Métodos Todas Las Diapositivas

CIENCIA Y MÉTODO
CIENTÍFICO
¿QUÉ ES LA CIENCIA?
Conjunto de conocimientos que disponemos sobre
la naturaleza y el propio hombre
Se han obtenido utilizando un procedimiento

específico: el método científico
El método científico se caracteriza por la

replicabilidad
CIENCIA Y OTRAS FORMAS DE
CONOCIMENTO
Todos los conocimientos que disponemos sobre la
naturaleza y el propio hombre no provienen de la
Ciencia
• Astrología
• Religión
• Ética
• Filosofía
• Política….
CIENCIA Y OTRAS FORMAS DE
CONOCIMENTO
¿Es mejor la ciencia que otras formas de
conocimiento?
Depende de para qué
OBJETO DE LA CIENCIA
Fenómenos de la naturaleza observables
• A veces no son observables porque no se
dispone de instrumentos adecuados o
procedimientos que lo permitan (ej. los virus
antes de disponer del microscopio, los órganos
internos antes de realizar autopsias)
• A veces no son observables porque se trata de
un concepto teórico que hace referencia a varios
fenómenos observables (ej. la inteligencia)
OBJETIVOS DE LA CIENCIA
 DESCRIBIR. Conocer el fenómeno, ordenarlo,
sistematizarlo, identificar sus características,
clasificarlo
 EXPLICAR. Establecer la cadena de causas que
preceden dicho fenómeno, lo que permite
reconocer su ocurrencia
 PREDECIR. Facilitar el acceso a otros
fenómenos a partir del fenómeno explicado
SUPUESTOS DE LA CIENCIA
 ORDEN: Los fenómenos no ocurren de
forma aleatoria sino con orden (necesario
para establecer teorías generales)
 DETERMINISMO: Existen acontecimientos
anteriores a cada hecho observado que
determinan su naturaleza (pudiendo establecer
cadenas de causas que ocasionan lo observado)
 COMPROBABILIDAD: Cada eslabón de la
cadena de causas de los fenómenos observados
pude ser medido y probado (implica
resolubilidad de los problemas)
REQUISITOS/CARACTERÍSTICAS
DE LA CIENCIA
 OBJETIVIDAD: ausencia de prejuicios de
los investigadores y ausencia de sesgos
 EMPIRICISMO: limitado a lo observable
 REPLICABILIDAD: la forma de adquirir
conocimiento puede ser repetida por
cualquier otro científico
 PARSIMONIA: se prefieren explicaciones
simples vs. complejas
 DISEMINACIÓN: publicación de hallazgos
CÓMO PROCEDE LA CIENCIA
MÉTODO CIENTÍFICO
observación
inducción fenómeno
hipótesis
deducción comprobación
teoría
CÓMO PROCEDE LA CIENCIA
MÉTODO CIENTÍFICO
• ESQUEMA INDUCTIVO
La experiencia es generadora de conocimiento
datos→teoría
• ESQUEMA DEDUCTIVO
De una ley general se establecen unas
consecuencias que son aplicables a la realidad
teoría→datos
• ESQUEMA HIPOTÉTICO DEDUCTIVO
De una hipótesis se establece lo que se espera
observar, y lo que se observa sirve para aceptar la
hipótesis
teoría→datos →teoría
PROCESO GENERAL DE
INVESTIGACIÓN CIENTÍFICA
El proceso de la investigación científica sigue
un modelo secuencial e interactivo que pasa
por los niveles teórico-conceptual (teoría),
técnico-metodológico (diseño) y analítico-
estadístico (datos)
PROCESO GENERAL DE
• NIVEL TEÓRICO-CONCEPTUAL
Todo lo relacionado con la fundamentación
teórica del problema y la hipótesis de
investigación y la interpretación teórica de los
resultados
delimitación del problema de investigación
antecedentes teóricos y aplicados
 elaboración de posibles explicaciones:
enunciado de hipótesis de investigación
Interpretación de los resultados
PROCESO GENERAL DE
• NIVEL TÉCNICO-METODOLÓGICO
Todo lo relacionado con las decisiones que hay que
tomar para recoger la información que permite
poner a prueba las hipótesis
 operacionalización de hipótesis investigación:
hipótesis operacional
determinación del esquema metodológico más
adecuado para poner a prueba la hipótesis
 elaboración diseño de la investigación o
planificación del procedimiento de recogida de
datos
 identificación de los instrumentos utilizados
para la recogida de datos
PROCESO GENERAL DE
• NIVEL ANALÍTICO-ESTADÍSTICO
Todo lo relacionado con los análisis estadísticos
para identificar si los datos recogidos son
compatibles con las hipótesis planteadas
 descripción estadística de datos
 enunciado de hipótesis estadísticas
 realización de análisis estadístico
inferencial
EJEMPLO PROCESO
INVESTIGACIÓN
PROBLEMA DE INVESTIGACIÓN
Cómo afecta el cannabis a la memoria
HIPÓTESIS DE INVESTIGACIÓN
Los consumidores de cannabis presentan peor memoria
que los no consumidores
EJEMPLO PROCESO
INVESTIGACIÓN
HIPÓTESIS OPERACIONAL
Los consumidores diarios de cannabis tendrán un

rendimiento en memoria de trabajo inferior que los no
consumidores
ESQUEMA METODOLÓGICO
Metodología experimental
EJEMPLO PROCESO
INVESTIGACIÓN
DISEÑO DE INVESTIGACIÓN
Administración del test de Letras y Números del WAIS a

un grupo de 30 consumidores diarios de cannabis y un
grupo de 30 no consumidores
INSTRUMENTOS DE MEDIDA
Test de Letras y Números del WAIS
Encuesta para identificar los consumidores y no
EJEMPLO PROCESO
INVESTIGACIÓN
DESCRIPCIÓN ESTADÍSTICA DATOS
Media y desviación típica de las puntuaciones del test para

ambos grupo
HIPÓTESIS ESTADÍSTICAS
𝐻0 : 𝜇𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛,𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 ≥ 𝜇𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛,𝑛𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠
𝐻1 : 𝜇𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛,𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 < 𝜇𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛,𝑛𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠
EJEMPLO PROCESO
INVESTIGACIÓN
ANÁLISIS ESTADÍSTICO
Prueba t para muestras independientes

EJEMPLO PROCESO
INVESTIGACIÓN
INTERPRETACIÓN RESULTADOS
Los resultados apoyan o no la hipótesis

Otros resultados obtenidos
Relación con estudios previos
EJEMPLO PROCESO
INVESTIGACIÓN
INFORME DE INVESTIGACIÓN
Redacción informe de investigación para congreso:

Comunicación/poster
Redacción del artículo de investigación y publicación
ESQUEMAS METODOLÓGICOS
DESCRIPTIVO U OBSERVACIONAL (NO
EXPERIMENTAL)
SELECTIVO O POR ENCUESTA (NO

EXPERIMENTAL)
EXPERIMENTAL
DESCRIPTIVO U OBSERVACIONAL (NO
EXPERIMENTAL)
• Descripción y exploración de variables (en

pocos individuos)
• Observación directa (técnica: observación)
• No manipulación ni control de variables
• Análisis estadísticos descriptivos y

exploratorios
EJEMPLO
Garzón, B., Lapresa, D., Anguera, M.T. y Arana, J. (2011)
El objetivo de la investigación es analizar el patrón

técnico del tiro libre en jugadores de baloncesto con el
objeto de utilizar dicha información con objetivos
formativos.
Se eligen 9 jugadores de la categoría alevín (entre 11 y
12años) seleccionados para representar a la Rioja en los
campeonatos de España que tienen una alta
competencia en el tiro libre.
Para obtener información sobre el patrón de tiro libre se
observa directamente en la ejecución de tiro libre de los
jugadores las siguientes categorías: tiro con salto, tipo
de salto, alineación, separación y orientación de los pies,
alineación, altura y posición del balón, rotación de los
hombros, orientación y flexión de la muñeca, extensión
del codo y eficacia del tiro
SELECTIVO O POR ENCUESTA (NO
EXPERIMENTAL)
• Descripción de variables y establecimiento de

relaciones (en muchos individuos)
• (técnica: encuesta)
• No manipulación ni control de variables
• Análisis estadísticos relaciones y modelos de

regresión
EJEMPLO
Nuevo, R., Montorio, I., Márquez, M., Fernández, M.I., Losada, A. (2004)
Se pretende analizar las principales características

del fenómeno de la preocupación en una muestra
comunitaria de personas mayores.
Participan en este estudio 105 personas mayores de
65 años seleccionadas mediante un muestreo
aleatorio estratificado proporcional a partir del censo
de una población urbana de la Comunidad de
Madrid. Se identifica la edad, el sexo, el estado civil
y el nivel de estudios de estas personas. Además se
evalúa los contenidos y características de la
preocupación así como la preocupación-rasgo
mediante diversos tests.
EXPERIMENTAL
• Establecimiento de relaciones de causalidad
• Manipulación de variables
• Control de variables por aleatorización
• Análisis estadísticos inferenciales

EJEMPLO
Nuevo, R. y Montorio, I. (2005)
Se analiza la eficacia de un programa psicoeducativo

dirigido a la reducción de la preocupación excesiva en
personas mayores.
Cuarenta y una personas de entre 53 y 81 años que
acuden a una charla informativa sobre los cambios
vinculados al envejecimiento son evaluados su
preocupación al terminar la charla. Diecisiete de esas
personas aceptan asistir voluntariamente a 8 sesiones
semanales de 90 minutos donde se les enseña distintas
estrategias para enfrentarse a la preocupación. Los 24
restantes actúan como grupo control.
Además, en ambos grupos se midieron distintos
indicadores de preocupación al finalizar el conjunto de
sesiones
REFERENCIAS BIBLIOGRÁFICAS
EJEMPLOS
• Garzón, B., Lapresa, D., Anguera, M.T. y Arana, J.
(2011). Análisis observacional del lanzamiento de
tiro libre en jugadores de baoloncesto base.
Psicothema, 23 (4) 851-857
• Nuevo, R., y Montorio, I. (2005). Eficacia de un
tratamiento cognitivo-conductual para la
preocupación excesiva en personas mayores.
International Journal of Clinical and Health
Psychology, 5 (2) 215-226
• Nuevo, R., Montorio, I., Márquez, M., Fernández,
M.I. y Losada, A. (2004). Análisis del fenómeno de
la preocupación en personas mayores.
International Journal of Clinical and Health
Psychology, 4 (2) 337-355
ASPECTOS BÁSICOS DE
FILOSOFÍA DE LA CIENCIA
EMPIRISMO LÓGICO
MORITZ SCHLICK (1882-1936)
-Filósofo alemán
-Fundador del Círculo de Viena
-Positivismo lógico
RUDOLF CARNAP (1891-1970)

-Filósofo alemán
Manifiesto 1929 La concepción científica

del mundo
EMPIRISMO LÓGICO
-importancia razonamiento inductivo
-observación- enunciados observacionales
¿las observaciones son verdaderas?
importancia de la teoría
-recopilación de multitud de observaciones
¿cuántas son necesarias?
-generalización- enunciados universales
¿son en términos absolutos?
enunciados universales probables
FALSACIONISMO
KARL RAIMUND
POPPER(1902-1994)
-Filósofo austriaco
-Bibliografía
1934 La lógica de la investigación científica
FALSACIONISMO
-importancia razonamiento deductivo
-hipótesis enunciados en términos falsables
enunciados observacionales posibles en
contra de la hipótesis
claros y generales
-búsqueda de enunciados observacionales en
contra de la teoría
-hipótesis momentáneamente confirmada
EJEMPLO HIPÓTESIS FALSABLES
-el planeta Mercurio gira en una órbita
-todos los planetas giran en una órbita
-todos los planetas giran en una órbita elíptica

PARADIGMAS
THOMAS KUHN (1922-1996)

-Historiador de la ciencia y
filósofo estadounidense
-Bibliografía
1962. La estructura de las revoluciones científicas.
PARADIGMAS
-conjunto prácticas que definen una disciplina en
un momento histórico determinado
-Preciencia-varias escuelas para explicar un
fenómeno relevante
-Ciencia normal-acuerdo en un paradigma
-Crisis-alguna anomalía que no puede explicar el
paradigma
-Revolución científica-búsquedas de otras teoría
nuevas o no para resolver anomalía
-Ciencia normal-nuevo paradigma
PROGRAMAS DE INVESTIGACIÓN
IMRE LAKATOS(1922-1974)
-Matemático y filósofo húngaro
-Bibliografía:
1963-64. Pruebas y Refutaciones. La lógica del
descubrimiento matemático.
PROGRAMAS DE INVESTIGACIÓN
-son un conjunto de teorías relacionadas entre sí
-están constituidos por:
núcleo central-hipótesis irrefutables
cinturón protector-hipótesis auxiliares
-heurística positiva-indica cómo continuar el trabajo de
investigación
-heurística negativa-prohíbe cuestionar el núcleo
central
-cambio a otro PIC-cuando hay otro que resuelve las
anomalías del anterior
-PIC regresivo-cuando no hay otro que resuelve las
anomalías
TEORÍA ANARQUISTA DE LA
CIENCIA
PAUL FEYERABEND (1924-1994)

-Filósofo de la ciencia austriaco
-Bibliografía:
1975. Contra el método
TEORÍA ANARQUISTA DE LA
CIENCIA
-los planteamientos previos hay que
abandonarlos porque no responden a la historia
de la ciencia
-el método no debe dirigir la actividad científica
«todo vale». La infracción de normas es
fundamental para el desarrollo científico
-libertad del científico
-inconmensurabilidad de la ciencia, no se pueden
comparar teorías rivales por presentar principios
diferentes
-ciencia no es un conocimiento superior a otros
EJE CRONOLÓGICO
1929. La concepción científica de la Ciencia.

Círculo de Viena. Empirismo
1934. La lógica de la investigación científica.
Popper. Falsacionismo
1962. La estructura de la revoluciones científicas.
Kuhn. Paradigmas
1963-1964. Pruebas y refutaciones. La lógica del
descubrimiento matemático. Lakatos. Programas
de investigación
1975. Contra el método. Feyerabend. Teoría
anarquista
Ciencia
¿Es la Ciencia 100% confiable?
¿Recurres a la Ciencia para tomar
decisiones en tu vida diaria?
¿Qué opinas de las investigaciones
científicas?
¿Y de los investigadores científicos?
¿Es accesible los conocimientos
científicos?
El hombre de Piltdown es uno de los
fraudes científicos más antiguos y
también el que más tiempo se
mantuvo. En 1912 se presentaba una
calavera que, según los expertos de la
época, se correspondía con el eslabón
perdido entre hombre y mono. Sin
embargo, en 1953 el fraude era
expuesto y se daba a conocer que los
restos eran en realidad parte de un
cráneo humano y una mandíbula de
orangután machados para igualarlos y
darles apariencia de antigüedad. Aún
así, el hombre de Piltdown sigue
teniendo consigo otro misterio por
exponer, ya que todavía no se ha
podido probar quién fue el falsificador
que fabricó el cráneo (aunque todas las
miradas recaen sobre Charles Dawson,
Cuadro de John Cooke que conmemora el el arqueólogo que lo descubrió y que
descubrimiento también falsificó otros objetos durante
su carrera).
Edna Maggie
Krabappel Simpson
Kim Jong Fun

Lo firmaban Edna Krabappel y
Maggie Simpson y también un tal Kim
Jong Fun. Además, estaba lleno de
sinsentidos. Y aún así, el paper fue
fue aceptado por dos revistas
científicas: Journal of Computational
Intelligence and Electronic
Systems y Aperito Journal of
NanoScience Technology. ¿Cómo?
Porque son dos revistas
depredadoras, publicaciones
fraudulentas que acepta los estudios
sin revisar (a pesar de proclamar lo
contrario) con el objetivo de engañar
a jóvenes científicos a los que hacen
pagar una cuota por aceptar el texto.
Aunque existen revistas de
open-access muy
prestigiosas, existen otras
tantas que publican
cualquier cosa por dinero.
Ejemplo de ello es este
artículo que, aunque
enviado por sus autores a
modo de chiste, se vieron
sorprendidos al ver que el
artículo había sido aceptado
por la revista International
Journal of Advanced
Computer Technology.
Hwang Woo-suk, un investigador
coreano licenciado en veterinaria, hizo
creer al mundo que había conseguido la
primera clonación de células madre de
origen humano. Su trabajo fue publicado
en Science. En 2005 se destapó el fraude.
El gobierno decidió que las
investigaciones del doctor debían ser
verificadas por un comité científico. Los
investigadores, algunos de la misma
universidad de Woo-suk, hallaron graves
fallos en los procedimientos, pruebas
simuladas y datos falsos. Tres
laboratorios independientes confirmaron
que la mayor parte del material genético
utilizado en las clonaciones no coincidía
con el ADN del supuesto donante.
La bióloga Susana González, despedida
de manera fulminante el 29 de febrero
de 2016 después de que su organismo,
el Centro Nacional de Investigaciones
Cardiovasculares (CNIC), detectara un
reguero de sospechosas
“irregularidades” en sus trabajos
destinados a curar corazones de
personas enfermas. Desde entonces,
tres prestigiosas revistas científicas —
Nature, Nature Communications y Cell
Cycle— han retractado cuatro de los
estudios que González publicó en ellas
entre 2006 y 2015.
Munafò, M. et al. (2017). A manifesto
for reproducible science. Nature
human behaviour, 1(1), 0021.
“El campo de la metaciencia, el estudio

científico de la propia ciencia, está floreciendo
como consecuencia del aumento de la
evidencia empírica de la existencia de
amenazas en la acumulación de
conocimiento”
Propuestas de mejora del MÉTODO
(Munafò et al., 2017)
• Protegerse de los sesgos cognitivos de los

investigadores: PRE-REGISTRANDO EL DISEÑO de su
estudio, los resultados esperados y el plan de
análisis.
• Mejorar el ENTRENAMIENTO METODOLÓGICO de los
investigadores
• Implementar APOYO METODOLÓGICO
INDEPENDIENTE, mediante comités expertos
• Promover colaboración entre equipos de
investigadores.
¿Qué es la Ciencia Abierta?
Producción de conocimiento científico de
manera abierta y colaborativa dejando en
libre disponibilidad tanto los instrumentos de
trabajo como los resultados intermedios y
finales que se obtienen a lo largo de ese
proceso
Puede reducir los fraudes
TÉRMINOS DE USO
HABITUAL EN CIENCIA
CONSTRUCTOS: etiquetas que designan
un conjunto de fenómenos observables
ej. inteligencia
ENUNCIADOS CIENTÍFICOS:
Enunciados observacionales: expresan
datos obtenidos de la observación
ej. cometer errores en una tarea
Leyes experimentales: relacionan
enunciados observacionales
ej. Ley de Yerkes Dodson
(activación-rendimiento)
Principios generales: relacionan
constructos
ej. Principio pregnancia (Gestalt)
Percepción adopta la forma más
sencilla
MODELOS: construcciones teóricas que
simplifican la realidad. La representan o la
idealizan matemáticamente
ej. El procesamiento del ordenador
como modelo de procesos psicológicos
SISTEMAS TEÓRICOS: conjunto de

enunciados ordenados entre si mediante
leyes lógicas
PARADIGMAS: el conjunto de prácticas y
conocimientos de una disciplina científica
aceptada durante un periodo de tiempo
determinado (ciencia normal)
ej. Paradigma conductual
HIPÓTESIS: posible explicación a un
problema de investigación
MÉTODO CIENTÍFICO: conjunto de pasos
estandarizados que utiliza la ciencia para adquirir
conocimientos
ESQUEMA METODOLÓGICO O METODOLOGÍA:

forma en la que se realizará la recogida de datos,
depende del objetivo de la investigación
DISEÑO: decisiones que se han de tomar para

realizar la recogida de datos (planificación de la
recogida de datos
TÉCNICAS: conjunto de procedimientos e

instrumentos utilizados para la recogida de los datos
LA CAUSALIDAD Y
EL CONOCIMIENTO CIENTÍFICO
La relación entre dos fenómenos se puede
establecer a tres niveles
 Relación
 Predicción
 Causalidad
LA CAUSALIDAD Y
 Relación (bidireccional)
Supone covariación de ambos fenómenos
ej. Relación entre confinamiento y depresión

LA CAUSALIDAD Y
 Predicción (unidireccional)
Supone covariación y que un fenómeno
antecede al otro (orden de fenómenos)
ej. Casos nuevos de depresión tras el

confinamiento
LA CAUSALIDAD Y
 Causalidad (unidireccional)
Supone covariación, orden y eliminación de
causas alternativas aplicando el control de éstas
ej. Se puede eliminar como causa de

depresión la presencia de patologías previas
CONDICIONES PARA ESTABLECER
CAUSALIDAD
• Contigüidad temporal y espacial

existe una relación temporal entre dos
fenómenos (predictor y criterio)
existe un orden de aparición de ambos

fenómenos (predictor ocurre antes que el
criterio)
existe un intervalo de tiempo adecuado entre

ambos fenómenos (intervalo óptimo)
CAUSALIDAD
• Relevancia causal
ciertos fenómenos (causas) se asocian mejor
con unos que con otros (consecuencias)
ej. Malestar estomacal (consecuencia)

asociado a la comida (causa) y no a la
iluminación del lugar en el que se come
CAUSALIDAD
• Contingencia
cuando aparece la causa aparece la
consecuencia y cuando no está presenta la
causa tampoco lo está la consecuencia
CAUSALIDAD
• Conocimiento individual
el conocimiento previo y las creencias que
tengamos sobre esa relación causal
ej. Si consideramos que la acupuntura es

eficaz tendemos a explicar la mejoría de los
síntomas como debido al tratamiento de la
acupuntura sin buscar explicaciones
alternativas
ej. Al considerar la medicación como eficaz

explicamos la mejoría de síntomas a la
medicación aunque realmente se haya
administrado un placebo
UNEDENSISCIII
Unidades Docentes de la Escuela Nacional de Sanidad
15.8 Filosofía de la ciencia: el conocimiento

científico
¿Qué distingue el conocimiento científico de otras ideas u opiniones

a las que mucha gente puede dar también mucho valor? En este
tema abordamos dos cuestiones fundamentales relacionadas con
esta pregunta: cuál es la naturaleza del conocimiento científico y
su relación con los seres humanos como seres de carne y hueso y
seres sociales, por una parte, y cuál es la estructura que permite a
las teorías científicas servir como explicaciones de los hechos de la
naturaleza.
Autores: José F. Álvarez
Jesús Zamora Bonilla
Departamento de Lógica, Historia y Filosofía de la Ciencia. UNED
Se recomienda imprimir 2 páginas por hoja
Citación recomendada:
Alvarez JF. Zamora Bonilla J. Filosofía de la ciencia: el conocimiento científico [Internet]. Madrid:
TEXTOS DE ADMINISTRACION SANITARIA Y GESTIÓN CLINICA

by UNED Y ESCUELA NACIONAL DE SANIDAD Escuela Nacional de Sanidad; 2014 [consultado día mes año]. Tema 15.8. Disponible en: direccion
is licensed under a Creative Commons
Reconocimiento- No comercial-Sin obra Derivada
3.0 Umported License. url del pdf.
Resumen:
La filosofía de la ciencia es una creación del siglo XX. Por

supuesto, en épocas anteriores, ya existía la ciencia en su sentido
contemporáneo, pero raramente fue considerada como un objeto
de estudio filosófico diferente del “conocimiento normal” poseído
por los seres humanos. Una de las principales diferencias entre la
ciencia y otras formas de conocimiento (o de opinión) es el hecho
de que, en general, el conocimiento científico está organizado en
forma de teorías. Cuál es la estructura de las teorías científicas,
Unidades Didácticas de la ENS __________________________________ página 1

Autores: José F. Álvarez - Jesús Zamora Bonilla
cuáles son sus métodos de validación o verificación, cuál es el

modo y el sentido en el que nos pueden ofrecer explicaciones de
los fenómenos, y cuál es la relación de todo ello con el hecho de
que la ciencia es desarrollada
I. El debate sobre el método por seres humanos con
científico limitaciones cognitivas y en
el marco de instituciones
1 El modelo empirista clásico y estructuras sociales, son
de investigación científica los principales temas que se
2 Críticas al modelo estudiarán.
empirista.
3 Objetividad, racionalidad y También se trata de obtener una
relativismo visión panorámica de algunos
4. El naturalismo científico de los problemas metodológicos
que inevitablemente aparecen
II. La explicación científica. en las ciencias sociales.
1. Las finalidades de la Presentaremos cómo se
ciencia: comprensión, producen las explicaciones
predicción, control, en la ciencia, y cuáles son
legitimación. las cuestiones filosóficas que
2. Reduccionismo y el nos sugieren. A continuación
debate sobre la unidad de la dejaremos planteado uno de
ciencia los interrogantes clásicos en
3. Modelos de explicación filosofía de las ciencias sociales:
científica ¿debemos asimilar estas a los
4. Peculiaridades de las patrones que nos proporcionan
La concepción
ciencias sociales las ciencias naturales o son, de inductivista
algún modo, autónomas? Una según la cual
expresión de esta autonomía el conocimien-
cabría verla en los distintos to científico se
patrones explicativos que en ellas aparecen. Por otro lado, demuestra a
partir de la ob-
como cierre del capítulo nos planteamos la condición dual de las servación cui-
ciencias sociales como disciplinas positivas y normativas. dadosa de los
fenómenos; la
inducción es
el proceso de
I. El debate sobre el método científico razonamiento
que, partiendo
de la observa-
1. El modelo empirista clásico de investigación ción de nume-
científica. rosos casos
individuales,
lleva a concluir
un enunciado
Desde el origen mismo de la ciencia moderna se ha tendido a general
considerar el “conocimiento científico” como “conocimiento

Tema 15.8 Filosofía de la ciencia: el conocimiento científico
demostrado”; de hecho, esta identificación es común en la imagen

La concepción
deductivista
popular de la ciencia. En aquella misma época se formularon dos
según la cual concepciones distintas de cómo puede conseguirse demostrar un
los principios enunciado científico: la concepción inductivista o “baconiana” (por
fundamentales el filósofo inglés Francis Bacon), según la cual el conocimiento
de las ciencias científico se demuestra a partir de la observación cuidadosa de
son obtenidos
los fenómenos; la inducción es el proceso de razonamiento que,
mediante el
razonamien- partiendo de la observación de numerosos casos individuales,
to puramente lleva a concluir un enunciado general, y la concepción deductivista
intelectual, o “cartesiana” (por el filósofo francés René Descartes), según la
y a partir de cual los principios fundamentales de las ciencias son obtenidos
ellos se van mediante el razonamiento puramente intelectual, y a partir de
deduciendo
enunciados
ellos se van deduciendo enunciados más específicos mediante el
más específi- razonamiento puramente lógico.
cos mediante
el razonamien- El triunfo de la física newtoniana dio ventaja a la concepción
to puramente empirista, pese a que los argumentos de David Hume en el siglo
lógico
XVIII establecieron que ni la experiencia ni la razón son capaces
de demostrar rigurosamente la verdad de ninguna ley científica
contigente. La concepción empirista ha recibido numerosas
formulaciones, la más desarrollada de las cuales es la que se
conoce como “Modelo Clásico”, defendido, ya en el siglo XX, por
autores como Rudolf Carnap, Hans Reichenbach, Carl Hempel
y Ernest Nagel.1 Muchos de estos autores formaron parte del
grupo de filósofos y científicos conocido como “Círculo de Viena”,
entre los años 20 y 30 del siglo XX.
Según este modelo, los científicos encuentran leyes (o

Leyes (o “re- “regularidades”) empíricas, es decir, conexiones regulares entre
gularidades”)
empíricas, es
fenómenos observables, conexiones que se describen mediante
decir, conexio- enunciados que pueden tener (de acuerdo con algún criterio
nes regulares de razonamiento inductivo) un grado de confirmación mayor o
entre fenó- menor, según la cantidad de veces que haya sido comprobado
menos obser- experimentalmente. Estas leyes tienen la estructura de un
vables. Estas
enunciado general o “universal”: “siempre que se dan ciertas
leyes tienen
la estructura circunstancias, se darán también ciertas otras”.
de un enun-
ciado general Por otro lado, los científicos también formulan teorías, las cuales
o “universal”: (al contrario que las regularidades empíricas) pueden incluir
“siempre que habitualmente conceptos que no están referidos a entidades
se dan ciertas
circunstancias,
directamente observables (p. ej., “átomo”, “campo eléctrico”,
se darán tam- “gen”, “clase social”). Las teorías deben ser inventadas, pues
bién ciertas no pueden inferirse a partir de las leyes, ya que van “más allá
otras”. 1 V. Suppe (1979), “Introducción”. Una presentación bastante asequible es Hempel (1973). La
formulación más completa es Nagel (1968).

de ellas”, no sólo porque introducen conceptos que no están

presentes en los datos observables, sino también en el siguiente
Teorías, las
sentido: por una parte, las teorías permiten unificar y explicar cuales pueden
las leyes conocidas; por otra parte, permiten descubrir leyes incluir habitual-
empíricas nuevas. En ambos casos, lo que hacemos con las teorías mente con-
es inferir a partir de sus principios (o “axiomas”, o “postulados”, ceptos que no
o “hipótesis”), mediante un proceso de razonamiento lógico- están referidos
a entidades
matemático, enunciados que corresponden a leyes empíricas, directamente
ya sean conocidas previamente (en cuyo caso éstas resultan observables (p.
“explicadas” por la teoría) o aún desconocidas (en cuyo caso ej., “átomo”,
decimos que la teoría las “predice”). “campo eléc-
trico”, “gen”,
“clase social”).
La idea de que las teorías científicas no son “descubiertas”,
lo que hacemos
sino que deben ser “inventadas” (pues son hipótesis que, como con las teo-
mucho, podrán ser confirmadas tras un proceso de contrastación) rías es inferir
es el aspecto básico del llamado método hipotético-deductivo. El a partir de sus
término “hipotético” se refiere, como hemos visto, al hecho de principios (o
que las teorías son, en principio, meras suposiciones, fruto de “axiomas”, o
“postulados”,
la imaginación creativa. El término “deductivo” quiere decir que o “hipótesis”),
la contrastación empírica de esas teorías tiene lugar mediante mediante un
la deducción lógico-matemática de consecuencias empíricas proceso de
a partir de cada teoría, y la posterior verificación o refutación razonamiento
experimental de esas consecuencias. lógico-matemá-
tico, enuncia-
dos que corres-
El progreso científico consiste en la acumulación de leyes ponden a leyes
empíricas cada vez mejor confirmadas, y en la formulación empíricas.
de teorías cada vez más profundas (es decir, que unifican una
mayor cantidad y variedad de fenómenos). En esta concepción
del conocimiento científico desempeña un papel fundamental la Las teorías
idea de explicación, que, como hemos visto, los defensores del científicas no
modelo clásico entienden básicamente como la deducción lógico- son “descu-
matemática del hecho que se quiere explicar (“explanandum”) a biertas”, sino
que deben ser
partir del enunciado de una ley (teórica o empírica) ya confirmada “inventadas”
(“explanans”) y de otros hechos relevantes (“condiciones (pues son hipó-
iniciales”). Este modelo de explicación (llamado “nomológico- tesis que, como
deductivo”) es difícil de aplicar cuando las leyes tienen forma mucho, podrán
estadística, motivo por el cual también se desarrolló otro modelo ser confirmadas
tras un proceso
(“inductivo-estadístico”): en este caso, la ley del “explanans” sólo
de contrasta-
indica la frecuencia con la que un fenómeno sucede dadas ciertas ción) es el as-
“condiciones iniciales”, y el “explanandum” indica, por tanto, la pecto básico del
probabilidad con la que el fenómeno puede suceder. llamado método
hipotético-de-
ductivo.

2. Críticas al modelo empirista.

El progreso cien-
tífico consiste en
la acumulación
2.1. Karl Popper.
de leyes empí-
ricas cada vez
mejor confir- Las tres ideas básicas de la concepción tradicional del método
madas, y en la científico (a) que los enunciados científicos pueden ser confirmados
formulación de por la experiencia; b) que es posible distinguir claramente entre
teorías cada vez el nivel empírico y el teórico; y c) que la ciencia progresa por
más profundas
acumulación de descubrimientos) fueron criticadas ya desde los
años 30 del siglo XX por Karl Popper, en su libro La lógica de la
investigación científica, así como en obras posteriores.
Según Popper, nunca es posible demostrar que una ley general

es verdadera (pues, por muchos casos en los que hayamos
observado que la ley se cumple, siempre cabe la posibilidad de
que la próxima vez no lo haga), ni tampoco es posible asignarle
un alto grado de probabilidad a partir de un conjunto limitado de
observaciones (pues, si la probabilidad se define como el número
de casos observados favorables, dividido por el número de casos
posibles, en un universo infinito, siempre hay un número infinito
de casos posibles, de modo que el valor de esta división es
siempre cero). Es decir, el “grado de confirmación” de una teoría
o ley universal es siempre nulo: no es posible verificar las teorías
Según Popper,
, el “grado de y leyes científicas.
confirmación”
de una teoría o En cambio, lo decisivo según Popper es que, dada una hipóte-
ley universal es sis científica, debería ser posible concebir algunas circunstancias
siempre nulo: que, en caso de producirse, condujeran a la refutación o falsa-
no es posible
verificar las
ción de dicha hipótesis. Las teorías científicas no son verificables,
teorías y leyes pero deben ser falsables, es decir, deben afirmar con rotundi-
científicas. dad que ciertos fenómenos (bien especificados de antemano)
no pueden ocurrir. Esto equivale a decir que la teoría tiene que
hacer predicciones precisas (o sea, enunciados de la forma: “si
la teoría es verdadera, entonces de aquí se sigue que, en tales
circunstancias, se observará exactamente esto”). Si la predicción
resulta falsa cuando esas circunstancias se satisfacen, entonces
deduciremos que la teoría es falsa, y habrá que abandonarla.
Esto se debe a la regla lógica llamada “modus tollens”: de los
enunciados “A à B” y “no-B” se infiere lógicamente “no-A”.

Una buena teoría científica sería aquella que ha resistido el

mayor número posible de intentos de refutación (aunque esto no Lo decisivo
según Popper
garantiza en ningún sentido que resista igualmente los intentos es que las
posteriores), para lo cual es necesario presentar las teorías de teorías cien-
la forma en que sea lo más fácil posible “someterlas a prueba”. tíficas no son
Básicamente, las teorías deben generar la mayor cantidad verificables,
posible de predicciones “arriesgadas” o “sorprendentes”; si estas pero deben
ser falsables,
predicciones no se cumplen, habremos descubierto un nuevo
es decir, de-
problema, para explicar el cual será necesario formular nuevas ben afirmar
teorías. El progreso de la ciencia no consiste, así, en la mera con rotun-
acumulación de leyes y teorías cuya validez ha sido demostrada didad que
de una vez por todas, sino que cada nueva teoría se propone ciertos fenó-
para reemplazar a sus predecesoras, cuyos errores ha servido menos (bien
especificados
para poner de manifiesto. de antemano)
no pueden
La provisionalidad no sólo es cierta en el caso de las leyes y teorías, ocurrir
sino que, según Popper, los propios enunciados de observación
o regularidades empíricas deben ser revisables en principio, lo
que, por otro lado, hace que la falsación de una teoría científica
no sea nunca concluyente, sino más bien el resultado de una
decisión (la decisión de considerar suficientemente contrastado
un enunciado empírico). Al fin y al cabo, cualquier “observación”
El progreso de
(p. ej., “aquí hay un vaso de agua”) requiere que describamos la ciencia no
los fenómenos con ayuda de algunos conceptos (“agua”), cuya consiste, así,
validez depende de leyes hipotéticas (las que nos permiten en la mera
contrastar que eso es agua, p. ej.). Además, las observaciones acumulación
mismas nunca son totalmente seguras: debemos ponernos de de leyes y
teorías cuya
acuerdo con otros observadores para decidir si han observado lo validez ha
mismo que nosotros. El método científico debe diseñarse de tal sido demos-
manera que todas estas decisiones permitan someter a crítica trada de una
todas nuestras ideas con el mayor rigor posible. vez por todas,
sino que cada
nueva teoría
Así pues, para Popper lo que distingue a la ciencia de otros tipos de
se propone
“conocimiento” no es la certeza que poseen los descubrimientos para reem-
científicos, sino la actitud crítica de los investigadores hacia sus plazar a sus
propias teorías e hipótesis. Lo contrario de la actitud científica es predecesoras,
la actitud dogmática, es decir, aquella que se mantiene cuando cuyos errores
no estamos dispuestos a abandonar una determinada creencia ha servido
para poner de
independientemente de cuáles puedan ser los argumentos, manifiesto.
teóricos o empíricos, que se nos presenten en su contra. Las
buenas teorías científicas no lo son porque se haya demostrado
“concluyentemente” que son verdaderas, sino porque los
científicos han sido lo bastante honestos como para someterlas a

las pruebas (“testes”) más severas imaginables, y dichas pruebas

El método han sido superadas. En términos de Popper, estas teorías habrán
científico debe
diseñarse de
sido “corroboradas”.
tal manera
que todas es- Un problema que existe en el proceso de contrastación de las
tas decisiones teorías es que, la deducción de una predicción empírica (digamos,
permitan so- el enunciado P) no se hace nunca a partir de una sola hipótesis,
meter a crítica
sino que entre las premisas de la deducción intervienen varias
todas nuestras
ideas con el hipótesis. La teoría que estamos contrastando contendrá más de
mayor rigor un supuesto (digamos que la teoría T es igual a la conjunción de
posible. dos hipótesis, H1 & H2), también haremos algunas hipótesis sobre
el funcionamiento de los aparatos que se usan en el experimento
(E), y además siempre hay que tomar como premisa algunas
condiciones iniciales (C). Así, lo que tenemos es la deducción “(H1
& H2 & E & C) à P”. Si observamos que no ocurre P, lo único que
podemos afirmar es que al menos una de las cuatro hipótesis de
nuestro ejemplo ha sido falsada, pero el propio experimento no
nos dice cuál de ellas. Esta es la llamada “tesis de Duhem” (por
el filósofo e historiador de la ciencia Pierre Duhem).
Según esto, ante la aparente refutación de nuestras teorías,

siempre podemos elegir entre aceptar que la teoría ha sido falsada,
o que lo ha sido alguna de las “hipótesis auxiliares”. Mantener
una teoría sería, entonces, el resultado de una decisión más o
menos arbitraria (“convencionalismo”) (ver a este respecto, más
abajo, las teorías de Kuhn y de Lakatos). Popper reconoce esto,
pero afirma que lo propio de la actitud científica es decidir de
antemano qué hipótesis auxiliares nos parecen suficientemente
corroboradas como para no seguir sometiéndolas a crítica (y
no rechazarlas en el caso de que las predicciones fracasen), de
tal forma que los experimentos podamos plantearlos como una
prueba a la que sometemos a las teorías. Es decir, el científico
debe determinar de antemano en qué circunstancias será legítimo
rechazar su teoría.
2.2. Thomas Kuhn.
La obra de Thoman Kuhn La estructura de las revoluciones

científicas, publicada en 1962, constituye un punto de inflexión
en la discusión sobre el método científico y la racionalidad de la
ciencia. Esta obra pretendía mostrar que el comportamiento de
los científicos en la práctica está influido por muchas condiciones

de tipo social características del ámbito profesional en el que La obra de

trabajan, y que estas condiciones cambian con el tiempo. De Thoman Kuhn
este modo, las decisiones de los científicos pueden parecer La estructura
irracionales cuando se las juzga de acuerdo con los cánones de de las revolu-
ciones científi-
la metodología de la ciencia, al menos según las concepciones
cas pretendía
anteriores sobre el método científico. mostrar que
el comporta-
Kuhn divide la historia de cada disciplina científica en períodos miento de los
de “ciencia normal” y períodos de “ciencia revolucionaria”. científicos en
En los primeros, los investigadores se limitan a “articular” un la práctica está
influido por
paradigma, es decir, una teoría que ha obtenido ciertos éxitos muchas condi-
relevantes y que es tomada como ejemplo de la forma en la ciones de tipo
que se deben llevar a cabo las investigaciones en ese campo. La social carac-
“articulación del paradigma” comprende procesos de investigación terísticas del
empírica (medición de constantes naturales, diseño de nuevos ámbito pro-
fesional en el
experimentos, etcétera), de investigación teórica (desarrollo de
que trabajan,
modelos o leyes específicas, coherentes con los principios del y que estas
paradigma) y de investigación formal (elaboración de técnicas condiciones
matemáticas que permitan formular soluciones a los problemas cambian con el
planteados por el paradigma). tiempo
Durante estos períodos de “ciencia normal”, los investigadores no Paradigma es

toman como una posibilidad seria la de poner en duda la validez una teoría que
de los principios básicos del paradigma vigente, ni siquiera cuando ha obtenido
algún problema no se consigue resolver adecuadamente con su ciertos éxitos
relevantes y
ayuda. Son “dogmáticos” en este sentido, lo que valió a Kuhn
que es tomada
ácidas críticas por parte de Popper y de sus seguidores, pues como ejemplo
Kuhn no sólo mantenía que de hecho los científicos actuaban así, de la forma
sino que defendía que esa actitud dogmática era necesaria para en la que se
el desarrollo de la ciencia: si el paradigma se pudiese rechazar deben llevar a
en cualquier momento, entonces la ciencia no progresaría tan cabo las in-
vestigaciones
rápidamente como lo ha hecho en algunas ocasiones en ciertos en ese campo
campos, pues el progreso exige que los investigadores compartan
unos principios comunes, que permitan la comunicación entre
ellos, así como el uso que unos científicos hacen de los resultados
obtenidos por otros. Kuhn divide
la historia de
cada disciplina
En cambio, durante los períodos de “ciencia revolucionaria”, científica en
algunos científicos intentan proponer un nuevo paradigma períodos de
que resuelva las anomalías con las que se ha encontrado el “ciencia nor-
paradigma anterior, es decir, aquellos fenómenos inesperados o mal” y perío-
sorprendentes para los defensores ese paradigma, y que no se dos de “ciencia
revoluciona-
han logrado explicar con su ayuda, a pesar de muchos esfuerzos
ria”.
por parte de científicos de gran talento.

Cada paradigma incluye, además de un conjunto distinto de

postulados básicos, su propio lenguaje, su propia escala de
Según Kuhn, valores científicos, y sus propios criterios metodológicos, de
no existe un tal manera que quienes defienden uno de estos paradigmas
“patrón de perciben y entienden la realidad de forma radicalmente distinta
medir” común a como la ven los defensores de otro. Esto implica que no existe,
a todos los
paradigmas
según Kuhn, un “patrón de medir” común a todos los paradigmas
rivales, que rivales, que sirva para decidir objetiva e imparcialmente cuál de
sirva para de- ellos es el mejor. Los paradigmas rivales son, de este modo,
cidir objetiva e inconmensurables entre sí, y el cambio de un paradigma a otro
imparcialmen- no puede ser el mero resultado de una argumentación conceptual
te cuál de ellos
o empírica, resumible en una fórmula lógica o matemática, sino
es el mejor. El
cambio de un más bien un fenómeno súbito de “conversión”, más explicable
paradigma a por factores psicológicos o sociales, que por un procedimiento
otro no puede racional.
ser el mero re-
sultado de una
argumentación 2.3. Paul Feyerabend.
conceptual
o empírica,
sino más bien
un fenóme-
De manera semejante a Kuhn, Paul Feyerabend criticó la idea de
no súbito de que podemos encontrar una serie de reglas metodológicas que
“conversión”, dicten la forma en la que debe llevarse a cabo la investigación
más explicable científica. Basándose en ejemplos históricos, afirmaba que la
por factores ciencia sólo ha progresado porque los científicos han desobedecido
psicológicos o
continuamente las reglas defendidas por los metodólogos, pues
sociales, que
por un pro- estas reglas tienden a favorecer, según Feyerabend, a las teorías
cedimiento previamente aceptadas, y dificultan la aparición de nuevas ideas.
racional.
En particular, la “experiencia” (o lo que tomamos como tal)

suele estar descrita con los esquemas conceptuales de teorías
antiguas (tesis de la “carga teórica de la observación”, que ya
habían mantenido otros autores, p. ej., Popper y Kuhn, aunque
fue Hanson quien la formuló con estos términos); según esta
tesis, cualquier observación presupone alguna teoría. Por otro
lado, los “argumentos racionales” también toman su fuerza de
los conceptos que nos resultan más familiares. De esta forma,
exigir que las teorías nuevas sean coherentes con los resultados
empíricos y posea además una “coherencia lógica” interna,
en el fondo puede ocultar una estratagema para defender las
teorías vigentes e impedir el desarrollo de nuevas ideas, que
nos permitan, entre otras cosas, descubrir nuevos aspectos de
la experiencia. De hecho, muchos conocimientos “empíricos” los

hemos obtenido gracias a que algunos científicos defendieron Según Feye-

que podría ser cierto lo que en su día se consideraba como algo rabend, exigir
simplemente imposible (p. ej., el movimiento de la tierra, la que las teorías
síntesis química de sustancias biológicas, etc.). nuevas sean
coherentes
con los resul-
tados empí-
Frente a esta situación, Feyerabend propuso como única regla ricos y posea
metodológica que favorece el progreso científico la que afirma además una
que “todo vale” (de ahí que a sus tesis se las conozca como “coherencia
“anarquismo metodológico”), e insistió en que el éxito de una lógica” in-
teoría científica debe más a la habilidad de sus defensores como terna, en el
fondo puede
propagandistas que a su coherencia con las normas de cualquier ocultar una
metodología. Por tanto, se debe favorecer la proliferación de estratagema
ideas diferentes, por muy absurdas que puedan parecer. La para defen-
ciencia no goza de ningún privilegio epistemológico frente a otras der las teorías
actitudes frente al mundo, como el mito, la religión, la brujería, vigentes e im-
pedir el desa-
la astrología, etcétera, y por ello, tampoco debería tener ningún
rrollo de nue-
privilegio político o económico: a la separación entre la Iglesia y vas ideas, que
el Estado habría que añadir también la separación entre el Estado nos permitan,
y la Ciencia. entre otras
cosas, descu-
brir nuevos
2.4. Imre Lakatos. aspectos de la
experiencia.
Imre Lakatos desarrolló una versión de la metodología falsacionista

de Popper que resultaba más coherente con la historia real de la
ciencia. Según esta versión, las unidades básicas de la actividad
científica no son las teorías, sino los programas de investigación. Según Imre
Estos programas están formados por un “núcleo firme” (es decir, Lakatos, las
un conjunto de hipótesis que -por convención, “dogmáticamente”- unidades
se decide no eliminar aunque en la investigación empírica básicas de
encontremos anomalías) y por un “cinturón protector” (un conjunto la actividad
científica no
de hipótesis que se van añadiendo al núcleo firme para generar son las teo-
junto con él nuevas predicciones, y que se van sustituyendo por rías, sino los
otras hipótesis cuando aquellas predicciones fracasan). programas de
investigación.
Un programa de investigación, por lo tanto, contiene una serie . Estos pro-
gramas están
de teorías, cada una de las cuales comparte con las demás los
formados por
postulados del núcleo firme, pero difiere de ellas en algunas un “núcleo
otras hipótesis. La refutación de una de estas teorías no implica firme y por
automáticamente la eliminación del programa al que dicha teoría un “cinturón
pertenece. De hecho, nunca es completamente irracional seguir protector”
defendiendo un programa de investigación cuyas teorías hayan

fracasado hasta el momento, pues cabe la posibilidad de que

unos científicos ingeniosos descubran para él un nuevo cinturón
protector que transforme aquellos fracasos en éxitos.
Ahora bien, los investigadores deben ser conscientes de que si

su programa de investigación es progresivo (es decir, si genera
frecuentemente nuevas predicciones correctas) o degenerativo
(es decir, si se ve continuamente forzado a transformarse
-modificando las hipótesis del “cinturón protector”- a causa de los
descubrimientos empíricos hechos por otros programas rivales).
Lo “dogmático” no es trabajar con un programa de investigación
“degenerativo”, sino negarse a reconocer que lo es, cuando lo
es. De hecho, en la historia de la ciencia ha habido numerosos
casos de programas que, tras una etapa de “degeneración”, han
triunfado (p. ej., la teoría heliocéntrica antes de Copérnico).
Lakatos afirma también que la historia de la ciencia debe

Lo “dogmá- considerarse como un test de las diversas teorías sobre el método
tico” no es científico. Aquellos episodios históricos que son racionales desde
trabajar con el punto de vista de una cierta metodología (sea la propuesta
un programa
de investiga-
por Lakatos, o por cualquier otro filósofo) constituyen la “historia
ción “degene- interna” de la ciencia tal como la presenta dicha metodología. La
rativo”, sino “historia externa” consistiría en todos aquellos acontecimientos
negarse a de la historia de la ciencia que, debido a esa metodología, no
reconocer que pueden ser explicados como resultado de que los científicos la
lo es, cuando
hayan obedecido (y se deberán, pues, a factores “extracientíficos”,
lo es
ya que lo que hace una teoría metodológica es precisamente
determinar qué es lo que entiende por “científico”). La mejor
teoría sobre la ciencia será aquella que consiga explicar un mayor
número de acontecimientos históricos, es decir, la que consiga
minimizar la “historia externa”. Lakatos afirmaba que su propia
metodología de los programas de investigación era la que hacía
más coherentes, en este sentido, el desarrollo histórico de la
ciencia y las recomendaciones de la metodología. Una cuestión
interesante para que la reflexión del alumno es, precisamente,
si le parece que esta afirmación es correcta, o si otras teorías
(como, p. ej., las de Popper, Kuhn o Feyerabend), ofrecerían una
explicación mejor del funcionamiento de la ciencia.

3. OBJETIVIDAD, RACIONALIDAD Y RELATIVISMO.
3.1. La cuestión del realismo científico.
Una de las cuestiones más debatidas en la filosofía de la ciencia

es la de si los conocimientos científicos, o lo que aceptamos
como tales, deben tomarse como descripciones objetivas de la
realidad, o bien como meras construcciones intelectuales que, de
una u otra manera, nos resulta “útil” aceptar, aunque no exista
ninguna garantía de que sean “objetivamente verdaderas”. Entre
El realismo
los críticos del “realismo científico”, algunos autores lo son porque
científico se
consideran que el objetivo último de la ciencia no es tanto el refiere a las
descubrimiento de la “estructura profunda” de la realidad (lo que tal tesis de que la
vez no sea posible para los seres humanos), como el de ofrecernos ciencia inten-
herramientas de predicción eficaces (“instrumentalismo”). Otros ta descubrir
críticos del realismo lo son, en cambio, porque consideran que los la estructura
de la reali-
factores sociales y culturales que intervienen en los procesos de dad y de que
investigación son tan fuertes que determinan completamente sus es razonable
resultados, los cuales, por lo tanto, no tienen ninguna garantía suponer que
de “representar objetivamente la realidad”.2 muchas veces
lo consigue
bastante bien.
Tanto la mayoría de los defensores de la “Concepción Heredada”
como bastantes de sus críticos se oponían, por lo general, a
ofrecer una interpretación realista de los conceptos científicos,
en especial de los conceptos teóricos. Entre los primeros, destaca
la excepción de Hempel, quien, al igual que Popper, afirmaba
que los conceptos teóricos son necesarios si queremos proponer
hipótesis sobre la estructura de la realidad. El realismo científico
(esto es, las tesis de que la ciencia intenta descubrir dicha
estructura, y de que es razonable suponer que muchas veces lo
consigue bastante bien) ha ido ganando adeptos en las últimas
décadas entre los filósofos, si bien no todos los realistas están
de acuerdo sobre su significado y su alcance. Casi todos critican
el “realismo ingenuo” o “realismo de sentido común”, aunque
defienden que el realismo es nuestra actitud ontológica natural,
y que, si bien podemos equivocarnos muchas veces al pensar
que determinadas entidades o hechos son reales, no hay razones
para suponer que esa actitud esté equivocada en general.
Una primera distinción filosófica relevante dentro del bando de

2 Para una buena introducción a estos temas ver Laudan (1993), Hacking (1996) o Diéguez
(1998).

los filósofos realistas es la que se establece entre el “realismo

sobre entidades” y el “realismo sobre teorías”. El realismo sobre
entidades es la tesis según la cual los objetos o propiedades
de las que hablan las teorías científicas exitosas (p. ej., los
electrones, las células, las fuerzas, los campos) son reales,
existen verdaderamente, aunque tal vez no exactamente como
las describen dichas teorías. El realismo sobre las teorías afirma
que las teorías científicas no son meros instrumentos de cálculo,
sino enunciados susceptibles de ser verdaderos o falsos, y que el
objetivo de la ciencia es descubrir teorías verdaderas (al menos,
aproximadamente).
Algunos defensores del realismo (p. ej., Hacking, Cartwright o

Giere) encuentran demasiado difícil de justificar la segunda tesis,
y se contentan con alguna versión de la primera. El realismo sobre
teorías está basado normalmente en la concepción de la verdad
como correspondencia entre el lenguaje y el mundo, aunque
esta concepción sobre el significado del término “verdad” no es
unánime entre los filósofos. Las posiciones realistas también
discrepan acerca de si las teorías científicas nos presentan
simplemente la estructura factual de la realidad (qué conexiones
entre los hechos tienen realmente lugar), o bien intentan capturar
su estructura causal, lo cual implica también suponer que en
la realidad existen conexiones necesarias, posibilidades físicas,
propensiones, etcétera.
Pero posiblemente la concepción más fructífera del realismo es

la conectada con la metodología, y que ha sido defendida, entre
otros, por Popper. Según esta concepción (que podemos identificar
con el llamado “realismo crítico”), el realismo sería una especie
de “idea reguladora”, pues, si bien es imposible determinar con
certeza si una teoría es verdadera o no, las pruebas empíricas a
las que sometemos a las teorías deben estar orientadas en todo
caso a ayudarnos a decidir si la hipótesis de que esas teorías
son “aproximadamente verdaderas” está lo suficientemente bien
corroborada. Una versión más fuerte de esta tesis afirma que
el objetivo de la ciencia es irnos acercando a la verdad con un
grado de aproximación cada vez mayor, lo que ha conducido
a desarrollar un extenso programa de investigación lógico-
filosófica con el fin de proponer algún concepto coherente y útil
de “aproximación a la verdad” o “verosimilitud”.
Según otro enfoque, el realismo no es tanto una idea reguladora

como una hipótesis cuasi-empírica con la que explicar el tremendo

éxito predictivo y tecnológico de la ciencia: que las teorías
científicas sean aproximadamente verdaderas sería la mejor
explicación que tenemos del hecho de que sus predicciones sean
tan correctas. Finalmente, otro enfoque relativamente popular
es el de Hacking, para quien el argumento principal a favor del
realismo lo proporciona nuestra capacidad práctica de manipular
experimentalmente las entidades inobservables a las que se
refieren las teorías científicas.
3.2. Críticas al realismo científico.
Los oponentes del realismo pueden dividirse, grosso modo, en

tres grupos. Por una parte están los empiristas, cuya versión
más radical, el fenomenismo, niega que pueda aceptarse la
existencia de otras entidades que no sean nuestros propios
datos de los sentidos (colores, sonidos, y otras percepciones). A
los empiristas podemos dividirlos en positivistas (que niegan la
validez científica de las hipótesis sobre entidades inobservables)
e instrumentalistas, quienes aceptan esta validez, pero niegan
que pueda inferirse de ella el que esas hipótesis sean verdaderas
o aproximadamente verdaderas, sino que serían meros
instrumentos de predicción.
A favor de estos críticos está la tesis de la infradeterminación de

las teorías por los datos, según la cual existe una infinidad de
teorías lógicamente compatibles con cualquier conjunto de datos
empíricos, con lo cual no puede probarse que una de esas teorías
sea correcta con preferencia sobre las demás. Para los enfoques
instrumentalistas, lo más importante de las teorías científicas es
que nos permitan resolver la mayor cantidad de “problemas”;
esto a su vez puede entenderse en un sentido estricto, como
mayor capacidad de generar predicciones empíricas correctas
(p. ej., Van Fraasen), o en un sentido más laxo, como mayor
capacidad de darnos una solución a alguna dificultad conceptual
o práctica (p. ej., Kuhn o Laudan).
En segundo lugar, otro grupo de posturas anti-realistas se basan

en argumentos extraídos de la filosofía del lenguaje (y también
de la filosofía de la mente). Destaca el argumento presentado
por Quine con el nombre de “la inescrutabilidad de la referencia”,
según el cual, es imposible determinar empíricamente si dos

expresiones de sendos lenguajes, que aparentemente se pueden

traducir la una a la otra, se refieren en realidad a la misma cosa
o no. Este argumento, llevado al terreno de la comparación
de unas teorías científicas con otras, ha llevado a algunos a la
conclusión (p. ej., Kuhn y Putnam) de que la noción de realidad es
dependiente de la teoría o el paradigma en la que se utilice, y por
lo tanto, aunque puede tener sentido afirmar que los términos no
observacionales de una teoría (e incluso los observacionales) “se
refieren a algo real”, esta realidad es “interna” a la propia teoría.
(V. Laudan (1993)).
Dentro de este grupo podemos incluir también a los defensores

de la llamada “concepción estructuralista” o “no-enunciativa” de
las teorías científicas (p. ej., Stegmüller, Moulines),3 quienes,
basándose en un estudio semántico de los conceptos y teorías,
concluyen que éstas no son entidades de las que tenga sentido
afirmar que son verdaderas o falsas, sino que son entidades
matemáticas abstractas que pueden aplicarse mejor o peor a un
conjunto de sistemas empíricamente dado (pero interpretado a
su vez mediante otros sistemas matemáticos).
Finalmente, en tercer lugar están aquellos enfoques anti-realistas

que intentan mostrar la relatividad del conocimiento científico
(mientras que los defensores de los dos enfoques anteriores
defendían normalmente algún criterio de racionalidad en el proceso
de elección de teoría); estos enfoques intentan llevar hasta sus
últimas consecuencias la tesis de la inconmensurabilidad, la tesis
del relativismo lingüístico de Sapir y Whorf,4 y las tesis de los
sociólogos radicales del conocimiento científico, que veremos
más abajo.
3.3. La sociología de la ciencia.
Por otro lado, la ciencia no es sólo un conjunto de afirmaciones

sobre la realidad y de métodos para valorar críticamente dichas
afirmaciones, sino que también es un conjunto de instituciones
sociales muy complejas, que en las modernas sociedades
occidentales absorbe una importante cantidad de recursos
3 No debe confundirse este enfoque con el también llamado “estructuralismo” en ciencias socia-
les y filosofía.
4 Esta teoría se estudia con profundidad en la asignatura optativa “Lenguaje, Comunicación y
Cognición”, de la licenciatura de Antropología Social y Cultural de la UNED.

económicos y humanos.5 La “sociología de la ciencia” se constituyó

como una disciplina autónoma gracias sobre todo a la obra de La ciencia tam-
Robert K. Merton y sus discípulos, a partir de los años cuarenta. De bién es un con-
forma coherente con su filiación dentro de la teoría funcionalista, junto de institu-
ciones sociales
Merton intentó explicar las normas e instituciones sociales de muy complejas,
la ciencia como requisitos necesarios para el cumplimiento de que en las mo-
la finalidad de la propia ciencia: la obtención de conocimientos dernas socieda-
válidos sobre la realidad. des occidentales
absorbe una
importante can-
Las principales normas sociales descritas por Merton (lo que
tidad de recur-
podemos denominar el “ethos” de la ciencia) son el universalismo sos económicos
(cada contribución a la ciencia debe ser valorada mediante y humanos
criterios objetivos, no por los atributos personales de sus
autores), el comunismo (los logros científicos pertenecen a toda
la comunidad, no pueden ser de propiedad privada), el desinterés
(los científicos sólo deben buscar el hallazgo de la verdad y el Las principales
normas socia-
prestigio derivado de él) y el escepticismo organizado (cada les descritas
contribución debe ser examinada y criticada todo lo posible). Las por Merton (lo
principales instituciones de la ciencia serían el sistema público que podemos
de comunicaciones (revistas, congresos, etcétera), los sistemas denominar el
de investigación y docencia (especialmente los departamentos “ethos” de la
ciencia) son el
universitarios y los laboratorios), los sistemas de control de
universalismo,
calidad de las contribuciones (especialmente el sistema de el comunismo,
“árbitros” en las revistas) y los sistemas de reconocimiento del el desinterés y
mérito (la eponimia -dar a un descubrimiento el nombre de su el escepticismo
descubridor-, los premios, etcétera). organizado
Estas normas e instituciones, de todas formas, no siempre Las principales

contribuyen al progreso científico de la mejor forma posible; instituciones
muchas veces, la estructura social de la ciencia genera de la ciencia
serían el siste-
consecuencias perniciosas desde el punto de vista de la producción ma público de
de conocimientos válidos. Por ejemplo, la presión por publicar comunicaciones,
puede incentivar a presentar resultados poco contrastados o los sistemas de
fraudulentos, y los científicos con más méritos pueden acaparar investigación
una proporción desmesurada de recursos. y docencia,
los sistemas
de control de
A partir de los años setenta, un creciente número de autores calidad de las
consideró que la sociología no debía limitarse a explicar el orden contribuciones y
institucional y las normas de la ciencia, sino que también debía los sistemas de
dar una explicación social del propio contenido del conocimiento reconocimiento
científico. Entre los principales enfoques que desde entonces se del mérito
han desarrollado dentro de esta corriente, destacan los llamados
“Programa Fuerte” y “Programa Empírico del Relativismo”, los
5 Sobre este tema, una buena presentación es Lamo de Espinosa et al. (1994).

cuales comparten la idea de que el conocimiento científico es un

hecho social empíricamente dado, y que por lo tanto debe ser
explicado socialmente como cualquier otro hecho similar.
El “Programa Fuerte”, cuyos principales impulsores son David Bloor

y Barry Barnes, afirma que la explicación social del conocimiento
científico debe ser causal (es decir, debe descubrir las causas por
las que una comunidad de investigadores llegan a aceptar ese
conocimiento como tal), imparcial (en el sentido de que debe
explicar tanto las creencias que se tienen por “verdaderas” y
“racionales”, como las que se tachan de “falsas” o “irracionales”),
simétrico (en el sentido de que debe ofrecer el mismo tipo de
explicación para las creencias “racionales” y las “irracionales”)
y reflexivo (esto es, debe ser capaz de aplicarse a sí misma).
En particular, el hecho de que una comunidad acepte una teoría
o una ley como “conocimiento válido”, se explicará por estos
autores en función, principalmente, de los intereses individuales
o colectivos de aquellas personas que aceptan ese conocimiento.
El “Programa Empírico del Relativismo”, propugnado sobre todo

por Harry Collins, intenta, en primer lugar, mostrar que cada
resultado científico posee varias interpretaciones posibles;
en segundo lugar, analizar los mecanismos que hacen que
se seleccione sólo una de estas interpretaciones; y, en tercer
lugar, relacionar tales mecanismos con el medio social en el que
funcionan.
Por su parte, los llamados “estudios de laboratorio”, de los que el

más famoso es el recogido en el libro La vida en el laboratorio.
La construcción de los hechos científicos, de Latour y Woolgar,
pretenden analizar el proceso de elaboración del conocimiento
científico desde una perspectiva “etnometodológica”, es decir,
semejante a la de un antropólogo que intenta describir una
cultura distinta de la nuestra. Estos estudios han desembocado,
parcialmente, en la llamada teoría de la red de actores, según
la cual, la construcción del conocimiento es un proceso de
negociación y lucha de poder en el que los científicos deben
buscar continuamente “aliados” que les permitan “extender su
propia red” lo más posible; estos “aliados” o “actores” pueden
ser tanto humanos (otros científicos, instituciones financiadoras,
la opinión pública, etc.) como no-humanos (instrumentos,
material para experimentos, etc.), de tal modo que la explicación
del conocimiento científico no puede ser ya meramente
sociológica. Latour afirma, en su libro Ciencia en acción, que

tanto la “Naturaleza” como la “Sociedad” son el resultado de las

negociaciones que se llevan a cabo en el proceso de construcción
del conocimiento, y, por lo tanto, no pueden explicar este proceso.
Otros programas que intentan dar una explicación “social”

del contenido del conocimiento científico son los estudios de
“ciencia y género”, la “epistemología social” y la “economía
de la investigación científica”. Aunque estos tres enfoques son
muy diferentes entre sí, tienen en común, al contrario que los
tres comentados anteriormente, que poseen una clara vocación
normativa, en el sentido de que el estudio de los determinantes
de los resultados científicos es utilizado sobre todo con el
fin de presentar propuestas que permitan modificar dichos
determinantes, si bien el enfoque económico se distingue de
otras aproximaciones más sociológicas en que intenta reducir
los criterios normativos que utiliza (y el tipo de explicación que
presenta de los fenómenos relacionados con la ciencia) a las
decisiones de los científicos individuales, o de los individuos a los
que la ciencia afecta de una u otra manera.
4. El naturalismo científico.
Posiblemente, la posición más aceptada en nuestros días

dentro de la filosofía de la ciencia es la que se conoce como
“naturalismo científico”. Es difícil ofrecer una definición ajustada
de este enfoque, sobre todo porque en realidad se trata más
bien de un conjunto de corrientes más o menos heterogéneas,
pero sí podemos decir que su idea conductora es la tesis de
que la ciencia y el conocimiento deben ser explicados como
fenómenos naturales, en el sentido de que debemos investigarlos
empíricamente, como cualquier otro hecho, y no basándonos en
supuestos a priori o en argumentos de tipo puramente lógico o
conceptual.
La idea de una “naturalización de la epistemología” se debe,

al menos con esta formulación, a Quine, si bien la propia
investigación empírica de nuestras facultades cognitivas es tan
antigua como la psicología científica, destacando la teoría de
Piaget sobre la evolución de las estructuras del pensamiento
humano desde el recién nacido hasta el adulto, y la tesis de que
el método científico debe ser estudiado como un hecho empírico
la había formulado en los años cincuenta Ernest Nagel. Otros

investigadores, teniendo en cuenta sobre todo la comparación

de las capacidades cognitivas humanas y las de los animales
más emparentados con nosotros (mamíferos en general y simios
en particular), han intentado explicar también la evolución de
estas capacidades en términos filogenéticos, como adaptaciones
a un ambiente natural y social determinado, si bien el “ambiente
social” está constituido asimismo por dichas capacidades.
Todos estos argumentos suelen suscitar la crítica de que están

basados en una circularidad o petición de principio, pues se
intenta investigar “racionalmente” (es decir, “científicamente”)
cómo funciona y ha evolucionado nuestra “racionalidad”, de tal
modo que, si se descubre que nuestra racionalidad está limitada
o condicionada de alguna manera, no está claro cómo podremos
aceptar la validez de ese descubrimiento. Los naturalistas
responden que la única forma legítima de estudiar la ciencia es
mediante la ciencia misma, y que lo único que se pierde con
esta estrategia es la idea de que puede hallarse un fundamento
totalmente seguro para el conocimiento.
La principal cuestión debatida entre los naturalistas es la de qué

disciplinas científicas son las más apropiadas para desarrollar
la “ciencia de la ciencia”. Una corriente dentro del naturalismo
afirma que deben ser las ciencias cognitivas, las cuales centran
el estudio de la actividad científica en las estrategias individuales
de obtención de información; naturalmente, dentro de las propias
ciencias cognitivas hay una gran variedad de disciplinas entre
las que elegir, desde la neurociencia (p. ej., Churchland) hasta
la teoría computacional (p. ej., Shrager y Langley); incluso la
epistemología evolutiva de algunos filósofos bastante racionalistas
(como Popper, Toulmin o Campbell) podría incluirse dentro de
este enfoque, aunque en la práctica es menos “empírica” que las
teorías de los otros autores citados.
Finalmente, cabe destacar la posición de Larry Laudan, definida

por él como “naturalismo normativo”, en el sentido de que, a
pesar de que intenta describir y explicar “científicamente” el
funcionamiento de la ciencia, lo hace sin renunciar a la capacidad
de ofrecer criterios que nos permitan evaluar la racionalidad de
cada decisión científica. Estos criterios, según Laudan, consistirían
en “imperativos hipotéticos” (según la clásica terminología de
Kant) basados en los propios valores de la comunidad científica
o de la sociedad a la que esta pertenece. Tales imperativos
hipotéticos consistirían en enunciados como, por ejemplo, “si

quieres obtener teorías con una elevada capacidad predictiva,

entonces debes formularlas matemáticamente”. Aunque algunos
de estos valores (como la supervivencia) pueden ser universales,
es de esperar que, al no compartir siempre todos los valores
todas las comunidades científicas, los criterios metodológicos de
éstas tampoco serán siempre los mismos.

Referencias bibliograficas
1. Chalmers, ¿Qué es esa cosa llamada ciencia?.
2. Díez Calzada y Moulines, Fundamentos de filosofía de la cien-

cia.
3. Echeverría, Introducción a la metodología de la ciencia. La

filosofía de la ciencia en el siglo XX.
4. González García et al., Ciencia, tecnología y sociedad. Una

introducción al estudio social de la ciencia y la tecnología.
5. Zamora Bonilla, Cuestión de protocolo.

II. LA EXPLICACIÓN CIENTÍFICA.
1. Las finalidades de la ciencia: comprensión, predicción,

control, legitimación.
En una primera aproximación al tema planteado en este epígrafe,

si pensamos en los manuales de cualquier disciplina de las
canónicamente consideradas científicas (por ejemplo, la física),
no será difícil conceder que el conocimiento científico se nos
suele presentar proposicionalmente, es decir, como información
expresada mediante enunciados de los que cabe decir, en
principio, si son verdaderos o falsos apelando a la experiencia
empírica. Esos enunciados no se nos ofrecen como una secuencia
inconexa, sino que suelen agruparse formando argumentos,
conjuntos de proposiciones en los que, en general, cabe distinguir
dos clases: premisas y conclusiones. Un buen argumento es
aquel que conecta las premisas con las conclusiones de tal modo
que la conclusión resulta entonces más plausible de lo que sería
por sí sola. Esto es, un buen argumentos nos impele a creer en
la conclusión, a considerarla, en algún grado, verdadera.
Por ejemplo, no tendemos a conceder demasiado crédito a quien

simplemente nos dice «en las próximas elecciones autonómicas
en Asturias ganará la presidencia el partido X». Pero solemos
prestar más atención cuando alguien argumenta del siguiente
modo: «A la vista de una sondeo de 2000 entrevistas, el partido
X obtendrá un 65% de los votos emitidos con un nivel de
confianza del 99, 5%. Por tanto, obtendrá suficientes diputados
para ganar la presidencia de la Comunidad». En el primer caso,
nuestro primer interlocutor nos proporciona una simple opinión,
que se vuelve más plausible cuando se infiere como conclusión
de la premisa estadística que añade nuestro segundo contertulio.
Que la conclusión resulte ahora más plausible no quiere decir,
desde luego, que sea verdadera. Pero tenemos el argumento
proporcionado nos dar una razón para aceptarla a la espera de
que se celebren las elecciones.
Pues bien, la explicación constituye una forma paradigmática

de argumentación científica. La ciencia pretende explicar muy

distintos fenómenos y para ello suele invocar cierta clase de

proposiciones a las que nos referimos como leyes. Conocidas
una ley y ciertas condiciones iniciales, cabe utilizarlas como
premisa en un argumento de modo tal que de ellas se infiera el
fenómeno que pretendemos explicar como conclusión.
Por ejemplo, supongamos que alguien pregunta por qué el

cielo es azul. Ofrezcámosle el siguiente argumento a modo de
explicación científica intuitiva:
(P1) [Ley]: Si las partículas existentes en la atmósfera tienen

un tamaño igual o inferior al de la longitud de onda de
la luz incidente, esta les cederá parte de su energía que
acabará siendo irradiada al entorno en forma de onda
electromagnética. La intensidad de la luz difundida será
inversamente proporcional a la cuarta potencia de la
longitud de onda (1/λ4)
(P2) La atmósfera terrestre está compuesta principalmente

de moléculas de nitrógeno y oxígeno, de tamaño inferior al
de la longitud de onda de la luz solar incidente.
(P3) La longitud de onda de la luz azul es de las más corta

(400 nanómetros) y es la más abundante en el sol.
—————————
(C) La atmósfera filtrará más luz azul que de cualquier otro

color, y eso le da su aspecto característico.
Dada la diversidad de argumentos que se nos presentan como

explicaciones científicas, la filosofía de la ciencia pretende
ofrecer patrones generales que nos sirvan para establecer
en qué consista una buena explicación científica y poder así
identificarlas. Para ello, es imprescindible acordar, por una
parte, qué consideraremos una ley y, por otra, qué tipo de
nexo argumental (por ejemplo, deductivo o inductivo) articula
premisas y conclusión. Ambas cuestiones resultan, como vamos
a ver, sumamente problemáticas. Ocupémonos brevemente de

la primera de ellas.
Una posición clásica sobre las leyes científicas es aquella que las
define como generalizaciones universales y verdaderas: serían
enunciados que darían cuenta de regularidades observadas en
la naturaleza afirmando que, dadas ciertas condiciones, estas se
cumplirán invariablemente. Esta concepción capta una propiedad
que tradicionalmente asociamos a las leyes: nos permiten anticipar
qué ocurrirá o, en otras palabras, posibilitan la predicción. En la
antigua astronomía griega, se consideraba una ley el enunciado
«Todos los planetas se desplazan en órbitas circulares». Hoy
sabemos que esto no es cierto, pero a partir de este principio
y mediante cálculos geométricos, los astrónomos eran capaces
de explicar la trayectoria de distintos astros, obteniendo así
predicciones sobre su posición en un momento concreto. Es decir,
las explicaciones basadas en leyes proporcionan predicciones, y
su cumplimiento constituye un indicador fiable de su veracidad.
Sendas predicciones confirmaron la superioridad de la mecánica
newtoniana sobre la de Newton sobre sus antecesores griegos, y
de la de Einstein sobre el propio Newton. Con ayuda de las leyes
de este segundo, Halley predijo el retorno del cometa que lleva
su nombre en 1758 y en 1846 Le Verrier predijo la posición de
un nuevo planeta, Neptuno. De la teoría de la relatividad general
Einstein infirió la curvatura gravitacional de los rayos solares que
fue detectada empíricamente en el eclipse de 1919.
Algunos filósofos (y muchos científicos) defienden una

concepción más exigente, según la cual una ley no sólo debe
expresar regularidades sino captar causas. Para la tradición
empirista, que defiende que los sentidos son la única fuente
de nuestro conocimiento del mundo, el concepto de causa
resulta problemático, al menos desde Hume. Pues si no es
de las regularidades empíricas observadas en el mundo, ¿de
dónde puede venir nuestro conocimiento de las causas? Y una
regularidad empírica sólo es una secuencia de acontecimientos
que no manifiestan ningún nexo particular entre ellos: se siguen
unos a otros con cierta frecuencia. No obstante, muchas otras
tradiciones en filosofía consideran imprescindible el concepto de
causalidad, pues solamente con él podríamos dar cuenta de la
necesidad que atribuimos a las leyes científicas. Pongamos un
ejemplo para ilustrarlo. Imaginemos que estamos practicando
nuestra puntería embocando en el billar: apuntamos y al
golpear la bola con el taco, comprobamos satisfechos que se
dirige en línea recta a la tronera cuando, de repente, aparece

un amigo simpático que detiene la bola antes de alcanzarla. Le

reprocharemos, sin duda: «Si no la hubieses tocado, hubiera
entrado» Pero ¿cómo podemos estar seguros? ¿Acaso no pudo
detenerse súbitamente por sí misma? La única certeza que
tenemos sobre tales situaciones contrafácticas (qué hubiera
ocurrido si las cosas hubiesen sido de otra manera) es la que nos
proporciona la causalidad: sabemos que la bola hubiera entrado
en la tronera porque, dada su velocidad y trayectoria, las leyes de
Newton establecen que debía acabar allí. En ese sentido decimos
que ponen de manifiesto una necesidad en la secuencia donde el
empirista vería sólo una regularidad empírica. Pero, justamente,
esta necesidad no es algo que podamos probar empíricamente:
la única evidencia de la que disponemos es la de las cosas que
efectivamente ocurren, no sabemos qué hubiese ocurrido si....
He aquí también otro motivo para interesarnos por las

explicaciones basadas en leyes. En ocasiones, explicar un
fenómenos posibilita el control de su reproducción. De aquí,
para muchos, la conexión entre ciencias naturales y tecnología:
en el origen de los desarrollos que llevaron a la construcción de
un reactor nuclear se encuentra el modelo atómico de Bohr, por
ejemplo. Correlativamente, suele verse también en este punto
el potencial político de las ciencias sociales, pues una explicación
efectiva de un proceso social quizá diese también la oportunidad
de controlarlo: por ejemplo, la teoría monetaria articula la
intervención de los bancos centrales en la economía. Pero esto
plantea dilemas morales muy considerables: aun cuando las
centrales nucleares estén en el centro de una controversia ética
sus usos militares, sus efectos ecológicos, etc. nadie suele calificar
de ideológicamente sesgado el modelo de Bohr; no obstante,
son muchos los que piensan que no existe una teoría social
imparcial, carente de cargas normativas. He aquí el dilema: si
la ciencia social logra el control de los procesos sociales, ¿estará
justificado cualquier uso que hagamos de ella? O, de otro modo,
¿será legítima cualquier intervención política simplemente por
estar dotada de un fundamento presuntamente científico?
2. Reduccionismo y el debate sobre la unidad de la ciencia
Cabe reconocer, por tanto, en la argumentación científica

explicaciones que invocan leyes para explicar ciertos fenómenos.
Ahora bien, sucede en la Historia de la ciencia que se ofrecen

explicaciones convergentes de un mismo fenómeno desde

disciplinas distintas: los conceptos de calor y entropía definidos
en la termodinámica clásica se reinterpretaron desde la mecánica
estadística; la luz, tal como era entendida en la óptica clásica, se
redujo a un fenómeno electromagnético; la mecánica cuántica
dio cuenta de la naturaleza de los enlaces químicos, etc. A
mediados del siglo XIX, inspirados por este tipo de casos, algunos
físicos alemanes defendieron que las ciencias no solamente
progresarían desarrollando teorías para distintos fenómenos,
sino por reducción de todas ellas a la física, que sabría explicar
todos ellos en términos de fuerzas de atracción y repulsión entre
corpúsculos. Este fue el programa conocido como mecanicismo.
Aun en nuestros días, algunos físicos sostienen que el denominado
modelo estándar sobre las leyes que rigen el comportamiento de
las partículas elementales de la naturaleza constituye hoy la base
sobre la que en última instancia descansarían la explicaciones
de cualquier otra disciplina científica, pues no hay nada en el
universo que no resulté de la composición de tales partículas
según las fuerzas estudiadas en el modelo. Esta posición es
conocida como reduccionismo.
Uno de los temas más debatidos en la filosofía contemporánea

de la ciencia es si sería posible establecer algún patrón general
que diese cuenta de cómo explicar unas leyes desde otras. Una
reducción explicativa de este tipo podría consistir, por ejemplo
en su deducción, como propone en este pasaje el Premio Nobel
de Física Steven Weinberg:
<< Ciertamente, el ADN es demasiado complicado para

permitirnos utilizar las ecuaciones de la mecánica cuántica.
Pero se tiene un conocimiento bastante bueno de la estructura
a partir de las reglas ordinarias de la química y nadie tiene
duda de que, con un ordenador suficientemente grande,
podríamos explicar en principio todas las propiedades del
ADN resolviendo las ecuaciones de la mecánica cuántica
para los electrones y los núcleos de unos pocos elementos
comunes cuyas propiedades son, a su vez, explicadas por
el modelo estándar >> (El sueño de una teoría final,
p. 34)
Si esto fuese así, podríamos considerar la posibilidad de una

unificación explicativa de las ciencias, que procediese por
deducción (reducción) de unas leyes desde otras más básicas.

Establecer con precisión en qué condiciones se deduce una ley

de otra resulta complicado, y queda fuera del alcance de este
curso. No obstante, conviene advertir que el problema de la
reducción afecta de un modo especial a las ciencias sociales.
Una de las teorías más generales que cabe encontrar hoy en la

investigación social es la teoría de la elección racional, un análisis
matemático del proceso de toma de decisiones ampliamente
empleado en economía. Una de sus intuiciones conceptuales
más básicas es que cabe explicar la decisión que tome cada
uno de ellos cumpla con el siguiente principio: «a la vista de las
alternativas que se le ofrecen, un agente elegirá actuar de modo
tal que entre sus mayores deseos, se cumplan los más seguros».
Es decir, ponderando sus preferencias con la probabilidad de que
cada una de ellas se cumpla. Pues bien, podemos preguntarnos
si este enunciado constituye, siquiera sea embrionariamente,
una ley. O incluso si no contiene un mecanismo que pueda
explicar causalmente las decisiones de un agente.
Como veremos a continuación, sería este un tipo de explicación

causal peculiar: apela los deseos y creencias de un sujeto como
causas de su elección. Pero, preguntémonos de nuevo: ¿qué son
los deseos y las creencias? Cabría sospechar si no es una forma
imprecisa de referirnos a ciertos procesos cerebrales, no por
inconscientes menos reales. Si fuese así, la neurología podría
explicar en qué condiciones deseamos o creemos apelando a
sus propias leyes. Esto es, la teoría de la elección racional podría
verse reducida a un caso particular de la neurología, unificando
así explicativamente ciencias sociales y naturales. Actualmente,
hay investigaciones en marcha sobre el procesamiento cerebral
de las decisiones económicas que quizá constituyan un paso en
esta dirección.
3. Modelos de explicación científica
A principios del siglo XX, el ideal de la unidad de las ciencias

se impuso mayoritariamente entre los filósofos de orientación
empirista, especialmente entre los adscritos al denominado
Círculo de Viena (por ejemplo, Otto Neurath o Rudolf Carnap).
Pretendían así caracterizar los saberes científicos con arreglo a
un criterio metodológico que se cumpliese uniformemente en
ellas, de modo tal que se excluyesen todas las pseudociencias
(y, en particular, la vieja metafísica). Fue en este contexto donde

se desarrollaron algunos de los mejores análisis filosóficos sobre

cómo reducir explicaciones de modo que se unificaran teorías. A la
vista de las dificultades encontradas, y en un contexto intelectual
cada vez más atento a la pluralidad, hoy se discute si el ideal
vienés de la unificación científica sigue vigente. Por una parte,
existe un número cada vez mayor de disciplinas y subdisciplinas
en las ciencias sociales y naturales que se reclaman igualmente
científicas y socialmente son reconocidas como tales. Cuando
Steven Weinberg argumenta, en una perspectiva reduccionista,
que la física de partículas debe recibir un tratamiento especial al
distribuirse los fondos de investigación por su potencial unificador,
su posición es contestada no sólo por biólogos o economistas,
sino por físicos de otras especialidades –y ya no por astrólogos
o metafísicos.
Aunque ni Elster ni Hollis se pronuncien sobre la cuestión de la

unidad de las ciencias, podemos interpretar en este contexto
el tratamiento que recibe el tema de la explicación en sus
manuales –El cambio tecnológico y Filosofía de las ciencias
sociales. Ni Elster ni Hollis se comprometen con un patrón
general de explicación ni con la primacía explicativa de ninguna
ciencia particular. Ambos constatan, más bien, la existencia de
distintos tipos de explicación en las ciencias sociales e intentan
determinar criterios particulares de aceptabilidad para cada
uno de ellos. Como ya advertíamos anteriormente a propósito
del primero (§1), su definición exige compromisos filosóficos
sustantivos.
Así, en una explicación funcional se argumenta que el suceso X

ocurre por reportar un beneficio Y a una entidad Z. Por ejemplo,
según el sociólogo francés Emile Durkheim (1858-1917)
defendió que la función oculta del matrimonio era contribuir a
integrar una sociedad de modo tal que sus miembros quedasen
protegidos del suicidio. La dificultad radica aquí en que el suceso
en cuestión (X: el matrimonio) es explicado por sus efectos (Y:
la prevención del suicidio) y no por sus causas (el deseo de
los contrayentes de casarse), siendo aquellos posteriores en el
tiempo a estas. Dicho de otro modo, un futuro aun por llegar
(Y) explica su pasado (X). Justificar este enfoque teleológico
sin reducirlo a uno causal exige mucha sutileza argumental. Por
todo ello, antes de iniciar su análisis de los distintos tipos de
explicación, Hollis analiza desde qué posiciones filosóficas cabe
abordar conceptos como el de causalidad, y cómo en función de

estas resultan más o menos aceptables los distintos patrones

explicativos que aparecen en ciencias sociales. Elster, en cambio,
evita un tratamiento filosófico general de los conceptos de causa,
función e intención y opta por ejemplificar ciertos rasgos que
considera paradigmáticos a partir de explicaciones extraídas de
las distintas ciencias.
Buena parte de las ciencias sociales tiene como objeto, a

diferencia de las naturales, la explicación de la acción y para
ello se suele recurrir a enunciados legiformes con un esquema
semejante a éste:
Si un agente, x, quiere d, y x cree que a es un medio para

obtener d en las circunstancias dadas, entonces x hará a
Se trata, como ya adelantábamos (§2) de esquemas intencionales

donde la acción se analiza a partir de los deseos (d) y creencias
del agente: un economista neoclásico (en la tradición que se
inicia con Walras [1834-1910] y Marshall [1842-1924], entre
otros) apela a la utilidad (deseos) y a sus mecanismos de
maximización (creencias) para explicar su comportamiento en
un mercado. Como decíamos, para algunos filósofos y científicos
sociales esquemas como éste son demasiado imprecisos y
debieran ser objeto de reducción explicativa apelando a leyes
distintivamente causales. Pero otros sostienen que las creencias
y los deseos constituyen ya razones para la acción y precisamente
por eso pueden constituir explicaciones sin necesidad de
reducción alguna. Para los primeros, cuya posición se adjetiva a
menudo como naturalista, las intenciones del individuo debieran
reducirse a patrones causales registrados en su cerebro, cuyo
funcionamiento explicarían leyes neurofisiológicas. Los segundo,
en cambio, abogan por una concepción interpretativa de las
ciencias sociales, cuyas explicaciones tratarían simplemente de
captar lo que de racional hay en la acción humana.
4. Peculiaridades de las ciencias sociales
La posición del científico social respecto a su objeto de

estudio plantea dilemas característicos, a menudo sin clara
correspondencia en las ciencias naturales. Ilustrémoslos
mediante un par de ejemplos.

Un dilema clásico es el de cuáles sean las obligaciones éticas de

un científico social respecto a los sujetos que estudia. Un buen
ejemplo nos lo proporciona el artículo «Jaleo en la celda» del
antropólogo estadounidense James P. Spradley. El autor decide
efectuar un trabajo de campo en un centro de tratamiento de
alcohólicos recién inaugurado en su ciudad, Seattle, con objeto
de asistir a reclusos condenados por embriaguez y facilitar
su rehabilitación. Su propósito inicial es elaborar un informe
etnográfico sobre la cultura del centro, para lo cual obtiene el visto
bueno tanto de su propia Universidad como de las autoridades
sanitarias y policiales de las que éste depende. A medida que
va adquiriendo confianza con los internos, estos le cuentan su
experiencia anterior en la cárcel, donde a menudo son objeto de
diversos abusos por parte de la policía. Spradley se plantea aquí
varios problemas: en primer lugar, ¿debe estudiar lo sucedido en
la cárcel, aun cuando no sea el objeto de la investigación acordada
con los responsables del centro? ¿Debe darlo a conocer a la
opinión pública? ¿Puede seguir considerando a los internos como
simples informantes, obviando la relación personal que establece
con ellos? Para dar respuesta a estas preguntas surgen disciplinas
filosóficas como la deontología profesional, que trata de dar
elaborar códigos de conducta que determinen la responsabilidad
moral del investigador. No obstante, interrogantes como estos
plantean también el problema de la objetividad de los resultados
de la investigación: ¿es posible evitar que los valores de su autor
produzcan sesgos en cuestiones tales como la selección de la
evidencia empírica o en su interpretación?
Un segundo dilema es el de si los sujetos investigados, al saberse

observados, no podrán influir conscientemente en la investigación
alterando sus conclusiones. Un ejemplo clásico de cómo puede
producirse esta influencia, con enormes consecuencias prácticas
nos lo proporcionó en 1976 Robert Lucas, Premio Nobel de
Economía en 1995. Cabe abreviar su análisis del siguiente modo.
Sabemos, en primer lugar, que muchos economistas aplican
sus teorías cuando ejercen como asesores gubernamentales
en la elaboración de políticas económicas. Por ejemplo, a partir
del modelo que relaciona la producción de un país (X) con la
cantidad de dinero en circulación entre sus consumidores (Y), el
economista podrá aconsejar al político sobre cómo evolucionará
la primera variable en función de la segunda. Si el gobierno puede
dar órdenes al Banco Central para que emita una mayor o menor
cantidad de moneda, podrá influir así en el aumento o descenso
de la producción. A menudo, el gobierno yerra en su predicción

y el valor real de la producción se desvía de sus previsiones.

Pues bien, Lucas argumento que esta divergencia entre el valor
previsto y el valor realmente observado se puede explicar si
tomamos en consideración las expectativas de los consumidores
sobre la política monetaria.
En efecto, los consumidores pueden intentar anticipar cómo

calculará el gobierno el aumento o descenso de la cantidad de
dinero en circulación. Si el gobierno sigue alguna regla, cabe
suponer que en promedio acertarán. Con esta previsión, y con
ayuda de la teoría monetaria, los consumidores deducirán cómo
variará el nivel de precios en función de la masa monetaria y
así podrán decidir, por ejemplo, si adelantan o retrasan sus
compras. Dado que depende de esta demanda, la producción de
un país se apartará así de la previsión inicial del gobierno con
arreglo al modelo inicial. El ejemplo de Lucas ilustra la cuestión
de la reflexividad: cómo el científico social debe considerar en
su modelo la reacción de los agentes en el propio modelo ante
éste. No se trata de una excepción, sino de una circunstancia
muy común en las ciencias sociales.
En suma, las ciencias sociales se nos presentan como externas a

los propios procesos sociales (su objeto de análisis) pero también,
de algún modo, como parte de él. Los científicos sociales como
personas o ciudadanos no son distintos de aquellos sujetos
cuyas acciones estudian: a veces comparten con ellos ciertos
valores y otras son estos los que les enfrenta. En ocasiones, sus
argumentos científicos contribuirán a justificar tales valores y en
otras entrarán en contradicción con ellos. Ocurrirá incluso que
desde su propia disciplina pueden contribuir a promocionarlos
(o destruirlos) si decide transformar sus conclusiones en
programas de intervención política. De ahí la relevancia social
de la reflexión metodológica: con ella el científico en ejercicio
podrá dar cuenta de sus opciones en cada uno de estos pasos,
pero aquellos a quienes afecte su trabajo podrán evidenciarlas
y discutirlas.

Referencias bibliograficas
1. Díez J.A., y C. U. Moulines, Fundamentos de filosofía de la

ciencia, Alianza Editorial, 1997, capítulo 7.
2. Elster, J., El cambio tecnológico, Gedisa, 1990, «Introducción

a la primera parte»
3. Hollis, M. Filosofía de las ciencias sociales, Ariel, 1998, capí-

tulo 1.
4. Spradley, J., «Jaleo en la celda. Ética en el trabajo de cam-

po», en H. Velasco, comp., Lecturas de antropología social y
cultural, UNED, Madrid, 1995, pgs., 199-216.
5. Weinberg, S., El sueño de una teoría final, Crítica, Barcelona,

1994.
6. Zamora Bonilla, J., “¿Puede la ciencia explicarlo todo?”, In-

vestigación y Ciencia, Enero 2013.

MÉTODO CIENTÍFICO Y
METODOLOGÍAS DE INVESTIGACIÓN
MÉTODO
CIENTÍFICO
Metodología
Metodología
no
experimental
experimental
Observación Encuesta
Y DISEÑO
Metodología no
experimental
Diseños Diseños por

observacionales encuesta
Y DISEÑO
Metodología
experimental
Diseños
Diseños Diseños de
experimen
cuasi- sujeto único
tales
experimen
tales
METODOLOGÍA EXPERIMENTAL
CARACTERÍSTICAS
Hipótesis de causalidad
VI es causa de VD
Manipulación de VI
Control exhaustivo de VE
aleatoriación
ELEMENTOS DEL DISEÑO
• VARIABLE INDEPENDIENTE
número de niveles
forma de manipulación
• VARIABLE DEPENDIENTE
número de medidas
momento de medición
• VARIABLES EXTRAÑAS
técnicas de control
• SUJETOS
número de sujetos
número de grupos
selección de sujetos
asignación de sujetos a los grupos
METODOLOGÍA NO EXPERIMENTAL
ENCUESTA
CARACTERÍSTICAS
Hipótesis de covarianza
V1 está relacionada con V2
Amplio número de variables
Amplio número de sujetos
Técnica: encuesta
ENCUESTA
• VARIABLES
número de medidas
momento de medida
elaboración del instrumento. La encuesta
presentación del instrumento
• SUJETOS
población
muestra
procedimientos de muestreo
METODOLOGÍA NO ESPERIMENTAL.
OBSERVACIÓN
CARACTERÍSTICAS
Hipótesis de covariación
V1 está relacionada con V2
Reducido número de variables
Reducido número de sujetos
Información actual
OBSERVACIÓN
• VARIABLES
sistema de categorías
momento de medida
muestreo tiempo
muestreo sesiones
registro
codificación
parámetros a observar
OBSERVACIÓN
• SUJETOS
muestreo de sujetos
INVESTIGACIÓN CUANTITATIVA
VERSUS
INVESTIGACIÓN CUALITATIVA
Positivismo Constructivismo y
Fenomenología
Investigación Investigación
Cuantitativa Cualitativa
Método Método
hipotético-deductivo inductivo
Fundamentos filosóficos
Relativismo frente a racionalismo

no una única verdad sino varías en
coexistencia
Críticas al positivismo lógico
Relativismo
Importancia de la subjetividad y crítica del
científico
Características
• Inicio de la investigación es la perspectiva de

los participantes
• Explicación desde el interior del fenómeno
• La evidencia empírica suele ser registros
verbales
• Importancia del fenómeno a estudiar en su
globalidad
• Importancia de la subjetividad del investigador
• Garantías del proceso de investigación
Ejemplos de preguntas de investigación
• ¿cómo es la interacción entre médico y

paciente que sufre una enfermedad terminal?
• ¿cómo afecta a la vida de una persona
padecer una enfermedad crónica?
• ¿cuál es el papel de los cuidadores para los
residentes de una residencia de ancianos?
• ¿qué señales de machismo y acoso se
presenta en las conversaciones de los
adolescentes en el instituto?
VS CUANTITATIVA
• EPISTEMOLOGÍA
Objetivismo Subjetivismo
Positivismo Constructivismo
VS CUANTITATIVA
• OBJETIVOS
describir desde fuera describir desde dentro
explicación causal explicación verbal
predicción numérica predicción verbal
comprensión objetiva comprender
control sin subjetivamente
participantes control con
participantes
VS CUANTITATIVA
• METODOLOGÍA
No experimental Etnografía
observación Est. fenomenológicos
encuesta Est.narrativos
Experimental Est.casos
Investigación-acción
VS CUANTITATIVA
• TÉCNICAS
Estructuradas No estructuradas
obs. Sistemática obs. Participante
entrevista estruc. entrevista no estr.
cuestionarios est. cuestionarios abi.
tests grupos discusión
tareas estruc. narraciones
análisis de docum.
VS CUANTITATIVA
• TIPOS DATOS
numéricos verbales
VS CUANTITATIVA
• ANÁLISIS DATOS
selección aleatoria no selección aleatoria
análisis grupal análisis individual
análisis cuantitativo análisis cualitativo
técnicas estadísticas análisis de contenido
VS CUANTITATIVA
• VALORACIÓN
fiabilidad confianza resultados
validez seguridad conclusiones
no implicación implicación
investigador investigador
Triangulación
Y CUANTITATIVA
• EPISTEMOLOGÍA
Obtener conocimiento del ser humano
• OBJETIVOS
Describir, explicar, predecir, controlar
• TÉCNICAS
Observación, entrevistas, cuestionarios
• CRITERIOS DE VALORACIÓN
descripciones e inferencias adecuadas a los
objetivos y los datos
Proceso de investigación
Objetivos y preguntas de investigación
Plan de investigación
Obtención de evidencia empírica
Organización y análisis datos
Conclusiones
Hacer pública la
investigación
PROCESO DE INVESTIGACIÓN
Nivel teórico-conceptual
Nivel técnico-metodológico
Nivel analítico-estadístico
NIVEL TEÓRICO-CONCEPTUAL
Temática
Pregunta de investigación
Hipótesis de investigación
TEMÁTICA (MARCO TEÓRICO)
¿SOBRE QUÉ ÁREA DE CONOCIMIENTO?
procesos básicos de psicología, clínica,
educativa, evolutiva, social, organizaciones,
deporte….
¿QUÉ SE PRETENDE INVESTIGAR?
¿QUÉ SE SABE SOBRE ESO?

contexto teórico
resultados empíricos previos
TEMÁTICA (MARCO TEÓRICO)
BÚSQUEDA BIBLIOGRÁFICA
libros, manuales….
artículos de investigación
artículos de revisión
meta-análisis
PREGUNTAS DE INVESTIGACIÓN
DE EXISTENCIA
Formato: ¿Existe X?
Ejemplo:¿Pueden percibir los neonatos el color?
¿Existe la percepción del color en los
neonatos?
Una variable: Percepción del color
Metodología: No experimental
DE DESCRIPCIÓN Y CLASIFICACIÓN
Formato: ¿Cómo es X? ¿Cuáles son las
características de X? ¿A qué grupo
pertenece X?...
Ejemplo:¿Cuáles son las características de
personalidad de jóvenes anoréxicas?
Variables: Personalidad
DE COMPOSICIÓN
Formato: ¿Cuáles son los componentes de X?
Ejemplo:¿Cuáles son los componentes de a
inteligencia?
Variables: Inteligencia
DE RELACIÓN
Formato: ¿Existe relación o asociación entre X e
Y?
Ejemplo:¿Existe relación entre inteligencia y
rendimiento académico?
Variables: Inteligencia. Rendimiento académico
DESCRIPTIVO-COMPARATIVAS
Formato: ¿El grupo X es distinto del grupo Y?
Ejemplo:¿Los viejos tienen menos memoria que
los jóvenes?
Variables: Memoria. Edad
Metodología: Experimental
DE CAUSALIDAD
Formato: ¿X influye, provoca, afecta, produce…
que cambie Y?
Ejemplo:¿Ver programas violentos en TV hace
más agresivos a los niños?
Variables: Programas violentos. Agresividad
Metodología: Experimental
PROCESO DE SELECCIÓN DE
• investigador
creatividad, intereses, capacidad
• entorno
• relevancia del problema
• desarrollo teórico
• posibilidad de obtener datos de la población
ORIGEN DE LAS PREGUNTAS DE
INVESTIGACIÓN
• observación de la vida diaria
• desarrollo de una teoría
• aplicación de la teoría a situaciones
• creatividad (brainstorming)
• análisis investigaciones anteriores
• serendipity
COMPONENTES HIPÓTESIS DE
INVESTIGACIÓN
• variable A
• variable B
• relación entre variable A y B
La terapia cognitiva mejora la depresión
variable A relación variable B

CARACTERÍSTICAS DE HIPÓTESIS DE
INVESTIGACIÓN
• comprobable
• pertinente al problema
• exhaustiva
• relación con investigación previa
• parsimoniosa
• cuantificable
• generalizable
• útil
NIVEL TÉCNICO-METODOLÓGICO
Metodología de investigación
Identificación de variables
Definición teórica de variables
Definición operacional de variables
Hipótesis operacional
Diseño
METODOLOGÍA DE INVESTIGACIÓN
• Metodología no experimental
Preguntas de: existencia
descripción y clasificación
composición
relación
• Metodología experimental
Preguntas de: descriptivo-comparativas
causalidad
VARIABLES DE INVESTIGACIÓN
• VARIABLE
• CONSTRUCTO
Definición semántica
conductas observables
memoria: nº elementos recordados
de una lista
Definición sintáctica
relación con otros constructos
memoria: relacionado con inteligencia
DEFINICIÓN TEÓRICA DE VARIABLES
Relación con otros conceptos

útil en el nivel teórico-conceptual
Inteligencia: Capacidad cognitiva de aprendizaje

y relación
DEFINICIÓN OPERACIONAL DE
VARIABLES
Operaciones necesarias para manipular o medir la
variable
útil en el nivel técnico-metodológico
Inteligencia: Constructo medido por la escala

Whechsler
Inteligencia: Sujetos que tengan un CI superior

de 110 en el Test de Standford-Binet
TIPOS DE DEFINICIONES
OPERACIONALES DE VARIABLES
• DE MEDIDA
operaciones necesarias para medir la
variable
• EXPERIMENTAL
operaciones necesarias para
identificar y manipular la variable
Los psicóticos tienen más sentido del humor que
los depresivos
Psicóticos y depresivos identificados por DSM-5
Sentido del humor medido por Escala de
Apreciación del Humor (EAHU)
COMPONENTES HIPÓTESIS
OPERACIONAL
• variable A y operacionalización
• variable B y operacionalización
• relación entre variable A y B
La terapia cognitiva de Beck realizada en 10

sesiones donde se analiza la relación entre las
cogniciones y emociones y se enseña diversas
técnicas conductuales y cognitivas para controlar
las emociones reduce la puntuación en el
Cuestionario de depresión de Beck
CLASIFICACIÓN DE VARIABLES DE
INVESTIGACIÓN
• SEGÚN TIPO MEDIDA
-Cualitativa (escala nominal)
-Cuasicuantitativa (escala ordinal)
-Cuantitativa (escala intervalo y razón)
-Continua/Discreta
INVESTIGACIÓN
• SEGÚN MANIPULACIÓN
-Experimental o de manipulación directa
el investigador decide los niveles de
la variable y cómo asignarlos a los
sujetos
-Seleccionada o de manipulación indirecta
el investigador no decide los niveles
de la variable ni cómo asignarlos a los
sujetos, son características inherentes
a los sujetos
INVESTIGACIÓN
• SEGÚN METODOLOGÍA
-Metodología experimental
-Variable independiente
considerada la causa
-Variable dependiente
considerada el efecto
-Variable extraña
influyen en el efecto pero no
son el objeto de estudio
INVESTIGACIÓN
• SEGÚN METODOLOGÍA
-Metodología no experimental
-Variable predictora
afecta al comportamiento que se
pretende predecir
-Variable criterio
comportamiento que es predicho
COMPONENTES DISEÑO
INVESTIGACIÓN
• SUJETOS
nº sujetos/selección/grupos/asignación a
grupos
• VARIABLES
experimental-tipos/manipulación/niveles/
nºmedidas/momento medida/
técnicas control
encuesta-vs análisis/vs sociodemográficas/
nºmedidas/momento medida
observación-categorización/momento medida
NIVEL ANALÍTICO-ESTADÍSTICO
Recogida de datos
Descripción estadística de datos
Hipótesis estadística
Técnica de análisis estadístico
Decisión sobre hipótesis

estadísticas
DESCRIPCIÓN ESTADÍSTICA DE
DATOS
• TABLAS DE FRECUENCIAS
Frecuencias absolutas y relativas
• ESTADÍSTICOS DE POSICIÓN
Moda, Mediana, Media, Cuantiles
• ESTADÍSTICOS DE DISPERSIÓN
Rangos, Desviación Típica, Varianza, Coeficiente
de variación
• ÍNDICES DE FORMA
Asimetría, Apuntamiento
• RELACIONES ESTADÍSTICAS
Covarianza, Coeficiente de correlación Pearson
• REGRESIÓN
COMPONENTES DE HIPÓTESIS
ESTADÍSTICAS
• Número de grupos
• Estadístico de contraste
• Relación igualdad o desigualdad entre grupos
• Hipótesis nula y alternativa
La terapia cognitiva de Beck reduce la puntuación

en el Cuestionario de depresión de Beck
Antes terapia y después de terapia
H0: µ(puntuación CD)antes ≤ µ(puntuación CD)después
H1: µ(puntuación CD)antes >µ(puntuación CD)después
TÉCNICAS DE ANÁLISIS ESTADÍSTICO
• ESTIMACIÓN DE PARÁMETROS
• CONTRASTES DE SIGNIFICACIÓN
• CONTRASTES DE HIPÓTESIS
• ANÁLISIS DE REGRESIÓN
• TAMAÑO DEL EFECTO

DECISIÓN SOBRE HIPÓTESIS
ESTADÍSTICAS
• Selección del nivel de significación
• Definición de regla de decisión
• Aceptación o rechazo hipótesis nula

Interpretación resultados
Hacer pública la investigación

INTERPRETACIÓN DE RESULTADOS
• Conclusiones hipótesis de investigación

• Respuestas a la pregunta de investigación
• Posibles problemas metodológicos
• Nuevas investigaciones
• Implicaciones teóricas
• Utilidad
HACER PÚBLICA LA INVESTIGACIÓN
• PARTICIPACIÓN EN CONGRESOS
POSTER
COMUNICACIÓN
• PUBLICACIÓN ARTÍCULOS
FORMATO ARTÍCULO DE
INVESTIGACIÓN
• TÍTULO, AUTORES, PALABRAS CLAVE, RESUMEN
• INTRODUCCIÓN
antecedentes, pregunta de investigación,
hipótesis de investigación
• MÉTODO
SUJETOS
selección sujetos, organización y
descripción estadística de muestra
INSTRUMENTOS
descripción, fiabilidad y utilidad
PROCEDIMIENTO
diseño
FORMATO ARTÍCULO DE
INVESTIGACIÓN
• RESULTADOS
Resumen de datos (descripción estadística,
tablas y gráficas) y resultados de análisis
estadísticos
• DISCUSIÓN
Decisión sobre hipótesis estadísticas e
interpretación resultados
• REFERENCIAS
Listado alfabético de todos los documentos
citados en el texto
• ANEXOS
Material relevante que no se ha podido incluir en
el texto
DISEÑOS DE METODOLOGÍA
EXPERIMENTAL
EXPERIMENT CUASI- SUJETO

ALES EXPERIMENT ÚNICO
ALES
-aleatorización, -experimentales
sujeto y -no asignación con un único
condiciones aleatoria sujeto
-manipulación -varias medidas
directa de VD a lo largo
-control VE del tiempo
-dos niveles VI
DISEÑOS DE METODOLOGÍA
EXPERIMENTAL
DISEÑOS VINCULADOS O CERCANOS A
PRE- EX-POST-FACTO
EXPERIMENTALES
-no asignación aleatoria
Precursores de los cuasi-
experimentales -manipulación indirecta
COMPARACIÓN DISEÑOS
CUASI-
EXPERIMENT EX-POST-
EXPERIMENT
ALES FACTO
ALES
-asig.aleatoria -no asig. alea. -no asig. alea.

-manip. directa -manip. directa -manip. indirecta
-control VE -control VE -no control VE
1. covar. VI-VD 1. covar. VI-VD 1. covar. VI-VD

2. VI antes VD 2. VI antes VD
3. No otra explic.
EJEMPLO 1. DIFERENCIA
EXPERIMENTAL Y EX-POST-FACTO
PREGUNTA: ¿nicotina afecta a la realización de una
tarea cognitiva?
VI: nicotina (4 niveles) VD: ejecución tarea cognitiva
EXPERIMENTAL Y EX-POST-FACTO
DISEÑO EXPERIMENTAL:
-Se selecciona aleatoriamente una muestra de sujetos
-Se asigna aleatoriamente los sujetos a 4 grupos
-Se asigna aleatoriamente a cada grupo uno de los 4
niveles de nicotina (en forma de chicle)
-Realización tarea cognitiva
DISEÑO EX-POST-FACTO:
-Se selecciona 4 grupos de sujetos según el número de
cigarrillos que fuman al día (no fumadores, menos de 10,
entre 10 y 20 y más de 20 cigarrillos)
-Realización tarea cognitiva
EXPERIMENTAL Y CUASI-
EXPERIMENTAL
PREGUNTA: ¿metodología de enseñanza colaborativa
mejora el rendimiento en una tarea académica?
VI: metodología enseñanza (2niveles) VD: ejecución
tarea académica
EXPERIMENTAL Y CUASI-
EXPERIMENTAL
DISEÑO EXPERIMENTAL:
-Se selecciona un curso de un colegio
-Se asigna aleatoriamente a los alumnos en dos grupos (A y B)
-Se asigna aleatoriamente a cada grupo a una metodología de
enseñanza
-Realización tarea académica
DISEÑO CUASI-EXPERIMENTAL:
-Se selecciona un curso de un colegio
-Se elijen dos clases de dicho curso (A y B)
-Se asignan aleatoriamente a cada grupo a una metodología
de enseñanza
-Realización tarea académica
DISEÑOS PRE-EXPERIMENTALES
DISEÑOS PRE-
EXPERIMENTALES
UN SOLO SOLO UN GRUPO

GRUPO POSTEST CON CON
CON GRUPO DE PRETEST Y
MEDIDA CONTROL NO POSTEST
POSTEST EQUIVALENTE
Un solo grupo con medida post
Grupos Asignación Pre VD Manip. VI Post VD
Exp. ----- ------ intervención Sí
Post con grupo control no equivalente

exp. No aleatoria ---- Intervención Si
control No aleatoria ----- No intervención Sí
Un grupo pre y post

Grupos asignación Pre VD Manip. VI Post VD
exp ------ Sí intervención Sí
DISEÑOS CUASI-EXPERIMENTALES
DISEÑOS CUASI-EXPERIMENTALES
PRE- SÓLO SERIES DISCONTINUIDAD

POST POST TEMPORALES EN LA REGRESIÓN
INTERRUMPIDAS
Esquema general de los diseños pre-post
exp. No aleatoria Sí Intervención Si
control No aleatoria Sí No intervención Sí
Análisis datos adecuado: análisis de covarianza

Esquema general de los diseños sólo post
exp. No aleatoria ----- Intervención Si
control No aleatoria ----- No intervención Sí
Análisis datos adecuado: contraste dos medias

grupos independientes o ANOVA para grupos
independientes
Esquema general de los diseños de series
temporales interrumpidas

exp. ------ Varias Intervención Varias
medidas medidas
Análisis datos adecuado: análisis estadísticos de

series temporales (modelo ARIMA), análisis de
regresión….
Esquema general de los diseños de
discontinuidad en la regresión
Grupo 1 Punt. Alta Sí Intervención Si
en la VD
Grupo 2 Punt. Baja Sí No intervención Sí
en la VD
Análisis datos adecuado: análisis de covarianza

EJEMPLO
Basado en: Cuevas, Núñez, Rodríguez y González
(2002)
Se pretende analizar la eficacia de un programa

de intervención cuyo objeto es la mejora de la
comprensión oral. Se elige dos grupos de niños
entre 6 y 7 años pertenecientes a un colegio
elegido al azar. Uno de los grupos de niños recibe
el programa de intervención entre la primera y la
segunda evaluación, una vez han sido evaluada
su comprensión lectora. Al finalizar el programa
de intervención se les vuelve a evaluar. El otro
grupos de niños es evaluado en los mismos
momentos.
EJEMPLO
Basado en: Cuevas, Núñez, Rodríguez y González
(2002)
Grupos Asignació Med. Manip. VI Med.

n Pre VD Post
VD
Exp. No Sí Programa Sí
aleatoria intervención
Control No Sí No Sí
aleatoria
Diseño pre-postest con grupo de control no

equivalente
DISEÑOS EXPERIMENTALES
CRITERIOS DE CLASIFICACIÓN
• Según número de VD
univariados: 1 VD
multivariados: más de 1 VD
• Según número de VI
simples: 1 VI
factoriales: 2 o más VI
• Según número de grupos
intrasujeto: 1 grupo
entregrupos: más de 1 grupo
• Según estrategia de asignación sujetos a los grupos
de grupos aleatorios
de bloques o emparejados
DISEÑOS EXPERIMENTALES
DISEÑOS
EXPERIMENTALES
UNIFACTORIAL FACTORIAL
ENTRE INTRA
ENTRE INTRA MIXTO
GRUPOS BLOQUES
ALEATORIOS
Análisis de datos más adecuado: ANOVA
(unifactorial entregrupo, de medidas repetidas,
fatorial….)
EJEMPLO
Basado en: Campos y Ameijde (2015)
Se pretende identificar la eficacia de la regla

mnemotecnia de la palabra clave en el recuerdo
y en la mejoría de los juicios metamnemónicos
frente al método de repetición en personas
ancianas. Se presentan voluntarias un grupo de
mujeres residentes de centro de mayores y se
asignan aleatoriamente a dos grupos. Uno de los
grupos aprenden una serie de palabras con el
método de palabra clave y el otro las aprende
con el método de repetición. Se mide el recuerdo
y se evalúan los juicios metamnemónicos
EJEMPLO
Basado en: Campos y Ameijde (2015)
Grupos Asignació Med. Manip. VI Med.

n Pre VD Post
VD
Grupo 1 aleatoria No Método Sí
palabra
clave
Grupo 2 aleatoria No Método de Sí
repetición
Diseño unifactorial entregrupo con grupos aleatorios

DISEÑOS DE SUJETO ÚNICO
DISEÑOS DE SUJETO ÚNICO
UNIFACTORIAL MULTIFACTORIAL
REVERSIÓN NO REVERSIÓN
CAMBIO DE LÍNEA BASE

DRITERIO MÚLTIPLE
Esquema general de los diseños de sujeto
único

Sujeto 1 ------ Varias Intervención Varias
medidas medidas
(línea
base)
Análisis datos adecuado: análisis gráficos de

cambios de tendencia y de nivel, análisis
estadístico de series temporales (modelo ARIMA)
EJEMPLO
basado en: Moriana, Alarcón y Herruzo (2004)
Se pretende valorar la eficacia en la mejoría de los

síntomas esquizofrénicos de 8 sujetos diagnosticados
con esquizofrenia paranoide, de una intervención
basada en el entrenamiento en habilidades sociales y
un programa de adhesión al tratamiento
farmacológico. Se realiza una medida de los síntomas
previa a la intervención durante 7 días, la
intervención dura 6 meses (también se registran los
síntomas), y posteriormente hay dos períodos de 7
días, primero sin tratamiento y después con
tratamiento.
EJEMPLO
Basado en: Moriana, Alarcón y Herruzo (2004)
Suj. Med. Pre Trat. Med. Post Trat.

(7 días) (6 meses) (7 días) (7 días)
1 Sí (7 med) Sí Sí (7 med) Sí (7 med)
…. Sí (7 med) Sí Sí (7 med) Sí (7 med)
Diseño unifactorial de reversión ABAB

DISEÑOS EXP-POST-FACTO
DISEÑOS EX-POST-FACTO
RETROSPECTIVOS PROSPECTIVOS
Esquema general de los diseños exp-post-
facto retrospectivo
grupo 1 selección en si Distintas -----

función del variables para
valor de VD identificar cuál
explica la VD
Análisis de datos adecuado: prueba ji-cuadrado,

análisis de correlaciones, modelos de regresión
Esquema general de los diseños exp-post-
facto prospectivos
Grupo 1 Selección en ----- (indirecta) Si

función del VI alto
valor de la
VI
Grupo 2 Selección en ----- (indirecta) Sí
función del VI bajo
valor de la
VI
Análisis de datos adecuado: Contraste dos

medias, ANOVA
EJEMPLO
basado en: Sainz y Vinuesa(2018)
Se pretende conocer la influencia de la

realización habitual de la actividad física con la
percepción por parte de compañeros sobre el
papel en una situación violenta en la escuela. Se
eligen a niños de 3º de primaria de un colegio y
se organiza en dos grupos según el nivel de
actividad física realizada habitualmente, medido
por el cuestionario de actividad física PAQ-C. Una
vez organizado los grupos se evalúa la
percepción sobre el papel en la situación violenta
EJEMPLO
basado en: Sainz y Vinuesa(2018)
Grupos Asignación Med. VI Med.

pre post
Grupo Selección ----- Alta Sí
1 por el valor
de la VI
Grupo Selección ----- Baja Sí
2 por el valor
de la VI
Diseño ex post facto prospectivo simple

REFERENCIAS
• Campos, A. y Ameijde, L. (2015). Mnemotecnia y

metamemoria en personas mayores. Universitas Psychologica,
14 (1), 57-66
• Cuevas, Núñez, Rodríguez y González (2002). Elaboración y
evaluación de un programa de mejora de la comprensión
oral. Psicothema, 14(2), 293-299
• Moriana, Alarcón y Herruzo (2004). Tratamiento combinado
de la esquizofrenia aplicado en el ámbito domiciliario.
Psicothema 16 (3), 436-441
• Sainz, D. y Vinuesa, R. (2018) Relación entre los niveles de
actividad física y los rasgos definitorios de roles de situación
de agresión-victimización en escolares. Sportis 5 (1), 59-76
CONCEPTO DE DISEÑO
Conjunto de decisiones que el investigador debe

tomar para organizar la recogida de datos y
analizarlos con el objeto de responder a la
pregunta de investigación
Depende de:
• Pregunta de investigación
• Esquema metodológico
DISEÑO EN LA INVESTIGACIÓN
EXPERIMENTAL
• Preguntas de investigación adecuadas
Descriptivo-comparativas
de Causalidad
 ¿Los trabajadores autónomos experimentan

mayor estrés percibido que los trabajadores
por cuenta ajena?
 ¿Una experiencia emocional fuerte altera el
recuerdo de acontecimientos previos a dicha
experiencia?
EXPERIMENTAL
• Componentes de la hipótesis
VI / VD
 VI: situación laboral (autónomos, por cuenta

propia)
VD: estrés percibido
 VI: Experiencia emocional fuerte
VD: Recuerdo de acontecimientos previos a
la experiencia
EXPERIMENTAL
• ¿Qué es necesario para responder a la
pregunta de investigación?
Que se produzcan cambios en la VD y sólo

puedan ser explicados por los cambios realizados
en la VI
Es necesario eliminar los cambios que se pueden
producir en la VD debido a otras variables (VE)
EXPERIMENTAL
 Cambios observados en la VD se denomina
VARIANZA TOTAL
 Los debidos al efecto de variables conocidas se
denomina VARIANZA SISTEMÁTICA
 Los debidos a la VI se denomina VARIANZA
SISTEMÁTICA PRIMARIA
 Los debidos a las VE se denomina VARIANZA
SISTEMÁTICA SECUNDARIA
 Los debidos al efecto de variables desconocidas
que producen un efecto aleatorio e impredecible
(fiabilidad de instrumentos, motivación
individual…) se denomina VARIANZA ERROR
EXPERIMENTAL
otras fuentes error

(var.error)
VI VD (var.total)
(var.sist.primaria)
(var.sist.secundaria)
VE
EXPERIMENTAL
Var.total=var.sistemática+var.error
Var.sistemática=var.sist.primaria+var.sist.secunda
ria
EXPERIMENTAL
poca motivación para contestar
interrupciones durante la respuesta
errores instrumentos de medida
Situación laboral estrés percibido
grupo riesgo COVID

nºmenores
grado aislamiento…
EXPERIMENTAL
TEORÍA DE OPTIMIZACIÓN DEL DISEÑO
Todo el conjunto de estrategias utilizadas para
mejorar el diseño de investigación con el objetivo
que permita responder a la pregunta de
investigación
• PRINCIPIO MAX-MIN-CONT
 MAXimizar la varianza sistemática primaria
(VI)
 MINimizar la varianza error (fuentes de error)
 CONTrolar la varianza sistemática secundaria
(VE)
EXPERIMENTAL
 MAXimizar la varianza sistemática primaria
(situación laboral)
utilizar grupos muy diferentes respecto a la
situación laboral
 MINimizar la varianza error (fuentes de error)
asegurar test fiables
eliminar sujetos que tardan demasiado
poco en contestar
 CONTrolar la varianza sistemática secundaria
(VE)
hacer constante las variables, homogeneizar
las variables en cada grupo
COMPONENTES DEL DISEÑO
 VI
• ¿Cuántos y qué niveles utilizamos para la
VI?
• ¿Cómo se manipula la VI?
 VD
• ¿Cuántas veces es necesario medir la VD?
• ¿En qué momento se mide la VD en
relación a la presentación de la VI?
 VE
• ¿Cuáles son las VE relevantes?
• ¿Qué técnicas se utilizan para controlar el
efecto de VE?
 SUJETOS
• ¿Cuántos sujetos son necesarios?
• ¿Cómo se eligen los sujetos del estudio?
• ¿Es necesario hacer grupos de sujetos?
• ¿Cómo se asignan los sujetos a los grupos?
SOBRE LA VI
¿Cuántos y qué niveles utilizamos para
la VI? (si en la pregunta de investigación
no se especifica los niveles)
-el objetivo es MAXimizar el efecto de la VI
-depende de la relación entre VI-VD
SOBRE LA VI
-en relación lineal: pocos y valores extremos
Para estudiar el efecto del ruido ambiental en la
ejecución de una tarea, elegir dos niveles ningún
ruido ambiental utilizando una cabina insonorizada o
ruido ambiental de 80 db
-en relación no lineal: pocos y valores extremos e
intermedios
Para estudiar el nivel de estrés en la ejecución de una
tarea, elegir tres niveles, estrés bajo, estrés
intermedio y estrés alto
-no relación o desconocida: muchos y a lo largo de
todo el intervalo de posibles valores
Para estudiar la dosis más adecuada de un nuevo
fármaco se eligen un conjunto amplio de posibles
dosis
SOBRE LA VI
¿Cómo se manipula la VI?
-siempre que sea posible de manera directa

SOBRE LA VD
¿Cuántas veces es necesario medir la
VD?
-depende de los objetivos y/o pregunta de

investigación
SOBRE LA VD
-una, si sólo se quiere comparar la VD en distintos
grupos
¿los autónomos presentan más estrés que los que
trabajan por cuenta ajena?
-dos o más si se quiere
-ver cómo cambia la VD tras la presentación de
la VI en el mismo grupo
¿la terapia centrada en las emociones reduce el
estrés de autónomos?
-cómo cambia la VD con el paso del tiempo
¿ha cambiado el estrés percibido a lo largo del año
2020?
SOBRE LA VD
¿En qué momento se mide la VD en
relación a la presentación de la VI?
-depende del objetivo y/o pregunta de

investigación
SOBRE LA VD
-antes de la presentación de la VI
-cuando se quiere identificar el cambio de
la VD al presentar la VI en un mismo grupo
¿la terapia centrada en las emociones reduce
el estrés de autónomos?
-después de la presentación de la VI, siempre

SOBRE LA VE
¿Cuáles son las VE relevantes?
-todas aquellas que están relacionadas con la

VD
SOBRE LA VE
• Relacionadas con los SUJETOS experimentales
 Características sociodemográficas: edad, sexo, nivel
educativo, nivel socioeconómico, estado civil, modo de vida,
situación laboral, características étnicas…
 Motivación: consecuencia de participar en una investigación
 Cambios relacionados con el paso del tiempo ajeno a la
manipulación experimental: maduración, historia
 Percepción de rol: actuar cómo se espera que debe actuar un
sujeto experimental, tendencia de respuesta…
 Comunicación entre los sujetos: cuando es necesaria la
ingenuidad, o son sujetos de la misma institución, o es
necesaria la evaluación individual
 Expectativas del cambio: cuando reproduce los resultados
que corresponden a los objetivos del estudio
SOBRE LA VE
• Relacionadas con el EXPERIMENTADOR
 Expectativas: profecía autocumplida, cuando se
observan los resultados coincidente con los objetivos…
 Características sociodemográficas y personales en
interacción con la de los sujetos experimentales: sexo,
edad, aspecto físico, grupo étnico
SOBRE LA VE
• Relacionadas con la SITUACIÓN, el
PROCEDIMIENTO, los ESTÍMULOS
 naturaleza del tratamiento experimental
 cantidad del tratamiento experimental
 duración del tratamiento experimental
 Condiciones específicas de aplicación del tratamiento
experimental
 Condiciones físicas donde se hacer el experimento
SOBRE LA VE
• Relacionadas con el INSTRUMENTAL utilizado en
la medida o la situación experimental
 Cambios en los instrumentos para distintos sujetos o
distintas medidas
 Reactividad ante el instrumental
 Distintos evaluadores u observadores
• OTRAS VARIABLES
 Realizar estudios pilotos que permita identificarlas
SOBRE LA VE
CONTROL EXPERIMENTAL
¿Qué técnicas se utilizan para controlar el
efecto de VE?
-el objetivo es CONTrolar el efecto de estas VE sobre

la VD
-depende de las VE identificadas
-la mejor forma de controlar el efecto de estas VE es
eliminarlas, no obstante esto es, en la mayoría de las
ocasiones imposible de conseguir por lo que es
necesario acudir a distintas estrategias que aseguren
que su efecto es conocido
-técnicas de control experimental: se aplican en el
diseño de la investigación
-técnicas de control estadístico: se aplican en el
análisis de los datos
SOBRE LA VE
• ELIMINACIÓN: se quita de la situación experimental dicha
variable (la VE toma el valor 0)
-útil para variables físicas
Eliminación del ruido ambiental utilizando una sala
insonorizada
• CONSTANCIA: se mantiene constante la variable para
todas las condiciones experimentales (la VE toma un único
valor)
-útil para variables físicas y para algunas características de los
sujetos, del procedimiento experimental, instrumental
Mantener constante las instrucciones para todos los sujetos
experimentales
SOBRE LA VE
• BALANCEO O EQUILIBRACIÓN: se equilibra el efecto de
la VE en todos los grupos de sujetos (la VE toma diversos
valores)
-útil para características de los sujetos y del procedimiento
experimental
• ALEATORIZACIÓN: Utilizar el azar para asignar los
sujetos a los grupos y los tratamientos experimentales a
los grupos
-se debe utilizar siempre que se pueda
-se asegura el control de VE no identificadas
-es efectivo si los sujetos experimentales son
numerosos
SOBRE LA VE
• EMPAREJAMIENTO O EQUIPARACIÓN: Se organizan
los sujetos en parejas con el mismo o parecido valor de
la VE (variable de emparejamiento) y se asigna
aleatoriamente un miembro de cada pareja a cada uno
de los grupos experimentales
-se utiliza cuando la VE está muy relacionada con la
VD
-se utiliza cuando la muestra no es muy numerosa
-se utiliza cuando sólo hay dos grupos
experimentales
SOBRE LA VE
• BLOQUES: Se organizan los sujetos en varios bloques
según la VE (variable de bloqueo) y se asigna
aleatoriamente los sujetos de cada bloque a cada uno de
los grupos experimentales
-se utiliza cuando la VE está muy relacionada con la
VD
SOBRE LA VE
EJEMPLO
10 sujetos , 2 condiciones experimentales, VE CI
CI CI
Sujeto 1 86 Sujeto 6 102
SOBRE LA VE
EJEMPLO DE ALEATORIZACIÓN
1. Asignar a cada condición experimental un
sujeto al azar
GRUPO 1 CI GRUPO 2 CI
𝑋 = 96,6 𝑋 = 94,4
SOBRE LA VE
EJEMPLO DE EMPAREJAMIENTO
1. Ordenar sujetos en función del valor CI
2. Organizar sujetos por parejas
CI CI
SOBRE LA VE
3. Asignar a cada condición un sujeto de cada
pareja
𝑋 = 95,6 𝑋 = 95,4
SOBRE LA VE
EJEMPLO BLOQUEO
1. Ordenar sujetos en función del valor CI
2. Organizar sujetos en bloques según el valor de CI
CI CI
Media CI=86,5 Sujeto 5 101
Sujeto 6 102
Sujeto 8 92 Media CI=100,75
Sujeto 10 93
Sujeto 2 97
Sujeto 4 97
Media CI=94,75
SOBRE LA VE
3. Asignar a cada condición un nº de sujetos por
igual de cada bloque
𝑋 = 94,2 𝑋 = 94,8
SOBRE LA VE
• SUJETO COMO CONTROL PROPIO: todos los sujetos
pasan por todas las condiciones experimentales, las
características de los sujetos se mantienen constantes
-útil para características de los sujetos
-inconveniente: introduce dos VE del procedimiento que es el
efecto de orden o error progresivo y el efecto residual o de
arrastre
Utilizar los mismos sujetos para comprobar el efecto motivante
de un incentivo económico a tres niveles (1, 10 y 100 euros)
Utilizar los mismos individuos para comprobar el efecto de

distinta dosis de un nuevo fármaco
SOBRE LA VE
• CONTRABALANCEO: ordenar de distinta forma la secuencia de
condiciones experimentales para asegurar que el error progresivo
se mantiene constante para cada una de las condiciones
experimentales
-se basa en asumir relación lineal entre el error progresivo y el
orden en el que aparece una condición experimental en la secuencia
experimental
• CONTRABALANCEO INTRASUJETO: Todos los sujetos pasan por
todas las condiciones experimentales en todas las secuencias
ABCCBA error progresivo de A=0+5=5

012345 error progresivo de B=1+4=5
error progresivo de C=2+3=5
Orden de las condiciones experimentales
SOBRE LA VE
• CONTRABALANCEO ENTREGRUPO COMPLETO: Se
identifican todas las posibles secuencias de las condiciones
experimentales. Se divide la muestra de sujetos en tantos
grupos como posibles secuencias y se asigna aleatoriamente
un grupo a cada una de esas secuencias
GRUPO 1: AB C error progresivo de A=0+0+1+2+1+2=6

GRUPO 2: AC B error progresivo de B=1+2+0+0+2+1=6
GRUPO 3: BA C error progresivo de C=2+1+2+1+0+0=6
GRUPO 4: BC A
GRUPO 5: CA B
GRUPO 6: CB A
SOBRE LA VE
• CONTRABALANCEO ENTREGRUPO INCOMPLETO: Se

elige un subconjunto de todas las posibles secuencias. Se
divide la muestra de sujetos en tantos grupos como dicho
subconjunto de secuencias y se asigna aleatoriamente un
grupo a cada una de esas posibles secuencias
• CUADRADO LATINO: Las secuencias elegidas son
aquellas que aseguran que todas las condiciones
experimentales se sitúan en todos los órdenes posibles
una única vez
POS.1 POS.2 POS.3

error A=0+2+1=3
GRUPO 1 A B C
error B=1+0+2=3
GRUPO 2 B C A
error C=2+1+0=3
GRUPO 3 C A B
SOBRE LA VE
• CONTRABALANCEO ENTREGRUPO INCOMPLETO
ALEATORIO: De todas las posibles secuencias se elige una
muestra aleatoria de todas ellas, en el caso extremo tantas
secuencias como sujetos tengamos
• SIMPLE Y DOBLE CIEGO: Los sujetos experimentales o/y el

experimentador desconocen los objetivos de la investigación
-se usa para evitar los efectos de las expectativas de sujetos y
experimentador
• SISTEMATIZACIÓN DE LA VE: Convertir la VE en una VI y

analizarla como tal
CUADRO RESUMEN DE TÉCNICAS DE
ELIMINACIÓN
CONSTANCIA ALEATORIZACIÓN
BALANCEO EMPAREJAMIENTO
EXPERIMENTAL
TÉCNICAS
CONTROL
SUJETO BLOQUEO
COMO
CONTROL INTRASUJETO
EG.COMPLETO
CONTRABALANCEO
CUADRADO
SIMPLE Y DOBLE LATINO
EG. INCOMPLETO
CIEGO
ALEATORIO
SISTEMATIZACIÓN
SOBRE LA VE
CONTROL ESTADÍSTICO
Uso de distintos análisis estadísticos que permitan separar de
la variabilidad de la VD la parte que se debe a la VI y la parte
que se debe a las VE
• Análisis de correlación parcial
Permite calcular el coeficiente de correlación entre dos
variables eliminando el efecto sobre esta correlación de otras
variables
Para su interpretación es necesario calcular el coeficiente de
correlación normal (de orden 0)
• Análisis de covariación
Permite hacer un análisis de varianza con las puntuaciones
corregidas eliminando el efecto de otras variables (covariables)
SOBRE LOS SUJETOS
¿Cuántos sujetos son necesarios?
-depende de los objetivos

-depende del número de grupos
-depende de las posibilidades reales de
disponer de sujetos experimentales
-recomendable aproximadamente 30 por cada
grupo (se asegura la eficacia de la
aleatorización)
SOBRE LOS SUJETOS
¿Cómo se eligen los sujetos para el estudio?
-si es posible, que representen la población

Técnicas de muestreo
• Muestreo no probabilístico. Los sujetos de
la población NO tienen la misma probabilidad
de pertenecer a la muestra
• Muestreo probabilístico. Todos los sujetos
de la población tienen la misma probabilidad
de pertenecer a la muestra
• Muestreo aleatorio sin reposición. Se
elije al sujeto al azar y no puede ser elegido
nuevamente
SOBRE LOS SUJETOS
¿Es necesario hacer grupos de sujetos?
-depende de los objetivos del estudio

-depende de la posibilidad de disponer de
sujetos experimentales
• Un grupo por cada nivel de la VI
• Dos grupos. Experimental y control
SOBRE LOS SUJETOS
¿Cómo se asignan los sujetos a los
grupos?
-es necesario que los grupos sean

equivalentes
• Uso de técnicas de balanceo
(aleatorización, emparejamiento,
bloqueo…)
ESQUEMA DEL DISEÑO
GRUPOS ASIGNACIÓN MEDIDA VI MEDIDA

SUJETOS PRE VD POST VD
EJEMPLO
¿Los autónomos presentan más estrés
percibido que los que trabajan por cuenta
ajena?
VI: Situación laboral
operacionalización: autónomos y
trabajadores por cuenta ajena (parcial y
total)
VD: Estrés percibido
operacionalización: Escala de Estrés
Percibido (PSS-10 Remor, 2006)
EJEMPLO
GRUPOS ASIGNACIÓN MEDIDA NIVELES VI MEDIDA

SUJETOS PRE VD POST VD
Grupo 1 No aleatoria ____ autónomos Si
(selección) (una)
Grupo 2 No aleatoria ____ por cuenta Si
(selección) ajena (una)
Selección sujetos: No aleatoria. Voluntarios

¿Control de VE?
Análisis: comparar la medida de la VD en el grupo 1 y
el grupo 2. Contraste de dos medias independientes
INTRODUCCIÓN AL CONCEPTO DE
VALIDEZ
PREGUNTA DE
INVESTIGACIÓN
HIPÓTESIS
CONCLUSIONES
INVESTIGACIÓN
ANÁLISIS HIPÓTESIS
ESTADÍSTICO OPERACIONAL
DISEÑO
CONCEPTO VALIDEZ
INVESTIGACIÓN
Conclusiones obtenidas en la investigación
corresponde a los objetivos propuestos
• Validez de conclusión estadística

• Validez interna
• Validez de constructo
• Validez externa
VALIDEZ DE CONCLUSIÓN
ESTADÍSTICA
¿existe covarianza entre variables?
¿qué magnitud tiene dicha covarianza?
AMENAZAS
ESTADÍSTICA
• Violación supuestos modelo estadístico
Utilizar pruebas estadísticas paramétricas cuando
los datos no cumplen los supuestos de éstas
• Baja potencia estadística
No elegir el nivel de significación (𝛼) adecuado o
muestras pequeñas
• Tasa de error tipo I
Comparaciones múltiples incrementa el error tipo
I
AMENAZAS
ESTADÍSTICA
• Imprecisión de la medida
Instrumentos poco fiables aumentan la varianza
error
• Poca fiabilidad en la aplicación de tratamientos
Aplicación de condiciones experimental no
homogénea aumenta la varianza error
• Muestra muy heterogénea
Se confunde la variabilidad de la muestra con la
variabilidad debido al efecto de la VI
Violación supuestos modelo
estadístico
VALIDEZ DE CONCLUSIIÓN
Baja potencia estadística
ESTADÍSTICA
AMENAZAS
Incremento tasa de error tipo I
Medidas poco fiables
Poca fiabilidad en aplicación

tratamientos
Muestras muy heterogéneas

¿QUÉ HACER PARA REDUCIR LAS
AMENAZAS A LA VALIDEZ DE
CONCLUSIÓN ESTADÍSTICA?
• Elección de pruebas estadísticas adecuadas
• Preferencia de pruebas paramétricas frente a
pruebas no paramétricas
• Elección de nivel de significación adecuado
• Tamaños de muestra adecuados
• Muestras no muy heterogéneas
VALIDEZ INTERNA
¿la VI es la causante de los cambios en la VD?

AMENAZAS
VALIDEZ INTERNA
• Orden causal ambigüo. No queda claro si la
VI es antes o después de la VD
El consumo de alcohol es previo a la
desinhibición o la desinhibición es previa al
consumo de alcohol
AMENAZAS
VALIDEZ INTERNA
• Historia. Acontecimientos que ocurren durante el tiempo
que trascurre la investigación (ej.recogida de datos) que
afectan a la VD
En un estudio sobre el efecto de un programa para dejar de
fumar que dura 9 meses pueden ocurrir otras circunstancias
(periodo de exámenes, situaciones estresantes…) que afectan
al consumo de tabaco
• Maduración. Cambios que ocurren en los sujetos durante

el tiempo que trascurre la investigación que afectan a la VD
Se estudia el efecto de una intervención para reducir las
interrupciones en clase de niños de 3 años. Dicha intervención
dura un año. La reducción de interrupciones se puede deber al
proceso de maduración lógico de los niños
AMENAZAS
VALIDEZ INTERNA
• Administración de pruebas. Medidas
anteriores de la VD afectan a las medidas
posteriores
Al iniciar una dieta se pesa al sujeto, la reducción
de peso se puede producir no solo por la dieta
sino por ser consciente de ser evaluado
• Instrumentación. Cambios en los
instrumentos de medida pueden afectar a la
VD
Se utiliza un test de depresión por distintos
evaluadores con distinta experiencia
AMENAZAS
VALIDEZ INTERNA
• Selección diferencial. Los grupos de estudio no
son equivalentes
Dos grupos de sujetos que participan en un
programa para dejar de fumar, el grupo experimental
son voluntarios y el grupo control no
• Mortalidad experimental. A lo largo del tiempo
de la investigación se pierden sujetos que
eliminan la equivalencia inicial de los grupos
Abandonan el experimento sujetos poco motivados
para dejar de fumar
AMENAZAS
VALIDEZ INTERNA
• Regresión estadística. Al repetir la medida de
puntuaciones extremas de un test estas
puntuaciones son menos extremas. Este efecto es
puramente estadístico y ocurre siempre porque
ningún test es 100% fiable
Si se selecciona la muestra por las puntuaciones
extremas los cambios en la VD no sabemos si se
debe a este efecto
Si es necesario repetir la medida de la VD varias
veces y se han obtenido puntuaciones extremas, los
cambios en la VD se pueden deber a este efecto
• Interacción entre dos o más amenazas
Orden causal ambigüo
Relacionadas con Historia

el paso del
VALIDEZ INTERNA
tiempo Maduración
AMENAZAS
Administración pruebas
Relacionadas con
la evaluación
Instrumentación
Selección diferencial
Relacionadas con
la selección Mortalidad experimental
sujetos
Regresión estadística
AMENAZAS A LA VALIDEZ INTERNA?
AMENAZAS CONTROL
Orden causal • Estudios longitudinales

ambigüo • Técnicas estadísticas (ecuaciones
estructurales….)
AMENAZAS CONTROL
Historia • Grupo control

• Aleatorización
• Constancia
• Eliminación
Maduración • Grupo control

• Reducción tiempo estudio
AMENAZAS CONTROL
Administración • Grupo control

de pruebas • Contrabalanceo
Instrumentación • Uso instrumentos válidos,

fiables y sensibles
• Entrenamiento del observador
o evaluador
AMENAZAS CONTROL
Selección • Balanceo (asignación aleatoria,

diferencial emparejamiento, bloqueo)
Mortalidad • Uso de grupos numerosos

experimental
Regresión • Uso de instrumentos fiables

estadística • Realizar varias medidas antes
de hacer la selección
VALIDEZ DE CONSTRUCTO
¿la operacionalización de los constructos

representan dichos constructos?
• Validez de constructo de causa (VI)

• Validez de constructo de efecto (VD)
AMENAZAS
• Inadecuada comprensión del constructo
En una investigación que tiene como VI la emoción
de alegría, se pretende inducirla en los sujetos
presentándoles una película de Charles Chaplin
• Inadecuada medición del constructo
Se evalúa la inteligencia con la resolución de una
serie de tareas matemáticas
• Reactividad a los dispositivos experimentales. La
respuesta de los sujetos experimentales no
depende de lo que se está evaluando sino de la
reacción de estos a la situación experimental
Inadecuada comprensión del constructo
AMENAZAS
Inadecuada medición del constructo
Reactividad a dispositivos experimentales

AMENAZAS A LA VALIDEZ DE
CONSTRUCTO?
• Desarrollo teórico sobre el constructo donde
se establezca relaciones con otros constructos
• Simple y doble ciego
VALIDEZ EXTERNA
¿se puede aplicar la relación causal encontrada a

otros sujetos, situaciones y/o momentos
históricos?
• Validez poblacional (a otros sujetos)

• Validez ecológica (a otras situaciones)
• Validez histórica (a otros momentos)
AMENAZAS
VALIDEZ EXTERNA
• Interacción selección de sujetos y

tratamiento. Ocurre cuando no se puede
generalizar los resultados a otras muestras de
sujetos y poblaciones diferentes a la estudiada
(validez poblacional) porque no están
definidas las características de la población
y/o la muestra no es representativa de la
población
AMENAZAS
VALIDEZ EXTERNA
• Interacción situación recogida de datos

y tratamiento. Ocurre cuando no se puede
generalizar los resultados a situaciones reales
(validez ecológica) debido a la artificialidad
de la situación de recogida de datos
AMENAZAS
VALIDEZ EXTERNA
• Interacción historia y tratamiento. Ocurre

cuando durante la investigación se producen
acontecimientos ajenos a ésta pero que afecta
a los resultados. En este caso no se puede
generalizar los resultados a otros momentos
históricos diferentes (validez histórica)
AMENAZAS
VALIDEZ EXTERNA
• Efecto de administración de pruebas. Ocurre

cuando se repite las pruebas de evaluación. La
segunda medida puede depender de la primera
• Reactividad a los dispositivos
experimentales. Ocurre cuando los sujetos
responde a la situación experimental como se
espera de ellos pero no como actúa realmente
• Efecto de tratamientos múltiples. Ocurre
cuando los sujetos reciben todos los niveles de a
VI, y los efectos encontrados se pueden explicar
por este efecto de orden
Administración de pruebas
Reactividad a los dispositivos

En general experimentales
Efectos de tratamientos
múltiples
VALIDEZ EXTERNA
Validez Interacción
AMENAZAS
poblacional selección X tratamiento
Interacción
Validez ecológica
situación X tratamiento
Interacción
Validez histórica
historia X tratamiento
AMENAZAS A LA VALIDEZ EXTERNA?
AMENAZAS CONTROL
Administración • Grupo control

de pruebas • Contrabalanceo
Reactividad • Simple y doble ciego

dispositivos
experimentales
Efectos • Contrabalanceo
tratamientos
múltiples
AMENAZAS A LA VALIDEZ EXTERNA?
AMENAZAS CONTROL
Interacción • Aleatorización
Selección X tratamiento • Muestras heterogéneas
• Replicación con otras
muestras
Interacción • Reducción artificialidad
Situación X tratamiento • Replicación en distintos
contextos
Interacción • Replicación en distintos
Historia X tratamiento momentos históricos
METODOLOGÍA POR ENCUESTA
• Hipótesis de relación entre variables (no

causalidad)
no necesidad de manipulación variables
no necesidad de control de variables
• Análisis amplio número de variables
• Recogida de información retrospectiva
• Relevancia de la representatividad
COMPONENTES DISEÑO POR
ENCUESTA
• Instrumento (cuestionarios, entrevistas)

• Definición población
conjunto de sujetos sobre los que se quiere
obtener información
• Selección muestra
subconjunto de la población
debe ser representativa
debe tener un tamaño adecuado
• Número de medidas
TAMAÑO ADECUADO DE LA
MUESTRA
• Tamaño de la población
• Estadístico utilizado para describir las
características
• Variabilidad de la medida
• Nivel de seguridad de estimaciones
TÉCNICAS DE MUESTREO
PROBABILÍSTICO
• Muestreo aleatorio simple
todos los sujetos de la población tienen la
misma probabilidad de pertenecer a la
muestra
• Muestreo aleatorio estratificado
se consideran sujetos que tienen algo en
común (estratos) y se elige aleatoriamente de
cada uno de los estratos
• Muestreo por conglomerados
se seleccionan a grupos (conglomerados) y de
ahí se selecciona aleatoriamente a los sujetos
• Muestreo por conglomerados y etapas
TÉCNICAS DE MUESTREO NO
PROBABILÍSTICO
• Muestra accidental
grupo de sujetos circunstancial
• Muestra a propósito
muestra que por sus características
interesa
PROCEDIMIENTOS DE RECOGIDA DE
DATOS
• Personal
• Por correo
• Por teléfono
DISEÑOS
• Transversales
describir características de una población
en un momento temporal determinado
caso especial: estudios epidemiológicos
• Longitudinales
describir características de una población a
lo largo del tiempo
TIPOS DE DISEÑOS
LONGITUDINALES
• Grupos de sujetos distintos

distintas muestras elegidas en distintos
momentos
• Diseños de panel
misma muestra medida varias veces
• Diseños de cohorte
distintas muestras de cohortes medidas
varias veces
Encuesta Domiciliaria sobre Abuso de Drogas en
España (EDADES)
•  El Programa de Encuestas Domiciliarias sobre Abuso de
Drogas en España (EDADES) es un programa bienal de
encuestas domiciliarias sobre consumo de drogas,
promovido por la Delegación del Gobierno para el Plan
Nacional sobre Drogas.
•  Se dispone así de una serie temporal que permite
analizar la evolución de las prevalencias de consumo de
alcohol, tabaco, hipnosedantes sin receta y drogas
psicoactivas de comercio ilegal, así como las pautas de
consumo dominantes, los perfiles de los consumidores,
las percepciones sociales ante el problema y las
medidas que los españoles consideran más efectivas
para resolverlo
Fuente: Instituto Nacional de Estadística
http://www.ine.es/metodologia/t15/t15a044.htm
OBJETIVO GENERAL
•  Obtener información útil para diseñar y
evaluar políticas dirigidas a prevenir el
consumo y los problemas de drogas.
UNIVERSO Y MARCO MUESTRAL
•  Población residente en España de 15 a 64
años.
•  El marco muestral utilizado para
seleccionar la muestra incluye solamente
la población residente en hogares
familiares.
MUESTRA
•  En 2003: 12.033 entrevistados
•  Se realizó un muestro por conglomerados
trietápico
–  1ª etapa: seleccionaron secciones censales
correspondientes a un cierto número de municipios,
de forma aleatoria con probabilidad proporcional al
tamaño de la sección
–  2ª etapa: seleccionaron hogares siguiendo el
procedimiento no probabilístico de rutas aleatorias
–  3ª etapa: tras anotar los datos del hogar seleccionado
en la hoja de contacto, se seleccionó un individuo
dentro de cada hogar utilizando tablas de números
aleatorios ad hoc que permitían aumentar la
probabilidad de los jóvenes de 15-39 años de ser
seleccionados.
Tema 5
Esquema metodológico
selectivo
Índice
1.  Introducción
1.1. Características
1.2. Razones para su uso
1.3. Técnicas de muestreo
2.  Diseños selectivos: transversales,
longitudinales, de cohortes
3.  Análisis estadístico: correlación, regresión y
ecuaciones estructurales
4.  El esquema selectivo en las coordenadas de
validez
5.  Diseños especiales: ex post facto
1. Introducción
•  Dalenius (1988): “recogida sistemática de

datos de poblaciones o de muestras de
poblaciones por medio de entrevistas
personales u otros instrumentos de
recogida, especialmente cuando se
refieren a grupos de personas amplios
o dispersos”
1.1. Características
1.  Ausencia de manipulación/intervención por
el investigador
2.  Objetivo: datos cuantitativos para describir
algún aspecto de la población bajo estudio
3.  Principal medio de recogida: preguntas;
principal fuente de datos: respuestas
4.  Se recoge información sobre una fracción de
población representativa de la misma
(“muestra”)
1.2. Razones para su uso
1.  El tiempo y el costo impiden recoger datos de
toda la población
2.  El muestreo probabilístico en que se basan
garantiza la representatividad de la muestra
3.  Uso de procedimientos de medida
estandarizados lo que garantiza la
comparabilidad de las observaciones
4.  Datos con el mismo grado de seguridad y
validez difícilmente serían disponibles por
otras fuentes
1.3. Técnicas de muestreo
•  Muestreo no probabilístico
–  Sin normas, circunstancial o errático
–  Intencional
–  Por cuotas y rutas
•  Muestreo probabilístico
–  Aleatorio sin reposición
–  Aleatorio con reposición
•  Sistemático
•  Estratificado
•  Por conglomerados
•  Muestreo no probabilístico (no podemos
saber la probabilidad de pertenencia a la
muestra)
–  Sin normas, circunstancial o errático: se elige

por comodidad o capricho
–  Intencional: se selecciona procurando que
sea representativa según el criterio del
investigador
- Por cuotas: el objetivo es conseguir una muestra

similar a la población en algunas características
previamente especificadas (criterios control) y
establecer el número de elementos (cuotas) a
tener en cuenta en la selección de la muestra
partir de estos criterios, debiendo ser éstas
representativas de todas las categorías de la
población objetivo. i.e. cuota de Sexo, Edad y
Nacionalidad.
–  Por rutas: el entrevistador debe seguir una

ruta que se le ha marcado pero los criterios
de selección quedan a su libre elección
–  Bola de nieve: una vez identificadas algunas

unidades iniciales, a partir de éstas se
identifican nuevos casos (i.e. tráeme a dos
amigos).
•  Muestreo probabilístico (se puede
calcular la probabilidad de pertenencia a
la población)
–  Aleatorio sin reposición de elementos: se
toma al azar un elemento de la población que
una vez que forma parte de la muestra, no
puede volver a ser elegido (más usado en
Psicología)
–  Aleatorio con reposición: se extrae al azar un
elemento de la población y se devuelve a esta
antes de extraer el siguiente elemento
•  Subtipos:
–  Aleatorio sistemático: se hace una lista de elementos
de la población y se selecciona uno cada k elementos
(k es el coeficiente de elevación=tamaño población/
tamaño muestra)
–  Aleatorio estratificado: se divide a la población en
subpoblaciones y se obtiene una submuestra de cada
una
–  Por conglomerados: selección aleatoria de
conglomerados, todos los elementos de cada uno de
esos conglomerados pasan a formar la muestra (ej.
un edificio al azar de cada barrio de la ciudad)
2. Diseños selectivos
•  En cuanto a su finalidad
–  Descriptivas: obtener información respecto
de grandes grupos (p.e. prevalencia de la
depresión en una población)
–  Analítica y “explicativa”: estudiar relaciones
y asociaciones entre variables,
comparaciones entre subgrupos, aportar
explicaciones (p.e. ¿covarían la autoestima y
la depresión en una población?)
–  Mixtas: obtener información y aportar
explicaciones
2. Diseños selectivos
•  En cuanto a una dimensión temporal

–  Transversales
–  Longitudinales (de poblaciones y de panel)
–  De cohortes
2.1. Encuestas transversales
•  Recogida de información en una muestra
una sola vez y durante un período de
corta duración
•  Finalidad descriptiva y analítica
–  P.e.: encuestas sobre drogodependencia
EDADES
•  Permiten estimar la prevalencia del problema (% de
consumidores)
•  Permiten analizar diferencias entre subgrupos (sexo, nivel
socioeconómico, escolaridad)àposibles factores potenciales
de riesgo
2.2. Encuestas longitudinales
•  Recogida de información dos o más
veces para examinar el cambio
relacionado con el paso del tiempo en
alguna característica de una población
–  Longitudinales con poblaciones o de series
temporales
–  De panel
2.2.1. Longitudinales con
poblaciones o de series temporales
•  Encuestas transversales que se repiten en otros
momentos temporales y con muestras
diferentes de la misma población
–  P.e. encuesta bianual sobre 4º ESO (los alumnos
cambian de curso por lo que los sujetos son
diferentes)
•  Series temporales: encuestas repetidas en
períodos regulares especificados y en un
intervalo de tiempo (con mismo diseño e
instrumento)
•  Problema: efectos de cohorte
–  Que las diferencias no sean debidas al paso del
tiempo sino a que los sujetos pertenecen a cohortes
distintas
2.2.2. De panel
•  Recogen información en dos o más momentos
temporales de la misma muestra de sujetos
•  Fases
–  Selección inicial de muestra (mediante alguno de los
diseños muestrales) y recogida de datos
–  Seguimiento temporal realizando nuevas encuestas
en la misma muestra
•  Utilidad: examinar cambios en momentos
evolutivos (infancia, adolescencia, etc.)
•  Ventaja: sin efectos de cohorte
•  Inconvenientes:
–  Efecto de la historia
–  Efecto de condicionamiento de la muestra
(p.e. paneles de consumo: más sensibles a
los precios, puede alterar patrones de
consumo)
–  Costes elevados
–  Altas tasas de mortalidad experimental
2.3. De cohortes
•  Se estudian longitudinalmente cohortes de
sujetos, añadiendo nuevas cohortes, para
poder llevar a cabo comparaciones y
conseguir una población representativa
•  Inconvenientes:
–  Elevado costo
–  Mortalidad experimental
–  Análisis de datos complejo
•  P.e.: se estudia el consumo de drogas de
jóvenes en su último año de secundaria (a los
nacidos en el 90, a los nacidos en el 91, 92,
etc.) Una proporción de estos son encuestados
de nuevo varias veces más por medio de
encuestas postales.
–  La comparación de los datos de cada cohorte permite
un estudio longitudinal de poblaciones;
–  Los sujetos encuestados repetidas veces constituyen
un estudio de panel.
3. Análisis estadístico
3.1. Correlación
•  Grupo de técnicas estadísticas usadas
para medir la intensidad de la relación
entre dos variables (¿los cambios en una
variable influyen en la otra?)
•  Coeficiente de Correlación (r)
–  Varía entre -1 y 1
–  1 y -1 indican correlación perfecta
•  Negativos: relación lineal inversa
•  Positivos: relación lineal directa
–  Igual o cercano a 0 indica ausencia de
correlación
3.2. Regresión
•  Grupo de técnicas estadísticas para estudiar la
relación entre variables
•  Tanto en el caso de dos variables (regresión
simple) con el de más de dos (múltiple) puede
utilizarse para explorar y cuantificar la relación
entre una variable llamada dependiente o
criterio (Y) y una o más variables llamadas
independientes o predictoras (X), así como para
desarrollar una ecuación lineal con fines
predictivos
3.3. Ecuaciones estructurales
•  Modelos estadísticos multivariantes que

permiten estimar el efecto y las relaciones entre
múltiples variables
•  Menos restrictivos que los modelos de
regresión: permite incluir errores de medida
tanto en las variables criterio como en las
predictoras
•  Permiten proponer el tipo y dirección de las
relaciones que se espera encontrar entre las
diversas variables para pasar posteriormente a
estimar los parámetros que vienen especificados
por las relaciones propuestas a nivel teórico.
4. El esquema selectivo en las
coordenadas de validez
•  Diseños experimentales: garantizar la

validez interna y controlar las
amenazas a esta
•  Diseños selectivos: garantizar la
calidad de la encuesta y controlar los
errores de implementación:
–  Errores de no observación
–  Errores de medida
–  Errores de procesamiento
•  Errores de no observación: no se
observa a toda la población
–  errores de no cobertura (marco muestral),
errores de no respuesta, errores muestrales
•  Errores de medida: puede que no se
refleje el verdadero valor de las
características de la población
–  Influencia del entrevistador, el propio
instrumento y su influencia, actitud del
entrevistado
•  Errores de procesamiento: codificación
de la información, edición, grabación de
datos, selección de técnica de análisis
estadístico
5. Diseños ex post facto
•  Estudio de fenómenos que ya se han
producido
•  Ex post facto: después de los hechos
•  No podemos ejercer control sobre las
variables (no experimental)
•  No siempre podemos usar el tipo de
diseño de investigación que deseamos
porque las variables de interés ya han
sucedido o no son manipulables
•  Solucionan el problema que se da cuando
la variable de interés ya ha ocurrido y/o no
es éticamente adecuado provocarla, como
es el caso de los accidentes de trafico; o
aquellos casos en que la variable no es
posible manipularla, como es el caso de la
edad o el sexo.
•  El investigador no asigna aleatoriamente a los
sujetos a los valores de la VI sino que los
selecciona por poseer ya un determinado valor
en dicha variable
•  No podemos hablar de relaciones causales pero
sí de inferencias razonables
•  Pueden seguir dos estrategias:
–  Retrospectivos
–  Prospectivos
Ex post facto retrospectivo
•  La VI y la VD ya han sucedido (no es
posible manipulación)
•  Buscamos hacia atrás las posibles causas
•  Estrategia:
–  Medir VD
–  A partir de la teoría buscar y medir posibles
VIs
–  Buscar coincidencias
–  Ejemplo: personas que se han suicidado
•  la VI (la causa) ya ha ocurrido, la VD (el suicidio o
consecuencia) también ha ocurrido ya. Buscamos posibles
VI que expliquen la VD.
Ex post facto prospectivo
•  VI no es manipulada por el investigador,
ya ha tomado su valor
•  VD está por suceder
•  Estrategia
–  Seleccionamos sujetos por poseer la VI
–  Medimos la VD
–  Ejemplo: estudio de la autoestima y el rendimiento académico.
•  Selección a personas con alta y baja autoestima (esta es la

VI, ya ha sucedido), y ahora mido el rendimiento académico
(o VD) después de transcurrido el curso escolar.
•  https://www.youtube.com/watch?
v=mvjFIP0k23s
Tema 6.
Esquema
metodológico
DESCRIPTIVO
Índice
u  1. Introducción
u  2. Características definitorias: qué,
cómo, a quién, cuándo y dónde
u  3. Tipos de diseños descriptivos
u  4. Análisis estadísticos
u  5. El esquema descriptivo en las
coordenadas de validez
1. Introducción
u  Ejemplo: desarrollo del habla privada
u  Piaget (1923) niños en edad escolar: “habla
egocéntrica” aprenden a hablar, hablan solos (no para
dirigirse a otros), después la usan para comunicarse
u  Vigotsky (1934/1973) el habla se adquiere para
comunicarse, después el niño habla solo, como forma
de pensamiento en voz alta
u  Se llevan a cabo estudios en LABORATORIO: sólo un
40 % de los niños muestran este tipo de habla.
u  Sies un prerrequisito para la aparición de
pensamiento verbal, ¿cómo es posible?
u  Berk (1986): plantea que quizá el problema es la
forma en la que se está estudiando a los niños,
el tipo de investigación
u  “El habla privada de los niños fue registrada

por cuatro observadores dentro del aula
durante períodos diarios, desde diciembre
hasta marzo, de trabajo en el pupitre (desde
el momento que el niño comienza el trabajo
hasta que lo termina), siendo cada niño
observado una vez por cada observador. El
orden de observación de cada niño fue
aleatorizado para cada observador”
u  Qué observó
u  Cómo se hizo
u  Cuándo observó
u  Dónde observó
Qué observar
u  Definición concreta de a qué nos referimos con el

fenómeno que vamos a observar: ej. habla privada
u  Determinar el nivel de análisis* concreto:
u ¿Niñossolo, interacción entre los niños,

interacción niño-profesor?
u ¿habla, conducta no verbal, reacción
psicofisiológica?
*
Nivel de análisis Alternativas
Especie Humana, especies no
humanas
Cultura Anglosajona, latina, gitana,
otras
Grupo Familia, pandilla, equipo de
trabajo, etc.
Diada Madre-hijo, profesor-
alumno, pareja, etc.
Individuo Adultos, niños, estudiantes,
etc.
Proceso psicológico Personalidad, atención,
memoria, motivación, etc.
Componente psicológico Conducta manifiesta, bases
fisiológicas, redes
neuronales, etc.
Qué observar
u  Definición concreta de a qué nos referimos con el fenómeno que

vamos a observar: ej. habla privada
u  Determinar el nivel de análisis concreto:
u  ¿Niñossólo, interacción entre los niños, interacción niño-
profesor?
u  ¿habla, conducta no verbal, reacción psicofisiológica?
u  Tomaremos la decisión en función de nuestra teoría/marco
teórico y nuestros objetivos de investigación
u  Determinaremos las categorías de observación

Qué observar
u  ¿Qué datos concretos recogeremos?

u  Ocurrencia: ¿aparece este fenómeno
durante el periodo de observación?
u  Frecuencia: ¿con qué frecuencia aparece?
u  Latencia: ¿cuánto tiempo pasa antes de
que ocurra el fenómeno?
u  Duración: ¿cuánto dura el fenómeno?
u  Intensidad: ¿cuál es la magnitud del
fenómeno, es muy intenso o poco intenso?
Cómo observar
u  ¿Registramos la conducta de forma inmediata o

demorada?
u  Inmediata
u recordaremos todo lo acontecido
u Pero debemos dejar de observar para
anotar
u  Demorada
u No debemos dejar de observar para
anotar
u Corremos el riesgo de olvidar lo
observado
3. Tipos de diseños descriptivos
Cómo observar
u  ¿Cuál será el grado de estructuración de la tarea?
1.  Observación natural
u  El observador es un mero espectador
u  No interviene en la actividad
u  Tiene lugar en el contexto natural
u  E.g., Berk
2.  Observación estructurada
u  Losobservadores introducen tareas estructuradas,
para facilitar la observación de una determinada
conducta
u  E.g.,
si estudiamos la adquisición de habilidades
lectoras, pedir al profesor que muestre al niño un
cuento para que éste lo lea.
Cómo observar
3.  Experimento de campo
u  Parte de una teoría tentativa (experimento)
u  Mayor nivel de estructuración
u  Almenos dos situaciones distintas de
observación (diferencia entre ambas-
>atribuible a la causa cuyo influjo se está
investigando)
u  E.g.,
cómo influye dar recompensas en el
aula a la motivación intrínseca por la tarea
(Lepper, Greene y Nisbett, 1973). Teoría
tentativa: cuando se ofrece recompensa por
hacer algo que antes se hacía gustoso, sin
motivación externa, la persistencia en la
tarea disminuye.
Cómo observar
u  Observaron en aulas con espejos unidireccionales
u  1- los alumnos escogen la tarea que quieren realizar de entre un
conjunto de tareas.
u  2- se mide la motivación intrínseca mediante el cálculo de la
proporción de tiempo que el niño ocupaba en la tarea, con
respecto al tiempo total que permanecía en el aula.
u  3- asignan al azar a una muestra de ellos, bloqueando
previamente sus niveles de motivación intrínseca, a cada una de
las tres condiciones experimentales:
u  Grupo al que se le dice que hagan cuantos dibujos quisieran y
no se les ofrece ni da premio
u  Grupoal que se le dice que hagan cuantos dibujos quisieran y
después se les da un premio (no se les dice que se le va a dar
el premio)
u  Grupo al que se le dice que hagan cuantos dibujos quisieran y
se les dice que después se les dará un premio, que después
se les da.
u  Tarea: tiempo que pasan dibujando
u  Resultados:
u  %de tiempo en la tarea después de la
intervención:
u  Grupo
promesa-premio, espera premio <
tiempo que el resto
u  Se volvió a medir el grado de motivación
intrínseca ante el mismo tipo de tareas
que eligieron en la primera fase
u  Grupoespera premio < tiempo que en la
evaluación del comienzo del experimento
Cómo observar
u  ¿Cuál será nuestro grado de participación?

1.  Observación participante
u  El observador forma parte de la situación que
observa
u  Le permite acceder a información más
detallada
u  E.g., un antropólogo que convive con los
miembros de una etnia objeto de estudio
2.  Observación NO participante
•  El observador NO forma parte de la situación
que observa
Cómo observar
u  ¿De qué forma recogemos las observaciones?
u Registro narrativo
u Relato detallado de lo observado
u Código arbitrario
u Más claro y económico
u Proceso de elaboración más riguroso
u  Partir de investigaciones previas y objetivos de investigación
u  Amodo de estudio piloto, realizar una observación previa
para identificar posibles categorías que no se nos hayan
ocurrido y depurar los resultados
u  Elegir el nivel de análisis adecuado
u  Usar categorías homogéneas dentro de cada categoría en cuanto a su nivel de generabilidad o
especificidad
u  Usar categorías exhaustivas y excluyentes
Ejemplo de código
Nivel 1: Habla privada irrelevante o autoestimulante
Juegos de palabras o repeticiones
Expresiones de afecto irrelevantes para la
tarea
Comentarios dirigidos a personas ausentes,

imaginarias o no humanos
Nivel 2: Habla privada relevante para la tarea

Comentarios descriptivos de la actividad o
encaminados a autodirección de la tarea
Lectura y emisión de palabras en voz alta

Expresiones afectivas relevantes para la tarea
(“¡lo hice!”)
Quién observar
u Nuestro objetivo es estudiar una muestra de

participantes y extender nuestros resultados a una
población determinada:
u Población: niños entre 2 y 7 años
u Muestra: 16 niños de entre 2 y 7 años de un colegio de
Jaén
u Necesitamos que nuestra muestra sea representativa
de la población
u Tener en cuenta el equilibrio entre representatividad y
accesibilidad
Cuándo observar
u  El
muestreo del tiempo también
debe ser representativo
u  Muestreo sistemático: el investigador
tiene un criterio para seleccionar los
periodos de observación
u e.g.,
se observan los primeros 10
segundos de interacción del niño
con un nuevo juguete)
u  Muestreo aleatorio: se seleccionan
periodos de observación al azar
u e.g.,observamos al niño a las 10:31,
a las 11:13, a las 12:59.
Cuándo observar
u  Una
vez seleccionados los
periodos de observación
debemos saber si se trata de:
u  Registro continuo:
u  Dentro del periodo seleccionado se registra
todo el tiempo
u  Registro por intervalos
u  Solose registran intervalos en el periodo
seleccionado
u  Intercala
periodos de observación y
periodos de registro
Dónde observar
u Igual
que el tiempo, también
debemos efectuar un
muestreo de las situaciones:
u Se busca la representatividad
u E.g., la conducta de habla
privada, si observamos en el
aula, ¿los resultados serán
representativos de otras
situaciones?
4. Análisis estadísticos
u  ¿Cómo saber si hemos realizado bien una observación?
u  Fiabilidad de la observación:
u Acuerdo entre observadores:
u Sila observación es fiable, se debería observar
acuerdo entre observadores
u Métodos:
u Porcentaje de acuerdo: computar las veces que
los observadores coinciden en sus observaciones
u Coeficiente Kappa: tiene en cuenta que alguno
de los acuerdos entre los observadores han sido
por azar, elimina el efecto del azar
u  Hay 10 intervalos, de ellos, hay acuerdo en 8. Por tanto
el porcentaje de acuerdo es del 80%
Coeficiente Kappa
po = proporción de acuerdos obtenidos

pe = proporción de acuerdos esperados por azar
5. Esquema descriptivo en
las coordenadas de validez
u  El problema de la reactividad:
u La presencia de un observador altera la conducta
de la persona observada
u Solución:
u El observador debe pasar desapercibido

(espejos unidireccionales)
u El observador se introduce gradualmente en la
situación, desestimando los datos de las
primeras observaciones
5. Esquema descriptivo en
las coordenadas de validez
u  El sesgo del observador

u Siel observador conoce la hipótesis puede
codificar en función de ésta
u Solución: el observador debe ser ciego a los
objetivos de la investigación
METODOLOGÍA OBSERVACIONAL
• Hipótesis de relación entre variables (no

causalidad)
no necesidad de manipulación variables
no necesidad de control de variables
• Análisis reducido número de variables
• Análisis reducido número de sujetos
• Relevancia de la espontaneidad de la conducta
en su contexto natural
CLASIFICACIÓN
• Según el grado de estructuración

-naturalista
en contexto natural
no modificación por el investigador
-semi-estructurada
en contexto natural
modificación de algunas características
para motivar la conducta
-estructurada
máxima modificación del contexto
CLASIFICACIÓN
• Según el grado de participación del observador
-no participante o externa
observador es ajeno a la situación
no interacción con los sujetos
-participante
observador participa en la situación
interacción con los sujetos
-participante como observador
sujeto de la situación actúa como
observador
-auto-observación
propio sujeto realiza la observación
COMPONENTES DISEÑO EN
• Variables
sistema de categorías (¿qué observar?)
• Sujetos
muestreo de sujetos (¿a quién observar?)
• Momento y duración de observación
muestreo de tiempo (¿cuándo y durante
cuánto tiempo se observa?)
• Situación de medida
muestreo de situaciones (¿dónde
observar?)
• Registro de la observación (¿cómo se hace la
observación?)
DEFINICIÓN DEL
SISTEMA DE CATEGORÍAS
• Es único para cada observación pues depende

de los objetivos de ésta
• Características categorías
exhaustividad
haya categorías para todas las
conductas relevantes
mutuamente excluyentes
cada conducta sólo puede asignarse a
una categoría
MUESTREO
• Sesión de observación=período ininterrumpido

en el que se realiza la observación
• Muestreo de sujetos (muestreo intrasesional
de sujetos)
qué sujetos se observan en cada sesión
• Muestreo del tiempo (muestreo intersesional)
cuándo se inicia y finaliza cada sesión
• Muestreo de la situación
su definición está vinculada al muestreo del
tiempo
REGISTRO
• Codificación de la observación
anotación de la observación
• Características de las conductas que se
observan
ocurrencia
frecuencia
duración
intensidad
latencia
frecuencia de transición
DISEÑOS
• Criterio temporal
Puntual
Seguimiento
• Criterio de unidad de análisis
Idiográfico
un único sujeto, diada o grupo
pequeño
Nomotético
varios sujetos, diadas o grupos pequeños
• Criterio del número de conductas
Unidimensional
Multidimensional

Métodos Todas Las Diapositivas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Métodos Todas Las Diapositivas

Cargado por

Copyright:

Formatos disponibles

CIENCIA Y MÉTODO

Se han obtenido utilizando un procedimiento

El método científico se caracteriza por la

Cómo afecta el cannabis a la memoria

Los consumidores diarios de cannabis tendrán un

Administración del test de Letras y Números del WAIS a

DESCRIPCIÓN ESTADÍSTICA DATOS

Media y desviación típica de las puntuaciones del test para

Prueba t para muestras independientes

Los resultados apoyan o no la hipótesis

Redacción informe de investigación para congreso:

SELECTIVO O POR ENCUESTA (NO

• Descripción y exploración de variables (en

• Observación directa (técnica: observación)

• No manipulación ni control de variables

• Análisis estadísticos descriptivos y

El objetivo de la investigación es analizar el patrón

• Descripción de variables y establecimiento de

• No manipulación ni control de variables

• Análisis estadísticos relaciones y modelos de

Se pretende analizar las principales características

• Establecimiento de relaciones de causalidad

• Control de variables por aleatorización

• Análisis estadísticos inferenciales

Se analiza la eficacia de un programa psicoeducativo

RUDOLF CARNAP (1891-1970)

Manifiesto 1929 La concepción científica

-el planeta Mercurio gira en una órbita

-todos los planetas giran en una órbita

-todos los planetas giran en una órbita elíptica

THOMAS KUHN (1922-1996)

PAUL FEYERABEND (1924-1994)

1929. La concepción científica de la Ciencia.

Kim Jong Fun

“El campo de la metaciencia, el estudio

• Protegerse de los sesgos cognitivos de los

SISTEMAS TEÓRICOS: conjunto de

ESQUEMA METODOLÓGICO O METODOLOGÍA:

DISEÑO: decisiones que se han de tomar para

TÉCNICAS: conjunto de procedimientos e

ej. Relación entre confinamiento y depresión

ej. Casos nuevos de depresión tras el

ej. Se puede eliminar como causa de

• Contigüidad temporal y espacial

existe un orden de aparición de ambos

existe un intervalo de tiempo adecuado entre

ej. Malestar estomacal (consecuencia)

ej. Si consideramos que la acupuntura es

ej. Al considerar la medicación como eficaz

15.8 Filosofía de la ciencia: el conocimiento

¿Qué distingue el conocimiento científico de otras ideas u opiniones

TEXTOS DE ADMINISTRACION SANITARIA Y GESTIÓN CLINICA

La filosofía de la ciencia es una creación del siglo XX. Por

Unidades Didácticas de la ENS __________________________________ página 1

cuáles son sus métodos de validación o verificación, cuál es el

Unidades Didácticas de la ENS __________________________________ página 2

demostrado”; de hecho, esta identificación es común en la imagen

Según este modelo, los científicos encuentran leyes (o

Unidades Didácticas de la ENS __________________________________ página 3

de ellas”, no sólo porque introducen conceptos que no están

Unidades Didácticas de la ENS __________________________________ página 4

2. Críticas al modelo empirista.

Según Popper, nunca es posible demostrar que una ley general