No es mi intención tener razón. Aunque todo lo que pones me parece muy pillado con pinzas, te lo compro. De acuerdo. Ese año el 80% de los entrenadores mejoraron a sus equipos. Perfecto.
Sin embargo, como norma general, eso no es lo habitual. Hasta donde yo sé ese fenómeno está estudiado. Los cambios de entrenador no suelen mejorar rendimiento deportivo.
La verdad es que es tan delirante que empiezo a pensar que es una broma.
Tú afirmas que, en base a la estadística, los cambios de entrenador no suelen derivar en una mejora del rendimiento. Sostienes que está estudiado y demostrado. Científicamente probado. Sin embargo, no ofreces datos para respaldar estas afirmaciones. Los datos al parecer existen, pero no los das.
Yo leo eso y consulto los datos numéricos y objetivos, que hasta donde he podido ver, refutan por completo tus afirmaciones. Y ahora resulta que están "muy pillados con pinzas" (¿?), que no es lo habitual y que ese fenómeno sigue estando estudiado. Estudiado en otro lugar, no en las estadísticas que yo he revisado, imagino. Pero curiosamente, continúas sin aportar esos estudios, análisis o datos sobre los que construyes tu argumento, que por lo que voy viendo debe ser información que solo tienes tú y por algún motivo no quieres compartir con los demás.
Regreso a la estadística. En la temporada 2023/24, en la misma Segunda División, hubo un total de 12 cambios de entrenador; y hasta un 75% de los mismos derivaron en una mejora del promedio de puntos. La proyección a 42 jornadas del impacto promedio del cambio de entrenador en la Segunda División 2023/24 fue de 16.38 puntos. Esta diferencia de puntaje, traducida a la clasificación, deja a un equipo descendido a una sola victoria de entrar en play-off. Casi nada. En la temporada 2022/23 hay 16 cambios de entrenador, 11 de ellos derivan en mejora del rendimiento. Y eso que en esa campaña entra en juego el Lugo, que provoca una desviación grande del promedio al cambiar de técnico varias veces tras pocos partidos –por cierto, sin obtener nunca ese efecto del cambio de entrenador en los 5 primeros partidos que, según afirmabas, también estaba científicamente demostrado–). Excluyendo a los lucenses, casi un 77% de los cambios derivan en mejora, con una proyección a 42 jornadas del promedio de puntos de casi +14. Estará muy pillado con pinzas porque no será lo habitual, pero ya es casualidad que el mismo patrón de datos se reproduzca en tres cursos diferentes de la misma competición.
Podríamos seguir así, temporada tras temporada. Intuyo que nunca llegaríamos al porcentaje que tú has planteado, en el que sólo el 25% de cambios de entrenador derivan en mejora. Pero ya he comprendido que da absolutamente igual, que estás convencido de que los cambios de entrenador no sirven para mejorar, que los datos que yo pongo son casualidades y los que tú atesoras en algún lugar son los correctos, y que no te vas a mover de ahí. A los clubs profesionales les gusta jugar a la ruleta rusa e insisten en hacer algo que sale mal casi siempre. Así que listo, no queda más que decir. Estás en tu perfecto derecho de creer lo que te venga en gana, con o sin información de por medio.
Quizá, no lo sé, escuchaste a alguien comentar eso de que "está demostrado que los cambios de entrenador no sirven para mejorar el rendimiento" y lo aceptaste como cierto, sin pararte a valorar si había datos reales detrás de la afirmación. Si me aceptas la sugerencia, la verdad es que resulta de lo más sencillo. No tienes que hacerme caso a mí ni a lo que yo digo. Hay un montón de sitios donde consultar estadísticas y sacar conclusiones. Es justo lo que hice yo: me llamó la atención lo que afirmabas, de manera contundente pero sin datos, lo comprobé por mí mismo y resultó no ser verdad.
https://apfisicos.es/wp-content/uploads ... ATICA_.pdf
Te dejo este enlace. Releyendo el estudio porque ya hacía tiempo que no lo leía, no matizé que un cambio de entrenador, sobre todo, evita que tú equipo empeore más. Pero yo por lo que Leo ahí, no veo que los entrenadores mejoren los equipos que van mal, normalmente impiden que ese equipo siga empeorando, pero al final es frenar la caída y claro eso es interpretable. Hay cosas como:
1. La "Regresión a la Media" (El efecto rebote)
Imagina que un equipo tiene un nivel real de "7 sobre 10". Por mala suerte o lesiones, cae a un "3 sobre 10". Es en ese momento (el punto más bajo) cuando echan al entrenador.
Estadísticamente, lo más probable es que el equipo vuelva a su "7", haga lo que haga. El nuevo entrenador llega justo cuando el equipo va a rebotar de forma natural. El cambio no "mejora" al equipo por encima de su capacidad, solo lo devuelve a su sitio.
2. El Techo del Presupuesto
Aquí es donde entra la parte de que "no los mejoran". Los estudios demuestran que la posición final de un equipo depende casi totalmente del valor de su plantilla y sus salarios.
Si tienes una plantilla de 15º puesto, un cambio de entrenador puede sacarte del 20º (evita que vayas a peor), pero rara vez te llevará al 5º.
El entrenador actúa como un "estabilizador": evita el desastre absoluto, pero no tiene el poder de convertir un equipo mediocre en un campeón de forma sostenida.
3. El Efecto "Chivo Expiatorio"
Muchos académicos sostienen que el despido es un acto social, no deportivo.
El problema: Los jugadores están en baja forma o la plantilla está mal planificada.
La solución real: Cambiar a 10 jugadores (imposible a mitad de temporada).
La solución ejecutada: Echar al entrenador para calmar a la afición y a la prensa.
Al hacer esto, se elimina la tensión ambiental. El equipo deja de jugar con el "miedo" de la crisis, lo que detiene la caída libre, pero la calidad técnica de los futbolistas sigue siendo la misma que antes. En mi opinión, el hecho de no tener a Ximo Navarro disponible, merma la capacidad del equipo. Hasta ahora el equipo estaba clasificado por encima de lo que realmente es. Ahora empezamos a ver lo que realmente es, un equipo de play off.
Hay motivos para ser optimistas con Hidalgo. 1- La recuperación de Ximo, nos puede catapultar hacia arriba(en esta división cualquier lesión de jugadores importantes, te puede hacer ganar o perder confianza, puesto que los equipos son sistemas altamente complejos.). 2- Refuerzos de invierno. 3- Descanso Navideño. 4- La evolución de jugadores como Mella, Barcia, Yeremay, Bil etc etc pueden hacer que está plantilla, se revalorize a final de temporada. Total,ahora mismo es muy incierto hasta donde puede llegar este equipo. Lo mismo puede quedar sexto que primero. Ya veremos.
Sin que sirva de precedente, pero estoy de acuerdo con xoichu
Los mayoría de cambios de entrenadores se producen porque largar a media plantilla es imposible, hay que menear el avispero. Pero muy pocos entrenadores logran elevar el nivel de la plantilla porcentualmente mucho más de lo que dan.
Es decir, si una plantilla es de calidad media, es lo que es, no la va a hacer quedar de segunda o cuarta.
No es mi intención tener razón. Aunque todo lo que pones me parece muy pillado con pinzas, te lo compro. De acuerdo. Ese año el 80% de los entrenadores mejoraron a sus equipos. Perfecto.
Sin embargo, como norma general, eso no es lo habitual. Hasta donde yo sé ese fenómeno está estudiado. Los cambios de entrenador no suelen mejorar rendimiento deportivo.
La verdad es que es tan delirante que empiezo a pensar que es una broma.
Tú afirmas que, en base a la estadística, los cambios de entrenador no suelen derivar en una mejora del rendimiento. Sostienes que está estudiado y demostrado. Científicamente probado. Sin embargo, no ofreces datos para respaldar estas afirmaciones. Los datos al parecer existen, pero no los das.
Yo leo eso y consulto los datos numéricos y objetivos, que hasta donde he podido ver, refutan por completo tus afirmaciones. Y ahora resulta que están "muy pillados con pinzas" (¿?), que no es lo habitual y que ese fenómeno sigue estando estudiado. Estudiado en otro lugar, no en las estadísticas que yo he revisado, imagino. Pero curiosamente, continúas sin aportar esos estudios, análisis o datos sobre los que construyes tu argumento, que por lo que voy viendo debe ser información que solo tienes tú y por algún motivo no quieres compartir con los demás.
Regreso a la estadística. En la temporada 2023/24, en la misma Segunda División, hubo un total de 12 cambios de entrenador; y hasta un 75% de los mismos derivaron en una mejora del promedio de puntos. La proyección a 42 jornadas del impacto promedio del cambio de entrenador en la Segunda División 2023/24 fue de 16.38 puntos. Esta diferencia de puntaje, traducida a la clasificación, deja a un equipo descendido a una sola victoria de entrar en play-off. Casi nada. En la temporada 2022/23 hay 16 cambios de entrenador, 11 de ellos derivan en mejora del rendimiento. Y eso que en esa campaña entra en juego el Lugo, que provoca una desviación grande del promedio al cambiar de técnico varias veces tras pocos partidos –por cierto, sin obtener nunca ese efecto del cambio de entrenador en los 5 primeros partidos que, según afirmabas, también estaba científicamente demostrado–). Excluyendo a los lucenses, casi un 77% de los cambios derivan en mejora, con una proyección a 42 jornadas del promedio de puntos de casi +14. Estará muy pillado con pinzas porque no será lo habitual, pero ya es casualidad que el mismo patrón de datos se reproduzca en tres cursos diferentes de la misma competición.
Podríamos seguir así, temporada tras temporada. Intuyo que nunca llegaríamos al porcentaje que tú has planteado, en el que sólo el 25% de cambios de entrenador derivan en mejora. Pero ya he comprendido que da absolutamente igual, que estás convencido de que los cambios de entrenador no sirven para mejorar, que los datos que yo pongo son casualidades y los que tú atesoras en algún lugar son los correctos, y que no te vas a mover de ahí. A los clubs profesionales les gusta jugar a la ruleta rusa e insisten en hacer algo que sale mal casi siempre. Así que listo, no queda más que decir. Estás en tu perfecto derecho de creer lo que te venga en gana, con o sin información de por medio.
Quizá, no lo sé, escuchaste a alguien comentar eso de que "está demostrado que los cambios de entrenador no sirven para mejorar el rendimiento" y lo aceptaste como cierto, sin pararte a valorar si había datos reales detrás de la afirmación. Si me aceptas la sugerencia, la verdad es que resulta de lo más sencillo. No tienes que hacerme caso a mí ni a lo que yo digo. Hay un montón de sitios donde consultar estadísticas y sacar conclusiones. Es justo lo que hice yo: me llamó la atención lo que afirmabas, de manera contundente pero sin datos, lo comprobé por mí mismo y resultó no ser verdad.
https://apfisicos.es/wp-content/uploads ... ATICA_.pdf
Te dejo este enlace. Releyendo el estudio porque ya hacía tiempo que no lo leía, no matizé que un cambio de entrenador, sobre todo, evita que tú equipo empeore más. Pero yo por lo que Leo ahí, no veo que los entrenadores mejoren los equipos que van mal, normalmente impiden que ese equipo siga empeorando, pero al final es frenar la caída y claro eso es interpretable. Hay cosas como:
1. La "Regresión a la Media" (El efecto rebote)
Imagina que un equipo tiene un nivel real de "7 sobre 10". Por mala suerte o lesiones, cae a un "3 sobre 10". Es en ese momento (el punto más bajo) cuando echan al entrenador.
Estadísticamente, lo más probable es que el equipo vuelva a su "7", haga lo que haga. El nuevo entrenador llega justo cuando el equipo va a rebotar de forma natural. El cambio no "mejora" al equipo por encima de su capacidad, solo lo devuelve a su sitio.
2. El Techo del Presupuesto
Aquí es donde entra la parte de que "no los mejoran". Los estudios demuestran que la posición final de un equipo depende casi totalmente del valor de su plantilla y sus salarios.
Si tienes una plantilla de 15º puesto, un cambio de entrenador puede sacarte del 20º (evita que vayas a peor), pero rara vez te llevará al 5º.
El entrenador actúa como un "estabilizador": evita el desastre absoluto, pero no tiene el poder de convertir un equipo mediocre en un campeón de forma sostenida.
3. El Efecto "Chivo Expiatorio"
Muchos académicos sostienen que el despido es un acto social, no deportivo.
El problema: Los jugadores están en baja forma o la plantilla está mal planificada.
La solución real: Cambiar a 10 jugadores (imposible a mitad de temporada).
La solución ejecutada: Echar al entrenador para calmar a la afición y a la prensa.
Al hacer esto, se elimina la tensión ambiental. El equipo deja de jugar con el "miedo" de la crisis, lo que detiene la caída libre, pero la calidad técnica de los futbolistas sigue siendo la misma que antes. En mi opinión, el hecho de no tener a Ximo Navarro disponible, merma la capacidad del equipo. Hasta ahora el equipo estaba clasificado por encima de lo que realmente es. Ahora empezamos a ver lo que realmente es, un equipo de play off.
Hay motivos para ser optimistas con Hidalgo. 1- La recuperación de Ximo, nos puede catapultar hacia arriba(en esta división cualquier lesión de jugadores importantes, te puede hacer ganar o perder confianza, puesto que los equipos son sistemas altamente complejos.). 2- Refuerzos de invierno. 3- Descanso Navideño. 4- La evolución de jugadores como Mella, Barcia, Yeremay, Bil etc etc pueden hacer que está plantilla, se revalorize a final de temporada. Total,ahora mismo es muy incierto hasta donde puede llegar este equipo. Lo mismo puede quedar sexto que primero. Ya veremos.
Esto va a ser largo, pero bueno, por mi ocupación conozco bastante el mundo de la investigación académica. Aunque no soy un experto, hay cosas que me gustaría señalar. No sé si alguien me va a leer, pero para quien vea este primer párrafo y pase del resto (lo que sería normal), avanzaré algo importante. Respeto cualquier opinión sobre los efectos del cambio de entrenador, no conozco una verdad absoluta que resuelva el debate. Lo que sí puedo decir en voz bien alta es que nadie debería tomar ninguna postura en base a este estudio. En cierto sentido, es mejor escuchar lo que dice cualquier papanatas en televisión, porque tú escuchas al papanatas y filtras, sabes que es un papanatas. Lo terrible aquí es que alguien podría leerlo y pensar que se está informando, bebiendo de fuentes fiables. El propio @riazoj lo presenta como algo decente. Pero este estudio es una de las publicaciones más pobres, mal hechas e intelectualmente deshonestas que he visto en muchos años. Y soy muy viejo ya. Hay tantos, tantísimos problemas graves, que no puedo comprender cómo este artefacto ha llegado a ser publicado. Y eso que, si me limitase a tratarlo como un estudio solvente, estaría más cerca de darme la razón en mis posts anteriores que de quitármela. Pero es que eso me parece irrelevante. Quiero explicar los problemas uno por uno, por eso este va a ser un post kilométrico. Disculpas de antemano.
Al lío. Las premisas de partida del estudio son muy sugerentes. Empezando por la pregunta de investigación: ¿realmente funciona cambiar de entrenador a mitad de temporada? Además, los autores anuncian que siguen el protocolo PRISMA, que es el estándar de oro para revisiones sistemáticas. Dicen que analizaron diecisiete estudios de las cinco grandes ligas europeas, y llegaron a conclusiones que supuestamente resuelven el debate. El problema es que este estudio tiene fallos tan graves que al final no solo no responde la pregunta, sino que sus conclusiones son en cierto modo opuestas a lo que la mejor evidencia disponible realmente indica.
Antes de entrar en detalle, hay que aclarar algo fundamental sobre lo que significa hacer una revisión sistemática. Cuando dices que sigues el protocolo PRISMA, estás prometiendo algo muy específico: búsqueda exhaustiva, criterios claros de inclusión, evaluación rigurosa de calidad y, lo más importante, síntesis cuantitativa de los resultados mediante meta-análisis. PRISMA son las siglas en inglés de "Elementos de Informe Preferidos para Revisiones Sistemáticas y Meta-análisis". La palabra meta-análisis está literalmente en el nombre del protocolo. Pues bien, los autores de este estudio anuncian que siguen PRISMA pero la realidad es que en este estudio no hacen ningún meta-análisis. Esto sería como decir que sigues una receta de paella pero te saltas el arroz. Lo que tenemos aquí es una revisión narrativa disfrazada de revisión sistemática, y eso ya es como para desconfiar.
El problema central del estudio no es solo metodológico, es también conceptual. Están intentando responder una pregunta sobre causalidad. Es decir, si cambiar de entrenador CAUSA mejoras en el rendimiento... pero luego usan evidencia que fundamentalmente no puede establecer causalidad. Y esto es grave. Cuando un club despide a su entrenador, lo hace porque el equipo va mal. Esa mala racha puede deberse a muchísimas cosas: lesiones de jugadores clave, un calendario especialmente difícil, mala suerte con los árbitros, problemas en el vestuario, o simplemente una plantilla deficiente. Cambiar al entrenador solo afecta directamente a una de esas variables, la dirección técnica. Todo lo demás sigue ahí.
Ahora imagina que justo cuando cambias al entrenador, varios jugadores lesionados se recuperan, o simplemente la mala racha acaba porque, en efecto, estadísticamente las rachas acaban. Verás una mejora en los resultados, pero no sabrás si fue por el nuevo entrenador o por todos estos otros factores. Esto es lo que en estadística se llama el problema de endogeneidad, que básicamente significa que la variable que estás estudiando, el cambio de entrenador, está contaminada por otras variables que ocurren al mismo tiempo y que no puedes separar. Obviamente mis posts anteriores tenían este mismo problema, pero ojo, eran mensajes en un foro, no un estudio académico que promete seguir PRISMA.
Para resolver este problema, lo que realmente necesitarías es un diseño experimental. En medicina, harías un ensayo clínico aleatorizado: asignas al azar a algunos equipos para cambiar entrenador y a otros no, aunque estén en situaciones similares. Claro que esto es imposible en fútbol profesional, porque ningún club va a participar en un experimento así. Entonces, ¿qué hacen los investigadores serios? Usan lo que se llama grupo control. Buscan equipos que en un momento dado tenían exactamente el mismo mal rendimiento, la misma posición en la tabla, las mismas circunstancias, pero que por alguna razón no cambiaron de entrenador. Luego comparan qué pasó con unos y otros. Si los equipos que cambiaron de entrenador mejoran significativamente más que los que no cambiaron, entonces sí puedes empezar a argumentar que el cambio tuvo un efecto real. Ojo: empezar.
Y aquí viene el primer destrozo crítico del estudio: de los diecisiete estudios que incluyen, solo cuatro, es decir el 23%, usan grupos control adecuados. Terrible. El resto, trece estudios que representan el 76% de la evidencia, simplemente comparan el rendimiento antes del cambio con el rendimiento después del cambio, sin ningún grupo de comparación. Esto significa que la mayoría de los estudios están 'midiendo' un montón de cosas mezcladas: el efecto del entrenador nuevo, sí, pero también la regresión a la media, los cambios en el calendario, las lesiones que se resuelven, la motivación temporal que produce cualquier cambio, y todo lo demás.
La regresión a la media es un concepto que merece la pena explicar porque es absolutamente central aquí. Es un fenómeno estadístico descubierto hace más de un siglo que dice básicamente esto: cuando algo tiene un valor extremo, ya sea muy bueno o muy malo, la próxima medición tiende a estar más cerca del promedio. Si un equipo está en una racha especialmente mala, lo más probable es que las próximas semanas vaya algo mejor, simplemente porque las rachas extremas no duran para siempre. Esto no tiene nada que ver con cambiar o no cambiar al entrenador, es pura estadística.
El estudio identifica este problema, lo menciona, dice que es importante controlarlo, pero luego incluye alegremente un montón de estudios que no lo controlan. Es como si un médico te dijera "sí, sé que este medicamento tiene efectos secundarios terribles" y luego te lo recetara igual. Es absurdo, porque los autores mismos reconocen en su introducción que cuando controlas la regresión a la media, el efecto del cambio de entrenador "parece demostrar que es nulo". Pero después, en sus conclusiones, dicen que cambiar de entrenador "puede ser una buena opción". Esto no sólo es contradictorio, sino que podemos decir que es intelectualmente deshonesto.
Vamos ahora al tema de la heterogeneidad, que es otra palabra que hay que desglosar para entender lo que ocurre aquí. Heterogeneidad en investigación significa que estás mezclando cosas que no son comparables. Imagina que quieres saber si los coches rojos son más rápidos que los azules, y para ello comparas un Ferrari rojo con un Seat azul, luego un Fiat rojo con un Porsche azul, luego una furgoneta roja con una moto azul. Obviamente no puedes sacar ninguna conclusión sobre el efecto del color porque estás comparando cosas completamente diferentes.
Pues bien, los diecisiete estudios de esta revisión usan seis metodologías estadísticas completamente diferentes: regresión logit, regresión probit, mínimos cuadrados ordinarios, análisis de envoltura de datos, modelos de duración de Cox, y modelos de Weibull. Los nombres dan igual, pero en resumen, lo que hay que entender es que cada una de estas metodologías hace suposiciones diferentes sobre los datos y mide cosas ligeramente distintas. Además, también usan variables dependientes distintas. Algunos miden puntos conseguidos, otros posición en la liga, otros diferencia de goles, otros porcentaje de victorias, y uno incluso usa una medida de eficiencia que combina varias cosas. Como es lógico, estas variables no son intercambiables.
Pongamos un ejemplo concreto de por qué esto importa. Imaginemos un equipo que antes de cambiar de entrenador perdía por goleada, digamos 3-0 cada partido. Después del cambio, sigue perdiendo pero ahora por menos, digamos 2-1. Este equipo ha mejorado su diferencia de goles, que pasó de -3 por partido a -1 por partido. Pero sigue sin sumar puntos, porque sigue perdiendo. Y si otros equipos mejoran más, su posición en la liga puede empeorar. Entonces, según el estudio que leas... este mismo equipo ha mejorado, se ha mantenido igual, o ha empeorado. Pues este estudio trata estos resultados contradictorios como si fueran comparables y se pudieran mezclar en una misma conclusión. Es demasiado evidente que no se puede (no se debe hacer).
Pero además, los periodos de medición también son inconsistentes. Algunos estudios miden el efecto en los dos partidos siguientes al cambio, otros en cuatro partidos, otros en diez, otros en veinte, y algunos hasta en 24 meses. Esto es crítico porque varios de los propios estudios indican que hay un efecto a corto plazo que desaparece a largo plazo. Si mezclas estudios que miran plazos diferentes, estás mezclando efectos diferentes.
Luego está el problema de las ligas. El estudio dice en su título que analiza las cinco grandes ligas europeas: Inglaterra, España, Alemania, Italia y Francia. Pues bien, si cuentas los estudios por liga, descubres que siete estudian Inglaterra, seis estudian Alemania, tres estudian España, uno estudia Italia... y cero estudian Francia. ¡La Ligue 1 francesa simplemente no aparece! Pero además, la distribución de la evidencia es brutalmente desequilibrada. Si cuentas el número de cambios de entrenador analizados en total, Inglaterra y Alemania suman más de 3800 cambios analizados, mientras que España tiene 366 e Italia solo 84. Es decir, el 82% de la evidencia viene de dos ligas.
Esto no es un problema menor de representatividad. Inglaterra y Alemania tienen características muy específicas que las hacen diferentes a España e Italia. Inglaterra históricamente ha tenido tasas de rotación de entrenadores mucho más altas, es una cultura futbolística donde cambiar de entrenador es más aceptado. Alemania tiene el efecto Bosman, que liberalizó el mercado de jugadores en Europa, pero que allí tuvo un efecto particular: casi todos los entrenadores de la Bundesliga siguen siendo alemanes, mientras que en otras ligas hay más internacionalización. Estos contextos culturales e institucionales importan, y no puedes simplemente asumir porque sí que lo que funciona en Inglaterra funcionará igual en España o Italia.
Pero el problema de generalización va mucho más allá de las ligas. Los estudios incluidos cubren datos desde 1921 hasta 2016. Sí, incluyen datos de hace más de cien años. El fútbol de 1921 y el fútbol de 2016 son deportes completamente diferentes. En los años veinte, los salarios de los entrenadores eran bajísimos, el mercado de fichajes era local, cambiar de entrenador costaba muy poco, etc. En los años ochenta y noventa hubo una profesionalización masiva. Después de 1995 llegó el efecto Bosman y la Champions League moderna, que convirtió el fútbol en un negocio global. Y desde 2010 tenemos oligopolios económicos donde algunos clubes manejan presupuestos cientos de veces superiores a otros, y donde cambiar de entrenador puede costar millones en indemnizaciones.
Tratar datos de 1921 como comparables con datos de 2016 es como hacer un estudio sobre la eficacia de tratamientos médicos incluyendo sangrías con sanguijuelas del siglo XIX junto con quimioterapia moderna. Son contextos tan radicalmente diferentes que mezclarlos no tiene ningún sentido. El estudio no hace ningún análisis de si el efecto ha cambiado con el tiempo, simplemente tira todo en el mismo saco. Una vez más, esto es una auténtica tomadura de pelo desde el punto de vista académico.
Sobre la calidad de los estudios incluidos. Los autores desarrollan una escala de dieciséis ítems para evaluar la calidad metodológica. Esto está bien... pero luego no establecen ningún umbral mínimo de calidad para excluir estudios. Incluyen un estudio con una calificación del 57%. Delirante. En cualquier sistema de evaluación académica serio, un 57% es suspenso. ¿Por qué incluir evidencia de baja calidad en una revisión sistemática que se supone debe sintetizar la mejor evidencia disponible? Pues porque no quieren resolver el problema, sino publicar el paper. No hay ninguna otra justificación posible.
Esta intuición se ve reforzada por el hecho de que tampoco se molesten en hacer ningún análisis de sesgo de publicación. El sesgo de publicación es un problema bien documentado en todas las ciencias: los estudios que encuentran efectos positivos o significativos tienen más probabilidad de ser publicados que los estudios que no encuentran nada. Esto significa que la literatura publicada puede dar una imagen distorsionada de la realidad. En una revisión sistemática seria, tienes que evaluar si este sesgo está presente. La forma estándar de hacerlo es con algo llamado funnel plot, que es un gráfico que muestra la relación entre el tamaño del efecto y el tamaño de la muestra de cada estudio. Si hay sesgo de publicación, el gráfico tiene una forma asimétrica característica. También hay pruebas estadísticas como el test de Egger. Este estudio no hace NADA de esto. Simplemente asume que todos los estudios relevantes están publicados y que no hay sesgo. Pero esta asunción no está verificada y probablemente es falsa.
Más cosas. La búsqueda bibliográfica también es limitada. Solo buscan en dos bases de datos: Web of Science y Scopus. No buscan en Google Scholar, que aunque no es una base de datos académica tradicional, a menudo contiene literatura gris y estudios que no están en las otras bases. No buscan en SportDiscus, que es específica de ciencias del deporte. No buscan en PsycINFO. Y crucialmente, solo buscan en inglés y español, lo que derrama por encima un sesgo de idioma. Hay investigación publicada en alemán, italiano y francés que probablemente están ignorando. Les da igual.
Tampoco mencionan si registraron el protocolo de revisión previamente. En investigación médica, es estándar registrar tu protocolo de revisión sistemática ANTES de empezar a buscar estudios, para evitar que los investigadores cambien sus criterios de inclusión o sus métodos de análisis DESPUÉS de ver los resultados. Esto previene lo que se llama p-hacking o análisis post-hoc, que es cuando manipulas tus métodos hasta que obtienes el resultado que quieres. Este estudio no dice nada sobre registro previo, lo que aumenta el riesgo de sesgo.
Vamos ahora a la parte más frustrante de todo esto: las conclusiones. Los autores reconocen que la evidencia es contradictoria. Si cuentas los estudios por tipo de resultado, 5 encuentran efecto positivo, 2 encuentran efecto negativo, 4 encuentran efecto neutro, y 6 encuentran efectos mixtos o condicionales. Es decir, no hay consenso. La evidencia está dividida. En esta situación, hay dos opciones honestas. Primera opción: reconocer que la evidencia es insuficiente y contradictoria, y que no podemos llegar a una conclusión definitiva. Segunda opción: hacer un meta-análisis cuantitativo que pese los estudios según su calidad y tamaño de muestra, calcule un efecto promedio con sus intervalos de confianza, y analice los motivos de tanta variación entre estudios. ¿Qué hacen estos autores? Por supuesto, ninguna de las dos cosas.
En su lugar, hacen un 'recuento de votos'. Sí, como si fuese un reality de la tele. Cuentan cuántos estudios mencionan cada teoría en su discusión y deciden que la teoría del chivo expiatorio es la más relevante porque más estudios la mencionan. Pero si cuentas las menciones, la teoría del chivo expiatorio aparece en seis estudios y la teoría del sentido común en cinco estudios. La diferencia es de un solo estudio. Con esta diferencia marginal, declarar que una teoría es "la característica más relevante" es absurdo. Es tomar por imbécil a quien lee.
Quiero explicar qué son estas teorías, porque es importante entender por qué esta conclusión es problemática. En 1964, dos sociólogos llamados Gamson y Scotch propusieron tres teorías sobre por qué los equipos cambian de entrenador. La primera es la teoría del sentido común: el equipo va mal porque el entrenador es malo, cambias al entrenador por uno mejor, y el equipo mejora. Es causalidad directa y lógica. La segunda es la teoría del círculo vicioso: cambiar de entrenador crea más problemas porque el equipo tiene que adaptarse a nuevas tácticas y eso empeora el rendimiento a corto plazo, lo que lleva a más cambios. La tercera es la teoría del chivo expiatorio: la junta directiva sabe que cambiar al entrenador no va a mejorar el rendimiento, pero lo hace de todas formas para calmar a los aficionados y a los medios, sacrificando al entrenador como chivo expiatorio.
La evidencia más sólida presente en el estudio, la que viene de los cuatro estudios con grupos control adecuados, encuentra consistentemente efectos neutros o muy ligeramente positivos. Besters en 2016, Audas en 1997, Heuer en 2011, y Paola en 2011: todos encuentran que cuando controlas adecuadamente por regresión a la media, el efecto del cambio de entrenador es estadísticamente insignificante. Esto podría interpretarse como apoyo a la teoría del chivo expiatorio, y de hecho los autores lo hacen.
Pero hay un problema lógico enorme aquí. La teoría del chivo expiatorio dice que las juntas directivas cambian al entrenador sabiendo que no va a funcionar, solo para dar la apariencia de que están haciendo algo. Si esto fuera cierto, los cambios de entrenador deberían ser más o menos aleatorios respecto al rendimiento real. Es decir, cambiarían entrenadores aunque el equipo vaya bien, solo para contentar a los aficionados. Pero todos los estudios, absolutamente todos (y es de pura lógica), encuentran una correlación muy fuerte entre mal rendimiento y cambio de entrenador. Cuanto peor van los resultados, más probable es el cambio. Cuanto más abajo está el equipo en la tabla, más probable es el cambio. Esto es consistente con gestión racional, no con chivo expiatorio.
Además, varios estudios encuentran que variables como el salario del entrenador, la experiencia del entrenador, y el presupuesto del equipo afectan la probabilidad de cambio. Equipos con más dinero, donde cambiar de entrenador es más caro, lo hacen de todas formas cuando los resultados son malos. Esto sugiere que las juntas directivas realmente creen que el cambio puede ayudar, no que estén haciendo teatro. No puedes insultar al intelecto del lector ignorando deliberadamente todo esto.
La interpretación más consistente con la evidencia es que las juntas directivas cambian de entrenador porque racionalmente creen que puede ayudar. En algunos casos ayuda, en algunos casos no ayuda, y en promedio el efecto es pequeño o nulo. Esto no es chivo expiatorio, es toma de decisiones bajo incertidumbre. Es terrible que alguien pueda publicar un estudio confundiendo esto a propósito. Los gestores no saben de antemano si el nuevo entrenador será mejor, pero cuando el equipo va muy mal, cambiar es una apuesta razonable. A veces funciona, a veces no.
Es tan ridículo que los autores hacen otra afirmación en sus conclusiones que es abiertamente contradictoria con su propia evidencia. Dicen: "Reemplazar al entrenador puede ser una buena opción, ya que los resultados pueden mejorar o mantenerse igual, pero por norma general no empeorarán". Vamos a diseccionar esta frase. Primero, "puede ser una buena opción" es una afirmación causal: estás diciendo que hacer X es bueno para conseguir Y. Para hacer esta afirmación necesitas evidencia causal sólida. No la tienen. Segundo, "los resultados pueden mejorar o mantenerse igual" es tautológico. Sí, los resultados pueden hacer cualquier cosa. También pueden empeorar. De hecho, dos de los diecisiete estudios encuentran que el efecto es negativo. Tercero, "por norma general no empeorarán" es una afirmación empírica específica que requiere evidencia cuantitativa. ¿De dónde sale esta afirmación? No está justificada en ninguna parte del estudio. Pero lo dicen y punto. No es serio.
Si miras específicamente los cuatro estudios de mejor calidad metodológica, los que usan grupos control, todos encuentran efectos neutros. Neutro significa que en promedio, cambiar de entrenador no mejora ni empeora el rendimiento de forma estadísticamente significativa. Basándose en esta evidencia, una conclusión más honesta sería algo como: "La mejor evidencia disponible sugiere que cambiar de entrenador a mitad de temporada no tiene un efecto significativo en el rendimiento del equipo, cuando se controla adecuadamente por regresión a la media y otras variables confusoras. Los estudios que encuentran efectos positivos generalmente no usan grupos control adecuados y probablemente están midiendo regresión a la media en lugar del efecto real del cambio".
Pero claro: esa no es la conclusión del estudio. Su conclusión es prácticamente opuesta. Esto no es un matiz interpretativo, es una distorsión de la evidencia. Es que me subo por las paredes, es como si se estuviesen riendo de todo el mundo.
También quiero hablar de algo que los autores mencionan brevemente pero que en realidad es devastador para su argumento: la heterogeneidad en las variables dependientes. Me refiero a que algunos estudios miden puntos, otros goles, otros posición. Un equipo puede simultáneamente mejorar en goles y empeorar en puntos. Por ejemplo, imagina que antes del cambio perdías 4-0 cada semana. Después del cambio, pierdes 2-1. Tu diferencia de goles ha mejorado dramáticamente, de -4 a -1. Pero sigues sumando cero puntos porque sigues perdiendo. Si además otros equipos en tu zona mejoran más que tú, tu posición en la liga puede bajar. Entonces, ¿ha funcionado el cambio de entrenador? Según el estudio que mires, la respuesta es diferente. Que alguien haya decidido mezclarlo todo y publicarlo es para echarse a llorar.
De hecho, el estudio de Paola de 2011 encuentra exactamente esto: un efecto ligeramente positivo en goles marcados, pero ningún efecto en puntos. Los autores de esta revisión citan este estudio como evidencia de efecto neutro, lo cual es correcto para puntos, pero ignoran la parte de los goles. Esta selectividad en qué resultados reportar es preocupante.
Hay también un problema con lo que se considera "corto plazo" vs "largo plazo". Varios estudios encuentran un efecto positivo a corto plazo que desaparece a largo plazo. Lago-Peñas en 2011 encuentra que el rendimiento mejora en el primer partido después del cambio pero va empeorando progresivamente cada partido siguiente. Muehlheusser en 2016 encuentra que la mejora positiva disminuye a partir del cuarto partido. ¿Qué significa esto? Podría significar que hay un efecto motivacional temporal, una especie de "luna de miel" con el nuevo entrenador, pero que el efecto real en rendimiento sostenido es nulo. O podría significar que los primeros partidos tienen más varianza aleatoria. Sin un meta-análisis cuantitativo que agregue estos resultados de forma sistemática, no podemos saberlo. En un foro podemos especular, en un paper no podemos soltar una intuición y venderla como evidencia científica.
Más. Los estudios también difieren en si separan partidos de local y partidos de visitante. Algunos estudios, como el de De Dios Tena de 2007, encuentran un efecto positivo significativo cuando el equipo juega en casa, pero ningún efecto cuando juega fuera. La interpretación que dan es que la mejora en casa se debe al efecto sobre los aficionados, no al efecto sobre el rendimiento real del equipo. Es decir, el nuevo entrenador calma a los aficionados descontentos, eso crea mejor ambiente en el estadio, y eso ayuda al equipo a jugar mejor en casa. Pero este efecto es puramente contextual y no se traslada a partidos fuera, donde no tienes el mismo nivel de afición. Esto es consistente con un componente de chivo expiatorio, pero también es consistente con que el ambiente del estadio es una variable real que afecta el rendimiento. Esto es lo que ocurre, que es un fenómeno complejo y no es aceptable simplificar para que el estudio salga adelante.
Es un problema recurrente en todo el estudio: la confusión entre ausencia de evidencia y evidencia de ausencia. Cuando un estudio bien hecho no encuentra un efecto significativo, eso no significa automáticamente que el efecto no existe, podría simplemente significar que el estudio no tenía suficiente poder estadístico para detectarlo. Pero en este caso, los cuatro estudios de mejor calidad son bastante grandes, con muestras de 61, 361, 84, y cientos de cambios cada uno. Si hubiera un efecto sustancial, deberían haberlo detectado. El hecho de que consistentemente no lo detecten es evidencia bastante fuerte de que el efecto, si existe, es pequeño.
Los autores dedican mucha atención a explicar por qué los entrenadores son despedidos, y esto sí está bien documentado en los estudios. Los despidos ocurren después de rachas de derrotas, en equipos que están en zona de descenso o alejándose de puestos europeos, cuando los resultados reales están por debajo de las expectativas. Algunos estudios encuentran que el último partido perdido es el más predictivo del despido. Otros encuentran que los dos últimos partidos, o los tres últimos. Esto es interesante descriptivamente, pero la realidad es que no responde la pregunta causal sobre si cambiar realmente ayuda.
Un detalle que me parece especialmente problemático es cómo tratan el estudio de Audas de 2002. Este estudio usa datos de las cuatro divisiones de la liga inglesa, no solo la primera división. Encuentra un efecto negativo del cambio de entrenador, es decir, que en promedio cambiar empeora el rendimiento. Los autores de la revisión mencionan esto pero luego lo descartan diciendo que "estos resultados podrían estar afectados por estas divisiones menores". ¡A tomar por culo! ¿Por qué? No dan ninguna justificación. ¡Es de barra de bar! Si vas a descartar un resultado porque no te gusta, necesitas una razón metodológica sólida. No la proporcionan. Fuera y punto. Simplemente esto debería haber provocado que alguien encerrase a estos señores en una biblioteca durante dos meses.
Similarmente, el estudio de Ratten de 2016, ya lo hemos dicho antes, tiene una calidad metodológica de 57%, que es la más baja de todos los estudios incluidos. Es básicamente un análisis descriptivo sobre los factores que determinan el cambio de entrenador. No hace ningún análisis de efectos, no tiene grupo control, y es más bien un ensayo sobre ética del despido de entrenadores. Vamos a ver, ¿por qué narices incluir esto en una revisión sistemática sobre efectos del cambio? No tiene sentido, excepto que aumenta el número total de estudios y hace parecer la revisión más comprehensiva de lo que realmente es. Una vez más: toman por idiota al lector, asumiendo que si lo lee en un paper, creerá que es verdad.
Claro, hay un patrón en este estudio de selectividad interpretativa. Cuando los resultados apoyan la idea de que cambiar de entrenador puede ayudar, se reportan prominentemente. Cuando los resultados sugieren que no ayuda o que puede empeorar las cosas, se minimizan o se encuentran excusas para descartarlos. Esto es exactamente lo que no debes hacer en una revisión sistemática. Y los autores lo saben, estoy seguro. El punto de una revisión sistemática es agregar TODA la evidencia de forma imparcial, no hacer cherry-picking de los resultados que apoyan tu teoría preferida. Es como si el estudio lo hubiese hecho un niño de 12 años, por favor.
Los autores también fallan al analizar variables moderadoras de forma sistemática. Una variable moderadora es algo que afecta la fuerza o dirección de una relación. Por ejemplo, el momento de la temporada podría ser un moderador: tal vez cambiar de entrenador en la jornada cinco tiene efectos diferentes que cambiarlo en la jornada treinta. O la posición en la tabla: tal vez el efecto es diferente para equipos en descenso versus equipos luchando por Champions. O el presupuesto del equipo: tal vez equipos ricos pueden contratar mejores entrenadores de reemplazo. O la experiencia del nuevo entrenador: tal vez contratar a un entrenador experimentado es diferente que apostar por un novel. Se entiende, ¿no?
Pues bien, varios de los estudios individuales miran algunas de estas variables. Pero la revisión no hace NINGÚN esfuerzo por sintetizar estos hallazgos. Simplemente los menciona de pasada en la descripción de cada estudio. Un meta-análisis adecuado habría codificado todas estas variables y hecho análisis de subgrupos para ver si el efecto del cambio varía sistemáticamente según estas características. Esto era perfectamente posible con diecisiete estudios. No lo hacen. Demasiado trabajo, supongo. Y total, el lector es idiota.
Con diecisiete estudios cuantitativos, varios de ellos con muestras grandes y metodologías sólidas, un meta-análisis era no solo posible sino necesario. El procedimiento habría sido algo así:
1- Extraer de cada estudio el efecto estimado del cambio de entrenador y su error estándar.
2- Convertir todos los efectos a una métrica común, típicamente algo llamado D de Cohen, que mide el tamaño del efecto en unidades de desviación estándar.
3- Calcular un efecto promedio ponderado, dando más peso a estudios con muestras más grandes y menor error.
4- Calcular un intervalo de confianza para este efecto promedio.
5- Evaluar la heterogeneidad entre estudios usando estadísticos como el I-cuadrado.
6- Si hay mucha heterogeneidad, hacer análisis de subgrupos o meta-regresiones para entender de dónde viene.
Este procedimiento es estándar en cualquier campo científico que hace revisiones sistemáticas. Medicina lo hace rutinariamente. Psicología lo hace. Economía lo hace. Ciencias del deporte lo hace. La tecnología está ahí, el software está disponible, las guías metodológicas son claras. Yo, un señor de la tercera edad en un foro del Deportivo, no experto en la materia, soy capaz de verlo. No hacerlo cuando declaras seguir PRISMA es simplemente inaceptable. Es un pitorreo de proporciones bíblicas.
Intentemos no ser mal pensados. Es posible que los autores consideraran hacer un meta-análisis y decidieran que la heterogeneidad era demasiado grande. Este sería un argumento defendible si lo explicitaran. Podrían haber dicho: "Consideramos hacer un meta-análisis cuantitativo, pero la heterogeneidad en metodologías, variables dependientes, y periodos de medición era tan grande que agregar los resultados numéricamente sería engañoso. Por lo tanto, hacemos una síntesis narrativa cualitativa". Genial. Habría sido honesto. Pero no dicen nada de eso. Simplemente no hacen meta-análisis y no dan ninguna razón. Pelillos a la mar. Paper publicado y a otra cosa. Pues mira, no.
Si la heterogeneidad realmente era demasiado grande para meta-análisis, entonces el estudio debería haberse reorientado. En lugar de intentar responder "¿funciona cambiar de entrenador?", deberían haber preguntado "¿qué desafíos metodológicos enfrenta la investigación sobre cambios de entrenador y cómo pueden resolverse?". Esto habría sido una contribución valiosa. Podrían haber identificado que el problema central es el control de regresión a la media, evaluado qué estrategias usan diferentes estudios para controlarlo, propuesto diseños futuros mejores, y crucialmente, ABSTENERSE DE HACER AFIRMACIONES CAUSALES SIN EVIDENCIA CAUSAL ADECUADA.
Pero claro, no hicieron esto. En su lugar, hicieron una síntesis narrativa débil de estudios heterogéneos y llegaron a conclusiones que van más allá de lo que los datos permiten. Claro, el lector es idiota, así que no hay problema.
Las limitaciones que reconocen al final del estudio son reveladoras por lo que no incluyen. Dicen que sería bueno tener más estudios de Italia, estudiar otras categorías, estudiar fútbol femenino, y tener opiniones de jugadores y entrenadores. Todas estas son limitaciones de alcance. Son cosas que sería interesante tener pero que POR PURA CASUALIDAD no invalidan el estudio actual. Ya. Lo que no mencionan son las limitaciones metodológicas fundamentales que sí invalidan sus conclusiones: la heterogeneidad que impide síntesis válida, la falta de control en la mayoría de estudios, la ausencia de meta-análisis, la falta de evaluación de sesgo de publicación, la generalización injustificada temporal y geográfica, y la imposibilidad estructural de establecer causalidad con diseños observacionales.
Esto es lo que me hace enfadar y me convence de que se ríen de la gente. Esta omisión no puede ser accidental. Los autores claramente conocen la metodología de revisiones sistemáticas, declaran seguir PRISMA, desarrollan criterios de evaluación de calidad. No es que no sepan lo que están haciendo. Esto es una falta de transparencia académica. Siento repetirme, pero es que es una obviedad que están tomando a quien lee por imbécil, es muy molesto.
Voy a hacer un ejercicio contrafáctico. Si yo fuera el revisor de este manuscrito para una revista académica, mi recomendación sería rechazo rotundo, no revisiones menores. Les diría a los editores que el manuscrito necesita un rediseño completo. La pregunta de investigación es buena e importante. La búsqueda sistemática, aunque limitada, identificó estudios relevantes. Pero la ejecución es terriblemente defectuosa. No puedes declarar que sigues un protocolo que incluye meta-análisis y luego no hacer meta-análisis. No puedes incluir estudios sin control de regresión a la media y luego hacer afirmaciones causales. No puedes tener evidencia contradictoria y resolver la contradicción contando votos. No puedes seleccionar interpretativamente qué resultados reportar basándote en si apoyan tu narrativa preferida. No puedes tomarme por gilipollas, porque quizá lo sea, pero no tanto.
Joder, haz una búsqueda exhaustiva en múltiples bases de datos, incluyendo literatura gris, sin restricción de idioma. Haz una selección rigurosa con criterios claros de inclusión, incluyendo un umbral mínimo de calidad metodológica. Haz una extracción sistemática de datos por dos revisores independientes con resolución de discrepancias. Haz una evaluación de sesgo de publicación. Haz un puñetero meta-análisis estratificado por calidad metodológica: un meta-análisis separado solo con estudios de alta calidad que usan grupos control, y otro con todos los estudios para ver cómo difieren los resultados. Moléstate en elaborar un análisis de heterogeneidad y meta-regresiones para entender qué variables moderadoras explican la variación entre estudios. Y sobre todo, presenta unas conclusiones honestas que reconozcan las limitaciones.
Si después de hacer todo esto, los estudios de alta calidad todavía muestran heterogeneidad inexplicable, entonces la conclusión honesta es: "La evidencia actual es insuficiente para determinar si cambiar de entrenador a mitad de temporada mejora el rendimiento. Los estudios metodológicamente más rigurosos tienden a encontrar efectos neutros, pero el número de estudios de alta calidad es pequeño y hay heterogeneidad sustancial. Se requiere investigación futura con mejores diseños". Así no estarás cometiendo un atentado intelectual y no me estarás tomando el pelo a mí. No es una conclusión muy satisfactoria, no resuelve el debate, pero es honesta. Y en ciencia, la honestidad sobre la incertidumbre es más valiosa que certezas falsas, que es lo que esta gente ha hecho.
Me he centrado mucho en el ámbito académico, pero creo que era necesario para llegar aquí y comprender por qué toda esta desfachatez importa más allá de la academia. Los clubes de fútbol podrían tomar decisiones de millones de euros basándose en estudios como este. Si Fernando Soriano lee esta revisión y concluye que "la evidencia científica dice que cambiar de entrenador es una buena opción", imaginemos que podría tomar decisiones costosas basadas en evidencia que en realidad no soporta esa conclusión. Por otro lado, si Soriano concluye que "cambiar de entrenador es puro teatro para los aficionados", podría mantener a un entrenador inadecuado más tiempo del necesario. Ambos errores son costosos.
La verdad que emerge de la mejor evidencia disponible es más matizada y menos concluyente, pero es la verdad. No es que cambiar de entrenador nunca funcione, ni que siempre sea inútil. Significa que es una apuesta con retorno incierto. Algunos cambios funcionarán porque efectivamente el nuevo entrenador es mejor. Algunos no funcionarán porque el problema no era el entrenador. Y algunos parecerán funcionar pero solo porque la regresión a la media hizo su trabajo. Eso es lo que, según parece, podemos saber.
Y etender esta incertidumbre es importante. Permite a los gestores deportivos tomar decisiones más informadas, calibrando expectativas realistas. Si sabes que el efecto promedio es pequeño, pero que en situaciones específicas puede haber efectos mayores, entonces puedes intentar identificar esas situaciones específicas. Por ejemplo, tal vez importa mucho la diferencia de calidad entre el entrenador saliente y el entrante. Un equipo que despide a un entrenador mediocre y contrata a uno de élite probablemente verá mejoras. Un equipo que despide a un entrenador mediocre y contrata a otro entrenador mediocre probablemente no. Pero estos matices requieren investigación más sofisticada que simplemente preguntar "¿funciona cambiar sí o no?".
En resumen, el estudio promete responder una pregunta importante usando metodología rigurosa, pero falla en casi todos los aspectos de ejecución. No hace el meta-análisis que declara hacer, incluye estudios de baja calidad sin justificación, no controla adecuadamente la heterogeneidad, no evalúa sesgo de publicación, hace generalizaciones injustificadas temporal y geográficamente, confunde correlación con causalidad en la mayoría de estudios incluidos, y llega a conclusiones que no están soportadas y en algunos casos son opuestas a lo que la mejor evidencia indica. Como ejercicio académico, es un insulto a la inteligencia más elemental. Como guía para la práctica, es potencialmente peligroso.
Si alguien quiere usar este tipo de evidencia para informarse, mi recomendación sería ignorar las conclusiones de esta revisión y en su lugar ir directamente a los cuatro estudios de mejor calidad metodológica que usan grupos control: Besters 2016 para la Premier League, Audas 1997 para varias divisiones inglesas, Heuer 2011 para la Bundesliga, y Paola 2012 para la Serie A. Estos cuatro estudios, aunque no son perfectos, al menos intentan controlar adecuadamente por regresión a la media. Esa es la mejor evidencia que tenemos aquí, y aunque no sea definitiva, es mucho más confiable que las conclusiones de esta paupérrima revisión.
No es mi intención tener razón. Aunque todo lo que pones me parece muy pillado con pinzas, te lo compro. De acuerdo. Ese año el 80% de los entrenadores mejoraron a sus equipos. Perfecto.
Sin embargo, como norma general, eso no es lo habitual. Hasta donde yo sé ese fenómeno está estudiado. Los cambios de entrenador no suelen mejorar rendimiento deportivo.
La verdad es que es tan delirante que empiezo a pensar que es una broma.
Tú afirmas que, en base a la estadística, los cambios de entrenador no suelen derivar en una mejora del rendimiento. Sostienes que está estudiado y demostrado. Científicamente probado. Sin embargo, no ofreces datos para respaldar estas afirmaciones. Los datos al parecer existen, pero no los das.
Yo leo eso y consulto los datos numéricos y objetivos, que hasta donde he podido ver, refutan por completo tus afirmaciones. Y ahora resulta que están "muy pillados con pinzas" (¿?), que no es lo habitual y que ese fenómeno sigue estando estudiado. Estudiado en otro lugar, no en las estadísticas que yo he revisado, imagino. Pero curiosamente, continúas sin aportar esos estudios, análisis o datos sobre los que construyes tu argumento, que por lo que voy viendo debe ser información que solo tienes tú y por algún motivo no quieres compartir con los demás.
Regreso a la estadística. En la temporada 2023/24, en la misma Segunda División, hubo un total de 12 cambios de entrenador; y hasta un 75% de los mismos derivaron en una mejora del promedio de puntos. La proyección a 42 jornadas del impacto promedio del cambio de entrenador en la Segunda División 2023/24 fue de 16.38 puntos. Esta diferencia de puntaje, traducida a la clasificación, deja a un equipo descendido a una sola victoria de entrar en play-off. Casi nada. En la temporada 2022/23 hay 16 cambios de entrenador, 11 de ellos derivan en mejora del rendimiento. Y eso que en esa campaña entra en juego el Lugo, que provoca una desviación grande del promedio al cambiar de técnico varias veces tras pocos partidos –por cierto, sin obtener nunca ese efecto del cambio de entrenador en los 5 primeros partidos que, según afirmabas, también estaba científicamente demostrado–). Excluyendo a los lucenses, casi un 77% de los cambios derivan en mejora, con una proyección a 42 jornadas del promedio de puntos de casi +14. Estará muy pillado con pinzas porque no será lo habitual, pero ya es casualidad que el mismo patrón de datos se reproduzca en tres cursos diferentes de la misma competición.
Podríamos seguir así, temporada tras temporada. Intuyo que nunca llegaríamos al porcentaje que tú has planteado, en el que sólo el 25% de cambios de entrenador derivan en mejora. Pero ya he comprendido que da absolutamente igual, que estás convencido de que los cambios de entrenador no sirven para mejorar, que los datos que yo pongo son casualidades y los que tú atesoras en algún lugar son los correctos, y que no te vas a mover de ahí. A los clubs profesionales les gusta jugar a la ruleta rusa e insisten en hacer algo que sale mal casi siempre. Así que listo, no queda más que decir. Estás en tu perfecto derecho de creer lo que te venga en gana, con o sin información de por medio.
Quizá, no lo sé, escuchaste a alguien comentar eso de que "está demostrado que los cambios de entrenador no sirven para mejorar el rendimiento" y lo aceptaste como cierto, sin pararte a valorar si había datos reales detrás de la afirmación. Si me aceptas la sugerencia, la verdad es que resulta de lo más sencillo. No tienes que hacerme caso a mí ni a lo que yo digo. Hay un montón de sitios donde consultar estadísticas y sacar conclusiones. Es justo lo que hice yo: me llamó la atención lo que afirmabas, de manera contundente pero sin datos, lo comprobé por mí mismo y resultó no ser verdad.
https://apfisicos.es/wp-content/uploads ... ATICA_.pdf
Te dejo este enlace. Releyendo el estudio porque ya hacía tiempo que no lo leía, no matizé que un cambio de entrenador, sobre todo, evita que tú equipo empeore más. Pero yo por lo que Leo ahí, no veo que los entrenadores mejoren los equipos que van mal, normalmente impiden que ese equipo siga empeorando, pero al final es frenar la caída y claro eso es interpretable. Hay cosas como:
1. La "Regresión a la Media" (El efecto rebote)
Imagina que un equipo tiene un nivel real de "7 sobre 10". Por mala suerte o lesiones, cae a un "3 sobre 10". Es en ese momento (el punto más bajo) cuando echan al entrenador.
Estadísticamente, lo más probable es que el equipo vuelva a su "7", haga lo que haga. El nuevo entrenador llega justo cuando el equipo va a rebotar de forma natural. El cambio no "mejora" al equipo por encima de su capacidad, solo lo devuelve a su sitio.
2. El Techo del Presupuesto
Aquí es donde entra la parte de que "no los mejoran". Los estudios demuestran que la posición final de un equipo depende casi totalmente del valor de su plantilla y sus salarios.
Si tienes una plantilla de 15º puesto, un cambio de entrenador puede sacarte del 20º (evita que vayas a peor), pero rara vez te llevará al 5º.
El entrenador actúa como un "estabilizador": evita el desastre absoluto, pero no tiene el poder de convertir un equipo mediocre en un campeón de forma sostenida.
3. El Efecto "Chivo Expiatorio"
Muchos académicos sostienen que el despido es un acto social, no deportivo.
El problema: Los jugadores están en baja forma o la plantilla está mal planificada.
La solución real: Cambiar a 10 jugadores (imposible a mitad de temporada).
La solución ejecutada: Echar al entrenador para calmar a la afición y a la prensa.
Al hacer esto, se elimina la tensión ambiental. El equipo deja de jugar con el "miedo" de la crisis, lo que detiene la caída libre, pero la calidad técnica de los futbolistas sigue siendo la misma que antes. En mi opinión, el hecho de no tener a Ximo Navarro disponible, merma la capacidad del equipo. Hasta ahora el equipo estaba clasificado por encima de lo que realmente es. Ahora empezamos a ver lo que realmente es, un equipo de play off.
Hay motivos para ser optimistas con Hidalgo. 1- La recuperación de Ximo, nos puede catapultar hacia arriba(en esta división cualquier lesión de jugadores importantes, te puede hacer ganar o perder confianza, puesto que los equipos son sistemas altamente complejos.). 2- Refuerzos de invierno. 3- Descanso Navideño. 4- La evolución de jugadores como Mella, Barcia, Yeremay, Bil etc etc pueden hacer que está plantilla, se revalorize a final de temporada. Total,ahora mismo es muy incierto hasta donde puede llegar este equipo. Lo mismo puede quedar sexto que primero. Ya veremos.
Esto va a ser largo, pero bueno, por mi ocupación conozco bastante el mundo de la investigación académica. Aunque no soy un experto, hay cosas que me gustaría señalar. No sé si alguien me va a leer, pero para quien vea este primer párrafo y pase del resto (lo que sería normal), avanzaré algo importante. Respeto cualquier opinión sobre los efectos del cambio de entrenador, no conozco una verdad absoluta que resuelva el debate. Lo que sí puedo decir en voz bien alta es que nadie debería tomar ninguna postura en base a este estudio. En cierto sentido, es mejor escuchar lo que dice cualquier papanatas en televisión, porque tú escuchas al papanatas y filtras, sabes que es un papanatas. Lo terrible aquí es que alguien podría leerlo y pensar que se está informando, bebiendo de fuentes fiables. El propio @riazoj lo presenta como algo decente. Pero este estudio es una de las publicaciones más pobres, mal hechas e intelectualmente deshonestas que he visto en muchos años. Y soy muy viejo ya. Hay tantos, tantísimos problemas graves, que no puedo comprender cómo este artefacto ha llegado a ser publicado. Y eso que, si me limitase a tratarlo como un estudio solvente, estaría más cerca de darme la razón en mis posts anteriores que de quitármela. Pero es que eso me parece irrelevante. Quiero explicar los problemas uno por uno, por eso este va a ser un post kilométrico. Disculpas de antemano.
Al lío. Las premisas de partida del estudio son muy sugerentes. Empezando por la pregunta de investigación: ¿realmente funciona cambiar de entrenador a mitad de temporada? Además, los autores anuncian que siguen el protocolo PRISMA, que es el estándar de oro para revisiones sistemáticas. Dicen que analizaron diecisiete estudios de las cinco grandes ligas europeas, y llegaron a conclusiones que supuestamente resuelven el debate. El problema es que este estudio tiene fallos tan graves que al final no solo no responde la pregunta, sino que sus conclusiones son en cierto modo opuestas a lo que la mejor evidencia disponible realmente indica.
Antes de entrar en detalle, hay que aclarar algo fundamental sobre lo que significa hacer una revisión sistemática. Cuando dices que sigues el protocolo PRISMA, estás prometiendo algo muy específico: búsqueda exhaustiva, criterios claros de inclusión, evaluación rigurosa de calidad y, lo más importante, síntesis cuantitativa de los resultados mediante meta-análisis. PRISMA son las siglas en inglés de "Elementos de Informe Preferidos para Revisiones Sistemáticas y Meta-análisis". La palabra meta-análisis está literalmente en el nombre del protocolo. Pues bien, los autores de este estudio anuncian que siguen PRISMA pero la realidad es que en este estudio no hacen ningún meta-análisis. Esto sería como decir que sigues una receta de paella pero te saltas el arroz. Lo que tenemos aquí es una revisión narrativa disfrazada de revisión sistemática, y eso ya es como para desconfiar.
El problema central del estudio no es solo metodológico, es también conceptual. Están intentando responder una pregunta sobre causalidad. Es decir, si cambiar de entrenador CAUSA mejoras en el rendimiento... pero luego usan evidencia que fundamentalmente no puede establecer causalidad. Y esto es grave. Cuando un club despide a su entrenador, lo hace porque el equipo va mal. Esa mala racha puede deberse a muchísimas cosas: lesiones de jugadores clave, un calendario especialmente difícil, mala suerte con los árbitros, problemas en el vestuario, o simplemente una plantilla deficiente. Cambiar al entrenador solo afecta directamente a una de esas variables, la dirección técnica. Todo lo demás sigue ahí.
Ahora imagina que justo cuando cambias al entrenador, varios jugadores lesionados se recuperan, o simplemente la mala racha acaba porque, en efecto, estadísticamente las rachas acaban. Verás una mejora en los resultados, pero no sabrás si fue por el nuevo entrenador o por todos estos otros factores. Esto es lo que en estadística se llama el problema de endogeneidad, que básicamente significa que la variable que estás estudiando, el cambio de entrenador, está contaminada por otras variables que ocurren al mismo tiempo y que no puedes separar. Obviamente mis posts anteriores tenían este mismo problema, pero ojo, eran mensajes en un foro, no un estudio académico que promete seguir PRISMA.
Para resolver este problema, lo que realmente necesitarías es un diseño experimental. En medicina, harías un ensayo clínico aleatorizado: asignas al azar a algunos equipos para cambiar entrenador y a otros no, aunque estén en situaciones similares. Claro que esto es imposible en fútbol profesional, porque ningún club va a participar en un experimento así. Entonces, ¿qué hacen los investigadores serios? Usan lo que se llama grupo control. Buscan equipos que en un momento dado tenían exactamente el mismo mal rendimiento, la misma posición en la tabla, las mismas circunstancias, pero que por alguna razón no cambiaron de entrenador. Luego comparan qué pasó con unos y otros. Si los equipos que cambiaron de entrenador mejoran significativamente más que los que no cambiaron, entonces sí puedes empezar a argumentar que el cambio tuvo un efecto real. Ojo: empezar.
Y aquí viene el primer destrozo crítico del estudio: de los diecisiete estudios que incluyen, solo cuatro, es decir el 23%, usan grupos control adecuados. Terrible. El resto, trece estudios que representan el 76% de la evidencia, simplemente comparan el rendimiento antes del cambio con el rendimiento después del cambio, sin ningún grupo de comparación. Esto significa que la mayoría de los estudios están 'midiendo' un montón de cosas mezcladas: el efecto del entrenador nuevo, sí, pero también la regresión a la media, los cambios en el calendario, las lesiones que se resuelven, la motivación temporal que produce cualquier cambio, y todo lo demás.
La regresión a la media es un concepto que merece la pena explicar porque es absolutamente central aquí. Es un fenómeno estadístico descubierto hace más de un siglo que dice básicamente esto: cuando algo tiene un valor extremo, ya sea muy bueno o muy malo, la próxima medición tiende a estar más cerca del promedio. Si un equipo está en una racha especialmente mala, lo más probable es que las próximas semanas vaya algo mejor, simplemente porque las rachas extremas no duran para siempre. Esto no tiene nada que ver con cambiar o no cambiar al entrenador, es pura estadística.
El estudio identifica este problema, lo menciona, dice que es importante controlarlo, pero luego incluye alegremente un montón de estudios que no lo controlan. Es como si un médico te dijera "sí, sé que este medicamento tiene efectos secundarios terribles" y luego te lo recetara igual. Es absurdo, porque los autores mismos reconocen en su introducción que cuando controlas la regresión a la media, el efecto del cambio de entrenador "parece demostrar que es nulo". Pero después, en sus conclusiones, dicen que cambiar de entrenador "puede ser una buena opción". Esto no sólo es contradictorio, sino que podemos decir que es intelectualmente deshonesto.
Vamos ahora al tema de la heterogeneidad, que es otra palabra que hay que desglosar para entender lo que ocurre aquí. Heterogeneidad en investigación significa que estás mezclando cosas que no son comparables. Imagina que quieres saber si los coches rojos son más rápidos que los azules, y para ello comparas un Ferrari rojo con un Seat azul, luego un Fiat rojo con un Porsche azul, luego una furgoneta roja con una moto azul. Obviamente no puedes sacar ninguna conclusión sobre el efecto del color porque estás comparando cosas completamente diferentes.
Pues bien, los diecisiete estudios de esta revisión usan seis metodologías estadísticas completamente diferentes: regresión logit, regresión probit, mínimos cuadrados ordinarios, análisis de envoltura de datos, modelos de duración de Cox, y modelos de Weibull. Los nombres dan igual, pero en resumen, lo que hay que entender es que cada una de estas metodologías hace suposiciones diferentes sobre los datos y mide cosas ligeramente distintas. Además, también usan variables dependientes distintas. Algunos miden puntos conseguidos, otros posición en la liga, otros diferencia de goles, otros porcentaje de victorias, y uno incluso usa una medida de eficiencia que combina varias cosas. Como es lógico, estas variables no son intercambiables.
Pongamos un ejemplo concreto de por qué esto importa. Imaginemos un equipo que antes de cambiar de entrenador perdía por goleada, digamos 3-0 cada partido. Después del cambio, sigue perdiendo pero ahora por menos, digamos 2-1. Este equipo ha mejorado su diferencia de goles, que pasó de -3 por partido a -1 por partido. Pero sigue sin sumar puntos, porque sigue perdiendo. Y si otros equipos mejoran más, su posición en la liga puede empeorar. Entonces, según el estudio que leas... este mismo equipo ha mejorado, se ha mantenido igual, o ha empeorado. Pues este estudio trata estos resultados contradictorios como si fueran comparables y se pudieran mezclar en una misma conclusión. Es demasiado evidente que no se puede (no se debe hacer).
Pero además, los periodos de medición también son inconsistentes. Algunos estudios miden el efecto en los dos partidos siguientes al cambio, otros en cuatro partidos, otros en diez, otros en veinte, y algunos hasta en 24 meses. Esto es crítico porque varios de los propios estudios indican que hay un efecto a corto plazo que desaparece a largo plazo. Si mezclas estudios que miran plazos diferentes, estás mezclando efectos diferentes.
Luego está el problema de las ligas. El estudio dice en su título que analiza las cinco grandes ligas europeas: Inglaterra, España, Alemania, Italia y Francia. Pues bien, si cuentas los estudios por liga, descubres que siete estudian Inglaterra, seis estudian Alemania, tres estudian España, uno estudia Italia... y cero estudian Francia. ¡La Ligue 1 francesa simplemente no aparece! Pero además, la distribución de la evidencia es brutalmente desequilibrada. Si cuentas el número de cambios de entrenador analizados en total, Inglaterra y Alemania suman más de 3800 cambios analizados, mientras que España tiene 366 e Italia solo 84. Es decir, el 82% de la evidencia viene de dos ligas.
Esto no es un problema menor de representatividad. Inglaterra y Alemania tienen características muy específicas que las hacen diferentes a España e Italia. Inglaterra históricamente ha tenido tasas de rotación de entrenadores mucho más altas, es una cultura futbolística donde cambiar de entrenador es más aceptado. Alemania tiene el efecto Bosman, que liberalizó el mercado de jugadores en Europa, pero que allí tuvo un efecto particular: casi todos los entrenadores de la Bundesliga siguen siendo alemanes, mientras que en otras ligas hay más internacionalización. Estos contextos culturales e institucionales importan, y no puedes simplemente asumir porque sí que lo que funciona en Inglaterra funcionará igual en España o Italia.
Pero el problema de generalización va mucho más allá de las ligas. Los estudios incluidos cubren datos desde 1921 hasta 2016. Sí, incluyen datos de hace más de cien años. El fútbol de 1921 y el fútbol de 2016 son deportes completamente diferentes. En los años veinte, los salarios de los entrenadores eran bajísimos, el mercado de fichajes era local, cambiar de entrenador costaba muy poco, etc. En los años ochenta y noventa hubo una profesionalización masiva. Después de 1995 llegó el efecto Bosman y la Champions League moderna, que convirtió el fútbol en un negocio global. Y desde 2010 tenemos oligopolios económicos donde algunos clubes manejan presupuestos cientos de veces superiores a otros, y donde cambiar de entrenador puede costar millones en indemnizaciones.
Tratar datos de 1921 como comparables con datos de 2016 es como hacer un estudio sobre la eficacia de tratamientos médicos incluyendo sangrías con sanguijuelas del siglo XIX junto con quimioterapia moderna. Son contextos tan radicalmente diferentes que mezclarlos no tiene ningún sentido. El estudio no hace ningún análisis de si el efecto ha cambiado con el tiempo, simplemente tira todo en el mismo saco. Una vez más, esto es una auténtica tomadura de pelo desde el punto de vista académico.
Sobre la calidad de los estudios incluidos. Los autores desarrollan una escala de dieciséis ítems para evaluar la calidad metodológica. Esto está bien... pero luego no establecen ningún umbral mínimo de calidad para excluir estudios. Incluyen un estudio con una calificación del 57%. Delirante. En cualquier sistema de evaluación académica serio, un 57% es suspenso. ¿Por qué incluir evidencia de baja calidad en una revisión sistemática que se supone debe sintetizar la mejor evidencia disponible? Pues porque no quieren resolver el problema, sino publicar el paper. No hay ninguna otra justificación posible.
Esta intuición se ve reforzada por el hecho de que tampoco se molesten en hacer ningún análisis de sesgo de publicación. El sesgo de publicación es un problema bien documentado en todas las ciencias: los estudios que encuentran efectos positivos o significativos tienen más probabilidad de ser publicados que los estudios que no encuentran nada. Esto significa que la literatura publicada puede dar una imagen distorsionada de la realidad. En una revisión sistemática seria, tienes que evaluar si este sesgo está presente. La forma estándar de hacerlo es con algo llamado funnel plot, que es un gráfico que muestra la relación entre el tamaño del efecto y el tamaño de la muestra de cada estudio. Si hay sesgo de publicación, el gráfico tiene una forma asimétrica característica. También hay pruebas estadísticas como el test de Egger. Este estudio no hace NADA de esto. Simplemente asume que todos los estudios relevantes están publicados y que no hay sesgo. Pero esta asunción no está verificada y probablemente es falsa.
Más cosas. La búsqueda bibliográfica también es limitada. Solo buscan en dos bases de datos: Web of Science y Scopus. No buscan en Google Scholar, que aunque no es una base de datos académica tradicional, a menudo contiene literatura gris y estudios que no están en las otras bases. No buscan en SportDiscus, que es específica de ciencias del deporte. No buscan en PsycINFO. Y crucialmente, solo buscan en inglés y español, lo que derrama por encima un sesgo de idioma. Hay investigación publicada en alemán, italiano y francés que probablemente están ignorando. Les da igual.
Tampoco mencionan si registraron el protocolo de revisión previamente. En investigación médica, es estándar registrar tu protocolo de revisión sistemática ANTES de empezar a buscar estudios, para evitar que los investigadores cambien sus criterios de inclusión o sus métodos de análisis DESPUÉS de ver los resultados. Esto previene lo que se llama p-hacking o análisis post-hoc, que es cuando manipulas tus métodos hasta que obtienes el resultado que quieres. Este estudio no dice nada sobre registro previo, lo que aumenta el riesgo de sesgo.
Vamos ahora a la parte más frustrante de todo esto: las conclusiones. Los autores reconocen que la evidencia es contradictoria. Si cuentas los estudios por tipo de resultado, 5 encuentran efecto positivo, 2 encuentran efecto negativo, 4 encuentran efecto neutro, y 6 encuentran efectos mixtos o condicionales. Es decir, no hay consenso. La evidencia está dividida. En esta situación, hay dos opciones honestas. Primera opción: reconocer que la evidencia es insuficiente y contradictoria, y que no podemos llegar a una conclusión definitiva. Segunda opción: hacer un meta-análisis cuantitativo que pese los estudios según su calidad y tamaño de muestra, calcule un efecto promedio con sus intervalos de confianza, y analice los motivos de tanta variación entre estudios. ¿Qué hacen estos autores? Por supuesto, ninguna de las dos cosas.
En su lugar, hacen un 'recuento de votos'. Sí, como si fuese un reality de la tele. Cuentan cuántos estudios mencionan cada teoría en su discusión y deciden que la teoría del chivo expiatorio es la más relevante porque más estudios la mencionan. Pero si cuentas las menciones, la teoría del chivo expiatorio aparece en seis estudios y la teoría del sentido común en cinco estudios. La diferencia es de un solo estudio. Con esta diferencia marginal, declarar que una teoría es "la característica más relevante" es absurdo. Es tomar por imbécil a quien lee.
Quiero explicar qué son estas teorías, porque es importante entender por qué esta conclusión es problemática. En 1964, dos sociólogos llamados Gamson y Scotch propusieron tres teorías sobre por qué los equipos cambian de entrenador. La primera es la teoría del sentido común: el equipo va mal porque el entrenador es malo, cambias al entrenador por uno mejor, y el equipo mejora. Es causalidad directa y lógica. La segunda es la teoría del círculo vicioso: cambiar de entrenador crea más problemas porque el equipo tiene que adaptarse a nuevas tácticas y eso empeora el rendimiento a corto plazo, lo que lleva a más cambios. La tercera es la teoría del chivo expiatorio: la junta directiva sabe que cambiar al entrenador no va a mejorar el rendimiento, pero lo hace de todas formas para calmar a los aficionados y a los medios, sacrificando al entrenador como chivo expiatorio.
La evidencia más sólida presente en el estudio, la que viene de los cuatro estudios con grupos control adecuados, encuentra consistentemente efectos neutros o muy ligeramente positivos. Besters en 2016, Audas en 1997, Heuer en 2011, y Paola en 2011: todos encuentran que cuando controlas adecuadamente por regresión a la media, el efecto del cambio de entrenador es estadísticamente insignificante. Esto podría interpretarse como apoyo a la teoría del chivo expiatorio, y de hecho los autores lo hacen.
Pero hay un problema lógico enorme aquí. La teoría del chivo expiatorio dice que las juntas directivas cambian al entrenador sabiendo que no va a funcionar, solo para dar la apariencia de que están haciendo algo. Si esto fuera cierto, los cambios de entrenador deberían ser más o menos aleatorios respecto al rendimiento real. Es decir, cambiarían entrenadores aunque el equipo vaya bien, solo para contentar a los aficionados. Pero todos los estudios, absolutamente todos (y es de pura lógica), encuentran una correlación muy fuerte entre mal rendimiento y cambio de entrenador. Cuanto peor van los resultados, más probable es el cambio. Cuanto más abajo está el equipo en la tabla, más probable es el cambio. Esto es consistente con gestión racional, no con chivo expiatorio.
Además, varios estudios encuentran que variables como el salario del entrenador, la experiencia del entrenador, y el presupuesto del equipo afectan la probabilidad de cambio. Equipos con más dinero, donde cambiar de entrenador es más caro, lo hacen de todas formas cuando los resultados son malos. Esto sugiere que las juntas directivas realmente creen que el cambio puede ayudar, no que estén haciendo teatro. No puedes insultar al intelecto del lector ignorando deliberadamente todo esto.
La interpretación más consistente con la evidencia es que las juntas directivas cambian de entrenador porque racionalmente creen que puede ayudar. En algunos casos ayuda, en algunos casos no ayuda, y en promedio el efecto es pequeño o nulo. Esto no es chivo expiatorio, es toma de decisiones bajo incertidumbre. Es terrible que alguien pueda publicar un estudio confundiendo esto a propósito. Los gestores no saben de antemano si el nuevo entrenador será mejor, pero cuando el equipo va muy mal, cambiar es una apuesta razonable. A veces funciona, a veces no.
Es tan ridículo que los autores hacen otra afirmación en sus conclusiones que es abiertamente contradictoria con su propia evidencia. Dicen: "Reemplazar al entrenador puede ser una buena opción, ya que los resultados pueden mejorar o mantenerse igual, pero por norma general no empeorarán". Vamos a diseccionar esta frase. Primero, "puede ser una buena opción" es una afirmación causal: estás diciendo que hacer X es bueno para conseguir Y. Para hacer esta afirmación necesitas evidencia causal sólida. No la tienen. Segundo, "los resultados pueden mejorar o mantenerse igual" es tautológico. Sí, los resultados pueden hacer cualquier cosa. También pueden empeorar. De hecho, dos de los diecisiete estudios encuentran que el efecto es negativo. Tercero, "por norma general no empeorarán" es una afirmación empírica específica que requiere evidencia cuantitativa. ¿De dónde sale esta afirmación? No está justificada en ninguna parte del estudio. Pero lo dicen y punto. No es serio.
Si miras específicamente los cuatro estudios de mejor calidad metodológica, los que usan grupos control, todos encuentran efectos neutros. Neutro significa que en promedio, cambiar de entrenador no mejora ni empeora el rendimiento de forma estadísticamente significativa. Basándose en esta evidencia, una conclusión más honesta sería algo como: "La mejor evidencia disponible sugiere que cambiar de entrenador a mitad de temporada no tiene un efecto significativo en el rendimiento del equipo, cuando se controla adecuadamente por regresión a la media y otras variables confusoras. Los estudios que encuentran efectos positivos generalmente no usan grupos control adecuados y probablemente están midiendo regresión a la media en lugar del efecto real del cambio".
Pero claro: esa no es la conclusión del estudio. Su conclusión es prácticamente opuesta. Esto no es un matiz interpretativo, es una distorsión de la evidencia. Es que me subo por las paredes, es como si se estuviesen riendo de todo el mundo.
También quiero hablar de algo que los autores mencionan brevemente pero que en realidad es devastador para su argumento: la heterogeneidad en las variables dependientes. Me refiero a que algunos estudios miden puntos, otros goles, otros posición. Un equipo puede simultáneamente mejorar en goles y empeorar en puntos. Por ejemplo, imagina que antes del cambio perdías 4-0 cada semana. Después del cambio, pierdes 2-1. Tu diferencia de goles ha mejorado dramáticamente, de -4 a -1. Pero sigues sumando cero puntos porque sigues perdiendo. Si además otros equipos en tu zona mejoran más que tú, tu posición en la liga puede bajar. Entonces, ¿ha funcionado el cambio de entrenador? Según el estudio que mires, la respuesta es diferente. Que alguien haya decidido mezclarlo todo y publicarlo es para echarse a llorar.
De hecho, el estudio de Paola de 2011 encuentra exactamente esto: un efecto ligeramente positivo en goles marcados, pero ningún efecto en puntos. Los autores de esta revisión citan este estudio como evidencia de efecto neutro, lo cual es correcto para puntos, pero ignoran la parte de los goles. Esta selectividad en qué resultados reportar es preocupante.
Hay también un problema con lo que se considera "corto plazo" vs "largo plazo". Varios estudios encuentran un efecto positivo a corto plazo que desaparece a largo plazo. Lago-Peñas en 2011 encuentra que el rendimiento mejora en el primer partido después del cambio pero va empeorando progresivamente cada partido siguiente. Muehlheusser en 2016 encuentra que la mejora positiva disminuye a partir del cuarto partido. ¿Qué significa esto? Podría significar que hay un efecto motivacional temporal, una especie de "luna de miel" con el nuevo entrenador, pero que el efecto real en rendimiento sostenido es nulo. O podría significar que los primeros partidos tienen más varianza aleatoria. Sin un meta-análisis cuantitativo que agregue estos resultados de forma sistemática, no podemos saberlo. En un foro podemos especular, en un paper no podemos soltar una intuición y venderla como evidencia científica.
Más. Los estudios también difieren en si separan partidos de local y partidos de visitante. Algunos estudios, como el de De Dios Tena de 2007, encuentran un efecto positivo significativo cuando el equipo juega en casa, pero ningún efecto cuando juega fuera. La interpretación que dan es que la mejora en casa se debe al efecto sobre los aficionados, no al efecto sobre el rendimiento real del equipo. Es decir, el nuevo entrenador calma a los aficionados descontentos, eso crea mejor ambiente en el estadio, y eso ayuda al equipo a jugar mejor en casa. Pero este efecto es puramente contextual y no se traslada a partidos fuera, donde no tienes el mismo nivel de afición. Esto es consistente con un componente de chivo expiatorio, pero también es consistente con que el ambiente del estadio es una variable real que afecta el rendimiento. Esto es lo que ocurre, que es un fenómeno complejo y no es aceptable simplificar para que el estudio salga adelante.
Es un problema recurrente en todo el estudio: la confusión entre ausencia de evidencia y evidencia de ausencia. Cuando un estudio bien hecho no encuentra un efecto significativo, eso no significa automáticamente que el efecto no existe, podría simplemente significar que el estudio no tenía suficiente poder estadístico para detectarlo. Pero en este caso, los cuatro estudios de mejor calidad son bastante grandes, con muestras de 61, 361, 84, y cientos de cambios cada uno. Si hubiera un efecto sustancial, deberían haberlo detectado. El hecho de que consistentemente no lo detecten es evidencia bastante fuerte de que el efecto, si existe, es pequeño.
Los autores dedican mucha atención a explicar por qué los entrenadores son despedidos, y esto sí está bien documentado en los estudios. Los despidos ocurren después de rachas de derrotas, en equipos que están en zona de descenso o alejándose de puestos europeos, cuando los resultados reales están por debajo de las expectativas. Algunos estudios encuentran que el último partido perdido es el más predictivo del despido. Otros encuentran que los dos últimos partidos, o los tres últimos. Esto es interesante descriptivamente, pero la realidad es que no responde la pregunta causal sobre si cambiar realmente ayuda.
Un detalle que me parece especialmente problemático es cómo tratan el estudio de Audas de 2002. Este estudio usa datos de las cuatro divisiones de la liga inglesa, no solo la primera división. Encuentra un efecto negativo del cambio de entrenador, es decir, que en promedio cambiar empeora el rendimiento. Los autores de la revisión mencionan esto pero luego lo descartan diciendo que "estos resultados podrían estar afectados por estas divisiones menores". ¡A tomar por culo! ¿Por qué? No dan ninguna justificación. ¡Es de barra de bar! Si vas a descartar un resultado porque no te gusta, necesitas una razón metodológica sólida. No la proporcionan. Fuera y punto. Simplemente esto debería haber provocado que alguien encerrase a estos señores en una biblioteca durante dos meses.
Similarmente, el estudio de Ratten de 2016, ya lo hemos dicho antes, tiene una calidad metodológica de 57%, que es la más baja de todos los estudios incluidos. Es básicamente un análisis descriptivo sobre los factores que determinan el cambio de entrenador. No hace ningún análisis de efectos, no tiene grupo control, y es más bien un ensayo sobre ética del despido de entrenadores. Vamos a ver, ¿por qué narices incluir esto en una revisión sistemática sobre efectos del cambio? No tiene sentido, excepto que aumenta el número total de estudios y hace parecer la revisión más comprehensiva de lo que realmente es. Una vez más: toman por idiota al lector, asumiendo que si lo lee en un paper, creerá que es verdad.
Claro, hay un patrón en este estudio de selectividad interpretativa. Cuando los resultados apoyan la idea de que cambiar de entrenador puede ayudar, se reportan prominentemente. Cuando los resultados sugieren que no ayuda o que puede empeorar las cosas, se minimizan o se encuentran excusas para descartarlos. Esto es exactamente lo que no debes hacer en una revisión sistemática. Y los autores lo saben, estoy seguro. El punto de una revisión sistemática es agregar TODA la evidencia de forma imparcial, no hacer cherry-picking de los resultados que apoyan tu teoría preferida. Es como si el estudio lo hubiese hecho un niño de 12 años, por favor.
Los autores también fallan al analizar variables moderadoras de forma sistemática. Una variable moderadora es algo que afecta la fuerza o dirección de una relación. Por ejemplo, el momento de la temporada podría ser un moderador: tal vez cambiar de entrenador en la jornada cinco tiene efectos diferentes que cambiarlo en la jornada treinta. O la posición en la tabla: tal vez el efecto es diferente para equipos en descenso versus equipos luchando por Champions. O el presupuesto del equipo: tal vez equipos ricos pueden contratar mejores entrenadores de reemplazo. O la experiencia del nuevo entrenador: tal vez contratar a un entrenador experimentado es diferente que apostar por un novel. Se entiende, ¿no?
Pues bien, varios de los estudios individuales miran algunas de estas variables. Pero la revisión no hace NINGÚN esfuerzo por sintetizar estos hallazgos. Simplemente los menciona de pasada en la descripción de cada estudio. Un meta-análisis adecuado habría codificado todas estas variables y hecho análisis de subgrupos para ver si el efecto del cambio varía sistemáticamente según estas características. Esto era perfectamente posible con diecisiete estudios. No lo hacen. Demasiado trabajo, supongo. Y total, el lector es idiota.
Con diecisiete estudios cuantitativos, varios de ellos con muestras grandes y metodologías sólidas, un meta-análisis era no solo posible sino necesario. El procedimiento habría sido algo así:
1- Extraer de cada estudio el efecto estimado del cambio de entrenador y su error estándar.
2- Convertir todos los efectos a una métrica común, típicamente algo llamado D de Cohen, que mide el tamaño del efecto en unidades de desviación estándar.
3- Calcular un efecto promedio ponderado, dando más peso a estudios con muestras más grandes y menor error.
4- Calcular un intervalo de confianza para este efecto promedio.
5- Evaluar la heterogeneidad entre estudios usando estadísticos como el I-cuadrado.
6- Si hay mucha heterogeneidad, hacer análisis de subgrupos o meta-regresiones para entender de dónde viene.
Este procedimiento es estándar en cualquier campo científico que hace revisiones sistemáticas. Medicina lo hace rutinariamente. Psicología lo hace. Economía lo hace. Ciencias del deporte lo hace. La tecnología está ahí, el software está disponible, las guías metodológicas son claras. Yo, un señor de la tercera edad en un foro del Deportivo, no experto en la materia, soy capaz de verlo. No hacerlo cuando declaras seguir PRISMA es simplemente inaceptable. Es un pitorreo de proporciones bíblicas.
Intentemos no ser mal pensados. Es posible que los autores consideraran hacer un meta-análisis y decidieran que la heterogeneidad era demasiado grande. Este sería un argumento defendible si lo explicitaran. Podrían haber dicho: "Consideramos hacer un meta-análisis cuantitativo, pero la heterogeneidad en metodologías, variables dependientes, y periodos de medición era tan grande que agregar los resultados numéricamente sería engañoso. Por lo tanto, hacemos una síntesis narrativa cualitativa". Genial. Habría sido honesto. Pero no dicen nada de eso. Simplemente no hacen meta-análisis y no dan ninguna razón. Pelillos a la mar. Paper publicado y a otra cosa. Pues mira, no.
Si la heterogeneidad realmente era demasiado grande para meta-análisis, entonces el estudio debería haberse reorientado. En lugar de intentar responder "¿funciona cambiar de entrenador?", deberían haber preguntado "¿qué desafíos metodológicos enfrenta la investigación sobre cambios de entrenador y cómo pueden resolverse?". Esto habría sido una contribución valiosa. Podrían haber identificado que el problema central es el control de regresión a la media, evaluado qué estrategias usan diferentes estudios para controlarlo, propuesto diseños futuros mejores, y crucialmente, ABSTENERSE DE HACER AFIRMACIONES CAUSALES SIN EVIDENCIA CAUSAL ADECUADA.
Pero claro, no hicieron esto. En su lugar, hicieron una síntesis narrativa débil de estudios heterogéneos y llegaron a conclusiones que van más allá de lo que los datos permiten. Claro, el lector es idiota, así que no hay problema.
Las limitaciones que reconocen al final del estudio son reveladoras por lo que no incluyen. Dicen que sería bueno tener más estudios de Italia, estudiar otras categorías, estudiar fútbol femenino, y tener opiniones de jugadores y entrenadores. Todas estas son limitaciones de alcance. Son cosas que sería interesante tener pero que POR PURA CASUALIDAD no invalidan el estudio actual. Ya. Lo que no mencionan son las limitaciones metodológicas fundamentales que sí invalidan sus conclusiones: la heterogeneidad que impide síntesis válida, la falta de control en la mayoría de estudios, la ausencia de meta-análisis, la falta de evaluación de sesgo de publicación, la generalización injustificada temporal y geográfica, y la imposibilidad estructural de establecer causalidad con diseños observacionales.
Esto es lo que me hace enfadar y me convence de que se ríen de la gente. Esta omisión no puede ser accidental. Los autores claramente conocen la metodología de revisiones sistemáticas, declaran seguir PRISMA, desarrollan criterios de evaluación de calidad. No es que no sepan lo que están haciendo. Esto es una falta de transparencia académica. Siento repetirme, pero es que es una obviedad que están tomando a quien lee por imbécil, es muy molesto.
Voy a hacer un ejercicio contrafáctico. Si yo fuera el revisor de este manuscrito para una revista académica, mi recomendación sería rechazo rotundo, no revisiones menores. Les diría a los editores que el manuscrito necesita un rediseño completo. La pregunta de investigación es buena e importante. La búsqueda sistemática, aunque limitada, identificó estudios relevantes. Pero la ejecución es terriblemente defectuosa. No puedes declarar que sigues un protocolo que incluye meta-análisis y luego no hacer meta-análisis. No puedes incluir estudios sin control de regresión a la media y luego hacer afirmaciones causales. No puedes tener evidencia contradictoria y resolver la contradicción contando votos. No puedes seleccionar interpretativamente qué resultados reportar basándote en si apoyan tu narrativa preferida. No puedes tomarme por gilipollas, porque quizá lo sea, pero no tanto.
Joder, haz una búsqueda exhaustiva en múltiples bases de datos, incluyendo literatura gris, sin restricción de idioma. Haz una selección rigurosa con criterios claros de inclusión, incluyendo un umbral mínimo de calidad metodológica. Haz una extracción sistemática de datos por dos revisores independientes con resolución de discrepancias. Haz una evaluación de sesgo de publicación. Haz un puñetero meta-análisis estratificado por calidad metodológica: un meta-análisis separado solo con estudios de alta calidad que usan grupos control, y otro con todos los estudios para ver cómo difieren los resultados. Moléstate en elaborar un análisis de heterogeneidad y meta-regresiones para entender qué variables moderadoras explican la variación entre estudios. Y sobre todo, presenta unas conclusiones honestas que reconozcan las limitaciones.
Si después de hacer todo esto, los estudios de alta calidad todavía muestran heterogeneidad inexplicable, entonces la conclusión honesta es: "La evidencia actual es insuficiente para determinar si cambiar de entrenador a mitad de temporada mejora el rendimiento. Los estudios metodológicamente más rigurosos tienden a encontrar efectos neutros, pero el número de estudios de alta calidad es pequeño y hay heterogeneidad sustancial. Se requiere investigación futura con mejores diseños". Así no estarás cometiendo un atentado intelectual y no me estarás tomando el pelo a mí. No es una conclusión muy satisfactoria, no resuelve el debate, pero es honesta. Y en ciencia, la honestidad sobre la incertidumbre es más valiosa que certezas falsas, que es lo que esta gente ha hecho.
Me he centrado mucho en el ámbito académico, pero creo que era necesario para llegar aquí y comprender por qué toda esta desfachatez importa más allá de la academia. Los clubes de fútbol podrían tomar decisiones de millones de euros basándose en estudios como este. Si Fernando Soriano lee esta revisión y concluye que "la evidencia científica dice que cambiar de entrenador es una buena opción", imaginemos que podría tomar decisiones costosas basadas en evidencia que en realidad no soporta esa conclusión. Por otro lado, si Soriano concluye que "cambiar de entrenador es puro teatro para los aficionados", podría mantener a un entrenador inadecuado más tiempo del necesario. Ambos errores son costosos.
La verdad que emerge de la mejor evidencia disponible es más matizada y menos concluyente, pero es la verdad. No es que cambiar de entrenador nunca funcione, ni que siempre sea inútil. Significa que es una apuesta con retorno incierto. Algunos cambios funcionarán porque efectivamente el nuevo entrenador es mejor. Algunos no funcionarán porque el problema no era el entrenador. Y algunos parecerán funcionar pero solo porque la regresión a la media hizo su trabajo. Eso es lo que, según parece, podemos saber.
Y etender esta incertidumbre es importante. Permite a los gestores deportivos tomar decisiones más informadas, calibrando expectativas realistas. Si sabes que el efecto promedio es pequeño, pero que en situaciones específicas puede haber efectos mayores, entonces puedes intentar identificar esas situaciones específicas. Por ejemplo, tal vez importa mucho la diferencia de calidad entre el entrenador saliente y el entrante. Un equipo que despide a un entrenador mediocre y contrata a uno de élite probablemente verá mejoras. Un equipo que despide a un entrenador mediocre y contrata a otro entrenador mediocre probablemente no. Pero estos matices requieren investigación más sofisticada que simplemente preguntar "¿funciona cambiar sí o no?".
En resumen, el estudio promete responder una pregunta importante usando metodología rigurosa, pero falla en casi todos los aspectos de ejecución. No hace el meta-análisis que declara hacer, incluye estudios de baja calidad sin justificación, no controla adecuadamente la heterogeneidad, no evalúa sesgo de publicación, hace generalizaciones injustificadas temporal y geográficamente, confunde correlación con causalidad en la mayoría de estudios incluidos, y llega a conclusiones que no están soportadas y en algunos casos son opuestas a lo que la mejor evidencia indica. Como ejercicio académico, es un insulto a la inteligencia más elemental. Como guía para la práctica, es potencialmente peligroso.
Si alguien quiere usar este tipo de evidencia para informarse, mi recomendación sería ignorar las conclusiones de esta revisión y en su lugar ir directamente a los cuatro estudios de mejor calidad metodológica que usan grupos control: Besters 2016 para la Premier League, Audas 1997 para varias divisiones inglesas, Heuer 2011 para la Bundesliga, y Paola 2012 para la Serie A. Estos cuatro estudios, aunque no son perfectos, al menos intentan controlar adecuadamente por regresión a la media. Esa es la mejor evidencia que tenemos aquí, y aunque no sea definitiva, es mucho más confiable que las conclusiones de esta paupérrima revisión.
Moi bo traballo pero fai falta un pedazo de turron pa digerilo
@Yukio, me he leído la parrafada (lo siento @Aglaca, deberías entregar el título de parrafista ), pero, en base a la conclusión de que los datos no son concluyentes... ¿No tendría razón @riazoj? Es decir, no se puede decir que un cambio de entrenador tenga un efecto positivo (tampoco negativo).
Mensajepor Yukio » Jueves 25 de Diciembre de 2025, 14:09
Gracias por leerlo @ResveraTroll, te has ganado un plato adicional de parrafada.
El debate con @riazoj empezó con estas afirmaciones:
A mí estas cosas me gusta que las resuelva la estadística. Mira como les suele ir a los equipos cuando cambian. Si. Verás, que la mayoría de las veces no mejoran al predecesor. Si el club estaba cerca del descenso, suelen descender. Si es para ascender, lo mismo. La realidad es que cambiar de entrenador es una moneda al aire. En el 75% de los casos, el equipo acabará en una posición similar a la que proyectaba o incluso peor, y solo 1 de cada 4 cambios resulta ser un acierto estratégico que cambia el destino del club. Y esto te lo dice la ciencia estadística. No es opinión.
En ese momento yo no lo sabía (no había leído el estudio), pero básicamente lo que hace es cometer errores similares a los que he apuntado del paper.
Es correcto que no podemos afirmar con confianza que cambiar de entrenador mejore el rendimiento. Tampoco yo pretendía hacer ver eso (realmente es de sentido común que no puede ser tan simple, ¿quién va a creer que hacer mejorar a un equipo es tan fácil como cambiar de entrenador?). Más bien, lo que yo intentaba es refutar la tesis que sostiene riazoj en la cita, así que comprobé cuatro datos rápidos y los expuse. Siendo más rigurosos, lo que podemos decir ahora (leído el paper) es que los estudios de mejor calidad han encontrado efectos neutros, y que la evidencia no permite conclusiones causales sólidas.
Ahora te cuento por qué @riazoj no tiene razón y por qué es erróneo creer que en parte la tiene, porque todo el razonamiento que hace es confuso.
En primer lugar, las cifras específicas que menciona ("75% de los casos", "1 de cada 4") no aparecen en ningún estudio riguroso. Se las ha inventado. Está haciendo exactamente lo que critiqué en el post anterior: afirmar certeza numérica sin base empírica. Ojo, entiendo el contexto, es un mensaje de foro, en ningún caso pretendo hacer ver que nos haya intentado engañar deliberadamente, pero es evidente que se ha pasado de frenada.
En segundo lugar, riazoj confunde "efecto neutro en promedio" con "no funciona casi nunca". Un efecto neutro promedio significa que cuando agregas todos los casos, algunos cambios funcionan bien, otros funcionan mal, y en conjunto se cancelan. No significa que solo el veinticinco por ciento funcione. Podrías tener que el 50% de cambios funciona muy bien y el otro 50% funciona muy mal, y el promedio seguiría siendo neutro. No es lo mismo eso que "nunca funciona".
En tercer lugar, y esto es crítico: cuando riazoj dice "mira como les suele ir a los equipos cuando cambian", está cayendo en la misma trampa metodológica que invalida la mayoría de estudios. Si observas que equipos cerca del descenso cambian de entrenador y luego descienden, eso no prueba que el cambio no funcionó. Esos equipos ya estaban descendiendo, por eso cambiaron. La pregunta relevante es: ¿les fue peor de lo que les habría ido sin cambiar? Para responder eso necesitas un grupo control de equipos en situación similar que no cambiaron. riazoj no tiene ese grupo control, como es lógico. Pero está mirando solo los casos que cambiaron y asumiendo que el resultado es culpa del cambio. Y eso es un error.
En cuarto lugar, la frase "esto te lo dice la ciencia estadística" es directamente falsa. La ciencia estadística actual dice: "la evidencia es insuficiente, contradictoria, y los diseños observacionales no permiten establecer causalidad con confianza". Precisamente lo opuesto a certeza.
La respuesta correcta sería algo como: "No, la ciencia estadística no dice lo que riazoj afirma. Lo que dice la mejor evidencia disponible es que el efecto promedio del cambio de entrenador, cuando se controla adecuadamente por regresión a la media, parece ser pequeño o nulo. Pero esto no significa bajo ningún concepto que nunca funcione, ni que solo funcione el 25% de las veces. Significa que no podemos predecir con confianza qué cambios funcionarán y cuáles no, y que en promedio agregado el efecto se cancela. Algunos cambios probablemente funcionan muy bien cuando reemplazas un mal entrenador por uno excelente. Otros no funcionan porque el problema no era el entrenador. La incertidumbre es genuina, y quien te diga cifras específicas con autoridad te está mintiendo, porque esas cifras no existen en la literatura científica seria".
Mensajepor riazoj » Jueves 25 de Diciembre de 2025, 15:08
Elegí ese artículo, más que nada, para resumir lo que veo que ocurre en realidad. Pero bueno, veo que te lo has tomado muy en serio; me parece perfecto.
Lo cierto —y ya que sabes cómo funciona la ciencia— es que la hipótesis de que el cambio de entrenador tiene efectos positivos no está demostrada. Se puede falsear fácilmente con la regresión a la media; es una putada que exista, lo sé. A lo mejor algún día se descubre que los cambios de entrenador favorecen a los clubes por sus intervenciones, pero de momento, nada. Entonces la conclusión es clara, si no puedes demostrar que es verdad que cambiar el entrenador mejora el rendimiento en los equipos, es que no es verdad. Por otro lado sabemos que el efecto entrenador dura cinco partidos. Aunque el artículo ese sea una basura, es complicado negar el efecto corto plazo. Lo veo una y otra vez. Blanco y en botella
Lo siento, Yuko.
Mensajepor Yukio » Jueves 25 de Diciembre de 2025, 15:58
Estimado @riazoj, en primer lugar, te sugiero que te ahorres los detalles tipo “lo siento” o eso de que me lo he tomado muy en serio. No es que me ofenda, en absoluto, pero no te deja en buen lugar. Estamos debatiendo un tema. Puedes contestar o no, pero si lo haces, limítate al asunto porque lo demás no viene al caso. Soy una persona bastante mayor, me tomo en serio lo que me parece (desde el respeto) y trato de conversar con argumentos. Sin más.
Así que vamos a tu argumento central, que es donde cometes un error lógico tan elemental que me sorprende que no lo veas. Dices que la hipótesis de que cambiar de entrenador mejora el rendimiento no está demostrada, y concluyes que por tanto no es verdad. Esto es una falacia lógica clásica llamada argumentum ad ignorantiam, argumento desde la ignorancia. Confundes “no hay evidencia suficiente de X” con “hay evidencia de que X es falso”. Son cosas radicalmente diferentes. Antes de que tuviéramos telescopios potentes, no podíamos demostrar que existieran planetas fuera del sistema solar. Según tu lógica, eso significaría que no existían. Ahora sabemos que hay miles. La ausencia de evidencia concluyente no es evidencia de ausencia.
En ciencia, cuando la evidencia es insuficiente, contradictoria, o cuando los diseños metodológicos no permiten establecer causalidad con confianza, la conclusión correcta es suspender el juicio. No es declarar que algo es falso. Es decir “no lo sabemos con certeza”. La diferencia es epistemológica fundamental. Yo puedo decir “no tenemos evidencia concluyente de que cambiar de entrenador mejore el rendimiento en promedio cuando se controla adecuadamente por regresión a la media”. Esto no es equivalente a decir “cambiar de entrenador no mejora el rendimiento”. Lo primero es una afirmación sobre el estado de nuestra evidencia. Lo segundo es una afirmación sobre la realidad. Tú estás haciendo un salto lógico injustificado de uno a otro.
Luego hablas de “falsear” la hipótesis con la regresión a la media, y aquí demuestras que no entiendes qué significa falsación en filosofía de la ciencia. Karl Popper propuso que las teorías científicas deben ser falsables, es decir, debe ser posible en principio observar algo que las demuestre falsas. Una teoría es falsable si existe algún experimento u observación imaginable que podría contradecirla. Pero falsable no significa “fácil de descartar” ni “podemos ignorarla porque hay factores confusores que dificultan su medición”. La regresión a la media no falsea la hipótesis del efecto entrenador. La regresión a la media es una variable confusora que hace más difícil medir el efecto, no evidencia de que el efecto no existe.
Es exactamente el mismo error que sería decir “la hipótesis de que fumar causa cáncer se puede falsear fácilmente porque también hay factores genéticos que causan cáncer”. No, los factores genéticos hacen más complicado medir el efecto específico del tabaco, pero no falsean la hipótesis. Para falsear la hipótesis del efecto entrenador necesitarías demostrar que incluso con control perfecto de regresión a la media y todas las demás variables confusoras, cambiar de entrenador nunca tiene ningún efecto positivo. Los estudios con grupo control adecuado encuentran efecto neutro en promedio, lo cual es perfectamente compatible con que algunos cambios funcionen muy bien y otros funcionen muy mal, cancelándose mutuamente. Efecto promedio neutro no significa que el efecto no existe, significa que no es consistentemente positivo o negativo. Esto ya se ha explicado antes, es absurdo insistir.
Pero aquí viene lo realmente devastador de tu argumento, y es que te contradices frontalmente en el mismo mensaje. En el segundo párrafo dices “si no puedes demostrar que es verdad que cambiar el entrenador mejora el rendimiento, es que no es verdad”. En el tercer párrafo dices “sabemos que el efecto entrenador dura cinco partidos. Aunque el artículo ese sea una basura, es complicado negar el efecto corto plazo. Lo veo una y otra vez”. Esto es lógicamente contradictorio. No puedes simultáneamente afirmar que el efecto no existe porque no está demostrado suficientemente, y que el efecto existe a corto plazo porque lo observas repetidamente. O existe o no existe. Si aceptas que hay efecto a corto plazo durante cinco partidos, estás aceptando que cambiar entrenador sí tiene efectos medibles en el rendimiento, solo que estos efectos son temporales y luego se disipan.
Esto no es “no es verdad que mejore el rendimiento”, esto es “el efecto es pequeño, transitorio, y no suficientemente grande o consistente para impactar los resultados finales de temporada”. Son afirmaciones completamente diferentes. Una dice que no pasa nada cuando cambias de entrenador. La otra dice que pasa algo pero es limitado en magnitud y duración. Si tu posición real es la segunda, entonces estás de acuerdo conmigo en que la evidencia muestra efectos pequeños y transitorios. Si tu posición es la primera, entonces contradices tu propia observación del efecto a cinco partidos. No puedes tener ambas.
Y aquí llegamos al problema más grande de tu argumento, que es eso de “lo veo una y otra vez. Blanco y en botella”. Esto no es evidencia de nada excepto de que tienes sesgo de confirmación. Tu cerebro humano, igual que el mío, igual que el de todos, está programado para notar y recordar los casos que confirman nuestras teorías previas e ignorar o olvidar los que las contradicen. Es el mismo mecanismo psicológico por el que la gente cree en horóscopos. Leen una predicción vaga tipo “tendrás un encuentro importante esta semana”, luego tienen una reunión de trabajo normal, y su cerebro codifica eso como confirmación de la predicción. Los días en que la predicción falla simplemente no se registran con la misma intensidad.
Si realmente quieres saber qué ocurre “una y otra vez” con los cambios de entrenador, no puedes basarte en lo que crees ver. Necesitas hacer lo siguiente: definir operacionalmente y antes de mirar los datos qué consideras “efecto a corto plazo”, luego registrar sistemáticamente todos los cambios de entrenador en una liga completa durante al menos una temporada, medir el rendimiento antes y después en todos ellos usando criterios consistentes, comparar con un grupo control de equipos en situación similar que no cambiaron, y analizar estadísticamente los resultados controlando por calendario, lesiones, y otras variables confusoras. Esto es lo que hacen los estudios que critiqué. Tu percepción personal de lo que ves no es un sustituto válido para esto. Lo que ves es anécdota con sesgo de selección.
Hay un problema conceptual más profundo aquí que quiero señalar. Confundes constantemente efecto promedio con efectos individuales, exactamente el mismo error que comete el estudio que critiqué. Imagina que tienes una moneda trucada que cae cara el cincuenta y dos por ciento de las veces y cruz el cuarenta y ocho por ciento. Si la lanzas mil veces, en promedio sale más cara que cruz. Esto es un hecho estadístico verificable. Pero si lanzas esa misma moneda solo diez veces, podrías perfectamente obtener seis cruces y cuatro caras por pura varianza aleatoria. Si observas solo esas diez tiradas, podrías concluir erróneamente que la moneda favorece cruz. Pero estarías equivocado. El efecto real existe pero es pequeño, y con muestras pequeñas no puedes detectarlo de forma fiable.
Trasladado al fútbol, es perfectamente posible que cambiar de entrenador mejore el rendimiento en promedio un cinco o un diez por ciento, que este efecto sea real pero pequeño, que con todo el ruido estadístico inherente al fútbol como lesiones, decisiones arbitrales, tiros al palo que entran o no entran por centímetros, sea extremadamente difícil de detectar, y que los estudios observacionales sin control adecuado de variables confusoras simplemente no tengan el poder estadístico para aislarlo. La conclusión científica honesta ante esta situación es “no sabemos con suficiente certeza”, no “entonces el efecto no existe”. Tú estás saltando de incertidumbre evidencial a certeza de no-existencia, y ese salto no está justificado.
Quiero señalar también la inconsistencia en tu uso de evidencia. Dices que el artículo es una basura pero luego usas su hallazgo sobre el efecto de cinco partidos como si fuera confiable. Estás aplicando un estándar de evidencia conveniente: descalificar la evidencia cuando contradice tu posición, pero aceptarla cuando la apoya. Si el artículo es metodológicamente deficiente, entonces todos sus hallazgos son cuestionables, incluyendo lo de los cinco partidos. Si confías en el hallazgo de los cinco partidos, entonces no puedes descalificar completamente el artículo. No puedes tener ambas cosas simultáneamente. Esto es precisamente sesgo de confirmación en acción.
Finalmente, volvamos a tu afirmación inicial que motivó todo este análisis. Dijiste que “en el setenta y cinco por ciento de los casos, el equipo acabará en una posición similar o peor, y solo uno de cada cuatro cambios resulta ser un acierto estratégico”. Estas cifras específicas no aparecen en ningún estudio riguroso. Te las inventaste o las sacaste de alguna fuente que se las inventó. Luego citaste “la ciencia estadística” como autoridad. Cuando te señalo que esas cifras no tienen base empírica, tu respuesta es básicamente “bueno, era para resumir lo que veo que ocurre en realidad”. Esto no es cómo funciona la ciencia. No puedes invocar autoridad científica para afirmaciones inventadas, y luego cuando te pillan con el carrito del helado, decir que era solo tu impresión personal. O es ciencia o es opinión, ambas válidas en un foro, pero no es honesto cambiar de una a otra según te convenga.
La posición científica correcta ante la evidencia disponible sobre cambios de entrenador es esta: los estudios metodológicamente más rigurosos, que usan grupos control para aislar el efecto del cambio de otros factores confusores como regresión a la media, encuentran consistentemente efectos neutros o pequeños en promedio. Esto es compatible con múltiples interpretaciones. Podría ser que cambiar de entrenador realmente no tiene ningún efecto. Podría ser que tiene efectos pequeños que son difíciles de detectar con estos diseños. Podría ser que algunos cambios funcionan muy bien y otros muy mal, cancelándose en promedio. Podría ser que hay efectos a corto plazo que no persisten lo suficiente para impactar resultados finales. La evidencia actual no nos permite discriminar definitivamente entre estas interpretaciones. Por tanto, la conclusión honesta es reconocer esta incertidumbre, no declarar con autoridad que “no es verdad” que los cambios mejoren el rendimiento. Es que es tan obvio que hasta da pudor tener que explicarlo otra vez.
Si quieres defender que cambiar de entrenador definitivamente no funciona, necesitas evidencia positiva de eso, no solo señalar que la evidencia de que funciona es débil o insuficiente. Necesitarías estudios que demuestren que incluso en condiciones controladas, incluso separando cambios buenos de malos, incluso ajustando por calidad del entrenador entrante versus saliente, nunca hay mejoras. Esa evidencia no existe. Lo que existe es evidencia de que en promedio, con todos los cambios mezclados buenos y malos, el efecto agregado es pequeño o neutro. Eso no te da licencia para afirmar “entonces no funciona”. Te da base para decir “es complicado y no lo sabemos con certeza”.
Estimado @riazoj, en primer lugar, te sugiero que te ahorres los detalles tipo “lo siento” o eso de que me lo he tomado muy en serio. No es que me ofenda, en absoluto, pero no te deja en buen lugar. Estamos debatiendo un tema. Puedes contestar o no, pero si lo haces, limítate al asunto porque lo demás no viene al caso. Soy una persona bastante mayor, me tomo en serio lo que me parece (desde el respeto) y trato de conversar con argumentos. Sin más.
Así que vamos a tu argumento central, que es donde cometes un error lógico tan elemental que me sorprende que no lo veas. Dices que la hipótesis de que cambiar de entrenador mejora el rendimiento no está demostrada, y concluyes que por tanto no es verdad. Esto es una falacia lógica clásica llamada argumentum ad ignorantiam, argumento desde la ignorancia. Confundes “no hay evidencia suficiente de X” con “hay evidencia de que X es falso”. Son cosas radicalmente diferentes. Antes de que tuviéramos telescopios potentes, no podíamos demostrar que existieran planetas fuera del sistema solar. Según tu lógica, eso significaría que no existían. Ahora sabemos que hay miles. La ausencia de evidencia concluyente no es evidencia de ausencia.
En ciencia, cuando la evidencia es insuficiente, contradictoria, o cuando los diseños metodológicos no permiten establecer causalidad con confianza, la conclusión correcta es suspender el juicio. No es declarar que algo es falso. Es decir “no lo sabemos con certeza”. La diferencia es epistemológica fundamental. Yo puedo decir “no tenemos evidencia concluyente de que cambiar de entrenador mejore el rendimiento en promedio cuando se controla adecuadamente por regresión a la media”. Esto no es equivalente a decir “cambiar de entrenador no mejora el rendimiento”. Lo primero es una afirmación sobre el estado de nuestra evidencia. Lo segundo es una afirmación sobre la realidad. Tú estás haciendo un salto lógico injustificado de uno a otro.
Luego hablas de “falsear” la hipótesis con la regresión a la media, y aquí demuestras que no entiendes qué significa falsación en filosofía de la ciencia. Karl Popper propuso que las teorías científicas deben ser falsables, es decir, debe ser posible en principio observar algo que las demuestre falsas. Una teoría es falsable si existe algún experimento u observación imaginable que podría contradecirla. Pero falsable no significa “fácil de descartar” ni “podemos ignorarla porque hay factores confusores que dificultan su medición”. La regresión a la media no falsea la hipótesis del efecto entrenador. La regresión a la media es una variable confusora que hace más difícil medir el efecto, no evidencia de que el efecto no existe.
Es exactamente el mismo error que sería decir “la hipótesis de que fumar causa cáncer se puede falsear fácilmente porque también hay factores genéticos que causan cáncer”. No, los factores genéticos hacen más complicado medir el efecto específico del tabaco, pero no falsean la hipótesis. Para falsear la hipótesis del efecto entrenador necesitarías demostrar que incluso con control perfecto de regresión a la media y todas las demás variables confusoras, cambiar de entrenador nunca tiene ningún efecto positivo. Los estudios con grupo control adecuado encuentran efecto neutro en promedio, lo cual es perfectamente compatible con que algunos cambios funcionen muy bien y otros funcionen muy mal, cancelándose mutuamente. Efecto promedio neutro no significa que el efecto no existe, significa que no es consistentemente positivo o negativo. Esto ya se ha explicado antes, es absurdo insistir.
Pero aquí viene lo realmente devastador de tu argumento, y es que te contradices frontalmente en el mismo mensaje. En el segundo párrafo dices “si no puedes demostrar que es verdad que cambiar el entrenador mejora el rendimiento, es que no es verdad”. En el tercer párrafo dices “sabemos que el efecto entrenador dura cinco partidos. Aunque el artículo ese sea una basura, es complicado negar el efecto corto plazo. Lo veo una y otra vez”. Esto es lógicamente contradictorio. No puedes simultáneamente afirmar que el efecto no existe porque no está demostrado suficientemente, y que el efecto existe a corto plazo porque lo observas repetidamente. O existe o no existe. Si aceptas que hay efecto a corto plazo durante cinco partidos, estás aceptando que cambiar entrenador sí tiene efectos medibles en el rendimiento, solo que estos efectos son temporales y luego se disipan.
Esto no es “no es verdad que mejore el rendimiento”, esto es “el efecto es pequeño, transitorio, y no suficientemente grande o consistente para impactar los resultados finales de temporada”. Son afirmaciones completamente diferentes. Una dice que no pasa nada cuando cambias de entrenador. La otra dice que pasa algo pero es limitado en magnitud y duración. Si tu posición real es la segunda, entonces estás de acuerdo conmigo en que la evidencia muestra efectos pequeños y transitorios. Si tu posición es la primera, entonces contradices tu propia observación del efecto a cinco partidos. No puedes tener ambas.
Y aquí llegamos al problema más grande de tu argumento, que es eso de “lo veo una y otra vez. Blanco y en botella”. Esto no es evidencia de nada excepto de que tienes sesgo de confirmación. Tu cerebro humano, igual que el mío, igual que el de todos, está programado para notar y recordar los casos que confirman nuestras teorías previas e ignorar o olvidar los que las contradicen. Es el mismo mecanismo psicológico por el que la gente cree en horóscopos. Leen una predicción vaga tipo “tendrás un encuentro importante esta semana”, luego tienen una reunión de trabajo normal, y su cerebro codifica eso como confirmación de la predicción. Los días en que la predicción falla simplemente no se registran con la misma intensidad.
Si realmente quieres saber qué ocurre “una y otra vez” con los cambios de entrenador, no puedes basarte en lo que crees ver. Necesitas hacer lo siguiente: definir operacionalmente y antes de mirar los datos qué consideras “efecto a corto plazo”, luego registrar sistemáticamente todos los cambios de entrenador en una liga completa durante al menos una temporada, medir el rendimiento antes y después en todos ellos usando criterios consistentes, comparar con un grupo control de equipos en situación similar que no cambiaron, y analizar estadísticamente los resultados controlando por calendario, lesiones, y otras variables confusoras. Esto es lo que hacen los estudios que critiqué. Tu percepción personal de lo que ves no es un sustituto válido para esto. Lo que ves es anécdota con sesgo de selección.
Hay un problema conceptual más profundo aquí que quiero señalar. Confundes constantemente efecto promedio con efectos individuales, exactamente el mismo error que comete el estudio que critiqué. Imagina que tienes una moneda trucada que cae cara el cincuenta y dos por ciento de las veces y cruz el cuarenta y ocho por ciento. Si la lanzas mil veces, en promedio sale más cara que cruz. Esto es un hecho estadístico verificable. Pero si lanzas esa misma moneda solo diez veces, podrías perfectamente obtener seis cruces y cuatro caras por pura varianza aleatoria. Si observas solo esas diez tiradas, podrías concluir erróneamente que la moneda favorece cruz. Pero estarías equivocado. El efecto real existe pero es pequeño, y con muestras pequeñas no puedes detectarlo de forma fiable.
Trasladado al fútbol, es perfectamente posible que cambiar de entrenador mejore el rendimiento en promedio un cinco o un diez por ciento, que este efecto sea real pero pequeño, que con todo el ruido estadístico inherente al fútbol como lesiones, decisiones arbitrales, tiros al palo que entran o no entran por centímetros, sea extremadamente difícil de detectar, y que los estudios observacionales sin control adecuado de variables confusoras simplemente no tengan el poder estadístico para aislarlo. La conclusión científica honesta ante esta situación es “no sabemos con suficiente certeza”, no “entonces el efecto no existe”. Tú estás saltando de incertidumbre evidencial a certeza de no-existencia, y ese salto no está justificado.
Quiero señalar también la inconsistencia en tu uso de evidencia. Dices que el artículo es una basura pero luego usas su hallazgo sobre el efecto de cinco partidos como si fuera confiable. Estás aplicando un estándar de evidencia conveniente: descalificar la evidencia cuando contradice tu posición, pero aceptarla cuando la apoya. Si el artículo es metodológicamente deficiente, entonces todos sus hallazgos son cuestionables, incluyendo lo de los cinco partidos. Si confías en el hallazgo de los cinco partidos, entonces no puedes descalificar completamente el artículo. No puedes tener ambas cosas simultáneamente. Esto es precisamente sesgo de confirmación en acción.
Finalmente, volvamos a tu afirmación inicial que motivó todo este análisis. Dijiste que “en el setenta y cinco por ciento de los casos, el equipo acabará en una posición similar o peor, y solo uno de cada cuatro cambios resulta ser un acierto estratégico”. Estas cifras específicas no aparecen en ningún estudio riguroso. Te las inventaste o las sacaste de alguna fuente que se las inventó. Luego citaste “la ciencia estadística” como autoridad. Cuando te señalo que esas cifras no tienen base empírica, tu respuesta es básicamente “bueno, era para resumir lo que veo que ocurre en realidad”. Esto no es cómo funciona la ciencia. No puedes invocar autoridad científica para afirmaciones inventadas, y luego cuando te pillan con el carrito del helado, decir que era solo tu impresión personal. O es ciencia o es opinión, ambas válidas en un foro, pero no es honesto cambiar de una a otra según te convenga.
La posición científica correcta ante la evidencia disponible sobre cambios de entrenador es esta: los estudios metodológicamente más rigurosos, que usan grupos control para aislar el efecto del cambio de otros factores confusores como regresión a la media, encuentran consistentemente efectos neutros o pequeños en promedio. Esto es compatible con múltiples interpretaciones. Podría ser que cambiar de entrenador realmente no tiene ningún efecto. Podría ser que tiene efectos pequeños que son difíciles de detectar con estos diseños. Podría ser que algunos cambios funcionan muy bien y otros muy mal, cancelándose en promedio. Podría ser que hay efectos a corto plazo que no persisten lo suficiente para impactar resultados finales. La evidencia actual no nos permite discriminar definitivamente entre estas interpretaciones. Por tanto, la conclusión honesta es reconocer esta incertidumbre, no declarar con autoridad que “no es verdad” que los cambios mejoren el rendimiento. Es que es tan obvio que hasta da pudor tener que explicarlo otra vez.
Si quieres defender que cambiar de entrenador definitivamente no funciona, necesitas evidencia positiva de eso, no solo señalar que la evidencia de que funciona es débil o insuficiente. Necesitarías estudios que demuestren que incluso en condiciones controladas, incluso separando cambios buenos de malos, incluso ajustando por calidad del entrenador entrante versus saliente, nunca hay mejoras. Esa evidencia no existe. Lo que existe es evidencia de que en promedio, con todos los cambios mezclados buenos y malos, el efecto agregado es pequeño o neutro. Eso no te da licencia para afirmar “entonces no funciona”. Te da base para decir “es complicado y no lo sabemos con certeza”.
Entiendo tu punto, Yukio: ante la falta de evidencia perfecta, tú eliges la incertidumbre. Es una postura cómoda, pero poco práctica.
En ciencia, si una intervención (el cambio de técnico) no demuestra beneficios claros tras x décadas de estudio y x número de casos, la carga de la prueba recae en quien afirma que sí funciona. Lo que tú llamas 'incertidumbre', en gestión se llama falta de eficacia.
Me pides evidencia positiva de que 'no funciona', pero es que la ciencia no funciona así: no se puede demostrar la inexistencia de un efecto milagroso, se demuestra la falta de resultados consistentes. Si después de tanto tiempo lo único que tenemos es 'es complicado', es que el impacto real, si existe, es irrelevante frente al coste que supone. Para mí, si algo no demuestra funcionar de forma sólida, simplemente no es una herramienta válida. Quedémonos cada uno con nuestra conclusión: tú con la duda académica y yo con la evidencia de la falta de resultados.
Por mi parte finalizo este debate. Te ruego que me perdones si te has sentido ofendido. Nada más lejos de la realidad de lo que soy. Saludos.
Mensajepor Yukio » Jueves 25 de Diciembre de 2025, 18:10
Vamos a diseccionar esto con cuidado porque estás cambiando tu posición en tiempo real sin darte cuenta, y lo haces mientras me acusas de ser “poco práctico” por reconocer incertidumbre.
Empecemos por tu reframing de la situación. Tu mensaje original no decía “no hay evidencia suficiente de que funcione”. Decías cifras específicas: el 75% de casos fracasan, uno de cada cuatro funciona, el efecto dura exactamente cinco partidos. Citabas “la ciencia estadística” como autoridad. Luego, cuando demuestro que esas cifras no existen en la literatura, te repliegas a “bueno, era mi impresión”. Ahora te repliegas aún más a “la incertidumbre es una postura cómoda pero poco práctica”. Esto es movimiento de postes. Primero haces afirmaciones categóricas numéricas. Cuando te las tumban, te refugias en que yo estoy siendo poco práctico por no hacer afirmaciones categóricas. No puedes tener ambas cosas.
Tu frase “ante la falta de evidencia perfecta, tú eliges la incertidumbre” es una caracterización completamente deshonesta de mi posición. No estoy pidiendo evidencia perfecta. Estoy pidiendo evidencia consistente con la magnitud de certeza que tú reclamas. Tú afirmaste porcentajes específicos con autoridad científica. Eso requiere evidencia cuantitativa sólida. Cuando señalo que esa evidencia no existe, no me puedes acusar de pedir perfección. Te estoy pidiendo lo básico ante lo que tú afirmas: que tus afirmaciones numéricas tengan base empírica. No la tienen. Esto no es buscar perfección, es señalar que inventaste datos.
Ahora hablas de “décadas de estudio y equis número de casos”, pero convenientemente ignoras que ya te expliqué que la mayoría de esos estudios tienen diseños metodológicos inadecuados que no pueden establecer causalidad. No es que tengamos décadas de evidencia sólida mostrando que no funciona. Tenemos décadas de estudios observacionales con problemas de endogeneidad, control inadecuado de variables confusoras, y heterogeneidad metodológica que impide síntesis. Los pocos estudios bien diseñados con grupos control encuentran efectos neutros en promedio, lo cual es compatible con que algunos cambios funcionen y otros no. No, décadas de mala evidencia no se convierten en buena evidencia por acumulación.
Tu argumento de que “la carga de la prueba recae en quien afirma que sí funciona” invierte completamente la lógica de la situación. Porque tú no estás adoptando una posición neutral de suspensión de juicio. Estás haciendo una afirmación positiva: que cambiar de entrenador no funciona, que es una “moneda al aire”, que el setenta y cinco por ciento fracasa. Estas son afirmaciones específicas sobre la realidad que requieren evidencia. No puedes esconderte detrás de “ausencia de evidencia” cuando tú mismo estás haciendo afirmaciones causales específicas. Si tu posición fuera realmente “no lo sabemos”, estaríamos de acuerdo. Pero tu posición es “sé que no funciona”, y eso requiere evidencia tanto como “sé que funciona”. Solo faltaría.
El argumento de que “en gestión la incertidumbre es falta de eficacia” es sofisma puro. En gestión, cuando tienes incertidumbre sobre una intervención, lo que haces es intentar identificar en qué condiciones es más probable que funcione. No declaras arbitrariamente que no funciona nunca. Imagina un gestor médico diciendo “bueno, este tratamiento muestra efectos pequeños e inconsistentes en los estudios, así que voy a declarar que no funciona y prohibirlo”. Eso no es buena gestión, es decisión arbitraria disfrazada de pragmatismo. La buena gestión ante incertidumbre es intentar reducir la incertidumbre con mejor evidencia, o buscar moderadores que predigan cuándo es más probable que la intervención funcione.
Dices “no se puede demostrar la inexistencia de un efecto”. Esto es parcialmente correcto pero lo usas de forma completamente deshonesta. Es cierto que demostrar inexistencia absoluta es filosóficamente difícil. Pero eso no te da licencia para afirmar inexistencia sin evidencia. La posición científica correcta es proporcional a la evidencia. Si la evidencia es débil o contradictoria, tu conclusión debe ser débil e incluir incertidumbre. Tú estás tomando evidencia débil y extrayendo conclusiones fuertes. Eso no es pragmatismo, es mala epistemología.
Tú mismo admitiste que hay efectos a corto plazo de cinco partidos. Si hay efectos medibles durante cinco partidos, entonces cambiar de entrenador sí tiene efectos en el rendimiento. No puedes luego dar media vuelta y decir que “no demuestra funcionar de forma sólida”. O hay efectos o no los hay. Tú ya concediste que los hay, solo que son temporales. Entonces tu argumento no es que cambiar de entrenador no funciona, es que funciona temporalmente pero no lo suficiente para justificar el coste. Eso es un argumento completamente diferente sobre coste-beneficio, no sobre si el efecto existe.
Y ese argumento coste-beneficio también necesita evidencia que no tienes. Para saber si el coste justifica el beneficio necesitas saber cuánto cuesta cambiar de entrenador en promedio, cuánto beneficio produce en promedio considerando tanto efectos a corto como largo plazo, y cuál es el coste de oportunidad de no cambiar. Ninguno de estos datos los has aportado. Estás haciendo un juicio de valor disfrazado de análisis coste-beneficio.
La frase “si algo no demuestra funcionar de forma sólida, simplemente no es una herramienta válida” es absurda aplicada universalmente. Muchísimas intervenciones en campos complejos muestran efectos pequeños, inconsistentes, o difíciles de medir, pero aun así se usan porque en ciertos contextos o con ciertos subgrupos funcionan. El problema no es que la intervención sea inválida, es que no entendemos suficientemente bien cuándo y por qué funciona. La respuesta correcta no es abandonarla, es investigar mejor bajo qué condiciones es efectiva.
Además, estás aplicando un estándar asimétrico brutal. Para cambiar de entrenador exiges evidencia sólida de efectividad. Pero la alternativa, no cambiar de entrenador cuando el equipo va mal, tampoco tiene evidencia sólida de ser la mejor opción. Si vas a ser consistente en tu escepticismo, deberías aplicarlo en ambas direcciones. Un equipo en zona de descenso que no cambia de entrenador tampoco tiene garantía de mejorar. De hecho, la evidencia descriptiva muestra que la mayoría de equipos que no cambian y siguen yendo mal, acaban descendiendo. Entonces tu argumento se convierte en: ante la incertidumbre sobre si cambiar ayuda, es mejor no hacer nada. Pero “no hacer nada” también es una decisión que necesita justificación.
Tu dicotomía final entre “duda académica” versus “evidencia de falta de resultados” es retórica vacía. No tienes evidencia de falta de resultados. Tienes ausencia de evidencia concluyente de resultados, que no es lo mismo. Y caracterizar reconocimiento de incertidumbre como “duda académica” poco práctica es un intento de ganar el argumento por asociación emocional en lugar de lógica. La incertidumbre no es cobardía intelectual ni falta de practicidad. Es honestidad sobre el estado del conocimiento.
Los gestores de verdad, los buenos gestores en cualquier campo, entienden que tomar decisiones bajo incertidumbre es parte del trabajo. No pretenden tener certeza donde no la hay. Calibran su confianza según la evidencia disponible. Cuando la evidencia es débil, reconocen que están haciendo apuestas informadas, no aplicando conocimiento establecido. Lo que tú estás haciendo es pretender certeza donde no la tienes, llamar a eso “ser práctico”, y acusar de poco práctico a quien señala que estás extrapolando más allá de lo que los datos permiten.
Mira, si tu posición real es “dado el coste económico y la disrupción organizacional de cambiar de entrenador, y dada la incertidumbre sobre su efectividad, mi preferencia personal es evitar cambios a menos que sea absolutamente necesario”, esa es una posición defendible. Es una preferencia de gestión de riesgo. Pero eso es muy diferente de “la ciencia estadística demuestra que el setenta y cinco por ciento fracasa”. Lo primero es honesto. Lo segundo es falsificación de autoridad científica para apoyar tu preferencia personal.
Y esa es realmente la diferencia entre tu posición y la mía. Yo digo: la evidencia es insuficiente y contradictoria, probablemente hay efectos pequeños y contexto-dependientes que no entendemos bien, y quien te diga que tiene certeza en cualquier dirección (que es justo lo que tú hiciste) te está mintiendo. Tú dices: tengo certeza de que no funciona porque la alternativa es incertidumbre que me parece poco práctica. Una de estas posiciones es científicamente defendible. La otra es dogmatismo disfrazado de pragmatismo.
Quedémonos cada uno con nuestra conclusión, dices. Yo me quedo con reconocer honestamente lo que sabemos y lo que no sabemos. Tú te quedas con afirmaciones numéricas inventadas y certeza injustificada. La diferencia es que mi posición no pretende ser lo que no es.
Y no te preocupes, no me has ofendido; al contrario, ha sido divertido y enriquecedor aunque no estemos de acuerdo. Hasta el próximo debate
Pois eu que queredes que vos diga, recurrir á ciencia para decidir si un cambio de entrenador e bo ou non, pareceme bastante lamentable. Se esto fora unha ciencia exacta, non estariamos aqui no dia de navidad escribindo en un foro de segunda división.
Pois eu que queredes que vos diga, recurrir á ciencia para decidir si un cambio de entrenador e bo ou non, pareceme bastante lamentable. Se esto fora unha ciencia exacta, non estariamos aqui no dia de navidad escribindo en un foro de segunda división.
Exacto. Todo esto ha salido de ahí, de que alguien ha afirmado que la ciencia decía X. Precisamente porque es complejo, con múltiples variables y resultados contexto-dependientes, necesitas evidencia sistemática en lugar de intuición. La ciencia no es solo para fenómenos exactos y predecibles. De hecho, es especialmente valiosa para fenómenos complejos donde la intuición falla. La medicina no es una ciencia exacta, cada paciente es diferente, y aun así usamos ensayos clínicos para entender qué tratamientos funcionan mejor en qué condiciones. La economía no es exacta, cada crisis es distinta, y aun así estudiamos datos para informar políticas.
Estamos debatiendo precisamente porque riazoj ha presentado unas cifras no respaldadas como “ciencia estadística” para defender ‘científicamente’ que cambiar de entrenador no suele servir. Y yo creo que el objetivo no es obtener una respuesta binaria universal “bueno/malo”. Debe ser entender bajo qué condiciones un cambio tiene más probabilidades de funcionar: momento de temporada, tipo de problema del equipo, calidad del reemplazo, características de la plantilla. Eso es exactamente lo que la investigación debería hacer pero aún no hace bien. Al menos, así lo veo yo.
Para @QUIMERA:
El debate comenzó cuando alguien afirmó con autoridad científica que cambiar de entrenador fracasa en el setenta y cinco por ciento de casos, citando cifras específicas que no existen en ningún estudio riguroso. Al analizar la revisión sistemática que supuestamente respaldaba estas afirmaciones, vimos que tiene fallos metodológicos graves: no hace el meta-análisis que declara hacer, incluye mayoritariamente estudios sin grupos control adecuados que no pueden aislar el efecto del cambio de la regresión a la media, presenta heterogeneidad metodológica que impide síntesis válida, y llega a conclusiones contradictorias con su propia evidencia. Cuando se confrontó con esto, riazoj cambió su argumento a “si no puedes demostrar que funciona, entonces no funciona”, cometiendo una inversión de la carga de la prueba y contradicción interna al simultáneamente afirmar que no hay efecto y que hay efecto a corto plazo. La realidad es que los estudios metodológicamente más sólidos, aquellos con grupos control apropiados, encuentran consistentemente efectos neutros o muy pequeños en promedio, lo cual es compatible con que algunos cambios funcionen y otros no, ‘cancelándose’ mutuamente. La conclusión honesta no es certeza de que funciona ni certeza de no funciona, sino reconocimiento de que la evidencia actual es insuficiente para discriminar entre múltiples interpretaciones, y que quien afirme certeza numérica específica en cualquier dirección (como riazoj hizo) está extrapolando más allá de lo que los datos permiten.
