¿Mide el desempeño la evaluación anual?
“La evaluacion anual es la herramienta para medirlo.”
Lo que dice la evidenciaLa evaluación anual promete capturar el desempeño del evaluado, pero la evidencia primaria muestra que una parte sustancial de la varianza en las calificaciones refleja quién evalúa, no qué tan bien se desempeña el evaluado.
Las cifras subrayadas se abren: ves la frase del estudio que las respalda.
La evaluación anual promete capturar el desempeño del evaluado, pero la evidencia primaria muestra que una parte sustancial de la varianza en las calificaciones refleja quién evalúa, no qué tan bien se desempeña el evaluado.
Bloque de preguntas y respuestas
¿Qué promete la evaluación anual? El consenso en la práctica de RRHH afirma que la evaluación anual es el instrumento para medir el desempeño individual del empleado. Esa promesa supone que las calificaciones capturan principalmente al evaluado, no al evaluador.
¿Qué entrega la evidencia? Scullen, Mount y Goff identificaron que los efectos idiosincrásicos del evaluador constituyen la fuente dominante de varianza en las calificaciones de desempeño laboral . En sus dos conjuntos de datos, esos efectos explicaron más de la mitad de la varianza de las calificaciones (el 62 % y el 53 %) .
La varianza del evaluador es aproximadamente el doble que la varianza del evaluado, confirmada mediante modelado de coeficientes aleatorios sobre datos de campo organizacional .
¿Cómo de acuerdo están dos evaluadores que valoran al mismo empleado? Un meta-análisis estima la fiabilidad interevaluador de las calificaciones de los supervisores en r = 0,52 . Un meta-análisis más reciente con k = 132 muestras independientes eleva esa estimación a r = 0,65 . Ambas cifras están lejos de la concordancia que cabría esperar de una medida objetiva del desempeño individual.
¿Es el evaluador simplemente ruidoso? No. Murphy y DeShon señalan que la varianza asociada al evaluador no es error de medición aleatorio sino varianza sistemática, que hace que las correlaciones entre evaluadores puedan sobreestimar o subestimar la fiabilidad . Esto complica cualquier corrección estadística simple.
¿Existe algún matiz a favor de la herramienta? Ellington y Wilson advierten que parte de lo que se interpreta como varianza idiosincrásica del evaluador puede reflejar variabilidad sistemática real entre contextos organizacionales, no solo sesgo puro . El hallazgo no rehabilita la promesa de medición objetiva, pero complejiza la lectura del "error".
¿Qué ocurre en España en particular? En España, el Real Decreto-ley 6/2023 establece la evaluación del desempeño como obligatoria para todo el personal público, con efectos en carrera, retribuciones y provisión de puestos . Sin embargo, no existe un estudio oficial español con descomposición de varianza evaluador/evaluado equivalente al de Scullen et al. para ningún sector. Los datos cuantitativos citados en esta pieza provienen de estudios realizados principalmente en EE. UU. y de meta-análisis internacionales; su traslación directa al contexto español requiere cautela.
Resumen de cifras clave
| Indicador | Valor | Fuente | Contexto |
|---|---|---|---|
| Varianza del evaluador vs. evaluado | Evaluador ≈ 2× evaluado | O'Neill et al., 2012 | EE. UU./Canadá, multisectorial |
| Fiabilidad interevaluador (clásico) | r = 0,52 | Viswesvaran et al., 1996 | Internacional, multisectorial |
| Fiabilidad interevaluador (actualizado) | r = 0,65 (k=132) | Zhou et al., 2024 | Internacional, multisectorial |
Por qué persiste
- La evaluación anual es un ritual organizacional con décadas de implantación; cambiarla exige reentrenar gestores, rediseñar sistemas de información y revisar marcos legales, como ilustra la obligatoriedad fijada en España por el RDL 6/2023 .
- La varianza del evaluador, al ser sistemática y no aleatoria , produce patrones de calificación que parecen coherentes dentro de cada evaluador, lo que oculta el problema a quienes leen los resultados sin descomponer la varianza.
- El matiz de Ellington y Wilson sobre contextos organizacionales puede ser invocado, de forma no necesariamente justificada, para defender la utilidad de la herramienta sin abordar su limitación de medición.
La brecha en una frase
El consenso promete una herramienta que mide el desempeño individual del evaluado; la evidencia entrega una herramienta en la que más de la mitad de la varianza de las calificaciones refleja al evaluador, con una fiabilidad interevaluador que oscila entre r = 0,52 y r = 0,65.
Fuentes
7 obras
- Scullen, Mount y Goff (2000). Understanding the latent structure of job performance ratings. Journal of Applied Psychology Ver fuente ↗
«This study quantified the effects of 5 factors postulated to influence performance ratings: the ratee's general level of performance»
Frase literal comprobadaComprobada el 20 de octubre de 2026Artículo revisado por pares«idiosyncratic rater effects (62% and 53%) accounted for over half of the rating variance in both data sets»
Lo respalda en parteComprobada el 20 de octubre de 2026El texto respalda que los efectos idiosincráticos del evaluador explican más de la mitad de la varianza, pero no define el término ni afirma que esto invalide la premisa de que la calificación mide al evaluado; además el desempeño del evaluado sí explica una parte (21% y 25%).
- O'Neill, T. A., Goffin, R. D., & Gellatly, I. R., Organizational Research Methods (SAGE), 2012 Ver fuente ↗
«rater main effects variance was nearly two times as large as ratee main effects variance»
Frase literal comprobadaComprobada el 20 de octubre de 2026Artículo revisado por pares - Viswesvaran, Ones y Schmidt (1996). Comparative analysis of the reliability of job performance ratings. Journal of Applied Psychology Ver fuente ↗
«mean interrater reliability of supervisory ratings of overall job performance was found to be .52»
Lo respalda en parteComprobada el 20 de octubre de 2026Artículo revisado por paresEl texto respalda r = .52, pero no menciona los 40 estudios ni N = 14.650, ni dice que implique solo una coincidencia moderada.
- Zhou et al. (2024). An updated meta-analysis of the interrater reliability of supervisory performance ratings. The Journal of applied psychology Ver fuente ↗
«We found a higher interrater reliability estimate ( r = .65) compared to previous meta-analyses on the topic»
Lo respalda en parteComprobada el 20 de octubre de 2026Artículo revisado por paresEl texto respalda r = .65, k = 132 y que supera a meta-análisis previos, pero no menciona a Viswesvaran et al. (1996) ni afirma que esa fiabilidad sea insuficiente para usar la evaluación como medida objetiva del desempeño individual.
- Murphy, K. R. & DeShon, R., Personnel Psychology, 53, 873–900, 2000 Ver fuente ↗
«There is clear evidence of systematic rater effects in performance appraisal, and variance associated with raters is not a source of random measurement error.»
Frase literal comprobadaComprobada el 20 de octubre de 2026Artículo revisado por pares - Ellington, J. K. & Wilson, M. A., Journal of Business and Psychology, 32(1), 87–100, 2017 Ver fuente ↗Enlace y autoría comprobadosComprobados el 20 de octubre de 2026Artículo revisado por pares
- Real Decreto-ley 6/2023, de 19 de diciembre, BOE-A-2023-25758 Ver fuente ↗
«es obligatoria para todo el personal y tiene efectos directos en la progresión en la carrera profesional, en la acreditación de méritos»
Lo respalda en parteComprobada el 20 de octubre de 2026El texto respalda la obligatoriedad y los efectos en carrera, retribuciones y provisión de puestos, pero no dice nada sobre la ausencia en España de un estudio oficial de descomposición de varianza evaluador/evaluado ni sobre Scullen et al. 2000.