En numerosos países, los sistemas de evaluación científica utilizan indicadores cuantitativos para asignar incentivos y promociones bajo el supuesto de premiar el mérito académico. Existen, en términos generales, dos arquitecturas posibles para definir los umbrales de elegibilidad. La primera utiliza criterios absolutos, en los que el incentivo se otorga a quienes superan un estándar previamente establecido. La segunda emplea criterios relativos, en los que el umbral se define a partir de la distribución completa de productividad de la población evaluada. Recientemente, el Sistema Nacional de Investigadores (SNI) de México introdujo una tercera modalidad que no corresponde a ninguna de estas dos aproximaciones: un umbral relativo censurado, construido exclusivamente a partir de la distribución de productividad de los investigadores que obtuvieron el incentivo en el ciclo inmediato anterior. Este trabajo demuestra que dicha metodología constituye un procedimiento estadísticamente inconsistente. Al estimar el umbral utilizando únicamente observaciones previamente seleccionadas por el propio mecanismo de evaluación, el procedimiento introduce un severo sesgo de selección que altera sistemáticamente la distribución utilizada como referencia. Como consecuencia, el criterio de elegibilidad deja de ser exógeno y se convierte en un umbral endógeno, cuya evolución depende de las decisiones de selección realizadas en periodos anteriores. Mediante simulaciones Monte Carlo dinámicas, se demuestra que este mecanismo produce trayectorias de exclusión significativamente distintas a las observadas bajo esquemas absolutos o relativos convencionales. Bajo supuestos conservadores —en los que la productividad individual continúa creciendo a ritmos históricamente observados y no existe inflación estratégica en las publicaciones—, el sistema converge hacia un proceso acumulativo de exclusión capaz de dejar fuera a aproximadamente el 95% de los investigadores en un horizonte de 3 ciclos de evaluación.
Más allá del caso mexicano, los resultados muestran cómo el diseño estadístico de una regla de decisión puede transformar un mecanismo meritocrático en un sistema autorreferencial con propiedades dinámicas profundamente distintas de aquellas para las que fue concebido. Concluyo que los órganos colegiados responsables de la evaluación deben rechazar el uso de umbrales derivados de distribuciones censuradas y privilegiar reglas construidas sobre poblaciones completas o estándares absolutos, consistentes con los principios elementales de inferencia estadística y evaluación del mérito.
El Dr. Zizumbo obtuvo su maestría y doctorado en Ciencia Política por la Universidad de Vanderbilt, en Estados Unidos, con especialización en política comparada y métodos cuantitativos. Previamente cursó la licenciatura en Psicología en la Universidad Nacional Autónoma de México.
Su trabajo de investigación se centra en el comportamiento político, la opinión pública y la psicología política. Su énfasis es en la violencia, la corrupción, y la desinformación. Sus intereses en política pública giran en torno a las ciencias del comportamiento, la corrupción, la educación financiara entre los grupos más vulnerables, y las políticas de drogas. Es miembro activo de la American Political Science Association y autor de más de veinte estudios académicos publicados en revistas y libros de circulación internacional, incluyendo Comparative Political Studies, Political Behavior y Latin American Research Review.