Las cinco condiciones de una evaluación de skills sólida

La palabra “confiable” suele utilizarse para describir todo el sistema. Sin embargo, en medición tiene un significado más estrecho: la confiabilidad se refiere a la consistencia o estabilidad de los resultados.

Los Standards for Educational and Psychological Testing (se abre en una nueva pestaña), desarrollados por AERA, APA y NCME, sitúan la validez en las interpretaciones de los scores para usos previstos. También separan la evidencia sobre validez, confiabilidad y equidad. El estándar pertenece a la evaluación educativa y psicológica. No valida un modelo empresarial de skills, pero aporta una disciplina útil: la calidad no reside en la cifra aislada, sino en la conclusión que se pretende construir con ella.

El objeto fija el alcance de todo lo demás

El nombre de una skill no define todavía qué se evaluará. “Pensamiento estratégico”, “comunicación” o “gestión de riesgos” admiten lecturas distintas. Cada evaluador puede completarlas con aquello que conoce, valora o recuerda.

El objeto necesita expresarse mediante manifestaciones observables. Pueden ser conductas, decisiones, procedimientos, explicaciones, resultados o aplicaciones bajo condiciones determinadas. También requiere límites: qué forma parte de la skill y qué corresponde a otra capacidad, al contexto o al resultado colectivo.

Esta primera condición controla las siguientes. Si el objeto permanece ambiguo, una evidencia abundante solo documentará interpretaciones diferentes. Una escala detallada agregará precisión aparente. Una regla consistente procesará con orden respuestas que nunca fueron comparables.

La evidencia debe corresponder con la conclusión

La segunda condición no pregunta cuánta información existe. Pregunta qué permite afirmar.

Una presentación puede mostrar claridad expositiva. Un entregable revela calidad final. Una explicación permite examinar razonamiento. La observación de una situación compleja aporta información sobre autonomía, adaptación y decisiones bajo restricciones. Ninguna pieza cubre automáticamente toda la skill.

La correspondencia también depende del uso. La evidencia suficiente para orientar una conversación de desarrollo podría ser insuficiente para decidir una promoción o excluir a alguien de una oportunidad. Cuando aumentan las consecuencias, crece la exigencia sobre cobertura, calidad, equidad y posibilidad de revisión.

Aquí aparece una frontera necesaria. Desempeño bajo la expectativa, respaldado por evidencia pertinente, puede indicar una brecha. Convertir ese vacío en una brecha atribuye a la persona una conclusión que el sistema todavía no puede sostener.

Los niveles deben representar diferencias reconocibles

Etiquetas como básico, intermedio y avanzado ordenan una escala, pero no explican qué cambia. Dos personas pueden compartir el término “avanzado” y estar pensando en desempeños incompatibles.

La guía de estrategia de evaluación de OPM (se abre en una nueva pestaña) recuerda que la confiabilidad limita la validez, pero no la garantiza. Su orientación se refiere principalmente a selección de personal federal en Estados Unidos. La transferencia relevante es más general: una medición estable pierde utilidad cuando aquello que distingue sus niveles no guarda relación con el desempeño que interesa.

Los niveles también necesitan una expectativa. Un resultado no es alto ni bajo en abstracto. Se interpreta frente al nivel requerido, el contexto en que se demostró y la evidencia disponible.

Las fuentes necesitan acceso, no solo legitimidad

Una fuente aporta valor cuando tuvo oportunidad real de observar las manifestaciones pertinentes. El cargo o la cercanía no sustituyen ese acceso.

La autoevaluación puede aportar razonamiento, contexto y decisiones internas. Un líder puede conocer expectativas, resultados y evolución. Los pares suelen observar coordinación cotidiana y efectos laterales del trabajo. Estas posibilidades son condicionales. Un líder distante puede disponer de menos evidencia que un colega cercano. Un par ocasional puede aportar solo una impresión.

Las reglas deben conservar el significado de lo observado

Toda evaluación contiene reglas, aunque nadie las haya escrito. Alguien decide cómo combinar componentes, qué ocurre cuando falta evidencia, cuánto pesa una fuente y qué condición limita la conclusión.

Una regla reproducible mejora la consistencia. Su conveniencia depende de la estructura del objeto y del uso previsto. Un promedio autoriza compensación entre componentes. Un mínimo impide que una fortaleza cubra un elemento indispensable. Un perfil conserva diferencias sin reducirlas a una cifra. Un modelo híbrido puede reunir una lectura general y umbrales críticos.

Si las fuentes observaron objetos diferentes, la consolidación no crea comparabilidad. Si los niveles son ambiguos, el decimal añade detalle sin significado. Si falta evidencia, el cálculo no convierte incertidumbre en desempeño conocido.

La quinta condición devuelve la mirada a la primera

Las cinco condiciones no forman un inventario independiente. Cada una hereda los límites anteriores y puede obligar a revisar el diseño completo.

Una regla puede mostrar que cierto componente no debe compensarse. Esa decisión exige precisar el objeto. Una discrepancia entre fuentes puede revelar que los niveles admiten interpretaciones distintas. Una conclusión que nadie logra defender puede señalar que la evidencia nunca correspondió con el uso previsto.

La cadena tampoco agota la calidad de una evaluación. Siguen importando las consecuencias, la equidad, la privacidad, la competencia de quienes interpretan y la posibilidad de controvertir una conclusión. Estas condiciones ofrecen un núcleo para revisar el recorrido, no una certificación automática.

El resultado será defendible cuando pueda reconstruirse desde la decisión hasta las manifestaciones observadas, sin saltos ocultos. Si un tramo no puede explicarse, la respuesta responsable consiste en limitar la conclusión y reparar ese tramo. Cambiar el decimal sería más rápido. No resolvería el problema.