📈 economia

The Optimal Intensity of Performance Evaluation

Este artigo transforma as Leis de Goodhart e de Campbell em um modelo de limiar parametrizado para demonstrar que a avaliação de desempenho universitário segue uma relação em forma de U invertido com a eficácia organizacional, identificando um ponto de inflexão crítico onde a intensidade excessiva desencadeia disfunção e propondo três alavancas qualitativas para mitigar esses efeitos em diversos contextos institucionais.

Autores originais: Zhongjun Wang

Publicado 2026-09-30

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Zhongjun Wang

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Na universidade moderna, uma tensão silenciosa cresceu entre o desejo de medir o sucesso e a realidade do que realmente o cria. Durante décadas, os administradores confiaram em números — contagens de artigos publicados, totais de citações e montantes de subvenções — para julgar a qualidade da pesquisa e do ensino. Essa abordagem baseia-se em uma premissa simples: se você pode medir, você pode gerir. No entanto, uma observação de longa data na economia e nas ciências sociais alerta que essa lógica possui um ponto de ruptura. Quando uma métrica se torna o alvo principal, as pessoas começam a otimizar para o número em si, em vez de para o valor subjacente que ela deveria representar. Esse fenômeno, frequentemente chamado de Lei de Goodhart, sugere que uma métrica deixa de ser uma boa medida assim que se torna um objetivo. No mundo acadêmico, isso tem gerado preocupações de que os professores estejam dedicando menos tempo à erudição profunda e difícil e mais tempo a atividades que simplesmente elevam suas pontuações, um processo conhecido como deslocamento de objetivos. A questão que as universidades enfrentam hoje não é se devem usar métricas, mas quanto é excessivo antes que o sistema comece a trabalhar contra si mesmo.

Um novo estudo de Zhongjun Wang transforma esse aviso abstrato em uma estrutura concreta e mensurável. Em vez de tratar a falha da avaliação de desempenho como uma possibilidade vaga, a pesquisa constrói um modelo matemático para identificar exatamente onde o equilíbrio se rompe. O achado central é que a relação entre a intensidade com que uma instituição avalia seu corpo docente e a qualidade real de sua produção segue uma forma específica: um U invertido. Inicialmente, adicionar uma avaliação mais rigorosa ajuda. Ela esclarece expectativas, alinha esforços e melhora a coordenação. Mas esse benefício não dura para sempre. O modelo identifica um limiar crítico, um ponto específico de intensidade além do qual o sistema colapsa em disfunção. Uma vez que as universidades ultrapassam essa linha, os custos da publicação estratégica ou de negligenciar o ensino crescem tão rapidamente que sobrecarregam quaisquer benefícios remanescentes, deixando a instituição em uma situação pior do que se não tivesse utilizado métricas de forma alguma.

A pesquisa não para na identificação da zona de perigo; ela oferece uma forma de navegar por ela, decompondo a solução em três ferramentas distintas. O estudo argumenta que simplesmente trocar números "quantitativos" por opiniões "qualitativas" é um instrumento muito bruto. Em vez disso, separa o papel do julgamento humano em três alavancas específicas: revisão por pares, alinhamento de valores e justiça processual. A revisão por pares, onde especialistas julgam o trabalho diretamente, atua como um escudo que empurra o limiar perigoso mais adiante, permitindo que as instituições utilizem mais métricas com segurança. Alinhar as métricas com a missão específica da universidade — seja ela ensino, pesquisa ou serviço — eleva o teto do que pode ser alcançado. Por fim, garantir que o processo de avaliação seja percebido como justo pelos professores reduz o ressentimento e a resistência de base que drenam a energia do sistema. Esses três elementos não são intercambiáveis; cada um resolve uma parte diferente do problema, e usar o elemento errado não impedirá o colapso.

Para entender como esse processo ocorre ao longo do tempo, o autor utiliza um modelo dinâmico que rastreia como o comportamento dos professores se altera. A simulação mostra que, uma vez que a intensidade da avaliação cruza o limiar crítico, ocorre uma mudança sutil, mas poderosa, na cultura acadêmica. Mesmo que o número de publicações continue a subir, a qualidade real do trabalho começa a declinar. Isso acontece porque a pressão para performar nas métricas torna-se tão avassaladora que altera as normas sociais do local de trabalho. O que antes era considerado um pequeno atalho torna-se uma prática padrão, e o esforço coletivo da universidade desvia-se da criação de valor genuíno para a otimização da pontuação. O modelo demonstra que essa divergência não é imediata; ela se acelera à medida que mais pessoas entram no jogo, criando um ciclo de feedback onde o sistema recompensa as comportamentos errados cada vez mais intensamente.

O estudo também esclarece por que algumas universidades parecem sobreviver a ambientes de alta pressão enquanto outras desmoronam. O limiar não é um número fixo para todos; depende do design da instituição. Universidades com sistemas fortes de revisão por pares e procedimentos justos podem sustentar uma intensidade de medição mais alta antes de atingirem o limite. Em contraste, sistemas que dependem fortemente de números brutos sem essas salvaguardas atingem o ponto de disfunção muito mais cedo. A pesquisa sugere que a tendência atual de aumento de métricas, impulsionada por rankings globais e competição, está empurrando muitas instituições perigosamente perto ou além desse limite. O modelo implica que simplesmente reduzir o número de métricas não é suficiente; a solução exige a construção da capacidade de julgamento humano de alta qualidade para amortecer o sistema.

Em última análise, este trabalho fornece uma ferramenta de diagnóstico para líderes universitários e formuladores de políticas. Ele move o debate para longe da escolha binária de "métricas versus sem métricas" e em direção a uma questão mais matizada de design. O estudo sug o que existe um nível ideal de intensidade para a avaliação, um ponto ideal onde a prestação de contas melhora o desempenho sem desencadear os comportamentos contraproducentes que a Lei de Goodhart alerta. Ao tratar o limiar como uma variável que pode ser gerenciada através de uma melhor revisão por pares e processos mais justos, a pesquisa oferece um caminho a seguir. Ela indica que o objetivo não é eliminar a medição, mas garantir que a intensidade dessa medição permaneça abaixo do ponto em que ela começa a destruir o próprio valor que busca medir. Os achados são apresentados como um conjunto de proposições testáveis, convidando a coleta de dados adicional para refinar a localização exata desses limiares para diferentes tipos de instituições, mas a mensagem central é clara: há um limite para o quanto podemos medir antes de começarmos a medir as coisas erradas.

Resumo Técnico: A Intensidade Ótima da Avaliação de Desempenho

Definição do Problema
A avaliação de desempenho tornou-se um instrumento central de governança no ensino superior, contudo, a área carece de uma compreensão formal do ponto em que a intensidade da avaliação deixa de ser benéfica e passa a minar os objetivos organizacionais. A Lei de Goodhart (1975) e a Lei de Campbell (1979) são amplamente citadas como avisos retóricos de que "uma medida torna-se um alvo e deixa de ser uma boa medida", mas permanecem como metáforas interpretativas em vez de modelos quantificáveis. A literatura existente documenta a sobrecarga de métricas e o deslocamento de objetivos qualitativamente, mas falha em fornecer um modelo formal da relação não monotônica entre a intensidade da avaliação e os resultados, particularmente um que incorpore limiares institucionais e mecanismos de mitigação endógenos. Consequentemente, os formuladores de políticas não conseguem determinar quando a avaliação ajuda ou prejudica, nem distinguir entre diferentes tipos de revisão qualitativa.

Metodologia
O artigo desenvolve um modelo de limiar formal que integra economia organizacional, psicologia da motivação e análise de políticas de ensino superior. A metodologia procede através de três formulações distintas:

Modelo Univariante Estático: O modelo define a eficácia organizacional $U(k)$ como o resultado líquido de um benefício de alinhamento $U_1(k)$ e um custo de disfunção $U_2(k)$ , onde $k$ representa a intensidade da avaliação.
- Benefício de Alinhamento: Modelado como uma função exponencial côncava $A(1 - e^{-\alpha k})$ , refletindo retornos marginais decrescentes à coordenação e ao feedback.
- Custo de Disfunção: Modelado como uma função por partes. Abaixo de um limiar crítico $k_0$ , os custos crescem linearmente. Acima de $k_0$ , os custos aceleram exponencialmente devido a dois mecanismos de feedback reforçadores: um efeito de norma social (onde o "gaming" ou manipulação de métricas se torna normalizado) e um efeito de amplificação organizacional (onde a gestão intensifica as métricas em resposta a ganhos de curto prazo).
- Resultado: Esta estrutura produz uma relação em forma de U invertido entre a intensidade e a eficácia, com um "ponto de equilíbrio" onde a avaliação excessiva torna a organização pior do que se não houvesse avaliação alguma.
Extensão Bivariante (Julgamento Qualitativo): O modelo introduz um peso $w$ para o julgamento qualitativo, decompondo-o em três alavancas não intercambiáveis:
- Revisão por Pares ( $w_p$ ): Principalmente eleva o limiar $k_0$ ao reduzir a assimetria de informação.
- Orientação de Valores ( $w_v$ ): Principalmente eleva o teto de benefício $A$ ao alinhar as métricas com as missões institucionais.
- Justiça Procedimental ( $w_j$ ): Principalmente reduz o custo de disfunção basal $B$ ao mitigar o ressentimento.
- Esta formulação substitui o debate indiferenciado entre "quantitativo vs. qualitativo" por um espaço de design parametrizado onde alavancas específicas deslocam parâmetros específicos.
Camada Dinâmica de Difusão-Drift (Deriva-Difusão): Para capturar a evolução temporal do comportamento, o artigo emprega uma equação de Fokker–Planck.
- Mecanismo: O esforço docente é modelado como uma distribuição de densidade $e(x,t)$ através de um espectro de qualidade $x \in [0,1]$ , onde $x=0$ é pura otimização de métricas e $x=1$ é produção de valor real.
- Drift (Deriva): Acima do limiar $k_0$ , um termo de velocidade de deriva é ativado, empurrando a distribuição do esforço em direção à otimização de métricas de baixa qualidade.
- Resultado: Esta camada demonstra que, mesmo quando as pontuações das métricas ( $M(t)$ ) sobem, o valor real ( $V(t)$ ) declina monotonicamente, fornecendo um microfundamento comportamental para a Lei de Goodhart.

Principais Resultados

Relação em U Invertido: O modelo confirma que a eficácia organizacional segue uma curva em U invertido em relação à intensidade da avaliação. Existe uma intensidade ótima $k^{**}$ e um ponto de equilíbrio $k_{be}$ além do qual a utilidade líquida torna-se negativa.
Existência de Limiar: Um limiar institucional crítico $k_0$ existe. Abaixo deste ponto, a disfunção cresce linearmente; acima dele, a disfunção acelera exponencialmente devido a pontos de inflexão das normas sociais.
Alavancas Diferenciais: O julgamento qualitativo não é uma solução monolítica. A revisão por pares é o principal mecanismo para elevar o limiar sustentável; a orientação de valores eleva o benefício potencial máximo; e a justiça procedimental reduz o custo administrativo basal.
Divergência Dinâmica: Em regimes onde $k > k_0$ , o modelo prevê uma divergência progressiva onde as pontuações das métricas aumentam enquanto o valor organizacional real diminui, impulsionado por um deslocamento na distribuição do esforço docente para a manipulação de métricas.

Seis Proposições Falsificáveis
O artigo destila o modelo em seis proposições testáveis com estratégias de identificação específicas para pesquisa empírica:

Não-monotonicidade: A intensidade da avaliação e a eficácia seguem uma forma de U invertido (testável via dados de painel institucional).
Efeito de Limiar: As disfunções emergem rapidamente além de um limiar crítico (testável via diferença-em-diferenças usando reformas como o "Break Five Onlys" da China).
Moderação: O julgamento qualitativo eleva o limiar $k_0$ (testável via modelos de mediação).
Efeitos Diferenciais: A revisão por pares eleva $k_0$ mais fortemente do que a justiça procedimental (testável via termos de interação em regressão hierárquica).
Adaptação Dinâmica: A divergência entre pontuações de métricas e valor real acelera ao longo do tempo quando $k > k_0$ (testável via estudos de eventos).
Heterogeneidade: O limiar $k_0$ varia conforme a fase da carreira (menor para pesquisadores em início de carreira) e a disciplina (maior em campos STEM quantificáveis).

Significância e Alegações
O artigo afirma fazer três contribuições primárias para a erudição do ensino superior:

Formalização da Metáfora: Ele converte as Leis de Goodhart e Campbell de metáforas interpretativas em um modelo de limiar parametrizado e falsificável. Ao contrário de modelos econômicos anteriores (ex: Rablen, 2010) que dependem de pontos de referência individuais, este modelo identifica um limiar institucional onde a disfunção acelera.
Decomposição da Revisão Qualitativa: Ele vai além do debate binário "quantitativo vs. qualitativo" ao identificar três alavancas distintas e não intercambiáveis (revisão por pares, orientação de valores, justiça procedimental) que operam através de mecanismos específicos. Isso permite um design de política direcionado em vez de apelos genéricos por "mais avaliação qualitativa".
Mecanismo Dinâmico: Ao integrar uma camada de difusão-drift de Fokker–Planck, o modelo explica como e por que as pontuações das métricas e o valor real divergem ao longo do tempo, oferecendo um microfundamento comportamental para o custo exponencial da disfunção.

O artigo posiciona-se como uma ferramenta de diagnóstico, em vez de um veredito prescritivo. Argumenta que a intensidade "ótima" não é uma constante universal, mas uma função de parâmetros de design institucional. O modelo fornece um quadro para diagnosticar se um sistema de avaliação específico (ex: o "Break Five Onlys" da China, o REF do Reino Unido ou o financiamento baseado em desempenho dos EUA) está operando dentro de um regime sustentável ou se cruzou um limiar para a disfunção. O autor enfatiza que os valores quantitativos (ex: $k_0 = 0,5$ ) são ilustrativos e requerem calibração empírica, mas as previsões qualitativas relativas à existência de um limiar e à direção da deriva são robustas através de variações de parâmetros.

Mais como este