Evaluación Formativa y Diseño Instruccional

Evaluación Formativa y el Diseño de Modelos Instruccionales
D. Royce Sadler
Instructional Science 18: 119-144 (1989)
Abstract
La teoría de la evaluación formativa es relevante para un gran espectro de resultados de
aprendizajes en una amplia variedad de temas. Específicamente, se aplica donde quiera un
criterio múltiple se use al hacer juicios sobre la calidad de las respuestas de los estudiantes. La
teoría tiene menos relevancia para los alcances en los cuales las respuestas de los estudiantes
puedan ser evaluadas simplemente como correctas o incorrectas. La retroalimentación es
definida en una manera particular para iluminar su función en la evaluación formativa. Esta
definición difiere en varios significados respecto de la tradicional definición que se encuentra
en investigación educacional. Tres condiciones para que la retroalimentación sea efectiva son
entonces identificadas y sus implicaciones discutidas. Una premisa clave es que para que los
estudiantes sean capaces de mejorar, deben desarrollar la capacidad de controlar la calidad de
su propio trabajo durante la producción real. Esto a su vez, requiere que los estudiantes
posean una apreciación de cuan alta es la calidad de su trabajo, de que tengan la destreza
evaluativa necesaria para que comparen con objetividad la calidad de lo que están
produciendo en relación con una estándar más alto, y que desarrollen un conjunto de destrezas
que pueden conducirles a modificar su propio trabajo. Se argumenta que estas destrezas
pueden ser desarrolladas entregándoles experiencias evaluativas auténticas y directas a los
estudiantes. Los sistemas de enseñanza que no hacen entrega explícita para la adquisición de
experticia evaluativa son deficientes porque establecen para los estudiantes una actuación
limite o de techo artificial pero potencialmente removible.
Introducción
Este artículo trata sobre la naturaleza y función de la evaluación formativa en el desarrollo de la
experticia. Es relevante a una amplia variedad de sistemas de enseñanza en la cual el resultado del
estudiante es ponderado cualitativamente usando múltiples criterios. El foco está puesto en el juicio
sobre la calidad del estudiante, quién hace los juicios, cómo son hechos, cómo tendrían que ser
refinados y cómo pueden ser puestos al servicio de la mejoría. El artículo es impulsado por dos
intereses sobrepuestos. El primero se relaciona con la falta de una teoría general de
retroalimentación y evaluación formativa en contextos de aprendizajes complejos. El segundo
interés se deriva de la preocupante observación que aun cuando los profesores entreguen a los
estudiantes juicios válidos y seguros sobre la calidad de su trabajo, la mejoría de sus aprendizajes no
necesariamente se produce. Los estudiantes a menudo muestran poco o ningún aumento en el
desarrollo a pesar de la retroalimentación regular y segura. El interés en sí mismo es si algunos
aprendices fracasan al adquirir experticia por las deficiencias específicas en el sistema de enseñanza
asociado con la evaluación formativa. La discusión comienza con la definición de retroalimentación,
evaluación formativa y juicio cualitativo. Esto es seguido por un análisis de ciertos patrones en las
interacciones estudiante-profesor en la evaluación. Un número de relaciones causales y
condicionales son entonces identificadas. Estas, a su vez, son presentadas con implicancias para el
diseño de sistemas de enseñanza los que son ensayados para desarrollar la habilidad en los
estudiantes para ejercer un control evaluativo sobre sus propias efectividades productivas y
eventualmente para llegar a ser independientes y completamente autónomos.
2
Evaluación formativa, retroalimentación y autocontrol
La etimología y el uso común asocian el adjetivo formativa con formar o moldear algo. En este
artículo, la palabra evaluación denota cualquier ponderación (o juicio o evaluación) de un trabajo
del estudiante o su desempeño (en algunos contextos a la palabra assessment se le da un significado
más delimitado y especializado; algunos lectores norteamericanos en particular pueden preferir
sustituir la palabra evaluation por assessment).
La evaluación formativa se refiere a cómo se juzga la calidad de las respuestas de los estudiantes
(desempeños o trabajos o composiciones) y puede usarse para moldear y mejorar la competencia del
estudiante interrumpiendo el azar y la ineficiencia del aprendizaje por ensayo y error.
Los contrastes de la evaluación formativa están relacionados con el resumen o suma del estatus de
los aprendizajes de un estudiante y están relacionados con el informe final de un curso de estudio
especialmente con propósito de certificación. Es esencialmente pasiva o normalmente no tiene
inmediato impacto en el aprendizaje, aunque a menudo influencia decisiones que pueden tener
profundas consecuencias educacionales y personales para el estudiante. La distinción primaria entre
evaluación formativa y sumativa se relaciona con sus propósitos y efectos y no con su adaptación al
tiempo. Se argumenta abajo que muchos de los principios apropiados a la evaluación sumativa no
son necesariamente transferibles a la evaluación formativa; la última requiere una conceptualización
y tecnología distintiva.
La retroalimentación es un elemento clave en la evaluación formativa y es usualmente definida en
términos de información sobre cuán exitoso algo ha sido o está siendo hecho. Pocas destrezas
físicas, intelectuales o sociales pueden ser adquiridas satisfactoriamente simplemente a través de
hablarles a los alumnos sobre ellas. La mayoría requiere práctica en torno de un soporte que
incorpore lazos de retroalimentacion. Esto usualmente incluye un profesor que sabe cuales destrezas
tienen que ser aprendidas y que pueda reconocer y describir un esfuerzo bueno, mostrar un esfuerzo
bueno e indicar cuanto puede un esfuerzo pobre haber mejorado. La retroalimentación puede
también ser definida en términos de sus efectos más bien que de su contenido informativo: “la
retroalimentación es información sobre la brecha entre el nivel actual y el nivel de referencia de un
sistema de parámetros que se usa para cerrar la brecha de alguna manera” (Ramaprasad, 1983, p. 4).
Esta definición alternativa enfatiza la función del control del sistema. Hablando ampliamente, la
retroalimentacion provee a dos audiencias principales: el profesor y el estudiante. Los profesores
usan la retroalimentacion para hacer decisiones programáticas con respecto a la prontitud del
diagnóstico y remediación. Los estudiantes lo usan para monitorear las fortalezas y debilidades de
sus esfuerzos de modo que los aspectos asociados con el éxito o la alta calidad puedan ser
reconocidos y reforzados y los aspectos insatisfactorios, modificados o mejorados.
Un importante elemento de la definición de Ramaprasad es que la información sobre la brecha entre
los niveles reales e ideales de referencia es considerada como retroalimentación solamente cuando
esta es usada para alterar la brecha. Si la información es simplemente registrada, pasada a una
tercera parte que carece ya sea de conocimiento o de poder para cambiar el resultado, o es
demasiado codificada (por ejemplo, un resumen de notas dado por un profesor) para conducir a una
acción apropiada, el ciclo de acción no puede ser cerrado y quedan datos sueltos que sustituyen a
una retroalimentacion efectiva. En cualquier área del curriculum donde una calificación o un puntaje
asignado por un profesor constituye la única vía para los estudiantes, la atención se desvía de los
juicios fundamentales y de los criterios para realizarlos. Una nota por lo tanto puede realmente ser
contraproducente para propósitos formativos.
3
Al evaluar la calidad del desempeño del trabajo del estudiante, el profesor debe poseer un concepto
de calidad apropiada a la tarea y ser capaz de juzgar el trabajo del estudiante en relación a ese
concepto, pero aunque los estudiantes pueden aceptar juicios de los profesores sin objeción,
necesitan más que resúmenes de notas si van a desarrollar inteligentemente la experticia. Las
condiciones indispensables para mejorar son que el estudiante llegue a tener un concepto de calidad
más o menos similar a la mantenida por el profesor, sea capaz de monitorear continuamente la
calidad de lo que está produciendo durante el acto de producción misma y tenga un repertorio de
estrategias o movimientos alternativos con las cuales puede llegar a cualquier punto dado. En otras
palabras, los estudiantes tienen que ser capaces de juzgar la calidad de lo que están produciendo y
ser capaces de regular lo que están haciendo mientras lo hacen. Como Shenstone dijo
(correctamente) hace dos centurias atrás “cada buen poeta incluye una crítica; lo inverso no se puede
mantener” (Shenstone, 1768, p. 172).
Establecido explícitamente, por lo tanto, el aprendiz tiene que:
a) poseer un concepto del estándar (o meta o nivel de referencia) por el cual ser dirigido;
b) comparar el nivel real o actual del desempeño con el estándar, y
c) comprometerse en una acción apropiada que conduzca a algún cierre de la brecha.
Estas tres condiciones forman la red organizativa de este artículo. Tiene que señalarse que son
condiciones necesarias que deben ser satisfechas simultáneamente más que en pasos secuenciales.
Es sin embargo útil hacer una distinción conceptual entre las condiciones. El (macro) proceso de
poner puntajes involucra a los primeros dos en lo que es esencialmente comparar un caso particular
ya sea con un estándar o con uno o más otros casos. El control durante la producción involucra las
tres condiciones y es, por contraste, un microproceso llevado a cabo en tiempo real. El juicio
proveniente de las prácticas de evaluación comunes en muchos sujetos, la información generada sin
la participación del aprendiz pero hechas asequibles al aprendiz de tiempo en tiempo (como la
inteligencia) es evidentemente asumido para satisfacer estas condiciones: Un examen detallado de
las tres condiciones muestra por qué esta función se hace poca para lo que es realmente necesario.
Para propósitos de la discusión es conveniente hacer una distinción entre retroalimentación y
autocontrol de acuerdo a la fuente de la información evaluativa. Si el aprendiz genera la información
relevante, el procedimiento es parte del automonitoreo o el autocontrol. Si la fuente de información
es externa al aprendiz, es asociada con retroalimentación. En ambos casos se asume que tiene que
haber algún cierre en la brecha de la retroalimentación y el automonitoreo para que sea clasificada
como tal. La evaluación formativa incluye ambos, retroalimentación y autocontrol. La meta de
muchos sistemas de enseñanza es facilitar la transición desde la retroalimentación al autocontrol.
Retroalimentación y evaluación formativa en la literatura
Los autores de textos en medición y evaluación publicados durante los últimos 25 años han colocado
gran énfasis en alcanzar altos contenidos de validez en las pruebas hechas por los profesores, la
producción de notas confiables y la manipulación estadística o interpretación de notas. Solamente se
ha puesto una atención superficial en la retroalimentacion y evaluación formativa y, entonces, es por
regla general ateórica y una especie de receta. En muchos casos la retroalimentacion y la evaluación
formativa (o sus equivalentes) no están mencionadas ni en los libros de texto o en el índice, aunque
los libros por Rowntree (1977), Bloom, Madaus y Hastings (1981), Black y Dockrell (1984) y
Chater (1984) son notables excepciones.
4
En general, una preocupación respecto de los propósitos de la evaluación sumativa ha dominado el
campo en términos tanto de investigación como de guía dada a los profesores. Esta dominación está
implícita en el tratamiento dado, por ejemplo, a la confiabilidad y validez. Los textos casi siempre
invariablemente describen cómo la validez de las evaluaciones tiene que ser distinguida de la
confiabilidad (de las notas o calificaciones). La confiabilidad es usualmente (y correctamente)
considerada una condición necesaria pero no suficiente para la validez porque las medidas de juicio
pueden ser confiables en el sentido de ser consistentes en el tiempo, o sobre los juicios, y aun estar
fuera de la meta (o inválida). La confiabilidad es, por lo tanto, presentada como una precondición
para una determinación de validez. Al discutir la evaluación formativa sin embargo la relación entre
confiabilidad y validez es más apropiadamente establecida como sigue: la validez es una condición
suficiente pero no necesaria para la confiabilidad. La atención a la validez de los juicios sobre
trabajos individuales debiera tomar precedencia sobre la atención a la confiabilidad de las notas en
cualquier contexto donde el énfasis está en el diagnóstico y en el mejoramiento. La confiabilidad
tiene que seguir como corolario. La aceptación de este principio, que es enfatizado solamente por
unos pocos escritores (como Nitko, 1983), tiene implicancias para la forma en que el proceso de
ponderación es conceptualizado y comprendido el mecanismo del mejoramiento.
En la literatura de la investigación sobre el aprendizaje, la retroalimentación es habitualmente
identificada con conocimiento de los resultados (a menudo abreviado como K R), un concepto que
gana considerable aceptación general a través de Thorndike (1913) por la llamada ley de efecto.
Revisando la serie de estudios experimentales de aprendizaje a partir de materiales escritos (textos y
programas de instrucción), Kulhavy (1977, p.221) define retroalimentación como “cualquiera de los
numerosos procedimientos que son usados para decirle al aprendiz si una respuesta instruccional
está bien o equivocada”. Kulik y Kulik (1988) adoptaron una definición similar en su revisión de la
investigación sobre control de tiempo de la retroalimentación. Los investigadores del aprendizaje
han estado particularmente interesados en el efecto de varias características de la retroalimentación
(como la pertinencia, inmediatez, forma de los datos y tipos de recompensa) y en la retención del
material aprendido. Las hipótesis de investigación testeadas han sido casi invariablemente la teoría
de aprendizaje sobre estímulo-respuesta, siendo la meta descubrir los tipos de estímulos e incentivos
que promueven un aprendizaje. Para la mayoría, esta línea de investigación ha sido confinada a los
resultados del aprendizaje que pueden ser evaluados por pruebas y test de progresos, consistentes en
problemas que deben ser resueltos o ítems objetivos que pueden ser contabilizados correcta o
incorrectamente. Los programas de aprendizaje están concebidos como divisibles en unidades
lógicas dependientes que pueden ser dominadas más o menos secuencialmente una por una. La
resultante tecnología está asociada con puntajes de pruebas, ítem de diagnóstico, referencia a
criterios y aprendizajes para la maestría (Mastery Learning)
Otras líneas de investigación se producen en áreas específicas. De particular interés es la literatura
de la evaluación de la escritura, que contiene descripciones de un número de diferentes
aproximaciones, incluyen evaluación por medio de la impresión general, escalas analíticas, trazos
básicos, rasgos sintácticos, legibilidad relativa y estrategia intelectual (Gere, 1980). Estos difieren
no solo en el detalle procedural, sino también en sus bases teóricas. Mucho de la discusión sobre
evaluación de las variadas posibilidades giran alrededor de cuál criterio debería ser usado (y cómo),
cuál de las técnicas tiene la fundamentación teórica más valiosa (tal como una teoría de la
composición), o cual produce el mejor acuerdo entre jueces competentes (consideraciones de
confiabilidad). Un criterio alternativo para la adjudicación entre los acercamientos de evaluación es
el grado en el cual la mejoría de los estudiantes mejora, ya sea como consumidores de evaluación
por diferentes métodos o a través de haber sido entrenados para el uso de un particular acercamiento
de evaluación por ellos mismos. Con respecto a la enseñanza de la escritura estos resultados no han
5
sido cuidadosamente explorados aunque han sido tocados por Cooper (1977), Odell y Cooper (1980)
y varios otros.
Aunque la línea de desarrollo en este artículo de la literatura en evaluación escrita, comparte un
interés en los resultados del aprendizaje que son complejos en el sentido que los juicios cualitativos
están invariablemente involucrados en la medición de los trabajos de los estudiantes. En tales
aprendizajes, el desarrollo del estudiante es multidimensional más bien que secuencial, y los
aprendizajes de prerrequisitos no pueden ser conceptualizados como unidades de destrezas o
conocimientos netamente empacadas. El crecimiento toma lugar de muchas maneras, en muchos
frentes interrelacionados en el mismo momento y es más bien continuo que un paso de cierre. Los
resultados no son fácilmente caracterizados como correctos o incorrectos y es más apropiado pensar
en términos de la cualidad de la respuesta del estudiante o del grado de experticia, que en términos
de hechos memorizados, conceptos o contenidos adquiridos y dominados.
Juicios cualitativos definidos y caracterizados
Un juicio cualitativo es definido (Sadler, 1987) como un juicio que se hace directamente por una
persona, siendo el cerebro de la persona tanto la fuente como el instrumento para la medición. Tal
juicio no es reducible a una fórmula que pueda ser aplicada por un no experto. En general en los
juicios cualitativos tienen algo o todo de las siguientes cinco características:
1. Criterios múltiples son usados al medir la calidad de los desempeños. Tanto como las
dimensiones individuales representadas por los criterios, el patrón total de relaciones entre estas
dimensiones es importante. En este sentido los criterios se entrelazan de modo que toda la
configuración suma más que la suma de sus partes. La descomposición de una configuración
tiende a reducir la validez de una valoración.
2. Al menos algunos de los criterios usados en la medición son confusos más que claros. Un
criterio bien definido contiene una discontinuidad esencial la que es identificable como una
transición abrupta de un estado a otro tal como de correcto a incorrecto. Puede haber dos o más
estados bien definidos, pero siempre es posible en principio determinar a cuál estado se aplica.
Los criterios bien definidos están involucrados en todo test objetivo (incluyendo aquellos en arte
y humanidades), y la evaluación de muchos productos en matemáticas y en ciencias que
involucran la resolución de problemas y la prueba de teoremas. Por contraste, el criterio confuso
se caracteriza por una continua gradación de un estado a otro. La originalidad al aplicarse en un
ensayo es un ejemplo de un criterio confuso porque cualquier cosa entre absolutamente no
original y absolutamente original es posible. Un criterio confuso es una construcción mental
abstracta denotada por un término lingüístico que no tiene un significado independiente, no
absoluto y ambiguo de su contexto. Si un estudiante es capaz de, conscientemente, usar un
criterio confuso al hacer un juicio, es necesario que él entienda lo que el criterio confuso
significa y qué implica en la práctica. Por lo tanto, aprender estos significados contextualizados
y las implicancias constituyen una importante tarea para el estudiante.
3. Del largo conjunto de criterios potenciales que podrían legítimamente ser traídos para un tipo de
evaluación, solamente un relativo pequeño grupo es típicamente usado al mismo tiempo. El juez
competente es capaz no solamente de hacer una valoración sino también de decidir cuáles
criterios son relevantes y de sustentar un juicio completo con referencia de ellos. En muchos
casos el profesor puede encontrar imposible identificar todos los criterios relevantes por
6
adelantado, puede encontrar que un grupo fijo de criterios no es uniformemente aplicable a
diferentes respuestas de los estudiantes, aun cuando estas respuestas pueden ostensiblemente ser
de la misma tarea. El juicio profesional cualitativo consiste en conocer las reglas para usar (y
ocasionalmente romper) reglas. Los criterios para usar criterios son conocidos como
metacriterios.
4. Al evaluar la calidad de las respuestas de los estudiantes a menudo no hay métodos
independientes de confirmación, en el momento en que un juicio es hecho ya sea la decisión o
conclusión (como distinto de la respuesta de los estudiantes) es correcta. La verdad, puede no
tener sentido hablar de corrección. El corte final es otro juicio cualitativo. Para dar un ejemplo
de independencia metodológica, suponer que dos ensayos tienen que ser comparados. Un
acercamiento es preguntar a una persona competente que juzgue cual es de la más alta calidad
con o sin especificación de criterios. Un método diferente para juzgar la calidad podría ser usar
un programa de computación para analizar ciertas propiedades del texto, tales como frecuencia
de comas y las proporciones de las proposiciones, conjunciones y palabras no comunes. Estos
dos métodos son independientes porque usan medios esencialmente diferentes para llegar a una
conclusión. Pero teniendo dos personas en vez de una, podrían no constituir métodos
independientes aun si ambas personas hacen los juicios sin referencia a la otra persona y en ese
sentido trabajar independientemente.
5. Si se usan números (o marcas o cifras), son asignados después que los juicios hayan sido hechos,
no al revés. Al hacer juicios cualitativos, la decisión final nunca llega por contar cosas, hacer
medidas físicas o componer números o buscar la pura magnitud del resultado.
Los alcances de los aprendizajes complejos del tipo que son evaluados haciendo juicios directos
cualitativos son comunes en una amplia variedad de temas de la escuela secundaria vocacional,
posterior y alta. Estos temas incluyen inglés, lenguas extranjeras, humanidades, artes manuales artes
plásticas, ciencias sociales, y artes visuales y de actuación. Ellos también son importantes en
formación industrial en muchas áreas de ciencias y matemáticas, particularmente donde los
estudiantes son requeridos para diseñar experimentos, formular hipótesis, o conducir investigaciones
de laboratorio o involucrarse en la resolución de problemas creativos. La evaluación y el conjunto de
tareas en todas estas áreas involucran a los estudiantes en sintetizar en forma activa y con ideas
integrantes conceptos, movimientos y destrezas para producir respuestas extensas en algunas
formas. En todas las evaluaciones de tales respuestas extensas los juicios cualitativos son de
fundamental importancia.
A veces la respuesta de los estudiantes, o el producto final, tiene una forma permanente, una
existencia separada del estudiante. Esto es, es un artefacto con el cual se puede favorecer o permitir
la inspección libremente. Los ejemplos incluyen ensayos, composiciones musicales, trabajos de
soldadura, y artículos de alfarería. Si el apoyo usado en la construcción del trabajo es
cuidadosamente desmantelado, el producto final puede no retener ninguna evidencia de falsos
comienzos, senderos infructuosos seguidos en esta producción o (si no ha sido producido en el
tiempo obligado de las condiciones de un test) el tiempo tomado para producirlo. El producto es de
hecho infinitamente maleable antes de su entrega y el autor puede modificarlo en la cantidad
deseada.
Un tipo de contraste con el “producto” final es cuando el trabajo del estudiante es fugaz así como
una actuación viva en tiempo real. Los ejemplos son una actuación dramática, un discurso, una
7
entrevista con un paciente o un cliente, una lección en la sala de clases, o un juego de tenis. Notar
que al hacer un registro de una actuación viva, produce solamente un artefacto secundario el cual,
aunque usado en análisis y revisión es distintivamente diferente del carácter del desempeño mismo y
digamos de una película cuidadosamente editada o un álbum de discos producidos durante varios
meses. El producto final artefactual y fugaz tiene diferentes demandas en el sistema de enseñanza en
términos de retroalimentación evaluativa.
Es también útil hacer la distinción entre productos finales de acuerdo al grado de diseño esperado.
En algunos campos del aprendizaje, el producto final deseado es estrictamente especificado (por
ejemplo, mediante dibujos técnicos) a tal extensión que si las habilidades constructivas de todos los
productores fuera perfecta, los resultados podrían ser mas o menos idénticos. Lo que se evalúa en
estas situaciones esencialmente de la habilidad productiva del estudiante. El evaluar tales resultados
puede o no puede involucrar el hacer juicios cualitativos dependiendo del número y naturaleza de
los criterios. En otros campos (como la escritura) el diseño es en sí mismo un componente integral
de la tarea de aprendizaje, aunque puede estar tan estrechamente ligada con la producción que no
aparece como una fase distinta. Aun en otros campos (como la moda y la arquitectura) el diseño
mismo puede ser de consideración primordial. Dondequiera que el aspecto del diseño está presente
los juicios cualitativos son necesarios y las respuestas completamente divergentes de los estudiantes
podrían en principio y sin compromisos ser juzgados como de calidad equivalente.
Comunicación de estándares a los estudiantes
Anteriormente en este artículo, se argumentó que la transición desde la retroalimentación por
automonitoreo puede ocurrir solamente cuando tres condiciones son satisfechas. La primera de esta
es que los estudiantes lleguen a conocer qué es lo que constituye calidad. En un escenario de
enseñanza, esto presupone que el profesor ya posee este conocimiento y debe de alguna manera
compartirlo con los estudiantes. En un particular contexto, sin embargo, es a menudo difícil para los
profesores describir exactamente qué es lo que están esperando o buscando, aunque tienen poca
dificultad para reconocer una buen esfuerzo cuando ocurre entre las respuestas de los estudiantes.
Las concepciones de los profesores sobre la calidad son típicamente mantenidas principalmente en
forma inarticulada adentro de sus cabezas, como un conocimiento tácito. Por definición los
profesores experimentados llevan en ellos la historia de juicios previos cualitativos y cuando los
profesores intercambian trabajos de los estudiantes entre ellos o colaboran en hacer evaluaciones, la
habilidad para hacer un juicio cualitativo cabal constituye una forma de conocimiento grupal.
Mientras tales estándares “dentro de la cabeza” perciben un grado de estabilidad, no son inmutables,
pero pueden mostrar una adaptación a las circunstancias. En particular, los profesores están a
menudo fuertemente influidos por el rango de calidad que existe entre el conjunto de cosas a ser
valorizados y típicamente encuentran difícil decir un juicio aislado de calidad (esto es, sin referencia
a otros trabajos del estudiante). Los profesores tácitamente conocen la dificultad de descansar
solamente en la memoria cuando hacen una revisión de composiciones o trabajos del estudiante
antes de asignarles notas o puntajes. Esta revisión genera una base o marco de referencia negligente
cuantitativa que debe ser mirada como escasamente satisfactoria y que va a contar como excelente
en el contexto. Aun después de que se ha hecho una revisión, sin embargo, efectos en una escala
menor de orden (especialmente severidad, dejación y superficialidad) casi invariablemente ocurren.
Esto es tema de continua investigación (ver por ejemplo el trabajo de Hales y Tokar, 1975, y Daly y
Dickson-Markman, 1982) y puede ser interpretado en términos de la teoría de nivel de adaptación de
Helson (1959). Entonces parece que las concepciones del profesor sobre calidad y estándar existen
8
en alguna manera flexible y tranquila, hasta que son reconstituidas por una actividad evaluativa
fresca.
En un sistema de enseñanza, una exclusiva confianza en el conocimiento de grupo del profesor
trabaja contra los intereses de los estudiantes en dos importantes maneras. En primer lugar, aunque
la práctica de revisar algún ejemplo o una muestra de esfuerzos es común (y aconsejable cuando la
meta es hacer una alineación de los trabajos de un estudiante en contraste con otros estudiantes), es
inapropiado para la evaluación formativa porque esto legitima la noción de la base estándar que está
sujeto a una determinación existencial. Estrictamente hablando todos los métodos de puntuación con
énfasis en las alineaciones o comparaciones entre los estudiantes son irrelevantes para propósitos
formativos. Asumiendo que la separación y estratificación de los estudiantes no es el propósito
principal de la educación y enseñanza, el objetivo para cada estudiante es adquirir experticia en
algún sentido absoluto y no solamente para sobrepasar a otros estudiantes. Segundo, el conocimiento
de grupo mantiene el concepto del estándar relativamente inaccesible para el estudiante y tiende a
mantener la dependencia del estudiante hacia el profesor para los juicios sobre la calidad de su
desempeño. Cómo sacar el concepto de excelencia fuera de la cabeza de los profesores, darle alguna
formulación externa y accesible al estudiante es un problema no trivial. Se trata con alguna
extensión en todas partes con la rúbrica de “evaluación referida a estándares” (Sadler, 1987). Algo
de este tema se resume más abajo.
Dos aproximaciones a los estándares especificados son a través de informes descriptivos y modelos.
Mientras ninguno de estos es suficiente en sí mismo, una combinación de descripciones verbales y
unos modelos asociados, proporcionan un medio práctico y eficiente de externalizar un nivel de
referencia. Los resúmenes descriptivos establecen las propiedades características de un desempeño
en un nivel de calidad designado. La siguiente descripción genérica de alta calidad en un trabajo
particular de escritura es un ejemplo de un informe descriptivo:
Hay una lógica progresión de ideas de una hipótesis original hasta la conclusión final. Los
hechos son registrados cuidadosamente y las inferencias extraídas son plausibles. El autor
mantiene alguna “distancia” del contenido, alcanzando así un grado de objetividad. Todo el
trabajo se mantiene bien, el uso de las palabras es apropiado y los aspectos mecánicos de la
escritura tienen fallas.
Los informes descriptivos pueden ser usados para especificar puntos de sujeción de un continium de
calidad, y pueden incluir aspectos específicos que están presentes/ausentes (como una declaración
de la hipótesis) o correcto/incorrecto (tales como el deletrear y la puntuación), junto con otros rasgos
que están presentes en un mayor o menor grado (tal como “mantenerse bien”). Ellos van en parte
hacia externalizar estándares, y pueden ser derivados inductivamente primero clasificando o
graduando los desempeños de los estudiantes holísticamente y entonces abstraer y codificar los
rasgos que distinguen a las diferentes clases.
Los niveles de calidad o de desempeño pueden también ser conducidos en parte por medio de un
conjunto de ejemplos clave o modelos escogidos como para ilustrar qué distingue la alta calidad de
la baja. La ventaja de los modelos tanto para el profesor como para el alumno es que ellos son
concretos. Se puede demostrar que el mínimo número necesario para convenir un nivel de referencia
particular exclusivamente con modelos, depende del número de criterios que se usan. Mientras más
criterios hay, mayor es el número de maneras en que el trabajo de una calidad determinada puede ser
construido.
9
Algunos profesores pueden estar preocupados porque el uso de modelos como indicadores estándar
puedan estimular a los estudiantes a copiar servilmente los mismos modelos y así estimular
respuestas convergentes o estereotipadas más que originales de los estudiantes. Los estudiantes
pueden llegar a estar engañados y a quedar con su creatividad detenida. Mi primer contra argumento
a esta visión es que un simple ejemplo es inadecuado para transmitir un estándar de ninguna manera.
Los estudiantes necesitan, en muchos contextos educacionales, que se les presenten varios modelos
(para un simple estándar) precisamente para aprender que hay diferentes maneras en las cuales el
trabajo de una particular calidad puede encontrar expresión. Hay a menudo una amplia variedad de
objetos dentro del mismo género que son mirados como excelentes. A menos que los estudiantes
lleguen a este entendimiento y aprendan como abstraer las cualidades que corren a través de los
casos con diferentes rasgos superficiales pero que son juzgados equivalentes, difícilmente pueden
decir que aprecian el concepto de calidad en absoluto.
La segunda consideración es que la originalidad y la creatividad no son usualmente, contrario a
algunas opiniones, mejor desarrolladas en un entorno completamente libre. Bailin (1987) señaló que
no hay conflicto esencial entre procesos creativos y la producción de algo que es generalmente
aceptado como de alta calidad. Las producciones creativas son en su mayor parte altamente
disciplinadas, y son casi invariablemente producidas no por accidente o a través del riesgo al azar
que se toma, sino cuando el productor es cuidadosamente versado en las características de la
disciplina o género y entiende cuando y como trascender los normales límites. Conociendo los
metacriterios, esto es, conocer cuando la suspensión de algún criterio, aun a veces uno principal,
puede ser justificado a favor de otro, es un importante elemento en la creatividad. Pero para volver a
la producción de modelos, es la experiencia de muchos profesores que si aun si algunos estudiantes
hacen de hecho copias, pueden aprender algo valioso en el proceso. La emulación es un antiguo y
aun casi universal método de enseñanza. Cuando los estudiantes han ganado lo que sea que puedan,
en el peor de los casos a través de la copia servil, hay tiempo para el profesor de separarlos de ello.
Los estudiantes desarrollan el concepto de niveles de referencia más rápidamente en algunos
contextos de aprendizaje que otros. En las artes manuales, visuales y actuación, por ejemplo, los
estudiantes son usualmente capaces de observar, como materia del curso, los resultados de otros
esfuerzos de los estudiantes junto con las evaluaciones de los profesores de esos esfuerzos,
simplemente porque el trabajo es producido en talleres, estudios, teatros y otros espacios abiertos.
Los mejores ejemplos, o tal vez material ejemplar, desarrollados fuera de la sala de clases sirven
naturalmente y sin obstáculo como punto de referencia. En las artes liberales y humanidades, sin
embargo, los estudiantes a menudo trabajan privadamente y no llegan a ver o leer lo que otros
estudiantes han producido. Lo que constituye trabajo de alta calidad entonces permanece hasta cierto
grado desconocido. A un lado casos excepcionales, es irónico que los prototipos de niveles de
competencias que Myers (1980) recomendaba como necesarios para los evaluadores usando
métodos holísticos para la evaluación de la escritura, no fueran similarmente considerados como un
requerimiento general para el aprendizaje de la escritura o la maestría en otras destrezas complejas.
Estándares como metas y aspiraciones
En sus formas más simples un estándar o nivel de referencia es un grado designado de desempeño o
excelencia. Llega a ser meta cuando es deseado, dirigido a o con aspiración a. Algunas metas son
externas (asignadas por el profesor) mientras otras se han desarrollado y adaptado por los mismos
estudiantes. Un estudiante puede decidir rechazar o ignorar una meta externa, en cuyo caso es
probable que tenga muy pequeño o ningún efecto en la ejecución excepto en una situación
10
coercitiva. Solamente cuando el estudiante asume la propiedad de una meta puede desarrollarse
como una parte significativa en la regulación voluntaria del desempeño.
Los efectos de las metas en el desempeño han sido objeto de una gran cantidad de investigaciones en
las últimas décadas. Para una revisión de algunos de estos ver a Loocke, Shaw, Saari, y Latham
(1981). En una amplia variedad de campos y de contextos de laboratorios, se ha encontrado que las
llamadas metas duras tienen el más grande impacto en los desempeños. Las metas duras son
definidas como específicas y claras más que generales o vagas, duras y desafiantes más que simples
y fáciles, y más cerca de la capacidad superior de un individuo en el desempeño que en el nivel
corriente del desempeño. Las metas duras actúan como foco de atención, movilizan esfuerzos y
aumentan la persistencia en un trabajo. Por contraste las mejores metas que hace uno a menudo
resultan no ser más efectivas que si no hubiera metas en absoluto.
La discusión arriba más o menos implica que un simple estándar opera para un estudiante particular
o en una particular etapa del desarrollo. En general, por supuesto, la calidad del trabajo que se espera
de un estudiante se levanta seguramente con el progreso del estudiante a través de varios años de
escuela o etapas de un programa de formación. Si la tasa en la cual las esperanzas se han levantado
es consistentemente más grande que la tasa de mejoría, la inhabilidad del estudiante para mantener
el paso, resulta en muy poco o ningún sentido del cumplimiento de éxito, aunque la mejoría puede
realmente estar ocurriendo. Esto a su vez puede conducir a una situación cuando sucesivos esfuerzos
se toman menos y menos seriamente, la brecha del desempeño se amplía progresivamente y llega a
ser autoreforzante y el estudiante pierde valor y la efectividad cae. En algunos temas, el daño en la
escala del éxito toma la forma de una graduación tanto en alcance como en complejidad. En otros
reflejan diferentes estándares de una acción bien definida de calidad. En la sala de clases los
estudiantes pueden necesitar acceso a un rango de estándar (no justamente el último peldaño) que
provea para diferentes habilidades (si el rango corresponde a un puntaje o una designación de grado
o a un certificado educacional es irrelevante).
Sería útil investigar la brecha óptima entre un estado corriente del estudiante individual y la
aspiración. Si el estudiante percibe que la brecha es demasiado grande, la meta pude ser mirada
como inalcanzable, la misma brecha (en términos absolutos) puede sin embargo proporcionar un
poderoso estímulo para otro estudiante altamente motivado y confiado, quien no podría ser
eliminado por una secuencia de fallas iniciales. A la inversa, el alumno puede considerar que si la
brecha es demasiada pequeña, no vale la pena el esfuerzo adicional por cerrarla. Inicialmente el
profesor puede encontrar útil negociar el nivel de aspiración con el estudiante o por lo menos tomar
las características individuales del estudiante en cuenta. El objetivo último tendría que ser tener al
estudiante resuelto a internalizar y adoptar la meta de modo que haya alguna determinación para
alcanzarla.
Haciendo juicios en base a multicriterios
Sumado al conocimiento de los estándares apropiados, los estudiantes tienen que ser capaces de
comparar sus actuales niveles de desempeño con aquellos estándares. Esto requiere que sean capaces
no solamente hacer juicios en base a multicriterios sobre su propio trabajo, sino también de hacerlos
con el apropiado grado de objetividad y distanciamiento. Para proveer el soporte para la discusión
en esta sección, se considera el caso especial de la evaluación en composición escrita. Esta elección
ha sido hecha debido al sustancial cuerpo de literatura en el tema y debido a que los trabajos escritos
requieren una amplia variedad de temas.
11
Al menos cincuenta criterios han sido identificados para evaluar la calidad de una composición
escrita. Todos los criterios de la lista siguiente han sido extraídos de fuentes publicadas, aunque
comentarios escritos de algunos examinadores han indicado que aun esta lista no es exhaustiva. Los
criterios mismos están escritos en cursiva con los sinónimos colocados al lado.
Exactitud (de hechos, evidencias, explicaciones); audiencia (sentido de); autenticidad; claridad;
coherencia; cohesión; que algo esté completo; flexibilidad (con convenciones al género);
comprensión, concisión (que sea sucinto); consistencia (interna); contenido (substancial); habilidad
artesanal; profundidad ( de análisis, de tratamientos); elaboración; compromiso; ejemplificación
(uso de ejemplos y de ilustraciones) ; expresión; figuras del discurso; actitud; sabor; flexibilidad;
que sea fluido (o suave, liso); focal; global; desarrollo; gramática; la escritura a mano
(legibilidad); orden de ideas (o control de ideas) lógico (o cronológico); mecánica; novedad;
objetividad (o subjetividad según sea el caso); organización; originalidad (creatividad,
imaginación); el hecho de parafrasear; persuasión; presentación; puntuación (incluyendo uso de
letras mayúsculas); legibilidad; referencias; registro; relevancia (a la tarea o al tópico); retórica( o
efectividad retórica); estructura de la sentencia; deletreo; estilo; soporte para las afirmaciones;
sintaxis; tono; transición; uso correcto de palabras o frases; vocabulario; voz; uso de las palabras.
Varios de estos aparecen en un número de los más populares listados, de los cuales el de Diederichs
(1974) es uno de los más conocidos. Sin embargo la mayoría de los otros (aun aquellos no
comúnmente usados por los profesores en general) podrán ser reconocidos como relevantes (al
menos para algunos géneros de escritura por profesores de inglés. Algunos de estos criterios son
sumamente sutiles (¿qué significa exactamente actitud?). Algunos podrían ser usados tan
infrecuentemente que la explicación detallada es difícilmente justificada. En algunos casos se
aplican a un todo, pero algunas se aplican a aspectos particulares (exactitud, soporte de
afirmaciones). Otros se aplican a trabajos tomados en su totalidad (coherencia, comprehensión).
Algunos son agudos (ciertos aspectos de la puntuación por ejemplo). La mayoría son confusos.
Algunos se sobreponen conceptualmente con otros, (retórica, estilo, persuasión). Algunos se aplican
a géneros particulares de la escritura pero no a otros (referencias). Y algunos lógicamente están
incluidos en otros (la mecánica incluida en el deletreo). Muchos están tan correlacionados
operacionalmente que, cuando se trata de hacer algún cambio, en algún trabajo de escritura de
acuerdo con una dimensión, otras propiedades son inevitablemente afectadas al mismo tiempo. Por
ejemplo, puede ser imposible cambiar el vocabulario de un trabajo de escritura sin simultáneamente
afectar el tono. En suma este conjunto de criterios es grande e incluye subconjuntos que se
sobreponen y se traban. Es por eso obvio que tras las acostumbradas publicadas listas (usualmente
consistentes de siete a diez criterios) yace un conjunto mucho más grande de potenciales criterios
que podrían ser puestos en uso siempre y cuando la necesidad se produzca. Dados este hecho y las
complejas interpelaciones que existen entre los criterios, es claro que el usar todo el conjunto de una
particular evaluación podría ser inmanejable. Cómo los jueces pueden lidiar con esta situación,
requiere alguna investigación.
La literatura en investigación en procesos de juicios humanos en una variedad de escenarios, es tanto
instructiva como extensiva y no puede ser adecuadamente resumida aquí. Pero de particular interés
para los investigadores ha sido la ineficiencia de los procesos de juicios instintivos y las limitaciones
en la capacidad de procesar la información, lo que resulta en decisiones sesgadas o defectuosas. En
términos amplios, las muchas técnicas propuestas para hacer juicios complejos caen más o menos en
dos campos, cada uno de los cuales tiene sus tradiciones de investigación, sus abogados y sus
detractores. Afortunadamente, no es necesario hacer una decisión firme entre uno y otro para el
propósito de la evaluación formativa. Ambos pueden ser efectuados porque los trabajos de
12
evaluación pueden tomar cualquier forma apropiada y en cualquier caso están siempre abiertos a
discusión, clarificación, y revisión si fuera necesario.
La primera línea general de ataque es trazar e implementar un procedimiento que comienza
identificando un número de criterios relevantes, medir entonces la cantidad presente en cada criterio
y combinarlos en varios niveles o estimados en una medida general de méritos por medio de una
fórmula. Los criterios son tratados separadamente de modo que el orden por el cual las
características son consideradas es arbitrario y no tiene efecto en el resultado final. La combinación
de la fórmula puede ser simple y requiere solamente la suma de componentes de marcas o escalas de
componentes ponderados o no ponderados. Por otro lado, la fórmula puede ser complicada (tomando
por ejemplo, forma conjuntiva o disyuntiva). Este enfoque, denominado analítico, es común al
evaluar productos de consumo. El juicio global es hecho desarmando los multicriterios en criterios
separados para después seguir las reglas explícitas. Si es necesario, el juicio puede ser justificado
volviendo atrás y examinando la integridad de todos los pasos que condujeron a él. Al evaluar el
trabajo del estudiante, el acercamiento analítico típicamente se instala en un conjunto de criterios
considerados como los más relevantes del trabajo de la mayoría de los estudiantes en un particular
estadio de desarrollo. Los criterios pueden ser seleccionados simplemente por un profesor con base a
su relevancia lógica al trabajo, o puede resultar de estudios empíricos (usando factor o análisis de
regresión) del juicio de asesores competentes. Diederich (1974) siguió el último acercamiento. Esta
manera de ataques de componentes en el problema de hacer juicios basados en multicriterios, es a
menudo invocado como el ideal hacia el cual los sistemas impresionísticos, holísticos e informales
deberían moverse. Se asume, sin embargo, que el conjunto de criterios nominados es suficiente para
todos los casos. Que los criterios no se sobrepongan y que el uso de fórmulas de combinación
conduzca a un juicio que no tiene que crear conflictos (excepto, tal vez raramente) con más
aproximaciones holísticas. Un argumento sustancial ha sido instalado en otra parte (Sadler, 1985)
que para fenómenos complejos usar un conjunto fijo de criterios (y por lo tanto el acercamiento
analítico) es potencialmente limitado.
El segundo enfoque para hacer juicios complejos es el reaccionar al trabajo como un todo, haciendo
un entero, o lo que Kaplan llama una evaluación configuracional (1964, p.211) primero y luego para
sustanciarlo (en la medida en que sea necesario) refiriéndose a criterios separados lo que puede ser
traído a un lugar preespecificado. En este acercamiento los criterios imperfectamente diferenciados
están compuestos como una especie de gestalt y proyectados en una simple escala de calidad, no
por medio de regla formal sino o a través de los poderes integrativos del cerebro del evaluador. Para
producir una racionalidad para cada juicio holístico o global, el evaluador desenvuelve algo de un
concepto unidimensional. Las evaluaciones configuracionales no requieren especificación de todos
los criterios por adelantado, tampoco asumen independencia operacional entre los criterios.
Al hacer juicios configuracionales, los jueces competentes seleccionan de un largo repertorio de
posibles criterios, aquellos que son relevantes a un tipo particular de apreciación. Todas las
propiedades de un trabajo de un estudiante que el profesor mira como normal, común o esperado (y
el cual, por lo tanto, no necesita ser comentado positiva o negativamente) naturalmente tiene poca
notoriedad. Wittgenstein (1967, 1974) señala algo que es obvio una vez que se ha establecido: lo
ordinario no llama la atención por sí mismo “Es que todo lo que uno no encuentra conspicuo es
expresión de inconspicuidad. ¿Es que lo ordinario siempre hace la impresión de ordinariez?”. Algo
ordinario, por lo tanto, no es destacable. Algo fuera de lo ordinario provoca la atención. Una alta
notoriedad implica que la cantidad de la propiedad del objeto o desempeño posee, es diferente de la
que es considerada normal, y que la evaluación de un objeto tendría que mencionar típicamente esta
característica en su explicación.
13
Una vez que un criterio ha sido identificado en una o más evaluaciones, la sensibilidad del juez a tal
criterio es temporalmente aumentada y es posible que sea considerado en las subsecuentes
evaluaciones. Esto es, la notoriedad potencial aumenta en el sentido descrito arriba, lo notorio de un
particular criterio está relacionado con la manera que un trabajo que está siendo evaluado es
percibido. Esto es, por tanto, una función de la condición de la mente del que percibe y las
propiedades del objeto que está siendo evaluado. Cuál de estos potenciales criterios es aislado para
mencionarlo, tiene menos que ver con lo que es detectable a través de los sentidos, que con lo que es
juzgado como valioso de ser relevado. Considérense, por ejemplo, los comentarios que un profesor
puede hacer en un trabajo escrito de un estudiante, particularmente aquellos que son
progresivamente hechos mientras el profesor (más o menos instantáneamente) percibe puntos
positivos y negativos dignos de ser destacados. Algunos comentarios (como “sí”, o “estoy de
acuerdo”) no son específicos y no están relacionados directamente a la calidad del trabajo escrito.
Otros comentarios son evaluativos y claramente implican criterios. Puede ser demostrado que
cuando un profesor, en dos o más ocasiones separadas, hace comentarios evaluativos junto con una
evaluación general de la calidad de un trabajo de un estudiante, los juicios generales pueden ser
idénticos, pero los comentarios pueden diferir de ocasión en ocasión. Los comentarios pueden ser
hechos en diferentes lugares en la escritura, o en el mismo punto, y pueden diferir en contenido.
Puede también ser demostrado que varios evaluadores pueden estar de acuerdo en un juicio general
pero por diferentes razones.
Este fenómeno tiene implicancias para la evaluación formativa porque levanta el problema de si
puede esperarse que los estudiantes hagan progresos sistemáticos cuando parece que los profesores
operaran probabilísticamente. La solución obvia es revertir el enfoque analítico y hacer claro a los
estudiantes que ciertos criterios serán usados en la evaluación. Muchos profesores siguen esta
práctica distribuyendo hojas de criterios a sus estudiantes como parte de especificaciones de las
tareas o (menos útiles si los criterios cambian de tarea en tarea) cuando se devuelven los trabajos
evaluados. Los profesores que usan hojas de criterios regularmente, sin embargo, encuentran que
mientras tales hojas son útiles, pueden conducir a frustraciones por su inflexibilidad. Las cualidades
de un fragmento de trabajo no necesariamente van a ser tratadas adecuadamente usando un conjunto
de criterios fijos y los profesores a menudo sienten la necesidad de acudir a criterios no estándares.
Una solución más satisfactoria (y menos mecánica) al problema, es considerar el universo de
criterios como dividido según noción en dos subconjuntos llamados, por conveniencia, criterios
manifiestos y criterios latentes. Los criterios manifiestos son aquellos que son conscientemente
esperados, ya sea mientras el trabajo está siendo hecho o mientras está siendo evaluado. Los
criterios latentes son aquellos en el fondo gatillados o activados cuando la ocasión lo manda por
alguna propiedad (existencial) del trabajo que se desvía de las expectativas. Cada vez que hay una
seria violación del criterio latente el profesor lo invoca y es agregado (al menos temporalmente) al
conjunto de criterios manifiestos que están en trabajo. Esto es posible porque los profesores
competentes tienen un cuidadoso conocimiento de todo el conjunto de criterios y las reglas (no
escritas) para usarlos. Pero este es precisamente el tipo de conocimiento que debe ser desarrollado
en los estudiantes si van a ser capaces de monitorear sus propios desempeños con un razonable
grado de sofisticación. El cambio de un criterio desde latente a manifiesto podría, por lo tanto, no
ser interpretado, tanto por el estudiante como por el profesor, como trampa o como alguna suerte de
aberración. Debido a la imposibilidad práctica de emplear todos los criterios al mismo tiempo es
inevitable y perfectamente normal. Marshall (1958, 1968) se refiere a esto como un principio de
flotación y aboga por su uso en la evaluación. En un interesante giro de la metáfora también es
formada la base para el llamado enfoque Elbows (1973) centro de gravedad para apreciar los
trabajos escritos de los estudiantes para propósitos formativos.
14
El arte de la evaluación formativa es generar una progresión eficiente y parcialmente reversible en la
cual los criterios son trasladados para beneficio del estudiante de latentes a manifiestos y de vuelta a
latentes. La meta es trabajar hacia el sumergimiento de criterios de rutina una vez que han sido tan
obviamente tomados por hecho que ya no necesitan más ser establecidos explícitamente. La
necesidad de reciclar el trabajo a través del profesor (para su valoración) puede ser reducida o
eliminada solamente hasta el punto en el que los estudiantes desarrollen un concepto de calidad, y la
facilidad para hacer juicios en base a multicriterios. Esto a su vez requiere que les sea entregada una
experiencia evaluativa adecuada.
Experiencia evaluativa directa
Cuando los estudiantes tienen que confiar solamente en comentarios escritos de los profesores, no
solamente la retroalimentación entregada en forma proposicional sino que el número de comentarios
y su contenido depende de la voluntad del profesor (y del tiempo disponible) para realmente hacer
los comentarios, la habilidad del profesor para expresar la retroalimentación en palabras y la
habilidad del estudiante de interpretar los comentarios. El estudiante puede, por ejemplo, no saber lo
que está implicado por referencias a criterios de evaluación particulares. Por ejemplo, se supone que
un profesor indica a un estudiante que algo producido no es coherente como tendría que ser. Como
criterio, la coherencia implica que el cómo algo se mantiene unido es importante de ser valorizado.
La coherencia es claramente relevante al evaluar una variedad de cosas: una pintura, un ensayo, un
segmento dramático, etc. La naturaleza de los elementos que tienen que ser coherentes (elementos
visuales, conceptos e ideas, movimientos físicos) las conexiones seriales y laterales entre estos
elementos y la relación de cada parte con el total, puede no ser necesariamente clara al estudiante a
menos que el significado contextual de la coherencia sea explicado. Exactamente lo que implica
coherencia en un contexto, no es necesariamente posible de ser transferido a otro contexto aunque la
idea básica sea la misma. Debido a que mucho del conocimiento evaluativo que subyace a sus
comentarios es tácito, el estudiante también tiene necesidad de desarrollar un cuerpo apropiado de
conocimiento tácito para ser capaz de interpretar las explicaciones formales.
Los criterios a menudo parecen elusivos parcialmente a causa de lo que un criterio significa y lo que
implica para la valoración no implica necesariamente ser definido aisladamente a partir de ejemplos
concretos de cosas que poseen la propiedad en cuestión, lo que en cualquier caso es solamente una
de muchas propiedades. Llegar a una comprensión de la propiedad es tanto un asunto
epistemológico como técnico. Para clarificar el significado y las implicancias de un criterio
particular, seria útil tener un conjunto de ejemplos graduados exhibiendo más o menos tal
propiedad. Pero para trabajos de arte o trabajos de literatura las variadas propiedades están
inevitablemente fijas, juntas, así que uno no puede crear o coleccionar ejemplos para los cuales
todas las propiedades, aparte de la una en cuestión, se mantienen constantes. Esto es en contraste
con un criterio dicotomizado como la corrección para lo cual ejemplos positivos y negativos pueden
ser usualmente producidos a pedido.
Un novicio es, por definición, incapaz de invocar los criterios implícitos para hacer juicios refinados
sobre la calidad. El conocimiento de los criterios es captado, a través de la experiencia, no definido.
Se desarrolla a través de un proceso inductivo, lo que incluye un involucramiento prolongado en la
actividad evaluativa compartida con y bajo el tutelaje de una persona que es algo así como un
conocedor. Haciendo esto “el aprendiz inconscientemente aprehende las reglas del arte incluyendo
aquellas que no son explícitamente conocidas por el profesor… El arte del conocedor puede ser
comunicado por el ejemplo no por el precepto” (Polanyi, 1962, p. 53-54). En otras palabras,
15
proporcionar experiencia evaluativa auténtica guiada pero directa para los estudiantes, los capacita
para desarrollar sus conocimientos evaluativos, trayéndolos así al grupo de gente capaz de
determinar calidad usando múltiples criterios. También los capacita para transferir algo de la
responsabilidad haciendo decisiones evaluativas desde el profesor hacia el estudiante. De esta
manera los estudiantes son gradualmente expuestos al conjunto completo de criterios y a las reglas
para usarlos, y así construir un cuerpo de conocimiento evaluativo. También los hace darse cuenta
de dificultades que aun los profesores enfrentan al hacer tales evaluaciones y llegan a ser
participantes en lugar de consumidores.
Para algunos tipos de aprendizaje hay una razón fundamental de apoyo para desarrollar
deliberadamente conocimiento tácito de evaluación (como distinto del explícito o proporcional) a
través de la experiencia. Consideremos el caso en el que el trabajo de una estudiante consista en un
desempeño musical. Si el ejecutor se enfoca demasiado conscientemente ya sea en la mecánica de
la producción o el control de la producción durante el desempeño mismo, la calidad del desempeño
frecuentemente sufre. Ocasionalmente la pérdida de calidad es catastrófica. El ejecutor necesita el
control de la representación usando lo que Polanyi llama vigilancia subsidiaria (1962, p.55) del
estado del trabajo en cualquier instante. La vigilancia subsidiaria se apoya subconscientemente en un
cuerpo de conocimiento tácito evaluativo. Por contraste una vigilancia focal puede interferir con y
en detrimento del desempeño. Afortunadamente, el contexto de aprendizaje en el cual los
desempeños son comunes también proveen, en la mayoría de los casos, una abundancia de
desempeños ilustrativos y oportunidades para valorizar.
La mayoría de la discusión anterior es válida sin considerar si los criterios son vistos como discretos
o entrelazados. Si los criterios son considerados separadamente, las valoraciones conciernen más
con las propiedades del individuo o calidades, que con la calidad en un sentido más amplio. Hay sin
embargo, dos razones para estimular a los estudiantes a hacer juicios configuracionales de calidad
general también haciendo uso de un número de criterios simultáneamente. Primeramente, los
estudiantes necesitan ser capaces de apreciar un trabajo como un todo para poder apreciar cuantas
diferentes propiedades dentro de una clase o género (como un cuento corto) pueden ser de calidad
comparable, aunque el diseño básico o los rasgos estructurales sean diferentes. La consideración
separada de los criterios no necesariamente crea la experiencia de cómo ellos pueden ser puestos
juntos. Parte de la adquisición de la experticia yace sobre el aprendizaje de los límites permisibles
de variación al interior de una clase y diferentes clases son a menudo distinguidas menos por
criterios individuales que por configuraciones características. La misma lista de criterios puede ser
usada para evaluar varias clases, pero los criterios pueden requerir diferentes interpretaciones o
diferir en significados relativos, de clase a clase. La habilidad para hacer valoraciones globales es,
sin embargo, por esto fundamental en la comprensión de la naturaleza de diferentes clases y de ahí la
producción de algo dentro de una clase particular.
En segundo lugar, algo puede aparentemente satisfacer los requerimientos en todos los criterios
apropiados tomados individualmente y aun ser insatisfactorio en general. Puede ser difícil explicar
esta anomalía a los estudiantes a menos que los estudiantes sean confrontados con el mismo
problema evaluativo. En un contexto diferente, Tversky (1969) sugirió una línea de argumento que
tal vez sea útil aquí. Sugerir que existe algún déficit máximo que pudiera ser tolerado en un criterio
simple o en un solo criterio antes que se note que las expectativas no han sido alcanzadas. Si en cada
uno de los conjuntos de criterios el déficit es menos que el límite tolerable, y si hay un número de
tales criterios, la evaluación global realmente fracasa en el test de calidad mínima por una cantidad
igual a los déficit individuales. El fracaso global puede ser notado pero no los fracasos individuales.
16
La descalificación entonces es debida menos a la causa aislada identificable que a los efectos
combinados de los déficit marginales.
Experiencia evaluativa y especificaciones de las tareas
El concepto de conjunto de conocimientos puede ser extendido mas allá de los confines de la
evaluación de un trabajo aislado, al evaluar un trabajo en relación a las especificaciones de la tarea.
En situaciones donde los estudiantes construyen asignaciones o papers de acuerdo a las
especificaciones entregadas por el profesor, es común (y frustrante para el profesor) que una
proporción de estudiantes no se dedican a la tarea entregada. El estudiante, por ejemplo, puede hacer
un trabajo bueno al recontar la historia de una novela en vez de identificar el tema. Algunos
profesores adoptan una política de aceptar y dar crédito parcial (deliberadamente o por defecto) por
una respuesta que está bien hecha pero que está fuera de tema. En lo superficial esta práctica parece
hacer una razonable concesión al estudiante trabajador por el tiempo y el esfuerzo que ha gastado. A
la larga, sin embargo, destruye el conocimiento que se supone que se ha construido, y reduce el
incentivo del estudiante a esforzarse con las tareas del tipo que se ha establecido realmente. Si el
aprendizaje de cómo desarrollar una tarea o cómo producir algo dentro de un género establecido es
un importante éxito, aferrarse a la tarea tiene que ser un criterio apropiado. Encontrar el
requerimiento genérico es una precondición lógica para la valoración al hacerlo en un género
particular, pero la significación de esto puede ser comprendida por los estudiantes solamente cuando
ellos mismos están enfrentados con la decisión de si varios fragmentos del trabajo coinciden o no
con las especificaciones de la tarea original. Además puede demostrárseles cuan común es para los
estudiantes no responder a la tarea que realmente se les ha establecido.
Algunas de las variaciones en la calidad de las respuestas de diferentes estudiantes a una tarea dada,
pueden también deberse a deficiencias en la definición de la tarea. Una valoración de calidad se hace
confusa por un factor que no tiene nada que ver con el estudiante. Las especificaciones pueden ser
raras, incompletas o ambiguas. Alternativamente, pueden ser técnicamente adecuadas para el
experto pero contienen términos y significados cuyas explicaciones no son comprendidas por los
estudiantes. Una tarea común al enseñar literatura inglesa por ejemplo, requiere que el estudiante
identifique o escriba el tema de una novela. Cualquier estudiante que no sabe lo que significa tema
de una novela y cómo el tema se distingue de la historia o de la intriga, no puede abocarse a la tarea
tal como está entregada. Si el tema de la novela ha sido incluido como parte del conjunto de temas
de estudio en un año previo de la escuela, el profesor podría erradamente asumir que todos los
estudiantes saben qué es el tema y que no necesita una atención explícita. La unión estudianteprofesor en la evaluación es, por lo tanto, útil para probar si las especificaciones de la tarea son
adecuadas y modificarlas si es necesario para uso futuro.
Experticia Evaluativa como contenido del currículo
En la discusión de arriba de experiencia evaluativa y conocimiento, la evaluación como contenido
del curriculum puede ser claramente distinguida de la evaluación como un agente del aprendizaje.
La evaluación y el pensamiento crítico son importantes aspectos de muchos temas y cursos. Es
común encontrar referencias a la evaluación en declaraciones de conjunto de temas, listas de
objetivos y líneas generales de cursos (relacionando por ejemplo, a trabajos de literatura o artísticos,
la significancia de eventos históricos o políticas económicas, o el impacto de la polución en el medio
ambiente). En tales casos el estudiante está colocado en el rol de evaluador pero el sujeto de la
17
evaluación es externo a ambos, el profesor y el estudiante. Esto contrasta con el uso instrumental del
conocimiento evaluativo discutido arriba, en el cual el sujeto de la evaluación es el trabajo del tipo o
género que produce o desempeñan los estudiantes, (pero no es por supuesto limitado al trabajo
propio de los estudiantes). La actividad evaluativa en la última situación es absolutamente conectada
con la actividad constructiva y es primariamente capacitadora y facilitativa más bien que un fin en sí
misma.
Estrategias para cerrar la brecha
En muchos contextos los estudiantes tradicionalmente han más o menos confiado en sus profesores
para decirles como efectuar mejorías. Este aspecto no se trata aquí en detalle, excepto para observar
que si el profesor está en posición de sugerir acciones que mejoren, el profesor debería idealmente
poseer experticia productiva del tipo que pueda ser desarrollada por el estudiante. Aparte de la
producción de credibilidad con los estudiantes, un profesor no tendría que ser solamente un
conocedor que nunca se involucra de alguna manera disciplinada en una actividad productiva.
Muchos profesores de escritura por ejemplo, no escriben prosa o poesía voluntariamente ya sea por
placer o provecho aparte de cartas personales u otras necesidades. Su experiencia de escritura es
ajena y limitada al campo de la sala de clases. Consiste en lanzar a los estudiantes tareas escritas de
varias clases y más tarde ayudarles a mejorar sus trabajos. Esta situación anómala es paralela a la
experiencia de muchos estudiantes cuya única exposición a la actividad evaluativa y editorial es la
que ha recibido del profesor. Es por lo tanto también ajena.
La tercera condición para automonitorear, es que los estudiantes mismos sean capaces de seleccionar
un conjunto de estrategias apropiadas y llevar sus propios desempeños cerca de la meta. Este
requerimiento garantiza consideración separada ya que la habilidad de evaluar su propio trabajo o el
de otros no está necesariamente emparejada con la habilidad de producir. Esto es también
consistente con la tesis de que la posesión de experticia evaluativa es una necesaria (pero no
suficiente) condición para la mejoría. Un estudiante de Inglés por ejemplo, puede ser capaz de
reconocer el tema en una novela una vez que ha sido identificado por otra persona, de distinguir
entre el tema y otras características nombradas de una novela pero ser incapaz de involucrarse en un
pensamiento abstracto que es necesario para identificar desde un tema superficial o temas
superficiales en una novela no vista o estructurar una respuesta escrita apropiadamente. Esta
habilidad para reconocer y evaluar pero no construir no es un fenómeno aislado, tampoco está
limitado a la educación. Hay muchos dominios de la actividad humana donde la gente es experta en
valorizar objetos existentes algunas veces en una manera altamente sofisticada, pero son por sí
mismos incapaces de producir objetos del tipo en cuestión. La crítica de arte es un ejemplo, como si
cualquier cosa involucrara el conocimiento como tal. Una importante tarea de la enseñanza, por
supuesto, es ayudar a los estudiantes a desarrollar varias clases de experticia, incluyendo aquellas de
producción.
En muchos sistemas complejos y artificiales, el control es alcanzado teniendo un gran número de
retroalimentación consistente en sensores, comparadores y efectores. Típicamente cada acción
correctiva singular es ligada en forma determinante a una particular deficiencia. Esto también ocurre
con aspectos particulares de la actividad creativa tales como el deletreo, puntuación y la exactitud de
hechos al producir una composición. Mientras más compleja es la tarea y más grande la divergencia
en éxitos sea aceptable, lo más probable es que la variedad de tareas puedan ser divididas para
alterar la brecha entre niveles reales y de referencia y, por lo tanto, lo menos probable es que la
información sobre la brecha pueda por sí misma sugerir una acción de mejoría. Los movimientos
18
tienen que ser traídos desde afuera y las elecciones pueden tener un rango de opciones o
posibilidades al alcance del estudiante. Proveer al estudiante de apreciar la naturaleza de la tarea,
experiencia en producción, evaluación y remediación proporciona los medios para desarrollar y
mantener un conjunto de recursos.
La complejidad de las tareas de aprendizaje por criterios múltiples sugiere que si el estudiante está
preparado para actuar sobre un conjunto de deficiencias identificadas con una visión hacia la
mejoría, una lista de debilidades puede ser tan formativamente efectiva como otra si los criterios
están altamente correlacionados. Por otro lado, las mejorías hechas en alguna dirección pueden
exponer defectos residuales (o aun precipitar nuevos) en otras direcciones. Por estas razones sería
difícil, si no imposible, en las situaciones descritas arriba, automatizar o desarrollar un sistema
basado en la computación para retroalimentación o evaluación formativa, o para generar
movimientos de mejoría y procedimientos correctivos apropiados. Cualquier intento de mecanizar
tales actividades educacionales y esfuerzos creativos es improbable que sea exitoso debido a que
una gran cantidad de variables están involucradas, las intensas relaciones existen a menudo entre
ellas, y sus esenciales borrosidades (Sadler, 1982). Pero la inhabilidad de mecanizar un sistema que
ordinariamente depende pesadamente de juicios cualitativos, por supuesto que no significa que estos
sistemas no puedan ser puestos a trabajar. La gente frecuentemente no solo hace parte y
ampliamente está de acuerdo con juicios cualitativos, sino que también los usa como base para su
propia mejoría. Por definición, algo que puede ser demostrado que ocurre es más que solamente una
posibilidad teórica, y es de común conocimiento que una actividad compleja pueda ser sujeta a un
alto grado de control aun cuando los procesos individuales no hayan sido comprensivamente
analizados y no son completamente entendidos.
El material más prestamente disponible para el trabajo de los estudiantes en experiencia evaluativa y
reparadora es el de sus compañeros estudiantes. Aparte de la disponibilidad, y de proporcionar pasos
que sean tomados para asegurar que el mutuo intercambio no cause fricción, resentimiento o haga
que los estudiantes más débiles se sientan amenazados, humillados comprometiéndose en
actividades evaluativas y correctivas con otros trabajos de otros estudiantes, tiene la ventaja que:
a)
b)
c)
d)
el trabajo es del mismo tipo y se dirige a la misma tarea que la propia,
los estudiantes son colocados frente a frente con un amplio rango de movimientos o
soluciones a problemas creativos, de diseño y procedurales, y la exposición a estos
incidentalmente expande su propio repertorio de movimientos,
otros intentos de los estudiantes normalmente cubren un amplio espectro de imperfecciones
incluyendo cosas inadecuadas, globales y particulares, y
el uso del trabajo de otros estudiantes en un ambiente cooperativo asiste a alcanzar alguna
objetividad en que los estudiantes son menos defensivos y comprometidos emocionalmente
al trabajo de otros estudiantes además del suyo propio.
Un aspecto práctico del uso de la coevaluación es que reduce el peso del trabajo de evaluación de los
profesores. El que los acercamientos tradicionales a la evaluación formativa sean típicamente una
labor intensiva, parcialmente explica la reluctancia de los profesores hacia ella.
La valoración constructiva del trabajo de los compañeros está ya establecida como parte de la
enseñanza normal en algunos temas y campos. Muchos profesores, por ejemplo, estimulan a sus
estudiantes a intercambiar trabajos con uno de otra clase. En particular estos principios son
fundacionales a ciertos acercamientos a la enseñanza de la escritura, específicamente conferencias
lector escritor, revisiones de pares, y procesos de escritura. Los estudiantes desarrollan un conjunto
19
de estrategias aprendiendo a refinar y revisar su propio trabajo en cooperación con el profesor y
poniendo en orden y ayudando a otros estudiantes a mejorar los suyos (Beaven, 1977; Pinko y
Radzik, 1980; Thompson, 1981; Chater, 1984). “Los estudiantes que llegan a estar conscientes de lo
que hacen explicando sus decisiones a otros estudiantes, también aprenden nuevas estrategias para
resolver problemas de escritura. Y debido a que los estudiantes llegan a ser progresivamente más
independientes y autoconfiados como escritores necesitan evaluar cada trabajo de otros y el suyo
frecuentemente, una práctica que enseña crítica constructiva, lectura cuidadosa y reescritura”
(Lindemann, 1982, p.234). Boud (1986) reporta similares hallazgos en la educación superior cuando
la autoevaluación y coevaluación han sido construidas en procedimientos instruccionales para
estudiantes de leyes, ingeniería y arquitectura. Es claro que el construir provisiones explícitas para
experiencias evaluativas en un sistema de enseñanza capacita a los estudiantes para desarrollar
destrezas de autoevaluación y estrategias de cierre de brechas simultáneamente y, por lo tanto,
moverse hacia el autocontrol. Alguna resistencia a esta proposición puede sin embargo ser esperada.
Factores que militan contra el autocontrol
La falta de oportunidades que se les da típicamente a los estudiantes de hacer juicios cualitativos
apropiados, sugiere el supuesto que solamente los profesores tienen las destrezas y experticia para
evaluar el trabajo del estudiante y que esta destreza no es transferible a los estudiantes. La
taxonomía influyente de Bloom (1956) coloca a la evaluación al tope de la jerarquía de destrezas
cognitivas y algunos teoricistas del aprendizaje mantienen que los estudiantes típicamente no (o tal
vez no pueden) se comprometen en pensamiento abstracto de alto nivel cuando son jóvenes. Aunque
la exacta posición de la evaluación en la jerarquía de Bloom es debatible, casi siempre requiere
pensamiento abstracto y está situada sobre el conocimiento, comprensión y la aplicación. Esto puede
dar la impresión de que la evaluación es algún tipo de actividad esotérica en el que participan
solamente adultos o expertos. Si es así se ignora el hecho de que aun los niños (ciertamente en sus
horas fuera de la escuela) continuamente participan en actividad evaluativa y si se les pregunta
pueden a menudo producir explicaciones complementarias pero razonablemente correctas para sus
juicios.
Algunos profesores se sienten amenazados por la idea de que los estudiantes puedan participar
abiertamente en hacer juicios evaluativos cooperativamente. Una evaluación que se traduzca a una
nota es usada por muchos profesores como herramienta para control o modificación de conducta,
para premios o castigos. Para sacar algo de la responsabilidad para evaluar de los profesores y
colocarlas en las manos de estudiantes, puede ser un potencial detrimento de la autoridad del
profesor. Un interés menos patológico es que muchos profesores vean a la evaluación como la una
responsabilidad primaria, porque constituye parte de su conocimiento especializado y la experticia
que ellos han adquirido como profesionales. La evaluación es mirada como estrictamente una
prerrogativa de los profesores: los coloca aparte de sus estudiantes, y hasta en alguna extensión de
los padres y del resto de la sociedad. Parte de la responsabilidad de los profesores es seguramente,
sin embargo, descargar este conocimiento evaluativo de modo que los estudiantes eventualmente
lleguen a ser independientes del profesor y participen inteligentemente y monitoreen su propio
desarrollo. Podría decirse que el conocimiento del grupo de los profesores, podría consistir menos
en saber como evaluar el trabajo de los estudiantes y más en conocer maneras de descargar el
conocimiento del peso evaluativo en los estudiantes.
Aparte de factores personales, la evaluación formativa pueda ser inhibida por ciertas circunstancias
fuera del control del profesor. Los exámenes basados en la escuela o internos hacen a menudo uso
20
de la llamada evaluación continua (o progresiva o periódica). Uno de los argumentos a favor de la
evaluación continua es que una serie de evaluaciones son hechas en un periodo de tiempo que tiende
a reducir los altos niveles de ansiedad experimentados por algunos estudiantes bajo exámenes tipo
“hacer o quebrar” de fin de curso (puede, por supuesto, crear una diferente forma de estrés). Otro
argumento es que la evaluación continua permite más amplios y variados ejemplos de
conocimientos y destrezas de los estudiantes. Un tercer argumento es que la evaluación continua
proporciona frecuente retroalimentación sobre el progreso. La evaluación continua no puede, sin
embargo, funcionar formativamente cuando es acumulativa, esto es, cuando cada ensayo o trabajo
hecho por los estudiantes se valora con nota y las notas son juntadas al final del curso. Esta práctica
tiende a producir en los estudiantes la idea que si el trabajo no va a contribuir al total, no vale la
pena hacerlo. La meta de más largo alcance por excelencia puede por lo tanto ser falseada a causa de
la dirección del acredito acumulativo. La opción de rehacer el trabajo con propósitos de mejoría
llega a ser una proposición poco atractiva, y también levanta el asunto de juego limpio a otros
estudiantes si un profesor trabaja con algunos de ellos (pero tal vez no con otros) en ayudarlos a
levantar su estándar de desempeño. Cualquier trabajo que se forma como base para una nota de
curso es normalmente esperado, por supuesto, que sea producido por el estudiante sin ayuda del
profesor.
Un factor posterior sigue de la política ampliamente extendida de dividir cursos de grado de acuerdo
a una distribución estadística predeterminada. Esto es a menudo considerado como el mejor o
solamente un método práctico de mantener los estándares. Esta curva de gradación, sin embargo, no
permite el reconocimiento de las mejorías en los desempeños en términos absolutos; crea un juego
suma cero, estimula la competitividad entre los estudiantes y es contrario a la meta de genuina
mejoría para todos los estudiantes.
Un factor final esta asociado con la estructura del curriculum. Ha habido la tendencia en décadas
recientes a dividir largos cursos en módulos para proporcionar flexibilidad curricular para los
estudiantes. Cada unidad es diseñada de modo que pueda permanecer sola hasta una extensión
sustancial y cada una es enseñada en un solo periodo, semestre o aun en unas pocas semanas. Los
estudiantes compilan el curriculum acostumbrado juntando una colección de unidades. Para
propósitos de evaluación formativa, el largo de cada unidad es a menudo no lo suficientemente largo
para que los estudiantes entreguen el trabajo, lo tengan evaluado, rehagan el trabajo por un esfuerzo
en llegar a ser eficientes, y finalmente entregar un trabajo diferente pero bien producido para una
calificación. Simplemente no hay tiempo para hacerlo.
Conclusión
Para mejorar su desempeño, los estudiantes necesitan saber cuánto están progresando. La
retroalimentación es comúnmente definida en términos de información sobre la calidad sobre su
desempeño (conocimiento de los resultados). Pero en muchos contextos educacionales, los
estudiantes producen trabajos que no pueden ser evaluados simplemente como correctos o
incorrectos. La calidad del trabajo está determinada por el juicio humano directo cualitativo. La
tradicional definición de retroalimentación es entonces demasiado estrecha para ser de mucha
utilidad y en este artículo una concepción más apropiada se presentó. Requiere conocimiento del
estándar o meta, destrezas en hacer comparaciones con multicriterios, y el desarrollo de maneras y
medios para reducir la discrepancia entre lo que se produce y a lo que se ha tratado de llegar.
21
La mejoría puede por supuesto ocurrir si el profesor proporciona consejo reparador, detallado, y el
estudiante lo sigue. Esto sin embargo, mantiene la dependencia del estudiante con respecto al
profesor. La aproximación alternativa que está descrita y aconsejada en este artículo es para que los
estudiantes desarrollen destrezas en evaluar la calidad de su propio trabajo, especialmente durante el
proceso de producción. La transición de la retroalimentación que está siendo entregada por el
profesor al estudiante que se autoevalúa no es algo que llegue automáticamente. Para una importante
clase de éxito del aprendizaje, el sistema de enseñanza debe hacer provisión explícita para que los
mismos estudiantes adquieran experticia evaluativa. Se argumenta que entregar auténtica
experiencia evaluativa es una condición necesaria (instrumental) para el desarrollo de la experticia
evaluativa y por lo tanto para un inteligente automonitoreo. Es insuficiente para los estudiantes
confiar en los juicios evaluativos hechos por el profesor.
Las prácticas recomendadas no son radicalmente nuevas, y ya son empleadas en algunos sistemas de
enseñanza. Empíricamente se sabe que producen resultados. Lo que este artículo proporciona es una
perspectiva teórica de estas prácticas y un argumento para su generalización en cualquier sistema de
enseñanza diseñado para producir éxitos al estudiante, los que son juzgados cualitativamente usando
múltiples criterios. El corolario es que no diseñar auténticas experiencias evaluativas en el sistema
de enseñanza coloca un techo artificial al desempeño a muchos estudiantes o limita su tasa de
aprendizaje.