Background: Artificial Intelligence (AI) is increasingly used to enhance traditional assessment practices by improving efficiency, reducing costs, and enabling greater scalability. However, its use has largely been confined to large corporations, with limited uptake by researchers and practitioners. This study aims to critically review current AI-based applications in test construction and propose practical guidelines to help maximize their benefits while addressing potential risks.

Method: A comprehensive literature review was conducted to examine recent advances in AI-based test construction, focusing on item development and calibration, with real-world examples to demonstrate practical implementation.

Results: Best practices for AI in test development are evolving, but responsible use requires ongoing human oversight. Effective AI-based item generation depends on quality training data, alignment with intended use, model comparison, and output validation. For calibration, essential steps include defining construct validity, applying prompt engineering, checking semantic alignment, conducting pseudo factor analysis, and evaluating model fit with exploratory methods.

Conclusions: We propose a practical guide for using generative AI in test development and calibration, targeting challenges related to validity, reliability, and fairness by linking each issue to specific guidelines that promote responsible, effective implementation.

Antecedentes: La inteligencia artificial (IA) se utiliza crecientemente para mejorar las prácticas tradicionales de evaluación, aumentando la eficiencia, reduciendo costos y facilitando la escalabilidad. Sin embargo, su uso se ha limitado a grandes corporaciones, con escasa adopción por parte de investigadores y profesionales. Este estudio revisa críticamente las aplicaciones de la IA en la construcción de pruebas y propone guias prácticas para maximizar sus beneficios y abordar posibles riesgos.

Método: Se realizó una revisión exhaustiva de la literatura para examinar los avances en aplicaciones basadas en IA en la construcción de pruebas, con énfasis en el desarrollo y calibración de ítems, y se incluyeron ejemplos del mundo real para mostrar su implementación práctica.

Resultados: Las mejores prácticas para el uso de IA en el desarrollo de pruebas están en evolución, pero requieren supervisión humana. Para generar ítems se necesitan datos de calidad, alineación con el uso previsto, comparación de modelos y validación. Para calibrar, hay que definir el constructo, optimizar las instrucciones (prompts), verificar la alineación semántica, realizar análisis factoriales pseudoexploratorios y evaluar el ajuste del modelo.

Conclusiones: Se propone una guía práctica que vincula los desafíos de validez, fiabilidad y equidad con recomendaciones para una implementación responsable y eficaz.

Background: Waiting lists in mental health are a growing problem. This study analyzes their impact on attendance and early dropout from treatment in the Santander health area of the Spanish National Health System.

Method: A retrospective observational study was conducted with 2,765 patients referred from Primary Care to four Mental Health Units during 2021. Logistic regressions were applied to analyze the influence of waiting times on attendance at the first appointment and early dropout, and ROC curves were used to identify optimal cut-off points.

Results: The median waiting time was 51 days for the first appointment and 35 between the first and second. A total of 84.6% attended their first session, with higher attendance in women, older individuals, those with work-related disability, and shorter waiting times. Early dropout (15.8%) was associated with longer time between appointments, being male, and being younger. The discriminative power of the cut-off points was poor.

Conclusions: Waiting times exceed recommended standards and negatively affect treatment continuity. Structural reforms and more human resources are needed to improve access to and the effectiveness of psychological care.

Antecedentes: Las listas de espera en salud mental son un problema creciente. Este estudio analiza su impacto en la asistencia y el abandono temprano del tratamiento en el área de salud de Santander del Sistema Nacional de Salud español.

Método: Se realizó un estudio observacional retrospectivo con 2.765 pacientes derivados desde Atención Primaria a cuatro Unidades de Salud Mental durante 2021. Se aplicaron regresiones logísticas para analizar la influencia de los tiempos de espera en la asistencia a la primera cita y el abandono temprano, y curvas ROC para identificar puntos de corte óptimos.

Resultados: La mediana del tiempo de espera fue de 51 días para la primera cita y 35 entre la primera y segunda. Asistieron a la primera cita el 84,6%, siendo más probable en mujeres, personas de mayor edad, con incapacidad laboral y menor tiempo de espera. El abandono temprano (15,8%) se asoció con mayor tiempo entre consultas, ser hombre y menor edad. El poder discriminativo de los puntos de corte fue pobre.

Conclusiones: Los tiempos de espera exceden las recomendaciones y afectan la continuidad del tratamiento. Se requieren reformas estructurales y más recursos humanos para mejorar el acceso y la efectividad de la atención psicológica.

Background: Adolescents are immersed in digital communication, which can benefit or harm their well-being. Digital flourishing captures positive perceptions of this communication-connectedness, authentic self-presentation, positive social comparison, civil participation, and self-control-and how it contributes to well-being. In Spain there is still no validated instrument for adolescents.

Method: We adapted and validated the Digital Flourishing Scale for Adolescents (DFSA) for Spanish adolescents. Study 1 involved a pilot survey (n = 13) and cognitive interviews (n = 10) to improve clarity and cultural relevance. Study 2 used a cross-sectional survey (n = 1,786) to examine the DFSA’s latent structure, measurement invariance by gender and age, internal reliability of scores, and validity evidence based on relationships to other variables. Study 3 assessed test-retest reliability of scores and longitudinal measurement invariance over six weeks (n = 289).

Results: Study 1 improved item clarity and cultural relevance through linguistic adjustments. Study 2 confirmed a five-factor model, showing strict age invariance and metric gender invariance. All subscales correlated with well-being indicators. Study 3 showed poor to moderate temporal stability of scores but supported scalar longitudinal invariance.

Conclusions: The Spanish DFSA is a promising tool for assessing adolescents’ digital flourishing in the Spanish context.

Antecedentes: Los adolescentes están inmersos en la comunicación digital, con efectos positivos y negativos en su bienestar. El florecimiento digital describe percepciones positivas de dicha comunicación-conectividad, autoexpresión auténtica, comparación social positiva, participación cívica y autocontrol-y su aporte al bienestar. En España no existe un instrumento validado para adolescentes.

Método: Adaptamos y validamos la Escala de Florecimiento Digital para Adolescentes (DFSA) españoles. Estudio 1: incluyó encuesta piloto (n = 13) y entrevistas cognitivas (n = 10) para mejorar claridad y adecuación cultural. Estudio 2: encuesta transversal (n = 1.786) examinando estructura latente de DFSA, invarianza métrica por sexo y edad, fiabilidad interna de las puntuaciones y evidencia de validez basada en las relaciones con otras variables. Estudio 3 evaluó fiabilidad test-retest de las puntuaciones e invariancia longitudinal en seis semanas (n = 289).

Resultados: Estudio 1: mejoró claridad y relevancia cultural. Estudio 2: confirmó un modelo de cinco factores, con invariancia estricta por edad e invariancia métrica por género. Todas las subescalas se correlacionaron con indicadores de bienestar. Estudio 3: mostró estabilidad temporal de las puntuaciones baja-moderada, confirmando invariancia longitudinal escalar.

Conclusiones: La DFSA española es una herramienta prometedora para evaluar el florecimiento digital de los adolescentes en España.

Background: The short S-UPPS-P is a 20-item self-report tool for assessing impulsivity in adolescents, differentiating five dimensions: Negative Urgency, Lack of Perseverance, Lack of Premeditation, Sensation Seeking, and Positive Urgency. This study aimed to evaluate the psychometric properties of the Spanish S-UPPS-P and to establish normative data for adolescents in Spain.

Method: Participants were 8,944 adolescent students (ages 11-19) from 66 high schools and 789 adolescent psychotherapy patients from 7 centers.

Results: The expected 5-factor model, evaluated with confirmatory factor analysis (CFA), showed insufficient fit (CFI and TLI ≤ .90, RMSEA = .076). However, an exploratory approach yielded satisfactory results (CFI and TLI ≥ .97, RMSEA ≤ .036), with full measurement invariance across age, gender and sample type. Internal consistency reliability ranged from moderate to excellent (ω = .67-.82). Convergent validity with the Barratt Impulsiveness Scale total score was satisfactory (r = .47-.59). No significant differences in scale scores were observed across gender, age, or sample type, providing the use of a single norm.

Conclusions: These findings support the S-UPPS-P as a valid, reliable tool for assessing impulsivity in Spanish adolescents. The availability of standardized norms enhances its utility in clinical and educational contexts.

Antecedentes: El S-UPPS-P es un instrumento de 20 ítems para evaluar la impulsividad en adolescentes, diferenciando cinco dimensiones: Urgencia Negativa, Falta de Perseverancia, Falta de Premeditación, Búsqueda de Sensaciones y Urgencia Positiva. Este estudio evaluó sus propiedades psicométricas y estableció datos normativos en adolescentes españoles.

Método: Participaron 8.944 estudiantes (11-19 años) de 66 institutos y 789 pacientes adolescentes de salud mental.

Resultados: El modelo de cinco factores, evaluado mediante análisis factorial confirmatorio (AFC), mostró ajuste insuficiente (CFI y TLI ≤ .90, RMSEA = .076). Sin embargo, un enfoque exploratorio mostró resultados satisfactorios (CFI y TLI ≥ .97, RMSEA ≤ .036), con invariancia completa del modelo de medida en función de la edad, género y tipo de muestra. La consistencia interna fue moderada a excelente (ω = .67-.82), y la validez convergente con la Escala de Impulsividad de Barratt fue adecuada (r = .47-.59). No se hallaron diferencias significativas en las puntuaciones según género, edad o muestra, permitiendo el uso de un único baremo.

Conclusiones: Estos resultados apoyan al S-UPPS-P como un instrumento válido y fiable para evaluar la impulsividad en adolescentes españoles. La disponibilidad de baremos aumenta su utilidad en contextos clínicos y educativos.

Background: Students’ perceptions of teacher response play a critical role in addressing bullying, as they are closely linked to student involvement. However, no validated instruments currently exist in Spain to assess this construct adequately. This study aimed to validate the Teachers' Responses to Bullying Questionnaire (TRBQ) in Spain, examine its measurement invariance across educational levels, gender, and bullying roles, and to explore students’ perceptions of teacher responses based on these variables.

Method: A total of 1,241 students (48.8% girls; 48.3 % primary school; M age = 12.00; SD = 1.79; range = 9-18 years) from southern Spain participated.

Results: EFA revealed a three-factor structure-non-intervention, restorative psychoeducational strategies, and disciplinary methods-with good fit, confirmed through CFA. The instrument demonstrated satisfactory reliability and measurement invariance. Girls perceived teacher responses as more frequent. Restorative strategies were more common in primary school, while non-intervention was more prevalent in secondary school. No significant differences emerged for disciplinary methods. Non-involved students reported more restorative interventions, bullies-victims perceived more non-intervention; and aggressors reported greater use of disciplinary methods.

Conclusions: The Spanish adaptation and validation of the TRBQ provides a valuable tool for assessing teacher responses to bullying and contributes to research and intervention in school contexts.

Antecedentes: La percepción del alumnado sobre la respuesta del profesorado desempeña un papel fundamental en el acoso escolar, ya que se relaciona estrechamente con su implicación en el fenómeno. Sin embargo, en España no existen instrumentos validados que evalúen adecuadamente este constructo. Este estudio pretende validar el Teachers' Responses to Bullying Questionnaire (TRBQ) en España, examinar su invarianza métrica por nivel educativo, género y rol de implicación, y describir la respuesta del profesorado percibida en función de estas variables.

Método: Participaron 1,241 estudiantes españoles (48.8% chicas; 48.3% de primaria; M edad = 12.00; DT = 1.79; rango = 9-18 años).

Resultados: El AFE reveló una estructura trifactorial-no intervención, estrategias psicoeducativas restaurativas y métodos disciplinarios-con un ajuste adecuado, confirmado por el AFC. El instrumento mostró una fiabilidad adecuada e invarianza métrica. Las chicas percibieron la intervención del profesorado como más frecuente. Las estrategias restaurativas fueron mayores en primaria, la no intervención en secundaria. El alumnado no implicado informó de más intervenciones restaurativas; los agresores-víctimas reportaron mayor no intervención; y los agresores mayor uso de métodos disciplinarios.

Conclusiones: La adaptación española y validación del TRBQ representa una valiosa herramienta para evaluar la respuesta del profesorado al acoso escolar.