Resumen

Existen muchas medidas de consenso que se pueden calcular utilizando datos Likert. Aunque estas medidas deberían funcionar con cualquier número de opciones en la escala Likert, las mediciones han sido ampliamente estudiadas y demostradas para. Una medida de consenso introducida por Akiyama et al. y teóricamente generalizada para todos depende tanto de la media como de la varianza y proporciona resultados que pueden diferenciar mejor entre algunos patrones de comportamiento de consenso de grupo que otras medidas que se basan solo en la media o solo en la varianza por separado. Sin embargo, esta medida es más complicada y no es fácil de aplicar y entender. Este artículo aborda estos dos problemas comunes al introducir un nuevo método computacional para encontrar la medida de consenso que funcione para cualquier número de opciones de ítems Likert. La novedad del enfoque es que utiliza métodos computacionales en un espacio dimensional. Se proporcionan ejemplos numéricos en espacios tridimensionales (para n=6) y tetradimensionales (para n=7) en este artículo para asegurar la concordancia de las

• Materias:Ecuaciones integrales Función Beta Número cromático Formulación de superficies Funciones aritméticas
• Subjects:Integral equations Beta function Chromatic number Formulation of surfaces Arithmetic functions
• Palabras claves:Medidas; Consenso; Datos Likert; Varianza; Método computacional; Enfoque teórico
• Keywords:Measures; Consensus; Likert data; Variance; Computational method; Theoretical approach