Qué es el efecto Dunning-Kruger y qué dice la ciencia
Qué es el efecto Dunning-Kruger, qué midió el estudio de 1999 y por qué la versión popular exagera el mito de los tontos que se creen expertos.
Foto de Steve A Johnson en Unsplash
Si te preguntas qué es el efecto Dunning-Kruger, la respuesta corta es esta: un sesgo cognitivo en el que las personas con poca habilidad en una tarea concreta tienden a sobreestimar su desempeño. El concepto nació en 1999, cuando los psicólogos David Dunning y Justin Kruger, de la Universidad de Cornell, publicaron el artículo «Unskilled and Unaware of It» en el Journal of Personality and Social Psychology.
La idea de fondo es sencilla y por eso se volvió tan popular: para reconocer que lo estás haciendo mal, necesitas las mismas habilidades que te permitirían hacerlo bien. Pero en redes y en oficinas el término se usa para casi todo, y de ahí surgen varios malentendidos. Aquí revisamos qué midió el estudio original, qué dice la crítica estadística y por qué la versión de la gráfica va más allá de lo que los datos respaldan.
Qué es el efecto Dunning-Kruger según el estudio de 1999
Los autores reclutaron estudiantes universitarios y los pusieron a resolver pruebas en tres dominios: humor, razonamiento lógico y gramática. Después de cada prueba, les pidieron calcular cuántas respuestas correctas habían dado y ubicarse en un ranking frente a sus compañeros.
El patrón que encontraron fue claro. Los participantes que quedaron en el cuartil inferior, es decir, los que tuvieron peores resultados, se colocaban en promedio muy por encima de su posición real. Los del grupo de mejor desempeño, en cambio, tendían a subestimar un poco su lugar relativo. Según el propio artículo, los de bajo desempeño no solo se equivocaban: tampoco tenían la información necesaria para notar su error. Cuando recibieron formación breve en las tareas, mejoraron su capacidad para reconocer sus fallos.
Puedes consultar el artículo original de 1999, con su DOI, para ver el diseño completo.
Lo que el estudio sí dice
Para leer el efecto sin exagerarlo conviene separar sus afirmaciones principales:
- Es un patrón de sobreestimación en el dominio evaluado. No es una medida de la inteligencia general.
- Se observa sobre todo en quienes tienen peor desempeño en una tarea específica.
- Los autores lo relacionan con una falta de metacognición, es decir, con la capacidad de evaluar la calidad de tu propio razonamiento.
- No dice que los expertos se subestimen en general. Ese punto aparece casi solo en versiones populares.
Esta última distinción importa mucho. Un especialista puede ser muy bueno en su área y aun así equivocarse al calcular su posición frente a otros, y puede sobreestimarse en otro campo donde no tiene experiencia. El efecto habla de calibración en una tarea concreta, no de una categoría de personas.
El malentendido de “los tontos que se creen expertos”
La frase más repetida sobre el efecto es que cualquiera que se cree experto es tonto. Es una simplificación que el estudio no sostiene. Parte de la confusión viene de la gráfica que hoy circula en internet, con su «Monte de la Estupidez» y su «Valle de la Desesperación». Esa curva es una interpretación posterior, no el resultado directo de los datos de 1999: resume el patrón de sobreestimación de forma visual y lo lleva a un relato que los autores no plantearon con esa forma.
Además, el término se ha convertido en una etiqueta para descalificar a quien opina de todo en redes o en reuniones. Usarlo así es un error doble: convierte un patrón estadístico de grupo en un diagnóstico de una persona y, de paso, desvía la discusión hacia el insulto. Una persona puede tener mucha confianza y estar equivocada en un tema, pero eso no la convierte en alguien sin capacidades en otros ámbitos.
La crítica estadística: ¿patrón real o artefacto?
Desde hace unos años, varios investigadores han cuestionado si el efecto existe tal como se describe. El argumento central es la regresión a la media: cuando mides a personas con puntajes muy bajos en una prueba con error, es matemáticamente esperable que sus autoevaluaciones se vean más altas, y las de los mejores más bajas, aunque nadie tenga un sesgo especial. Parte del patrón podría explicarse solo por cómo se relacionan dos mediciones ruidosas.
Algunos hitos de este debate:
- 2020: Gignac y Zajenkowski, en la revista Intelligence, publicaron un análisis que sostiene que el efecto es, en buena medida, un artefacto estadístico. Mostraron que datos simulados, sin ningún sesgo psicológico incorporado, pueden reproducir la curva si se combinan una tendencia general a creerse mejor que el promedio y la regresión a la media.
- 2022: un estudio en Frontiers in Psychology con datos de la población general encontró mucha menos evidencia a favor del efecto que la que reportaron Kruger y Dunning en 1999.
- 2023: Hiller publicó un comentario en la misma revista que cuestiona los resultados de homocedasticidad de Gignac y Zajenkowski, y sostiene que probablemente se deben a una decisión de recodificación de los datos.
- Respuesta de Dunning: ha señalado que la crítica se concentra en los dos primeros de los cuatro estudios de 1999, y que la regresión a la media ha sido analizada en una serie de nueve estudios que, según él, sostienen el patrón.
El panorama, entonces, no es que el efecto sea falso. Como resume The Psychologist, la revista de la British Psychological Society, el debate central es cuánto de lo observado se debe a un déficit metacognitivo real y cuánto a la forma en que se hacen las mediciones. Hay acuerdo en que el exceso de confianza entre quienes tienen peor desempeño aparece en varios contextos; lo que sigue en discusión es su magnitud y su explicación.
| Lo que suele decirse | Lo que muestra la evidencia |
|---|---|
| Los tontos se creen expertos | El patrón se observa en tareas concretas, no en la inteligencia general |
| Los expertos se subestiman | El estudio original no lo establece como regla |
| La curva describe a cada persona | La curva describe promedios de grupo |
| El efecto está probado de forma definitiva | Hay debate sobre su origen estadístico y psicológico |
Cómo saber si el efecto aplica en tu caso
Como el efecto describe grupos, no existe una prueba para saber si tú o alguien más lo tiene. Sí puedes revisar si tu autoevaluación está bien calibrada en una tarea específica:
- Elige una tarea concreta, por ejemplo un examen de estadística, un diseño en Figma o una prueba de redacción.
- Antes de conocer el resultado, escribe qué calificación o qué posición crees que tendrás.
- Compara tu predicción con un criterio externo: la calificación, la opinión de un colega con experiencia o una rúbrica.
- Anota la diferencia durante varias tareas y revisa si tiendes a sobreestimarte.
- Pide retroalimentación específica y ajusta tu criterio según los errores que te señalen.
Si al hacer este ejercicio descubres que tu confianza supera a tus resultados, no es un insulto. Es información útil para decidir cuánto estudiar o cuándo pedir ayuda.
Preguntas frecuentes
¿Quiénes descubrieron el efecto Dunning-Kruger y en qué año?
Lo describieron en 1999 David Dunning y Justin Kruger, psicólogos de la Universidad de Cornell, en un artículo publicado en el Journal of Personality and Social Psychology. Las versiones que lo fechan en 1990 contienen un error.
¿El efecto Dunning-Kruger es un mito?
No es un mito en el sentido de que el patrón nunca aparezca, pero sí hay debate sobre cuánto se debe a un déficit metacognitivo y cuánto a un artefacto estadístico como la regresión a la media. Por eso conviene hablar de un fenómeno en discusión, no de una ley absoluta.
¿Los expertos subestiman sus habilidades?
El estudio original reportó que los participantes de mejor desempeño tendían a subestimar un poco su posición relativa, pero eso no equivale a decir que los expertos se subestiman en general. Un experto puede tener excesos de confianza en temas fuera de su área.
¿El efecto sirve para medir la inteligencia de alguien?
No. El efecto se refiere a habilidades en tareas específicas y a patrones en grupos. Usarlo para calificar la inteligencia de una persona o para descalificar a quien opina en redes es una interpretación equivocada.
Conclusión
El efecto Dunning-Kruger describe la dificultad de reconocer los propios errores cuando no se domina una tarea. Su versión original es más acotada que la que circula en redes: habla de calibración en dominios específicos, no de tontos que se creen expertos. La crítica estadística ha mostrado que parte del patrón puede explicarse sin invocar un sesgo especial, así que la lectura más sólida es la matizada. Para aplicarlo en la vida diaria, lo más útil es comparar tu confianza con resultados reales y pedir retroalimentación.