Está en la página 1de 4

Qu es la generalizacin?

La generalizacin es un elemento esencial del proceso cientfico en general. En un mundo


ideal, para poner a prueba una hiptesis probaras una poblacin entera.
Utilizaras todas las variaciones posibles de una variable independiente. En la gran mayora
de los casos, esto no es posible, por eso se elige un grupo representativo que refleje toda
la poblacin.
En cualquier experimento, puedes recibir crticas por tus generalizaciones sobre
la muestra, el tiempo y el tamao.

Debes asegurarte que el grupo de muestra sea lo ms representativo posible de


toda la poblacin.
En muchos experimentos, el tiempo es fundamental, ya que los comportamientos
pueden cambiar anualmente, mensualmente y hasta a cada hora.
El tamao del grupo debe permitir que las estadsticas sean extrapoladas de
manera segura a toda una poblacin.

En la prctica, no es posible tomar muestras de toda una poblacin por falta de


presupuesto, tiempo y viabilidad (aunque existen algunos estudios regionales a gran
escala, tales como el estudio HUNT o el estudio Decode Genetics de Islandia).
Por ejemplo, es posible que desees probar una hiptesis sobre el efecto de un programa
educativo en estudiantes de los EE.UU.
En un experimento ideal, probaras a cada uno de los nios que utiliza el programa en
contraste con un grupo de control. Si este nmero asciende a varios millones de personas,
esto no sera posible sin un gran nmero de investigadores y sin recursos financieros
infinitos.
Por lo tanto, debes generalizar y tratar de seleccionar un grupo de muestra que sea
representativo de toda la poblacin.
Un proyecto de investigacin de alto presupuesto podra tomar una muestra ms pequea
de cada escuela del pas. Una investigacin de bajo presupuesto podra concentrarse en
una ciudad o incluso en una sola escuela.
La clave para la generalizacin consiste en entender en qu cantidad se pueden aplicar
hacia atrs tus resultados para representar al grupo de nios en su conjunto. El primer
ejemplo, que utiliza todas las escuelas, sera una representacin fuerte, porque la
variedad y el nmero de muestras son elevados. Probar una sola escuela dificulta la
generalizacin y afecta la validez externa.

Puedes descubrir que esa sola escuela probada produce mejores resultados para los nios
que utilizan ese programa educativo en particular.
Sin embargo, una escuela de otra ciudad puede albergar nios a los que no les guste el
sistema. Los estudiantes pueden tener un nivel socioeconmico o cultura completamente
diferente. Los crticos de tus resultados se abalanzarn sobre tales discrepancias y
cuestionarn todo tu diseo experimental.
La mayora de las pruebas estadsticas contienen un mecanismo incorporado para tomar
en cuenta los tamaos de muestra con grupos y nmeros ms grandes, lo que produce
resultados ms significativos.
El problema es que ellos no pueden distinguir la validez de los resultados ni determinar si
tus sistemas de generalizacin son correctos. Esto es algo que debe ser tomado en cuenta
cuando se genera una hiptesis y se disea el experimento.
La otra opcin, es decir, si los grupos de muestra son pequeos, es utilizar similitud
proximal y restringir tu generalizacin. Debes aceptar que un grupo de muestra limitado
no puede representar toda una poblacin.
Si has muestreado nios de una ciudad, es peligroso asumir que representan a todos los
nios. No obstante, es razonable suponer que los resultados deberan aplicarse a una
ciudad de tamao similar con un nivel socioeconmico similar. Esto no es perfecto, pero
presenta ms validez externa y sera una generalizacin aceptable.

Prediccin en la investigacin
En la investigacin, la prediccin cumple uno de los deseos bsicos de la humanidad:
percibir el futuro y saber lo que nos depara el destino. La misma adivinacin utilizada para
el estudio de las estrellas o la observacin de las entraas de los animales.
Obviamente, en el mundo moderno es poca la gente que presta atencin a estos
mtodos. Sin embargo, muchas personas esperan que los cientficos se conviertan en los
nuevos adivinos y predigan cmo va a terminar la humanidad, el medio ambiente y el
universo.
Hasta cierto punto, la mayora de los cientficos utiliza regularmente la prediccin en la
investigacin como un elemento fundamental del mtodo cientfico, cuando generan una
hiptesis y predicen lo que suceder. En el otro extremo se encuentra algo llamado
Calentamiento Global, que ha sido predicho por muchos modelos por computacin
aunque todava no se ha medido realmente la verdad detrs de la teora.

Estas predicciones pueden tener efectos de gran alcance y dirigir disciplinas cientficas
enteras, como en el caso de la Relatividad y la Evolucin de Darwin, que han apoyado la
investigacin en la Fsica y la Biologa por muchos aos. Por otra parte, los experimentos
ms pequeos tambin pueden tener ramificaciones ms amplias y permitir que la
humanidad prediga y, por lo tanto, evite determinados eventos futuros.

Surgimiento de la ciencia predictiva


Como parte de la bsqueda de la humanidad por comprender la naturaleza, la ciencia
predictiva est mucho ms diseminada que antes.
Gran parte de esto se debe al crecimiento exponencial de la capacidad de procesamiento,
que permite modelos progresivamente ms detallados y precisos. stos son muy tiles en
la prediccin del clima o de desastres naturales, tales como terremotos y tsunamis.
El otro factor que impulsa este crecimiento de las predicciones en la investigacin es la
poltica y la economa. Predecir el clima puede beneficiar a una economa, ya que puede
informar a los agricultores acerca de qu esperar y permite que los servicios de
emergencia predigan cuando el mal tiempo requiere accin. La economa es impulsada
por la prediccin, tal como lo muestra la actual crisis econmica, y las predicciones
errneas pueden ser devastadoras, aunque si los polticos optan o no por escuchar los
consejos de los modelos de prediccin hechos por computadora aunque no estn de
acuerdo con sus polticas, es otro asunto.
Con los millones de dlares invertidos por los gobiernos o por las empresas petroleras que
utilizan las predicciones de los gelogos para saber dnde perforar pozos de prueba, la
ciencia predictiva slo va a crecer. Sin embargo, todo este campo de la ciencia y la
informtica se basa en los mismos fundamentos que incitaron a los primeros cientficos: el
principio de hacer una prediccin y salir a probarla.
Por desgracia, estas predicciones en la ciencia dependen del capricho de los pagadores,
del gobierno o del sector privado. Esto siempre pondr en peligro la integridad de los
cientficos que hacen predicciones, como es el caso de los modelos de Calentamiento
Global, pero la prediccin en la investigacin siempre impulsar el mtodo cientfico.
Bueno, esa es mi prediccin!