transición comenzó desde primitivos prototipos codificados en lenguajes estructurados ejecutados en mainframes universitarios, evolucionando hacia versiones comerciales avanzadas (como RUMM2020 y posteriormente RUMM2030) adaptadas para entornos computacionales de alta velocidad.

La misión fundacional que Andrich imprimió en RUMM fue categórica: el software no debía concebirse como una simple «caja negra» orientada a calcular estimaciones de máxima verosimilitud de parámetros latentes, sino como un poderoso entorno de auditoría diagnóstica visual e interactiva. RUMM fue programado para someter a los datos empíricos a un escrutinio forense continuo, permitiendo a los investigadores desentrañar minuciosamente las fracturas locales de las escalas, las patologías en el uso de categorías de respuesta y las violaciones a los supuestos de unidimensionalidad e invarianza.

7.2 Herramientas de diagnóstico y ajuste en RUMM

La arquitectura analítica de RUMM se distingue por una serie de innovaciones metodológicas formuladas por Andrich para el diagnóstico del ajuste entre el modelo matemático y las observaciones empíricas. Entre ellas destaca el cálculo de residuos estandarizados de respuesta, a partir de los cuales el software genera estadísticas de bondad de ajuste basadas en intervalos o grupos de aptitud (class intervals). En lugar de conformarse con un índice global de ajuste chi-cuadrado para toda la prueba, RUMM segmenta a los individuos en estratos de habilidad latente homogénea y contrasta el rendimiento empírico observado en cada grupo frente a la función matemática teórica esperada bajo el modelo.

Otra de las aportaciones más trascendentales integradas en el entorno RUMM es el análisis exhaustivo de la matriz de correlación de residuos. Andrich advirtió que la correlación residual entre dos ítems cualquiera, una vez extraída y controlada la dimensión latente primaria de Rasch, es la herramienta matemática fundamental para identificar la dependencia local de respuesta. Un residuo correlacionado significativamente por encima de la media residual es una advertencia incontestable de redundancia semántica, facilitación espuria o interferencia de factores dimensionales secundarios no modelados.

Asimismo, el software sobresale mundialmente por sus capacidades de representación gráfica. RUMM permite desplegar de forma instantánea las Curvas Características del Ítem (ICC) empíricas superpuestas con una precisión geométrica absoluta sobre las funciones teóricas esperadas, permitiendo que el analista identifique visualmente si un reactivo presenta una subdiscriminación anómala (ruido estocástico aleatorio) o una sobrediscriminación patológica (dependencia de contenido). La visualización de las curvas de respuesta de categoría (CRF) facilitó por primera vez que investigadores no matemáticos diagnosticaran de manera inmediata el fenómeno de los umbrales desordenados.

7.3 Influencia en la investigación aplicada global

La diseminación global del programa RUMM transformó radicalmente la investigación aplicada en campos sustantivos vitales, trascendiendo con creces los límites originarios de la pedagogía escolar. De manera singular, la disciplina de las ciencias de la salud, la medicina clínica y la neurorrehabilitación experimentó una auténtica revolución metodológica gracias a la adopción de este paquete informático. En la construcción y calibración de instrumentos para evaluar la calidad de vida relacionada con la salud (Patient-Reported Outcome Measures, PROMs), la escala funcional de independencia o el impacto de patologías crónicas, las agencias reguladoras internacionales comenzaron a exigir el análisis de Rasch implementado a través de RUMM como estándar oro de rigor métrico.

En el campo de la evaluación educativa a gran escala, RUMM se transformó en la plataforma de referencia para conducir auditorías psicométricas rigurosas sobre bancos de preguntas de exámenes de certificación médica, colegiaturas de derecho y pruebas estatales de selección universitaria en Oceanía, Europa y el sudeste asiático. La capacidad del software para descomponer analíticamente el funcionamiento diferencial del ítem y los umbrales politómicos garantizó que millones de estudiantes fueran calificados con instrumentos de validez comprobada.

Frente a otros paquetes analíticos contemporáneos consolidados en el mercado psicométrico (como Winsteps, desarrollado por John M. Linacre con una orientación predominantemente focalizada en la ingeniería empírica de pruebas, o ConQuest, orientado al modelado multidimensional mediante estimaciones marginales bayesianas), RUMM ha preservado un perfil epistemológico exclusivo: una rigidez analítica prescriptiva que prioriza la verificación exhaustiva de los postulados fundamentales de la invarianza sobre cualquier acomodación estadística concesiva.

8. Detección y análisis del funcionamiento diferencial del ítem (DIF)

8.1 Fundamentos conceptuales del sesgo e inequidad métrica

El análisis del Funcionamiento Diferencial del Ítem (Differential Item Functioning, DIF) representa una de las aplicaciones más decisivas de la psicometría para salvaguardar la equidad social en las evaluaciones estandarizadas. David Andrich ha establecido con suma claridad una distinción epistemológica elemental que con frecuencia es ignorada en el debate público: la separación tajante entre el impacto real (impact) en el rendimiento de un grupo sociodemográfico y el sesgo intrínseco (bias) de un reactivo de prueba.

El impacto refleja una diferencia real y substantiva en la distribución de la habilidad o actitud latente entre dos o más poblaciones (por ejemplo, diferencias atribuibles a inequidades históricas en el acceso a recursos educativos de calidad entre grupos rurales y urbanos). El DIF, en cambio, es una patología estrictamente métrica: se presenta cuando individuos pertenecientes a distintos subgrupos poblacionales (definidos por género, etnicidad, lengua materna o nivel socioeconómico), pero que poseen exactamente el mismo nivel en la variable latente subyacente, exhiben probabilidades sistemáticamente diferentes de acertar un ítem particular o de respaldar una categoría específica de respuesta.

Andrich ha conceptualizado analíticamente dos manifestaciones de esta anomalía: el DIF uniforme, en el cual un grupo exhibe una desventaja constante e idéntica a lo largo de todo el continuo de la variable latente (manifestándose en un desplazamiento horizontal paralelo de la curva característica del ítem), y el DIF no uniforme, donde la magnitud o la dirección de la disparidad fluctúa en función del nivel de habilidad latente, lo que implica una interacción estructural entre la condición grupal y el continuo de aptitud. Ambas formas de DIF representan una violación flagrante del requisito de especificidad objetiva, pues indican que la calibración del instrumento depende de las características accesorias de la muestra utilizada.

8.2 Metodología de Andrich para el análisis del DIF mediante ANOVA sobre residuos

Frente a las técnicas tradicionales empleadas para detectar DIF (como el estadístico de Mantel-Haenszel o la comparación de funciones de verosimilitud logística ordinal), David Andrich desarrolló una metodología analítica extraordinariamente potente, parsimoniosa e integrada en el marco de Rasch: el uso del Análisis de Varianza (ANOVA) bidireccional aplicado sobre las respuestas residuales estandarizadas.

En este enfoque metodológico formulado por Andrich, una vez que el modelo de Rasch ha calibrado las habilidades de las personas y las localizaciones de los ítems a nivel global, se calcula el residuo estandarizado de cada respuesta individual, el cual representa la discrepancia observada entre el comportamiento empírico y la predicción teórica del modelo probabilístico. A continuación, estos residuos normalizados se someten a un diseño factorial ANOVA donde los factores explicativos son:

• El grupo sociodemográfico de pertenencia (factor principal de grupo).
• El intervalo o estrato de aptitud latente en el que se ubica el individuo (factor de intervalo de clase).
• La interacción estadística entre el grupo y el intervalo de habilidad latente.

La genialidad matemática de este abordaje radica en su descomposición analítica directa. Si el efecto principal correspondiente al factor de grupo resulta ser estadísticamente significativo tras ajustar por el error tipo I, se confirma de manera unívoca la presencia de DIF uniforme: un grupo sistemáticamente rinde por debajo o por encima de lo prescrito por su nivel de habilidad global. Si el término de interacción entre el grupo y el intervalo de clase resulta significativo, se constata la presencia indiscutible de DIF no uniforme. Este procedimiento desacopla de forma limpia las diferencias reales en el nivel del rasgo del sesgo métrico contingente, proporcionando un marco estadístico de altísima potencia y baja tasa de falsos positivos.

8.3 Implicaciones prácticas para la equidad en evaluaciones

El tratamiento metodológico del funcionamiento diferencial del ítem propuesto por David Andrich ha tenido consecuencias directas en la preservación de la justicia en evaluaciones de alto impacto social, tales como los exámenes de admisión universitaria y las certificaciones profesionales. La detección de DIF mediante el marco de Andrich impide que se tomen decisiones arbitrarias consistentes en eliminar sistemáticamente cualquier reactivo que presente diferencias grupales brutas, protegiendo así la integridad representativa del dominio de contenido evaluado.

Cuando un reactivo presenta un nivel severo de DIF que no puede subsanarse mediante la revisión de su redacción semántica, Andrich diseñó e impulsó una solución psicométrica extraordinariamente elegante conocida como la división de ítems (item splitting). Mediante este procedimiento, en lugar de eliminar el reactivo perdiendo valiosa información diagnóstica, el ítem en cuestión se divide computacionalmente en dos o más reactivos virtuales independientes: uno calibrado exclusivamente para el grupo de referencia y otro calibrado para el grupo focal. De esta manera, cada población es evaluada en relación a un parámetro de dificultad intrínseco que le es justo, preservando la escala común a través de los restantes ítems ancla que han demostrado estar estrictamente libres de sesgo.

Los protocolos de auditoría de DIF formulados por Andrich se han convertido en salvaguardas legales y éticas indispensables en múltiples países. Han servido como evidencia pericial en litigios sobre discriminación educativa involuntaria y han permitido certificar que las puntuaciones otorgadas por los sistemas de evaluación estatales reflejen únicamente el mérito académico o la aptitud latente real de los postulantes, libres de distorsiones culturales, dialectales o de género.

9. Unidimensionalidad, dependencia local y construcción de subtests

9.1 El supuesto de unidimensionalidad en el marco de Rasch

El supuesto de unidimensionalidad estipula que un conjunto determinado de reactivos u operaciones de prueba debe medir una y sólo una dimensión o variable latente subyacente. En la literatura psicométrica clásica, este concepto suele abordarse mediante el análisis factorial común sobre matrices de correlación de Pearson. David Andrich ha demostrado reiteradamente las falacias metodológicas inherentes a este proceder tradicional: las correlaciones lineales sobre variables dicotómicas o politómicas generan artefactos espurios (comúnmente denominados «factores de dificultad»), llevando a los investigadores a interpretar erróneamente divisiones artificiales como dimensiones sustantivas independientes.

En el marco teórico de Rasch defendido por Andrich, la unidimensionalidad no se define como la mera covarianza estadística global, sino como la congruencia de los datos con el modelo matemático invariante. Si todos los ítems de un instrumento operan bajo una misma métrica funcional común, la única fuente sistemática que determina la varianza en las respuestas debe ser la diferencia entre el parámetro de habilidad del individuo y la dificultad del reactivo. Cualquier otra fuente de covariación no contemplada representa una amenaza a la homogeneidad del continuo de medición.

Para diagnosticar científicamente las violaciones a este postulado, Andrich fue un pionero fundamental en el uso del Análisis de Componentes Principales de los Residuos (Principal Component Analysis of Residuals, PCAR). Una vez que la dimensión latente primaria de Rasch ha sido estimada y sustraída de los datos empíricos, los residuos estandarizados resultantes representan ruido puramente aleatorio. Si un análisis factorial sobre estos residuos revela la emergencia de un componente secundario con un autovalor sustancial (generalmente superior a 2.0) y un patrón de cargas contrastantes, se evidencia la presencia irrebatible de una multidimensionalidad latente que fractura la unidimensionalidad teórica de la escala.

9.2 Dependencia local de respuesta y sus consecuencias

Estrechamente vinculada a la unidimensionalidad se encuentra la propiedad matemática de independencia local. Este axioma postula que para cualquier nivel fijo del rasgo latente en un individuo, las respuestas dadas a dos ítems cualesquiera deben ser estocásticamente independientes entre sí. Es decir, condicionando sobre la habilidad del sujeto, la correlación entre las respuestas a dos preguntas debe desvanecerse por completo. David Andrich ha dedicado contribuciones teóricas esenciales a documentar las causas y los estragos métricos que provoca la dependencia local de respuesta (Local Response Dependence, LRD).

Andrich ha categorizado las causas principales de la dependencia local en el diseño de instrumentos:

• Efectos de encadenamiento o dependencia de estímulo común, comunes cuando varios reactivos comparten un mismo texto de lectura, gráfico o caso clínico.
• Redundancia semántica, que se produce cuando dos ítems evalúan conceptualmente la misma faceta con formulaciones lingüísticas casi idénticas.
• Efectos de halo, fatiga progresiva o transferencia de aprendizaje secuencial durante la administración de la prueba.

Las consecuencias psicométricas de ignorar la dependencia local son extraordinariamente perniciosas. David Andrich demostró analíticamente que la presencia de LRD provoca una inflación artificial masiva de los coeficientes de confiabilidad (tanto del alfa de Cronbach como del índice de separación de Rasch). Los investigadores celebran ingenuamente coeficientes de consistencia interna aparentemente sobresalientes (> 0.90) sin advertir que dicha cifra no refleja precisión de medida, sino una redundancia colusoria generada por reactivos duplicados. Adicionalmente, la dependencia local comprime y distorsiona severamente los errores típicos de medida e introduce sesgos drásticos en la calibración empírica de los umbrales de respuesta.

9.3 La técnica de construcción de subtests como solución metodológica

Ante el descubrimiento recurrente de dependencia local en pruebas de evaluación compleja, David Andrich diseñó una de sus soluciones metodológicas más refinadas e influyentes: la técnica de construcción de subtests (subtest construction o testlet scoring). En lugar de incurrir en el descarte arbitrario de preguntas valiosas o en recurrir a modelos multidimensionales excesivamente complejos que sacrifican la parsimonia, Andrich propuso consolidar formalmente los ítems dependientes en unidades analíticas de jerarquía superior.

Desde el punto de vista matemático, la estrategia de Andrich opera integrando la suma de las puntuaciones de los ítems que comparten una fuente común de dependencia en una única puntuación politómica consolidada (creando un subtest o super-ítem). Por ejemplo, un conjunto de cuatro preguntas dicotómicas vinculadas a un mismo texto narrativo se transforma en un único ítem politómico graduado con puntuaciones que oscilan entre 0 y 4. Esta nueva variable politómica es procesada a continuación mediante el Modelo de Escala de Calificación o el Modelo de Crédito Parcial en un análisis de Rasch de segundo nivel.

Esta reformulación restituye de inmediato la validez métrica del instrumento: al absorber la covariación interna dentro de la estructura politómica del super-ítem, la correlación residual espuria entre ítems desaparece, restaurando plenamente el supuesto de independencia local entre las unidades del análisis. Además, David Andrich demostró que la confiabilidad calculada sobre los subtests resultantes ofrece una estimación verídica y desinflada de la precisión del instrumento, despojando a la métrica de los artefactos producidos por la redundancia de contenido y garantizando una estimación de habilidad inmune a distorsiones.

10. Aplicaciones empíricas en sistemas educativos y políticas públicas de evaluación

10.1 Reforma de los sistemas de calificación en Australia Occidental

El compromiso de David Andrich con la teoría de la medición nunca se mantuvo aislado en la abstracción académica; por el contrario, tuvo un impacto directo y estructural en las políticas públicas educativas de Australia. Durante más de tres décadas, Andrich lideró las transformaciones metodológicas más críticas en el sistema de educación secundaria y terciaria de Australia Occidental, sirviendo como asesor psicométrico principal del Consejo de Exámenes Secundarios y de la Autoridad de Normas Curriculares de dicho estado.

Uno de sus logros de mayor envergadura institucional fue el diseño, calibración y moderación técnica del Tertiary Entrance Examination (TEE), posteriormente transformado en el Western Australian Certificate of Education (WACE). Andrich enfrentó un problema clásico de inequidad en las admisiones universitarias: los estudiantes cursaban asignaturas con perfiles curriculares y niveles de dificultad radicalmente dispares (como Física avanzada frente a Historia del Arte), evaluadas internamente por escuelas que aplicaban estándares de calificación sumamente heterogéneos y subjetivos. Sumar simplemente las calificaciones escolares directas o utilizar estandarizaciones lineales tradicionales introducía profundas distorsiones en el acceso a la educación superior.

Para resolver esta fractura, Andrich concibió e implementó un sofisticado sistema de moderación y equiparación basado en modelos de Rasch. Mediante este marco, las calificaciones asignadas internamente por los colegios fueron calibradas e interconectadas a través de pruebas externas ancla de referencia objetiva. Este procedimiento matemático permitió proyectar el desempeño de los graduados sobre un continuo de logro invariante y equitativo, garantizando que una calificación de excelencia obtenida en una escuela con estrictos criterios académicos fuera directamente comparable a la obtenida en cualquier otra institución del estado.

10.2 Establecimiento de estándares y niveles de logro (Standard Setting)

La delimitación de puntos de corte (cut-scores) para clasificar a los estudiantes en categorías de suficiencia académica (como «básico», «competente» o «avanzado») ha sido históricamente una de las áreas más vulnerables a la subjetividad política y metodológica. Los métodos clásicos de establecimiento de estándares —tales como los métodos de Angoff o de Bookmark tradicionales— suelen depender de juicios probabilísticos contraintuitivos solicitados a comités de expertos, quienes deben adivinar la probabilidad hipotética de que un «estudiante mínimamente competente» acierte un ítem determinado.

David Andrich transformó por completo este panorama al formular metodologías de establecimiento de estándares ancladas en la escala invariante de Rasch. En el marco metodológico de Andrich, los juicios cualitativos emitidos por los paneles docentes y curriculares se estructuran mediante comparaciones pareadas directas entre perfiles de respuesta reales o tareas de desempeño descritas substantivamente. El modelo de Rasch procesa estos juicios humanos como observaciones estocásticas, traduciendo el consenso curricular cualitativo en localizaciones métricas precisas a lo largo de la regla de medición latente.

Este enfoque garantizó que los puntos de corte establecidos adquirieran propiedades de invarianza longitudinal a través de los años académicos. Gracias a la invarianza de las calibraciones de ítems de Rasch, un estándar de competencia fijado en un determinado año calendario puede ser proyectado de manera exacta sobre las pruebas aplicadas en los años subsecuentes, independientemente de las fluctuaciones en la dificultad intrínseca de los exámenes anuales. De este modo, los incrementos o caídas en los porcentajes de estudiantes aprobados a nivel estatal reflejan transformaciones genuinas en el aprendizaje real de los alumnos y no anomalías fortuitas del instrumento evaluativo.

10.3 Evaluaciones a gran escala y comparaciones internacionales

La influencia de David Andrich se ha proyectado intensamente en el diseño y la crítica metodológica de los estudios internacionales de evaluación a gran escala, tales como el Programa para la Evaluación Internacional de Alumnos (PISA de la OCDE) y el Estudio de las Tendencias en Matemáticas y Ciencias (TIMSS de la IEA). Aunque estos macro-estudios recurrieron a la metodología de Rasch para la construcción de sus escalas de reporte, Andrich ha ejercido un rol continuo de interlocutor crítico, alertando sobre los riesgos técnicos de comprometer la rigurosidad psicométrica en beneficio de agendas políticas multinacionales.

Andrich ha publicado minuciosos análisis analíticos donde expone las tensiones no resueltas en los protocolos de escalamiento de PISA. Entre sus advertencias más incisivas destaca el peligro de forzar modelos multidimensionales complejos con distribuciones a priori gaussianas asumidas acríticamente, y el enmascaramiento sistemático del Funcionamiento Diferencial del Ítem intercultural. Andrich demostró cómo ítems con dependencias culturales o idiomáticas severas entre diferentes países son forzados a compartir calibraciones conjuntas globales, lo que puede distorsionar de forma inadvertida los rankings educativos internacionales entre naciones de tradiciones pedagógicas diversas.

Como propuesta constructiva, David Andrich ha planteado protocolos metodológicos refinados para la evaluación de competencias complejas y la resolución colaborativa de problemas. Ha instado a los consorcios internacionales de medición a adoptar diseños de prueba orientados a verificar rigurosamente la invariancia de los parámetros entre subpoblaciones lingüísticas antes de emitir agregaciones comparativas, abogando por un modelo donde la transparencia métrica y la fidelidad a los axiomas de la medición aditiva prevalezcan sobre la mera conveniencia comunicativa institucional.

11. Debates metodológicos contemporáneos y críticas a la psicometría clásica

11.1 Ruptura radical con la Teoría Clásica de los Tests (TCT)

La ruptura epistémica de David Andrich con la denominada Teoría Clásica de los Tests (TCT), originada en los trabajos de Spearman y consolidada a mediados del siglo XX por Gulliksen, ha sido de un carácter total y sin concesiones. Para Andrich, el corpus teórico de la TCT no constituye en sentido estricto una teoría de la medición, sino un marco estadístico descriptivo basado en identidades tautológicas que descansan sobre supuestos indemostrables y contradictorios con la ciencia cuantitativa.

Una de las demostraciones analíticas más célebres de Andrich en este campo se refiere a la dependencia muestral inherente al coeficiente alfa de Cronbach ($\alpha$). Andrich demostró formalmente que el valor de $\alpha$ es prisionero irremisible de la varianza poblacional de la muestra particular en la que se administra el test: si una prueba se aplica a una muestra con un rango restringido de aptitud, el coeficiente cae drásticamente, mientras que si se aplica a una muestra heterogénea extrema, el coeficiente se infla automáticamente sin que el instrumento haya alterado un ápice su precisión metrológica intrínseca. Esta carencia de invarianza inhabilita al coeficiente alfa como métrica científica universal de confiabilidad.

Asimismo, Andrich ha censurado la definición clásica del error típico de medida ($S_e = S_x \sqrt{1 – r_{xx}}$). En la formulación de la TCT, se asume la ficción de que el error de medición es uniforme y constante para todos los individuos examinados a lo largo de toda la escala de aptitud. Andrich evidenció la incongruencia de este axioma, demostrando que en cualquier instrumento empírico el error de estimación fluctúa inevitablemente en función de la cercanía entre el nivel del sujeto y la dificultad de los ítems disponibles, alcanzando su mínima incertidumbre en las regiones de máxima información y disparándose exponencialmente en los extremos del continuo de habilidad.

11.2 Controversias teóricas con escuelas psicométricas rivales

A lo largo de cinco décadas de prolífica trayectoria, David Andrich ha protagonizado intensos debates teóricos y epistemológicos en las páginas de las revistas más prestigiosas del campo psicométrico (como Psychometrika, Applied Psychological Measurement y el British Journal of Mathematical and Statistical Psychology). Estas controversias no se han centrado en animosidades personales, sino en desacuerdos irreconciliables en torno a la naturaleza misma del conocimiento científico en las ciencias de la conducta humana.

Uno de los debates más significativos enfrentó a Andrich con defensores acérrimos del modelo logístico de tres parámetros (3PL). Frente a quienes justificaban la inclusión del parámetro $c_i$ para dar cuenta de las respuestas correctas por mero azar o adivinación en pruebas de opción múltiple, Andrich demostró que este parámetro no captura de manera limpia el proceso cognitivo del engaño fortuito, sino que introduce inestabilidades numéricas colosales en los algoritmos de estimación, destruye el ordenamiento de suficiencia y premia o castiga a los examinados de forma probabilísticamente injustificable. Para Andrich, el remedio ante el azar no es añadir un parámetro ad hoc que vicie la escala, sino diseñar formatos evaluativos donde la adivinación carezca de viabilidad operativa.

Igualmente notorias han sido sus discrepancias metodológicas con ciertas corrientes de la psicometría bayesiana contemporánea. Aunque Andrich no rechaza el empleo instrumental del cálculo bayesiano en optimizaciones computacionales específicas, ha criticado severamente la tendencia a utilizar distribuciones a priori (priors) subjetivas para forzar la convergencia de modelos subidentificados o para disimular la ausencia de invariancia métrica empírica. Desde su perspectiva científica, la asignación de probabilidades a priori no debe utilizarse jamás como un artificio numérico para compensar el diseño defectuoso de un instrumento de medida.

11.3 La defensa de la parsimonia y el realismo científico

El núcleo de la filosofía de la ciencia que David Andrich ha legado a la metodología contemporánea reposa en la defensa incondicional del principio de parsimonia (la navaja de Ockham) y de una postura epistémica ligada al realismo científico. En un entorno académico donde con frecuencia se asume que un modelo matemático es superior simplemente por incorporar un mayor número de parámetros o exhibir algoritmos más intrincados, Andrich ha defendido la elegancia de la restricción formal como el único camino hacia el descubrimiento de invariantes sustantivas.

Andrich ha advertido reiteradamente sobre el peligro metodológico del sobreajuste empírico (overfitting). Cuando un modelo estadístico multiparamétrico hipercomplejo se adapta minuciosamente a todas las fluctuaciones y aberraciones presentes en un conjunto de datos específico, lo que logra en realidad no es medir un fenómeno latente real, sino «perseguir al ruido estocástico» contingente de esa muestra en particular. Tal proceder sacrifica la capacidad de generalización universal y destruye el significado sustantivo del constructo evaluado, impidiendo que la escala resultante funcione de manera idéntica en futuras recolecciones empíricas.

Para Andrich, el progreso auténtico de la ciencia del comportamiento no provendrá de inventar modelos descriptivos infinitamente flexibles, sino de asumir la disciplina científica de construir experimentos, reactivos y tareas empíricas que satisfagan los requerimientos de la medición aditiva fundamental. Esta lección epistemológica reafirma que la medición no es un ejercicio secundario de manipulación matemática post hoc, sino una práctica teórica rigurosa orientada a someter nuestras hipótesis substantivas al escrutinio implacable de los hechos observados.

12. Legado, impacto internacional y vigencia de la obra de David Andrich

12.1 Contribuciones a la literatura científica y tratados de referencia

El legado intelectual de David Andrich se encuentra plasmado en un vasto corpus bibliográfico que comprende más de un centenar de artículos de investigación fundamental, capítulos de tratados metrológicos y monografías que han educado a varias generaciones de psicómetras en todo el planeta. Su obra monográfica paradigmática, titulada «Rasch Models for Measurement» (publicada en 1988 por la prestigiosa editorial Sage Publications dentro de la emblemática serie Quantitative Applications in the Social Sciences), continúa siendo hasta hoy una de las introducciones conceptuales y matemáticas más leídas, diáfanas e influyentes jamás escritas sobre el paradigma de Rasch.

A este tratado seminal se han sumado obras de referencia mayor de publicación posterior, destacándose su volumen coautorado de nivel doctoral titulado «Course notes: Rasch Models for Measurement», y su comprehensive tratado metodológico «A Course in Rasch Measurement Theory: Measuring in the Human, Social and Natural Sciences» (publicado conjuntamente con Ida Marais por la editorial Springer). En estas obras de madurez científica, Andrich compiló y sistematizó cinco décadas de desarrollos matemáticos originales, integrando en una visión pedagógica unificada desde los fundamentos epistemológicos thurstonianos hasta las complejas rutinas de cálculo algorítmico aplicadas a la investigación conductual de frontera.

La influencia de sus publicaciones canónicas en revistas seminales como Psychometrika, Educational and Psychological Measurement, Applied Psychological Measurement y el British Journal of Mathematical and Statistical Psychology continúa expandiéndose cuantitativamente. Sus artículos sobre la deducción del Modelo de Escala de Calificación y sobre las dinámicas de los umbrales politómicos cuentan con miles de citaciones internacionales en el índice del Google Scholar, situándose entre los textos metodológicos más citados en toda la historia de las ciencias sociales del continente oceánico.

12.2 Reconocimientos académicos, premios y distinciones

La trascendencia y originalidad de las aportaciones científicas de David Andrich le han valido los más altos honores y reconocimientos conferidos por la comunidad académica tanto en Australia como a escala global. Fue elegido como Miembro Electo (Fellow) de la prestigiosa Academy of the Social Sciences in Australia (ASSA), un honor reservado de forma exclusiva a aquellos investigadores que han transformado el conocimiento científico social de la nación y han ejercido un liderazgo intelectual sostenido de alcance mundial.

A lo largo de su carrera, Andrich ha sido galardonado con numerosos premios a la trayectoria de investigación por parte de las sociedades líderes de psicometría, evaluación educativa y estadística aplicada. Entre estas distinciones destacan reconocimientos institucionales otorgados por la American Educational Research Association (AERA), en particular dentro del Grupo de Interés Especial en Medición de Rasch (Rasch Measurement SIG), donde ha sido celebrado en múltiples ocasiones como uno de los máximos pilares metodológicos vivientes de la disciplina.

Asimismo, diversas revistas científicas de primer nivel han coordinado volúmenes conmemorativos y ediciones especiales íntegramente dedicadas a debatir y celebrar su pensamiento metrológico. Estas iniciativas académicas congregaron a los principales teóricos del mundo para rendir tributo a su intransigencia epistemológica y a su tenacidad para posicionar el rigor de la teoría de la medición en el epicentro de la investigación conductual, institucionalizando de facto el paradigma Rasch-Andrich en la historia de la ciencia del siglo XX y XXI.

12.3 Perspectivas de la medición social en el siglo XXI a la luz de su obra

En el escenario científico del siglo XXI, marcado de manera disruptiva por la irrupción del análisis masivo de datos (Big Data), la inteligencia artificial generativa y el aprendizaje automático (Machine Learning), la obra y la epistemología de David Andrich adquieren una vigencia y una necesidad crítica aún más acuciantes. Con frecuencia, los algoritmos contemporáneos de aprendizaje profundo operan sobre métricas opacas («cajas negras») que predicen comportamientos con base en correlaciones puramente empíricas, pero que carecen por completo de una escala teórica subyacente y son profundamente vulnerables a los sesgos muestrales latentes.

Frente a esta fascinación por la automatización predictiva ciega, el paradigma de Rasch-Andrich se erige como un antídoto metodológico indispensable. Andrich ha recordado con fuerza analítica que predecir estadísticamente un resultado no equivale en modo alguno a haber medido científicamente una propiedad humana. La preservación del rigor conceptual, la exigencia de que los datos demuestren satisfacer formalmente la transitividad, la suficiencia estadística y la invarianza paramétrica, sigue siendo la única garantía contra la pseudociencia cuantitativa y las injusticias algorítmicas en la era digital.

El pensamiento crítico de David Andrich continuará desempeñando un rol insustituible en la formación de los futuros metodólogos, científicos de datos y evaluadores de las ciencias sociales. Su obra encarna la convicción de que sólo a través de un matrimonio inquebrantable entre la fundamentación filosófica, el rigor matemático y la sensibilidad pedagógica es posible erigir una medición social digna de confianza pública, capaz de descifrar las complejidades del intelecto y el comportamiento humano sin despojarlo de su significado y de su dignidad intrínseca.

Conclusión

La trayectoria de David Andrich desde sus orígenes en Midland hasta convertirse en un referente indiscutible de la psicometría internacional representa una de las gestas teóricas más coherentes y trascendentes de las ciencias del comportamiento. Al articular las exigencias epistemológicas de la medición fundamental de Campbell, la teoría axiomática de la medición conjunta aditiva de Luce y Tukey, la tradición del juicio comparativo de Thurstone y la formidable arquitectura estocástica de Georg Rasch, Andrich logró construir un edificio metodológico armónico que transformó para siempre la comprensión de las escalas psicológicas y pedagógicas.

Sus contribuciones perdurables —desde la deducción del Modelo de Escala de Calificación en 1978 y el desentrañamiento analítico de los umbrales desordenados, hasta el desarrollo de la plataforma diagnóstica RUMM y sus intervenciones en la justicia de las políticas educativas públicas— han dejado una huella indeleble que perdura intacta. En un tiempo que tiende con ligereza a subordinar la verdad teórica al ajuste superficial de los datos, el legado vivo de David Andrich se proyecta como un faro de exigencia científica: la medición no es simplemente una asignación numérica convencional, sino la búsqueda axiomática y ética de las invariantes que hacen inteligible el mundo humano.

Referencias

• Andrich, D. (1978). A rating formulation for ordered response categories. Psychometrika, 43(4), 561–573. https://link.springer.com/article/10.1007/BF02293814
• Andrich, D. (1978). Relationships between the Thurstone and Rasch approaches to item scaling. Applied Psychological Measurement, 2(3), 451–462. https://journals.sagepub.com/doi/10.1177/014662167800200319
• Andrich, D. (1988). Rasch models for measurement. Sage Publications. Quantitative Applications in the Social Sciences, No. 68. https://methods.sagepub.com/book/rasch-models-for-measurement
• Andrich, D. (1988). A general form of Thurstone’s extended law of comparative judgment: An alternative to the law of categorical judgment. British Journal of Mathematical and Statistical Psychology, 41(1), 131–146. https://bpspsychub.onlinelibrary.wiley.com/doi/10.1111/j.2044-8317.1988.tb00891.x
• Andrich, D. (2004). Controversy and the Rasch model: a characteristic of incompatible paradigms? Medical Care, 42(1), I7–I16. https://www.jstor.org/stable/4640722
• Andrich, D. (2013). Understanding the response complex and the mechanics of the ordered category Rasch model for measurement. Journal of Applied Measurement, 14(3), 221–245.
• Andrich, D., & Marais, I. (2019). A course in Rasch measurement theory: Measuring in the human, social and natural sciences. Springer Nature. https://link.springer.com/book/10.1007/978-981-13-7496-8
• Campbell, N. R. (1920). Physics: The elements. Cambridge University Press.
• Luce, R. D., & Tukey, J. W. (1964). Simultaneous conjoint measurement: A new type of fundamental measurement. Journal of Mathematical Psychology, 1(1), 1–27. https://www.sciencedirect.com/science/article/pii/002224966490015X
• Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Danmarks Paedagogiske Institut (Copenhagen). Expanded edition (1980), University of Chicago Press.
• Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273–286. https://psycnet.apa.org/record/1927-10255-001
• Wright, B. D., & Masters, G. N. (1982). Rating scale analysis. MESA Press.