Está en la página 1de 4

Las reglas del

razonamiento

Por Luis Fernando Cuevas Remigio

Todos tenemos la impresión de que juzgamos y tomamos decisiones con fundamentos estrictamente lógicos, pero las investigaciones en psicología del razonamiento indican que no. La mente sustituye las reglas estrictas de la lógica por atajos mentales que a veces funcionan y a veces no.

La investigación científica y otras actividades humanas especializadas son el resultado de largos, y a veces tortuosos, procesos de razonamiento, pero, ¿somos tan eficaces en el razonamiento cotidiano? Ésta es una pregunta para la psicología cognitiva, disciplina que estudia procesos mentales como la reflexión, la creatividad, la memoria y el razonamiento.

Razonamiento deductivo

Aristóteles fue el primero en investigar sistemáticamente el razonamiento, y sobre todo las reglas que dan razonamientos válidos. Concluyó que los razonamientos válidos lo son por su estructura lógica, y no porque sus premisas o sus conclusiones sean verdaderas (ver recuadro). Muchos psicólogos que estudian el proceso de razonamiento sostienen que los humanos razonamos siguiendo los principios elementales de la lógica. Sin embargo, otros consideran que, en general, nuestra manera de razonar no se ciñe a las reglas de la lógica clásica. Esto se puede ilustrar por medio de experimentos sobre inferencias condicionales. Conside- remos, por ejemplo, la afirmación “si llueve, me quedo en casa. Hay cuatro maneras clásicas de construir inferencias a partir de ella. Helas aquí, junto con sus nombres:

1. Llueve, por lo tanto, me

quedo en casa (modus po- nens).

2. No llueve, por lo tanto, no

me quedo en casa (negación del antecedente). 3. Me quedo en casa, por lo tanto, llueve (afirmación del consecuente). 4. No me quedo en casa, por lo tanto, no llueve (modus tollens).

t t e r s t u o c h k S : n e
t
t
e
r
s
t
u
o
c
h
k
S
:
n
e
g
a
m
I
30
¿ cómoves ?
t u o c h k S : n e g a m I 30 ¿

Si las analizamos rigurosamente, ve- remos que dos de estas formas producen razonamientos válidos y dos producen ra- zonamientos falaces (o sea, afirmaciones que no se pueden deducir lógicamente de la afirmación original). La primera de estas formas (modus ponens) es simplemente la suposición original. La segunda y la tercera no son deducciones válidas porque sólo sabemos que cuando llueve, yo me quedo en casa, pero yo podría perfectamente también quedarme en casa cuando no llueve sin contradecir la afirmación “cuando llueve me quedo en casa”. Así, no necesaria- mente es cierto que si no llueve yo tenga que salir, ni que si me quedo en casa sea necesariamente porque llueve. La cuarta (modus tollens) sí es válida. Si cuando llueve me quedo en casa, sí podemos con- cluir lógicamente que si no me quedé en casa es porque, necesariamente, no llueve. En un artículo publicado en la revista Cognition en 1993 el psicólogo británico y especialista en razonamiento Jonathan Evans, de la Universidad de Plymouth, analizó el resultado de pedirles a varias personas que evaluaran cuáles de estas inferencias son lógicamente válidas. Sus resultados indicaron que las perso- nas tienden a aceptar como más valida la estructura lógica del modus ponens

(100% de acuerdo entre los participantes), seguida en menor grado por el modus to- llens (75%), mientras que la negación del

antecedente fue la menos aceptada (69%). Esto representa un problema, porque, de hecho, el modus ponens (si llueve, me quedo en casa) y el modus tollens (no me quedo en casa, por lo tanto, no llueve) son equivalentes desde el punto de vista de la lógica. No hay ninguna razón lógica para preferir el primero sobre el segundo. Para

Imagen: art4all/Shutterstock

Imagen: art4all/Shutterstock perfectamente haber una tarjeta con un 2 de un lado y una letra distinta

perfectamente haber una tarjeta

con un 2 de un lado y una letra distinta del otro sin que se desmintiera la regla. Lo que sí la violaría sería encontrar una R al reverso del 8. Así pues, las dos cartas que nos dan una confirmación completa son la

R (para comprobar que R implica 2) y el 8

(para comprobar que no-2 implica no-R). Pero en los experimentos sólo 4% de

los participantes eligen la pareja correcta,

R y 8. Casi la mitad eligen R y 2 y 33%

se conforman con voltear sólo la R. El 7% seleccionan R, 2 y 8.

¿Animal racional?

Así pues, hay motivos experimentales para pensar que el razonador humano no sigue un proceso deductivo estricto. Una alter- nativa se encuentra en el razonamiento inductivo. Razonamos inductivamente cuando generalizamos a partir de casos particulares; por ejemplo, cuando conclui- mos que el Sol va a salir mañana a partir de la observación de que en el pasado ha salido todos los días. En este proceso no existen reglas estrictas para determinar cuándo es válido un razonamiento. La confianza que nos inspira un razona- miento inductivo se basa más bien en una probabilidad subjetiva que le asignamos. El problema es que, como ya había observado David Hume en el siglo XVIII,

humano

explicarlo los investigadores sugieren que el modus ponens no requiere esfuerzo de razonamiento. En cambio el modus tollens exige analizar dos negaciones, lo que im- plica más esfuerzo.

La tarea de Wason

En 1959 el filósofo de la ciencia Karl Popper sugirió que los experimentos científicos no pueden comprobar leyes generales, solamente pueden, en todo caso, desmentirlas, o falsarlas. Ni todos los experimentos del mundo bastan para probar que una ley es válida en todos los casos, pero un solo experimento basta para falsarla. Por lo tanto, los experimentos científicos deberían estar encaminados a

Lógico no es Lo mismo que verdadero He aquí un ejemplo de razonamiento deductivo: Todos
Lógico no es Lo mismo que
verdadero
He aquí un ejemplo de razonamiento
deductivo:
Todos los gatos viven en la Luna.
Félix es gato.
Por lo tanto, Félix vive en la Luna.
¿Es lógico? Se podría pensar que
no, puesto que ni la premisa mayor ni
la conclusión son verdaderas: no es
cierto que todos los gatos vivan en la
Luna (puesto que conocemos gatos que
no viven en la Luna) ni que Félix viva
en la Luna (puesto que sabemos que
en la Luna no vive nada ni nadie). Pero
en lógica no interesa si las premisas o
la conclusión son verdaderas o falsas,
sólo si, suponiendo que las premisas
sean verdaderas, lógicamente se sigue
la conclusión. En este caso, si fuera
cierto que todos los gatos viven en la
Luna y que Félix es gato, entonces nece-
sariamente se seguiría que Félix vive en
la Luna. El razonamiento es lógicamente
correcto, aunque sus partes puedan ser
falsas en los hechos.
–S. R.

tratar de falsar las hipótesis, no a comprobarlas. Si después de haber sometido la hipótesis a duras pruebas de investigación, ésta resistía, entonces se le podía aceptar provisionalmente hasta que una nueva investigación la refutara. Sin embargo, en los años 60 el psi- cólogo británico Peter Wason demostró que al plantearse hipótesis la mayoría de las personas busca sólo pruebas que las confirmen y no consideran los casos que podrían refutarlas. Wason observó que, con tal de confirmar sus hipótesis, las personas se conformaban con pruebas débiles y hasta falsas. Para llevar a cabo sus experimentos Wason ideó una tarea de selección de tarjetas. El procedimiento consistía en mostrarle a un grupo de participantes unas tarjetas, cada una de las cuales tenía una letra en el anverso y un número al rever- so. Los participantes veían inicialmente algo así:

R J 2 8
R
J
2
8

Luego se les proponía una regla, por ejemplo: “si de un lado de la tarjeta hay una R, del otro lado hay un 2”. La tarea consistía en indicar qué tarjetas es nece- sario voltear para comprobar la validez de la regla. Es fácil ver que una de las tarjetas que hay que voltear es la R: si resulta que del otro lado no hay un 2, habremos refutado la regla. Si hay un 2, la regla se confirma, pero sólo parcialmente. ¿Qué otra voltea- mos? La mayoría de las personas escogen voltear el 2. Pero la regla si R entonces 2 no exige que si 2 entonces R. Podría

¿

cómoves ?

31

32

el razonamiento por inducción no tiene

la misma validez que el razonamiento por deducción que examinamos en los párrafos anteriores. En efecto, lo que se vale muchas veces no necesariamente se vale siempre (ver ¿Cómo ves?, Núm. 133, “El error del pavo”).

El teorema de Bayes

Cuando sentimos el cuerpo cortado pensamos que es probable que nos dé un resfriado. En otras palabras, estimamos la probabilidad de un acontecimiento

(contraer un resfriado) a partir de observar otro (sensación de cuerpo cortado). Incluso podemos dar una estimación de la proba- bilidad a partir de nuestra experiencia. La psicóloga estadounidense Elke We- ber realizó un experimento con médicos

en el que se evaluó la capacidad de los

participantes para diagnosticar una serie

de enfermedades a partir de un conjunto

de síntomas y de probabilidades de que éstos se presenten en una población. Sus resultados mostraron que los médicos, principalmente los de más experiencia, son muy buenos para diagnosticar correc- tamente las enfermedades tomando en cuenta los síntomas y sus probabilidades. Esto sugiere que nuestro modo de razonar

podría regirse por una lógica en la que intervienen tanto nuestra experiencia pasa- da, como nuestras percepciones subjetivas de las probabilidades. En el siglo XVIII el matemático inglés Thomas Bayes desarrolló un teorema de cálculo de probabilidades que sirve para calcular la probabilidad de un evento

A (o hipótesis) dado otro evento B. Lo

interesante de este teorema es que las pro- babilidades de estos eventos no requieren una recopilación sofisticada de datos, sino que pueden ser estimaciones subjetivas.

Algunos investigadores consideran que el teorema de Bayes está más próximo que la lógica clásica a nuestra manera de razonar, e incluso lo consideran un buen modelo de descripción de nuestros procesos mentales

de predicción.

Algoritmos, heurística y sesgos cognitivos

Los psicólogos de origen israelí Amos Tversky y Daniel Kahneman han desarro- llado otro modelo para explicar nuestros razonamientos. Según ellos, para estimar probabilidades, hacer predicciones y

¿

cómoves ?

actuar en la vida cotidiana nos valemos de ciertos atajos mentales. Si queremos encontrar el cuarto térmi- no de una proporción conociendo los otros tres, no tenemos que complicarnos la vida; simplemente usamos la conocida regla de tres. Saber la regla de tres, así como cuándo utilizarla, es un algoritmo mental; un procedimiento formal que se aplica sin pensar demasiado y que garantiza la solución. En otros casos, cuando no hay un algoritmo mental para el problema que queremos resolver, recurrimos a reglas in- tuitivas que Tversky y Kahneman llaman “heurísticas”. Una heurística es una mane- ra de reducir un cálculo complicado a otro más simple y se basa en nuestro conoci- miento y experiencia pasada. Supongamos que queremos adivinar la ocupación de una persona a partir de cierta información acerca de ella. Si nos describen a una mujer joven, alta, atractiva, con gusto por la moda, atenta a su salud y apariencia y con una intensa vida social y apretada agenda de viajes, podríamos predecir con cierto grado de confianza que su profesión es modelo. La lógica de este razonamiento es que esas carac- terísticas se reúnen con frecuencia en las personas de esa profesión. Tversky y Kahneman llaman a esta lógica “heurística de repre- sentatividad”: sustituimos la probabilidad de que la mujer sea modelo (probabilidad que no podemos calcular) por el grado en que las mode- los son representativas de las características mencionadas. Los in- vestigadores señalan que esta clase de razonamiento conduce a veces a resultados correctos —ocasionalmente los casos representativos son también los más pro- bables—, pero también nos puede conducir a errores. Tversky y Kahneman demostraron esto por medio de un experimento. Pri- mero presentaron esta descripción a un grupo de participantes: “Linda tiene 31 años de edad, soltera, inteligente. Se es- pecializó en filosofía. Como estudiante, estaba profundamente preocupada por los problemas de discriminación y justicia social, y participó en manifestacio-

nes anti-nucleares”. Luego les proporcio- naron una lista de posibles ocupaciones y aficiones y les pidieron que estimaran la probabilidad de cada una:

Linda es profesora de enseñanza básica. Linda es cajera de un banco (A). Linda trabaja en una tienda de discos y asiste a clases de yoga. Linda está asociada al movimiento feminista (B). Linda es agente de seguros. Linda es cajera de un banco y está aso- ciada al movimiento feminista (A + B). Los resultados mostraron que el 88% de las personas consideraron como más probable la conjunción de A + B (“Linda es cajera de un banco y está asociada al mo- vimiento feminista”) que cualquiera de sus elementos aislados, A (“Linda es cajera”) o B (“Linda está ascoiada al movimiento feminista”). Sin embargo, es mucho más razonable suponer que Linda sea

Imagen: art4all/Shutterstock
Imagen: art4all/Shutterstock

cajera o feminista y no ambas cosas. En efecto, las categorías “cajera” y “femi- nista” contienen cada una muchos más elementos que su intersección, compuesta por las personas que son al mismo tiempo cajeras y feministas. Se ha encontrado que hasta los es- pecialistas en estadística y probabilidad pueden caer en este error.

que recordar palabras a partir de su letra inicial es más fácil que recordarlas por letras sus intermedias. Sin embargo, en inglés son más frecuentes las segundas. En otro experimento los investigadores mostraron a sus participantes fotografías mezcladas al azar de 19 hombres famosos

y 20 mujeres desconocidas. Posterior-

mente, cuando les pidieron que estimaran el número de hombres y mujeres que habían visto, los participantes dijeron que había más hombres que mujeres. Cuando usa-

ron fotografías de mujeres famosas y varones desco- nocidos, los participantes estimaron que había más mujeres que hombres.

A B Linda es cajera en un banco A+B Linda está asociada al movimiento feminista
A
B
Linda es cajera
en un banco
A+B
Linda está asociada
al movimiento feminista
Hay menos elementos en la conjunción
de A + B por lo cual la probabilidad de
que ocurra es mucho menor.

Efecto de anclaje

Heurística de accesibilidad

Otro atajo mental que usamos para estimar probabilidades es lo que Tversky y Kahne- man llaman “heurística de accesibilidad”. Ésta consiste en juzgar la probabilidad de un evento a partir de la facilidad con que podemos recordar casos parecidos. Tversky y Kahneman la ilustraron por medio de experimentos en los cuales les pedían a sus participantes que dijeran si hay más palabras que empiezan con R o más palabras con una R intermedia. Sus participantes consideraron que había más palabras que empiezan con R debido a

En otro experimento Tversky y Kahneman

les pidieron a sus participantes que indica- ran qué porcentaje de países de África son miembros de las Naciones Unidas. Para esto se les daba una cifra inicial que, sin saberlo los participantes, se obtuvo con una ruleta que arrojaba un número al azar. Las estimaciones de los participantes quedaron muy cerca del dato proporcionado por la ruleta, lo que sugiere que los participantes

se dejaron influenciar por esta información

(“anclaron” su razonamiento a la informa-

ción inicial). Este mismo efecto se observa

en las negociaciones donde se fija un precio

a tratar, o en las subastas que empiezan con un precio de salida. En otro experimento, el economista Richard Thaler y el abogado Cass Suns-

el economista Richard Thaler y el abogado Cass Suns - tein les pidieron a habitantes de

tein les pidieron a habitantes de las ciu- dades de Chicago y de Green Bay que estimaran la población de la ciudad de Milwaukee. Según los investiga- dores, los participantes hicieron su estimación anclándose mentalmente en el número de habitantes de sus propias sus ciudades. Las per- sonas de Chicago sabían que Milwaukee era una ciudad grande, pero no más grande que la suya, mientras que los habitantes de Green Bay sabían que Milwaukee era mucho más grande que su ciu- dad. Los primeros estimaron la población de Milwaukee en 1 000 000 mientras que los se-

población de Milwaukee en 1 000 000 mientras que los se- más información • Sternberg, Robert,
más información • Sternberg, Robert, Psicología cognoscitiva, Cengage learning, México, 2011. • De Bono,
más información
• Sternberg, Robert, Psicología
cognoscitiva, Cengage learning,
México, 2011.
• De Bono, Edward, Seis sombreros
para pensar, Paidos, México, 2012.
• Esquivias Serrano, María Teresa,
“El enigma sobre los referentes
del pensamiento creativo y
su evaluación”, Revista Digital
Universitaria: www.revista.unam.
mx/vol.10/num12/art88/art88.pdf

gundos la estimaron en 300 000 habitantes (el número correcto era 580 000).

Economía conductual

Amos Tversky murió en 1996. Daniel Kahneman siguió desarrollando el trabajo que ambos iniciaron, pero aplicándolo a la economía. La escuela neoclásica de eco- nomía suponía que, en las decisiones eco- nómicas y financieras, siempre actuamos racionalmente para maximizar nuestras ganancias y minimizar nuestras pérdidas. Pero Kahneman demostró que muchas de las decisiones de los grandes actores eco- nómicos, por ejemplo, los que participan en la bolsa de valores, utilizan estrategias heurísticas o basan sus decisiones en fac- tores emocionales que pueden producir sesgos cognitivos. Esto da una conducta económica esencialmente irracional. Por este trabajo Daniel Kahneman recibió en 2002 el Premio Nobel de economía. Las investigaciones sobre razonamien- to parecerían indicar que los humanos no razonamos de acuerdo a la rígida lógica aristotélica. Los modelos probabilísticos basados en el teorema de Bayes son más prometedores, pero tampoco encajan del todo con el desempeño de los humanos. Aún falta mucho por investigar. Hay que buscar modelos explicativos que incluyan procesos heurísticos y estrategias creati- vas. Falta también explicar los destellos de intuición y comprensión, esos momentos en que de pronto vemos la solución de un problema y nos dan ganas de exclamar ¡eureka!

de un problema y nos dan ganas de exclamar ¡eureka! Luis Fernando Cuevas Remigio es licenciado

Luis Fernando Cuevas Remigio es licenciado en Psi- cología por la UNAM, maestro en Ciencias Cognitivas por la Universidad Autónoma del Estado de Morelos y estudiante de doctorado en Psicología Experimental en la UNAM.

¿

cómoves ?

33