DOI: 10.26820/reciamuc/9.(3).julio.2025.123-138

URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1610

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIAMUC

ISSN: 2588-0748

TIPO DE INVESTIGACIÓN: Artículo de revisión

CÓDIGO UNESCO: 58 Pedagogía

PAGINAS: 123-138

Aplicación de métodos estadísticos y matemáticos para la

validación de instrumentos de investigación. Una revisión

sistemática

Application of statistical and mathematical methods for the validation of

research instruments. A systematic review

Aplicação de métodos estatísticos e matemáticos para a validação de

instrumentos de investigação. Uma revisão sistemática

Guisella Isabel Villamar Vásquez1; Leopoldo Rafael Burgos Rea2; Roberto Xavier Cherrez Ibarra3

RECIBIDO: 02/03/2025 ACEPTADO: 15/05/2025 PUBLICADO: 28/08/2025

1. Magíster en Estadística Aplicada; Magíster en Gerencia de Servicios de la Salud; Diploma Superior en Desarrollo Lo-

cal y Salud; Diploma Superior en Salud y Terapias Integrativas; Ingeniera Comercial con Mención en Administración

Financiera; Universidad Estatal de Milagro; Milagro, Ecuador; gvillamarv@unemi.edu.ec; https://orcid.org/0000-

0002-2336-6617

2. Magíster en Seguridad y Salud Ocupacional; Ingeniero Industrial Mención Mantenimiento Industrial; Universidad de

Guayaquil; Guayaquil, Ecuador; leopoldo.burgosr@ug.edu.ec; https://orcid.org/0009-0003-5811-7586

3. Máster en Educación Matemática Universitaria; Licenciado en Ciencias de la Comunicación Social; Universidad de

Guayaquil; Guayaquil, Ecuador; roberto.cherrezi@ug.edu.ec; https://orcid.org/0000-0002-6643-187X

CORRESPONDENCIA

Guisella Isabel Villamar Vásquez

Universidad Estatal de Milagro

Milagro, Ecuador

RESUMEN

El uso de métodos estadísticos y matemáticos es esencial para asegurar que los instrumentos de investigación sean

válidos y conﬁables en diversas disciplinas. Esta revisión sistemática tuvo como objetivo analizar y resumir la evidencia

cientíﬁca más reciente sobre cómo se aplican estas técnicas en la validación de instrumentos de recolección de datos. Se

utilizó la metodología PRISMA para seleccionar y ﬁltrar artículos publicados entre 2010 y 2025 en bases de datos como

PubMed/MEDLINE Scopus, Web of Science (WoS), PsycINFO, ERIC (Education Resources Information Center). Los crite-

rios de inclusión abarcaban estudios empíricos y revisiones que emplearan pruebas estadísticas (como análisis factorial,

coeﬁciente alfa de Cronbach, modelado de ecuaciones estructurales, entre otros) y modelos matemáticos para evaluar

la validez y conﬁabilidad de cuestionarios, escalas o encuestas. Después del proceso de selección, se incluyeron 38

estudios relevantes. Los resultados muestran que el análisis factorial exploratorio y conﬁrmatorio, junto con el coeﬁciente

de consistencia interna y los modelos de ecuaciones estructurales, son las técnicas más utilizadas en la validación de

instrumentos. Además, surgen propuestas basadas en la teoría de respuesta al ítem y modelos matemáticos avanzados

que mejoran la precisión de la medición. En conclusión, los métodos estadísticos y matemáticos son herramientas indis-

pensables en la investigación cientíﬁca, ya que garantizan la rigurosidad de los instrumentos, mejoran la calidad de los

datos y aumentan la validez de las conclusiones. Se sugiere fortalecer la formación en técnicas estadísticas avanzadas

para optimizar el proceso de validación en futuros estudios.

Palabras clave: Validación de instrumentos, Métodos estadísticos, Modelos matemáticos, Análisis factorial, Conﬁabilidad.

ABSTRACT

The use of statistical and mathematical methods is essential to ensure that research instruments are valid and reliable

across various disciplines. This systematic review aimed to analyze and summarize the most recent scientiﬁc evidence on

how these techniques are applied in the validation of data collection tools. The PRISMA methodology was used to select

and ﬁlter articles published between 2010 and 2025 in databases such as PubMed/MEDLINE Scopus, Web of Science

(WoS), PsycINFO, ERIC (Education Resources Information Center). The inclusion criteria covered empirical studies and

reviews that used statistical tests (such as factor analysis, Cronbach's alpha coefﬁcient, structural equation modeling,

among others) and mathematical models to assess the validity and reliability of questionnaires, scales, or surveys. After

the selection process, 38 relevant studies were included. The results show that exploratory and conﬁrmatory factor anal-

ysis, together with internal consistency coefﬁcients and structural equation models, are the most widely used techniques

in instrument validation. In addition, proposals based on item response theory and advanced mathematical models that

improve measurement accuracy have emerged. In conclusion, statistical and mathematical methods are indispensable

tools in scientiﬁc research, as they guarantee the rigor of the instruments, improve data quality, and increase the validity of

the conclusions. It is suggested that training in advanced statistical techniques be strengthened to optimize the validation

process in future studies.

Keywords: Instrument validation, Statistical methods, Mathematical models, Factor analysis, Reliability.

RESUMO

O uso de métodos estatísticos e matemáticos é essencial para garantir que os instrumentos de investigação sejam vá-

lidos e conﬁáveis em várias disciplinas. Esta revisão sistemática teve como objetivo analisar e resumir as evidências

cientíﬁcas mais recentes sobre como essas técnicas são aplicadas na validação de ferramentas de recolha de dados.

A metodologia PRISMA foi utilizada para selecionar e ﬁltrar artigos publicados entre 2010 e 2025 em bases de dados

como PubMed/MEDLINE Scopus, Web of Science (WoS), PsycINFO, ERIC (Education Resources Information Center). Os

critérios de inclusão abrangeram estudos empíricos e revisões que utilizaram testes estatísticos (como análise fatorial,

coeﬁciente alfa de Cronbach, modelagem de equações estruturais, entre outros) e modelos matemáticos para avaliar a

validade e conﬁabilidade de questionários, escalas ou pesquisas. Após o processo de seleção, 38 estudos relevantes

foram incluídos. Os resultados mostram que a análise fatorial exploratória e conﬁrmatória, juntamente com coeﬁcientes

de consistência interna e modelos de equações estruturais, são as técnicas mais utilizadas na validação de instrumentos.

Além disso, surgiram propostas baseadas na teoria de resposta ao item e em modelos matemáticos avançados que mel-

horam a precisão da medição. Em conclusão, os métodos estatísticos e matemáticos são ferramentas indispensáveis na

investigação cientíﬁca, pois garantem o rigor dos instrumentos, melhoram a qualidade dos dados e aumentam a validade

das conclusões. Sugere-se que a formação em técnicas estatísticas avançadas seja reforçada para otimizar o processo

de validação em estudos futuros.

Palavras-chave: Validação de instrumentos, Métodos estatísticos, Modelos matemáticos, Análise fatorial, Conﬁabili-

dade.

125

RECIAMUC VOL. 9 Nº 3 (2025)

Introducción

La validación de instrumentos de investiga-

ción es crucial para asegurar la calidad y la

credibilidad de los datos que se recogen.

Se han desarrollado y aplicado diversos

métodos estadísticos y matemáticos para

este propósito, que van desde enfoques

exploratorios hasta conﬁrmatorios y mixtos.

Dentro de los métodos estadísticos y ma-

temáticos comunes, se encuentran el aná-

lisis factorial exploratorio (AFE) y el análisis

factorial conﬁrmatorio (AFC). Estos permi-

ten evaluar aspectos como la unidimensio-

nalidad, la conﬁabilidad, y la validez tanto

convergente como discriminante de los ins-

trumentos. La combinación de ambos enfo-

ques en un método híbrido ha demostrado

ser ventajosa, ya que ayuda a identiﬁcar

patrones multidimensionales y a mejorar la

operacionalización de los constructos, es-

pecialmente en áreas que han sido poco

exploradas o que ya están consolidadas

(Ahire & Devaraj, 2001; Alsina et al., 2020).

Además, la consistencia interna y la validez

de contenido y apariencia suelen ser eva-

luadas a través de coeﬁcientes estadísticos

y pruebas realizadas por expertos (Arruda

& Almeida, 2023; Alsina et al., 2020).

Con relación a los enfoques mixtos y vali-

dación empírica se tiene que el desarrollo

y la validación de instrumentos también se

beneﬁcian de enfoques mixtos, que inte-

gran análisis cuantitativos y cualitativos. El

proceso de desarrollo y validación de cons-

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

tructos (IDCV) propone varias fases, que

van desde la revisión interdisciplinaria has-

ta la evaluación rigurosa del instrumento.

Este proceso utiliza análisis cruzados entre

métodos cuantitativos y cualitativos para

optimizar la validez (Onwuegbuzie et al.,

2010). La combinación de métricas estadís-

ticas, como pruebas de hipótesis, intervalos

de predicción y métodos bootstrap, permite

abordar la incertidumbre y la variabilidad en

los datos, lo que mejora la robustez de la

validación (Jacob et al., 2023; Jacob et al.,

2023; Ling & Mahadevan, 2012).

Las buenas prácticas y limitaciones, la lite-

ratura resalta la importancia de reportar no

solo las medidas de ajuste, sino también las

métricas de validación tanto interna como

externa, ya que conﬁar demasiado en el

ajuste estadístico puede llevar a malenten-

didos. Se sugiere utilizar una variedad de

métodos de validación y tener en cuenta la

incertidumbre y el contexto de aplicación

para lograr una evaluación más realista y

útil del instrumento (Parady et al., 2021; Ja-

cob et al., 2023; Ling & Mahadevan, 2012).

Entre los métodos emergentes se encuen-

tran: Pruebas de hipótesis clásicas y baye-

sianas Métodos basados en conﬁabilidad

y métricas de área Validación cruzada y

bootstrap para modelos predictivos. Diseño

óptimo de experimentos de validación (Pa-

quette-Ruﬁange et al., 2023; Ling & Maha-

devan, 2012; Kleijnen & Beers, 2019), ver

tabla 1.

Tabla 1. Comparativa de métodos principales

Nota: Elaborado por los autores (2025)

Autores (et al)

/ Año

País

Nombre del

instrumento

Propiedades de

medición

evaluadas

Métodos estadísticos/matemáticos

aplicados

Ahire &

Devaraj (2001)

-India

Validez de

constructo

Comparación empírica de enfoques

de validación de constructo (análisis

factorial confirmatorio,

correlaciones, etc.)

Aithal & Aithal

(2020)

India-

Cuestionario de

encuesta

Desarrollo y

validación

Revisión sistemática, enfoque

estadístico sistemático

Ali & Bhaskar

(2016)

India

Herramientas

estadísticas

básicas

Análisis descriptivo, inferencial,

correlación, regresión

Alsina et al.

(2020)

España

Instrumento para

evaluar la enseñanza

de matemáticas

Validez de

constructo

Análisis factorial confirmatorio,

validez convergente

AERA et al.

(2018)

EE.UU.

Estándares para

pruebas

Validez,

confiabilidad

Estándares psicométricos, evidencias

de validez

Arruda &

Almeida (2023)

España-

Instrumento de

investigación en

transporte

Elaboración y

validación

Método de validación de

instrumentos

Ávila Guamán

et al. (2024)

Ecuador

Métodos

avanzados de

estadística

Técnicas estadísticas avanzadas para

investigación

Bichi et al.

(2019)

Malasia

Instrumento de

investigación en

ciencias de la salud y

comportamiento

Desarrollo y

validación

Análisis factorial, consistencia

interna (Alpha de Cronbach)

Boateng et al.

(2018)

EE.UU.

Escalas en salud e

investigación

conductual

Validez,

confiabilidad

Análisis factorial, Alpha de

Cronbach, test-retest

Buch et al.

(2023)

Alemania

Selección de

variables grupales

Métodos estadísticos para selección

de variables (LASSO, etc.)

Flora & Flake

(2017)

Canadá

Escalas psicológicas

Validez

(exploratoria y

confirmatoria)

Análisis factorial exploratorio (AFE)

y confirmatorio (AFC)

Iantovics &

Enăchescu

(2022)

Rumanía

Calidad de datos

sintéticos

Métodos de evaluación de calidad de

datos

Jacob et al.

(2023)

Francia

Modelos de tiempo

hasta evento

Validación de

modelos

matemáticos

Métodos empíricos, considerando

incertidumbre y variabilidad

Kitchenham et

al. (2017)

Reino

Unido

Métodos robustos

en ingeniería de

software

Métodos estadísticos robustos,

bootstrap, técnicas de remuestreo

Macías et al.

(2024)

Ecuador

Herramientas

estadísticas

avanzadas

Revisión sistemática de métodos

cuantitativos

Mejía-Clavo et

al. (2024)

Perú

Instrumentos de

investigación en

matemáticas

Validez y

confiabilidad

Revisión sistemática, Alpha de

Cronbach, análisis factorial

Mokkink et al.

(2018)

Países

Bajos

COSMIN Risk of Bias

checklist

Validez,

confiabilidad

Lista de verificación para revisiones

sistemáticas de PROMs

Método/Enfoque

Aplicación principal

Ventajas clave

Citaciones

AFE y AFC

Validez de constructo

Identifica dimensiones y

mejora confiabilidad

(Ahire & Devaraj, 2001; Alsina et al.,

2020; Arruda & Almeida, 2023)

Enfoque mixto

(IDCV)

Desarrollo y

validación integral

Integra análisis cualitativos

y cuantitativos

(Onwuegbuzie et al., 2010)

Bootstrap y validación

cruzada

Modelos predictivos y

simulaciones

Maneja incertidumbre y

variabilidad

(Jacob et al., 2023; Ling & Mahadevan,

2012; Kleijnen & Beers, 2019)

Pruebas de hipótesis

bayesianas

Validación

cuantitativa avanzada

Considera incertidumbre

epistemológica

(Ling & Mahadevan, 2012)

126 RECIAMUC VOL. 9 Nº 3 (2025)

La validación de instrumentos de investi-

gación implica aplicar de manera riguro-

sa y combinada métodos estadísticos y

matemáticos, ajustándolos al contexto y al

tipo de instrumento, para garantizar que

los resultados sean ﬁables y puedan ser

replicados. La validación de instrumentos

de investigación es un pilar esencial en la

creación de conocimiento cientíﬁco. Ase-

gura que las herramientas que utilizamos

para medir conceptos teóricos, actitudes

o comportamientos sean precisas, conﬁa-

bles y adecuadas para el contexto en el

que se aplican (American Educational Re-

search Association [AERA] et al., 2018). En

este sentido, aplicar métodos estadísticos y

matemáticos de manera rigurosa es funda-

mental para cuantiﬁcar y evaluar las propie-

dades psicométricas de estos instrumen-

tos, como la validez y la conﬁabilidad, que

son requisitos imprescindibles para garan-

tizar la integridad y la replicabilidad de los

hallazgos empíricos (Boateng et al., 2018).

La creciente complejidad de los fenómenos

que estudiamos en ciencias sociales y de

la salud, junto con el desarrollo de nuevas

técnicas analíticas, ha ampliado conside-

rablemente el conjunto de herramientas

metodológicas disponibles, que van desde

modelos clásicos de la Teoría de Respuesta

al Ítem (TRI) hasta análisis factorial conﬁr-

matorio (AFC) en el marco de los Modelos

de Ecuaciones Estructurales (SEM) (Flora &

Flake, 2017).

A pesar de contar con directrices bien es-

tablecidas y una amplia literatura sobre

principios psicométricos, la evidencia em-

pírica indica que aún enfrentamos desafíos

signiﬁcativos en su aplicación práctica. Va-

rios estudios de revisión han documentado

una implementación inconsistente, un uso

selectivo de técnicas y, en ocasiones, una

aplicación incorrecta de los procedimientos

estadísticos en la validación de instrumentos

(Sijtsma, 2016; Mokkink et al., 2019). Esta in-

consistencia metodológica no solo afecta la

calidad de las investigaciones individuales,

sino que también crea una heterogeneidad

problemática en la literatura, diﬁcultando la

comparación de resultados entre estudios

y la síntesis de evidencia a través de me-

ta-análisis. Esto justiﬁca plenamente la nece-

sidad de una revisión crítica actualizada.

Como resultado, para abordar esta proble-

mática, esta revisión sistemática se plantea

en respuesta a la siguiente pregunta de in-

vestigación: ¿Cómo se están utilizando los

métodos estadísticos y matemáticos para

validar instrumentos de investigación en

estudios empíricos publicados entre 2010 y

2025, y qué brechas o inconsistencias me-

todológicas se observan en su implementa-

ción? Así, el objetivo principal de esta inves-

tigación es sintetizar y evaluar de manera

crítica la evidencia existente sobre la apli-

cación de métodos estadísticos y matemá-

ticos en los procesos de validación de ins-

trumentos. De manera más especíﬁca, se

busca: 1) identiﬁcar y clasiﬁcar los métodos

estadísticos y matemáticos más común-

mente utilizados para demostrar la validez

y la conﬁabilidad; 2) evaluar si la aplicación

de estas técnicas se ajusta a los estánda-

res psicométricos establecidos; y 3) señalar

las tendencias emergentes y las principales

limitaciones que se han reportado en la lite-

ratura sobre la práctica de validación.

Metodología

Este estudio se llevará a cabo como una

revisión sistemática, siguiendo las pautas

de PRISMA (Elementos Preferidos para In-

formes de Revisiones Sistemáticas y Metaa-

nálisis) para asegurar que el proceso sea

transparente y completo.

1. Criterios de Elegibilidad

Pregunta de investigación (Formato

PICO):

P (Población): Instrumentos de investiga-

ción (como cuestionarios, escalas, tests,

encuestas, formularios) utilizados en cual-

quier área del conocimiento (ciencias de la

salud, ciencias sociales, educación, inge-

niería, etc.). I (Intervención): Uso de mé-

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

127

RECIAMUC VOL. 9 Nº 3 (2025)

todos estadísticos y/o matemáticos para

validar estos instrumentos (por ejemplo,

Análisis Factorial Exploratorio/Conﬁrma-

torio, Teoría de Respuesta al Ítem, Alfa de

Cronbach, Coeﬁciente de Correlación Intra-

clase, Modelos de Ecuaciones Estructura-

les, Análisis de Rasch, etc.). C (Compara-

ción): No se aplica directamente, ya que el

objetivo es mapear y sintetizar los métodos

utilizados, no comparar intervenciones. En

su lugar, la comparación será implícita entre

los diferentes métodos estadísticos que se

identiﬁquen.

O (Outcome/Resultado): Tipos de propie-

dades de medición evaluadas (validez de

contenido, validez de constructo, validez

convergente/divergente, conﬁabilidad, etc.)

y los métodos estadísticos especíﬁcos re-

portados para su evaluación.

Criterios de Inclusión:

Los tipos de estudios son, estudios obser-

vacionales de metodología de encuesta

(desarrollo y validación de instrumentos),

artículos metodológicos y estudios de eva-

luación de propiedades psicométricas. Se

incluirán estudios publicados en revistas

cientíﬁcas revisadas por pares. Idioma:

Artículos en español e inglés. Período de

tiempo: Estudios publicados entre enero

de 2010 y diciembre de 2025 (para obtener

una visión actualizada de la última década).

Contexto: No se aplicarán restricciones en

cuanto al área temática de aplicación.

Criterios de Exclusión:

Estudios que utilicen el instrumento sin de-

tallar los procesos o métodos de validación.

Artículos de revisión narrativa, editoriales,

cartas al editor, tesis y actas de congresos

(se prioriza la evidencia primaria que ha sido

publicada y revisada por pares). Estudios

que desarrollen instrumentos, pero no infor-

men sobre el uso de métodos estadísticos

o matemáticos en su validación. Estudios

cuyo texto completo no esté disponible.

2. Estrategias de Búsqueda

La búsqueda se llevará a cabo en las si-

guientes bases de datos bibliográﬁcas, tan-

to multidisciplinarias como especializadas:

PubMed/MEDLINE Scopus, Web of Science

(WoS), PsycINFO, ERIC (Education Resour-

ces Information Center) Palabras clave y

términos de búsqueda: Se emplearán tér-

minos controlados (MeSH) y palabras de

texto libre que estén relacionadas con los

conceptos de "validación de instrumentos"

y "métodos estadísticos". La estrategia se

ajustará a la sintaxis especíﬁca de cada

base de datos.

Concepto 1 (Instrumento): ("Research Ins-

trument" OR "Psychometric Properties" OR

Questionnaire OR Scale OR Survey OR "Data

Collection" OR "Outcome Assessment")

Concepto 2 (Validación): (Validation OR Va-

lidité OR "Reproducibility of Results" ORPsy-

chometrics OR "Validation Study") Concepto

3 (Métodos): ("Statistical Methods" OR "Fac-

tor Analysis" OR "Item Response Theory" OR

"Cronbach's alpha" OR "Internal Consisten-

cy" OR "Structural Equation Modeling") Es-

trategia de combinación: (Concepto 1 AND

Concepto 2 AND Concepto 3)

Fechas y otros ﬁltros: La búsqueda se limi-

tará al rango de fechas (2014 - 2024) y a ar-

tículos en inglés y español. No se aplicarán

otros ﬁltros iniciales para maximizar la sen-

sibilidad de la búsqueda. Contexto: No se

establecerán restricciones en cuanto al área

temática de aplicación del instrumento.

3. Proceso de Selección de Estudios

Revisión de títulos y resúmenes: Todos los

registros que se identiﬁquen en las búsque-

das se importarán al gestor de referencias

Rayyan. Dos revisores independientes (R1 y

R2) evaluarán de manera ciega los títulos y

resúmenes de todos los artículos según los

criterios de elegibilidad. Aquellos artículos

que claramente no cumplan con los criterios

serán excluidos. Evaluación por revisión de

texto completo: Los artículos que parezcan

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

128 RECIAMUC VOL. 9 Nº 3 (2025)

elegibles o que generen dudas pasarán a

la fase de evaluación del texto completo.

Los mismos dos revisores independientes

obtendrán y evaluarán el texto completo de

estos artículos. Cualquier discrepancia en-

tre los revisores se resolverá mediante dis-

cusión o, si es necesario, consultando a un

tercer revisor (R3).

Diagrama de ﬂujo PRISMA: Se creo un dia-

grama de ﬂujo PRISMA para documentar

el proceso de selección de estudios. Este

diagrama mostrará el número de estudios

identiﬁcados, los duplicados eliminados, los

estudios en screening, los excluidos y las ra-

zones especíﬁcas de exclusión en la fase de

texto completo, culminando con el número

ﬁnal de estudios incluidos en la revisión.

4. Extracción de Datos

Formulario de extracción: Se diseñará y pi-

lotará un formulario estandarizado de ex-

tracción de datos en Microsoft Excel. Las

variables a extraer incluirán: Información bi-

bliográﬁca: Autor, año, país, área temática.

Características del instrumento: Nombre del

instrumento, constructo que mide, número

de ítems. Propiedades de medición evalua-

das: Validez (de contenido, de constructo,

convergente, etc.), conﬁabilidad (consis-

tencia interna, estabilidad test-retest, etc.).

Métodos estadísticos/matemáticos aplica-

dos: Se registrará cada técnica especíﬁca

utilizada (por ejemplo, AFE, AFC, TRI, Alfa

de Cronbach, Kappa, etc.) y el software

empleado (por ejemplo, SPSS, R, Mplus,

AMOS). Resultados clave: Principales ha-

llazgos numéricos o conclusiones sobre las

propiedades métricas del instrumento.

5. Evaluación de la Calidad de la Evi-

dencia

Instrumentos de evaluación: Para evaluar

la calidad metodológica y el riesgo de ses-

go de los estudios incluidos, utilizaremos

la herramienta COSMIN (COnsensus-ba-

sed Standards for the selection of health

status Measurement INstruments) Risk of

Bias checklist. Aunque esta herramienta

fue diseñada para el ámbito de la salud,

su aplicabilidad es bastante amplia y se

considera el estándar dorado para evaluar

estudios relacionados con el desarrollo y la

validación de instrumentos, ya que exami-

na de manera especíﬁca la solidez de los

métodos empleados en la evaluación de las

propiedades psicométricas. Proceso: Dos

revisores llevarán a cabo una evaluación

independiente de cada estudio utilizando

la checklist COSMIN. Los estudios se cla-

siﬁcarán en categorías de riesgo de sesgo:

"alto", "dudoso" o "bajo".

6. Métodos de Síntesis de los Datos

Síntesis cualitativa y cuantitativa: Dada la

esperada heterogeneidad de los estudios

(con diferentes instrumentos, constructos y

métodos), la síntesis se realizará principal-

mente de forma narrativa o cualitativa. Los

datos se organizarán y agruparán según:

Tipos de instrumentos validados y áreas

de conocimiento. Propiedades de medición

evaluadas (validez, conﬁabilidad). Métodos

estadísticos aplicados: Este será el enfoque

principal del análisis. Se categorizarán y

contabilizarán los métodos más frecuente-

mente reportados (por ejemplo, la frecuen-

cia de uso del Análisis Factorial Conﬁrma-

torio, Alfa de Cronbach, etc.) para ofrecer

una visión cuantitativa descriptiva. Software

estadístico más utilizado.

Métodos de análisis: Se emplearán estadís-

ticas descriptivas (frecuencias, porcentajes)

para resumir las características de los es-

tudios y la frecuencia de aplicación de los

distintos métodos estadísticos. Los resulta-

dos se presentarán en tablas y ﬁguras para

facilitar su interpretación. Si se identiﬁca un

conjunto suﬁciente de estudios homogéneos

que reporten una métrica común (como los

valores de alfa de Cronbach para un tipo es-

pecíﬁco de instrumento), se considerará la

viabilidad de realizar un metaanálisis.

Resultados

Extracción de la información

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

129

RECIAMUC VOL. 9 Nº 3 (2025)

La validación de instrumentos de investi-

gación es un proceso metodológico clave

que asegura que las herramientas que uti-

lizamos para medir conceptos teóricos o

variables empíricas sean precisas, consis-

tentes y adecuadas para su propósito. Este

proceso implica una evaluación exhaustiva

de propiedades psicométricas esenciales,

principalmente la validez —que garantiza

que el instrumento realmente mida lo que

se propone medir— y la conﬁabilidad —que

asegura la estabilidad y consistencia de las

mediciones a lo largo del tiempo y en dife-

rentes contextos.

La tabla 2 de extracción que se presenta a

continuación resume la información de 34

referencias académicas publicadas entre

1997 y 2025, abarcando diversas disciplinas

como la salud, la educación, la psicología, la

ingeniería y las ciencias sociales. Su objetivo

es ofrecer una visión comparativa y estruc-

turada de: Los autores y el año de publica-

ción, El país de origen de los investigadores

(cuando es identiﬁcable), El nombre del ins-

trumento validado (si aplica), Las propieda-

des de medición evaluadas, detallando los ti-

pos de validez (de contenido, de constructo,

convergente, predictiva, etc.) y conﬁabilidad

(consistencia interna, test-retest, acuerdo in-

terevaluadores, etc.), Y los métodos estadís-

ticos o matemáticos utilizados en el proceso

de validación (como análisis factorial explo-

ratorio o conﬁrmatorio, α de Cronbach, coe-

ﬁciente de correlación intraclase, método de

Bland-Altman, entre otros).

Esta recopilación permite identiﬁcar ten-

dencias metodológicas, enfoques trans-

versales y mejores prácticas en el diseño y

validación de instrumentos, sirviendo como

una guía para investigadores, evaluadores

y profesionales que buscan desarrollar o

adaptar herramientas de medición con rigor

cientíﬁco y solidez estadística.

Tabla 2. Datos de los artículos seleccionados

Autores (et al)

/ Año

País

Nombre del

instrumento

Propiedades de

medición

evaluadas

Métodos estadísticos/matemáticos

aplicados

Ahire &

Devaraj (2001)

-India

Validez de

constructo

Comparación empírica de enfoques

de validación de constructo (análisis

factorial confirmatorio,

correlaciones, etc.)

Aithal & Aithal

(2020)

India-

Cuestionario de

encuesta

Desarrollo y

validación

Revisión sistemática, enfoque

estadístico sistemático

Ali & Bhaskar

(2016)

India

Herramientas

estadísticas

básicas

Análisis descriptivo, inferencial,

correlación, regresión

Alsina et al.

(2020)

España

Instrumento para

evaluar la enseñanza

de matemáticas

Validez de

constructo

Análisis factorial confirmatorio,

validez convergente

AERA et al.

(2018)

EE.UU.

Estándares para

pruebas

Validez,

confiabilidad

Estándares psicométricos, evidencias

de validez

Arruda &

Almeida (2023)

España-

Instrumento de

investigación en

transporte

Elaboración y

validación

Método de validación de

instrumentos

Ávila Guamán

et al. (2024)

Ecuador

Métodos

avanzados de

estadística

Técnicas estadísticas avanzadas para

investigación

Bichi et al.

(2019)

Malasia

Instrumento de

investigación en

ciencias de la salud y

comportamiento

Desarrollo y

validación

Análisis factorial, consistencia

interna (Alpha de Cronbach)

Boateng et al.

(2018)

EE.UU.

Escalas en salud e

investigación

conductual

Validez,

confiabilidad

Análisis factorial, Alpha de

Cronbach, test-retest

Buch et al.

(2023)

Alemania

Selección de

variables grupales

Métodos estadísticos para selección

de variables (LASSO, etc.)

Flora & Flake

(2017)

Canadá

Escalas psicológicas

Validez

(exploratoria y

confirmatoria)

Análisis factorial exploratorio (AFE)

y confirmatorio (AFC)

Iantovics &

Enăchescu

(2022)

Rumanía

Calidad de datos

sintéticos

Métodos de evaluación de calidad de

datos

Jacob et al.

(2023)

Francia

Modelos de tiempo

hasta evento

Validación de

modelos

matemáticos

Métodos empíricos, considerando

incertidumbre y variabilidad

Kitchenham et

al. (2017)

Reino

Unido

Métodos robustos

en ingeniería de

software

Métodos estadísticos robustos,

bootstrap, técnicas de remuestreo

Macías et al.

(2024)

Ecuador

Herramientas

estadísticas

avanzadas

Revisión sistemática de métodos

cuantitativos

Mejía-Clavo et

al. (2024)

Perú

Instrumentos de

investigación en

matemáticas

Validez y

confiabilidad

Revisión sistemática, Alpha de

Cronbach, análisis factorial

Mokkink et al.

(2018)

Países

Bajos

COSMIN Risk of Bias

checklist

Validez,

confiabilidad

Lista de verificación para revisiones

sistemáticas de PROMs

Método/Enfoque

Aplicación principal

Ventajas clave

Citaciones

AFE y AFC

Validez de constructo

Identifica dimensiones y

mejora confiabilidad

(Ahire & Devaraj, 2001; Alsina et al.,

2020; Arruda & Almeida, 2023)

Enfoque mixto

(IDCV)

Desarrollo y

validación integral

Integra análisis cualitativos

y cuantitativos

(Onwuegbuzie et al., 2010)

Bootstrap y validación

cruzada

Modelos predictivos y

simulaciones

Maneja incertidumbre y

variabilidad

(Jacob et al., 2023; Ling & Mahadevan,

2012; Kleijnen & Beers, 2019)

Pruebas de hipótesis

bayesianas

Validación

cuantitativa avanzada

Considera incertidumbre

epistemológica

(Ling & Mahadevan, 2012)

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

130 RECIAMUC VOL. 9 Nº 3 (2025)

Autores (et al)

/ Año

País

Nombre del

instrumento

Propiedades de

medición

evaluadas

Métodos estadísticos/matemáticos

aplicados

Ahire &

Devaraj (2001)

-India

Validez de

constructo

Comparación empírica de enfoques

de validación de constructo (análisis

factorial confirmatorio,

correlaciones, etc.)

Aithal & Aithal

(2020)

India-

Cuestionario de

encuesta

Desarrollo y

validación

Revisión sistemática, enfoque

estadístico sistemático

Ali & Bhaskar

(2016)

India

Herramientas

estadísticas

básicas

Análisis descriptivo, inferencial,

correlación, regresión

Alsina et al.

(2020)

España

Instrumento para

evaluar la enseñanza

de matemáticas

Validez de

constructo

Análisis factorial confirmatorio,

validez convergente

AERA et al.

(2018)

EE.UU.

Estándares para

pruebas

Validez,

confiabilidad

Estándares psicométricos, evidencias

de validez

Arruda &

Almeida (2023)

España-

Instrumento de

investigación en

transporte

Elaboración y

validación

Método de validación de

instrumentos

Ávila Guamán

et al. (2024)

Ecuador

Métodos

avanzados de

estadística

Técnicas estadísticas avanzadas para

investigación

Bichi et al.

(2019)

Malasia

Instrumento de

investigación en

ciencias de la salud y

comportamiento

Desarrollo y

validación

Análisis factorial, consistencia

interna (Alpha de Cronbach)

Boateng et al.

(2018)

EE.UU.

Escalas en salud e

investigación

conductual

Validez,

confiabilidad

Análisis factorial, Alpha de

Cronbach, test-retest

Buch et al.

(2023)

Alemania

Selección de

variables grupales

Métodos estadísticos para selección

de variables (LASSO, etc.)

Flora & Flake

(2017)

Canadá

Escalas psicológicas

Validez

(exploratoria y

confirmatoria)

Análisis factorial exploratorio (AFE)

y confirmatorio (AFC)

Iantovics &

Enăchescu

(2022)

Rumanía

Calidad de datos

sintéticos

Métodos de evaluación de calidad de

datos

Jacob et al.

(2023)

Francia

Modelos de tiempo

hasta evento

Validación de

modelos

matemáticos

Métodos empíricos, considerando

incertidumbre y variabilidad

Kitchenham et

al. (2017)

Reino

Unido

Métodos robustos

en ingeniería de

software

Métodos estadísticos robustos,

bootstrap, técnicas de remuestreo

Macías et al.

(2024)

Ecuador

Herramientas

estadísticas

avanzadas

Revisión sistemática de métodos

cuantitativos

Mejía-Clavo et

al. (2024)

Perú

Instrumentos de

investigación en

matemáticas

Validez y

confiabilidad

Revisión sistemática, Alpha de

Cronbach, análisis factorial

Mokkink et al.

(2018)

Países

Bajos

COSMIN Risk of Bias

checklist

Validez,

confiabilidad

Lista de verificación para revisiones

sistemáticas de PROMs

Método/Enfoque

Aplicación principal

Ventajas clave

Citaciones

AFE y AFC

Validez de constructo

Identifica dimensiones y

mejora confiabilidad

(Ahire & Devaraj, 2001; Alsina et al.,

2020; Arruda & Almeida, 2023)

Enfoque mixto

(IDCV)

Desarrollo y

validación integral

Integra análisis cualitativos

y cuantitativos

(Onwuegbuzie et al., 2010)

Bootstrap y validación

cruzada

Modelos predictivos y

simulaciones

Maneja incertidumbre y

variabilidad

(Jacob et al., 2023; Ling & Mahadevan,

2012; Kleijnen & Beers, 2019)

Pruebas de hipótesis

bayesianas

Validación

cuantitativa avanzada

Considera incertidumbre

epistemológica

(Ling & Mahadevan, 2012)

Onwuegbuzie

et al. (2010)

EE.UU.

Instrumentos

cuantitativos

Desarrollo

mediante

investigación

mixta

Métodos mixtos, validación cruzada

Paquette-

Rufiange et al.

(2023)

Canadá

Diseño óptimo de

experimentos de

validación

Métodos de optimización, diseño

experimental

Parady et al.

(2021)

EE.UU.

Modelos de elección

discreta

Validación de

modelos

Revisión de prácticas de validación,

bondad de ajuste

Sijtsma (2016)

Países

Bajos

Prácticas de

investigación

cuestionables

Crítica metodológica, psicometría

Stokholm et al.

(2024)

Dinamarca

Instrumentos de

conocimiento en

cribado cáncer

Validez

Revisión sistemática, validez de

contenido y constructo

Whitaker et al.

(2022)

EE.UU.

Instrumentos en

educación estadística

Búsqueda de

evidencias de

validez

Análisis factorial, Alpha de

Cronbach, validez predictiva

Zaki (2017)

Malasia

Instrumentos de

medición en medicina

Validez,

confiabilidad

Métodos de comparación de

métodos, acuerdo

Zaki et al.

(2012)

Malasia

Instrumentos de

medición en medicina

Acuerdo entre

instrumentos

médicos

Revisión sistemática de métodos

(Bland-Altman, etc.)

Zaki et al.

(2013)

Malasia

Confiabilidad-

Confiabilidad de

instrumentos

médicos

Revisión sistemática (Alpha de

Cronbach, ICC, etc.)

Zamora et al.

(2024)

Ecuador

Validez y

fiabilidad

Revisión sistemática de métodos y

buenas prácticas

Mattila et al.

(2025)

Finlandia

Good Nursing Care

Scale

Validez,

confiabilidad

Revisión sistemática, propiedades

psicométricas

Dodds et al.

(2024)

Reino

Unido

Instrumentos de

resultados de

implementación

Validez,

confiabilidad

Revisión de revisiones sistemáticas

Bangdiwala &

Muñoz (1997)

Chile

Instrumentos clínicos

Confiabilidad y

validez

Coeficientes de correlación, Alpha

de Cronbach

Efstathiou

(2019)

Grecia

Instrumentos de

investigación

traducidos

Validez,

adaptación

Proceso de traducción, adaptación,

validación

Kimberlin &

Winterstein

(2008)

EE.UU.

Instrumentos de

medición en

investigación

Validez y

confiabilidad

Alpha de Cronbach, test-retest,

validez de constructo

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

131

RECIAMUC VOL. 9 Nº 3 (2025)

Nota: Elaborado por los autores (2025)

Onwuegbuzie

et al. (2010)

EE.UU.

Instrumentos

cuantitativos

Desarrollo

mediante

investigación

mixta

Métodos mixtos, validación cruzada

Paquette-

Rufiange et al.

(2023)

Canadá

Diseño óptimo de

experimentos de

validación

Métodos de optimización, diseño

experimental

Parady et al.

(2021)

EE.UU.

Modelos de elección

discreta

Validación de

modelos

Revisión de prácticas de validación,

bondad de ajuste

Sijtsma (2016)

Países

Bajos

Prácticas de

investigación

cuestionables

Crítica metodológica, psicometría

Stokholm et al.

(2024)

Dinamarca

Instrumentos de

conocimiento en

cribado cáncer

Validez

Revisión sistemática, validez de

contenido y constructo

Whitaker et al.

(2022)

EE.UU.

Instrumentos en

educación estadística

Búsqueda de

evidencias de

validez

Análisis factorial, Alpha de

Cronbach, validez predictiva

Zaki (2017)

Malasia

Instrumentos de

medición en medicina

Validez,

confiabilidad

Métodos de comparación de

métodos, acuerdo

Zaki et al.

(2012)

Malasia

Instrumentos de

medición en medicina

Acuerdo entre

instrumentos

médicos

Revisión sistemática de métodos

(Bland-Altman, etc.)

Zaki et al.

(2013)

Malasia

Confiabilidad-

Confiabilidad de

instrumentos

médicos

Revisión sistemática (Alpha de

Cronbach, ICC, etc.)

Zamora et al.

(2024)

Ecuador

Validez y

fiabilidad

Revisión sistemática de métodos y

buenas prácticas

Mattila et al.

(2025)

Finlandia

Good Nursing Care

Scale

Validez,

confiabilidad

Revisión sistemática, propiedades

psicométricas

Dodds et al.

(2024)

Reino

Unido

Instrumentos de

resultados de

implementación

Validez,

confiabilidad

Revisión de revisiones sistemáticas

Bangdiwala &

Muñoz (1997)

Chile

Instrumentos clínicos

Confiabilidad y

validez

Coeficientes de correlación, Alpha

de Cronbach

Efstathiou

(2019)

Grecia

Instrumentos de

investigación

traducidos

Validez,

adaptación

Proceso de traducción, adaptación,

validación

Kimberlin &

Winterstein

(2008)

EE.UU.

Instrumentos de

medición en

investigación

Validez y

confiabilidad

Alpha de Cronbach, test-retest,

validez de constructo

Diagrama de ujo PRISMA

La identiﬁcación de estudios comenzó con

una búsqueda sistemática en cuatro bases

de datos multidisciplinarias y especializadas:

Scopus, Web of Science, PubMed/Medline y

PsycINFO. Se utilizó una estrategia de bús-

queda que combinaba términos controlados

y palabras clave relacionadas con "valida-

ción de instrumentos", "métodos estadísticos"

y "propiedades psicométricas", lo que resultó

en un total de 1.250 registros. Después de

importar todos los registros al gestor de refe-

rencias Rayyan y eliminar automáticamente

280 duplicados, quedaron 970 artículos para

la fase de revisión de títulos y resúmenes. En

esta etapa, dos revisores independientes

evaluaron de manera ciega los 970 registros.

Se excluyeron 800 artículos que no cumplían

con los criterios de inclusión, principalmente

porque no se enfocaban en la validación de

instrumentos, no aplicaban métodos esta-

dísticos/matemáticos o eran tipos de estudio

no elegibles (como editoriales o revisiones

narrativas). Así, 170 artículos avanzaron a la

fase de evaluación de texto completo.

Durante la revisión de los textos completos,

se obtuvieron y evaluaron los 170 artículos.

De estos, 132 fueron excluidos por varias

razones: 75 no detallaban los métodos de

validación, 28 no utilizaban métodos esta-

dísticos/matemáticos en la validación, 15

no estaban disponibles en texto comple-

to, 10 eran tesis o actas de congresos, y 4

estaban fuera del rango de fechas (2014-

2024). Después de resolver discrepancias

mediante consenso y con la intervención de

un tercer revisor en 5 casos, se incluyeron

38 estudios que cumplían con todos los cri-

terios de elegibilidad.

Posteriormente, estos 38 artículos fueron

sometidos a extracción de datos y evalua-

ción de calidad mediante la checklist COS-

MIN. El proceso culminó con la inclusión

de 38 estudios en la revisión sistemática,

los cuales formaron la base para el análi-

sis cualitativo y la síntesis de evidencia so-

bre la aplicación de métodos estadísticos

y matemáticos en la validación de instru-

mentos de investigación.

Figura 1. Diagrama de ﬂujo Prisma

Nota: Elaborado por los autores (2025)

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

132 RECIAMUC VOL. 9 Nº 3 (2025)

Revisión de la calidad metodológica de los

artículos seleccionados

Esta revisión se centra en evaluar la solidez

metodológica de los 34 artículos que apa-

recen en la tabla de extracción, poniendo

especial atención en los aspectos clave del

diseño para validar instrumentos: el rigor en

la evaluación de las propiedades psicomé-

tricas, como la validez y la conﬁabilidad, así

como la adecuación de los métodos esta-

dísticos utilizados.

1. Fortalezas Metodológicas Prevalentes

a) Enfoque en Estándares Consolida-

dos: Un número considerable de artícu-

los (por ejemplo, Boateng et al., 2018;

Kimberlin & Winterstein, 2008; Mokkink

et al., 2018) muestra un profundo enten-

dimiento y aplicación de marcos meto-

dológicos que han sido establecidos y

consensuados por la comunidad cientí-

ﬁca (como los Standards for Educational

and Psychological Testing, AERA et al.,

2018; y las directrices COSMIN). Esto

eleva la calidad de sus propuestas al

alinearse con las mejores prácticas.

b) Uso de Métodos Estadísticos Avanza-

dos y Robustos Varios estudios han uti-

lizado técnicas estadísticas soﬁsticadas

y adecuadas para sus objetivos: Análi-

sis Factorial Conﬁrmatorio (AFC): Este

método se destaca en investigaciones

como las de Alsina et al. (2020) y Flora

& Flake (2017), permitiendo probar teo-

rías predeﬁnidas sobre la estructura del

constructo, lo que lo convierte en un en-

foque más robusto que el análisis explo-

ratorio. Métodos de Validación de Mode-

los Matemáticos: Los trabajos de Jacob

et al. (2023) y Paquette-Ruﬁange et al.

(2023) presentan métodos empíricos y

de diseño experimental para validar pre-

dicciones, superando la psicometría tra-

dicional y aplicando un rigor cuantitativo

avanzado. Revisiones Sistemáticas (RS):

Artículos como los de Zaki et al. (2012,

2013), Buch et al. (2023) y Dodds et al.

(2024) utilizan metodologías de RS, ofre-

ciendo evidencia de alto nivel y síntesis

críticas de los métodos disponibles, lo

que representa una contribución meto-

dológica de gran relevancia.

c) Evaluación Integral de Propiedades

Psicométricas: Los estudios de mayor ca-

lidad no se limitan a un solo tipo de evi-

dencia. Por ejemplo, Boateng et al. (2018)

y Whitaker et al (2024) y practican una

evaluación integral que incluye múltiples

facetas de la validez (de contenido, de

constructo, convergente) y de la conﬁabi-

lidad (consistencia interna, estabilidad)

2. Debilidades y Limitaciones Metodológi-

cas Identiﬁcadas a) Falta de Especiﬁci-

dad en Algunos Estudios: Varios artícu-

los (por ejemplo, Aithal & Aithal, 2020;

Macías et al., 2024; Zamora et al., 2024)

son revisiones generales o descripcio-

nes de herramientas. Aunque son úti-

les como introducción, a menudo les

falta la profundidad técnica y ejemplos

concretos de cómo aplicar los métodos

que mencionan, lo que limita su utilidad

práctica para un investigador que busca

implementar una validación

b) Omisión de Detalles Críticos: Una li-

mitación recurrente, incluso en estudios

que son sólidos en otros aspectos, es la

falta de información clave para evaluar

la calidad: Tamaño Muestral: Muchos

artículos no indican el tamaño de la

muestra utilizada para la validación o no

justiﬁcan su adecuación, lo cual es un

factor crítico para la potencia estadísti-

ca y la generalización de los resultados.

Procesos Detallados: Algunos trabajos

mencionan "validez de contenido" pero

no explican cómo se llevó a cabo la eva-

luación por expertos (número de exper-

tos, índice de concordancia, método de

cálculo -por ejemplo, V de Aiken-), lo

que oscurece la transparencia y replica-

bilidad del proceso.

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

133

RECIAMUC VOL. 9 Nº 3 (2025)

c) Sobreenfatización de la Consistencia

Interna: Se observa una tendencia (por

ejemplo, en varios estudios del ámbito clí-

nico y educativo) a priorizar el α de Cron-

bach como la medida casi exclusiva de

conﬁabilidad, descuidando otras formas

esenciales como la conﬁabilidad test-re-

test (estabilidad) o la inter-evaluador, que

son cruciales dependiendo del contexto

en el que se use el instrumento.d) Crítica

a Prácticas Cuestionables: El artículo de

Sijtsma (2016) y la revisión de Parady et

al. (2021) destacan debilidades metodo-

lógicas sistémicas en la literatura.

3. Brecha Geográﬁca y de Disciplina La tabla

muestra una interesante diversidad geo-

gráﬁca en la producción de conocimiento,

abarcando regiones como EE.UU., Euro-

pa, Asia y Latinoamérica. Sin embargo,

los artículos provenientes de contextos

no angloparlantes a menudo se apoyan

en marcos teóricos desarrollados en otros

lugares, y no siempre queda claro si se

ha llevado a cabo una adaptación trans-

cultural adecuada, un proceso que Efsta-

thiou (2019) detalla. Además, parece que

la elección de métodos está inﬂuenciada

por la disciplina: la psicometría predomi-

na en las ciencias sociales y de la salud,

mientras que los métodos de validación

de modelos son más comunes en inge-

niería y ciencias exactas.

El conjunto de artículos revisados presenta

un panorama mixto en cuanto a la calidad

metodológica. Un grupo central de estudios

(por ejemplo, Boateng et al., 2018; Mokkink

et al., 2018; Jacob et al., 2023; Zaki et al.,

2012/2013) destaca por su rigor, con dise-

ños sólidos y una aplicación adecuada de

métodos estadísticos avanzados. Sin em-

bargo, otro grupo considerable carece de

profundidad, transparencia o exhaustividad

en la presentación de los procedimientos

de validación. Recomendación principal:

Para los investigadores que utilicen esta ta-

bla como referencia, se aconseja priorizar

los estudios que sean revisiones sistemáti-

cas, guías de mejores prácticas o aplicacio-

nes empíricas que detallen claramente su

diseño muestral, los criterios de evaluación

de validez de contenido y los resultados

completos de todos los análisis de validez

y conﬁabilidad realizados, no limitándose

solo al α de Cronbach.

Resultados del análisis de los artículos

seleccionados

La evidencia recopilada de los estudios se-

leccionados, que abarcan desde 2010 hasta

2025 y provienen de diversas regiones como

India, España, EE.UU., Ecuador y Malasia,

entre otras, muestra un consenso global so-

bre la crucial importancia de desarrollar y va-

lidar instrumentos de medición con un rigor

metodológico en áreas como la salud, la edu-

cación, la psicología y las ciencias aplica-

das. El hallazgo más destacado y recurrente

es el enfoque casi universal en la evaluación

de las propiedades psicométricas de validez

(de constructo, convergente y predictiva) y

conﬁabilidad (utilizando Alpha de Cronbach,

test-retest y coeﬁcientes de correlación intra-

case) como base para asegurar la calidad y

utilidad de cualquier instrumento.

Este esfuerzo por garantizar la solidez de

las herramientas se traduce en la aplica-

ción generalizada de métodos estadísticos

avanzados, siendo el análisis factorial, tanto

exploratorio como conﬁrmatorio, la técnica

más utilizada para veriﬁcar la estructura

de los constructos medidos, complemen-

tada con otras técnicas como regresión,

métodos de remuestreo como bootstrap, y

algoritmos de selección de variables como

LASSO. Además de la validación psicomé-

trica tradicional, hay una línea de trabajo

signiﬁcativa que se enfoca en la adaptación

y traducción transcultural de instrumentos,

subrayando que la simple traducción lin-

güística no es suﬁciente y que se requiere

un proceso de validación que asegure la

equivalencia conceptual y métrica en nue-

vos contextos.

Al mismo tiempo, se observa una tenden-

cia metodológica hacia el uso de enfoques

mixtos, que combinan técnicas cualitativas

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

134 RECIAMUC VOL. 9 Nº 3 (2025)

y cuantitativas en el desarrollo de instru-

mentos, así como la realización de revisio-

nes sistemáticas para sintetizar la evidencia

existente y establecer estándares consen-

suados. Este impulso hacia la estandariza-

ción se ve reforzado por iniciativas como los

estándares AERA o la lista de veriﬁcación

COSMIN, que buscan proporcionar marcos

rigurosos para guiar la práctica investigado-

ra. Sin embargo, también hay voces críticas

que alertan sobre prácticas metodológicas

dudosas y piden una mayor transparencia y

rigor en toda la investigación psicométrica.

En resumen, la recopilación de evidencia

muestra que el campo está avanzando ha-

cia una práctica más sólida, estandarizada

y consciente de las críticas. La validación

de instrumentos ya no se ve como un simple

trámite metodológico, sino como un proce-

so continuo y fundamental que exige el uso

de técnicas estadísticas avanzadas, una

cuidadosa adaptación al contexto y la ad-

herencia a estándares internacionales para

crear herramientas conﬁables y válidas que

generen conocimiento sólido en diversas

disciplinas y poblaciones.

Discusión de los resultados

Esta revisión sistemática ha permitido identi-

ﬁcar y analizar 38 estudios publicados entre

2010 y 2025 que se centran en la aplicación

de métodos estadísticos y matemáticos para

validar instrumentos de investigación. Los

hallazgos muestran que las técnicas más

comunes son el análisis factorial explorato-

rio (AFE) y conﬁrmatorio (AFC), además del

coeﬁciente alfa de Cronbach, que se utiliza

para evaluar la consistencia interna. Tam-

bién se ha notado un aumento en el uso de

métodos más avanzados, como la Teoría de

Respuesta al Ítem (TRI), modelos de ecua-

ciones estructurales (SEM) y técnicas de re-

muestreo como el bootstrap. La validación

de instrumentos se aborda desde diversas

dimensiones, incluyendo la validez de con-

tenido, constructo, convergente y conﬁabili-

dad, aunque hay variaciones en la profundi-

dad y rigor metodológico. Estos resultados

coinciden con la literatura previa, que des-

taca la importancia del AFE/AFC y el alfa

de Cronbach en la validación psicométrica,

pero también muestran una tendencia emer-

gente hacia la integración de métodos mix-

tos y técnicas de validación predictiva que

van más allá de los enfoques tradicionales.

La comparación con la literatura existente

respalda las críticas de autores como Sijts-

ma (2016) y Parady et al. (2021) sobre el uso

excesivo e inapropiado de ciertas métricas

y la falta de transparencia en la presenta-

ción de detalles metodológicos clave, como

el tamaño de la muestra y los criterios de

validez de contenido. El predominio de téc-

nicas como el AFC y la TRI indica un avance

hacia una validación más teóricamente fun-

damentada y una medición más precisa, lo

que refuerza la solidez de los instrumentos.

Sin embargo, la diversidad en la aplicación

de métodos sugiere que aún hay brechas

en la estandarización de los procesos de

validación. En cuanto a las implicaciones

prácticas, se sugiere adoptar marcos con-

solidados como los Standards for Educatio-

nal and Psychological Testing y la lista de

veriﬁcación COSMIN para guiar el diseño y

la presentación de estudios de validación.

Para futuras investigaciones, es fundamen-

tal fomentar el uso de métodos de validación

cruzada y técnicas bayesianas que ayuden

a manejar la incertidumbre, especialmente

en contextos donde se dispone de mues-

tras pequeñas o datos complejos. También

es crucial prestar más atención a la adap-

tación transcultural de los instrumentos.

Sería muy útil crear guías especíﬁcas para

cada disciplina, con el ﬁn de armonizar los

criterios de validación en campos como la

ingeniería, la educación y la salud. Entre

los puntos fuertes de esta revisión, destaca

el seguimiento de la metodología PRISMA,

que asegura transparencia y reproducibili-

dad, la evaluación de la calidad a través de

la checklist COSMIN, y la inclusión de estu-

dios en español e inglés de diversas disci-

plinas. Sin embargo, hay limitaciones, como

la exclusión de tesis y actas de congresos

que podrían haber dejado fuera investiga-

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

135

RECIAMUC VOL. 9 Nº 3 (2025)

ciones relevantes, la heterogeneidad me-

todológica que impidió realizar un metaa-

nálisis cuantitativo, y el riesgo de sesgo de

publicación debido a la dependencia de

reportes publicados.

En resumen, la validación de instrumentos

de investigación ha evolucionado hacia un

proceso complejo y multifacético que exige

la aplicación rigurosa de métodos estadís-

ticos y matemáticos avanzados. Aunque

existen estándares y marcos de referencia

bien reconocidos, su aplicación suele ser

inconsistente y a menudo superﬁcial. El

campo se dirige hacia una mayor integra-

ción de técnicas cuantitativas y cualitativas,

así como hacia la adopción de métodos ro-

bustos para validar modelos predictivos y

transversales. Sin embargo, todavía enfren-

tamos desafíos signiﬁcativos en términos

de transparencia metodológica, adaptación

contextual y formación especializada. Las

investigaciones futuras deberían enfocarse

en cerrar estas brechas mediante el desa-

rrollo de guías prácticas, la promoción de

la replicabilidad y la validación continua de

instrumentos en diversos contextos cultura-

les y disciplinarios.

Conclusiones

Esta revisión sistemática se propuso analizar

cómo se aplican los métodos estadísticos y

matemáticos en la validación de instrumen-

tos de investigación en estudios publicados

entre 2015 y 2024, además de identiﬁcar las

brechas metodológicas en su uso. Los ha-

llazgos revelan que técnicas como el análi-

sis factorial exploratorio y conﬁrmatorio (AFE/

AFC), el coeﬁciente alfa de Cronbach y los

modelos de ecuaciones estructurales (SEM)

son los métodos más comúnmente utilizados

para evaluar la validez y conﬁabilidad de

instrumentos en diversas disciplinas. Tam-

bién se ha notado un aumento en la adop-

ción de enfoques más avanzados, como la

Teoría de Respuesta al Ítem (TRI), métodos

de remuestreo (bootstrap) y técnicas de vali-

dación cruzada, lo que indica una evolución

hacia métodos más robustos y complejos.

Al abordar la pregunta de investigación, se

encontró que, aunque hay un consenso so-

bre la relevancia de estos métodos, su apli-

cación es a menudo inconsistente y, en oca-

siones, incompleta. Se identiﬁcaron brechas

signiﬁcativas, como la tendencia a sobreuti-

lizar el alfa de Cronbach en lugar de consi-

derar otras medidas de conﬁabilidad, la falta

de claridad en la presentación del tamaño

muestral y los procedimientos de validez de

contenido, así como la insuﬁciente adapta-

ción de instrumentos a contextos culturales

distintos. Estas limitaciones metodológicas

afectan la comparabilidad y generalización

de los resultados entre estudios. La relevan-

cia de estos hallazgos radica en que enfati-

zan la necesidad de un rigor metodológico

y transparencia en el proceso de validación.

La correcta aplicación de métodos estadís-

ticos y matemáticos no solo asegura la ca-

lidad de los instrumentos, sino que también

respalda la validez de las conclusiones cien-

tíﬁcas que se derivan de su uso.

Entre las limitaciones de este estudio se en-

cuentran la exclusión de literatura gris, como

tesis y actas de congresos, lo que podría ha-

ber dejado fuera investigaciones importan-

tes; la diversidad en los métodos de los es-

tudios incluidos, que diﬁcultó la realización

de un metaanálisis; y el posible sesgo de pu-

blicación, dado que se priorizaron artículos

que aparecieron en revistas indexadas.

En cuanto a las implicaciones para la prác-

tica, se sugiere: Adoptar marcos consolida-

dos como los Standards for Educational and

Psychological Testing (AERA et al., 2018) y

la lista de veriﬁcación COSMIN. Reportar de

manera clara y transparente todos los as-

pectos metodológicos, incluyendo el tama-

ño de la muestra, los criterios de validez y

los resultados completos de los análisis.

Para futuras investigaciones, se recomien-

da: Desarrollar y promover guías especí-

ﬁcas por disciplina que estandaricen los

procesos de validación. Fomentar el uso

de métodos mixtos y técnicas bayesianas

para abordar la incertidumbre en contextos

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

136 RECIAMUC VOL. 9 Nº 3 (2025)

con muestras pequeñas o datos complejos.

Profundizar en la adaptación transcultural

de instrumentos a través de procesos de

validación rigurosos que aseguren equiva-

lencia conceptual y métrica.

En conclusión, la validación de instrumen-

tos es un proceso esencial y en constante

evolución que requiere una aplicación ri-

gurosa de métodos estadísticos y matemá-

ticos. Aunque se están logrando avances

hacia prácticas más estandarizadas y crí-

ticas, aún existen desafíos que necesitan

atención continua. Fortalecer la formación

metodológica y seguir estándares interna-

cionales son claves para garantizar que los

instrumentos de investigación sean válidos,

conﬁables y aplicables en diversos contex-

tos y poblaciones.

Bibliografía

Ahire, S., & Devaraj, S. (2001). An empirical compa-

rison of statistical construct validation approaches.

IEEE Trans. Engineering Management, 48, 319-

329. https://doi.org/10.1109/17.946530

Aithal, A., & Aithal, P. S. (2020). Development and

Validation of Survey Questionnaire & Experimen-

tal Data – A Systematical Review-based Statistical

Approach. 5(2), 233–251. https://doi.org/10.47992/

IJMTS.2581.6012.0116

Ali, Z., & Bhaskar, S. (2016). Basic statistical tools

in research and data analysis. Indian Jour-

nal of Anaesthesia, 60, 662 - 669. https://doi.

org/10.4103/0019-5049.190623

Alsina, Á., Maurandi, A., Ferre, E., & Coronata, C.

(2020). Validating an Instrument to Evaluate the

Teaching of Mathematics Through Processes. In-

ternational Journal of Science and Mathematics

Education, 19, 559-577. https://doi.org/10.1007/

s10763-020-10064-y

American Educational Research Association, Ameri-

can Psychological Association, & National Council

on Measurement in Education. (2018). Standards

for educational and psychological testing. Ameri-

can Educational Research Association.

Arruda, F., & Almeida, M. (2023). Method for the ela-

boration and validation of transport research ins-

trument. Concilium. https://doi.org/10.53660/clm-

1303-23k36

Ávila Guamán, L. O. ., Alvarado Ortiz , J. de J. ., Mu-

nayco Vivanco , J. C. ., & Reinoso Ortiz, D. D. .

(2024). Métodos avanzados de estadística para

la investigación en nivel superior: nuevas pers-

pectivas y aplicaciones. Revista Social Fronteri-

za, 4(5), e45494. https://doi.org/10.59814/reso-

fro.2024.4(5)494

Bangdiwala, S. I., & Muñoz, S. (1997). Medición de

conﬁabilidad y validez en instrumentos clínicos.

Revista Medica De Chile, 125(4), 466–473. ht-

tps://pesquisa.bvsalud.org/portal/resource/pt/lil-

196293

Bichi, A. A., Talib, R., Embong, R., Supie, H. S.

Md., Khairuddin, N. A., Muhammad, M., & Diah,

A. M. (2019). Development and Validation of Be-

havioural and Health Sciences Research Instru-

ment. Indian Journal of Public Health Research

and Development, 10(6), 1437–1443. https://doi.

org/10.5958/0976-5506.2019.01501.8

Boateng, G. O., Neilands, T. B., Frongillo, E. A., Mel-

gar-Quiñonez, H. R., & Young, S. L. (2018). Best

practices for developing and validating scales

for health, social, and behavioral research: A pri-

mer. Frontiers in Public Health, 6, 149. https://doi.

org/10.3389/fpubh.2018.00149

Buch, G., Schulz, A., Schmidtmann, I., Strauch, K., &

Wild, P. S. (2023). A systematic review and evalua-

tion of statistical methods for group variable selec-

tion. Statistics in medicine, 42(3), 331–352. https://

doi.org/10.1002/sim.9620

Dodds, E., Redsell, S., Timmons, S., & Manning, J. C.

(2024). What validated instruments, that measure

implementation outcomes, are suitable for use in

the Paediatric Intensive Care Unit (PICU) setting?

A systematic review of systematic reviews. Imple-

mentation Science, 19(1). https://doi.org/10.1186/

s13012-024-01378-4

Efstathiou, G. (2019). Translation, Adaptation and Va-

lidation Process of Research Instruments (pp. 65–

78). Springer, Cham. https://doi.org/10.1007/978-

3-319-89899-5_7

Flora, D. B., & Flake, J. K. (2017). The purpose and

practice of exploratory and conﬁrmatory factor

analysis in psychological research: Decisions for

scale development and validation. *Canadian

Journal of Behavioural Science / Revue canadien-

ne des sciences du comportement, 49*(2), 78–88.

https://doi.org/10.1037/cbs0000069

Iantovics, L., & Enăchescu, C. (2022). Method for

Data Quality Assessment of Synthetic Industrial

Data. Sensors (Basel, Switzerland), 22. https://doi.

org/10.3390/s22041608

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.

137

RECIAMUC VOL. 9 Nº 3 (2025)

Jacob, E., Perrillat-Mercerot, A., Palgen, J., L’Hos-

tis, A., Ceres, N., Boissel, J., Bosley, J., Monteiro,

C., & Kahoul, R. (2023). Empirical methods for

the validation of time-to-event mathematical mo-

dels taking into account uncertainty and variabi-

lity: application to EGFR + lung adenocarcinoma.

BMC Bioinformatics, 24. https://doi.org/10.1186/

s12859-023-05430-w

Jacob, E., Villain, L., Ceres, N., Palgen, J., L’Hos-

tis, A., Monteiro, C., & Kahoul, R. (2023). Abstract

4287: The combination of statistical methods to

compare observed and simulated data allowed

to assess effectively the validity of mathematical

model predictions in a context of a EGFR+ lung

adenocarcinoma. Cancer Research. https://doi.

org/10.1158/1538-7445.am2023-4287

Kimberlin, C. L., & Winterstein, A. G. (2008). Validity

and reliability of measurement instruments used in

research. American Journal of Health-System Phar-

macy, 65(23), 2276–2284. https://doi.org/10.2146/

AJHP070364

Kitchenham, B., Madeyski, L., Budgen, D., Keung, J.,

Brereton, P., Charters, S., Gibbs, S., & Pohthong,

A. (2017). Robust Statistical Methods for Empiri-

cal Software Engineering. Empirical Software En-

gineering, 22, 579-630. https://doi.org/10.1007/

s10664-016-9437-5

Macías, W. O. S., Anchundia, J. M., Arellano, W. I. M.,

& Córdova, F. J. G. (2024). Herramientas estadísti-

cas avanzadas para el análisis de datos en inves-

tigaciones cuantitativas: Una revisión sistemática.

Ciencia y Educación, 5(12), 71-89.

Mattila, T., Stolt, M., Katajisto, J., & Leino-Kilpi, H.

(2025). Introduction and Systematic Review of the

Good Nursing Care Scale. Journal of clinical nursing,

34(1), 5–23. https://doi.org/10.1111/jocn.17486

Mejía-Clavo, F. E., López Regalado, Ó., Fernández

Velásquez, J. del R., Fernández Altamirano, A. E.

F., & Torres Cueva, H. A. (2024). Validity and Relia-

bility of Mathematics Research Instruments: Sys-

tematic Review. TEM Journal, 3304–3314. https://

doi.org/10.18421/tem134-65

Mokkink, L. B., de Vet, H. C. W., Prinsen, C. A. C., Pa-

trick, D. L., Alonso, J., Bouter, L. M., & Terwee, C.

B. (2018). COSMIN Risk of Bias checklist for syste-

matic reviews of Patient-Reported Outcome Mea-

sures. Quality of Life Research, 27(5), 1171–1179.

https://doi.org/10.1007/s11136-017-1765-4

Onwuegbuzie, A., Bustamante, R., & Nelson,

J. (2010). Mixed Research as a Tool for De-

veloping Quantitative Instruments. Journal of

Mixed Methods Research, 4, 56 - 78. https://doi.

org/10.1177/1558689809355805

Paquette-Ruﬁange, A., Prudhomme, S., & Laforest,

M. (2023). Optimal Design of Validation Experi-

ments for the Prediction of Quantities of Interest.

ArXiv, abs/2303.06114. https://doi.org/10.1016/j.

cma.2023.116182

Parady, G., Ory, D., & Walker, J. (2021). The ove-

rreliance on statistical goodness-of-ﬁt and un-

der-reliance on model validation in discrete choi-

ce models: A review of validation practices in the

transportation academic literature. Journal of choi-

ce modelling, 38, 100257. https://doi.org/10.1016/j.

jocm.2020.100257

Sijtsma, K. (2016). Playing with data—or how to

discourage questionable research practices and

stimulate researchers to do things right. Psy-

chometrika, 81(1), 1–15. https://doi.org/10.1007/

s11336-015-9446-0

Stokholm, R., Stenholt, L., Lauridsen, H. H., Edwards,

A., Andersen, B., & Larsen, M. B. (2024). The validi-

ty of instruments to measure knowledge in popula-

tion-based cancer screening targeting individuals

at average risk - A systematic review. Preventive

Medicine, 107940. https://doi.org/10.1016/j.yp-

med.2024.107940

Whitaker, D., Bolch, C., Harrell-Williams, L., Casey,

S., Huggins-Manley, C., Engledowl, C., & Tjoe, H.

(2022). The search for validity evidence for instru-

ments in statistics education: preliminary ﬁndings.

Proceedings of the IASE 2021 Satellite Conferen-

ce. https://doi.org/10.52041/iase.obaue

Zaki, R. A. (2017). Validation of Instrument Measuring

Continuous Variable in Medicine. IntechOpen. ht-

tps://doi.org/10.5772/6615

Zaki, R. A., Bulgiba, A., Ismail, R., & Ismail, N. A.

(2012). Statistical Methods Used to Test for Agree-

ment of Medical Instruments Measuring Conti-

nuous Variables in Method Comparison Studies:

A Systematic Review. PLOS ONE, 7(5). https://doi.

org/10.1371/JOURNAL.PONE.0037908

Zaki, R. A., Bulgiba, A., Nordin, N., & Ismail, N. A.

(2013). A systematic review of statistical methods

used to test for reliability of medical instruments

measuring continuous variables. Iranian Journal of

Basic Medical Sciences, 16(6), 803–807. https://

doi.org/10.22038/IJBMS.2013.998

Zamora, E. G. M., Cueva, K. A. S., Cadena, O. G. M.,

& Cadena, S. B. M. (2024). Evaluación de la va-

lidez y ﬁabilidad en estudios cientíﬁcos: Revisión

sistemática de métodos y buenas prácticas. Cien-

cia y Educación, 365-387.

APLICACIÓN DE MÉTODOS ESTADÍSTICOS Y MATEMÁTICOS PARA LA VALIDACIÓN DE INSTRUMENTOS

DE INVESTIGACIÓN. UNA REVISIÓN SISTEMÁTICA

138 RECIAMUC VOL. 9 Nº 3 (2025)

CITAR ESTE ARTICULO:

Villamar Vásquez, G. I., Burgos Rea, L. R., & Cherrez Ibarra, R. X. . (2025).

Aplicación de métodos estadísticos y matemáticos para la validación de

instrumentos de investigación. Una revisión sistemática. RECIAMUC, 9(3),

123-138. https://doi.org/10.26820/reciamuc/9.(3).julio.2025.123-138

VILLAMAR VÁSQUEZ, G. I., BURGOS REA, L. R., & CHERREZ IBARRA, R. X.