Próximo(s)

¿Pueden tener éxito los programas de remuneración docente basada en el desempeño? El caso del Texas Teacher Incentive Allotment

Autores/as

DOI:

https://doi.org/10.14507/epaa.34.9573

Palabras clave:

remuneración basada en el desempeño, Teacher Incentive Allotment, validez, modelos de valor agregado, Texas

Resumen

Los programas de remuneración basada en el desempeño (PBD) en la educación pública son objeto de controversia, y sus evaluaciones suelen centrarse en los resultados, aunque su éxito también depende del diseño y la implementación. En este estudio examinamos el Texas Teacher Incentive Allotment (TIA), un programa estatal de gran escala financiado con fondos públicos para remunerar el desempeño docente, utilizando un marco analítico de tres componentes: validez del diseño, fidelidad de la implementación y utilidad de los resultados. A partir de datos administrativos de 79.198 docentes pertenecientes a 338 distritos escolares, analizamos si las designaciones se corresponden con la efectividad docente, si los distritos aplican de manera consistente las métricas establecidas y si la designación se asocia con el desempeño. Al combinar medidas de progreso académico y observaciones de aula, encontramos que solo el 3 % del profesorado recibió una designación pese a obtener puntuaciones inferiores al umbral establecido, mientras que el 8 % no fue designado a pesar de superar dicho umbral. Asimismo, la designación mostró una fuerte correspondencia con el desempeño (AUC = .95), lo que indica que los distritos aplicaron, en términos generales, las directrices estatales de manera adecuada. La designación también se asoció con un mejor desempeño o con el mantenimiento de niveles elevados de desempeño, aunque el diseño observacional del estudio no permite establecer relaciones causales. El TIA ilustra cómo un programa de remuneración basada en el desempeño implementado a gran escala puede combinar el rigor estatal con la flexibilidad local, ofreciendo implicaciones relevantes para responsables de políticas que evalúan reformas de remuneración por mérito.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Jaehoon Lee, Texas Tech University

Jaehoon Lee, PhD, is an associate professor of educational psychology at Texas Tech University. His scholarly expertise spans advanced research methodologies, statistical modeling techniques, and measurement instruments applied across education, psychology, public health, and related disciplines. His recent work focuses on the evaluation and application of mixed-effects models, mixture models, Bayesian approaches, and propensity score methods for analyzing complex data sets.

Michael Strong, Texas Tech University

Michael Strong, PhD, is a research scientist in the College of Education at Texas Tech University. He is the former Director of Research at the New Teacher Center at the University of California, Santa Cruz, and at the Center on Deafness at the University of California, San Francisco. His current interests center on observing teaching behavior, applying AI to teaching evaluation, and measuring the effectiveness of teacher pay-for-performance programs.

Kristin Mansell, Texas Tech University

Kristin E. Mansell, PhD, is an assistant professor in the College of Education at Texas Tech University. Her research examines how school systems design roles, routines, and instructional structures to strengthen teaching and learning, with a particular focus on strategic staffing, blended and personalized learning, and instructional improvement in rural and high-need contexts. She leads statewide evaluation projects with the Texas Education Agency, including work on the Strategic Operations staffing model, the School Action Fund, and the Teacher Incentive Allotment, and explores teacher workforce dynamics such as retention, mobility, certification pathways, and the impact of professional learning.

Heather Greenhalgh-Spencer, Texas Tech University

Heather Greenhalgh-Spencer, PhD, is a professor in the Department of Curriculum and Instruction at Texas Tech University and Associate Dean of the Graduate School. Her research emerges at the intersection of educational technology, techno-philosophy, pedagogical innovation, strategic staffing, and school-workforce connections. Greenhalgh-Spencer also researches blended/personalized learning (BL/PL) and the ways that BL/PL can create multiple learning pathways and increased opportunities for all students. Her work intersects with issues in STEM education and the STEM (Engineering) pipeline. Dr. Greenhalgh-Spencer has published in multiple international journals of education. She teaches courses on e-learning, BL/PL pedagogies, pedagogical innovation, data literacy, and educational policy and philosophy.

Descargas

Publicado

2026-09-15

Cómo citar

Lee, J., Strong, M., Mansell, K., & Greenhalgh-Spencer, H. (2026). ¿Pueden tener éxito los programas de remuneración docente basada en el desempeño? El caso del Texas Teacher Incentive Allotment. Archivos Analíticos De Políticas Educativas, 34. https://doi.org/10.14507/epaa.34.9573

Número

Sección

Articles

Artículos más leídos del mismo autor/a