Efecto Hawthorne: cómo reducir la reactividad

Las personas pueden modificar su conducta al saber que participan en un estudio. En el entorno industrial se suele llamar efecto Hawthorne a esa reactividad, pero no debe suponerse que siempre aumenta la producción, que tiene un tamaño fijo o que una técnica concreta la elimina.

La revisión de McCambridge, Witton y Elbourne, publicada en 2014, encontró resultados heterogéneos y límites importantes para establecer mecanismos y magnitudes. Sus estudios procedían mayoritariamente de ciencias de la salud: no proporcionan un porcentaje de corrección universal para una planta industrial.

1. Tres problemas que conviene distinguir

• Selección: se observan solo momentos, puestos o personas fáciles de alcanzar. Aleatorizar una parte del horario no corrige una cobertura incompleta.
• Clasificación: dos observadores interpretan de forma distinta una misma actividad, o atribuyen causas que no se ven.
• Reactividad: el procedimiento de medición cambia lo que se quiere estudiar, por ejemplo mediante interacción, interrupciones o expectativas de evaluación.

Pueden coexistir y requieren controles distintos. Una ruta aleatoria no resuelve por sí sola la clasificación ni demuestra que la conducta observada sea idéntica a la que existiría sin estudio.

2. Un protocolo de campo razonable

Explicar propósito y uso. Comunicar qué se observa, cómo se utilizarán los datos y quién tendrá acceso. No prometer anonimato si los registros permiten identificar personas. Separar el diagnóstico del proceso de conclusiones individuales que los datos no permiten sostener.

Definir la lectura. Registrar el estado en el instante previsto y utilizar reglas comprensibles para las actividades simultáneas o ambiguas. No existe una regla universal por la que una persona tarde exactamente un segundo en reaccionar o una lectura de unos milisegundos sea neutral.

Limitar interferencias. Evitar conversaciones, indicaciones y cambios en el trabajo durante la lectura. Nunca comprometer la seguridad para captar un instante: una observación perdida se registra y se analiza, no se sustituye silenciosamente por otra conveniente.

Planificar cobertura y selección. Cubrir los períodos relevantes y documentar cómo se eligen instantes, recursos y recorridos. La selección debe responder a la población objetivo, no a la idea de sorprender a los trabajadores. La transparencia del estudio es compatible con no anunciar cada lectura.

Calibrar a los observadores. Usar ejemplos comunes y comparar clasificaciones. Si se incluye una fase de familiarización, definir de antemano cómo se tratarán sus datos. No eliminar los primeros días solo porque muestran un resultado incómodo.

3. Por qué aumentar la muestra no elimina el sesgo

En un modelo binomial simple con observaciones independientes y probabilidad común, una aproximación inicial es:

$$n = \left\lceil \frac{z^2 p_0(1-p_0)}{e^2} \right\rceil$$

Aquí, z es el valor crítico, p₀ la proporción prevista y e el margen absoluto. Con z = 1,96, p₀ = 0,5 y e = 0,05, el resultado de planificación es 385 observaciones. Es un ejemplo bajo esos supuestos, no un mínimo universal ni una fórmula contra el efecto Hawthorne.

Una muestra mayor puede reducir error de muestreo bajo un diseño adecuado; no elimina un desplazamiento sistemático producido por el protocolo. El teorema central del límite tampoco convierte observaciones sesgadas en datos neutrales. Si se registra un proceso modificado por la medición, el intervalo describe ese proceso observado y no corrige automáticamente la diferencia respecto al proceso sin observador.

Para intervalos de proporciones y sus limitaciones, véase NIST: intervalos de confianza.

4. Cómo investigar la posible reactividad

Registrar cambios de método, presencia del observador, interacciones y variaciones de contexto ayuda a detectar problemas. Pueden contrastarse períodos o fuentes independientes con definiciones compatibles, pero una diferencia entre el principio y el final del estudio no identifica por sí sola reactividad: también cambian la demanda, el aprendizaje, las averías y la mezcla de productos.

No hay un número fijo de días que garantice habituación. Las exclusiones y comparaciones deben justificarse por el diseño, no decidirse después para lograr una conclusión deseada. Si la sensibilidad al procedimiento es importante, conviene revisar el diseño y expresar esa limitación en el informe.

5. Privacidad y elección de herramientas

La observación sin vídeo también puede tratar datos personales. La guía de la AEPD sobre relaciones laborales explica las obligaciones y bases jurídicas que deben analizarse en ese contexto. Elegir una técnica o una aplicación no acredita por sí solo cumplimiento legal ni sustituye esa evaluación.

WorkSamp facilita la planificación y captura de observaciones. Cronometras responde a otra necesidad: medir duraciones de tareas mediante estudio de tiempos. La elección depende de la pregunta; ninguna herramienta garantiza ausencia de reactividad. Un resultado útil documenta qué se midió, cómo, con qué incertidumbre y bajo qué límites.