Influencia de la magnitud de la asociación entre covariable y la variable latente en el desempelo de los modelos de clases latentes.

Abstract

Esta investigación evalúa la influencia de la magnitud de la asociación entre las covariables y la variable latente impacta el desempeño de los modelos de análisis de clases latentes (LCA por sus siglas en inglés) en el contexto de datos educativos. A través de un estudio de simulación se examina cómo la magnitud de esta asociación influye en la detección del número correcto de clases, la precisión en la estimación de los parámetros y la clasificación de estos modelos. Además, se desarrolla un estudio empírico en el que se estima un modelo LCA con una covariable para agrupar a los estudiantes según su actitud y hábitos de lectura con datos de la prueba PISA 2018 de Costa Rica. Los resultados del estudio de simulación indican que la influencia de la magnitud de la asociación de la covariable con la variable latente sobre el desempeño de los modelos de LCA, depende de su interacción con el nivel de entropía y el tamaño de muestra. Se encontró que la inclusión de covariables con una alta asociación con la variable latente mejora el desempeño de modelos de LCA en condiciones no óptimas, como baja entropía y tamaños de muestra reducidos. En el caso del estudio con datos empíricos el LCA se identifican dos perfiles de estudiantes: uno con actitud positiva hacia la lectura y mayores hábitos lectores, y otro con las características opuestas. Entre las variables que permiten caracterizar a estas dos clases se encuentran: el capital cultural, las prácticas de mediación pedagógica docente, el sexo, la repitencia escolar y la mentalidad de crecimiento. Estos hallazgos resaltan la importancia de considerar tanto los factores individuales como los contextuales al diseñar estrategias educativas orientadas a fomentar actitudes y hábitos de lectura, y, por ende, mejorar la competencia lectora.This research evaluates how the magnitude of the association between covariates and the latent variable affects the performance of Latent Class Analysis (LCA) models within the context of educational data. Through a simulation study, it was examined how the strength of this association influences the detection of the correct number of classes, parameter estimation accuracy, and model classification. Furthermore, an empirical study is conducted by estimating an LCA model with a covariate to classify students according to their reading attitudes and habits, utilizing data from the 2018 PISA results for Costa Rica. The simulation results indicate that the influence of the magnitude of the association between covariates and the latent variable on LCA model performance depends on its interaction with entropy levels and sample size. It was found that including covariates that are strongly associated with the latent variable improve LCA model performance under non-optimal conditions, such as low entropy and small sample sizes. In the empirical study, the LCA identified two distinct student profiles: one characterized by a positive attitude toward reading and more frequent reading habits, and another with the opposite characteristics. Key variables used to describe these two classes include cultural capital, teacher-led pedagogical mediation practices, sex, grade retention, and growth mindset. These findings underscore the importance of accounting for both individual and contextual factors when designing educational strategies aimed at promoting positive reading attitudes and habits and, ultimately, enhancing reading literacy.