El efecto Hawthorne es un término que se refiere a la tendencia de algunas personas a trabajar más duro y rendir mejor cuando participan en un experimento. El término se usa a menudo para sugerir que los voluntarios implicados en un estudio científico pueden cambiar su comportamiento debido a la atención que reciben de los investigadores, más que por efecto de alguna de las variables analizadas. Es decir, la propia realización del experimento, sin que haya otra relación asociada, ya genera una modificación de la respuesta en los sujetos del estudio.

El efecto Hawthorne fue descrito por primera vez en 1955 por el investigador Henry A. Landsberger que realizó un estudio analizando los datos de un grupo de experimentos realizados entre 1924 y 1932 por Elton Mayo en un trabajo conjunto de la National Academy of Sciences y la empresa Western Electric.

El nombre proviene del lugar donde se realizaron los experimentos, la compañía eléctrica Hawthorne Works de Western Electric, a las afueras de Cicero, Illinois.

En 1958 Landsberger definió el efecto Hawthorne como una mejora a corto plazo del rendimiento causada por la observación del comportamiento de los trabajadores. Los investigadores y los gerentes se aferraron rápidamente a estos hallazgos, pero investigaciones posteriores han demostrado que estas conclusiones iniciales no eran representativas de lo que realmente se observó. Contaremos primero la historia tal como se conoce habitualmente y luego las correcciones realizadas sobre ese relato.

La compañía eléctrica había encargado una investigación para determinar si existía una relación entre la productividad y el entorno de trabajo. El propósito original del estudio era examinar cómo algunos aspectos ambientales que se podían cambiar con relativa facilidad, como la intensidad de la iluminación, el tiempo de las pausas y la duración de la jornada laboral, influían en la productividad de los trabajadores. Los primeros experimentos exploratorios sobre la iluminación (1924-1927) siguieron por el principal experimento Hawthorne en la primera sala de pruebas de montaje de relés (1927-1933) y cuatro experimentos derivados (1928-1932). En la más famosa de las historias sobre los experimentos, el estudio se centró en determinar si el aumento o la disminución de la cantidad de luz que recibían los trabajadores tendría un efecto en la productividad de los trabajadores. Lo que los investigadores de los estudios originales encontraron fue que casi cualquier cambio en las condiciones experimentales conducía a aumentos en la productividad. Cuando la iluminación se redujo a los niveles de la luz de las velas, la producción aumentó. Cuando la luz se intensificó, también aumentó. La productividad de los empleados parecía aumentar debido a los cambios, pero luego disminuía una vez terminado el experimento. En otras variaciones de los experimentos, la producción también mejoró cuando los descansos se eliminaron por completo y cuando se alargó la jornada laboral. Un mensaje que seguro fue bien recibido por esos empresarios que no saben que la esclavitud se abolió hace tiempo. Similares resultados se obtuvieron con otros cambios como mantener limpio el puesto de trabajo, eliminar obstáculos de la zona de talleres o incluso cambiar de sitio los puestos laborales. En todos los casos se observó un aumento de productividad durante un corto período de tiempo. Los resultados fueron sorprendentes y los investigadores llegaron a la conclusión de que los trabajadores no estaban respondiendo en realidad a la variable que estaban analizando sino simplemente a la mayor atención que recibían de sus supervisores y del equipo investigador.

El efecto Hawthorne ha sido ampliamente discutido en los libros de texto de psicología, particularmente en aquellos dedicados a la psicología industrial y organizacional. Sin embargo, algunos de los hallazgos más recientes sugieren que muchas de las afirmaciones originales sobre el efecto pueden ser exageradas. Los economistas Steven Levitt y John A. List estuvieron buscando sin éxito los datos originales sobre los experimentos con la iluminación, que ni siquiera eran realmente experimentos. Finalmente encontraron en 2011 un archivo en microfilm en la universidad de Wisconsin en Milwaukee donde se recogían los datos de aquella experiencia y al analizar esa información con técnicas estadísticas modernas obtuvieron una débil evidencia del efecto Hawthorne en el largo plazo, pero mucho menos potente de lo que se había sugerido inicialmente. Además, por lo que sabemos en la actualidad  los cambios en la estructura laboral, por ejemplo los períodos de descanso, se llevaron a cabo con un grupo de cinco mujeres. Por tanto, fue un estudio con una metodología mala, con un número de participantes minúsculo, sin un control adecuado y que no permitía extraer ninguna conclusión con cierta validez.

El término «efecto Hawthorne» sigue utilizándose ampliamente para describir los cambios en una variable debidos a la participación en un estudio, pero los estudios posteriores a menudo han ofrecido poco apoyo o incluso no han logrado encontrar el efecto en absoluto o se han identificado otros factores que también pueden influir en los resultados. Por ejemplo, en situaciones relacionadas con la productividad de los trabajadores, la atención de los experimentadores da lugar a una mayor retroinformación sobre su rendimiento a los propios trabajadores. Ese aumento de la retroinformación podría en realidad ser la causa de una mejora de la productividad. La novedad de tener observadores paseando por la fábrica y que registran el comportamiento también puede jugar un papel. Este efecto de algo inusual puede conducir a un aumento inicial del rendimiento y la productividad que eventualmente tiende a nivelarse a medida que el experimento continúa y esa presencia de extraños deja de constituir una novedad.

Las características de la demanda también pueden jugar un papel en la explicación de este fenómeno. En los experimentos, los investigadores a veces muestran pistas sutiles que permiten a los participantes saber lo que esperan encontrar. Como resultado, los sujetos a veces alteran su comportamiento para ayudar a confirmar la hipótesis del experimentador.

Un lugar típico del efecto Hawthorne son los ensayos clínicos sobre nuevos medicamentos y nuevos productos sanitarios. Se ha llamado también el «efecto del ensayo». Algunos postulan que además de la atención y la observación puede haber otros factores implicados, como unos cuidados al paciente implicado en el estudio ligeramente mejores, una adherencia al tratamiento ligeramente mejor y un sesgo en la selección de los pacientes. Por ejemplo, la muestra no suele incluir pacientes en estado terminal por la posibilidad de que no terminen el ensayo clínico, pero esos pacientes son parte de la realidad de esa enfermedad. También los médicos suelen tender a reclutar pacientes que tienen una mayor posibilidad de adherencia al tratamiento, menos posibilidad de que sean de difícil seguimiento y que no presenten otras comorbilidades aunque no se haya indicado específicamente en el estudio. Por todo ello, los ensayos clínicos tienden a trabajar con una muestra de pacientes que suele tener una salud algo mejor que la población general de pacientes afectados por esa enfermedad.

El efecto Hawthorne a menudo ha sido mal representado y tal vez sobreutilizado, se ha dicho que el término «sigue siendo una explicación general útil para el impacto de los fenómenos psicológicos como el rendimiento típico versus el máximo, y la respuesta socialmente deseable (es decir, fingir ser bueno)». Si bien en algunos estudios adicionales no se han encontrado pruebas sólidas del efecto de Hawthorne, en un examen sistemático realizado en 2014 y publicado en el Journal of Clinical Epidemiology se constató que existen efectos debidos a la participación en las investigaciones. Tras examinar los resultados de 19 estudios diferentes, los investigadores llegaron a la conclusión de que, si bien es evidente que esos efectos se producen, es necesario realizar más investigaciones para determinar cómo funcionan, el efecto que tienen y por qué se producen.

Entonces, ¿qué pueden hacer los investigadores para minimizar este tipo de efectos en sus estudios experimentales? Una forma de ayudar a eliminar o minimizar las características de la demanda y otras posibles fuentes de sesgo experimental es utilizar técnicas de observación lo más invisibles posible, como hacen por ejemplo los investigadores de los animales en libertad, en los estudios sobre la naturaleza. Sin embargo, es importante señalar que la observación naturalista no siempre es posible. Otra forma de combatir esta forma de sesgo es hacer que las respuestas de los participantes en un experimento sean completamente anónimas o confidenciales. De esta manera, los participantes pueden ser menos propensos a alterar su comportamiento a resultas de tomar parte en un experimento.

Finalmente hay otro efecto relacionado con el Hawthorne que se ha llamado el efecto del observador secundario. Consiste en cuando un grupo de investigadores trabajan con los datos de diversos indicadores para realizar sus análisis científicos. En vez de tener un impacto sobre el material de partida, los obreros en el caso de la fábrica Hawthorne, en este caso las idiosincrasias de estos investigadores «secundarios» influyen en cómo manejan los datos e incluso en qué datos obtienen del análisis de los datos primarios. Por ejemplo, los investigadores pueden seguir pasos aparentemente inocuos para hacer un análisis estadístico. Estos pasos generan que, a partir de los mismos datos, distintos investigadores tengan resultados significativamente diferentes. Entre ellos está el peso que se da a cada dato, las técnicas analíticas empleadas o la selección de estimaciones. Otra posibilidad es que los investigadores pueden usar diferentes paquetes de software que tengan establecidos de fábrica valores por defecto que lleven a fluctuaciones pequeñas pero significativas. En tercer y último lugar, distintos investigadores pueden utilizar datos que no son idénticos aunque aparentemente lo sean. Por ejemplo, la OCDE recoge y publica datos de sus estados miembros, pero estos datos varían con el tiempo y si un investigador analiza el producto interior bruto de Canadá en el año 2018 puede tener datos distintos de otro investigador que recoge la información del PIB de Canadá en el 2018 unos años después.

Un grupo numeroso de investigadores encabezado por Raphael Silberzahn lo aplicó a un campo que genera gran interés: el fútbol. Veintinueve grupos de investigadores usaron los mismos datos para responder a la misma pregunta de investigación: si los árbitros tendían a mostrar más tarjetas rojas a los jugadores de piel oscura que a los de piel clara. La forma de analizar los datos varió enormemente entre los equipos de analistas y los resultados también. Veintiún equipos de analistas (69%) encontraron un efecto positivo con significación estadística, es decir encontraron racismo en los árbitros, mientras que nueve equipos de analistas (31%) ¡con los mismos datos! no encontraron una relación significativa y concluyeron, por tanto, que los árbitros no eran racistas. Los equipos de analistas usaron 21 combinaciones únicas de covariantes. El análisis encontró que ni las creencias previas de los analistas, ni su nivel de conocimientos, ni la calidad controlada por pares del análisis proporcionaron una explicación sencilla de las diferencias en los resultados. Esto sugiere que existe una variación significativa en los resultados de los análisis de datos complejos que puede ser difícil de evitar incluso por expertos con intenciones honestas. El análisis de «crowdsourcing data», una estrategia por la que se reclutan numerosos grupos de expertos para investigar simultáneamente los mismos datos, muestra con claridad como decisiones razonables, pero subjetivas, pueden influir enormemente sobre los resultados finales de una investigación.

Para leer más:

• Landsberger HA (1958) Hawthorne Revisited. Cornell Univ, Ithaca (NJ).
• Levitt SD, List JA (2011) Was there really a Hawthorne effect at the Hawthorne plant? An analysis of the original illumination experiments. Amer Econ J: Applied Economics 3: 224–238.
• McCambridge J, Witton J, Elbourne DR (2014)  Systematic review of the Hawthorne effect: new concepts are needed to study research participation effects. J Clin Epidemiol 67(3): 267-277.
• Roethlisberger FJ, Dickson WJ (1939) Management and the Worker. Harvard University Press, Cambridge (MA)
• Silberzahn R, Uhlmann EL, Martin DP, Anselmi P, Aust F, Awtrey E, Bahník Š, Bai F, Bannard C, Bonnier E, Carlsson R, Cheung F, Christensen G, Clay R, Craig MA, Dalla Rosa A, Dam L, Evans MH, Flores Cervantes I, Fong N, Gamez-Djokic M, Glenz A, Gordon-McKeon S, Heaton TJ, Hederos K, Heene M, Hofelich Mohr AJ, Högden F, Hui K, Johannesson M, Kalodimos J, Kaszubowski E, Kennedy DM, Lei R, Lindsay TA, Liverani S, Madan CR, Molden D, Molleman E, Morey R. D, Mulder L. B, Nijstad BR, Pope NG, Pope B, Prenoveau JM, Rink F, Robusto E, Roderique H, Sandberg A, Schlüter E, Schönbrodt FD, Sherman M. F, Sommer SA, Sotak K, Spain S, Spörlein C, Stafford T, Stefanutti L, Tauber S, Ullrich J, Vianello M, Wagenmakers E-J, Witkowiak M, Yoon S, Nosek BA (2017) Many analysts, one dataset: Making transparent how variations in analytical choices affect results. PsyArXiv https://doi.org/10.1177/2515245917747646