Uso da modelagem multitraço-multimétodo no teste de raciocínio abstrato e espacial (TRAE)

Palavras-chave: raciocínio, inteligência, validade do teste, precisão do teste

Resumo

O objetivo deste estudo foi obter evidências da fidedignidade e da validade convergente e discriminante do Teste de Raciocínio Abstrato e Espacial (TRAE). O TRAE e a BPR-5 (subtestes RA, RE, RV e RN) foram aplicados em 149 estudantes do ensino médio (52,3% do sexo masculino; Midade=16,98, DP=0,87). Os escores da escala geral do TRAE apresentaram coeficiente de fidedignidade adequado (0,76), entretanto os quatro subtestes foram menos precisos. Utilizou- se a abordagem multitraço-multimétodo, por modelagem por equações estruturais, e verificou-se que a inclusão dos fatores raciocínio abstrato (RA) e espacial (RE) melhorou a adequação do modelo. Tais resultados oferecem suporte à validade convergente do TRAE. Porém, um modelo de correlação perfeita entre RA e RE também foi plausível, o que indica baixa validade discriminante. Portanto, os resultados respaldam a precisão e a validade convergente do TRAE, principalmente, para a escala geral. Todavia, sugere-se que os subtestes sejam interpretados com cautela.

Downloads

Não há dados estatísticos.

Biografia do Autor

Felipe Valentini, Universidade São Francisco (USF), Campinas, SP, Brasil.

Doutor em Psicologia pela Universidade de Brasília (UnB), em Brasília, DF, Brasil. Mestre em Psicologia pela Universidade Federal do Rio Grande do Norte (UFRN), em Natal, RN, Brasil. Professor do Programa de Pós-Graduação em Psicologia da Universidade São Francisco (USF), em Campinas, SP, Brasil.

Leonardo de Barros Mose, Universidade São Francisco (USF), Campinas, SP, Brasil.

Mestre em Psicologia pela Universidade São Francisco (USF), em Campinas, SP, Brasil. Doutorando em Psicologia pela mesma universidade.

João Paulo Araújo Lessa, Universidade São Francisco (USF), Campinas, SP, Brasil.

Mestre em Psicologia pela Universidade São Francisco (USF), em Campinas, SP, Brasil. Doutorando em Psicologia pela mesma universidade.

Jacob Arie Laros, Universidade de Brasília (UnB), Brasília, DF, Brasil.

Doutor em Psicologia pela Universidade Rijksuniversiteit Groningen, em Groninge, Holanda. Professor titular do Programa de Pós-Graduação em Psicologia Social, do Trabalho e das Organizações da Universidade de Brasília (UnB), em Brasília, DF, Brasil.

Ricardo Primi, Universidade São Francisco (USF), Campinas, SP, Brasil.

Doutor em Psicologia Escolar e do Desenvolvimento Humano pela Universidade de São Paulo (USP), em São Paulo, SP, Brasil. Mestre em Psicologia pela Pontifícia Universidade Católica de Campinas (Unicamp), em Campinas, SP, Brasil. Professor do Programa de Pós-Graduação em Psicologia da Universidade São Francisco (USF), em Campinas, SP, Brasil.

Referências

Almeida, L., & Primi, R. (2015). BPR-5: Baterias de provas de raciocínio. Manual técnico (2nd ed.). Casa do Psicólogo.

Beaty, R. E., Nusbaum, E. C., & Silvia, P. J. (2014). Does insight problem solving predict real-world creativity? Psychology of Aesthetics, Creativity, and the Arts, 8(3), 287-292. https://doi.org/10.1037/a0035727

Beaujean, A. A., Firmin, M. W., Michonski, J. D., Berry, T., & Johnson, C. (2010). A multitrait-multimethod examination of the reynolds intellectual assessment scales in a college sample. Assessment, 17(3), 347-360. https://doi.org/10.1177/1073191109356865

Byrne, B. M. (2012). Structural equation modeling with Mplus: Basic concepts, applications and programming. Routledge.

Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81-105. https://doi.org/10.1037/h0046016

Cormier, D. C., Bulut, O., McGrew, K. S., & Frison, J. (2016). The role of Cattell-Horn-Carroll (CHC) cognitive abilities in predicting writing achievement during the school-age years. Psychology in the Schools, 53(8), 787-803. https://doi.org/10.1002/pits.21945

Eid, M. (2010). Multitrait-multimethod-matrix. In N. Salkind (Ed.), Encyclopedia of research design (pp. 850–855). Sage.

Eid, M., Lischetzke, T., & Nussbeck, F. W. (2006). Structural Equation Models for Multitrait-Multimethod Data. In M. Eid & E. Diener (Eds.), Handbook of multimethod measurement in psychology (pp. 283–299). American Psychological Association. https://doi.org/10.1037/11383-019

Fan, X. (2003). Two approaches for correcting correlation attenuation caused by measurement error: Implications for research practice. Educational and Psychological Measurement, 63(6), 915-930. https://doi.org/10.1177/0013164403251319

Gignac, G. E. (2014). Fluid intelligence shares closer to 60% of its variance with working memory capacity and is a better indicator of general intelligence. Intelligence, 47, 122-133. https://doi.org/10.1016/j.intell.2014.09.004

Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1-55. https://doi.org/10.1080/10705519909540118

Jacobs, K. E., & Roodenburg, J. (2014). The development and validation of the Self-Report Measure of Cognitive Abilities: A multitrait-multimethod study. Intelligence, 42(1), 5-21. https://doi.org/10.1016/j.intell.2013.09.004

Keith, T. Z., & Reynolds, M. R. (2010). Cattell-Horn-Carroll abilities and cognitive tests: What we’ve learned from 20 years of research. Psychology in the Schools, 47(7), 635-650. https://doi.org/10.1002/pits.20496

Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). The Guilford Press.

Koch, T., Eid, M., & Lochner, K. (2018). Multitrait-Multimethod- Analysis: The Psychometric Foundation of CFA-MTMM Models. In P. Irwing, T. Booth, & D. J. Hughes (Eds.), The Wiley Handbook of Psychometric Testing: A Multidisciplinary Reference on Survey, Scale and Test Development (pp. 781-846). Wiley-Blackwell. https://doi.org/10.1002/9781118489772.ch18

Lance, C. E., Dawson, B., Birkelbach, D., & Hoffman, B. J. (2010). Method effects, measurement error, and substantive conclusions. Organizational Research Methods, 13(3), 435-455. https://doi.org/10.1177/1094428109352528

Laros, J. A., Almeida, G. O. M., Valentini, F., & Lima, R. M. F. (2015). Dimensionalidade e evidências de validade convergente do SON-R 6-40. Temas Em Psicologia, 23(4), 929-945. https://doi.org/10.9788/tp2015.4-10

Laros, J. A., Jesús, G. R., & Karino, C. A. (2013). Validação brasileira do teste não-verbal de inteligência SON-R 2½-7[a]. Avaliação Psicológica: Interamerican Journal of Psychological Assessment, 12(2), 233-242.

Li, D., & Shi, J. (2019). Fluid intelligence, trait emotional intelligence and academic performance in children with different intellectual levels. High Ability Studies, 1–19. https://doi.org/10.1080/13598139.2019.1694493

Lima, R. M. F., & Laros, J. A. (2017). Evidências de validade convergente e discriminante dos escores do SON-R 6-40. Psicologia - Teoria e Prática, 19(1). https://doi.org/10.5935/1980-6906/psicologia.v19n1p107-120

McGrew, K. S., & Flanagan, D. P. (1998). The intelligence test desk reference (ITDR) - Gc-Gf cross battery assessment. Allyn and Bacon.

Nunes, C. S. S., & Nunes, M. F. O. (2015). Matrizes Progressivas Avançadas de Raven (1st ed.). Casa do Psicólogo.

Peng, P., Wang, T., Wang, C. C., & Lin, X. (2019). A meta- analysis on the relation between fluid intelligence and reading/ mathematics: Effects of tasks, age, and social economics status. Psychological Bulletin, 145(2), 189-236. https://doi.org/10.1037/bul0000182

Primi, R. (2002). Inteligência fluida: definição fatorial, cognitiva e neuropsicológica. Paidéia, 12(23), 57-75. https://doi.org/10.1590/S0103-863X2002000200005

Primi, R., & Almeida, L. (2000). Estudo de validação da Bateria de Provas de Raciocínio (BPR-5). Psicologia: Teoria e Pesquisa, 16(2), 165-173. https://doi.org/10.1590/S0102-37722000000200009

Primi, R., Correia, T. A., & Almeida, L. (2019). Bateria de Provas de Raciocínio (BPR-5). In C. S. Hutz, D. R. Bandeira, & C. M. Trentini (Eds.), Avaliação da Personalidade e Inteligência (1st ed., pp. 109-122). Artmed.

Rabelo, I. S., Pacanaro, S. V., Leme, I. F. A., Ambiel, R. A. M., & Alves, G. A. da S. (2015). Teste não verbal de inteligência geral: BETA-III: Subtestes raciocínio matricial e códigos (1st ed.). Casa do Psicólogo.

Rueda, F. J. M., Noronha, A. P. P., Sisto, F., Santos, A. A. A., & Castro, N. R. (2016). Manual Técnico WISC-IV (1st ed.). Casa do Psicólogo.

Schneider, W. J., & McGrew, K. S. (2018). The Cattell– Horn–Carroll Theory of Cognitive Abilities. In D. P. Flanagan & E. M. McDonough (Eds.), Contemporary intellectual assessment: theories, tests, and issues (4th ed., pp. 73-163). Guilford Press.

Sistema de Avaliação de Testes Psicológicos - SATEPSI. (2019). Testes favoráveis. Recuperado de http://satepsi.cfp.org.br/testesFavoraveis.cfm

Sisto, F. (2012). Teste Conciso de Raciocínio (1st ed.). Casa do Psicólogo.

Sternberg, R. J. (2011). The theory of successful intelligence. In R. J. Sternberg & S. B. Kaufman (Eds.), Cambridge Handbook of Intelligence (pp. 504-527). Cambridge University Press.

Valentini, F., Laros, J. A., & de Barros Mose, L. (2020). Validity Evidence of the Abstract and Spatial Reasoning Test. Trends in Psychology, 1-16. https://doi.org/10.1007/s43076-020-00056-w

Wasserman, J. D. (2018). A History of Intelligence Assessment: The Unfinished Tapestry. In D. P. Flanagan & E. M. McDonough (Eds.), Contemporary intellectual assessment: theories, tests, and issues (4th ed., pp. 3-55). Guilford Press.

Widaman, K. F. (1985). Hierarchically Nested Covariance Structure Models for Multitrait-Multimethod Data. Applied Psychological Measurement, 9(1), 1-26. https://doi.org/10.1177/014662168500900101

Publicado
2022-03-07
Como Citar
Valentini, F., Mose, L. de B., Lessa, J. P. A., Laros, J. A., & Primi, R. (2022). Uso da modelagem multitraço-multimétodo no teste de raciocínio abstrato e espacial (TRAE). Psico, 53(1), e36638. https://doi.org/10.15448/1980-8623.2022.1.36638