
Cuando una evaluación asigna categorías mediante un punto de corte, una pequeña variación de la puntuación puede cambiar la clasificación. Aprende a distinguir si la decisión se mantiene en mediciones comparables de si es correcta, y a identificar qué evidencia necesitas revisar.
Recupera el propósito y el punto de corte previamente justificado
Antes de mirar el resultado, registra para qué se usa la categoría, quién la recibe y qué decisión pretende apoyar. Para situar esa decisión dentro del ciclo, revisa el proceso de evaluación del desempeño. Recupera el significado de la puntuación y la justificación del punto de corte. También conviene precisar los criterios de evaluación que dan sentido a esa puntuación. La consistencia de las clasificaciones no demuestra por sí sola que ese límite sea apropiado para el propósito.
En el ejemplo ficticio de este artículo se supone un corte de 70: una puntuación de 70 o más queda en la categoría superior y una inferior a 70 queda en la otra. Es una regla didáctica, no una recomendación para una empresa ni una propuesta para decidir empleo, remuneración, promoción o certificación.
Distingue consistencia y exactitud de clasificación
La consistencia pregunta si una clasificación se mantendría al repetir la medición bajo condiciones comparables. En el modelo de Livingston, la exactitud pregunta si coincide con la clasificación que correspondería a la puntuación verdadera definida por el modelo. Dos decisiones iguales pueden compartir un error; por tanto, el acuerdo no basta para demostrar exactitud.
En el modelo que explica Samuel Livingston para pruebas, la exactitud se refiere a la concordancia con la clasificación que se obtendría si se conociera la puntuación verdadera. En ese marco, la puntuación verdadera es el promedio de las puntuaciones que se obtendrían bajo un conjunto especificado de condiciones; no es una nota ideal ni una verdad absoluta sobre la persona. No se conoce directamente para un individuo. Una referencia externa puede aportar otra evidencia para evaluar el uso de la clasificación, pero no es automáticamente equivalente a esa definición. ETS presenta estas distinciones en su guía de fiabilidad. Su aplicación a una evaluación laboral requiere justificar el diseño y sus supuestos.
Si quieres practicar cómo relacionar hechos y criterios, puedes solicitar el kit existente "Evalúa con evidencia y reduce sesgos". Incluye un taller editable, una guía con ejercicios y un checklist. Sus materiales son didácticos y no validan la exactitud de una clasificación.
Examina la incertidumbre cerca de la frontera
En una evaluación del desempeño, una puntuación observada no debe tratarse como una medida perfectamente precisa. Cerca del corte, una variación puede cambiar la categoría. Esa posibilidad no permite asignar una probabilidad individual sin datos y un método adecuados.
Pide a quien diseñó el instrumento evidencia sobre la población, las condiciones de aplicación, las fuentes de variación y el método empleado. Pregunta qué significa una repetición comparable y si cambios en el trabajo o en el aprendizaje podrían afectar la comparación. Para interpretar diferencias como variación de medición, hay que considerar si la capacidad evaluada cambió y si la primera aplicación influyó en la segunda. La revisión de sesgos en la evaluación puede ayudar a examinar diferencias entre evaluadores, sin sustituir el análisis de medición. Un coeficiente de fiabilidad global, por sí solo, no describe la incertidumbre de cada caso ni valida una decisión individual. La consistencia de las categorías también depende de dónde se sitúan los cortes y de cómo se distribuyen las puntuaciones: no basta con conocer la fiabilidad general del instrumento.
Resuelve decisiones coincidentes y discordantes
La siguiente tabla usa dos registros ficticios y el corte supuesto de 70. No describe personas reales ni estima tasas de error.
| Registro ficticio | Primera medición | Segunda medición | Lectura bajo el corte supuesto |
|---|---|---|---|
| Primer registro | 69 | 71 | Las categorías difieren. Las dos puntuaciones no indican cuál clasificación es correcta ni por qué cambió. |
| Segundo registro | 72 | 72 | Las categorías coinciden. La coincidencia no demuestra concordancia con la categoría que correspondería a una puntuación verdadera desconocida. |
Estos dos ejemplos ilustran coincidencia y discordancia. Aunque podría contarse el acuerdo dentro de esos registros inventados, ese número no estimaría la consistencia del instrumento en una población real. Tampoco justifican repetir una evaluación real sin estudiar las condiciones y consecuencias de hacerlo.
Contrasta criterios con responsables del trabajo
Reúne a quienes conocen el uso previsto de la clasificación y a una persona especialista en medición. Examinen qué representa cada categoría, qué evidencia apoyaría su interpretación y qué ocurrirá cuando falte información. Una referencia externa pertinente debe justificarse para el propósito concreto; no se convierte en verdad incuestionable por llevar ese nombre. Si después se conversa sobre la evidencia observada, el método SBI para feedback ofrece una estructura para esa conversación, no una prueba de exactitud.
La siguiente ficha puede utilizarse para ordenar preguntas antes de una revisión especializada; no permite certificar un instrumento:
| Campo | Pregunta de revisión |
|---|---|
| Uso y decisión | ¿Qué decisión apoyará la categoría y quién la revisará? |
| Corte dado | ¿Cuál es el límite y dónde está documentada su justificación? |
| Diseño comparable | ¿Qué condiciones deberían mantenerse al repetir la medición? |
| Incertidumbre | ¿Qué fuentes de variación y evidencia pertinente se conocen? |
| Consistencia | ¿Qué datos y método sostienen que la clasificación se mantendría? |
| Modelo y exactitud | ¿Cómo se define y estima la puntuación verdadera, bajo qué supuestos y con qué incertidumbre? |
| Evidencia externa para el uso | ¿Qué evidencia independiente respalda la interpretación y el uso de las categorías? No equivale automáticamente a exactitud de clasificación. |
| Revisión | ¿Qué falta resolver y quién debe revisarlo antes del uso? |
Prueba el vínculo entre criterio, evidencia y desarrollo en Ralun
Si quieres examinar cómo organizar una tarea del proceso, prepara una muestra ficticia: criterio, evidencia disponible, salida esperada y preguntas que debe resolver quien revisa. Puedes solicitar una demo de Ralun para revisar una tarea concreta, sus entradas, la salida y el trabajo que conserva tu equipo. La disponibilidad de cualquier función debe comprobarse en la demostración; una muestra no valida una regla de clasificación.
Preguntas frecuentes
¿Dos puntuaciones iguales demuestran que la decisión es correcta?
No. Muestran coincidencia en ese ejemplo. En el marco explicado aquí, estudiar la exactitud requiere un modelo que relacione la clasificación observada con la basada en puntuaciones verdaderas, además de datos y supuestos justificados. Dos puntuaciones iguales no proporcionan esa evidencia.
¿Una puntuación próxima al corte está necesariamente equivocada?
No. La proximidad indica que conviene examinar la incertidumbre pertinente; no demuestra por sí sola un error ni permite calcular su probabilidad.
¿Un coeficiente de fiabilidad valida el punto de corte?
No por sí solo. La elección del corte, el uso de las categorías y la evidencia de consistencia y exactitud son preguntas relacionadas, pero distintas.
Una categoría necesita una justificación que pueda revisarse
Un resultado repetido puede ser consistente y aun así necesitar más evidencia antes de respaldar una decisión. Documentar el propósito, el corte, la incertidumbre y las preguntas abiertas permite identificar qué revisar con especialistas antes de utilizar una clasificación.
Te dejo un desafío
Esta semana, elige una categoría que use tu equipo y busca dónde está documentado su punto de corte. Anota qué evidencia respalda que la clasificación se mantendría en condiciones comparables y qué pregunta necesita revisión antes de utilizarla en una decisión.
