Escalas de desempeño GRS vs BARS: evaluación del desempeño con menos sesgos

BARS: por qué se consideran el estándar conductual (y qué matices trae la evidencia)

Qué es una BARS

Las Behaviorally Anchored Rating Scales anclan cada punto de la escala con ejemplos de conductas observables.

​

En vez de “4 = sobresaliente”, una BARS se parece más a: “4 = resuelve dudas complejas con ejemplos, verifica comprensión y deja acuerdos claros”.

​

Su lógica viene de la Critical Incident Technique: recolectar incidentes reales de conducta efectiva e inefectiva, y convertirlos en anclajes claros. 

​

Por qué BARS suele reducir halo (pero no es magia)

En teoría, al obligarte a comparar con conductas específicas, reduces el margen de interpretación y el halo.

La evidencia empírica, sin embargo, es más honesta si la contamos completa:

→ Hay estudios que muestran menos halo con formatos conductuales frente a escalas gráficas.
→ También hay estudios donde BARS no supera consistentemente a otros formatos en todas las métricas (por ejemplo, lenidad o fiabilidad interevaluador). 

Entonces, la idea correcta es esta: BARS tiende a mejorar claridad y discriminación, pero sus resultados dependen mucho de cómo se construye, del trabajo de análisis del puesto y del entrenamiento.

​

Cómo se construye una BARS (sin adornos)

Muchos procesos siguen una secuencia basada en CIT y el enfoque original. 

→ Definir dimensiones de desempeño.
→ Recolectar incidentes críticos (conductas reales).
→ Depurar duplicados/ambigüedades.
→ Retranslación: otro grupo reasigna incidentes a dimensiones y se filtra por acuerdo.
→ Escalamiento: expertos valoran cuán efectiva es cada conducta.
→ Selección final de anclajes por nivel de la escala.

El gran problema de BARS: la pérdida de información (y por qué importa)

Si BARS vive de conductas, perder conductas duele. Y suele doler mucho.

​

En la práctica, durante depuración y retranslación se descarta una cantidad enorme de incidentes. Ese descarte no siempre significa “mala calidad”; muchas veces significa:

→ Incidentes redundantes pero valiosos para contexto.
→ Conductas difíciles de ubicar en una sola dimensión.
→ Ejemplos reales que no alcanzan acuerdo estadístico.

Ese “embudo” explica por qué BARS puede volverse costosa, lenta y frustrante en organizaciones donde RR.HH. necesita velocidad.

La innovación ACB: cómo reducir descarte sin perder validez

Aquí aparece la propuesta que mencionas: agrupar incidentes en Aspectos de Comportamiento Básico (ACB) para conservar más información conductual y sintetizarla de forma usable.

​

Un trabajo que describe este enfoque muestra el proceso de conversión desde escalas tipo Likert hacia BARS y la construcción con participación masiva, incluyendo la idea de agrupar conductas antes de “matar” información útil. 

​

Qué cambia con ACB:

→ En vez de elegir “un incidente” por nivel, se agrupan varios incidentes afines en un aspecto conductual.
→ Luego, esos aspectos se combinan para construir anclajes más robustos.
→ El instrumento final puede mantener calidad psicométrica sin que el proceso se vuelva una trituradora de ejemplos. 

​

Si tu organización quiere el rigor conductual pero no puede pagar el costo completo de BARS tradicional, ACB es un camino serio para mirar.

Si no puedes implementar BARS completas: escalas híbridas que sí ayudan

Muchas empresas están en este punto: “quiero algo más justo que una GRS, pero no tengo presupuesto para BARS por rol”.

​

La salida práctica no es resignarse. Es hibridar.

​

Qué significa “híbrida” en este contexto

Una GRS mejorada puede incorporar descriptores conductuales por nivel, aunque no haya pasado por todo el proceso BARS.

​

Ejemplo rápido (dimensión: colaboración):

GRS típica
→ 1–5: No cumple / Cumple / Sobresaliente.

Híbrida conductual
→ 1: evita coordinar, no comparte información clave.
→ 3: coordina lo necesario, responde cuando se le solicita.
→ 5: anticipa dependencias, alinea acuerdos y destraba a otros.

No tiene todo el rigor de una BARS completa, pero reduce ambigüedad y ayuda a que el evaluador “aterrice”.

Entrenamiento de evaluadores: el multiplicador que casi nadie toma en serio

Puedes tener la mejor escala del mundo y aun así fallar si el evaluador:

→ No observa.
→ No registra.
→ Evalúa por memoria.
→ Confunde “me cae bien” con “rinde bien”.

La investigación sobre entrenamiento de evaluadores muestra que Frame-of-Reference (FOR) Training mejora la precisión de las calificaciones porque alinea a los evaluadores en una misma definición mental de “buen desempeño”. 

​

Y esto no es teoría linda: FOR se ha estudiado en revisiones cuantitativas/meta-analíticas. 

Qué entrenar, en simple:

→ Qué conductas cuentan como evidencia.
→ Cómo diferenciar dimensiones parecidas.
→ Cómo usar anclajes y ejemplos reales.
→ Cómo registrar durante el ciclo (no al final).

Decidir entre GRS, BARS, híbrida o MBO: una guía sin humo

Hazte estas preguntas:

​

1) ¿Qué tan alta es la “apuesta” de la evaluación?

→ Si define promoción/compensación fuerte, necesitas más rigor y defensabilidad. 

​

2) ¿Cuánto varía la interpretación entre evaluadores?

→ Si tienes discrepancias grandes, necesitas anclajes conductuales y calibración.

3) ¿Cuántos roles distintos debes evaluar?

→ Mientras más roles, más difícil hacer BARS completas para todos. Híbridas por familias de cargo suelen ser un buen paso intermedio.

4) ¿El sistema mide resultados además de conductas?

La gestión por objetivos (MBO) aporta fuerza para el “qué”, siempre que los objetivos estén bien definidos y se haga seguimiento.

360° y comparabilidad: donde una mala escala se nota el doble

En evaluación 360, el desafío no es solo el sesgo individual. Es la comparabilidad entre fuentes.

Si la escala es ambigua:

→ Un par puntúa “duro”.
→ El jefe puntúa “blando”.
→ La autoevaluación se dispara.

​

Una base conductual y un marco común ayudan a bajar esa variabilidad “por estilo” y a subir la variabilidad “por desempeño real”. Y eso te ahorra discusiones infinitas.