Medición y Valoración del Impacto Social

Sesión 8 — ¿Cómo evaluar? Métodos, elección y comunicación de resultados

Paola Velásquez · Juan Carlos Muñoz-Mora

Universidad EAFIT · Formación ejecutiva para Comfama

2026-09-11

S8 · ¿Cómo evaluar?

Viernes 11 de septiembre · 10:00–13:00 · Presencial · Última sesión

Sabemos cuándo evaluar
y con qué vara juzgar.
Falta el método.

Y al final del día, lo que decide si todo esto sirvió: cómo se cuenta.

Tramo 1 · apertura, min. 0-10. Cierre del curso. Nombrarlo: es la última sesión y el arco se cierra hoy. Recordar de dónde venimos — S6 dejó la pregunta “¿cuál indicador podrían medir el lunes?” — y anunciar las tres partes de hoy: qué métodos existen y cómo se elige, la cosecha de lo no previsto, y cómo se comunica lo que se encontró.

No hay un método mejor: hay preguntas distintas

Todo método de recolección presenta falencias y vacíos que no puede llenar.

Lo que gana en confiabilidad para generalizar, lo pierde en detalle. Y al revés.

Por eso la pregunta no es “¿cuál es el mejor método?”. Es “¿qué necesito poder afirmar, y qué estoy dispuesta a no saber?”

Tramo 2 · min. 10-20. Este es el marco conceptual de todo el bloque. La mayoría llega creyendo que hay una jerarquía de métodos —lo cuantitativo arriba, lo cualitativo abajo— y esa creencia es exactamente lo que hay que desarmar hoy. El compromiso no es un defecto: es estructural.

El espectro completo

LA DIAPOSITIVA CENTRAL DEL BLOQUE 1. Recorrerla de izquierda a derecha, señalando: a la izquierda se puede decir “esto pasa en toda la población” pero no se sabe qué significó para nadie; a la derecha se entiende profundamente lo que le pasó a una persona, pero no se puede extrapolar. Preguntar en voz alta dónde está hoy su programa — casi todos viven en la primera casilla, porque es la que no cuesta nada. Y preguntar cuál de las seis NUNCA han usado. Nota: los tamaños de muestra son órdenes de magnitud ilustrativos, no reglas.

Qué permite afirmar cada diseño

Diseño	Qué permite afirmar	Qué exige
Experimental (asignación aleatoria)	Este programa causó este cambio	Grupo de control, aleatorización, tamaño, ética
Cuasi-experimental (diferencias en diferencias, emparejamiento, regresión discontinua)	Este cambio es plausiblemente atribuible	Un grupo de comparación creíble y datos previos
Antes–después sin comparación	Hubo un cambio — no por qué	Línea de base
Basado en teoría (análisis de contribución)	La cadena se sostiene y las alternativas no explican mejor	Una ToC declarada y evidencia por eslabón
Basado en caso (estudio de caso, cosecha)	Esto ocurrió aquí, y así se relaciona con el programa	Protocolo y verificación

Stern, Stame, Mayne, Forss, Davies & Befani (2012), Broadening the Range of Designs and Methods for Impact Evaluations, DFID Working Paper 38

Tramo 3 · min. 20-35. El punto que hay que dejar claro: los dos últimos diseños NO son versiones pobres del primero. Responden preguntas que el experimento no responde —por qué funcionó, para quién, en qué condiciones—. Stern et al. escribieron ese informe precisamente porque la cooperación internacional se había estrechado a un solo diseño. Si alguien pregunta por experimentos aleatorizados en Comfama: la barrera no suele ser técnica, es ética y operativa — implica dejar a alguien fuera del programa a propósito.

Primero la pregunta, después el método

Lo que quiero saber	El método que lo responde
¿A cuánta gente llegamos, y quiénes son?	Registros del programa · encuesta propia
¿Mejoraron frente a quienes no participaron?	Diseño con grupo de comparación
¿Por qué funcionó con unos y con otros no?	Entrevistas · estudio de caso
¿Qué cambió que no habíamos previsto?	Cosecha de resultados
De todo lo que cambió, ¿qué importa más según ellos?	Most Significant Change

El error más común va al revés: se elige la encuesta porque es lo que sabemos hacer, y solo después se piensa qué preguntarle.

Cierre del primer bloque y la idea que sostiene toda la sesión. Recorrer la tabla leyendo la columna izquierda como pregunta real, no como categoría. Pedir que cada equipo diga en voz alta cuál de las cinco preguntas es la suya hoy — y la mayoría descubre que ha estado respondiendo la primera cuando lo que necesita es la tercera. Enlazar con la ficha de evaluación de la S6: allí eligieron un criterio; el método es lo que permite llenar el indicador con algo.

1 · ¿Cada cuánto medir?

Monitorear y evaluar no usan el mismo reloj

	Monitoreo	Evaluación
Qué mira	Insumos, actividades, productos	Resultados e impacto
Cada cuánto	Continuo · semanal a trimestral	Periódico · en hitos de decisión
Qué pregunta	¿Vamos según lo previsto?	¿Esto está funcionando, y por qué?
Quién lo usa	Quien opera el programa	Quien decide continuar, ajustar o cerrar

Confundirlos es caro en las dos direcciones: evaluar con frecuencia de monitoreo agota al equipo y no alcanza a ver el cambio; monitorear con frecuencia de evaluación deja la operación a ciegas.

Tramo nuevo · min. 75-87, justo antes de la pausa. Es la pregunta que quedó abierta en la ficha de indicador de la S7: el campo “frecuencia”. Empezar preguntando qué pusieron ahí y por qué — la respuesta honesta suele ser “mensual” por inercia, sin un argumento detrás.

La frecuencia la fija la decisión, no el dato

Cuatro preguntas para determinar el ciclo

1. ¿Qué decisión se va a tomar con este dato?

2. ¿Cuándo se toma esa decisión? (comité mensual, cierre de convenio, planeación anual)

3. ¿Cada cuánto cambia de verdad lo que estoy midiendo?

4. ¿Cuánto cuesta recogerlo, en plata y en tiempo del equipo?

El ciclo es el más lento de los cuatro. Medir más seguido produce datos que nadie usa; medir más espaciado, decisiones que nadie sustenta.

LA DIAPOSITIVA CENTRAL DEL BLOQUE. La pregunta 2 es la que nadie se hace y la que más ordena: si el comité que decide se reúne en marzo y en septiembre, medir mensualmente solo genera reportes que se archivan. La pregunta 3 evita el error contrario: la satisfacción de un usuario puede cambiar en una semana; su nivel de ingresos, no. La 4 es el filtro de realidad — la “E” de CREAM vuelve aquí.

Cada nivel de la cadena tiene su propio reloj

Nivel	Frecuencia razonable	Por qué
Insumos y actividades	Mensual	Cambian con la operación y sirven para corregir sobre la marcha
Productos	Mensual o trimestral	Se acumulan con la entrega; el trimestre suele coincidir con el comité
Resultados intermedios	Semestral o anual	Necesitan que el participante haga algo con lo que recibió
Impacto	Cada 2 a 5 años, o al cierre	Es el que más tarda en aparecer y el más costoso de medir

El tiempo de maduración. Medir un resultado antes de que alcance a ocurrir no da un cero: da un falso negativo — y con él se cierran programas que sí funcionaban.

Frecuencias de monitoreo —semanal, mensual, bimestral, trimestral, semestral, anual— según Función Pública (2018), p. 57

La tabla es orientativa, no normativa: dígalo. Lo que no es negociable es el razonamiento —la frecuencia sube o baja con la velocidad del fenómeno, no con las ganas de reportar—. El recuadro del tiempo de maduración es el punto más importante: en empleabilidad, la colocación laboral no se ve a los dos meses. Enlazar con lo visto en la S6: en la evaluación intermedia se pueden observar resultados tempranos, que son señales de que el proceso va, no el resultado final.

Dos errores simétricos

Medir demasiado seguido

Produce ruido que se confunde con señal. Cuesta tiempo del equipo. Cansa a quien responde la encuesta.

Y genera tableros que nadie abre, porque nada cambió desde la semana pasada.

Medir demasiado espaciado

Cuando llega el dato, la decisión ya se tomó sin él.

Y no queda margen para corregir: el hallazgo llega cuando el programa ya terminó.

La prueba: ¿qué haríamos distinto si este dato llegara un mes antes, o un mes después? Si la respuesta es “nada”, la frecuencia está mal elegida.

Cierre del bloque. La pregunta del recuadro es la herramienta que se llevan: sirve para defender una frecuencia ante quien pide “reportes mensuales de todo”. Después de esta diapositiva va la PAUSA de 15 minutos.

2 · Los métodos, en concreto

Cuantitativos

Familia	Qué hace	Cuándo NO usarlo
Experimental · asignación aleatoria	Compara con un grupo equivalente creado por azar	Cuando excluir a alguien del programa no es ético ni viable
Diferencias en diferencias	Compara el cambio de los participantes con el de un grupo parecido	Si los dos grupos ya venían con tendencias distintas
Emparejamiento	Construye un grupo de comparación estadísticamente similar	Si lo que determina quién entra al programa no se observa
Regresión discontinua	Compara a quienes quedaron justo por encima y por debajo de un corte	Si no hay un umbral real de elegibilidad
Antes–después	Mide el cambio del grupo en el tiempo	Siempre que se quiera afirmar causalidad: no la sostiene

Gertler, Martinez, Premand, Rawlings & Vermeersch (2016), Impact Evaluation in Practice, 2ª ed., Banco Mundial · BID

Tramo 4 · min. 35-50. No se enseña a correr estos métodos: se enseña a reconocerlos y a saber qué exige cada uno, para poder conversar con quien los corra. La fila más importante es la última: antes–después es lo que casi todos hacen y lo que casi todos reportan como impacto. Mide cambio, no causa. El mundo siguió pasando mientras el programa ocurría.

Cualitativos

Método	Qué pregunta responde	Cuándo NO usarlo
Entrevista en profundidad	¿Qué significó esto para esta persona?	Cuando se necesita magnitud o cobertura
Grupo focal	¿Qué se dice colectivamente, y qué no se dice?	Con temas sensibles o con jerarquías en la sala
Observación	¿Qué pasa de verdad, más allá de lo que se declara?	Cuando la presencia del observador altera el hecho
Estudio de caso	¿Cómo funcionó el mecanismo en este contexto?	Para generalizar a toda la población
Outcome harvesting	¿Qué cambió que no habíamos previsto?	Cuando ya se sabe exactamente qué se busca
Most Significant Change	De todo lo que cambió, ¿qué considera la gente lo más importante?	Cuando no hay tiempo: exige varias rondas de selección

Wilson-Grau & Britt (2012, rev. 2013), Outcome Harvesting · Davies & Dart (2005), The MSC Technique: A Guide to Its Use, v1.00

Tramo 5 · min. 50-65. Encuadre explícito y necesario: lo cualitativo no es “lo blando”. Es la evidencia de lo que el indicador no captura. Subrayar la distinción de las dos últimas filas, que es la que se usa en el taller: outcome harvesting parte de lo que ocurrió y va hacia atrás buscando la contribución; MSC pone a la propia comunidad a decidir cuál cambio importa más. El primero responde “¿qué pasó que no vimos?”; el segundo, “¿qué de lo que pasó importa más, según quién lo vivió?”.

Mixtos: no es usar los dos, es que uno explique al otro

Diseño	Cómo se arma	Para qué sirve
Convergente	Cuantitativo y cualitativo a la vez, se comparan los resultados	Contrastar si ambas fuentes cuentan la misma historia
Explicativo secuencial	Primero los números, luego se va a buscar por qué	Cuando el dato muestra algo raro y no se sabe la causa
Exploratorio secuencial	Primero lo cualitativo, y con eso se construye el instrumento	Cuando no se sabe todavía qué preguntar ni cómo

Un diseño mixto no es poner una cita de beneficiario al final del informe de cifras. Es que una fuente cambie lo que se le pregunta a la otra.

Creswell & Plano Clark (2018), Designing and Conducting Mixed Methods Research, 3ª ed., SAGE

Tramo 6 · min. 65-75. El recuadro es el mensaje. La mayoría de los “informes mixtos” que circulan son cuantitativos con decoración cualitativa. El caso más útil para ellos es el explicativo secuencial: el tablero muestra que la deserción subió en un municipio y nadie sabe por qué — entonces se va a preguntar. Sigue el bloque de ciclos de medición; la pausa va después de él.

3 · Métodos cualitativos, de cerca

Cosecha de resultados · Outcome Harvesting

Los demás métodos parten de los objetivos y van a ver si se cumplieron. La cosecha parte de lo que ya ocurrió y va hacia atrás a preguntar si el programa tuvo algo que ver.

Qué produce	Enunciados de resultado: quién cambió qué, cuándo y dónde, y cómo se relaciona con el programa
Qué lo hace riguroso	La verificación con fuentes independientes: alguien que no sea el programa confirma que eso pasó
Cuándo usarlo	Programas abiertos, con muchos actores, o cuando no se sabe de antemano qué buscar
Cuándo NO	Cuando la pregunta es de magnitud, o cuando ya se sabe exactamente qué se quiere medir

Wilson-Grau & Britt (2012, rev. noviembre 2013), Outcome Harvesting, Ford Foundation MENA Office

Tramo nuevo · primer método. El giro conceptual es el del recuadro: se trabaja hacia atrás. Por eso sirve para lo no previsto — un método que arranca de los objetivos solo puede encontrar objetivos. La verificación independiente es lo que separa la cosecha de una colección de anécdotas: sin ese paso no hay método. POR-VERIFICAR antes de proyectar una lista numerada: la guía describe la cosecha en seis pasos; aquí se presenta la lógica, no la secuencia canónica. Si se quiere proyectar los seis pasos, confirmarlos contra el documento.

Most Significant Change

No pregunta si el cambio ocurrió. Pregunta cuál de todos los cambios importa más — y deja que sean los propios participantes quienes lo decidan.

Qué produce	Relatos de cambio significativo, seleccionados en rondas sucesivas por distintos niveles de la organización
Dónde está el valor	No en el relato ganador, sino en la discusión sobre por qué ese y no otro: ahí se hace explícito qué valora cada quien
Cuándo usarlo	Cuando importa el criterio de valor de la gente, no solo el del programa
Cuándo NO	Cuando no hay tiempo: exige varias rondas y varios niveles de selección

Davies & Dart (2005), The ‘Most Significant Change’ (MSC) Technique: A Guide to Its Use, v1.00

El punto que casi siempre se pierde: el producto de MSC no son las historias, es el debate sobre los criterios. Cuando un comité discute por qué un cambio vale más que otro, está declarando en voz alta la teoría de valor de la organización — que rara vez está escrita. En este curso NO se corre un ciclo MSC completo: requiere semanas. Se enseña la lógica de selección y cuándo elegirlo.

Los dos, uno al lado del otro

	Cosecha de resultados	Most Significant Change
Pregunta	¿Qué cambió que no habíamos previsto?	¿Cuál de los cambios importa más?
Quién decide qué vale	El evaluador, con verificación externa	Los participantes, en rondas de selección
Se elige cuando	No se sabe qué buscar	Sí se sabe, pero no qué priorizar
Su riesgo	Quedarse en anécdota sin verificar	Volverse un concurso de historias bonitas

Esta es la diapositiva que responde la pregunta de verificación de comprensión del plan de aula: “¿cuándo elegirían cada uno?”. La fila de riesgos es la que más conversación genera — pedir que digan cuál de los dos riesgos correrían ellos con su propio equipo.

Otros tres que vale la pena conocer

Método	Qué hace	Cuándo sirve
Análisis de contribución	Construye y pone a prueba la historia causal del programa, y examina si explicaciones alternativas la superan	Cuando no hay grupo de comparación posible pero sí una teoría de cambio declarada
Estudio de caso	Reconstruye en profundidad cómo funcionó el mecanismo en un contexto concreto	Cuando interesa el cómo y el en qué condiciones, no el promedio
Sistematización de experiencias	Ordena e interpreta la propia práctica con quienes la vivieron, para extraer aprendizajes	Cuando el equipo acumuló experiencia y no la ha convertido en conocimiento

Y los participativos —cartografía social, fotovoz, líneas de tiempo colectivas— que no solo recogen información: cambian quién tiene voz en la evaluación.

Mayne (2008), Contribution Analysis: An Approach to Exploring Cause and Effect, ILAC Brief 16 · Jara Holliday, La sistematización de experiencias: práctica y teoría para otros mundos posibles, CINDE–CEAAL

Tres minutos, sin profundizar: es un mapa para que sepan que existen y puedan buscarlos después. El análisis de contribución es el que más les sirve en Comfama, porque casi nunca van a poder armar un grupo de control: es el método que permite afirmar algo serio sin experimento. La sistematización de experiencias es tradición latinoamericana y probablemente la más cercana a lo que ya hacen sin llamarlo así. POR-VERIFICAR: año exacto de la edición de Jara Holliday que se cite (la edición de CINDE circula como 2018); confirmar antes de imprimirlo en un material.

Los retos de lo cualitativo, y cómo se enfrentan

El reto	Cómo se enfrenta
“Esto son solo anécdotas” — no convence a quien decide	Verificar con fuentes independientes y triangular: el mismo hecho, contado por tres actores distintos
Sesgo del entrevistador y deseabilidad social — la gente dice lo que cree que uno quiere oír	Que entreviste alguien que no sea responsable del programa. Preguntar por hechos antes que por opiniones
Volumen y tiempo de análisis	Muestreo intencional, no maximizar el número. Se para cuando deja de aparecer información nueva
Generalización indebida	Declarar el alcance: “esto ocurrió aquí, en estas condiciones” — y no más
Riesgo ético de exponer a la persona	Consentimiento informado, anonimización y devolución: nadie entrega su relato para no volver a saber de él

Este bloque responde a la objeción que van a recibir apenas lleven un hallazgo cualitativo a un comité. La fila 1 es la más importante: la diferencia entre evidencia cualitativa y anécdota es el procedimiento de verificación, no el tono con que se cuenta. La fila 3 introduce el criterio de saturación sin llamarlo así: se para de recoger cuando las nuevas entrevistas ya no traen nada nuevo. Es la respuesta a “¿cuántas entrevistas necesito?”. La fila 5 enlaza con la regla ética del curso y con la gobernanza de datos del proyecto.

Una advertencia sobre la IA en el análisis cualitativo

Un modelo de lenguaje
suaviza lo atípico.

Y en una cosecha de resultados, lo atípico es exactamente lo que se busca.

Sirve para ordenar volumen: transcribir, agrupar, encontrar repeticiones. Cuesta caro cuando se le pide el hallazgo: lo que aparece una sola vez es lo que tiende a borrar.

Cierra el bloque de métodos cualitativos. Nivel 2 de la política de IA del curso: objeto de estudio, no herramienta a operar. No es una sesión de “cómo codificar entrevistas con IA”. Es juicio crítico sobre cuándo la herramienta cuesta el hallazgo. Preguntar quién ya la usó para resumir entrevistas y qué perdió sin darse cuenta.

¿Cómo se valida un resultado cualitativo?

Criterio	Qué pregunta	Cómo se consigue
Credibilidad	¿Lo reportado corresponde a lo que las personas dijeron y vivieron?	Triangulación · devolución a los participantes · permanencia prolongada en campo
Transferibilidad	¿Este hallazgo puede decir algo en otro contexto?	Descripción densa del contexto: que quien lee juzgue si se parece al suyo
Dependabilidad	¿Otra persona, con los mismos datos, llegaría a algo parecido?	Registro auditable de las decisiones de análisis
Confirmabilidad	¿El hallazgo viene de los datos o de las expectativas del evaluador?	Trazabilidad del dato al enunciado · revisión entre pares

La verificación de la cosecha de resultados es exactamente esto: credibilidad puesta a operar.

Lincoln & Guba (1985), Naturalistic Inquiry, Sage — criterios de trustworthiness

Es la respuesta formal a “¿y esto cómo se valida?”. Lincoln y Guba propusieron estos cuatro criterios como el equivalente cualitativo de validez interna, validez externa, confiabilidad y objetividad — no como una versión rebajada, sino como los criterios propios de otra forma de conocer. El más transferible a su trabajo es la devolución a los participantes: mostrarle a la persona lo que uno entendió y preguntarle si es eso. Cuesta una llamada y salva un informe.

4 · Comunicar

Las cinco secciones de un reporte orientado a decisión

#	Sección	La prueba de que está bien escrita
1	La decisión que este reporte informa	Es una oración, no un resumen del programa
2	Lo que sabemos	Son los indicadores que sí tienen dato
3	Lo que no sabíamos que estaba pasando	Es el resultado cosechado hoy
4	El supuesto que pusimos a prueba	Nombra el supuesto frágil de la Ficha 2
5	Recomendación	Nombra una decisión concreta y quién la toma

Min. 155-165. Es la parte 3 del E5 y se cierra hoy. Las secciones 1 y 5 son el criterio de calidad. Insistir en la sección 5: “quién la toma” con nombre de cargo, no “la dirección”.

Tres reglas para no engañar al que lee

Lo que no se sabe, se escribe

“SIN DATO” en el reporte vale más que una estimación cómoda. Quien lee necesita saber qué está firme y qué no.

Contribución, no logro

Se reporta aquello a lo que contribuimos. Escribir “logramos” donde solo contribuimos es la forma más común de mentir sin decir una falsedad.

Lo negativo también se reporta

Un reporte donde todo salió bien no es un buen reporte: es un reporte incompleto o un programa que no se miró de verdad.

Min. 165-172. Estas tres reglas recogen el hilo ético del curso completo, desde la S1. Si hay que recortar tiempo en algún punto de la sesión, NO es aquí.

Otras formas de contar lo que se hizo

Formato	Qué es	Cuándo sirve
1 : 3 : 25	Una página de mensajes clave, tres de resumen ejecutivo, veinticinco de informe completo	Cuando hay públicos distintos y ninguno lee el documento del otro
Fiesta de datos (data party)	Se llevan los datos sin conclusiones y los actores los interpretan en sesión	Cuando se quiere que quien decide se apropie del hallazgo
Narrativa de datos	Un solo mensaje, un gráfico que lo sostiene, y una historia con tensión y desenlace	Cuando hay que mover a alguien a actuar, no solo informarle
Visual y audiovisual	Infografía, video de dos minutos, fotovoz	Cuando el público no lee informes, o cuando la voz de la gente es el hallazgo
Tablero vivo	Los indicadores actualizados y disponibles para consulta permanente	Para monitoreo continuo — no reemplaza el reporte de decisión

1:3:25 — Canadian Health Services Research Foundation, vía BetterEvaluation · Narrativa de datos — Knaflic (2015), Storytelling with Data, Wiley

Bloque nuevo de cierre de la sección de comunicación. La idea que ordena la tabla: el formato lo fija QUIEN LEE, no quien escribe. Un mismo hallazgo puede necesitar tres formatos distintos el mismo mes. Preguntar cuál de los cinco han usado alguna vez — casi siempre la respuesta es solo el informe largo, que es justamente el que menos gente lee. El 1:3:25 es el más fácil de adoptar mañana y el que más rendimiento da: no exige aprender nada nuevo, solo escribir primero la página que casi nadie escribe.

Metodologías innovadoras para comunicar

Contradatos · Colombia

Dispositivos físicos e interactivos que interrumpen el espacio público y detonan conversaciones cara a cara, en vez de encuestas digitales.

El dato no entrega la respuesta: abre la pregunta.

Su principio de la deriva: quedarse atento al hallazgo inesperado que aparece en la interacción, y dejar que reformule la pregunta inicial.

Asistidas por IA

Sirve para traducir un mismo hallazgo a públicos distintos: la página de mensajes clave, el resumen ejecutivo, el texto para el boletín.

También para proponer visualizaciones alternativas y bajar el lenguaje técnico.

El límite: redacta, no decide el mensaje — y sigue suavizando lo atípico.

Contradatos — iniciativa de María Armenta y Mateo Acosta, difundida por Escuela de Datos

Contradatos es el ejemplo más cercano a lo que este curso viene defendiendo: la evidencia sirve cuando abre una conversación, no cuando cierra una discusión. Y su noción de “deriva” es la misma idea que la cosecha de resultados, formulada desde el diseño: el hallazgo valioso es el que no se estaba buscando. Sobre la IA, repetir el criterio de la sesión: es útil en la forma, peligrosa en el fondo. Que redacte tres versiones del mismo mensaje es un buen uso; que decida cuál es el mensaje, no.

5 · Cierre del curso

Cierre de curso: qué nos llevamos y qué se puede ajustar para futuras experiencias

Qué nos llevamos

Una idea que se pueda usar el lunes.

Algo que hacíamos y que ya no haríamos igual.

La pregunta que quedó abierta y con la que nos vamos.

Qué se puede ajustar

Qué sobró y qué faltó en estas ocho sesiones.

Qué habría necesitado más tiempo.

Qué le dirían a un equipo que vaya a tomar este curso el año entrante.

¡Gracias por la participación
y el compromiso!

Cierre. No es una recapitulación del docente: es una ronda con el grupo. Dar dos minutos de escritura individual antes de abrir la palabra — sin eso hablan solo los tres de siempre. La columna derecha es evaluación del curso y hay que tomarla en serio: anotar literal, no interpretar. Alimenta el informe final y el rediseño de la próxima cohorte. Cerrar agradeciendo y abriendo el instrumento formal de evaluación.