Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América

Facultad de Ciencias Matemáticas
Escuela Profesional de Estadística

Validez y fiabilidad del test de personalidad NEO-FFI

en estudiantes de una universidad pública

TESIS

Para optar el Título Profesional de Licenciado en Estadística

AUTOR
Jaime Franco RAMOS MIRANDA

ASESOR
Mg. Fernando Cesar CAMONES GONZALES

Lima, Perú

2022
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales

[Link]
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica

Ramos, J. (2022). Validez y fiabilidad del test de personalidad NEO-FFI en

estudiantes de una universidad pública. [Tesis de pregrado, Universidad Nacional
Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de
Estadística]. Repositorio institucional Cybertesis UNMSM.
 Metadatos complementarios

Datos de autor

Nombres y apellidos Jaime Franco Ramos Miranda

Tipo de documento de identidad DNI

Número de documento de identidad 43006980

URL de ORCID [Link]

Datos de asesor

Nombres y apellidos Fernando Cesar Camones Gonzales

Tipo de documento de identidad DNI

Número de documento de identidad 10459353

URL de ORCID [Link]

Datos del jurado

Presidente del jurado

Nombres y apellidos Roger Pedro Norabuena Figueroa

Tipo de documento DNI

Número de documento de identidad 41493243

Miembro del jurado 1

Nombres y apellidos Violeta Alicia Nolberto Sifuentes

Tipo de documento DNI

Número de documento de identidad 08627746

Datos de investigación

Línea de investigación A.3.2.1. Análisis Multivariante

Sociedad Estadística y Universidad -

Grupo de investigación
SEUNMSM
Agencia de financiamiento Sin financiamiento.
Universidad Nacional Mayor de San Marcos
Ubicación geográfica de la
Latitud: -12.058333
investigación
Longitud: -77.083333
Año o rango de años en que se
Mayo 2021 – Septiembre 2022
realizó la investigación
 Estadísticas, Probabilidad
[Link]
Matemáticas aplicadas
URL de disciplinas OCDE
[Link]
Psicología
[Link]
 2

Dedicatoria

La presente tesis es dedicada a Dios, a mis padres y hermanos

por su constante apoyo y dedicación; y, porque estuvieron

siempre presentes en todo momento, brindándome

su confianza en cada paso para lograr mi

desarrollo profesional.

Agradezco mucho a mis profesores que a lo largo de

mi carrera universitaria me enseñaron sus grandes
saberes. En especial a las profesoras Ana María
Cárdenas, Grabiela Montes y Gregoria Ramón por ser
mis principales guías, también al Psicólogo Fernando
Cerón y a mi asesor Fernando Camones por su valioso
y tenaz apoyo en el desarrollo de mi Tesis.
 3

RESUMEN

VALIDEZ Y FIABILIDAD DEL TEST DE PERSONALIDAD NEO-FFI EN ESTUDIANTES DE UNA UNIVERSIDAD

PÚBLICA

JAIME FRANCO RAMOS MIRANDA

2022

Asesor: Mg. Fernando Cesar, Camones Gonzales

Esta tesis fue realizada con el objetivo de evaluar la validez y fiabilidad del test de personalidad NEO-

Five Factor Inventory (NEO-FFI) en estudiantes de una universidad pública en el contexto actual de

pandemia por COVID-19. Para hacer esta evaluación se hizo el Análisis Factorial Confirmatorio, ésta

técnica multivariante permite poner a prueba de manera objetiva la teoría conceptual del modelo de

los Ci o G a des e ue se asa el i st u e to de edi ió edia te la esti a ión y uso de los

parámetros en un modelo de medición. Se halló que el neuroticismo, la extraversión, la apertura a la

experiencia, agradabilidad y responsabilidad como factores de personalidad tienen niveles adecuados

de fiabilidad simple y compuesta, además tienen niveles adecuados de validez convergente y

discriminante en la población de estudiantes de una universidad pública peruana en el contexto actual

de pandemia por COVID-19.

Palabras clave : análisis factorial confirmatorio, neo-ffi, cinco grandes, fiabilidad, validez,
covid-19
 4

ABSTRACT

VALIDITY AND RELIABILITY OF THE NEO-FFI PERSONALITY TEST IN PUBLIC UNIVERSITY STUDENTS

JAIME FRANCO RAMOS MIRANDA

2022

Advisor: Mg. Fernando Cesar, Camones Gonzales

This thesis was made with the objective of evaluating the validity and reliability of the NEO-Five Factor

Inventory (NEO-FFI) personality test in students of a public university in the current context of the

COVID-19 pandemic. To make this evaluation, the Confirmatory Factor Analysis was carried out, this

multivariate technique allows to objectively test the conceptual theory of the "Big Five" model on

which the measurement instrument is based through the estimation and use of the parameters in a

measurement model. It was found that neuroticism, extraversion, openness to experience,

agreeableness and conscientiousness as personality factors have adequate levels of simple and

compound reliability, as well as adequate levels of convergent and discriminant validity in the student

population of a Peruvian public university in the current context of the COVID-19 pandemic.

Key words: confirmatory factor analysis, neo-ffi, big five, reliability, validity, covid-19
 5

Índice
I. INTRODUCCIÓN............................................................................................................................. 9

I.1. Introducción .......................................................................................................................... 9

I.2. Planteamiento del Problema............................................................................................... 10

• Determinación del Problema .............................................................................................. 12

• Formulación del problema .................................................................................................. 15

I.3. Objetivos ............................................................................................................................. 15

I.4. Importancia y Alcance de la Investigación .......................................................................... 16

I.5. Limitaciones de la investigación .......................................................................................... 19

II. REVISION DE LA LITERATURA ...................................................................................................... 19

II.1. Marco teórico...................................................................................................................... 19

II.2. Antecedentes ...................................................................................................................... 43

II.3. Bases teóricas ..................................................................................................................... 47

II.4. Definición de términos ........................................................................................................ 53

III. HIPÓTESIS Y VARIABLES .......................................................................................................... 54

III.1. Hipótesis ............................................................................................................................. 54

III.2. Variables de Investigación ................................................................................................... 55

III.3. Operacionalización de variables .......................................................................................... 57

IV. Materiales y Métodos. ............................................................................................................ 59

IV.1. Área de Estudio ................................................................................................................... 59

IV.2. Diseño de Investigación .......................................................................................................... 59

IV.3. Población y Muestra ............................................................................................................... 60

 6

IV.4. Procedimientos, Técnicas e instrumentos de recolección de la información .................. 62

IV.5. Análisis Estadístico .......................................................................................................... 64

V. RESULTADOS ........................................................................................................................... 64

V.1. Presentación y Análisis de Resultados ................................................................................ 64

V. DISCUSIÓN .................................................................................................................................. 97

VII. CONCLUSIONES Y RECOMENDACIONES ................................................................................ 107

VIII. REFERENCIAS......................................................................................................................... 110

IX. ANEXOS ................................................................................................................................. 119

 7

Índice de tablas

Tabla 1. Notación para el diagrama de senderos para representar los modelos de medición y

estructural .......................................................................................................................................... 23

Tabla 2. Matrices parámetros para definir completamente el modelo general de ecuaciones

estructurales. ...................................................................................................................................... 27

Tabla 3. Recomendaciones de estimadores disponibles de la función de discrepancia según tipos de

variables y condición del supuesto de normalidad multivariante. ...................................................... 32

Tabla 4. Tamaños de población por facultad de la universidad pública en estudio ............................ 61

Tabla 5. Tamaños de muestra por facultad de la universidad pública en estudio .............................. 62

Tabla 6. Distribuciones de los tamaños de muestra calculada y obtenida por facultades .................. 65

Tabla 7. Estadísticos descriptivos para la variable edad de los estudiantes ....................................... 66

Tabla 8. Distribuciones de frecuencias absolutas y porcentuales de cada factor de personalidad según

las interpretaciones de las puntuaciones típicas derivadas. ............................................................... 67

Tabla 9. Coeficientes de fiabilidad simple y compuesta de los factores de personalidad del instrumento

NEO Five Factor Inventory aplicado a estudiantes de la universidad pública ..................................... 71

Tabla 10. Estimaciones de las cargas factoriales estandarizadas y varianza extraída promedio para el

factor de personalidad Neuroticismo. ................................................................................................ 73

Tabla 11. Estimaciones de las cargas factoriales estandarizadas, varianza extraída promedio para el

factor de personalidad Extraversión. .................................................................................................. 75

Tabla 12. Estimaciones de las cargas factoriales estandarizadas, niveles de fiabilidad simple y

compuesta, varianza extraída promedio para el factor de personalidad Apertura a la experiencia. .. 77

Tabla 13. Estimaciones de las cargas factoriales estandarizadas, varianza extraída promedio para el

factor de personalidad Agradabilidad. ................................................................................................ 79

 8

Tabla 14. Estimaciones de las cargas factoriales estandarizadas, niveles de fiabilidad simple y

compuesta, varianza extraída promedio para el factor de personalidad Responsabilidad. ................ 81

Tabla 15. Medidas para el análisis de validez discriminante del test de personalidad NEO-FFI ......... 84

Tabla 16. Análisis bivariado entre el factor de personalidad Neuroticismo (factor N) y otras variables

............................................................................................................................................................ 87

Tabla 17. Análisis bivariado entre el factor de personalidad Extraversión (factor E) y otras variables89

Tabla 18. Análisis bivariado entre el factor de personalidad Apertura a la experiencia (factor O) y otras

variables.............................................................................................................................................. 91

Tabla 19. Análisis bivariado entre el factor de personalidad Agradabilidad (factor A) y otras variables

............................................................................................................................................................ 93

Tabla 20. Análisis bivariado entre el factor de personalidad Responsabilidad (factor C) y otras variables

............................................................................................................................................................ 95

Índice de Figuras

Figura 1. Diagrama de senderos de un modelo de ecuaciones estructurales hipotético .................... 24

Figura 2. Diagrama de senderos de un modelo en el análisis factorial confirmatorio ........................ 24

Figura 3. Diagrama de senderos del análisis factorial confirmatorio del test de personalidad NEO-Five

Factor Inventory aplicado a estudiantes de una universidad pública. ................................................ 69

 9

I. INTRODUCCIÓN

I.1. Introducción

La Organización Panamericana de la Salud (2017, 2020) y la Organización Mundial de Salud

(2019, 2020) afirman que esta pandemia por COVID-19 tiene una influencia directa e indirecta sobre

la salud mental de la población a nivel mundial, los datos sobre prevalencia de trastornos mentales

están actualizados solo hasta el año 2017, por lo que invoca a los países a realizar estudios para medir

la prevalencia e incidencia de trastornos mentales. Hasta el 2019 se estimaba que 264 millones de

personas en el mundo presentaban depresión, 25 millones presentarían trastorno afectivo bipolar, 21

millones algún tipo de esquizofrenia, 50 millones demencia, pero no se muestran estadísticos de otras

enfermedades mentales, se espera un aumento por la pandemia por COVID-19.

Algunos estudios realizados durante el año 2020 que relacionaban la pandemia por COVID-19

y salud mental afirman que ésta tiene una influencia negativa sobre la salud mental a nivel mundial

por un efecto psicosocial causada por el aislamiento obligatorio (Ramírez-Ortiz et al., 2020; Ribot

Reyes et al., 2020; Terry-Jordán et al., 2020).

En un meta-análisis que reunió 206 estudios sobre el impacto del COVID-19 en el aspecto

mental de personal de salud y poblaciones de países de Norteamérica, Europa y Asia entre abril del

2020 al 22 de enero del 2021. Se estimó una prevalencia de ansiedad del 21.9% (95% IC: 18.7 – 25%)

en profesionales de la salud y de 22.4% (95% IC: 19.8 – 25%) en la población general. Se estimó una

prevalencia de ideación o intentos de suicidio de 11% (95% IC: 6.4 – 15.7%) en la población general.

Además, la prevalencia del consumo de alcohol fue alta con 52% (Phiri et al., 2021).

Comparando con la situación mundial previa a la pandemia por COVID-19 presentada en el

estudio de enfermedades a nivel global (GBD 2017) por James et al. (2018), se reporta respecto a
 10

trastornos mentales, un número menor de casos antes de la pandemia, la prevalencia de trastornos

mentales a nivel mundial se encontraba entre 12.9 – 13.6% y la incidencia entre 4.2 – 4.8%

Desagregando el grupo de trastornos mentales en el estudio GBD 2017, en aquellos

relacionados con la personalidad se reportó para el trastorno de la personalidad bipolar una

prevalencia de 0.5 - 0.7% y una incidencia de 0.53 – 0.07%. Para trastornos de conducta

(comportamientos agresivos) una prevalencia de 0.559 – 0.876% y una incidencia de 0.184 – 0.28%.

(James & Abate, 2018). Mientras que para depresión se reportó una prevalencia entre 3.281 – 3.813%

y una incidencia de 3.173 – 3.751%. En el caso de ansiedad la prevalencia reportada fue 3.537 –

4.056%, con una incidencia de 0.527 – 0.602%. Estas cifras se condicen con los reportados por la OMS

para el mismo año (Banco Mundial, 2019; James et al., 2018; Organización Panamericana de la Salud,

2017).

I.2. Planteamiento del Problema

Respecto a trastornos de la personalidad, Zaragoza estimó en 2015 una prevalencia de

estados patológicos de personalidad de 7% en España, mientras que el Ministerio de Sanidad del

mismo país informó que en el 2020 la prevalencia de trastornos de personalidad se encontraba entre

5.0 – 9.4%, afectando más al grupo de 15 a 24 años y en mayor proporción al género masculino (11.7

– 14.7%) que en el género femenino (8.4 – 10.9%), observándose un aumento respecto al periodo

previo a la pandemia. (Giner Zaragoza et al., 2015; Sistema Nacional de Salud. Ministerio de Sanidad.,

2020)

La personalidad se puede considerar conceptualmente como un conjunto de cualidades que

permiten distinguir a una persona de otra, que forman un patrón relativamente estable
 11

principalmente sobre cómo se comporta una persona. (B. J. Carducci et al., 2020; Gray & Bjorklund,

2018; Ranyard, 2017; Real Academia Española, 2020)

Edmonds y Hill afirman que la personalidad no es estable a través del tiempo, sino que tiende

a disminuir el neuroticismo y aumentar la responsabilidad a medida que avanza la edad. Mientras que

Hampson y Goldberg afirman que la personalidad cambia a través del tiempo principal e inicialmente

por la maduración propia, pero también cambia por resultado de encontrarse y adaptarse a

experiencias de vida. (Edmonds & Hill, 2020; Hampson & Goldberg, 2020)

Zhang (2020) sustenta que uno de los factores más grandes de la personalidad es el

neuroticismo, además que un alto nivel de neuroticismo, dado por experiencias negativas, representa

un mayor riesgo para desarrollar una amplia gama de trastornos mentales. La pandemia por el COVID-

19 es una nueva experiencia de vida que ha reducido el bienestar, ha condicionado inseguridad

económica, aislamiento y altos niveles de neuroticismo con las cuales las personas se han tenido que

lidiar y adaptarse.

Swaziek y Wozniak (2020) compararon la situación de salud mental en Estados Unidos antes

y durante de la pandemia por COVID-19 teniendo experiencias negativas que condicionan altos niveles

de neuroticismo, concluyendo que la tasa de personas con pobre salud mental aumentó en 25% sobre

una línea base de aproximadamente 33% antes de la pandemia, afectando más a los hispanos. Se hace

la recomendación de reevaluar el estado de la salud mental a nivel mundial considerando el aspecto

de la personalidad en este contexto de pandemia.

Uno de los modelos más aceptados y utilizados actualmente para evaluar la personalidad es

el Modelo de los Cinco Grandes Factores de Rasgos de Personalidad. Goldberg afirmó en 1996 que se

había llegado a un consenso de una Est u tu a de i o g a des fa to es o Modelo de los Ci o

 12

Fa to es ue ep ese ta a e i teg a a los di e sos o eptos edidas de la pe so alidad.

(Goldberg et al., 1996 como se citó en Dominguez-Lara et al., 2018; Salgado et al., 2016).

Este modelo incluye los siguientes 5 factores o dimensiones, los 3 primeros son: Neuroticismo

(o Estabilidad emocional), Extraversión, Apertura a la experiencia (Openness to Experience). El

neuroticismo se refiere a la impulsividad, ansiedad, autoconocimiento, entre otras facetas. La

extraversión se refiere a calidez, gregarismo, asertividad, actividad, excitación y emoción positiva. La

apertura a la experiencia se refiere a sentimientos, ideas, creatividad, acciones y valores. Estos

constituyen las siglas NEO en los instrumentos NEO-FFI (NEO-Five Factor Inventory) y NEO-PI (NEO

Personality Inventory) (Greene & Weiner, 2017; Xie & Cobb, 2020).

La amabilidad se refiere a confianza, trato directo, altruismo, complacencia, modestia y

ternura. La responsabilidad se refiere a competencia, orden, deber, logros, autodisciplina y

deliberación. Estos completan el Modelo de los Cinco Grandes (Gray & Bjorklund, 2018).

Se han diseñado múltiples instrumentos psicométricos a partir del modelo original. Así mismo

se han realizado gran cantidad de estudios para evaluar la validez y fiabilidad en estos instrumentos

para diferentes poblaciones y diferentes periodos de tiempo (Benet-Martínez & John, 1998; Benjamin

& Guan, 2020), utilizando el análisis factorial confirmatorio para evaluar la validez, mientras que para

la fiabilidad utilizan el cálculo e interpretación del coeficiente alfa de Cronbach (Rodríguez-Rodríguez

& Reguant-Álvarez, 2020).

• Determinación del Problema

Aunque se hayan realizado diversos estudios sobre este modelo de la personalidad, de

acuerdo a la revisión de los antecedentes, existen diferencias en cuanto a los objetivos de estos

estudios. Si bien ya se mencionó que hay investigaciones con el objetivo principal de evaluar la validez
 13

del Modelo de los Cinco Grandes, estos utilizan diferentes instrumentos que varían en el número de

ítems, versiones revisadas de instrumentos previos y adaptaciones a diferentes realidades en espacio

y tiempo (Soutter et al., 2020).

Esto puede dificultar la comparación, sin embargo, es valiosa la evaluación de validez de

versiones más cortas de test de personalidad ya que se disminuye la tasa de no respuesta (Dominguez-

Lara & Merino-Soto, 2018). Entre los test de personalidad empleados actualmente están el NEO-PI,

el NEO-FFI y BFI (Big Five Inventory) (Booth & Hughes, 2014).

El modelo de los cinco grandes, en la versión original, versiones revisadas y cortas tienen una

interpretación que se correlaciona con la clasificación de trastornos de personalidad presentada en el

Manual diagnóstico de trastornos mentales (DSM-V), pero aún se necesita más estudios (Thimm et

al., 2016).

Existen investigaciones que se limitan solo a la aplicación y presentación del análisis

descriptivo de los resultados o correlacionando estos resultados con aquellos de la aplicación de otro

instrumento psicométrico que miden aspectos distintos a la personalidad (Intiful et al., 2019). Algunos

autores refieren que aquellos estudios que se limitan a la aplicación y descripción del test de

personalidad podrían contener algunos sesgos socioculturales (Choi et al., 2010; Morgan et al., 2014).

Si bien a nivel nacional existen algunos estudios de validación del Modelo de los Cinco

Grandes, Domínguez-Lara (2018) realizó un estudio de validación, pero menciona como limitante para

la generalización de sus resultados un muestreo no probabilístico, ya que evaluó la validez y fiabilidad

del test NEO-FFI en participantes voluntarios. Así mismo son pocos los realizados con estudiantes de

universidades públicas como en la Universidad San Marcos (Sarmiento, 2017).

 14

La pandemia actual por COVID-19 ha causado efectos adversos en la salud mental a nivel

mundial. Se observa un gran aumento del número de casos de diferentes trastornos mentales.

Particularmente se ha observado también un aumento en la prevalencia de diferentes trastornos de

la personalidad durante el contexto de pandemia. Para poder plantear soluciones que permitan

disminuir el número de casos se deben tener instrumentos adecuados que permitan medir e

identificar trastornos de personalidad con un adecuado nivel de validez y fiabilidad.

Son muy pocos los estudios de validación de instrumentos psicométricos en la sociedad

peruana y en la situación de pandemia por COVID-19 y los estudios que existen fueron realizados antes

de la pandemia y con técnicas poco adecuadas que limitan su generalización.

Hasta el momento no se ha realizado algún estudio de este tipo en una universidad pública en

el contexto de pandemia en Perú. Esto indica la necesidad de cubrir esta ausencia de conocimiento

del nivel de validez y fiabilidad del modelo de los Cinco Grandes Factores de Rasgos de Personalidad

a través de una versión revisada del instrumento como es el NEO-FFI y cuya metodología permita la

generalización de los resultados. Es necesario realizar una interpretación y análisis descriptivo de los

resultados de este test psicométrico para conocer los perfiles de personalidad de los estudiantes para

establecer un punto de referencia.

De acuerdo con Costa Jr. & McCrae (2008; 2018), este instrumento permite resumir mucha

información de las personas en el aspecto de la salud mental tanto en lo normal como patológico. Se

menciona entre las aplicaciones de este instrumento las de selección de personal policial, registrar

cambios en pacientes con enfermedad de Alzheimer, asesoría escolar, predicción de cambios de

conducta, detección de síntomas de trastornos de personalidad, selección de personal en varias

instituciones públicas y privadas entre otras. En esta población de estudiantes de una universidad
 15

pública tiene también como propósito identificar un perfil general de su salud mental en el ámbito

académico previo a ingresar al mercado laboral en el contexto actual de pandemia.

• Formulación del Problema

Problema General. De acuerdo con el planteamiento del problema, se formula la siguiente

pregunta como problema general de esta investigación:

¿Cuál es el nivel de validez y fiabilidad del test de personalidad NEO-Five Factor Inventory

(NEO-FFI) en estudiantes de una universidad pública en el contexto actual de pandemia por COVID-

19?

Problemas Específicos. Se plantean 3 problemas específicos

¿Cuál es el nivel de validez del test de personalidad NEO-FFI en estudiantes de una universidad

pública para cada uno de los 5 factores del modelo de los Cinco Grandes?

¿Cuál es el nivel de fiabilidad del test de personalidad NEO-FFI en estudiantes de una

universidad pública para cada uno de los 5 factores del modelo de los Cinco Grandes?

¿Cuáles son los resultados de la aplicación del test de personalidad NEO-FFI en estudiantes de

una universidad pública?

I.3. Objetivos

Objetivo General

Evaluar la validez y fiabilidad del test de personalidad NEO-Five Factor Inventory (NEO-FFI) en

estudiantes de una universidad pública en el contexto actual de pandemia por COVID-19.

 16

Objetivos Específicos

Evaluar el nivel de fiabilidad del test de personalidad NEO-FFI en estudiantes de una

universidad pública para cada uno de los 5 factores del modelo de los Cinco Grandes.

Evaluar el nivel de validez del test de personalidad NEO-FFI en estudiantes de una universidad

pública para cada uno de los 5 factores del modelo de los Cinco Grandes.

Describir los resultados de la aplicación del test de personalidad NEO-FFI en estudiantes de

una universidad pública.

I.4. Importancia y Alcance de la Investigación

Justificación Teórica

Los estudios de validación y fiabilidad de instrumentos psicométricos son necesarios para la

aplicación posterior del instrumento de manera generalizada en la población. El estudio de la validez

se realiza a través del análisis factorial confirmatorio (AFC) y el análisis de fiabilidad se realiza a través

de cálculos de coeficientes fiabilidad simple y compuesta. El AFC es una técnica de multivariante y

pertenece a la línea de investigación que enmarca esta investigación. El AFC pertenece a la familia de

las Ecuaciones Estructurales. Estas técnicas son temas del análisis multivariante que son tratadas de

manera poco frecuente a nivel de pregrado. La presente investigación propone presentar un marco

teórico sobre estos temas de análisis multivariante para complementar los temas tratados en

Estadística a nivel de pregrado, además de la aplicación práctica de estos temas.

Dentro del campo de la Psicología, Hampson y Goldberg afirman que la personalidad cambia

a través del tiempo por la maduración de la persona y también por afrontar nuevos eventos de vida

(Hampson & Goldberg, 2020). Dada la situación de pandemia por COVID-19 como un nuevo evento de

vida que la población ha tenido que afrontar, se tratará de contrastar la afirmación de estos autores.
 17

Justificación Metodológica

De acuerdo con las diferentes investigaciones internacionales sobre validación del test de

personalidad NEO-FFI se observa que en algunos casos se ha aplicado un tipo de muestreo

probabilístico, mientras que en otras se ha empleado un tipo de muestreo no probabilístico. Los

estudios nacionales utilizan muestreo no probabilístico, lo que dificulta su generalización. A diferencia

de estudios previos, en este caso se realizó un muestreo probabilístico para poder inferir los resultados

de validación y fiabilidad, además los resultados del análisis descriptivo, a la población de estudiantes

de esta universidad pública peruana. Esto además permitirá la comparación con estudios similares en

otros contextos sociales y culturales, además con estudios previos a la pandemia por COVID-19.

Justificación Práctica

Beneficiarios Directos. La presente investigación propone una correcta evaluación de los

niveles de validez y fiabilidad del test de personalidad NEO-FFI basado en el modelo de los Cinco

Grandes factores de personalidad, teniendo en cuenta la situación de pandemia por COVID-19

iniciado entre diciembre del 2019. Los beneficiarios directos son todos los profesionales del sector

salud principalmente en el área de salud mental, psicólogos y psiquiatras, que necesiten de un

instrumento fiable, con el cuál puedan evaluar y caracterizar adecuadamente a los pacientes, ya que

en su práctica diaria necesitan plantear además de un diagnóstico principal y un diagnóstico de la

personalidad del paciente que puede ser valorado dentro de lo normal como un rasgo de personalidad

o dentro de lo patológico como un trastorno de personalidad. Según la revisión de artículos el modelo

general presenta una correlación con criterios diagnósticos de algunos desórdenes de personalidad

incluidos en el DSM-V. Los pacientes también serían beneficiarios directos ya que contarían con un

diagnóstico más preciso y un tratamiento orientado a ese diagnóstico.

 18

Beneficiarios Indirectos. Como beneficiarios indirectos estarían incluidos otros estudiantes

y/o investigadores que traten de abordar el tema de la personalidad, uso del análisis multivariante en

psicometría, modelamiento con ecuaciones estructurales y aplicación del análisis factorial

confirmatorio. También los familiares de los pacientes serían beneficiarios indirectos. También

estarían incluidas las autoridades del sector de salud y de autoridades de hospitales orientados a la

evaluación y tratamiento de salud mental. Las autoridades podrán elaborar mejores estrategias en

base a indicadores que resulten de la compilación de registros de la aplicación e interpretación de un

test de personalidad como el NEO-FFI.

Originalidad. La originalidad de este proyecto de investigación radica en resolver problemas

y limitaciones de estudios previos, un punto importante es utilizar un tipo de muestreo probabilístico

a diferencia de estudios previos de validación del instrumento NEO-FFI nacionales que utilizaron un

muestreo no probabilístico, el uso de un muestreo probabilístico permitirá la generalización de los

resultados. Otro elemento de originalidad es respecto a emplear criterios revisados sobre diferentes

aspectos de validez mediante el análisis factorial confirmatorio, como alternativa al enfoque

tradicional de análisis factorial exploratorio con rotación Varimax, ya que este enfoque tradicional

presenta ciertos errores y ha sido desestimado como un buen método para evaluar la validez de

instrumentos según la revisión realizada.

Adicionalmente se plantea realizar la aplicación del instrumento NEO-FFI y descripción de

resultados en el contexto de pandemia por COVID-19 respecto a posibles asociaciones con la presencia

de la pandemia por COVID-19, esta es una nueva variable que afecta el estado mental de la población

y la OMS ha realizado un llamado a realizar investigaciones que traten sobre este problema, existen

algunas publicaciones que hacen referencia a otros aspectos como el estado de ánimo y estrés, pero
 19

las publicaciones en nuestro país aún son escasos y en el aspecto de la personalidad son prácticamente

nulos, esta investigación busca cubrir ésta ausencia de conocimiento.

I.5. Limitaciones de la Investigación

Entre las principales limitantes de la investigación se encuentran las controversias acerca de

la aplicación del instrumento NEO-FFI para detectar síntomas de psicopatología. Diversos autores,

incluyendo a los propios autores del test mencionan que son necesarias validaciones del instrumento

respecto al aspecto de rasgos de personalidad patológicos, aunque se han realizado estudios que

concluyen que el instrumento tiene niveles de validez y confiabilidad aceptables para detectar rasgos

psicopatológicos de la personalidad, aún son necesarios más estudios. Otra limitante de la presente

investigación está en la posibilidad de realizar un re-test a los mismos seleccionados en la muestra.

II. REVISION DE LA LITERATURA

II.1. Marco Teórico

La Personalidad

Maranges y Reynolds explican que la personalidad ha sido un mecanismo de adaptación a lo

largo del tiempo como una respuesta a los desafíos para la sobrevivencia y por lo tanto una manera

de solucionar los problemas que frecuentemente se encuentran las personas. la personalidad se

entiende como el conjunto de características que involucran los pensamientos, respuestas

emocionales y comportamientos o acciones a lo largo del tiempo y diferentes situaciones en las que

un humano se desarrolla (B. J. Carducci et al., 2020, p. 185).

Judith Harris defi ió la pe so alidad o o El desarrollo durante la infancia de los patrones

crónicos de comportamiento Incluyendo los cognitivos y emocionales que diferencian a un individuo

de otro indicando que algunas Personas pueden ser más calmadas o más agresivas o más dominante
 20

so e ot as . Otros autores también coinciden en un supuesto básico cuando se da una definición o

concepto de la personalidad es considerar que diferencia un individuo en las maneras o estilos de

comportamiento relativamente consistente a lo largo del tiempo y espacio, que caracteriza a una

persona como un individuo único (Judith Harris, 2005; como se citó en Gray & Bjorklund, 2018, p.

1156).

Weiner & Greene (2017) mencionan que el estudio y las investigaciones acerca de la

personalidad tuvieron un gran impulso alrededor de 1930. Anterior a este periodo hubo publicaciones

acerca de la personalidad, pero se enfocaban en aspectos patológicos y condiciones anormales.

También menciona como dos psicólogos importantes que contribuyeron al desarrollo de una teoría

de la personalidad Y al surgimiento de la psicología de la personalidad a Gordon Allport (1937) y Henry

Murray (1938), ya que estos investigadores estudiaron la personalidad como una interacción de varios

factores relacionados a las experiencias de vida qué hacían que una persona sea distinta.

El estudio de la personalidad se fundamenta en un concepto de la conducta como una manera

en que cada persona tiende a responder en una determinada circunstancia un ejemplo de esto es la

agresividad Qué es una característica que varía de persona a persona. Los autores solían hacer una

lista de características como la agresividad, cordialidad, hospitalidad, sociabilidad, genialidad y otros

términos de conducta que podrían ser medidos en una escala de Likert y se utilizarían para describir a

la persona. Uno de los primeros autores en realizar este tipo de listado fue Gordon Allport en 1937,

elaborando una lista de 17953 términos de un diccionario en inglés estándar sin embargo la dificultad

que se presentaba era escoger los términos indicados y poder realizar un resumen para caracterizar

la personalidad de un individuo (B. J. Carducci et al., 2020; Weiner & Greene, 2017).

Se planteó el problema de poder agrupar los términos correctos referidos a la conducta y por

lo tanto a la personalidad. Fue entonces que los investigadores recurrieron al análisis factorial para
 21

desarrollar una teoría de la conducta. Uno de los primeros investigadores que utilizó este método fue

Catell en 1950. Cartel resumió todos los términos listados por Allport y elaboró un cuestionario con

200 ítems que se agrupaban en 16 dimensiones (factores o variables latentes). Sin embargo, otros

investigadores consideraron que una teoría con 16 dimensiones era demasiada compleja. Las

investigaciones posteriores disminuyeron las dimensiones. Destacan el modelo HEXACO y el modelo

de los cinco grandes u OCEAN, las siglas de cada uno representan las iniciales de los factores que

incluyen (B. J. Carducci et al., 2020; Gray & Bjorklund, 2018; Soutter et al., 2020).

Ashton & Kibeom (2008) mencionan que un modelo alternativo es modelo HEXACO, este

incluye un factor H qué es la honestidad y humildad. Refieren que una corriente de psicólogos

considera este modelo como más eficiente ya que al considerar la honestidad y humildad de una

persona se puede poner una atención especial en los efectos dañinos que se podría causar a la

sociedad según el nivel de este factor. Se ha aplicado en diferentes ámbitos cómo puede ser el médico-

psiquiátrico, educativo y criminológico. La noción básica es que un nivel bajo de honestidad y humildad

se correlaciona con altos niveles de crímenes en la sociedad. Los otros factores son emocionalidad,

extraversión, responsabilidad, intelecto y agradabilidad. Este modelo HEXACO Se enfoca

particularmente para el campo de la Criminología.

Teoría del Análisis Factorial Confirmatorio

Cómo señalan los autores, el análisis factorial confirmatorio pone a prueba las teorías que

quieren ser representadas mediante múltiples ecuaciones que involucran relaciones entre variables

observables y variables latentes. En los campos de ciencias aplicadas como pueden ser las sociales o

ciencias de la salud se estudian algunas variables que pueden resultar difíciles de medir por su

naturaleza, estas son denominadas variables latentes o constructos. En esos casos se plantean

diferentes teorías, algunas planteadas por juicio de expertos y otras aceptadas por consensos, donde
 22

esas variables latentes o constructos se hacen medibles con un conjunto de variables observables

(Hair et al., 2018; J. Wang & Wang, 2020).

El análisis factorial confirmatorio dentro de las técnicas multivariantes se encuentra

clasificado como un caso particular del modelamiento de ecuaciones estructurales aplicando ciertas

restricciones con la intención de medir la validez de constructo de un instrumento. (J. Wang & Wang,

2020).

Definición del modelamiento en el análisis factorial confirmatorio. Diversos autores indican

que el modelado de ecuaciones estructurales (MEE) es una familia de modelos estadísticos cuyo

objetivo es proveer técnicas que permitan examinar la estructura de interrelaciones para después

expresarlas como una serie de ecuaciones de regresiones múltiples. La importancia de este análisis es

la especificación de la estructura teórica indicando cuáles variables y constructos están

probablemente o no relacionadas unas a otras. Los constructos son no observables (Byrne, 2016; Gana

& Broc, 2019; Hair et al., 2018; Kline, 2016; J. Wang & Wang, 2020).

Las consideraciones que se deben tener en cuenta para diferenciar a estos MEE de los

modelos de regresión tradicionales es que también se involucran 4 diferentes aspectos. El primer

aspecto es que se estima de manera simultánea múltiples relaciones de dependencia. El segundo

aspecto es la capacidad de representar conceptos que no pueden ser observados en las relaciones

entre variables que sí pueden ser medidas estimadas y para las cuales se pueden medir el error. El

tercer aspecto es poder definir el modelo teórico con el cual se explica todo el conjunto de relaciones.

Finalmente, el cuarto aspecto es sobre identificar supuestos acerca del conjunto de variables

observadas (Byrne, 2016; Hair et al., 2018).

 23

Hair (2018) menciona que el análisis factorial confirmatorio es una de las diferentes técnicas

de la familia de ecuaciones estructurales que permiten analizar estadísticamente cuestiones teóricas.

Permite generalizar en conjunto la representación de una teoría poniéndola a prueba si su modelo

teórico de medición pre-especificado por variables observables y constructos se ajusta a la realidad

de los datos obtenidos, restringiendo la relación de una variable observable a solamente un constructo

y midiendo las covarianzas o correlaciones entre constructos. Estas restricciones permiten la medición

de la validez de un instrumento. El resto de técnicas de la familia de ecuaciones estructurales si

permiten relaciones de una variable observable a más de un constructo y medir el grado de

dependencia entre constructos, pero con otros objetivos.

Tabla 1.
Notación para el diagrama de senderos para representar los modelos de medición y estructural
Elemento Símbolo Notación de Hair Notación de Wang
Tipo de constructo latente
Exógeno ú �
Endógeno ú

Tipo de Indicador
Exógeno X ú

Endógeno Y ú

Tipo de relación
Medida (carga) L í

Estructural (coeficiente de sendero) P � ,

Correlacional entre constructos Cov , � ,

Términos de error
Del indicador e í

Del constructo E

Nota. Adaptado de Hair (Hair et al., 2018, p. 628) y Wang (J. Wang & Wang, 2019, p. 8).
 24

Figura 1.

Diagrama de senderos de un modelo de ecuaciones estructurales hipotético

Nota. Adaptado de Wang (J. Wang & Wang, 2019).

Figura 2.

Diagrama de senderos de un modelo en el análisis factorial confirmatorio hipotético

� �

Nota. Adaptado de Wang (J. Wang & Wang, 2019).

 25

La figura 1 representa un modelo estructural donde hay dependencia entre constructos. La

figura 2 es en cambio un modelo de medición donde no existe dependencia entre los constructos, en

ambos casos las representaciones son con diagramas de senderos, además en el análisis factorial

confirmatorio todos los constructos se consideran como independientes de otros. Cabe señalar que

en este tipo de diagrama los constructos deben ser representados como elipses, los indicadores

(variables observables) se representan en rectángulos, las relaciones entre los constructos a los

indicadores se representan como flechas rectas, así como los respectivos términos de error a sus

correspondientes indicadores, además las relaciones de correlación entre constructos deben ser

representados como flechas curvas bidireccionales (Byrne, 2016; Hair et al., 2018 p. 627-629; J. Wang

& Wang, 2020, p. 3-5).

Etapas del desarrollo del modelo en el análisis factorial confirmatorio. A continuación, se

presenta una secuencia de pasos para el análisis factorial confirmatorio.

Definición de cada constructo. Al inicio se considera la definición teórica de cada constructo

vinculados a varios indicadores los cuales se deben operacionalizar, es decir definir cómo se mide cada

variable observada y el tipo de escala que le corresponde. Se pueden utilizar escalas empleadas en

investigaciones previas o desarrollar una nueva escala de medición. En psicometría la definición

conceptual de cada uno de los constructos y a su vez las variables observables tiene su soporte en la

validez de contenido dado por los especialistas que elaboran los instrumentos (Hair et al., 2018, p.

627).

Desarrollo y especificación del modelo de mediciones. Un aspecto importante para la

construcción del modelo es sobre cómo interpretar los valores de las variables observables, esto se

refiere a señalar si son estas las que describen a los constructos o si los constructos son los que

explican a las variables observables, pero esto depende de la teoría puesta a prueba y la posibilidad

de emplear otras técnicas multivariantes dentro de la familia de ecuaciones estructurales. En el

 26

análisis factorial confirmatorio son los constructos comunes y específicos los que explican a las

variables observables (Aldás, Joaquin & Uriel, 2017; Hair et al., 2018; J. Wang & Wang, 2020).

Cuando ya se tienen especificadas las escalas de los ítems se deben asignar variables

indicadoras medibles (observables) a los correspondientes constructos latentes esto se puede

apreciar en una serie de ecuaciones, pero también se puede observar en un diagrama de senderos.

Para facilitar la representación del modelo a través de este diagrama se presentan las notaciones

propuestas por dos autores. Hair et al. Que propone una notación con similitudes a las utilizadas en

los programas como LISREL, AMOS y otros softwares que trabajan con este tipo de técnica. Mientras

que la notación clásica es señalada por Wang, se indican las respectivas equivalencias entre estas en

la tabla 1 (Hair et al., 2018, pp. 627–629; J. Wang & Wang, 2019, pp. 3–9).

Para poder especificar por completo el modelo de mediciones se deben considerar diferentes

elementos. En la figura 2 se observan las variables latentes que pueden ser de 2 tipos, los comunes

(� ) cuyos efectos son compartidos por diversas variables observables ( ). El otro tipo de constructo

son los específicos ( ) o términos de error para las variables observables. También se observan las

medidas de correlación entre constructos (� , ). las cargas factoriales ( ) son las medidas de

intensidad de la relación causal entre los constructos comunes y variables observables, la dirección de

las flechas indican que es son los constructos (tanto los comunes como los específicos) los que afectan

a la variable observada (Aldás, Joaquin & Uriel, 2017; Hair et al., 2018; J. Wang & Wang, 2020)

Una de las restricciones en el AFC es la unidimensionalidad de las mediciones. Cuando se

tienen dos o más constructos se asume que cada variable indicadora (u observable) solo está

relacionada a solo un constructo (o variable latente), es decir que la variable observable es explicada

solo por un constructo. Los términos de varianzas de error correlacionados y cargas cruzadas se fijan

como ceros. Esto se considera importante debido a que si hay cargas cruzadas significativas, aún si
 27

mejoran el ajuste, sería de manera artificial porque implicaría carencia de validez de constructo (Hair

et al., 2018; Kline, 2016; J. Wang & Wang, 2020).

Otro aspecto señalado por diferentes autores es sobre el número de ítems (variables

observables) por cada constructo, con más ítems se puede conseguir mayor fiabilidad, pero se

necesitaría un mayor tamaño de muestra y va contra el principio de parsimonia. Como buena práctica

se considera un mínimo de 3 ítems por constructo para proveer un mínimo de cobertura del dominio

teórico y también la identificación adecuada (Härdle & Simar, 2019).

Tabla 2.
Matrices parámetros para definir completamente el modelo general de ecuaciones estructurales.
Matriz Definición Dimensión

Matrices de coeficientes
� Factores de carga relaciondo x a �
Matrices de varianza y covarianza
Φ phi De �
Θ� ℎ − De δ errores de medici�n asociados a X
Nota. q es el número de indicadores (variables observables) x, s es el número de constructos comunes

a ia les late tes ξ. Adaptado de Wang (Jöreskog & Sörbom 1981 como se citó en Wang & Wang,

2020, p. 9).

El modelo hipotético planteado y representado en la figura 2 se puede expresar en ecuaciones

lineales o de manera matricial según las notaciones presentadas en las tablas 1 y 2. Para el modelo

hipotético se explica a continuación.

= � � + …… �

, í
 28

Respecto a las dimensiones de las matrices y factores, es un vector de dimensión con

las q variables observables, � es el vector de constructos comunes de dimensión , � es la matriz

de factores de cargas de dimensión y es el vector de constructos específicos o términos de

errores de dimensión . Se asume que la cantidad de variables observables sea mayor a los

constructos comunes, es decir > (Aldás, Joaquin & Uriel, 2017). Para el caso hipotético de la figura

2, = y = . Ampliando la ecuación (1) se tendría:

�
= [� ] + ……
�
[ ] [ ] [ ]

Y como sistema de ecuaciones lineales se expresa a continuación:

= � + ; = � +

= � + ; = � + ……

= � + ; = � +

Las variables observables y latentes son tomadas como desviaciones respecto a las medias de

las observadas, esto hace que sus interceptos sean cero, facilitando así los cálculos sin influir en la

estimación de parámetros, además no causan cambios en las covarianzas entre estas. Por esto se hace

una especificación de un conjunto de supuestos (Aldás, Joaquin & Uriel, 2017; J. Wang & Wang, 2020).

= ; � = ; = ; ,� =

Tomando como referencia la ecuación (1) podemos expresar la matriz de varianzas y

covarianzas de las variables observables como:

′ ′] …
�= = [ � �+ � �+

= [ � �� ′ �′ + � � ′
+ � ′ �′ + ′
]
′ =� �� ′ �′ + � � ′ + � ′ �′ + ′
 29

Se asume que el error del modelo de medición ( ) es independiente del constructo común (�)

′
y = . De la tabla 2 se sabe que: = Θ� ; �� ′ = Φ. La matriz de varianzas y

covarianzas de las variables observables queda expresada a continuación, ecuación (5).

′ = � Φ�′ + Θ�

� = � Φ�′ + Θ� … …

Es importante conocer la identificación de un modelo, esto trata sobre si hay la suficiente

información para identificar una solución en un conjunto de ecuaciones. El número de valores en la

matriz � que está dado por ∗ + / en el modelo teórico puesto a prueba. El otro miembro de

la ecuación (5) indica cuántos son los parámetros a estimar de las matrices � , Φ y Θ� ; donde � es

de dimensión , la matriz Φ de varianzas y covarianzas de constructos comunes � tiene ∗ +

/ valores y la matriz Θ� de varianzas y covarianzas de constructos específicos o términos de error

tiene ∗ + / valores. Entonces el número de parámetros a estimar es: [ ∗ + ∗ +

/ + ∗ + / ] (Aldás, Joaquin & Uriel, 2017; Hair et al., 2018; Peña, 2013; J. Wang & Wang,

2020)

Hipótesis del modelo y estimadores asociados. De la expresión (5) se tiene una función de

discrepancia [ , Σ̂] = , que mide la mínima diferencia entre las matrices muestral (con los datos

observados) y la estimada con el modelo. Entonces las hipótesis que se plantean en el análisis factorial

confirmatorio son:

� : = = Σ̂

� : ≠ ≠ Σ̂

El objetivo del AFC es obtener estimaciones para las matrices � , Φ y Θ� de tal manera que

formen una matriz de varianzas y covarianzas poblacional estimada Σ̂ lo más similar posible a la
 30

respectiva matriz muestral calculada con los valores de las variables observables. El estadístico de

contraste será − ∗ , = ñ y tiene una distribución chi-

cuadrado aproximada. Lo que se espera es que para un nivel de significancia en el contraste de

hipótesis no se rechace la hipótesis nula porque esto confirma un buen ajuste del modelo (Aldás,

Joaquin & Uriel, 2017; Hair et al., 2018; J. Wang & Wang, 2020).

Dependiendo del tipo de variables, el tamaño de muestra y el cumplimiento o no del supuesto

de normalidad multivariada el cálculo de se obtendrá por el método con el estimador más

adecuado (Gana & Broc, 2019, pp. 27–33).

De acuerdo con varios autores es necesario comprobar que el modelo es identificable y

emplear algunas restricciones para lograr esto. Se mencionó que la matriz de varianzas y covarianzas

muestrales tiene ∗ + / valores y el número de parámetros a estimar es [ ∗ + ∗ +

/ + ∗ + / ], la primera recomendación de los autores es imponer como mínimo [ ∗ +

∗ + / ] restricciones porque así se tendrán más datos que parámetros, se tendrán grados de

libertad para hacer el contraste de hipótesis del modelo (Aldás, Joaquin & Uriel, 2017; Byrne, 2016;

Hair et al., 2018; Kline, 2016; J. Wang & Wang, 2020).

La segunda recomendación es indicar una escala para los constructos comunes, especificando

la varianza de cada constructo común como 1 o especificando como 1 la carga factorial para una

variable observable de cada constructo común. Esto evita la indeterminación de varianzas y factores

de carga que es la imposibilidad de diferenciar casos de varianza grande con carga pequeña o varianza

pequeña con carga grande (Aldás, Joaquin & Uriel, 2017; Byrne, 2016; Hair et al., 2018; Kline, 2016; J.

Wang & Wang, 2020).

 31

La tercera recomendación es verificar que se pueda identificar la relación de constructos y

variables observables. Cuando hay 2 o más constructos comunes, cada uno debe tener al menos 3 o

más variables observables que permitan establecer factores de carga y que sus términos de error

deben estar incorrelacionadas, para esto se propone establecer como 0 los coeficientes de correlación

de entre términos de error. Como cuarta recomendación es establecer como 1 los coeficientes de

regresión de los términos de error, por ejemplo, en una de las ecuaciones de la expresión (3): =

+ + ; = , de lo contrario se tendrán grados de libertad negativos (Aldás, Joaquin &

Uriel, 2017; Byrne, 2016; Hair et al., 2018; Kline, 2016; J. Wang & Wang, 2020).

Aldás, Joaquin & Uriel (2017) resumen y listan los parámetros a estimar inicialmente en el AFC

de la siguiente manera: correlaciones entre todos los constructos comunes, varianzas de todos los

constructos comunes, todos los factores de carga, varianzas de los términos de error o constructos

específicos, covarianzas entre términos de error (la recomendación es establecerlos como 0) y los

coeficientes de regresión entre términos de error y variables observables (cuya recomendación

establecerlos como 1).

Con estas recomendaciones y restricciones los autores plantean que se puede obtener un

modelo sobreidentificado, es decir, que se cuenta con grados de libertad para la estimación de los

parámetros en las 3 matrices � , Φ y Θ� , pero también refieren que se debe escoger la función de

discrepancia [ , Σ̂] para poder estimar la matriz �, esta función de discrepancia a su vez depende del

estimador que sea conveniente utilizar, los cuales pueden ser por: mínimos cuadrados no ponderados,

máxima verosimilitud, mínimos cuadrados generalizados, estimadores de máxima verosimilitud

robusta entre otros (Aldás, Joaquin & Uriel, 2017; J. Wang & Wang, 2020).

Los autores que han realizado comparaciones entre estos estimadores mediante simulación,

refieren que los estimadores de máxima verosimilitud y mínimos cuadrados generalizados son
 32

adecuados cuando se cumplen los supuestos de normalidad multivariante y de independencia de

términos de error incluso para muestras pequeñas, pero en caso no se cumplan estos supuestos,

recomiendan usar la estimación con máxima verosimilitud robusta (o escalada) (Ullman (2001) como

se citó en Aldás, Joaquin & Uriel, 2017). También se presentan las recomendaciones realizadas por

Gana & Broc (2019) y J. Wang & Wang (2020).

Tabla 3.
Recomendaciones de estimadores disponibles de la función de discrepancia según tipos de
variables y condición del supuesto de normalidad multivariante.
Tipo de variables y supuestos de Estimador
normalidad multivariada

Continua
Distribución aproximadamente ML (máxima verosimilitud)
normal
Incumplimiento del supuesto de ML (si el incumplimiento no es grave), MLM (ML con errores
normalidad estándar y media ajustados, equivalente a Satorra-Bentler),
MLR (ML con errores estándar robustos, equivalente a Yuan-
Bentler), Bootstrap.

Categóricos en escala ordinal

Distribución aproximadamente ML (si las variables tienen al menos 6 categorías), MLM o MLR
normal (si las variables tienen al menos 4 categorías), WLSMV
(estimador robusto del método de mínimos cuadrados
ponderados diagonalmente, si las variables tienen 2 o 3
categorías).
Incumplimiento del supuesto de ML (si las variables tienen al menos 6 categorías), MLM o MLR
normalidad (si las variables tienen al menos 4 categorías), WLSMV (si hay
un incumplimiento severo del supuesto de normalidad).
Nota. Adaptado de Gana & Broc (2019, p. 33) y J. Wang & Wang (2020, pp. 15–17).

Considerando = � , Φ, Θ� como el conjunto de parámetros poblacionales, la distribución

del estimador ̂ = (�̂ , Φ

̂, Θ
̂ � ) = arg min [ , Σ̂] converge en distribución de la siguiente manera

√ (̂ − ) → , − − . La expresión − − adopta diferentes formas para el estimador

correspondiente según el cumplimiento de las diferentes condiciones resumidas en la tabla 3. De

acuerdo con el tipo de variables, la escala, el número de categorías y el cumplimiento o no del

 33

supuesto de normalidad multivariante se elegirá el mejor estimador para ajustar un modelo en el

análisis factorial confirmatorio (Gana & Broc, 2019; Lai, 2018; J. Wang & Wang, 2020).

Estimador de máxima verosimilitud y estimador robusto de máxima verosimilitud. Como se

mencionó el estimador ̂ = (�̂ , Φ

̂, Θ
̂ � ) resulta de minimizar la función de discrepancia [ , Σ̂] (Σ −

Σ̂ = o Σ − S = ). Sin asumir normalidad el estimador ̂ tiene una distribución que converge como:

√ (̂ − ) → , − −

′
Donde: = [ ]; = [ . ]

En el caso de asumir normalidad, el estimador de máxima verosimilitud (ML) adoptaría la siguiente

forma:

=− |� |− ′ �−
− − + ;

− −
Para entender qué otras formas adoptaría la expresión se debe analizar cómo se expresan

′
, y (Lai, 2018). La segunda derivada se puede expresar en 3 términos:

= + + , a su vez:

= − ⁄ � [ ⊗ �− ]� ′

= ⁄ � [�− ⊗ ]� ′

= − ⁄ � [ ⊗ vec ]

Donde: = �− [ − − ′ ]� −
; = �− − ; :
 34

′ ]′ ′
También: . = .[ − � ][ − �

� [� −1 ⊗� −1 ] ′] ;
Donde: = = [ − , − � = �
�

Para derivar tanto [ ] como [ . ′ ] asumiendo que � = � ̂ , pero no normalidad,

resulta que [ ] = �− ( ̂ ) y [ ] = . De acuerdo con esto: [ ]= y [ ]= ,

entonces:

[ ]= [ ]+ [ ]+ [ ] se reduce a

[ ]= [ ]y se puede expresar como:

′
= − ⁄ �( ̂ )[�− ( ̂ ) ⊗ �− ( ̂ )]�( ̂) ≡ −I�

I� es la matriz de información basada en que � = � ̂

Análogamente la matriz se reduce y se expresa como:

′
= ( ̂ ). Г. ( ̂)

�(̂ )[� −1 ⊗� −1 ]
Donde: ( ̂ )= ; Г= , que representa la no normalidad de los datos.

− −
Entonces el resultado de es la matriz de covarianzas robusta convencional, el cual

proporciona el estimador robusto de máxima verosimilitud con errores estándar y media ajustados

(Lai, 2018), denotado como:

− −
� =

Evaluación de la bondad de ajuste. El estadístico de contraste � = − ∗ tiene una

+
distribución chi-cuadrado aproximada con grados de libertad: = ∗ − , q es el número de

variables observadas (indicadores ) y u es el número de parámetros a estimar. Sin embargo, los

autores mencionan que las principales limitaciones son: alta sensibilidad al tamaño de muestra con
 35

mayor probabilidad de cometer el error de tipo I si la muestra es muy grande o que deje de seguir una

distribución chi-cuadrado si la muestra es muy pequeña, alta sensibilidad al no cumplimiento del

supuesto de normalidad multivariate. Los autores proponen diversos índices que ajustan el valor

original del estadístico eliminando las limitaciones mencionadas (Marcoulides & Schumacker, 2009).

Los principales índices son:

Índice de ajuste comparativo (CFI). compara el ajuste del modelo estimado con el ajuste de

un modelo nulo (asumiendo son ceros todas las covarianzas entre variables observadas), basándose

en un parámetro de no centralidad =� − . El rango de CFI es de 0 a 1, el punto de corte es 0.9.

Es un buen índice para muestras pequeñas y depende de los valores de las correlaciones entre las

variables observadas (Marcoulides & Schumacker, 2009).

− �
=

Índice de Tucker Lewis (TLI). puede tener valores fuera del rango de 0 a 1, los valores

negativos se deben a un número pequeño de grados de libertad del modelo estimado o a unas

correlaciones bajas entre las variables observadas. El punto de corte también es 0.9, es influenciado

por el tamaño de muestra, pero a diferencia del índice CFI, no es tan influenciado por las correlaciones

entre las variables observadas (Marcoulides & Schumacker, 2009).

� � �
−
�
=
�
−

Índice raíz media cuadrática del error de especificación (RMSEA). utiliza el parámetro de no

centralidad reescalado � − ⁄ . Es una de las medidas más usadas actualmente para medir la

bondad de ajuste de los modelos de ecuaciones estructurales. La interpretación se basa en los

siguientes puntos de corte: ajuste perfecto si es 0, ajuste cerrado si es menor a 0.05, ajuste justo si
 36

está entre 0.05 y 0.08, ajuste mediocre si está entre 0.08 y 0.10, finalmente ajuste pobre si es mayor

a 0.10. Varios autores afirman que el RMSEA tiene un mejor desempeño para evaluar la bondad de

ajuste que otros índices (Hair et al., 2018; Marcoulides & Schumacker, 2009; J. Wang & Wang, 2020).

� − ⁄
=√

En caso el modelo tenga una falta de ajuste se puede volver a especificar el modelo liberando

uno de los parámetros del modelo estimado, en cuyo caso se modificará el modelo y el número de

grados de libertad disminuirá en 1 para los cálculos de CFI, TLI y RMSEA y se volverá a evaluar el

modelo. Este proceso se pude repetir liberando 1 parámetro a la vez (Marcoulides & Schumacker,

2009; J. Wang & Wang, 2020). Esto debe tener fundamento en el conocimiento de las relaciones entre

las variables de la teoría que se está poniendo a prueba.

Teoría del Análisis de Fiabilidad

Barrios et al. (2014) Mencionan que en el campo de psicometría la fiabilidad se refiere a la

evaluación de consistencia y precisión de una medida. A su vez una medida es un conjunto de normas

para asignar números que indiquen el nivel de una característica que tiene un objeto, teniendo en

cuenta que toda medida conlleva un error asociado. Aldás, Joaquin & Uriel, (2017) refieren de manera

más simple que la fiabilidad es una propiedad de aplicación repetida de un instrumento de medida

que proporciona resultados consistentes.

Los conceptos de medida y fiabilidad se hacen más importantes cuando se tratan variables

sociales porque resulta complejo asignar valores sobre el nivel de un atributo a variables como la

inteligencia emocional, ansiedad o rasgos de personalidad, para los cuales se crean escalas de medida

o instrumentos las cuales tienen las ventajas de aportar objetividad, cuantificación, comunicación de

resultados y ahorro de costos en tiempo y dinero (Aldás, Joaquin & Uriel, 2017; Barrios et al., 2014;

Costa & McCrae, 2018).

 37

Otros autores señalan que la fiabilidad de un instrumento, que se asocia a los errores de

medida aleatorios, es una medida del nivel de consistencia interna del conjunto de los indicadores de

los constructos latentes que indica el nivel de interrelación conjunta de estos indicadores o la

magnitud en que múltiples indicadores (o variables observables) convergen (Byrne, 2016; Hair et al.,

2018, p. 609).

Cuanto mayor sea la fiabilidad indica que el constructo explica una mayor proporción de la

varianza de cada indicador, esto se asocia a un menor error en el modelo. Debe tenerse en cuenta que

una alta fiabilidad no necesariamente implica una medición precisa del constructo, pero para

complementar esto es necesario una evaluación de la validez. El instrumento de medida puede tener

alta fiabilidad en cuanto los puntajes sean altamente correlacionados, pero si no mide el constructo o

variable latente que le corresponde entonces no es válido. Además el instrumento no podrá ser válido

si no es fiable, por lo que primero debe comprobarse la fiabilidad antes de la validez del instrumento

(Aldás, Joaquin & Uriel, 2017; Hair et al., 2018; J. Wang & Wang, 2020).

Existen diversas medidas de fiabilidad asociadas a constructos, entre estas destaca por su

amplio uso el coeficiente alfa de Cronbach, este indica la consistencia interna de un test basándose

en cuánto representan las covariaciones existentes entre ítems de un test de la varianza total de este

test (Amirrudin et al., 2020; Barrios et al., 2014, pp. 83–94). La fórmula más comúnmente usada es la

siguiente:

∑= ∑∑ ≠ ,
̂ = − � ̂ =
− −

:̂ ℎ

: ú í .

∑ ∶ í .
=
 38

∑∑ , ∶ í .
≠

∶ .

Respecto al intervalo de confianza del coeficiente alfa de Cronbach se menciona que esto

parte del siguiente estadístico de contraste A con una distribución F de Fisher (Barrios et al., 2014, pp.

95-97):

−
= ; ~ ( = − ; = − − )
−̂

: ú ; : ú í

: ℎ �

− ∗ % , :

∈ [ −( − ̂) � ; −( − ̂) �
− ; − − ; −
]
( − ; − ; − − )

Acerca de la interpretación del coeficiente alfa de Cronbach, Schrepp (2020) sustenta que un

valor aceptable depende del investigador, del campo de estudio y del propósito del test o instrumento.

Se suele utilizar una sugerencia de interpretación que indica que: > . es excelente, >

. es buena, > . es aceptable, > . es cuestionable, > . es pobre y <

. lo considera inaceptable (George & Mallery, 2003; como se citó en Schrepp, 2020). Aunque

también hay otras reglas para interpretar esta medida de fiabilidad, en general se acepta un valor de

> . como aceptable para la mayoría de test e investigaciones en diferentes campos.

El alfa de Cronbach suele ser la medida de fiabilidad más utilizada, pero tiene diversos

inconvenientes, principalmente no considera al instrumento de medida en conjunto sino por cada

escala, lo cual no es el propósito de realizar un AFC, por lo que se propone el cálculo de la fiabilidad

compuesta (CR) o ta ié lla ado oefi ie te o ega ω (Fornell y Larcker, 1981, como se citó en

Aldás, Joaquin & Uriel, 2017).

 39

(∑ )
ω = =
(∑ ) + ∑

La fiabilidad compuesta puede calcularse con las cargas factoriales y las varianzas de los

términos de error. Para su interpretación se utilizan los mismos valores de referencia mencionados

para el alfa de Cronbach, pero para un mejor entendimiento se ha propuesto que en una fase

exploratoria un rango de 0.6 a 0.7 es aceptable, mientras que en una fase avanzada de investigación

se considera una fiabilidad compuesta adecuada si está en el rango de 0.7 a 0.9, además un valor

mayor a 0.9 no es adecuado porque indica redundancia en la medición por diferentes variables

observables. Por otro lado, un aumento artificial de la fiabilidad puede afectar la validez de contenido

de un instrumento (Rossiter (2002) como se citó en Aldás, Joaquin & Uriel, 2017).

Teoría del Análisis de Validez de un Instrumento de Medida

A e a de la defi i ió de alidez se i di a ue alidez es la medida en que un instrumento

mide el concepto en estudio (Bohrnstedt (1976) como se citó en Aldás, Joaquin & Uriel, 2017). Aldás,

Joaquin & Uriel (2017) definen la validez como la propiedad de medir realmente el constructo que se

tiene que medir. A su vez esta definición implica 4 facetas que incluyen:

La validez de contenido. Indica cuán relevantes y representativos con los indicadores

(variables observables o ítems) para el constructo que se propone medir, esto implica coherencia con

todo aspecto teórico del constructo, por lo cual requiere de un análisis por especialistas del área de

estudio al que corresponde el instrumento de medida (Aldás, Joaquin & Uriel, 2017).

La validez convergente. Esta existe si diferentes indicadores del mismo constructo tienen una

alta correlación y comparten gran proporción de varianza. Un primer criterio exige que los factores de

carga sean mayores o iguales a 0.7, basado en que el cuadrado de estos, es decir que la comunalidad,

sea al menos 0.5. Bajo la misma idea otro indicador de validez convergente es la varianza extraída
 40

promedio (AVE), esta es el promedio de varianzas de variables observables explicadas por el

constructo que se mide y se considera adecuada si es mayor o igual a 0.5 (Aldás, Joaquin & Uriel,

2017).

∑ ∑
= = ; : ú
∑ + ∑

Hair et al. (2018) menciona respecto a los valores de las cargas factoriales estandarizadas

estimadas deberían ser idealmente mayores o iguales a 0.7 para considerar que un instrumento tiene

una alta validez convergente, pero también si estas cargas factoriales son mayores a 0.5 aún se pueden

considerar que el instrumento tiene un nivel adecuado de validez convergente. En este caso se evalúa

como un indicador adicional de validez convergente la fiabilidad compuesta. Afirma que se necesita

que > | . | para que cada variable latente tenga un nivel adecuado de validez convergente.

Moral de la Rubia, (2019) realizó una revisión de los criterios para analizar la validez

convergente. Señala que la varianza extraída promedio (AVE) es tal que a mayor número de variables

observables explicadas por el constructo el valor de la AVE tiende a disminuir y rechazar la existencia

de adecuada validez convergente, además existe una correlación lineal negativa entre la AVE y el nivel

de fiabilidad. Mediante la aplicación de la prueba Z de Steiger con corrección de Bonferroni para

múltiples comparaciones elaboró su propuesta. Para 12 variables observables se requiere que

. � . y que . , entonces si . se considera que el constructo tiene un nivel

adecuado de validez convergente. Si . � . y . , entonces . .

La validez discriminante. Aldás, Joaquin & Uriel (2017) indican que cuando se tratan con

múltiples variables latentes o constructos en un mismo instrumento los autores señalan que es natural

que tengan cierto grado de correlación, pero cada constructo tiene sus propios indicadores por
 41

separado, puede aceptarse cierto grado de correlación entre constructos hasta un límite a partir del

cual pueda plantearse que hay redundancia y no discriminen entre sus indicadores. Hair et al. (2018)

refiere que la validez discriminante es la medida en que una variable latente es distinta de otras

variables latentes o constructos.

El test del intervalo de confianza. Es un criterio para evaluar la validez discriminante, los

intervalos de confianza se construyen utilizando la estimación puntual y el error estándar de la

estimación estandarizada de correlación estandarizada entre constructos y se expresa como: � ±

∗ . Donde: � es la estimación puntual de la correlación de los constructos i y j, SE es el error

estándar. En caso de contener el valor 1 expresa que las escalas e indicadores no pueden diferenciar

o discriminar los conceptos de los constructos, pero si no contiene al 1, aún si contiene al 0, indica que

si se pueden discriminar los conceptos de los constructos y no hay problemas de validez discriminante

(Anderson & Gerbing (1988) como se citó en Aldás, Joaquin & Uriel, 2017).

Ratio HTMT. Es otro criterio para valorar la validez discriminante, calcula la media de

correlaciones de indicadores de un constructo con los de otro constructo (heterotrait-heteromethod

o HT) y la media de las correlaciones de los indicadores de un mismo constructo (monotrait-

heteromethod o MT), se considera validez discriminante aceptable o adecuada cuando el cociente es

HT/MT < 0.9 para cada par de constructos (Henseler (2014) como se citó en Aldás, Joaquin & Uriel,

2017).

La validez nomológica. Esta se da cuando los valores de un constructo tienen relaciones de

dependencia con otro constructo, esto implica un modelo estructural que no es aplicable al presente

estudio (Aldás, Joaquin & Uriel, 2017; Gana & Broc, 2019; Hair et al., 2018).
 42

Otras recomendaciones acerca del análisis factorial confirmatorio. Diversos autores señalan

varias recomendaciones sobre el análisis de validez y fiabilidad con el análisis factorial confirmatorio.

Cuando las variables observables tienen cargas factoriales menores a 0.5 debe valorarse si son

eliminadas tomando en cuenta que, si la fiabilidad compuesta y la varianza extraída promedio tienen

niveles adecuados, no se deben eliminar esas variables. Se sugiere no eliminar variables observables

en un instrumento ampliamente documentado para no afectar la validez de contenido. Los índices de

modificación pueden mejorar el ajuste del modelo, pero se considera científicamente incorrecto

modificar el modelo de medida porque se pondrían restricciones a la teoría puesta a prueba y no se

podría hacer inferencia (Aldás, Joaquin & Uriel, 2017; Byrne, 2016; Gana & Broc, 2019; Hair et al.,

2018; Kline, 2016; Marcoulides & Schumacker, 2009; J. Wang & Wang, 2020).

Los autores también señalan que los residuos estandarizados mayores a 4.0 indican un nivel

de error alto o no aceptable y que la variable observable asociada pueda ser eliminada, si están entre

2.5 y 4.0 indican un nivel de error relativamente alto, pero no sugieren la eliminación de la variable

observada. Unos patrones de errores relativamente altos indican que existe gran proporción de las

varianzas de las variables observadas que no es explicada por los constructos considerados

teóricamente y que podría existir un constructo o variable latente adicional no considerado en la

teoría puesta a prueba. Finalmente, si se consideran grandes modificaciones a modelo de medida

estas se debe evaluar este en una nueva base de datos, un caso es si los resultados sugieren eliminar

al menos el 20% de variables observables (Aldás, Joaquin & Uriel, 2017; Byrne, 2016; Gana & Broc,

2019; Hair et al., 2018; Kline, 2016; Marcoulides & Schumacker, 2009; J. Wang & Wang, 2020).
 43

II.2. Antecedentes

Antecedentes Internacionales

Entre los primeros estudios sobre la influencia de la pandemia sobre la salud mental están

aquellos realizados en China, uno de estos fue realizado por Huang et al. (2020) del 7 al 14 de febrero

del 2020, con una muestra de 230 profesionales de salud, se utilizó el instrumento SAS (Escala de

ansiedad autoaplicada) y se reportó una alta incidencia de ansiedad en el personal de salud, estimada

en 23.04% (severa 2.17%, moderada 4.78% y leve 16.09%).

También en China, Wang et al. (2020), con una muestra de 1210 personas (67.3% mujeres,

53.1% con edad entre 21 a 38 años) distribuidas en 194 ciudades, mediante la escala de depresión,

ansiedad y estrés (DASS-21), se observó que 16.5% tuvo sintomatología de depresión moderada a

severa, 28.8% de ansiedad moderada a severa, 84.7% de las personas permanecían entre 20 a 24 horas

al día en su casa. Se concluyó que en esta población estudio las categorías de sexo femenino, ser

estudiante, presentar síntomas somáticos o una deficiente autopercepción de la salud fueron

identificados como factores de riesgo para depresión o ansiedad.

Anglim & Horwood (2021) analizaron el efecto de la pandemia por COVID-19 en los factores

de pe so alidad del odelo Big Fi e el ie esta psi ológi o su jeti o e po la ió del Reino

Unido, encontraron diferencias significativas entre las correlaciones antes y durante la pandemia

entre el neuroticismo, extraversión y agradabilidad y la percepción de bienestar. Indican que la

pandemia por COVID-19 tiene un efecto reduciendo el bienestar y principalmente disminuye el nivel

de extraversión.

El antecedente más reciente fue el estudio realizado por Rabadi & Rabadi (2021) en el

contexto árabe con 653 estudiantes de pregrado de diferentes universidades con edades entre 18 a

25 años y el 69% eran de sexo femenino. El principal reto de este estudio fue traducir las frases del
 44

instrumento al idioma árabe y adaptarlas al contexto cultural. El modelo factorial obtenido tuvo un

buen ajuste (� = . . , p valor > 0.05; CFI = 0.93, TLI = 0.91 y RMSEA = 0.06). Los niveles de

fiabilidad fueron: neuroticismo ( = . ), extraversión ( = . ), apertura ( = . ),

agradabilidad ( = . ) y responsabilidad ( = . ). Sobre la validez convergente todas las cargas

factoriales fueron mayores a 0.5, sin embargo, muy pocas de estas fueron mayores a 0.7. No se

menciona un análisis de la validez discriminante. Además, se menciona como principal limitación que

se utilizó una muestra no probabilística.

Kunnel et al. (2019) aplicaron en 2 escuelas de la India el NEO-FFI-3 (3ra revisión del

instrumento NEO-FFI) entre febrero y marzo del 2016, obteniendo 438 registros. Se realizaron un AFC

y modelos de ecuaciones estructurales exploratorios (MEEE) con una rotación oblicua goemin. Se

reportan ajustes bajos en términos de índices CFI (ajuste comparativo), TLI (Tucker-Lewis) y de la raíz

del error cuadrático medio de aproximación, tanto para el AFC (� = . , p valor < 0.001,

CFI = 0.454, TLI = 0.431 y RMSEA = 0.046) y el MEEE (� = . , p valor < 0.001, CFI = 0.717,

TLI = 0.661 y RMSEA = 0.035).

Respecto a la fiabilidad Kunnel et al. (2019) obtuvo lo siguiente: Neuroticismo ( = . ),

Extraversión ( = . ), Apertura ( = . ), Afabilidad ( = . ) y Responsabilidad ( = . ).

Los investigadores refieren que existen dificultades para la validación de este instrumento en la India

principalmente por la naturaleza del Modelo de los Cinco Grandes generado en una cultura occidental

y que se tendrían que realizar ajustes para países orientales.

Meda Lara et al. (2015) aplicaron el test de personalidad NEO-FFI mediante un muestreo no

probabilístico a 1440 personas con un rango de edad entre 18 y 60 años distribuidos en tres grupos

de edad. La distribución final por sexo fue de 420 hombres y 601 mujeres. El 93.9% de los participantes

tuvieron un nivel de educación secundaria o superior. Uno de los objetivos fue proponer una versión
 45

de 30 ítems. Se reportaron niveles de fiabilidad adecuados solo para neuroticismo ( = . ),

apertura a la experiencia ( = . y responsabilidad ( = . ), pero no para extraversión ( =

. ) y agradabilidad ( = . ). Respecto al ajuste del modelo Se registró: � = . , CFI

= 0.724, TLI = 0.701 y RMSEA = 0.054.

Erazo et al. (2019) realizaron un estudio en Ecuador sobre la validez y fiabilidad del

cuestionario de personalidad Big Five (BFQ) en estudiantes de universidad, este cuestionario también

se basa en el Modelo de lo Cinco Grandes y contiene 132 ítems. En este estudio si realizó un muestreo

probabilístico, es este caso un muestreo aleatorio estratificado, el tamaño de muestra fue 357. Se

evaluó la validez usando los análisis factoriales exploratorio y confirmatorio, cuyos resultados fueron:

� = . , p valor < 0.0001, correspondiendo con 5 factores cuyos autovalores son

mayores a 1. Los niveles de fiabilidad fueron: Neuroticismo ( = . ), Extraversión ( = . ),

Apertura ( = . ), Afabilidad ( = . ) y Responsabilidad ( = . ).

Antecedentes Nacionales

Martínez Uribe & Cassaretto Bardales (2011) realizaron los primeros estudios de validación

del test NEO-FFI, aplicando en paralelo la versión original de 60 ítems a 517 voluntarios y una versión

con 16 ítems adicionales a 204 voluntarios, todos universitarios peruanos. El método utilizado para

analizar la validez fue el AFE con rotación varimax, la fiabilidad con alfa de Cronbach. En el primer

grupo se reportó para cada constructo niveles de fiabilidad: Neuroticismo ( = . ), Extraversión

( = . ), Apertura ( = . ), Agradabilidad ( = . ) y Responsabilidad ( = . ).

Los resultados para el segundo grupo modificando algunos ítems fueron: Neuroticismo ( =

. ), Extraversión ( = . ), Apertura ( = . ), Afabilidad ( = . ), Responsabilidad ( =

. ), los niveles de fiabilidad fueron adecuados. Los autores mencionan como limitación el tipo de

muestreo no probabilístico porque dificulta la generalización, también la existencia de ítems que

 46

causan problemas por lo cual plantean ítems alternativos (Martínez Uribe & Cassaretto Bardales,

2011).

Dominguez-Lara et al. (2018) hizo un estudio de validación del instrumento Big Five Inventory

(BFI) aplicado a 332 estudiantes de una universidad privada con edades entre 16 y 48 años, con un

muestreo no probabilístico donde los participantes fueron voluntarios. Para la validación se utilizó una

técnica alternativa al análisis factorial exploratorio y confirmatorio, se argumentó que se cometería

un error de especificación en este enfoque de validación porque se tendría que suponer que cada ítem

en un factor es independiente de los otros factores, se sustenta que esto no es completamente cierto

por la naturaleza compleja de la personalidad y para resolver esto se realizó un AFE y rotación

procrusteana oblicua, ajustando una matriz objetivo y obteniendo el coeficiente de congruencia

factorial del factor (Φ) para la evaluación de la validez.

La fiabilidad se midió también con el coeficiente alfa. Los resultados obtenidos fueron:

Neuroticismo ( :Φ= . ; % : ∈[ . , . ]), Extraversión

( :Φ= . ; % : ∈[ . , . ]), Apertura ( :Φ=

. ; % : ∈[ . , . ]), Afabilidad ( :Φ=

. ; % : ∈[ . , . ]), Responsabilidad ( :Φ=

. ; % : ∈[ . , . ]). Los autores refieren como principales

limitaciones el tipo de muestreo no probabilístico, mayor proporción de mujeres (82.83%), la

necesidad de estimaciones de fiabilidad test- etest la e esidad de u a uest a ás hete ogé ea

respecto a variables como edad o actividad. (Dominguez-Lara et al., 2018).

También en el año 2018, en una investigación realizada en Chiclayo donde se aplicó el

instrumento NEO-FFI-2 a estudiantes de Psicología de una universidad particular se tenía como

objetivo secundario analizar la validez y fiabilidad de este instrumento, aunque su objetivo principal
 47

era describir los rasgos de personalidad. Se usó un muestreo no probabilístico con 159 participantes.

Para la valoración de validez y fiabilidad se refiere haber usado una muestra de 30 estudiantes,

utilizando el étodo de o ela ió íte s-test calculando índices pa a la alidez, ie t as ue pa a

la fiabilidad se midió de manera similar a los antecedentes ya mencionados. Se concluyó que el

instrumento era válido porque los índices calculados para cada pregunta se encontraban entre 0.506

y 0.996 y que el instrumento fue fiable basándose en un valor p=0.7 (no se aclara si se refiere al valor

de alfa de Cronbach). Se señala el uso de la prueba de Kolmogorov-Smirnov, pero esto solo sería

apropiado si se tratara de un análisis univariante.

Se halló en términos de frecuencias porcentuales por sexo, en el género masculino habían

niveles muy altos de neuroticismo (50%), extraversión (31%) y afabilidad (43%), nivel alto en apertura

(29%) y nivel muy bajo en responsabilidad (50%). Para el género femenino se halló un nivel muy alto

de neuroticismo (38%) y niveles muy bajos de extraversión (39%), apertura (27%), afabilidad (41%) y

responsabilidad (56%) respectivamente (García Castro, 2019).

II.3. BASES TEÓRICAS

El Modelo de los Cinco Grandes Factores

McCrae & Sutin (2007) señalan que el modelo de los cinco grandes factores es uno de los más

estudiados y ampliamente aplicados en diferentes contextos culturales. Tiene una aplicación en

psicología clínica y es uno de los más adecuados para evaluar la personalidad en psicoterapia. Parte

de la aceptación de este modelo se basa en su aplicación en diferentes contextos culturales que en su

mayoría son occidentales, realizando las respectivas adaptaciones al lenguaje local. Refieren también

la necesidad de un mayor estudio de este modelo y sus factores ya que se han encontrado

correlaciones con otros aspectos de la salud mental La explicación detallada se realizará

posteriormente.
 48

El modelo de los cinco grandes factores de la personalidad o también llamado por el acrónimo

OCEAN por de las iniciales de los nombres en inglés de los factores: apertura a la experiencia

(Openness to experience), responsabilidad (Conscientiousness), extraversión (Extraversion),

agradabilidad (Agreeableness) y neuroticismo (Neuroticism) fue planteado como un modelo de cinco

dimensiones de conductas. El planteamiento de este modelo surge de las publicaciones de los autores

Goldberg, Costa y McCrae en la década de los 80 y 90, tiempo en el cual se fueron desarrollando

diferentes tipos de instrumentos con sus respectivas versiones revisadas y abreviadas. El modelo fue

adaptado a diferentes contextos culturales y a lo largo de los años Contando con gran aceptación por

parte de psicólogos. (B. J. Carducci et al., 2020; Goldberg et al., 1996; Gray & Bjorklund, 2018; McCrae

& Sutin, 2007; Soutter et al., 2020).

La definición de lo que es la personalidad desde el punto de vista de este modelo indica que

la personalidad es un conjunto de características que describen, identifican y diferencian a una

persona del resto, además esta puede ser explicada a través de cinco factores ya mencionados, los

cuales pueden explicar el comportamiento de la persona en diferentes dimensiones. (B. J. Carducci et

al., 2020; Goldberg et al., 1996; Xie & Cobb, 2020). Las Definiciones de los Cinco Factores se dan a

continuación:

Neuroticismo. Esta es la propensión a percibir diferentes tipos de estrés emocional teniendo

ideas alejadas de la realidad o ideación de problemas. Se entiende que una persona con un bajo nivel

de neuroticismo es emocionalmente estable y no tiende rápidamente hacia la cólera o a la depresión.

En el contexto de lenguaje español Las facetas incluidas dentro del neuroticismo son: ansiedad,

hostilidad, depresión, ansiedad social, impulsividad y vulnerabilidad (B. J. Carducci et al., 2020; McCrae

& Sutin, 2007; Nichols & Pace, 2020; Sanz & García-Vera, 2009).
 49

Extraversión. Es la tendencia a preferir interacciones interpersonales frecuentes e intensas,

ser enérgico y optimista. una persona con un bajo nivel de extraversión tiende a ser reservado y

prefiere tener un grupo pequeño de amigos o compañeros. En el contexto español Las facetas son:

cordialidad, gregarismo, asertividad, actividad, búsqueda de emociones y emociones positivas (B. J.

Carducci et al., 2020; McCrae & Sutin, 2007; Nichols & Pace, 2020; Sanz & García-Vera, 2009).

Apertura a la experiencia. Es una predisposición a buscar nuevas experiencias y tener un estilo

fluido de pensamiento. Personas con una baja apertura a la experiencia suelen ser tradicionales o

conservadores además prefieren costumbres o rutinas. Las facetas en el lenguaje español son:

fantasía, estética, sentimientos, acciones, ideas y valores (B. J. Carducci et al., 2020; McCrae & Sutin,

2007; Nichols & Pace, 2020; Sanz & García-Vera, 2009).

Agradabilidad. Es la tendencia a tener en cuenta a los demás con simpatía y actuar de manera

desinteresada. Personas con un bajo nivel de este Factor tienden a no preocuparse por otras personas

además de ser hostiles y desconfiados. Dentro de este factor se incluyen las facetas de: confianza,

franqueza, altruismo, actitud conciliadora, modestia y sensibilidad a los demás (B. J. Carducci et al.,

2020; McCrae & Sutin, 2007; Nichols & Pace, 2020; Sanz & García-Vera, 2009).

Responsabilidad. Es la tendencia obtener el control de uno mismo para poder lograr un

objetivo. Una persona con un bajo nivel de conciencia o responsabilidad no suele cumplir con un

cronograma o un horario es desorganizado y poco confiable. Dentro del factor responsabilidad se

incluyen las facetas de: competencia, orden, sentido del deber, necesidad de logro, autodisciplina y

deliberación (B. J. Carducci et al., 2020; McCrae & Sutin, 2007; Nichols & Pace, 2020; Sanz & García-

Vera, 2009).

Instrumento de Personalidad NEO-FFI

 50

El título completo es Instrumento de personalidad NEO revisado, versión reducida NEO-FFI,

se trata de un instrumento psicométrico elaborado por Costa y McCrae en 1992. Este instrumento

está dirigido a adolescentes y adultos para evaluar sus rasgos de personalidad, consta de 60

enunciados evaluados por la persona en escala de Likert del 0 al 4, donde los valores significan: 0 en

total desacuerdo, 1 en desacuerdo, 2 neutral, 3 de acuerdo y 4 totalmente de acuerdo, aunque para

calcular las puntuaciones finales para cada factor se debe invertir el orden de los valores en el caso de

los enunciados: 6, 8, 9, 14, 17, 19, 23, 27, 34, 37, 38, 41, 42, 43, 46, 54, 55, 56, 57, 58, 59 (Cano García,

2010; Costa & McCrae, 2018).

Dentro de test NEO-FFI el neuroticismo se mide con las respuestas de las preguntas: 1, 6, 11,

16, 21, 26, 31, 36, 41, 46, 51 y 56. La extraversión se mide con las respuestas de las preguntas: 2, 7,

12, 17, 22, 27, 32, 37, 42, 47, 52, 57. La apertura a la experiencia se mide con las respuestas de las

preguntas: 3, 8, 13, 18, 23, 28, 33, 38, 43, 48, 53, 58. La agradabilidad se mide con las respuestas de

las preguntas: 4, 9, 14, 19, 24, 29, 34, 39, 44, 49, 54, 59 (Cano García, 2010; Costa & McCrae, 2018).

Finalmente, la responsabilidad se mide con las respuestas de las preguntas: 5, 10, 15, 20, 25,

30, 35, 40, 45, 50, 55, 60. Los valores obtenidos en cada enunciado se suman, considerando la

corrección la corrección de inversión de orden en ciertos enunciados. Se obtienen 5 puntuaciones los

cuales se convertirán a percentiles de acuerdo con un baremo diferenciando si la persona evaluada es

varón o mujer (Cano García, 2010; Costa & McCrae, 2018).

Los puntajes para cada factor se obtienen sumando los valores de A=0, B=1, C=2, D=3, E=4

para ítems sin el símbolo @, los ítems con el símbolo @ tendrán puntuaciones de A=4; B=3; C=2;

D=1; E=0. Las puntuaciones se obtendrán con las siguientes fórmulas (Cano García, 2010; Costa Jr. &

McCrae, 2008):
 51

" = + @+ + + + +

+ + @+ @+ + @"

"� = + + + @+ + @+

+ @+ @+ + + @"

" = + @+ + + @+ +

+ @+ @+ + + @"

"� = + @+ @+ @+ + +

@+ + + + @+ @"

"� = @+ + + + + +

+ + + @+ @+ @"

Para los 5 factores los puntajes directos obtenidos se convierten en puntuaciones típicas

derivadas (T). Teniendo en cuenta la respectiva media y desviación típica en el baremo, a la puntuación

directa se le sustrae la media y divide por la desviación típica para obtener la puntuación típica (Z). La

puntuación típica derivada se obtiene de la siguiente fórmula (Barrios et al., 2014): = + ∗ .

Las puntuaciones típicas derivadas se evalúan en los siguientes intervalos para su interpretación de

acuerdo con la ficha técnica del instrumento: Muy bajo (T<36), Bajo (36≤T<45), Intermedio (46≤T<55),

Alto (56≤T<65) o Muy Alto (T>65) (Costa Jr. & McCrae, 2008).

Costa Jr. & McCrae (2008; 2018) mencionan entre las ventajas de este instrumento de

medición las correlaciones significativas con otros instrumentos dedicados a la personalidad como el

Inventario de Personalidad Multifásico de Minnesota (MMPI), el Inventario de Evaluación de la

Personalidad (PAI), entre otros. En cuanto a la aplicación, se indica que puede ser individual o

colectiva, un tiempo promedio de respuesta a los 60 ítems entre 10 a 15 minutos, a diferencia de la

versión de 240 ítems donde se tiene un promedio de 30 a 40 minutos. También la opción de

 52

administrar el test en línea con el cálculo de las puntuaciones mediante softwares. Además, puede

administrarse a personas a partir de los 17 años.

Costa Jr. & McCrae (2008; 2018) indican algunas desventajas como no poder aplicar el

instrumento a niños pequeños, pacientes con trastornos psicóticos o síntomas graves de demencia.

Otra posible desventaja es que probablemente no proporcionaría toda la información necesaria para

una evaluación psicológica completa por lo que se podría complementar con entrevistas y el historial

clínico de ser necesario.

Entre las limitaciones para el uso posterior, Costa Jr. & McCrae (2008; 2018) refieren que

aunque se abarcan varios aspectos psicológicos de la persona, no se llega a incluir algunos como

habilidades cognitivas y aún está en discusión la validez del instrumento para la evaluación de

trastornos. Se menciona que puede servir de guía para evaluar aspectos psicopatológicos, pero no se

pueden evaluar manera directa. Indican que no se puede determinar solo con este instrumento si las

personas reunirían los criterios del DSM-IV para trastornos de personalidad. Por otra parte, hay

estudios que han examinado esta limitación y concluyen que si es posible utilizar este instrumento y

otros basados en el modelo de los cinco grandes factores de personalidad para evaluar el aspecto

psicopatológico (De Fruyt et al., 2013; Wright & Simms, 2014).

Respecto al proceso de aplicación, Costa Jr. & McCrae (2008; 2018) aluden a la construcción

del instrumento original, el desarrollo de la adaptación española y su validación del contenido como

un proceso de varios años realizado por profesores y estudiantes de Psicología, afinando los ítems en

cuanto a la validez del contenido. Posteriormente se dieron nuevas aplicaciones del instrumento NEO

PI, NEO PI-R y NEO-FFI, el contexto de la última versión del instrumento es siguiente: la primera

muestra con 5847 personas (80% de sexo femenino) de diversas regiones españolas aspirantes a

diversos empleos en hospitales, la segunda muestra con 1624 personas (17% de sexo femenino)
 53

aspirantes a personal de seguridad y servicio social en una capital de provincia española, la tercera

muestra con 26972 personas (57% de sexo femenino) aspirantes a diversos trabajos en una empresa

de servicios y espectáculos en España.

Para la adaptación española Costa Jr. & McCrae (2008; 2018) mencionan tomar en cuenta

otros estudios uno con muestra de 1444 estudiantes universitarios (Silva et al. (1994), como se citó en

Costa Jr. & McCrae, 2008; Costa & McCrae, 2018) publicado en inglés.

II.4. Definición de términos

Análisis de Senderos

El análisis de senderos o diagrama de senderos es un tipo de análisis que combina la regresión

múltiple y el diagrama de flujo de interdependencias de variables. Es un término que en general se

utiliza sobre las correlaciones bivariadas para estimar relaciones en un modelo de ecuaciones

estructurales y que busca determinar la fuerza de estas relaciones o senderos mostrados a través de

un diagrama (Hair et al., 2018).

Constructo

Es un concepto latente o no observable que debe ser expresado conceptualmente y no se

puede medir directamente. Al ser expresado conceptualmente el nivel de abstracción es mucho más

complejo. Estos constructos pueden ser medidos aproximadamente a través de variables indicadoras

múltiples (Hair et al., 2018).

 54

III. HIPÓTESIS Y VARIABLES

III.1. Hipótesis

Hipótesis General

Existen niveles adecuados de validez y fiabilidad del test de personalidad NEO-Five Factor

Inventory (NEO-FFI) en estudiantes de una universidad pública en el contexto actual de pandemia por

COVID-19.

Hipótesis Específicas

Existen niveles adecuados de fiabilidad simple y compuesta del test de personalidad NEO-FFI

en estudiantes de una universidad pública para cada uno de los 5 factores del modelo de los Cinco

Grandes.

Existen niveles adecuados de validez convergente del test de personalidad NEO-FFI en

estudiantes de una universidad pública para cada uno de los 5 factores del modelo de los Cinco

Grandes.

Existen niveles adecuados de validez discriminante del test de personalidad NEO-FFI en

estudiantes de una universidad pública para cada uno de los 5 factores del modelo de los Cinco

Grandes.
 55

III.2. Variables de Investigación

Además de las variables consideradas en el test de personalidad NEO-FFI, se considerarán

variables adicionales relevantes para este estudio considerando el contexto donde se encuentran los

estudiantes y la actual situación de pandemia:

Personalidad

Co ju to de a a te ísti as ue des i e , ide tifi a dife e ia a la persona del resto,

además esta puede ser explicada a través de cinco factores que son neuroticismo, extraversión,

apertura a la experiencia, agradabilidad y responsabilidad, los cuales pueden explicar el

o po ta ie to de la pe so a e dife e tes di e sio es (B. J. Carducci et al., 2020; Goldberg et al.,

1996; Xie & Cobb, 2020).

Neuroticismo

Esta es la propensión a percibir diferentes tipos de estrés emocional teniendo ideas alejadas

de la realidad o ideación de problemas (B. J. Carducci et al., 2020; Goldberg et al., 1996; Xie & Cobb,

2020).

Extraversión

Es la tendencia a preferir interacciones interpersonales frecuentes e intensas, ser enérgico y

optimista (B. J. Carducci et al., 2020; Goldberg et al., 1996; Xie & Cobb, 2020).

Apertura a la experiencia

Es una predisposición a buscar nuevas experiencias y tener un estilo fluido de pensamiento

(B. J. Carducci et al., 2020; Goldberg et al., 1996; Xie & Cobb, 2020).
 56

Agradabilidad

Es la tendencia a tener en cuenta a los demás con simpatía y actuar de manera

desinteresada (B. J. Carducci et al., 2020; Goldberg et al., 1996; Xie & Cobb, 2020).

Responsabilidad

Es la tendencia obtener el control de uno mismo para poder lograr un objetivo (B. J. Carducci

et al., 2020; Goldberg et al., 1996; Xie & Cobb, 2020).

Edad

Tie po ue ha i ido u estudia te hasta el de di ie e del .

Sexo

Co di ió o gá i a as uli a o fe e i a de los estudia tes .

Antecedente de presentar COVID-19

Caso o fi ado edia te p ue a ole ula , a tigé i a o se ológi a pa a “AR“-CoV- .

Antecedente de contacto con un caso confirmado sintomático de COVID-19

Co ta to o u aso si to áti o o fi ado edia te p ue a ole ula , a tigé i a o

serológica para SARS-CoV- .

III.3. Operacionalización de Variables

Variable Definición Definición Dimensiones (Variables Indicadores Escala de medición

conceptual operacional latentes)
Personalidad El desarrollo Agrupación de Neuroticismo: Puntaje de Neuroticismo De intervalo: Muy bajo
durante la características para Esta es la propensión a (Suma de puntajes de los ítems (T<36), Bajo (36≤T<45),
infancia de los describir, identificar percibir diferentes tipos de del NEO-FFI: 1, 6, 11, 16, 21, 26, Intermedio (46≤T<55),
patrones crónicos y diferenciar a una estrés emocional teniendo 31, 36, 41, 46, 51, 56) convertido Alto (56≤T<65) o Muy
de persona del resto, ideas alejadas de la realidad a puntuaciones típicas derivadas Alto (T>65)
comportamiento además esta puede o ideación de problemas.
Incluyendo los ser explicada a Extraversión: Puntaje de Extraversión De intervalo: Muy bajo
cognitivos y través de cinco Es la tendencia a preferir (Suma de puntajes de los ítems (T<36), Bajo (36≤T<45),
emocionales que factores que son interacciones del NEO-FFI: 2, 7, 12, 17, 22, 27, Intermedio (46≤T<55),
diferencian a un neuroticismo, interpersonales frecuentes e 32, 37, 42, 47, 52, 57) convertido Alto (56≤T<65) o Muy
individuo de otro extraversión, intensas, ser enérgico y a puntuaciones típicas derivadas Alto (T>65)
indicando que apertura a la optimista.
algunas Personas experiencia, Apertura a la experiencia: Puntaje de Apertura a la De intervalo: Muy bajo
pueden ser más agradabilidad y Es una predisposición a experiencia (Suma de puntajes de (T<36), Bajo (36≤T<45),
calmadas o más conciencia (o buscar nuevas experiencias y los ítems del NEO-FFI: 3, 8, 13, 18, Intermedio (46≤T<55),
agresivas o más responsabilidad), los tener un estilo fluido de 23, 28, 33, 38, 43, 48, 53, 58) Alto (56≤T<65) o Muy
dominante sobre cuales pueden pensamiento. convertido a puntuaciones típicas Alto (T>65)
otras (Judith explicar el derivadas
Harris, 2005; comportamiento de Agradabilidad: Puntaje de Agradabilidad De intervalo: Muy bajo
como se citó en la persona en Es la tendencia a tener en (Suma de puntajes de los ítems (T<36), Bajo (36≤T<45),
Gray & Bjorklund, diferentes cuenta a los demás con del NEO-FFI: 4, 9, 14, 19, 24, 29, Intermedio (46≤T<55),
2018, p. 1156). dimensiones. (B. J. simpatía y actuar de manera 34, 39, 44, 49, 54, 59) convertido Alto (56≤T<65) o Muy
Carducci et al., 2020; desinteresada. a puntuaciones típicas derivadas Alto (T>65)
Goldberg et al., Responsabilidad: Puntaje de Responsabilidad De intervalo: Muy bajo
1996; Xie & Cobb, Es la tendencia obtener el (Suma de puntajes de los ítems (T<36), Bajo (36≤T<45),
2020) control de uno mismo para del NEO-FFI: 5, 10, 15, 20, 25, 30, Intermedio (46≤T<55),
poder lograr un objetivo. 35, 40, 45, 50, 55, 60) convertido Alto (56≤T<65) o Muy
a puntuaciones típicas derivadas Alto (T>65)
 58

Variable Definición conceptual Definición operacional Indicadores Escala de medición

Edad Tiempo que ha vivido una Tiempo que ha vivido un estudiante Número de años cumplidos De intervalo
persona, a i al o egetal (RAE & hasta el 31 de diciembre del 2021.
ASALE, n.d.).
Sexo Co di ió o gá i a as uli a o Condición que diferencia a los Tipo de respuesta: masculino Nominal
femenina de los animales y las estudiantes en categoría masculino o o femenino
pla tas (RAE & ASALE, n.d.). femenino
Facultad Cada u a de las di isio es División académica y administrativa de Facultad donde se encuentra Nominal
académicas de una universidad, una universidad, que agrupa escuelas matriculado el estudiante (hay
en la que se agrupan los estudios profesionales. 20 facultades en la
de u a dete i ada a e a (RAE universidad pública donde se
& ASALE, n.d.). realizará el estudio)
Antecedente de Caso o fi ado edia te Caso confirmado de SARS-CoV-2 Tipo de respuesta: Afirmativa Nominal
presentar COVID- prueba molecular, antigénica o mediante una prueba de laboratorio o Negativa
19 serológica para SARS-CoV- (molecular, antigénica o serológica).
(Oficina de Epidemiología, 2021).
Antecedente de Co ta to o u aso Contacto con un caso sintomático de Tipo de respuesta: Afirmativa Nominal
contacto con un sintomático confirmado mediante SARS-CoV-2 confirmado mediante una o Negativa
caso confirmado prueba molecular, antigénica o prueba de laboratorio (molecular,
sintomático de serológica para SARS-CoV- antigénica o serológica).
COVID-19 (Oficina de Epidemiología, 2021).
Nota. Adaptado de Costa & McCrae (2008; 2018), B. J. Carducci et al (2020), Xie & Cobb (2020) y Gray & Bjorklund (2018).
IV. Materiales y Métodos.

IV.1. Área de Estudio

Debido a la situación actual de aislamiento social, los estudiantes ya no concurrieron a los

locales de la universidad como la ciudad universitaria localizada en el distrito de Lima, La Facultad de

San Fernando ubicada en el distrito de Lima en la Av. Grau, La Facultad de Medicina Veterinaria en el

distrito de San Borja o la Escuela de Ingeniería agroindustrial en San Juan de Lurigancho. Sin embargo,

el compendio estadístico proporciona una distribución de los estudiantes por distritos de residencia

que incluyen Lima y provincias. Se nombran 82 localizaciones entre distritos de Lima y departamentos

del Perú (Oficina General de Planificación de la UNMSM, 2021).

IV.2. Diseño de Investigación

En cuanto a la metodología de investigación siguiendo las pautas de Hernández (2014) la

presente investigación tiene un enfoque cuantitativo porque se está siguiendo una serie de fases

desde la ideación del problema de investigación. En este caso un objetivo fue evaluar el nivel de validez

del instrumento NEO-FFI para lo cual se revisó la literatura del modelo de los cinco grandes también

la teoría acerca del análisis factorial confirmatorio y la fiabilidad de un instrumento desde el punto de

visión de la psicometría.

También siguiendo las guías de Hernández y Bernal el diseño de investigación en este caso es

no experimental ya que no se realizó ninguna intervención a los estudiantes, sino una recopilación de

sus respuestas. Sobre el alcance de la investigación, se considera de carácter descriptiva porque se

tendrá en cuenta que la personalidad puede ser explicada a través de diferentes factores que fueron

medidos y se reportaron los hallazgos. Un diseño de corte transversal porque se planteó la recolección

de datos en una sola oportunidad sin un seguimiento durante el segundo semestre académico del año

2021, para esto se empleó la aplicación online del instrumento mediante un formulario que permitió
 60

automatizar el recojo de la información para su posterior análisis (Bernal Torres, 2010; Hernández

Sampieri et al., 2014).

Se realizó la definición de variables y se propuso el diseño de investigación no experimental

porque no se realizó alguna intervención sobre los participantes sino la observación de ellos en un

contexto. La selección de la muestra fue aleatoria, dentro de una población de estudiantes de una

universidad pública, la aplicación del instrumento psicológico y la recolección de datos. Finalmente se

realizó el respectivo análisis de los datos obtenidos mediante el análisis factorial confirmatorio para

el reporte de resultados, la discusión de estos y la redacción de las conclusiones respectivas.

Acerca del método a emplear en este estudio se trata del hipotético-deductivo porque se

propuso observar el fenómeno de la personalidad en sus diferentes aspectos basándose en un modelo

que considera que se puede explicar a través de cinco factores (Del Cid et al., 2011).

Se aplicó una encuesta piloto para medir el tiempo promedio para responder el test completo,

preguntar sobre problemas en el entendimiento de las frases y verificar la validez del contenido.

IV.3. Población y Muestra

La población en estudio consta de 36119 estudiantes activos de la Universidad Nacional

Mayor de San Marcos , registrados en el Sistema Único de Matrícula en los periodos académicos 2021-

I y 2021-II.
 61

Tabla 4.
Tamaños de población por facultad de la universidad pública en estudio
Facultad Tamaño de Facultad Tamaño de
Población ( ℎ ) Población ( ℎ )
Ciencias Biológicas 775 Ciencias Contables 2838
Ciencias Físicas 898 Ciencias Económicas 1643
Ciencias Matemáticas 923 Educación 1756
Química e Ingeniería 1057 Ciencias Sociales 1845
Química
Farmacia y 747 Derecho y Ciencia Política 2906
Bioquímica
Medicina Humana 5725 Letras y Ciencias Humanas 1791
Medicina Veterinaria 495 Ingeniería de Sistemas e 1935
Informática
Odontología 569 Ingeniería Electrónica y Eléctrica 1802
Psicología 1260 Ingeniería Geológica, Minera, 2016
Metalúrgica y Geográfica
Ciencias 3041 Ingeniería Industrial 2097
Administrativas
Nota. Comité electoral universitario – UNMSM (2020-2021).

Se empleó el diseño de muestreo estratificado con muestreo aleatorio simple sin reemplazo

en cada estrato. Como la varianza poblacional es desconocida, el tamaño de muestra se calculó

utilizando el valor de p=0.5, asumiendo que el 50% de la población tendrá puntuaciones medias en el

instrumento de medición. Dado que se trata de un tema dentro del campo de salud es necesario

considerar un nivel de precisión alto, se considerará un tipo de error absoluto proporcional de 1.8%.

La fórmula para el cálculo de muestra es:

∑ℎ= ℎ
ℎ ∗ ∗ ℎ ∗ ℎ
ℎ −
= ;
ℎ
+ ∗ ∑ℎ= ℎ ∗ ∗ ℎ ∗ ℎ
ℎ −

= . ; ℎ = ℎ = . ; =
 62

Tabla 5.
Tamaños de muestra por facultad de la universidad pública en estudio
Facultad Nh Wh nh

Ciencias Biológicas 775 0.02145685 17

Ciencias Físicas 898 0.02486226 20
Ciencias Matemáticas 923 0.02555442 20
Química e Ingeniería Química 1057 0.02926438 23
Farmacia y Bioquímica 747 0.02068164 16
Medicina Humana 5725 0.15850383 122
Medicina Veterinaria 495 0.0137047 11
Odontología 569 0.01575348 13
Psicología 1260 0.03488469 27
Ciencias Administrativas 3041 0.08419391 65
Ciencias Contables 2838 0.0785736 61
Ciencias Económicas 1643 0.04548852 36
Educación 1756 0.04861707 38
Ciencias Sociales 1845 0.05108115 40
Derecho y Ciencia Política 2906 0.08045627 62
Letras y Ciencias Humanas 1791 0.04958609 39
Ingeniería de Sistemas e Informática 1935 0.05357291 42
Ingeniería Electrónica y Eléctrica 1802 0.04989064 39
Ingeniería Geológica, Minera, Metalúrgica y Geográfica 2016 0.0558155 44
Ingeniería Industrial 2097 0.05805809 45

Nota. Comité electoral universitario – UNMSM (2020-2021).

=
Entonces el tamaño de muestra total es = ∑ℎ= ℎ = , Ajustando por la tasa de no respuesta

de 10%, el tamaño de muestra es de 788 con un error absoluto proporcional de 1.8%.

IV.4. Procedimientos, Técnicas e Instrumentos de Recolección de la Información

Se utilizó como instrumento para medir los 5 factores (variables latentes) de la personalidad

el I e ta io NEO de Cinco Factores reducido (NEO-FFI , se trata de un instrumento psicométrico

 63

elaborado por Costa y McCrae, para el presente estudio se utilizará la 3ra edición adaptada al español.

Se adquirió el Manual Profesional de la 3ra edición en su adaptación al español realizada por tea

ediciones con el propósito de investigación y no de diagnóstico.

Este instrumento está dirigido a adolescentes y adultos para evaluar sus rasgos de

personalidad, consta de 60 enunciados evaluados por la persona en escala de Likert del 0 al 4, donde

los valores significan: 0 que es total desacuerdo, hasta 4 que es totalmente de acuerdo. Según el

manual profesional, los niveles de consistencia interna o fiabilidad son de 0.79 para neuroticismo, 0.79

para extraversión, 0.80 para apertura a la experiencia, 0.75 para agradabilidad y 0.83 para

responsabilidad, aunque los autores hacen hincapié en que debe medirse el nivel de consistencia

interna del instrumento en cada país (Costa Jr. & McCrae, 2008).

La recolección de datos se llevó a cabo mediante una encuesta en línea utilizando un

formulario enviado a los correos institucionales de los estudiantes perteneciente a la misma

universidad pública. El formulario incluyó una parte inicial que informó el objetivo del estudio, las

instrucciones propias del instrumento, la indicación que las respuestas se realizaban de manera

anónima y la confidencialidad de los datos de forma que solo se utilizaron según el objetivo informado.

También se incluyó el consentimiento informado, según el cual los estudiantes seleccionados

aceptaron o no responder al test. Se adaptaron 4 preguntas generales y las 60 frases propias del

instrumento. El periodo en el que se enviaron los formularios a través de los correos y se recibieron

las respuestas fue desde el 23 de octubre del 2021 hasta el 16 de noviembre del 2021.

El procesamiento de la base de datos se realizará con el software R versión 4.1.0, a través de

la interfaz gráfica RStudio versión 1.4.1717, incluyendo las librerías haven 2.4.3, readr 2.0.0, tidyr

1.1.3, tibble 3.1.3, tidyverse 1.3.1, readxl 1.3.1 para la lectura y limpieza de los datos.
 64

Para el análisis factorial confirmatorio se utilizaron las librerías lavaan en su versión 0.6.9 y

sem 3.1.11 diseñadas para usarlas con el lenguaje de programación R, permitieron obtener las

estimaciones de cargas asociadas entre las variables observables y los constructos. Las librerías

semTools 0.5.5 y semPlot 1.1.2 para el análisis y diagrama de senderos del modelo de mediciones.

Software(s) estadístico(s) a ser utilizados en el procesamiento y análisis de los datos.

IV.5. Análisis Estadístico

Dado el objetivo de evaluar la validez y fiabilidad del test de personalidad NEO-FFI, dentro de

la teoría presentada aplicó la técnica multivariante de análisis factorial confirmatorio, de acuerdo con

el manual del instrumento, la evaluación de la validez y fiabilidad del test y su adaptación al español

se realizó mediante esta técnica y en esta publicación se señala que es la manera vigente para evaluar

la validez y fiabilidad del test, se optó por una rotación oblicua promax por ser la más adecuada para

la base de datos recopilada (Costa Jr. & McCrae, 2008; Costa & McCrae, 2018).

V. RESULTADOS

V.1. Presentación y Análisis de Resultados

Análisis preliminar de la muestra

El tamaño de la muestra calculado fue de 788, mientras que el tamaño de muestra obtenida

fue de 756 estudiantes que respondieron de manera completa el formulario. No hubo datos perdidos

en la muestra por lo que no fue necesario hacer el tratamiento de estos. La tasa de no respuesta fue

de 4.06% (32 estudiantes). Respondieron 454 estudiantes de sexo femenino (60.05%) y 302 de sexo

masculino (39.95%). Respecto a la pregunta ¿Ha presentado COVID-19? Las respuestas fueron: Si 153

(20.24%) y No 603 (79.76%). Respecto a la pregunta ¿Ha tenido contacto con un caso sintomático de

COVID-19? Las respuestas fueron: Si 293 (38.76%) y No 463 (61.24%).

 65

Tabla 6.
Distribuciones de los tamaños de muestra calculada y obtenida por facultades
Tamaño de Tamaño de
Facultad Tamaño de
muestra muestra
la Población
calculada obtenida
Ciencias Biológicas 775 17 14
Ciencias Físicas 898 20 9
Ciencias Matemáticas 923 20 21
Química e Ingeniería Química 1057 23 10
Farmacia y Bioquímica 747 16 14
Medicina Humana 5725 122 184
Medicina Veterinaria 495 11 9
Odontología 569 13 21
Psicología 1260 27 56
Ciencias Administrativas 3041 65 52
Ciencias Contables 2838 61 42
Ciencias Económicas 1643 36 16
Educación 1756 38 21
Ciencias Sociales 1845 40 59
Derecho y Ciencia Política 2906 62 43
Letras y Ciencias Humanas 1791 39 35
Ingeniería de Sistemas e Informática 1935 42 29
Ingeniería Electrónica y Eléctrica 1802 39 23
Ingeniería Geológica, Minera, Metalúrgica y
2016
Geográfica 44 56
Ingeniería Industrial 2097 45 42
Nota. Comité electoral universitario – UNMSM (2020-2021).
 66

Sobre la variable edad según el sexo del estudiante se obtuvieron los siguientes estadísticos

descriptivos, algunos se tendrán en cuenta posteriormente para la construcción de baremos.

Tabla 7.
Estadísticos descriptivos para la variable edad de los estudiantes
Masculino Femenino
Tamaño de muestra 302 454
Media 23.89 24.11
Desviación estándar 4.65 4.99
Mínimo 18 18
Mediana 23 23
Máximo 52 57
Rango 34 39
Asimetría 1.93 2.37
Curtosis 6.43 8.63

La matriz de datos de las respuestas al test es de dimensiones 756 x 60, con un nivel de

significancia de 0.05, se hizo el contraste hipótesis de normalidad multivariante con el test de Mardia,

la hipótesis nula es que las respuestas al test de personalidad NEO-FFI siguen una distribución normal

multivariante. En el test de Mardia, el estadístico de asimetría es 287151.65 (valor p < 0.05) y el

estadístico de curtosis es 68.88 (valor p < 0.05) por lo que se puede afirmar que las respuestas al test

de personalidad NEO-FFI no siguen una distribución normal multivariante con una significancia del 5%.

Con el resultado previo sobre la normalidad multivariante y como las 60 variables observables

tienen una escala ordinal con 5 categorías, según las recomendaciones de Gana & Broc (2019) y J.

Wang & Wang (2020), en la tabla 3 se puede optar por estimadores robustos de máxima verosimilitud

MLM (ML con errores estándar y media ajustados, equivalente a Satorra-Bentler) o MLR (ML con
 67

errores estándar robustos, equivalente a Yuan-Bentler) para calcular y estimar parámetros del modelo

de medición.

La categorización según las puntuaciones T (típicas derivadas) para cada uno de los 5

constructos se presenta en la siguiente tabla. Para la descripción de los resultados se utilizará la

abreviación de los factores de personalidad por sus iniciales en inglés: Neuroticismo (N), Extraversión

(E), Apertura a la experiencia (O), Agradabilidad (A) y Responsabilidad (C).

Tabla 8.
Distribuciones de frecuencias absolutas y porcentuales de cada factor de personalidad según las
interpretaciones de las puntuaciones típicas derivadas.
Factor de la
Muy bajo Bajo Intermedio Alto Muy Alto
personalidad

48 203 291 158 56

N
(6.35%) (26.85%) (38.49%) (20.90%) (7.41%)
55 164 297 203 37
E
(7.28%) (21.69%) (39.29%) (26.85%) (4.89%)
36 212 294 165 49
O
(4.76%) (28.04%) (38.89%) (21.83%) (6.48%)
58 179 247 210 62
A
(7.67%) (23.68%) (32.67%) (27.78%) (8.20%)
54 171 315 179 37
C
(7.14%) (22.62%) (41.67%) (23.68%) (4.89%)

Nota. Los porcentajes son respecto al total fila que es tamaño de muestra de 756.

Estimación de los parámetros del Modelo Factorial Confirmatorio

Según lo mencionado por Aldás, Joaquin & Uriel (2017), se tiende a mantener el número de

factores o constructos de una teoría ya estudiada como en este caso el Modelo de los 5 grandes

porque el propósito es realizar el análisis factorial confirmatorio. Se procederá a realizar el AFC

considerando los 5 factores de personalidad y su relación ya planteada en la teoría con sus respectivas

variables observables. Los cálculos de los autovalores para las primeras 5 dimensiones son: 12.868,
 68

5.616, 4.043, 3.200 y 2.683. Estos 5 factores explican el 47.35% de la varianza total de la muestra de

60 variables y 756 observaciones.

La estrategia sugerida por diferentes autores (Aldás, Joaquin & Uriel, 2017; Gana & Broc, 2019;

Hair et al., 2018) y que se empleó es primero analizar la validez convergente ya que si se eliminaran

cargas factoriales por ser menores a los mínimos de referencia entonces se puede mejorar tanto la

fiabilidad simple y la compuesta evitando cálculos innecesarios si no se tienen las cargas factoriales

finales. Para el análisis de la validez convergente se estimó el modelo de AFC utilizando el estimador

robusto de máxima verosimilitud MLM (ML con errores estándar y media ajustados, equivalente a

Satorra-Bentler).
 69

Figura 3.

Diagrama de senderos del análisis factorial confirmatorio del test de personalidad NEO-Five

Factor Inventory aplicado a estudiantes de una universidad pública con cargas factoriales

estandarizadas.

Nota. Las representaciones de círculos son las variables latentes y se asignaron las letras que les

corresponden a los respectivos factores de personalidad del test NEO-FFI y al modelo de los Cinco

grandes factores: N (Neuroticismo), E (Extraversión), O (Apertura a la experiencia), A

(Agradabilidad) y C (Responsabilidad). Las flechas bidireccionales entre variables latentes son los

niveles de correlación entre estos. La correlación entre el Neuroticismo y la Apertura a la

experiencia es 0.04, los demás valores de correlaciones también se encuentran en la tabla 15.
 70

En la figura 3, en el diagrama de senderos se observan los factores de personalidad y las cargas

factoriales cuyas interpretaciones se realizaron en tablas previas. Aquí se pueden observar mejor las

estimaciones de los términos de error para cada variable observable, estos valores están

estandarizados y se observa que para múltiples variables observables tienen valores cercanos a 1, es

decir que para estos hay una gran proporción de la variabilidad de las variables observadas que no son

explicadas por los 5 factores de personalidad considerados en el modelo de los Cinco grandes y en

concordancia con un resultado previo sobre la validez convergente esto sugiere que puede existir otro

constructo o factor de la personalidad que no ha sido identificado pero explicaría la variabilidad no

atribuible al modelo de los 5 grandes factores de personalidad.

Bondad de ajuste del modelo. Respecto al contraste de hipótesis de igualdad de matrices de

varianzas y covarianzas muestrales y poblacionales con un nivel de significancia = . .

� : = Σ̂

La matriz muestral es igual a la matriz poblacional estimada.

� : ≠ Σ̂.

La matriz muestral no es igual a la matriz poblacional estimada.

El estadístico de la prueba tiene una distribución aproximada a la distribución chi cuadrado,

� = . < . , se rechazó la hipótesis nula, es decir, el modelo de 5

grandes factores de personalidad aplicado a través del instrumento NEO-FFI no tiene un buen ajuste

para la muestra de 756 estudiantes de la universidad pública con una significancia del 5%.

Otros índices de ajuste son CFI = 0.368, el índice TLI = 0.342. En ambos casos son menores al

valor de referencia de 0.9 (Marcoulides & Schumacker, 2009), por lo que en este caso ambos

indicadores señalan que el modelo factorial no tiene un buen ajuste. El valor del índice raíz media

cuadrática del error de especificación es RMSEA = 0.130 (IC95: 0.129; 0.132), como es mayor a 0.10
 71

este modelo factorial tiene un pobre ajuste (Hair et al., 2018; Marcoulides & Schumacker, 2009; J.

Wang & Wang, 2020).

Análisis de Fiabilidad

Los siguientes resultados permiten responder el primer objetivo específico de evaluar el nivel

de fiabilidad del test de personalidad NEO-FFI en estudiantes de una universidad pública para cada

uno de los 5 factores del modelo de los Cinco Grandes.

Tabla 9.
Coeficientes de fiabilidad simple y compuesta de los factores de personalidad del instrumento NEO
Five Factor Inventory aplicado a estudiantes de la universidad pública

Factor de personalidad CR (ω)

N 0.88 0.877
E 0.85 0.852
O 0.72 0.722
A 0.78 0.776
C 0.88 0.889

Nota. es el valor de alfa de Cronbach y CR (ω) es el nivel de fiabilidad compuesta.

De la tabla 9 se obtiene lo siguiente, el nivel de fiabilidad simple del factor de personalidad N

del test NEO-FFI es bueno = . ; IC : . − . , su nivel de fiabilidad compuesta también

es bueno (� = . ). El nivel de fiabilidad simple del factor de personalidad E del test NEO-FFI es

bueno = . ; IC : . − . , su nivel de fiabilidad compuesta también es bueno (� =

. ). El nivel de fiabilidad simple del factor de personalidad O del test NEO-FFI es aceptable =

. ; IC : . − . , su nivel de fiabilidad compuesta también es aceptable (� = . ). El nivel

de fiabilidad simple del factor de personalidad A del test NEO-FFI es aceptable =

. ; IC : . − . , su nivel de fiabilidad compuesta también es aceptable (� = . ). El nivel

 72

de fiabilidad simple del factor de personalidad C del test NEO-FFI es bueno = . ; IC : . −

. , su nivel de fiabilidad compuesta también es bueno (� = . ).

Los cinco factores de personalidad presentan niveles adecuados de fiabilidad simple y

compuesta en la aplicación del test NEO-FFI en estudiantes universitarios.

Análisis de Validez

Los siguientes resultados permiten responder el segundo objetivo específico de evaluar el

nivel de validez del test de personalidad NEO-FFI en estudiantes de una universidad pública para cada

uno de los 5 factores del modelo de los Cinco Grandes. La validez tiene diferentes aspectos, la validez

de contenido fue realizada por los autores y revisores del instrumento NEO Five Factor Inventory, los

detalles se muestran en la ficha técnica en el anexo 3, a continuación, se presentan los resultados

otros aspectos que son la validez convergente y discriminante. Los 60 indicadores desde P1 a P60

hacen referencia a las 60 frases del test, las cuales se presentan en el anexo 2.
 73

Análisis de validez convergente. Se analizan cargas factoriales y varianza extraída promedio.

Tabla 10.
Estimaciones de las cargas factoriales estandarizadas y varianza extraída promedio para el factor
de personalidad Neuroticismo.
Neuroticismo (factor N)

Ítem λ t Significancia
P1 0.797 0.635 27.028 < 0.001
P6 0.558 0.311 16.349 < 0.001
P11 0.589 0.347 17.673 < 0.001
P16 0.781 0.610 26.079 < 0.001
P21 0.662 0.438 17.971 < 0.001
P26 0.653 0.426 21.298 < 0.001
P31 0.598 0.358 17.178 < 0.001
P36 0.414 0.171 11.644 < 0.001
P41 0.776 0.602 28.552 < 0.001
P46 0.588 0.346 16.853 < 0.001
P51 0.504 0.254 14.068 < 0.001
P56 0.346 0.120 8.610 < 0.001
AVE=0.385

Nota: λ es la carga factorial estandarizada, para la prueba t se comparó con un nivel de

significancia α=0.05, AVE es la varianza extraída promedio.

Fuente: Elaboración propia.

El factor N influye de manera sig ifi ati a λ= . , t= . 28, valor p < 0.001) en la respuesta

del indicador P1, además explica el 63.521% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P6, además explica el

31.136% de la variabilidad de este indicador. El factor N i flu e de a e a sig ifi ati a λ= . ,

t=17.673, valor p < 0.001) en la respuesta del indicador P11, además explica el 34.692% de la

variabilidad de este indicador. Influye de manera sig ifi ati a λ= . , t= . , valor p < 0.001) en

la respuesta del indicador P16, además explica el 60.996% de la variabilidad de este indicador.
 74

El factor N i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P21, además explica el 43.824% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P26, además explica el

42.641% de la variabilidad de este indicador. El factor N i flu e de a e a sig ifi ati a λ= . ,

t=17.178, valor p < 0.001) en la respuesta del indicador P31, además explica el 35.76% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en

la respuesta del indicador P36, además explica el 17.14% de la variabilidad de este indicador.

El factor N i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P41, además explica el 60.218% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P46, además explica el

34.574% de la variabilidad de este indicador. El factor N i flu e de a e a sig ifi ati a λ= . ,

t=14.068, valor p < 0.001) en la respuesta del indicador P51, además explica el 25.402% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la

respuesta del indicador P56, además explica el 11.972% de la variabilidad de este indicador.

Respecto a la validez convergente del factor N, los indicadores o variables observables con

cargas factoriales mayores a 0.7 son solo P1, P16 y P41, la comunalidad o varianza explicada de estas

por el factor N es de al menos 0.5 o 50%, mientras que el resto de indicadores tienen una varianza

explicada por el factor N menor a 50%. Los indicadores con cargas factoriales menores a 0.5 son P36

y P56. El factor N tiene una varianza extraída promedio de 0.385, entonces explica el 38.5% del

promedio de varianzas de sus 12 variables observables, al ser mayor a 0.25 y cumplir que � .

(Moral de la Rubia, 2019), se puede afirmar que tiene un nivel adecuado de validez convergente.
 75

Tabla 11.
Estimaciones de las cargas factoriales estandarizadas, varianza extraída promedio para el factor
de personalidad Extraversión.
Extraversión (factor E)
Ítem λ t Significancia

P2 0.747 0.558 21.123 < 0.001

P7 0.532 0.283 15.583 < 0.001
P12 0.563 0.317 17.850 < 0.001
P17 0.701 0.491 20.282 < 0.001
P22 0.472 0.223 14.081 < 0.001
P27 0.689 0.475 24.061 < 0.001
P32 0.607 0.368 16.875 < 0.001
P37 0.498 0.248 13.182 < 0.001
P42 0.511 0.261 14.744 < 0.001
P47 0.668 0.446 15.819 < 0.001
P52 0.325 0.106 8.010 < 0.001
P57 0.470 0.221 12.735 < 0.001

AVE=0.333

Nota: λ es la a ga fa to ial esta da izada, pa a la p ue a t se o pa ó o u i el de

sig ifi a ia α= . , AVE es la a ia za e t aída p o edio.

Fuente: Elaboración propia.

El factor E i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P2, además explica el 55.801% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P7, además explica el

28.302% de la variabilidad de este indicador. El factor E i flu e de a e a sig ifi ati a λ= . ,

t=17.85, valor p < 0.001) en la respuesta del indicador P12, además explica el 31.697% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en

la respuesta del indicador P17, además explica el 49.14% de la variabilidad de este indicador.
 76

El factor E i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P22, además explica el 22.278% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P27, además explica el

47.472% de la variabilidad de este indicador. El factor E i flu e de a e a sig ifi ati a λ= . ,

t=16.875, valor p < 0.001) en la respuesta del indicador P32, además explica el 36.845% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en

la respuesta del indicador P37, además explica el 24.8% de la variabilidad de este indicador.

El factor E i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P42, además explica el 26.112% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P47, además explica el

44.622% de la variabilidad de este indicador. El factor E i flu e de a e a sig ifi ati a λ= . ,

t=8.01, valor p < 0.001) en la respuesta del indicador P52, además explica el 10.563% de la variabilidad

de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P57, además explica el 22.09% de la variabilidad de este indicador.

Respecto a la validez convergente del factor E, los indicadores o variables observables con

cargas factoriales mayores a 0.7 son P2 y P17, es decir que la comunalidad o varianza explicada de

estas por El factor E es de al menos 0.5 o 50%, mientras que el resto de indicadores tienen una varianza

explicada por El factor E menor a 50%. Los indicadores con cargas factoriales menores a 0.5 son P22,

P37, P52 y P57. El factor E tiene una varianza extraída promedio de 0.333, entonces explica el 33.3%

del promedio de varianzas de sus 12 variables observables, al ser mayor a 0.25 y cumplir que � .

(Moral de la Rubia, 2019), se puede afirmar que tiene un nivel adecuado de validez convergente.
 77

Tabla 12.
Estimaciones de las cargas factoriales estandarizadas, niveles de fiabilidad simple y compuesta,
varianza extraída promedio para el factor de personalidad Apertura a la experiencia.
Apertura a la experiencia (factor O)
Ítem λ t Significancia

P3 0.831 0.691 23.338 < 0.001

P8 0.620 0.384 15.967 < 0.001
P13 0.167 0.028 3.762 < 0.001
P18 0.708 0.501 19.724 < 0.001
P23 0.304 0.092 7.680 < 0.001
P28 0.388 0.151 9.631 < 0.001
P33 0.625 0.391 16.669 < 0.001
P38 0.300 0.090 6.367 < 0.001
P43 0.180 0.032 4.733 < 0.001
P48 0.598 0.358 14.071 < 0.001
P53 0.184 0.034 5.031 < 0.001
P58 0.00017 0.000 0.004 0.997

AVE=0.229

Nota: λ es la a ga fa to ial esta da izada, pa a la p ue a t se o pa ó o u i el de

sig ifi a ia α= . , AVE es la a ia za e t aída p o edio.

Fuente: Elaboración propia.

El factor O i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P3, además explica el 69.056% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P8, además explica el

38.44% de la variabilidad de este indicador. El factor O i flu e de a e a sig ifi ati a λ= . ,

t=3.762, valor p < 0.001) en la respuesta del indicador P13, además explica el 2.789% de la variabilidad

de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P18, además explica el 50.126% de la variabilidad de este indicador.

 78

El factor O i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P23, además explica el 9.242% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P28, además explica el

15.054% de la variabilidad de este indicador. El factor O i flu e de a e a sig ifi ati a λ= . ,

t=16.669, valor p < 0.001) en la respuesta del indicador P33, además explica el 39.063% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la

respuesta del indicador P38, además explica el 9% de la variabilidad de este indicador.

El factor O i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P43, además explica el 3.24% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P48, además explica el

35.76% de la variabilidad de este indicador. El factor O i flu e de a e a sig ifi ati a λ= . ,

t=5.031, valor p < 0.001) en la respuesta del indicador P53, además explica el 3.386% de la variabilidad

de este indicador. I flu e de a e a o sig ifi ati a λ= . , t= . , valor p= 0.997) en la

respuesta del indicador P58, además explica casi 0% de la variabilidad de este indicador.

Respecto a la validez convergente del factor O, solo el indicador o variable observable con

cargas factoriales mayor a 0.7 son P3 y P18, es decir que la comunalidad o varianza explicada de esta

dada por El factor E es de al menos 0.5 o 50%, mientras que el resto de indicadores tienen una varianza

explicada por El factor O menor a 50%. Los indicadores con cargas factoriales menores a 0.5 son P13,

P23, P28, P38, P43, P53 y P58. El factor O tiene una varianza extraída promedio de 0.229, entonces

explica el 22.9% del promedio de varianzas de sus 12 variables observables, al ser mayor a 0.163 y

como � . (Moral de la Rubia, 2019), se puede afirmar que tiene un nivel adecuado de validez

convergente.
 79

Tabla 13.
Estimaciones de las cargas factoriales estandarizadas, varianza extraída promedio para el factor
de personalidad Agradabilidad.
Agradabilidad (factor A)
Ítem λ t Significancia

P4 0.554 0.307 12.601 < 0.001

P9 0.425 0.181 11.638 < 0.001
P14 0.470 0.221 13.020 < 0.001
P19 0.421 0.177 9.910 < 0.001
P24 0.576 0.332 15.706 < 0.001
P29 0.485 0.235 12.133 < 0.001
P34 0.622 0.387 16.091 < 0.001
P39 0.551 0.304 14.921 < 0.001
P44 0.430 0.185 10.409 < 0.001
P49 0.461 0.213 8.987 < 0.001
P54 0.237 0.056 5.102 < 0.001
P59 0.415 0.172 11.002 < 0.001

AVE=0.231

Nota: λ es la a ga fa to ial esta da izada, pa a la p ue a t se o pa ó o u i el de

sig ifi a ia α= . , AVE es la a ia za e t aída p o edio.

Fuente: Elaboración propia.

El factor A i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P4, además explica el 30.692% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P9, además explica el

18.063% de la variabilidad de este indicador. El factor A i flu e de a e a sig ifi ati a λ= . ,

t=13.02, valor p < 0.001) en la respuesta del indicador P14, además explica el 22.09% de la variabilidad

de este indicador. Influ e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del

indicador P19, además explica el 17.724% de la variabilidad de este indicador.

 80

El factor A i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P24, además explica el 33.178% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P29, además explica el

23.523% de la variabilidad de este indicador. El factor A i flu e de a e a sig ifi ati a λ= . ,

t=16.091, valor p < 0.001) en la respuesta del indicador P34, además explica el 38.688% de la

variabilidad de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en

la respuesta del indicador P39, además explica el 30.36% de la variabilidad de este indicador.

El factor A i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P44, además explica el 18.49% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P49, además explica el

21.252% de la variabilidad de este indicador. El factor A i flu e de a e a sig ifi ati a λ= . ,

t=5.102, valor p < 0.001) en la respuesta del indicador P54, además explica el 5.617% de la variabilidad

de este indicador. I flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P59, además explica el 17.223% de la variabilidad de este indicador.

Respecto a la validez convergente del factor A, ningún indicador o variable observable tiene

una carga factorial mayor a 0.7, es decir que todos sus indicadores tienen una varianza explicada por

El factor A menor a 50%. Los indicadores con cargas factoriales menores a 0.5 son P9, P14, P19, P29,

P44, P49 y P59. El factor A tiene una varianza extraída promedio de 0.231, entonces explica el 23.1%

del promedio de varianzas de sus 12 variables observables, al ser mayor a 0.163 y como � .

(Moral de la Rubia, 2019), se puede afirmar que tiene un nivel adecuado de validez convergente.
 81

Tabla 14.
Estimaciones de las cargas factoriales estandarizadas, niveles de fiabilidad simple y compuesta,
varianza extraída promedio para el factor de personalidad Responsabilidad.
Responsabilidad (factor C)
Ítem λ t Significancia

P5 0.602 0.362 17.104 < 0.001

P10 0.829 0.687 21.929 < 0.001
P15 0.847 0.717 21.502 < 0.001
P20 0.678 0.460 22.061 < 0.001
P25 0.576 0.332 13.300 < 0.001
P30 0.715 0.511 17.815 < 0.001
P35 0.618 0.382 19.547 < 0.001
P40 0.756 0.572 20.444 < 0.001
P45 0.734 0.539 16.453 < 0.001
P50 0.283 0.080 6.688 < 0.001
P55 0.405 0.164 10.405 < 0.001
P60 0.449 0.202 11.224 < 0.001

AVE=0.417

Nota: λ es la a ga fa to ial esta da izada, pa a la p ue a t se o pa ó o u i el de

sig ifi a ia α= . , AVE es la a ia za e t aída p o edio.

Fuente: Elaboración propia.

El factor C i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P5, además explica el 36.24% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P10, además explica el

68.724% de la variabilidad de este indicador.

El factor C i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P15, además explica el 71.741% de la variabilidad de este indicador. Influye de manera
 82

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P20, además explica el

45.968% de la variabilidad de este indicador.

El factor C i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del

indicador P25, además explica el 33.178% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P30, además explica el

51.123% de la variabilidad de este indicador.

El factor C i flu e de a e a sig ifi ati a λ= .618, t=19.547, valor p < 0.001) en la respuesta

del indicador P35, además explica el 38.192% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P40, además explica el

57.154% de la variabilidad de este indicador.

El factor C i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P45, además explica el 53.876% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P50, además explica el

8.009% de la variabilidad de este indicador.

El factor C i flu e de a e a sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta

del indicador P55, además explica el 16.403% de la variabilidad de este indicador. Influye de manera

sig ifi ati a λ= . , t= . , valor p < 0.001) en la respuesta del indicador P60, además explica el

20.16% de la variabilidad de este indicador.

Respecto a la validez convergente del factor C, los indicadores o variables observables con

cargas factoriales mayores a 0.7 son P10, P15, P30, P40 y P45, es decir que la comunalidad o varianza

explicada de éstas dada por El factor C es de al menos 0.5 o 50%, mientras que el resto de indicadores
 83

tienen una varianza explicada por El factor C menor a 50%. Los indicadores con cargas factoriales

menores a 0.5 son P50, P55 y P60. El factor C tiene una varianza extraída promedio de 0.417, entonces

explica el 41.7% del promedio de varianzas de sus 12 variables observables, al ser mayor a 0.25 y

cumplir que � . (Moral de la Rubia, 2019), se puede afirmar que tiene un nivel adecuado de

validez convergente.

Los factores de personalidad que presentan niveles adecuados de validez convergente son

neuroticismo (factor N), extraversión (factor E) y responsabilidad (factor C), mientras que apertura a

la experiencia (factor O) y agradabilidad (factor A) resultaron con niveles bajos de validez convergente

en la aplicación del test NEO-FFI en estudiantes universitarios.

 84

Análisis de validez discriminante. Se utilizó el test del intervalo de confianza y el ratio HTMT.

Tabla 15.
Medidas para el análisis de validez discriminante del test de personalidad NEO-FFI
Matriz de correlaciones entre factores de personalidad

N E O A C
N 1
E -0.602 1
O 0.041 0.270 1
A -0.352 0.598 0.410 1
C -0.746 0.666 0.262 0.474 1
Test del intervalo de confianza

Factor N - Factor E [-0.660; -0.544]

Factor N – Factor O [-0.057; 0.139]
Factor N – Factor A [-0.448; -0.256]
Factor N – Factor C [-0.788; -0.704]
Factor E - Factor O [0.172; 0.368]
Factor E – Factor A [0.532; 0.664]
Factor E – Factor C [0.606; 0.726]
Factor O - Factor A [0.330; 0.490]
Factor O – Factor C [0.154; 0.370]
Factor A - Factor C [0.406; 0.542]

Criterio de ratio HTMT

N E O A C
N 1
E 0.599 1
O 0.408 0.510 1
A 0.473 0.636 0.570 1
C 0.772 0.629 0.431 0.510 1

Nota. Las letras hacen referencia a: N para neuroticismo, E para Extraversión, O para Apertura

a la experiencia, A para Agradabilidad y C para Responsabilidad.

 85

En cuanto a la evaluación de validez discriminante se observan en la tabla N°15 los resultados

del test del intervalo de confianza. En el caso de los constructos Factor N y Factor E el intervalo de

confianza no contiene el valor 0 por lo que es estadísticamente significativo, además como no contiene

el valor 1 no existe problema de validez discriminante entre estos constructos en el test de

personalidad NEO-FFI, es decir que en el instrumento psicológico son capaces de separar sus

respectivos conceptos. Para los constructos Factor N y Factor O el intervalo no es estadísticamente

significativo, pero como no contiene el valor 1 quiere decir que estos constructos separan sus

respectivos conceptos.

Sobre constructos Factor N y Factor A el intervalo es estadísticamente significativo, además

como no contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos.

Para los constructos Factor N y Factor C el intervalo de confianza es estadísticamente significativo,

además como no contiene el valor 1 quiere decir que estos constructos separan sus respectivos

conceptos. Para los constructos Factor E y Factor O el intervalo es estadísticamente significativo,

además como no contiene el valor 1 quiere decir que estos constructos separan sus respectivos

conceptos.

Sobre los constructos Factor E y Factor A el intervalo es estadísticamente significativo, además

como no contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos.

Para los constructos Factor E y Factor C el intervalo es estadísticamente significativo, además como

no contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos.

Para los constructos Factor O y Factor A el intervalo es estadísticamente significativo, además

como no contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos.

Para los constructos Factor O y Factor C el intervalo es estadísticamente significativo, además como

no contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos. Para los
 86

constructos Factor A y Factor C el intervalo es estadísticamente significativo, además como no

contiene el valor 1 quiere decir que estos constructos separan sus respectivos conceptos.

Acerca de los valores en la aplicación del criterio de ratio HTMT, se observan los resultados en

la tabla N°15, los cocientes entre las medias de correlaciones de las variables observables de un factor

de personalidad con los del otro factor de personalidad (HT) y la media de las correlaciones de las

variables observables de un mismo factor de personalidad (monotrait-heteromethod o MT) son

menores a 0.9 para todos los pares de factores de personalidad. Es decir que entre los 5 constructos

de Neuroticismo (factor N), Extraversión (factor E), Apertura a la experiencia (Factor O), Agradabilidad

(factor A) y Responsabilidad (Factor C) no hay problemas validez discriminante. Esto corrobora los

resultados del test del intervalo de confianza, es decir que los 5 constructos en el test de personalidad

NEO-FFI pueden separar sus respectivos conceptos de factores de personalidad.

Los cinco factores de personalidad que presentan niveles adecuados de validez discriminante

en la aplicación del test NEO-FFI en estudiantes universitarios.

 87

Análisis descriptivo de los factores de personalidad.

Tabla 16.
Análisis bivariado entre el factor de personalidad Neuroticismo (factor N) y otras variables
Nivel de Neuroticismo

Muy Bajo Bajo Intermedio Alto Muy Alto

Sexo
Femenino 16 142 153 100 43
Masculino 32 61 138 58 13
Antecedente de presentar COVID-19
No 48 137 233 136 49
Si 0 66 58 22 7
Antecedente de contacto con un caso confirmado sintomático de COVID-19
No 19 107 180 110 47
Si 29 96 111 48 9
Prueba de independencia entre el nivel de factor N y sexo:
� = . ; = . −
Prueba de independencia entre el nivel de factor N y antecedente de presentar COVID-19:
� = . ; = . e−
Prueba de independencia entre el nivel de factor N y antecedente de contacto con un caso
confirmado sintomático de COVID-19:
� = . ; = . e−
Prueba de correlación entre el puntaje de factor N y la edad:
�=− . ; =− . ; = .
Nota. Las significancias de las pruebas se compararon con el nivel de significancia de = . .

En la tabla 16 respecto a las pruebas de independencia y correlación entre la variable nivel de

factor N y el resto de variables, el nivel de significancia es = . . No existe suficiente evidencia

para afirmar que el nivel de factor N es independiente del sexo de los estudiantes universitarios de la

universidad pública con una significancia del 5%. No existe suficiente evidencia para afirmar que el

nivel de factor N es independiente del antecedente de presentar COVID-19, en los estudiantes

universitarios de la universidad pública con una significancia del 5%. No existe suficiente evidencia
 88

para afirmar que el nivel de factor N es independiente del antecedente de contacto con un caso

confirmado sintomático de COVID-19, en los estudiantes universitarios de la universidad pública con

una significancia del 5%. Existe suficiente evidencia para afirmar que la correlación es 0 entre el

puntaje de factor N en el test NEO-FFI y la edad de los estudiantes de la universidad pública con una

significancia del 5%.

Se proponen hipótesis respecto a las proporciones por sexo entre los niveles de factor N.

: � ; : > � ; = .

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy alto de factor N es mayor a la proporción de sexo masculino (valor p = 0.00595). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto de

factor N no es mayor a la proporción de sexo masculino (valor p = 0.1996). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel intermedio de factor N no

es mayor a la proporción de sexo masculino (valor p = 0.9994). Existe suficiente evidencia para afirmar

que la proporción de estudiantes de sexo femenino con nivel bajo de factor N es mayor a la proporción

de sexo masculino (valor p = 0.0005141).

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy bajo de factor N no es mayor a la proporción de sexo masculino (valor p = 0.9999). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto y

muy alto de factor N es mayor a la proporción de sexo masculino (valor p = 0.01057). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel bajo y muy bajo

de factor N no es mayor a la proporción de sexo masculino (valor p = 0.143).

 89

Tabla 17.
Análisis bivariado entre el factor de personalidad Extraversión (factor E) y otras variables
Nivel de Extraversión

Muy Bajo Bajo Intermedio Alto Muy Alto

Sexo
Femenino 28 96 192 114 24
Masculino 27 68 105 89 13

Antecedente de presentar COVID-19

No 44 138 248 148 25
Si 11 26 49 55 12

Antecedente de contacto con un caso confirmado sintomático de COVID-19

No 37 99 205 110 12
Si 18 65 92 93 25
Prueba de independencia entre el nivel de factor E y sexo:
� = . ; = .
Prueba de independencia entre el nivel de factor E y antecedente de presentar COVID-19:
� = . ; = .
Prueba de independencia entre el nivel de factor E y antecedente de contacto con un caso
confirmado sintomático de COVID-19:
� = . ; = . e−
Prueba de correlación entre el puntaje de factor E y la edad:
�=− . ; =− . ; = .
Nota. Las significancias de las pruebas se compararon con el nivel de significancia de = . .

En la tabla 17 respecto a las pruebas de independencia y correlación entre la variable nivel de

factor E y el resto de variables, la inferencia se realiza utilizando un nivel de significancia de = . .

Existe suficiente evidencia para afirmar que el nivel de factor E es independiente del sexo de los

estudiantes universitarios de la universidad pública con una significancia del 5%. No existe suficiente

evidencia para afirmar que el nivel de factor E es independiente del antecedente de presentar COVID-

19, en los estudiantes universitarios de la universidad pública con una significancia del 5%. No existe

suficiente evidencia para afirmar que el nivel de factor E es independiente del antecedente de
 90

contacto con un caso confirmado sintomático de COVID-19, en los estudiantes universitarios de la

universidad pública con una significancia del 5%. Existe suficiente evidencia para afirmar que la

correlación es 0 entre el puntaje de factor E en el test NEO-FFI y la edad de los estudiantes de la

universidad pública con una significancia del 5%.

Se proponen hipótesis respecto a las proporciones por sexo entre los niveles de factor E.

: � ; : > � ; = .

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy alto de factor E no es mayor a la proporción de sexo masculino (valor p = 0.3297). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto de

factor E no es mayor a la proporción de sexo masculino (valor p = 0.8927). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel intermedio de factor E es

mayor a la proporción de sexo masculino (valor p = 0.02284). Existe suficiente evidencia para afirmar

que la proporción de estudiantes de sexo femenino con nivel bajo de factor E no es mayor a la

proporción de sexo masculino (valor p = 0.6398).

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy bajo de factor E no es mayor a la proporción de sexo masculino (valor p = 0.9023). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto y

muy alto de factor E no es mayor a la proporción de sexo masculino (valor p = 0.8153). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel bajo y muy bajo

de factor E no es mayor a la proporción de sexo masculino (valor p = 0.8746).

 91

Tabla 18.
Análisis bivariado entre el factor de personalidad Apertura a la experiencia (factor O) y otras
variables
Nivel de Apertura a la experiencia
Muy Bajo Bajo Intermedio Alto Muy Alto

Sexo
Femenino 25 107 182 104 36
Masculino 11 105 112 61 13

Antecedente de presentar COVID-19

No 23 182 223 142 33
Si 13 30 71 23 16

Antecedente de contacto con un caso confirmado sintomático de COVID-19

No 13 164 129 128 29
Si 23 48 165 37 20
Prueba de independencia entre el nivel de Factor O y sexo:
� = . ; = .
Prueba de independencia entre el nivel de Factor O y antecedente de presentar COVID-19:
� = . ; = .
Prueba de independencia entre el nivel de Factor O y antecedente de contacto con un caso
confirmado sintomático de COVID-19:

� = . ; < . e−
Prueba de correlación entre el puntaje de Factor O y la edad:
�=− . ; =− . ; = .
Nota. Las significancias de las pruebas se compararon con el nivel de significancia de = . .

En la tabla 18 respecto a los resultados de las pruebas de independencia y correlación entre

la variable nivel de factor O y el resto de variables, la inferencia se realiza utilizando un nivel de

significancia de = . . No existe suficiente evidencia para afirmar que el nivel de Factor O es

independiente del sexo de los estudiantes universitarios de la universidad pública con una significancia

del 5%. No existe suficiente evidencia para afirmar que el nivel de factor O es independiente del

antecedente de presentar COVID-19, en los estudiantes universitarios de la universidad pública con

 92

una significancia del 5%. No existe suficiente evidencia para afirmar que el nivel de factor O es

independiente del antecedente de contacto con un caso confirmado sintomático de COVID-19, en los

estudiantes universitarios de la universidad pública con una significancia del 5%. Existe suficiente

evidencia para afirmar que la correlación es 0 entre el puntaje de factor O en el test NEO-FFI y la edad

de los estudiantes de la universidad pública con una significancia del 5%.

Se proponen hipótesis respecto a las proporciones por sexo entre los niveles de Factor O.

: � ; : > � ; = .

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy alto de factor O es mayor a la proporción de sexo masculino (valor p = 0.03348). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto de

factor O no es mayor a la proporción de sexo masculino (valor p = 0.2138). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel intermedio de factor O no

es mayor a la proporción de sexo masculino (valor p = 0.2257).

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel bajo de factor O no es mayor a la proporción de sexo masculino (valor p = 0.9995). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel muy

bajo de factor O no es mayor a la proporción de sexo masculino (valor p = 0.1576). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto y muy alto

de factor O es mayor a la proporción de sexo masculino (valor p = 0.03507). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel bajo y muy bajo de factor

O no es mayor a la proporción de sexo masculino (valor p = 0.9953).

 93

Tabla 19.
Análisis bivariado entre el factor de personalidad Agradabilidad (factor A) y otras variables
Nivel de Agradabilidad

Muy Bajo Bajo Intermedio Alto Muy Alto

Sexo
Femenino 21 97 162 125 49
Masculino 37 82 85 85 13

Antecedente de presentar COVID-19

No 39 143 214 152 55
Si 19 36 33 58 7

Antecedente de contacto con un caso confirmado sintomático de COVID-19

No 45 123 143 124 28
Si 13 56 104 86 34
Prueba de independencia entre el nivel de Factor A y sexo:
� = . ; = . e−
Prueba de independencia entre el nivel de Factor A y antecedente de presentar COVID-19:
� = . ; = .
Prueba de independencia entre el nivel de Factor A y antecedente de contacto con un caso
confirmado sintomático de COVID-19:
� = . ; = .
Prueba de correlación entre el puntaje de Factor A y la edad:
�= . ; = . ; = .
Nota. Las significancias de las pruebas se compararon con el nivel de significancia de = . .

En la tabla 19 respecto a las pruebas de independencia y correlación entre la variable nivel de

factor A y el resto de variables, la inferencia se realiza utilizando un nivel de significancia de = . .

No existe suficiente evidencia para afirmar que el nivel de factor A es independiente del sexo de los

estudiantes universitarios de la universidad pública con una significancia del 5%. No existe suficiente

evidencia para afirmar que el nivel de factor A es independiente del antecedente de presentar COVID-

19, en los estudiantes universitarios de la universidad pública con una significancia del 5%. No existe

suficiente evidencia para afirmar que el nivel de factor A es independiente del antecedente de
 94

contacto con un caso confirmado sintomático de COVID-19, en los estudiantes universitarios de la

universidad pública con una significancia del 5%. Existe suficiente evidencia para afirmar que la

correlación es 0 entre el puntaje de Factor A en el test NEO-FFI y la edad de los estudiantes de la

universidad pública con una significancia del 5%.

Se proponen hipótesis respecto a las proporciones por sexo entre los niveles de factor A.

: � ; : > � ; = .

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy alto de factor A es mayor a la proporción de sexo masculino (valor p = 0.001147). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto de

factor A no es mayor a la proporción de sexo masculino (valor p = 0.5403). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel intermedio de factor A es

mayor a la proporción de sexo masculino (valor p = 0.01853).

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel bajo de factor A no es mayor a la proporción de sexo masculino (valor p = 0.9596). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel muy

bajo de factor A no es mayor a la proporción de sexo masculino (valor p = 0.9999). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto y muy alto

de factor A no es mayor a la proporción de sexo masculino (valor p = 0.05805). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel bajo y muy bajo

de Factor A no es mayor a la proporción de sexo masculino (valor p = 0.9999).

 95

Tabla 20.
Análisis bivariado entre el factor de personalidad Responsabilidad (factor C) y otras variables
Nivel de Responsabilidad

Muy Bajo Bajo Intermedio Alto Muy Alto

Sexo
Femenino 30 102 192 106 24
Masculino 24 69 123 73 13

Antecedente de presentar COVID-19

No 41 113 272 143 34
Si 13 58 43 36 3

Antecedente de contacto con un caso confirmado sintomático de COVID-19

No 49 64 224 104 22
Si 5 107 91 75 15
Prueba de independencia entre el nivel de Factor C y sexo:
� = . ; = .
Prueba de independencia entre el nivel de Factor C y antecedente de presentar COVID-19:
� = . ; = . e−
Prueba de independencia entre el nivel de Factor C y antecedente de contacto con un caso
confirmado sintomático de COVID-19:
� = . ; = . e−
Prueba de correlación entre el puntaje de Factor C y la edad:
�= . ; = . ; = .
Nota. Las significancias de las pruebas se compararon con el nivel de significancia de = . .

En la tabla 20 respecto a las pruebas de independencia y correlación entre la variable nivel de

factor C y el resto de variables, la inferencia se realiza utilizando un nivel de significancia de = . .

No existe suficiente evidencia para afirmar que el nivel de factor C es independiente del sexo de los

estudiantes universitarios de la universidad pública con una significancia del 5%. No existe suficiente

evidencia para afirmar que el nivel de factor C es independiente del antecedente de presentar COVID-

19, en los estudiantes universitarios de la universidad pública con una significancia del 5%. No existe

suficiente evidencia para afirmar que el nivel de factor C es independiente del antecedente de
 96

contacto con un caso confirmado sintomático de COVID-19, en los estudiantes universitarios de la

universidad pública con una significancia del 5%. Existe suficiente evidencia para afirmar que la

correlación es 0 entre el puntaje de factor C en el test NEO-FFI y la edad de los estudiantes de la

universidad pública con una significancia del 5%.

Se proponen hipótesis respecto a las proporciones por sexo entre los niveles de factor C.

: � ; : > � ; = .

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel muy alto de factor C no es mayor a la proporción de sexo masculino (valor p = 0.3297). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto de

factor C no es mayor a la proporción de sexo masculino (valor p = 0.569). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel intermedio de factor C no

es mayor a la proporción de sexo masculino (valor p = 0.3626).

Existe suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino

con nivel bajo de factor C no es mayor a la proporción de sexo masculino (valor p = 0.5135). Existe

suficiente evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel muy

bajo de factor C no es mayor a la proporción de sexo masculino (valor p = 0.7109). Existe suficiente

evidencia para afirmar que la proporción de estudiantes de sexo femenino con nivel alto y muy alto

de factor C no es mayor a la proporción de sexo masculino (valor p = 0.5). Existe suficiente evidencia

para afirmar que la proporción de estudiantes de sexo femenino con nivel bajo y muy bajo de factor

C no es mayor a la proporción de sexo masculino (valor p = 0.6647).

 97

V. DISCUSIÓN

En el presente estudio acerca de la fiabilidad simple, la fiabilidad simple en valores de alfa de

Cronbach son: 0.88 para factor N, 0.85 para factor E, 0.72 para factor O, 0.78 para factor A y 0.88 para

factor C, el punto de referencia del alfa de Cronbach para considerar un nivel de fiabilidad aceptable

o adecuada es 0.7 o mayor (George & Mallery, 2003; como se citó en Schrepp, 2020). En el estudio de

Rabadi & Rabadi (2021) se obtuvieron niveles adecuados de fiabilidad con valores de alfa de Cronbach

de 0.77 para factor N, 0.73 para factor E 0.74 para apertura de experiencia 0.82 para factor A y 0.76

para factor C. Los niveles de fiabilidad de ambos estudios son consistentes.

Para Kunnel et al. (2019), en el contexto de la India los valores de alfa de Cronbach para la

fiabilidad simple fueron 0.52 para factor N, 0.14 para factor E, 0.40 para factor O, 0.50 para factor A y

0.71 para factor C, es decir que solo el constructo asociado al concepto de factor C tuvo un nivel

adecuado de fiabilidad simple además los autores refieren que la dificultad de la validación fue por las

diferencias culturales respecto al origen del instrumento. La diferencia en los resultados de fiabilidad

en este estudio respecto al presente con universitarios peruanos puede atribuirse a las diferencias

culturales entre oriente y occidente tal como lo manifiestan los autores.

Kunnel et al. (2019) también analizaron la fiabilidad de la versión de 10 ítems del Inventario

de los Cinco Grandes (BFI-10); los valores alfa de Cronbach fueron 0.45 para factor N, 0.44 para factor

E, 0.66 para factor O, 0.78 para factor A y 0.43 para factor C, entonces en este instrumento solo los

constructos de factor O y factor A mostraron niveles adecuados de fiabilidad siempre. Una diferencia

sustancial es que en este estudio se consideraron participantes entre 15 y 18 años. Se señala como

una posible causa de un bajo nivel de consistencia interna qué los participantes pertenecían a

diferentes subgrupos lingüísticos de la India.

 98

Meda Lara et al. (2015) aplicaron el test NEO-FFI en población mexicana reportando niveles

de fiabilidad simple con valores alfa de Cronbach de 0.77 para factor N, 0.79 para factor E, 0.72 para

factor O, 0.70 para factor A y 0.78 para factor C. Estos resultados son consistentes con los del presente

estudio con universitarios peruanos porque los 5 constructos tienen un nivel adecuado de fiabilidad,

así como en el estudio de 2021 en el contexto árabe y el estudio original en el contexto de

Norteamérica. Esto puede atribuirse a que el contexto cultural peruano es similar al mexicano.

Martínez Uribe & Cassaretto Bardales (2011) analizaron la validez y fiabilidad de test NEO-FFI

en 517 estudiantes universitarios peruanos con edades entre los 16 y 23 años, 231 fueron de sexo

femenino. El método de muestreo fue no probabilístico. Reportaron valores de alfa de Cronbach de

0.83 para factor N 0.78 para factor E 0.67 para factor O 0.67 para factor A y 0.84 para factor C. Según

estos resultados solo los constructos de factor N, factor E y factor C tuvieron niveles adecuados de

fiabilidad.

Martínez Uribe & Cassaretto Bardales (2011) posteriormente identificaron algunos ítems que

resultan problemáticos por lo cual propusieron algunas modificaciones mejorando los niveles de

fiabilidad entonces los valores de alfa de Cronbach para la versión modificada del instrumento fueron

0.84 para factor N, 0.76 para factor E 0.73 para factor O, 0.75 para factor A y 0.72 para factor C. Estos

nuevos resultados indican niveles adecuados de fiabilidad para los cinco constructos, sin embargo, se

tuvo que hacer modificaciones al instrumento original.

Comparando los estudios en estudiantes universitarios peruanos una diferencia es que el

método de muestreo realizado en el estudio de Martínez Uribe & Cassaretto Bardales (2011) fue no

probabilístico mientras que en el presente estudio se utilizó un muestreo estratificado con muestreo

aleatorio simple sin reemplazo dentro de cada estrato. Otra diferencia es en cuanto al rango de edad,

el estudio previo contó con participantes entre 16 y 23 años, mientras que el presente estudio cuenta
 99

con estudiantes con edades entre los 18 a 56 años. El contexto fue diferente en el estudio previo hace

10 años con el contexto del estudio actual por la presencia de cambios en la sociedad y la presencia

actual de pandemia por COVID-19.

El estudio de Martínez Uribe & Cassaretto Bardales (2011) no presentó resultados acerca de

la bondad de ajuste del modelo factorial a diferencia de presente estudio y tampoco presenta medidas

acerca de la validez convergente y la validez discriminante aunque si se reportaron las cargas

factoriales. Otra diferencia es que en el presente estudio no se realizaron modificaciones en los ítems

del instrumento y todos los constructos tuvieron un nivel adecuado de fiabilidad simple y compuesta.

Sobre fiabilidad compuesta o de constructo en este estudio con estudiantes universitarios

peruanos, los valores en términos del coeficiente ω o CR son: 0.877 para factor N, 0.852 para factor E,

0.722 para factor O, 0.776 para factor A y 0.889 para factor C, el rango de referencia para considerar

un nivel adecuado de fiabilidad compuesta es entre 0.7 y 0.9 (Rossiter (2002) como se citó en Aldás,

Joaquin & Uriel, 2017).

Los estudios previos miden solo la fiabilidad simple a través del coeficiente alfa de Cronbach

por lo que no se tienen valores con los cuales comparar la fiabilidad compuesta presentada en este

estudio con el coeficiente omega o CR. Sin embargo, resultados presentados de valores de fiabilidad

compuesta son bastante cercanos a los de fiabilidad simple y la interpretación es casi la misma.

Entonces las comparaciones que se realizaron entre los niveles de fiabilidad de los 5 constructos del

presente estudio con universitarios peruanos, respecto a los niveles de fiabilidad en estudios previos

serían casi las mismas. Existen resultados consistentes de fiabilidad excepto con el estudio de Kunnel

et al. (2019).
 100

Acerca de los niveles de validez convergente, Aldás & Uriel (2017) y Hair et al. (2018) señalan

como valor de referencia una varianza extraída promedio de 0.5 o mayor para considerar un nivel

adecuado, sin embargo en una revisión más reciente se propone un valor más adecuado que considera

el número de indicadores, en este caso el valor de referencia es 0.25 (García Castro, 2019). En los

diferentes antecedentes acerca de la validez y fiabilidad del test NEO-FFI no se presentaron

directamente resultados acerca de la validez convergente. Sin embargo, para poder hacer

comparaciones se tienen disponibles las cargas factoriales en los diferentes estudios, las cuáles

pueden ser comparadas y utilizadas para el cálculo de la varianza extraída promedio.

En el presente estudio los valores de varianza extraída promedio fueron de 0.385 para factor

N (� = . ), 0.333 para factor E (� = . ), 0.229 para factor O (� = . ), 0.231 para factor

A (� = . ) y 0.417 para factor C (� = . ). Entonces se puede afirmar que en el presente

estudio todos los factores de personalidad factor N, E, O, A y factor C tienen niveles adecuados de

validez convergente de acuerdo a la revisión de criterios (Moral de la Rubia, 2019).

En el estudio de Rabadi & Rabadi (2021) los valores de varianza extraída promedio son 0.402

para factor N ( = . ), 0.353 para factor E ( = . ), 0.545 para factor O ( = . ), 0.460 para

factor A ( = . ) y 0.500 para factor C ( = . ). Es decir que el test NEO-FFI en el contexto árabe

muestra que los 5 factores de personalidad si tienen niveles adecuados de validez convergente,

aunque no se cumple con el requisito de un nivel mínimo de fiabilidad de 0.8, excepto para factor A.

Para Kunnel et al. (2019), en el contexto de la India los valores de varianza extraída promedio

fueron de 0.211 para factor N ( = . ), 0.094 para factor E ( = . ), 0.112 para factor O ( =

. ), 0.151 para factor A ( = . ) y 0.218 para factor C ( = . ). En este caso ninguno de los

constructos del test NEO-FFI presentó un nivel adecuado de validez convergente.

 101

Meda Lara et al. (2015) muestran cargas factoriales a partir de las cuales los valores de

varianza extraída promedio fueron 0.180 para factor N ( = . ), 0.142 para factor E ( = . ),

0.196 para factor O ( = . ), 0.145 para factor A ( = . ) y 0.260 para factor C ( = . ). Esos

valores indican que solo el constructo asociado a El factor C presenta un nivel adecuado de validez

convergente, pero no cumple con el requisito de un mínimo de fiabilidad de 0.8.

Se utilizaron las cargas factoriales presentadas para el instrumento original de 60 ítems del

estudio de Martínez Uribe & Cassaretto Bardales (2011) para el cálculo de la varianza extraída

promedio. Los valores son 0.320 para factor N ( = . ), 0.270 para factor E ( = . ), 0.160 para

factor O ( = . ), 0.219 para factor A ( = . ) y 0.341 para factor C ( = . ). Los factores de

personalidad con niveles adecuados de validez convergente son factor N, factor E y factor C, aunque

el factor de factor E no cumple con el requisito de un mínimo de fiabilidad de 0.8.

En cuanto al análisis de validez discriminante se utilizaron 2 criterios en el presente estudio.

Según los resultados del test del intervalo de confianza para cada par de constructos asociados a los

5 factores de personalidad incluyó el valor 1, el único intervalo de confianza que no fue

estadísticamente significativo fue entre factor N y factor O, esto significa existe un nivel adecuado de

validez discriminante. En la aplicación del criterio HTMT todos los cocientes HT/MT fueron menores a

0.9 para todos los pares de constructos asociados a los 5 factores de personalidad en el test de

personalidad NEO-FFI, es decir que las correlaciones entre constructos no implican que un mismo

conjunto de ítems sea explicado por más de un solo factor de personalidad. Hay un nivel adecuado de

validez discriminante.

Existen limitaciones para la comparación de la validez discriminante con los estudios previos

ya que no presentaron resultados relacionados a criterios para examinar este tipo de validez, así

mismo la evaluación estadística de la validez discriminante puede ser un tema difícil de abordar
 102

porque se argumenta que su fundamento es un aspecto más teórico y conceptual de los constructos

que se pretenden medir, es decir que el hecho de que los constructos, en este caso cada uno de los 5

factores de personalidad, expliquen aspectos diferentes de la personalidad se fundamenta en cómo

han sido definidos operacionalmente y las pruebas estadísticas pueden llevar a resultados

contradictorios (Martínez Uribe & Cassaretto Bardales, 2011).

Respecto al análisis descriptivo bivariado se corroboran varios planteamientos acerca de las

asociaciones o correlaciones entre cada uno de los 5 factores de personalidad con las variables sexo y

edad. Según los contrastes de hipótesis los factores de personalidad factor N, factor O y factor A están

asociados significativamente con el sexo del estudiante, mientras que El factor E y factor C resultan

ser independientes del sexo en esta población. Además, se hicieron contrastes de hipótesis por

niveles de cada factor de personalidad.

Costa & McCrae (2018) mencionan en el manual profesional del instrumento que las mujeres

tienen mayores puntuaciones de factor N y factor A que los varones. Esto se pudo corroborar en el

presente estudio donde la proporción de estudiantes de sexo femenino con niveles alto y muy alto de

factor N es significativamente mayor a la respectiva proporción para sexo masculino. También la

proporción de estudiantes de sexo femenino con niveles altos de factor A es significativamente mayor

que en el sexo masculino. Adicionalmente en el presente estudio la proporción de estudiantes de sexo

femenino con niveles alto y muy alto de factor O es significativamente mayor que en el sexo masculino.

Costa & McCrae (2018) refieren que en general la edad no tiene una influencia significativa

sobre resultados de los factores de personalidad, reportando niveles bajos de correlación entre la

edad y factor N (� = − . ), factor E (� = − . ), factor O (� = − . ), factor A (� = . ), factor

C (� = . ). En el presente estudio también resultaron bajos los niveles de correlación entre la edad

y lo factores de personalidad, además no son estadísticamente significativos, las estimaciones

 103

puntuales de la correlación entre la edad y los factores fueron: factor N (� = − . ), factor E (� =

− . ), factor O (� = − . ), factor A (� = . ), factor C (� = . ).

Costa & McCrae (2018) indican que si bien los niveles de correlación son bajos entre la variable

edad y cada uno de los 5 factores de personalidad puede interpretarse según los signos de las

correlaciones que a mayor edad disminuye el factor N, El factor E y El factor O, pero aumentan El

factor A y factor C. Se corrobora en el presente estudio que los niveles de correlación también son

bajos y no significativos, pero se mantienen los mismos signos y las interpretaciones son similares en

ambos casos. Además, señalan que no es necesario elaborar baremos por grupos de edad cuando los

niveles de correlaciones son bajos.

Respecto a las variables antecedente de presentar COVID-19 y antecedente de contacto con

un caso confirmado sintomático de COVID-19, en el presente estudio resulta que los 5 factores de

personalidad están asociados significativamente con estas variables. Anglim & Horwood (2021)

encontraron diferencias significativa entre las correlaciones antes y durante la pandemia entre el

factor N, factor E y factor A respecto a la percepción de bienestar. Indican que la pandemia por COVID-

19 tiene un efecto reduciendo el bienestar y principalmente disminuye el nivel de factor E. Se propone

como tema para futuras investigaciones los efectos de la pandemia por COVID-19 sobre diferentes

aspectos de la personalidad en los próximos años. B. J. Carducci et al. (2020) refieren que la

personalidad puede variar por diferentes situaciones en las que un humano se desarrolla o eventos

significativos en la vida que causas diferencias entre generaciones.

El análisis factorial confirmatorio pertenece a la familia de modelos de ecuaciones

estructurales, en este caso se puso a prueba la teoría del modelo de los 5 grandes factores de

personalidad, esta técnica multivariante permite medir y estimar múltiples relaciones entre factor N,

factor E, factor O, factor A y factor C cuyas definiciones son complejas por lo cual se elaboran
 104

instrumentos como el NEO Five factor Inventory. El análisis factorial confirmatorio es ampliamente

utilizado para el análisis de fiabilidad y validez (Barrios et al., 2014; Costa Jr. & McCrae, 2008; Costa &

McCrae, 2018; McCrae & Sutin, 2007).

Al analizar los supuestos de normalidad y la escala de las variables se tienen recomendaciones

sobre el estimador de la matriz de varianzas y covarianzas poblacional, pero las recomendaciones

pueden ser relativamente flexibles, según el cumplimiento de condiciones adicionales como el

número de categorías que tienen los ítems de un instrumento. J. Wang & Wang (2020) no refiere

cuando se da un incumplimiento severo del supuesto de normalidad en sus recomendaciones.

El primer indicador de la bondad de ajuste del modelo factorial se basa en el estadístico chi

cuadrado, sin embargo, en la revisión todos los autores mencionan que tiene una alta sensibilidad al

incumplimiento de normalidad multivariante y al tamaño de muestra por lo que no se considera como

un indicador adecuado de la bondad de ajuste porque se tiene a rechazar la hipótesis nula de igualdad

de matrices de varianzas y covarianzas, muestrales y poblacionales. En el presente estudio se

comprueba esto. Como alternativa se presentaron los índices CFI, TLI y RMSEA, pero existen una gran

cantidad de alternativas, solo se presentan los más comunes (Hair et al., 2018; J. Wang & Wang, 2020).

Respecto al análisis de fiabilidad, en los estudios previos solo se presentan resultados de

fiabilidad simple con los coeficientes alfa de Cronbach. Esto resultó en una limitación para comparar

los niveles de fiabilidad, este coeficiente es susceptible a aumentar artificialmente con un mayor

tamaño de muestra y solo mide una escala aislada por lo que no es adecuado para el análisis factorial

confirmatorio. La recomendación que se siguió fue la de Aldás, Joaquin & Uriel, (2017) y Hair et al.

(2018) con el cálculo de la fiabilidad compuesta o fiabilidad de constructo o coeficiente omega porque

consideran los niveles de fiabilidad de las escalas del instrumento de medida en conjunto.
 105

Existen diferentes criterios para el análisis de validez convergente, sobre la evaluación de las

cargas factoriales estandarizadas se encontraron diferentes valores de puntos de corte a partir de los

cuales se considera que la variable observable pueda ser excluida del modelo. Por otra parte, varios

autores señalan que excluir variables observables es incorrecto, en el presente estudio se encontraron

múltiples variables observables con cargas factoriales estandarizadas bajas. Las variables P36 y P56 en

el factor N, P22, P37, P52 y P57 para el factor E, P13, P23, P28, P38, P43, P53 y P58 para el factor O,

P9, P14, P19, P29, P44, P49 y P59 para el factor A, P50, P55 y P60 para el factor C son susceptibles de

adaptaciones para futuras investigaciones.

Otra controversia es sobre el uso de índices de modificación para mejorar la bondad de ajuste,

aunque están disponibles, diversos autores señalan que su aplicación es incorrecta porque va en

contra del propósito de poner a prueba una teoría con el análisis factorial confirmatorio, indican que

mejoran la bondad de ajuste artificialmente al agregar restricciones basadas en suposiciones para la

estimación de parámetros. En el presente estudio no se aplicaron índices de modificación por este

motivo (Aldás, Joaquin & Uriel, 2017).

Otro indicador de la validez convergente es la varianza extraída promedio, este indicador

sintetiza mejor este aspecto de la validez, pero también se encontró problemas respecto al punto de

corte fijo de 0.5 a partir del cual se considera que un constructo tiene un nivel adecuado de validez

convergente (Hair et al., 2018). El principal problema de este indicador es que tiende a disminuir a

medida que aumenta el número de ítems y los niveles de fiabilidad simple o compuesta. Aplicando

este punto de corte fijo de 0.5 tanto en este estudio como en los descritos en antecedentes solo los

factores Apertura a la experiencia y Responsabilidad en el estudio de Rabadi & Rabadi (2021)

alcanzaron al menos este valor de 0.5.

 106

Se considera que la propuesta de García Castro (2019) es más apropiada para evaluar la validez

convergente porque el punto de corte no es fijo, sino que también está en función del número de

ítems del constructo para un nivel mínimo de fiabilidad, a través de varias pruebas propuso una tabla

de referencia que indica cuál es el valor adecuado de punto de corte de varianza extraída promedio

para considerar un nivel adecuado de validez convergente. Se recomienda el uso de esta tabla

propuesta porque supera las limitaciones del criterio anterior y es aplicable a otros instrumentos

psicométricos.

Acerca de la validez discriminante, aunque a través de la aplicación de la prueba del intervalo

de confianza y de la ratio HT/MT se llegó a la misma conclusión de que todos los constructos tienen

un nivel adecuado, las publicaciones más recientes recomiendan utilizar solo el criterio de la ratio

HT/MT porque su cálculo toma en cuenta todas las correlaciones entre variables observables y todos

los constructos, a diferencia de la prueba del intervalo de confianza que solo toma en cuenta las

correlaciones entre constructos y los errores estándar de estas correlaciones (Gana & Broc, 2019; Hair

et al., 2018; J. Wang & Wang, 2020).

 107

VII. CONCLUSIONES Y RECOMENDACIONES

Conclusiones

En el análisis factorial confirmatorio se consideró mantener la estructura de cinco factores ya

que el propósito de esta técnica dentro de la familia de modelos de ecuaciones estructurales es poner

a prueba un modelo teórico conceptual. Se recomienda utilizar el análisis factorial confirmatorio en el

análisis de validez y fiabilidad del test de personalidad NEO-FFI porque es el propósito de esta familia

de técnicas multivariantes.

Sobre el primer objetivo específico, los cinco factores de personalidad del test NEO-FFI tienen

niveles adecuados de fiabilidad simple y compuesta para los estudiantes de una universidad pública

en el contexto actual de pandemia por COVID-19, corroborándose la hipótesis planteada. Es decir, que

este instrumento ha proporcionado resultados consistentes en relación a los cinco factores de

personalidad con sus respectivos ítems en la aplicación repetida a los estudiantes universitarios de

esta universidad pública.

Sobre el segundo objetivo específico, los factores de personalidad neuroticismo, extraversión

y responsabilidad tienen niveles adecuados de validez convergente, pero los factores de personalidad

apertura a la experiencia y agradabilidad tienen niveles menores de validez convergente pero

adecuados dados sus niveles de fiabilidad compuesta, corroborándose la segunda hipótesis específica.

Además, los cinco factores de personalidad tienen niveles adecuados de validez discriminante,

corroborándose adecuadamente la tercera hipótesis específica en estudiantes de una universidad

pública en el contexto actual de pandemia por COVID-19.

Sobre el tercer objetivo específico, los resultados muestran que: la proporción de estudiantes

de sexo femenino con niveles alto y muy alto de neuroticismo, es significativamente mayor a las

respectivas proporciones para sexo masculino. La proporción de estudiantes de sexo femenino con
 108

nivel muy alto de apertura a la experiencia es significativamente mayor a las respectivas proporciones

para sexo masculino. La proporción de estudiantes de sexo femenino con nivel muy alto de

agradabilidad es significativamente mayor a las respectivas proporciones para sexo masculino. No hay

diferencias significativas por niveles entre los estudiantes de sexo femenino y masculino respecto a la

extraversión y responsabilidad.

Continuando con el tercer objetivo específico, los niveles de correlaciones lineales entre la

variable edad y las puntuaciones directas de cada uno de los factores de personalidad son muy bajos

y no significativos. Sin embargo, se mantienen los mismos signos que en la adaptación original. Los

niveles de neuroticismo, extraversión, apertura a la experiencia, agradabilidad y responsabilidad

tienen una asociación significativa con el hecho de que los estudiantes presentaron COVID-19 o

estuvieron en contacto con un caso sintomático.

Respecto al objetivo e hipótesis generales se evaluó la validez y fiabilidad del test de

personalidad NEO-FFI, concluyéndose que existen niveles adecuados de validez y fiabilidad en

estudiantes de una universidad pública en el contexto actual de pandemia por COVID-19.

Recomendaciones

Se recomienda explorar la posibilidad de realizar el análisis de validez y fiabilidad del test NEO-

FFI a través de otras técnicas de ecuaciones estructurales que en los últimos años se han propuesto

como una alternativa al análisis factorial confirmatorio, pero que necesitan de una revisión más

exhaustiva y aún no hay consensos entre varios autores respecto a diferentes aspectos de esta técnica.

También en los casos donde se estudien relaciones de dependencia de los factores de personalidad y

otras variables latentes relacionadas con otros conceptos psicológicos.

 109

Respecto al análisis de la fiabilidad se recomienda siempre realizar el cálculo y presentación

de la fiabilidad compuesta y no solo del coeficiente alfa de Cronbach. Los inconvenientes del

coeficiente alfa de Cronbach como su alta sensibilidad al número de ítems y que considera la fiabilidad

de cada constructo de manera aislada han sido reportados ampliamente. Sin embargo, el cálculo de

la fiabilidad compuesta supera estos inconvenientes, aunque solo algunos estudios los reportan

limitando la posibilidad de comparación.

Respecto al análisis de validez, en el aspecto de validez convergente se recomienda utilizar la

propuesta de Moral de la Rubia, (2019) y su revisión del uso de la varianza extraída promedio porque

se resuelven limitaciones de este indicador respecto al número de ítems de cada constructo y su

relación inversa con el nivel de fiabilidad. Este autor proporciona una tabla con un criterio más flexible

para la valoración de validez convergente para diferentes instrumentos. Sobre la validez discriminante

se recomienda utilizar el criterio HTMT porque toma en cuenta todas las correlaciones estimadas

entre variables observables y variables latentes.

Acerca de los resultados del análisis descriptivo se recomienda realizar estudios para

corroborar las correlaciones que resultaron significativas entre cada uno de los factores de

personalidad y si los participantes presentaron COVID-19 o estuvieron en contacto con un caso

sintomático, también comprobar las diferencias entre proporciones de niveles de cada factor de

personalidad según la variable sexo.

Respecto al objetivo e hipótesis generales se recomienda evaluar la validez y fiabilidad del test

de personalidad NEO-FFI en estudiantes y otras poblaciones tratando de disminuir la tasa de no

respuesta, aumentando el tamaño de muestra y que los posteriores estudios utilicen una muestra

probabilística, realizar el análisis factorial confirmatorio con las recomendaciones específicas para una

evaluación más rigurosa de la fiabilidad y validez.

 110

VIII. REFERENCIAS

Aldás, Joaquin & Uriel, E. (2017). Analisis multivariante aplicado con R. In Estadisticos e-Books &

Papers (2nd ed.). Paraninfo.

Amirrudin, M., Nasution, K., & Supahar, S. (2020). Effect of Variability on Cronbach Alpha

Reliability in Research Practice. Jurnal Matematika, Statistika Dan Komputasi, 17(2), 223–230.

[Link]

Anglim, J., & Horwood, S. (2021). Effect of the COVID-19 Pandemic and Big Five Personality on

Subjective and Psychological Well-Being. In Social Psychological and Personality Science (Vol. 12,

Issue 8, pp. 1527–1537). [Link]

Ashton, M. C., & Lee, K. (2008). The HEXACO model of personality structure. In The SAGE

Handbook of Personality Theory and Assessment: Volume 2 - Personality Measurement and

Testing (Vol. 5, pp. 239–260). SAGE Publications Ltd.

[Link]

Banco Mundial. (2019). División de Población de las Naciones Unidas. Perspectivas de la

población mundial.

[Link]

Barrios, M., Bonillo, A., Cosculluela, A., Lozano, L. M., Turbany, J., & Valero, S. (2014).

Psicometría (1st ed.). Eureca Media S.L. [Link]

2/publication/293121344_Psicometria/links/584a694408ae5038263d9532/[Link]

Bernal Torres, C. A. (2010). Metodología de la investigación (O. Fernández (ed.); 3rd ed.).

Prentice Hall.

Booth, T., & Hughes, D. J. (2014). Exploratory Structural Equation Modeling of Personality Data.

Assessment, 21(3), 260–271. [Link]

Byrne, B. (2016). Structural Equation Modeling with Amos - Basic Concepts, Applications, and
 111

Programming (3rd ed.). Taylor & Francis Group.

Cano García, J. F. (2010). PRÁCTICA 1: Evaluación de disposiciones personales. Departamento De

Personalidad.

Carducci, B. J., Nave, C. S., & Nave, C. S. (2020). The Wiley Encyclopedia of Personality and

Individual Differences (B. J. Carducci, C. S. Nave, & C. S. Nave (eds.); 1st ed.). Wiley.

[Link]

Choi, B., Granero, R., & Pak, A. (2010). Catálogo de sesgos o errores en cuestionarios sobre salud.

Rev Costarr Salud Pública, 19(2), 106–108.

[Link]

14292010000200008&lng=en&nrm=iso

COMITÉ ELECTORAL UNIVERSITARIO - UNMSM. (n.d.). PADRÓN DE ESTUDIANTES PARA LA

ELECCIÓN GENERAL DE RECTOR Y VICERRECTORES. Padrones. Retrieved August 8, 2021, from

[Link]

Costa Jr., P. T., & McCrae, R. R. (2008). Inventario de Personalidad Neo Revisado (NEO PI-R),

Inventario Neo Reducido de Cinco Factores (NEO-FFI) : Ma ual profesio al (3ra edició). TEA

Ediciones. [Link]

Costa, P., & McCrae, R. R. (2018). Neo PI-R professional manual. January 1992.

De Fruyt, F., De Clercq, B., De Bolle, M., Wille, B., Markon, K., & Krueger, R. F. (2013). General

and Maladaptive Traits in a Five-Factor Framework for DSM-5 in a University Student Sample.

Assessment, 20(3), 295–307. [Link]

Del Cid, A., Méndez, R., & Sandoval, F. (2011). Investigación Fundamentos y metodología (M.

Núñez Víquez (ed.); 2nd ed.). Prentice Hall.

Dominguez-Lara, S., Merino-Soto, C., Zamudio, B., & Guevara-Cordero, C. (2018). Big Five
 112

Inventory in peruvian college students: Preliminary results of its validation. Psykhe, 27(2), 1–12.

[Link]

Erazo Salcedo, G., Santos Pazos, D., Pilco Guadalupe, A., & Llanga Gavilánez, J. (2019). Análisis de

validez y confiabilidad del Test de personalidad Big Five en estudiantes universitarios de

Ecuador. Revistapuce. [Link]

Estructura, C. (2018). complementario con enfoque CFA y ESEM Artículo Original. 10, 22–34.

Gana, K., & Broc, G. (2019). Structural Equation Modeling with lavaan (1st ed.). Wiley.

García Castro, S. B. (2019). Rasgos de personalidad de los estudiantes de Psicología de una

universidad particular de Chiclayo, durante agosto a diciembre de 2018 [Universidad Católica

Santo Toribio de Mogrovejo]. [Link]

Goldberg, L. R., Sweeney, D., Merenda, P. F., & Hughes, J. E. (1996). The big-five factor structure

as a i teg ati e f a e o k: A a al sis of Cla ke’s AVA odel. Journal of Personality

Assessment, 66(3), 441–471. [Link]

Gray, P., & Bjorklund, D. (2018). Psichology. In Macmillan Learning (Ed.), History of Psychology

(8th ed.). Worth Publishers.

Greene, R. L., & Weiner, I. B. (2017). Neo Personality Inventory-3. In Handbook of Personality

Assessment, Second Edition (2nd ed., pp. 287–308). John Wiley & Sons, Inc.

[Link]

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., Black, W. C., & Anderson, R. E. (2018).

Multivariate Data Analysis (8th ed., pp. 95–120). Cengage Learning.

[Link]

Hampson, S. E., & Goldberg, L. R. (2020). Personality Stability and Change over Time. In The

Wiley Encyclopedia of Personality and Individual Differences (1st ed., pp. 317–321). Wiley.
 113

[Link]

Härdle, W. K., & Simar, L. (2019). Applied Multivariate Statistical Analysis. In Applied Multivariate

Statistical Analysis. [Link]

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología

de la Investigación (6th ed.). McGraw-Hill.

Huang, J. Z., Han, M. F., Luo, T. D., Ren, A. K., & Zhou, X. P. (2020). Mental health survey of

medical staff in a tertiary infectious disease hospital for COVID-19. Chinese Journal of Industrial

Hygiene and Occupational Diseases, 38(3), 192–195.

[Link]

Intiful, F. D., Oddam, E. G., Kretchy, I., & Quampah, J. (2019). Exploring the relationship between

the big five personality characteristics and dietary habits among students in a Ghanaian

University. BMC Psychology, 7(1), 1–7. [Link]

James, S. L., Abate, D., Abate, K. H., Abay, S. M., Abbafati, C., Abbasi, N., Abbastabar, H., Abd-

Allah, F., Abdela, J., Abdelalim, A., Abdollahpour, I., Abdulkader, R. S., Abebe, Z., Abera, S. F.,

Abil, O. Z., Abraha, H. N., Abu-Raddad, L. J., Abu-R eileh, N. M. E., A o essi, M. M. K., …

Murray, C. J. L. (2018). Global, regional, and national incidence, prevalence, and years lived with

disability for 354 diseases and injuries for 195 countries and territories, 1990–2017: a systematic

analysis for the Global Burden of Disease Study 2017. The Lancet, 392(10159), 1789–1858.

[Link]

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

Press.

Kunnel John, R., Xavier, B., Waldmeier, A., Meyer, A., & Gaab, J. (2019). Psychometric Evaluation

of the BFI-10 and the NEO-FFI-3 in Indian Adolescents. Frontiers in Psychology, 10(1057).

[Link]
 114

Lai, K. (2018). Estimating Standardized SEM Parameters Given Nonnormal Data and Incorrect

Model: Methods and Comparison. Structural Equation Modeling, 25(4), 600–620.

[Link]

Marcoulides, G. B., & Schumacker, R. (2009). Advanced structural equation modeling: issues and

techniques (1st ed.). Taylor & Francis Group.

Martínez Uribe, P., & Cassaretto Bardales, M. (2011). Validación del Inventario de los Cinco

Factores NEO-FFI en español en estudiantes universitarios peruanos. Revista Mexicana de

Psicologia, 28(1), 63–74. [Link]

McCrae, R. R., & Sutin, A. R. (2007). New Frontiers for the Five-Factor Model: A Preview of the

Literature. Social and Personality Psychology Compass, 1(1), 423–440.

[Link]

Meda Lara, R. M., Moreno-Jiménez, B., García, L. F., Palomera Chávez, A., & Mariscal De

Santiago, M. V. (2015). Validez factorial del NEO-FFI en una muestra mexicana: Propuesta de una

versión reducida. Revista Mexicana de Psicologia, 32(1), 57–67.

Moral de la Rubia, J. (2019). Revisión de los criterios para validez convergente estimada a través

de la Varianza Media Extraída. Psychologia, 13(2), 25–41.

[Link]

Morgan, E. S., Umberson, K., & Hertzog, C. (2014). Construct validation of self-reported stress

scales. Psychological Assessment, 26(1), 90–99. [Link]

Nichols, A. L., & Pace, V. L. (2020). Facets of Five Factor Model. In The Wiley Encyclopedia of

Personality and Individual Differences (1st ed., pp. 203–207). Wiley.

[Link]

Oficina de Epidemiología. (2021). Documento Técnico: Protocolo de Vigilancia Epidemiológica,

Prevención y Control del COVID-19 e el I stituto Na io al de Reha ilita ió Dra. Adria a

 115

Re aza Flores A istad Perú-Japón.

Oficina General de Planificación de la UNMSM. (2021). Compendio Estadístico 2021.

[Link]

Organización Mundial de la Salud. (2019). Trastornos mentales. Notas Descriptivas.

[Link]

Organización Mundial de la Salud. (2020). The impact of COVID-19 on mental, neurological and

substance use services. In World Health Organization.

[Link]

Organización Panamericana de la Salud. (2017). Depresión y otros trastornos mentales comunes -

Estimaciones sanitarias mundiales.

[Link]

Organización Panamericana de la Salud. (2020). La repercusión de la COVID-19 en los servicios

para los trastornos mentales, neurológicos y por consumo de sustancias psicoactivas en la Región

de las Américas: resultados de una evaluación rápida, noviembre del 2020 TT - The impact of

COVID-19 on mental. [Link]

[Link]/document/view/mf8sv

Peña, D. (2013). Análisis de Datos Multivariantes (Vol. 1). McGraw-Hill.

Phiri, P., Ramakrishnan, R., Rathod, S., Elliot, K., Thayanandan, T., Sandle, N., Haque, N., Chau, S.

W., Wong, O. W., Chan, S. S., Wong, E. K., Raymont, V., Au-Yeung, S. K., Kingdon, D., &

Delanerolle, G. (2021). An evaluation of the mental health impact of SARS-CoV-2 on patients,

general public and healthcare professionals: A systematic review and meta-analysis.

EClinicalMedicine, 34, 100806. [Link]

Rabadi, R., & Rabadi, A. (2021). Validation of the Psychometric Properties of the NEO-FFI-3 in an

Arabic Context. Psichology Research and Behavior Management, 14, 947–956.

 116

Ramírez-Ortiz, J., Castro-Quintero, D., Lerma-Córdoba, C., Yela-Ceballos, F., & Escobar-Córdoba,

F. (2020). Consecuencias De La Pandemia Covid 19 En La Salud Mental Asociadas Al Aislamiento

Social. Revista Colombiana de Anestesiología, 48(4), 1–8.

[Link]

Real Academia Española, & Asociación de Academias de la Lengua española. (n.d.). edad

Definición. Diccionario de La Lengua Española. Retrieved August 6, 2021, from

[Link]

Real Academia Española, & Asociación de Academias de la Lengua Española. (n.d.). sexo

Definición. Diccionario de La Lengua Española. Retrieved August 6, 2021, from

[Link]

Ribot Reyes, V. de la C., Chang Paredes, N., & González Castillo, A. L. (2020). Efectos de la COVID-

19 en la salud mental de la población. Rev. Habanera Cienc. Méd, 19, 1–11.

Rodríguez-Rodríguez, J., & Reguant-Álvarez, M. (2020). Calcular la fiabilidad de un cuestionario o

escala mediante el SPSS: el coeficiente alfa de Cronbach. REIRE Revista d Innovació i Recerca En

Educació, 13(2), 1–13. [Link]

Sanz, J., & García-Vera, M. P. (2009). Nuevos Baremos para la Adaptación Española del

Inventario de Personalidad NEO Revisado (NEO PI-R): Fiabilidad y Datos Normativos en

Voluntarios de la Población General. Clínica y Salud. Investigación Empírica En Psicología, 20(2),

131–144.

Sarmiento, S. R. (2017). Fa tor tesó del odelo Big Five y a titudes ha ia el e pre di ie to

en finalistas de la primera convocatoria de San Marcos Challenge-UNMSM, Perú. Universidad

Nacional Mayor de San Marcos.

“ h epp, M. . O the Usage of C o a h’s Alpha to Measu e Relia ilit of UX “ ales.

Journal of Usability Studies, 15(4), 247–258.

 117

Soutter, A. R. B., Bates, T. C., & Mõttus, R. (2020). Big Five and HEXACO Personality Traits,

Proenvironmental Attitudes, and Behaviors: A Meta-Analysis. Perspectives on Psychological

Science, 15(4), 913–941. [Link]

Swaziek, Z., & Wozniak, A. (2020). Disparities Old and New in US Mental Health during the

COVID-19 Pandemic*. Fiscal Studies, 41(3), 709–732. [Link]

Terry-Jordán, Y., Bravo-Hernández, N., Elias-Armas, K., & Espinosa-Carás, I. (2020). Aspectos

psicosociales asociados a la pandemia por COVID-19. Revista Información Científica, 99(6), 585–

595. [Link]

Thimm, J. C., Jordan, S., & Bach, B. (2016). The Personality Inventory for DSM-5 Short Form (PID-

5-SF): psychometric properties and association with big five traits and pathological beliefs in a

Norwegian population. BMC Psychology, 4(1), 61. [Link]

Wang, C., Pan, R., Wan, X., Tan, Y., Xu, L., Ho, C. S., & Ho, R. C. (2020). Immediate Psychological

Responses and Associated Factors during the Initial Stage of the 2019 Coronavirus Disease

(COVID-19) Epidemic among the General Population in China. International Journal of

Environmental Research and Public Health, 17(5), 1729. [Link]

Wang, J., & Wang, X. (2019). Structural Equation Modeling (2nd ed.). Wiley.

[Link]

Wang, J., & Wang, X. (2020). Structural Equation Modeling Applications Using Mplus (2nd ed.).

Wiley.

Weiner, I. B., & Greene, R. L. (2017). Handbook of personality assessment (2nd ed.). John Wiley

& Sons, Inc.

Wright, A. G. C., & Simms, L. J. (2014). On the structure of personality disorder traits: Conjoint

analyses of the CAT-PD, PID-5, and NEO-PI-3 trait models. Personality Disorders: Theory,

Research, and Treatment, 5(1), 43–54. [Link]

 118

Xie, D., & Cobb, C. L. (2020). Re ised NEO Pe so alit I e to NEO‐PI‐R . I B. Ca du i & C.

Nave (Eds.), The Wiley Encyclopedia of Personality and Individual Differences (1st ed., pp. 335–

350). Wiley. [Link]

Zhang, F. (2020). Neuroticism. In The Wiley Encyclopedia of Personality and Individual

Differences (1st ed., pp. 281–286). Wiley. [Link]

 IX. ANEXOS

Anexo 1. Matriz de consistencia

Título: Validez y Fiabilidad del test de personalidad NEO-FFI en estudiantes de una universidad pública.
Problemas Objetivos Variables e indicadores
Problema general Objetivo general Variable 1: Personalidad, se aborda por el análisis e interpretación de sus 5 dimensiones (factores o variables latentes).
¿Cuál es el nivel de validez Evaluar la validez y Dimensiones Escala de
Indicadores Ítem Niveles o rangos
y fiabilidad del test de fiabilidad del test de (Variables lat.) medición
personalidad NEO-Five personalidad NEO-Five Puntaje de Neuroticismo 1, 6, 11,
Muy bajo (T<36), Bajo (36≤T<45),
Factor Inventory (NEO-FFI) Factor Inventory (NEO- Neuroticismo (Suma de puntajes de los ítems del 16, 21, 26,
De intervalo Intermedio (46≤T<55), Alto (56≤T<65)
en estudiantes de una FFI) en estudiantes de (factor N) NEO-FFI convertidos en puntuaciones 31, 36, 41,
o Muy Alto (T>65)
universidad pública en el una universidad pública típicas derivadas) 46, 51, 56
contexto actual de pandemia en el contexto actual de Puntaje de Extraversión 2, 7, 12,
Muy bajo (T<36), Bajo (36≤T<45),
por COVID-19? pandemia por COVID-19. Extraversión (Suma de puntajes de los ítems del 17, 22, 27,
De intervalo Intermedio (46≤T<55), Alto (56≤T<65)
(factor E) NEO-FFI convertidos en puntuaciones 32, 37, 42,
o Muy Alto (T>65)
Problemas Específicos Objetivos específicos típicas derivadas) 47, 52, 57
- ¿Cuál es el nivel de validez - Evaluar el nivel de Puntaje de Apertura a la experiencia 3, 8, 13,
Apertura a la Muy bajo (T<36), Bajo (36≤T<45),
del test de personalidad validez del test de (Suma de puntajes de los ítems del 18, 23, 28,
experiencia De intervalo Intermedio (46≤T<55), Alto (56≤T<65)
NEO-FFI en estudiantes de personalidad NEO-FFI en NEO-FFI convertidos en puntuaciones 33, 38, 43,
(factor O) o Muy Alto (T>65)
una universidad pública para estudiantes de una típicas derivadas) 48, 53, 58
cada uno de los 5 factores universidad pública para Puntaje de Agradabilidad 4, 9, 14,
Muy bajo (T<36), Bajo (36≤T<45),
del modelo de los Cinco cada uno de los 5 Agradabilidad (Suma de puntajes de los ítems del 19, 24, 29,
De intervalo Intermedio (46≤T<55), Alto (56≤T<65)
Grandes? factores del modelo de (factor A) NEO-FFI convertidos en puntuaciones 34, 39, 44,
o Muy Alto (T>65)
los Cinco Grandes. típicas derivadas) 49, 54, 59
- ¿Cuál es el nivel de Puntaje de Responsabilidad 5, 10, 15,
Muy bajo (T<36), Bajo (36≤T<45),
fiabilidad del test de - Evaluar el nivel de Responsabilidad (Suma de puntajes de los ítems del 20, 25, 30,
De intervalo Intermedio (46≤T<55), Alto (56≤T<65)
personalidad NEO-FFI en fiabilidad del test de (factor C) NEO-FFI convertidos en puntuaciones 35, 40, 45,
o Muy Alto (T>65)
estudiantes de una personalidad NEO-FFI en típicas derivadas) 50, 55, 60
 120

universidad pública para estudiantes de una Indicador Escala de medición Niveles o rangos
cada uno de los 5 factores universidad pública para
Variable 2: Edad
del modelo de los Cinco cada uno de los 5
Número de años cumplidos De intervalo
Grandes? factores del modelo de
los Cinco Grandes. Variable 3: Sexo
- ¿Cuáles son los resultados Tipo de respuesta Nominal Masculino o Femenino
de la aplicación del test de - Describir los resultados
Variable 4: Facultad
personalidad NEO-FFI en de la aplicación del test
estudiantes de una de personalidad NEO-FFI Facultad donde se encuentra
Nominal Hay 20 facultades en la universidad pública en el estudio
universidad pública? en estudiantes de una matriculado el estudiante

universidad pública. Variable 5: Antecedente de presentar COVID-19

Tipo de respuesta Nominal Sí o No

Variable 6: Antecedente de contacto con un caso confirmado sintomático de COVID-19

Tipo de respuesta Nominal Sí o No

Tipo y diseño de
Población, muestra y muestreo Técnicas e instrumentos Estadística a utilizar
investigación
Descriptiva: Presentación de figuras y tablas de la
distribución de frecuencias y porcentajes.
Método: Hipotético- Variable: Personalidad
Población: 36119 estudiantes activos de la “Universidad Inferencial: Presentación de las estimaciones de los
deductivo Técnica: Encuesta
Nacional Mayor de San Marcos”, registrados en el Sistema parámetros del modelo de análisis factorial
Enfoque: Instrumento: “Inventario Neo Reducido de
Único de Matrícula en los periodos académicos 2021-I y 2021-II. confirmatorio. Estadísticos de bondad de ajuste: chi-
Cuantitativo Cinco Factores (NEO-FFI)”
Muestra: 756 estudiantes activos de la “Universidad Nacional cuadrado, índice de ajuste comparativo (CFI), índice de
Tipo: Básico Creado por: Costa & McCrae
Mayor de San Marcos”, registrados en el Sistema Único de Tucker-Lewis (TLI) e índice raíz media cuadrática del
Nivel: Descriptivo Adaptado por: Cordero et al.
Matrícula en los periodos académicos 2021-I y 2021-II. error de especificación (RMSEA). Medidas de
Diseño: No Año: 1999. Monitoreo: Autoaplicado
Tipo de muestra: Muestreo estratificado con muestreo aleatorio Fiabilidad: coeficiente alfa de Cronbach y coeficiente
experimental – Ámbito de aplicación: En página web.
simple sin reemplazo en cada estrato que es cada facultad. omega de fialibildad compuesta. Medidas de validez:
Transversal Forma de administración: Individual.
varianza extraída promedio (AVE), test del intervalo de
confianza de correlación entre factores y criterio HTMT.
Anexo 2. Instrumento de Medición

͞Inventario Neo Reducido de Cinco Factores (NEO-FFI)͟

El objetivo de la presente investigación es: Medir los niveles de validez y fiabilidad del test de
personalidad NEO-Five Factor Inventory (NEO-FFI) en estudiantes de una universidad pública en
el contexto actual de pandemia por COVID-19.

Preguntas Generales:

Masculino:
Edad: Años cumplidos Sexo:
Femenino:

Facultad a la que pertenece:

¿Ha presentado COVID-19? Si

No
¿Ha tenido contacto con un caso confirmado sintomático Si
de COVID-19?
No

Inventario de Personalidad NEO-FFI:

Instrucciones: Por favor, lea cuidadosamente estas instrucciones antes de empezar para marcar
bien sus respuestas. Este cuestionario consta de 60 frases.

Lea cada frase con atención y marque la alternativa (A a E) que refleje mejor su acuerdo o
desacuerdo. Por tanto, no hay respuestas correctas ni incorrectas.

Conteste de forma sincera y exprese sus opiniones de la manera más precisa posible. Dé una
respuesta a todas las frases. Asegúrese de que marca cada respuesta en la línea correspondiente a
la misma frase y en la opción que mejor se ajuste a su manera de ser.

A: En total desacuerdo; B: En desacuerdo; C: Neutral; D: De acuerdo; E: Totalmente de acuerdo

Preg. Ítem A B C D E

P1 A menudo e sie to i fe io a los de ás

P2 So u a pe so a aleg e a i osa

P3 A veces, cuando leo una poesía o contemplo una obra de arte,

siento una profunda emoción o e ita ió

P4 Tiendo a pe sa lo ejo de la ge te

P5 Parece que u a so apaz de o ga iza e

P6 Rara vez e sie to o iedo o a sioso

 122

P7 Disfruto u ho ha la do o la ge te

P8 La poesía tiene poco o ningún efecto sobre mí

P9 A veces intimido o adulo a la gente para que haga lo que yo

quiero

P10 Tengo unos objetivos claros y me esfuerzo por alcanzarlos de

fo a o de ada

P11 A veces me vienen a la e te pe sa ie tos ate ado es

P12 Disfruto en las fiestas e las ue ha u ha ge te

P13 Tengo una gran variedad de i te eses i tele tuales

P14 A veces consigo con artimañas que la gente haga lo que yo

uie o

P15 Trabajo u ho pa a o segui is etas

P16 A veces me parece ue o algo a soluta e te ada

P17 No me o side o espe ial e te aleg e

P18 Me despiertan la curiosidad las formas que encuentro en el

a te la atu aleza

P19 Si alguien empieza a pelearse conmigo, yo también estoy

dispuesto a pelea

P20 Te go u ha autodis ipli a

P21 A veces las cosas me parecen demasiado sombrías y sin

espe a za

P22 Me gusta te e u ha ge te al ededo

P23 Encuentro aburridas las dis usio es filosófi as

P24 Cuando me han ofendido, lo que intento es perdonar y ol ida

P25 Antes de emprender una acción, siempre considero sus

o se ue ias

P26 Cuando estoy bajo un fuerte estrés, a veces siento que me voy
a des o o a

P27 No soy tan vivo ni tan animado como otras pe so as

 123

P28 Te go u ha fa tasía

P29 Mi primera ea ió es o fia e la ge te

P30 Trato de hacer mis tareas con cuidado, para que no haya que
ha e las ot a ez

P31 A menudo me siento tenso e i uieto

P32 “o u a pe so a u a ti a

P33 Me gusta concentrarme en un sueño o fantasía, y dejándolo

crecer y desarrollarse, e plo a todas sus posi ilidades

P34 Algunas personas piensan de í ue so f ío al ulado

P35 Me esfuerzo por llegar a la pe fe ió e todo lo ue hago

P36 A veces me he se tido a a gado ese tido

P37 En reuniones, por lo general p efie o ue ha le ot os

P38 Tengo poco interés en andar pensando sobre la naturaleza del

u i e so o la o di ió hu a a

P39 Tengo mu ha fe e la atu aleza hu a a

P40 Soy eficiente y eficaz en mi t a ajo

P41 Soy asta te esta le e o io al e te

P42 Hu o de las ultitudes

P43 A veces pierdo el interés cuando la gente habla de cuestiones

u a st a tas o teó i as

P44 T ato de se hu ilde

P45 Soy una persona productiva, ue sie p e te i a su t a ajo

P46 Ra a ez esto t iste o dep i ido

P47 A e es e oso feli idad

P48 Experimento una gran cantidad de emociones o se ti ie tos

P49 Creo que la mayoría de la gente con la que trato es honrada y

fidedig a
 124

P50 En ocasiones p i e o a túo luego pie so

P51 A veces hago las cosas impulsi a e te luego e a epie to

P52 Me gusta esta do de está la a ió

P53 Con frecuencia pruebo co idas ue as o de ot os países

P54 Puedo ser sarcásti o o daz si es e esa io

P55 Hay tantas pequeñas cosas que hacer que a veces lo que hago
es o ate de a i gu a

P56 Es difí il ue o pie da los est i os

P57 No me gusta u ho ha la o la ge te

P58 Rara vez e pe i e to e o io es fue tes

P59 Los mendigos no me i spi a si patía

P60 Muchas veces no preparo de antemano lo que tengo que

ha e

Fuente: Adaptado de Costa Jr. & McCrae (2008; 2018)

 125

Anexo 3. Ficha Técnica del Instrumento de Medición NEO-FFI

Nombre: NEO PI-R, Inventario de Personalidad NEO Revisado.

Nombre original: Revised NEO Personality Inventory.

Autores: Paul T. Costa Jr. Y Robert R. McCrae.

Procedencia: Psychological Assessment Resources, Inc. (1978).

Adaptación Española: A. Cordero, A. Pamos y N. Seisdedos (1999).

Edición: Tercera .

Aplicación: Individual o colectiva .

Duración: Aproximadamente 40 minutos el NEO PI-R y 15 minutos el NEO-FFI.

Ámbito de aplicación: Adolescentes y adultos.

Finalidad: Evaluación de la personalidad normal.

Baremación: Muestras de adultos y adultos jóvenes segmentadas en función del sexo y muestra de

cuerpos de seguridad.

Material: Manual, cuadernillo y hoja de respuestas del NEO PI-R, ejemplar autocorregible del NEO-

FFI, hoja de descripción resumida.

Aplicación: El NEO-FFI es una versión de 60 elementos de la forma S del NEO PI-R, ofrece una medida

rápida y general de los cinco factores de la personalidad con de 5 escalas de 12 elementos que miden

estos factores.

Inventario incompleto: Si se omitieron 10 o más respuestas el test se considera no válido y no se

debería interpretar. Si se omitieron 9 o menos respuestas, debe puntuarse como si en ellos se tratara

de la elección neutro y asignar 2 puntos en cada uno.

Cálculo de las puntuaciones: Para la puntuación directa del factor N su a las espuestas de los

elementos 1, 6, 11, 16, 21, 26, 31, 36, 41, 46, 51 y 56. Utilice el mismo procedimiento para calcular las

puntuaciones de los demás factores.

Significado de puntuaciones típicas: rango muy bajo (T=36 o menos), rango bajo (T=36 a 45), rango

intermedio (T=46 a 55), rango alto (T=56 a 65) o rango muy alto (T=65 o más).
 126
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
1 9/19/2021 [Link] 36 Masculino Geológica No No 0 3 2 3
2 9/21/2021 [Link] 28 Masculino Med_Hum No No 2 1 2 2
3 9/21/2021 [Link] 28 Femenino Sociales No No 4 2 3 2
4 9/22/2021 [Link] 23 Femenino Sociales No Si 2 3 3 3
5 9/23/2021 [Link] 22 Femenino Psicología No No 0 4 2 4
6 9/23/2021 [Link] 27 Femenino Odontología No Si 1 3 3 1
7 9/23/2021 [Link] 23 Masculino Med_Hum No No 1 3 2 3
8 9/23/2021 [Link] 23 Masculino Psicología No Si 1 3 3 3
9 9/23/2021 [Link] 40 Femenino Letras No No 1 3 2 3
10 9/23/2021 [Link] 25 Femenino Odontología No Si 1 3 2 2
11 9/24/2021 [Link] 27 Masculino Sociales No No 0 3 2 3
12 9/24/2021 [Link] 25 Femenino Psicología No No 1 4 3 4
13 9/24/2021 [Link] 23 Femenino Letras Si Si 0 4 2 3
14 9/24/2021 [Link] 25 Femenino Industrial No No 1 3 2 3
15 9/26/2021 [Link] 27 Femenino Matemática No No 2 3 2 3
16 10/23/2021 [Link] 41 Masculino Med_Hum No No 0 3 3 3
17 10/23/2021 [Link] 20 Masculino Industrial No No 1 3 2 1
18 10/23/2021 [Link] 57 Femenino Sociales No No 0 3 3 3
19 10/23/2021 [Link] 21 Femenino Geológica Si Si 1 3 2 3
20 10/23/2021 [Link] 26 Femenino Administrativas No No 1 3 3 2
21 10/23/2021 [Link] 20 Femenino Letras No No 3 4 4 3
22 10/23/2021 [Link] 20 Masculino Psicología Si No 2 3 3 2
23 10/23/2021 [Link] 22 Femenino Industrial No No 0 3 2 2
24 10/23/2021 [Link] 27 Masculino Derecho Si No 3 1 2 2
25 10/24/2021 [Link] 21 Femenino Contables No No 1 3 2 2
26 10/24/2021 [Link] 22 Femenino Med_Hum No No 2 2 1 3
27 10/24/2021 [Link] 20 Femenino Contables Si Si 3 2 3 2
28 10/24/2021 [Link] 21 Femenino Derecho No No 3 4 2 3
29 10/24/2021 [Link] 19 Femenino Sociales No No 1 3 3 2
30 10/24/2021 [Link] 21 Masculino Derecho No No 1 0 0 0
31 10/24/2021 [Link] 20 Femenino Administrativas No Si 3 2 2 1
32 10/24/2021 [Link] 20 Femenino Letras Si Si 0 2 2 2
33 10/24/2021 [Link] 39 Femenino Med_Hum No No 0 2 2 1
34 10/24/2021 [Link] 22 Femenino Matemática Si No 1 3 3 3
35 10/25/2021 [Link] 28 Masculino Geológica No Si 0 3 1 3
36 10/25/2021 [Link] 20 Femenino Derecho Si Si 1 4 3 3
37 10/25/2021 [Link] 18 Femenino Administrativas No No 3 3 1 0
38 10/25/2021 [Link] 28 Masculino Med_Hum No No 0 4 0 3
39 10/25/2021 [Link] 19 Femenino Med_Hum No No 1 3 4 3
40 10/25/2021 [Link] 28 Femenino Administrativas Si Si 1 3 3 3
41 10/25/2021 [Link] 33 Masculino Matemática No Si 0 3 2 3
42 10/26/2021 [Link] 20 Femenino Económicas No No 3 3 4 3
43 10/26/2021 [Link] 26 Masculino Administrativas Si Si 0 3 3 2
44 10/26/2021 [Link] 42 Femenino Odontología No Si 0 2 3 2
 127
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
45 10/26/2021 [Link] 52 Masculino Geológica No Si 0 4 4 4
46 10/26/2021 [Link] 25 Masculino Sociales No No 2 1 3 2
47 10/26/2021 [Link] 22 Femenino Electrónica No No 3 1 3 2
48 10/27/2021 [Link] 20 Masculino Química No No 3 1 0 1
49 10/27/2021 [Link] 28 Femenino Contables No Si 0 4 2 3
50 10/29/2021 [Link] 25 Femenino Física No No 0 3 3 2
51 10/28/2021 [Link] 20 Femenino Med_Hum No Si 0 3 2 3
52 10/28/2021 [Link] 25 Masculino Administrativas Si Si 2 2 1 2
53 10/28/2021 [Link] 23 Femenino Sociales Si No 1 2 3 3
54 10/28/2021 [Link] 20 Femenino Med_Hum No No 2 3 3 2
55 10/29/2021 [Link] 36 Femenino Industrial Si Si 1 0 0 0
56 10/30/2021 [Link] 23 Femenino Sociales No Si 0 2 3 2
57 10/30/2021 [Link] 32 Femenino Sistemas Si Si 0 3 3 3
58 10/31/2021 [Link] 26 Masculino Sistemas No No 0 2 3 2
59 10/31/2021 [Link] 18 Masculino Educación Si No 1 3 2 3
60 10/31/2021 [Link] 23 Masculino Sociales No Si 0 4 3 3
61 11/1/2021 [Link] 23 Femenino Med_Hum No No 0 4 2 4
62 11/1/2021 [Link] 20 Masculino Administrativas No Si 2 2 3 3
63 11/2/2021 [Link] 24 Masculino Med_Hum No No 2 3 3 3
64 11/3/2021 [Link] 21 Masculino Med_Hum Si No 1 2 3 0
65 11/3/2021 [Link] 25 Masculino Matemática No No 1 3 2 2
66 11/3/2021 [Link] 25 Masculino Med_Hum No Si 2 4 2 4
67 11/1/2021 [Link] 25 Femenino Med_Hum No No 2 3 3 2
68 11/1/2021 [Link] 26 Masculino Sistemas Si Si 0 3 2 4
69 11/1/2021 [Link] 25 Masculino Psicología No No 0 4 3 3
70 11/1/2021 [Link] 21 Femenino Derecho No No 1 3 3 3
71 11/1/2021 [Link] 20 Femenino Derecho No No 2 2 3 2
72 11/1/2021 [Link] 21 Masculino Geológica No No 0 3 2 3
73 11/1/2021 [Link] 27 Femenino Psicología Si Si 0 3 3 2
74 11/1/2021 [Link] 23 Femenino Sistemas No Si 0 4 3 2
75 11/1/2021 [Link] 23 Femenino Med_Hum No No 2 3 1 2
76 11/1/2021 [Link] 22 Masculino Psicología No No 0 3 3 2
77 11/1/2021 [Link] 20 Femenino Sociales Si No 2 3 3 3
78 11/1/2021 [Link] 24 Masculino Sistemas No No 1 2 3 3
79 11/1/2021 [Link] 22 Femenino Sociales No No 3 2 1 2
80 11/1/2021 [Link] 21 Masculino Sistemas No No 0 3 2 2
81 11/2/2021 [Link] 21 Femenino Letras No No 3 3 4 4
82 11/2/2021 [Link] 19 Masculino Sociales No Si 1 3 3 3
83 11/3/2021 [Link] 19 Femenino Med_Hum No No 2 1 2 3
84 11/3/2021 [Link] 25 Masculino Psicología Si Si 0 3 1 1
85 11/3/2021 [Link] 22 Femenino Química No No 1 3 4 2
86 11/3/2021 [Link] 20 Femenino Psicología No Si 2 1 4 3
87 11/3/2021 [Link] 38 Masculino Electrónica No Si 0 3 2 2
88 11/3/2021 [Link] 26 Femenino Industrial No No 1 3 3 3
 128
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
89 11/3/2021 [Link] 23 Masculino Odontología No No 1 4 3 2
90 11/3/2021 [Link] 25 Femenino Med_Hum Si No 1 4 3 3
91 11/4/2021 [Link] 22 Masculino Económicas No No 3 3 2 2
92 11/4/2021 [Link] 21 Femenino Psicología Si Si 1 2 1 1
93 11/4/2021 [Link] 18 Masculino Química No No 1 3 3 2
94 10/25/2021 [Link] 23 Masculino Sociales No Si 1 3 1 2
95 10/25/2021 [Link] 22 Femenino Sociales No Si 0 4 4 4
96 10/25/2021 [Link] 21 Masculino Psicología No Si 3 3 4 3
97 10/25/2021 [Link] 23 Femenino Derecho No No 0 3 2 1
98 10/25/2021 [Link] 25 Masculino Med_Hum No Si 1 3 3 3
99 10/25/2021 [Link] 26 Femenino Administrativas No No 0 3 3 2
100 10/25/2021 [Link] 23 Masculino Administrativas No No 3 4 2 4
101 10/25/2021 [Link] 24 Femenino Matemática No Si 0 3 3 2
102 10/26/2021 [Link] 20 Femenino Biología No No 0 4 3 4
103 10/26/2021 [Link] 19 Masculino Geológica No No 2 3 2 2
104 10/26/2021 [Link] 25 Masculino Letras Si Si 0 3 2 4
105 10/26/2021 [Link] 20 Femenino Sistemas No No 1 3 4 3
106 10/26/2021 [Link] 18 Masculino Med_Hum No No 0 3 2 3
107 10/26/2021 [Link] 22 Femenino Psicología Si No 1 3 3 3
108 10/26/2021 [Link] 27 Masculino Letras No Si 0 3 2 2
109 10/26/2021 [Link] 20 Masculino Administrativas Si Si 0 3 3 2
110 10/26/2021 [Link] 23 Femenino Educación No No 1 3 2 3
111 10/26/2021 [Link] 25 Masculino Med_Hum No Si 1 3 3 3
112 10/26/2021 [Link] 20 Masculino Sociales Si No 1 3 2 3
113 10/26/2021 [Link] 27 Femenino Psicología No Si 0 3 2 3
114 10/26/2021 [Link] 19 Femenino Sistemas No No 0 3 2 1
115 10/26/2021 [Link] 23 Femenino Administrativas No No 1 3 4 2
116 10/26/2021 [Link] 25 Femenino Química No No 3 4 4 3
117 10/26/2021 [Link] 25 Femenino Administrativas No No 2 3 3 2
118 10/26/2021 [Link] 27 Femenino Geológica No Si 0 4 3 2
119 10/26/2021 [Link] 22 Masculino Med_Hum No No 1 3 2 3
120 10/26/2021 [Link] 19 Femenino Económicas Si Si 0 3 3 2
121 10/26/2021 [Link] 25 Femenino Med_Hum No No 3 2 1 2
122 10/26/2021 [Link] 23 Femenino Med_Hum No No 1 3 4 2
123 10/26/2021 [Link] 19 Femenino Med_Hum No No 3 3 1 0
124 10/26/2021 [Link] 25 Masculino Industrial No No 1 4 3 2
125 10/26/2021 [Link] 22 Femenino Industrial No Si 0 3 3 2
126 10/26/2021 [Link] 23 Femenino Administrativas No No 3 3 1 0
127 10/26/2021 [Link] 21 Femenino Contables Si No 1 3 3 3
128 10/26/2021 [Link] 26 Masculino Geológica No No 1 4 3 2
129 10/26/2021 [Link] 30 Femenino Derecho No Si 0 2 3 2
130 10/26/2021 [Link] 20 Femenino Educación No No 3 2 1 2
131 10/26/2021 [Link] 20 Femenino Administrativas No No 0 2 2 1
132 10/26/2021 [Link] 21 Masculino Med_Hum Si Si 0 3 1 1
 129
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
133 10/26/2021 [Link] 20 Masculino Farmacia No Si 0 3 1 3
134 10/26/2021 [Link] 22 Femenino Administrativas No No 1 3 3 3
135 10/26/2021 [Link] 24 Femenino Industrial No Si 0 4 3 2
136 10/26/2021 [Link] 22 Femenino Med_Hum No No 3 3 4 3
137 10/26/2021 [Link] 21 Masculino Med_Hum No No 0 4 0 3
138 10/26/2021 [Link] 20 Femenino Med_Hum No No 1 3 3 2
139 10/26/2021 [Link] 20 Femenino Sistemas No No 3 4 2 3
140 10/26/2021 [Link] 21 Femenino Med_Hum No No 1 3 3 2
141 10/26/2021 [Link] 21 Femenino Física No Si 0 2 3 2
142 10/26/2021 [Link] 27 Masculino Odontología No Si 0 3 2 2
143 10/26/2021 [Link] 29 Femenino Contables No No 1 3 3 3
144 10/26/2021 [Link] 33 Femenino Derecho Si Si 1 3 3 3
145 10/26/2021 [Link] 22 Femenino Contables No Si 0 2 3 2
146 10/26/2021 [Link] 23 Femenino Contables No No 1 3 2 2
147 10/26/2021 [Link] 19 Femenino Letras No No 1 3 3 3
148 10/26/2021 [Link] 33 Femenino Física No No 1 3 4 3
149 10/26/2021 [Link] 24 Femenino Industrial No Si 0 3 2 3
150 10/26/2021 [Link] 23 Femenino Letras No No 3 3 4 3
151 10/26/2021 [Link] 20 Femenino Med_Hum No Si 1 3 3 1
152 10/26/2021 [Link] 26 Masculino Sociales Si No 3 1 2 2
153 10/26/2021 [Link] 26 Femenino Med_Hum Si Si 0 2 2 2
154 10/26/2021 [Link] 20 Femenino Contables No No 1 3 2 3
155 10/26/2021 [Link] 24 Masculino Contables No No 2 1 2 2
156 10/26/2021 [Link] 18 Masculino Med_Hum No Si 0 4 4 4
157 10/26/2021 [Link] 23 Femenino Med_Hum No No 0 3 3 3
158 10/26/2021 [Link] 29 Masculino Geológica Si No 2 3 3 2
159 10/26/2021 [Link] 19 Masculino Sociales No No 1 2 3 3
160 10/26/2021 [Link] 21 Femenino Sistemas No No 0 4 3 4
161 10/26/2021 [Link] 28 Masculino Odontología No No 1 3 2 2
162 10/26/2021 [Link] 24 Femenino Sistemas No No 1 3 3 3
163 10/27/2021 [Link] 24 Masculino Letras No Si 0 3 2 2
164 10/27/2021 [Link] 25 Femenino Sociales No No 1 3 3 3
165 10/27/2021 [Link] 28 Masculino Electrónica No No 2 3 2 2
166 10/27/2021 [Link] 29 Femenino Sociales No No 2 3 1 2
167 10/27/2021 [Link] 26 Femenino Educación No No 3 3 4 4
168 10/27/2021 [Link] 24 Masculino Administrativas No No 3 4 2 4
169 10/27/2021 [Link] 24 Femenino Med_Hum Si Si 0 4 2 3
170 10/27/2021 [Link] 30 Femenino Matemática Si Si 1 3 3 3
171 10/27/2021 [Link] 27 Masculino Derecho No No 1 4 3 2
172 10/27/2021 [Link] 34 Masculino Psicología No No 3 1 0 1
173 10/27/2021 [Link] 22 Masculino Contables No No 1 4 3 2
174 10/27/2021 [Link] 20 Femenino Geológica No No 0 3 2 2
175 10/27/2021 [Link] 27 Masculino Geológica Si Si 0 3 1 1
176 10/27/2021 [Link] 20 Masculino Psicología No No 2 3 2 2
 130
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
177 10/27/2021 [Link] 27 Femenino Económicas No No 1 3 3 2
178 10/27/2021 [Link] 23 Femenino Med_Hum Si Si 0 4 2 3
179 10/27/2021 [Link] 19 Masculino Letras Si No 2 3 3 2
180 10/27/2021 [Link] 22 Masculino Sociales No No 1 3 3 2
181 10/27/2021 [Link] 19 Femenino Derecho No No 3 4 2 3
182 10/27/2021 [Link] 19 Masculino Psicología No No 3 1 0 1
183 10/27/2021 [Link] 21 Femenino Administrativas No No 0 2 2 1
184 10/27/2021 [Link] 29 Masculino Med_Hum No Si 0 4 4 4
185 10/27/2021 [Link] 20 Femenino Sociales No No 3 4 4 3
186 10/27/2021 [Link] 25 Femenino Med_Hum No Si 3 2 2 1
187 10/27/2021 [Link] 21 Femenino Geológica No No 0 4 3 4
188 10/27/2021 [Link] 24 Masculino Letras No No 1 3 2 1
189 10/27/2021 [Link] 25 Femenino Educación Si Si 0 3 3 2
190 10/27/2021 [Link] 24 Masculino Sistemas No No 2 3 2 2
191 10/27/2021 [Link] 25 Masculino Med_Hum No Si 0 3 2 2
192 10/27/2021 [Link] 18 Femenino Sociales No No 2 1 2 3
193 10/27/2021 [Link] 30 Femenino Industrial Si No 1 4 3 3
194 10/27/2021 [Link] 23 Masculino Med_Hum No No 3 1 0 1
195 10/27/2021 [Link] 36 Masculino Derecho Si No 1 2 3 0
196 10/27/2021 [Link] 29 Masculino Derecho No Si 1 3 1 2
197 10/27/2021 [Link] 36 Masculino Física No Si 3 3 4 3
198 10/27/2021 [Link] 24 Masculino Letras No No 2 3 2 2
199 10/27/2021 [Link] 20 Masculino Psicología No Si 0 4 3 3
200 10/27/2021 [Link] 21 Femenino Farmacia No Si 0 3 2 3
201 10/27/2021 [Link] 26 Masculino Geológica No No 1 3 3 2
202 10/27/2021 [Link] 22 Femenino Matemática Si No 1 3 3 3
203 10/27/2021 [Link] 20 Femenino Administrativas No Si 1 3 2 2
204 10/27/2021 [Link] 21 Masculino Geológica No No 0 3 2 3
205 10/27/2021 [Link] 19 Masculino Electrónica Si Si 0 3 3 2
206 10/27/2021 [Link] 21 Masculino Electrónica Si No 1 3 2 3
207 10/27/2021 [Link] 23 Femenino Matemática No No 0 4 2 4
208 10/27/2021 [Link] 21 Masculino Derecho No No 0 2 3 2
209 10/27/2021 [Link] 21 Femenino Matemática No No 1 4 3 4
210 10/27/2021 [Link] 32 Masculino Geológica No No 2 3 2 2
211 10/27/2021 [Link] 20 Femenino Med_Hum Si Si 1 4 3 3
212 10/27/2021 [Link] 25 Masculino Letras No No 0 2 3 2
213 10/27/2021 [Link] 22 Femenino Psicología No Si 0 4 4 4
214 10/27/2021 [Link] 23 Masculino Psicología No Si 1 3 3 3
215 10/27/2021 [Link] 23 Femenino Derecho No No 1 3 3 2
216 10/27/2021 [Link] 25 Femenino Odontología No Si 0 4 3 2
217 10/27/2021 [Link] 23 Femenino Med_Hum Si Si 1 0 0 0
218 10/27/2021 [Link] 26 Femenino Letras Si Si 1 3 3 3
219 10/27/2021 [Link] 23 Masculino Psicología No No 3 1 0 1
220 10/27/2021 [Link] 24 Masculino Geológica No Si 1 3 3 3
 131
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
221 10/27/2021 [Link] 21 Femenino Med_Hum No No 3 3 1 0
222 10/28/2021 [Link] 23 Masculino Matemática No Si 2 4 2 4
223 10/28/2021 [Link] 19 Femenino Económicas No No 1 3 3 2
224 10/28/2021 [Link] 24 Femenino Letras No No 0 4 2 4
225 10/28/2021 [Link] 29 Femenino Electrónica No No 3 3 1 0
226 10/28/2021 [Link] 26 Femenino Med_Hum No No 1 3 2 3
227 10/28/2021 [Link] 28 Femenino Med_Hum No No 1 3 2 3
228 10/28/2021 [Link] 36 Femenino Letras No No 0 3 3 3
229 10/28/2021 [Link] 28 Masculino Industrial No No 0 3 3 3
230 10/28/2021 [Link] 26 Femenino Med_Hum No No 1 3 2 2
231 10/28/2021 [Link] 22 Femenino Psicología No No 1 4 3 4
232 10/28/2021 [Link] 28 Femenino Económicas Si Si 1 3 3 3
233 10/28/2021 [Link] 18 Masculino Med_Hum Si No 2 3 3 2
234 10/28/2021 [Link] 23 Masculino Administrativas No Si 0 4 3 3
235 10/28/2021 [Link] 22 Femenino Administrativas No Si 0 3 2 3
236 10/28/2021 [Link] 22 Femenino Letras No No 1 3 3 3
237 10/28/2021 [Link] 20 Femenino Sociales Si Si 1 3 3 3
238 10/28/2021 [Link] 21 Femenino Med_Hum No No 2 3 2 3
239 10/28/2021 [Link] 22 Femenino Industrial No Si 0 4 3 2
240 10/28/2021 [Link] 22 Femenino Electrónica No No 2 3 1 2
241 10/28/2021 [Link] 34 Femenino Derecho No No 1 3 3 2
242 10/28/2021 [Link] 18 Masculino Económicas No Si 0 3 2 2
243 10/28/2021 [Link] 25 Femenino Med_Hum No No 4 2 3 2
244 10/28/2021 [Link] 23 Masculino Med_Hum No Si 2 2 3 3
245 10/28/2021 [Link] 21 Femenino Educación No Si 0 3 3 2
246 10/28/2021 [Link] 23 Femenino Derecho No No 2 3 3 2
247 10/28/2021 [Link] 23 Masculino Industrial No Si 1 3 3 3
248 10/28/2021 [Link] 22 Femenino Med_Hum No Si 1 3 2 2
249 10/28/2021 [Link] 19 Masculino Geológica Si Si 0 3 2 4
250 10/28/2021 [Link] 35 Femenino Electrónica No No 0 2 2 1
251 10/28/2021 [Link] 23 Femenino Letras Si Si 1 3 2 3
252 10/28/2021 [Link] 31 Masculino Med_Hum No No 0 4 0 3
253 10/28/2021 [Link] 23 Femenino Administrativas Si Si 0 3 3 3
254 10/28/2021 [Link] 28 Femenino Med_Hum No No 2 2 1 3
255 10/28/2021 [Link] 23 Masculino Industrial Si No 1 2 3 0
256 10/28/2021 [Link] 23 Masculino Contables No No 1 3 2 3
257 10/28/2021 [Link] 19 Masculino Psicología No No 0 2 3 2
258 10/28/2021 [Link] 18 Masculino Med_Hum No No 1 3 2 2
259 10/28/2021 [Link] 27 Femenino Sociales No No 1 3 2 3
260 10/28/2021 [Link] 38 Masculino Sistemas No No 0 4 3 3
261 10/28/2021 [Link] 22 Femenino Med_Hum No No 0 3 3 2
262 10/28/2021 [Link] 36 Femenino Geológica No No 1 3 3 3
263 10/28/2021 [Link] 21 Femenino Administrativas No No 0 4 2 4
264 10/28/2021 [Link] 24 Femenino Letras No Si 0 4 4 4
 132
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
265 10/28/2021 [Link] 23 Masculino Med_Vet Si Si 0 3 3 2
266 10/28/2021 [Link] 24 Femenino Med_Hum Si Si 1 4 3 3
267 10/28/2021 [Link] 25 Masculino Educación No No 1 2 3 3
268 10/28/2021 [Link] 23 Femenino Med_Hum Si Si 0 3 3 2
269 10/28/2021 [Link] 22 Femenino Med_Hum No No 2 3 3 2
270 10/28/2021 [Link] 24 Femenino Med_Hum No Si 2 3 3 3
271 10/28/2021 [Link] 22 Masculino Industrial No No 0 3 3 2
272 10/28/2021 [Link] 26 Femenino Educación No No 0 3 3 2
273 10/28/2021 [Link] 21 Masculino Económicas No No 1 3 2 1
274 10/28/2021 [Link] 19 Masculino Med_Hum No No 3 1 0 1
275 10/28/2021 [Link] 31 Femenino Electrónica Si Si 1 4 3 3
276 10/28/2021 [Link] 28 Masculino Sociales No No 0 4 0 3
277 10/28/2021 [Link] 18 Femenino Industrial No No 0 3 2 1
278 10/28/2021 [Link] 28 Femenino Med_Hum Si No 2 3 3 3
279 10/29/2021 [Link] 22 Masculino Med_Hum No No 2 1 2 2
280 10/29/2021 [Link] 26 Masculino Psicología No No 2 1 2 2
281 10/29/2021 [Link] 24 Femenino Contables No No 1 3 3 3
282 10/29/2021 [Link] 20 Femenino Geológica No No 2 2 3 2
283 10/29/2021 [Link] 25 Femenino Electrónica No Si 1 3 2 2
284 10/29/2021 [Link] 23 Femenino Geológica No No 0 4 3 4
285 10/29/2021 [Link] 28 Masculino Sistemas No No 2 1 3 2
286 10/29/2021 [Link] 23 Femenino Electrónica Si Si 1 3 2 3
287 10/29/2021 [Link] 24 Femenino Electrónica No No 3 1 3 2
288 10/29/2021 [Link] 18 Femenino Letras No No 0 2 2 1
289 10/29/2021 [Link] 23 Femenino Administrativas No Si 1 3 2 2
290 10/29/2021 [Link] 32 Masculino Contables No Si 2 4 2 4
291 10/29/2021 [Link] 24 Femenino Sociales No No 3 1 3 2
292 10/29/2021 [Link] 20 Masculino Letras No No 0 3 2 3
293 10/29/2021 [Link] 21 Femenino Farmacia Si No 1 4 3 3
294 10/29/2021 [Link] 26 Masculino Matemática No Si 2 2 3 3
295 10/29/2021 [Link] 24 Femenino Sociales No Si 2 3 3 3
296 10/29/2021 [Link] 21 Femenino Med_Hum Si Si 0 3 3 3
297 10/29/2021 [Link] 26 Masculino Geológica No No 0 3 3 3
298 10/29/2021 [Link] 23 Femenino Contables No Si 1 3 3 1
299 10/29/2021 [Link] 25 Masculino Med_Hum No Si 0 3 2 2
300 10/29/2021 [Link] 22 Femenino Educación No No 2 2 3 2
301 10/29/2021 [Link] 26 Masculino Med_Hum No No 0 3 3 3
302 10/29/2021 [Link] 43 Femenino Contables No No 0 3 3 2
303 10/29/2021 [Link] 20 Femenino Geológica No No 1 3 3 3
304 10/29/2021 [Link] 21 Femenino Biología No No 1 4 3 4
305 10/29/2021 [Link] 20 Femenino Med_Hum No Si 2 3 3 3
306 10/29/2021 [Link] 26 Femenino Med_Hum No No 1 3 3 2
307 10/29/2021 [Link] 19 Masculino Sociales No No 3 1 0 1
308 10/29/2021 [Link] 19 Femenino Administrativas No Si 0 3 3 2
 133
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
309 10/29/2021 [Link] 20 Femenino Económicas No Si 1 3 2 2
310 10/29/2021 [Link] 26 Masculino Geológica No Si 2 4 2 4
311 10/29/2021 [Link] 26 Femenino Med_Vet Si Si 0 3 3 3
312 10/29/2021 [Link] 21 Femenino Med_Hum No No 3 2 1 2
313 10/29/2021 [Link] 19 Femenino Farmacia No No 2 3 1 2
314 10/29/2021 [Link] 22 Masculino Psicología No Si 0 3 2 3
315 10/29/2021 [Link] 20 Femenino Med_Hum No No 1 3 4 2
316 10/29/2021 [Link] 20 Masculino Med_Hum No Si 1 3 1 2
317 10/29/2021 [Link] 27 Femenino Med_Hum No No 2 2 3 2
318 10/29/2021 [Link] 19 Femenino Contables Si Si 1 3 2 3
319 10/29/2021 [Link] 21 Femenino Derecho No No 4 2 3 2
320 10/29/2021 [Link] 26 Masculino Sistemas No No 0 4 0 3
321 10/29/2021 [Link] 32 Masculino Odontología No No 0 2 3 2
322 10/29/2021 [Link] 27 Femenino Letras No No 3 1 3 2
323 10/29/2021 [Link] 24 Femenino Administrativas Si No 1 2 3 3
324 10/29/2021 [Link] 18 Masculino Sociales No No 0 3 3 2
325 10/29/2021 [Link] 18 Masculino Med_Hum No No 0 3 3 3
326 10/29/2021 [Link] 26 Femenino Industrial No No 2 2 1 3
327 10/30/2021 [Link] 23 Femenino Med_Hum No Si 0 3 3 2
328 10/30/2021 [Link] 22 Femenino Geológica Si Si 3 2 3 2
329 10/30/2021 [Link] 24 Femenino Derecho Si Si 0 3 3 2
330 10/30/2021 [Link] 28 Femenino Med_Hum No Si 2 1 4 3
331 10/30/2021 [Link] 29 Femenino Derecho Si Si 1 2 1 1
332 10/30/2021 [Link] 24 Femenino Med_Hum No Si 0 4 3 2
333 10/30/2021 [Link] 22 Femenino Sistemas No No 1 3 4 2
334 10/30/2021 [Link] 20 Femenino Derecho Si No 1 4 3 3
335 10/30/2021 [Link] 22 Femenino Med_Vet No Si 0 3 2 3
336 10/30/2021 [Link] 27 Femenino Física No No 2 3 3 2
337 10/30/2021 [Link] 28 Femenino Matemática No Si 0 2 3 2
338 10/30/2021 [Link] 22 Femenino Geológica Si Si 1 2 1 1
339 10/30/2021 [Link] 25 Femenino Med_Hum Si Si 0 4 2 3
340 10/30/2021 [Link] 24 Femenino Contables No No 3 2 1 2
341 10/30/2021 [Link] 26 Femenino Matemática No No 0 3 2 2
342 10/30/2021 [Link] 28 Femenino Sistemas No No 2 3 3 2
343 10/30/2021 [Link] 24 Masculino Med_Hum No No 2 1 3 2
344 10/30/2021 [Link] 21 Femenino Sociales No No 0 3 3 3
345 10/30/2021 [Link] 25 Masculino Contables No No 0 3 2 2
346 10/30/2021 [Link] 23 Masculino Sociales Si No 1 2 3 0
347 10/30/2021 [Link] 29 Femenino Industrial No No 1 3 2 2
348 10/30/2021 [Link] 18 Femenino Med_Hum No Si 1 3 2 2
349 10/30/2021 [Link] 25 Femenino Contables No No 3 3 4 3
350 10/30/2021 [Link] 22 Masculino Física No Si 1 3 3 3
351 10/30/2021 [Link] 24 Masculino Med_Hum Si Si 0 3 1 1
352 10/30/2021 [Link] 25 Femenino Geológica Si Si 1 2 1 1
 134
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
353 10/30/2021 [Link] 21 Femenino Sociales No No 1 3 3 2
354 10/30/2021 [Link] 29 Femenino Med_Hum No No 0 4 2 4
355 10/30/2021 [Link] 21 Femenino Sistemas No No 3 2 1 2
356 10/30/2021 [Link] 22 Femenino Med_Hum No No 1 3 3 3
357 10/30/2021 [Link] 23 Femenino Educación No No 3 4 4 3
358 10/30/2021 [Link] 29 Masculino Psicología No No 3 3 2 2
359 10/30/2021 [Link] 26 Femenino Geológica No No 0 3 3 2
360 10/30/2021 [Link] 23 Masculino Educación No No 0 3 2 3
361 10/30/2021 [Link] 24 Femenino Farmacia No Si 0 3 2 3
362 10/30/2021 [Link] 20 Femenino Sociales No No 0 3 3 2
363 10/30/2021 [Link] 25 Masculino Med_Hum No No 0 3 2 2
364 10/30/2021 [Link] 25 Femenino Psicología Si Si 1 4 3 3
365 10/30/2021 [Link] 22 Masculino Industrial No Si 1 3 3 3
366 10/30/2021 [Link] 27 Femenino Matemática No No 0 3 2 1
367 10/30/2021 [Link] 23 Masculino Industrial No Si 1 3 3 3
368 10/30/2021 [Link] 22 Masculino Sociales No No 0 3 3 2
369 10/30/2021 [Link] 21 Masculino Geológica No Si 0 4 3 3
370 10/31/2021 [Link] 25 Femenino Económicas Si No 1 4 3 3
371 10/31/2021 [Link] 23 Femenino Derecho No No 0 3 2 1
372 10/31/2021 [Link] 22 Femenino Derecho No No 2 3 2 3
373 10/31/2021 [Link] 25 Masculino Psicología No No 3 4 2 4
374 10/31/2021 [Link] 25 Femenino Derecho No No 3 3 4 4
375 10/31/2021 [Link] 48 Femenino Psicología No No 1 3 3 2
376 10/31/2021 [Link] 19 Masculino Sistemas No No 0 3 2 3
377 10/31/2021 [Link] 22 Femenino Contables No No 1 3 2 3
378 10/31/2021 [Link] 27 Femenino Industrial No Si 2 3 3 3
379 10/31/2021 [Link] 25 Femenino Odontología No No 4 2 3 2
380 10/31/2021 [Link] 25 Femenino Med_Hum No No 3 4 2 3
381 10/31/2021 [Link] 23 Femenino Med_Hum Si Si 3 2 3 2
382 10/31/2021 [Link] 23 Femenino Med_Hum No No 0 3 3 2
383 10/31/2021 [Link] 34 Femenino Biología No Si 2 3 3 3
384 10/31/2021 [Link] 25 Femenino Sociales Si Si 3 2 3 2
385 10/31/2021 [Link] 21 Masculino Física No Si 0 3 2 3
386 10/31/2021 [Link] 22 Masculino Med_Hum No No 0 4 0 3
387 10/31/2021 [Link] 47 Masculino Geológica No No 2 1 2 2
388 10/31/2021 [Link] 19 Masculino Derecho No No 0 3 3 3
389 10/31/2021 [Link] 27 Femenino Biología No No 3 4 4 3
390 10/31/2021 [Link] 30 Masculino Sociales No Si 0 4 3 3
391 10/31/2021 [Link] 21 Femenino Med_Hum No No 1 3 2 3
392 10/31/2021 [Link] 26 Masculino Contables No No 1 3 2 1
393 10/31/2021 [Link] 21 Femenino Industrial No Si 1 3 3 1
394 10/31/2021 [Link] 20 Femenino Psicología No No 0 4 2 4
395 10/31/2021 [Link] 30 Masculino Sociales No Si 2 4 2 4
396 10/31/2021 [Link] 27 Masculino Industrial No No 1 3 2 3
 135
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
397 10/31/2021 [Link] 21 Masculino Med_Hum Si No 3 1 2 2
398 10/31/2021 [Link] 23 Femenino Matemática No No 1 3 3 2
399 10/31/2021 [Link] 22 Femenino Med_Hum Si Si 1 3 3 3
400 10/31/2021 [Link] 20 Masculino Electrónica No Si 0 4 3 3
401 10/31/2021 [Link] 24 Masculino Derecho No Si 1 3 1 2
402 10/31/2021 [Link] 23 Masculino Geológica No Si 2 2 3 3
403 10/31/2021 [Link] 20 Femenino Derecho Si Si 3 2 3 2
404 10/31/2021 [Link] 33 Masculino Derecho No No 1 3 2 1
405 10/31/2021 [Link] 18 Masculino Odontología No No 1 2 3 3
406 10/31/2021 [Link] 28 Masculino Med_Hum No No 3 1 0 1
407 10/31/2021 [Link] 19 Femenino Sociales No No 3 3 4 4
408 10/31/2021 [Link] 19 Masculino Psicología No No 2 3 3 3
409 10/31/2021 [Link] 26 Femenino Med_Hum Si No 2 3 3 3
410 10/31/2021 [Link] 20 Femenino Contables Si Si 0 4 2 3
411 10/31/2021 [Link] 23 Femenino Psicología No No 3 4 2 3
412 10/31/2021 [Link] 25 Femenino Med_Hum No No 1 3 4 3
413 10/31/2021 [Link] 23 Femenino Med_Hum No No 3 3 4 3
414 10/31/2021 [Link] 26 Femenino Biología No No 2 1 2 3
415 10/31/2021 [Link] 24 Femenino Med_Hum No Si 3 2 2 1
416 10/31/2021 [Link] 31 Femenino Med_Hum Si Si 1 2 1 1
417 10/31/2021 [Link] 19 Masculino Contables No No 2 3 2 2
418 10/31/2021 [Link] 19 Masculino Med_Hum No Si 2 4 2 4
419 10/31/2021 [Link] 23 Femenino Industrial No No 2 3 2 3
420 10/31/2021 [Link] 21 Femenino Geológica Si No 1 4 3 3
421 10/31/2021 [Link] 23 Masculino Psicología No Si 1 3 3 3
422 10/31/2021 [Link] 53 Femenino Med_Hum No No 2 3 3 2
423 10/31/2021 [Link] 23 Femenino Contables No No 1 3 3 3
424 11/1/2021 [Link] 26 Femenino Administrativas Si Si 1 3 3 3
425 11/1/2021 [Link] 19 Masculino Psicología Si No 2 3 3 2
426 11/1/2021 [Link] 29 Femenino Industrial No No 3 1 3 2
427 11/1/2021 [Link] 21 Masculino Med_Hum No Si 1 3 3 3
428 11/1/2021 [Link] 19 Masculino Geológica Si No 1 3 2 3
429 11/1/2021 [Link] 18 Femenino Biología Si No 1 4 3 3
430 11/1/2021 [Link] 25 Femenino Med_Hum No No 1 4 3 4
431 11/1/2021 [Link] 20 Femenino Matemática No Si 0 3 2 3
432 11/1/2021 [Link] 20 Femenino Geológica No No 1 3 3 2
433 11/1/2021 [Link] 39 Femenino Sociales Si Si 1 3 3 3
434 11/1/2021 [Link] 21 Femenino Letras No Si 3 2 2 1
435 11/1/2021 [Link] 27 Femenino Med_Hum No No 3 2 1 2
436 11/1/2021 [Link] 20 Femenino Sistemas No Si 1 3 3 1
437 11/1/2021 [Link] 25 Masculino Geológica No No 0 3 3 3
438 11/1/2021 [Link] 19 Masculino Med_Hum Si No 2 3 3 2
439 11/1/2021 [Link] 31 Masculino Derecho Si No 1 3 2 3
440 11/1/2021 [Link] 24 Femenino Geológica No No 3 4 4 3
 136
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
441 11/1/2021 [Link] 21 Femenino Educación No Si 2 3 3 3
442 11/1/2021 [Link] 28 Masculino Odontología No No 0 3 2 3
443 11/1/2021 [Link] 26 Femenino Med_Hum No No 0 4 3 4
444 11/1/2021 [Link] 28 Femenino Industrial No No 2 2 1 3
445 11/1/2021 [Link] 24 Masculino Odontología No Si 0 3 2 2
446 11/1/2021 [Link] 24 Masculino Administrativas No No 2 1 2 2
447 11/1/2021 [Link] 26 Masculino Letras No No 3 4 2 4
448 11/1/2021 [Link] 21 Masculino Med_Hum No No 0 4 0 3
449 11/1/2021 [Link] 23 Masculino Derecho Si Si 0 3 3 2
450 11/1/2021 [Link] 30 Masculino Med_Vet No No 0 3 2 3
451 11/1/2021 [Link] 23 Femenino Med_Hum No No 3 3 4 4
452 11/1/2021 [Link] 23 Masculino Electrónica No No 1 2 3 3
453 11/1/2021 [Link] 22 Femenino Administrativas Si Si 1 4 3 3
454 11/1/2021 [Link] 21 Femenino Industrial No No 4 2 3 2
455 11/1/2021 [Link] 34 Femenino Contables Si No 1 2 3 3
456 11/1/2021 [Link] 18 Femenino Biología No No 1 3 3 3
457 11/1/2021 [Link] 22 Masculino Med_Hum No Si 0 3 2 3
458 11/1/2021 [Link] 22 Femenino Industrial Si No 1 2 3 3
459 11/1/2021 [Link] 23 Masculino Med_Hum Si No 2 3 3 2
460 11/1/2021 [Link] 23 Masculino Sociales No Si 1 3 3 3
461 11/1/2021 [Link] 22 Masculino Med_Hum No Si 0 4 4 4
462 11/1/2021 [Link] 22 Masculino Psicología No Si 0 3 2 3
463 11/1/2021 [Link] 26 Femenino Med_Hum No Si 3 2 2 1
464 11/1/2021 [Link] 32 Femenino Sociales Si No 1 3 3 3
465 11/1/2021 [Link] 24 Femenino Sistemas Si Si 0 2 2 2
466 11/1/2021 [Link] 27 Femenino Med_Hum No No 1 4 3 4
467 11/1/2021 [Link] 22 Femenino Med_Hum No No 3 4 4 3
468 11/1/2021 [Link] 19 Masculino Geológica No No 0 3 2 3
469 11/1/2021 [Link] 26 Masculino Administrativas No No 0 2 3 2
470 11/2/2021 [Link] 24 Femenino Med_Hum No No 1 3 3 3
471 11/2/2021 [Link] 21 Femenino Contables No Si 0 4 3 2
472 11/2/2021 [Link] 21 Masculino Med_Vet No No 2 1 3 2
473 11/2/2021 [Link] 29 Masculino Med_Hum Si No 1 3 2 3
474 11/2/2021 [Link] 28 Masculino Contables No Si 0 3 2 2
475 11/2/2021 [Link] 41 Femenino Educación No No 0 4 2 4
476 11/2/2021 [Link] 23 Femenino Sociales Si Si 0 2 2 2
477 11/2/2021 [Link] 19 Masculino Psicología No No 0 4 0 3
478 11/2/2021 [Link] 21 Femenino Contables No No 2 3 3 2
479 11/2/2021 [Link] 23 Masculino Contables No No 0 3 2 2
480 11/2/2021 [Link] 28 Masculino Administrativas No Si 2 2 3 3
481 11/2/2021 [Link] 21 Femenino Geológica Si Si 1 0 0 0
482 11/2/2021 [Link] 21 Masculino Sistemas No No 0 3 2 3
483 11/2/2021 [Link] 22 Femenino Económicas No No 3 4 2 3
484 11/2/2021 [Link] 19 Masculino Geológica No No 0 3 3 3
 137
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
485 11/2/2021 [Link] 29 Femenino Educación No No 0 3 3 2
486 11/2/2021 [Link] 19 Femenino Administrativas No No 0 3 3 3
487 11/2/2021 [Link] 24 Femenino Contables Si Si 1 3 3 3
488 11/2/2021 [Link] 19 Masculino Geológica No No 1 3 3 2
489 11/2/2021 [Link] 24 Masculino Odontología No No 0 4 0 3
490 11/2/2021 [Link] 25 Femenino Geológica No Si 1 3 2 2
491 11/2/2021 [Link] 26 Masculino Med_Hum Si No 1 2 3 0
492 11/2/2021 [Link] 20 Masculino Med_Hum No Si 1 3 1 2
493 11/2/2021 [Link] 19 Femenino Med_Hum No No 1 3 4 3
494 11/2/2021 [Link] 21 Femenino Biología No Si 0 2 3 2
495 11/2/2021 [Link] 20 Masculino Odontología Si No 2 3 3 2
496 11/2/2021 [Link] 21 Femenino Geológica No Si 0 2 3 2
497 11/2/2021 [Link] 29 Femenino Odontología No Si 1 3 3 1
498 11/2/2021 [Link] 21 Masculino Educación Si Si 0 3 2 4
499 11/2/2021 [Link] 21 Masculino Med_Vet Si Si 0 3 3 2
500 11/2/2021 [Link] 19 Femenino Química Si No 2 3 3 3
501 11/2/2021 [Link] 21 Femenino Med_Hum No No 0 3 3 3
502 11/2/2021 [Link] 25 Femenino Letras No No 0 3 2 1
503 11/2/2021 [Link] 22 Masculino Derecho No No 1 3 2 1
504 11/2/2021 [Link] 26 Femenino Med_Hum No No 0 2 2 1
505 11/2/2021 [Link] 19 Femenino Electrónica No Si 0 2 3 2
506 11/2/2021 [Link] 25 Femenino Administrativas No No 2 3 1 2
507 11/2/2021 [Link] 19 Femenino Biología Si Si 0 2 2 2
508 11/2/2021 [Link] 28 Masculino Administrativas No No 3 1 0 1
509 11/2/2021 [Link] 27 Femenino Administrativas Si No 1 3 3 3
510 11/2/2021 [Link] 20 Masculino Educación No No 0 2 3 2
511 11/2/2021 [Link] 23 Masculino Psicología No Si 1 3 3 3
512 11/2/2021 [Link] 25 Femenino Educación No No 1 3 2 3
513 11/2/2021 [Link] 28 Masculino Educación Si No 1 3 2 3
514 11/2/2021 [Link] 27 Femenino Industrial Si Si 0 3 3 2
515 11/2/2021 [Link] 28 Femenino Contables No Si 2 1 4 3
516 11/2/2021 [Link] 28 Femenino Derecho Si No 1 3 3 3
517 11/2/2021 [Link] 24 Femenino Sistemas No Si 0 2 3 2
518 11/2/2021 [Link] 20 Femenino Farmacia No No 1 3 2 2
519 11/2/2021 [Link] 22 Masculino Económicas No No 0 3 3 3
520 11/2/2021 [Link] 32 Femenino Educación No No 3 3 1 0
521 11/2/2021 [Link] 24 Masculino Odontología No Si 0 4 3 3
522 11/3/2021 [Link] 22 Femenino Psicología No No 1 4 3 4
523 11/3/2021 [Link] 23 Femenino Letras No No 1 3 4 2
524 11/3/2021 [Link] 38 Femenino Administrativas No Si 2 1 4 3
525 11/3/2021 [Link] 22 Masculino Industrial No Si 2 2 3 3
526 11/3/2021 [Link] 22 Masculino Geológica No Si 1 3 1 2
527 11/3/2021 [Link] 23 Masculino Farmacia No No 2 3 2 2
528 11/3/2021 [Link] 19 Masculino Med_Hum No Si 1 3 1 2
 138
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
529 11/3/2021 [Link] 19 Femenino Contables No No 1 3 4 2
530 11/3/2021 [Link] 26 Masculino Farmacia No Si 0 3 1 3
531 11/3/2021 [Link] 22 Masculino Geológica No No 1 3 3 2
532 11/3/2021 [Link] 25 Femenino Electrónica No No 1 3 4 3
533 11/3/2021 [Link] 23 Masculino Sistemas No Si 0 4 4 4
534 11/3/2021 [Link] 32 Femenino Med_Hum Si No 1 3 3 3
535 11/3/2021 [Link] 24 Femenino Med_Hum No Si 0 4 2 3
536 11/3/2021 [Link] 20 Femenino Administrativas No Si 0 4 4 4
537 11/3/2021 [Link] 21 Femenino Administrativas Si Si 1 3 3 3
538 11/3/2021 [Link] 20 Femenino Contables No No 3 1 3 2
539 11/3/2021 [Link] 21 Femenino Electrónica No No 1 3 4 3
540 11/3/2021 [Link] 20 Femenino Farmacia No Si 1 3 3 1
541 11/3/2021 [Link] 22 Femenino Med_Hum No No 2 3 3 2
542 11/3/2021 [Link] 32 Femenino Med_Vet No No 0 3 3 2
543 11/3/2021 [Link] 22 Masculino Med_Hum No Si 1 3 3 3
544 11/3/2021 [Link] 20 Femenino Contables No No 1 4 3 4
545 11/3/2021 [Link] 22 Masculino Sociales No No 1 3 3 2
546 11/3/2021 [Link] 32 Masculino Electrónica No Si 1 3 3 3
547 11/3/2021 [Link] 26 Femenino Sistemas No No 4 2 3 2
548 11/3/2021 [Link] 22 Femenino Sociales No Si 1 3 2 2
549 11/3/2021 [Link] 19 Masculino Med_Hum No No 0 3 2 2
550 11/3/2021 [Link] 24 Femenino Med_Hum Si No 1 4 3 3
551 11/3/2021 [Link] 25 Masculino Física No No 0 3 2 3
552 11/3/2021 [Link] 19 Masculino Sociales No Si 1 3 3 3
553 11/3/2021 [Link] 30 Femenino Derecho Si Si 0 3 3 2
554 11/3/2021 [Link] 22 Masculino Psicología No Si 0 4 3 3
555 11/3/2021 [Link] 29 Femenino Electrónica Si Si 1 3 3 3
556 11/3/2021 [Link] 19 Femenino Sociales No No 2 2 3 2
557 11/3/2021 [Link] 30 Masculino Psicología No Si 1 3 3 3
558 11/3/2021 [Link] 20 Femenino Derecho No No 1 3 2 2
559 11/3/2021 [Link] 22 Masculino Administrativas No Si 0 4 3 3
560 11/3/2021 [Link] 22 Masculino Geológica No No 1 3 2 3
561 11/3/2021 [Link] 24 Femenino Sociales No No 3 3 4 4
562 11/3/2021 [Link] 22 Femenino Med_Hum No No 0 4 2 4
563 11/3/2021 [Link] 20 Femenino Derecho No No 3 4 2 3
564 11/3/2021 [Link] 21 Masculino Psicología No Si 1 3 3 3
565 11/3/2021 [Link] 25 Femenino Med_Hum No No 3 3 1 0
566 11/3/2021 [Link] 18 Masculino Med_Hum Si Si 0 3 1 1
567 11/3/2021 [Link] 27 Femenino Med_Hum Si Si 3 2 3 2
568 11/3/2021 [Link] 31 Masculino Matemática No No 1 3 2 1
569 11/3/2021 [Link] 24 Femenino Sociales No Si 2 1 4 3
570 11/3/2021 [Link] 23 Masculino Económicas No No 0 3 3 2
571 11/3/2021 [Link] 21 Masculino Química No No 2 1 3 2
572 11/3/2021 [Link] 28 Femenino Educación No No 1 3 3 2
 139
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
573 11/3/2021 [Link] 21 Femenino Química No No 0 3 3 2
574 11/4/2021 [Link] 28 Femenino Geológica No No 1 3 4 3
575 11/4/2021 [Link] 39 Femenino Farmacia No No 0 2 2 1
576 11/4/2021 [Link] 20 Femenino Industrial No No 3 4 2 3
577 11/4/2021 [Link] 31 Masculino Contables No No 3 3 2 2
578 11/4/2021 [Link] 23 Femenino Psicología Si Si 1 2 1 1
579 11/4/2021 [Link] 22 Masculino Electrónica No No 0 4 0 3
580 11/4/2021 [Link] 22 Masculino Psicología No Si 2 2 3 3
581 11/4/2021 [Link] 21 Femenino Med_Hum No No 3 4 4 3
582 11/4/2021 [Link] 23 Masculino Administrativas No No 3 1 0 1
583 11/4/2021 [Link] 19 Femenino Med_Hum No No 0 4 3 4
584 11/4/2021 [Link] 31 Femenino Med_Hum No Si 1 3 3 1
585 11/4/2021 [Link] 24 Femenino Odontología No No 1 3 2 3
586 11/4/2021 [Link] 25 Femenino Sociales No No 3 4 4 3
587 11/4/2021 [Link] 27 Femenino Matemática No No 0 4 3 4
588 11/4/2021 [Link] 25 Femenino Odontología No No 3 3 4 4
589 11/4/2021 [Link] 22 Femenino Derecho No No 2 3 1 2
590 11/4/2021 [Link] 20 Femenino Med_Hum No Si 3 2 2 1
591 11/4/2021 [Link] 22 Masculino Biología Si Si 2 2 1 2
592 11/4/2021 [Link] 21 Masculino Derecho Si No 1 3 2 3
593 11/4/2021 [Link] 37 Masculino Psicología No No 0 3 3 3
594 11/4/2021 [Link] 23 Masculino Med_Hum No Si 2 2 3 3
595 11/4/2021 [Link] 26 Femenino Psicología No No 3 1 3 2
596 11/4/2021 [Link] 24 Femenino Administrativas No No 4 2 3 2
597 11/4/2021 [Link] 23 Masculino Sociales Si Si 0 3 2 4
598 11/4/2021 [Link] 41 Femenino Geológica No No 2 2 3 2
599 11/4/2021 [Link] 27 Femenino Med_Hum No No 3 4 2 3
600 11/4/2021 [Link] 40 Femenino Administrativas No No 4 2 3 2
601 11/4/2021 [Link] 18 Femenino Med_Hum Si Si 1 2 1 1
602 11/4/2021 [Link] 21 Femenino Matemática No Si 0 2 3 2
603 11/4/2021 [Link] 24 Masculino Geológica Si Si 0 3 3 2
604 11/4/2021 [Link] 20 Masculino Psicología No Si 3 3 4 3
605 11/4/2021 [Link] 26 Femenino Letras No No 3 4 4 3
606 11/4/2021 [Link] 22 Femenino Química No No 1 4 3 4
607 11/4/2021 [Link] 24 Femenino Contables No Si 0 4 2 3
608 11/4/2021 [Link] 22 Femenino Letras No No 0 2 2 1
609 11/4/2021 [Link] 22 Femenino Derecho No No 3 3 4 4
610 11/4/2021 [Link] 27 Masculino Med_Hum No Si 1 3 3 3
611 11/4/2021 [Link] 22 Femenino Med_Hum No No 0 3 3 3
612 11/4/2021 [Link] 22 Femenino Med_Hum No No 4 2 3 2
613 11/4/2021 [Link] 20 Femenino Biología No No 1 3 3 3
614 11/4/2021 [Link] 35 Femenino Sociales No No 3 3 1 0
615 11/4/2021 [Link] 25 Femenino Administrativas No No 2 2 3 2
616 11/4/2021 [Link] 19 Masculino Económicas No Si 0 4 4 4
 140
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
617 11/4/2021 [Link] 24 Masculino Psicología No No 1 3 2 1
618 11/4/2021 [Link] 21 Masculino Med_Hum No Si 1 3 3 3
619 11/4/2021 [Link] 32 Femenino Educación No No 1 3 3 3
620 11/4/2021 [Link] 24 Femenino Electrónica No No 4 2 3 2
621 11/4/2021 [Link] 19 Masculino Odontología Si No 1 2 3 0
622 11/4/2021 [Link] 23 Femenino Med_Hum No Si 0 3 3 2
623 11/4/2021 [Link] 21 Femenino Med_Hum No Si 0 4 3 2
624 11/5/2021 [Link] 32 Femenino Sociales Si No 2 3 3 3
625 11/5/2021 [Link] 24 Femenino Med_Hum No Si 1 3 3 1
626 11/5/2021 [Link] 25 Masculino Med_Hum No No 3 1 0 1
627 11/5/2021 [Link] 24 Masculino Sociales Si No 2 3 3 2
628 11/5/2021 [Link] 20 Femenino Med_Hum No Si 2 3 3 3
629 11/5/2021 [Link] 20 Masculino Industrial Si No 1 2 3 0
630 11/5/2021 [Link] 24 Masculino Industrial No No 1 3 3 2
631 11/5/2021 [Link] 20 Femenino Med_Vet No No 3 3 4 4
632 11/5/2021 [Link] 23 Femenino Med_Hum No No 2 3 2 3
633 11/5/2021 [Link] 20 Femenino Med_Hum Si Si 1 0 0 0
634 11/5/2021 [Link] 21 Femenino Psicología No No 0 3 2 2
635 11/5/2021 [Link] 28 Femenino Med_Hum No No 0 4 2 4
636 11/5/2021 [Link] 24 Femenino Biología No No 1 4 3 4
637 11/5/2021 [Link] 32 Femenino Derecho No Si 0 4 2 3
638 11/5/2021 [Link] 20 Femenino Med_Hum No No 2 3 3 2
639 11/5/2021 [Link] 24 Femenino Derecho No Si 0 2 3 2
640 11/5/2021 [Link] 26 Femenino Med_Hum Si Si 0 2 2 2
641 11/5/2021 [Link] 21 Femenino Electrónica Si Si 0 2 2 2
642 11/5/2021 [Link] 22 Femenino Geológica No No 3 1 3 2
643 11/5/2021 [Link] 21 Femenino Odontología No No 3 3 4 4
644 11/5/2021 [Link] 21 Masculino Sistemas No Si 0 4 3 3
645 11/5/2021 [Link] 21 Femenino Med_Hum No Si 0 4 2 3
646 11/5/2021 [Link] 33 Masculino Med_Hum No No 0 3 2 3
647 11/5/2021 [Link] 19 Masculino Letras Si Si 0 3 2 4
648 11/5/2021 [Link] 30 Masculino Med_Hum No Si 0 3 2 2
649 11/5/2021 [Link] 23 Masculino Med_Hum No No 1 2 3 3
650 11/5/2021 [Link] 33 Femenino Contables No No 0 4 2 4
651 11/5/2021 [Link] 24 Femenino Letras No No 4 2 3 2
652 11/5/2021 [Link] 18 Femenino Med_Hum No Si 0 4 4 4
653 11/5/2021 [Link] 26 Femenino Administrativas No No 4 2 3 2
654 11/5/2021 [Link] 23 Masculino Electrónica No No 0 4 3 3
655 11/5/2021 [Link] 21 Masculino Med_Hum No Si 2 2 3 3
656 11/5/2021 [Link] 21 Masculino Sociales Si Si 0 3 2 4
657 11/5/2021 [Link] 22 Masculino Sociales No Si 1 3 1 2
658 11/5/2021 [Link] 23 Masculino Med_Hum No Si 2 4 2 4
659 11/5/2021 [Link] 27 Masculino Sociales No No 0 3 2 3
660 11/5/2021 [Link] 19 Masculino Industrial No Si 2 2 3 3
 141
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
661 11/5/2021 [Link] 42 Femenino Administrativas No Si 0 3 2 3
662 11/5/2021 [Link] 24 Femenino Geológica No No 1 3 3 3
663 11/5/2021 [Link] 31 Masculino Psicología No Si 0 4 3 3
664 11/5/2021 [Link] 24 Femenino Económicas No Si 0 4 2 3
665 11/5/2021 [Link] 22 Masculino Med_Hum No No 0 3 3 2
666 11/5/2021 [Link] 24 Femenino Psicología No Si 0 2 3 2
667 11/5/2021 [Link] 29 Masculino Med_Hum No Si 1 3 1 2
668 11/5/2021 [Link] 23 Femenino Psicología No No 3 3 4 3
669 11/5/2021 [Link] 25 Femenino Odontología No No 2 3 3 2
670 11/5/2021 [Link] 25 Masculino Med_Hum No Si 2 2 3 3
671 11/5/2021 [Link] 20 Femenino Med_Hum No No 2 2 3 2
672 11/5/2021 [Link] 26 Femenino Med_Hum No No 2 3 2 3
673 11/5/2021 [Link] 28 Femenino Med_Hum No No 1 3 3 2
674 11/5/2021 [Link] 24 Masculino Biología No Si 1 3 3 3
675 11/5/2021 [Link] 26 Femenino Med_Hum No No 1 3 2 3
676 11/5/2021 [Link] 21 Femenino Letras Si Si 0 3 3 3
677 11/5/2021 [Link] 28 Femenino Geológica Si Si 0 2 2 2
678 11/5/2021 [Link] 22 Femenino Matemática No Si 3 2 2 1
679 11/6/2021 [Link] 34 Femenino Letras No No 0 3 3 3
680 11/6/2021 [Link] 34 Femenino Industrial No Si 0 3 2 3
681 11/6/2021 [Link] 23 Masculino Industrial No No 0 4 3 3
682 11/6/2021 [Link] 29 Masculino Contables No Si 1 3 3 3
683 11/6/2021 [Link] 24 Masculino Psicología No No 1 2 3 3
684 11/6/2021 [Link] 19 Masculino Sociales No Si 0 4 3 3
685 11/6/2021 [Link] 21 Femenino Med_Hum Si No 2 3 3 3
686 11/6/2021 [Link] 23 Masculino Med_Hum No No 3 1 0 1
687 11/6/2021 [Link] 24 Masculino Med_Hum No No 0 3 2 3
688 11/6/2021 [Link] 25 Femenino Administrativas No No 0 3 2 1
689 11/6/2021 [Link] 21 Femenino Med_Hum No Si 3 2 2 1
690 11/6/2021 [Link] 22 Femenino Industrial No Si 2 1 4 3
691 11/6/2021 [Link] 19 Masculino Med_Hum No Si 0 3 2 2
692 11/6/2021 [Link] 19 Femenino Biología No No 0 3 2 1
693 11/6/2021 [Link] 23 Masculino Sistemas No No 3 1 0 1
694 11/6/2021 [Link] 22 Femenino Sociales No No 2 3 2 3
695 11/6/2021 [Link] 25 Masculino Letras No Si 2 2 3 3
696 11/6/2021 [Link] 22 Femenino Med_Hum No No 3 1 3 2
697 11/6/2021 [Link] 26 Masculino Contables No No 0 4 0 3
698 11/6/2021 [Link] 22 Masculino Med_Hum No Si 1 3 3 3
699 11/6/2021 [Link] 22 Femenino Psicología No No 1 3 2 3
700 11/6/2021 [Link] 24 Masculino Med_Hum No No 0 3 2 3
701 11/6/2021 [Link] 21 Masculino Administrativas Si Si 0 3 1 1
702 11/6/2021 [Link] 19 Masculino Med_Hum No No 1 3 2 1
703 11/6/2021 [Link] 22 Femenino Geológica No No 1 3 2 2
704 11/6/2021 [Link] 25 Masculino Derecho No Si 3 3 4 3
 142
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
705 11/6/2021 [Link] 24 Femenino Química Si Si 1 3 2 3
706 11/6/2021 [Link] 22 Femenino Física No Si 0 2 3 2
707 11/6/2021 [Link] 20 Femenino Administrativas Si No 1 2 3 3
708 11/6/2021 [Link] 25 Masculino Derecho No No 1 3 2 3
709 11/6/2021 [Link] 26 Masculino Med_Hum No No 0 4 3 3
710 11/6/2021 [Link] 22 Femenino Geológica Si Si 0 3 3 2
711 11/6/2021 [Link] 22 Masculino Med_Hum No No 3 3 2 2
712 11/6/2021 [Link] 22 Femenino Geológica No No 2 3 3 2
713 11/6/2021 [Link] 29 Masculino Administrativas No No 3 3 2 2
714 11/6/2021 [Link] 19 Femenino Psicología Si No 1 4 3 3
715 11/6/2021 [Link] 21 Masculino Psicología No No 2 1 3 2
716 11/6/2021 [Link] 23 Femenino Industrial No No 1 3 2 3
717 11/6/2021 [Link] 18 Femenino Farmacia Si Si 1 4 3 3
718 11/6/2021 [Link] 29 Femenino Administrativas No No 4 2 3 2
719 11/6/2021 [Link] 23 Femenino Farmacia No Si 0 3 3 2
720 11/6/2021 [Link] 23 Femenino Med_Hum No No 0 4 2 4
721 11/6/2021 [Link] 20 Femenino Med_Hum Si Si 0 3 3 3
722 11/8/2021 [Link] 32 Masculino Farmacia Si Si 1 4 1 3
723 11/9/2021 [Link] 20 Masculino Derecho No Si 1 4 1 3
724 11/12/2021 [Link] 21 Femenino Administrativas No Si 0 4 3 3
725 11/15/2021 [Link] 20 Masculino Med_Hum No No 3 2 3 2
726 11/3/2021 [Link] 22 Femenino Geológica No No 1 3 4 2
727 11/3/2021 [Link] 20 Femenino Económicas No Si 2 1 4 3
728 11/3/2021 [Link] 38 Masculino Contables No Si 0 3 2 2
729 11/3/2021 [Link] 26 Femenino Geológica No No 1 3 3 3
730 11/3/2021 [Link] 23 Masculino Industrial No No 1 4 3 2
731 11/3/2021 [Link] 25 Femenino Letras Si No 1 4 3 3
732 11/4/2021 [Link] 22 Masculino Química No No 3 3 2 2
733 11/4/2021 [Link] 21 Femenino Matemática Si Si 1 2 1 1
734 11/4/2021 [Link] 18 Masculino Contables No No 1 3 3 2
735 11/5/2021 [Link] 23 Masculino Med_Hum No Si 1 3 1 2
736 11/6/2021 [Link] 22 Femenino Med_Hum No Si 0 4 4 4
737 11/6/2021 [Link] 21 Masculino Farmacia No Si 3 3 4 3
738 11/6/2021 [Link] 23 Femenino Industrial No No 0 3 2 1
739 11/6/2021 [Link] 25 Masculino Med_Vet No Si 1 3 3 3
740 11/6/2021 [Link] 26 Femenino Sistemas No No 0 3 3 2
741 11/6/2021 [Link] 23 Masculino Geológica No No 3 4 2 4
742 11/6/2021 [Link] 24 Femenino Industrial No Si 0 3 3 2
743 11/7/2021 [Link] 20 Femenino Med_Hum No No 0 4 3 4
744 11/9/2021 [Link] 20 Femenino Psicología No No 0 3 2 2
745 11/9/2021 [Link] 25 Masculino Med_Hum No Si 3 3 4 3
746 11/9/2021 [Link] 22 Masculino Psicología No No 3 2 3 2
747 11/9/2021 [Link] 22 Masculino Administrativas Si Si 0 0 3 2
748 11/9/2021 [Link] 24 Femenino Med_Hum No Si 3 3 3 3
 143
Anexo 4. Base de datos
¿Ha tenido
contacto con
¿Ha un caso
presentado sintomático de
ID Marca temporal Edad Sexo Facultad COVID-19? COVID-19? P1 P2 P3 P4
749 11/9/2021 [Link] 21 Femenino Sociales Si Si 3 3 2 3
750 11/10/2021 [Link] 20 Masculino Administrativas Si Si 1 2 0 4
751 11/11/2021 [Link] 20 Femenino Med_Hum Si Si 3 3 4 3
752 11/12/2021 [Link] 22 Masculino Industrial Si No 2 2 1 3
753 11/12/2021 [Link] 19 Femenino Sistemas No Si 3 1 3 3
754 11/12/2021 [Link] 20 Femenino Contables No No 3 2 3 2
755 11/14/2021 [Link] 20 Masculino Med_Hum No Si 1 2 3 2
756 11/14/2021 [Link] 22 Femenino Med_Hum No Si 3 2 3 2
 144
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
1 4 2 2 3 2 4 1 0 4 1 4 0 3 2 4 4 0 1 4 3
2 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
3 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
4 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
5 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
6 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
7 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
8 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
9 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
10 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
11 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
12 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
13 3 3 4 2 3 4 1 4 4 4 4 0 4 2 3 3 0 3 2 2
14 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
15 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
16 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
17 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
18 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
19 3 3 3 1 4 3 3 1 3 4 3 0 4 2 3 1 1 1 2 3
20 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
21 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
22 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
23 2 1 1 3 4 3 1 0 3 4 3 2 1 3 2 2 0 2 4 1
24 4 3 3 1 3 4 2 3 3 1 4 3 4 1 3 1 3 2 1 2
25 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
26 1 3 2 1 3 3 3 2 2 4 3 3 2 1 2 2 2 2 2 2
27 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
28 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
29 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
30 3 2 2 2 4 2 1 3 2 4 3 1 2 2 2 2 1 2 2 3
31 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
32 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
33 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
34 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
35 4 1 3 1 4 3 0 2 4 4 3 0 4 3 3 4 0 3 2 4
36 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
37 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
38 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
39 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
40 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
41 2 2 3 2 3 3 1 2 3 2 3 1 2 3 2 2 2 2 3 3
42 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
43 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
44 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
 145
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
45 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
46 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
47 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
48 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
49 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
50 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
51 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
52 1 3 2 1 2 1 2 3 3 3 2 2 1 3 2 1 2 1 2 2
53 2 3 3 3 3 3 1 3 3 2 3 2 3 2 3 2 2 2 3 2
54 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
55 3 4 0 3 3 0 1 0 0 3 0 1 4 0 3 1 1 0 3 0
56 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
57 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
58 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
59 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
60 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
61 4 1 4 2 2 4 0 4 4 4 4 0 4 2 4 3 0 2 2 3
62 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
63 2 1 1 2 2 3 1 0 2 3 2 1 0 3 3 2 1 2 1 1
64 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
65 3 2 3 2 2 3 1 2 3 2 3 1 3 2 2 3 2 2 2 3
66 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
67 3 2 3 3 2 3 1 3 3 3 3 1 3 2 2 3 2 2 2 3
68 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
69 4 4 4 2 2 4 4 4 4 1 4 0 4 3 4 3 2 3 1 4
70 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
71 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
72 2 3 3 0 2 3 3 2 3 4 4 1 2 2 2 4 3 3 1 4
73 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
74 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
75 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
76 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
77 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
78 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
79 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
80 3 1 3 4 4 4 0 0 3 4 4 0 2 3 3 3 0 2 4 2
81 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
82 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
83 1 3 2 1 4 2 3 0 2 4 4 2 1 2 1 1 3 1 3 2
84 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
85 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
86 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
87 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
88 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
 146
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
89 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
90 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
91 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
92 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
93 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
94 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
95 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
96 3 3 3 4 2 3 3 3 3 3 4 3 1 4 3 3 3 3 4 3
97 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
98 2 3 3 3 3 2 2 3 3 1 3 1 2 2 3 1 0 2 4 2
99 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
100 1 2 4 0 3 2 1 0 3 2 3 2 1 2 2 1 1 3 1 1
101 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
102 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
103 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
104 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
105 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
106 4 2 2 3 2 4 1 0 4 1 4 0 3 2 4 4 0 1 4 3
107 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
108 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
109 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
110 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
111 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
112 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
113 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
114 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
115 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
116 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
117 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
118 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
119 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
120 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
121 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
122 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
123 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
124 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
125 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
126 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
127 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
128 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
129 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
130 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
131 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
132 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
 147
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
133 4 1 3 1 4 3 0 2 4 4 3 0 4 3 3 4 0 3 2 4
134 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
135 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
136 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
137 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
138 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
139 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
140 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
141 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
142 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
143 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
144 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
145 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
146 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
147 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
148 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
149 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
150 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
151 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
152 4 3 3 1 3 4 2 3 3 1 4 3 4 1 3 1 3 2 1 2
153 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
154 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
155 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
156 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
157 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
158 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
159 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
160 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
161 3 2 3 2 2 3 1 2 3 2 3 1 3 2 2 3 2 2 2 3
162 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
163 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
164 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
165 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
166 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
167 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
168 1 2 4 0 3 2 1 0 3 2 3 2 1 2 2 1 1 3 1 1
169 3 3 4 2 3 4 1 4 4 4 4 0 4 2 3 3 0 3 2 2
170 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
171 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
172 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
173 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
174 2 1 1 3 4 3 1 0 3 4 3 2 1 3 2 2 0 2 4 1
175 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
176 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
 148
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
177 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
178 3 3 4 2 3 4 1 4 4 4 4 0 4 2 3 3 0 3 2 2
179 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
180 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
181 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
182 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
183 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
184 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
185 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
186 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
187 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
188 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
189 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
190 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
191 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
192 1 3 2 1 4 2 3 0 2 4 4 2 1 2 1 1 3 1 3 2
193 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
194 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
195 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
196 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
197 3 3 3 4 2 3 3 3 3 3 4 3 1 4 3 3 3 3 4 3
198 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
199 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
200 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
201 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
202 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
203 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
204 4 2 2 3 2 4 1 0 4 1 4 0 3 2 4 4 0 1 4 3
205 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
206 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
207 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
208 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
209 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
210 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
211 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
212 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
213 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
214 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
215 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
216 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
217 3 4 0 3 3 0 1 0 0 3 0 1 4 0 3 1 1 0 3 0
218 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
219 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
220 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
 149
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
221 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
222 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
223 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
224 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
225 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
226 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
227 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
228 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
229 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
230 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
231 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
232 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
233 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
234 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
235 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
236 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
237 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
238 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
239 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
240 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
241 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
242 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
243 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
244 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
245 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
246 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
247 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
248 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
249 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
250 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
251 3 3 3 1 4 3 3 1 3 4 3 0 4 2 3 1 1 1 2 3
252 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
253 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
254 1 3 2 1 3 3 3 2 2 4 3 3 2 1 2 2 2 2 2 2
255 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
256 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
257 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
258 3 2 3 2 2 3 1 2 3 2 3 1 3 2 2 3 2 2 2 3
259 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
260 4 4 4 2 2 4 4 4 4 1 4 0 4 3 4 3 2 3 1 4
261 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
262 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
263 4 1 4 2 2 4 0 4 4 4 4 0 4 2 4 3 0 2 2 3
264 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
 150
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
265 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
266 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
267 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
268 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
269 3 2 3 3 2 3 1 3 3 3 3 1 3 2 2 3 2 2 2 3
270 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
271 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
272 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
273 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
274 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
275 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
276 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
277 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
278 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
279 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
280 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
281 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
282 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
283 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
284 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
285 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
286 3 3 3 1 4 3 3 1 3 4 3 0 4 2 3 1 1 1 2 3
287 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
288 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
289 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
290 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
291 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
292 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
293 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
294 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
295 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
296 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
297 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
298 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
299 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
300 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
301 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
302 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
303 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
304 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
305 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
306 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
307 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
308 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
 151
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
309 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
310 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
311 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
312 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
313 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
314 2 2 3 2 3 3 1 2 3 2 3 1 2 3 2 2 2 2 3 3
315 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
316 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
317 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
318 3 3 3 1 4 3 3 1 3 4 3 0 4 2 3 1 1 1 2 3
319 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
320 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
321 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
322 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
323 2 3 3 3 3 3 1 3 3 2 3 2 3 2 3 2 2 2 3 2
324 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
325 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
326 1 3 2 1 3 3 3 2 2 4 3 3 2 1 2 2 2 2 2 2
327 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
328 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
329 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
330 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
331 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
332 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
333 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
334 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
335 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
336 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
337 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
338 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
339 3 3 4 2 3 4 1 4 4 4 4 0 4 2 3 3 0 3 2 2
340 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
341 2 1 1 3 4 3 1 0 3 4 3 2 1 3 2 2 0 2 4 1
342 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
343 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
344 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
345 3 1 3 4 4 4 0 0 3 4 4 0 2 3 3 3 0 2 4 2
346 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
347 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
348 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
349 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
350 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
351 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
352 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
 152
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
353 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
354 4 1 4 2 2 4 0 4 4 4 4 0 4 2 4 3 0 2 2 3
355 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
356 3 2 3 2 2 3 4 2 3 3 3 0 3 2 3 3 3 1 2 3
357 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
358 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
359 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
360 2 3 3 0 2 3 3 2 3 4 4 1 2 2 2 4 3 3 1 4
361 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
362 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
363 3 1 3 4 4 4 0 0 3 4 4 0 2 3 3 3 0 2 4 2
364 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
365 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
366 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
367 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
368 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
369 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
370 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
371 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
372 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
373 1 2 4 0 3 2 1 0 3 2 3 2 1 2 2 1 1 3 1 1
374 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
375 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
376 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
377 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
378 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
379 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
380 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
381 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
382 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
383 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
384 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
385 2 2 3 2 3 3 1 2 3 2 3 1 2 3 2 2 2 2 3 3
386 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
387 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
388 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
389 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
390 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
391 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
392 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
393 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
394 4 1 4 2 2 4 0 4 4 4 4 0 4 2 4 3 0 2 2 3
395 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
396 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
 153
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
397 4 3 3 1 3 4 2 3 3 1 4 3 4 1 3 1 3 2 1 2
398 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
399 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
400 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
401 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
402 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
403 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
404 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
405 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
406 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
407 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
408 2 1 1 2 2 3 1 0 2 3 2 1 0 3 3 2 1 2 1 1
409 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
410 3 3 4 2 3 4 1 4 4 4 4 0 4 2 3 3 0 3 2 2
411 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
412 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
413 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
414 1 3 2 1 4 2 3 0 2 4 4 2 1 2 1 1 3 1 3 2
415 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
416 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
417 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
418 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
419 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
420 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
421 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
422 3 2 3 3 2 3 1 3 3 3 3 1 3 2 2 3 2 2 2 3
423 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
424 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
425 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
426 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
427 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
428 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
429 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
430 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
431 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
432 1 3 1 3 3 1 3 1 3 2 1 2 1 4 2 0 3 1 4 0
433 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
434 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
435 2 2 2 1 3 2 2 1 2 3 2 3 1 2 2 2 2 1 1 1
436 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
437 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
438 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
439 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
440 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
 154
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
441 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
442 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
443 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
444 1 3 2 1 3 3 3 2 2 4 3 3 2 1 2 2 2 2 2 2
445 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
446 3 2 2 2 4 3 1 1 2 3 2 1 1 3 3 3 2 1 3 3
447 1 2 4 0 3 2 1 0 3 2 3 2 1 2 2 1 1 3 1 1
448 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
449 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
450 2 3 3 0 2 3 3 2 3 4 4 1 2 2 2 4 3 3 1 4
451 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
452 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
453 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
454 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
455 2 3 3 3 3 3 1 3 3 2 3 2 3 2 3 2 2 2 3 2
456 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
457 2 2 3 2 3 3 1 2 3 2 3 1 2 3 2 2 2 2 3 3
458 2 3 3 3 3 3 1 3 3 2 3 2 3 2 3 2 2 2 3 2
459 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
460 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
461 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
462 2 2 3 2 3 3 1 2 3 2 3 1 2 3 2 2 2 2 3 3
463 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
464 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
465 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
466 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
467 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
468 2 3 3 0 2 3 3 2 3 4 4 1 2 2 2 4 3 3 1 4
469 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
470 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
471 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
472 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
473 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
474 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
475 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
476 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
477 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
478 3 2 3 3 2 3 1 3 3 3 3 1 3 2 2 3 2 2 2 3
479 3 1 3 4 4 4 0 0 3 4 4 0 2 3 3 3 0 2 4 2
480 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
481 3 4 0 3 3 0 1 0 0 3 0 1 4 0 3 1 1 0 3 0
482 2 3 3 0 2 3 3 2 3 4 4 1 2 2 2 4 3 3 1 4
483 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
484 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
 155
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
485 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
486 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
487 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
488 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
489 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
490 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
491 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
492 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
493 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
494 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
495 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
496 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
497 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
498 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
499 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
500 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
501 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
502 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
503 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
504 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
505 4 3 2 4 3 4 2 0 2 4 4 0 1 3 2 3 1 0 3 2
506 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
507 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
508 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
509 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
510 2 2 3 2 4 3 2 2 3 3 3 1 3 2 1 2 1 1 2 1
511 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
512 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
513 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
514 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
515 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
516 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
517 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
518 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
519 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
520 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
521 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
522 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
523 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
524 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
525 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
526 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
527 1 3 3 2 3 2 2 2 1 3 2 2 3 2 3 2 2 2 2 2
528 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
 156
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
529 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
530 4 1 3 1 4 3 0 2 4 4 3 0 4 3 3 4 0 3 2 4
531 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
532 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
533 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
534 4 1 3 4 2 3 3 3 4 2 4 0 3 3 1 2 3 1 4 4
535 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
536 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
537 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
538 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
539 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
540 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
541 3 2 3 3 2 3 1 3 3 3 3 1 3 2 2 3 2 2 2 3
542 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
543 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
544 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
545 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
546 2 3 3 3 3 2 2 3 3 1 3 1 2 2 3 1 0 2 4 2
547 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
548 2 2 3 2 3 3 1 1 2 3 3 1 3 3 2 2 1 2 2 2
549 3 1 3 4 4 4 0 0 3 4 4 0 2 3 3 3 0 2 4 2
550 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
551 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
552 2 3 3 3 3 2 2 3 3 1 3 1 2 2 3 1 0 2 4 2
553 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
554 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
555 2 1 3 1 1 3 1 3 3 1 3 1 3 3 2 2 0 2 3 3
556 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
557 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
558 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
559 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
560 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
561 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
562 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
563 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
564 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
565 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
566 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
567 1 3 3 4 2 2 1 1 2 1 2 3 1 3 2 1 3 1 3 2
568 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
569 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
570 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
571 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
572 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
 157
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
573 2 3 2 3 4 3 3 3 3 4 3 3 3 4 1 2 3 3 4 0
574 2 2 2 4 3 2 2 2 3 3 3 1 3 4 3 2 2 2 4 2
575 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
576 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
577 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
578 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
579 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
580 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
581 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
582 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
583 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
584 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
585 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
586 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
587 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
588 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
589 4 1 3 0 4 3 2 4 3 3 3 0 3 0 3 2 1 2 1 3
590 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
591 1 3 2 1 2 1 2 3 3 3 2 2 1 3 2 1 2 1 2 2
592 1 3 2 2 3 2 3 3 3 2 2 2 3 2 1 1 3 2 4 2
593 3 1 4 3 3 2 2 4 4 3 3 0 3 4 3 3 2 2 4 4
594 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
595 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
596 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
597 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
598 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
599 1 1 2 3 1 3 1 3 0 4 1 1 4 3 1 0 4 2 3 1
600 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
601 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
602 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
603 4 0 3 4 3 4 3 3 4 4 4 0 4 3 0 4 1 2 4 3
604 3 3 3 4 2 3 3 3 3 3 4 3 1 4 3 3 3 3 4 3
605 1 4 4 4 4 2 3 3 2 4 3 2 4 4 4 0 3 2 3 4
606 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
607 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
608 3 1 2 3 4 3 1 2 3 4 3 0 3 3 3 3 1 1 2 1
609 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
610 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
611 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
612 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
613 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
614 3 3 1 1 1 1 4 2 3 2 3 3 1 1 3 1 4 0 2 2
615 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
616 4 0 4 2 4 4 2 2 4 2 4 0 4 4 2 4 0 2 4 2
 158
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
617 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
618 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
619 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
620 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
621 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
622 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
623 2 1 2 2 4 4 1 2 3 4 4 0 4 4 2 2 0 2 1 4
624 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
625 2 2 3 4 1 3 2 3 3 1 3 0 3 2 1 2 1 3 1 3
626 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
627 1 3 2 4 2 2 2 1 3 2 1 1 2 3 1 2 3 1 3 2
628 2 2 2 2 3 3 3 1 3 3 3 2 2 3 2 3 3 1 1 2
629 2 2 2 3 2 2 2 0 4 1 3 1 2 3 1 2 0 1 4 2
630 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
631 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
632 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
633 3 4 0 3 3 0 1 0 0 3 0 1 4 0 3 1 1 0 3 0
634 2 1 1 3 4 3 1 0 3 4 3 2 1 3 2 2 0 2 4 1
635 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
636 2 0 2 3 4 4 0 2 4 4 4 1 4 4 4 2 0 2 3 3
637 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
638 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
639 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
640 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
641 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
642 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
643 0 3 4 2 3 2 3 1 4 3 2 1 3 3 3 1 3 1 3 1
644 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
645 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
646 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
647 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
648 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
649 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
650 4 1 4 2 2 4 0 4 4 4 4 0 4 2 4 3 0 2 2 3
651 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
652 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
653 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
654 4 4 4 2 2 4 4 4 4 1 4 0 4 3 4 3 2 3 1 4
655 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
656 3 3 4 2 3 4 1 2 3 4 4 0 4 2 3 4 0 2 3 3
657 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
658 1 3 3 1 4 2 2 2 3 4 3 2 4 2 3 1 1 0 3 3
659 4 2 2 3 2 4 1 0 4 1 4 0 3 2 4 4 0 1 4 3
660 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
 159
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
661 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
662 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
663 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
664 2 1 3 3 4 3 1 3 3 4 3 0 2 2 3 3 1 1 1 2
665 4 1 2 4 4 4 0 2 3 4 4 0 4 3 3 3 1 3 4 1
666 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
667 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
668 0 3 4 3 2 2 3 3 3 2 2 3 1 4 3 0 2 2 3 3
669 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
670 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
671 2 3 2 4 2 3 3 2 2 3 3 1 2 3 3 2 2 1 2 2
672 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
673 4 2 4 1 3 3 2 2 3 3 2 0 3 3 3 2 2 1 1 2
674 2 3 3 3 3 2 2 3 3 1 3 1 2 2 3 1 0 2 4 2
675 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
676 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
677 3 2 2 3 3 3 0 1 2 3 3 0 2 2 3 2 2 2 3 2
678 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
679 3 0 4 3 3 4 0 1 4 4 4 0 3 3 4 3 0 2 3 3
680 4 3 2 2 3 3 0 2 3 3 3 0 4 2 4 2 0 2 2 3
681 4 4 4 2 2 4 4 4 4 1 4 0 4 3 4 3 2 3 1 4
682 0 3 3 4 3 3 4 0 3 3 2 0 2 3 4 1 1 0 4 3
683 1 2 2 3 3 3 1 3 4 3 2 1 2 3 1 1 1 2 3 1
684 3 1 3 3 2 3 2 3 3 2 3 0 4 3 3 3 0 3 3 3
685 2 3 4 2 3 3 1 3 2 2 3 0 3 3 3 2 1 3 1 2
686 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
687 4 2 2 3 2 4 1 0 4 1 4 0 3 2 4 4 0 1 4 3
688 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
689 3 2 3 2 2 1 2 3 2 2 2 3 2 2 1 1 1 3 2 2
690 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
691 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
692 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
693 0 3 2 0 3 0 4 0 3 4 0 4 0 2 4 0 4 1 3 2
694 3 2 3 2 1 3 2 3 2 2 2 3 3 1 2 3 1 2 4 3
695 1 1 3 3 3 3 2 2 3 3 2 2 2 3 2 2 2 1 3 2
696 1 3 2 2 2 2 4 2 3 1 2 2 0 4 3 2 3 2 3 3
697 4 2 2 1 1 3 2 3 3 2 3 1 3 3 1 2 1 2 3 2
698 3 2 4 2 3 3 1 3 4 3 3 0 3 3 2 3 1 2 1 2
699 3 2 3 1 3 3 1 2 0 4 4 0 2 4 3 3 0 1 3 3
700 3 2 3 2 4 3 1 3 3 3 3 0 3 2 4 3 1 2 1 2
701 0 0 3 2 3 4 1 3 4 3 4 0 4 2 1 4 1 1 3 2
702 1 3 2 1 4 1 1 0 4 1 3 1 3 4 1 2 3 1 2 0
703 3 2 2 3 4 3 0 2 2 4 3 0 3 3 2 2 1 2 2 1
704 3 3 3 4 2 3 3 3 3 3 4 3 1 4 3 3 3 3 4 3
 160
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
705 3 3 3 1 4 3 3 1 3 4 3 0 4 2 3 1 1 1 2 3
706 2 3 2 3 2 3 1 2 4 3 3 0 1 3 1 2 1 1 4 2
707 2 3 3 3 3 3 1 3 3 2 3 2 3 2 3 2 2 2 3 2
708 3 4 3 2 4 3 1 3 3 4 3 0 4 2 3 3 1 2 3 2
709 4 4 4 2 2 4 4 4 4 1 4 0 4 3 4 3 2 3 1 4
710 3 2 3 3 3 3 1 3 3 3 3 0 3 3 3 3 1 2 3 3
711 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
712 3 3 3 3 0 3 3 2 3 0 3 2 3 3 3 2 1 2 2 1
713 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
714 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
715 2 3 1 3 1 2 3 1 3 2 2 3 1 3 1 3 3 1 3 2
716 4 2 2 2 4 3 1 2 4 4 3 1 3 2 2 3 0 1 1 3
717 1 2 2 3 3 2 3 3 3 4 3 2 3 3 2 1 2 3 1 3
718 2 4 4 4 4 2 2 1 1 4 4 4 0 4 4 4 0 4 2 4
719 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
720 1 2 4 3 4 4 2 4 4 4 4 0 4 3 4 2 0 4 2 3
721 3 1 3 3 3 4 1 2 3 3 4 0 3 3 3 3 0 3 2 3
722 2 1 3 0 4 4 2 2 4 4 4 1 4 2 3 3 2 2 3 3
723 2 1 4 1 4 3 2 3 3 3 3 0 4 2 3 3 1 3 3 3
724 4 3 4 3 4 4 2 4 4 4 4 0 4 4 3 4 3 2 2 2
725 1 3 3 3 3 1 4 1 4 1 1 3 1 3 4 2 3 1 4 4
726 2 2 3 3 1 3 0 1 3 2 4 0 3 3 2 2 0 2 2 3
727 3 3 2 2 1 2 3 3 2 1 3 1 2 3 1 2 3 0 3 2
728 1 3 2 1 2 4 1 4 4 2 4 0 4 1 2 1 1 1 1 2
729 3 3 2 3 3 3 1 1 3 3 3 2 2 3 3 2 1 1 3 3
730 3 2 3 3 3 3 2 2 3 4 3 0 3 3 4 3 1 2 1 4
731 3 1 3 1 3 4 1 3 3 2 4 1 3 3 2 3 0 2 1 2
732 1 3 2 1 1 1 2 2 3 3 2 1 3 3 2 0 2 1 2 3
733 1 2 3 2 4 3 0 1 2 4 3 0 3 2 4 2 0 1 0 4
734 2 2 3 3 2 3 3 1 2 2 3 2 2 2 2 3 2 1 2 2
735 3 2 3 1 3 3 1 1 3 4 3 1 2 1 2 2 1 2 1 3
736 4 3 4 4 4 4 1 4 4 4 4 0 4 4 4 4 1 3 2 4
737 3 3 3 4 2 3 3 3 3 3 4 3 1 4 3 3 3 3 4 3
738 4 1 2 3 2 3 0 0 4 2 4 0 2 2 4 3 2 0 2 0
739 2 3 3 3 3 2 2 3 3 1 3 1 2 2 3 1 0 2 4 2
740 3 2 3 3 2 3 2 1 3 2 3 0 2 3 2 3 2 1 2 2
741 1 2 4 0 3 2 1 0 3 2 3 2 1 2 2 1 1 3 1 1
742 3 4 3 4 4 3 3 0 3 4 4 0 4 3 3 2 1 0 3 3
743 1 2 4 4 4 3 3 3 4 4 3 1 4 3 3 1 2 1 2 4
744 2 3 4 2 2 4 2 4 4 3 3 0 4 2 4 2 2 3 2 3
745 1 3 2 4 3 2 1 1 4 4 2 3 2 4 3 3 3 1 4 3
746 1 2 2 1 4 1 2 1 3 4 2 3 1 3 1 1 1 1 2 2
747 0 0 2 3 4 0 4 0 3 4 0 3 4 3 4 0 2 0 2 1
748 3 3 2 3 1 2 1 0 3 3 2 0 3 3 1 1 3 1 3 3
 161
Anexo 4. Base de datos

ID P5' P6' P7 P8' P9' P10 P11 P12 P13 P14' P15 P16 P17' P18 P19' P20 P21 P22 P23' P24
749 0 4 3 4 3 0 4 1 1 3 1 4 0 3 1 3 3 3 3 1
750 0 4 4 0 3 2 0 4 2 4 2 2 2 3 0 2 0 3 2 2
751 2 3 3 3 3 2 3 2 4 3 3 3 2 4 2 2 2 2 3 3
752 2 2 3 3 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
753 2 3 2 4 2 2 2 0 4 2 3 3 2 4 4 3 3 0 3 4
754 1 3 3 3 3 1 3 3 2 3 3 3 1 3 3 1 3 3 2 1
755 2 3 2 2 1 3 3 1 3 4 3 0 1 4 2 2 3 1 2 1
756 1 3 2 4 1 2 3 1 2 3 3 3 1 3 2 1 2 1 1 2
 162
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
1 4 0 2 3 1 4 2 4 2 0 4 3 1 4 3 4 1 2 4
2 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
3 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
4 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
5 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
6 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
7 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
8 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
9 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
10 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
11 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
12 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
13 3 1 3 2 3 4 1 3 2 3 4 2 3 3 3 4 1 4 2
14 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
15 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
16 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
17 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
18 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
19 3 3 3 3 1 3 1 3 3 2 2 1 2 2 3 3 3 1 3
20 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
21 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
22 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
23 4 3 4 2 4 4 2 3 2 2 3 3 2 3 1 2 2 3 2
24 4 3 4 4 0 4 3 3 3 1 4 3 1 4 1 3 2 4 3
25 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
26 2 4 1 2 2 2 3 2 2 1 2 3 1 2 2 2 3 2 2
27 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
28 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
29 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
30 3 1 2 2 2 3 1 2 3 4 1 3 2 1 2 2 2 4 2
31 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
32 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
33 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
34 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
35 3 1 4 2 2 3 2 2 3 4 3 2 2 2 2 4 0 3 2
36 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
37 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
38 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
39 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
40 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
41 2 2 2 2 2 3 2 2 3 1 2 2 2 2 3 2 2 2 1
42 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
43 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
44 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
 163
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
45 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
46 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
47 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
48 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
49 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
50 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
51 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
52 3 3 1 3 2 4 3 2 2 2 3 3 1 2 1 2 2 2 2
53 3 2 2 1 2 2 2 1 1 2 3 2 2 2 3 2 3 3 3
54 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
55 0 1 3 0 0 0 1 0 0 4 0 0 3 4 0 0 4 3 3
56 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
57 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
58 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
59 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
60 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
61 3 3 4 0 2 4 0 4 2 4 4 1 4 4 2 4 0 4 3
62 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
63 3 1 2 1 2 1 2 3 2 2 1 3 3 1 3 2 3 2 3
64 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
65 3 2 3 3 2 2 2 3 3 1 3 3 1 1 2 3 1 2 1
66 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
67 2 3 1 2 2 3 2 3 3 3 3 2 1 2 3 3 2 1 2
68 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
69 2 3 4 2 3 4 4 3 3 1 4 0 3 0 4 4 1 2 4
70 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
71 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
72 4 4 2 2 3 3 1 3 2 3 4 4 1 4 1 2 1 3 3
73 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
74 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
75 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
76 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
77 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
78 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
79 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
80 4 1 3 2 2 4 0 3 2 4 4 1 2 4 2 4 1 2 4
81 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
82 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
83 3 2 1 3 2 3 2 1 1 2 2 3 1 1 3 2 2 2 2
84 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
85 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
86 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
87 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
88 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
 164
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
89 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
90 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
91 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
92 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
93 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
94 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
95 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
96 3 3 1 4 4 4 3 2 4 2 3 3 2 4 3 3 2 3 3
97 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
98 2 1 4 2 2 2 0 2 1 3 1 1 3 2 2 2 3 4 4
99 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
100 2 2 2 2 3 3 0 3 1 3 3 1 1 2 1 3 2 3 1
101 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
102 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
103 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
104 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
105 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
106 4 0 2 3 1 4 2 4 2 0 4 3 1 4 3 4 1 2 4
107 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
108 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
109 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
110 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
111 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
112 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
113 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
114 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
115 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
116 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
117 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
118 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
119 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
120 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
121 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
122 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
123 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
124 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
125 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
126 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
127 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
128 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
129 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
130 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
131 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
132 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
 165
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
133 3 1 4 2 2 3 2 2 3 4 3 2 2 2 2 4 0 3 2
134 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
135 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
136 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
137 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
138 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
139 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
140 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
141 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
142 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
143 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
144 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
145 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
146 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
147 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
148 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
149 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
150 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
151 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
152 4 3 4 4 0 4 3 3 3 1 4 3 1 4 1 3 2 4 3
153 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
154 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
155 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
156 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
157 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
158 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
159 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
160 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
161 3 2 3 3 2 2 2 3 3 1 3 3 1 1 2 3 1 2 1
162 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
163 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
164 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
165 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
166 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
167 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
168 2 2 2 2 3 3 0 3 1 3 3 1 1 2 1 3 2 3 1
169 3 1 3 2 3 4 1 3 2 3 4 2 3 3 3 4 1 4 2
170 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
171 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
172 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
173 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
174 4 3 4 2 4 4 2 3 2 2 3 3 2 3 1 2 2 3 2
175 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
176 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
 166
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
177 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
178 3 1 3 2 3 4 1 3 2 3 4 2 3 3 3 4 1 4 2
179 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
180 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
181 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
182 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
183 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
184 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
185 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
186 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
187 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
188 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
189 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
190 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
191 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
192 3 2 1 3 2 3 2 1 1 2 2 3 1 1 3 2 2 2 2
193 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
194 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
195 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
196 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
197 3 3 1 4 4 4 3 2 4 2 3 3 2 4 3 3 2 3 3
198 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
199 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
200 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
201 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
202 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
203 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
204 4 0 2 3 1 4 2 4 2 0 4 3 1 4 3 4 1 2 4
205 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
206 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
207 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
208 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
209 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
210 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
211 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
212 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
213 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
214 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
215 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
216 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
217 0 1 3 0 0 0 1 0 0 4 0 0 3 4 0 0 4 3 3
218 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
219 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
220 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
 167
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
221 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
222 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
223 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
224 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
225 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
226 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
227 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
228 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
229 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
230 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
231 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
232 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
233 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
234 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
235 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
236 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
237 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
238 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
239 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
240 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
241 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
242 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
243 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
244 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
245 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
246 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
247 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
248 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
249 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
250 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
251 3 3 3 3 1 3 1 3 3 2 2 1 2 2 3 3 3 1 3
252 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
253 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
254 2 4 1 2 2 2 3 2 2 1 2 3 1 2 2 2 3 2 2
255 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
256 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
257 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
258 3 2 3 3 2 2 2 3 3 1 3 3 1 1 2 3 1 2 1
259 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
260 2 3 4 2 3 4 4 3 3 1 4 0 3 0 4 4 1 2 4
261 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
262 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
263 3 3 4 0 2 4 0 4 2 4 4 1 4 4 2 4 0 4 3
264 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
 168
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
265 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
266 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
267 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
268 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
269 2 3 1 2 2 3 2 3 3 3 3 2 1 2 3 3 2 1 2
270 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
271 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
272 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
273 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
274 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
275 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
276 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
277 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
278 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
279 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
280 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
281 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
282 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
283 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
284 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
285 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
286 3 3 3 3 1 3 1 3 3 2 2 1 2 2 3 3 3 1 3
287 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
288 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
289 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
290 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
291 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
292 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
293 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
294 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
295 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
296 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
297 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
298 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
299 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
300 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
301 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
302 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
303 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
304 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
305 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
306 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
307 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
308 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
 169
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
309 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
310 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
311 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
312 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
313 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
314 2 2 2 2 2 3 2 2 3 1 2 2 2 2 3 2 2 2 1
315 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
316 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
317 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
318 3 3 3 3 1 3 1 3 3 2 2 1 2 2 3 3 3 1 3
319 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
320 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
321 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
322 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
323 3 2 2 1 2 2 2 1 1 2 3 2 2 2 3 2 3 3 3
324 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
325 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
326 2 4 1 2 2 2 3 2 2 1 2 3 1 2 2 2 3 2 2
327 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
328 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
329 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
330 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
331 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
332 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
333 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
334 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
335 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
336 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
337 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
338 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
339 3 1 3 2 3 4 1 3 2 3 4 2 3 3 3 4 1 4 2
340 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
341 4 3 4 2 4 4 2 3 2 2 3 3 2 3 1 2 2 3 2
342 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
343 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
344 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
345 4 1 3 2 2 4 0 3 2 4 4 1 2 4 2 4 1 2 4
346 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
347 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
348 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
349 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
350 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
351 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
352 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
 170
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
353 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
354 3 3 4 0 2 4 0 4 2 4 4 1 4 4 2 4 0 4 3
355 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
356 3 3 1 1 3 3 3 3 2 3 3 3 3 1 3 3 1 3 1
357 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
358 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
359 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
360 4 4 2 2 3 3 1 3 2 3 4 4 1 4 1 2 1 3 3
361 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
362 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
363 4 1 3 2 2 4 0 3 2 4 4 1 2 4 2 4 1 2 4
364 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
365 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
366 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
367 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
368 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
369 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
370 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
371 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
372 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
373 2 2 2 2 3 3 0 3 1 3 3 1 1 2 1 3 2 3 1
374 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
375 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
376 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
377 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
378 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
379 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
380 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
381 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
382 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
383 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
384 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
385 2 2 2 2 2 3 2 2 3 1 2 2 2 2 3 2 2 2 1
386 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
387 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
388 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
389 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
390 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
391 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
392 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
393 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
394 3 3 4 0 2 4 0 4 2 4 4 1 4 4 2 4 0 4 3
395 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
396 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
 171
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
397 4 3 4 4 0 4 3 3 3 1 4 3 1 4 1 3 2 4 3
398 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
399 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
400 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
401 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
402 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
403 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
404 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
405 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
406 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
407 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
408 3 1 2 1 2 1 2 3 2 2 1 3 3 1 3 2 3 2 3
409 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
410 3 1 3 2 3 4 1 3 2 3 4 2 3 3 3 4 1 4 2
411 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
412 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
413 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
414 3 2 1 3 2 3 2 1 1 2 2 3 1 1 3 2 2 2 2
415 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
416 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
417 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
418 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
419 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
420 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
421 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
422 2 3 1 2 2 3 2 3 3 3 3 2 1 2 3 3 2 1 2
423 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
424 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
425 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
426 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
427 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
428 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
429 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
430 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
431 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
432 1 3 2 4 1 2 3 2 2 1 3 3 1 4 2 2 3 2 3
433 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
434 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
435 2 3 1 3 2 3 3 2 2 1 3 3 1 1 1 2 2 1 1
436 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
437 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
438 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
439 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
440 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
 172
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
441 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
442 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
443 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
444 2 4 1 2 2 2 3 2 2 1 2 3 1 2 2 2 3 2 2
445 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
446 3 1 1 2 3 3 3 1 1 2 1 2 1 3 1 2 1 1 1
447 2 2 2 2 3 3 0 3 1 3 3 1 1 2 1 3 2 3 1
448 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
449 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
450 4 4 2 2 3 3 1 3 2 3 4 4 1 4 1 2 1 3 3
451 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
452 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
453 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
454 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
455 3 2 2 1 2 2 2 1 1 2 3 2 2 2 3 2 3 3 3
456 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
457 2 2 2 2 2 3 2 2 3 1 2 2 2 2 3 2 2 2 1
458 3 2 2 1 2 2 2 1 1 2 3 2 2 2 3 2 3 3 3
459 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
460 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
461 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
462 2 2 2 2 2 3 2 2 3 1 2 2 2 2 3 2 2 2 1
463 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
464 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
465 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
466 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
467 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
468 4 4 2 2 3 3 1 3 2 3 4 4 1 4 1 2 1 3 3
469 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
470 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
471 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
472 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
473 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
474 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
475 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
476 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
477 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
478 2 3 1 2 2 3 2 3 3 3 3 2 1 2 3 3 2 1 2
479 4 1 3 2 2 4 0 3 2 4 4 1 2 4 2 4 1 2 4
480 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
481 0 1 3 0 0 0 1 0 0 4 0 0 3 4 0 0 4 3 3
482 4 4 2 2 3 3 1 3 2 3 4 4 1 4 1 2 1 3 3
483 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
484 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
 173
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
485 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
486 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
487 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
488 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
489 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
490 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
491 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
492 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
493 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
494 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
495 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
496 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
497 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
498 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
499 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
500 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
501 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
502 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
503 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
504 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
505 4 0 1 2 2 2 0 3 2 3 3 2 1 3 1 3 0 1 3
506 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
507 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
508 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
509 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
510 4 2 2 1 2 3 2 1 3 1 4 1 3 0 1 4 1 2 1
511 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
512 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
513 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
514 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
515 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
516 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
517 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
518 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
519 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
520 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
521 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
522 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
523 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
524 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
525 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
526 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
527 3 3 1 2 2 2 2 1 1 3 1 1 2 2 2 2 3 3 1
528 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
 174
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
529 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
530 3 1 4 2 2 3 2 2 3 4 3 2 2 2 2 4 0 3 2
531 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
532 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
533 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
534 2 1 3 3 2 3 1 2 3 4 3 2 2 4 3 3 1 3 3
535 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
536 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
537 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
538 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
539 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
540 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
541 2 3 1 2 2 3 2 3 3 3 3 2 1 2 3 3 2 1 2
542 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
543 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
544 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
545 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
546 2 1 4 2 2 2 0 2 1 3 1 1 3 2 2 2 3 4 4
547 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
548 3 2 3 1 1 2 1 4 2 3 2 1 3 2 2 2 1 3 3
549 4 1 3 2 2 4 0 3 2 4 4 1 2 4 2 4 1 2 4
550 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
551 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
552 2 1 4 2 2 2 0 2 1 3 1 1 3 2 2 2 3 4 4
553 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
554 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
555 3 3 1 3 3 3 1 1 3 1 3 3 1 3 3 3 1 1 2
556 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
557 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
558 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
559 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
560 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
561 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
562 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
563 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
564 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
565 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
566 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
567 3 3 0 3 2 2 3 1 4 1 2 3 1 3 2 2 3 1 3
568 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
569 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
570 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
571 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
572 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
 175
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
573 3 4 3 3 2 3 3 3 2 1 4 3 2 4 1 3 4 2 3
574 3 3 1 4 3 3 2 2 4 3 2 2 2 2 3 3 1 3 3
575 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
576 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
577 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
578 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
579 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
580 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
581 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
582 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
583 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
584 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
585 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
586 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
587 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
588 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
589 3 3 3 1 1 3 2 2 1 4 3 3 3 1 2 3 2 3 1
590 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
591 3 3 1 3 2 4 3 2 2 2 3 3 1 2 1 2 2 2 2
592 1 3 3 2 3 1 3 1 1 1 0 3 2 1 0 2 3 2 4
593 3 3 2 3 3 3 2 3 3 3 3 2 2 3 3 3 1 3 3
594 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
595 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
596 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
597 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
598 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
599 2 4 4 4 4 1 3 1 3 0 2 4 0 3 0 2 3 2 4
600 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
601 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
602 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
603 3 0 4 1 1 4 1 4 4 3 4 4 3 4 3 4 1 4 3
604 3 3 1 4 4 4 3 2 4 2 3 3 2 4 3 3 2 3 3
605 3 4 3 2 3 3 3 2 3 4 1 2 2 2 2 2 3 1 1
606 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
607 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
608 1 1 2 2 2 3 1 2 3 2 2 2 1 3 3 3 1 1 1
609 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
610 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
611 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
612 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
613 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
614 3 4 0 3 0 3 3 2 3 1 3 4 1 2 0 3 2 1 2
615 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
616 4 0 4 2 4 4 0 4 4 4 4 0 2 0 4 4 0 2 4
 176
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
617 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
618 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
619 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
620 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
621 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
622 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
623 4 1 4 4 3 4 1 3 4 4 4 1 1 4 3 4 1 1 2
624 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
625 2 3 3 2 0 2 1 3 3 1 3 3 3 1 2 2 3 4 1
626 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
627 3 2 1 3 2 2 2 2 3 3 2 2 1 3 2 2 2 1 3
628 3 4 1 3 2 3 3 2 3 2 3 3 0 2 3 3 2 1 1
629 3 1 2 2 2 2 1 2 2 1 2 1 2 4 1 3 1 2 4
630 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
631 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
632 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
633 0 1 3 0 0 0 1 0 0 4 0 0 3 4 0 0 4 3 3
634 4 3 4 2 4 4 2 3 2 2 3 3 2 3 1 2 2 3 2
635 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
636 4 3 4 1 2 4 2 3 2 4 3 2 1 4 0 3 0 3 2
637 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
638 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
639 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
640 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
641 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
642 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
643 1 3 1 3 1 2 1 1 4 3 1 1 2 3 1 1 2 3 3
644 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
645 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
646 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
647 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
648 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
649 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
650 3 3 4 0 2 4 0 4 2 4 4 1 4 4 2 4 0 4 3
651 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
652 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
653 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
654 2 3 4 2 3 4 4 3 3 1 4 0 3 0 4 4 1 2 4
655 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
656 4 1 2 1 3 3 1 3 2 4 3 2 2 1 4 3 0 4 4
657 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
658 2 3 2 3 3 3 3 2 3 1 4 3 1 3 3 3 1 1 3
659 4 0 2 3 1 4 2 4 2 0 4 3 1 4 3 4 1 2 4
660 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
 177
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
661 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
662 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
663 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
664 3 1 3 1 4 3 3 3 1 3 3 1 3 3 3 3 1 3 3
665 3 1 3 3 3 3 0 4 3 3 3 1 2 4 4 4 0 2 4
666 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
667 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
668 2 4 0 3 3 2 3 3 2 4 1 3 2 3 3 2 3 3 3
669 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
670 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
671 3 2 1 3 1 2 3 3 3 2 3 3 1 2 3 2 2 1 3
672 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
673 3 1 3 3 2 2 2 3 3 1 1 2 2 4 2 3 1 2 1
674 2 1 4 2 2 2 0 2 1 3 1 1 3 2 2 2 3 4 4
675 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
676 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
677 3 0 2 3 0 2 2 1 2 1 2 2 1 2 2 3 0 4 3
678 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
679 4 1 3 1 3 4 1 3 3 4 3 1 2 3 3 4 0 3 2
680 3 2 3 1 3 1 0 2 2 3 2 1 2 2 2 2 1 3 1
681 2 3 4 2 3 4 4 3 3 1 4 0 3 0 4 4 1 2 4
682 4 4 1 4 1 4 3 1 3 3 3 3 0 4 3 2 1 2 3
683 3 2 2 2 2 1 2 3 2 3 2 3 2 1 2 2 2 2 3
684 4 1 4 3 1 3 0 3 3 2 3 1 1 3 3 3 0 3 3
685 3 2 2 3 2 3 1 2 2 1 3 3 2 3 2 2 1 2 1
686 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
687 4 0 2 3 1 4 2 4 2 0 4 3 1 4 3 4 1 2 4
688 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
689 3 4 2 3 2 1 2 1 2 2 1 3 2 2 2 3 3 3 2
690 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
691 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
692 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
693 1 2 0 3 1 0 1 0 0 3 1 3 1 4 1 0 2 1 3
694 3 2 2 2 1 3 1 3 0 3 1 1 3 3 3 3 2 2 3
695 2 3 2 1 2 2 1 2 3 2 2 3 3 2 1 2 2 3 2
696 4 4 0 4 2 3 3 2 3 0 1 3 0 4 2 2 3 2 2
697 3 2 3 2 2 3 1 3 2 1 3 1 2 1 1 3 1 3 3
698 3 2 3 2 3 3 2 3 3 3 3 1 2 3 3 3 1 3 2
699 4 1 3 1 2 2 2 3 1 3 1 1 3 3 1 3 1 2 3
700 3 2 3 2 3 3 1 2 1 3 3 2 2 2 2 3 1 2 2
701 4 0 4 1 0 3 1 3 3 0 3 3 2 3 2 3 1 3 3
702 4 4 1 1 0 3 3 2 4 1 2 4 1 4 1 2 1 1 4
703 3 2 3 2 1 2 1 2 1 3 3 1 2 3 1 2 2 2 3
704 3 3 1 4 4 4 3 2 4 2 3 3 2 4 3 3 2 3 3
 178
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
705 3 3 3 3 1 3 1 3 3 2 2 1 2 2 3 3 3 1 3
706 3 3 2 3 2 3 1 2 3 1 2 3 1 2 2 3 1 2 3
707 3 2 2 1 2 2 2 1 1 2 3 2 2 2 3 2 3 3 3
708 3 1 2 2 1 2 1 2 2 3 3 1 2 3 2 2 2 3 2
709 2 3 4 2 3 4 4 3 3 1 4 0 3 0 4 4 1 2 4
710 3 1 3 2 3 3 1 2 3 3 2 2 2 3 3 3 1 3 2
711 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
712 3 2 1 4 2 3 2 3 4 2 2 2 1 3 2 3 1 3 1
713 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
714 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
715 4 3 2 3 2 3 3 1 4 1 2 3 1 3 2 3 2 1 2
716 4 3 3 2 1 4 2 3 3 2 4 3 2 2 3 3 1 2 1
717 3 2 4 2 2 2 3 3 2 4 1 3 1 3 3 2 2 4 1
718 4 4 0 4 4 4 4 4 4 4 2 1 1 4 2 0 4 2 2
719 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
720 4 2 3 3 4 4 0 4 4 4 2 2 3 3 4 4 1 4 3
721 3 3 4 1 1 2 1 3 2 3 2 2 3 3 3 4 1 2 3
722 3 3 2 2 2 4 3 3 3 1 2 3 2 1 3 3 1 2 3
723 3 2 3 3 2 3 1 3 3 3 3 3 2 3 3 3 1 3 2
724 4 0 4 4 3 4 1 4 4 4 4 3 4 4 4 4 1 3 1
725 1 3 1 3 2 1 1 3 3 2 1 3 1 3 1 3 2 1 3
726 2 2 1 3 1 4 1 3 3 4 3 3 1 3 1 3 1 2 3
727 3 3 1 1 2 2 3 1 2 1 3 3 1 2 1 2 2 1 3
728 3 2 2 3 3 3 3 4 3 2 3 3 2 1 3 3 1 1 1
729 3 3 2 3 3 4 2 2 3 3 3 3 1 3 3 3 2 1 2
730 3 3 3 2 3 4 3 3 3 3 3 1 2 2 3 3 1 2 2
731 3 1 3 3 1 4 2 3 3 3 3 2 3 2 3 4 1 2 1
732 2 3 1 4 4 3 3 3 1 2 1 3 2 3 1 3 2 3 2
733 3 0 2 0 1 2 1 1 0 4 2 3 0 3 2 3 1 3 3
734 4 2 2 3 3 2 3 2 2 2 3 3 1 2 1 3 1 2 2
735 3 1 2 2 2 3 1 2 2 3 2 2 1 2 2 2 1 2 1
736 4 2 4 4 2 4 0 4 4 4 4 1 4 4 3 4 0 4 4
737 3 3 1 4 4 4 3 2 4 2 3 3 2 4 3 3 2 3 3
738 3 2 2 0 0 4 2 3 0 1 4 2 2 2 2 4 0 2 2
739 2 1 4 2 2 2 0 2 1 3 1 1 3 2 2 2 3 4 4
740 3 3 3 1 2 3 2 2 3 1 2 3 2 3 3 3 1 2 3
741 2 2 2 2 3 3 0 3 1 3 3 1 1 2 1 3 2 3 1
742 3 3 1 3 3 4 3 2 3 4 1 1 1 4 4 4 3 1 2
743 4 2 3 4 4 3 1 2 1 2 0 3 3 4 3 4 0 3 4
744 1 4 2 2 2 2 2 3 3 2 2 3 3 2 2 3 3 2 2
745 3 2 2 2 3 3 1 3 3 3 1 3 1 4 2 3 2 1 3
746 1 2 2 2 3 3 2 1 1 1 2 3 0 3 3 2 2 1 1
747 1 2 0 2 3 0 2 0 4 1 0 2 0 1 1 1 0 1 2
748 3 1 3 1 3 3 3 1 3 4 1 3 1 3 2 3 3 2 3
 179
Anexo 4. Base de datos

ID P25 P26 P27' P28 P29 P30 P31 P32 P33 P34' P35 P36 P37' P38' P39 P40 P41' P42' P43'
749 4 4 0 4 3 3 4 3 3 1 2 3 0 3 3 3 4 3 2
750 0 4 0 2 0 3 4 2 1 2 3 4 2 0 0 2 2 4 0
751 2 3 2 3 3 3 3 3 3 3 3 3 2 3 1 3 2 2 3
752 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
753 3 4 1 2 4 2 3 2 1 1 4 3 2 4 2 3 2 1 3
754 3 3 1 1 2 1 3 1 1 3 3 3 2 2 1 2 3 2 3
755 4 3 1 2 3 3 3 3 2 0 2 3 2 2 1 3 1 3 3
756 2 3 1 3 2 3 3 2 4 2 3 3 1 3 4 2 3 1 2
 180
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
1 4 4 3 3 3 2 4 0 3 2 1 4 0 2 2 3 4
2 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
3 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
4 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
5 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
6 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
7 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
8 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
9 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
10 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
11 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
12 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
13 4 4 0 4 3 4 1 2 3 1 1 3 0 4 3 4 2
14 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
15 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
16 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
17 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
18 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
19 3 3 1 1 1 3 1 1 3 2 1 1 4 3 1 3 1
20 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
21 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
22 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
23 3 3 2 2 3 2 2 3 3 1 0 1 3 1 3 4 2
24 4 3 3 2 3 2 3 1 2 3 2 0 1 4 1 0 2
25 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
26 3 2 3 2 3 2 1 3 2 2 2 1 2 2 2 2 1
27 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
28 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
29 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
30 2 2 3 2 2 2 3 1 2 1 2 1 1 3 3 3 1
31 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
32 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
33 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
34 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
35 4 4 0 3 3 3 2 1 3 3 1 2 0 3 2 4 3
36 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
37 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
38 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
39 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
40 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
41 3 3 2 2 2 3 1 3 2 2 2 1 2 2 2 2 1
42 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
43 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
44 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
 181
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
45 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
46 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
47 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
48 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
49 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
50 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
51 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
52 3 2 2 1 3 1 2 3 2 2 2 2 1 1 2 3 1
53 4 2 3 2 2 3 2 3 3 1 3 3 1 2 2 3 3
54 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
55 0 0 4 0 0 0 3 1 0 1 4 3 4 3 3 3 3
56 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
57 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
58 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
59 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
60 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
61 2 4 4 4 3 2 1 1 2 3 1 3 0 4 1 1 4
62 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
63 2 1 1 2 1 1 3 1 1 2 2 3 1 1 2 2 3
64 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
65 3 3 1 2 2 3 2 2 2 2 2 2 1 2 2 2 1
66 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
67 3 3 2 3 2 3 1 3 2 1 3 2 2 2 3 3 1
68 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
69 4 4 0 4 3 2 1 0 4 0 0 1 0 0 0 3 0
70 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
71 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
72 3 3 3 3 3 3 4 0 2 0 4 3 1 3 1 3 2
73 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
74 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
75 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
76 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
77 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
78 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
79 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
80 3 4 0 2 2 3 4 0 3 3 0 4 2 2 1 3 3
81 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
82 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
83 4 4 3 1 3 2 0 2 2 1 2 3 2 2 3 4 4
84 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
85 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
86 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
87 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
88 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
 182
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
89 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
90 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
91 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
92 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
93 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
94 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
95 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
96 4 3 2 2 3 3 2 2 3 1 2 1 3 3 3 4 4
97 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
98 2 2 2 2 1 2 2 1 2 1 2 4 2 2 4 3 3
99 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
100 4 3 1 3 2 3 2 2 3 3 0 2 1 4 3 3 2
101 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
102 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
103 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
104 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
105 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
106 4 4 3 3 3 2 4 0 3 2 1 4 0 2 2 3 4
107 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
108 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
109 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
110 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
111 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
112 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
113 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
114 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
115 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
116 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
117 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
118 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
119 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
120 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
121 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
122 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
123 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
124 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
125 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
126 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
127 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
128 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
129 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
130 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
131 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
132 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
 183
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
133 4 4 0 3 3 3 2 1 3 3 1 2 0 3 2 4 3
134 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
135 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
136 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
137 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
138 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
139 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
140 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
141 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
142 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
143 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
144 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
145 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
146 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
147 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
148 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
149 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
150 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
151 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
152 4 3 3 2 3 2 3 1 2 3 2 0 1 4 1 0 2
153 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
154 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
155 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
156 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
157 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
158 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
159 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
160 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
161 3 3 1 2 2 3 2 2 2 2 2 2 1 2 2 2 1
162 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
163 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
164 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
165 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
166 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
167 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
168 4 3 1 3 2 3 2 2 3 3 0 2 1 4 3 3 2
169 4 4 0 4 3 4 1 2 3 1 1 3 0 4 3 4 2
170 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
171 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
172 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
173 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
174 3 3 2 2 3 2 2 3 3 1 0 1 3 1 3 4 2
175 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
176 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
 184
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
177 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
178 4 4 0 4 3 4 1 2 3 1 1 3 0 4 3 4 2
179 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
180 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
181 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
182 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
183 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
184 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
185 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
186 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
187 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
188 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
189 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
190 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
191 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
192 4 4 3 1 3 2 0 2 2 1 2 3 2 2 3 4 4
193 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
194 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
195 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
196 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
197 4 3 2 2 3 3 2 2 3 1 2 1 3 3 3 4 4
198 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
199 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
200 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
201 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
202 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
203 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
204 4 4 3 3 3 2 4 0 3 2 1 4 0 2 2 3 4
205 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
206 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
207 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
208 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
209 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
210 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
211 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
212 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
213 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
214 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
215 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
216 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
217 0 0 4 0 0 0 3 1 0 1 4 3 4 3 3 3 3
218 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
219 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
220 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
 185
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
221 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
222 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
223 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
224 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
225 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
226 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
227 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
228 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
229 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
230 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
231 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
232 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
233 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
234 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
235 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
236 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
237 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
238 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
239 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
240 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
241 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
242 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
243 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
244 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
245 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
246 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
247 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
248 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
249 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
250 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
251 3 3 1 1 1 3 1 1 3 2 1 1 4 3 1 3 1
252 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
253 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
254 3 2 3 2 3 2 1 3 2 2 2 1 2 2 2 2 1
255 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
256 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
257 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
258 3 3 1 2 2 3 2 2 2 2 2 2 1 2 2 2 1
259 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
260 4 4 0 4 3 2 1 0 4 0 0 1 0 0 0 3 0
261 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
262 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
263 2 4 4 4 3 2 1 1 2 3 1 3 0 4 1 1 4
264 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
 186
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
265 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
266 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
267 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
268 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
269 3 3 2 3 2 3 1 3 2 1 3 2 2 2 3 3 1
270 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
271 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
272 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
273 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
274 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
275 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
276 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
277 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
278 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
279 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
280 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
281 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
282 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
283 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
284 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
285 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
286 3 3 1 1 1 3 1 1 3 2 1 1 4 3 1 3 1
287 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
288 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
289 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
290 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
291 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
292 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
293 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
294 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
295 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
296 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
297 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
298 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
299 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
300 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
301 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
302 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
303 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
304 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
305 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
306 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
307 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
308 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
 187
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
309 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
310 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
311 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
312 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
313 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
314 3 3 2 2 2 3 1 3 2 2 2 1 2 2 2 2 1
315 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
316 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
317 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
318 3 3 1 1 1 3 1 1 3 2 1 1 4 3 1 3 1
319 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
320 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
321 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
322 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
323 4 2 3 2 2 3 2 3 3 1 3 3 1 2 2 3 3
324 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
325 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
326 3 2 3 2 3 2 1 3 2 2 2 1 2 2 2 2 1
327 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
328 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
329 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
330 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
331 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
332 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
333 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
334 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
335 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
336 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
337 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
338 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
339 4 4 0 4 3 4 1 2 3 1 1 3 0 4 3 4 2
340 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
341 3 3 2 2 3 2 2 3 3 1 0 1 3 1 3 4 2
342 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
343 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
344 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
345 3 4 0 2 2 3 4 0 3 3 0 4 2 2 1 3 3
346 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
347 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
348 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
349 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
350 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
351 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
352 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
 188
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
353 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
354 2 4 4 4 3 2 1 1 2 3 1 3 0 4 1 1 4
355 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
356 4 3 1 3 3 3 1 1 1 1 3 3 2 3 3 3 3
357 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
358 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
359 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
360 3 3 3 3 3 3 4 0 2 0 4 3 1 3 1 3 2
361 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
362 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
363 3 4 0 2 2 3 4 0 3 3 0 4 2 2 1 3 3
364 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
365 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
366 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
367 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
368 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
369 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
370 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
371 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
372 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
373 4 3 1 3 2 3 2 2 3 3 0 2 1 4 3 3 2
374 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
375 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
376 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
377 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
378 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
379 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
380 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
381 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
382 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
383 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
384 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
385 3 3 2 2 2 3 1 3 2 2 2 1 2 2 2 2 1
386 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
387 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
388 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
389 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
390 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
391 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
392 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
393 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
394 2 4 4 4 3 2 1 1 2 3 1 3 0 4 1 1 4
395 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
396 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
 189
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
397 4 3 3 2 3 2 3 1 2 3 2 0 1 4 1 0 2
398 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
399 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
400 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
401 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
402 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
403 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
404 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
405 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
406 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
407 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
408 2 1 1 2 1 1 3 1 1 2 2 3 1 1 2 2 3
409 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
410 4 4 0 4 3 4 1 2 3 1 1 3 0 4 3 4 2
411 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
412 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
413 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
414 4 4 3 1 3 2 0 2 2 1 2 3 2 2 3 4 4
415 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
416 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
417 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
418 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
419 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
420 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
421 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
422 3 3 2 3 2 3 1 3 2 1 3 2 2 2 3 3 1
423 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
424 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
425 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
426 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
427 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
428 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
429 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
430 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
431 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
432 3 2 3 2 3 2 1 3 3 4 1 2 3 2 3 3 1
433 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
434 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
435 2 2 2 2 2 2 2 3 2 2 2 1 2 2 2 2 2
436 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
437 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
438 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
439 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
440 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
 190
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
441 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
442 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
443 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
444 3 2 3 2 3 2 1 3 2 2 2 1 2 2 2 2 1
445 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
446 3 2 3 1 1 3 3 1 2 2 1 1 1 2 2 3 2
447 4 3 1 3 2 3 2 2 3 3 0 2 1 4 3 3 2
448 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
449 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
450 3 3 3 3 3 3 4 0 2 0 4 3 1 3 1 3 2
451 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
452 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
453 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
454 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
455 4 2 3 2 2 3 2 3 3 1 3 3 1 2 2 3 3
456 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
457 3 3 2 2 2 3 1 3 2 2 2 1 2 2 2 2 1
458 4 2 3 2 2 3 2 3 3 1 3 3 1 2 2 3 3
459 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
460 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
461 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
462 3 3 2 2 2 3 1 3 2 2 2 1 2 2 2 2 1
463 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
464 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
465 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
466 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
467 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
468 3 3 3 3 3 3 4 0 2 0 4 3 1 3 1 3 2
469 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
470 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
471 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
472 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
473 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
474 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
475 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
476 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
477 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
478 3 3 2 3 2 3 1 3 2 1 3 2 2 2 3 3 1
479 3 4 0 2 2 3 4 0 3 3 0 4 2 2 1 3 3
480 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
481 0 0 4 0 0 0 3 1 0 1 4 3 4 3 3 3 3
482 3 3 3 3 3 3 4 0 2 0 4 3 1 3 1 3 2
483 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
484 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
 191
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
485 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
486 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
487 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
488 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
489 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
490 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
491 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
492 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
493 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
494 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
495 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
496 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
497 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
498 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
499 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
500 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
501 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
502 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
503 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
504 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
505 4 3 0 2 2 2 2 3 3 2 1 3 2 2 3 4 4
506 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
507 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
508 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
509 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
510 3 4 1 3 3 2 3 2 3 0 1 4 1 2 2 2 2
511 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
512 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
513 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
514 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
515 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
516 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
517 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
518 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
519 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
520 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
521 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
522 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
523 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
524 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
525 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
526 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
527 2 2 3 1 3 2 2 2 2 1 2 2 1 2 2 3 1
528 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
 192
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
529 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
530 4 4 0 3 3 3 2 1 3 3 1 2 0 3 2 4 3
531 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
532 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
533 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
534 3 3 2 3 3 4 2 3 4 3 1 0 2 2 2 3 1
535 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
536 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
537 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
538 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
539 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
540 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
541 3 3 2 3 2 3 1 3 2 1 3 2 2 2 3 3 1
542 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
543 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
544 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
545 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
546 2 2 2 2 1 2 2 1 2 1 2 4 2 2 4 3 3
547 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
548 3 3 1 3 2 3 1 1 2 4 1 2 1 3 2 3 2
549 3 4 0 2 2 3 4 0 3 3 0 4 2 2 1 3 3
550 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
551 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
552 2 2 2 2 1 2 2 1 2 1 2 4 2 2 4 3 3
553 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
554 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
555 3 3 1 3 3 3 1 3 3 3 1 1 1 1 1 2 1
556 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
557 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
558 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
559 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
560 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
561 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
562 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
563 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
564 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
565 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
566 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
567 3 2 3 3 3 3 1 3 0 1 1 0 3 1 2 1 2
568 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
569 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
570 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
571 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
572 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
 193
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
573 4 3 3 3 3 1 2 2 3 1 1 1 3 1 3 3 1
574 3 3 1 3 3 3 2 2 3 3 1 3 1 3 3 4 2
575 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
576 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
577 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
578 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
579 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
580 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
581 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
582 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
583 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
584 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
585 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
586 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
587 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
588 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
589 4 3 2 3 3 3 1 3 3 1 0 2 1 4 1 4 3
590 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
591 3 2 2 1 3 1 2 3 2 2 2 2 1 1 2 3 1
592 1 2 4 3 4 3 1 2 3 4 0 0 2 3 3 1 0
593 3 3 1 3 3 3 2 2 2 1 1 1 2 3 3 4 3
594 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
595 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
596 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
597 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
598 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
599 3 4 1 3 1 4 0 4 2 0 0 0 1 2 3 3 0
600 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
601 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
602 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
603 4 4 0 4 4 3 1 4 4 4 0 0 3 4 4 4 4
604 4 3 2 2 3 3 2 2 3 1 2 1 3 3 3 4 4
605 4 2 3 4 4 3 3 1 2 1 1 1 0 4 0 3 1
606 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
607 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
608 4 3 1 3 2 2 1 2 2 2 2 2 1 2 2 3 3
609 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
610 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
611 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
612 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
613 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
614 4 2 3 2 3 2 1 3 2 1 0 0 3 1 3 2 1
615 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
616 4 4 0 4 4 4 2 0 4 4 4 2 0 4 0 4 4
 194
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
617 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
618 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
619 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
620 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
621 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
622 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
623 4 4 0 4 3 3 4 0 2 2 2 4 0 1 2 3 0
624 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
625 2 2 2 3 1 1 3 3 2 1 1 1 4 4 1 4 4
626 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
627 2 2 2 2 3 2 2 2 2 1 3 2 1 2 2 3 1
628 3 3 1 3 3 2 1 4 3 2 2 2 2 1 1 1 1
629 3 3 1 2 2 1 2 1 2 4 1 2 1 2 2 2 2
630 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
631 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
632 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
633 0 0 4 0 0 0 3 1 0 1 4 3 4 3 3 3 3
634 3 3 2 2 3 2 2 3 3 1 0 1 3 1 3 4 2
635 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
636 2 4 0 4 1 2 4 0 2 1 4 2 0 2 2 4 0
637 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
638 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
639 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
640 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
641 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
642 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
643 4 3 3 3 4 3 1 3 3 4 1 0 1 4 1 2 1
644 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
645 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
646 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
647 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
648 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
649 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
650 2 4 4 4 3 2 1 1 2 3 1 3 0 4 1 1 4
651 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
652 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
653 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
654 4 4 0 4 3 2 1 0 4 0 0 1 0 0 0 3 0
655 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
656 4 3 3 3 3 3 3 1 3 3 2 2 0 4 3 4 3
657 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
658 3 3 1 4 4 3 1 2 2 0 1 1 1 2 2 3 1
659 4 4 3 3 3 2 4 0 3 2 1 4 0 2 2 3 4
660 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
 195
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
661 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
662 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
663 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
664 4 3 1 3 3 3 3 1 2 3 4 3 2 3 2 4 3
665 4 3 1 3 3 2 4 1 2 3 1 3 1 3 1 2 3
666 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
667 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
668 3 3 3 4 4 4 1 3 3 4 1 1 1 3 4 2 1
669 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
670 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
671 3 3 2 3 3 3 2 2 1 2 1 2 2 2 2 3 2
672 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
673 4 3 3 2 3 2 2 3 3 3 0 2 1 4 2 4 2
674 2 2 2 2 1 2 2 1 2 1 2 4 2 2 4 3 3
675 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
676 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
677 3 3 1 3 2 3 3 2 2 1 1 1 1 3 2 3 2
678 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
679 3 3 1 3 2 3 3 1 2 3 3 3 1 3 1 3 3
680 4 3 1 2 2 2 2 1 2 1 2 2 1 2 1 2 1
681 4 4 0 4 3 2 1 0 4 0 0 1 0 0 0 3 0
682 4 3 3 4 4 4 1 3 2 0 3 1 1 3 3 3 3
683 3 1 2 2 2 3 3 2 2 3 2 2 2 2 2 3 1
684 4 3 0 4 3 3 3 1 3 1 0 3 0 2 0 3 1
685 2 2 1 3 2 3 2 3 3 1 1 1 3 1 3 2 1
686 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
687 4 4 3 3 3 2 4 0 3 2 1 4 0 2 2 3 4
688 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
689 4 1 2 2 3 2 2 3 2 1 1 2 3 3 2 2 2
690 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
691 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
692 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
693 2 0 2 0 0 2 3 4 1 1 0 1 3 1 2 1 0
694 2 3 2 3 2 2 4 1 0 2 2 3 3 4 2 4 3
695 1 1 3 1 3 2 3 1 1 0 3 3 1 0 1 3 2
696 2 2 4 3 3 2 1 3 3 2 3 0 1 2 2 1 1
697 2 3 1 2 1 1 2 2 4 2 1 3 1 3 2 2 1
698 3 3 3 3 3 3 3 2 3 3 2 3 1 3 2 3 3
699 3 3 1 2 3 2 3 1 1 2 4 3 0 3 2 2 3
700 3 3 0 2 2 3 2 2 2 1 2 3 2 3 2 3 3
701 3 3 1 1 2 3 3 0 3 2 0 3 1 3 1 2 3
702 3 2 2 2 2 2 3 3 4 0 0 1 1 2 0 3 3
703 3 3 1 3 3 2 2 1 2 2 2 3 2 2 2 3 2
704 4 3 2 2 3 3 2 2 3 1 2 1 3 3 3 4 4
 196
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
705 3 3 1 1 1 3 1 1 3 2 1 1 4 3 1 3 1
706 3 3 2 3 2 3 2 1 3 0 1 1 1 2 2 3 3
707 4 2 3 2 2 3 2 3 3 1 3 3 1 2 2 3 3
708 2 2 3 2 2 2 3 2 3 2 1 2 1 3 3 4 3
709 4 4 0 4 3 2 1 0 4 0 0 1 0 0 0 3 0
710 3 3 1 3 3 3 3 1 2 1 2 2 1 3 2 3 3
711 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
712 4 4 1 3 4 4 1 2 2 1 0 2 3 2 3 2 3
713 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
714 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
715 2 3 2 2 2 3 1 3 2 2 1 2 2 1 2 2 1
716 3 3 1 3 2 3 4 1 2 1 2 1 3 2 2 1 3
717 4 3 2 3 3 3 1 3 3 2 1 2 2 4 3 2 1
718 4 2 4 2 4 4 4 1 1 0 2 2 0 4 2 4 2
719 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
720 4 4 0 4 4 0 2 2 2 4 3 3 0 4 2 2 1
721 2 4 2 3 2 3 3 1 3 1 3 3 2 3 3 4 4
722 3 3 2 3 3 2 1 2 2 3 1 1 2 2 2 3 3
723 3 3 1 3 3 3 2 3 3 1 2 1 1 3 1 3 3
724 4 4 2 4 4 4 2 2 4 3 0 4 2 4 2 4 4
725 4 1 1 3 3 3 1 2 1 3 3 1 1 3 2 3 1
726 3 4 1 3 3 3 2 3 4 3 1 1 2 2 2 1 1
727 3 2 2 1 3 3 2 2 3 1 1 1 3 1 4 3 2
728 3 3 3 3 2 2 3 2 3 2 2 1 2 2 2 2 2
729 3 3 2 3 3 3 1 3 2 2 1 1 2 1 3 2 3
730 4 3 1 3 3 3 3 1 2 2 0 1 1 2 1 4 3
731 4 2 2 3 2 2 2 1 3 2 2 2 2 2 2 4 2
732 4 3 1 3 3 3 1 3 3 1 1 0 2 3 1 2 2
733 4 1 1 3 2 3 1 2 1 1 2 1 3 4 2 4 1
734 2 3 2 3 3 2 3 2 2 0 1 1 2 2 2 3 1
735 3 3 1 2 2 2 3 1 2 2 1 2 1 2 2 2 3
736 4 4 1 4 4 4 4 0 4 4 1 4 0 4 4 4 4
737 4 3 2 2 3 3 2 2 3 1 2 1 3 3 3 4 4
738 4 4 2 2 2 1 4 0 3 0 4 2 1 2 4 2 4
739 2 2 2 2 1 2 2 1 2 1 2 4 2 2 4 3 3
740 3 3 2 2 2 3 3 1 2 4 1 1 2 2 1 2 3
741 4 3 1 3 2 3 2 2 3 3 0 2 1 4 3 3 2
742 4 4 4 3 3 3 4 1 4 2 2 1 1 3 1 1 4
743 4 3 0 4 4 4 3 4 2 0 3 1 0 2 1 4 0
744 3 3 3 4 3 3 2 3 4 2 3 0 2 2 3 2 3
745 3 3 3 2 3 3 4 2 2 3 1 1 2 3 3 4 1
746 4 2 3 2 2 1 1 3 2 1 2 0 3 1 2 4 1
747 4 0 0 0 2 3 3 1 3 0 1 0 0 0 0 2 0
748 3 3 3 3 3 3 1 3 1 0 3 1 2 3 3 1 3
 197
Anexo 4. Base de datos

ID P44 P45 P46' P47 P48 P49 P50' P51 P52 P53 P54' P55' P56' P57' P58' P59' P60'
749 4 1 4 3 3 3 1 3 3 3 1 1 1 3 3 4 2
750 3 2 1 2 2 2 3 4 4 0 2 2 4 2 2 3 3
751 3 3 3 3 3 3 1 2 3 3 2 2 2 3 3 3 3
752 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
753 4 3 3 2 3 3 2 4 3 2 2 2 2 2 3 4 3
754 3 3 3 1 3 1 2 3 2 1 1 1 3 3 3 3 1
755 3 4 3 3 2 4 3 2 3 4 1 2 3 2 3 1 2
756 3 4 3 3 3 2 2 3 3 1 1 0 3 0 2 2 2
 198

Anexo 5. Informe de originalidad proporcionado por turnitin

 199
VALIDEZ Y FIABILIDAD DEL TEST DE PERSONALIDAD NEO-FFI
EN ESTUDIANTES DE UNA UNIVERSIDAD PÚBLICA
INFORME DE ORIGINALIDAD

4 %
INDICE DE SIMILITUD
3%
FUENTES DE INTERNET
2%
PUBLICACIONES
2%
TRABAJOS DEL
ESTUDIANTE

FUENTES PRIMARIAS

1
[Link]
Fuente de Internet 1%
2
[Link]
Fuente de Internet <1 %
3
[Link]
Fuente de Internet <1 %
4
Submitted to Universidad de San Martín de
Porres
<1 %
Trabajo del estudiante

5
[Link]
Fuente de Internet <1 %
6
[Link]
Fuente de Internet <1 %
7
[Link]
Fuente de Internet <1 %
8
Submitted to Universidad Nacional Mayor de
San Marcos
<1 %
Trabajo del estudiante
 200

<1 %
9
[Link]
Fuente de Internet

10
[Link]
Fuente de Internet <1 %
11
[Link]
Fuente de Internet <1 %
12
[Link]
Fuente de Internet <1 %
13
[Link]
Fuente de Internet <1 %
14
[Link]
Fuente de Internet <1 %
15
[Link]
Fuente de Internet <1 %
16
Miryam Isabel Rosas Guevara, Jenny Verónica
Trucios De la Cruz, Salvatore Giuseppe Gullo
<1 %
Rodríguez. "EFECTOS PSICOSOCIALES DEL
COVID 19 EN UNIVERSITARIOS DE LA
FACULTAD DE TRABAJO SOCIAL –
UNIVERSIDAD NACIONAL DEL CENTRO DEL
PERÚ", Prohominum, 2022
Publicación

17
[Link]
Fuente de Internet <1 %
18
[Link]
Fuente de Internet
 201

<1 %
19
[Link]
Fuente de Internet <1 %
20
[Link]
Fuente de Internet <1 %
21
[Link]
Fuente de Internet <1 %

Excluir citas Activo Excluir coincidencias < 40 words

Excluir bibliografía Activo