El alumno aprobó con un 8,4. Tres meses después, en la práctica, no sabe qué hacer cuando el paciente que tiene delante no encaja en ninguno de los casos que estudió.
Cualquiera que coordine formación sanitaria —un programa de posgrado, la formación continuada de un servicio, la capacitación de una plantilla de enfermería— conoce esa escena. Y conoce también la sensación incómoda que deja: el sistema de evaluación dio un aprobado a alguien que no estaba preparado, y nadie puede señalar exactamente en qué momento falló.
Falló antes de lo que parece. Falló en el diseño de la evaluación.
Lo que mide de verdad un test final
Un examen al final de un curso mide tres cosas a la vez, y solo una de ellas nos interesa.
Mide conocimiento, sí. Pero mide sobre todo conocimiento reciente: lo que se estudió en los últimos días, en el pico de la curva, en unas condiciones de concentración que no se parecen en nada a las de la práctica real. Y mide una tercera cosa que casi nunca se reconoce: destreza en hacer exámenes. Hay profesionales excelentes que rinden mal en test y profesionales mediocres que los dominan, porque son dos habilidades distintas.
El resultado es una nota que describe muy bien el estado de alguien el martes por la tarde y muy mal su competencia dentro de seis meses. Como instrumento administrativo funciona: permite certificar, acreditar y archivar. Como instrumento para saber si alguien está preparado, es débil.
Las tres grietas de la evaluación en formación sanitaria
La grieta del momento
Concentrar toda la evaluación en un punto del calendario obliga a concentrar también todo el estudio. Es el patrón que cualquier docente reconoce: dos semanas de intensidad brutal y un olvido igual de rápido. La consecuencia práctica es que el conocimiento nunca llega a consolidarse, porque consolidarse requiere volver sobre el material varias veces separadas en el tiempo.
Y aquí hay una paradoja que merece la pena señalar: la propia evaluación, bien distribuida, es una de las herramientas de aprendizaje más potentes que existen. Recuperar información de la memoria fija más que releerla. Cuando toda la evaluación se acumula al final, se está desperdiciando ese efecto durante todo el curso.
La grieta del formato
En formación sanitaria, buena parte de la competencia real es visual y secuencial: reconocer un patrón en una imagen, ordenar los pasos de un protocolo en el orden correcto, relacionar un fármaco con su interacción relevante.
Casi todo eso se sigue evaluando con preguntas de texto y cuatro opciones, que es el formato más cómodo de corregir. La consecuencia es que se mide el reconocimiento verbal de un concepto en lugar de la competencia que se quería comprobar. Una pregunta que enseña una imagen y pide identificar el hallazgo, o que obliga a ordenar seis pasos, mide algo mucho más cercano a lo que la persona tendrá que hacer de verdad. El tipo de pregunta no es un detalle de formato: determina qué habilidad estás midiendo.
La grieta del silencio
La tercera es la más fácil de corregir y la más ignorada. En muchos programas, el alumno recibe una nota y nada más. No sabe qué falló, ni por qué la opción que eligió era incorrecta, ni qué tenía que haber visto.
Sin esa información, el error no enseña nada: solo puntúa. Y el momento en que la explicación es más eficaz es justo después de responder, cuando la persona todavía recuerda por qué eligió lo que eligió. Un día después, ya no. Una semana después, la explicación es información nueva sobre un tema olvidado.
Cómo se ve una evaluación que sí informa
No se trata de examinar más, sino de repartir y de cambiar el propósito. Cuatro rasgos definen un sistema que sirve para algo más que certificar.
- Frecuente y breve. Bloques cortos repartidos a lo largo del programa, en lugar de una prueba larga al final. Cada bloque es a la vez medición y repaso.
- Con explicación inmediata. Cada respuesta, correcta o no, devuelve el porqué en el momento. Eso convierte la evaluación en docencia.
- Con formatos que se parezcan a la práctica. Imagen, orden de pasos, asociación. Si la competencia es visual, la pregunta debe serlo.
- Con lectura por ítem, no solo por alumno. Saber que la media es 7,2 sirve para poner notas. Saber que el 64 % de la promoción falla la misma pregunta sobre dosificación sirve para rediseñar la clase del año que viene.
Esa última idea cambia a quién evalúa la evaluación. Cuando los resultados se leen por pregunta, el instrumento deja de juzgar solo al alumno y empieza a decir algo sobre el programa: qué contenidos no se están explicando bien, cuáles están mal secuenciados, qué pregunta está sencillamente mal redactada.
La objeción de la carga de trabajo
Todo esto choca con una realidad conocida: quien coordina un programa ya va desbordado, y evaluar más parece significar corregir más.
Significa lo contrario si se diseña bien. Una prueba larga de desarrollo al final concentra toda la carga docente en una semana infernal. Bloques cortos de preguntas con corrección automática y explicación escrita una sola vez reparten el esfuerzo hacia el diseño inicial, que además se reutiliza en las siguientes promociones. El trabajo se mueve de corregir a redactar bien una vez, y redactar bien es donde está el valor docente.
Sí que hay una condición que no se puede saltar: quien firma el contenido tiene que revisarlo. En materia clínica, una pregunta mal formulada o una explicación imprecisa no es un error administrativo; es información incorrecta distribuida con el sello de la institución. Cualquier atajo que se tome en la producción del contenido tiene que terminar en una revisión humana con criterio.
La pregunta de fondo
Al final, cualquier responsable de un programa formativo sanitario se enfrenta a una pregunta sencilla de formular y difícil de responder: ¿tu sistema de evaluación te permitiría detectar hoy a alguien que va a aprobar y no está preparado?
Si la única señal que produce el sistema es una nota al final, la respuesta es no. Y eso no es un problema de exigencia —subir la nota de corte no lo arregla—, sino de diseño: se está mirando una sola vez, tarde y en el formato equivocado.
Lo que se juega no es la estadística del programa. Es quién sale con una acreditación a ejercer.
Preguntas frecuentes
¿Cada cuánto debe evaluarse en un programa de formación sanitaria?
Con frecuencia y en bloques cortos, repartidos a lo largo del programa, en lugar de concentrar todo en una prueba final. Además de medir mejor, la propia recuperación de información consolida el aprendizaje: la evaluación distribuida es, en sí misma, una de las herramientas docentes más eficaces que existen.
¿Qué tipo de preguntas miden mejor la competencia clínica?
Las que se parecen a la práctica. Si la competencia es visual, la pregunta debe mostrar una imagen; si es secuencial, debe pedir ordenar los pasos de un protocolo; si es de relación, asociar fármaco e interacción. El test de texto con cuatro opciones es cómodo de corregir, pero mide reconocimiento verbal, no competencia.
¿Basta con el examen final para acreditar a un alumno?
Sirve para certificar, no para saber si alguien está preparado. Una prueba única mide sobre todo conocimiento reciente y destreza haciendo exámenes. Para detectar a quien va a aprobar sin estar preparado hacen falta varias mediciones repartidas, con explicación inmediata del error y lectura de resultados por pregunta.
Relacionado: los seis tipos de pregunta que miden conocimiento (y los que solo miden memoria) y por qué el contenido clínico generado con IA necesita revisión humana.