← Volver a cursos

📋 Información general

🌱 Presentación

La construcción de una escala psicométrica ha sido, tradicionalmente, una tarea costosa: exige paneles de jueces, estudios piloto y meses de trabajo. Este curso muestra cómo los modelos de lenguaje (LLM) y los embeddings semánticos permiten recorrer el ciclo completo en una fracción del tiempo, sin renunciar al rigor.

El participante aprenderá a recorrer todo el ciclo: conceptualizar el constructo, generar ítems, representarlos semánticamente, analizar su estructura, evaluar su calidad, ensamblar la forma final de la escala y adaptarla a otros contextos, todo asistido por el ecosistema SeMiLLa (paquete R + App Shiny).

👥 Dirigido a

• Investigadores y docentes en Psicología, Educación y Ciencias de la Salud que construyen o validan instrumentos.
• Tesistas de pregrado, maestría y doctorado que desarrollan una escala como parte de su investigación.
• Psicómetras y analistas de datos interesados en integrar IA y embeddings al desarrollo de tests.
• Profesionales que adaptan instrumentos a nuevos idiomas o contextos culturales.

Requisitos previos: manejo básico de R y RStudio, nociones de análisis factorial y fiabilidad. No se requiere experiencia previa con IA.

🗓️ Programación por sesiones

Por qué construir escalas es caro; qué es un LLM y qué es un embedding; la matriz de similitud coseno. Evidencia 2022–2026 en generación de ítems y predicción semántica de cargas. Instalación del paquete, arquitectura y recorrido por la App Shiny; configuración de la API key (nunca a disco) y caché de reproducibilidad.

De la teoría al ítem con semilla() / generar_items(); embeddings y similitud coseno; análisis de redundancia; EFA regularizado y consenso de clustering ensemble (k-means, Ward, GMM, PAM, DIANA y spectral) para predecir cargas factoriales; refinamiento de la escala.

Validez de contenido (V de Aiken con LLM como panel de jueces, mirada bayesiana); fiabilidad semántica; discriminación por unicidad; coherencia intra/entre dimensiones; validez de criterio. Forma corta con k-centroide y exportación del entregable con metadatos completos.

Adaptación transcultural asistida por LLM (pautas ITC); DIF semántico; bancos de ítems para CAT. Síntesis de la validación empírica del enfoque; ética, conflicto de interés y código abierto. Presentación y retroalimentación del proyecto final de cada participante.

🧪 Metodología

• Clase magistral activa con ejemplos de la literatura 2022–2026.
• Demostración guiada: cada paso en vivo, en código R y en la App Shiny.
• Práctica sobre proyecto propio: cada participante construye su escala a lo largo de las 4 semanas.
• Trabajo asincrónico semanal con pautas y soporte, más tutoría para el proyecto final.

⚙️ Requisitos técnicos

• R ≥ 4.4.0 y RStudio instalados.
• Paquete SeMiLLa ≥ 2.0.0 y dependencias (shiny, shinydashboard, DT, openxlsx, ggplot2, psych, lavaan, mclust).
• Clave de API de OpenAI válida para las llamadas a embeddings y LLM.
• Conexión a internet estable; la escala y la clave permanecen siempre bajo control local del participante.