Construcción y validación de un instrumento para evaluar la comprensión global lectora en estudiantes de tercero de primaria

Resumen

En México existe un problema en relación con la comprensión global lectora, lo cual se ha evidenciado en evaluaciones nacionales e internacionales. Sin embargo, existe un desacuerdo sobre los instrumentos utilizados para evaluar las habilidades de comprensión lectora. El objetivo de este trabajo es diseñar y validar un instrumento para evaluar la comprensión global lectora de estudiantes de tercer grado primaria. Con el uso del Análisis Factorial Confirmatorio (CFA) se confirmó un instrumento de 30 ítems y tres factores: ideas principales, inferencias y contextualización del concepto; que fue aplicado a 803 estudiantes. La evidencia demuestra que el mismo constructo es apropiado para diferentes variables contextuales (género, turnos y estatus). Los resultados del CFA ofrecen una solución satisfactoria en la estructura factorial de las escalas y en los niveles de consistencia interna.

Palabras clave

Comprensión de lecturaeducaciónevaluación de estudiantesfactores de repitenciarepitencia escolaranálisis de factoresinstrumentos de evaluación

1. INTRODUCCIÓN

El abordar el tema de la lectura es esencial, pues es un requisito indispensable para el desarrollo de los ciudadanos (Gutiérrez et al., 2015; Neira et al., 2015; Serrano et al., 2017). La forma en que las personas leen depende de su contexto, sus metas y las necesidades que tienen como lectores (Grabe, 2008; Hedgcok & Ferris, 2009; Newton et al., 2018). De acuerdo con Rouet, Britt y Durik (2017) la lectura cuenta con distintos propósitos, y entre estos, se encuentra la lectura para la comprensión general, comúnmente conocida como comprensión lectora. La lectura con el propósito de comprender requiere de una serie de procesos visuales y semánticos, así como la construcción de una versión resumida del significado del texto. Comprender lo que se lee, se refiere a crear o encontrar significado a partir del texto. La creación de este significado depende en gran parte en tener habilidades de reconocimiento automático de palabras, un conocimiento de fondo apropiado o contexto relacionado, y una serie de estrategias de comprensión para utilizarlas cuando se requieran (Grabe, 2008).

La comprensión lectora es uno de los objetivos primordiales en la educación formal (Del Puerto et al., 2018). Su concepto ha ido evolucionando (Pérez-Zorrilla, 2005). De acuerdo con Perrusquia, Carranza, Vázquez, García y Meza (2010), así como con Baños et al. (2010) la comprensión lectora se refiere al proceso simultáneo de extracción y construcción del significado a través de la interacción del lector con el texto. Es un acto que toma tiempo desarrollar y que depende de variables cognitivas asociadas con variables contextuales (Cadavid-Ruiz et al., 2016); por ello, es imposible demostrar una falta de comprensión lectora en niños cuando aún no aprenden a leer con precisión y fluidez suficiente. En consecuencia, las investigaciones con mayor peso de este tema reportan que los niños de 8 años en adelante son quienes empiezan a sufrir la falta de dichas habilidades (Nation et al., 2010).

La comprensión lectora se concibe como un conjunto de habilidades o sub-habilidades. La mayoría de los modelos teóricos de lectura hacen referencia a numerosas habilidades o subprocesos (Canet-Juric et al., 2005; González-Trujillo, 2005; Grabe & Jiang, 2014; Kieras & Just, 2018; Kintsch & van Dijk, 1978; McNamara & Magliano, 2009; Rouet et al., 2017; Tengberg, 2018; van den Broek, 2012). Sin embargo, la naturaleza exacta de muchas de estas habilidades no es clara (Alderson, 2000). Incluso, se han desarrollado diferentes listas, taxonomías y jerarquías de acuerdo con los modelos teóricos que, aunque no refieren a un mismo número de habilidades, sí apuntan a procesos similares (Alderson, 2000; Defior, 2000; García-Madruga et al., 2002; González-Trujillo, 2005; Grabe & Jiang, 2014; Paris et al., 1991).

De acuerdo con Madero y Gómez (2013) desde el año 2000 los estudiantes mexicanos han participado en distintas evaluaciones con el fin de conocer el estado de sus habilidades lectoras, mostrando de forma reiterada que gran parte de dicha población carece de, incluso, un nivel mínimo que les permita comprender distintos textos básicos, y que, en consecuencia, presenten problemas al continuar con su formación académica y/o profesional. Asimismo, dentro del conjunto de habilidades que conforman la comprensión lectora, hay una en particular que resulta compleja para los estudiantes mexicanos, lo que ha sido evidenciado por distintas evaluaciones (Backhoff et al., 2006; Gaytán-Lugo, 2016). La comprensión global lectora es la habilidad que se refiere a la comprensión del significado general del texto (Backhoff et al., 2006).

Por lo anterior, el propósito de este estudio es diseñar y validar un instrumento para evaluar la habilidad de la comprensión global lectora en estudiantes de tercer grado de primaria utilizando técnicas estadísticas de análisis factorial confirmatorio y validando grupos de acuerdo con el género, el turno y el estatus socioeconómico de la ciudad.

2. MÉTODO

Definición del constructo

Según Anckar (2011), no importa qué habilidad lingüística se evalúe, el contexto y el objetivo de la prueba afectan el "producto final" de una prueba que mide cierta habilidad. Esto implica que incluso si los desarrolladores de pruebas de lenguaje conocen la habilidad a evaluar, necesitan más información para saber qué tipo de prueba quieren construir. Se debe asegurar que se esté midiendo el constructo correcto. Los constructos de la lectura se basan en un modelo de lectura y en los factores que afectan a la lectura en la medida en que son relevantes para la evaluación del constructo (Alderson, 2000).

En este caso, se tiene interés en medir la comprensión global lectora. González-Trujillo (2005) establece que la comprensión global es uno de los niveles que componen un modelo mental; pues implica la integración de las propuestas contenidas en el texto dentro de una idea comprensiva y coherente, requiere de sub-habilidades para la detección de ideas principales, así como para la organización sintáctica y semántica del texto. Por ello, para plantear el constructo de la comprensión global lectora, se realizó una revisión de literatura, de la cual se desprendieron tres elementos a tomar en cuenta para la construcción de la comprensión global lectora: 1) identificación de ideas principales, 2) construcción de inferencias y, 3) contextualización del concepto (Figura 1).

Figura 1. Formación del constructo de la comprensión global lectora

Identificar ideas principales es la esencia de la comprensión lectora (Boudah, 2015; Paris et al., 1991). Encontrar la idea principal requiere que los lectores entiendan lo que leen, y que realicen una reflexión o una crítica de la información encontrada. Grabe (2008) menciona que el lector puede demostrar una comprensión de ideas principales cuando se engancha en un proceso cognitivo interno y recursos de conocimiento a través de resultados que se desprenden de diferentes tareas, interacción con otros lectores, y diferentes tipos de ejercicios y prácticas.

Asimismo, construir inferencias es una de las partes principales de la comprensión lectora. Las inferencias son fundamentales para que el lector de coherencia al texto, puesto que el autor, suele dejar mensajes implícitos (Clarke et al., 2013; González-Trujillo, 2005). Grabe (2008) y Escudero (2010) afirman que son mecanismos cognitivos esenciales que conectan lo que se está tratando de entender mediante recursos de la memoria que provee nuestro conocimiento previo y experiencias. Casi de forma automática, inferimos las intenciones o acciones de otras personas; las causas y consecuencias de eventos o de acciones que alguna persona realizó. De acuerdo con Grabe (2008) las mayores contribuciones de la inferencia incluyen capacidades para (a) integrar nueva información con el conocimiento previo, (b) interpretar y situar información que está descontextualizada, (c) sintetizar información de múltiples señales y fuentes, y (d) entender la información que puede ser conceptualmente diferente que lo que se tenía esperado. Así pues, existen dos categorías de inferencias: coherentes y elaboradas. Las de coherencia son necesarias para formar una imagen mental consistente e inteligible de un texto. Las elaboradas en cambio, sirven para enriquecer la representación mental del texto, y por lo tanto, que sea más memorable (Kispal, 2008).

Finalmente, sobre la contextualización del concepto, cuando los lectores se encuentran con nuevas palabras e ideas en el texto, necesitan examinar el texto que ya se había leído, o saltar esa parte para usar el contexto y discernir la información que les resulte compleja. Mirar hacia atrás para buscar información puede ser difícil o tedioso para los lectores debido a que en ocasiones no están familiarizados con la estructura del texto (Paris et al., 1991). Grabe (2008) explica que cuando un lector descubre una nueva palabra, necesita involucrar su atención mientras la comprensión se va construyendo, pero esto no significa que la nueva palabra sea vista de forma consciente; si es notada, tal vez se omita, o se le dé un significado mínimo con el fin de continuar el esfuerzo que hace el lector por entender el texto. Adivinar palabras o ideas mediante el contexto es una sub-habilidad practicada por todos los lectores en grados variables (Alderson, 2000; Beck et al., 2013). De acuerdo con Grabe (2008) cuando se aprende una palabra, no se sabe todo acerca de esa palabra de forma inmediata, de hecho, se continúa agregando información a las entradas léxicas mentales durante toda la vida. Gran parte del conocimiento de las palabras se desarrolla con el tiempo a través de múltiples encuentros en distintos contextos. Se actualiza continuamente la información de esa palabra, se aumenta la fluidez de reconocimiento de palabras hasta lograr el acceso automático de dicha palabra. El conocimiento previo resulta crítico para varios modelos de la comprensión lectora (Cromley & Azevedo, 2007; O’Reilly et al., 2019). Cook y O’Brien (2014) explican que el texto escrito activa no solo palabras y conceptos en la mente de los lectores, sino también palabras y conceptos que no se mencionan directamente en la lectura pero que son muy relevantes para los conceptos del texto. Entonces, la activación del conocimiento puede tener un impacto inmediato en la comprensión, especialmente cuando el texto está íntimamente relacionado con lo que ya se sabe.

Así pues, la identificación de ideas principales, la construcción de inferencias y la contextualización del concepto, son los tres elementos que se tomaron para diseñar el instrumento de medida, mismo que explica en uno de los siguientes apartados.

Muestra

Se tomó una muestra no probabilística conformada por 803 estudiantes de tercer grado de escuelas primarias públicas del Estado de Colima. Las escuelas trabajan en distintos turnos: matutino y vespertino; pertenecen a distintos municipios del Estado de Colima, dos municipios de nivel socioeconómico bajo y dos municipios de nivel socioeconómico medio. El instrumento para evaluar la comprensión global lectora fue tomado por 424 niñas, y 379 niños (Ver Figura 2). Respecto a los grupos de edad el rango de los estudiantes fue de 7 a 11 años; donde el grupo de 7 años reportó un 0.37%, el grupo de 8 años fue de un 68.87%, los niños con 9 años fueron un 28.27%, 2.24% para los niños con 10 años, y 0.25% para los niños con 11 años; como se observa la mayor parte de los niños se concentra en las edades de 8 y 9 años.

Adscritos al turno matutino fueron 323 estudiantes, mientras que en el vespertino fueron 480 alumnos. Trescientos sesenta estudiantes asistiendo a escuelas dentro de una ciudad con un estatus socioeconómico bajo, mientras que cuatrocientos cuarenta y tres a escuelas dentro de una ciudad con un estatus socioeconómico medio. Como se observa, existen similitudes en los tamaños de muestra de las distintas variables contextuales (grupos).

Figura 2. Proporciones muestrales con un Intervalo de Confianza (IC) al 95% de la variable género

Instrumento de medida

Se utilizaron 30 reactivos, 9 reactivos observables y 3 factores latentes para formar el instrumento. Todos los reactivos se midieron en una escala de 4 puntos, donde 1 se refiere a la respuesta menos correcta, 2 parcialmente correcta, 3 casi correcta y 4 la más correcta. El género de los estudiantes fue codificado como 0: masculino y 1: femenino. El estatus de la ciudad en la que se encuentra la escuela donde asisten los estudiantes fue codificado como 0: bajo y 1: medio. El turno de la escuela a la que asisten los estudiantes fue codificado como 0: matutino y 1: vespertino.

Procedimiento

Así como las lecturas para este instrumento, algunos de ítems fueron creados y/o modificados basados en historias e información de distintos instrumentos tales como las pruebas ENLACE (Secretaría de Educación Pública, 2013). Sin embargo, se modificaron cuando el lenguaje o la información no era acorde al contexto de los estudiantes. Se aplicaron dos pruebas piloto para calibrar los reactivos, eliminando los errores más superficiales del diseño del instrumento. Cada una de las calibraciones fueron en dos escuelas del Estado de Colima. Para ambas rondas se buscó una muestra similar que fuera entre 50 y 60 estudiantes (De la Garza et al., 2013). La muestra en la primera ronda fue de 53 estudiantes de tercer grado, y el número de reactivos en el instrumento fue de 37. Mientras que la muestra en la segunda ronda fue de 59 estudiantes de tercer grado, y el número de reactivos fue de 36. Así, los criterios utilizados para suponer que con una muestra más grande los resultados serían positivos fueron satisfactorios. Para la última ronda quedó un instrumento de 36 reactivos, el cual se aplicó a 803 estudiantes de distintas escuelas del Estado de Colima. La primer y el tercer autor de este trabajo fueron quienes acudieron a las escuelas para la aplicación del instrumento. Se visitaron 25 escuelas, se recolectaron los resultados obtenidos y, tras el análisis realizado, se desecharon 6 reactivos y 2 lecturas. Finalmente, el instrumento quedó conformado por 30 ítems y 9 lecturas breves. Es importante mencionar que la eliminación o modificación del reactivo se dio con base en el bajo resultado de la correlación este generaba al realizarse el análisis estadístico que se explica en los siguientes apartados.

Tabla 1. Rondas de aplicación del instrumento con las diferentes muestras, y los reactivos de cada una de ellas, tanto antes de la aplicación como después de la aplicación.

Ronda	Muestra	Número de reactivos del instrumento
Ronda	Muestra	Antes de aplicar	Después de aplicar
1	53	37	36
2	59	36	36
3	803	36	30

Fuente: Elaboración propia

Análisis de datos

El CFA es una técnica estadística utilizada para evaluar modelos de medición que representa una hipótesis sobre las relaciones entre los reactivos y los factores (Geiser et al., 2014; Kline, 2011). Supone que los factores latentes son los causantes de los puntajes observados en los reactivos (Kismiantini et al., 2014). En los modelos de ecuaciones estructurales (SEM, por sus siglas en inglés) el modelo multigrupos y el modelo de múltiples indicadores y múltiples causas (MIMIC, por sus siglas en inglés) para examinar modelos de dos o más grupos. En este estudio se tiene género (0: masculino, 1: femenino), estatus (0: bajo, 1: medio), y turno (0: matutino, 1: mixto) como variables categóricas. El análisis multigrupos es una técnica para examinar un modelo bien definido separado en dos o más grupos (por ejemplo, masculino vs femenino), y pone a prueba si las cargas factoriales, varianzas y covarianzas son diferentes o no entre dichos grupos (Bollen & Curran, 2006). Para evaluar las diferencias de grupos a través de las variables latentes, la estructura que subyace a las medidas dependientes debe ser similar en todos los grupos. Las fases en el análisis multigrupo verifican la propiedad de invarianza (Kismiantini et al., 2014). Se realizaron las siguientes pruebas de medición de invarianza: configural invariance, loading and intercept/threshold invariance, error (co)variance invariance. El análisis MIMIC se utiliza para probar el impacto de una covariable en un modelo de medición tanto con indicadores de causa, como indicadores de efectos (Kenny, 2011; MacCallum & Browne, 1993).

En el CFA, la bondad de ajuste del modelo se prueba usando Chi-cuadrada. Una Chi-cuadrada no significativa significa que se tiene un buen ajuste. Sin embargo, la prueba Chi-cuadrada es más sensible para muestras de mayor tamaño (Santos et al., 2017). Por lo tanto, Hu y Bentler (1999) recomiendan reportar dos o tres índices adicionales, como lo es el índice de ajuste comparativo (CFI, por sus siglas en inglés), error cuadrático medio de aproximación (RMSEA, por sus siglas en inglés), raíz cuadrada de la media cuadrática del residual estandarizado (SRMR, por sus siglas en inglés). Para datos categóricos, Yu y Muthen (2002) recomiendan la raíz cuadrada media residual ponderada (WRMR, por sus siglas en inglés) en lugar del SRMR. El CFI evalúa el ajuste del modelo en relación con un modelo base. Un mejor ajuste es indicado con valores cercanos a 1, lo que es ≥0.95 cuando el tamaño de la muestra es ≥250 (Yu & Muthen, 2002). El RMSEA explica la falta al ajuste en un modelo comparado con un modelo perfecto. Un valor menor de 0.06 para el RMSEA da como resultado un modelo aceptable (Browne & Cudeck, 1992). El WRMR evalúa el promedio de residuos ponderados, que van desde 0 a 1. Yu y Muthen (2002) que un límite de ≤1.0 para el WRMR se utiliza para modelos con respuestas múltiples cuando las muestras son de un tamaño ≥250.

3. RESULTADOS

Para un manejo de espacio adecuado y comodidad del lector, se expondrán resultados del tratamiento estadístico referente al grupo género, sólo en la Tabla 4 se verán resultados del grupo turno y del grupo estatus; sin embargo, si el lector desea el resto del análisis de dichos grupos puede solicitarlo al autor correspondiente.

La Tabla 2, provee las proporciones de los reactivos. Las proporciones por cada reactivo para la categoría de género fueron similares. Las proporciones más altas (≥0.60) fueron encontradas en el reactivo de registro (masculino y femenino), y en el reactivo de uso específico (femenino), pertenecientes al factor conceptualización del concepto (CC). Las proporciones bajas (≤0.25) fueron comunes puesto en varios reactivos que pertenecen a los distintos factores. Es importante mencionar que para el análisis se utilizó MPlus.

Tabla 2. Proporciones para cada categoría por género. IP se refiere a identificación de ideas principales. IN se refiere a construcción de inferencias. CC se refiere a conceptualización del concepto. El rango va desde 0: menos correcto hasta 3: más correcto.

Indicador	Factor	Masculino (424)				Femenino (379)
		0	1	2	3	0	1	2	3
		Proporción
SUM_1	IP	0.106	0.233	0.241	0.419	0.090	0.197	0.180	0.533
SUM_2		0.269	0.227	0.107	0.397	0.230	0.220	0.092	0.457
AS_1		0.151	0.175	0.225	0.448	0.147	0.169	0.249	0.435
AS_2		0.074	0.340	0.167	0.419	0.076	0.254	0.152	0.518
AS_3		0.223	0.178	0.207	0.391	0.223	0.158	0.189	0.429
PUR_1		0.193	0.389	0.158	0.260	0.178	0.409	0.154	0.259
SUM_3		0.194	0.170	0.215	0.420	0.221	0.167	0.181	0.431
PUR_2		0.064	0.227	0.401	0.307	0.072	0.171	0.389	0.368
AS_4		0.174	0.303	0.198	0.324	0.179	0.404	0.191	0.225
PUR_3		0.162	0.210	0.296	0.332	0.174	0.155	0.256	0.415
PER_1	IN	0.149	0.138	0.180	0.533	0.147	0.116	0.152	0.585
CACO_1		0.238	0.241	0.185	0.336	0.190	0.276	0.185	0.349
PRE_1		0.111	0.159	0.337	0.393	0.079	0.141	0.391	0.388
PER_2		0.205	0.256	0.264	0.275	0.170	0.201	0.311	0.318
PER_3		0.269	0.184	0.221	0.325	0.238	0.181	0.188	0.393
PRE_2		0.096	0.191	0.274	0.439	0.086	0.183	0.233	0.499
CACO_2		0.175	0.202	0.161	0.462	0.181	0.178	0.178	0.463
PRE_3		0.199	0.253	0.255	0.293	0.174	0.244	0.287	0.295
CACO_3		0.171	0.226	0.226	0.378	0.189	0.182	0.230	0.400
PER_4		0.292	0.265	0.174	0.268	0.236	0.287	0.176	0.301
REC_1	CC	0.048	0.132	0.201	0.619	0.057	0.076	0.185	0.682
SI_1		0.172	0.138	0.284	0.406	0.147	0.116	0.278	0.458
SI_2		0.173	0.306	0.255	0.266	0.145	0.243	0.286	0.326
REC_2		0.139	0.308	0.223	0.330	0.093	0.292	0.275	0.340
SU_1		0.217	0.160	0.265	0.358	0.198	0.181	0.229	0.391
SU_2		0.112	0.163	0.160	0.565	0.112	0.129	0.103	0.656
SI_3		0.112	0.176	0.332	0.380	0.123	0.147	0.364	0.366
SI_4		0.200	0.157	0.424	0.219	0.151	0.158	0.434	0.257
REC_3		0.225	0.195	0.268	0.312	0.165	0.165	0.294	0.375
SU_3		0.199	0.294	0.173	0.334	0.205	0.236	0.207	0.352

Fuente: Elaboración propia

La Figura 3 muestra las relaciones entre los diferentes reactivos y factores del constructo propuesto para medir la comprensión global en alumnos de tercer grado de primaria a través del modelo CFA. La primera carga factorial de cada factor se fijó en 1 para efectos identificación del modelo. Tres correlaciones se establecieron puesto que hubo tres factores. El modelo se sobre-identificó puesto que el número de observaciones resultó más grande que el número de parámetros. Treinta indicadores produjeron 30(30+1) / 2=465 número de observaciones. Fueron 123 parámetros (27 cargas factoriales, 3 factores de varianza, 90 umbrales, 3 covarianzas entre factores) a ser observados, así que los grados de libertad para este instrumento finalizaron en 402. Puesto que los reactivos están en una escala ordinal como una escala Likert con 4 puntos, se requieren 3 umbrales por reactivos.

Figura 3. Diagrama de ruta de CFA que representa la estructura de factores que componen la comprensión global lectora

Aplicación del CFA

Se aplicó el CFA para la confirmación del modelo hipotético dado en la Figura 3 con la muestra bajo estudio. Los datos se ajustaron usando un modelo logístico de dos parámetros para respuestas ordinales utilizando la estimación de mínimos cuadrados ponderados robustos (WLSMV, por sus siglas en inglés) con un enlace probit. El ajuste general del modelo fue satisfactorio x4022 = 415.067, p<0.0001, RMSEA=0.006, CFI=0.994, TLI=0.994, y WRMR=8.23 (Ver Tabla 3).

Tabla 3. Estimación de cargas factoriales para el modelo CFA de comprensión global lectora. IP se refiere a identificación de ideas principales. IN se refiere a construcción de inferencias. CC se refiere a conceptualización del concepto.

Indicador	Factor	Estimación estandarizada	Estimación no estandarizada	S.E. no estandarizado	p-value no estandarizado
SUM_1	IP	0.490	1.000	0.000	999
SUM_2		0.344	0.651	0.106	<0.001
AS_1		0.371	0.710	0.108	<0.001
AS_2		0.522	1.088	0.139	<0.001
AS_3		0.376	0.720	0.108	<0.001
PUR_1		0.302	0.563	0.095	<0.001
SUM_3		0.282	0.522	0.097	<0.001
PUR_2		0.164	0.296	0.078	<0.001
AS_4		0.099	0.177	0.082	0.031
PUR_3		0.336	0.633	0.101	<0.001
PER_1	IN	0.506	1.000	0.000	999
CACO_1		0.254	0.447	0.091	<0.001
PRE_1		0.340	0.615	0.095	<0.001
PER_2		0.274	0.486	0.088	<0.001
PER_3		0.313	0.561	0.096	<0.001
PRE_2		0.380	0.700	0.105	<0.001
CACO_2		0.287	0.510	0.097	<0.001
PRE_3		0.387	0.715	0.112	<0.001
CACO_3		0.409	0.764	0.113	<0.001
PER_4		0.074	0.127	0.074	0.086
REC_1	CC	0.410	1.000	0.000	999
SI_1		0.377	0.907	0.147	<0.001
SI_2		0.368	0.881	0.151	<0.001
REC_2		0.337	0.796	0.137	<0.001
SU_1		0.278	0.645	0.124	<0.001
SU_2		0.504	1.299	0.196	<0.001
SI_3		0.412	1.007	0.156	<0.001
SI_4		0.323	0.761	0.131	<0.001
REC_3		0.210	0.478	0.11	<0.001
SU_3		0.253	0.582	0.126	<0.001

Fuente: Elaboración Propia

Análisis multigrupo

Para el análisis multigrupo el tamaño de la muestra debe de ser similar para cada grupo. Las muestras utilizadas para este experimento son de tamaño similar. El número de estudiantes del género masculino fue de 379, mientras que del género femenino fue de 424. El número para estatus bajo fue de 360, mientras que para estatus medio fue de 443. El número para matutino fue de 323, mientras que para el vespertino fue de 480. El análisis multigrupo fue realizado por medio de varios procesos de medición de invarianza: configural invariance (COIN), loading and intercept/threshold invariance (LIT), error (co)variance invariance (EC). La invarianza estructural en la varianza y media latente (LVCO) son significativos para comparar la varianza y la media del factor en los grupos. En la Tabla 4 se observa que la invariancia entre grupos es satisfactoria.

Tabla 4. Índices del modelo de ajuste para evaluar mediciones de invarianza para la comprensión global lectora en el grupo género.

	x²(df)	p	CFI	RMSEA	WRMR	∆x²(∆df)^a	p	∆CFI
COIN	916.16 (864)	0.106	0.973	0.012	1.245	-----	-----	0.021
LIT	916.16 (864)	0.106	0.973	0.012	1.245	-----	-----	0
EC	916.16	0.106	0.973	0.012	1.245	-----	-----	0
LVCO	922.34 (867)	0.093	0.972	0.013	1.253	5.773 (3)	0.12	0.001

Fuente: Elaboración propia

Interpretación del modelo

De acuerdo Bovaird y Koziol (2012) la probabilidad estimada para un individuo con un factor promedio respaldado por una opción satisfactoria puede ser determinado utilizando

P(yij=c)=ϕ(-τj,c+λjfi)-Φ(-τj,c+1+λjfi)=P(yij≥c)-P(yij≥c+1)

donde fi es el i^mo puntaje individual del factor, τj es el umbral por identificador j, λj es la carga factorial por indicador j, y ϕ es la función de la distribución normal estándar acumulada. Así, la Tabla 5 muestra las probabilidades para todos los indicadores bajo cada género.

Tabla 5. Probabilidades estimadas para el modelo de grupos múltiples (género).

Indicadores	Factores	P(y=1)	P(y=2)	P(y=3)	P(y=4)
SUM_1	IP	0.0749	0.2128	0.2322	0.4801
SUM_2		0.2611	0.2110	0.1032	0.4247
AS_1		0.1423	0.1662	0.2511	0.4404
AS_2		0.0516	0.3004	0.1161	0.5319
AS_3		0.2090	0.1769	0.2089	0.4052
PUR_1		0.1814	0.4057	0.1615	0.2514
SUM_3		0.1894	0.1851	0.2008	0.4247
PUR_2		0.0630	0.2013	0.3948	0.3409
AS_4		0.1736	0.3583	0.1938	0.2743
PUR_3		0.1562	0.1884	0.2885	0.3669
PER_1	IN	0.1056	0.1364	0.1866	0.5714
CACO_1		0.2296	0.2425	0.1870	0.3409
PRE_1		0.0985	0.1342	0.3814	0.3859
PER_2		0.1949	0.218	0.2959	0.2912
PER_3		0.2643	0.1682	0.2118	0.3557
PRE_2		0.0778	0.1865	0.2636	0.4721
CACO_2		0.1660	0.1972	0.1727	0.4641
PRE_3		0.1762	0.2524	0.2904	0.2810
CACO_3		0.1562	0.2183	0.2434	0.3821
PER_4		0.2946	0.2413	0.1764	0.2877
REC_1	CC	0.0336	0.1021	0.2015	0.6628
SI_1		0.1611	0.1132	0.2971	0.4286
SI_2		0.1562	0.2724	0.2837	0.2877
REC_2		0.1230	0.2899	0.2607	0.3264
SU_1		0.2061	0.1684	0.2548	0.3707
SU_2		0.0823	0.1443	0.1479	0.6255
SI_3		0.0885	0.1726	0.3757	0.3632
SI_4		0.1841	0.1387	0.4476	0.2296
REC_3		0.2177	0.1530	0.2847	0.3446
SU_3		0.1922	0.2719	0.1950	0.3409

Fuente: Elaboración propia

Múltiples indicadores y múltiples causas

Otra forma de estimar diferencias de grupos en factores latentes es a través de MIMIC. MIMIC requiere supuestos de invarianza de medición a través de los grupos (Kenny, 2011). Ya se mostró en la Tabla 3 que las medidas de invarianza en el grupo de género se cumplieron. Así el modelo MIMIC se utilizó para este proyecto. El x4292=450.385, indica un hueco en el ajuste del modelo exacto (género). Los índices de ajuste sugieren que el modelo general tiene un ajuste razonable, CFI= 0.990, RMSEA=0.008, TLI=0.990

El coeficiente no estandarizado de IP en femenino resultó 0.136 (S.E.=0.055) con p=0.013, lo que sugiere una diferencia significativa entre masculino y femenino, con femenino exhibiendo niveles más altos. El coeficiente no estandarizado de IN fue de 0.132 (S.E.=0.059) con p=0.026. Mientras que para CC correspondió a 0.142 (S.E.=0.047) con p=0.002. Las correlaciones entre IP e IN fueron estimadas en 0.32, entre IP y CC en 0.251, y entre IN y CC en 0.244. La Tabla 6 muestra las probabilidades por indicador bajo cada factor. Las probabilidades de estar en el correcto de acuerdo con el modelo MIMIC, son similares al modelo de múltiples grupos.

Tabla 6. Probabilidades estimadas para el modelo de grupos múltiples por género

Indicadores	Factores	P(y=1)	P(y=2)	P(y=3)	P(y=4)
SUM_1	IP	0.0869	0.2431	0.2414	0.4286
SUM_2		0.2611	0.2389	0.1026	0.3974
AS_1		0.1314	0.1771	0.2511	0.4404
AS_2		0.0582	0.3354	0.1857	0.4207
AS_3		0.2177	0.1797	0.2090	0.3936
PUR_1		0.1762	0.4148	0.1607	0.2483
SUM_3		0.1949	0.1720	0.2006	0.4325
PUR_2		0.0749	0.2128	0.3967	0.3156
AS_4		0.1492	0.3428	0.1995	0.3085
PUR_3		0.1811	0.1858	0.2885	0.3446
PER_1	IN	0.1251	0.1360	0.1911	0.5478
CACO_1		0.2177	0.2703	0.1892	0.3228
PRE_1		0.0885	0.1566	0.3842	0.3707
PER_2		0.2005	0.2478	0.2906	0.2611
PER_3		0.2676	0.1926	0.2098	0.3300
PRE_2		0.0838	0.2005	0.2714	0.4443
CACO_2		0.1685	0.1947	0.1766	0.4602
PRE_3		0.1762	0.2681	0.2881	0.2676
CACO_3		0.1635	0.2148	0.2472	0.3745
PER_4		0.2843	0.2793	0.1721	0.2643
REC_1	CC	0.0455	0.1060	0.2154	0.6331
SI_1		0.1587	0.1394	0.3006	0.4013
SI_2		0.1660	0.3021	0.2805	0.2514
REC_2		0.1151	0.3253	0.2581	0.3015
SU_1		0.2090	0.1769	0.2547	0.3594
SU_2		0.0951	0.1595	0.1544	0.5910
SI_3		0.0968	0.1610	0.3790	0.3632
SI_4		0.1814	0.1706	0.4447	0.2033
REC_3		0.2206	0.1923	0.2821	0.3050
SU_3		0.2033	0.2728	0.1939	0.3300

Fuente: Elaboración propia

4. DISCUSIÓN

El objetivo de este estudio fue diseñar y validar un instrumento de evaluación de la comprensión global lectora en estudiantes de tercer grado de educación primaria, habilidad que más se complica a los estudiantes mexicanos. Hasta donde sabemos, este es el primer instrumento que se diseña para evaluar sólo la habilidad de comprensión global lectora en el contexto aplicado; la mayoría de los trabajos previos se han centrado en construir instrumentos para la comprensión lectora de manera más general en diversas poblaciones.

A lo largo de la historia se han diseñado distintos instrumentos. El instrumento cloze para evaluar la comprensión de textos en nivel universitario data de la década de los cincuenta, donde ya existía un interés en la evaluación de la comprensión lectora (Taylor, 1953). Ejemplos de instrumentos diseñados fuera del contexto mexicano corresponden al estudio de Alliende et al. (2004), quienes diseñaron la prueba de comprensión lectora de Complejidad Lingüística Progresiva (CLP), la cual es utilizada de forma frecuente en escuelas chilenas con el fin de evaluar la comprensión lectora de los estudiantes. Esta prueba es estandarizada, cuenta con ocho niveles que corresponden al número de cursos básicos en el país chileno. Los autores de esta prueba consideran elementos de sintaxis, semántica y pragmatismo para determinar el nivel de simplicidad o complejidad (Neira-Martínez & Castro-Yáñez, 2013). También, el estudio de Ramos-Morales (2006) muestra la elaboración de un instrumento para evaluar la comprensión lectora de estudiantes de 13-14 años; dicho instrumento toma como punto de partida para su elaboración el modelo de comprensión de autores como Dijk y Kinstch. Una de las características de este instrumento es que utiliza pregunta de respuesta corta, y gran parte de su estructura se basa en la construcción de inferencias. El Instrumento para Medir la Comprensión Lectora en Alumnos Universitarios (ICLAU) que consta de texto de tipo expositivo – argumentativo y que contiene una serie de reactivos para evaluar los niveles de comprensión literal, reorganización de la información, inferencial, crítico y apreciativo (Pérez-Zorrilla, 2005). Nuestra propuesta difiere de estos instrumentos en diversas características, por mencionar tres de estas: el tipo de respuesta, la edad de a quienes está dirigido el instrumento y los subconstructos.

Por otro lado, en el contexto mexicano existen distintos instrumentos creados para evaluar la comprensión lectora de estudiantes. Sánchez et al. (2011) realizaron un instrumento para el diagnóstico de lectura aplicado a estudiantes de licenciatura, que utiliza siete textos y una serie de pruebas escritas; una de las limitaciones de este instrumento es el tiempo que puede requerir para su aplicación. PISA es una prueba famosa que también se aplica en México – y en otros países – con el fin de evaluar, entre otras habilidades, la comprensión lectora; su aplicación inició en el 2000 y está dirigida a estudiantes de quince años.

Por otra parte, organismos como la SEP y el Instituto Nacional para la Evaluación de la Educación (INEE) han realizado esfuerzos para desarrollar instrumentos que permitan valorar habilidades de la comprensión lectora tales como Exámenes Nacionales del Logro Académico en Centros Escolares (ENLACE), Plan Nacional para la Evaluación de los Aprendizajes (PLANEA) y Exámenes de la Calidad y el Logro Educativos (EXCALE). Estos tres aplicables a niños de tercer grado de primaria. Aunque han sido instrumentos populares y destacados, también han tenido algunas críticas por parte de diversos autores debido a su aplicación a gran escala y en los diversos contextos del país (Backhoff et al., 2010; Backhoff & Contreras, 2014; Caracas & Ornelas, 2019; Martínez, 2015). Respecto a estos últimos instrumentos, una de las diferencias más fuertes respecto a nuestra propuesta, es que mientras estos instrumentos evalúan diversas habilidades de la comprensión lectora y reflexión de la lengua, nuestro instrumento está enfocado únicamente en la comprensión global lectora.

Sin embargo, así como la propuesta dentro de este trabajo cuenta con las diversas bondades ya expuestas, también cuenta con limitaciones. El tiempo de aplicación del instrumento es considerable. Una sugerencia realizada por algunos maestros normalistas es que para una nueva versión el instrumento debería poder aplicarse en dos o tres distintos momentos, en caso de no reducir la cantidad de textos que le componen. Asimismo, a pesar de que se cumplen con diversos criterios de validación, la calibración por cada reactivo puede mejorar utilizando el modelo logístico de dos parámetros (2PL) de la Respuesta Teoría al Reactivo (IRT, por sus siglas en inglés). Finalmente, aunque mostramos evidencia de que el mismo constructo es apropiado para diferentes grupos: género, turno y estatus, es importante señalar que estos resultados se aplicaron sólo en escuelas públicas, ya que la muestra de 803 estudiantes de tercer grado es de un estado con uno de los menores índices de población. Consideramos que para el caso de estudiantes que se encuentran en ciudades de estatus socioeconómico bajo, así como en turnos vespertinos, será mejor construir un nuevo instrumento, ya que la brecha de conocimiento en esta intersección de variables es significativamente baja. Es notorio que, al cruzar estas dos variables, el resultado que es gran parte de esta población estudiantil dedica sus mañanas a trabajar dentro y fuera del hogar. Como se afirmó en este estudio, con el fin de construir con éxito cualquier instrumento de medición de habilidades, es esencial considerar el contexto, los conocimientos previos, las experiencias y realidad del estudiante

5. CONCLUSIONES

Las habilidades de la comprensión lectora son esenciales para tener éxito en los distintos ámbitos por los que atraviesa cualquier persona: académico, personal, profesional, entre otros. Por ello, en términos educativos, las actividades relacionadas con la lectura deben iniciar en edad temprana. En este sentido, la evaluación de las distintas habilidades de comprensión lectora es fundamental, pues de ahí que se seleccionen las estrategias de apoyo de forma adecuada.

Por lo anterior, para evaluar a niños de tercer grado de primaria, construimos y validamos un instrumento para la comprensión global lectora. Generamos el constructo a través de los factores de ideas principales, inferencias y contextualización del contexto, los cuales se obtuvieron a través de una revisión de literatura. Tomamos en cuenta el contexto, experiencias y conocimiento previo de los participantes.

Para el análisis estadístico hemos presentado un conjunto de modelos plausibles de medición de los tres factores mencionados. Utilizamos el método de estimación WLSMV para evaluar los modelos de medición y, en consecuencia, de los ítems categóricos. Al excluir el género, el estatus y el turno, el modelo arrojó tres factores que se ajustaron a la comprensión global lectora. Estos resultados fueron apoyados por el CFA, la técnica estadística que se utilizó para validar esta contribución.

Agradecimientos / Acknowledgments:

Expresamos el agradecimiento a los docentes del Programa de ingeniería estadística de la Facultad de Ingeniería estadística de la Universidad de Colima.

Conflicto de intereses / Competing interests:

Los autores declaran que no incurren en conflictos de intereses.

Rol de los autores / Authors Roles:

Laura Gaytán: conceptualización, curación de datos, análisis formal, adquisición de fondos, investigación, metodología, administración del proyecto, recursos, software, supervisión, validación, visualización, escritura - preparación del borrador original, escritura - revisar & amp; edición.

Osval Montesinos: conceptualización, análisis formal, investigación, metodología, administración del proyecto, recursos, software, supervisión, validación, visualización, escritura - preparación del borrador original, escritura - revisar & amp; edición.

Pablo Alcaraz: conceptualización, investigación, metodología, administración del proyecto, recursos, software, supervisión, validación, visualización, escritura - preparación del borrador original, escritura - revisar & amp; edición.

José Fernández: conceptualización, investigación, metodología, administración del proyecto, recursos, software, supervisión, validación, visualización, escritura - preparación del borrador original, escritura - revisar & amp; edición.

Fuentes de financiamiento / Funding:

Los autores declaran que no recibieron un fondo específico para esta investigación.

Aspectos éticos / legales; Ethics / legals:

Los autores declaran no haber incurrido en aspectos antiéticos, ni haber omitido aspectos legales en la realización de la investigación.

Referencias

Alderson, J. C. (2000). Assessing Reading. Cambridge University Press. https://doi.org/10.1017/CBO9780511732935
Alliende, F., Condemarín, M., & Milicic, N. (2004). Prueba CLP, formas paralelas: Manual para la aplicación de la prueba de comprensión lingüística progresiva, ocho niveles de lectura. Ediciones Universidad Católica de Chile.
Anckar, J. (2011). Assessing Foreign Language Listening Comprehension by Means of the Multiple-Choice Format : Processes and Products Joanna Anckar Assessing Foreign Language Listening Comprehension by Means of the Multiple-Choice Format : Processes and Products [University of Jyväskylä]. http://urn.fi/URN:ISBN:978-951-39-4410-0
Backhoff, E., Andrade, E., Sánchez, A., Peón, M., & Bouzas, A. (2006). El aprendizaje del Español y las Matemáticas en la educación básica en México: sexto de primaria y tercero de secundaria. INEE.
Backhoff, E., & Contreras, S. (2014). “Corrupción de la medida” e inflación de los resultados de enlace. Revista Mexicana de Investigación Educativa, 19(63), 1267–1283. http://www.redalyc.org/articulo.oa?id=14032016012
Backhoff, E., Sánchez, Á., Peón, M., & Andrade, E. (2010). Comprensión lectora y habilidades matemáticas de estudiantes de educación básica en México : 2000-2005 Reading Comprehension and Math Skills of Students in Basic Education in Mexico : 2000-2005. Revista Electrónica de Investigación Educativa, 12(1), 2000–2005. http://redie.uabc.mx/redie/article/view/242/402
Baños, J., García, M., Vázquez, T., Flores, C., Pardo, R., Salazar María, & Miguel, A. (2010). Curso básico de formación continua para maestros en servicio, planeación didáctica para el desarrollo de competencias en el aula 2010. Secretaría de Educación Pública.
Beck, I., McKeown, M., & Kucan, L. (2013). Bringing words to life: Robust vocabulary instruction. Guilford Press.
Bollen, K., & Curran, P. (2006). Latent curve models: A structural equation perspective. John Wiley & Sons.
Boudah, D. J. (2015). The Main Idea Strategy: A Strategy to Improve Reading Comprehension Through Inferential Thinking. Intervention in School and Clinic, 49(3), 148–155. https://doi.org/10.1177/1053451213496160
Bovaird, J., & Koziol, N. (2012). Measurement Models for Ordered-Categorical Indicators. In R. H. Hoyle (Ed.), Handbook of Structural Equation Modeling (pp. 495–511). Guilford Press.
Browne, M. W., & Cudeck, R. (1992). Alternative Ways of Assessing Model Fit. Sociological Methods & Research, 21(2), 230–258. https://doi.org/10.1177/0049124192021002005
Cadavid-Ruiz, N., Quijano-Martínez, M.-C., Escobar, P., Rosas, R., & Tenorio, M. (2016). Validación de una prueba computarizada de lectura inicial en niños escolares colombianos. Ocnos: Revista de Estudios Sobre Lectura, 15, 98–109. https://doi.org/10.18239/ocnos
Canet-Juric, L., Andrés, M. L., & Ané, A. (2005). Modelos teóricos de comprensión lectora. Relaciones con prácticas pedagógicas de enseñanza y aprensizaje. XII Jornadas de Investigación y Primer Encuentro de Investigadores En Psicología Del Mercosur, 410–413. https://www.aacademica.org/000-051/55.pdf
Caracas, B., & Ornelas, M. (2019). La evaluación de la comprensión lectora en México. Perfiles Educativos, XLI(164), 8–27. https://doi.org/10.22201/iisue.24486167e.2019.164.59087
Clarke, P., Truelove, E., Hulme, C., & Snowling, M. (2013). Developing reading comprehension. Wiley-Blackwell.
Cook, A. E., & O’Brien, E. J. (2014). Knowledge Activation, Integration, and Validation During Narrative Text Comprehension. Discourse Processes, 51(1–2), 26–49. https://doi.org/10.1080/0163853X.2013.855107
Cromley, J. G., & Azevedo, R. (2007). Testing and refining the direct and inferential mediation model of reading comprehension. Journal of Educational Psychology, 99(2), 311–325. https://doi.org/10.1037/0022-0663.99.2.311
De la Garza, J., Morales-Serrano, B., & González-Cavazos, B. (2013). Análisis Estadístico-Multivariado: Un enfoque teórico y práctico. McGraw-Hill.
Defior, S. (2000). Las dificultades de aprendizaje: lectura, escritura, matemáticas. Aljibe.
Del Puerto, L. G., Thoms, C., & Boscarino, E. (2018). Reading comprehension of first year university students. Revista Científica de La UCSA, 5(2), 11–25. https://doi.org/10.18004/ucsa/2409-8752/2018.005(02)011-025
Escudero, I. (2010). Las inferencias en la comprensión lectora: Una ventana hacia los procesos cognitivos en segundas lenguas. Revista Nebrija de Lingüística Aplicada a La Enseñanza de Lenguas, 7, 1–31. https://doi.org/10.26378/rnlael47127
García-Madruga, J. A., Gutiérrez-Martínez, F., & Carriedo-López, N. (2002). Psicología evolutiva II: Desarrollo Cognitivo y Lingüístico. UNED.
Geiser, C., Burns, G. L., & Servera, M. (2014). Testing for measurement invariance and latent mean differences across methods: interesting incremental information from multitrait-multimethod studies. Frontiers in Psychology, 5. https://doi.org/10.3389/fpsyg.2014.01216
González-Trujillo, M. C. (2005). Children’s reading comprehension: Morphosyntax and Prosody in action [Universidad de Granada]. http://hera.ugr.es/tesisugr/15808932.pdf
Grabe, W. (2008). Reading in a Second Language. Cambridge University Press. https://doi.org/10.1017/CBO9781139150484
Grabe, W., & Jiang, X. (2014). The Companion to Language Assessment. In A. J. Kunnan (Ed.), The companion to language assessment (pp. 185–200). Wiley-Blackwell.
Gutiérrez, D., Aguiar, D., & Díaz, M. (2015). Contexto escolar y comprensión lectora en la prueba ENLACE en bachilleratos de Jalisco. CPU-e, Revista de Investigación Educativa, 0(20), 1–24. https://doi.org/10.25009/cpue.v0i20.1285
Hedgcok, J., & Ferris, D. (2009). Teaching Readers of English: Students, Texts, and Contexts. Routledge.
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Kenny, D. (2011). Multiple Groups. http://davidakenny.net/cm/mgroups.htm
Kieras, D., & Just, M. (2018). New methods in reading comprehension research. Routledge.
Kintsch, W., & van Dijk, T. A. (1978). Toward a model of text comprehension and production. Psychological Review, 85(5), 363–394. https://doi.org/10.1037/0033-295X.85.5.363
Kismiantini, -, Montesinos-Lopez, O. A., Garcia-Martinez, J. J., & Franco-Perez, E. (2014). Analyzing the Factors of Job Satisfaction in a Mexican Hospital with Binary Indicators by Confirmatory Factor Analysis. International Journal of Business and Management, 9(8), 61–83. https://doi.org/10.5539/ijbm.v9n8p61
Kispal, A. (2008). Effective Teaching of Inference Skills for Reading. https://files.eric.ed.gov/fulltext/ED501868.pdf
Kline, R. (2011). Principles and Practice of Structural Equation Modeling. The Guilford Press.
MacCallum, R. C., & Browne, M. W. (1993). The use of causal indicators in covariance structure models: some practical issues. Psychological Bulletin, 114(3), 533–541. http://www.ncbi.nlm.nih.gov/pubmed/8272469
Madero, I., & Gómez, L. (2013). El proceso de comprensión lectora en alumnos de tercero de secundaria. Revista Mexicana de Investigacion Educativa, 18(56), 113–139.
Martínez, R. (2015). Las pruebas ENLACE y EXCALE. Un estudio de validación. Instituto Nacional para la Evaluación de la Educación. INEE.
McNamara, D. S., & Magliano, J. (2009). Chapter 9 Toward a Comprehensive Model of Comprehension. In B. Ross (Ed.), Psychology of Learning and Motivation - Advances in Research and Theory (51st ed., pp. 297–384). Academic Press. https://doi.org/10.1016/S0079-7421(09)51009-2
Nation, K., Cocksey, J., Taylor, J. S. H., & Bishop, D. V. M. (2010). A longitudinal investigation of early reading and language skills in children with poor reading comprehension. Journal of Child Psychology and Psychiatry, 51(9), 1031–1039. https://doi.org/10.1111/j.1469-7610.2010.02254.x
Neira-Martínez, A., & Castro-Yáñez, G. (2013). Análisis de un instrumento estandarizado para la evaluación de la comprensión lectora a partir de un modelo psicolingüístico. Estudios Pedagógicos (Valdivia), 39(2), 231–249. https://doi.org/10.4067/S0718-07052013000200015
Neira, A. C., Reyes, F. T., & Riffo, B. E. (2015). Experiencia académica y estrategias de comprensión lectora en estudiantes universitarios de primer año. Literatura y Lingüística, 31, 221–244. https://doi.org/10.4067/S0716-58112015000100012
Newton, J., Ferris, D., Goh, C., Grabe, W., Stoller, F., & Vandergrift, L. (2018). Teaching English to Second Language Learners in Academic Contexts: Reading, Writing, Listening, and Speaking. Routledge.
O’Reilly, T., Wang, Z., & Sabatini, J. (2019). How Much Knowledge Is Too Little? When a Lack of Knowledge Becomes a Barrier to Comprehension. Psychological Science, 30(9), 1344–1351. https://doi.org/10.1177/0956797619862276
Paris, S. G., Wasik, B. A., & Turner, J. C. (1991). The development of strategic readers. In M. L. Kamil, P. B. Mosenthal, & P. D. Pearson (Eds.), Handbook of reading research: Vol. II (pp. 609–640). Longman.
Pérez-Zorrilla, M. (2005). Evaluación de la comprensión lectora: dificultades y limitaciones. Revista de Educación, 121–138. http://www.revistaeducacion.educacion.es/re2005/re2005_10.pdf
Perrusquia, E., Carranza, L., Vázquez, T., García, M., & Meza, F. (2010). Curso básico de formación continua para maestros en servicio, planeación didáctica para el desarrollo de competencias en el aula 2010.
Ramos-Morales, C. (2006). Elaboración De Un Instrumento Para Medir Comprensión Lectora. Onomázein, 14(1983), 197–210.
Rouet, J.-F., Britt, M. A., & Durik, A. M. (2017). RESOLV: Readers’ Representation of Reading Contexts and Tasks. Educational Psychologist, 52(3), 200–215. https://doi.org/10.1080/00461520.2017.1329015
Sánchez, S., Grajales, I., & García, E. (2011). Un instrumento para el diagnóstico de habilidades de lectura de los estudiantes de la licenciatura en enfermería, UNSIS. Perfiles Educativos, 33(132), 110–126.
Santos, M. A., Sotelino, A., Jover, G., Naval, C., Álvarez, J. L., Vázquez, V., & Sotelino, A. (2017). Diseño y Validación de un Cuestionario sobre Práctica Docente Actitud del Profesorado Universitario hacia la Innovación (CUPAIN). Educación XX1, 20(2), 39–71. https://doi.org/10.5944/educXX1.17806
Secretaría de Educación Pública. (2013). Prueba ENLACE. http://www.enlace.sep.gob.mx
Serrano, M.-Á., Vidal-Abarca, E., & Ferrer, A. (2017). Decisiones Estratégicas de Lectura y Rendimiento en Tareas de Competencia Lectora Similares a PISA. Educación XX1, 20(2), 279–297. https://doi.org/10.5944/educXX1.12076
Taylor, W. L. (1953). “Cloze Procedure”: A New Tool for Measuring Readability. Journalism Quarterly, 30(4), 415–433. https://doi.org/10.1177/107769905303000401
Tengberg, M. (2018). Validation of sub-constructs in reading comprehension tests using teachers’ classification of cognitive targets. Language Assessment Quarterly, 15(2), 169–182. https://doi.org/10.1080/15434303.2018.1448820
van den Broek, P. (2012). Individual and developmental differences in reading comprehension: Assessing cognitive processes and outcomes. In P. Sabatini, E. R. Albro, & T. O’Reilly (Eds.), Measuring up: Advances in how to assess reading ability (pp. 39–58). Rowman & Littlefield Education.
Yu, C. Y., & Muthen, B. (2002). Evaluation of model fit indices for latent variable models with categorical and continuous outcomes. Annual Meeting of the American Educational Research Association.