La maggior parte delle federazioni sportive valuta le prestazioni dei propri arbitri e giudici di gara. Tuttavia, questi programmi di valutazione non sono sempre validati e i criteri per giudicare le prestazioni non sono necessariamente chiari e univoci (MacMahon et al., 2015). Tali valutazioni vengono di solito effettuate da allenatori di arbitri esperti che li osservano regolarmente durante le loro partite e li giudicano in base a diversi aspetti delle loro prestazioni arbitrali.

Negli sport interattivi e con la palla, ciò include la padronanza delle regole del gioco (ad es. falli/violazioni, gestione delle non chiamate) e le interazioni personali (ad es. comunicazione giocatore/allenatore, lavoro di squadra, leadership). Ad esempio, una griglia di osservazione e valutazione per arbitri di basket risulta essere il BARS-BR (Anshel, 1995) che valuta, su una scala likert da 1 a 5 e con diverse domande, 13 categorie comportamentali: la padronanza delle regole, la comunicazione verbale e non efficace dentro e fuori il campo, la meccanica corretta di arbitraggio, il livello della forma fisica, la presentazione professionale in campo, il contributo attivo al gioco, se cerca di migliorare il proprio standard, l’utilizzo di feedback critici, se interagisce efficacemente con l’altro arbitro, se mantiene la credibilità, l’impegno in una corretta mentalità e se effettua una buona preparazione fisica pre-partita. I risultati di tali osservazioni vengono quindi utilizzati per dare un feedback all’arbitro e anche per programmare le partite importanti.

Invece, le misurazioni delle prestazioni negli sport tecnici, come ad esempio la ginnastica, si basano spesso su test teorici, che includono domande sulla conoscenza delle regole e l’analisi di video simili alle competizioni reali. I risultati vengono utilizzati per la valutazione delle prestazioni e, di conseguenza, influiscono se un arbitro può passare a un livello di giudizio superiore.

Tuttavia, durante la valutazione, è importante capire perché un arbitro ha preso una decisione errata o corretta e i fattori che hanno avuto un impatto su questa. Ad esempio, indagando i modelli decisionali, Unkelbach e Memmert (2008) hanno rilevato una tendenza tra gli arbitri della Bundesliga tedesca a evitare gravi chiamate all’inizio della partita. I dati hanno mostrato che solo 606 cartellini gialli sono stati assegnati durante i primi 15 minuti delle partite rispetto ai 1.505 durante gli ultimi 76-90 minuti di intervallo. Modelli simili sono stati rilevati nell’analisi dei cartellini rossi durante 41 stagioni della stessa lega di calcio (Bar-Eli et al., 2006). Unkelbach e Memmert hanno suggerito che gli arbitri hanno bisogno di tempo sufficiente per calibrare la loro scala di giudizio, e quindi evitano di usare queste sanzioni all’inizio della partita. Infatti, se iniziano con un cartellino giallo già all’inizio del match, potrebbero dover continuare ad operare lo stesso metro di giudizio nel corso della partita per rimanere coerenti. Tuttavia, considerando le differenze individuali, potrebbero esserci anche arbitri di calcio che preferiscono dettare presto il proprio modo disciplinare, al fine di indicare la “linea” e gli standard ai giocatori, evitando così una partita troppo “aggressiva”. Un approccio arbitrale preventivo, infatti, suggerirebbe di penalizzare anche le violazioni minori all’inizio di una partita (MacMahon & Mildenhall, 2012).

È qui che entrano in gioco le differenze individuali e la figura dello psicologo dello sport, che può aiutare a strutturare degli incontri tra arbitro e valutatore fondati sul dialogo, sul confronto e sulla conoscenza per svolgere un’analisi senza pregiudizi (Raab et al., 2020). Pertanto, è necessaria flessibilità nel processo di valutazione degli arbitri, cioè bisogna tenere conto delle precedenti prestazioni e della fase di stagione, o di particolari fattori chiave influenti, come ad esempio i comportamenti dei tifosi (MacMahon et al., 2015).