Cómo evaluar la calidad de un test psicológico

Por qué ayudan unos criterios independientes

Elegir un test a partir de un folleto es arriesgado. El material comercial suele citar el mejor coeficiente de la muestra más favorable y callar lo que nunca se ha estudiado. Un conjunto fijo de criterios convierte una impresión en preguntas concretas: para qué sirve el test, qué precisión tienen las puntuaciones, con quién se compara a los candidatos y si hay evidencia de que las puntuaciones dicen algo sobre lo que importa en el puesto.

En Europa se usan sobre todo dos marcos. COTAN, la comisión de tests del colegio de psicólogos de los Países Bajos (Nederlands Instituut van Psychologen, NIP), documenta tests desde 1959 y publica valoraciones desde 1969. El modelo de revisión de tests de la Federación Europea de Asociaciones de Psicólogos (EFPA) se construyó en parte sobre el sistema de COTAN y sobre criterios británicos y españoles. Ninguno concede un sello de calidad universal: ambos preguntan si la evidencia respalda un uso concreto, con unas personas concretas y en un idioma concreto.

Los siete criterios de COTAN, explicados con claridad

COTAN valora cada test en siete criterios. Dos revisores lo analizan de forma independiente y cada criterio recibe su propia valoración; no hay una puntuación global. En la edición de 2010 del sistema, la valoración es insuficiente, suficiente o buena.

• Fundamentos de la construcción del test: ¿se describen el uso previsto, los destinatarios y el constructo, con una base teórica? Lo que un test pretende medir determina qué evidencia necesita.
• Calidad del material: ¿están estandarizados los ítems, las instrucciones y la corrección, y está el contenido libre de ítems que puedan ofender a algún grupo?
• Calidad del manual: ¿te da lo necesario para aplicar el test e interpretar bien las puntuaciones, incluidos los límites de esa interpretación?
• Baremos: ¿son los grupos normativos lo bastante grandes, representativos de las personas con las que comparas a los candidatos y actuales? Un baremo sin fecha ni descripción del grupo no se puede valorar.
• Fiabilidad: ¿qué precisión tienen las puntuaciones, según qué tipo de estudio y con qué muestra?
• Validez de constructo: ¿hay evidencia de que el test mide lo que dice medir, por ejemplo por su estructura factorial y su relación con otras medidas?
• Validez de criterio: ¿se relacionan las puntuaciones con resultados como el desempeño, la formación o la rotación, y con qué calidad se midió ese resultado?

Una valoración insuficiente puede significar que la evidencia era débil o que nunca se aportó. COTAN trata ambos casos igual, porque la carga de la prueba recae en el autor. Para ti la diferencia sí puede importar: un test nuevo con pocos datos no es lo mismo que uno que no dio la talla. En cualquier caso es una señal de alerta: si usas el test de todos modos, debes poder justificarlo.

Las valoraciones de COTAN las emite únicamente la propia COTAN y se publican en la base de datos en línea COTAN Documentatie, que edita Boom uitgevers por encargo del NIP. Si un proveedor menciona una, búscala allí y comprueba a qué versión del test y del manual corresponde.

El modelo de la EFPA y otros marcos

El modelo de revisión de tests de la EFPA es un formulario estructurado con notas para los revisores, basado en criterios de la British Psychological Society, del Consejo General de la Psicología de España y de COTAN. La versión 4.2.6 es de 2013; en agosto de 2025 se publicó la versión 5.0, una revisión a fondo.

Primero describe el instrumento y después evalúa la fundamentación y la documentación, los materiales, los baremos, la fiabilidad, la validez, el apoyo a un uso equitativo y la calidad de los informes generados digitalmente, con una evaluación global al final. La evidencia de validez se ordena por su fuente: contenido, estructura interna, relación con otras variables y otras fuentes.

El modelo está pensado para adaptarse a cada país y para que lo apliquen revisores expertos. En España, la Comisión de Test del Consejo General de la Psicología evalúa tests editados en el país con el CET-R, su adaptación del modelo. La EFPA aclara que una valoración hecha con el modelo no implica su aval, y que la publicidad no debe sugerirlo. Si un proveedor dice que su test está aprobado por la EFPA, ha entendido mal el modelo.

DIN 33430 en Alemania

DIN 33430 es la norma alemana sobre evaluación de la idoneidad profesional, revisada por última vez en 2016. No valora tests concretos, sino todo el proceso: aclarar el encargo, analizar los requisitos del puesto, elegir métodos, aplicarlos e interpretarlos, documentar el procedimiento y la cualificación de las personas implicadas. Un anexo detalla qué debe contener la documentación de un test psicométrico, una lista útil también fuera de Alemania.

Lista de comprobación para leer un manual técnico

Uses el marco que uses, la evidencia está en el manual técnico. Pídelo antes de comprar y léelo pensando en la decisión que quieres tomar.

• Uso previsto: ¿menciona el manual tu uso y dice también para qué no está pensado el test?
• Grupos normativos: tamaño, composición, país, idioma y año de recogida de datos. ¿Se parecen a tus candidatos? Más en baremos y grupos normativos.
• Fiabilidad: ¿de qué tipo, con qué muestra, y se indica el error típico de medida? Lo básico está en fiabilidad y validez.
• Validez: ¿hay evidencia sobre la estructura factorial, la relación con tests comparables y, para selección, con resultados laborales? ¿Qué tamaño tenían las muestras?
• Equidad e idioma: ¿funcionan igual los ítems y las escalas en distintos grupos, y tu versión lingüística se adaptó y se estudió, o solo se tradujo?
• Versión y revisión independiente: ¿la evidencia se refiere a la versión que vas a usar y hay una revisión que puedas consultar tú mismo?

Cómo leerlo. Una fiabilidad de .86 es sólida, pero para una decisión importante sobre una persona queda entre los puntos de referencia de COTAN, .80 y .90, así que fíjate en el error típico de medida y no apliques cortes rígidos a diferencias pequeñas. El grupo normativo encaja con puestos financieros en los Países Bajos, no con puestos comerciales ni con una versión en español. El estudio de criterio apunta en la buena dirección, pero con 85 personas el intervalo de confianza es amplio. Conclusión: utilizable en selección junto con otra información. La decisión la toma una persona.

Si desarrollas o publicas tu propio test

Los mismos criterios sirven como guía de diseño: define el constructo y el uso previsto, prueba los ítems y recoge datos de fiabilidad, estructura y baremos en la población destinataria, como se describe en desarrollo de tests. La EFPA anima expresamente a autores y editores a evaluar sus propios tests con el modelo. Así obtienes una autoevaluación estructurada, no una revisión: una valoración de COTAN solo la emite COTAN, con su propio procedimiento.

El Laboratorio psicométrico de Match.hr revisa los tests antes de incluirlos en la biblioteca y puede colaborar contigo en la validación de tests. Sus criterios siguen la estructura de los modelos de revisión de tests de COTAN y EFPA. El Laboratorio no está afiliado ni avalado por ninguna de estas organizaciones, y un nivel como Validada no es una valoración oficial. Si quieres ofrecer tu instrumento a empresas, publicar tu test empieza por esa revisión.