Ralun

Ralun / Guías de desempeño

Mejoró la nota de desempeño: ¿fue por la intervención?

Isotipo oficial de RalunRalun · Lectura estimada: 8 min
CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo
Profesional ficticia compara dos tarjetas en blanco; un signo de interrogación representa una causa aún por comprobar.

Una mejora registrada después de una evaluación de desempeño muy baja merece atención.Atribuirla por completo a una intervención exige más que comparar dos notas.Esta guía muestra qué antecedentes, condiciones y comparaciones revisar sin dejar de apoyar a las personas.

Identifica cómo se seleccionaron los casos a revisar

Un equipo de recursos humanos quiere saber si un apoyo ayudó a quienes recibieron las evaluaciones más bajas. Compara su puntuación inicial con la siguiente y observa una subida. La diferencia entre las dos mediciones está registrada. Decidir qué la produjo es otra pregunta: para atribuir toda la subida al apoyo hace falta más evidencia.

Antes de explicar el cambio, revisa cómo entraron las personas en el grupo. ¿Se seleccionaron por una única puntuación particularmente baja? ¿Por varias observaciones, una regla de negocio o una combinación de antecedentes? Anota el punto de corte, la fecha y la población entre la que se eligió. Sin esa regla no puedes saber a quién describe el resultado ni reconocer el efecto que la selección puede introducir.

Una medición puede reflejar, además de aspectos relativamente persistentes, variaciones del momento y del instrumento. Si se elige un valor extremo, una observación posterior puede ser menos extrema aunque no exista una intervención eficaz. A esta tendencia se la conoce como regresión a la media. No significa que cada persona vaya a acercarse necesariamente al promedio de su equipo, ni que la siguiente nota revele su desempeño "verdadero".

El artículo de Barnett, van der Pols y Dobson explica el fenómeno con mediciones repetidas y ejemplos epidemiológicos. Su razonamiento ayuda a formular la pregunta en desempeño laboral; sus magnitudes y supuestos no se trasladan automáticamente a una evaluación de trabajo. Para situar la decisión, empieza por analizar resultados con límites explícitos, incluida la cobertura de la población observada.

Separa cambio observado y explicación del cambio

Supongamos que una puntuación sube de 50 a 70 después de un apoyo. Puedes describir un aumento de 20 puntos si la escala y las condiciones permiten esa resta. No puedes repartir esos 20 puntos entre el apoyo, la variación de medida y otros cambios solo con esas dos cifras.

Pueden coexistir una mejora real, un cambio en el contexto de trabajo, diferencias en la observación y variación transitoria. Tampoco basta señalar regresión a la media para concluir que el apoyo no sirvió. Es una explicación posible que el diseño debe considerar, no una corrección que se aplica por intuición.

Si las notas son categorías ordenadas, como "bajo", "esperado" y "alto", una transición describe un cambio de categoría; no convierte esas etiquetas en distancias numéricas iguales. Antes de calcular diferencias, revisa qué representa cada valor y si la operación es apropiada. La guía para diseñar una medida de desempeño ayuda a formular esa revisión.

Revisa repetición, condiciones y comparación

Busca antecedentes anteriores pertinentes, si existen, y registra qué se midió, cuándo, por quién y con qué criterios. Una serie puede revelar cambios de contexto o inconsistencias que una sola pareja de observaciones oculta; tampoco garantiza conocer el valor estable de una persona. Evita elegir retrospectivamente solo los registros que favorecen la explicación deseada.

Comprueba si cambiaron la definición del resultado, las tareas, la oportunidad de observar, los evaluadores o las condiciones del trabajo. La repetición de una prueba también puede traer familiaridad con la tarea; aquí basta reconocerla como otra explicación posible, sin atribuirle una cantidad. Si el instrumento no permite una precisión determinada, evita que los decimales den una apariencia de certeza que la evidencia no respalda.

Para comparar de forma defendible, define la pregunta y revisa cómo se seleccionaron tanto quienes reciben el apoyo como quienes forman la comparación. Si es viable y apropiado, la asignación aleatoria entre personas elegibles puede ayudar a comparar resultados; no obliga a negar un apoyo necesario ni elimina todos los problemas de ejecución y medición. Cuando no es viable, una comparación observacional necesita examinar sus diferencias y supuestos. Emparejar solo por una puntuación extrema no resuelve automáticamente la regresión a la media. En un estudio de simulación sobre diferencias en diferencias, Daw y Hatfield muestran que ciertas decisiones de emparejamiento pueden introducir sesgo. Sus escenarios son simplificados y no cuantifican el problema en una organización concreta.

Conserva los antecedentes y sus versiones para que otra persona pueda seguir el razonamiento. La pauta para recuperar evidencias de desempeño ayuda a distinguir el dato de la interpretación y a identificar qué falta.

Resuelve un modelo ficticio donde sí se conoce la variación

El siguiente modelo es puramente didáctico: no describe empleados reales ni resultados de Ralun. Supone que el valor estable de cada registro es 70, que no hay intervención y que cada resultado observado es ese valor más una variación transitoria. En datos laborales reales esos componentes no vienen identificados de esta manera.

Registro ficticioPrimera mediciónSegunda mediciónCambio observado
RM0170 − 20 = 5070 + 0 = 70+20
RM0270 + 20 = 9070 + 0 = 70−20
RM0370 + 0 = 7070 + 0 = 700

Si se elige solo RM01 por su primer resultado bajo, aparece una mejora de 20 puntos aun sin intervención. RM02 muestra una caída de 20 y RM03 no cambia. El ejemplo está construido para mostrar que una selección puede producir una impresión de mejora: no demuestra que una persona real vaya a cambiar, no estima la regresión en una población y no identifica la causa de un cambio observado.

La regla del modelo permite conocer una respuesta que normalmente falta en la práctica: hemos fijado de antemano el valor estable y la variación. Por eso la enseñanza es revisar la selección y el diseño, no reemplazar la evidencia de la organización con este cálculo.

Mejora el diseño antes de atribuir eficacia

Antes de comunicar que una intervención funcionó, escribe qué cambio esperabas, para quién y frente a qué alternativa. Define el resultado y el periodo, registra la regla de selección y acuerda cómo se documentarán las condiciones de ambas mediciones. Si existe una comparación, explica por qué es adecuada y qué diferencias siguen abiertas.

La revisión puede empezar con esta matriz dentro del trabajo habitual:

PreguntaQué registrarQué deja pendiente
¿Cómo se eligieron los casos?Población, criterio, umbral y fecha.Si se eligió por una lectura extrema.
¿Qué muestran los antecedentes?Mediciones previas pertinentes, fuente y condiciones.Variación y vacíos que no se pueden separar todavía.
¿Se mantuvo la medida?Instrumento, escala, evaluador y oportunidades de observación.Cambios que dificultan comparar.
¿Qué más cambió?Trabajo, contexto y apoyos recibidos.Explicaciones alternativas plausibles.
¿Con qué se compara?Grupo o alternativa, selección y supuestos.Diferencias y sesgos que permanecen.
¿Qué puedo afirmar?Cambio observado y evidencia disponible.Atribución causal que requiere un diseño adicional.

Esta pauta no calcula un efecto ni sustituye la asesoría estadística. Consulta a especialistas para elegir un diseño y análisis acordes con la decisión, el instrumento y los datos disponibles. Mientras tanto, una organización puede acordar un plan de mejora y sostener el apoyo que considere necesario, sin presentar la diferencia entre dos notas como prueba concluyente de eficacia.

Prueba la recuperación de la historia de resultados

Toma una revisión ya realizada y trata de reconstruir su historia: fuente de la primera nota, regla que llevó a seleccionar el caso, antecedentes disponibles, apoyo aplicado y condiciones de la segunda observación. Señala qué versión utilizaste y qué pregunta queda sin respuesta. Si falta un antecedente, déjalo señalado: no completes la historia con una suposición.

Si quieres examinar una tarea de recuperación de información con Ralun, prepara un ejemplo anonimizado y solicita una demo. Acuerda qué entrada, salida y revisión humana necesitan comprobar y confirma el alcance disponible. Esta invitación no promete que el producto estime efectos causales ni corrija automáticamente la regresión a la media.

Preguntas frecuentes sobre regresión a la media en desempeño

¿Toda mejora después de una evaluación baja es regresión a la media?

No. Puede haber mejora real, variación transitoria, cambios de contexto u otras explicaciones, incluso al mismo tiempo. Con dos observaciones seleccionadas no se puede repartir el cambio entre esas causas.

¿Una segunda evaluación revela el desempeño real?

No necesariamente. Es otra observación, sujeta a sus condiciones y limitaciones. El historial pertinente y un diseño de medición y comparación mejor fundamentado pueden ayudar a interpretar el cambio, pero no convierten una puntuación aislada en verdad incuestionable.

¿Conviene dejar de apoyar a quien obtuvo una nota baja?

No se deduce eso del fenómeno. El apoyo puede responder a una necesidad actual; la pregunta de este artículo es qué evidencia permite atribuirle un cambio. Revisa el apoyo con las personas responsables y mejora la forma de evaluarlo.

¿Basta con comparar con un grupo que tenía la misma nota inicial?

No por sí solo. Importan las reglas que formaron ambos grupos, las condiciones posteriores y las diferencias que podrían explicar los resultados. Una coincidencia inicial no acredita automáticamente una comparación causal válida.

Conclusión: observa el cambio sin apresurar la causa

Una mejora posterior es información útil. Para interpretarla, conserva la regla de selección, revisa qué permite medir el instrumento y busca una comparación adecuada para la pregunta. Puedes describir lo observado y reconocer la incertidumbre a la vez. Si la decisión es más amplia, la guía para evaluar un programa de desempeño ayuda a delimitar esa otra pregunta.

Luis Grau

Te dejo un desafío

Esta semana, elige una mejora comunicada después de una evaluación muy baja. Busca la regla con que se seleccionó el caso y anota qué otros antecedentes había antes del apoyo. Así podrás distinguir el cambio observado de la causa que aún falta comprobar.

CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo