Evaluación formativa y sumativa en eLearning: guía para diseñadores instruccionales
La evaluación no es el final del curso — es parte integral del diseño. Esta guía explica la diferencia entre evaluación formativa, sumativa y diagnóstica, y cómo diseñar cada una en contextos de eLearning.
La evaluación del aprendizaje es el componente que más frecuentemente se diseña de manera superficial. Se añade al final del curso, se construye con preguntas de opción múltiple que replican el contenido textual, y se establece un umbral de aprobación. Eso no es evaluación — es verificación de que alguien leyó el material.
Esta guía explica las diferencias entre los tres tipos principales de evaluación (diagnóstica, formativa y sumativa), cuándo usar cada una, qué formatos son más efectivos en entornos de eLearning, y cómo conectar la evaluación con el modelo de Kirkpatrick para demostrar impacto.
En esta guía:
- El origen de la distinción: Scriven (1967)
- Evaluación diagnóstica: el paso olvidado
- Evaluación formativa: aprender mientras se evalúa
- Evaluación sumativa: medir el resultado
- Tabla comparativa: diagnóstica, formativa y sumativa
- Cómo diseñar buenas preguntas de evaluación
- La conexión con el modelo Kirkpatrick
- Errores más comunes en evaluación de eLearning
- Preguntas frecuentes
El origen de la distinción: Scriven (1967)
La distinción entre evaluación formativa y sumativa fue formulada por Michael Scriven en 1967 en su ensayo “The Methodology of Evaluation”. Scriven no estaba hablando de evaluación de estudiantes — estaba hablando de evaluación de programas curriculares. Propuso que los evaluadores debían distinguir entre evaluar un programa mientras se está desarrollando (para mejorarlo) y evaluarlo al final (para decidir si adoptarlo o descartarlo).
Tyler aplica esta distinción al aprendizaje individual más adelante, y Benjamin Bloom la integra en lo que se conoce como “mastery learning” en los años setenta — el mismo Bloom que desarrolló la taxonomía de objetivos de aprendizaje que sigue siendo referencia en el diseño instruccional.
Paul Black y Dylan Wiliam expandieron el concepto de evaluación formativa en su influyente revisión de 1998, “Inside the Black Box”, que analizó más de 250 estudios sobre evaluación en contextos educativos. Su conclusión fue contundente: la evaluación formativa bien implementada produce algunas de las ganancias de aprendizaje más consistentes y significativas documentadas en la investigación educativa, con tamaños de efecto entre 0.4 y 0.7 en escala Cohen.
Evaluación diagnóstica: el paso olvidado
La evaluación diagnóstica ocurre antes del proceso de aprendizaje y su objetivo es identificar el estado actual del aprendiz. Se usa tanto antes de diseñar el programa (como parte del análisis de necesidades) como al inicio de una experiencia de aprendizaje para personalizar la trayectoria del aprendiz.
El propósito no es calificar — es mapear. ¿Qué sabe ya el aprendiz? ¿Qué cree que sabe pero está equivocado? ¿Qué brechas concretas existen entre su estado actual y el desempeño esperado?
Por qué la evaluación diagnóstica importa
Sin diagnóstico, el diseñador instruccional trabaja con suposiciones sobre el aprendiz. Esas suposiciones pueden ser correctas o completamente erróneas. Un curso diseñado para un nivel intermedio que en realidad lo va a tomar una audiencia con conocimientos avanzados produce aburrimiento y desenganche. El mismo curso tomado por una audiencia sin los prerequisitos necesarios produce confusión y frustración.
Formatos de evaluación diagnóstica en eLearning
- Pre-test de conocimientos: serie de preguntas al inicio del módulo que determina qué secciones el aprendiz puede omitir o en cuáles necesita más profundidad
- Encuesta de autodiagnóstico: el aprendiz evalúa su propio nivel de confianza en diferentes áreas del contenido
- Escenario de apertura: una situación real que el aprendiz debe resolver antes de ver cualquier contenido, lo cual revela sus modelos mentales actuales
- Análisis de desempeño previo: en contextos corporativos, datos de desempeño existentes que revelan brechas específicas
Evaluación formativa: aprender mientras se evalúa
La evaluación formativa ocurre durante el proceso de aprendizaje y su objetivo es guiar el aprendizaje en tiempo real, tanto para el aprendiz como para el diseñador. A diferencia de la sumativa, no produce una calificación final — produce retroalimentación que permite ajustar la trayectoria.
Valerie Shute (2008), en su revisión “Focus on Formative Feedback” en Review of Educational Research, identificó que la retroalimentación formativa más efectiva cumple tres condiciones: es inmediata (ocurre en el momento de la respuesta), es específica (explica por qué la respuesta es correcta o incorrecta, no solo si lo es), y es orientada a la mejora (dice qué hacer diferente, no solo qué estuvo mal).
Cómo funciona la evaluación formativa en eLearning
En entornos digitales, la evaluación formativa tiene una ventaja significativa sobre el contexto presencial: puede ser automatizada, instantánea y personalizada sin depender de la disponibilidad del instructor. Un módulo bien diseñado puede proporcionar retroalimentación formativa cada vez que el aprendiz toma una decisión, sin importar el momento o el lugar.
Formatos de evaluación formativa en eLearning:
- Knowledge checks (verificaciones de comprensión): preguntas breves intercaladas en el contenido que evalúan la comprensión de los conceptos recién presentados. A diferencia de las preguntas sumativas, su propósito no es calificar — es detectar malentendidos antes de que se consoliden
- Escenarios de práctica: situaciones que el aprendiz debe resolver aplicando lo aprendido, con retroalimentación inmediata en cada decisión. El error es parte del aprendizaje, no una falla
- Reflexión guiada: preguntas abiertas (o de selección) que invitan al aprendiz a aplicar el concepto a su contexto real antes de continuar
- Simulaciones: entornos donde el aprendiz puede practicar procedimientos o conversaciones sin consecuencias reales, con retroalimentación en el proceso
- Self-assessment: el aprendiz evalúa su propio nivel de comprensión o confianza después de cada sección, lo cual activa la metacognición
La retroalimentación como componente de diseño
La retroalimentación de la evaluación formativa es contenido de aprendizaje, no solo una respuesta automática de “correcto/incorrecto”. Diseñar buena retroalimentación implica:
- Explicar por qué la respuesta correcta es correcta
- Explicar por qué las opciones incorrectas son incorrectas (y en qué condiciones podrían ser válidas)
- Conectar la retroalimentación con la aplicación real en el trabajo
- En escenarios de ramificación, mostrar las consecuencias de la decisión elegida antes de ofrecer la corrección
Evaluación sumativa: medir el resultado
La evaluación sumativa ocurre al final de una unidad, módulo o programa de aprendizaje y su objetivo es determinar si el aprendiz alcanzó los objetivos de aprendizaje establecidos. Produce una calificación o una certificación que representa el nivel de logro del aprendiz.
En contextos corporativos, la evaluación sumativa tiene también un objetivo de registro: demostrar que el colaborador adquirió un conocimiento o habilidad específica, con implicaciones para compliance, certificaciones profesionales o decisiones de desarrollo.
Cuándo usar evaluación sumativa
- Al final de un curso o programa completo
- Cuando se necesita certificar el nivel de competencia (compliance, certificaciones profesionales)
- Para tomar decisiones de promoción, acceso a roles o finalización de un programa de desarrollo
- Para medir el impacto del programa de aprendizaje (nivel 2 de Kirkpatrick)
Formatos de evaluación sumativa en eLearning
- Examen final: conjunto de preguntas que cubren los objetivos del curso; la efectividad depende de la calidad de las preguntas, no de su cantidad
- Proyecto o entregable: el aprendiz produce un documento, plan, análisis o artefacto que demuestra la aplicación del aprendizaje
- Evaluación de desempeño: en contextos que implican habilidades prácticas, un supervisor o par evalúa al colaborador en el contexto real del trabajo
- Simulación evaluativa: el aprendiz completa una simulación bajo condiciones de evaluación formal, sin el modo de práctica con retroalimentación inmediata
- Evaluación de 360 grados: recopila evidencia de aprendizaje desde múltiples fuentes (pares, líder, subordinados, auto-evaluación)
Tabla comparativa: diagnóstica, formativa y sumativa
| Dimensión | Diagnóstica | Formativa | Sumativa |
|---|---|---|---|
| Cuándo ocurre | Antes del aprendizaje | Durante el aprendizaje | Al finalizar el aprendizaje |
| Objetivo principal | Identificar estado de entrada | Guiar y ajustar el aprendizaje | Certificar el logro |
| Produce calificación | No | No (generalmente) | Sí |
| Retroalimentación | Descriptiva del estado actual | Inmediata y orientada a mejorar | Evaluativa del logro |
| Consecuencia del error | Ajuste del diseño o la ruta | Oportunidad de aprendizaje | Impacto en calificación |
| Quién actúa sobre los resultados | El diseñador (y el aprendiz) | El aprendiz (y el sistema) | La organización y el aprendiz |
| Formatos típicos en eLearning | Pre-test, autodiagnóstico | Knowledge checks, escenarios, simulaciones | Examen final, proyecto, evaluación de desempeño |
Cómo diseñar buenas preguntas de evaluación
Grant Wiggins, en Educative Assessment (1998), argumenta que las evaluaciones deben ser “educativas” — es decir, que el proceso de ser evaluado debe ser en sí mismo una experiencia de aprendizaje. Eso implica que las preguntas de evaluación deben estar diseñadas para que el aprendiz piense, no solo para que recuerde.
Tipos de preguntas y su impacto
Preguntas de recuperación (recall): piden al aprendiz que recuerde información explícitamente presentada en el contenido. Son útiles para verificar comprensión básica, pero no son suficientes para demostrar competencia.
Ejemplo débil: “¿Cuántos niveles tiene la taxonomía de Bloom?” — cualquiera que leyó el contenido puede responder esto sin entenderlo.
Ejemplo más efectivo: “Un aprendiz completa correctamente todos los ejercicios de práctica del módulo pero no puede aplicar el concepto en un caso nuevo. ¿En qué nivel de la taxonomía de Bloom se encuentra su desempeño?” — esta pregunta requiere comprensión, no solo memoria.
Preguntas de aplicación: el aprendiz debe usar el conocimiento en un contexto nuevo. Son más difíciles de diseñar pero miden competencia real.
Preguntas de análisis y evaluación: el aprendiz debe comparar, juzgar o diseñar. Requieren niveles superiores de la taxonomía de Bloom y son las más válidas para evaluar competencias de alto desempeño.
Errores comunes en el diseño de preguntas
- Opciones de distractor obvias: si tres de las cuatro opciones son claramente incorrectas, la pregunta no discrimina entre quien entendió y quien adivinó
- Preguntas de texto idéntico al del módulo: el aprendiz puede responder correctamente copiando la frase del contenido sin haberla entendido
- Doble negación: “¿Cuál de las siguientes opciones NO es una razón incorrecta para…” genera confusión que no mide comprensión sino capacidad de parsear la pregunta
- Preguntas de trivial: datos específicos que no tienen relevancia para el desempeño en el trabajo
La conexión con el modelo Kirkpatrick
El modelo de Kirkpatrick organiza la evaluación de programas de formación en cuatro niveles: Reacción, Aprendizaje, Comportamiento y Resultados. La evaluación diagnóstica, formativa y sumativa corresponden principalmente al Nivel 2 (Aprendizaje), pero su diseño impacta todos los demás niveles.
| Nivel Kirkpatrick | Tipo de evaluación relacionada | Qué mide |
|---|---|---|
| Nivel 1: Reacción | Ninguna directamente | Satisfacción con la experiencia de aprendizaje |
| Nivel 2: Aprendizaje | Formativa + Sumativa | Adquisición de conocimientos, habilidades y actitudes |
| Nivel 3: Comportamiento | Evaluación de transferencia (post-curso) | Aplicación en el trabajo real |
| Nivel 4: Resultados | Evaluación de impacto organizacional | KPIs del negocio |
La evaluación formativa bien diseñada también contribuye al Nivel 1 (cuando la retroalimentación se percibe como útil y relevante) y al Nivel 3 (cuando los escenarios de práctica simulan fielmente las situaciones del trabajo real).
Errores más comunes en evaluación de eLearning
Solo evaluar al final. Un quiz de 10 preguntas al cierre del módulo no proporciona información sobre el proceso de aprendizaje — solo sobre el resultado final. La evaluación formativa intercalada es lo que permite detectar y corregir malentendidos antes de que se consoliden.
Preguntas que no corresponden a los objetivos de aprendizaje. Cada pregunta de la evaluación debe poder trazarse directamente a un objetivo de aprendizaje formulado. Si no hay esa correspondencia, la evaluación no mide lo que el curso prometió enseñar.
Umbral de aprobación arbitrario. Establecer un 80% de aprobación sin una justificación basada en el desempeño real del trabajo es una convención, no un estándar. En algunos casos un 70% es suficiente; en compliance o seguridad, puede ser necesario el 100%. El umbral debe derivarse del nivel de competencia requerido para desempeñarse con seguridad en el rol.
Retroalimentación que solo dice “incorrecto”. Una respuesta de “Incorrecto. La respuesta correcta es B.” no produce aprendizaje — produce frustración. La retroalimentación debe explicar el razonamiento que lleva a la respuesta correcta.
No revisar la calidad de las preguntas después del despliegue. El análisis de ítem — que examina qué preguntas todos pasan, qué preguntas todos fallan y qué preguntas los aprendices de alto desempeño fallan mientras los de bajo desempeño aprueban — es una práctica estándar en evaluación educativa que raramente se aplica en el diseño instruccional corporativo. Sin ese análisis, el banco de preguntas no mejora con el tiempo.
Preguntas frecuentes
¿Cuál es la diferencia entre evaluación formativa y sumativa?
La evaluación formativa ocurre durante el proceso de aprendizaje y su objetivo es guiar y ajustar el aprendizaje en tiempo real, sin producir una calificación final. La evaluación sumativa ocurre al finalizar una unidad o programa y su objetivo es determinar si el aprendiz alcanzó los objetivos establecidos, produciendo una calificación o certificación. La distinción fue formulada por Michael Scriven en 1967: "cuando el cocinero prueba la sopa, eso es evaluación formativa; cuando el comensal la prueba, eso es evaluación sumativa."
¿Qué es la evaluación diagnóstica?
La evaluación diagnóstica ocurre antes del proceso de aprendizaje y su objetivo es identificar el estado actual de conocimientos y habilidades del aprendiz. No produce calificación — produce información para personalizar la experiencia de aprendizaje. En eLearning se implementa como pre-test, autodiagnóstico de nivel o escenario de apertura. Es el tipo de evaluación más frecuentemente omitido en el diseño instruccional corporativo, a pesar de ser el que más informa el diseño.
¿Cada cuánto se debe hacer evaluación formativa dentro de un módulo de eLearning?
La regla general es cada 5-7 minutos de contenido o después de cada concepto clave. No se trata de saturar el módulo con preguntas — se trata de asegurar que el aprendiz no llegue al final del módulo habiendo construido malentendidos. Un knowledge check bien diseñado toma 30-60 segundos y proporciona retroalimentación inmediata que consolida el aprendizaje del segmento anterior.
¿Qué tipo de preguntas son más efectivas en una evaluación sumativa de eLearning?
Las preguntas más efectivas en evaluación sumativa son las que requieren aplicación o análisis, no solo recuperación de información. Escenarios que presentan una situación real y piden al aprendiz que tome una decisión fundamentada son más válidas que preguntas que replican definiciones del contenido. El estándar es que cada pregunta evalúe un objetivo de aprendizaje específico y que el desempeño correcto en la evaluación sea un indicador confiable del desempeño correcto en el trabajo.
¿Qué porcentaje de aprobación es adecuado en una evaluación de eLearning?
El umbral de aprobación debe determinarse por el nivel de competencia requerido para desempeñarse de manera segura y efectiva en el rol, no por convención. Para temas de compliance o seguridad donde un error tiene consecuencias graves, el umbral puede ser del 100%. Para conocimientos generales de rol, el 70-80% puede ser adecuado. El 80% como estándar universal es una práctica arbitraria sin base en la teoría de evaluación.
¿Cómo diseñar retroalimentación efectiva para las preguntas de evaluación?
La retroalimentación efectiva explica el razonamiento detrás de la respuesta correcta (no solo cuál es), explica por qué las opciones incorrectas son incorrectas (y en qué contextos podrían confundirse con la correcta), y conecta la respuesta con la aplicación en el trabajo real. Según Shute (2008), la retroalimentación más efectiva es inmediata, específica y orientada a la mejora — dice qué hacer diferente, no solo qué estuvo mal.
¿Cómo se relacionan la evaluación formativa y sumativa con el modelo Kirkpatrick?
Ambos tipos de evaluación corresponden principalmente al Nivel 2 (Aprendizaje) del modelo Kirkpatrick, que mide si los participantes adquirieron los conocimientos, habilidades y actitudes previstas. La evaluación de transferencia al trabajo (Nivel 3) ocurre típicamente semanas o meses después del curso y requiere métodos distintos: encuestas de seguimiento, evaluaciones de desempeño o datos de comportamiento observable.
¿Qué es el análisis de ítem y por qué importa?
El análisis de ítem es la revisión estadística del desempeño de cada pregunta en una evaluación: qué porcentaje de aprendices la respondió correctamente, qué distractores se eligieron con mayor frecuencia, y si la pregunta discrimina adecuadamente entre aprendices de alto y bajo desempeño. Una pregunta que todos pasan puede ser demasiado fácil o estar telegrafieando la respuesta; una que casi todos fallan puede ser mal redactada o estar evaluando algo no enseñado. El análisis de ítem permite mejorar el banco de preguntas con el tiempo.
¿Se puede usar evaluación formativa en cursos de eLearning asíncronos?
Sí, y es donde tiene mayor valor. En eLearning asíncrono el aprendiz no tiene un instructor que observe su comprensión y ajuste la explicación en tiempo real. La evaluación formativa automatizada (knowledge checks, retroalimentación branching, simulaciones con feedback inmediato) reemplaza esa función del instructor. Un módulo asíncrono sin evaluación formativa no puede detectar ni corregir malentendidos — los aprendices avanzan con brechas que solo se revelan en la evaluación final.
¿Cómo evaluar habilidades que no se pueden medir con preguntas de opción múltiple?
Las habilidades complejas — comunicación, liderazgo, pensamiento crítico, habilidades técnicas procedimentales — requieren formatos de evaluación auténtica: proyectos, entregables, simulaciones de desempeño o evaluación por observación. En eLearning, las simulaciones conversacionales y los escenarios de ramificación complejos son los formatos que más se aproximan a la evaluación auténtica para habilidades interpersonales y de toma de decisiones. Para habilidades físicas o procedimentales, la evaluación en el trabajo real por un evaluador es insustituible.
¿Qué evidencia existe sobre la efectividad de la evaluación formativa?
Black y Wiliam (1998) analizaron más de 250 estudios y encontraron que la evaluación formativa bien implementada produce tamaños de efecto entre 0.4 y 0.7 en escala Cohen — lo que equivale a mover el desempeño promedio de un aprendiz al rango del 65 al 75 percentil. Es uno de los efectos más consistentes y robustos documentados en la investigación educativa. La condición clave es que la evaluación formativa incluya retroalimentación específica y accionable, no solo una señal de correcto o incorrecto.
¿Cuántas preguntas debe tener una evaluación sumativa de eLearning?
El número de preguntas debe determinarse por la cobertura necesaria de los objetivos de aprendizaje, no por una convención de "10 preguntas por módulo". Un módulo con 5 objetivos claramente definidos puede evaluarse con 5-10 preguntas bien diseñadas. Un módulo con 20 objetivos necesita más. Lo que nunca debe hacerse es rellenar una evaluación con preguntas adicionales de trivial para llegar a un número deseado — cada pregunta debe corresponder a un objetivo de aprendizaje.
¿Cómo alinear la evaluación con los objetivos de aprendizaje?
La alineación entre objetivos y evaluación es el principio de diseño inverso (backward design) formulado por Wiggins y McTighe: primero se define qué evidencia demostraría que el aprendiz alcanzó el objetivo, y luego se diseña la experiencia de aprendizaje que lo lleve a producir esa evidencia. En la práctica: cada pregunta de evaluación debe poder trazarse explícitamente a un objetivo de aprendizaje formulado con verbo de acción observable. Si el objetivo dice "identificar", la pregunta pide identificación; si dice "analizar", la pregunta requiere análisis.
