Cómo validar un test de conocimientos deportivos

Un test de conocimientos deportivos se valida del mismo modo que cualquier instrumento de detección de talentos, y la disciplina ha dejado por escrito lo que eso exige. Bergkamp et al. (2019) identificaron cuatro problemas metodológicos que debilitan la mayor parte de la investigación sobre el talento en el fútbol: el criterio de éxito se define de forma imprecisa, se estudian indicadores sueltos de manera aislada, las muestras se limitan a jugadores ya seleccionados y la exactitud se comunica sin la tasa base. Williams, Ford y Drust (2020) añaden que un trabajo creíble debe ser multidisciplinar y longitudinal. Insporta toma estos dos artículos como el estándar de cualquier afirmación que haga sobre sus propios tests.

Bergkamp et al. 2019: cuatro problemas que resolver antes de afirmar la validez

Un grupo de psicómetras de la Universidad de Groninga revisó en Sports Medicine la bibliografía sobre detección de talentos en el fútbol y encontró que se repetían las mismas cuatro debilidades.

1. Operacionalización del criterio

¿Qué cuenta como éxito? ¿Alcanzar el nivel profesional? ¿Los minutos jugados? ¿Los goles marcados? ¿Que una academia mantenga al jugador una temporada más? Cada definición da un resultado distinto con el mismo predictor, y los estudios que no fijan el criterio de antemano pueden elegir después el que mejor queda. Esta es la razón principal de que dos revisiones puedan discrepar sobre el tamaño de un efecto, como ocurre con Murr (2018) e Ivarsson (2020) en ¿predice el conocimiento del deporte el nivel futuro?.

Para un test de conocimientos, la disciplina consiste en enunciar el criterio antes de recoger los datos. Un criterio natural para Insporta es el progreso por los niveles de dificultad de un deporte durante un periodo fijo, de seis, doce o veinticuatro meses, declarado de antemano y que no se modifica una vez conocidos los resultados.

2. Atención a indicadores de rendimiento aislados

La mayoría de los estudios toman una sola métrica. Bergkamp y sus colegas sostienen que una evaluación multidimensional con cinco o más variables da resultados mucho más estables, y Höner et al. (2021) mostraron con 13.869 jugadores que ningún predictor por separado superaba a una combinación. Insporta registra varias dimensiones por jugador: la exactitud, el tiempo de respuesta, el perfil de los temas respondidos correcta e incorrectamente y la retención a lo largo del tiempo. Todo estudio de validación debería emplearlas en conjunto, en lugar de comunicar una e ignorar las demás.

3. Restricción de rango

Si un estudio mide solo a jugadores de academia, como hacen Reinhard, Mann y Höner (2025) y la mayoría de los demás, ve una franja estrecha de la población. Todos los integrantes de la muestra han pasado ya un filtro de selección, de modo que la dispersión de la capacidad se comprime y las correlaciones pueden reducirse, desaparecer o incluso invertirse respecto del rango completo. Los efectos estimados con jugadores de academia pueden no describir a los aficionados, y viceversa.

Un test público que cualquiera puede hacer tiene aquí una ventaja estructural: su población va de los aficionados ocasionales a los profesionales. Eso solo es una fortaleza si en el análisis se conserva el rango completo en lugar de recortarlo a la parte alta.

4. Tasa base

Verburgh et al. (2014) clasificaron a jugadores con talento y a jugadores aficionados con una exactitud del 89 %. Suena concluyente. Pero supóngase que la tasa real de éxito en una población es del 5 %. De 1000 jugadores, 50 tendrán éxito. Un test que acierta el 89 % de las veces señalará correctamente a la mayoría de esos 50 y además señalará por error a cerca del 11 % de los 950 restantes, es decir, a unos 105 jugadores. Los falsos positivos superan a los verdaderos positivos en proporción de dos a uno. Höner et al. (2021) hallaron una tasa de éxito del 9 % en un programa nacional de talentos, de modo que no se trata de una hipótesis.

Toda cifra de exactitud que comunique Insporta irá acompañada del cálculo de la tasa base.

Williams, Ford y Drust 2020: los principios de diseño

Williams, Ford y Drust revisaron en el Journal of Sports Sciences dos décadas de investigación del talento a la luz de cuatro principios formulados por primera vez en 2000, y encontraron que la disciplina solo los había cumplido en parte.

Principio	Qué exige a un test como Insporta
Multidisciplinar, no de medida única	Combinar el conocimiento con el tiempo, la retención y el contexto, en lugar de comunicar una sola puntuación
Longitudinal, no transversal	Seguir a los mismos jugadores a lo largo del tiempo; una sola instantánea no puede mostrar el desarrollo ni predecirlo
Extender la investigación al fútbol femenino	No dar por supuesto que los hallazgos en hombres se trasladan; Reinhard et al. (2025) citan la ausencia de datos de mujeres como una limitación de su propio estudio
Estudiar los criterios subjetivos de ojeadores y entrenadores	Registrar el juicio del entrenador como una variable propia y compararlo con los resultados del test, ya que Höner (2021) mostró que aporta información

El principio longitudinal es el que la bibliografía incumple con más frecuencia. Los estudios prospectivos son caros y lentos, y por eso hay tan pocos y por eso Reinhard et al., con 110 jugadores, piden muestras mayores. Una plataforma que registra cada test que hace un jugador, durante meses y años, acumula exactamente el tipo de datos que estos autores echan en falta. Es una oportunidad, y también una obligación de analizarlos como es debido.

El estándar que Insporta se impone

Reunidos, los dos artículos dan una lista de comprobación que Insporta aplica a toda afirmación de validez sobre sus tests, en consonancia con sus principios de investigación:

1. El criterio se declara de antemano y no cambia una vez recogidos los datos.
2. Se analizan varias dimensiones en conjunto, no una sola puntuación de titular.
3. Se conserva el rango completo de jugadores, del principiante al profesional, y los resultados se comunican por tramos allí donde difieren.
4. La exactitud nunca se comunica sin la tasa base.
5. La fiabilidad se mide, no se da por supuesta: una evaluación más larga necesita una comprobación test-retest con el mismo grupo antes de citar una cifra de fiabilidad, con r = 0,78 de Höner et al. (2023) como referencia.
6. Se controla la edad en toda comparación entre jugadores, siguiendo a Vestberg (2017) y Heisler (2023).
7. Los datos se segmentan por sexo, de modo que los hallazgos sobre el deporte femenino puedan comunicarse por separado en lugar de darse por supuestos.

Nada de esto se ha demostrado todavía para Insporta. Es el estándar con el que se juzgarán los tests cuando haya datos suficientes para juzgarlos, y la razón de que la mitad de esta sección dedicada a la evidencia describa lo que la bibliografía respalda y no lo que Insporta ha probado. Lo que la evidencia dice ya sobre el diseño se expone en cómo aplica Insporta la investigación.