Los sistemas de apoyo a decisiones se están aplicando cada vez más en ámbitos críticos de toma de decisiones como la salud y la justicia penal. La confianza en estos sistemas requiere transparencia y explicabilidad. Entre las formas de explicación, la explicación resumen globalmente consistente (SE) es una explicación local basada en reglas que ofrece información global útil y consistencia del 100% con el conjunto de datos. Sin embargo, las SE globalmente consistentes con una complejidad limitada a menudo tienen un pequeño nivel de apoyo, lo que las hace poco convincentes. Para mejorar el apoyo de las SE, este documento introduce la SE q-consistente, intercambiando una consistencia ligeramente menor por un mayor apoyo. El desafío es resolver el problema de maximizar el apoyo con la q-consistencia (MSqC), que es más complejo que maximizar el apoyo para la consistencia global, lo que lleva a tiempos de solución extendidos utilizando solucionadores estándar. Para mejorar la eficiencia, el documento propone un método de muestreo de columnas ponderado (WCS), utilizando puntuaciones de aumento de apoyo simplificadas (SIS) para crear y resolver instancias de problemas más pequeñas. Experimentos en escenarios de evaluación de crédito confirman que el método WCS basado en SIS en problemas de MSqC mejora la escalabilidad y produce SEs con un mayor apoyo y una mejor efectividad de extrapolación global.