Psicometria

PÓS-GRADUAÇÃO
Autoria
JÉSSICA DE ASSIS SILVA

Oi! É um prazer saber que embarcaremos juntos nesta

jornada que se inicia agora! Eu sou doutora em
Psicologia pelo Departamento de Psicologia Clínica do
Instituto de Psicologia da Universidade de São Paulo
(USP), mestre em Psicologia pela Universidade Federal
de São Carlos (UFSCar/2014), Especialista em Terapia
Comportamental e Cognitiva pela USP (2016),
graduada em Psicologia pela Universidade Federal do
Pará (UFPA/2011). Tem experiência nos seguintes temas:
análise comportamental, terapia
analítico-comportamental subjetividade, Saúde do
Trabalhador, validação e análise de instrumentos,
prevenção a violência contra a criança e adesão ao
tratamento. Docente no Departamento de Psicologia
da Universidade de Taubaté. Estou muito feliz por
poder contribuir com a sua capacitação. Espero que a
experiência desta disciplina também seja boa para
você! Vamos lá?
Introdução
A psicometria é uma área da psicologia que se
concentra na medição de habilidades, traços e outras
características psicológicas dos indivíduos. A
psicometria utiliza testes psicológicos para medir
essas características e analisar os dados resultantes. A
teoria clássica dos testes é a base da psicometria, que
define e mede as propriedades psicométricas, como
validade, fidedignidade e normatização. A teoria da
resposta ao item é uma abordagem mais recente
para a psicometria e se concentra em avaliar a
precisão da medida. A análise fatorial é outra
abordagem psicométrica que se concentra na
estrutura interna dos testes e na identificação de
fatores subjacentes. A psicometria é amplamente
utilizada em contextos educacionais, empresariais,
clínicos e governamentais para medir habilidades,
traços de personalidade e outras características
psicológicas. Existem diversos tipos de testes
psicológicos, incluindo testes de inteligência, testes de
aptidão, testes de personalidade, entre outros. Os
testes psicológicos são frequentemente usados em
combinação com outras medidas, como entrevistas e
Introdução INTRODUÇÃO

COMPETÊNCIAS

observações comportamentais, 1.1 DEFINIÇÃO

para avaliarDA ABA
indivíduos em contextos variados.1.2 Embora
DIMENSÕESa DA AB
1.2.1 ANÁLISE
psicometria tenha uma longa história, ela continua a DO C
1.2.2 INTERVENÇÃO
evoluir com o tempo e a se adaptar às mudanças na
sociedade e nas tecnologias 1.2.3 AVALIAÇÃO
disponíveis. A D
1.3 PRESSUPOSTOS
psicometria desempenha um papel importante na FIL

pesquisa e na prática da psicologia, e é uma

CAPÍTULO 2: VALIDADE
ferramenta valiosa para entender melhor os indivíduos
PRINCÍPIOS ÉTICOS
e ajudá-los a alcançar seu potencial máximo.
2.1 VALIDADE DA INTERV
2.1.1 VALIDAÇÃO SO
2.2 PRINCÍPIOS ÉTICOS

CAPÍTULO 3: REFLEXO INAT

E ANÁLISE FUNCIONAL
3.1 REFLEXO INATO E A
COMPORTAMENTO
3.2 REFORÇO DO COM
 Competências
Olá. Seja muito bem-vindo à disciplina Psicometria.
Nosso objetivo é auxiliar você no desenvolvimento das
AMENTO
seguintes competências profissionais até o término dos
RTAMENTAL
estudos desta disciplina:
ADOS
S DA ABA
1. Conhecer os conceitos básicos da psicometria,
entender o seu posicionamento dentro da psicologia e o
NTERVENÇÃO E
seu histórico desde a origem até os dias atuais.

2. Aprender os fundamentos das teorias de medida,

das relações entre a ciência e a matemática e as bases
das medidas.

NDIDO, REFORÇO
3. Aprender sobre os conceitos psicométricos e as
teorias que fundamentam as suas bases.
O DO

4. Conhecer e identificar conceitos como validade,

ENTO
fidedignidade e normatização que são essenciais para o
entendimento e funcionamento dos modelos
psicométricos.
Sumário
INTRODUÇÃO

COMPETÊNCIAS

CAPÍTULO 1 : CARACTERIZAÇÃO E HISTÓRICO DA

PSICOMETRIA
1.1 O QUE É PSICOMETRIA
1.2 A HISTÓRIA DA PSICOMETRIA
1.3 TESTES PSICOLÓGICOS

CAPÍTULO 2: TEORIAS DA MEDIDA

2.1 CIÊNCIA E MATEMÁTICA
2.2 A NATUREZA DA MEDIDA
2.3 BASE AXIOMÁTICA DA MEDIDA

CAPÍTULO 3: MODELOS PSICOMÉTRICOS

3.1 TEORIA CLÁSSICA DOS TESTES
3.2 TEORIA DA RESPOSTA AO ITEM
3.3 ANÁLISE FATORIAL

CAPÍTULO 4: VALIDADE, FIDEDIGNIDADE E

Sumário
NORMATIZAÇÃO
4.1 VALIDADE
4.2 FIDEDIGNIDADE
4.3 NORMATIZAÇÃO

REFERÊNCIAS
CAPÍTU LO 1

Caracterização e
História da Psicometria
OBJETIVO: Ao término deste capítulo você será capaz de entender o que
é a psicometria, como ela surgiu e quais foram os principais profissionais
que fundamentaram a sua base. Além disso, você compreenderá quais são
os principais testes psicológicos, como eles são feitos e as suas aplicações.
E então? Motivado para desenvolver esta competência? Então vamos lá.
Avante!

1.1 O que é Psicometria

A psicometria é uma área da psicologia que se concentra na medição de

traços psicológicos, comportamentos e habilidades. O objetivo da
psicometria é desenvolver métodos e técnicas para medir e avaliar esses
construtos, a fim de compreender melhor o comportamento humano e
tomar decisões informadas em diversas áreas, incluindo educação,
negócios e saúde.

Os psicometristas usam vários tipos de testes e medidas para avaliar uma

ampla variedade de construtos psicológicos, como inteligência,
personalidade, aptidão, habilidades acadêmicas e profissionais, bem-estar
emocional e saúde mental. Essas medidas podem ser desenvolvidas e
avaliadas com base em vários critérios, como validade, fidedignidade e
normatização.

Os critérios de validade, fidedignidade e normatização são fundamentais na

psicometria para garantir que os testes sejam confiáveis e úteis na
avaliação psicológica.

A validade se refere à capacidade de um teste medir o que se propõe a

medir. Existem diversos tipos de validade, como a validade de conteúdo, que
avalia se o teste abrange adequadamente as habilidades ou
conhecimentos relevantes para a área que se pretende avaliar; a validade
de critério, que avalia a capacidade do teste de predizer o desempenho
futuro do examinado em uma determinada área; e a validade de
construto, que avalia se o teste mede um construto teórico subjacente à
área que se pretende avaliar.

A fidedignidade se refere à consistência e precisão do teste. Um teste é

considerado fidedigno quando as respostas dos examinados são estáveis
e confiáveis ao longo do tempo e entre diferentes avaliadores. Existem
diversas formas de avaliar a fidedignidade de um teste, como a
consistência interna, que avalia se as diferentes questões do teste medem
a mesma habilidade ou construto, e a confiabilidade interavaliadores, que
avalia se diferentes avaliadores concordam na atribuição de notas ou
pontuações.

A normatização se refere à criação de normas para interpretação dos

resultados do teste. Isso significa que os resultados do teste são
comparados com uma amostra representativa da população para
determinar o desempenho relativo do examinado. A normatização pode
ser realizada por meio da criação de percentis, escores-z e outras
medidas padronizadas.

Todos esses critérios são importantes para garantir que os testes sejam
justos, precisos e confiáveis na avaliação psicológica.

Além dos testes, existem várias abordagens teóricas e metodológicas

para a psicometria, cada uma com suas próprias suposições e técnicas
de medição. Alguns dos principais paradigmas incluem a teoria clássica
dos testes, a teoria da resposta ao item e a análise fatorial. Essas teorias
fornecem um arcabouço conceitual para entender como as medidas
psicológicas funcionam e como elas podem ser aprimoradas.

A teoria clássica dos testes é uma abordagem fundamental na

psicometria que fornece um método para avaliar a qualidade dos testes
psicológicos. Ela se baseia em três conceitos principais: validade,
fidedignidade e precisão.

A validade refere-se à capacidade do teste de medir o que se propõe a

medir. Existem três tipos principais de validade: validade de conteúdo, que
se refere ao quão bem o teste cobre o conteúdo que está sendo avaliado;
validade de critério, que se refere ao quão bem os resultados do teste
estão relacionados a outros critérios conhecidos, como desempenho
acadêmico ou desempenho profissional; e validade de construto, que se
refere à capacidade do teste de medir um construto psicológico teórico,
como inteligência ou personalidade.

A fidedignidade se refere à consistência dos resultados do teste quando é

aplicado várias vezes. Existem várias maneiras de avaliar a fidedignidade,
incluindo a fidedignidade de teste-reteste, a consistência interna e a
equivalência paralela.

A precisão se refere à capacidade do teste de medir com precisão as

diferenças individuais nas habilidades ou traços psicológicos que está
avaliando. A precisão é frequentemente avaliada por meio da análise das
propriedades psicométricas dos itens do teste.

Além desses conceitos fundamentais, a teoria clássica dos testes também

se concentra na normatização dos testes, que envolve a comparação dos
resultados de um indivíduo com os resultados de uma amostra
representativa de outros indivíduos que realizaram o mesmo teste. A
normatização permite que os resultados do teste sejam interpretados em
termos de como o desempenho do indivíduo se compara com o
desempenho de outras pessoas que realizaram o mesmo teste.

A Teoria da Resposta ao Item (TRI) é uma abordagem mais recente na

psicometria que se concentra na avaliação da precisão da medida em
testes psicológicos e educacionais. A TRI é baseada em um modelo
matemático que leva em consideração a dificuldade do item e a
habilidade do examinado para responder a ele. Essa abordagem permite
que os examinados sejam avaliados em um continuum de habilidade, em
vez de apenas serem classificados em categorias como "aprovado" ou
"reprovado".

Os modelos da TRI são mais complexos que os modelos da TCT, mas

oferecem várias vantagens, como a possibilidade de ajustar a dificuldade
dos itens à habilidade dos examinandos e, portanto, avaliar de maneira
mais precisa seus conhecimentos, habilidades e atitudes. Além disso, os
modelos da TRI permitem estimar a precisão da medida em diferentes
pontos da distribuição de habilidade, identificar itens com propriedades
psicométricas indesejáveis e comparar o desempenho de diferentes
grupos de examinandos.
A TRI é comumente usada em testes de habilidades acadêmicas e
profissionais, como o Exame Nacional do Ensino Médio (ENEM) e o Graduate
Record Examination (GRE). No entanto, é importante ressaltar que a
utilização da TRI requer um conhecimento aprofundado da teoria e prática
da psicometria.

A análise fatorial é uma abordagem da psicometria que busca identificar

os fatores subjacentes que influenciam o desempenho dos indivíduos em
determinado conjunto de itens de um teste. Esses fatores são chamados
de constructos e podem ser habilidades, traços de personalidade ou
outras características que influenciam o desempenho do indivíduo. A
análise fatorial ajuda a identificar a estrutura interna do teste, permitindo
que sejam desenvolvidos instrumentos mais precisos e confiáveis de
avaliação psicológica. A análise fatorial também é utilizada para
desenvolver e validar escalas de medida de construtos, como escalas de
ansiedade, depressão, autoestima, entre outras.

Além de desenvolver testes e medidas psicológicas, os psicometristas

também podem trabalhar em outras áreas, como a avaliação de políticas
públicas e programas de intervenção. Por exemplo, eles podem avaliar a
eficácia de programas de treinamento ou a qualidade de vida de
pacientes em tratamento médico. A psicometria também pode ser
aplicada em ambientes organizacionais, como a seleção e avaliação de
funcionários, bem como na educação, para avaliar o desempenho
acadêmico dos alunos.

No entanto, é importante ressaltar que a psicometria não é uma ciência

exata e não deve ser vista como a única fonte de informações para tomar
decisões. Os resultados dos testes psicológicos devem ser interpretados
com cuidado e em conjunto com outras informações relevantes, como
histórico educacional e experiência de trabalho.

Além disso, é fundamental que os testes psicológicos sejam desenvolvidos

e utilizados de forma ética e responsável. Os psicometristas devem levar
em consideração questões como a privacidade dos examinados, a
possibilidade de discriminação e a adequação cultural dos testes.

Em resumo, a psicometria é uma área da psicologia que se concentra na

medição e avaliação de construtos psicológicos. Essa área utiliza uma
variedade de técnicas e abordagens para desenvolver testes e medidas
psicológicas confiáveis e válidos. Embora os resultados dos testes
psicológicos possam ser úteis para tomar decisões em várias áreas, é
importante lembrar que eles não devem ser a única fonte de informação
e devem ser interpretados com cuidado e responsabilidade ética.

1.2 A História da Psicometria

A psicometria é a ciência que estuda a medição de habilidades

psicológicas, como inteligência, personalidade e aptidões. Essa ciência se
desenvolveu ao longo dos anos, mas sua origem remonta ao final do
século XIX, quando surgiram os primeiros testes psicológicos.

A história da psicometria começa com o trabalho de Sir Francis Galton,

que é conhecido como o pai da psicometria. Ele foi o primeiro a
desenvolver um teste psicológico, o Teste de Galton de habilidades
sensoriais, que media a acuidade visual e auditiva.

O Teste de Galton de habilidades sensoriais foi desenvolvido pelo cientista

inglês Francis Galton no final do século XIX e foi um dos primeiros testes
psicométricos. Esse teste avaliava a capacidade das pessoas de perceber
estímulos sensoriais, como visão, audição e tato.

O teste foi projetado para avaliar a capacidade dos indivíduos de

distinguir nuances de cor, sons e texturas. Ele consistia em uma série de
testes simples, como distinguir entre tons de cor ou sons, ou identificar a
textura de diferentes superfícies. Galton acreditava que essas habilidades
sensoriais eram uma medida importante da inteligência, e seu teste foi
amplamente utilizado no início do século XX.

O teste de Galton de habilidades sensoriais foi criticado por muitos

psicólogos posteriores, que argumentaram que ele era muito limitado em
sua avaliação das habilidades mentais e não tinha base científica
adequada. No entanto, o teste de Galton foi um marco importante na
história da psicometria, pois ajudou a estabelecer a ideia de que a
inteligência e outras características mentais podem ser medidas e
avaliadas empiricamente.

Em 1905, Alfred Binet e Theodore Simon desenvolveram o primeiro teste de

inteligência, o Teste de Binet-Simon, que foi projetado para identificar
crianças com deficiência intelectual. Esse teste foi posteriormente
adaptado e usado em todo o mundo.
O Teste de Binet-Simon foi desenvolvido pelo psicólogo francês Alfred Binet
e seu colega Théodore Simon no início do século XX. O objetivo do teste era
identificar crianças com dificuldades de aprendizagem em escolas
públicas em Paris, e ajudar a determinar quais crianças precisavam de
educação especial.

O teste foi baseado na ideia de que a inteligência não é uma habilidade

unitária, mas é composta de várias habilidades diferentes, como memória,
raciocínio lógico, compreensão verbal, percepção visual e outras. Os itens
do teste foram cuidadosamente selecionados para avaliar essas
habilidades em crianças de diferentes idades.

O Teste de Binet-Simon consistia em uma série de tarefas, que

aumentavam em dificuldade à medida que a criança avançava no teste.
As tarefas incluíam coisas como completar padrões, responder a
perguntas verbais, memorizar sequências de números e nomes de objetos,
e outras.

Binet e Simon desenvolveram o conceito de "idade mental" para descrever

a habilidade cognitiva de uma criança, baseado em sua pontuação no
teste em comparação com a pontuação média de crianças de sua idade
cronológica. Por exemplo, uma criança de 7 anos que tinha habilidades
cognitivas semelhantes às de uma criança média de 10 anos seria
considerada como tendo uma idade mental de 10 anos.

O Teste de Binet-Simon teve um impacto significativo na psicologia e

educação. Foi um dos primeiros testes padronizados para avaliar a
inteligência, e foi usado como modelo para muitos outros testes que
vieram depois. O conceito de "idade mental" também influenciou a
maneira como os educadores pensam sobre o desenvolvimento cognitivo
das crianças.

No entanto, o Teste de Binet-Simon também foi criticado por sua ênfase na

linguagem e na memória verbal, o que o tornou menos útil para avaliar
crianças de diferentes culturas e que falavam diferentes idiomas. Além
disso, o teste foi usado de maneira prejudicial para justificar a
discriminação contra grupos minoritários e para justificar a educação
especial que segregava crianças com deficiências intelectuais das
crianças “normais”.

A psicometria começou a se tornar uma ciência formal na década de 1920,

com o trabalho de Charles Spearman. Ele foi um psicólogo britânico do
século XX que desenvolveu a teoria da inteligência geral, também
conhecida como o modelo de fator único. De acordo com esta teoria, a
inteligência é composta por um fator geral chamado de "g" (abreviação de
general intelligence, em inglês), que é responsável por influenciar o
desempenho em diferentes tipos de testes mentais.

Spearman desenvolveu esta teoria após realizar uma análise fatorial em

uma grande quantidade de testes mentais, incluindo testes de inteligência,
testes de habilidades motoras e testes de percepção. Ele descobriu que
havia uma alta correlação entre os escores dos testes, indicando que havia
uma habilidade geral que estava afetando o desempenho em todas as
tarefas. Essa habilidade geral foi chamada de "g".

Spearman também sugeriu que além do fator geral de inteligência, existem

fatores específicos que influenciam o desempenho em tarefas mentais
específicas. Esses fatores específicos foram chamados de "s" (abreviação de
specific abilities, em inglês). Por exemplo, uma pessoa pode ter uma alta
pontuação em tarefas que envolvem habilidades matemáticas, mas uma
pontuação mais baixa em tarefas que envolvem habilidades linguísticas.

A teoria da inteligência geral de Spearman é uma das mais influentes na

psicologia da inteligência, e foi a base para o desenvolvimento de muitos
testes de inteligência, incluindo o teste de inteligência Stanford-Binet e o
teste de QI Wechsler. No entanto, a teoria de Spearman também tem sido
criticada por alguns psicólogos, que argumentam que ela não leva em
consideração as habilidades específicas e a complexidade da inteligência
humana.

Outro importante contribuinte para a psicometria foi Louis Thurstone. Ele foi
um psicólogo americano que fez importantes contribuições para a
psicometria. Ele nasceu em 1887 em Chicago e obteve seu doutorado em
psicologia pela Universidade de Chicago em 1917. Thurstone foi um dos
principais críticos da teoria da inteligência geral de Charles Spearman e
desenvolveu sua própria teoria da inteligência, que se concentrou em
fatores primários de habilidade mental.

Thurstone acreditava que a inteligência era composta por sete fatores

primários: compreensão verbal, fluência verbal, raciocínio numérico,
raciocínio espacial, memória, velocidade perceptiva e habilidade de
associação. Ele desenvolveu um método de análise fatorial conhecido como
análise fatorial múltipla, que permitiu a identificação desses fatores
primários. A análise fatorial múltipla é uma técnica mais complexa do que
a análise fatorial simples de Spearman, porque permite que cada item do
teste seja associado a vários fatores primários, em vez de apenas um.

Thurstone também fez contribuições importantes para a teoria da escala

de atitudes, que é usada para medir atitudes e opiniões em pesquisa
social. Ele propôs uma técnica de análise chamada método de
comparação emparelhada, que é usado para identificar a estrutura
subjacente das atitudes.

Além de suas contribuições teóricas, Thurstone também desenvolveu

vários testes psicológicos, incluindo o Teste de Habilidade Mental Primária
de Thurstone, que foi amplamente utilizado nas décadas de 1930 e 1940.
Este teste foi projetado para medir os sete fatores primários de habilidade
mental propostos por Thurstone. Ele também criou a Escala de Atitudes de
Thurstone, que é usada para medir atitudes em uma escala de resposta de
múltiplos níveis.

Louis Thurstone faleceu em 1955, mas suas contribuições para a

psicometria continuam a influenciar a pesquisa e a prática na área da
psicologia e além. A análise fatorial múltipla continua a ser uma técnica
importante na psicometria e em outras áreas da pesquisa social, e os
testes de habilidade mental primária e escala de atitudes de Thurstone
continuam a ser utilizados em muitos contextos.

Durante a década de 1950, a psicometria continuou a se desenvolver com

o trabalho de Raymond Cattell. Raymond Cattell foi um psicólogo britânico
que fez importantes contribuições para a psicometria e a psicologia da
personalidade. Ele é mais conhecido por seu trabalho em fatores de
personalidade e inteligência.

Cattell foi um forte defensor da análise fatorial na psicometria, e

desenvolveu várias técnicas para identificar fatores subjacentes em
conjuntos de dados. Ele propôs a existência de 16 fatores de personalidade
que poderiam ser usados para descrever a personalidade de uma pessoa.
Estes fatores foram identificados por meio de uma análise fatorial dos
resultados de testes de personalidade que ele desenvolveu.

Outra contribuição importante de Cattell foi sua distinção entre inteligência

fluida e cristalizada. Ele argumentou que a inteligência fluida refere-se à
capacidade de resolver novos problemas ou desafios, enquanto a
inteligência cristalizada refere-se ao conhecimento e habilidades
adquiridos ao longo do tempo. Ele também propôs que a inteligência é
composta por dois tipos de habilidades: habilidades gerais (como
memória e velocidade de processamento) e habilidades específicas
(como habilidade verbal ou matemática).

Cattell também desenvolveu o Teste de Matrizes Progressivas de Raven, que

é um teste não verbal de inteligência que é amplamente utilizado em
contextos educacionais e de negócios. O teste requer que os examinandos
resolvam problemas visuais usando a lógica e a compreensão espacial.

As contribuições de Raymond Cattell para a psicometria incluem a análise

fatorial de dados para identificar fatores subjacentes, a distinção entre
inteligência fluida e cristalizada, e o desenvolvimento de testes de
inteligência e personalidade amplamente utilizados.Raymond Cattell foi
um psicólogo britânico que fez importantes contribuições para a
psicometria e a psicologia da personalidade. Ele é mais conhecido por seu
trabalho em fatores de personalidade e inteligência.

Cattell foi um forte defensor da análise fatorial na psicometria, e

desenvolveu várias técnicas para identificar fatores subjacentes em
conjuntos de dados. Ele propôs a existência de 16 fatores de personalidade
que poderiam ser usados para descrever a personalidade de uma pessoa.
Estes fatores foram identificados por meio de uma análise fatorial dos
resultados de testes de personalidade que ele desenvolveu.

Outra contribuição importante de Cattell foi sua distinção entre inteligência

fluida e cristalizada. Ele argumentou que a inteligência fluida refere-se à
capacidade de resolver novos problemas ou desafios, enquanto a
inteligência cristalizada refere-se ao conhecimento e habilidades
adquiridos ao longo do tempo. Ele também propôs que a inteligência é
composta por dois tipos de habilidades: habilidades gerais (como
memória e velocidade de processamento) e habilidades específicas
(como habilidade verbal ou matemática).

Cattell também desenvolveu o Teste de Matrizes Progressivas de Raven, que

é um teste não verbal de inteligência que é amplamente utilizado em
contextos educacionais e de negócios. O teste requer que os examinandos
resolvam problemas visuais usando a lógica e a compreensão espacial.
As contribuições de Raymond Cattell para a psicometria incluem a análise
fatorial de dados para identificar fatores subjacentes, a distinção entre
inteligência fluida e cristalizada, e o desenvolvimento de testes de
inteligência e personalidade amplamente utilizados.

A psicometria também evoluiu com o desenvolvimento da teoria da

resposta ao item (TRI), que é uma abordagem mais recente para a
psicometria. Essa teoria se concentra em avaliar a precisão da medida e
permite que os examinados sejam avaliados em um continuum de
habilidade.

Hoje em dia, a psicometria é amplamente utilizada em vários campos,

como educação, recursos humanos e pesquisa de mercado. Os testes
psicológicos são usados para avaliar habilidades, personalidade,
interesses e aptidões. A psicometria é uma ferramenta valiosa para a
compreensão do comportamento humano e a tomada de decisões
informadas em diversas áreas da vida.

A psicometria se desenvolveu ao longo do tempo como uma disciplina

dedicada a medir as diferenças individuais em habilidades,
conhecimentos, traços de personalidade e outros atributos psicológicos.
Embora a psicometria como uma disciplina formal tenha se desenvolvido
no final do século XIX e início do século XX, suas raízes remontam a séculos
atrás, com a utilização de testes de inteligência e outras medidas de
habilidade em contextos educacionais e militares.

Um dos primeiros exemplos documentados de testes de inteligência pode

ser encontrado na China antiga, onde o Imperador Yu utilizou testes escritos
para selecionar os melhores candidatos para trabalhar na administração
pública. Na Grécia Antiga, os filósofos já refletiam sobre as diferenças
individuais em inteligência, com Platão escrevendo sobre a existência de
uma inteligência inata e Aristóteles acreditando que a inteligência poderia
ser desenvolvida por meio da educação.

No entanto, a psicometria como uma disciplina formal começou a se

desenvolver no final do século XIX, com o trabalho de Sir Francis Galton.
Galton, primo de Charles Darwin, estava interessado em medir a
inteligência humana e desenvolveu o primeiro teste de inteligência
baseado em observações sensoriais. Seu teste de Galton consistia em
perguntas sobre a acuidade visual e auditiva, assim como outras medidas
sensoriais. Ele acreditava que essas medidas poderiam fornecer uma
medida objetiva da inteligência.

Outro pioneiro importante na psicometria foi James McKeen Cattell, que

fundou o primeiro laboratório de psicologia nos Estados Unidos em 1887 e
desenvolveu testes de habilidade mental para uso em contextos
educacionais. Cattell também foi um dos primeiros a utilizar a análise
fatorial, uma técnica estatística para identificar padrões em dados, para
examinar as diferenças individuais em habilidades mentais.

No início do século XX, a psicometria começou a se tornar mais

institucionalizada, com a fundação da Associação Psicométrica
Americana em 1935 e a criação de programas de pós-graduação em
psicometria em universidades como a Universidade de Columbia e a
Universidade de Chicago. Os psicólogos continuaram a desenvolver novos
testes e técnicas de análise, incluindo a teoria clássica dos testes, a análise
fatorial e a teoria da resposta ao item.

Hoje, a psicometria é amplamente utilizada em contextos educacionais, de

negócios, clínicos e governamentais para medir uma ampla variedade de
habilidades, traços de personalidade e outras características psicológicas.
Os testes psicométricos podem ser administrados em papel, em formato
online ou em outros formatos eletrônicos, e são frequentemente usados
em combinação com outras medidas, como entrevistas e observações
comportamentais, para avaliar indivíduos em contextos variados.

A psicometria tem uma longa história que remonta a séculos atrás, com os
primeiros exemplos de testes de inteligência e outras medidas de
habilidade em contextos educacionais e militares. A psicometria evoluiu
ao longo do tempo com o desenvolvimento de novas técnicas estatísticas
e modelos teóricos, como a teoria clássica dos testes, a teoria da resposta
ao item e a análise fatorial.

A psicometria permite medir e avaliar traços e habilidades psicológicas de

indivíduos de forma objetiva e padronizada, o que é importante em
contextos de seleção e avaliação, como no mundo acadêmico e
empresarial, por exemplo. Com a ajuda de testes psicométricos, é possível
medir habilidades cognitivas, traços de personalidade, preferências
comportamentais, dentre outros aspectos psicológicos.

Além disso, a psicometria também é utilizada em contextos clínicos, como

na avaliação de transtornos mentais e na medida de sintomas
psicológicos. A psicometria pode ser útil na avaliação de intervenções
terapêuticas, para verificar a efetividade do tratamento e monitorar o
progresso do paciente.

ética. A seleção de testes deve ser cuidadosa e a interpretação dos

resultados deve ser feita por profissionais qualificados, como psicólogos,
psiquiatras e outros profissionais da saúde mental.

Em resumo, a psicometria é uma área importante da psicologia que tem

contribuído para o desenvolvimento de medidas padronizadas e objetivas
para a avaliação de habilidades e traços psicológicos. Com o avanço da
tecnologia e das técnicas estatísticas, é provável que a psicometria
continue a evoluir e a contribuir para o avanço da pesquisa em psicologia
e para a melhoria da qualidade de vida das pessoas.

1.3 Testes Psicológicos

Os testes psicológicos são instrumentos utilizados pela psicometria para

avaliar características psicológicas de indivíduos. Essas características
podem incluir habilidades cognitivas, traços de personalidade, habilidades
emocionais e comportamentais, entre outras. Os testes psicológicos são
amplamente utilizados em contextos clínicos, educacionais,
organizacionais e governamentais para ajudar a tomar decisões
importantes, como seleção de candidatos para empregos, diagnóstico de
condições de saúde mental, planejamento educacional e avaliação de
programas de tratamento.

Existem diversos tipos de testes psicológicos, e cada um é projetado para

avaliar uma determinada característica psicológica. Alguns exemplos de
testes psicológicos incluem testes de inteligência, testes de personalidade,
testes de aptidão, testes de habilidades emocionais e testes de interesse
profissional. Neste texto, discutiremos os principais tipos de testes
psicológicos utilizados pela psicometria, incluindo suas características,
aplicações e limitações.

• Testes de Inteligência
Os testes de inteligência são talvez os testes psicológicos mais conhecidos
e amplamente utilizados. Esses testes foram originalmente desenvolvidos
para avaliar a capacidade cognitiva geral de um indivíduo, conhecida
como inteligência geral ou fator g. No entanto, os testes de inteligência
modernos são mais complexos e avaliam uma variedade de habilidades
cognitivas, incluindo raciocínio lógico, compreensão verbal, memória de
trabalho, processamento visual e espacial, entre outras.

Os testes de inteligência podem ser usados em uma variedade de

contextos, incluindo escolas, clínicas, empresas e governos. Eles podem ser
usados para identificar estudantes que precisam de apoio educacional
adicional, diagnosticar condições como o transtorno do espectro autista e
o déficit de atenção e hiperatividade, avaliar candidatos a empregos que
exigem habilidades cognitivas específicas, e determinar a elegibilidade
para programas governamentais, como benefícios de aposentadoria.

Alguns exemplos de testes de inteligência incluem o Teste de Inteligência

Stanford-Binet, o Wechsler Adult Intelligence Scale (WAIS), o Kaufman
Assessment Battery for Children (KABC) e o Universal Nonverbal Intelligence
Test (UNIT).

• Testes de Personalidade
Os testes de personalidade são usados para avaliar os traços de
personalidade de um indivíduo, incluindo suas características emocionais,
motivacionais e comportamentais. Esses testes podem ser usados em
uma variedade de contextos, como clínicas, empresas e escolas, para
ajudar a identificar características de personalidade que podem
influenciar o comportamento de um indivíduo.

Os testes de personalidade podem ser baseados em teorias de

personalidade específicas, como o modelo dos Cinco Grandes Fatores
(conhecido como "Big Five"), que descreve a personalidade em termos de
cinco traços principais: extroversão, neuroticismo, amabilidade,
consciência e abertura a experiências. Outras teorias de personalidade,
como a teoria de Jung dos tipos psicológicos e a teoria dos traços de
Allport, também podem servir de base para a criação de testes
psicológicos de personalidade.

Um exemplo de teste de personalidade baseado no modelo dos Cinco

Grandes Fatores é o NEO-PI-R (Inventário de Personalidade NEO Revisado),
que avalia os cinco traços de personalidade, bem como seis subtraços
para cada traço. Outro exemplo é o MMPI-2 (Minnesota Multiphasic
Personality Inventory), que avalia a personalidade, bem como sintomas
psicológicos e psiquiátricos.

Além dos testes de inteligência e personalidade, existem muitos outros

tipos de testes psicológicos utilizados na psicometria. Por exemplo, os
testes de aptidão profissional avaliam as habilidades e conhecimentos
necessários para uma determinada profissão ou área de atuação. Esses
testes podem incluir perguntas sobre conhecimentos técnicos, raciocínio
lógico, habilidades interpessoais e outros aspectos relevantes para o
trabalho em questão.

Os testes de habilidades acadêmicas, como o SAT (Scholastic Assessment

Test) e o ACT (American College Testing), avaliam a capacidade dos
estudantes de lidar com tarefas acadêmicas, como leitura, escrita e
matemática. Esses testes são frequentemente usados como parte do
processo de admissão em universidades e faculdades.

Os testes de habilidades específicas, como o TOEFL (Test of English as a

Foreign Language) e o IELTS (International English Language Testing
System), avaliam a proficiência em um idioma estrangeiro. Esses testes
são frequentemente usados para determinar a aptidão de um candidato
para trabalhar em um ambiente onde o idioma é necessário, ou para
avaliar a capacidade de um estudante de lidar com cursos ministrados
em um idioma diferente do seu idioma nativo.

Os testes psicológicos são uma ferramenta valiosa na psicometria para

avaliar habilidades, traços de personalidade e outras características
psicológicas em uma variedade de contextos. Os testes psicológicos
devem ser administrados e interpretados por profissionais qualificados e
éticos para garantir que as medidas sejam precisas e úteis.
 RESUMO DO CAPÍTULO

Qual a sua impressão acerca do que foi discutido neste capítulo? Você
conseguiu absorver as informações aqui explicitadas e aumentar os seus
conhecimentos a respeito dos temas abordados? Para revisarmos o tema
de estudo deste capítulo, vamos resumir o que foi discutido. A psicometria
é uma área da psicologia que se dedica à medição e avaliação de
fenômenos psicológicos, utilizando técnicas estatísticas e matemáticas
para desenvolver testes psicométricos que permitem medir habilidades,
traços de personalidade e outras características psicológicas. Desde seus
primórdios com os primeiros testes de inteligência de Binet e Simon até os
avanços recentes na teoria da resposta ao item e análise fatorial, a
psicometria evoluiu significativamente e se tornou uma ferramenta
essencial para a avaliação em uma ampla variedade de contextos, como
educação, negócios, clínica e governo. Ao longo da história, a psicometria
tem sido influenciada por teorias e pensadores de várias áreas, incluindo a
filosofia, a estatística e a psicologia. Desde a teoria da inteligência geral de
Spearman, que propôs a existência de uma capacidade cognitiva única
subjacente a todas as habilidades intelectuais. Apesar dos desafios
enfrentados pela psicometria, a área continua a ser um campo de
pesquisa e prática importante para a psicologia e outras disciplinas
relacionadas. Os avanços tecnológicos e metodológicos têm
impulsionado a evolução e melhoria dos testes psicométricos,
tornando-os mais precisos e confiáveis. A psicometria continuará a
desempenhar um papel vital na avaliação psicológica e no avanço da
compreensão das habilidades e características humanas. Esperamos que
você esteja contente com tudo o que aprendeu, no capítulo seguinte
estão presentes mais conceitos e discussões importantes acerca da
Psicometria.
CAPÍTU LO 2

Teorias da Medida
OBJETIVO: Ao término deste capítulo você será capaz de entender as
teorias da medida, os conceitos básicos de conjunto, conjunto disjunto,
convergência e limite. Além disso, você compreenderá quais são os
principais axiomas que fundamentam a base das teorias da medida. E
então? Vamos lá? Avante!

2.1 Ciência e Matemática

A teoria da medida é um ramo importante da matemática que se dedica ao

estudo de como medir e comparar grandezas. A teoria da medida é usada
em diversas áreas, como física, estatística, engenharia e economia, entre
outras. Neste texto, vamos explorar a teoria da medida em profundidade,
abordando seus conceitos fundamentais, suas aplicações e sua relação
com outras áreas do conhecimento.

Para compreender a teoria da medida, é preciso primeiro entender alguns

conceitos fundamentais, como o de medida, conjunto e função. Medida,
conjunto e função são conceitos fundamentais em matemática, e estão
inter-relacionados de várias formas.

A medida é um conceito que permite atribuir um número que representa a

"quantidade" ou a "magnitude" de um objeto, um conjunto ou uma região.
Existem diversas medidas em matemática, como a medida de
comprimento, de área, de volume, de massa, entre outras. Cada uma dessas
medidas tem suas próprias unidades de medida, como metros, centímetros,
quilogramas, entre outras.

Os conjuntos, por sua vez, são coleções de objetos matemáticos que

compartilham alguma característica em comum. Os conjuntos podem ser
finitos ou infinitos, e seus elementos podem ser números, símbolos, outras
coleções de objetos, entre outros. Os conjuntos são frequentemente
representados por meio de diagramas de Venn, que permitem visualizar a
relação entre os elementos do conjunto.

A função, por sua vez, é uma regra que associa cada elemento de um
conjunto de partida (conhecido como domínio) a um único elemento de
um conjunto de chegada (conhecido como contradomínio). As funções
são usadas para descrever relações entre grandezas ou variáveis, e são
representadas por meio de uma fórmula matemática ou de um gráfico.

Os conceitos de medida, conjunto e função estão relacionados de

diversas formas em matemática. Por exemplo, a medida de um conjunto
pode ser vista como uma função que associa um número (a medida) a
cada conjunto. Da mesma forma, a medida de um objeto em três
dimensões pode ser vista como uma função que associa um número (o
volume) a cada objeto.

Além disso, as funções são frequentemente usadas para definir medidas

em matemática. Por exemplo, a medida de comprimento pode ser
definida como a integral de uma função que descreve a curva a ser
medida. Da mesma forma, a medida de área pode ser definida como a
integral de uma função que descreve a superfície a ser medida.

Por fim, os conjuntos são frequentemente usados como o domínio ou o

contradomínio de funções. Por exemplo, uma função que descreve a
relação entre a idade e a altura de uma população pode ter como
domínio o conjunto dos valores de idade possíveis (por exemplo, de 0 a 100
anos) e como contradomínio o conjunto dos valores de altura possíveis
(por exemplo, de 0 a 3 metros).

Além dos conceitos, é importante que se conheça as aplicações dos

conceitos e a forma como os conceitos se relacionam. A medida de um
conjunto pode ser definida por uma função de medida, que atribui um
número a cada conjunto de acordo com um critério específico. Por
exemplo, a medida de um intervalo de números pode ser definida como a
diferença entre o maior e o menor número do intervalo.

Existem diferentes tipos de medida, dependendo do tipo de conjunto que

se deseja medir. Alguns dos tipos mais comuns são:
o Medida de Lebesgue: usada para medir conjuntos de números reais.
Essa medida é baseada na noção de comprimento, área e volume.
o Medida de probabilidade: usada para medir conjuntos em que cada
elemento tem uma probabilidade associada. Essa medida é usada em
estatística e teoria da probabilidade.
o Medida de contagem: usada para medir conjuntos finitos ou infinitos
contáveis. Essa medida é baseada na ideia de contagem dos elementos
do conjunto.
o Medida de Hausdorff: usada para medir conjuntos de dimensão
fractal. Essa medida é baseada na ideia de que um conjunto de dimensão
fractal pode ser medido de diferentes maneiras, dependendo do grau de
detalhe que desejamos.

A teoria da medida tem aplicações em diversas áreas, algumas das quais

são:
o Física: a teoria da medida é usada em física para medir grandezas
como velocidade, aceleração, energia e momento.
o Estatística: a teoria da medida é usada em estatística para medir a
probabilidade de eventos e para construir modelos estatísticos.
o Engenharia: a teoria da medida é usada em engenharia para medir
grandezas físicas como temperatura, pressão, força e fluxo.
o Economia: a teoria da medida é usada em economia para medir o
valor de bens e serviços, para analisar tendências de consumo e para
avaliar o impacto de políticas econômicas.

Outras aplicações incluem a teoria da informação, a teoria das

probabilidades, a teoria dos sistemas dinâmicos e a geometria fractal.
Além disso, a teoria da medida tem ligações estreitas com outras áreas do
conhecimento, como a psicometria.

A teoria da medida é uma importante ferramenta para a psicometria, que

é a área da psicologia que se dedica à mensuração de características
psicológicas, como inteligência, personalidade e habilidades. A
psicometria usa a teoria da medida para desenvolver instrumentos de
avaliação, como testes psicológicos, questionários e escalas de avaliação.

A teoria da medida aplicada à psicometria busca estabelecer a validade

e a confiabilidade desses instrumentos. A validade se refere à capacidade
de medir o que se propõe medir, ou seja, se o instrumento é adequado
para avaliar a característica psicológica em questão. A confiabilidade, por
sua vez, se refere à consistência dos resultados obtidos pelo instrumento
ao longo do tempo e em diferentes contextos.

A teoria da medida também é usada na psicometria para definir escalas

de medida adequadas para as características psicológicas em questão.
Existem quatro tipos de escalas de medida: nominal, ordinal, intervalar e de
razão. A escolha da escala adequada depende da natureza da
característica psicológica que está sendo avaliada e dos objetivos da
avaliação.

Além disso, a teoria da medida é usada para analisar os dados obtidos a

partir desses instrumentos de avaliação. A análise dos dados permite
avaliar a consistência interna dos itens do instrumento, bem como a
relação entre as diferentes características psicológicas avaliadas.

Em resumo, a teoria da medida é uma ferramenta fundamental para a

psicometria, pois permite desenvolver e avaliar instrumentos de avaliação
psicológica com maior rigor e precisão. A aplicação adequada da teoria
da medida na psicometria é essencial para garantir a qualidade dos
resultados obtidos a partir desses instrumentos e para garantir que as
conclusões baseadas nesses resultados sejam válidas e confiáveis.

2.2 A Natureza da Medida

A medida é um conceito fundamental em diversas áreas do

conhecimento, desde a física e a matemática até a psicologia e as
ciências sociais. A natureza da medida envolve questões como o que é
medido, como é medido, como é interpretado e como é usado.

Em sua essência, a medida é uma tentativa de atribuir números a objetos,

fenômenos ou características que possam ser quantificadas ou
comparadas. Por exemplo, a temperatura pode ser medida em graus
Celsius ou Fahrenheit, a distância pode ser medida em metros ou
quilômetros, a intensidade de uma emoção pode ser medida em uma
escala de zero a dez, e assim por diante.

A medida envolve duas etapas principais: a escolha da unidade de

medida e a atribuição de um valor numérico.

A escolha da unidade de medida é um aspecto fundamental em qualquer

processo de medição. A unidade de medida é a referência utilizada para
expressar quantitativamente uma característica ou grandeza. Por
exemplo, a temperatura pode ser medida em Celsius, Fahrenheit ou Kelvin,
e a massa pode ser medida em gramas, quilogramas ou libras. A escolha
da unidade de medida pode ter um impacto significativo na interpretação
dos resultados obtidos e na aplicação das medidas em diferentes
contextos.

Uma das principais considerações ao escolher a unidade de medida é a

conveniência e a simplicidade. A unidade de medida deve ser fácil de
entender, de aplicar e de comparar com outras medidas semelhantes. Por
exemplo, a escolha do metro como unidade de medida de comprimento é
conveniente porque é fácil de visualizar e comparar com outras medidas
de comprimento, como o centímetro ou o quilômetro. Da mesma forma, a
escolha do segundo como unidade de medida de tempo é conveniente
porque é fácil de comparar com outras medidas de tempo, como minutos,
horas e dias.

Outra consideração importante é a precisão da unidade de medida. A

unidade de medida deve ser suficientemente precisa para refletir a
precisão dos instrumentos de medição utilizados. Por exemplo, a escolha
do milímetro como unidade de medida de comprimento é mais precisa do
que a escolha do centímetro, pois reflete a precisão dos instrumentos de
medição que podem medir diferenças muito pequenas de comprimento.

A escolha da unidade de medida também pode ser influenciada por

fatores culturais, históricos e sociais. Por exemplo, a escolha do sistema
métrico como sistema de medidas é amplamente utilizada em todo o
mundo, mas ainda há países que utilizam o sistema imperial de medidas.
A escolha da unidade de medida pode ter implicações econômicas,
políticas e comerciais, e a adoção de um sistema de medidas pode ser
influenciada por fatores como o histórico colonial, as relações comerciais
e a geopolítica.

Por fim, a escolha da unidade de medida é importante para a

representação do que se deseja medir. Por exemplo, a escolha da unidade
de medida pode afetar a comparação de resultados entre diferentes
estudos e pesquisas. A padronização da unidade de medida é
fundamental para garantir a comparabilidade dos resultados e a validade
dos instrumentos de medição.

A escolha da unidade de medida é um aspecto fundamental em qualquer

processo de medição. A unidade de medida é a referência utilizada para
expressar quantitativamente uma característica ou grandeza. Por
exemplo, a temperatura pode ser medida em Celsius, Fahrenheit ou Kelvin,
e a massa pode ser medida em gramas, quilogramas ou libras.

A atribuição de um valor numérico é um processo essencial em qualquer

medição. Através desse processo, é possível quantificar uma grandeza ou
característica de interesse, permitindo que possamos comparar e analisar
os resultados obtidos.

A atribuição de um valor numérico começa com a escolha de uma

unidade de medida, como já discutido anteriormente. Em seguida, é
necessário utilizar um instrumento de medição adequado para obter o
valor numérico correspondente à grandeza que está sendo medida. O
valor obtido pode ser representado por um número inteiro, decimal ou
fracionário, dependendo da precisão do instrumento de medição e da
escala escolhida.

A precisão da atribuição de um valor numérico está diretamente

relacionada à precisão do instrumento de medição utilizado. Por exemplo,
se estamos medindo a temperatura de um líquido e o termômetro
utilizado tem uma precisão de 0,1 graus Celsius, o valor atribuído terá uma
precisão de 0,1 graus Celsius. Se o termômetro utilizado tivesse uma
precisão de 0,01 graus Celsius, o valor atribuído teria uma precisão maior.

Outro aspecto importante na atribuição de um valor numérico é a escolha

da escala utilizada. A escala pode ser linear, como no caso da escala de
temperatura Celsius, ou logarítmica, como no caso da escala de pH. A
escolha da escala pode ter um impacto significativo na interpretação dos
resultados obtidos e na aplicação das medidas em diferentes contextos.

A atribuição de um valor numérico também pode estar sujeita a erros.

Erros podem ser causados por uma variedade de fatores, incluindo a
imprecisão do instrumento de medição, a interferência de fatores
externos, a falta de calibração do instrumento, entre outros. É importante
reconhecer a existência de erros e minimizá-los através do uso de
instrumentos de medição adequados e da realização de várias medições
para obter uma média mais precisa.

A natureza da medida também envolve questões relacionadas à validade

e à confiabilidade das medidas. A validade se refere à capacidade da
medida de medir o que se propõe medir. Por exemplo, um teste de
inteligência é válido se realmente mede a inteligência e não outras
características, como a personalidade. Já a confiabilidade se refere à
consistência dos resultados obtidos por meio da medida. Um teste de
inteligência é confiável se os resultados obtidos pelos mesmos indivíduos
em diferentes momentos são consistentes.

Além disso, a natureza da medida envolve questões relacionadas à

interpretação dos resultados obtidos. Por exemplo, a medida de uma
característica pode ser interpretada como um valor absoluto (como a
medida de uma distância) ou como um valor relativo (como a medida da
posição de um objeto em relação a um ponto de referência). A
interpretação dos resultados podem variar dependendo do contexto em
que a medida é usada e dos objetivos da análise.

A natureza da medida também envolve questões relacionadas à

aplicação das medidas. As medidas são frequentemente usadas para
tomar decisões em diferentes áreas do conhecimento, como a medicina,
a educação, o mercado financeiro, entre outras. No entanto, é importante
ter em mente que as medidas são apenas uma representação numérica
de uma característica complexa, e que sua interpretação deve ser feita
com cuidado para evitar interpretações equivocadas ou uso indevido.

A natureza da medida envolve uma série de problemas relacionados à

representação, unicidade e erro. Esses problemas são comuns em
diferentes áreas do conhecimento, como a física, a matemática, a
psicologia, entre outras.

O problema da representação surge quando se tenta medir uma

característica que não pode ser diretamente observada. Por exemplo, a
inteligência não pode ser medida diretamente, mas é inferida a partir de
testes padronizados que supostamente refletem habilidades cognitivas.
No entanto, a medida da inteligência pode ser afetada por fatores como a
cultura, a educação e o contexto social, o que torna a representação da
inteligência complexa e controversa.

O problema da unicidade surge quando se tenta medir uma característica

que pode ser medida de diferentes maneiras. Por exemplo, a intensidade
de uma emoção pode ser medida em uma escala de zero a dez, ou em
uma escala de baixa, média e alta intensidade. Cada uma dessas escalas
pode fornecer informações diferentes sobre a emoção, o que torna a
escolha da medida mais complexa.

O problema do erro surge quando se tenta medir uma característica que

é afetada por diferentes fontes de variação. Por exemplo, a medida da
altura pode ser afetada pela variação na postura, na posição dos pés, no
uso de sapatos, entre outros fatores. Esses fatores podem gerar erros na
medida da altura, o que torna a interpretação dos resultados mais difícil.
A natureza da medida também envolve a questão da precisão versus
exatidão. A precisão se refere à proximidade entre os valores obtidos em
uma medida repetida, enquanto a exatidão se refere à proximidade entre
o valor medido e o valor verdadeiro da característica. Por exemplo, um
termômetro pode ser preciso se medir a mesma temperatura várias vezes
com valores semelhantes, mas pode não ser exato se a temperatura
medida estiver muito distante da temperatura real.

Outro aspecto importante da natureza da medida é a validade e a

confiabilidade da medida. A validade se refere à medida em que a
medida realmente mede o que se propõe medir. Por exemplo, um teste de
personalidade é válido se realmente mede a personalidade e não outras
características, como a inteligência. Já a confiabilidade se refere à
consistência dos resultados obtidos por meio da medida. Um teste de
personalidade é confiável se os resultados obtidos pelos mesmos
indivíduos em diferentes momentos são consistentes.

2.3 Base Axiomática da Medida

A base axiomática da medida é composta por três axiomas fundamentais

que foram estabelecidos pelo matemático russo Andrei Kolmogorov em
sua obra "Foundations of the Theory of Probability" em 1933. Esses axiomas
fornecem a base matemática para a teoria da medida e são a fundação
para a construção de uma teoria consistente e rigorosa sobre a medição
de conjuntos. Para entender os axiomas, é necessário elucidar alguns
conceitos conforme apresentados abaixo.

• Sequência de números:
Uma sequência de números é uma lista infinita de números, geralmente
organizada em uma ordem específica. Cada número na sequência é
chamado de termo, e a posição na lista é chamada de índice. Por exemplo,
a sequência de números {1, 2, 3, 4, 5, ...} é uma sequência infinita de
números naturais, em que cada termo é o número seguinte ao termo
anterior.

Existem diferentes tipos de sequências de números, dependendo das

propriedades dos seus termos. Algumas sequências são definidas por
uma fórmula explícita que permite calcular cada termo, como a
sequência dos números pares {2, 4, 6, 8, 10, ...}, em que cada termo é dado
por 2n, em que n é o índice do termo.
Outras sequências são definidas por uma relação de recorrência, em que
cada termo depende dos termos anteriores, como a sequência de
Fibonacci {0, 1, 1, 2, 3, 5, 8, 13, 21, ...}, em que cada termo é a soma dos dois
termos anteriores.

As sequências de números são importantes em várias áreas da

matemática e têm aplicações em ciências naturais, computação e outras
áreas. Por exemplo, a sequência de números pode ser usada para
modelar padrões em dados, para resolver problemas de otimização e
para descrever as propriedades de funções matemáticas. Além disso, as
sequências de números são frequentemente usadas em cálculo e análise,
em que são estudadas propriedades como a convergência, a divergência
e a continuidade.

• Conjunto:
Em matemática, um conjunto é uma coleção bem definida e não
ordenada de objetos, chamados de elementos. Esses objetos podem ser
números, letras, símbolos, outros conjuntos, entre outros. A ideia
fundamental por trás do conceito de conjunto é agrupar objetos com
características semelhantes em uma única entidade matemática.

Os conjuntos são representados por meio de chaves { } que contêm uma

lista dos elementos separados por vírgulas. Por exemplo, o conjunto de
números inteiros positivos menores que 10 pode ser representado por {1, 2,
3, 4, 5, 6, 7, 8, 9}. Alguns conjuntos importantes na matemática incluem o
conjunto dos números naturais, dos números inteiros, dos números
racionais, dos números reais e dos números complexos.

Existem várias operações que podem ser realizadas com conjuntos, como
união, interseção, diferença, complemento, entre outras.

• A união de dois conjuntos A e B é um novo conjunto que contém todos os

elementos de A e de B, denotado por A B.
∩

• A interseção de dois conjuntos A e B é um novo conjunto que contém

apenas os elementos que pertencem a ambos os conjuntos, denotado por
A ∩ B.
• A diferença entre dois conjuntos A e B é um novo conjunto que contém
todos os elementos de A que não pertencem a B, denotado por A - B.
• O complemento de um conjunto A em relação a um conjunto universo U
é um novo conjunto que contém todos os elementos de U que não
pertencem a A, denotado por A'.
Na Figura 1 está apresentado um exemplo de interseção de dois conjuntos.
Sejam os conjuntos: A = {1, 2, 3, 4, 5} e B = {4, 5, 6, 7, 8}, o conjunto interseção
entre A e B é dado pelos elementos comuns aos dois conjuntos.

Figura 1: Interseção de conjuntos. Fonte: Autor (2023).

O conceito de conjunto é fundamental para a construção de toda a

matemática moderna, desde a teoria dos conjuntos até a geometria, a
análise e a álgebra. A teoria dos conjuntos é a base da matemática
moderna e fornece uma estrutura rigorosa para a definição de números,
funções, relações e outros objetos matemáticos. O estudo dos conjuntos é
essencial para várias áreas da matemática aplicada, como a estatística, a
teoria da probabilidade, a teoria dos grafos, a teoria da computação, entre
outras.

• Conjunto disjunto:
Dois conjuntos A e B são disjuntos quando não têm elementos em comum.
Matematicamente, isso significa que a interseção entre A e B é um
conjunto vazio, ou seja, A ∩ B =

Por exemplo, considere os conjuntos A = {1, 2, 3} e B = {4, 5, 6}. Esses

conjuntos são disjuntos, porque não possuem nenhum elemento em
comum. A interseção entre A e B é vazia, ou seja, A ∩ B =

Na Figura 2 está apresentado um exemplo de conjunto disjunto, em que

dois conjuntos A = {1, 2, 3, 4, 5} e B = {6, 7, 8, 9, 10} não possuem elementos
comuns aos dois conjuntos, sem a sua interseção o conjunto vazio.

Figura 2: Conjunto disjunto. Fonte: Autor (2023).

Os conjuntos disjuntos são importantes em várias áreas da matemática.
Por exemplo, na teoria da probabilidade, na geometria, na álgebra e em
diversos outros estudos.

• Limite:
O conceito de limite é fundamental em matemática e é usado em vários
ramos, como análise matemática, cálculo diferencial e integral, teoria da
probabilidade, entre outros. O limite é uma noção que permite descrever o
comportamento de uma função à medida que sua variável independente
se aproxima de um determinado valor. Intuitivamente, podemos pensar no
limite como o valor para o qual uma função se "aproxima" à medida que
sua variável independente se aproxima de um determinado ponto.

Formalmente, dizemos que o limite de uma função f(x) quando x se

aproxima de um ponto c é L, se para qualquer número positivo ε, existe um
número positivo δ tal que |f(x) - L| < ε sempre que 0 < |x - c| < δ. Esse conceito
pode ser expresso matematicamente da seguinte forma:
lim x → c f(x) = L

Onde "lim" significa "limite", x é a variável independente, c é o ponto para o

qual x se aproxima, f(x) é a função, e L é o limite.

O conceito de limite também é usado para definir a continuidade das

funções. Dizemos que uma função f(x) é contínua em um ponto c se f(c)
existe, e se o limite de f(x) quando x se aproxima de c é igual a f(c). Em
outras palavras, uma função é contínua em um ponto se ela não tem
"saltos" ou "descontinuidades" nesse ponto.

O conceito de limite é fundamental para o desenvolvimento do cálculo

diferencial e integral, que é usado em várias áreas da matemática e da
física. Por exemplo, o cálculo é usado para calcular a velocidade
instantânea de um objeto em movimento, a taxa de variação de uma
função, a área sob uma curva, entre outros.

• Convergência:
Convergência é um conceito importante em matemática que se refere ao
comportamento de uma sequência de números à medida que seus
termos se aproximam cada vez mais de um determinado valor, chamado
limite. Em outras palavras, uma sequência converge se seus termos se
aproximam de um valor específico à medida que o índice dos termos
aumenta indefinidamente.
Formalmente, uma sequência {an} converge para um limite L se, para
qualquer valor positivo ɛ, existe um número natural N tal que, para todo n
maior que N, a diferença entre an e L é menor do que ɛ. Esse conceito pode
ser expresso matematicamente da seguinte forma:

para todo ɛ > 0, existe um número natural N tal que, para todo n > N, |an - L|
< ɛ.

Isso significa que, à medida que o índice n se aproxima do infinito, a

diferença entre os termos da sequência e o limite L se torna cada vez
menor.

As sequências que não convergem são chamadas de divergentes. Essas

sequências podem não ter um limite específico, ou podem ter limites
infinitos ou negativos.

A convergência é importante em várias áreas da matemática, como

cálculo, análise, teoria da probabilidade e estatística. Por exemplo, a
convergência de sequências é usada para definir a continuidade de
funções e para calcular integrais. Na teoria da probabilidade e na
estatística, a convergência é usada para definir os limites de distribuições
e para estimar parâmetros de modelos.

Após conceituados os termos importantes, pode-se tratar dos axiomas.

• Primeiro axioma:
O primeiro axioma da medida estabelece que a medida de um conjunto A
deve ser um número real não negativo. Isso significa que a medida de A
não pode ser menor que zero e só pode assumir valores iguais ou maiores
que zero. Em termos matemáticos, o axioma é expresso como m(A) >= 0.

Esse axioma é fundamental porque estabelece uma restrição importante

sobre o que pode ser considerado uma medida. Uma medida que assume
valores negativos não faria sentido, pois a medida de um conjunto deve
sempre ser uma quantidade que representa algo positivo ou neutro,
nunca algo negativo.

Além disso, a medida deve ser sempre consistente com a intuição de que
um conjunto não pode ter uma "medida negativa". Por exemplo, a medida
de um conjunto que representa a população de uma cidade não pode ser
negativa, pois isso não faria sentido do ponto de vista da realidade.
Por fim, é importante notar que o primeiro axioma não estabelece que a
medida de um conjunto deve ser necessariamente positiva, apenas não
negativa. Isso significa que a medida de um conjunto pode ser igual a zero,
o que acontece quando um conjunto não contém elementos. Essa
possibilidade é importante, pois permite a consideração de conjuntos
vazios na teoria da medida.

• Segundo axioma:
O segundo axioma da medida estabelece que se A e B são conjuntos
disjuntos, ou seja, que não possuem elementos em comum, então a
medida da união de A e B é igual à soma das medidas de A e B. Em termos
matemáticos, o axioma é expresso como m(A B) = m(A) + m(B), onde A e
∩

B são conjuntos disjuntos.

Esse axioma é importante porque fornece uma regra simples para calcular
a medida de conjuntos disjuntos. Ele também estabelece que a medida de
um conjunto é aditiva, ou seja, que a medida da união de dois conjuntos
disjuntos é igual à soma das medidas desses conjuntos. Essa propriedade
de aditividade é essencial para o desenvolvimento da teoria da medida.

Para entender a importância do segundo axioma, é possível considerar um

exemplo simples. Suponha que queremos medir a área de um retângulo e
sabemos que ele pode ser dividido em dois retângulos menores, A e B, que
não possuem área em comum. Se soubermos as medidas de A e B,
podemos utilizar o segundo axioma para calcular a medida da união
desses dois conjuntos, que corresponde à medida do retângulo original.

O segundo axioma também estabelece que a medida de um conjunto

vazio é igual a zero, o que faz sentido intuitivamente, já que um conjunto
vazio não possui elementos. Isso é importante porque permite a
consideração de conjuntos vazios na teoria da medida, sem que isso afete
a consistência da medida.

• Terceiro axioma:
O terceiro axioma da medida é conhecido como o axioma da
continuidade e estabelece uma propriedade importante sobre a medida
de conjuntos. Ele afirma que se uma sequência de conjuntos A1, A2, A3, ..., é
uma sequência crescente de conjuntos (ou seja, A1 está contido em A2,
que está contido em A3, e assim por diante), então a medida da união
desses conjuntos é igual ao limite da medida de cada conjunto na
sequência. Em termos matemáticos, o axioma é expresso como m( Ai) =
∩
lim m(Ai), onde i tende a infinito.

Esse axioma é importante porque estabelece uma propriedade de

continuidade para a medida de conjuntos. Isso significa que pequenas
mudanças nos conjuntos não podem causar grandes mudanças na
medida da união desses conjuntos. Por exemplo, se tivermos uma
sequência de conjuntos que representam uma área, como um conjunto
de retângulos que cobrem essa área, o axioma da continuidade
estabelece que a medida da união desses retângulos não pode ter
variações bruscas se adicionarmos ou removermos um ou alguns deles.

Esse axioma também é importante porque permite a definição de

medidas para conjuntos infinitos. Por exemplo, se tivermos uma sequência
de conjuntos que incluem todos os números racionais em um intervalo,
podemos utilizar o axioma da continuidade para definir a medida desse
conjunto infinito.

É importante notar que o axioma da continuidade não se aplica a

sequências decrescentes de conjuntos. Isso ocorre porque a medida da
interseção de conjuntos pode ser diferente da interseção das medidas dos
conjuntos. Portanto, para sequências decrescentes de conjuntos, é
necessário utilizar o complemento dos conjuntos para garantir a
propriedade da continuidade.

Esses três axiomas são a base para a construção da teoria da medida e

fornecem as propriedades fundamentais da medida. Eles permitem que
os matemáticos trabalhem com conjuntos e suas medidas de forma
rigorosa e precisa, permitindo a aplicação da teoria da medida em
diversas áreas do conhecimento, como a física, a estatística, a teoria da
probabilidade, entre outras.

A partir desses axiomas, é possível derivar outras propriedades

importantes da medida, como a monotonicidade, que estabelece que se
A B, então m(A) ≤ m(B), e a subaditividade, que afirma que se A1, A2, ..., An
∩

são conjuntos quaisquer, então m(A1 U A2 U ... U An) ≤ m(A1) + m(A2) + ... +
m(An).

Em resumo, a base axiomática da medida é fundamental para a

construção de uma teoria rigorosa e consistente sobre a medição de
conjuntos. Os três axiomas estabelecidos por Kolmogorov fornecem as
propriedades fundamentais da medida e permitem que os matemáticos
Em resumo, a base axiomática da medida é fundamental para a
construção de uma teoria rigorosa e consistente sobre a medição de
conjuntos. Os três axiomas estabelecidos por Kolmogorov fornecem as
propriedades fundamentais da medida e permitem que os matemáticos
trabalhem com conjuntos e suas medidas de forma precisa e rigorosa,
possibilitando a aplicação da teoria da medida em diversas áreas do
conhecimento.

RESUMO DO CAPÍTULO

O que você achou do que foi discutido neste capítulo? Para recapitular
tudo que foi discutido, vamos fazer um resumo dos assuntos abordados. O
tópico central deste capítulo foram as teorias da medida, que são parte
importante da matemática e da estatística. Elas se preocupam em medir
a magnitude ou o tamanho de um conjunto de elementos ou eventos. As
teorias da medida fornecem as ferramentas matemáticas para
quantificar e comparar informações em várias áreas, como física,
economia, psicologia, entre outras. Foi discutido sobre a escolha da
unidade de medida e como ela é importante na teoria da medida, pois a
medida pode ser expressa em várias unidades diferentes. Além disso, foi
destacada a importância de entender o conceito de atribuição de um
valor numérico, que permite a medição de quantidades usando números.
Também foram discutidos os conceitos de conjuntos, os quais são muito
importantes para a aplicação das teorias da medida. Destacou-se a
importância do conceito do conjunto disjunto, que se refere a conjuntos
que não possuem elementos em comum. A noção de sequência de
números também é importante, pois ela é usada para descrever
conjuntos ordenados de números. Os conceitos de convergência e limite
também foram elucidados, visto que são fundamentais nas teorias da
medida, pois eles permitem descrever o comportamento de uma função
à medida que sua variável independente se aproxima de um determinado
valor. Por fim, foi destacado que base das teorias é formada por três
axiomas fundamentais, que estabelecem as regras para a medição de
conjuntos: o primeiro axioma estabelece que a medida de um conjunto
deve ser um número real não negativo; o segundo axioma afirma que a
medida de conjuntos disjuntos é igual à soma das medidas individuais de
cada conjunto; e o terceiro axioma, conhecido como o axioma da
continuidade, estabelece que se um conjunto é uma união crescente de
conjuntos cada vez menores, então a medida desse conjunto é igual ao
limite das medidas dos subconjuntos. A teoria da medida é uma
ferramenta fundamental para a quantificação de informações em várias
áreas e é uma parte importante da matemática e da estatística. Vamos
adiante? Teremos novos conceitos e aprendizados no próximo capítulo.
CAPÍTU LO 3

Caracterização e
História da Psicometria
OBJETIVO: Ao término deste capítulo você será capaz de entender o que
são modelos psicométricos e quais são as bases dos modelos existentes.
Além disso, você aprenderá os conceitos das teorias, bem como as suas
diferenças. As teorias destacadas neste capítulo são a teoria clássica dos
testes, a teoria de resposta ao item e a análise fatorial. E então? Vamos lá?
Avante!

3.1 Teoria Clássica dos Testes

A teoria clássica dos testes psicométricos é uma abordagem para avaliar e

mensurar características psicológicas e comportamentais por meio de
testes.

A teoria clássica dos testes psicométricos tem uma longa história e foi
desenvolvida ao longo do século XX por psicólogos como Charles
Spearman, Louis Thurstone e Raymond Cattell. O modelo de Spearman
propõe que a inteligência é composta por um único fator geral, enquanto
Thurstone argumentou que a inteligência é composta por sete fatores
distintos.

Cattell, por sua vez, desenvolveu uma teoria de inteligência baseada em

múltiplas habilidades, que ele chamou de teoria da inteligência fluida e
cristalizada. Essa teoria propõe que a inteligência fluida é a capacidade de
aprender e adaptar-se rapidamente a novas situações, enquanto a
inteligência cristalizada é o conhecimento acumulado ao longo do tempo.

Essas teorias influenciaram o desenvolvimento da teoria clássica dos testes

psicométricos, que é amplamente utilizada para avaliar a inteligência, a
personalidade, as habilidades cognitivas e outras características
psicológicas. Para compreender a teoria clássica da psicometria, é
necessário que se conheça alguns conceitos importantes que estão
descritos a seguir.
 • Escores brutos:
Em psicometria, os escores brutos são um dos principais tipos de medida
usados para avaliar a habilidade ou o desempenho de um indivíduo em um
teste ou avaliação. Eles são obtidos pela simples soma ou contagem dos
pontos ou acertos em um teste, sem levar em conta qualquer tipo de
correção ou ajuste.

Os escores brutos são frequentemente usados como uma medida inicial de

desempenho ou habilidade em um teste, antes de serem transformados em
outras medidas mais sofisticadas, como os escores padronizados ou os
escores z. Essas transformações são importantes porque podem ajudar a
comparar o desempenho de indivíduos em diferentes testes ou mesmo em
diferentes versões do mesmo teste.

Por exemplo, imagine que um teste tem um total de 50 questões e que cada
questão vale um ponto. Um indivíduo que acerta 40 questões terá um escore
bruto de 40 pontos. No entanto, se outro indivíduo acerta apenas 20
questões, seu escore bruto será de 20 pontos. Embora esses escores brutos
possam indicar diferenças significativas no desempenho dos indivíduos,
eles ainda não podem ser comparados diretamente entre si, pois não levam
em conta fatores como a dificuldade das questões do teste.

Os escores brutos também são úteis para a análise de dados em

psicometria. Eles podem ser usados para calcular várias estatísticas
descritivas, como a média, o desvio padrão e o intervalo de confiança, que
podem ajudar a avaliar a consistência e a qualidade do teste. Por exemplo,
se a média de escores brutos em um teste for muito baixa, isso pode indicar
que o teste é muito difícil ou que os itens do teste não estão medindo a
habilidade pretendida.

Em geral, os escores brutos são uma medida simples e direta da habilidade

ou desempenho de um indivíduo em um teste. No entanto, eles são limitados
em sua capacidade de comparar o desempenho entre diferentes testes ou
mesmo entre diferentes versões do mesmo teste. Por isso, é importante
transformá-los em outras medidas mais sofisticadas, como os escores
padronizados ou os escores z, antes de realizar comparações entre
indivíduos ou grupos.

• Escores padronizados:
Em psicometria, os escores padronizados são uma forma de pontuação
utilizada para comparar o desempenho dos indivíduos em um teste com um
grupo de referência. Esses escores são derivados da transformação dos
escores brutos em uma escala com média de 100 e desvio padrão de 15,
conhecida como escala de desvio padrão.

Para calcular os escores padronizados, é necessário primeiro estabelecer

uma amostra de referência representativa da população-alvo do teste. Os
escores brutos dos participantes são então transformados em escores
padronizados com base na distribuição dos escores da amostra de
referência.

Os escores padronizados são úteis porque permitem comparar o

desempenho dos indivíduos em diferentes testes ou em diferentes versões
do mesmo teste, independentemente das diferenças nos itens do teste ou
na dificuldade dos itens. Eles também podem ser usados para avaliar a
progressão do desempenho de um indivíduo ao longo do tempo em
relação a uma norma.

Uma das vantagens dos escores padronizados é que eles fornecem uma
pontuação que é fácil de interpretar. Por exemplo, um escore padronizado
de 120 em um teste significa que o indivíduo teve um desempenho acima
da média da amostra de referência. Da mesma forma, um escore
padronizado de 80 indica um desempenho abaixo da média da amostra
de referência.

No entanto, é importante lembrar que os escores padronizados são

baseados em uma amostra de referência específica e podem não ser
representativos da população em geral. Além disso, a escolha da amostra
de referência pode afetar a interpretação dos escores padronizados.
Portanto, é importante considerar as limitações dos escores padronizados
ao interpretar os resultados de um teste psicométrico.

• Desvio padrão:
O desvio padrão é uma medida de dispersão que indica o quão distante
os valores de uma distribuição estão da média. Em outras palavras, ele
indica o quanto os valores de uma variável se afastam da média em uma
distribuição. É amplamente utilizado em estatística e em testes
psicométricos para avaliar a variabilidade dos dados.

O cálculo do desvio padrão envolve três etapas principais: primeiro,

calcula-se a média dos valores da variável em questão; em seguida,
calcula-se a diferença entre cada valor da variável e a média; finalmente,
calcula-se a raiz quadrada da soma dos quadrados dessas diferenças
dividida pelo número de valores.

O desvio padrão é frequentemente usado em conjunto com a média para

descrever a distribuição dos dados. Uma distribuição com um desvio
padrão baixo indica que os valores estão próximos da média, enquanto
uma distribuição com um desvio padrão alto indica que os valores estão
mais dispersos. Por exemplo, se a média de um conjunto de dados é 50 e
o desvio padrão é 10, isso indica que a maioria dos valores estão dentro de
um intervalo de 40 a 60.

Em testes psicométricos, o desvio padrão é frequentemente usado para

descrever a variabilidade dos escores dos indivíduos em relação a uma
norma de referência. Isso permite avaliar como o desempenho dos
indivíduos se compara com o desempenho médio da população de
referência. Por exemplo, um escore de desvio padrão de 1 indica que o
desempenho do indivíduo está um desvio padrão acima da média da
população de referência.

O desvio padrão também é importante para a interpretação dos

resultados de um teste psicométrico. Por exemplo, em testes de
inteligência, um desvio padrão de 15 é comumente usado como a unidade
de medida, o que significa que um aumento de um desvio padrão na
pontuação indica um aumento de 15 pontos no escore do teste.

A teoria clássica dos testes psicométricos se baseia em alguns

pressupostos fundamentais, como a noção de que as medidas são
precisas e estáveis e que os testes avaliam uma única dimensão da
característica psicológica. Além disso, essa teoria assume que a medida é
livre de erro.

A teoria clássica dos testes psicométricos utiliza o conceito de escores

brutos para avaliar as respostas dos indivíduos aos testes. Esses escores
são então transformados em escores padronizados, que são expressos
em termos de pontuações padronizadas, como desvios-padrão ou
percentis.

Os escores padronizados são então utilizados para determinar se um

indivíduo está acima ou abaixo da média em relação ao grupo de
referência. No entanto, a teoria clássica dos testes tem algumas
limitações, como o fato de que ela não leva em consideração a
complexidade dos comportamentos ou das habilidades que estão sendo
avaliadas, nem considera a possibilidade de múltiplas dimensões.

Além disso, a teoria clássica dos testes não fornece uma explicação clara
sobre como os itens dos testes são elaborados, o que pode levar a
problemas de validade dos testes. Esses problemas podem ser minimizados
com o uso de técnicas mais avançadas, como a teoria de resposta ao item.

Apesar da importância da teoria clássica, a noção de que as medidas são

sempre precisas e estáveis tem sido contestada ao longo do tempo,
especialmente com o surgimento da teoria da resposta ao item (TRI) e
outras abordagens mais recentes. Essas teorias sugerem que a precisão e a
estabilidade das medidas podem ser influenciadas por fatores como a
dificuldade dos itens do teste e as habilidades dos indivíduos que realizam o
teste.

Outra crítica à teoria clássica dos testes psicométricos é que ela se

concentra apenas na medida da habilidade de uma pessoa em um
determinado momento, sem levar em consideração o processo pelo qual
essa habilidade foi adquirida. Isso levou ao desenvolvimento de abordagens
mais recentes, como a teoria da aprendizagem cognitiva, que tentam
entender como as habilidades cognitivas se desenvolvem e como os testes
podem ser projetados para medir esse processo de aprendizagem.

Além disso, a teoria clássica dos testes psicométricos é frequentemente

criticada por não levar em conta fatores sociais e culturais que podem
influenciar o desempenho dos indivíduos em um teste. Por exemplo, um teste
que foi desenvolvido em um contexto cultural específico pode não ser tão
válido em outro contexto cultural, onde as habilidades e conhecimentos
valorizados podem ser diferentes.

Em resumo, a teoria clássica dos testes psicométricos é uma abordagem

importante para a medição de habilidades cognitivas, mas tem sido objeto
de críticas e limitações ao longo do tempo. Novas teorias e abordagens têm
surgido para lidar com algumas dessas limitações, mas ainda há muito a
ser feito para melhorar a precisão e a validade dos testes psicométricos.

3.2 Teoria da Resposta ao Item

A Teoria de Resposta ao Item (TRI) é uma abordagem da psicometria que
busca explicar e modelar como as pessoas respondem a itens (ou
questões) de um teste, a partir de suas características individuais. A TRI é
baseada em modelos matemáticos que relacionam as respostas dos
indivíduos a atributos latentes que eles possuem, tais como habilidade,
conhecimento ou traços de personalidade.

A TRI surgiu como uma alternativa à Teoria Clássica dos Testes, que é
baseada em pressupostos diferentes e tem limitações em sua aplicação em
diversos contextos. A TRI tem como objetivo principal superar essas
limitações, fornecendo modelos mais precisos e flexíveis para a avaliação
de indivíduos.

Uma das principais vantagens da TRI é a possibilidade de adaptação do

teste às habilidades de cada indivíduo. Isso é possível porque a TRI permite a
construção de itens com diferentes níveis de dificuldade e discriminação, o
que possibilita a obtenção de informações precisas e confiáveis sobre o
desempenho de cada pessoa.

Para entender melhor como a TRI funciona, é preciso conhecer alguns

conceitos fundamentais dessa abordagem. Dois dos principais conceitos
são o de Item Response Function (IRF) e o de Test Information Function (TIF).

• IRF:
O conceito de IRF (Item Response Function) é um elemento central na Teoria
de Resposta ao Item (TRI) dos testes psicométricos. Ele se refere à relação
entre a probabilidade de um indivíduo com determinado nível de habilidade
de responder corretamente a um item específico de um teste.

Em outras palavras, a IRF é uma curva que descreve a relação entre a

probabilidade de acerto do item e a habilidade do indivíduo em uma escala
latente. Essa relação é modelada por meio de uma função matemática que
é especificada para cada item do teste.

Existem diferentes tipos de modelos de IRF, cada um com suas próprias

características e propriedades. O modelo mais simples é o Modelo de
Resposta de Dois Parâmetros (2PL), que considera dois parâmetros para
descrever a IRF de um item: a dificuldade e a discriminação.

A dificuldade do item se refere ao nível de habilidade necessário para que

um indivíduo tenha 50% de chance de acertar o item. A discriminação do
item se refere à capacidade do item de distinguir entre indivíduos com
diferentes níveis de habilidade. Um item com alta discriminação é capaz de
diferenciar indivíduos com níveis de habilidade próximos, enquanto um item
com baixa discriminação é menos capaz de fazê-lo.

Outros modelos de IRF mais complexos incluem parâmetros adicionais,

como a possibilidade de um "acerto ao acaso" (chance de acerto mesmo
sem conhecimento prévio do conteúdo) e a inclinação da curva de
probabilidade de acerto. Esses modelos permitem uma modelagem mais
precisa da relação entre a habilidade do indivíduo e a probabilidade de
acerto do item.

Os modelos de IRF são essenciais na TRI porque permitem a estimação da

habilidade do indivíduo a partir de suas respostas em um teste. Isso é feito
por meio de um processo de estimação da habilidade a partir das respostas
do indivíduo em um conjunto de itens com IRFs conhecidas. A estimação da
habilidade é então usada para prever a probabilidade de acerto em novos
itens e para comparação de habilidades entre diferentes indivíduos.

• TIF:
O TIF (Test Information Function) é um conceito central da Teoria de Resposta
ao Item (TRI) que descreve a capacidade de um item de avaliar as
habilidades dos indivíduos em um determinado traço latente, como a
inteligência, a habilidade matemática, a criatividade, entre outros.

O TIF é uma função matemática que relaciona a habilidade latente de um

indivíduo com a probabilidade de ele responder corretamente a um item.
Geralmente, a forma do TIF é determinada pela curva de Item Response
Function (IRF) do item, que mostra a probabilidade de uma resposta correta
em função do nível de habilidade latente do indivíduo.

O TIF de um item é útil para avaliar a qualidade do item em termos de sua

capacidade de distinguir entre indivíduos com diferentes níveis de
habilidade. Quanto mais íngreme for a curva da IRF, maior será a
capacidade do item de discriminar entre indivíduos com diferentes níveis de
habilidade. Além disso, a largura da curva da IRF indica o intervalo de
habilidade em que o item é mais informativo, ou seja, onde a probabilidade
de resposta correta é mais sensível às variações na habilidade latente do
indivíduo.

O TIF também é útil para avaliar a qualidade global de um teste, pois a soma
dos TIFs dos itens de um teste é conhecida como Test Information Function
(TIF) do teste. O TIF do teste indica a capacidade do teste de avaliar com
precisão a habilidade latente dos indivíduos em uma determinada faixa de
habilidade. Quanto mais íngreme e ampla for a curva do TIF do teste, maior
será a capacidade do teste de avaliar com precisão a habilidade dos
indivíduos.

Os modelos de TRI mais utilizados são o modelo de Rasch e o modelo de dois

parâmetros de Birnbaum. O modelo de Rasch é um modelo de um
parâmetro que assume que a probabilidade de um indivíduo acertar um
item é determinada apenas pelo nível de habilidade ou atributo latente que
ele possui, e que o item não tem influência sobre a probabilidade de acerto.
Esse modelo é utilizado principalmente em testes com itens de escolha
múltipla e é muito utilizado em pesquisas em saúde e educação.

O modelo de dois parâmetros de Birnbaum, por sua vez, assume que a

probabilidade de um indivíduo acertar um item depende tanto do nível de
habilidade quanto da dificuldade e discriminação do item. Esse modelo é
utilizado em testes com itens de diferentes formatos, como itens de
verdadeiro ou falso e de resposta livre.

A aplicação da TRI em diferentes contextos, como educação, saúde,

recursos humanos e outras áreas, tem demonstrado sua eficácia e
vantagens em relação à Teoria Clássica dos Testes. A TRI possibilita a
construção de testes mais precisos, eficientes e justos, que permitem avaliar
com mais exatidão as habilidades e atributos dos indivíduos. Além disso, a
TRI é útil para a identificação de itens viesados e para a adaptação de testes
a diferentes populações e culturas.

A TRI também tem contribuído para o avanço da pesquisa em psicometria,

possibilitando a criação de modelos mais sofisticados e precisos de
mensuração. Um exemplo disso é o modelo de três parâmetros (3PL), que é
uma extensão do modelo de dois parâmetros (2PL) e que leva em conta a
dificuldade, a discriminação e o acerto casual dos itens.

No entanto, a implementação da TRI também apresenta desafios. Um dos

principais desafios é a necessidade de uma grande quantidade de dados
para estimar os parâmetros dos itens e dos indivíduos, o que pode ser um
obstáculo em contextos com amostras pequenas. Além disso, a TRI exige um
nível de conhecimento técnico e estatístico mais avançado do que a Teoria
Clássica dos Testes, o que pode limitar sua aplicação em certas áreas e
contextos.

Outro desafio é a complexidade dos modelos da TRI, que podem apresentar

dificuldades na interpretação dos resultados e na comunicação com os
usuários dos testes. Por isso, é importante que os resultados sejam
apresentados de forma clara e acessível, para que possam ser
compreendidos e utilizados de maneira adequada.

Apesar desses desafios, a TRI representa um avanço significativo na

psicometria e tem contribuído para o desenvolvimento de testes mais
precisos e confiáveis. A aplicação da TRI em diferentes contextos e áreas tem
possibilitado uma avaliação mais justa e eficiente das habilidades e
atributos dos indivíduos, contribuindo para a melhoria da educação, da
saúde, dos recursos humanos e de outras áreas. Com isso, a TRI se firma
como uma importante ferramenta para a avaliação e mensuração de
habilidades e atributos humanos.

Em resumo, a IRF é uma função matemática que descreve a relação entre a

habilidade do indivíduo e a probabilidade de acerto em um item específico
de um teste. Ela é modelada por meio de diferentes parâmetros,
dependendo do modelo de IRF utilizado.

Os modelos de IRF são fundamentais na TRI porque permitem a estimação

da habilidade do indivíduo a partir de suas respostas em um conjunto de
itens com IRFs conhecidas.

O conceito de TIF é uma ferramenta essencial para a construção e avaliação

de testes psicométricos baseados na TRI, permitindo que os psicólogos e
educadores avaliem a qualidade dos itens e dos testes, bem como a
precisão das medidas de habilidade latente dos indivíduos.

3.3 Análise Fatorial

A análise fatorial é uma técnica estatística amplamente utilizada na

psicometria para explorar a estrutura de dados multivariados,
particularmente em relação aos testes psicológicos e questionários.

A análise fatorial é uma técnica não descritiva, que não se limita a descrever
os dados, mas busca identificar padrões subjacentes e reduzir a
complexidade do conjunto de dados. Essa técnica se baseia na ideia de
que as variáveis medidas são afetadas por um número menor de variáveis
subjacentes, chamadas fatores. A análise fatorial é utilizada para
identificar esses fatores subjacentes e, em seguida, reduzir a dimensão do
conjunto de dados, agrupando as variáveis relacionadas em um único
fator. A análise fatorial pode ser exploratória ou confirmatória.

A análise fatorial exploratória é um método de análise de dados

multivariados que busca identificar a estrutura subjacente ou os fatores
que explicam a variância em um conjunto de variáveis observadas.
Diferentemente da análise fatorial confirmatória, que testa uma estrutura
teórica previamente especificada, a análise fatorial exploratória busca
identificar os fatores subjacentes a partir dos dados.

O objetivo da análise fatorial exploratória é determinar quantos fatores

subjacentes existem e quais variáveis estão mais fortemente relacionadas
com cada um desses fatores. O processo envolve a extração de fatores,
rotação dos fatores e interpretação dos resultados.

A extração de fatores envolve a aplicação de um método matemático

para identificar os fatores subjacentes. O método mais comum é a análise
de componentes principais, que busca identificar a combinação linear dos
itens que explica a maior parte da variação total. Uma vez extraídos os
fatores, é necessário rotacioná-los para facilitar a interpretação dos
resultados.

Existem diferentes métodos de rotação dos fatores, sendo os mais comuns

o método Varimax e o método Oblimin. O método Varimax busca
maximizar a variância dos coeficientes dos fatores para cada variável, o
que leva a fatores mais independentes e interpretáveis. Já o método
Oblimin permite a correlação entre fatores, o que pode ser útil em
situações em que se espera que os fatores estejam correlacionados.

A interpretação dos resultados da análise fatorial exploratória envolve a

identificação dos fatores e a interpretação dos pesos dos itens em cada
fator. É importante lembrar que a interpretação dos fatores é subjetiva e
depende do conhecimento do pesquisador sobre o construto que está
sendo estudado. Por essa razão, é comum a utilização de análises
complementares, como análises confirmatórias, para validar a estrutura
fatorial identificada pela análise exploratória.
A análise fatorial exploratória é uma técnica útil para a redução da
complexidade dos dados e para a identificação de fatores subjacentes.
Ela é amplamente utilizada em áreas como a psicologia, a educação, a
sociologia e a economia, para a validação de construtos e a construção
de escalas compostas a partir de itens individuais.

A análise fatorial confirmatória (CFA, do inglês Confirmatory Factor

Analysis) é uma técnica estatística que tem como objetivo avaliar a
adequação de um modelo de fatores previamente especificado para um
conjunto de variáveis observadas. Diferentemente da análise fatorial
exploratória, na qual o pesquisador procura identificar a estrutura
subjacente dos dados sem um modelo prévio, na CFA o pesquisador parte
de uma hipótese teórica sobre a estrutura dos fatores e testa essa
hipótese usando técnicas estatísticas.

Na CFA, o modelo de fatores é especificado em termos de variáveis

latentes (fatores) que estão subjacentes às variáveis observadas
(indicadores). O modelo é avaliado por meio de um conjunto de
estatísticas que permitem verificar se o modelo se ajusta bem aos dados
observados. O ajuste do modelo é avaliado por meio de medidas de ajuste
global, como o índice de ajuste comparativo (CFI, do inglês Comparative
Fit Index) e o índice de ajuste Tucker-Lewis (TLI, do inglês Tucker-Lewis
Index), além de medidas de ajuste local, como o erro padrão de
aproximação da raiz média quadrática (RMSEA, do inglês Root Mean
Square Error of Approximation) e o coeficiente de determinação ajustado
(ADJUSTED R2).

A CFA é amplamente utilizada na psicometria e em outras áreas da

ciência social para avaliar a validade de construto de testes e escalas. A
técnica é particularmente útil quando há uma teoria bem fundamentada
sobre a estrutura dos fatores subjacentes aos dados e quando se deseja
testar essa teoria usando técnicas estatísticas rigorosas. A CFA permite
que os pesquisadores avaliem a adequação de um modelo hipotético de
fatores e verifiquem se os dados observados estão de acordo com esse
modelo. Isso ajuda a garantir a validade dos resultados obtidos a partir de
testes e escalas psicométricas.

A análise fatorial é utilizada na psicometria para diferentes fins, como a

validação de construto, a identificação de fatores subjacentes a um
conjunto de variáveis, a redução da complexidade do conjunto de dados
e a construção de escalas compostas a partir de itens individuais. Na
validação de construto, a análise fatorial é usada para confirmar a relação
entre os itens de um teste e o construto teórico que eles supostamente
medem. A análise fatorial pode ser usada para identificar a presença de
múltiplos fatores subjacentes e para avaliar a qualidade dos itens de um
teste.

Na identificação de fatores subjacentes, a análise fatorial é utilizada para

descobrir as relações entre um conjunto de variáveis, ou seja, para
encontrar fatores latentes que explicam a variação observada nas
variáveis. Esses fatores podem ser considerados como características
subjacentes ou traços que explicam a covariância entre as variáveis. Por
exemplo, se estivermos interessados em entender as relações entre
diferentes habilidades matemáticas, poderíamos usar a análise fatorial
para identificar os fatores subjacentes que explicam a variação
observada nas habilidades.

A redução da complexidade do conjunto de dados é outra aplicação

comum da análise fatorial. Às vezes, um conjunto de dados pode ser muito
grande e complexo, tornando difícil obter informações úteis a partir dele. A
análise fatorial pode ser usada para reduzir o número de variáveis em um
conjunto de dados, agrupando as variáveis que estão relacionadas entre
si em fatores latentes.

A construção de escalas compostas a partir de itens individuais é uma

outra aplicação da análise fatorial. Por exemplo, em um questionário de
avaliação de satisfação do cliente, podemos ter uma série de perguntas
que medem diferentes aspectos da satisfação do cliente, como a
qualidade do produto, o tempo de entrega, o preço e o atendimento ao
cliente. Usando a análise fatorial, podemos identificar os fatores
subjacentes que explicam a variação nas respostas e, em seguida,
combinar as perguntas relacionadas em escalas compostas que medem
os diferentes aspectos da satisfação do cliente.

Existem vários métodos para realizar a análise fatorial, sendo o mais

comum o método de análise fatorial exploratória. Neste método, a análise
é realizada para identificar os fatores subjacentes em um conjunto de
dados, sem levar em conta nenhuma hipótese prévia sobre o número ou
natureza dos fatores. O objetivo é explorar a estrutura dos dados e
identificar as principais fontes de variação.

O processo de análise fatorial exploratória envolve várias etapas. A

primeira é a determinação do número de fatores a serem extraídos, o que
pode ser feito usando critérios estatísticos ou teóricos. Um dos critérios
estatísticos mais utilizados é o critério de Kaiser, que sugere que o número
de fatores a serem extraídos deve ser igual ao número de autovalores
maiores do que um. Outro critério comum é o critério de scree, que envolve
a inspeção do gráfico dos autovalores em ordem decrescente.

Uma vez que o número de fatores foi determinado, o próximo passo é a

extração dos fatores. Existem vários métodos para extrair os fatores, sendo
o mais comum o método da análise de componentes principais. Neste
método, os fatores são extraídos como combinações lineares das
variáveis originais que explicam a maior parte da variação total. A análise
de componentes principais é útil para a redução da complexidade do
conjunto de dados e para a identificação de fatores subjacentes a um
conjunto de variáveis.

Após a extração dos fatores, o próximo passo é a rotação dos fatores. A

rotação é importante para tornar a interpretação dos fatores mais clara e
significativa. A rotação procura reorganizar os fatores de forma a
maximizar a variância explicada por cada fator e a minimizar a correlação
entre os fatores. Existem diferentes métodos de rotação, sendo o mais
comum o método de rotação Varimax, que procura maximizar a variância
explicada por cada fator.

Após a rotação dos fatores, é feita a interpretação dos fatores e dos itens
associados a cada fator. A interpretação dos fatores pode ser realizada de
diferentes formas, dependendo do objetivo da análise fatorial. Em geral, os
fatores são interpretados com base na natureza dos itens associados a
cada fator e na teoria ou hipótese que norteou a análise.

A análise fatorial também pode ser utilizada para construir escalas

compostas a partir de itens individuais. A escala composta é uma medida
composta por vários itens que medem um construto comum. A
construção de uma escala composta pode ser realizada a partir da
análise fatorial dos itens de um teste ou questionário. A escala composta
resultante é uma medida mais confiável e válida do que cada item
individualmente.

Além da análise fatorial exploratória, também existe a análise fatorial

confirmatória. Na análise fatorial confirmatória, o pesquisador testa uma
hipótese teórica sobre a estrutura fatorial dos itens de um teste ou
questionário. Nesse tipo de análise, o pesquisador especifica a estrutura
fatorial esperada e testa essa estrutura usando um modelo estatístico. A
análise fatorial confirmatória é útil para confirmar ou refutar hipóteses
teóricas sobre a estrutura subjacente de um teste ou questionário.

RESUMO DO CAPÍTULO

Quais as suas impressões sobre o que foi discutido neste capítulo? Você
gostou dos conhecimentos adquiridos aqui? Para recapitular tudo que foi
discutido, vamos fazer um breve resumo. Neste capítulo foram discutidos
os modelos psicométricos. Modelos psicométricos são estruturas
matemáticas que ajudam a descrever e entender a relação entre
variáveis em medidas psicológicas. Eles são usados para modelar o
comportamento de indivíduos em testes e para avaliar a validade e a
confiabilidade dos resultados dos testes. Existem vários tipos de modelos
psicométricos, como a Teoria Clássica dos Testes, a Teoria de Resposta ao
Item (TRI) e a Análise Fatorial. A Teoria Clássica dos Testes é uma
abordagem mais antiga que as outras teorias. Ela considera que a
pontuação obtida em um teste é a soma da capacidade real do indivíduo
e do erro de medida. Já a Teoria de Resposta ao Item é uma abordagem
mais avançada e precisa. Ela considera que a capacidade do indivíduo é
medida por meio da probabilidade de ele responder corretamente a um
determinado item do teste, levando em consideração a dificuldade do
item e a habilidade do indivíduo. A Análise Fatorial é usada para identificar
a presença de fatores subjacentes a um conjunto de variáveis e reduzir a
complexidade do conjunto de dados. Ela permite a construção de escalas
compostas a partir de itens individuais e a validação de construtos.
Existem dois tipos de análise fatorial: exploratória e confirmatória. A
exploratória é usada para identificar fatores subjacentes a um conjunto de
variáveis, enquanto a confirmatória é usada para testar uma estrutura
fatorial pré-definida. Os modelos psicométricos são importantes para
garantir que os resultados dos testes sejam válidos e confiáveis. Eles
ajudam a entender como as variáveis medidas se relacionam e a
identificar a presença de vieses ou erros nos testes. Além disso, eles
permitem a construção de testes mais precisos e eficientes, o que é
essencial para a avaliação de habilidades e atributos dos indivíduos em
diversas áreas, como educação, saúde e recursos humanos.
CAPÍTU LO 4

Validade, Fidedignidade
e Normatização
OBJETIVO: Ao término deste capítulo você será capaz de entender os
conceitos de validade, fidedignidade e normatização na psicometria. Você
estudará sobre os principais tipos de validade e os seus métodos de
avaliação. Além disso, serão discutidos os métodos de avaliação de
fidedignidade e algumas normas de normatização E então? Vamos lá?
Avante!

4.1 Validade

A validade é uma das principais preocupações em psicometria, que é a

área da psicologia que se dedica ao estudo e desenvolvimento de testes
psicológicos. A validade de um teste refere-se à sua capacidade de medir o
que se propõe a medir, ou seja, sua capacidade de avaliar as habilidades,
traços ou características que se pretende medir. A validade é uma medida
importante porque testes inválidos podem levar a decisões equivocadas,
prejuízos para os indivíduos avaliados e para a sociedade em geral.

Neste texto, iremos discutir o conceito de validade em psicometria, os

diferentes tipos de validade que existem, como elas são avaliadas e
medidas, e como a validade pode ser melhorada no desenvolvimento e uso
de testes psicológicos.

• Conceito de Validade
O conceito de validade em psicometria pode ser entendido como a
extensão em que um teste mede aquilo que se propõe a medir. É importante
destacar que a validade não é uma característica inerente ao teste, mas sim
uma propriedade do uso do teste em determinadas situações. Por exemplo,
um teste de QI pode ser válido para avaliar o desempenho acadêmico de
crianças, mas pode não ser válido para avaliar a inteligência de pessoas
com deficiência intelectual.

A validade é uma propriedade complexa que pode ser influenciada por

muitos fatores, como a qualidade dos itens do teste, as características dos
indivíduos avaliados, o contexto em que o teste é aplicado, entre outros. Para
avaliar a validade de um teste, é necessário considerar diversos tipos de
evidências.

• Tipos de Validade
Existem diferentes tipos de validade que podem ser avaliados em um teste
psicológico. Os principais tipos de validade são:

◦ Validade de conteúdo: avalia se o conteúdo do teste representa

adequadamente o construto que se pretende medir. Para avaliar a
validade de conteúdo, é necessário verificar se os itens do teste cobrem
adequadamente as diferentes dimensões do construto e se os itens são
relevantes e representativos do construto.
◦ Validade de critério: avalia a relação entre os resultados do teste e um
critério externo que se pretende medir. Por exemplo, a validade de critério
pode ser avaliada comparando os resultados de um teste de
desempenho acadêmico com as notas obtidas pelos alunos em suas
avaliações escolares.
◦ Validade de construto: avalia a relação entre os resultados do teste e
outros construtos teóricos que se espera que estejam relacionados. Por
exemplo, a validade de construto pode ser avaliada comparando os
resultados de um teste de ansiedade com os resultados de outros testes
que medem construtos relacionados à ansiedade, como o estresse.
◦ Validade de consequência: avalia as implicações práticas das decisões
tomadas com base nos resultados do teste. Por exemplo, a validade de
consequência pode ser avaliada verificando se as decisões tomadas
com base nos resultados de um teste de seleção de pessoal estão
relacionadas com o desempenho dos funcionários selecionados.

• Métodos de Avaliação de Validade

Para avaliar a validade de um teste, existem diversos métodos que podem
ser utilizados, dependendo do tipo de validade a ser avaliada e das
características do teste e da amostra. Dentre os principais métodos,
destacam-se:

◦ Correlação com critério externo: este método consiste em avaliar a

relação entre os resultados do teste e um critério externo, que é uma
medida independente do construto que o teste se propõe a medir. Por
exemplo, para avaliar a validade de critério de um teste de seleção de
pessoal, pode-se correlacionar os resultados do teste com o
◦ desempenho dos funcionários selecionados, que é um critério externo de
desempenho.
◦ Método de grupos conhecidos: este método consiste em comparar os
resultados do teste entre dois grupos que se sabe que diferem no
construto que o teste se propõe a medir. Por exemplo, para avaliar a
validade de construto de um teste de inteligência, pode-se comparar os
resultados do teste entre um grupo de indivíduos com alto desempenho
acadêmico e um grupo de indivíduos com baixo desempenho
acadêmico, já que se sabe que a inteligência está relacionada ao
desempenho acadêmico.
◦ Análise fatorial: este método consiste em verificar se os itens do teste se
agrupam em fatores que correspondem ao construto teórico que o teste
se propõe a medir. Por exemplo, para avaliar a validade de construto de
um teste de personalidade, pode-se realizar uma análise fatorial para
verificar se os itens do teste se agrupam em fatores que correspondem às
dimensões teóricas da personalidade.
◦ Análise de curva ROC: este método consiste em avaliar a capacidade do
teste de distinguir entre indivíduos que apresentam o construto que o
teste se propõe a medir e aqueles que não apresentam. Por exemplo,
para avaliar a validade de critério de um teste de diagnóstico de uma
doença, pode-se usar a análise de curva ROC para avaliar a capacidade
do teste de distinguir entre indivíduos que apresentam a doença e
aqueles que não apresentam.
◦ Análise de sensibilidade e especificidade: este método consiste em
avaliar a capacidade do teste de detectar corretamente a presença ou
ausência do construto que o teste se propõe a medir. Por exemplo, para
avaliar a validade de critério de um teste de detecção de drogas, pode-se
avaliar a sensibilidade e a especificidade do teste em relação aos
resultados de um teste de referência.

• Importância da Validade na Psicometria

A validade é um aspecto crucial na psicometria, uma vez que a precisão e a
confiabilidade dos resultados de um teste dependem da validade das
inferências que são feitas a partir dos resultados. Além disso, a validade é
importante para garantir que as decisões tomadas com base nos
resultados do teste sejam justas e equitativas, evitando a discriminação e a
injustiça.

Por exemplo, um teste de seleção de pessoal que não apresenta validade de

critério pode levar a decisões equivocadas de contratação, selecionando
candidatos que não apresentam o desempenho esperado para a função,
ou rejeitando candidatos que teriam um bom desempenho. Portanto, a
validade de critério é uma das formas mais importantes de avaliação de
validade em psicometria.

Outra forma de avaliação de validade é a validade de construto, que avalia

o grau em que um teste mede o construto teórico que se propõe a medir. A
validade de construto é geralmente avaliada por meio da análise fatorial,
que pode identificar a presença de fatores subjacentes aos itens do teste e
a relação desses fatores com o construto teórico.

A validade de conteúdo é outra forma de avaliação de validade que se

concentra na avaliação do grau em que um teste avalia adequadamente o
conteúdo relevante para o construto que se propõe a medir. Por exemplo, um
teste de habilidade em matemática deve abranger adequadamente todos
os tópicos relevantes em matemática para avaliar com precisão a
habilidade em matemática.

Por fim, a validade de face é uma forma de avaliação de validade que se

concentra na aparência superficial de um teste, ou seja, se ele parece medir
o construto que se propõe a medir. A validade de face pode ser uma forma
útil de avaliação de validade em contextos informais, mas é menos útil em
situações formais que exigem evidências empíricas sólidas.

• Métodos para Coleta de Evidências de Validade

Para coletar evidências de validade em psicometria, é necessário usar uma
variedade de métodos de avaliação de validade. Esses métodos podem
incluir:
◦ Correlação de teste-reteste: a correlação entre os resultados do teste em
dois momentos diferentes, que avalia a estabilidade temporal do teste.
◦ Correlação de teste-critério: a correlação entre os resultados do teste e o
critério externo, como o desempenho no trabalho ou em outro teste
validado, que avalia a validade de critério do teste.
◦ Análise fatorial: a análise dos dados do teste para identificar os fatores
subjacentes e sua relação com o construto teórico que se propõe a medir,
que avalia a validade de construto do teste.
◦ Análise de conteúdo: a análise do conteúdo do teste para avaliar o grau
em que ele cobre adequadamente o conteúdo relevante para o construto
que se propõe a medir, que avalia a validade de conteúdo do teste.
◦ Avaliação de especialistas: a avaliação do teste por especialistas na área
que se propõe a medir para avaliar a adequação do teste para o
construto que se propõe a medir, que avalia a validade de face do teste.
◦ Análise de sensibilidade: a avaliação do efeito de mudanças no teste ou
no processo de avaliação nas pontuações dos indivíduos, que avalia a
validade de consequência do teste.

A validade é uma das principais preocupações na psicometria, pois os

resultados dos testes podem ter implicações significativas em áreas como
seleção de pessoal, avaliação educacional e clínica. A avaliação da
validade de um teste deve incluir uma variedade de métodos que permitam
uma avaliação completa e confiável. É importante lembrar que a validade
não é uma propriedade inerente ao teste, mas sim uma propriedade das
interpretações feitas com base nos resultados do teste. Assim, é essencial
que os resultados do teste sejam interpretados e usados de maneira
adequada, considerando os contextos específicos em que são aplicados e
os propósitos para os quais foram desenvolvidos.

Ao longo das últimas décadas, a psicometria tem se desenvolvido muito no

que diz respeito à avaliação da validade dos testes. Novas técnicas e
métodos têm sido desenvolvidos para avaliar diferentes aspectos da
validade, como a validade de construto e a validade de consequência. Além
disso, as preocupações éticas e legais também têm sido levadas em conta,
como a necessidade de garantir que os testes sejam justos e não
discriminatórios.

No entanto, a avaliação da validade continua sendo um desafio,

especialmente em contextos em que os resultados dos testes são usados
para tomar decisões críticas, como em processos de seleção de pessoal ou
em avaliações clínicas. É necessário que os avaliadores estejam cientes das
limitações e dos pontos fortes de cada método de avaliação de validade e
que usem uma variedade de métodos para obter uma avaliação completa
e confiável.

Por fim, é importante lembrar que a avaliação da validade deve ser vista
como um processo contínuo e iterativo. À medida que novas informações
são obtidas e novas interpretações são feitas, a avaliação da validade pode
ser revista e atualizada. Dessa forma, é possível garantir que os resultados
dos testes sejam usados de maneira adequada e que as decisões tomadas
com base nesses resultados sejam confiáveis e justas.

4.2 Fidedignidade
A fidedignidade é um conceito importante na psicometria, pois se refere à
consistência ou confiabilidade dos resultados de um teste ao longo do
tempo e em diferentes condições. A fidedignidade é uma das principais
características de um teste válido e útil. Se um teste não for fidedigno, os
resultados obtidos podem ser aleatórios ou instáveis, o que pode levar a
decisões equivocadas em áreas como avaliação educacional, clínica ou
seleção de pessoal. Neste texto, serão abordados os principais conceitos e
métodos de avaliação da fidedignidade em psicometria.

• Conceitos Básicos
A fidedignidade é um conceito amplo que se refere à consistência ou
estabilidade dos resultados de um teste ao longo do tempo e em diferentes
condições. A fidedignidade pode ser vista como uma medida da precisão
ou confiabilidade de um teste. Um teste fidedigno é aquele que produz
resultados consistentes e precisos, independentemente das condições em
que é aplicado.

Existem vários tipos de fidedignidade que são relevantes na psicometria,

incluindo:
◦ Fidedignidade teste-reteste: avalia a consistência dos resultados de um
teste quando o teste é aplicado duas vezes a um mesmo indivíduo em um
curto período de tempo. A fidedignidade teste-reteste é importante para
testes que medem características relativamente estáveis, como
inteligência ou personalidade.
◦ Fidedignidade de formas paralelas: avalia a consistência dos resultados
de duas ou mais formas equivalentes de um teste. Essa forma de
fidedignidade é importante quando é necessário aplicar o mesmo teste a
um grupo de indivíduos mais de uma vez, como em estudos longitudinais
ou em testes de tratamento.
◦ Fidedignidade de consistência interna: avalia a consistência dos
resultados de um teste em relação a si mesmo. Essa forma de
fidedignidade é importante para testes que medem características
multifacetadas, como habilidades cognitivas ou traços de personalidade,
e é avaliada por meio de métodos como o alpha de Cronbach.
◦ Fidedignidade de equilíbrio: avalia a consistência dos resultados de um
teste quando diferentes examinadores o aplicam em diferentes ocasiões.
Essa forma de fidedignidade é importante para testes que requerem a
avaliação por parte de diferentes examinadores, como testes de
habilidades clínicas.

• Métodos de Avaliação da Fidedignidade

Existem vários métodos de avaliação da fidedignidade em psicometria,
incluindo:
◦ Teste-reteste: este método envolve a aplicação do mesmo teste a um
mesmo grupo de indivíduos em duas ocasiões diferentes. A correlação
entre os resultados obtidos nas duas ocasiões é um indicador da
fidedignidade teste-reteste do teste. Uma correlação alta entre os
resultados indica que o teste é fidedigno.
◦ Consistência interna: este método envolve a aplicação de um teste a um
grupo de indivíduos e a análise das correlações entre os itens do teste. O
alpha de Cronbach é uma medida comum de consistência interna.
Valores de alpha superiores a 0,70 são geralmente considerados
aceitáveis para testes de seleção e avaliação educacional.
◦ Formas paralelas: este método envolve a criação de duas formas
equivalentes do mesmo teste e a aplicação de cada forma a um grupo
de indivíduos. As pontuações obtidas em cada forma são comparadas
para avaliar a consistência dos resultados. Este método é útil para
minimizar o efeito de prática, fadiga ou memorização na fidedignidade
dos resultados do teste.
◦ Teste-reteste: este método envolve a aplicação do mesmo teste a um
grupo de indivíduos em dois momentos diferentes, com um intervalo de
tempo entre as aplicações. As pontuações obtidas em cada aplicação
são comparadas para avaliar a consistência dos resultados. Este método
é útil para avaliar a estabilidade dos resultados do teste ao longo do
tempo.
◦ Equivalência de formulários: este método envolve a criação de duas ou
mais formas do mesmo teste, com itens diferentes, mas equivalentes em
relação ao conteúdo e dificuldade. As pontuações obtidas em cada
forma são comparadas para avaliar a consistência dos resultados. Este
método é útil quando o teste será aplicado a diferentes grupos em
momentos diferentes.

Métodos de avaliação da fidedignidade são importantes porque a falta de

consistência nos resultados do teste pode levar a decisões equivocadas e
prejudicar a validade do teste. A fidedignidade deve ser avaliada em
conjunto com a validade e outras propriedades psicométricas para garantir
que o teste esteja medindo de forma precisa e confiável o construto que se
propõe a medir.

• Fatores que afetam a fidedignidade

Vários fatores podem afetar a fidedignidade de um teste, incluindo o número
de itens, a complexidade dos itens, o tempo de aplicação, a clareza das
instruções e a heterogeneidade do grupo de indivíduos testados.
O número de itens é um fator importante na fidedignidade de um teste.
Testes mais longos tendem a ter maior fidedignidade do que testes mais
curtos, porque os resultados são baseados em um conjunto maior de
informações. No entanto, é importante equilibrar o comprimento do teste
com a sua viabilidade prática e custo.

A complexidade dos itens também pode afetar a fidedignidade do teste.

Itens muito difíceis ou muito fáceis podem levar a pontuações extremas que
não refletem com precisão o desempenho dos indivíduos no construto
medido pelo teste. É importante que os itens sejam cuidadosamente
desenvolvidos e testados para garantir que sejam apropriados em termos
de dificuldade e complexidade.

O tempo de aplicação também pode afetar a fidedignidade do teste. Testes

muito longos podem levar à fadiga dos participantes e afetar o
desempenho no final do teste. Por outro lado, testes muito curtos podem não
fornecer informações suficientes para medir adequadamente o construto
que se propõe a medir.

A clareza das instruções é outro fator importante na fidedignidade do teste.

As instruções devem ser claras e concisas para garantir que todos os
participantes entendam o que é esperado deles e possam responder de
forma precisa e consistente. Instruções confusas ou ambíguas podem levar
a resultados inconsistentes e prejudicar a fidedignidade do teste.

Além disso, a condição emocional do participante também pode afetar a

fidedignidade do teste. Indivíduos que estão ansiosos, estressados ou
distraídos podem ter dificuldade em se concentrar e responder de forma
consistente. Portanto, é importante garantir que os participantes estejam em
uma condição emocional adequada antes de realizar o teste.

Outra fonte de erro que pode afetar a fidedignidade do teste é o efeito de

aprendizagem. Isso ocorre quando os participantes se lembram das
respostas que deram anteriormente e as utilizam para responder ao teste
novamente, resultando em pontuações infladas. Para minimizar esse efeito,
os testes podem ser projetados com itens diferentes para cada versão ou
em diferentes ordens de apresentação.

Por fim, a fidedignidade de um teste pode ser afetada pela presença de viés
do examinador. Isso pode ocorrer quando o examinador tem expectativas
prévias ou preconceitos em relação ao participante, o que pode afetar sua
avaliação das respostas e, consequentemente, a pontuação final. Para
minimizar esse efeito, é importante garantir que os examinadores sejam
treinados para aplicar o teste de forma imparcial e consistente.

A fidedignidade é uma medida importante na psicometria, pois fornece

uma avaliação da consistência e estabilidade de um teste. A fidedignidade
pode ser avaliada por meio de diferentes métodos, incluindo consistência
interna, formas paralelas, teste-reteste e confiabilidade interavaliadores.

No entanto, é importante lembrar que a fidedignidade não garante a

validade do teste. Um teste pode ser altamente confiável, mas ainda assim
não medir o que se pretende. Portanto, é essencial avaliar tanto a
fidedignidade quanto a validade de um teste para garantir que ele seja uma
medida precisa e confiável do construto em questão.

Ao desenvolver e aplicar testes, é importante levar em consideração fatores

que podem afetar a fidedignidade, como a clareza das instruções, a
condição emocional do participante e a presença de efeitos de
aprendizagem e viés do examinador. Garantir a fidedignidade de um teste é
crucial para a sua utilidade e aplicação adequada em áreas como seleção
de pessoal, avaliação educacional e clínica.

4.3 Normatização

A normatização é uma etapa fundamental na psicometria, que envolve a

definição de normas e padrões de desempenho para um teste ou medida. É
um processo que visa estabelecer a comparabilidade dos resultados
obtidos por diferentes indivíduos ou grupos em uma determinada
população. A normatização é importante para avaliação educacional,
seleção de pessoal, avaliação clínica e outras áreas da psicometria, pois
permite que os resultados dos testes sejam interpretados de forma precisa e
significativa.

• O que é Normatização
Normatização é o processo de estabelecimento de normas e padrões de
desempenho para um teste ou medida. Essas normas podem ser
estabelecidas com base em uma amostra representativa da
população-alvo ou de uma subpopulação específica. A normatização é
importante porque permite que os resultados dos testes sejam interpretados
de forma precisa e significativa, tornando possível comparar o desempenho
dos indivíduos em relação a uma amostra de referência.
A normatização pode incluir a definição de diferentes tipos de normas,
dependendo do objetivo do teste e do público-alvo. Algumas das normas
mais comuns incluem:
◦ Normas percentis: essas normas indicam a porcentagem de pessoas que
obtiveram um determinado escore em relação à amostra de referência.
Por exemplo, se um indivíduo obteve um escore de 80 em um teste
normatizado com base em uma amostra de referência de 100 pessoas, e
o percentil correspondente é 90, isso significa que 90% da amostra obteve
um escore igual ou inferior a 80.
◦ Normas de desvio padrão: essas normas indicam o desvio padrão dos
escores da amostra de referência em relação à média. Por exemplo, se a
média da amostra de referência é 100 e o desvio padrão é 15, um escore
de 115 indica que o indivíduo está a um desvio padrão acima da média da
amostra.
◦ Normas de idade: essas normas comparam o desempenho dos
indivíduos em relação a outras pessoas da mesma idade. Por exemplo,
um teste normatizado para crianças de 7 anos de idade pode ter normas
específicas para essa faixa etária.

• Importância da Normatização
A normatização é importante por diversas razões. Em primeiro lugar, ela
permite que os resultados dos testes sejam interpretados de forma precisa e
significativa. Sem a normatização, não seria possível comparar o
desempenho de diferentes indivíduos ou grupos em um mesmo teste,
tornando difícil a avaliação de seus pontos fortes e fracos em relação à
amostra de referência.

Além disso, a normatização permite a identificação de indivíduos que

apresentam desempenho abaixo ou acima da média da amostra de
referência, possibilitando a intervenção precoce em casos de dificuldades
ou o reconhecimento de talentos em casos de desempenho excepcional.

A normatização também é importante para a avaliação de programas

educacionais e de intervenções clínicas. Ao utilizar um teste normatizado
para avaliar o desempenho dos alunos ou dos pacientes antes e depois de
uma intervenção, é possível verificar se houve melhorias significativas e se a
intervenção foi eficaz. Isso é especialmente importante em estudos de
pesquisa, onde a precisão e a validade das conclusões dependem da
utilização de instrumentos padronizados e normatizados.
 • Métodos de Normatização
Existem vários métodos de normatização de testes, sendo os mais comuns a
normatização por amostragem estratificada e a normatização por
amostragem aleatória simples.

Na normatização por amostragem estratificada, a população é dividida em

subgrupos com características semelhantes, como idade, gênero,
escolaridade, etc. Cada subgrupo é representado na amostra de forma
proporcional à sua frequência na população. Esse método permite a
comparação de indivíduos com características semelhantes, o que pode ser
útil para fins de seleção ou diagnóstico.

Na normatização por amostragem aleatória simples, a amostra é

selecionada aleatoriamente a partir da população sem nenhuma
estratificação prévia. Esse método é mais simples e rápido, mas pode
resultar em amostras não representativas da população. Por isso, é
importante que a amostra seja grande o suficiente para reduzir a chance de
erro amostral.

Outro método de normatização é a normatização por referência a um grupo

de comparação. Nesse método, a pontuação de um indivíduo é comparada
com a pontuação média de um grupo de referência, que pode ser a
população geral ou um subgrupo específico. Esse método é útil quando não
é possível obter uma amostra representativa da população.

• Cálculo de Pontuações Padronizadas

As pontuações padronizadas são calculadas a partir dos resultados brutos
do teste, com base na distribuição das pontuações na amostra de
normatização. Existem vários tipos de pontuações padronizadas, sendo os
mais comuns a pontuação z, a pontuação T e a pontuação percentual.

A pontuação z é calculada pela subtração da média da amostra de

normatização (µ) do resultado bruto do indivíduo (x), dividido pelo desvio
padrão da amostra (σ). A fórmula é z = (x-µ)/σ. A pontuação z tem uma média
de 0 e um desvio padrão de 1.

A pontuação T é calculada a partir da pontuação z, com a média de 50 e o

desvio padrão de 10. A fórmula é T = (z x 10) + 50.

A pontuação percentual é calculada a partir da posição do resultado bruto

na distribuição de pontuações da amostra de normatização. Por exemplo, se
um indivíduo obteve uma pontuação maior que 80% da amostra, sua
pontuação percentual será de 80.

A normatização é um processo importante na psicometria, pois permite a

comparação de indivíduos e grupos em relação ao desempenho em testes
padronizados. A normatização deve ser realizada de forma cuidadosa,
levando em conta a representatividade da amostra, a clareza das instruções
e a consistência na aplicação e correção dos testes. A escolha do método
de normatização e das pontuações padronizadas também deve ser
considerada de acordo com a finalidade do teste e as características da
população-alvo.

Os resultados de um teste normatizado podem fornecer informações

valiosas para a tomada de decisões em áreas como seleção de pessoal,
avaliação educacional e clínica. No entanto, é importante lembrar que os
testes padronizados não são a única fonte de informação e devem ser
utilizados em conjunto com outras avaliações e observações para uma
compreensão completa do desempenho do indivíduo ou grupo.

Além disso, a normatização não é um processo estático e deve ser

periodicamente atualizada para garantir que os testes continuem a fornecer
resultados relevantes e precisos. A evolução das características da
população-alvo, mudanças nas práticas educacionais e clínicas, e avanços
na tecnologia e na psicometria são alguns dos fatores que podem
influenciar a necessidade de atualizações na normatização de um teste.

Portanto, a normatização é um processo crítico na psicometria que deve ser

realizado de forma cuidadosa e atualizada regularmente para garantir que
os resultados dos testes padronizados sejam válidos e confiáveis.

RESUMO DO CAPÍTULO

Quais as suas impressões sobre o que foi discutido neste capítulo? Neste
capítulo foram discutidos três novos conceitos da psicometria. Vamos
fazer uma revisão do que foi abordado no capítulo. Três conceitos
fundamentais na psicometria são validade, fidedignidade e normatização.
A validade é a medida em que um teste mede o que se propõe a medir. A
validade pode ser avaliada por meio de diferentes métodos, como a
validade de conteúdo, a validade de critério e a validade de construto. É
importante avaliar a validade de um teste antes de utilizá-lo para tomar
decisões importantes, como seleção de pessoal ou diagnóstico clínico. A
fidedignidade é a consistência dos resultados obtidos por meio de um
teste. Existem diferentes métodos para avaliar a fidedignidade, como a
estabilidade temporal, a equivalência de formas paralelas e a
consistência interna. É importante que um teste seja fidedigno para
garantir que os resultados obtidos sejam confiáveis e possam ser
utilizados para tomada de decisões. A normatização é o processo de
estabelecimento de normas ou padrões de referência para interpretação
dos resultados de um teste. A normatização é importante para permitir a
comparação entre indivíduos e grupos em relação ao desempenho em
testes padronizados. A escolha do método de normatização e das
pontuações padronizadas deve ser feita com cuidado, levando em conta
a representatividade da amostra, a clareza das instruções e a consistência
na aplicação e correção dos testes.
Referências Bibliográficas

ERTHAL, TEREZA CRISTINA. Manual de Psicometria. Ebook: Zahar, 1ªedição, 1987.

FAIAD, CRISTIANE; BAPTISTA, MAKILLIM NUNES; PRIMI, RICARDO. Tutoriais de

Análise de Dados Aplicados à Psicometria. Petrópolis – RJ: Editora Vozes, 1ª
edição, 2021.

FREITAS, Fabiana Rego. Psicometria. UNICEPLAC. Gama, Distrito Federal, 2020.

HUTZ, CLAUDIO SIMON; BANDEIRA, DENISE RUSCHEL; TRENTINI, CLARISSA MARCELI.
Psicometria. Porto Alegre: ARTMED Editora LTDA, 2015.

PASQUALI, LUIZ. Psicometria. Revista Esc. Enferm. USP. São Paulo: São Paulo,
2019.

PASQUALI, LUIZ. Psicometria: Teoria dos testes na psicologia e na educação.

Petrópolis – RJ: Editora Vozes, 5ª edição, 2013.

PRIMI, RICARDO. Psicometria: Fundamentos Matemáticos da Teoria Clássica

dos Testes. Avaliação Psicológica, pp. 297-307. Universidade São Francisco,
Itatiba, 2012.