Qué es una prueba psicométrica

Una prueba psicométrica es un procedimiento de medida objetiva y estandarizada que sirve para cuantificar fenómenos psicológicos no observables a partir de una muestra de comportamientos.

Dicho de forma más sencilla: es una herramienta pensada para poner un número o una categoría a cosas que no se pueden ver ni tocar directamente, como la inteligencia, la ansiedad o un rasgo de personalidad, a partir de cómo se comporta o responde la persona.

Los profesionales de la psicología utilizan estas herramientas en entornos clínicos, educativos y laborales para evaluar las características de las personas con rigor científico.

Su mecanismo consiste en registrar las respuestas de un individuo ante una serie de estímulos (preguntas, tareas o situaciones diseñadas para ese fin) para obtener una puntuación. Bien construida y bien usada, esa puntuación permite describir, comparar o hacer predicciones con un margen de error conocido.

Los fundamentos de la medición psicológica

La psicometría es la rama de la psicología encargada de desarrollar las teorías y los métodos que dan soporte a la construcción y administración de estas evaluaciones.

Su principal desafío es hacer medible aquello que no se puede observar directamente: nadie puede ver la extroversión de alguien igual que ve su altura, así que hay que inferirla a partir de comportamientos y respuestas concretas.

Para lograrlo, los especialistas definen de forma muy precisa el fenómeno que desean estudiar (el constructo) e identifican los comportamientos concretos que sirven como evidencia observable.

El diseño requiere además un soporte teórico que justifique la selección de las preguntas o tareas. El objetivo es que la muestra de conductas analizadas represente bien el fenómeno evaluado: que las preguntas cubran de verdad lo que se quiere medir y no solo una parte pequeña o sesgada de ello.

Tipos principales de instrumentos de evaluación

Existen diferentes formas de clasificar estas herramientas según su formato o propósito, pero una división metodológica fundamental agrupa las pruebas según el tratamiento de las respuestas obtenidas.

• Pruebas de ejecución máxima: evalúan la competencia, el conocimiento o la aptitud de la persona, como un examen de matemáticas o un test de inteligencia. Discriminan entre respuestas correctas e incorrectas, y esa base sirve para calificar el rendimiento.
• Pruebas de ejecución típica: exploran motivaciones, actitudes o preferencias personales, cómo es la persona de forma habitual y no cuánto sabe. No existen respuestas correctas ni incorrectas, una estructura habitual en los cuestionarios e inventarios de personalidad. Cuando un test pregunta si alguien prefiere planificar sus vacaciones con antelación o improvisarlas sobre la marcha, no hay una respuesta mejor que otra, solo una que encaja más con la forma de ser de cada persona.

Criterios científicos para garantizar la calidad

La referencia internacional en este terreno son los Standards for Educational and Psychological Testing, publicados conjuntamente por la American Educational Research Association (AERA), la American Psychological Association (APA) y el National Council on Measurement in Education (NCME). Su edición de 2014 organiza la calidad de un test alrededor de dos ideas: fiabilidad y validez.

Fiabilidad: la consistencia de la medida

La fiabilidad define la consistencia y la precisión con la que el test lleva a cabo su medición. Si una persona repitiera la misma prueba en condiciones parecidas al cabo de unas semanas, un test fiable debería darle un resultado similar, no uno completamente distinto cada vez.

Se estima de varias maneras, y cada una responde a una pregunta distinta:

• Consistencia interna: ¿los ítems de una misma escala van en la misma dirección? El índice más usado es el alfa de Cronbach (Cronbach, 1951). Un alfa de 0,80 en una escala de diez ítems indica que esas preguntas varían de forma bastante coordinada, como si midieran una misma cosa; en escalas de personalidad, valores por debajo de 0,70 suelen considerarse flojos.
• Estabilidad test-retest: ¿la persona obtiene una puntuación parecida si repite la prueba días o semanas después? Se expresa como una correlación entre las dos aplicaciones. Una correlación de 0,85 a las cuatro semanas indica que el orden de las personas apenas cambia de una vez a otra; en un test que asigna tipos, lo que se mira es qué porcentaje de personas obtiene el mismo tipo en la segunda aplicación.
• Acuerdo entre evaluadores: cuando la puntuación depende de un juicio humano (por ejemplo, al corregir un dibujo o una entrevista), ¿dos correctores llegan al mismo resultado?

Un procedimiento fiable minimiza los errores aleatorios, pero la fiabilidad no garantiza nada sobre qué se está midiendo.

Validez: medir lo que se quiere medir

El segundo pilar es la validez. Los Standards de 2014 la definen como el grado en que la evidencia y la teoría respaldan la interpretación de las puntuaciones para los usos que se proponen.

Un ejemplo sencillo: una báscula puede ser muy fiable, porque siempre marca el mismo peso, pero si en realidad quisiéramos medir la altura de alguien, esa báscula no serviría de nada. Sería fiable, pero no válida para ese propósito.

Por eso la validez no es una etiqueta fija de la prueba: se valida un uso concreto. Los Standards distinguen cinco fuentes de evidencia que se acumulan con el tiempo:

• el contenido de los ítems (si cubren bien el constructo),
• los procesos de respuesta (si las personas entienden y responden lo que se pretende),
• la estructura interna (si los análisis estadísticos encuentran las dimensiones que la teoría propone),
• la relación con otras variables (si el test correlaciona con lo que debería y no con lo que no debería),
• y las consecuencias de usarlo para tomar decisiones.

El proceso de interpretación de resultados

Las puntuaciones directas obtenidas al finalizar una prueba carecen de significado por sí mismas. Un «7 sobre 10» no dice gran cosa si no se sabe con qué compararlo.

Para que la medición sea útil, el profesional necesita contextualizar esos datos con un sistema de referencia estructurado.

En las evaluaciones normativas, la puntuación de la persona se compara con la de un grupo de referencia representativo (por ejemplo, la población adulta de un país) y suele expresarse en percentiles: un percentil 70 significa que la persona puntúa por encima del 70 % de ese grupo.

Las evaluaciones referidas a un criterio, en cambio, comparan el resultado con un estándar fijo (como «sabe nadar 25 metros sin parar», sí o no) sin necesidad de compararlo con terceros.

Qué significa todo esto para el eneagrama

El eneagrama es un modelo de personalidad, no un instrumento concreto: existen varios cuestionarios distintos para identificarlo, y cada uno tendría que demostrar su propia fiabilidad y validez.

La revisión sistemática más completa hasta la fecha (Hook y colaboradores, 2021, Journal of Clinical Psychology) analizó 104 muestras independientes y encontró pruebas mixtas. A favor: algunos análisis factoriales coinciden en parte con la teoría y las escalas se relacionan como cabría esperar con rasgos del Big Five. En contra: esos análisis suelen encontrar menos de nueve factores, ningún estudio ha derivado los nueve tipos con técnicas de agrupamiento y apenas hay investigación que respalde las alas o los movimientos entre tipos.

En nuestra lectura, eso sitúa los tests de eneagrama, incluido el de esta web, como herramientas de reflexión personal y no como pruebas psicométricas validadas. Si quieres ver cómo contrastar tu propio resultado o explorar el modelo en la práctica, puedes hacer nuestro test de eneagrama.

Fuentes

• American Educational Research Association, American Psychological Association y National Council on Measurement in Education (2014). Standards for Educational and Psychological Testing. American Educational Research Association.
• Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334. https://doi.org/10.1007/BF02310555
• Hook, J. N., Hall, T. W., Davis, D. E., Van Tongeren, D. R. y Conner, M. (2021). The Enneagram: A systematic review of the literature and directions for future research. Journal of Clinical Psychology, 77(4), 865-883. https://doi.org/10.1002/jclp.23097