La paradoja de la retroalimentación: Por qué las evaluaciones del curso no son su retroalimentación docente real

Usted ya sabe que las evaluaciones estudiantiles son imperfectas. Pero la investigación de 2022 a 2025 va mucho más allá de "imperfectas", y sus hallazgos deberían cambiar la manera en que cada institución piensa sobre la retroalimentación docente.

Esta parte usted ya la conoce

A estas alturas, la mayoría del profesorado ha oído alguna versión del argumento: las evaluaciones estudiantiles de los cursos son imperfectas. Quizás leyó una publicación al respecto, o un colega lo mencionó en un congreso. El hallazgo básico (que las evaluaciones no se correlacionan bien con el aprendizaje real) circula desde hace años en los círculos de desarrollo docente. Uttl, White y Gonzalez publicaron en 2017 un metaanálisis de 51 estudios de múltiples secciones y encontraron una correlación casi nula entre las calificaciones de los estudiantes y su aprendizaje.¹ A estas alturas, eso es ciencia establecida.

Así que omitamos la parte en que volvemos a discutir si las evaluaciones tienen fallas. Las tienen. Usted lo sabe. Sus colegas lo saben. Es probable que su centro de enseñanza también lo sepa.

La pregunta más interesante es: ¿qué ha revelado la investigación desde entonces? Porque los hallazgos de 2022 a 2025 van mucho más allá de "imperfectas". Son genuinamente sorprendentes y cambian la conversación de "las evaluaciones tienen algo de ruido" a algo mucho más incómodo.

Esto es lo que probablemente todavía no sabe.

1. Las evaluaciones no solo fallan en medir el aprendizaje. Se correlacionan negativamente con él.

Este es el hallazgo que debería dejar a cualquier decano con la frase a medias. En 2025, investigadores de la Ross University School of Veterinary Medicine publicaron en BMC Medical Education un estudio que dio seguimiento a 160 cursos a lo largo de 12 cohortes estudiantiles. Usaron una medida independiente y externa del aprendizaje (la Veterinary Educational Assessment) para comparar lo que los estudiantes realmente retuvieron con la calificación que dieron a sus docentes. El resultado: las evaluaciones estudiantiles mostraron una correlación negativa significativa con los resultados de aprendizaje.² Los estudiantes de los cursos con puntajes de evaluación más altos tuvieron en realidad peor desempeño en las evaluaciones independientes de lo aprendido. No una correlación nula. Una correlación negativa. Los cursos que más gustaron a los estudiantes fueron, en promedio, aquellos en los que menos aprendieron.

Esto no es solo "las evaluaciones tienen ruido". Es: las evaluaciones pueden premiar sistemáticamente lo equivocado.

2. El sesgo de género en las evaluaciones no es solo cuestión de prejuicios individuales. Es estructural.

Probablemente ha oído que las mujeres reciben evaluaciones docentes más bajas que los hombres. Pero un estudio de 2023 en Proceedings of the National Academy of Sciences, de Aragón, Pietri y Powell, reveló el mecanismo, y es más insidioso que un simple sesgo. Al analizar más de 100,000 evaluaciones en la Clemson University, encontraron que la discriminación de género en las evaluaciones está impulsada por la composición de género del departamento.³ Cuando una mujer enseña en un departamento dominado por hombres, los estudiantes tienen expectativas implícitas sobre quién "pertenece" a la enseñanza de cursos de nivel superior. Violar esas expectativas desencadena penalizaciones en las evaluaciones que nada tienen que ver con la calidad de la enseñanza. Tanto hombres como mujeres pueden enfrentar este tipo de penalización por expectativas de rol, pero las mujeres se ven afectadas de manera desproporcionada porque es más probable que sean minoría en su departamento. El sesgo no está solo en la cabeza de los estudiantes; está incorporado a la estructura institucional.

3. Las evaluaciones sesgadas causan un daño medible a la salud mental.

En 2024, Daskalopoulou publicó en Studies in Higher Education un estudio interseccional que documentó lo que muchos docentes han sentido pero rara vez han visto validado en la investigación: las evaluaciones sesgadas causan un daño psicológico real.⁴ Mediante entrevistas en profundidad con académicos de escuelas de negocios del Reino Unido, el estudio encontró que el sesgo en las evaluaciones (que se acumula entre género, raza, edad, discapacidad y otros marcadores de identidad) produce efectos medibles en la salud mental y perjudica directamente el avance profesional. La presión institucional por mantener puntajes altos de satisfacción obliga al profesorado a modificar su conducta docente de maneras que comprometen su bienestar. Esto no es solo un problema de calidad de los datos. Es un problema de salud.

4. Los propios estudiantes no creen que las evaluaciones importen.

Aquí hay una ironía que merece detenerse. Sullivan, Lakeman y colaboradores publicaron una revisión exploratoria en Assessment & Evaluation in Higher Education (2024) que examina qué motiva realmente a los estudiantes a completar las evaluaciones de los cursos.⁵ En 21 estudios cualitativos, el patrón fue consistente: los estudiantes dicen que participarán solo si creen que existe un circuito genuino de retroalimentación, si se asegura la confidencialidad y si ven evidencia de que su opinión conduce a cambios reales. La mayoría de los estudiantes no cree que se cumpla ninguna de esas condiciones. El resultado es que las tasas de respuesta son bajas y los participantes que sí responden se inclinan hacia los extremos (muy satisfechos o muy insatisfechos), lo que crea una muestra fundamentalmente comprometida. ¿Las personas cuyas opiniones supuestamente validan su enseñanza? Muchas de ellas piensan que todo el ejercicio no tiene sentido.

5. La inflación de calificaciones es el mejor predictor individual de los puntajes de evaluación.

Un estudio de 2022 en Assessment & Evaluation in Higher Education planteó una pregunta directa: ¿qué predice realmente los puntajes de evaluación docente?⁶ Mediante análisis de regresión múltiple, los investigadores encontraron que el promedio de calificaciones (GPA, un indicador de la indulgencia al calificar) era el predictor dominante, y no la calidad de la enseñanza, ni el diseño del curso, ni la innovación pedagógica. El profesorado puede aumentar mecánicamente sus puntajes de evaluación inflando las calificaciones. Esto crea una carrera hacia el fondo en la que los docentes rigurosos son castigados de manera sistemática, y el camino hacia evaluaciones altas pasa por calificar con más facilidad, no por enseñar mejor.

6. Cuando el COVID obligó a las instituciones a pausar las evaluaciones, nada se derrumbó.

Este podría ser el hallazgo más revelador de todos, y no proviene de un solo estudio sino de un experimento natural que se desarrolló en cientos de instituciones. Durante 2020 y 2021, universidades como DePaul, UC Irvine y la University of Georgia suspendieron por completo las evaluaciones de los cursos o las eximieron de las decisiones de promoción y titularidad (tenure). ¿El resultado? Los departamentos siguieron funcionando. La calidad de la enseñanza no decayó de manera visible. Los comités de evaluación encontraron otras formas de valorar al profesorado. Cuando se les dio permiso para dejar de depender de las evaluaciones, las instituciones descubrieron que podían. La mayoría retomó la práctica de todos modos, no porque las evaluaciones hubieran demostrado su valor durante la pausa, sino por inercia administrativa y por la ausencia de un reemplazo listo. Las evaluaciones persisten no porque sean válidas, sino porque nada ha ocupado formalmente su lugar.

Estos hallazgos se reciben de manera distinta según el lugar que se ocupe en la academia. Esa variación importa, porque "las evaluaciones están sesgadas" es una afirmación abstracta hasta que se ve cómo se cruza con su posición, su identidad y su estabilidad laboral concretas.

Para el profesorado antes de la titularidad

La correlación negativa entre las evaluaciones y el aprendizaje crea un incentivo genuinamente perverso. Usted está armando su expediente para la titularidad (tenure), y las evaluaciones forman parte de él. Los colegas de mayor rango son explícitos: "No deje que la docencia sea una debilidad en su caso". Pero el estudio de 2022 sobre inflación de calificaciones le dice que la forma más confiable de subir esos puntajes es calificar con más facilidad, no mejorar la pedagogía. El estudio de BMC de 2025 le dice que los cursos que los estudiantes califican más alto pueden ser aquellos en los que menos aprenden. El profesorado que aún no tiene titularidad queda atrapado entre la evidencia y la institución, obligado a optimizar una métrica que puede premiar lo opuesto de una buena enseñanza.

Para el profesorado con titularidad

Lo que está en juego para la carrera es menos inmediato, pero la investigación de 2024 de Daskalopoulou sobre salud mental sugiere que el daño psicológico no desaparece con la titularidad. Una profesora con titularidad puede saber intelectualmente que las evaluaciones tienen ruido, pero eso no evita el escozor de un comentario que la llama "desorganizada" o "inaccesible". La titularidad protege el empleo; no elimina la narrativa interiorizada. Y el profesorado con titularidad que integra comités de promoción suele darle a las evaluaciones precisamente el peso que la investigación dice que no deberían tener, perpetuando el ciclo.

Para las mujeres y el profesorado de color

El estudio de Aragón et al. en PNAS (2023) revela que esto no es solo prejuicio individual de los estudiantes; es estructural, impulsado por la composición de género del departamento. Una mujer que enseña en un departamento dominado por hombres enfrenta penalizaciones por expectativas de rol que nada tienen que ver con su enseñanza. El profesorado de color recibe evaluaciones que cuestionan su pertenencia de maneras que sus colegas blancos no experimentan. El análisis interseccional de Daskalopoulou muestra que estos sesgos se acumulan entre marcadores de identidad (género, raza, edad, discapacidad) y que el efecto acumulado es un daño medible a la carrera y un impacto en la salud mental. El formulario de evaluación se convierte en un lugar donde el sesgo institucional encuentra un mecanismo cuantitativo.

Para el profesorado contingente

Aquí lo que está en juego es más agudo. Un docente visitante o adjunto suele ser recontratado en buena medida con base en las evaluaciones. Unas evaluaciones bajas pueden costar un contrato. Combinado con el hallazgo sobre la inflación de calificaciones, esto crea un dilema imposible: mantener el rigor y arriesgar el empleo, o inflar las calificaciones y conservar el nombramiento. La pausa por el COVID demostró que las instituciones pueden funcionar sin decisiones de recontratación basadas en evaluaciones. Pero la mayoría volvió a la práctica, y el profesorado contingente carga con las consecuencias.

En todas las disciplinas

Es probable que la correlación negativa entre las evaluaciones y el aprendizaje varíe según el campo. Un curso de estadística con series de problemas exigentes puede mostrar una correlación negativa más marcada que un curso panorámico descriptivo. El método socrático de un profesor de filosofía puede recibir evaluaciones más bajas que un curso introductorio de biología basado en clases magistrales, y a la vez producir resultados de aprendizaje más profundos. El estudio de BMC de 2025 se realizó en educación veterinaria, pero el mecanismo de fondo (los estudiantes prefieren los cursos que se sienten más fáciles) se aplica de manera amplia.

El punto no es excusar la mala enseñanza ni sugerir que toda retroalimentación carece de valor. Es decir lo siguiente: los resultados de sus evaluaciones están inmersos en un sistema con sesgos estructurales documentados, problemas de incentivos documentados y, ahora, una relación negativa documentada con el aprendizaje. Su tarea es interpretar sus propios resultados con claridad sobre lo que realmente miden.

El planteamiento anterior era: "las evaluaciones son imperfectas, así que tómelas con cautela". El nuevo planteamiento, dado lo que ahora sabemos, es más fundamental: las evaluaciones miden lo equivocado, y lo que miden (la satisfacción estudiantil, que se correlaciona con la indulgencia al calificar) puede estar relacionado negativamente con aquello que a usted realmente le importa (el aprendizaje).

Es un tipo de cambio distinto. No es "interprete con cuidado sus evaluaciones". Es "deje de tratar su puntaje de evaluación como información sobre la calidad de su enseñanza". El número agregado es peor que el ruido; puede ser sistemáticamente engañoso.

Esto no significa ignorar todo lo que aparece en el formulario de evaluación. La retroalimentación específica y repetida sobre algo concreto sigue importando. Si el 80 % de sus estudiantes dice que no entiende los criterios de calificación, eso es accionable sin importar lo que diga el puntaje global. Si los estudiantes informan de manera constante que no pueden acceder a los materiales, es un problema real. Pero ¿el puntaje agregado de "efectividad docente global"? El estudio de BMC de 2025 sugiere que ese puntaje refleja con más probabilidad lo fácil que se sintió el curso que cuánto aprendieron los estudiantes.

El cambio más productivo es preguntarse: si las evaluaciones no me dicen si soy un buen docente, ¿qué lo haría? ¿Qué señales se correlacionan realmente con el aprendizaje?

Observación entre pares. Cuando un colega se sienta en su aula y lo observa enseñar (no para evaluarlo con fines de personal, sino con una mirada colaborativa), puede decirle cosas que las evaluaciones nunca le dirán. Puede decirle si sus transiciones fueron claras, si involucró a los estudiantes más callados, si abordó las ideas erróneas o dejó que pasaran. La POD Network mantiene guías prácticas para la observación colaborativa del aula que se centran en la mejora y no en la evaluación.

Análisis del trabajo estudiantil. Si tiene acceso a tareas, exámenes o proyectos reales de su curso, puede preguntarse: ¿los estudiantes están adquiriendo las competencias? ¿Sus trabajos mejoran a lo largo del semestre? ¿Pueden aplicar los conceptos a problemas nuevos? Estas preguntas se responden mirando el trabajo mismo, no pidiendo a los estudiantes que califiquen su satisfacción.

Portafolios docentes y reflexión. Cuando revisa los materiales de un curso, las tareas que asignó, la retroalimentación que dio, y reflexiona sobre lo que funcionó y lo que no, se involucra en el tipo de mejora iterativa que realmente conduce a una mejor enseñanza. SoTL Commons ofrece plantillas y ejemplos de cómo el profesorado documenta y reflexiona sobre su práctica docente.

Conversaciones de retroalimentación a mitad del semestre. En lugar de esperar hasta el final del semestre, cuando llegan las evaluaciones, puede preguntar a los estudiantes a mitad de camino: ¿qué está funcionando? ¿Qué resulta confuso? ¿Qué ayudaría? Esto le da información sobre la que realmente puede actuar, cuando todavía hay tiempo de ajustar.

Todas estas alternativas tienen algo en común: exigen un compromiso real, no solo la recepción pasiva de puntajes de evaluación. Dan más trabajo. Pero también tienen más probabilidades de mejorar realmente su enseñanza, porque se basan en señales que se correlacionan con el aprendizaje y no en señales que se correlacionan con la indulgencia al calificar.

No hay una serie prescrita de pasos. Su situación es genuinamente suya, moldeada por la etapa de su carrera, su identidad, su disciplina y su contexto institucional. Pero hay algunas invitaciones que vale la pena extender, a la luz de lo que la investigación reciente deja claro.

Una es dejar de interiorizar el puntaje agregado. La próxima vez que se sorprenda pensando "no soy un buen docente" porque su calificación global es de 3.8, recuerde el estudio de BMC de 2025. Un 3.8 puede significar que su curso fue exigente de maneras que produjeron aprendizaje real. Un 4.7 en el pasillo de al lado puede significar lo contrario. El número no contiene la información que usted busca.

Otra es experimentar con la recopilación de señales que realmente se correlacionen con el aprendizaje. Elija una alternativa este semestre: observación entre pares, conversaciones de retroalimentación a mitad del semestre, análisis del trabajo estudiantil o un portafolio docente. La POD Network mantiene guías prácticas para la observación colaborativa del aula que se centran en la mejora y no en la evaluación. SoTL Commons ofrece plantillas para documentar y reflexionar sobre la práctica docente. El COVID nos mostró que las instituciones pueden funcionar sin decisiones basadas en evaluaciones. Construir alternativas no es hipotético; ya se ha puesto a prueba.

Una tercera es la comunidad. La revisión exploratoria de Sullivan et al. de 2024 encontró que ni siquiera los estudiantes creen que las evaluaciones generen circuitos genuinos de retroalimentación. Si ambos lados del formulario de evaluación cuestionan su valor, la retroalimentación real ocurre en otra parte: en círculos de enseñanza, redes de observación entre pares, grupos departamentales de evaluación y el tipo de conversaciones honestas que se dan cuando la persona con poder institucional no está en la sala.

En última instancia, de eso se trata. No de renunciar a mejorar en la enseñanza. No de decidir que la retroalimentación no importa. Se trata de reconocer que las evaluaciones no solo fallan en medir la calidad de la enseñanza; la evidencia reciente sugiere que pueden apuntar activamente en la dirección equivocada. La retroalimentación real, la que de verdad mejora su enseñanza, viene de los pares, del trabajo estudiantil, de la reflexión, del proceso colaborativo y desordenado de intentar ayudar a los estudiantes a aprender algo genuinamente difícil.

Sus estudiantes necesitan que usted sea un buen docente. La medida de si lo está logrando es si están aprendiendo lo que importa. Esa pregunta nunca ha podido responderse con una encuesta de satisfacción. Ahora tenemos la evidencia para demostrarlo.