Evaluar sin desalentar

La escena se repite cada año, la primera semana de diciembre, en casi todos los centros del país. Una sala de reuniones, doce profesores con el cansancio del primer trimestre encima, una pantalla con la lista de 2.º B. Dos horas para treinta alumnos: tocan a cuatro minutos por cabeza. «Lucía: bien en todo, que no se confíe». «Hugo: tres suspensos, a ver si espabila». La junta avanza, el acta se rellena y el viernes cada familia abre el boletín. En casa de Lucía nadie lo comenta, porque Lucía es de notables y los notables no se comentan. En casa de Hugo, el boletín cae sobre la mesa de la cocina con el peso de un parte médico. Y en medio del trasiego casi nadie formula la pregunta que de verdad importa esa semana: ¿qué va a hacer Hugo distinto el lunes?

Esa pregunta es el corazón de lo que la literatura pedagógica llama evaluación formativa, una expresión con mala suerte. Suena a jerga de cursillo, ha acabado nombrando cosas que no son y la han arrastrado al debate sobre la exigencia, donde cada bando la usa de munición. Merece el rescate, porque debajo de la etiqueta hay una distinción antigua y muy cuerda: evaluar tiene dos oficios. Uno es medir lo aprendido y certificarlo — las notas, el boletín, el expediente. El otro es ayudar a aprender: decirle a cada alumno dónde está y cuál es su siguiente paso. Los dos son legítimos y los dos hacen falta. Lo que ocurre es que el primero tiene uniforme, calendario y casilla en la plataforma, y el segundo vive de prestado. En este cuaderno lo escribimos a propósito de PISA y vale igual puertas adentro: un buen termómetro es una bendición; un juez que solo sentencia, una plaga. El boletín de diciembre puede ser las dos cosas, y la diferencia no está en el documento sino en lo que el alumno puede hacer con él.

Para ver qué se juega ahí conviene viajar a Jerusalén, 1988. Ruth Butler, de la Universidad Hebrea, propuso una serie de tareas a 132 alumnos de quinto y sexto repartidos en doce aulas y devolvió los ejercicios corregidos de tres maneras. Un tercio de los chavales recibió solo un comentario: una frase concreta sobre su trabajo, con una indicación de mejora. Otro tercio recibió solo una nota. El último tercio recibió nota y comentario juntos, que es lo que cualquiera de nosotros llamaría la corrección perfecta. Los resultados llevan casi cuarenta años incomodando a quien los lee. El grupo de solo comentarios mejoró en las sesiones siguientes y mantuvo el interés, tanto los alumnos brillantes como los flojos. Con la nota sola, el rendimiento se quedó por debajo y el interés de los más flojos se hundió. Y la sorpresa estaba en el tercer grupo: la nota con comentario no funcionó como el comentario, sino como la nota. En la tarea principal, los alumnos de alto rendimiento que recibían ambas cosas acabaron puntuando peor (11,8) que los de nota sola (16,5) y a un mundo de los de solo comentario (24,3). La explicación de Butler no tiene ninguna crueldad: los chavales recordaban la nota y olvidaban la frase. El profesor que pasa el domingo escribiendo correcciones minuciosas junto a un 4,75 no fracasa por escribir mal; escribe en un papel que el número ha vuelto ilegible.

Diez años después, dos investigadores del King's College de Londres pusieron cifras grandes a esa intuición pequeña. Paul Black y Dylan Wiliam revisaron unos 250 trabajos publicados en más de 160 revistas y los resumieron en un título que hizo fortuna: dentro de la caja negra. Las políticas educativas, venían a decir, tratan el aula como una caja opaca a la que se le exigen resultados sin mirar qué pasa dentro, y lo que pasa dentro — cómo se pregunta, cómo se corrige, qué hace el alumno con la corrección — mueve el aprendizaje más que casi cualquier reforma. Sus números deslumbraron: efectos típicos entre 0,4 y 0,7, de los más altos documentados para una intervención educativa; con un 0,7, calcularon, un país del medio de la clasificación internacional habría escalado al grupo de cabeza. Y un hallazgo que debería figurar en la puerta de cada sala de profesores: la mejora de la evaluación formativa ayuda más a los alumnos de bajo rendimiento, así que sube la media estrechando la brecha. Su regla práctica cabe en dos líneas: el comentario debe hablar de las cualidades del trabajo concreto y de cómo mejorarlo, y debe evitar la comparación con otros alumnos. Lo que hace falta, escribieron, es una cultura del éxito sostenida en que todos pueden lograrlo.

Y ahora, la parte que el entusiasmo suele saltarse. Aquellos números envejecieron. Metaanálisis posteriores con criterios más duros dejaron el efecto mediano bastante más abajo, en torno a 0,20 — respetable, ya no milagroso. La EEF británica, que mantiene el resumen de evidencia más sobrio del oficio, sitúa hoy el feedback entre las palancas más rentables que existen — en torno a seis meses de progreso adicional por un coste muy bajo — y en el mismo párrafo avisa de que el rango es amplio y de que hay estudios donde el feedback empeora las cosas. El propio Wiliam ha dedicado buena parte de su carrera posterior a lamentar en qué se convirtió su criatura: una etiqueta tan elástica que acabó nombrando cualquier cosa, de la pregunta socrática bien hecha a la rúbrica de veinte filas que nadie lee. Conviene decirlo sin rodeos: una reforma de la evaluación que se traduzca en más casillas nace muerta. El profesorado español ya declara las tareas administrativas como su primera fuente de estrés — lo dice TALIS 2024, y lo hemos contado aquí —, y el feedback que funciona no es el que más se documenta, sino el que el alumno usa.

Queda la objeción de fondo, que en este cuaderno tomamos especialmente en serio porque la formula la voz de casa. Gregorio Luri lleva años avisando contra el gran pecado de la pedagogía moderna: «perseguir el bienestar emocional rebajando la exigencia académica». ¿Es esto evaluar sin desalentar — bajar el listón para que nadie sufra? Es exactamente lo contrario, y el propio Luri da la clave con su distinción entre exigencia y dureza: exigir es tomarse en serio la capacidad del alumno. Mira otra vez el estudio de Butler. Lo que desalentaba no era la exigencia de la tarea, sino el formato del veredicto. Y lo que sostenía el interés no era ningún algodón emocional: era una frase que pedía trabajo. Un comentario exacto es más exigente que una nota, para quien lo escribe y para quien lo recibe. La nota permite instalarse — soy de sietes, soy de suspensos — y seguir siendo el mismo. El comentario emplaza: esto está conseguido, esto no, y esto es lo que haces el lunes. Por el mismo camino va el examen frecuente y de bajo riesgo que Luri reivindica como entrenamiento y la práctica de recuperación avala: más evaluación, no menos — pero evaluación de la que enseña. Desalentar no es un exceso de exigencia. Es su sustituto barato.

¿Y qué puede hacer un claustro de aquí a diciembre, sin plataformas nuevas y sin gastar un euro? Tres gestos bastan para empezar. Comentar la tarea y el siguiente paso, no a la persona: «este párrafo pierde el hilo aquí; reescríbelo encadenando la segunda idea con la primera» trabaja; «debes esforzarte más» decora. Separar el comentario de la nota cuando el reglamento lo permita: si el número borra la frase, que al menos no lleguen juntos — primero la frase y el trabajo sobre ella, después la calificación. Y en la junta de evaluación, gastar en cada alumno al menos una oración sobre lo que necesita aprender, no solo el recuento de lo que ha suspendido: cuatro minutos por cabeza dan para poco, pero dan para eso. Ninguno de los tres gestos añade burocracia; los tres piden algo más difícil, que es ponerse de acuerdo. Por eso la evaluación es, en el fondo, un asunto de ideario. Un centro que proclama en su proyecto educativo que cada alumno es una promesa y luego solo le habla con números se contradice justo en el documento que más leen las familias. La manera de corregir de un claustro es su idea del ser humano puesta por escrito, treinta veces por trimestre.

El boletín de Hugo dirá en diciembre lo que tenga que decir, y está bien que lo diga: el termómetro honesto también es una forma de respeto. La diferencia entre un centro y otro no estará en ese número, sino en si alguien, antes de las vacaciones, le ha dicho a Hugo qué hacer el lunes — y en si Hugo, al abrir el boletín, recuerda la frase o solo la nota.

Imagen de portada generada con inteligencia artificial.