¿Qué es una escala de tres puntos y por qué sigue vigente?
Imagina que entras a una tienda, terminas tu compra, y al salir ves una tablet con solo tres botones: , , y un pulgar medio. No tienes que pensar. No necesitas leer. Respondes con el instinto. Esa simplicidad es la razón de su supervivencia. Técnicamente, estamos ante una escala ordinal categórica con tres niveles: positivo, negativo e intermedio. No es una métrica fina, pero tampoco pretende serlo. Su potencia está en la accesibilidad.
Sin embargo, su uso no está exento de críticas. Muchos investigadores sociales encuentran esta escala demasiado limitada. ¿Realmente puedes comprimir la experiencia humana en bueno, malo y regular? Claro que no. Pero aquí es donde se complica: porque la mayoría de los usuarios no quieren profundidad. Quieren velocidad. Y en entornos como encuestas rápidas en apps de transporte (como Didi o Uber), donde el 78% de los usuarios abandonan si hay más de 4 preguntas, esta escala se vuelve estratégica. El problema persiste cuando se intenta sacar conclusiones complejas de datos simples. Un 60% de respuestas "regular" no significa equilibrio, significa ambigüedad. Y es exactamente ahí donde muchos análisis se desbaratan.
Cómo funciona la jerarquía de categorías en una escala de tres niveles
El modelo más usado es el que asigna: 1 = malo, 2 = regular, 3 = bueno. Pero atención: asignar números no la convierte automáticamente en una escala cuantitativa. Los intervalos no son iguales. No puedes decir que "bueno" es el doble de "regular". Eso sería un error conceptual. Lo que explica su uso en análisis promedios es más bien pragmatismo estadístico: se calcula un promedio aritmético aunque no sea del todo correcto. En una encuesta escolar en Bogotá (2022), el 67% de los docentes calificaron su formación continua como "regular". El informe oficial promedió en 2.1. Pero ¿qué significa 2.1? ¿Un poco más regular que regular? Seamos claros al respecto: el número engaña. El verdadero valor está en el porcentaje de cada categoría.
¿Por qué "regular" es la categoría más escurridiza?
Aquí entra un matiz que casi nadie discute: "regular" no es un punto medio neutral. En muchos contextos culturales, especialmente en América Latina, decir que algo es "regular" es una forma educada de decir que es malo. Es como si la palabra llevara un velo de cortesía. En México, por ejemplo, si un plato te decepciona, dices "estuvo regular" para no ofender. En cambio, en Alemania, "regular" podría interpretarse como aceptable, funcional. Esta carga cultural distorsiona los datos. Y es por eso que, en estudios comparativos internacionales, a menudo se elimina "regular" y se obliga a elegir entre positivo o negativo. Dicho esto, eliminar la ambivalencia también elimina una capa de realismo.
Alternativas modernas: ¿merece la pena abandonar el modelo tradicional?
No hay una respuesta única. Pero sí hay tendencias. En los últimos años, plataformas como Google Forms o Typeform han popularizado las escalas tipo Likert de 5 o 7 puntos. Ahí pasas de bueno-malo-regular a opciones como: muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho. Ofrecen más matices. Pero también generan más fatiga. El 42% de los usuarios en un estudio de UX (Madrid, 2023) admitió pulsar al azar desde la cuarta pregunta si la escala superaba 5 puntos. Así que ganamos precisión, pero perdemos honestidad. Aun así, en investigación académica, estas escalas son preferidas. Un metaanálisis de 127 estudios publicados entre 2018 y 2023 mostró que las escalas de 5 puntos tienen un 30% más de fiabilidad que las de 3 puntos.
Escalas de 5 puntos: ventajas y sesgos ocultos
El modelo de 5 puntos introduce dos matices clave: grados de intensidad. Puedes estar "muy de acuerdo" o solo "de acuerdo". Esto permite segmentar mejor las opiniones. Pero introduce otro problema: el efecto de centralidad. Muchos usuarios evitan los extremos por miedo a sonar radicales. En una evaluación de desempeño laboral en Chile, el 54% de los empleados eligió "de acuerdo" o "neutral", incluso cuando tenían quejas serias. Porque parece más seguro no destacar. De ahí que algunos diseñadores de encuestas incluyan escalas asimétricas, como 1 a 4, para forzar una toma de posición. No es perfecto. Nada lo es.
Escalas visuales: cuando el emoji habla más que las palabras
La evolución más interesante ha sido la incorporación de íconos. La escala de caritas felices es ahora estándar en apps de servicio. Psicológicamente, estos íconos reducen la carga cognitiva. Un niño de 6 años puede entenderlo. Un adulto cansado también. Pero hay trampas. En Japón, una sonrisa puede ocultar insatisfacción. En Rusia, un rostro neutro puede interpretarse como hostilidad. Así que incluso el diseño visual no escapa del sesgo cultural. Los datos aún escasean, pero hay indicios de que las escalas con emojis aumentan la tasa de respuesta en un 22% (según un estudio en 8 países de 2021), aunque disminuyen la profundidad del dato.
¿Cómo elegir la escala adecuada para tu contexto?
Depende del objetivo. Si estás midiendo la satisfacción después de un vuelo de 12 horas, y el pasajero lleva auriculares y quiere irse, una escala de tres opciones es respetuosa. Si estás evaluando el impacto de una política pública, necesitas más granularidad. Y porque la calidad de la decisión depende de la calidad de la pregunta, no del número de opciones.
Considera esto: una escala de bueno, malo, regular puede ser suficiente si estás en una fase exploratoria. Te da una primera impresión. Es como un termómetro rápido. Pero si el paciente tiene fiebre, necesitas más pruebas. Así de simple. Para auditorías, diagnósticos o investigaciones serias, mejor escalar a 5 o 7 puntos. Por otro lado, si la audiencia es diversa (por edad, nivel educativo, idioma), la simplicidad gana. En una encuesta en comunidades rurales de Perú, una ONG probó escalas de 7 puntos y tuvo un 68% de respuestas incompletas. Con la de 3 puntos, bajó al 19%. Eso lo cambia todo.
Preguntas Frecuentes
¿Puedo usar "regular" como punto medio en un análisis estadístico?
Sí, pero con cuidado. Puedes asignarle un valor numérico (por ejemplo, 2 en una escala de 1 a 3), pero no debes tratarlo como un dato de intervalo. No puedes asumir que la distancia entre malo y regular es igual que entre regular y bueno. Es una clasificación ordinal. Si haces promedios, hazlo con la boca chica. Y mejor acompaña los resultados con porcentajes absolutos. Honestamente, no está claro que un promedio de 2.3 tenga significado real fuera del informe.
¿Es mejor usar palabras o números en las escalas?
Depende del público. Los adultos jóvenes suelen preferir íconos o palabras simples. Los profesionales, especialmente en entornos técnicos, aceptan mejor los números. En un estudio con médicos en Argentina, el 71% respondió con mayor precisión cuando veía "1 = insuficiente, 5 = excelente" en lugar de caritas. Pero en encuestas a familias en contextos de baja escolaridad, las palabras o imágenes funcionan mejor. Basta decir: no hay una solución universal.
¿Por qué algunas empresas evitan la opción "regular"?
Porque no les sirve. En modelos de calidad de servicio, quieren forzar una postura. Si todo el mundo elige "regular", no saben si mejorar o no. Algunas marcas, como Netflix o Spotify, usan escalas binarias: "te gustó" o "no te gustó". Eliminan el término medio. Es un riesgo, pero genera datos más accionables. Si no te gustó, recomiendan otra cosa. Si te gustó, profundizan. Es un enfoque basado en comportamiento, no en opinión. Y funciona. El tiempo promedio de decisión baja de 18 segundos a 6.
La conclusión
La escala de bueno malo regular no tiene un nombre técnico único, pero su influencia es gigantesca. Está en las escuelas, en los restaurantes, en las apps que usamos cada día. Encuentro esto sobrevalorado como herramienta de análisis profundo, pero insustituible como primer filtro. No es elegante, pero es eficaz. Si tu meta es capturar una impresión rápida, sin fatigar al usuario, entonces sí, sigue siendo relevante. Pero si buscas entender matices, motivaciones o causas, estamos lejos de eso. Y es en ese margen donde debes decidir: ¿quieres velocidad o profundidad? Porque no puedes tener ambas sin pagar un precio en calidad o participación. El tema es que muchas organizaciones ni siquiera se hacen esa pregunta. Y por eso repiten modelos obsoletos, creyendo que medir es siempre mejor que no medir. No siempre. A veces, un dato mal interpretado es peor que la ausencia de dato.