Cómo funcionan los tests de CI: tipos de pregunta y puntuación

Un test de CI parece una colección de acertijos, y en cierto sentido lo es. Pero los acertijos están elegidos con cuidado: cada tipo se incluye porque el rendimiento en él correlaciona con el rendimiento en los demás, y la combinación estima la capacidad general de razonamiento con más fiabilidad de lo que podría cualquier tipo por sí solo.

El problema de diseño

Quien construye un test se enfrenta a un reto concreto. Necesita ítems lo bastante difíciles como para separar a unas personas de otras, que no dependan de conocimientos que solo algunos grupos han tenido oportunidad de adquirir y que no se resuelvan de memoria. Y sobre todo, los ítems deben correlacionar entre sí: esa varianza compartida es lo que la puntuación está estimando.

Por eso los tests mezclan formatos. Un único tipo de pregunta se mide a sí mismo más mucho ruido. Varios tipos distintos, agregados, cancelan buena parte del ruido y dejan el factor común.

Los principales tipos de pregunta

Razonamiento con matrices

Una cuadrícula de figuras sigue alguna regla, con una celda en blanco. Eliges la opción que completa el patrón. Las reglas son cosas como: una figura rota una cantidad fija en cada paso; se añaden o quitan elementos a lo largo de una fila; dos figuras se combinan para producir una tercera.

Los ítems de matrices son lo más parecido a un caballo de batalla que tiene la evaluación psicométrica. No requieren vocabulario, ni aritmética, ni conocimiento cultural, lo que los hace inusualmente portables entre lenguas y contextos: es el principio tras las Matrices Progresivas de Raven, uno de los instrumentos más usados del campo. Cargan mucho en razonamiento fluido: deducir sobre la marcha una regla desconocida.

Series numéricas

Se da una secuencia y aportas el término siguiente: 2, 6, 12, 20, 30, … La regla puede implicar diferencias, razones, operaciones alternas o un patrón de segundo orden en las propias diferencias.

Requieren aritmética básica, así que no están libres de cultura como los ítems de matrices. Lo que exploran es la capacidad de mantener varias reglas candidatas en mente, contrastarlas con los datos y descartar las que fallan: razonamiento inductivo bajo carga de memoria de trabajo.

Rotación espacial y mental

Juzgas si dos figuras son el mismo objeto visto desde ángulos distintos, o eliges qué desarrollo plano produce un sólido dado. Resolverlos supone construir una representación mental y transformarla: visualizar, no calcular.

La capacidad espacial es en sí misma una habilidad amplia y distinta, y muestra una de las entrenabilidades más claras de todas las que estos tests muestrean: la práctica mejora sustancialmente el rendimiento en tareas espaciales, aunque hasta dónde transfiere eso a un razonamiento no relacionado es otra cuestión.

Analogías verbales y vocabulario

"Médico es a hospital como maestro es a ___". Las analogías prueban si sabes extraer una relación y aplicarla a un par nuevo. Los ítems de vocabulario preguntan directamente por el significado de las palabras.

Ambos se apoyan en el conocimiento cristalizado, lo que has acumulado. El vocabulario en particular está entre los predictores individuales más potentes de la puntuación total en la población general, lo que sorprende a quien espera que dominen los acertijos abstractos. La pega es evidente: estos ítems dependen mucho de la exposición lingüística y la escolarización, así que se traducen mal y perjudican a quien se examina fuera de su primera lengua. La mayoría de tests internacionales en línea o los omiten o los tratan con cuidado.

Memoria de trabajo y velocidad de procesamiento

Las baterías clínicas completas incluyen tareas como repetir secuencias de dígitos hacia atrás o emparejar rápidamente símbolos con números contra el reloj. Son índices separados en una evaluación Wechsler y contribuyen a la puntuación global junto al razonamiento.

Los tests en línea cronometrados capturan parte de esto de forma incidental: cuando hay un límite de tiempo global, la velocidad de procesamiento queda incorporada en tu rendimiento, se mida o no por separado.

De las respuestas a una puntuación

La conversión ocurre por etapas.

1. Puntuación bruta. Se cuentan las respuestas correctas. En muchos tests los ítems tienen pesos distintos, de modo que los difíciles contribuyen más que los fáciles en lugar de valer todos lo mismo.
2. Comparación con los baremos. La puntuación bruta se coteja con la distribución producida por la muestra de tipificación; en tests baremados por edad, la muestra de tu franja de edad. Este paso convierte "14 correctas" en "en el percentil N del grupo de referencia".
3. Escalado. Esa posición percentil se expresa en la escala de CI, donde la media de referencia es 100 y una desviación típica son 15 puntos.

Todo depende del segundo paso. Un test con una muestra normativa pequeña, poco representativa o anticuada produce números que parecen autorizados y significan muy poco: la aritmética está bien, pero el grupo de comparación es el equivocado.

Dificultad de los ítems y tests adaptativos

No todos los ítems informan por igual. Un ítem que acierta todo el mundo, o que falla todo el mundo, no separa a nadie y no aporta nada. Los más informativos son los que acierta aproximadamente la mitad de las personas situadas cerca del nivel de dificultad que se explora.

Por eso los tests profesionales se desarrollan mediante la teoría de respuesta al ítem, que modela la dificultad de cada ítem y su capacidad de discriminar entre niveles de aptitud próximos. Los ítems que rinden mal se eliminan antes de publicar el test.

Y también por eso los tests adaptativos son eficientes. Cuando la dificultad del siguiente ítem se elige según cómo respondiste al anterior, el test dedica su tiempo a la zona de tu aptitud real en lugar de a ítems triviales o imposibles para ti. Un test adaptativo puede alcanzar la misma precisión con muchos menos ítems: es el principio tras las versiones informatizadas de muchos exámenes estandarizados.

Qué hace bueno a un test

• Fiabilidad: consistencia. Si la misma persona hace el test dos veces en condiciones similares, ¿obtiene una puntuación parecida? Los instrumentos bien construidos informan de alta fiabilidad test–retest en intervalos cortos.
• Validez: si mide lo que dice medir. Se establece correlacionando las puntuaciones con instrumentos consolidados y con resultados que el constructo debería predecir.
• Baremos actuales y representativos: como se ha dicho, el grupo de comparación determina lo que significa el número.
• Administración estandarizada: las mismas instrucciones, tiempos y condiciones para todos. Es el requisito que los tests en línea sin supervisión no pueden cumplir por estructura.

Cómo está construido este test

La evaluación de este sitio usa 20 ítems no verbales con un límite global de 30 minutos, ponderados por dificultad, e informa de una puntuación en la escala estándar DT 15. Se apoya en razonamiento con patrones y secuencias en lugar de vocabulario, así que no te penaliza por hacerlo fuera de tu primera lengua.

Al ser no supervisado y autoseleccionado, es una indicación razonable más que una medición formal; una distinción que conviene tener presente al leer el resultado.