La validación genera respondentes sintéticos situados en el θ de cada nivel (Básico, Medio, Avanzado) y les aplica el test completo, reutilizando la misma selección adaptativa y el mismo criterio de parada que usa el test real. Con ello construye una matriz de confusión teórica que indica con qué fiabilidad el banco de preguntas separa los tres niveles.
Es fiabilidad bajo el modelo: los respondentes se generan a partir del propio modelo IRT, por lo que mide la coherencia interna del diseño, no su validez empírica. Si ni siquiera respondentes ideales situados en el θ de cada nivel se distinguen bien, el banco no discrimina esos niveles. Para validez real se necesitan datos de alumnado.
Evalúa las 32 combinaciones de preguntas diagnósticas por nivel (1–4) × mínimo de preguntas antes de converger (diagMin×3 hasta diagMin×3+7) y recomienda automáticamente la configuración con mayor exactitud y, entre las equivalentes, la que genera sesiones más cortas.