Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ciencia Pura:
Lógica de Procedimientos
y Razonamientos Científicos
Ciencia Pura:
roiman.valbuena@gmail.com
roiman_valbuena@hotmail.com
@roimanvalbuena
I
EL CAMINO DE LA IGNORANCIA ES EL
SENDERO MÁS CORTO PARA LLEGAR
A CONCLUSIONES ERRÓNEAS…
I
N
o es Científico aquel quien, haciendo usufructo del método, con fe ciega y sin
discernimiento alguno lo sigue. Sino quien conociéndolo, está al tanto de sus
bondades y limitaciones. Entonces, emprende camino propio sabiendo que es éste el
que construye al método y no al contrario. Pues, el método, no es más que un largo y escabroso
camino ya transitado por los procesos inherentes a la ciencia.
Es así como, desde este aparte del libro, en sus inicios, puedo afirmarles que no existe tal cosa
denominada Método Científico, si desea saber qué es esa entidad que emplea el investigador para
lograr su cometido, y cómo se consigue. Emprenda investigación propia sin freno, vacilación ni
limitación alguna. Cuando su objetivo sea alcanzado, voltee y observe el sendero transitado, si se
pregunta cómo llegó allí, sólo hay una respuesta posible: a través de la Intuición y la experiencia,
sólo con ellas es posible lograr descubrimientos sorprendentes, y sin ellas, es imposible la
ciencia. La intuición siempre ha sido y seguirá siendo, coautora y codescubridora de maravillas
científicas.
Escuche y siga a su intuición, ella puede ver y advertirle de cosas, representa el poder
máximo del intelecto a priori expresado en forma de aprehensiones. Es la intuición, a través de
flashes perceptivos generados en el inconsciente, la que construirá el proceso que lo guiará desde
el problema hasta su solución. Hacer caso a la intuición, es optar por seguir un conjunto de
acciones de nuestro genio interno, no consiste en meras sospechas, sino, en una facultad creadora
que todo hombre posee. Es percibir desde el inconsciente para proyectarlo sobre la mente
analítica, pues, la intuición no solo es primera a la razón, sino que es superior a ella.
La intuición no miente, se equivoca o explica, sólo orienta al espíritu y es base del accionar
del agente científico en la consecución de sus metas. Aporta la vía más expedita para lograr
descubrimientos, máximo trofeo del deporte científico. Isaac Asimov solía decir: La intuición es
el arte, propio de la mente humana, de la elaboración de la respuesta correcta, partiendo de
datos que son en sí mismos, incompletos o incluso engañosos. De esta manera doy la bienvenida
a los lectores, así como lo hice en un compendio anterior con el mismo escrito, informándoles
que, este libro, producto de un gran esfuerzo, no trata únicamente de ciencia, sino también, de
Intuición, Deducción e Inspiración.
II
E
ntiéndase por Investigación Científica Avanzada [ICA], a aquella, o aquel tipo de
indagación que parte desde un proyecto científico normal, incluyendo todas sus
características propias. En el cual, se agregarán conjeturas soportadas en el principio de
duda razonable e hipótesis más allá de cualquier cúmulo de datos, que no podrán ser modeladas
sino por algoritmos y mecanismos computacionales. Cuyos eslabones cognoscitivos darán luces
a descubrimientos por sí mismos imposibles desde el cerebro humano en su estructura natural.
Actuando donde la parálisis intelectual se haga presente. Logrando con ello, superar las
limitaciones que el cerebro biológico impone sobre el agente científico.
Se pretende entonces, lograr un cambio radical de las estructuras para producir conocimientos
con el uso y aplicación de una lógica superior a la tradicional, soportada sobre la Lógica del
cálculo proposicional, la Teoría Estadística de la Decisión y los Razonamientos Bayesianos.
En vista de que la mente es la que define qué y quienes somos. Entonces, la recreación de
estados mentales por un agente artificial ayudaría a aumentar la percepción, la comprensión, el
entendimiento y la predicción, tendentes a superar las limitaciones del cerebro biológico.
Se dice que una investigación es avanzada, cuando el razonamiento necesario para capturar
las inferencias se origina desde contextos científicos cruzados y múltiples variables, las cuales no
III
pueden ser procesadas por seres humanos sino por sistemas computacionales creados para
razonar artificialmente, con sofisticados agentes de comportamientos inteligentes y una lógica
del sentido común superior a la de los seres humanos como agentes biológicos.
Un agente inteligente está habilitado para reproducir nuevos conceptos asimilándolos como
creencias para reemplazar ciertas verdades. Discrimina hipótesis y desarrolla experimentos, a
diferencia del investigador humano, ejecuta razonamientos combinatorios de alta velocidad
basados en la teoría de la permutación, logrando resolver problemas usando inteligencia
artificial. Diferentes patrones de observación inducen a la manifestación de diferentes estados en
los agentes, y en función de que no ocurra nada no predicho, deberán ejecutarse simulaciones.
Sólo un capítulo de este libro <<VII>> dedico a este tema. Realmente creo que mucha de la
comunidad científica tradicional deberá prepararse para asimilar este nuevo formato de
indagación, de mucha ayuda sería, está aquí y llegó para quedarse. Es recomendable el
deshacerse de sus viejos paradigmas e ideas y acoplarse a una nueva forma de ver la ciencia, una
ciencia basada en el Modelaje Científico de Datos operacionalizados por Agentes de
Inteligencia Artificial.
IV
C
omo apenas uno de los objetivos de este texto consiste en erosionar el pensamiento
científico actual, propongo someter a juicio despiadado a las supuestas verdades
ocultas en determinada investigación cuando exista un ápice de sospecha sobre ellas,
aún a costa del sacrifico de la reputación del investigador, buscando que con lo encontrado otros
cambien de forma de pensar. Pues, considero que aquellos charlatanes científicos y estafadores
intelectuales deben ser sacados del campo de la ciencia, así como sus cómplices dentro de las
esferas de poder académico quienes sabiendo de antemano las inconsistencias de una
investigación, las admiten sin mecanismo regulador alguno valiéndose de artificios matemáticos
subyacentes e invisibles en un primer esbozo.
Creo realmente que el centro de la investigación científica descansa sobre dos procesos
esenciales, el planteamiento del problema y la explicación lógica y concatenada de hechos
basadas en una teoría de referencia, pues ambos están relacionados, de allí que se diga que un
investigador es por esencia, un explicador de cosas. En todo caso, un problema correctamente
sistematizado y elegantemente planteado, se convierte automáticamente en una de las más
maravillosas formas de explicación jamás conocida, condición que satisface tanto aspiraciones
académicas como sed de intelección de investigadores. Se constituye éste en el andamiaje con el
cual se afinan y edifican ciencias.
Además, una explicación bien sustentada y debidamente hilvanada, maravilla, deleita y sacia
al entendimiento del hombre común. Penetra hasta lo más profundo de la mente del escéptico,
imposibilitándolo a esgrimir argumento alguno en contra. La explicación perfecta no solo existe,
sino que a través de la investigación científica ha de ser alcanzada a toda costa.
V
El investigador debe separar la entelequia del hecho observable, de modo que en las
explicaciones distanciará emoción de percepción, la primera perturba el pensamiento, la segunda
lo hace fuerte y lúcido. En función de la congruencia, se establecerán criterios como condiciones
de demarcación que indicarán bajo qué condiciones un conjunto de hechos se considerarán
explicados y bajo qué condiciones no.
No obstante, así como objeto procedimientos y formas impropias de accionar en ciencia bajo
un arbitrio corrupto, marcando distancia de todo aquello que intente introducir falacias, indico
las pautas para la consecución de resultados basados en una lógica procedimental consistente.
Para efectos de este texto, un investigador no puede conocer a priori su método, no conoce lo que
varía o el cómo esta variación se produce, y no podrá operacionalizar su investigación hasta
transformar sus objetivos de investigación (Cognoscitivos) a objetivos estadísticos (de acción), o
en su defecto, derivar la ecuación determinista adecuada.
En este texto no se opera con variables sino con teorías <<las variables se constituyen en el
peldaño más bajo de la escalera científica>> con estructuras legaliformes de regularidades
fenoménicas, con niveles matemático - estadísticos de complejidad media y alta, y con
estructuras deterministas de modelos deductivos. Pero se introducen al menos 25 formas
diferentes de investigación, todas con poder demostrativo:
De manera que, conocido uno de los objetivos de este texto, los invito a involucrarse en una
aventura exploratoria de conocimiento científico. Más de 400 citas a pie de página utilizo para
VI
ampliar explicaciones sobre algunos temas abstractos. Formas de demostraciones y pasos para
identificar patrones científicos.
Habrá muchos que me acusen de Positivista Lógico y de algunas otras cosas, realmente no sé
por qué les temen tanto y poco me importa. Pero de hecho, mi doctrina científica descansa sobre
la forma de plantear el problema, las rigurosas explicaciones y al menos una forma de
confirmación, no necesariamente se debe usar un lenguaje formal o una teoría axiomatizada para
hacerse entender. Quien se niegue, o es un charlatán, o ignora lo que es la ciencia. Evadiendo
procedimientos científicos de importancia y girando hacia la mediocridad.
Para finalizar, no hay ningún aparte que no haya sido suficientemente explicado pero si hay
otros que todavía no he abordado. Pues con ellos, deseo entender al mundo… bien sé que no
existe mejor herramienta que la investigación científica… para ello se me exige… sin ningún
contratiempo y dispuesto a dar… una imaginación amplia y sin barreras… además de una
paciencia infinita.
VII
ÍNDICE DE CONTENIDO
4.3.- Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert. ................................................ 104
4.3.1.- Sobre los Errores entre los Tests y sus Estadísticos.................................................................. 112
4.3.2.- Limitaciones y Alcances de los Instrumentos: Efectos Techo y Piso ....................................... 116
5.1 – El Método Hipotético Deductivo Vs. El Método Hipotético Inductivo ........................................... 119
5.2.- El Método Hipotético – Deductivo o Método de las Hipótesis......................................................... 123
5.2.1.- El Método Hipotético – Inductivo ........................................................................................... 124
5.3.- El Problema de Superponer Inducción y Deducción ........................................................................ 126
CAPÍTULO VII: El Razonamiento y la Ciencia más allá del ser Humano: Tecnología
19.1.- Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica. ................... 326
19.2.- Las Teorías Científicas en la Investigación Tecnológica. ............................................................... 337
19.2.1.- Las Teorías Tecnológicas Sustantivas .................................................................................... 338
19.2.2.- Las Teorías Tecnológicas Operativas ..................................................................................... 339
19.3.- Relación entre Ciencia Básica, Ciencia Aplicada, Tecnología y Técnica....................................... 343
19.4.- Enfoques Paradigmáticos desde el Ámbito Tecnológico ................................................................ 348
19.5.- El Conocimiento Tecnológico y sus Tipos ..................................................................................... 353
19.6.- Las Ingenierías y La Investigación Tecnológica ............................................................................. 359
C
onviene advertir, a mi manera de ver, de las diferencias entre aquellas personas que se
dedican a la actividad científica y prestan servicios a la verdad haciendo uso de
razonamientos lógicos, además de herramientas estadísticas y matemáticas. Destrezas,
hábitos, objetivos, formas de accionar e inferir los diferencian. Niveles de profundidad, métodos,
meta-métodos y formas de abordar problemas también los hace disímiles. Pues, creo en verdad,
que la clasificación de aquel que se dedique a la ciencia no debe hacerse en función de títulos
académicos, sino, en relación a la fuerza de su inteligencia, profundidad de razonamiento y
potencia mental capaz de procesar. Construyéndose una reputación científica soportada sobre la
fuerza lógica de sus explicaciones y la experiencia.
Un investigador es aquel novato que por la simplicidad de su apariencia pareciese débil ante
la acción de develar lo desconocido, pero en verdad no es así. Utiliza su inteligencia para quitar
del camino todo resultado científicamente estéril. A mi manera de ver, consiste en la etapa más
hermosa e importante del auto descubrimiento científico, una etapa cumbre e insalvable. Saltar
desde Investigador a Agente Científico es como pasar desde la niñez a la juventud.
Agente Científico, es aquella persona que además de haber logrado superar la niñez
Investigativa, presenta las siguientes cualidades y/o características. Marca un discurso apodíctico
basado en explicaciones. Describe sólo cuando es necesario pues sabe que la descripción no
explica ni concatena, mucho menos establece causal adecuada o deriva algún equilibrio causal.
No sigue ni se esclaviza al método, descubre que la intuición sirve para algo y la utiliza.
Direcciona su imaginación disciplinada donde observe la existencia de entendimiento angosto,
haciendo comparecer ante su inteligencia todos los hechos numerados en las observaciones.
Es anárquico, sabe que observar por el simple hecho de hacerlo es perder el tiempo, la ciencia
en sí es netamente explicativa. Por ello perturba y experimenta, identifica agentes efectores y los
diferencia de los agentes causales. Magistralmente está en capacidad plena de descubrir y
explicar procesos causales, acausalismos, equilibrios causales y transcausalidades. Hace gala de
sus sentidos cuando se concentra en la identificación de los patrones de ocurrencia de sus
unidades fenoménicas. No cae en parálisis intelectuales pues el marco científico de su mente ha
detectado comportamientos emergentes y ha derivado la mejor opción a seguir.
Un agente científico está al tanto de que la mejor arma de la que dispone es la lógica, ya que
no sigue un orden de procesos, como el investigador sí hace, opta entonces por los principios
lógicos supremos: el de identidad, el de no contradicción, el de la razón suficiente, el del tercero
excluso y el de correspondencia. Como en cualquier etapa de su investigación, por cercanía o
emoción puede engañarse por semejanza, tiende a cuidarse de construir estructuras cognitivas no
firmes. Entonces, acude a los métodos de demostraciones científicas, comúnmente, el método
indirecto de reducción al absurdo.
Científico, dícese de aquella persona cuyos méritos superan el promedio de sus colegas. No
escribe artículos científicos para abultar un curriculum académico, ni repite en cuanto que dicho,
sino que presenta resultados de alto impacto con gran carga de descubrimientos. Las
comunidades de investigadores y agentes científicos siguen sus pasos, se erige como modelo a
seguir, de hecho, él por sí mismo es un fenómeno a investigar. Posee un coeficiente intelectual
en su área de pertinencia que deja perplejos a cualquier pensador sobrio. Genera, contrasta y
refuta teorías científicas. Es experto en el manejo de los niveles de agregación adecuados y sabe
donde existe y porqué, inconmensurabilidad.
mundo acepta como axiomas con verdades irrefutables. Además, los números hablan. Cuando
tiene dudas las disipa a través de la prueba experimental. Es la persona de mayor valor en un
centro o instituto de investigación. Competente para erosionar el pensamiento de cualquier
investigador o agente científico, diferencia entre inducción y deducción, además, sabe cuándo
superponerlas y cuando no. Es estrictamente hablando, una persona con hábitos, actitudes y
aptitudes sumamente extrañas.
En fin, conviene en un resumen, caracterizar quien es cada quien. Si Ud. sigue una línea de
investigación, conoce a priori tanto su método como sus variables, no ha operacionalizado
teorías científicas o no ha ejecutado experimentos, entonces es un Investigador. Puede haber
pasado 3 días allí o 30 años, su ascenso no dependerá de los títulos académicos acumulados, sino
de la potencia de su inteligencia direccionada al descubrimiento de esencias científicas. Recuerde
que las tesis son Estudios no investigaciones propiamente dichas. Son proposiciones que se
mantienen como argumentos sin contraposición, usadas sólo para la obtención de un grado
académico. No son teorías sino un conjunto de supuestos. Contrariamente, una investigación
resulta de la demostración de los argumentos de verdad en ella contenidos.
Así mismo, Científico será toda aquella persona que se dedique a la ciencia y engendre teorías
efectivas desde sus axiomas de nivel abstracto y refute otras a través de reducir al absurdo u otro
método de demostración. Siga mecanismos lógico-matemáticos para encontrar incompatibilidad
en conexiones inter-teoréticas. Operacionalice estructuras legaliformes de uniformidades
fenoménicas observadas y compiladas en una sentencia descriptible a través de ecuaciones y
derivadas desde un experimento. Aquel que siga fenómenos y no líneas de investigación. Y
además, ejecute explicaciones probabilistas complementándolas con explicaciones puras y
esencialmente deterministas.
Para visualizar la diferencia entre el Científico y sus otras dos opciones categóricas, bien vale
la pena la siguiente cita: El científico no apunta a un resultado inmediato. No espera que sus
ideas avanzadas sean tomadas fácilmente. Su trabajo es como el del plantador - para el futuro.
Su deber es sentar las bases para los que han de venir y señalar el camino. Nicola Tesla.
19
A
Continuación, brevemente expondré mi punto de vista sobre tres tipos de
investigaciones que por criterio lógico, forman parte del método en su conjunto, y a
mi manera de ver, no pueden ser tratadas por separado como tipos de investigación
con metalógica propia. Me refiero al análisis, a la relación (correlación) y a la descripción. Para
ello describiré sus problemas, abordaré discrepancias, evaluaré tensiones y generaré
contraargumentos para soportar y expandir mis ideas. En este primer aparte me centraré sólo en
las críticas que tengo sobre las Investigaciones Analíticas, en apartados posteriores abordaré las
otras. No obstante, sólo consiste en eso, una crítica, y sabemos que toda crítica puede criticarse.
El fin de un análisis consiste en llegar a la unidad mínima (átomo, según la teoría atomista de
Bertrand Russell) elemento o partícula esencial e indivisible, para desde allí, estudiar el cómo se
compone aquel todo unificado, cuando ya no sea posible seguir descomponiendo se ha llegado al
elemento último de estudio. Una investigación analítica carece de mecanismos que le admitan la
manipulación de variables, sólo asiente la observación sin intervención, haciéndosele imposible
el establecimiento de relaciones causales verdaderas, acausalismos o transcausalidades.
Para muchos investigadores, una indagación de este tipo consiste en una fascinante aventura
que sólo pretende ensayar soluciones, aventura digna de espíritus científicos poco evolucionados
en mi opinión. En todo caso, el fin último de la actividad científica, donde se centra todo el
20
accionar, radica en sólo tres pasos principales e insalvables: el de explicar soportado en teorías,
el de demostrar aquello explicado, y el establecimiento de leyes que gobiernen a las unidades
fenoménicas de interés circunscriptas al dominio de la teoría.
Allí las explicaciones adquieren la forma de una sucesión de conexiones sistemáticas donde
no será posible el establecimiento de uniones lógicas sino sicológicas. Y a la ciencia le interesa
la lógica, no la sicología, aunque todos tenemos derecho al delirio. Con el uso de explicaciones
funcionalistas, si bien son excelentes en casos cuando el mecanismo donde opera por entero es
cubierto por alguna teoría o ley de la ciencia internivel, se puede incitar al investigador a querer
explicar lo desconocido por lo desconocido.
Allí se estudian los sub-conceptos parciales para entender en concepto general. Ahora bien,
estudiemos la génesis de los conceptos, aquellos elementos esenciales e indivisibles a ver qué
pasa, pues el objetivo del científico consiste en explicar conceptos y concatenar hechos. De tal
modo que, los conceptos surgen de la comparación de atributos presentes en las unidades
fenoménicas; los juicios nacen de la comparación de conceptos y las inferencias se sobrevienen
de la comparación de juicios.
21
No obstante, los atributos surgen de las nociones no siendo estas más que ideas innatas
captadas con el auxilio de los sentidos, y un estudio analítico no admite el uso de los sentidos.
Entonces, los juicios derivados desde los conceptos como piezas de mosaicos son por esencia
tautológicos, quiere decir, aquellos donde el enlace del sujeto con el predicado se hace por
identidad, imposibilitándolos a la consecución de conocimiento nuevo. Sólo explican lo evidente
ya que, la ley de identidad no es suficiente ni adecuada para establecer un nivel analítico de
estudio.
Si lo que se desea explicar con la investigación analítica opta por el uso de la teoría
funcionalista, serían imposibles las explicaciones de todas las concurrencias lógicas relacionales,
ya que esta teoría carece de poder para explicar esencias. Incluso se le dificulta establecer
relaciones, sólo admite la explicación de funciones.
Y a eso me refiero cuando afirmo que la investigación analítica, tal como actualmente está
concebida, sólo consiste en un simple procedimiento con metalógica errada, pero propia. Surge
también la interrogante: ¿Cómo demostrar las argumentaciones si lo que se explica es el
funcionamiento, la acción y función que cumple el elemento dentro del sistema, y no la esencia
de tal elemento y su relación con otras cosas? Análisis Funcionalista, es la justa denominación
que debe dársele a la investigación analítica actual.
Al sustituir el funcionalismo por las explicaciones puras, se daría acceso real al análisis de
conceptos donde los particulares y sus predicados conformarán los átomos de nuestro
conocimiento, sin ello, el análisis lógico de los conceptos se haría imposible. Paralelamente, un
sistema como tal, manifiesta al menos los siguientes cuatro elementos constitutivos, la
composición, el entorno, la estructura << donde se establecen las relaciones o conexiones entre
elementos>> y el mecanismo <<inter-sistema que se estudia con el fin de diferenciar los aspectos
que varían de los que no>>
22
No deseo manifestar una tendencia hostil al método, ni mucho menos a quienes de él hacen
uso, a ellos toda la gloria. Simplemente considero que las investigaciones analíticas se sostienen
sobre un proceso que adormece los sentidos y temerariamente se admiten certezas imposibles de
concretar. Los resultados de una investigación están en la obligación de cambiar la forma de ver
el fenómeno, de introducir neologismos explicados satisfaciendo sed de intelección y de
operacionalizar un mosaico de conceptos sin monstruos lingüísticos. Además, necesario es el
observar que el estado del conocimiento previo y el posterior son substancialmente diferentes,
algo inalcanzable desde este enfoque.
Una inferencia ampliativa, esto es, cualquier inferencia en la que la afirmación hecha en la
conclusión va más allá de la que introducen sus premisas conjuntamente. El análisis no admite
manipulación y sólo es posible la ejecución del acto observacional como he descrito, por ende,
cualquier hipótesis que desde estos niveles analíticos se desprenda, ameritará de procedimientos
externos para su dilucidación, y es aquí donde su metalógica se vuelve inoperante.
23
L
a segunda crítica que a continuación me propongo argumentar, no recae en sí sobre la
existencia de un método independiente y que entra en conflicto con formas más
avanzadas de razonamiento como bien describí en el apartado previo. Mis respetos a los
estudiosos de la estadística, a los matemáticos, a aquellos que han direccionado la fuerza de su
inteligencia al establecimiento de teoremas con los cuales se rigen tan magistrales ciencias. A
quienes usan la belleza y esplendor de las matemáticas como mecanismo para descubrir cosas,
pues seguro estoy que las operaciones con números son el verdadero lenguaje de la ciencia. Si
bien es cierto, las matemáticas auxilian en las explicaciones de hechos y realidades, ninguna
realidad o hecho podrá jamás explicar las matemáticas, por mucho que se intente.
Mi refutación va ahora en contra de ciertos artilugios que investigadores usan para sobresalir
en su campo, pretendiendo la coronación de méritos y títulos académicos llevando al paredón a
la objetividad científica y sacrificándola impunemente. Investigadores de escritorio y de
metodología paleocientífica quienes bien posicionados en esferas de poder académico, sin
mucho esfuerzo colman de falsedades a las publicaciones de revistas especializadas. Gracias doy
a Karl Pearson, quien con su libro: The Grammar of Science (1900), influyó en gran parte de la
detracción que seguidamente explico.
menos uno. El problema radica en que, se pretende manipular la sicología de la inteligencia del
lector cuando se le presenta una ecuación elegantemente vestida pero escasamente argumentada,
que ni relaciona ni explica la esencia de las interacciones fenoménicas.
Una correlación indica una relación secundaria, pues se basa en la covariación. Una variable
oscila mientras otras también lo hacen como condición necesaria. El Coeficiente de Correlación
de Pearson resulta de dividir la covarianza entre las desviaciones típicas de los datos, y allí es
muy importante determinar su dispersión, algo que muy comúnmente no aparece en estos
estudios. Ahora bien, el problema subyacente es que no se determina el tipo de relación primaria
prevalente entre las variables, y si la investigación sólo se direcciona al procesamiento del
coeficiente cuando ya se dispone de los datos, omitiendo las explicaciones de la génesis de las
relaciones fundamentales y el cómo éstas derivan en una magnitud de correlación. Entonces se
estaría cometiendo un audaz fraude disfrazado y con cierta elegancia matemática.
Cierto es que para la lógica de relaciones al menos tres son las relaciones esenciales, y que
están siempre presentes en cualquier conjunto lógico de variable, las simétricas, las transitivas y
las reflexivas <<véase Lógica de Relaciones, Cap. I>> Una relación es una conexión de una cosa
con otra, ya sea por presentar similitudes, diferencias o dependencias. Y son estas relaciones las
que permiten asociar fenómenos científicos. Las investigaciones correlacionales están
imposibilitadas para manipular variables, de hacerlo se convertirían automáticamente en
investigaciones del tipo experimental. Y si no puede manipular experimentalmente, esta tan lejos
de la verdad como mi amiga la investigación analítica.
Conviene decir, una correlación consiste entonces en el estudio de relaciones entre fenómenos
que presentan cierta equivalencia numérica, y si al investigador no le interesa o no se le obliga a
profundizar en el tipo y origen de tales relaciones, carecerían de sentido los estudios
correlacionales perdiendo la esencia de la actividad científica. Esto es sencillamente, un vil y
humillante desprecio al intelecto humano.
26
Por ser engañado me refiero a los casos donde el mismo investigador, desconociendo con
mala intención la esencia de las relaciones en su estudio y los supuestos subyacentes en las
teorías estadísticas, confunde correlación con asociación, o manifiesta un coeficiente de
correlación contaminado por variables espurias y/o correlaciones meramente parciales. Errores
de los que podría percatarse si hubiese manifestado en la explicanda, la lógica de las secuencias
fenoménicas que intencionalmente omitió.
Si la causa ordena y el efecto obedece, entonces no existe correlación. Sino una regularidad
uniforme y constante donde media una extraña fuerza muy fácil de confundir con algún tipo de
relación. Las correlaciones explican el cómo cada fragmento de un fenómeno se relaciona con el
otro, y sólo podrá hacerlo, cuando se formulen entidades teoréticas que examinen relaciones
entre constructos o variables, midiendo sus grados de relación bajo magnitudes estrictamente
numéricas. Donde, los datos aportados por teorías implicadas en correlaciones numéricas
provienen de teorías lógicas o matemática.
Es decir, teorías formales que no son usadas ya que las investigaciones correlacionales común
y erróneamente, son alimentadas por antecedentes descriptivos, y donde no existan teorías no
existirá ciencia. Además, las teorías relacionales sólo pueden desarrollarse luego de que las
teorías descriptivas han sido construidas y validadas. Algo realmente escaso en las comunidades
científicas de la cultura descriptiva.
Ya que, cuanto mayor sea el rango, mayor será la dispersión de los datos con alta
probabilidad de presentar valores extremos. Invalidando así, el uso del muy común y simple
Coeficiente de Correlación de Pearson. Acto seguido identificada la relación y determinado su
nombre, se abre paso al Estudio Sobre Medidas de Asociación. Acción que consiste en el
establecimiento de las medidas de asociación y relación recíproca haciendo uso de la teoría y
supuestos de la correlación.
Se sostienen sobre el hábito de renunciar a pensar, sobre la costumbre de conseguir todo sobre
la base del mínimo esfuerzo. La pereza mental fractura la concentración y lesiona la memoria.
Una investigación relacional verdadera debe presentar y operacionalizar un árbol relacional con
el cual se puedan explicar por entero, la multiplicidad de relaciones que puedan presentarse.
Pero para descubrir es necesario escalar hasta un estadio superior del nivel de conciencia, y
las teorías descriptivas, si es que las hay, sólo hacen mención a enunciados singulares de nivel
bajo. Siendo necesario para ascender, de teorías relacionales que están a un nivel medio e
inalcanzables desde este enfoque. Para ello necesitaría construir hipótesis relacionales con nexos
directos a enunciados particulares sólo alcanzables a través de las investigaciones internivel, y
este último tipo de indagación está muy por encima de la simple descripción.
La investigación descriptiva direcciona sus esfuerzos a la simple tarea de recolectar datos sin
enmarcarlos dentro del contexto de alguna teoría, comúnmente números sin sentido, y ¿cómo
saber si tales datos son relevantes sino contrastándolos dentro de un argumento teorético?,
¿cómo interpretarlos en ausencia de teorías? En este tipo de indagaciones el investigador se
juega su reputación científica con resultados absurdos si no se contrastan contra algún argumento
teorético de importancia. Y parafraseando a Sócrates: Si quieres gozar de una buena reputación
preocúpate en ser lo que aparentas ser. Si un investigador desea obtener resultados sensatos,
recomiendo el deslinde de aquella parsimoniosa e inútil rutina pseudocientífica representada en
las investigaciones descriptivas.
Describir es sólo un paso del método y no podrá jamás separarse de él, la descripción no
aporta profundidad de pensamiento, no contrasta ni concatena, no hipotetiza, infiere o explica,
además de carecer de etapa alguna de razonamiento. Describir por el simple hecho de hacerlo no
es ciencia. Es hacer gala de erudición pedantesca sin nada nuevo que aportar. Entonces, la
investigación descriptiva carece de fuerza para semejante pretensión.
Sólo es posible convencer con conceptos científicos a través del acto explicativo concatenado
lógica y coherentemente contra los hechos, y, nunca habrá de someterse por fuerza la explicación
de un hecho. Aquel que asume a la descripción pura como un acto de creación de ciencia real,
ciertamente no ha entendido los principios básicos del quehacer científico, y como certificase
Séneca: No hay viento favorable para aquel barco que no sabe a dónde va.
Ciertamente, acepto la investigación descriptiva sólo para acercarse a la ciencia por primera
vez, para tesistas de postgrado, para investigadores curiosos. Pero rechazo aquella acción de
pretender ejecutar investigaciones de ésta índole cuando ya se está en un estadio avanzado del
campo científico. Cuando se les utiliza para coronar algún mérito académico valiéndose de un
fraude intelectual. Procurar seguir ejecutando investigaciones descriptivas sin nada que aportar,
por el simple hecho de deleitarse con gráficas multicolores, es sencillamente, cometer un suicidio
mental. Y un ser con mente muerta me da igual que practique ciencia o vudú.
33
La lógica supone una separación entre sujeto y objeto, por lo tanto, la lógica no es la sabiduría
definitiva.
Robert Pirsig.
34
L
a lógica consiste en el estudio tanto de las formas válidas como inválidas de
argumentación, demostración y prueba. Se divide en lógica formal y lógica dialéctica
<<denominada también lógica informal>> (Kant, The Logic, 1819) en su obra la
dividió en analítica y dialéctica 1 . Es así como, en el cotidiano devenir de la investigación
científica, la lógica formal plantea esencialmente la puesta en práctica de la capacidad que posee
el investigador de resolver problemas rápidamente y sin ayuda de un tercero, ocupándose de las
demostraciones y del pensamiento ordenado. Bajo estas consideraciones, es suficiente con
emplear el razonamiento y el sentido común 2 con ciertos grados de profundidad para la
consecución de resultados sensatos.
1
Véase p. 17 de la obra. La analítica se pone de manifiesto por la descomposición de todas las operaciones intelectuales que tienen lugar en el
pensamiento en general; es, pues, una analítica de la forma del entendimiento y la razón. La lógica analítica es estudiada por la filosofía analítica,
trata de la argumentación, el análisis del lenguaje y el rigor lógico con el que éste es expresado. A la lógica dialéctica la denomina lógica de la
apariencia, y que es resultante de un simple abuso de la analítica. Este abuso consiste en volver solamente la forma lógica, para con ello simular
que se está trabajando con conocimiento verdadero, en el que siempre los elementos han de tomarse de conformidad con los objetos por razón de
contenido. A la dialéctica por su lado, se le asocia a los signos y reglas según las cuales es posible saber si una cosa conforma o no, con los
criterios formales de verdad.
2
Al respecto, Kant op, cit. Afirmaba: La lógica no puede ser por más tiempo un producto del sentido común; el sentido común es la facultad de
percibir las reglas del conocimiento de un modo concreto (en aplicación), mientras que la lógica debe ser la ciencia de las reglas del conocimiento
en abstracto.
3
“Al habernos dado Dios a cada uno alguna luz para discernir lo verdadero de lo falso, no hubiera yo creído tenerme que contentar un solo
momento con las opiniones de otro, si no me hubiese propuesto emplear mi propio juicio para examinarlas cuando fuera oportuno”. René
Descartes. Discurso del Método.
4
Refiérase a: Aristóteles: Tratados de Lógica. Traducido por: Prof. F. Larroyo. México. 1969. Otra obra de gran importancia y con algunas
secciones en inglés: Le Blond, J. M. (1973). Logique et Methode Chez Aristotele. Tercera Edición, Vrin. Paris.
35
Desde sus inicios ha servido como Principio Antrópico5 tanto para la religión como para las
ciencias. Más tarde en la historia, Russell y Whitehead6, proyectarían sobre ella el uso de un
lenguaje simbólico, tal como el empleado en las matemáticas y encaminado a la expresión de
ideas del pensamiento. La lógica se circunscribe entonces, al estudio de las diversas formas y
arquitecturas del pensamiento. Su objetivo; hacerlo correcto, válido y coherente. Para ello
encadena estructuras mentales aisladas haciéndolas fuertes y con gran poder deductivo, se avoca
entonces sobre la derivación de principios verdaderamente racionales y concluyentes.
Consiste en una disciplina científica cuyo corolario se proyecta sobre el estudio de las formas
Multivariadas de los pensamientos científicos, así como, sobre la validez de sus razonamientos.
Suppes (1999, p. 3) afirma, la lógica es la teoría del buen razonamiento, estudiar lógica no solo
Roiman Valbuena: La Lógica en la Investigación Científica.
ayuda a razonar bien, sino que permite además entender, el cómo opera la razón. Para sus
efectos, las técnicas de la lógica son tanto abstractas como rigurosas. Son abstractas puesto que
se concentran en propiedades particulares del razonamiento.
Así como, su rigurosidad radica en intentar definir todos los términos usados 7 , lo que
implica para el científico, la adquisición de una terminología que pueda considerarse seria. Su
meta es proporcionar un conocimiento profundo de lo que se está haciendo. Como afirmara
apropiadamente (Bunge, Seudociencia e Ideología, 1985)… la investigación científica presupone
los principios de la lógica…no los discute... (p. 29).
Las ciencias fácticas necesitan ir más allá de la simple aplicación de los sistemas lógicos para
confirmar sus hipótesis, para ello son necesarios la observación y el experimento. Aunque el
empirismo no está presente en los teoremas lógicos y matemáticos por tratarse de ciencias
ideales, su inferencia deductiva alimenta de significados al conjunto de conceptos que envuelven
a una teoría. Es allí donde la lógica presenta la coherencia necesaria, y que usada junto a la
experiencia, están en condiciones de mostrar vestigios de que la hipótesis planteada sea
medianamente aceptable sobre el hecho fáctico al cual se circunscribe.
No obstante, no será posible separarse del hecho, de que tal hipótesis pueda ser sustituida por
otra en mejores condiciones de explicar el segmento de la realidad en estudio. Permitiendo así, el
5
La Antropía como principio, siempre ha sido un supuesto teórico mediante el cual, todo el orden del universo pareciese destinado a colaborar en
la aparición y posterior desarrollo del hombre en el universo <<No confundir con Entropía>> Todo suceso universal para la Antropía, es
explicable y asociable al perfeccionamiento del entorno que propicie la aparición de la raza humana, muy similar a la teoría de la Panspermia. Se
ha hecho uso extenso de él, por parte tanto de teólogos como por hombres de ciencia. La lógica, por originarse en la mente humana, pareciese
subconscientemente estar asociada a este principio.
6
Russell, Bertrand y Whitehead, Alfred. (1910-1912-1913). Principia Mathematica. Véase.
7
Srinagesh (2006); ofrece algunas recomendaciones basadas en las reglas de definición en lógica, para que el investigador preestablezca y
delimite el significado de los términos que empleará en su trabajo, además del cómo desea que éstos sean interpretados. Explica… cada
definición consiste en dos partes. A) el término o grupo de estos que han de ser definidos, denominados definiendum. B) la palabra, o grupo de
estas que harán la definición, conocidas como definiens. En la exposición de conclusiones no debe quedar duda alguna del significado y contexto
exacto que se hará mención. Condición que permite un entendimiento más profundo de las circunstancias que rodean al fenómeno.
36
La lógica es una ciencia que, en mayor o menor cuantía, está presente en todas las demás.
Asignando grados de corroboración que hacen que toda proposición direccionada sobre
determinada área factual, no solo sea coherente, sino también, científicamente demostrable. Esta
aporta las normas bajo las cuales se rige la investigación científica y su método8. A la lógica
formal se le asume, como el raciocinio suficiente y condicional, que presenta estricta coherencia
Roiman Valbuena: La Lógica en la Investigación Científica.
cronológica mental, entre una verdad del tipo formal, y otra del tipo material basada en el
principio de la evidencia.
La lógica formal es una ciencia formal, y como tal, estudia los elementos que dan lugar a las
demostraciones e inferencias válidas en la investigación científica. De hecho, un problema
científico es básicamente una confusión lingüística con propiedades subsanables a través del uso
de la lógica. Es ésta la que estudia el significado y qué desea el hombre expresar con el lenguaje.
Opera a través de la interrelación de argumentos en su estructura, obviando el contenido
discursivo y el lenguaje utilizado, así como el objeto a lo que el estudio haga referencia. Se
extiende sobre el estudio de conexiones correctas entre las proposiciones, argumentos, o juicios
de un razonamiento.
Al respecto, Piquer (1781) argumenta… las verdades primitivas en cada ciencia pertenecen a
la razón y no al raciocinio. Puesto que no son lo mismo, son distinguibles entre sí por el hecho
que la razón, aunque incluye raciocinio, se extiende a otras cosas que no lo son, entrando hasta el
plano trascendentalista. El raciocinio no tiene ese alcance, sólo es posible aplicarlo sobre objetos
o cosas. Es así como, y según la filogénesis del razonamiento humano, el proceso de
investigación científica se guía por los principios operativos de la lógica, incluyendo sus
proyecciones inductiva y deductiva. No obstante, hay científicos cuyo trabajo gira en torno al
sentido común y la experiencia, sin haber estudiado nunca la lógica.
Al plantear sus resultados hacen uso de aserciones, similares a las del lenguaje científico y
producto del proceso de razonamiento, presentando este, similitudes con el lenguaje de la lógica,
8
<<La lógica en uso es más propia para conservar y perpetuar los errores que se dan en las nociones vulgares que para descubrir la verdad; de
modo que es más perjudicial que útil>> Esta frase se corresponde con el aforismo 12 de Francis Bacon. Quien siempre se opuso al uso de la
lógica derivada de los silogismos aristotélicos en la ciencia. Aparece en Novum Organum. Véase.
37
¿acaso eso no es un tipo de lógica?9 Desde sus inicios, en la lógica se optó por el estudio de los
diversos métodos y principios que le permitiesen diferenciar entre las formas correctas e
incorrectas de razonamiento. Marcando siempre un contraste entre la empleada en la
investigación científica y la usada en la dialéctica cotidiana. A la lógica informal o dialéctica, le
corresponde el uso de un lenguaje coloquial no simbólico, es la lógica que usa el ser humano en
su quehacer diario y forma parte del diálogo argumentativo social. (Ayllón Vega, 2007)
Explica… la lógica informal es propia de la argumentación coloquial, allí se aconseja el uso de
premisas admitidas por los demás interlocutores, se usa para aclarar el significado de lo que se
dice. (p.44).
Para lo que recomienda: no forzar la conclusión; aportar pruebas sólo cuando corresponda; si
Roiman Valbuena: La Lógica en la Investigación Científica.
no hay pruebas suficientes no mantener opinión; no cambiar de tema, además de explicarse con
claridad, brevedad y orden. La lógica informal nada tiene que ver con la investigación científica
en sí, a pesar de ser imprescindible a la hora de sustentar mediante discurso, los resultados de
cualquier proyecto. Sobre todo sirve de puente entre el lenguaje que emplea el científico y el
lenguaje coloquial del ciudadano común.
En las ciencias fácticas, es decir, todas aquellas ciencias que estudian los hechos que se dan
lugar en el mundo. Se trabaja la lógica con objetos reales que en determinado momento ocupan
un lugar y un tiempo, proveen un nivel de verdad contrastable con hechos. Estas se subdividen
en ciencias naturales y ciencias sociales. Las primeras se avocan al estudio de la naturaleza y sus
hechos, mientras que las segundas se circunscriben al ámbito humano. La voluntad de la
naturaleza y la de los hombres es distinta.
Para la lógica formal, carece de relevancia lo que se dice, lo importante es el cómo se dice.
Cualquier enunciado que provenga de una ciencia formal, llámese lógica o matemáticas, intenta
establecer relaciones entre símbolos. Por su lado, todo enunciado fáctico evoca sucesos y
procesos. En las ciencias formales es necesaria la conformación de argumentos razonados para
comprobar sus teoremas. Sin embargo, no sucede lo mismo en las fácticas, allí se opta por la
observación y el experimento. La diferencia entre ambas reside en que las ciencias fácticas
corroboran hipótesis, mientras que las formales las demuestran, para ello cada una hace uso de
un método específico.
9
El Idealismo Trascendental de la Filosofía Kantiana, hace intentos por comprender el cómo es posible que el espíritu humano, en consonancia
con su mecanismo y asociándolo a los conocimientos a priori presentes en las matemáticas y la física teórica, puedan proveer elementos
cognoscitivos tan sólidos y profundos. Quizás su característica más relevante es que están libres de toda experiencia.
38
Por el contrario, si era así, puede ser que sea, y si así fuera,
sería, pero como no es así, no lo es. Esa es la lógica.
Lewis Carroll.
L
a lógica de enunciados forma parte de la lógica proposicional o lógica de orden cero,
en escritos de Tomás Miranda Alonso (2000), es el segmento de la lógica formal
encargada de la composición de enunciados mediante el empleo de conectores lógicos.
Las partículas <<No>>; <<Y>>; <<O>>; <<Entonces>>, <<Sí y sólo si>> se llaman juntores o
conectores lógicos (p. 52). En la investigación científica, los conectores lógicos proposicionales
en determinados enunciados permiten al investigador establecer silogismos 10 que le lleven a
inferencias válidas. Convirtiéndose en la unidad básica que es sometida a análisis para encontrar
su nivel argumentativo de verdad. La lógica de enunciados presenta una muy importante
propiedad que la habilita para ser usada como una teoría real, y que permitirá demostrar lo
acertado o lo falso de un grupo de argumentos mediante un procedimiento denominado cálculo
de enunciados.
La lógica de enunciados es la rama de la lógica que estudia las formas de unir, combinar y/o
modificar proposiciones enteras como aquellas con las cuales se conforman largas inferencias.
Donde los términos proposición y sentencia son equivalentes y constituyen la unidad mínima e
indivisible del cálculo de enunciados. A estas se les define unitariamente como sentencia
declarativa que a su vez es capaz de contener grados o niveles de verdad o falsedad, y los cuales
son indagados a través del cálculo de enunciados tendentes a generar razonamientos válidos.
de una inferencia. Este método permite descubrir y destruir sofismas. Otro paso consiste en
seleccionar sólo las estructuras enunciativas que se desean someter a análisis, para con ello
separar a los enunciados analíticos o tautológicos de los verdaderamente sintéticos. Según la
teoría de enunciados, todas las sentencias unidas por conectores de frases están basadas en algún
tipo de implicación, como en el álgebra y las matemáticas. A continuación se presentan algunos
símbolos usados en lógica:
P˅q Se lee “p o q”
P˄q Se lee “p y q”
Pq Se lee “p entonces q”
P q Se lee “ p si, y solo q”
11
Consiste en una frase o simple término que hace que una sentencia larga, como las usadas en las inferencias, puedan ser divididas en dos más
pequeñas. Para con ello aplicar las reglas de los silogismos.
12
La lógica proposicional entendida como lógica de orden cero, en sentido estricto, consiste en una proposición comúnmente usada como
sinónimo de frase, declaración o enunciación, la cual es posible someterla a prueba para conocer si es verdadera o falsa. Para ello se siguen los
lineamientos de un modelo matemático de argumentación denominado cálculo proposicional.
41
La frase se compone de dos premisas, una mayor y una menor, que unidas dan origen a una
conclusión, juntas forman un silogismo hipotético cuyo fin es conseguir un enunciado universal
y verdadero. La letra “P” representa al sujeto “Siquiatras” y se añade como sujeto en la
conclusión; la letra “D” al predicado “Doctores” y simboliza al predicado en la conclusión. “C”
significa “Colegas Graduados”. Obsérvese que todos excepto “D” aparecen en la conclusión,
pues se asume ya implícito por la lógica de enunciados. El operador lógico “ “ﬤtiene la misma
función que la condición de implicación “” “Si…Entonces” sólo que en este caso se le
denomina Condicional Material, una función lógica de verdad que toma dos valores. El
Roiman Valbuena: Lógica de Enunciados.
condicional material presenta ciertas propiedades formales tal como en las matemáticas: la
distributividad; la transitividad; la conmutatividad y la Idempotencia. Ninguna de ellas se trata
en este texto, al menos no en esta edición.
Con respecto a los enunciados, Ayllón Op, Cit (p. 42), presenta algunas consideraciones: En
la lógica formal todo razonamiento consta de varias premisas y una conclusión que se deriva
lógicamente de ellas:
Premisa: Todo Hombre es Mortal.
Premisa: Sócrates es Hombre.
Conclusión: Por tanto, Sócrates es Mortal.
Tanto las premisas como las conclusiones son proposiciones enunciativas que pueden ser
verdaderas o falsas. La lógica formal se ocupa únicamente del correcto encadenamiento entre la
conclusión y las premisas, por ende, un razonamiento puede ser lógico y falso al mismo tiempo:
Por el mismo motivo, un razonamiento puede ser incorrecto <<carente de lógica>>, aunque la
conclusión y las premisas sean verdaderas:
42
Para Ayllón, los tres juicios anteriores son verdaderos, pero la conclusión no se deriva de las
premisas, allí no hay razonamiento, los juicios son inválidos, ilógicos. Para producir
conocimiento mediante este modelo, no solo se requiere lógica, sino de niveles de verdad. En las
ciencias factuales es absolutamente necesaria la racionalidad que aporta la lógica formal en la
construcción de sus enunciados, no obstante, ello no certifica que se obtenga verdad, por lo que
se exige su verificación experimental.
Roiman Valbuena: Lógica de Enunciados.
43
Henry Poincaré.
L
a lógica de predicados, denominada también cálculo de predicados o Lógica de
Primer Orden13, gravita esencialmente en una ramificación de la lógica proposicional.
Esta última descansa sobre tres principios básicos abordados posteriormente en este
mismo capítulo: el principio de identidad; el de no contradicción y el del tercero excluido. En la
lógica de predicados las sentencias carecen de variables libres, lo que trae como consecuencia
que sus valores de verdad sean independientes de sus asignaciones formales. Para Goldrei
(2005), el cálculo de predicados es una importante parte de la lógica, la ciencia del
razonamiento y de las leyes del pensamiento (p. 1). Según Elí de Gortari (1988) Véase concepto
de Lógica de Predicados:
La lógica de predicados estudia frases del tipo declarativas basándose en la estructura interna
13
En la lógica de orden cero (lógica proposicional) no hay cuantificación alguna. En las de primer orden es posible cuantificar sobre individuos,
pero no sobre conjuntos de individuos (o relaciones entre individuos). Es sólo en la lógica de segundo orden donde es posible cuantificar tanto
sobre los individuos del universo del discurso como sobre los conjuntos de ese universo, es decir, sobre los conjuntos de individuos y las
relaciones entre individuos. La semántica de la lógica de segundo orden es semejante a la del primer orden, excepto en lo que respecta a las
variables predicativas, que se interpretan como variando sobre subconjuntos cualesquiera del universo de la interpretación. Tomado de: Filosofía
de la Lógica (2004). Lógica y Teoría de Conjuntos por: Jesús Mosterin, (pps. 229 y ss.).
44
de las proposiciones que contiene y omitiendo cuestiones de la realidad de los hechos a los
cuales se circunscribe. Simplemente se orienta a estudiar en detalle los objetos y sus relaciones,
de allí surgen elementos de importancia, lo que se afirma con respecto al objeto se considera la
relación con este o su predicado. Así como, se orienta a actuar sobre el objeto, es decir, el sujeto
de quien se afirma o niega en las proposiciones.
En ese sentido, Piquer (1781)14 alega… para que una proposición sea negativa, la partícula
negante ha de juntarse con el verbo; pues si se antepone al nombre, le hace infinito e
indeterminado. Contrariamente, afirmar significa asegurar una cosa consintiendo en ella. Cuando
se presenta la afirmación: <<Pedro es Piedra>>, la cual es afirmativa en el primer orden, no
afirma con ello el Pedro ser Piedra en el segundo.
La diferencia básica estriba en el hecho de que la afirmación por medio de la cual se juntan
los extremos, cualesquiera estos sean, es obra del ingenio; más la afirmación con la que se
Roiman Valbuena: Lógica de Predicados.
asiente una proposición es obra del juicio. Como todos los conectivos proposicionales están
aglutinados en la lógica de predicados, Andrade et, al (2008) establecen ciertas diferencias
respecto de la lógica proposicional:
A continuación un ejemplo de Gauch (2003, p. 173), considérese uno de los más populares
argumentos de la lógica: Todos los Hombre son Mortales; Sócrates es Hombre; entonces,
Sócrates es Mortal. Desde la perspectiva simple de la lógica proposicional, este silogismo
contiene 3 diferentes sentencias organizadas en la forma de un argumento, según la simbología
de la lógica se organizaría así: p; q; r. Se lee, Todos los A´s son B; C es A; por tanto C es B.
Es así como, y según el análisis, la conclusión del argumento no se sobreviene de las premisas,
más sin embargo, este argumento claramente es válido.
Pero su validez no depende de la verdad funcional entre las oraciones del silogismo como lo
plantea la lógica proposicional. Contrariamente, su validez se sostiene sobre las bases de las
partes que componen a las oraciones, y esto requiere de la lógica de predicados. En fin, todos los
argumentos que adquieren validez en su forma proposicional también lo serán en la lógica de
14
Refiérase a Lógica: Andrés Piquer (1781). Capítulo VIII: De la Afirmación y Negación de las Proposiciones. (P. 31 y ss.)
45
predicados. No obstante, y como lo afirman Andrade et, al op. Cit, el recíproco es falso, pues
existen argumentos que son válidos desde la óptica de la lógica de predicados, pero inválidos si
se les formalizan exclusivamente en virtud de su forma proposicional.
Roiman Valbuena: Lógica de Predicados.
46
L
a lógica de clases es la mejor herramienta de que dispone el científico para agrupar
elementos dentro de una misma categoría, para ello se requiere de un gran sentido
común, pues la hace converger con su connaturalidad15. Según argumenta Ferrater
Mora (2004), clase, como concepto lógico hace referencia a una serie, grupo, colección,
agregado o conjunto de entidades (llamados miembros) que poseen por lo menos una
característica común. La noción de clase no debe confundirse con las nociones de agregado o del
todo, pues no pueden equipararse en clases a entidades concretas con abstractas.
Las clases son entidades meramente abstractas, aun cuando los elementos que las constituyen
sean concretos. En escritos de Lombraña (1989), las clases se introducen como símbolos
incompletos. Entendiéndose por clase al conjunto de objetos que de algún modo satisfacen a una
función proposicional. De manera que cada función determina una clase, es así como, dos
funciones equivalentes harán mención a la misma clase, es decir, tienen la misma extensión16,
(p. 388). La Lógica de Clases se constituye como un caso muy particular de la lógica de
predicados, opera extendiéndose a conceptos en cuyo contenido se expresa una propiedad de
algún objeto lógico concreto que le hace pertenecer a un grupo o clase abstracta. Este tipo de
lógica hace uso tanto del Álgebra como de la Teoría de Conjuntos.
15
El conocimiento por Connaturalidad, según Joseph Ellis (2003, p. 8), es el resultado de los hábitos propios del hombre especulativo. Hábito
significa la existencia de una permanente disposición relacionada a la naturalidad del objeto y su calificación como operativo. En el caso de la
connaturalidad intelectual, tal hábito del hombre especulativo produce una porción de la realidad que se presta a ser conceptualizada como
conocimiento. El conocimiento por connaturalidad, a diferencia del pensamiento lógico, no es clasificable. Se le asume como axioma que da
origen a todo conocimiento. El conocimiento por connaturalidad no es científico ni racional por entero, es una forma de proceso mental mediante
la cual el intelecto hace aflorar la verdad, para ello percibe, diferencia, contradice, agrupa y construye relaciones sujeto objeto. Es este tipo de
conocimiento el primero en actuar sobre el descubrimiento, proyecta sobre éste una intuición creadora a priori, y es la lógica de clases la que le
dará razón científica y argumentos de verdad a posteriori.
16
Las extensiones son Indicadores y las Clases, en este caso, pueden ser llamadas Dimensiones .
47
clases haciéndose uso de los diagramas de Venn, los diagramas de Euler y los diagramas
dicotómicos de Carroll.
El uso de la lógica de predicados está limitado, puesto que los predicados no conectan
términos directamente. El único uso importante de los predicados en una estructura lógica es su
clasificación, los predicados contienen adjetivos que complementan al sujeto o sustantivo en la
sentencia, siendo esto lo que lo inserta en una determinada clase. Para Langer (1967, p. 160), es
aquí donde subyace la íntima relación entre un predicado y la clase a la cual pertenece. El
predicado es el instrumento por excelencia para distinguir clases, pues es donde el sujeto
adquiere las propiedades necesarias para ser diferenciado, sin embargo, previamente este
predicado ha de ser sometido a pruebas de relaciones verdaderas, es decir, a la lógica de
predicados.
17
Reductio ad Absurdum. Consiste en un medio de indirecto de demostración lógica, se explica más adelante en el Principio de No
Contradicción y el Principio del Tercero Excluido. Para más detalles, refiérase al Cap.: XVIII, Sección 18.1.3.- Método de Demostración
Indirecta por Reducción al Absurdo.
18
Refiérase al Capítulo XV. Los Programas de Investigación Exploratoria. Allí se detallan y explican, los usos de cada procedimiento estadístico
sobre los datos hallados, y su procesamiento en niveles exploratorios.
48
U
na relación es una conexión de una idea o cosa con otra, bien sea por presentar
similitudes, diferencias o dependencia jerárquica. Según Ferrater Mora (2004, Véase
concepto de Relación), la relación es examinada en la lógica como un predicamento
y, en calidad de tal, es definida como el orden de una cosa respecto de otra. En la lógica no
simbólica, la relación se refiere al carácter condicionado o incondicionado de los enunciados
(juicios o proposiciones). Cuando un enunciado es incondicionado se presentan las proposiciones
categóricas; cuando es condicionado, las hipotéticas y disyuntivas.
relaciones es muy utilizada en el estudio de las teorías de grupos, de hecho es la base para
establecer una teoría de conjuntos.
Desde el punto de vista de la lógica, existen tres tipos principales de relaciones que pueden
expresarse mediante símbolos: las Simétricas; las Transitivas y las Reflexivas. Estas a su vez
contienen dos sub-relaciones más cada una. En el primer caso, una relación es simétrica, como
Roiman Valbuena: Lógica de Relaciones.
en el caso anterior de las matemáticas, cuando es siempre verdadero que, si “X” comparte una
relación con “Y”, entonces “Y” presenta la misma relación con “X”. La evaluación de
inferencias con predicados relacionales plantea problemas que no se habían encontrado hasta
ahora. Tómese el ejemplo de Clarke y Behling (1998, p. 185):
Los predicados en las oraciones asignan relaciones a los sujetos, a esto se denomina
predicado de dos lugares o predicados diádicos,… está casado/a con… afirma una relación entre
dos individuos. Dentro de las relaciones simétricas se encuentra otros dos subtipos, las
asimétricas y las no simétricas. Por ejemplo, una Relación es Asimétrica cuando NUNCA es
cierto que si “X” comparte una relación con “Y”, “Y” entonces no comparte la misma relación
con “X”. Preste atención al siguiente modelo relacional: Clara es madre de Alicia… en este
caso nunca se sucederá que Alicia sea también madre de Clara. Por otro lado, una relación se
torna No- Simétrica cuando A VECES es cierto que si “X” comparte una relación con “Y”, este
“Y” no siempre compartirá la misma relación con “X”. Por ejemplo, en la oración John ama a
Alicia, para nada implica el que sea verdadero su reciproco.
Con respecto a las Relaciones Transitivas. Una relación es transitiva si, “X” se relaciona con
“Y”, y este “Y” se relaciona SIEMPRE también con “Z”, de manera que SIEMPRE existirá la
relación entre “X” y “Z”. Por ejemplo: Clara es Hermana mayor de Mónica, y Mónica es
hermana mayor que Lucy. Entonces, Lucy y Clara también son hermanas, y sólo están separadas
por el predicado direccional…Mayor o Menor que…
50
Existen también dos subclases de este tipo de relaciones. Una Relación es Intransitiva sí,
hay una relación evidente entre “X” y “Y”, además “Y” comparte la misma relación con “Z”,
entonces “X” NUNCA compartirá la misma relación con “Z”. Por ejemplo: Carlos es Padre de
Vinicio, y Vinicio es padre de José. Si bien es cierto, entre Carlos y Vinicio existe la misma
relación padre e hijo que entre Vinicio y José, esta correspondencia NUNCA se presentará entre
Carlos y José, pues existe lo que se denomina causal intermediaria. Por su lado, una Relación es
No Transitiva si, cuando “X” comparte con “Y”, y “Y” comparte la misma relación con “Z”,
entonces, “X” A VECES comparte relación con “Z”. Déjese guiar por la siguiente oración: Tus
Amigos no siempre son los Míos.
Los predicados diádicos presentan una tercera propiedad, la reflexividad. Una Relación es
Reflexiva cuando se lleva a cabo siempre entre una cosa y la misma. Puede analizarse mediante
la oración: es de la misma talla de… presenta las mismas propiedades de… se presenta bajo
la forma de <<sujeto relación sujeto>> Una relación reflexiva es aquella que relaciona a
Roiman Valbuena: Lógica de Relaciones.
dos cosas y éstas a su vez hacen mención a sí mismas, es una relación donde cada individuo
comparte consigo mismo. Para Clarke y Behling op. Cit, existen relaciones totalmente reflexivas
y reflexivas, aunque para la mayoría de los propósitos lógicos esta diferenciación es irrelevante.
La expresión… es idéntica a… es totalmente reflexiva. Todas las relaciones totalmente
reflexivas son reflexivas, más recíprocamente no siempre se presenta lo mismo.
Ahora bien, una Relación es Irreflexiva cuando NUNCA se da entre una cosa y
sí misma. Por su parte, una Relación no es Reflexiva cuando A VECES se da entre una cosa
y sí misma. Obsérvese que una relación entre hermanos es una relación simétrica, si hay más
hermanos puede transformarse en una relación transitiva, no obstante, esta última no
necesariamente pueda convertirse en una relación reflexiva dado que nadie puede ser hermano de
sí mismo. Como afirma Miaja de la Peña (2001, p. 27 y ss.), todas las ciencias se proponen
establecer relaciones entre los objetos que cada una de ellas estudia. Sin embargo, la lógica
estudia las relaciones mismas, no puede haber ciencia sin lógica, pues esta es la ciencia de las
ciencias.
La lógica descubre leyes que rigen toda realidad objetiva que el científico aborda,
explicándolas y esclareciendo su funcionamiento, cristalizando las relaciones que las unen. La
lógica de relaciones es absolutamente necesaria cuando se desea sustentar una teoría científica,
es ésta la que otorga características de coherencia a toda proposición que pueda convertirse en un
teorema digno de una clara demostración. Es la que permite concatenar relacionando, supuestos
deducibles de los axiomas.
51
Albert Einstein.
U
n Principio consiste en una idea primigenia originada en la mente humana, designa un
punto de partida, alude a una idea rectora o regla ética fundamental de conducta. El
de Identidad proviene de la luz natural del intelecto, cuando éste, al intentar explicar
algún fenómeno, hace descubrimiento de una realidad un tanto abstracta que lo rige. Su
explicación aborda el cómo el evento se sucede o trabaja. De acuerdo al Principio de la lógica
llamado Identidad, las ideas han de ser idénticas a sí mismas. El Principio de Identidad usado
para la comparación de enunciados, no debe ser una tautología 19 . Pudiendo las ideas ser
representadas simbólicamente bajo el siguiente formato: A=A; B=B o X=X. Este contexto se
justifica y toma sensatez sí y sólo sí, el término o afirmación que precede a la igualdad se usa en
idéntico contexto al término o afirmación que la sucede, adquiriendo el mismo significado. Por
ejemplo:
Todos los perros son animales = Son animales todos los perros
Según plantea David Hume20, <<Y si uno no acepta que algunos de los términos medios son
distintos entre sí, no puede, sin caer en el absurdo, negar que los extremos sean idénticos>> El
axioma real de identidad plantea lo siguiente: Lo que es verdad en un contexto ha de serlo en el
otro. Así mismo, si determinado juicio se afirma de modo que un cambio en sus eventos lo
conviertan en falso, entonces este juicio nunca representó una verdad autentica 21. La forma
lógica de una oración es sin lugar a dudas, su estructura.
Esta puede ser compartida con otras oraciones argumentativas o enunciados. Bajo el principio
19
Consiste en un error lógico cuando se presenta la definición de un concepto y se le considera insostenible, pues en ella lo determinante estriba
en repetir con otras palabras, lo concebido en lo determinado. Una tautología, según la retórica, consiste en la manifestación repetida de un
mismo pensamiento, solo que expresado bajo diversas formas, y que resulta equivalente para todas. Según Kant (1819), en su libro: The Logic,
explica…la identidad de los conceptos en juicios analíticos puede ser explícita <<Que expresa con claridad una cosa, algo que está libre de
abstraccionismo. Aunque no deben usarse este tipo de juicios para la corroboración de enunciados según el principio de identidad, una hipótesis
explícita es la base que orienta a un buen proyecto de investigación, ésta la delimita sin tener que abordar las fronteras de las dimensiones,
encausa el problema y permite el encadenamiento de ideas que darán lógica a sus resultados>>, o no explícita <<implícita>>. En el primer caso,
las proposiciones analíticas son tautológicas. Una tautología es una forma válida de la lógica básica, sobre todo para la lógica proposicional. Los
enunciados del tipo tautológicos han de evitarse porque son declaraciones carentes de contenido, no aportan conocimiento científico e implican
una verdad del tipo analítica <<es aquella que adquiere certeza únicamente por los términos que involucra>> Bunge (2001), define a una
tautología como una proposición verdadera en virtud de su forma lógica y con dependencia de su contenido. Al referirse a las teorías afirma…
dos teorías lógicas son la misma si y solo si, comparten las mismas tautologías, es decir, hacen presentaciones diferentes de una misma teoría.
20
Filósofo, Economista e Historiador Escocés (1711 – 1776). Puede leerse en: Srinagesh (2006, p. 1). Según Lakatos (1989), tal comentario de
Hume va dedicado a cualquier volumen de Teología o Metafísica Escolástica. Véase Introducción: Ciencia y Pseudociencia.
21
Bradley, Francis. (2004). The Principles of Logic. Capítulo V. Véase.
53
Para Stack op, cit, Nietzsche pudo haber acertado acerca del origen del Principio de
Identidad, sin embargo, oscurece el hecho de que éste nunca se intentó aplicar directamente
sobre fenómenos empíricos, sino, sobre la identificación de conceptos y proposiciones. Este
principio es mejor utilizado cuando, un mismo objeto puede ser representado de diferentes
formas, manteniendo impecable todos sus aspectos cualitativos.
El Principio de Identidad lógica <<no Leibniz>>, se refiere a que un objeto, concepto, juicio
o proposición es idéntico a sí mismo. Contrariamente, lo que Leibniz bosqueja es que no sea el
mismo objeto, sino dos idénticos porque compartan propiedades cualitativas y cualitativas no
relacionales. Se enuncia de la siguiente manera:
22
Leibniz, Wilhelm. (1998, pp. 39 y ss.). Discourse of Methaphysics and Related Writings. Véase.
54
Para cada propiedad F, un objeto “x” tendrá F si y solo si, un objeto “y” tiene F
Entonces podrá decirse que “x” es idéntico a “y”
El Principio lógico llamado Identidad hace referencia ontológica a objetos o cosas, sólo
orientándolo a juicios o enunciados es posible decir que es lógico. Un juicio evoca en sí formas
lógicas, contrariamente, cuando se proyecta sobre objetos o cosas se entra en el plano ontológico.
No obstante, nada impide el utilizar la ley de Leibniz sobre indagaciones en ciencia <<no
aplicable a la mecánica cuántica>> Para Beuchot (2004), la identidad es la propiedad que tienen
dos o más proposiciones de expresar el mismo contenido objetivo, presenta la dualidad explícita
e implícita. Será explícita cuando expresan el mismo contenido objetivo con los mismos
conceptos, aunque se usen diversos términos. Se asume implícita cuando expresan la misma
verdad con diversos conceptos y diversos términos, (p. 62).
En la investigación científica, dos indagaciones habrán obtenido los mismos resultados, si los
Roiman Valbuena: El Principio de Identidad.
Éste, hasta el momento era desconocido. Conviene ahora aplicar raciocinio a esa realidad que
lo rige. Es menester asignarle un nombre e insertarlo dentro de la tabla periódica y situarlo en
una categoría cognoscitiva, tal cual a un niño recién nacido en la sociedad. Deberá detallar a cuál
otro elemento de la tabla se parece, y a cuales es diametralmente opuesto. Como se argumentó
55
Blaise Pascal.
U
na contradicción consiste en conjugar una proposición y su negación. Surge, cuando
al contrastarse dos hechos, cosas o elementos, el primero resulta totalmente opuesto
al segundo, a tal nivel, que uno debe estar equivocado. En la investigación científica
se origina cuando, al plantear los resultados en una indagación, sus juicios conclusivos se
construyen a través de una combinación de palabras que entre sí, sugieren los opuestos de las
otras, dejando a la oración carente de sentido en su totalidad. Donde, la verdad de una de las
proposiciones excluye de verdad a la otra. También surge cuando, la consecuencia o efecto de un
acto, se asume contraria con la acción o causa que le dio origen <<Teoría de la Acción>>.
23
Aristóteles, El Órganon. Tratados de Lógica. Cap. III. (P. 11).
57
Hay maneras de formar silogismos con proposiciones opuestas <<todo – ninguno; todo – no
todo; alguno – ninguno; alguno – no alguno>> de ellas, sólo son contrarias las más universales,
todo - ninguno. La ley de la no contradicción en lógica, establece que determinado fenómeno no
puede suceder y no suceder al mismo tiempo <<Llueve al mismo tiempo que no llueve>>, <<
Estoy seco pero mojado>> En ese sentido, esta ley imposibilita la creencia en una formulación
en determinada dirección y a su vez creer también en su negación en sentido opuesto. La
negación y afirmación simultánea de una sentencia representa inequívocamente un hecho
inadmisible. Toda aquella formulación que contenga los más mínimos vestigios de contradicción
se estudia bajo este principio, por demás muy usado en el intento de refutar teorías científicas. Al
respecto, Kant (1997, p. 135) explica…
aunque meramente negativo, de toda verdad. Pero sólo pertenece, por ello mismo, a
la lógica, ya que vale para los conocimientos considerados simplemente como
conocimientos en general, con independencia de su contenido. El principio afirma
que la contradicción anula y suprime tales conocimientos. No obstante, se puede
también emplear el principio de forma positiva, es decir, no sólo para rechazar la
falsedad y el error (en cuanto basados en la contradicción), sino también para
conocer la verdad.
24
En Moreno Villa (2003), Aristóteles siempre alegó que no era posible afirmar cosas contradictorias de lo mismo. Immanuel Kant en su obra:
Crítica a la Razón Pura (1997), tiende a usar ambos principios, identidad y contradicción, indistintamente. Aunque él junto a Hume sugirieron
que el principio de identidad debía ser separado del principio de contradicción. Sostiene Kant, que la ley de identidad no es suficiente para
establecer un nivel analítico, por lo que la asocia al principio de contradicción. Su diferencia estriba tanto en su forma lógica al sustentar
enunciados como en su forma ontológica al referirse a objetos o cosas. Véase: Cap. II: Deducción de los Conceptos Puros del Entendimiento (pp.
83 y ss.). Aristóteles en el Órganon explica la relación entre Afirmación – Negación y Contradicción: la afirmación es una enunciación que
atribuye una cosa a otra. La negación es la enunciación que separa a una cosa de otra… luego es evidente que para toda afirmación hay una
negación opuesta, y para toda negación hay una afirmación opuesta… llamamos entonces contradicción a la afirmación y negación que son
opuestas. Los silogismos o sentencias que se emitan en los juicios conclusivos de una investigación van orientados en dos sentidos: un
pensamiento del objeto y una enunciación del objeto, los del pensamiento pertenecen a las categorías. Sin embargo, las contrariedades surgidas en
las enunciaciones son expresiones que son sin duda contrarias, y lo son únicamente porque están expresadas contrariamente.
58
por la cual no es posible esperar de él, una explicación de los porqués, ni de la relación causa –
efecto sobre determinado fenómeno. Es así entonces, como puede ser usado para encausar la
razón, sobre la base de enunciados, que al hacer emerger la duda, tiende a disiparla.
Desde el punto de vista epistemológico, Bunge op, cit. afirma que deben evitarse, porque en
cierto grado son falsas, y el fin de la investigación científica es la búsqueda de la verdad objetiva.
También se le considera de suma importancia a la hora de someter el enunciado a todas las
pruebas de reducción al absurdo 25 . Semánticamente, una proposición contradictoria es
completamente falsa si p, su constituyente elemental, solo puede tomar los valores de verdad V y
F. Pero si p, es una verdad a medias26, entonces <<p y no-p>> también serán medio verdaderas.
Así, a medida que la verdad tiende a debilitarse, crece la contradicción.
En teoría de la acción como bien certifica Bunge, es posible afirmar que dos acciones son
contradictorias u opuestas entre sí, al momento que se hace imposible su ejecución simultánea
<<nado bajo el agua a la vez que respiro tranquilamente>>, o si sus consecuencias separadas son
25
Primeramente, según Bunge (2001), la reducción como concepto consiste en una operación epistémica, o un tipo de análisis por el cual el
objeto reducido se conjetura o demuestra que depende de algún otro, lógica u ontológicamente, anterior al primero. Reducir es afirmar que,
aunque A y B parezcan ser diferentes entre sí, en realidad son lo mismo. Nota del autor: el principio de reducción lógica, fácilmente puede ser
aplicado sobre la evaluación de determinada investigación científica, sobre todo si esta se transforma a un modelo matemático, puesto que los
juicios conclusivos se derivan de las premisas. En mi experiencia he podido apreciar, con gran preocupación, el cómo al operacionalizar variables
se tiende a disgregar dimensiones, que aunque en apariencia son diferentes, en el fondo son la misma, considero esto un gran error. Su prueba se
consigue tras someter a escrutinio, no las dimensiones en sí, sino a sus indicadores. Si siendo éstos de dimensiones en apariencia distintas, llegan
a converger tanto en su estructura semántica lógica como en su semántica lingüística, podrá decirse entonces que no existe diferencia entre tales
dimensiones. Tal acción errónea es consecuencia de un mal abordaje del proyecto derivado de una incorrecta revisión de la literatura,
representando además, un gasto innecesario de tiempo. Uno de los métodos más poderosos de contraste para estos casos, consiste en aplicar, si se
dispone de datos empíricos suficientes, las técnicas relativas al análisis factorial exploratorio y luego un análisis factorial confirmatorio, de la
estadística Multivariada. Por su lado, la Reducción al Absurdo consiste en un proceso de razonamiento que deriva en una contradicción para
determinado conjunto de premisas, en este caso no es que son o no lo mismo o contradictorias, son un absurdo. Por lo que ha de concluirse, que el
sistema o fenómeno que se intenta explicar como un todo, es insostenible, a menos que algunas de las premisas sean rechazadas. La lógica
establece procedimientos <<Modus>> para la corroboración, no importa cuál sea su caso.
26
En la lógica difusa es común el uso de verdades a medias o criterios no cerrados, por ejemplo, para la lógica tradicional es de día o de noche,
pero no ambos estados al mismo tiempo. No obstante, es bien sabido que la intensidad de la luz tiende a atenuarse conforme se acerca la noche.
La lógica difusa establece que entre la luz y la oscuridad, entre el blanco y el negro, existe una escala infinita de grises que deben tomarse en
cuenta, allí se miden distancias entre escalas de grises usando etiquetas lingüísticas. Refiérase al Capítulo VII. : El Razonamiento y la Ciencia
más allá del ser Humano: Tecnología. Sección 7.3. Lógica Polivalente: Lógica Difusa.
59
mutuamente excluyentes. Por ejemplo: caminar y tumbarse, construir y destruir la misma cosa, o
competir y cooperar en el mismo aspecto. Como acción, el Principio de Contradicción afirma
hechos, se limita a presentar discrepancias entre dos argumentaciones, discrepancias que a pesar
de substanciarse más, seguirán siendo incompatibles.
En ocasiones, es posible encontrar investigaciones científicas tan mal sustentadas, que basta
sólo con someterlas a las pruebas silogísticas de reducción al absurdo para corroborar su carencia
de verdad lógica-científica. Tales silogismos aparecen cuando se toma la porción contradictoria
emitida en el juicio conclusivo, y se le añade a esta, otra proposición. Según Aristóteles27, se
forma en todas las figuras y se asemeja a una conversión.
Diferenciándose en que sólo es posible hacer tal conversión cuando ya el silogismo ha sido
formado y formulado, y además, se han admitido las dos proposiciones, para ello es necesario
Roiman Valbuena: El Principio de No Contradicción.
que la investigación haya sido finalizada. Mientras que se reduce al absurdo cuando la
contradictoria, si bien al principio no ha sido concedida, se le asume verdadera bajo toda
evidencia. En la investigación científica existe contradicción si la verdad carece de fuerza, si no
se ha sustentado una razón suficiente. Es de recalcar que esta prueba obedece a las leyes del
silogismo enunciadas sintéticamente.
Hasta aquí el lector podrá haberse percatado, que el Principio de no Contradicción pareciese
buscar, sólo el otro lado de la igualdad planteado por el Principio de Identidad. Es por ello que
muchos autores tienden a usarlos simultáneamente. No es menester de este aparte en el presente
texto, pretender explicación más sofisticada y profunda de ambos principios, ni mucho menos
generar discusión alguna sobre los orígenes y concepciones filosóficas, ontológicas,
epistemológicas o metafísicas, que los hacen parecer similares o diferentes. Sólo se aspira que el
lector, movido por el principio de la duda razonable, los aplique en su quehacer científico. Ante
el olvido, prácticamente absoluto y por parte de algunas comunidades científicas, de la
corroboración a través del uso, no sólo de estos principios, sino de los que a continuación se
describen.
27
Primera figura de Reducción al Absurdo. El Órganon, (p. 149 y ss.).
60
E
ste principio, también denominado Ley del Tercero Excluido, propuesto y
formalizado por Aristóteles, se erige como una ley del pensamiento, donde se establece
que existiendo dos proposiciones, las cuales recíprocamente se nieguen, al menos una
de ellas ha de considerarse necesariamente verdadera, es decir, una tercera no se da. O bien se
admite a “P” como verdadera, o su negación “-P” lo es… (Tautología). Planteado de otra
manera, al hallarse dos proposiciones contradictorias no hay cabida a una tercera posibilidad, por
ende, cualquier término medio queda excluido.
Sin embargo, no ha de confundirse con lo propuesto por la lógica bivalente, aunque muchos
lógicos establecen que son exactamente lo mismo e incluso niegan su eficacia 28 , en ésta, la
verdad sólo adquiere dos valores, verdadero o falso. Su principal diferencia estriba en que la ley
del tercero excluso se construye a través de expresiones sintácticas pertenecientes a la lógica de
la forma, mientras que con el principio de bivalencia por lógica simbólica, es posible validar y
comprobar la ley, más no así el principio de bivalencia.
Según Ferrater Mora (2004), hay autores que asumen a este principio como una forma
especial de contradicción, otros en cambio, sostienen su mutua autonomía, pues declaran que
este principio es distinto al de contradicción y al de identidad. Por otro lado, desde la segunda
mitad del siglo XIX, los estudiosos de la lógica se dividieron en dos áreas, una de ellas
denominada matemática lógica que aceptaba al principio del tercero excluido y llamados
comúnmente lógicos clásicos. Y otro segmento que no aceptaba su uso tal y como lo había
planteado Aristóteles, a estos se les denominó Intuicionistas Lógicos.
Esta ley, desde el punto de vista intuicionista, es usada muy comúnmente como parte de un
proceso de demostración propuesto en sus inicios por Andréi Kolmogorov, conocido por sus
28
Consúltese los escritos de: Emil Post <<The Two-Valued Iterative Systems of Mathematical Logic>>; Por su lado, los polacos Jan
Lukasiewicz y Alfred Tarski se dedicaron a trabajar en una lógica de tres estados que facilitó el origen del Soft computing y la Lógica Difusa
entre otros. Estos se aparataron de los sistemas lógicos formales o bivalentes, y construyeron sistemas lógicos trivalentes o polivalentes bastantes
robustos y muy usados hoy en día en el diseño de software computacional. Esto ha funcionado como primer eslabón en la cadena de desarrollos
tecnológicos verdaderamente impresionantes. En capítulos posteriores, capítulo VII específicamente, se da una amplia disertación sobre estos
modelos lógicos.
61
Kolmogorov diseñó un sistema de lógica denominado lógica “Beta” <>, cuya axiomática se
deshace de aquellas fórmulas que permitían codificar el Tercero Excluido de Hilbert, y de esta
axiomática Hilberiana es de donde extrae todo el conjunto de axiomas positivos. Con su obra de
1925 demuestra que aplicando una correcta interpretación, era posible transformar cualquier
Roiman Valbuena: El Principio o Ley del Tercero Excluido.
Demostraremos que todas las conclusiones obtenidas con el principio del tercero
excluido son correctas, siempre que cada juicio que entre en su formulación se
sustituya por una sentencia afirmando en doble negación. Llamaremos a una doble
negación de un juicio a una Pseudo-Verdad. Entonces, en la metamatemática de esta
Pseudo-Verdad es legítimo aplicar el Principio del Tercero Excluido. Kolmogorov
(1925, p.416)29.
Según describe Eli de Gortari (1988), para que este principio sea válido, es necesario suponer
la existencia lógica de aquello en lo que se aplica, en el universo del discurso sobre el cual se
entiende razonar. En el sentido estricto de Mario Bunge (2001), el principio, al igual que las
dicotomías: blanco o negro; bueno o malo; y capitalista y socialista, ha sido incomprendido. Este
error se sobreviene puesto que al principio del tercero excluido se le hace imposible operar
ontológicamente, es decir sobre objetos reales o sobre cosas concretas. Entonces, sólo es posible
29
Puede leerse en el Libro: (Heijenoort, 1879-1931) From Freege to Godel: A Source Book in Mathematical Logic, (1967).
62
30
Lógica Difusa, Lógica de Godel, Intuicionista o Dialéctica de Hegel. También Denominadas Lógicas Aproximadas.
63
Nada sucede sin razón. Lo que significa que cada cosa es lo que
de alguna manera es. Todo lo que pasa a ser real tiene alguna
razón para serlo. Cualquier cosa que pase a ser posible tiene
alguna razón para tal posibilidad. Cualquier cosa que pase a
ser necesaria tiene una razón para esta necesidad… entonces…
Nada sucede sin razón.
Martin Heidegger.
P
ara el ser humano, el Principio de Razón Suficiente subyace en la necesidad de
dilucidación para cada acontecimiento o fenómeno natural, rechazando cualquier
posibilidad e intento de someter por fuerza, la explicación de un hecho. Si bien es
cierto, para el hombre común algunas explicaciones son suficientes, para el científico existe una
verdad necesaria con extensión ilimitada. De la nada, nada viene. Este es otro principio
íntimamente relacionado al de la razón suficiente, y en ciencia, todos los hechos, o son
explicables o habrá que hacerlos hablar. Ningún fenómeno por sí solo es auto-explicable o es
auto-causado, siempre ha de obtenerse al menos una explicación mínima y suficiente para que el
evento se considere entendido. Más, el científico necesitará conocer todas las variables que se
presumen su génesis.
Para Spinoza (1663)31, el onceavo axioma que hace referencia a una exposición geométrica de
los Principios de Filosofía de Descartes, establece: No existe nada a lo que no se le pueda pedir
¿Cuál es la razón? Por la que existe. Su explicación se presenta así: dado que existe es algo
positivo, entonces, no se puede decir que no tiene nada como su causa (axioma 7). Entonces,
habrá que asignársele una causa positiva. De esta manera, el Principio de la Razón Suficiente se
convierte en el primer motivo para el accionar científico.
Ninguna causa puede producir todo su efecto en un mismo instante de tiempo, aunque existen
causas y efectos simétricos <<Concomitantes32 o Epifenoménicos>>, el espacio temporal entre
la causa y su efecto han de ser determinados. Si el espacio de tiempo entre “A” y “B”, donde
“A” precede y “B” sucede, es tan corto que puede ser visualizado, entonces toda razón
explicativa ha de conducir a algún concepto de acción, es decir, incluye alguna interacción entre
objetos físicos. Lo que lleva a inferir, que existe una interacción física como, que la mejor
31
De esta manera Aparece referenciado por The Stanford Encyclopedia of Philosophy. Tema: Principle of Sufficient Reason.
32
Se dice que, cuando una variable oscila en su nivel de intensidad sujeta a que otra también lo haga entonces existen variaciones concomitantes
o concomitancia. Para un mejor entendimiento del término, Véase: Los Cánones de Mill, Método de las Variaciones Concomitantes. Capítulo
XXIII: Introducción a la Investigación Experimental.
64
explicación posible puede ser representada por medio de ecuaciones que describan el estado de
tal sistema.
Donde cada una de estas unidades aportará un sentido de proporción a través del cual se hará
posible observar el universo que rodea al fenómeno, y donde cada individuo ocupa su lugar,
Roiman Valbuena: El Principio de la Razón Suficiente.
construyendo relaciones de los unos con los otros. Tratando siempre de establecer dependencias
lógicas sin digresiones para adaptarlas a la estructura cerebral de quien o quienes recibirán y
aceptarán tal razón suficiente. En ese sentido, una estructura cerebral se construye a través de
procedimientos lógicos que condicionan a la mente para aceptar ideas, en donde cualquier
argumento contradictorio se torne realmente inconcebible.
Es allí donde se concatena cada unidad de razón con otra, haciéndose tan sólidas que logren
constituirse en ideas de verdad o realidad, arrojando como resultado, una explicación tan amplia
y precisa que pueda transformarse para muchos en una razón suficiente. Ésta simplemente se
emite a través del denominado juicio auto-consistente basado en el pensamiento reflexivo.
En otro contexto, para Heidegger Op, Cit, cada causa tiene un tipo de razón, pero no cada
razón brinda algo sobre el sentido de causación (p. 117). Por ejemplo, explica el autor: la
sentencia universalmente aceptada y válida: “Todos los Hombres son Mortales”, de hecho
contiene la razón por la cual se observa que Sócrates es mortal, pero no explica las causas de la
muerte de Sócrates. Según Heidegger, Leibniz fue una de las principales figuras en el desarrollo
de una teoría sobre el Principio de la Razón Suficiente, para este último, consiste en uno de los
Supremos y Fundamentales Principios, pero no el más importante.
Leibniz lo denominó; “The Principium Reddenda e Rationis” o “To Render the Reason”, es
decir, El Principio de la Razón Prestada. Y sobre el cual existen 3 preguntas, todas aparecen en
Heidegger op, cit (p. 117 y ss.):
33
Los conceptos de Unidades de Razón y de estructura cerebral fueron tomados del libro de FitzGerald (1887). A Treatise on the Principle of
Sufficient Reason. P. (54-55).
65
Leibniz respondió a la primera pregunta con una muy interesante observación. Una razón es
una razón prestada, porque la verdad sólo puede ser verdad si una razón puede ser prestada
para ella. Y una razón es prestada simplemente porque rinde cuentas a una sentencia de verdad.
De lo escrito por Leibniz se interpreta que, a medida que se sumen o resten unidades de razón al
juicio que afirma, concatenando para más o para menos una razón con otra, la idea de la razón
prestada se hace más verdadera.
justificación, entonces se carece de evidencias concretas y correctas. Los juicios por sí mismos
no son verdad, un juicio solo es verdadero cuando se especifica una razón para concatenarlo
cuando existe relación, es decir, cuando se da una cuenta. Es como una donación, cuando la hay,
surge la necesidad de entregarla y rendirla. En ocasión de la tercera pregunta respondió: a los
humanos, pues son quienes determinan los objetos como objetos y los juzgan a través de su
representación.
Se ha otorgado pues razón suficiente sólo cuando, tanto el receptor de la explicación como
quien la describe, se sosiegan y satisfacen con la verdad mental, es decir, la explicación se torna
conforme a los actos del entendimiento. Y, al contrastar con la verdad real, cada cosa es
indubitablemente lo que es. La verdad mental es simplemente lógica, la real es la
correspondencia entre las cosas. Satisfacer el Principio de la Razón Suficiente es un verdadero
acto de ciencia, donde cada investigador ha de usar las destrezas de las que dispone y lo
cualifican.
E
l Principio de Correspondencia establece que, toda nueva teoría, la cual se entiende
viene a suplantar a otra, ha de poder explicar por qué su antecesora ha operado tan bien
como ha sido posible observar, su explicación debe basarse en la junción o
complementación de conceptos. Según Abbagnano (2004, Véase concepto de:
Complementariedad), se llaman complementarios a dos conceptos opuestos, pero que se
corrigen recíprocamente y se integran en la descripción de un fenómeno. Según Bunge (2001),
la correspondencia como regla metateórica, consiste en un enlace entre lo teórico y lo empírico.
Este principio, más que a la lógica, pertenece a la arquitectura de la razón.
En matemáticas se dice que existe correspondencia cuando algunos elementos del conjunto
“X” se relacionan con otros pocos del conjunto “Y”. La correspondencia establece una noción
de orden y jerarquía, evidenciando la existencia de una relación o vínculo. En la investigación
científica, sobre todo en la comparativa, existirá correspondencia unívoca si las poblaciones o
conjuntos a comparar presentan cada una la misma cantidad de sujetos. Si la correspondencia es
uno a uno, es decir, sujeto a sujeto, entonces se denomina cardinal.
Donde para cada “a” del conjunto “X” coexistirá también un “a” en el conjunto “Y”, esto
34
Refiérase a la sección de los Experimentos Mentales en el Capítulo XXIII: Introducción a la Investigación Experimental.
67
asegura de alguna manera la igualdad en cuanto al número entre dos poblaciones equivalentes.
Ahora bien, si en el proceso comparativo existen más de dos poblaciones, se establece una
correspondencia múltiple. Para el científico, cualquier idea de correspondencia ha de ir precedida
por evidencia soportada por la lógica de relaciones y la lógica de clases, pues es ésa la manera de
construir conocimiento, la de relaciones permite visualizar la posibilidad de correspondencia, la
de clases establece la cantidad de conjuntos a corresponderse.
Todo es doble, todo tiene dos polos; todo, su par de opuestos: los semejantes y los
Roiman Valbuena: El Principio de Correspondencia.
antagónicos son lo mismo; los opuestos son idénticos en naturaleza, pero diferentes
en grado; los extremos se tocan; todas las verdades son medias verdades, todas las
paradojas pueden reconciliarse. Rinaldi op, cit (p. 53).
En física, el principio fue introducido por el físico Danés Niels Bohr en 1923 en el contexto
de la vieja teoría cuántica, según Bohr, este principio de complementariedad o correspondencia
se expresa así: Una descripción espacio – temporal y una secuencia causal rigurosas de
procesos individuales no pueden ser realizadas simultáneamente, pues debe sacrificarse la una o
la otra36. Bohr planteó simplemente, si bien es cierto, la física clásica y la física cuántica difieren
grandemente, cualquier modificación que hubiere de practicársele a las ecuaciones de la
mecánica clásica cuando aborda temas sub-microscópicos, al ampliar sus resultados al mundo
macroscópico estos deben corresponderse.
Para Bohr, su principio establece que al observar las leyes que gobiernan las acciones y
35
El Kybalion y la Ciencia por Silvia Rinaldi (2003). Véase:
36
Nicola Abbagnano, diccionario de filosofía, Principio de Correspondencia. Véase:
68
reacciones de los objetos grandes, estos no pueden más que originarse de las mismas leyes que se
observan en el mundo microscópico. En el caso de la física, cualquier observación de la física
clásica se origina en la mecánica cuántica. Ahora, preste atención al siguiente ejemplo de
Russell37 (1984) en cuanto a los niveles de organización de la materia: las partículas elementales
se juntan para formar átomos estos átomos se combinan y forman moléculas de estas se
forman las micro-moléculas al combinárseles se da origen a las células simples de su
combinación nacen las células complejas de éstas últimas se originan los tejidos y los órganos
y esto es lo que da origen a los seres humanos, es decir, a organismos autoconscientes. Esto es
un sistema.
como en la física clásica. Bohr respondió de la siguiente manera38: cuando se usa el principio de
correspondencia y se estudian objetos cada vez mayores, las leyes inciertas que gobiernan a las
partículas subatómicas, deben ir manifestando menor incertidumbre conforme se acercan así a
las leyes clásicas (p. 45). Asegura también… existe una especie de transición desde lo pequeño
a lo grande según lo cual en ambas teorías debe darse el mismo resultado. Y en el límite,
algunos fenómenos podrán explicarse con ambas teorías, a esto se denomina correspondencia. Es
decir, este principio permite la correspondencia entre dos teorías que hasta 1923 carecían de
relación alguna.
37
Aparece en El Kybalion.
38
Aparece en: El Ocaso de la Certeza por Salvador Jara Guerrero.
69
El conocimiento que se adquiere por obligación no tiene ningún poder sobre la mente.
Platón.
70
S
e entiende por conocimiento, a una operación de la mente y el entendimiento que se da
lugar en la conciencia, mediante la cual, un sujeto cognoscente aprehende un objeto
cognoscible del mundo exterior circundante, siendo el objeto, trascendente al sujeto
cognoscente, condición necesaria para que se reproduzca tal acto. Es cuando el sujeto epistémico
asimila para sí sus cualidades y propiedades. Su razón de ser es la de alcanzar escalando, ciertas
nociones de verdad, de manera que le asienta a comprender los fenómenos que le rodean.
El conocer se produce a través del trabajo conjunto entre los sentidos y la inteligencia.
Significa que la mente analítica utilice la noción de orden para relacionar, separando así, lo igual
de lo distinto, el efecto de su causa, y ordenar las cosas según ciertas prerrogativas de
operaciones voluntarias. El conocimiento permite al hombre comprender la esencia de las cosas,
lo que son, para qué están allí y porqué. Su adquisición se asocia a la práctica común de cierta
actividad cotidiana.
voluntad, en la pasión arraigada hacia lo percibido. Andrés Piquer39, solía decir, nada puede
querer la voluntad sin que la ilumine el conocimiento; <<nibil volitum quin praecognitum>>
La segunda fase se corresponde con la verdad, es allí donde se comparan entonces las ideas,
al contrastar una verdad lógica (formal) contra una material que da como resulta un juicio. Es en
la tercera fase, justificación, donde la creencia en el conocimiento es alimentada, y como de la
comparación resultó un juicio no corrupto, entonces el entendimiento le percibe claramente.
Sepamos diferenciar estricta y coherentemente entre conocimiento y entendimiento. El primero
es la acción mental de la aprehensión de la esencia de la cosa, el segundo, sabiendo lo que la
cosa ya es, consiste únicamente en usarla como operación resultante de su inteligencia.
Roiman Valbuena: El Origen de las Ideas y el Conocimiento Científico.
Es así como hasta el momento tenemos a las creencias, la verdad y la justificación, ninguna
funcionaría sin la existencia de las ideas. A estas últimas por su lado, se les concibe como una
unidad mental, en un primer momento aislada y que puede ser representada como un concepto.
Cuando la conciencia establece relaciones lógicas entre diferentes ideas, se crean nociones
mentales que dan forma a una proposición, de hecho, toda proposición es una relación entre al
menos dos ideas. Las ideas en la mente existen como potencias mentales que luego de
procesadas por la inteligencia dan orden a las operaciones del entendimiento.
Las ideas se generan en la conciencia, y son la evidencia que patentiza una operación
intelectual. Para Locke40, las ideas son aprehensiones del sujeto cognoscente y no propiamente
conocimientos, sin embargo, son estas las que permiten construir el conocimiento humano. Sin
ideas las sensaciones carecen de forma, toda sensación es por tanto objetiva. Más, las ideas
conforman la parte subjetiva que cristaliza conocimientos. La ciencia depende de las ideas, sin
embargo, allí la dificultad estriba no realmente en concebirlas, sino, en deshacerse de las viejas.
Locke41 argumenta que las ideas sólo tienen un origen:
39
Andrés Piquer (1781; p. 18). Cap. IV: De Las Cosas que Acompañan a los Actos del Entendimiento.
40
LIBRO II. CAPÍTULO 1. De las ideas en general y de su origen. En: Ensayo sobre el Entendimiento Humano. (1999) Véase.
41
Puede leerse en el mismo aparte.
42
Según la óptica de David Hume, percepción es toda representación alojada en la mente, en consecuencia, las hay de dos tipos: las impresiones
y las ideas. Las primeras son fuertes y bastantes claras a la conciencia, es de allí donde surgen las ideas como copias de tales impresiones alojadas
en la mente pero no tan fuertes como las impresiones. Pues toda impresión deja como marca una idea, a su vez, no hay ideas que no tengan como
origen alguna impresión.
72
A lo planteado por Locke, William Whewell 43 (1840; p. 21) agrega: los únicos procesos
mediante los cuales es posible construir la ciencia son la Explicación de Conceptos y la
Concatenación de Hechos. Los hechos se corresponden con los materiales de la ciencia, pero
todos los hechos envuelven ideas. En ese sentido, al observar hechos no es posible excluir ideas,
se debe entonces, para propósitos de la ciencia, asegurarse de que cada idea sea clara y
rigurosamente aplicada.
Basada en ideas innatas, la razón produce un orden que le consiente a establecer la posibilidad
de formular hipótesis plausibles atribuibles a la psicología de procesos cognitivos. En todas las
ciencias, ciertas ideas en un primer momento parecen extrañas 44 , no obstante, son esas
Roiman Valbuena: El Origen de las Ideas y el Conocimiento Científico.
nociones mentales las que permiten establecer secuencias sobre operaciones hipotéticas
conformadas como imágenes en el cerebro humano, alzándose sobre el fenómeno y
explicándolo. Según la psicología, toda buena idea se mejora con la concentración, en este estado
se producen los denominados flashes perceptivos o razonamientos de alta velocidad.
Es en el estado de concentración donde un efecto encuentra su causa. Según Locke Op, Cit.
El científico necesita haber desarrollado las facultades naturales de percepción, comprensión y
memoria. Además de facultades innatas como: la abstracción, la comparación y el
discernimiento. La combinación de ellas da origen a la facultad de teorización. Es allí donde
cada juicio se afina a manera de distinguir y separar las ideas similares de las contrapuestas. Al
comparar ideas en las cuales sus acuerdos y desacuerdos no puedan ser establecidos a primera
vista, especialmente si su naturaleza no admite una relación precisa de la una con la otra,
entonces es necesario establecer coincidencias mutuas entre las partes mediante una tercera idea,
denomínese a este proceso relaciones remotas.
Las relaciones remotas permiten descubrir significados entre ideas usando símbolos
intermedios, en el descubrimiento de relaciones entre ideas se comparan instancias coincidentes
con instancias no coincidentes. Si en un primer momento no existen o no están presentes, se
precisa entonces de la intervención de una tercera idea, a esto se llama razonamiento, siendo esto
último lo que a la final permite cristalizar conocimientos. Se dice que se ha completado un acto
de razonamiento, sólo cuando se emite un juicio basado en la comparación de una idea
intermedia con las de sus extremos.
43
Véase: Aphorism Concerning Science: Aphorism I and IV.
44
Einstein presentó varios trabajos que para muchos eran derivados de ideas extrañas: 1- Medir la velocidad de la luz usando como instrumento a
un interferómetro. 2- Concibió la idea para determinar el efecto del calor en la conductividad eléctrica de un material. Ambos fueron rechazados
por Weber su director de tesis. Incluso al cambiar de director, un tercer proyecto le fue rechazado por simple. A raíz de ello no podía encontrar
empleo y no lo aceptaban como profesor en las universidades. En cierta época debió sobrevivir dando clases particulares con clientes que captaba
de publicaciones en los periódicos. Presenta entonces en 1907 su primer artículo sobre la teoría de la relatividad en la Universidad de Berna, el
cual fue rechazado porque no pudo ser comprendido. Quizás la idea más extraña de Einstein fue el afirmar que nunca habló hasta los tres años
puesto que no deseaba hacerlo como otros niños con palabras cortadas, y hasta que no se sintiera formado para dialogar con frases completas no
lo iba a hacer.
73
anteriormente descritas sino que les son necesarios ciertos mecanismos de síntesis, a través de
los cuales, el ser humano adquiere conocimientos y estos son 3: los sentidos, la apercepción45 y
la imaginación 46 . El sentido representa la percepción y el reconocimiento de estímulos
sensoriales específicos. La apercepción admite el reconocimiento y categorización de
combinaciones de recuerdos, así como, entradas sensoriales nuevas y que serán unificadas
entendiéndolas como experiencia sensible. Por último, la imaginación, este mecanismo asocia y
sintetiza ideas sin la acción de algún impulso sensorial.
Las percepciones no llevan ni ameritan un orden de sucesión, pero para que el pensamiento
las transforme en ideas, la facultad, acción y condición de percibir debe manifestar cierto orden,
secuencias repetitivas de la misma cosa. Quiere decir, el intentar identificar un patrón repetitivo
45
Apercepción: se le concibe como una operación de la mente y la inteligencia a través de la cual el ser humano asigna sentido epistémico a una
idea, y que posteriormente será guardada por asimilación con el conjunto de ideas preexistentes. Logrando así trascender desde el conocimiento
figurativo o simbólico, al conocimiento operativo, este último, es el que admite la construcción de la realidad.
46
Puede ampliarse este aparte en el excelente libro de Peuquet, Donna (2002). Representation of Space and Time.
74
Como el conocimiento no viene solo ni nace por casualidad, a continuación describo algunas
formas de adquirir conocimientos de manera natural, existen varios tipos de conocimiento fuera
del ordinario: el denominado conocimiento Inmediato o directo e intuitivo; los a priori y a
posteriori; además del conocimiento demostrativo.
75
La vista capta y la mente interpreta lo que al hombre se le presenta, es el resultado del dato
sensorial de la visión que no involucra ninguna inferencia ni ha sido objeto de raciocinio o
Roiman Valbuena: El Origen de las Ideas y el Conocimiento Científico.
reflexión. Se le conoce como inmediato puesto que a la esencia del objeto conocido no se le
interpone la esencia de ningún otro objeto, no existe proceso intermedio alguno entre el dato
observado y la conclusión expresada. Es diferente al conocimiento mediato, el cual se obtiene
como producto del razonamiento por la inferencia.
47
El conocimiento generado en la conciencia es producto de la mente analítica.
48
Véase: Reason and Intuitive Knowledge in Spinoza’s Ethics: Two Ways of Knowing, Two Ways of Living.
76
saber, sólo admite observar determinado fenómeno particular, y por no presentar conexión con la
razón y el entendimiento, es imposible extraer de él el porqué de cada cosa. Para ello son
necesarios otros tipos de conocimiento.
A Priori, según (Rosental & Iudin, 2004), término de la filosofía idealista que designa un
saber obtenido antes e independiente de la experiencia. A Posteriori, a diferencia de A Priori,
designa todo aquel saber obtenido de la experiencia. Para Kant 49, es aquel conocimiento que se
concibe lógicamente, y no temporalmente, a la experiencia. Lo admite como un tipo de
Roiman Valbuena: El Origen de las Ideas y el Conocimiento Científico.
Entre los conocimientos a priori descritos por el autor, reciben el nombre de puros aquellos a
los cuales no se les ha añadido nada empírico, es decir, es independiente de esta o aquella
experiencia. Como ejemplo: la proposición «Todo cambio tiene su causa» es a priori, pero no
pura, ya que el cambio es un concepto que sólo puede extraerse de la experiencia. A aquellos
que conciben que el mundo se pueda llegar a conocer mediante sólo la intuición y la razón pura,
deslindándose de cualquier observación o experimento, se les conoce como Aprioristas. Es de los
conocimientos a priori de donde Kant extrae el Problema General de la Razón Pura.
49
Crítica a la Razón Pura. I. IDEA DE LA FILOSOFÍA TRASCENDENTAL. Véase.
77
inferencia de la mente analítica que a través de la evidencia ha disipado cualquier duda, lo que se
constituye de hecho, en la esencia de toda ciencia. Una serie de conocimientos lograrán alcanzar
el grado científico sólo si después de su adquisición, es posible demostrar que están
concatenados entre sí por sus relaciones lógicas.
Ya que, toda investigación que se considere científica ha de cumplir con los preceptos de la
lógica, su condición de validez descansa precisamente allí, en la propiedad y atributo que admite
la demostración del conocimiento de ella derivado. En vista de que todo conocimiento parte
desde nociones previamente adquiridas, es decir, de experiencia. Sólo se conocerá una cosa
después de haber conocido su causa. Entonces, la demostración en sí es netamente explicativa, y
se aceptará como demostrado posterior a que este acto se halla ejecutado, la acción demostrativa
se perfeccionará entonces a través de las enumeraciones de evidencias o ideas particulares.
La Apodeixis o demostración según Platón, consiste en una forma de la retórica aplicada por
los filósofos donde se justifica lo que se pretende saber, y se hace por oposición a la simple
persuasión. Según Aristóteles (Segundos Analíticos), se conoce como demostración al silogismo
que produce ciencia, entonces, el principio lógico de estas, Apodeixis, consistirá en la
derivación.
no sofista, ya que, no es lo mismo creer algo que saberlo, para lo segundo es necesaria la
demostración, para lo primero la religión. La demostración se transforma entonces, en el único
medio para obtener un saber cierto sobre algo.
A ello Platón agrega que solo la intuición intelectual puede ser más verdadera que el
conocimiento demostrativo. Cualquier verdad científica siempre estará expuesta ante tres tipos
de analistas; los dogmáticos, los escépticos y los moderados. La demostración a través de la
evidencia aleja a los dogmáticos e impide el paso a los escépticos, es donde entonces los
moderados hacen uso de aquello concebido a la luz de la verdad.
En ese sentido, Santo Tomás también aseguraba que el conocimiento de la causa era
conocimiento demostrativo. Contrariamente, para David Hume en (Goefrey, 2005), el
conocimiento está reservado a la matemática pura, y la demostración es sólo una cuestión de
comparación de ideas, (p. 61).
Goefrey (p. 171) argumenta que en la antigüedad había al menos dos tipos de evidencias
asociadas a dos tipos de teorías. En primer término, las causales, estas permitían inferir causas a
partir de signos. Donde la evidencia observacional jugaba un papel importante en el
descubrimiento de tales causas.
El otro tipo de teorías fueron las matemáticas. Hoy día se usa la idea de prueba experimental,
que además de aceptar/rechazar teorías, permite la evidencia probatoria. Locke Op. Cit, aduce
50
Cap. I: Del Conocimiento en General. En: Ensayo sobre el Entendimiento Humano. (1999) Véase.
79
que el segundo grado de conocimiento en ciencias es el demostrativo, sin embargo, existen casos
donde la mente permanece en ignorancia por la desgracia del no saber pensar y al no poder
comparar ideas, no al menos inmediatamente, lo cual explica51 así:
51
Libro IV del Ensayo sobre el Entendimiento Humano. Capítulo ii. Sobre los Grados de Nuestro Conocimiento. 2. Conocimiento Demostrativo.
80
Las causas primarias nos son desconocidas; Pero están sujetas a leyes simples y constantes, que
pueden ser descubiertas por la observación, siendo el estudio de ellas el objeto de la filosofía
natural.
Jhon Dewey.
U
na Ley Científica es una construcción intelectual del hombre de ciencia como resultado
de al menos dos procesos; una actividad mental abstracta y la agrupación de un
conjunto de datos. Consiste en una sentencia legaliforme que describe un orden
relacional sobre un fenómeno, y el cual permanece invariante bajo determinadas condiciones.
Allí, sus prerrogativas o supuestos disipan toda sombra de duda del mecanismo invisible que une
a las diferentes etapas de un evento, relacionándose entre ellas por medio de interacciones,
niveles jerárquicos e intervalos temporales con propiedades matemáticamente explicables. Pues,
toda ley involucra magnitudes y ecuaciones que permanecen fenomenológicamente invariantes.
Las Leyes Científicas presentan un patrón que se modela matemáticamente basado en supuestos
audaces que admiten demostración. Y son los procesos de la Investigación Científica los que
permiten al científico descubrir lo oculto en aquello que ha estado siempre tangible.
Toda ley es objetiva, con rasgos de practicidad e interactividad entre lo que permanece
invariante en el fenómeno y las imágenes que éste imprime en la mente del hombre de ciencia.
Su carácter objetivo descansa sobre el hecho de que todo objeto carece de voluntad propia, por
tanto, sus acciones estarán determinadas por cierta cantidad de reglas, magnitudes y cantidades
que lo describen y les son inherentes, no pudiendo este desprenderse o separarse de ellas.
La practicidad se presenta cuando ya el científico, conociendo la ley que rige y gobierna tal
fenómeno, hace intentos por transformarlo y ajustarlo a su entorno práctico. Henry Poincaré
sostenía que una ley es un vínculo constante entre un antecedente y un consecuente, entre el
estado actual del mundo y su estado inmediatamente posterior. Allí se hace presente una
relación constante que explica el mecanismo regulador del accionar del objeto de estudio.
una clase especial de hipótesis y consiste en el objetivo central de la investigación científica; por
medio de teorías se unifican leyes, y a través de ellas se pueden entender y prevenir
acontecimientos (p. 265).
procesos y concepciones formadas desde las perspectivas que solo se producen como facultades
humanas.
Las leyes ameritan de condiciones iniciales de características sencillas, pero que uniforme y
pacientemente acompañan al fenómeno en todas sus instancias. Pues, una ley es lo único que
permite explicar el porqué, aquello que varía, lo hace de determinada manera. Convirtiéndose
indubitablemente, en un requisito para exponer eventos desde su mínima representación hasta
llevarlo al nivel predictivo. Allí, gran parte de tales condiciones iniciales han de ser abducidas
por el científico. Para crear una ley, es recomendable primero construir un modelo concreto e
ideal que aglutine al conjunto de datos y supuestos iniciales, permitiendo así el visualizar a
través de lo segundo, el cómo interactúa y opera lo primero.
Se ejecutará entonces tal observación desde lo más abstracto hasta lo menos abstracto. En lo
menos abstracto, se introducirán teorías de nivel alto que darán soporte al contexto explicativo
sin concentrase en elementos superfluos y excluibles de él. Cuando el hombre de ciencia dice
haber descubierto una ley, ha abstraído, comparado, discernido y eliminado, todo material
científicamente estéril. El pináculo de la ciencia es precisamente ese, descubrir leyes que rigen
fenómenos, es la evidencia que patentiza la afinación de juicios y la separación de ideas, pues, no
existe nada más allá de tal descubrimiento, es así como la concreción de una ley consiste en la
medalla de oro de las olimpíadas científicas.
Una teoría puede y debe cambiar con el devenir del tiempo, no así una ley, ésta se resiste a
todo cambio siempre que sus condiciones iniciales presenten uniformidad e invariabilidad.
52
Reduccionismo: consiste en un efecto específico de un dominio particular de una ciencia que es posible reducir a otra. Desde el punto de vista
filosófico, el término se refiere a la tesis universal de que un efecto en una ciencia como la química, es posible reducirlo a los fundamentos de la
física. Pues, las mismas moléculas que aparecen en la química, en ciertos casos son estudiadas también por la física. Este punto de vista es
conocido como la doctrina de la unidad de la ciencia, “Unity of Science”. Encyclopedia of Philosophy of Science, Routledge (1998). Concepto
de: Reduction, Problem of <<Véase>>. La teoría reduccionista considera que una explicación es entendida como aquella que permite conocer
una propiedad de una entidad en términos de propiedades no relacionales entre sus partes. Donde una ley de nivel bajo puede alimentarse de una
de nivel alto simplemente porque coincidan en sus propiedades. Contrariamente, el Emergentismo, rechaza el uso de cualquier tipo de substancia
como dualismo cuando se usa con el propósito de explicar la aparición de una propiedad de alto nivel. La teoría emergentista aduce que entre
substancias existen propiedades de alto y bajo nivel que no pueden ser asociadas, una molécula que aparece en química no siempre presenta el
mismo comportamiento cuando se le introduce en la física, no se trata de la molécula en sí, sino de su comportamiento. La más fuerte de las
premisas Emergentista es la número 4. Se describe así: “Las propiedades emergentes de un sistema entero pueden afectar el comportamiento de
tal sistema”. A esto se le denomina “Downward Causation” o Causación hacia abajo. También recibe los nombres de: Hierarchical Downward
Control” o Control de Causación Descendente; o como Macro determinación. Sarkar y Pfeifer (2006), The Philosophy of Science. Concepto de
Emergence, Véase.
84
Es así como, cualquier evento que acontezca en el mundo material, está atado
indubitablemente a los fundamentos de las leyes de la física, y es por consiguiente, explicable a
través de ellas. De esta manera, si tal evento existe, entonces contiene piezas evidenciales que lo
hacen matemáticamente formulable y sigue un orden causal. Cuando el científico centra su
esfuerzo en tratar de explicar aquel conjunto de hechos observados sobre el objeto, está
simplemente haciendo uso de la razón.
Y la única forma en que la razón puede descubrir causas verdaderas y valederas, es reducir
Roiman Valbuena: Sobre el Significado de las Leyes Cientificas
los pensamientos a conceptos y luego estructurar leyes. Antes de hacerlo, claro ha de estar de la
notable diferencia entre las leyes del pensamiento y las leyes naturales.
Las primeras se corresponden con el arte del pensar, de discernir, de escribir e incluso hablar.
Son las que admiten al hombre separar lo verdadero de lo falso. Para (Stock, 1888), las leyes del
pensamiento involucran a tres procesos de la misma índole: la concepción, el juicio y la
inferencia de razonamiento. La concepción parte desde una simple aprehensión, es el acto de
formar en la mente la idea de algo; por ejemplo: cuando se forma en la mente la idea de una
copa, se está ejecutando el proceso de concepción.
El juicio se corresponde con un estadio más elaborado, allí se necesitan al menos dos ideas
para comparar y discernir en el sentido en que el objeto es utilizado, y sirve para declarar sus
acuerdos y desacuerdos. Por ejemplo: una primera idea de la copa en la mente y una segunda
idea de que está hecha de porcelana, al combinarlas se crea el juicio: “Esta copa está hecha de
porcelana”. La Inferencia de razonamiento, es el paso en la mente de una o más sentencias a
otras, por ejemplo: desde dos sentencias como: Cualquier cosa que se hace de la porcelana es
frágil, y Esta copa es de porcelana, evoca entonces un tercer juicio: Esta copa es frágil.
Sostiene también Stock… posterior a la afinación de los tres pasos previos se llega a lo
siguiente: Los conceptos surgirán como resultado de la comparación de atributos; los juicios
serán el resultado de la comparación de conceptos, y la inferencia se sobrevendrá como
resultado de la comparación de juicios, (p. 10). De esta manera se crea la estructura paramétrica
y procedimental para la estructuración de leyes científicas soportadas sobre las leyes del
pensamiento en el hombre de ciencia. Contrariamente, las leyes naturales surgen necesariamente
de la abstracción y la observación, describen comportamientos de la naturaleza y son valederas
universalmente.
85
Un enunciado para leyes lógicas <<lo anteriormente descrito se corresponde con sus primeros
pasos>>, se construye sobre las bases de estructuras formalmente válidas de inferencia.
Esquematizando e hilvanando un modelo de razonamiento concreto y correcto. Es así como toda
ley científica posee la capacidad de explicar y predecir, a través de cierto cuerpo de
conocimientos y con rigurosidad profunda, la esencia del fenómeno aludido, develando todo
conjunto de relaciones importantes pero no observables. En ese sentido, John Stuart Mill en
Echeverría (1998, p. 165) argumenta:
cuales la ley inicial no es más que un caso, que puede ser deducido de ellas.
En atención a lo descrito por Mill, préstese atención a los enunciados que dieron origen a las
Leyes de Kepler53:
Primera Ley: Los planetas describen órbitas elípticas estando el Sol en uno de sus focos.
Segunda Ley: El vector posición de cualquier planeta respecto del Sol, barre áreas iguales de
la elipse en tiempos iguales.
Tercera Ley: Los cuadrados de los periodos P de revolución son proporcionales a los cubos
de los semiejes mayores a de la elipse.
Obsérvese que la segunda y tercera ley han sido deducidas de la primera, la cual no es más
que un caso. Kepler llega a tales leyes luego de una apreciación entre la observación cuantitativa
y la construcción teorética, la primera se genera luego de analizar las propiedades de las elipses,
para la segunda y tercera, reducidas desde la primera, utiliza las leyes de la lógica formal y la
construcción de enunciados basados en axiomas. Las dos propiedades más importantes de las
elipses son:
1. En toda elipse existen dos puntos llamados focos, tal que, la suma de las distancias desde
los focos hacia cualquier punto de la elipse es constante: a + b = Constante.
2. La forma aplanada de una elipse, y que la diferencia de una circunferencia, recibe el
nombre de excentricidad (grado de aplanamiento). Donde la excentricidad de la
circunferencia es un caso especial de la misma.
53
Johannes Kepler (1571 – 1630), Científico Alemán. Muy conocido por el descubrimiento de las 3 leyes que rigen los movimientos planetarios
y la dinámica celeste, las cuales publicó en dos tiempos: 1609 y 1619. Hizo importantes aportes a la ciencia con sus trabajos sobre física óptica
(1604 y 1611). Se le atribuye también el descubrimiento de dos nuevos poliedros regulares (1619). En 1624, hizo importantes declaraciones
acerca del cómo operan los logaritmos. A pesar de ser un hombre de ciencia, todos sus escritos contienen numerosas referencias hacia dios.
Kepler vio sus trabajos como cumplimiento de un deber cristiano de entender la obra de dios. Siempre estuvo convencido de que dios había
creado el universo en consonancia con cierto plan matemático (Platón y Pitágoras creyeron lo mismo). Posteriormente Einstein, adoptaría tal idea
con la frase “Dios no juega a los dados con el universo”. Hoy día, sus obras sirven como referencia en investigaciones científicas donde se
persiga la creación de leyes. Pues, sus tres leyes, subjetivamente explican los mecanismos necesarios y suficientes para tal fin.
86
Kepler llega como conclusión a sus leyes luego de estudiar estas propiedades de las elipses, y
la construcción teorética la sustentó en el Modelo Heliocéntrico de Nicolás Copérnico. Este es
uno de los ejemplos clásicos de reducción de leyes por teorías.
James Clerk Maxwell 54 (1831: 1879); uno de los más famosos físicos británicos por el
desarrollo de la universalmente conocida y brillante Teoría Electromagnética de la Luz, la cual
es explicada a través de cuatro ecuaciones fundamentales de la física: la ley de Gauss para
campos eléctricos; ley de Gauss para campos magnéticos; ley de Faraday y la ley de acción
mecánica entre corrientes eléctricas o ley de Ampere.
crea una corriente eléctrica; así como: Una corriente eléctrica variable en un circuito induce la
aparición de una corriente eléctrica variable en otro.
Para describir leyes, toda la potencia mental del científico ha de estar centrada en la
observancia de los hechos y su correcta concatenación. De la observancia parten las ideas, pero
no podrá concatenarlas si no alimenta su intelecto con axiomas abstractos, y que posterior a su
formulación, deberá correctamente representarlo hacia el universo discursivo donde dirija su
explicación. Toda ley científica es en esencia una creación humana. Donde se formulan
proposiciones que serán usadas por hombres de ciencia en su esfuerzo colectivo por explicar,
predecir y controlar al mundo. Para con ello entender el funcionamiento del universo.
54
Tomado y reinterpretado desde: James Clerk Maxwell (1873), A Treatise of Electricity and Magnetism. Volúmenes I y II. Al lector que desee
profundizar sobre las relaciones y ecuaciones matemáticas implícitas en la teoría, refiérase al Volumen I: Cap. IV: Teoremas Generales. En el
capítulo XX de su segundo tomo es donde desarrolla por completo los lineamientos que rigen a la Teoría Electromagnética de la Luz.
87
Ya que todo lo que con ella logre ser explicado adquirirá dimensiones deterministas y no
probabilistas. En este punto ya no hay hechos posibles, por el contrario, el conjunto de
argumentos legaliformes se convierten en sujetos de hecho con capacidad demostrativa y
probatoria. Interconectando iterativamente, largas cadenas de ilaciones teóricas con propiedades
matemáticamente explicables haciendo uso de ecuaciones funcionales.
Con respecto a las ecuaciones funcionales, Falmagne y Doble (2015; p. 27) sostienen que
existen situaciones en ciencia o en matemáticas, donde la intuición del investigador sobre el
fenómeno lo guía hasta una ecuación que involucra a una o más funciones desconocidas. Por
presenta su origen en la intuición, significa entonces que se sucede en una etapa temprana de la
investigación donde el científico asume cierta especificidad acerca de la forma de las funciones.
Roiman Valbuena: Sobre el Significado de las Leyes Cientificas
Donde no todas las explicaciones han de contener todos los tipos de pasos, y algunos podrán
presentarse más de una vez. En el paso de aplicación, la teoría es adaptada al tipo de objeto que
con la ley se pretende explicar, implícita o explícitamente. En el paso de agregación, el efecto
legaliforme total, y que representa a los objetos individuales es calculado. Sin embargo, requiere
de hipótesis estadísticas auxiliares. En el paso de identificación, se procede a transformar el
resultado de la ley agregada, usando para ello, algunas identificaciones hipotéticas y supliéndolas
como hipótesis auxiliares, allí se conectan los términos de la teoría con los de la ley.
En el paso de correlación, toma forma una similar transformación, pero sobre las bases de
hipótesis causales auxiliares. Y por último, en el paso de aproximación, la ley hasta ahora
obtenida es transformada hacia el modelo buscado, sobre las bases de una hipótesis auxiliar
idealizada. Contrario a los pasos anteriores, el último consiste en un paso no deductivo. P. 31.
Kuipers argumenta que las reducciones representan a una sub-clase de explicación de leyes,
conteniendo al mismo tiempo, al menos un paso de agregación, identificación o aproximación.
55
Theo A. Kuipers. Matemático y Filósofo. Profesor Emérito de la cátedra: Filosofía de la Ciencia en la Universidad de Groningen. Países Bajos.
Structures in Science: Heuristic Patterns Based on Cognitive Structures an Advanced Textbook in Neo – Classical Philosophy of Science. Véase.
88
Cuando se presenta el caso de que la explicación a una ley hace referencia únicamente a los
pasos de aplicación y correlación, no se constituirá de ninguna manera en reducción. La Micro-
Reducción, consiste en una reducción con un paso de agregación, o simplemente, reducción por
agregación. Por otro lado, una reducción sin agregación, pero con identificación o aproximación
es llamada Isoreducción.
Una teoría “X” reduce a una ley “L”, o “L” puede ser reducida, para/por “X”, si y
solo si: se presentan una condición sistemática y una condición temporal. Para la
Condición Sistemática: “X” explica “L” de acuerdo con el modelo de los 5 pasos,
con al menos uno de los 5 pasos, la agregación, o paso 2 provista, no es una trivial
identificación de (3) o aproximación de (5). Con respecto a la Condición Temporal:
“L” ha sido establecida antes que “X”, es decir, la ley ha sido establecida anterior a
la teoría. Donde la ley ya fundamentada, da paso a la teoría de su fundamento. Es de
acotar que una explicación cruzada de leyes no es un ejemplo de obtención de leyes
por reducción. P. 90.
89
Roiman Valbuena.
A
las Ciencias Sociales se les considera un fenómeno complejo, donde se distingue
claramente que la voluntad del hombre y la naturaleza es totalmente distinta. Aunque
el hombre no es más que un ser bio-social, los científicos sociales no han mostrado
avances en cuanto a liar al ser humano con los modelos bio-matemáticos usados en las ciencias
naturales, ni mucho menos como partículas o grupos de estas usados en la física teórica. En la
Investigación Social las relaciones necesarias entre sujeto y objeto no se profundizan, mucho
menos son formalmente demostrables. Eso la convierte en una ciencia opinática o simplemente
en construcción, pero con gran potencial de desarrollo.
Cuando el hombre no puede discernir de aquellas verdades que le han sido presentadas, y
tampoco puede observar la relación entre el concepto y su hecho, engendra entonces
desconfianza, tendiendo a alejarse de aquello que como cierto le ha sido mostrado. Denominará
entonces opinión, a toda idea invisible que aloje en su mente, y que no pueda fortalecer con
argumentos <<cuestión sobre la cual se disputa una verdad>>, ni mucho menos demostrar a
través de sus propiedades simples y básicas. Pues el hombre con la verdad se sosiega y satisface,
mas no así con la opinión.
Allí, la argumentación ha de ser tan larga como para soportar la cadena de argumentos, y a
medida que avance, la fuerza lógica de cada eslabón ha de solidificar el desarrollo de la
estructura cognitiva. Hilvanando y esquematizando, el árbol jerárquico y relacional que une a los
agentes efectores con los agentes causales, dejando ver en el proceso, a la extraña fuerza que une
a los efectos con sus causas, como condición necesaria entre dos cosas. Sin embargo, la
argumentación persuasiva empleada en la retórica hará que cualquier eslabón pueda ser roto a
través del simple uso de una refutación puntual, dejando sin basamentos científicos a lo que se
pretendía explicar. Cualquier argumento estrictamente orientado a la persuasión se constituye de
facto, en un Pseudo razonamiento.
En ese sentido, sólo se puede conocer lo que no cambia <<ley>>, lo que cambia
56
La Retórica estudia el razonamiento persuasivo o probable. Es el método de algunas ciencias sociales, que se fundamentan en la observación,
mas no describen hechos ciertos sino voluntarios. Santiago Fernández Burillo. Curso de Filosofía Elemental. Sección 3.6: Las Ramas de la
Filosofía. Definiciones. Véase.
57
Hay gente con tan pocas agallas para afirmar algo que creen, que ni siquiera se atreven a decir: "Hace frío", por mucho frío que sientan, si
antes no lo escuchan decir a otras personas. Aforismo atribuido a Georg Christoph Lichtenberg.
91
Denzin (1970) citado por Norman Blaikie en su libro: Designing Social Research (2010, pp.
131 - 140), afirma: las teorías en la investigación social presentan subdivisiones: Grandes teorías,
teorías de medio rango, teorías sustantivas y teorías formales. Según este autor, las grandes
Roiman Valbuena: Sobre la Im/posibilidad de Leyes Científicas en la Investigación Social.
teorías representan un sistema de teorías, con una exposición conceptual de esquemas que
intentan constituir las más importantes características de una sociedad en su totalidad; las teorías
de medio rango se encuentran ubicadas entre las grandes teorías y las generalizaciones
empíricas; en el tercer nivel se consiguen las teorías sustantivas, las cuales se aplican a
problemas específicos.
No obstante acota, que tanto las de medio rango como las sustantivas, se expresan a un nivel
que pueden ser usadas por los investigadores; finalmente, el desarrollo de una teoría formal se
basa en la ahora impugnada58 idea de explicaciones universales, que de la vida social se puedan
desarrollar.
En el mismo sentido, y como ejemplo, bien vale la pena citar a Popper59, quien explica: un
sistema axiomático, y un sistema de ecuaciones son análogos, ambos sirven para representar
teorías por niveles. Tal como lo descrito previamente. Es decir, cualquier modelo de postulados
teóricos podrá ser traducido a ecuaciones matemáticas. Comparativamente, el referido sistema
axiomático deberá ser interpretado de manera que pueda considerarse como un sistema de
hipótesis empíricas o científicas. Y si los eventos sociales desean ser correctamente interpretados
y científicamente predichos, entonces han de poder axiomatizarse sus cadenas causales, o sus
acausalismos <<Eventos sin explicaciones causales>> a través de modelos de teorías formales. Y
de hecho, por ser una idea impugnada, sus científicos no se han atrevido a desafiar
cuestionando, tal aseveración.
Quimérica a todas luces, pues, hoy día el fenómeno educativo se está estudiando a través de
los enfoques de la física teórica. Los procesos de migración han sido abordados recientemente
como fenómenos basados en teorías de campos, y tantos las enfermedades epidémicas como los
estudios de redes sociales han girado hacia una perspectiva bio-matemática formalizada y
demostrable. Los economistas están haciendo uso del operador Lagrangiano, función matemática
58
Con el término IMPUGNADA, se hace referencia a que no hay necesidad, o al menos eso expresan gran cantidad de sus científicos, de leyes
universales y sus explicaciones en tales ciencias, ya que sus problemas se abordan y resuelven desde contextos locales e históricos. Idea falsa en
su totalidad. No obstante, la realidad social está actualmente demandando un cambio en sus estructuras científicas, pues los problemas sociales
están siendo resueltos por la tecnología y no por las investigaciones puras de sus científicos.
59
La Lógica de la Investigación Científica. Véase: Los Sistemas Teóricos, (p. 68-72).
92
capacidad de acción.
En sus investigaciones, son comunes los hechos analíticos con poco o ningún contenido
científico, y la contradicción interna entre las partes de sus sistemas es la que la torna endeble. Se
basa en conceptos imprecisos y no sometidos a la lógica de enunciados, de predicados, de clases
o de relaciones. Además, se hace imposible la visualización de un tercero excluido o la presencia
de una razón suficiente. En la Investigación Social tales conceptos imprecisos al
operacionalizarlos, derivarán en la imposibilidad de reproducir empíricamente, o a través de la
medición, un resultado concreto y objetivo. Se busca la certeza sicológica antes de la evidencia
lógica. Más sin embargo, presentan cierto matiz semántico que los hacen medianamente
aceptables.
Tal ciencia, se centra en explicar acciones y no comportamientos, pero son estos últimos los
que ameritan entendimiento. A pesar de, sus investigaciones arrojan excelentes resultados
cuando inmediatamente se aprovechan sobre ciertos hechos sociales, es decir, investigaciones
aplicadas. O cuando se circunscriben a describir el funcionamiento de determinado aparato
social, descripciones netamente funcionalistas donde sus conceptos son aceptados como
opiniones sin criterio de demarcación alguno.
Cuando en una ciencia como esta, sus basamentos teóricos sólidos se convierten en una
entidad abstracta y opaca, indeterminada e imprecisa, da pie a que sobre los hechos observados
se acontezcan respuesta e inferencias erróneas. Sus argumentos carecerán por consiguiente, de
93
unidad y fuerza lógica. Dando luz a inferencias Pseudo Científicas cuyas conjeturas aisladas
disgregan en vez de concentrar e identificar el patrón que lía a sus unidades fenoménicas.
El lenguaje ordinario en ciencias es correlacionable con los términos ley y teoría, donde el
vector separación entre unidades fenoménicas ha de ser transparente y explicable. Un concepto,
o explicación de un hecho, que no pueda someterse a verificación empírica simplemente carece
de significado, y por consiguiente, de verdad. Históricamente, la Investigación Social ha hecho
Roiman Valbuena: Sobre la Im/posibilidad de Leyes Científicas en la Investigación Social.
abuso de la descripción, describe sin realizar inferencias, esto lleva a ejecutar una representación
simplista del fenómeno, y así no se llegará nunca a ningún descubrimiento.
Cualquier pensador con cierto grado de sobriedad, interpretaría que donde no se pueda
generalizar, confirmar o desconfirmar, estructurar leyes o al menos descubrir fenómenos… no
hay ciencia. Aunque en cierto grado se consigan verdades que ayuden a resolver problemas.
La segunda pregunta del debate es: ¿Pueden las teorías de las ciencias sociales rendir
predicciones comprobables?... se aduce entonces que, debido a la complejidad del fenómeno
social, sus teorías requerirían idealización. En función de las características matemáticas y
lógicas formales de tales idealizaciones, a las teorías se les haría difícil la predicción. Y como
resultado se argumenta que una teoría de este tipo no sería comprobable.
60
The Philosophy of Science: An Encyclopedia. Véase Concepto de Social Science.
94
Una tercera pregunta que viene a la palestra es: ¿Es distinta la metodología usada en las
ciencias sociales?... puesto que esta envuelve a humanos y su comportamiento a gran escala,
Roiman Valbuena: Sobre la Im/posibilidad de Leyes Científicas en la Investigación Social.
Luego de tal afirmación se sobreviene una cuarta pregunta: ¿Cuál es la naturaleza de las
explicaciones en las Ciencias Sociales?... citando a Hempel (1962) en Sarkar y Pfeifer Op. Cit,
se introduce el argumento de que la explicación en la Investigación Social no difiere a la función
que cumple en la física. No obstante, otros lo cuestionan. Si no existen leyes en esta ciencia, se
deduce entonces que cualquier explicación científica en las ciencias sociales no podrá ser
capturada, ni ser cubierta por un modelo legaliforme. Dando lugar a explicaciones científicas
meramente funcionales.
Existen muchos argumentos que tienen por objeto mostrar que las leyes científicas en la
investigación social son imposibles o imprácticas. Por ejemplo, las ciencias sociales y las
naturales estudian objetos por esencia distintos. Mientras los fenómenos en ciencias naturales
están muy bien aislados, son estacionarios, recurrentes y simples. El fenómeno humano es por el
contrario, interactivo, variable, singular y complejo, Popper (1965). En este punto Lee se plantea
dos preguntas cuyas respuestas son no. ¿Son ambos argumentos persuasivos?, ¿Sirven ellos para
demostrar que es imposible o impráctico tener leyes en la investigación social?
Allí se examinan otros argumentos afirmando que por la real esencia de los sujetos en ambas
ciencias, éstos serían suficientes para garantizar la imposibilidad o impracticidad de leyes
61
A este efecto se le denomina Razonamiento Circular. Véase el apartado 6.1.2: Las Hipótesis Inductivas y Deductivas Cap. VI: Razonamiento,
Hipótesis e Inferencias Científicas. Allí se amplía su significado.
62
Lee C. McIntyre. (1994). Complexity and Social Scientific Laws. Aparece en: Readings in the Philosophy of Social Science. Michael Martin y
Lee C. McIntyre. Editores. Massachusetts Institute of Technology.
95
sociales. Según el argumento de complejidad, el científico social todavía no está habilitado para
encontrar ninguna ley que explique el comportamiento humano. En las ciencias sociales el sujeto
está en constante cambio debido a la continua realimentación de las relaciones entre la influencia
crítica de las variables que subyacen en el comportamiento humano, y que se sobrevienen como
resultado de su propia conciencia.
Como humanos, somos afectados por otros, y nuestras decisiones son alimentadas por
Roiman Valbuena: Sobre la Im/posibilidad de Leyes Científicas en la Investigación Social.
decisiones de otros recíprocamente. En consecuencia, es obvio que los humanos como sistema
nunca permanecerán estacionarios el tiempo suficiente como para determinar relación causal
entre variables. Una vez que pensamos en lo que tenemos, el sistema ha tenido tiempo de
cambiar. Y, para la edificación real de una ley, se hace necesaria la estabilidad y/o regularidad
del fenómeno bajo investigación. Más allá, si el sistema humano es prohibitivamente complejo,
no estaríamos capacitados para descubrir tales patrones. No obstante, presenta ciertas
argumentaciones contrarias. Al parecer se hace una interpretación ingenua del argumento de
complejidad. El cual no es del todo complejo como tal, sino sólo como es descrito y definido en
a determinado nivel de investigación.
63
Quiere decir, recurrir a la Teoría Reduccionista. Amplíese su significado en el apartado de las Teorías Científicas Internivel. Sección: 10.2.
96
cualquier ley que pueda obtenerse de este binomio, ha de contener hipótesis de ambas, para así
estructurar un modelo legaliforme amplio y explicativo de los 2 mundos. Algo para nada fácil…
más no así imposible.
Según Leonardo Da Vinci, un pájaro es un instrumento que trabaja bajo una ley matemática.
Y, si tal premisa aplica para un ave… ¿por qué no ha de aplicarse al ser social?... ¿qué modelo
matemático guía el accionar del hombre en la tierra?... queda en manos de los Investigadores
Roiman Valbuena: Sobre la Im/posibilidad de Leyes Científicas en la Investigación Social.
Sociales descubrirlo.
97
La ciencia, mi muchacha, está hecha de errores, pero son errores útiles, pues llevan poco a poco
a la verdad.
Julio Verne.
98
Roiman Valbuena.
E
l método permite a la ciencia moverse en cierta dirección persiguiendo algún
objetivo de entendimiento y comprensión que le consienta dilucidar ciertos aspectos
del fenómeno. El papel del método en las ciencias es precisamente ese, escudriñar y
remover errores, funciona como aquellas máquinas que separan el huevo de la
cáscara. El científico, sabiendo que lo encontrado no será la respuesta final y única, puesto que
cualquier teoría concebida podrá ser reemplazada por otra en mejores condiciones, orientará sus
últimos esfuerzos a informar, lo más precisamente posible, lo hallado. Esperando que otros le
hagan conocer errores que él no vio. En ocasiones, la perspectiva no deja ver a los ciegos64.
64
Aforismo atribuido a Georg Christoph Lichtenberg.
99
Este procedimiento funciona como un tipo de Homeostasis Científica y como mediato entre el
conocimiento empírico derivado del proceso experimental y la capacidad imaginativa que provee
un discurso descriptivo. Los resultados de una investigación deben comunicarse de manera
expedita y oportuna, es por ello que al artículo científico se le estima como el mejor medio para
informarse de nuevos descubrimientos. Siendo la presentación de los datos la que lo transforma
en la pieza central del ajedrez del método informativo, es lo que hace hablar a un artículo
científico.
Las ciencias fácticas tienden a usar diversos métodos de trabajo, entre ellos el Experimental y
el Informativo u Observacional. Se dice que es observacional puesto que en sus niveles
preoperatorios, la data recabada, confrontada y almacenada, no es resultado de una observación
directa, participante y bajo situaciones de control en el campo o laboratorio experimental. Si no,
Roiman Valbuena: El Método Científico Informativo.
65
Se conoce como Serendipia a un descubrimiento o hallazgo importante y accidental mientras se esperaba encontrar otra cosa . Aunque en
muchas obras es asociado a la casualidad, a lo fortuito, realmente presenta ciertas propiedades y nexos con los conocimientos por connaturalidad
y la intuición. El descubrimiento de la penicilina por Alexander Fleming y del Caucho Vulcanizado por Charles Goodyear son dos obras
serendépicas de suma importancia para la sociedad. El Viagra, también entra dentro de los descubrimientos serendépicos e inesperados, pues la
erección prolongada resultó ser un efecto secundario de este fármaco que en un primer momento pretendía dar solución a problemas de
hipertensión y angina de pecho. En el aparte de la física teórica en este texto, específicamente en el denominado: Los Sistemas Físicos y la
Causación, se presenta a la Casualidad como una ley asociada a un segundo plano de causación, cuya característica es la combinación de una
serie de hechos y circunstancias que no son posible evitar ni predecir matemáticamente. Las casualidades se presentan en la naturaleza sin la
intervención humana. Es imposible encontrarse con casos de Serendipia originados en un artículo científico, más la Serendipia también es
ciencia. Cuando el coeficiente intelectual del científico supera los 130 puntos, por deducción lógica, es difícil atribuirle un descubrimiento a la
casualidad, y es donde la intuición y la connaturalidad se transforman en los primeros sospechosos.
100
Sin embargo, gran parte del progreso científico desde el nacimiento de la ciencia se ha dado
gracias a este método. Es el eslabón principal que une a las largas cadenas de comunidades
científicas66. En la antigüedad un investigador se sentía más libre de actuar por sí solo, con el
surgimiento de estas comunidades debe adaptarse a ciertas reglas. Con todo, de estas
asociaciones siempre ha sido muy criticado su lado oscuro, de hecho, uno de los autores que
ataca ferozmente a ciertas prácticas de estos grupos es Tomas Kuhn cuando escribe la Estructura
de las Revoluciones Científicas.
Roiman Valbuena: El Método Científico Informativo.
66
Una comunidad científica es, en la sociedad moderna, un grupo social relativamente bien definido. Es una cofradía en la cual los individuos se
reconocen como miembros de un solo cuerpo… y que en consecuencia, tiene su propia coherencia. Fourez (2006).
101
exige Honestidad Científica, es decir, no se afirme nada carente de prueba. Hay investigadores
que no hacen intentos por adentrarse en las investigaciones aplicadas o en física… ciencia es
ciencia… no hay ciencias para unos o para otros.
El uso apropiado del método informativo provee observaciones tan precisas y ricas en datos
que llevan al científico a sugerir hipótesis que puedan ser demostradas experimentalmente. Y, se
dice que se ha hecho Ciencia, cuando una actividad científica tiene un resultado tan impactante y
asombroso que genera un nuevo modo de pensar, conducirse y observar el fenómeno, marcando
de esta manera, un antes y un después.
En lo tocante a la forma, el escritor de un artículo ha de redactar de manera tal, que pueda ser
entendido por cualquiera que se considere formado y habilitado para ello. No es menester del
autor bajar hasta un nivel simplista, más es trabajo del lector, el intentar subir hasta el horizonte
que le permita entender lo que se describe, analiza, explica, contrasta e infiere. Su función es
escalar estructuras del pensamiento.
102
Evite ambigüedades léxicas porque en ciencia son inaceptables; Evada cualquier tipo de
razonamiento sibilino; No planteé hipótesis antinómicas o contradictorias; Introduzca
razonamientos lógicos basados en argumentos, si describe un proceso, explique su mecanismo;
Roiman Valbuena: El Método Científico Informativo.
Cuando ejecute explicaciones científicas evite las falacias Ad Populum, en otras palabras, no
intente convencer con discursos políticos a un auditorio netamente científico; De ser posible
emplee aforismos en sus conclusiones, pero concaténelos coherentemente.
Cribe sus ideas y oriéntelas a convencer; ejecute comparaciones corteses. Nunca intente
siquiera, dar explicaciones de lo desconocido por lo desconocido <<Explicatio Ignoti per
Ignotum>>, podría encontrarse con sorpresas. De igual manera, antes de cualquier inferencia
ejecute meta-razonamientos, de forma que pueda identificar a tiempo cualquier razonamiento
apagógico carente de evidencias <<demostrar algo a partir de lo falso>>
Si el artículo va dirigido a refutar una teoría, es donde el publicista ha de hacer uso de las
destrezas que posee partiendo de las premisas y conclusiones que su contrario pudo aportar,
presente entonces contrastabilidad y sugiera alguna manera de someterla a prueba. No convierta
67
Un concepto científico se da cuando se crean una serie de palabras o símbolos que juntos referencian a determinado objeto, bien sea mental u
ontológico, ambos con la idea dan significado a los símbolos haciéndolos entendibles. Para Clarke, R, J. (2005). Research Methodology. El
investigador social reconoce que los conceptos en su modelo son basados en opiniones, valores, tradiciones, culturas y reglas que no pueden ser
definidas con precisión.
103
su ensayo en una batalla de egos ni pretenda sofismas. Si intenta vulnerar una teoría
complemente conceptos. Recuerde que de la nada, nada viene. Disgregue unidades de razón y
haga entendible las ideas. De ser posible practique con un interlocutor, busque a alguien difícil
de convencer pero que pueda refutar sus análisis, sabrá que ha ganado al momento que las tesis
de su interlocutor pierdan fuerza evidenciando un discurso digresivo <<no se centra en el tema,
se va por las ramas>>, allí habrá impuesto su razón. Sature con verdades, pues nadie se satisface
con falsas razones. No disuada… convenza probando y demostrando. Marque siempre un
discurso apodíctico.
Al finalizar, y antes de enviarla a la revista, haga una síntesis auto reflexionando <<sobre la
razón misma>> siendo a la vez autoconsciente <<piense sobre su propio pensamiento>> Si
decide alguna vez asistir a determinada conferencia, tenga presente lo que expresa Fred Allen:
Roiman Valbuena: El Método Científico Informativo.
Conferencia: reunión de personas importantes que no pueden hacer nada solas y deciden juntas
que no hay nada que hacer. No olvide nunca que la lógica sirve para algo… úsela… pero
recuerde que la lógica es un proceso de la ciencia…más es independiente de ella. Puede haber
lógica sin ciencia… pero lo contrario no sucede.
104
Friedrich Nietzsche.
L
as encuestas y los experimentos, podría decirse, son los dos polos opuestos de un imán.
Su diferencia más notable reside en el tipo de pregunta o problemas de investigación
que ambos están en capacidad de abordar. Las encuestas comúnmente reflejan las
opiniones de cierta cantidad de voluntarios a los que se les suministra un cuestionario. Estas
recogen sentires aleatorios de diferentes personas acerca de un producto o asunto particular. El
experimento por su lado, se convierte en un estudio del tipo causal y más comprensivo del
evento, busca la objetividad y la reproducibilidad a través de la prueba científica. En ese sentido,
René Dubos 68 alguna vez argumentó lo siguiente: El experimento tiene dos propósitos, a
menudo independiente el uno del otro: permite la observación de nuevos hechos hasta entonces
insospechados o aún no bien definidos; y determina si una hipótesis de trabajo se ajusta al
mundo de hechos observables.
68
Microbiólogo Estadounidense. Esta cita aparece en un excelente libro de Rafael Moreno González (1974). Antología de la Investigación
Científica.
105
develar un organizado cuerpo de conocimientos hasta los momentos invisibles. Las encuestas
también pasan por una etapa observacional y se usan para medir otras cosas, su diseño debe ser
rígido y blindado contra toda parcialidad, prejuicio o tendencia que lleven a admitir conclusiones
erróneas. Son comúnmente explotadas en la investigación social donde se hace uso de la
sicometría. Su diseño se basa en conceptos pre-teoréticos y, por lo general, sus conclusiones
llegan a agrupar un conjunto de hechos analíticos69.
números. Las encuestas suelen aportar resultados basados en un gran cúmulo de observaciones y
sus juicios conclusivos imposibilitan la demostración. Eso no implica que lo anterior sea el único
modo de hacer ciencia, más, aporta una forma de validación y contraste externo diferente. Las
encuestas, si bien son una vía válida de investigación científica, y de hecho poderosas en cuanto
a sus resultados al ser bien estructuradas, están confinadas a proveer un conocimiento del tipo
autoevidente derivado de una errónea interpretación, es decir, sus juicios conclusivos se
conforman a través de enunciados como los siguientes:
69
Un hecho analítico es aquel que es posible abordarlo desde lo más complejo a lo más simple, o en sentido inverso, haciéndose uso de una
secuencia finita y ordenada de pasos. Al abordársele en sentido inverso, normalmente consiste en una secuencia lógica de sentencias que
permiten desembocar en un axioma. Obsérvese que planteado de esa manera un hecho analítico es completamente deductivo. Al análisis suele
entendérsele como la descomposición de un todo en sus partes primigenias constitutivas <<algo que realmente cuestiono>>, sin embargo, cuando
se estudian los hechos analíticos y tratan de recomponerse usando el método sintético, sus partes no concuerdan, no por el mal abordaje de la
investigación en algunos casos, sino, por los datos subjetivos que aporta una encuesta y que son usados en la recomposición del sistema. Desde el
punto de vista tautológico, un hecho analítico no posee condiciones que lleven a emitir juicios verdaderos. Haciendo con ello que los juicios
conclusivos del investigador carezcan de contenido científico, es decir, no hay descubrimiento, y si no hay descubrimiento no hay ciencia, estos
sólo se producen con la experimentación y el sometimiento a réplicas de sus componentes causa-efecto.
70
Esta afirmación sólo es válida y verdadera en virtud de los significados de las palabras o términos que involucra. Si cambiamos la afirmación
por: <<Ningún soltero es feliz, o Todos los Solteros están conformes>>, le daríamos características sintéticas. Es decir, las frases en este caso no
serán verdaderas o falsas por los significados de las palabras que las componen, sino en virtud de la experiencia individual de cada soltero. Y esto
no puede ser determinado a través del significado de sus palabras constitutivas, mucho menos a través de una encuesta .
71
Véase Juicios Analíticos y Sintéticos.
106
Para poder causar conocimiento verdadero, el juicio debe ser sintético, es decir, el significado
del concepto predicado no incluye al del concepto sujeto, sino que agrega uno nuevo. Con ciertos
grados de diseminación, estos juicios añaden información nueva y están basados en la
experiencia, por lo que no se puede llegar a ellos a través de una simple encuesta, es necesaria la
abstracción a partir de la experiencia, y una de las más poderosas formas de producirla es a
través de la experimentación científica, cuya fiabilidad supera a la de las encuestas.
Sin embargo, presenta serios cuestionamientos. Renkis Likert sintió inquietud sobre las
numerosas ilustraciones que infructuosamente se habían realizado sobre el estudio de las
actitudes sociales, e hizo intentos por mejorar los aportes de Gardner Murphy73 (1929 y otros),
quien quiso asociar magnitudes cuantitativas al estudio de las actitudes sociales.
72
El escalamiento sicológico es un proceso de medición de dimensiones sicológicas que carecen de referente físico, es decir, no son susceptibles
de medición directa. Por ejemplo: la belleza y el amor. Se le asume contrario al escalamiento sicofísico que si posee referentes. No obstante, fue
Thurstone (1927a), y quien oponiéndose al escalamiento sicofísico introdujo el sicológico.
73
Murphy, G. (1929). An Historical Introduction to Modern Psychology. New York. Harcourt, Brace and Company.
74
Thurstone, L. L. A' law of comparative judgment. Psychob Rev., 1927. Sb. 273-286.
107
diferencial de actitudes.
Sin embargo, problema 1, las escalas Likert son del tipo ordinal, es decir, llevan un orden
sucesoral y allí 3+4 no es 7, este tipo de medida admite la clasificación de una muestra de
individuos con respecto a algunas características pero los puntos de las escalas que separan a los
individuos no garantizan equivalencia, dificultando la sumatoria entre sus componentes
elementales a pesar de estimárseles como escala aditiva.
Problema 2, se hace difícil conocer a ciencia cierta por qué motivos se desaprueba una
afirmación u objeto de actitud, por lo que dos individuos con opiniones aparentemente distintas
podrían a llegar a obtener las mismas puntuaciones. Como regla general Likert plantea que dos
personas con actitudes distintas han de contestar de manera diferente, allí el problema surge con
la denominada Teoría de Reacción al Objeto76, en otras palabras, se reacciona en función de los
pareceres con respecto al objeto y no en dirección sicológica de la composición semántica de la
afirmación que intenta medir la actitud, ejemplo:
75
Se sugiere al lector, y para un mejor entendimiento de esta teoría, adentrase en la lectura del planteamiento del problema de la obra: Likert,
Renkis (1932). A Technique for a Measurement of the Attitudes. Archives of Psychology, Vol. 22 140, 1-50.
76
Denominada también Teoría de Acción Razonada. Esta teoría incluye una serie de consideraciones del tipo Volitivo sobre el sujeto. Una
conducta Volitiva permite plasmar mediante hechos, los pensamientos de una persona para convertirlos en acciones razonadas producto de la
inteligencia. Para Schiffman y Kanuk (2005), representa una integración completa de los componentes de la actitud en una estructura diseñada
para la obtención de explicaciones y predicciones mejores respecto del comportamiento, (p. 261). Los autores afirman que la intensión se mide
mediante normas subjetivas y que éstas influyen sobre el modo de actuar del sujeto <<introducir subjetividad significa acudir a la probabilidad>>
Según Larson (2010), el comportamiento volitivo puede ser influenciado por sentimientos, actitudes o predisposiciones culturales regidas por
normas. A la teoría de acción razonada se le considera una teoría del tipo persuasiva, donde los patrones de conducta social ejercen una influencia
coercitiva sobre el comportamiento. En ese sentido, Likert pretende medir actitudes y no comportamientos. La actitud es una disposición que un
sujeto asume frente a determinada situación, contrariamente, un comportamiento es simplemente una consecuencia de tal actitud y su medición se
hace de manera diferente. En conclusión, Likert mediante su escala mide actitudes y no comportamientos, para medir estos últimos, ameritaría
replantear su teoría.
108
manera que dos sujetos de actitud diferente pueden reaccionar de igual forma ante el objeto de
actitud.
Problema 3, Likert afirma que la actitud es un hábito suficientemente compacto como para
ser tratado como unidad, op. Cit (P. 8), premisa refutada en varias ocasiones pues, se ha
comprobado que una persona reacciona mejor o positivamente hacia el objeto de actitud, cuando
ha tenido experiencia grata y plena, y no cuando la enfrenta en sentido negativo. Predisposición
sicológica.
En ese sentido, la significancia sicológica adquiere mayor relevancia con los Escalogramas de
Guttman, allí las afirmaciones varían en intensidad y ameritan de prueba piloto. Su forma más
77
Es a todas luces erróneo la omisión de reactivos en sentido negativo del objeto de actitud, incluso han de existir ítems indiferenciadores, es
decir, no aportan valor ni peso a lo que se investiga. Como diría Nietzsche <<Renunciar a los juicios falsos sería renunciar a la vida, negarla>>
Sin embargo, es común encontrar evaluadores expertos de instrumentos de recolección de datos que recomiendan dejar sólo los positivos. Esta
arbitrariedad se produce por desconocimiento de los principios estadísticos en los que descansan las escalas de actitud, extrayendo los
conocimientos para la construcción de escalas sólo de los libros de metodología y no de los de estadística. Es muy común que un metodólogo
pretenda conocer el método pero desconoce las teorías probabilísticas involucradas en él. Lamentablemente, muchos de ellos nunca hablan…
solo repiten.
78
Probabilidad de que los datos obtenidos se deban al azar y no a la construcción del instrumento.
109
común de evaluación descansa sobre la técnica de los 5 pasos de Cornell. En un primer estadio,
se crea una tabla donde se busca la ruptura del patrón de intensidad, es decir, los ítems
comienzan a carecer de los niveles de intensidad adecuados debido a que presentan errores de
inconsistencia, eso no es posible con el diferencial de actitudes tipo Likert.
( )
( )( )
El coeficiente alfa compara un indicador en función de la longitud total del test, es decir, la
cantidad de reactivos o ítems. Y la covarianza 80 proporcional total resultante, entonces, la
aplicación del Alfa de Cronbach es derivada a posteriori y no tomada en cuenta a la hora del
diseño original de la escala Likert.
El método que si toma en cuenta Likert al plantear y diseñar las escalas, es el de las Dos
Mitades y el Método Sigma como coeficiente de correlación entre puntuaciones de Spearman
Brown [1910]81. En el desarrollo posterior de la prueba Alfa no participó Renkis Likert, sino que
su origen se remonta hacia los trabajos de varios autores entre ellos Guttman, Louis (1945). «A
basis for analyzing test-retest reliability» Psychometrika 10 (4): 255–282>> Entonces, podría
decirse que las mal formuladas nociones para el uso de las escalas de Likert vienen desde
interpretaciones erróneas sobre el cómo aplicar la estadística sobre las escalas de actitud.
En cuanto a la prueba de las dos mitades sugerida por Likert, Cronbach, L. J. (1946). A case
study of the split-half reliability coefficient. The Journal of Educational Psychology, 37 (3), 473-
79
Cronbach, L. J. (1943). On estimates of test reliability. The Journal of Educational Psychology, 34 (4), 485-494. Cronbach, L. J. (1946). A
case study of the split-half reliability coefficient. The Journal of Educational Psychology, 37 (3), 473-480. Cronbach, L. J. (1947). Test
“reliability”: its meaning and determination. Psychometrika, 12 (1), 1-16. Cronbach, L. J. (1951). Coefficient alpha and the internal Structure of
tests. Psychometrika, 16 (2), 297-334.
80
La covarianza entre dos variables aleatorias es una medida indicadora de cuanto las dos variables varían juntas. Si dos variables aleatorias son
independientes entre sí, su covarianza será cero. Lo contrario no sería cierto.
81
Brown, W. (1910). Some experimental results in the correlation of mental abilities. British Journal of Psychology, 3 (3), 296-322. Spearman,
C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3 (2), 271-295.
110
480. Describe lo siguiente: la habitual división par – impar de elementos para determinar la
fiabilidad por la prueba de las dos mitades, no garantiza, de forma alguna, equivalencia entre
las dos partes de la prueba. Y, la fórmula de Spearman Brown, citada para su uso también por
Likert, sólo es aplicable cuando la equivalencia ha sido garantizada. A lo que encarga una
solución poco ortodoxa, pero recomendable.
El Método Paralelo – Split, o Método de las Dos Mitades Paralelas. Sin embargo, para ello
sería necesario un diseño deliberado donde las dos mitades sean similares en forma, contenido y
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
dificultad. Esto es ventajoso, ya que en una división única, las medias pruebas son
comparables, las mitades son representativas de la totalidad, y el procedimiento requiere poco
más de trabajo que el par-impar o el método aleatorio de división. Todo esto aparece en el
Abstract de la obra. Es de recalcar que los Escalogramas de Guttman si cumplen con todos estos
criterios.
Problema 8, otro asunto importante dentro del sistema de escalas Likert consiste en la
cercanía de las afirmaciones: Totalmente de Acuerdo y Parcialmente de Acuerdo. ¿Cuál es la
diferencia absoluta entre Total y Parcial?83 Su proximidad es tan estrecha que se dificulta
82
Lamentable pero cierto, en Internet es posible conseguir tablas completas con los valores entre 5 puntos y un punto de la escala Likert,
arrojando confiabilidades de hasta 0,96. De hecho, si lo desea, Ud. mismo puede definir el valor de confiabilidad deseado, y sólo posterior a ello
es que se proceden a llenar los cuestionarios con los datos sugeridos.
83
Como opción a esta disyuntiva se recomienda el Método del Escalograma de Guttman. Este aporta soluciones al problema de medir la variable
en una sola dirección, como el caso Likert, aquí también se obtiene una escala de entrelazamiento con nivel ordinal. Esta escala es acumulativa y
presupone que una respuesta positiva a un ítem, hace pensar que los anteriores también lo han sido. Su diferencia con el método Likert es que sus
juicios escalan en intensidad, dicho de otra manera, algunos ítems tienen más fuerza que otros. Allí no se calcula el coeficiente de confiabilidad
sino un coeficiente de Reproducibilidad. Donde se calcula también una Reproducibilidad Mínima. El coeficiente de Escalabilidad de Guttman es
posible calcularlo posterior a la aplicación del test, así como en pruebas pretest y postest en grupos de control sobre diseños experimentales. Esto
no es posible con las Escalas Likert. Su principal ventaja en el caso de esta pregunta, es que permite diferenciar distintas posiciones para un
mismo sujeto dentro de la escala, evitando la diatriba de la cercanía entre una opción y otra. Sin embargo, su uso es tan esporádico que es común
que lo objeten en las universidades, sobre todo, cuando el tutor o jurado sólo han estado en contacto con las escalas Likert.
111
conseguir una variación entre una y la otra. Implicando que al encuestado le da igual contestar a
la primera o la segunda, a la final los 5 puntos de la primera se acercan a los 4 de la segunda.
Aquí entra en juego el problema de la equidistancia entre las categorías de la dimensión.
Las escalas Likert son unidimensionales, continuas y constantes, allí existe una distancia de
separación inmensurable pero evidentemente desigual entre las categorías donde los grupos de
respuestas serán colocadas. Si la distancia entre las categorías no es constante dentro de lo
continuo se afecta gravemente la validez.
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
Problema 10, los cuestionarios en general, presentan el serio problema denominado: Efecto
de Regresión Estadística. Para visualizarlo debe recurrirse a los sistemas Pretest y Postest.
Campbell y Stanley (1963), citados en: Arnau, Anguera y Gómez (1990, p. 110-111), afirman
que los errores ocasionados por no haber tenido en cuenta el efecto de regresión estadística, han
originado muchos problemas… una de las causas más importantes de este efecto recae sobre la
falta de fiabilidad de los cuestionarios. Así, cuanto menor es la correlación entre ambos
cuestionarios o pruebas, mayor será la regresión hacia la media.
Por otro lado, la manera ideal de colocar puntuaciones en esta escala es:
-2: -1: 0: 1: 2
Allí están contenidas todas las opciones, las del lado izquierdo representan el modo correcto
de puntuar el objeto de actitud negativo, y las del lado derecho el modo correcto de los positivos,
el cero no suma ni resta puntos a la escala, así al sumar las opciones de cada lado, en ningún
momento se obtendrán mayores puntuaciones sobre los objetos de actitud positivos. De hacerse
de manera incorrecta, se colocaría mayor puntaje a todo aquel que conteste de manera positiva,
infravalorando los aportes de los que su objeto de actitud es disímil. La gráfica siguiente presenta
mejor las deferencias.
84
Renkis Likert recibió su grado de PHD en 1932 en la Universidad de Columbia por este trabajo de las escalas, no obstante, en su tesis original
las escalas eran dicotómicas. Aunque UD. no lo crea.
112
Añadiré a partir de aquí, una serie de consideraciones ya no tipo cuestionamiento a las escalas
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
de Likert, sino, a la toma en cuenta de los métodos, procedimientos estadísticos y pruebas usadas
para calcular validez, confiabilidad y otros indicadores de importancia generalmente omitidos
por parte de los investigadores.
Aunque parezca increíble e irreal, es aquí donde se cometen la mayor cantidad de anomalías a
la hora de reportar los resultados estadísticos de un trabajo. Todas refieren a las fórmulas usadas
en relación con la estructura interna de los test, además de su construcción y selección de la
muestra sobre la cual el instrumento es aplicado. Tenga presente el investigador que debe estar
en capacidad de diferenciar entre el tipo de test y el procedimiento estadístico adecuado para
determinar fiabilidad. Comienzo entonces…
85
Se denomina Modelo Guttman Loevinger ya que presenta una combinación de los supuestos teóricos de estos dos científicos. Louis Guttman
desarrolla un continuo unidimensional para un concepto que se desea medir usando para ello sus Escalogramas. Jane Loevinger en 1947 presenta
su coeficiente de escalabilidad de Loevinger. Este coeficiente se define en términos de errores de una escala Guttman que compara un patrón de
respuesta observado con el patrón teórico ideal que debiera seguir una escala acumulada. Es decir, selecciona la proporción entre los coeficientes
KR-20 y KR 21 dicotómicos de Kude Richardson. Allí se compara la proporción entre el coeficiente acumulado calculado KR-20 y el coeficiente
teórico del mismo para una escala ideal con las mismas dificultades. Pues, existen situaciones donde los patrones teóricos calculados y los
observados no coinciden entre sí. Posteriormente este coeficiente fue propuesto para ser aplicado a escalas politómicas como la de los test que
aquí menciono.
113
Ahora bien, existe cierta relación demostrada86 entre la fórmula de Spearman Brown y el
Coeficiente de Alfa de Cronbach, detállense las dos fórmulas:
Spearman Brown. Cualquiera de las dos podrá ser usada sí y sólo sí, se asume que las varianzas
de los ítems son iguales, para tal argumento las fórmulas serán equivalentes. Caso contrario, los
resultados numéricos serán diferentes y ambas tendrán aplicaciones según sea cada caso. Hoy
día, difícilmente un investigador tome precaución del tema y omitirá detalles que invalidarán su
trabajo.
86
Nydick, Steven graduado de PHD en la Universidad de Minnesota en Sicología Cuantitativa y Métodos Sicométricos. Egresado de pregrado de
la Universidad de Siracusa en Matemáticas y Sicología, en (2012), basado en lo escrito por: Lattin, Carrol y Green. (2003). Redacta un artículo
denominado: The Relationship between Spearman Brown and Cronbach´s Alpha. Allí, en cuatro páginas logra demostrar que si las varianzas son
iguales, las fórmulas de Cronbach y Spearman Brown son equivalentes.
114
Si dos sujetos son encuestados en un primer momento con un test, y en una segunda ocasión,
se les administra una forma distinta pero equivalente, y como resultado sus puntuaciones son
altamente correlacionadas, el coeficiente resultante de las dos formas será llamado coeficiente de
estabilidad y equivalencia. Quiere decir que el test es estable longitudinalmente en el tiempo. En
las pruebas de las dos mitades, a la fiabilidad se le asume como el grado con el cual los ítems de
un test miden el mismo constructo. Téngase siempre en cuenta de que para garantizar fiabilidad
en un test, al menos 85% de los ítems han de haber sido respondidos.
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
Una prueba de por sí, puede no ser internamente homogénea, sin embargo, si se planifica una
forma equivalente, puede llegar a presentar una alta correlación con la primera. Cuando se hace
mención a los criterios de fiabilidad, no importa cuán alto resulte el coeficiente de equivalencia,
éste siempre tendrá menor aceptación que el coeficiente de precisión, el primero se basa en la
comparación de diferentes ítems, el otro en dos pruebas contentivas de los mismos ítems. El
coeficiente o índice de precisión se calcula sacando raíz cuadrada al coeficiente alfa.
√ .
La fórmula de Kude Richardson asume que los ítems correspondientes de un test paralelo
presentan el mismo contenido común y el mismo contenido específico. Aunque existen casos
especiales de aplicabilidad de esta fórmula: . La primera se usa cuando los ítems
del test son dicotómicos, o podrían tener una distribución binomial en el conjunto de los
reactivos. La segunda se aplica cuando se cumple el criterio de dicotomía, y además presenten
igual índice de dificultad.
dos o más personas califiquen conductas y determinen el grado de acuerdo entre ellas usando el
indicador Kappa de Cohen. Este tipo de calificaciones establecen concordancia absoluta entre
las muestras.
(Cohen J. , 1960), introduce este coeficiente como forma de medir el acuerdo entre dos
evaluadores para una escala de datos categóricos nominales. Aunque en sus inicios presentó
errores al calcular el estimador de varianzas, en 1971 87 se hicieron las correcciones y
modificaciones al Coeficiente Kappa para situaciones que envuelven a múltiples observadores y
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
múltiples categorías. Se recomienda usar Kappa sólo bajo estas dos condiciones: 1) un mismo
ensayo de cada muestra es estudiada por dos evaluadores; 2) un mismo evaluador valora dos
ensayos de cada muestra.
Sobre el Efecto Techo, muy pocas veces he podido apreciar en la construcción y validación
de cuestionarios, y que debiese ser más normal, la introducción y cálculo de los efectos techo y
piso de la estadística. El efecto techo se sucede como una limitación cuando la puntuación más
alta en un test ha sido alcanzada y sus unidades de análisis tienden a agruparse en torno al límite
superior. En este “techo”, la variable independiente deja de ejercer fuerza sobre la dependiente,
allí toda oscilación de la variable independiente ya no podrá ser capturada por el test.
Roiman Valbuena: Encuesta Vs. Experimento. La Falibilidad de las Escalas de Likert.
El Efecto Piso por su lado, es la situación contraria del efecto techo, es cuando el cuestionario
arroja las medidas más inexactas posibles y cercanas a su pie, sus unidades están agolpadas
ahora en la base. El también denominado efecto base se alcanza cuando los datos capturados por
los instrumentos tocan el límite inferior. Ambos efectos comprometen la fiabilidad del test
causando problemas en algunos tipos de análisis <<el de varianza sobre todo>> ya que reduce la
posibilidad de medir la cantidad de variación real en las variables.
Desde el punto de vista estadístico, el efecto techo ocurre cuando la variable dependiente “y”
logra igualarse en las condiciones impuestas para su control y para su tratamiento, pues ambas
han alcanzado sus máximas puntuaciones. Los dos efectos tienen su origen a defectos en las
pruebas para los diseños experimentales, y problemas en interpretar lo que realmente debe ser
medido en los cuestionarios de las ciencias sociales. Ambos efectos pueden ser detectados
cuando son conocidas las puntuaciones máxima y mínima que puede alcanzar un test, y
observando las gráficas derivadas desde sus datos, un sesgo negativo marca la presencia del
efecto techo y uno positivo la del efecto piso. Un investigador, si desea ser denominado como
tal, ha de prever este tipo de situaciones.
Según la tabla estadística de Arkin y Colton, para poblaciones inferiores a 500 individuos una
muestra representativa debe ser superior a la mitad de la población.
Ha de prestarse sumo cuidado a la secuencia relacional concurrente entre: objetivos,
propósitos, técnica e instrumento.
117
En resumen, a los investigadores se les recomienda usar la encuesta sólo bajo estos dos
supuestos, caso contrario, intente la experimentación:
Es posible conducir encuestas en un laboratorio, así como también es posible llevar a cabo
experimentos en comunidades. Sin embargo recuérdese, una encuesta jamás podrá producir
descubrimientos relevantes ni mucho menos juicios conclusivos del tipo Sintéticos. Todo
experimento persigue: establecer causalidad; cristalizar explicación causal a través de principios
verdaderamente concluyentes y, deducir cierta cantidad de predicciones que puedan sucederse
sobre el fenómeno.
88
Aparece en la Primera Edición del Libro: La Lógica de la Investigación Científica. 1991. México. Pp. 57-74.
89
La Relación Causa-Efecto como principio es contrapuesta. Todo efecto ha de provenir de una causa que lo justifique, no es posible un efecto
cuya causa se determine imposible, para un mejor entendimiento recomiendo hacer lectura del Principio de No contradicción Lógica en este
texto. Capítulo I.
118
CAPÍTULO V: ACERCA DE
LAS FORMAS DE
RAZONAMIENTO
CIENTÍFICO…
El razonamiento científico es un tipo de diálogo entre lo posible y lo real, entre el podría ser y
el hecho.
Peter Madawar.
119
L
a deducción <<Conducir a partir de>> consiste en una operación de la inteligencia, un
procedimiento mediante el cual, iniciando desde proposiciones, se intenta demostrar la
veracidad o falsedad de una inferencia como consecuencia lógica de una cadena de
enunciados, llámense premisas y conclusiones, aplicando para ello las leyes de la lógica. Se
constituye como un método donde el científico marca su índice discursivo desde lo general a lo
particular con escalas intermedias, es decir, inicia en lo abstracto pero se sumariza y lo hace
entendible en lo concreto. La deducción se origina desde principios generales denominados leyes
o axiomas que permiten la concatenación entre los objetos de estudio y los fenómenos de la
naturaleza, además de coexistencias y nexos estables, diseminando y proyectando en cierto
grado, conocimientos que expliquen el cómo aquello particular se produce desde lo universal.
Gran cantidad de inferencias deductivas requieren de cierto grado de abstracción para lograr
una correcta vinculación, pues lo que es una verdad en una dirección puede no serlo en otra,
90
Chapter II: Of Deductive Reasoning. Aparece en: Deductive Logic. Londres, Longmans, Green and Co.
91
No debe confundirse con el Término Entimema o silogismo truncado, pues, es muy común en la retórica y en ocasiones se usa para intentar
esconder falacias no formales.
120
Debido a que la última afirmación debe ser verdad cuando ambas declaraciones anteriores lo
son, estas premisas implican la conclusión. Por el contrario, afirmar que “Calvin se muerde las
uñas mientras trabaja” y “Calvin se está mordiendo las uñas” no quiere decir que Calvin está
trabajando, porque también es posible que Calvin se muerda las uñas fuera del trabajo. Es decir,
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
en un enunciado deductivo siempre que las premisas sean ciertas la conclusión también lo será.
La comparación de estos resultados sobre sujetos experimentales da luces a la formulación de
una revisión de la teoría de la mente y la teoría de la lógica. La lógica deductiva como rama de la
filosofía y las matemáticas están claras en el contenido y contexto de aplicación de la deducción,
más sin embargo, es la sicología la que trata de reconocer vínculos entre las respuestas naturales
humanas y las decisiones lógicas basadas en matemáticas, puesto que la razón es limitada, la
matemática no.
Audi93 (1995), define como deducción a; una secuencia finita de sentencias, donde a la última
se le admite como una conclusión (lo que es deducido). Deducción es sinónimo de derivación. El
concepto de deducción es una generalización del concepto de prueba. Una prueba consiste en
una secuencia finita de sentencias, cada una de las cuales es un axioma o sigue de preceder
sentencias en la secuencia como lo plantean las reglas de la inferencia, donde la última sentencia
de la secuencia se convierte en un teorema. Es así como toda ciencia deductiva es axiomática.
92
The MIT Encyclopedia of Cognitive Sciences. (1999). Wilson y Keil Editores. Deductive Reasoning, Pps. 225 y ss. Véase.
93
Audi Robert. The Cambridge Dictionary of Philosophy.
94
Hegel (1770 – 1831), en su Libro: La Ciencia de la Lógica, introduce un concepto denominado: Entendimiento Reflexivo, adoptado por la
filosofía (aquel que abstrae separando y estudia tal separación), y que consiste en lo siguiente: superar todo aquello concreto inmediato,
determinándolo y dividiéndolo. Al superar aquellas determinaciones divisorias habrá que relacionarlas mutuamente. Más, este proceso surge de la
observación de la necesaria contradicción y es el que introduce a la razón como aquello superior al intelecto humano común. Ahora bien, en la
investigación social no se profundiza en el valor de verdad que aporta la contradicción (si bien las contradicciones lógicas deben eliminarse,
algunas no tan lógicas resultan fructíferas), se puntualiza más sobre aquello concreto inmediato y que bien se le podría denominar Conocimiento
de las Apariencias, pues, no se especifican las necesarias relaciones sujeto objeto. Establecer una relación sujeto objeto de esta manera, hace que
no sea posible el reproducir concordancia, y la verdad queda restringida por la subjetividad. Tales prerrogativas derivan en que un saber obtenido
de tales actividades científicas se vea reducido a simples opiniones.
121
Deducir es concebir un juicio corto habiendo iniciado desde nociones más extensas, y es
donde una verdad general (ley) puede ser reducida a una particular. Según extractos de
Nicomedes Martin Mateos (1862, p. 115 y ss.), la deducción se soporta sobre un principio
evidente e incontestable de lo suyo, pues lo que se dice o afirma sobre un género, aplica también
para las especies que este contiene. Puesto que deducir es un constante enlace de sentencias que
se sigan las unas de las otras presentando nexos de igualdad, no contradicción, tercero excluido y
relación, el axioma de deducción podría plantearse así: Dos cosas iguales a una tercera son
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
iguales entre sí. Las reglas simplemente son dos: 1) Reflexionar si el principio general es
legítimamente adquirido determinando exactamente su valor; 2) Reflexionar con el mismo
cuidado sobre los datos de la particularidad, para ver si los posee todos.
La Inducción por su lado, es una operación del pensamiento y la razón, mediante la cual,
partiendo desde materiales intelectuales necesarios y suficientes, se expresa una conclusión
general soportada sobre un conjunto de premisas obtenidas desde la observación, la experiencia,
o simplemente originada como evidencia experimental. Todo principio general usado en ciencias
para construir los axiomas que soportan a una teoría es resultante de la inducción. Más, lo único
que puede justificar un razonamiento inductivo, es que pueda ser probado por deducción cuando
se parta desde principios evidentes e indemostrables contenidos en el ejercicio inductivo.
Según Aristóteles, una inducción es una deducción que, en lugar de deducir un extremo de
otro mediante el término medio, como hace el silogismo verdadero, deduce el término medio de
un extremo, valiéndose del otro extremo95. No obstante, a la inducción se le considera como un
tipo de argumentación que se ha transformado al pasar los años, en una fuente de creencias y una
forma de ampliación del razonamiento. En escritos de Andrés Piquer (1781);
95
Puede leerse en Moreno Villa (2003, p. 150).
122
es posible deducir sino después de la inducción, pues la deducción para la ciencia es garantía de
certidumbre. Ambas operaciones, inducción y deducción están conexionadas entre sí, tanto así
que la segunda no puede existir sin la primera, y la primera no puede ser aplicada y verificada
sino por medio de la segunda.
La inducción en muchos casos parte del principio de asociación de ideas, este consiste en un
patrón mediante el cual cada elemento, signo, cosa o detalle del conocimiento, que se da lugar en
la conciencia, ocurren juntas o en sucesión. Donde se producen conexiones fuera de algún acto
sensible, haciendo emerger ideas que se sigan consecutivamente pudiendo considerarse como
fuente de imaginación o ilusión. La imaginación es fuente de verdades si estas pueden ser
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
probadas a posteriori, más no así la ilusión. Llámese a la imaginación o las ideas como los
particulares enumerados y no ejecutados, y lo universal a la conclusión que los agrupa.
123
Si el fenómeno pudiese fijarse de una vez por observación directa, entonces no habría
necesidad de series de raciocinios ni existirían ciencias deductivas o demostrativas. Para
proceder con una investigación, el científico ha de estar claro sobre lo que pretenden él y la
ciencia para la cual opera, en función de ello Aristóteles expresa lo siguiente: al que ignora cuál
es el objeto de la ciencia que estudia, no le es fácil llegar a saber en qué cosas se consigue dicho
96
En muchos libros se puede encontrar que el Método Hipotético Deductivo sigue los siguientes pasos: Observación – Planteamiento de
Hipótesis – Deducción de conclusiones y Verificación. Más sin embargo, el primer paso que consiste en la observación generalmente viene
cargado de teorías, por lo que se presenta como inicio para este texto, una teoría de referencia.
97
Véase: Capítulo IV: p. 287. De las Series de Raciocinios y de las Ciencias Deductivas .
124
objeto, y de qué manera98. En párrafos de Liebig99 (1867), desde el nacimiento de la ciencia han
existido dos métodos para el estudio de los fenómenos de la naturaleza; la inducción y la
deducción. Ambos son caminos que conducen al mismo término, pero difieren del punto de
partida, cuando los dos métodos se hallan reunidos, la inducción precede a la deducción. Según
Liebig, es así como la deducción convierte en apodíctico y verdadero, aquello concebido desde
la inducción.
La deducción como método parte desde el conocimiento del fenómeno hasta su explicación,
es allí donde se convierten hechos en conceptos. Liebig Op, Cit, afirma que cuando se usa la
deducción para conducir a buen fin una investigación científica, ha de proveerse mediante
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
98
Gran Ética –o Magna Moralia. Libro Primero. Cap. I.
99
El Desarrollo de las Ideas en Ciencias Naturales e Importancia de la Inducción y la Deducción en las referidas Ciencias.
100
Desde hace mucho tiempo ha existido una lucha eterna por desenmascarar cuál es el verdadero método de la ciencia. Aristóteles propuso los
silogismos contraponiéndose a la metafísica y a los conocimientos científicos derivados de la inducción. Francis Bacon por su lado, rechaza el
uso de silogismos deductivos y escribe lo siguiente como soporte a la metodología inductiva: <<Uno y otro método parten de la experiencia y de
los hechos, y se apoyan en los primeros principios; pero existe entre ellos una diferencia inmensa, puesto que el uno sólo desflora de prisa y
corriendo la experiencia y los hechos, mientras que el otro hace de ellos un estudio metódico y profundo; el uno de los métodos, desde el
comienzo, establece ciertos principios generales, abstractos e inútiles, mientras que el otro se eleva gradualmente a las leyes que en realidad son
más familiares a la naturaleza>> Aforismo 22. Libro Primero. Novum Organum. Contra Aristóteles y muchos de sus seguidores escribe lo
siguiente: <<No combatimos en modo alguno la gloria de los autores antiguos, dejémosles todo su mérito; no comparamos ni la inteligencia ni el
talento, sino los métodos; nuestra misión no es la del juez, sino la del guía>> Aforismo 32.
101
Véase: A System of Logic: Ratiocinative and Inductive (1843), Vol. 2, 107.
125
2) Acto seguido, se ejecuta el análisis de aquello que ha sido observado, definiendo claramente
cada concepto nuevo que tenga a bien crearse.
3) Subsiguientemente, viene la clasificación de los elementos, diferenciando qué elementos
pertenecen a una clase y cuales a otra.
4) Por último, se ejecuta la formulación de la/s hipótesis, enunciados universales o
generalizaciones.
Toda investigación inductiva comienza desde la observación de algún hecho que inquiete al
científico y posteriormente pueda plantearse como problema. Cuando se procede al análisis, es
menester descomponer claramente todo aquello observado en virtud de examinar y estudiar cada
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
elemento por separado, este procedimiento lógico del intelecto le afirmará obtener nuevos
conocimientos, liando y diferenciando los conceptos abstractos de los concretos. Es el proceso
mediante el cual alcanza los materiales intelectuales necesarios y suficientes que le permitan su
clasificación y diferenciación de otros del conjunto. Al descubrir la estructura que compone al
objeto investigado, delimitará todo aquello que considere esencial de aquello superfluo, aunque
lo segundo también sea parte constitutiva del fenómeno.
102
Esta aseveración es válida para cuando en la etapa de clasificación ya se ha identificado por entero cada entidad y se ha salido del plano
abstracto al concreto. Sin embargo, según el objeto investigado el análisis adquirirá formas distintas. En la medida que la estructura analítica
como proceso, o como estructura del pensamiento le asienta el avance, la inteligencia racional le llevará desde lo más complejo hacia lo más
sencillo, en la etapa intermedia de este camino desaparecerán poco a poco los elementos abstractos y se comenzarán a ver los concretos.
126
Si bien es cierto, la lógica deductiva tiene bien demarcados sus procedimientos, el problema
al superponer ambos métodos se presenta, cuando se intenta dar justificación racional al uso de
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
una inferencia inductiva a todas luces imposible de probar. Para ello los inductivistas han
desarrollado una lógica inductiva103 que les permita la confirmación de teorías sobre las bases
del cálculo de probabilidades, es por ello que toda investigación cualitativa tendrá mediana
validez si y solo si, es capaz de generar un esquema probabilístico que asienta eliminar gran
parte de la incertidumbre que genera. Esta imposibilidad de justificación es la que siempre ha
amenazado al método inductivo. Los modelos de razonamiento basados en la lógica informal, o
comúnmente denominada lógica del pensamiento crítico, son de por sí, conclusiones de la
inteligencia inductiva. Para Mill Op. Cit:
Hay poderosos motivos científicos para dar a toda ciencia el carácter de deductiva en
cuento sea posible… todas las ciencias naturales en un principio fueron
experimentales, donde cada generalización se apoyaba en una inducción especial.
Cada paso en la deducción es siempre una inducción. Entonces, la oposición no se
encuentra entre los términos inductivos y deductivos, sino entre deductiva y
experimental. En las ciencias experimentales las inducciones aparecen aisladas, pero
pueden convertirse en deductivas por el mero progreso de los experimentos. Cuando
se establece por deducción o por experimento directo, que las variaciones de un
fenómeno particular acompañan uniformemente las de otro fenómeno mejor
conocido, se dice entonces que fue un descubrimiento experimental basado en
deducción, (p. 300 y ss.).
La inducción se vale de la observación y de demostraciones indirectas que parten de lo
particular hacia lo particular, o de lo particular hacia lo universal, este tipo de razonamiento
introduce el azar como factor en ciertos casos, y no hay ciencia posible de aquello que, de alguna
u otra manera, dependa del azar. Moreno Villa (2003) argumenta que la inducción para el
hombre es un procedimiento fácil y claro, pero su uso es limitado no pudiendo suplantar al
silogismo deductivo. La inducción es válida si y solo si, se agotan todos los casos posibles (p.
153).
103
La lógica Inductiva, o también denominada lógica del razonamiento inductivo, consiste en una disciplina que estudia las posibles aplicaciones
de pruebas estadísticas basadas en la probabilidad, y que sirvan de soporte a las inferencias inductivas. Persigue brindar argumentaciones válidas
a todo razonamiento inductivo a través de la generación de parámetros y grados probabilísticos. En ese sentido, el Razonamiento aproximado
Bayesiano es una alternativa. Véase: Razonamiento Bayesiano. Cap. VII: Sección: 7.5.1.-
127
Popper (1980, Véase: El Problema de la Inducción, p. 27 y ss.), afirma que los problemas de
la inducción son insuperables incluso introduciendo probabilidad. Cuando se refiere al tema
Deducción vs. Inducción alega lo siguiente:
104
La Falsa Disyuntiva entre lo Cualitativo y lo Cuantitativo en la Investigación. Aparece en: Calello y Col (2002). P. 119.
105
Para Popper, tal Método Científico no existe, y explica: La inducción como método no debe confundirse con la inducción como forma de
razonamiento o inferencia. Argumenta también: “No hay un Método Lógico o una Lógica del descubrimiento”, en su defecto, todo
descubrimiento contiene un elemento irracional o una intuición creadora. Véase: Verdugo, Carlos. Ensayo: La Filosofía de la Ciencia de Popper
(1996, p. 4).
106
La Hermenéutica es un arte orientado a la interpretación de textos, en especial aquellas obras consideradas sagradas, puesto que la verdad
para una religión puede no serlo sobre otra. Trata de hacer interpretaciones del fenómeno social, su inevitable subjetividad ha sido foco de
discusión durante mucho tiempo. La hermenéutica es comúnmente utilizada en la investigación cualitativa, no solo como enfoque plural y
tradicional, sino como método de análisis. Para la filosofía, es una doctrina del tipo idealista, según la cual los hechos o manifestaciones de índole
social no deberían describirse ni explicarse objetivamente, sino subjetivamente. Kant en su obra: Crítica a la Razón Pura (p. 17-19), afirma que
las categorías <<En investigación cualitativa: Cada uno de los grupos básicos en los que puede incluirse o clasificarse todo conocimiento, o,
subdivisiones del mismo bajo la forma de conceptos puros>>, deben estar unificadas al espacio y tiempo, como reglas que las unen a través de la
autoconciencia como base para producir la unidad de la experiencia. Las categorías permiten sólo el pensar los objetos, no intuirlos, y mucho
menos están <<sometidas a un orden de sucesión>>, lo que dificulta su falsabilidad. Kant fundamentó la universalidad del conocimiento en la
trascendentalidad de las categorías, donde el intelecto construye al objeto. Esa apreciación vale una cortés comparación con lo establecido por:
Dilthey Wilhelm: Crítica de la Razón Histórica (2000, p. 109-115), donde precisa… el valor objetivo de las categorías brotan a partir de las
vivencias, y asume como primera determinación categorial la temporalidad. Para este autor, al contario de Kant, las categorías constituyen en sí,
conexiones sistemáticas, y las categorías supremas designan las posiciones más altas de concepción de la realidad.
128
El otro problema que alega Popper sobre las inferencia inductivas recae sobre el cómo
interpretar un enunciado probabilístico. Para él, existen dos tipos de estos enunciados: el
numérico basado en matemáticas y el interpretativo o no numérico. Con el primero surge la
pregunta de cómo descifrarlo ¿Qué hace tal afirmación numérica?, con el segundo se presentan
las interpretaciones subjetivas y objetivas, ambas introducen ambigüedades. Por su lado, Mario
Bunge107 (2000, p. 713), califica a las inferencias inductivas como estructuras lógicamente no
válidas o cuasi-tendenciales, pero a menudo fecundas, conocidas también como inferencias
incoadas. Afirma que la única estructura inferencial legal y válida es la deductiva. “La
conclusión” que va de la conclusión propiamente dicha a las premisas, no es concluyente en
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
Para el científico y según Piquer Op, Cit (p. 62), es menester mucha reserva, gran exactitud,
y suma diligencia para no engañarse con las inducciones. Un médico da una medicina para
quitar una enfermedad, la repite otra vez y logra la curación. Forma entonces por inducción una
máxima general falsísima, creyendo que tal medicina es remedio cierto para semejante dolencia.
Otro que afirma la existencia de errores potenciales en la inducción es el mismísimo Francis
Bacon, creador y defensor a ultranza de este método.
En su obra Great Instauratio, buscaba nada más y nada menos que una total reconstrucción
de las ciencias, las artes y todo el conocimiento humano. Bacon se opuso a la inducción por
enumeración con la idea de que la inducción que procede por simple enumeración es básica y
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
simplista, sus conclusiones precarias y expuestas al peligro de una contradictoria instancia, por lo
general decide sobre un número demasiado pequeño de los hechos que están a la mano. Su idea
de inducción formal se basaba en eliminar o excluir hechos observados negativos, pues con una
sola instancia negativa es suficiente para eliminar una generalización.
Siempre argumentó que el atraso en las ciencias se debía al uso de un método inadecuado. De
hecho a la inducción se le conoce como el método Baconiano. Mientras Aristóteles defendía el
razonamiento en las ciencias, Bacon proponía la evidencia derivada de los experimentos usando
la inducción. Sin embargo, ciertos problemas surgieron cuando se quiso elaborar teorías
explicativas basadas en observaciones particulares. Allí aceptó el uso de los silogismos
aristotélicos que tanto había descalificado argumentando: No hay inducción ninguna que no se
pueda reducir a silogismo111. Según Bunge112, la ciencia avanzada y la tecnología comienzan
donde la inducción deja de funcionar. Puesto que ambas suponen hipótesis que sobrepasan las
observaciones.
111
Aparece en el Novum Organum y en The Advancement of Learning (1605).
112
Bunge Mario. Diccionario de Filosofía (2001). Concepto de Inducción. Véase.
130
Comparación>> Bacon nunca terminó su obra. Existen 8 elementos de suma importancia que
fueron planificados y nunca se desarrollaron. Los más importantes son: el tercero, <<Sobre la
Rectificación de la Inducción>>, y el octavo: <<Sobre las Escalas Ascendentes y Descendentes
de las Leyes Generales>> aparecen todos en Novum Organum, Aforismo 21 del capítulo 2.
Quizás de haberlos esquematizado correctamente, la inducción hoy día fuese otra, y las
investigaciones cualitativas podrían tomarse como verdadera ciencia 113 . Una observación de
importancia para quien desee revisar la obra, es que el Novum Organum adolece en su totalidad,
de cálculo numérico alguno. Es decir, de haber existido alguna forma de demostración en tal
método, no hubiese hecho uso de la lógica matemática bajo ninguna circunstancia.
Roiman Valbuena: Acerca de las Formas de Razonamiento Científico.
En fin, la inducción sólo puede ser justificada deductivamente. Utilícese para generar
hipótesis que puedan ser probadas experimentalmente. Deshágase de todos aquellos supuestos a
priori que puedan aumentar la dependencia probabilística de una inferencia inductiva. Tenga
siempre presente que es la inducción la que precede a la deducción. Cuando se construye una
hipótesis por inducción se involucra al campo sicológico, no permitiéndole su demostración
lógica. El inductivista persistentemente se ha sentido atraído hacia cualquier método que le
permita salvar el abismo de las matemáticas… más, la matemática es la génesis de la ciencia
verdadera. Es más fácil encontrar a dios en los números que en las oraciones.
113
Aforismo 21 del Novum Organum: <<Después de haber formado las tablas de primera comparecencia y procedido según ellas a la
separación o a la exclusión y a la primera vendimia, es preciso pasar a los otros auxiliares de la inteligencia relativos a la interpretación de la
naturaleza, y a la inducción verdadera y perfecta. Para proponer estos diversos auxilios, cuando se requieran las tablas, tomaremos por asunto lo
cálido y lo frío, citando solamente algunos ejemplos, variaremos los asuntos; pues no conviene introducir confusión en las investigaciones, ni
forzar demasiado la doctrina. Ante todo hablaremos de los hechos privilegiados; en segundo lugar, de los auxiliares de la inducción; en tercero,
de la rectificación de la inducción; en cuarto, del arte de variar las investigaciones según la naturaleza del sujeto; en quinto de las prerrogativas
de la naturaleza, en lo referente a las investigaciones y al orden que en ellas debe emplearse; en sexto lugar, de los límites de las investigaciones,
o del conjunto de todas las naturalezas en el universo; en séptimo, del arte de llegar a la práctica, o de lo que es relativo a las necesidades del
hombre; en octavo, de los preliminares de las investigaciones; y en fin, de la escala ascendente y descendente de las leyes generales>>
131
CAPÍTULO VI:
RAZONAMIENTO, HIPÓTESIS
E INFERENCIAS CIENTÍFICAS.
Aquel que no quiere razonar es un fanático; quien no puede es un tonto; y quien no se atreve es
un esclavo.
Ernst Mayr.
S
e entiende por hipótesis a toda aquella conjetura, enunciado o serie de estos, que se
colocan por debajo del axioma en una teoría y de los cuales se extraen sus
consecuencias lógicas. Se les entiende también como cada uno de los elementos que
soportan una demostración, en las hipótesis se supone, se imagina y se recela pero no se cree. Ya
que, pasan desde las simples especulaciones cuando usando la capacidad de discernimiento, se
expresan como proposiciones condicionales que posteriormente puedan verificarse. Es decir,
hipotetizar significa buscar un conocimiento a partir de un supuesto, presentando por adelantado
una conjetura que ulteriormente se compruebe, y al demostrarse se convierte en un teorema.
John Stuart Mill llegó a conceptualizarlas como una suposición sobre las cuales no existen
suficientes evidencias, pero donde subyace una posibilidad real y cierta de corroborar por
deducción, pues lo observado sobre el fenómeno se torna conforme y acorde con las leyes que lo
rigen. Toda hipótesis científica ha de abrazar fuertemente a la entidad física que refiere, es decir,
debe necesariamente sustentarse sobre leyes científicas. No obstante, no siempre es posible
percibir sensorial y directamente el fenómeno, y si no existen leyes conocidas acreditables al
evento, entonces utilícese la capacidad de discernimiento para establecer relaciones, es allí donde
entra en juego la intuición.
La inicial es la que guía todo el proceder del investigador, y este, a través de una
deslumbrante coordinación de medios, las somete a prueba contra una teoría, donde el centro del
debate circunda a la verdad o falsedad de una razón todavía virgen. Martin Fisher advertía el no
confundir hipótesis con teoría, esta última consiste solo en una posible explicación, en cambio,
una hipótesis se usa para corregir teorías, y a la final es este el propósito de toda ciencia.
Roiman Valbuena: Sobre la Relación: Razonamiento – Hipótesis
Se dice que toda investigación concluye con una hipótesis puesto que sus implicaciones
lógicas y sus evidencias observacionales extraen el conocimiento que antes era sombrío y oscuro
sometiéndolo a la luz de la razón, allí el científico hace uso de una exquisita capacidad de
discernimiento, honestidad científica y abstracción, sabiendo que la hipótesis que
comprobó/planteó hoy, puede fácilmente ser refutada/corroborada mañana. Es preciso recordar
que el método científico como tal, es sólo una conjetura, por tanto una mera hipótesis aún sin
demostrar114.
114
Basado en esta realidad, Popper alega: <<Como regla general, comienzo mis lecturas del método científico afirmándole a mis estudiantes que
tal método no existe…>> El método científico de Popper consiste básicamente en la formulación de ideas innovadoras y en su sometimiento a las
más razonables, rigurosas y eficaces refutaciones posibles. Popper llega, en palabras suyas, a «una nueva teoría del método de la ciencia, a un
análisis del método crítico, el método de ensayo y error: el método que consiste en proponer hipótesis audaces y exponerlas a las más severas
críticas, en orden a detectar dónde estamos equivocados» (Popper, K. R., 1985, pág. 115). Sus razones sobre la no existencia del método
científico las plantea en el prefacio denominado: On The non Existence of Scientific Method. Aparece en su Libro: Realism and the Aim of the
Science (2003).
115
Henri Poincaré, Físico y Matemático Francés (1854 - 1912), Formuló la denominada Conjetura o Hipótesis de Poincaré acerca de la forma
del universo y cuyo resultado daría luces sobre la fórmula general que le dio origen. Con ella se conseguirían respuestas a los procesos físicos que
intervinieron en su creación. Tal conjetura formaba parte de los denominados siete problemas del milenio planteados por el Instituto Clay de
Matemáticas de Cambridge Massachusetts. De hecho, la conjetura de Poincaré era el problema número siete y el único hasta el momento en
haber sido resuelto después de 100 años. El Instituto Clay puso a disposición un millón de dólares a cualquier matemático que pudiese resolver
alguno de tales enigmas. Su resolución se le atribuye al matemático Ruso Gregori Perelman en (2003), quien demostró la conjetura. En 2010 el
Instituto Clay constató y verificó los datos aportados por Perelman invitándolo a recibir su premio, la respuesta del científico simplemente fue:
“Sé cómo controlar el universo, entonces porqué tendría que correr detrás de un millón de dólares”. En 2006 Perelman rechazó también la
medalla FIELDS, equivalente al premio nobel de matemáticas con una bolsa de 15 mil dólares. Para el Instituto Clay una conjetura es una
hipótesis sobre las cuales existe fuerte evidencia de ser cierta, sin embargo, no hay demostración que las pruebe. Esta es la evidencia fidedigna de
que toda investigación comienza con una hipótesis y termina con una. La conjetura de Poincaré se basa en el concepto de homología como
abstracción definido así: <<Una curva cerrada en una variedad que bordea una superficie nunca será equivalente, por una deformación continua a
una curva que no bordea ninguna superficie, ya que la deformación continua de la curva se extiende a una deformación continua de la superficie
que bordea>> El Enunciado de la Conjetura puede leerse en el excelente libro de: Jhon Morgan y Gang Tian: <<Ricci Flow and the Poincaré
Conjecture>>.
134
ciencias como la física por ejemplo, la experimentación no es posible sin ideas preconcebidas
disimuladas en la noción de coherencia, esa es la principal herramienta para conectar hipótesis.
Un discurso es coherente cuando sus unidades de razón están atadas lógicamente, entre sus
partes no existe contradicción y semánticamente se plantea de forma tal que cumple con los
postulados de la lógica deductiva. Allí sus correlatos son claros, describen interrelaciones y
hacen referencia directa al cognoscendum.
para darle justa estructuración, y este puede ser de varios tipos. Si el fenómeno al que hace
referencia se conoce a través de otro menos conocido, y que está ausente, se dice que plantea su
hipótesis usando el conocimiento abstractivo <<El caso de la Conjetura de Poincaré>> Si el
objeto ha impreso en la mente del científico alguna imagen, por observación o por contacto
directo, es posible afirmar que plantea su hipótesis a través de una cognición intuitiva.
Si el científico decide plantear no una sino varias hipótesis sucesivas, como en el caso de las
grandes teorías científicas y abarcando al mismo fenómeno, entonces su sistema hipotético debe
presentar: relación; coherencia; coincidencia y cohesión, derivadas del conocimiento
comprensivo. Préstese cuidado ya que puede haber coincidencia sin cohesión, coincidir implica
que cada elemento de A se corresponde con alguno de B, donde hay concordancia y siempre se
produce el mismo resultado. No obstante, cohesión solo significa que hay un enlace entre al
menos dos cosas. Es decir, dos cosas pueden estar unidas sin coincidencia alguna por efectos de
la ley de la casualidad.
Para el científico, las hipótesis son siempre el resultado del encadenamiento de ideas que se
originan en su mente, pues su psiquis ha sido alterada por ideas simples captadas desde cosas
interiores o exteriores. Y como tales cosas no son más que cambios continuos, reflexiona
entonces como producto de tales variaciones, esto altera el pensamiento y produce un nuevo
cambio en sus ideas, reconózcase de esta manera a las hipótesis como un tipo de potencia mental
producto de cambios sucesivos asociados a una infinita sed de cognición.
116
Cap. V. Hipótesis. 5.1.- Significado de las Hipótesis, p. 195 y ss.
135
Evidenciando solo una separación profusa entre aquello conocido y lo que se pretende llegar a
conocer. Ciertamente, una sola experiencia para el científico no basta, pero la conciencia en
ocasiones propone una visión un tanto confusa de los procedimientos tecno operativos de la
razón incitándola a plantear hipótesis a priori de la forma si… entonces…, es suficiente con
Roiman Valbuena: Sobre la Relación: Razonamiento – Hipótesis
conocer algún si para proceder con un entonces… Georg Christoph Lichtenberg117 en uno de sus
aforismos describe lo siguiente: Debemos creer que todo tiene una causa, como cuando la araña
teje para capturar moscas. Lo hace sabiendo previamente que existen tales cosas llamadas
moscas.
Tal conclusión contendrá sólo explicaciones tremebundas con una gran carga probabilística.
No es sino hasta su demostración, cuando una hipótesis se torna clara, tersa y transparente, pues
ha evaporado toda sombra de duda de ella y ha dado paso al conocimiento de la causa del
fenómeno. Allí desaparecen dos cosas más, toda generalización temeraria previamente adoptada
y la hipótesis misma, dando luz a un teorema que explica y demuestra las sucesivas
consecuencias de tales hechos concatenados. No obstante, y como diría Paulo Coelho; después
que se tengan todas las respuesta, de seguro las preguntan cambiarán.
Las hipótesis son las más importantes herramientas usadas para direccionar una investigación
y se componen de al menos dos partes, una primera denominada Cuerpo Básico de
Conocimientos y otra de nombre Sistema Hipotético. La inicial se corresponde con la colección
de conocimientos previamente adquiridos y probados, la última es la que dará sustanciación a
todas y cada una de las explicaciones y relaciones, es la que lía, concatena y establece juicios, es
117
Científico y Escritor Alemán (1742 – 1799).
136
Heurística es una palabra de origen griego que designa “Descubrir” “Encontrar”, como
ciencia consiste en un proceso que estudia toda actividad creadora o innovadora y se avoca sobre
la solución de problemas que comúnmente no pueden ser resueltos por métodos tradicionales. El
pensamiento humano y la connaturalidad científica hacen uso de la heurística, estimulando así
las ideas que puedan ser fructíferas a la ciencia. La heurística permite la apertura de caminos
mediante el uso de teorías construidas antes o después de ciertos procesos, métodos y técnicas
específicas que permitan salvar el abismo de un problema coordinando medios para obtener un
descubrimiento.
Heurística puede considerarse también como algo relativo, ya que sus teorías no son usadas
de manera unívoca por las comunidades científicas, hay teorías heurísticas netamente
axiomatizadas y formales, así como teorías cuyo contenido es puramente conceptual como las de
la investigación social. La heurística está muy relacionada con las hipótesis y las teorías formales
de demostración matemática, en este caso se hacen uso de la lógica formal y la ciencia
deductiva, allí el proceso heurístico reproduce resultados de forma matemática. Contrariamente,
el método heurístico de teoría conceptual desarrolla conjeturas mediante las cuales intenta
reproducir matemáticas y no demostrarla.
prueba, allí se introduce un tipo de razonamiento que consiente intervenir en el problema sobre
la base de la creatividad. Se razona sobre procesos, se particulariza y generaliza, en perfecta
consonancia con el pensamiento heurístico. En el enfoque de teoría heurística conceptual, sus
científicos aducen que la matemática involucra verdades eternas que formalmente no son
posibles de criticar o refutar, destacando un resultado infalible soportado en la demostración, no
siendo esa la única forma de producir conocimientos.
119
Debido al amplio contenido del proceso de investigación heurística, no se aborda con suficiente profundidad el tema en esta edición del
presente texto. Si el lector lo desea, puede profundizar a motu proprio en su contenido en la excelente obra de Clark Moustakas (1990). Heuristic
Research: Design, Methodology and Applications. Publicaciones Sage.
120
Aprendizaje por Inducción: se le conoce como un tipo particular de proceso donde el sujeto cognoscente adquiere conocimiento cuando es
expuesto a una serie de estímulos, donde percibe sensaciones de los eventos. Tal interacción abre las posibilidades de descubrir patrones causales
explicativos, permitiéndole formar juicios en base a eventos previamente observados. No obstante, el juicio deriva en errores y se puede
fácilmente caer en la falacia, cuando se pretende generalizar en función de sólo un pequeño número de casos.
138
sus razonamientos 121 , sin embargo, no existen estudios concluyentes acerca de cuánto
razonamiento inductivo y deductivo se da lugar en el cerebro, la mente o la conciencia, lo que
lleva a sugerir el analizar la coherencia entre las ideas antes de plantear “x” o “y” hipótesis. El
acto de razonar consiste en concatenar silogismos, dicho de otra manera, precisar de dos ideas
sobre las cuales se desee inquirir una tercera a posteriori.
Y es esta última, la que realmente permite descubrir la/s relación/es entre las otras dos. Y ello
es imposible sin introducir coherencia, tanto entre la esfera de la mente como en la esfera del
mundo real y material. Debido a que en toda investigación la inducción precede a la deducción, y
que ambas trabajan juntas operando tal maquinaria en la obtención de conocimientos, el
problema realmente no es plantear una de un tipo u otra de otro tipo, la raíz de todo descansa en
Roiman Valbuena: Sobre la Relación: Razonamiento – Hipótesis
Para conectar hipótesis tome en cuenta estas recomendaciones; existen ciertas formas
anómalas de coherencia que se dan lugar en la conciencia, la primera de ellas es la Coherencia
Intrínseca, o aquella que asiste inseparablemente al objeto y consiste en uno de sus atributos
acompañándolo en cada una de sus circunstancias. Puesto que una hipótesis deductiva va de lo
general a lo particular (descendente) y una inductiva 122 va de lo particular a lo general
(ascendente), si un científico “X” concibe una hipótesis deductiva “a”, y otro científico “Y”
genera una segunda hipótesis inductiva “b”, y el fenómeno que se desea explicar se presenta en
un sistema amplio y conectado con la naturaleza, entonces debe existir un punto de coincidencia
entre ambas puesto que el atributo que acompaña al objeto o evento ha de estar presente tanto en
“a” como en “b”. Haciendo posible que tal fenómeno pueda ser abordado por disciplinas
distintas usando para ello las teorías del mecanismo o la teoría de acción.
Se considera anómala en el caso de que “a” creada por “X” y “b” creada por “Y” no coincidan
en sus sentidos ascendente y descendente. Preste atención al siguiente ejemplo: Carlos y Mario
son dos observadores pasivos que acaban de presenciar un accidente automovilístico. Carlos
explica a las autoridades los pasos del accidente desde su inicio hasta la llegada de la
121
El razonamiento circular, o razonamiento Pseudocientífico, consiste en un tipo de juicio en el cual se soporta una premisa basada en la
premisa misma y no en la conclusión. Se le conoce también como un tipo de falacia lógica o argumentación retroalimentada. Considérese el
siguiente ejemplo: “a” es cierta y válida porque “b” lo es… así mismo… “b” es cierta y válida porque “a” lo es. Es como decir: “Dios es Dios
simplemente porque es Dios”. Bo Bennett, escritor del famoso libro: 300 Falacias Lógicas, explica el razonamiento circular de la siguiente
manera: todo razonamiento circular introduce una definición circular, ésta consiste en definir un término usando al mismo término dentro de la
definición, es como usar el término definición para definir definición, “Definición se define como…”. Por otro lado, preste atención al siguiente
ejemplo: “Juan es un genio simplemente porque es inteligente”, donde la palabra inteligente es sinónimo de genio. Al construir hipótesis basadas
en inducción este tipo de razonamiento debe evitarse. La Circularidad dentro del razonamiento inductivo consiste en un error del mismo tipo que
el de Regresión Infinita. Para una explicación más amplia de Regresión Infinita como forma de razonamiento Refiérase al apartado: 5.3.- El
problema de Superponer Inducción y Deducción. Cap. V: Acerca de las Formas de Razonamiento Científico En este texto.
122
Hace referencia a una hipótesis inductiva basada en la lógica del mismo tipo y para la cual se ha calculado un coeficiente de probabilidad.
139
Existe otra forma de coherencia denominada Coherencia Instantánea, allí no importa lo que
suceda, ambos científicos interpretarán lo mismo pues el evento acaecido y que se desea estudiar
se rige por alguna ley natural y universal que lo explica, y de la que es indubitablemente
invariante, este tipo de coherencia da Potencia a la Hipótesis.
Roiman Valbuena: Sobre la Relación: Razonamiento – Hipótesis
Es decir, los supuestos descansan y ascienden desde lo más abstracto hacia lo menos
abstracto, construyendo así una forma de noción simple hasta llevarla a una forma
completamente formada o viceversa. Una tercera forma de coherencia es la denominada:
Correlación Distancia Independiente 123 , allí las hipótesis intentan vincular a través de
consecuencias lógicas y concatenando supuestos, las distancias entre las partes más próximas y
más lejanas de un sistema. Donde los vectores de distancias próximas y lejanas son
independientes entre sí. A este tipo de coherencia es muy poco accesible desde el razonamiento
natural de un científico, se presenta comúnmente en investigaciones con razonamiento artificial,
donde el sistema que se estudia exhibe gran cantidad de datos aislados y no correlacionados.
Cuando construya hipótesis razone, argumente y exponga con acierto sus pensamientos,
premisa significa emitir un juicio seguido de otro. Vincule correctamente, vincular significa
establecer consecuencias lógicas entre un conjunto de premisas. Haga ejercicios de meta
razonamiento, es decir, razone sobre su propio razonamiento. Evite la Disonancia Cognitiva124,
en ciencia es un arma de doble filo. Cuando plantee hipótesis deductivas evite los Entimemas,
consiste en un argumento en el cual una de las premisas no ha sido suficientemente definida o no
existe.
123
Muy usadas en los Programas de Investigación Analíticos. Puede ampliarse este tema en el libro de Lazlo Erwin: The Connectivity of
Hypotheses (2003, pp. 49 y ss.).
124
Consiste en una Teoría de la Sicología Social, basada en la premisa de que la gente se muestra más motivada a observar consistencias entre
sus creencias, actitudes y acciones. Es común que un científico encuentre inconsistencias disonantes al plantear determinadas hipótesis, pues sus
creencias le llevan a evitar el tratar de eliminar tales inconsistencias. Se recomienda al científico, si una investigación se relaciona directamente
con sus creencias, calcule primero el Coeficiente de Razón de Disonancia total antes de exponer sus hipótesis ante un auditorio científico. Véase
el Concepto de Disonancia en: Wilson y Keil (1999), The MIT Encyclopedia of Cognitive Science, PP. 223 y ss.
140
Abducir significa determinar algo basado en una condición previa, proceso inferencial
estrictamente relacionado a la investigación científica. Allí se asume como regla que todo el
conjunto o set de proposiciones adoptadas como precondiciones pueden explicar las
conclusiones obtenidas. Una sentencia del tipo !Está Mojado… Entonces ha llovido ¡es una
abducción, una inferencia basada en el descubrimiento. Según la lógica, a la abducción se le
estima contraria a la deducción. Sin embargo, se diferencia de la inducción ya que esta última
genera hipótesis basadas en observaciones, y para ser ciertas ameritan percepción.
falacia lógica cuando afirma un consecuente solo porque se tienen varias explicaciones.
Recuérdese que la lógica trata sobre las reglas del cómo pensar… pero por sí misma no penetra
en aquello que ha sido objeto de pensamiento. Además, resulta complejo el intentar tratar las
abducciones desde la teoría lógica de la silogística. La conclusión abductiva ¡Entonces ha
Llovido¡ se genera como consecuencia de un razonamiento lógico basado en la experiencia, no
obstante, en este caso, no existen evidencias de que porque esté mojado halla llovido, otras
causales pudiere haber.
Concatena entonces réplicas y ataques sobre aquellos juicios intentando descubrir paradojas e
incoherencias mediante el choque entre proposiciones contrarias y contradictorias, estableciendo
así relaciones de oposición y construyendo de esta manera conocimiento como resultado de una
actividad mental. No obstante, debido a su forma, los razonamientos pueden ser de varios tipos,
y el razonamiento abductivo se identifica con las siguientes características.
En una deducción se obtiene “C” a partir de dos premisas previamente establecidas “A” y
“B”, donde “C” será verdad si ambas premisas también lo son. En la abducción, o razonamiento
abductivo, se intenta explicar “C” a través de “A” o “B” (comúnmente una sola), tomando a
alguna de ellas (A o B) como hipótesis explicativa. Por ejemplo:
Para una abducción es necesario que p sea suficiente para explicar q. Ambas son usadas
dentro del proceso científico del razonamiento causal, y donde la abducción también es conocida
como hipótesis diagnóstica.
inducción como la abducción no son válidos en la ciencia, más, a través de ellas se engendran
hipótesis altamente aceptables que posteriormente pueden ser corroboradas por la deducción.
Primera: sea L un lenguaje de primer orden. Entonces, una simple teoría causal se compone
de {C, E, Sigma} Donde sigma es una explicación abductiva si:
Segunda125: sea {C, E, Sigma} una simple teoría causal. Una explicación de un conjunto de
observaciones O del subconjunto E, es un finito conjunto A del subconjunto C, Tal que:
Las implicaciones lógicas se establecen como pre condiciones para el desarrollo de problemas
abductivos, allí las abducciones pueden derivarse únicamente de creencia para las cuales el
125
Se lee: una explicación de un conjunto de observaciones de los efectos, es un conjunto finito A del subconjunto de las causas. Es decir, las
observaciones se obtienen de los efectos y estos se derivan de un subconjunto de causas no observadas.
126
Vdash, el símbolo de barra invertida dentro de las llaves es muy usado en la lógica de programación para asimilar conocimientos e interpretar
lenguajes. La abducción pertenece a la teoría epistémica de la inteligencia artificial, allí recibe múltiples interpretaciones.
142
No existe algún tipo de lógica que permita corroborar la coherencia estricta y racional entre
una verdad del tipo formal y una del tipo material a través de un razonamiento abductivo, pero es
el procedimiento del que se vale el científico para resolver problemas simples y luego estructurar
los complejos, es el método que usa el científico para satisfacer restricciones. La abducción
forma parte del proceso de razonamiento artificial incluido en la redes Bayesianas, es una forma
esquemática de representación del conocimiento, allí se asume como un método para establecer
Roiman Valbuena: Sobre la Relación: Razonamiento – Hipótesis
Según la Teoría del Diagnóstico de Reiter127, un problema diagnóstico puede ser mapeado
dentro de un problema abductivo, al introducir sus hipótesis toman la forma de hipótesis
compuestas, donde la solución para el problema diagnóstico se corresponde con la explicación
para el problema de abducción y viceversa. Allí se establecen vínculos de coherencia entre los
datos y las hipótesis, donde las hipótesis más amplias explican toda la data. Por ejemplo: Palma,
Marín, Sánchez y Palacios (2002, p. 205 y ss.)128, explican un modelo basado en lógica difusa
para un diagnóstico abductivo aplicado en enfermedades coronarias.
Cooper & Col 129 . (2013, p.262 y ss.) Alegan, que el proceso básico para la prueba de
hipótesis diagnósticas basadas en abducción, se corresponde con el ciclo básico de los procesos
127
Abductive Inference: Computation, Philosophy, Technology. Editado por Jhon y Susan Josephson. 1996. Cambridge University Press. P. 161.
Véase.
128
A Model Based Temporal Abductive Diagnosis Model for an Intensive Coronary Care Unit. Véase.
129
Modeling High – Level Cognitive Processes. Véase.
143
Roiman Valbuena.
S
e entiende por Inferencia <<extraer una cosa de otra>>, al proceso mental, basado en
sicología cognitiva, mediante el cual, una posibilidad provisional o agente con
significado cognitivo (premisa aceptada), es movida intencionalmente hacia otra
proposición condicional (también aceptada). Allí, el significado cognitivo individual de las
premisas es entonces conectado, reproduciendo de esta manera, una inferencia de razonamiento
pero esquematizada como concepto con significado lingüístico. Se le entiende también como una
operación de la inteligencia donde el ser pensante pasa desde la aprehensión del objeto o dato, a
la consecuencia. Donde se acepta a la premisa sucediente sólo porque la antecedente también lo
fue, tal como lo dicta la ley de la silogística deductiva. A este proceso de conexión de una
primera idea con una segunda se denomina implicación130. El primer paso como proceso mental
pertenece a la sicología cognitiva, el segundo a la lógica, y esta última condiciona que ambas
premisas han de ser verdaderas.
Desde el punto de vista de la lógica matemática como ciencia formal, una inferencia científica
es también, el procedimiento mediante el cual se parte desde un enunciado verdadero y se
persigue conseguir otro u otros de la misma índole, empleándose para ello una secuencia
denominada cálculo lógico o algoritmo lógico sistemático. El hombre de ciencia aplica la
sicología cognitiva para transformar una situación dada (situación problemática) en otra deseada,
usando para ello ciertos mecanismos de la razón, logrando así resolver un problema. En función
de ello, las inferencias presentan ciertas características:
130
El condicional de implicación de la lógica proposicional consiste en un símbolo que permite establecer una relación causa – efecto entre dos
enunciado.
145
3) Una inferencia es diferente a una conclusión, pues para esta última son necesarias
observaciones repetidas que provean la misma carga informativa.
implicación lógica.
No obstante, el asunto no es tan sencillo, la mente ha de estar sobria cuando, al relacionar los
momentos temporales previos a la admisión de la inferencia, se está clara de qué o cuáles
circunstancias han de estar presentes cuando la inferencia se da. Y donde puede llegar a
confundirse la genialidad con la razón. Según John Locke131 (1999), no existe conocimiento sin
discernimiento… pues es la diferencia entre ingenio y juicio la que separa a algunos hombres y
los sitúa por encima de otros:
131
Capítulo XI: Acerca del Discernir y otras Operaciones de la Mente. Véase.
146
Aunque no son los únicos tipos de inferencias aplicables y usadas en las ciencias, la siguiente
clasificación presenta una estructura basada en razonamiento deductivo:
Roiman Valbuena: Un Pequeño Abordaje de las Inferencias Científicas.
Una Inferencia Inmediata se origina de aquel acto mental mediante el cual se deduce una
proposición e inminentemente se introduce en otra, en su accionar no se constituye, o supone, en
lo que propiamente podría llamarse razonamiento. Se entiende también como aquella que no
hace uso de un término medio, es decir, se infiere una proposición de otra proposición simple.
Una inferencia inmediata se tornará valida si y solo si: la consecuencia derivada contiene la
misma carga informativa que la premisa. Y, si en la consecuencia o conclusión, aparece una zona
vacía de conocimiento que también está presente en la premisa.
De acuerdo a Stock (1888, p. 135), consiste en una inferencia basada en las relaciones entre
proposiciones que comparte los mismos términos, difiriendo ambos en calidad o en cantidad. Elí
de Gortari (1988, Véase Concepto de Inferencia por Oposición), afirma: es la que se ejecuta
basada en una única proposición categórica, universal o particular 133 , que funciona como
premisa para obtener una o varias proposiciones categóricas, universales o particulares, como
conclusiones. Es decir, la oposición subyace en el acuerdo o desacuerdo que pueda surgir entre
sus partes, donde ambas proposiciones contienen el mismo sujeto y predicado pero con una
cantidad opuesta.
132
George Stock, Lógica Deductiva. De las Inferencias en General. P. 132 y ss. Véase.
133
Una Proposición categórica es universal cuando contiene el término <<Todos>> y es particular cuando contiene el término <<Algunos>>.
Ejemplo: Todas las aves vuelan… categórica universal. Sólo algunas aves vuelan… Categórica particular. La diferencia entre universal y
particular es lo que se dice tiene que ver con la cantidad.
147
Una inferencia simple por conversión consiste solo en transponer sus términos, alternando
sujeto con predicado y viceversa, tal como en el ejemplo anterior, al hacerlo, no debe afectarse el
valor de verdad contenido en la premisa original. Allí al antecedente se le conoce como
conversor, y al consecuente como convertido o proposición que ha sufrido la transformación.
Ferrater Mora (2004, Véase concepto de Conversión), argumenta que los lógicos han
admitido 3 modos principales de conversión: a) la simple, donde el sujeto y el predicado
conservan la cantidad o la extensión; b) la conversión donde solo conserva la extensión se
Roiman Valbuena: Un Pequeño Abordaje de las Inferencias Científicas.
Según Ferrater Mora, la siguiente conversión no es válida: Todos los hombres bondadosos
hablan con franqueza… a… Todos los que hablan con franqueza son bondadosos. Allí se
aprecia claramente la introducción de un sofisma. Argumenta subsiguientemente George Stock
(1888, p. 143)… para que se reproduzca una inferencia por conversión han de cumplirse con dos
reglas: 1) no deben aparecer términos distribuidos en el conversor que no hayan sido también
distribuidos en el convertido; 2) la calidad del conversor ha de ser la misma del convertido.
En escritos de Joseph Devey (1854, p. 97), para asegurar con evidencias que la calidad del
juicio ha de ser conservada, y que ningún término del conversor no haya sido distribuido en el
convertido, se presenta el siguiente ejemplo: puesto que “Todas las Sales son Fundibles”, no es
posible inferir que “Todas las Cosas Fundibles son Sal”. Porque en este caso habría de emplearse
el predicado universal en el conversor y que solo tomó características particulares en el
convertido.
produce un cambio de calidad134 en una proposición y un cambio del predicado por un término
contradictorio. La permutación admite expresar negativamente todo aquello que ha sido
expresado afirmativamente y viceversa. Por ejemplo:
términos contradictorios han de ser aplicables a determinado sujeto, tal que, cuando uno sea
predicado afirmativo, el otro sea negativo y viceversa. Allí la regla es muy sencilla: cambiar la
calidad de la proposición y cambiar el predicado por un término contradictorio.
Negación. En Rosental –Iudin (2004, Véase Concepto de), expresa el cambio cualitativo de
las cosas. Operación lógica de formar un enunciado partiendo de otro, siendo el primero
verdadero y el segundo falso o viceversa. Para Martínez María (2006, p. 3);
Para la conversión por negación se usan dos pasos, la permutación y la conversión simple, no
obstante, es posible ejecutarla en uno solo. Ejemplo135 donde se transforma a una proposición
categórica universal positiva en una proposición categórica universal negativa:
inferencias tan legítimas como las que pasan bajo el título de la conversión por la negación se
quedan sin un nombre.
Consiste en la primera de las fórmulas compuestas. Se les entiende como a una combinación
de la Obversión. En su proceder se ejecuta la permutación de los términos sujeto y predicado de
la proposición, anteponiéndoseles allí una partícula negante. Tal conversión sólo es posible
cuando la conversión del término denominado sujeto mantiene la misma extensión que tenía
cuando era predicado. Sobre el tema, Kant argumenta que este tipo de inferencia inmediata
Roiman Valbuena: Un Pequeño Abordaje de las Inferencias Científicas.
Kant así mismo sostiene que la regla general: Todos los juicios universales afirmativos se
pueden contraponer Simpliciter <<falacia por accidente>>, puesto que si se niega al predicado
como aquello que contiene al sujeto se niega entonces la totalidad de la esfera, y entonces es
posible negar solo una parte de la misma. En sus estudios sobre lógica, Lombraña (1989, p. 162)
aporta un ejemplo de conversión por contraposición: de Todo Incompetente es Inofensivo, se
sigue… Todo no Inofensivo es no Incompetente. Y de, Algunos Crédulos no son Fieles, se
sigue… Algunos no Fieles no son no Crédulos. Para Stock, la conversión por contraposición
descansa sobre el postulado universal: Lo que es verdadero en una forma, también lo será en
otra forma de palabras que transmitan el mismo significado.
Una conjunción es aquella clase de palabras o conjunto total de estas que se usa para enlazar
proposiciones. En los discursos se emplea como conector de frases, sentencias o clausulas. Una
disyunción por su lado se usa para deslindar, desunir o separar una frase de otra, usándose para la
elección entre dos opciones <<Es salado o dulce>>. También existen las disyunciones inclusivas,
allí es posible admitir ambas posibilidades simultáneamente <<Carlos es Jefe o es Obrero>>
siendo Carlos encargado de la jefatura de los obrero y al mismo tiempo uno de ello.
Dado que el razonamiento se considera una importante habilidad humana que separa al
hombre de ciencia del hombre común, los modelos teóricos empleados por los científicos se
136
En lógica, un juicio asertórico es aquel que de cierta manera no excluye de la posibilidad de una contradicción lógica. Contrariamente, un
juicio apodíctico (verdadero) es aquel demostrable y que no admite contradicción.
150
La opción de uso de uno u otro dependerá también de al menos dos factores: la dificultad de
la inferencia y la complejidad de las reglas. En el modelo mental se asume posibilidad de
consistencia cuando hay un vínculo evidente o subyacente inmediato entre las premisas, o en el
caso de presentarse la posibilidad de elección entre ellas…p entonces q; p o q. No obstante, para
evitar un excesivo uso memorístico que pudiese hacerle caer en falacia, el científico generará
inferencias con la menor carga informativa posible, haciendo a este modelo útil para algunos
Roiman Valbuena: Un Pequeño Abordaje de las Inferencias Científicas.
casos pero no práctico para otros. Si la inferencia presenta complejidad, entonces ha de usar el
modelo legaliforme de la lógica formal, aunque sea más extenso y complejo.
Axioma 1.- Si dos términos convergen con un tercer término, entonces, todos los términos convergen
entre sí. (Axioma de Identidad).
Axioma 2.- Si un término converge y otro no con respecto a un tercer término, entonces, ellos
divergen los unos con los otros.
Axioma 3.- Si dos términos divergen con respecto a un tercer término, entonces, ellos pueden o no
estar de acuerdo los unos con los otros.
Entonces, una proposición conjuntiva nunca certifica ni niega ninguna de las proposiciones
constitutivas de la conclusión o juicio, solo afirma que hay una relación entre ellas. La diferencia
entre una inferencia inmediata y una mediata circunda a la importancia del término medio. En la
151
Entonces, allí no es posible inferir que un murciélago es un ave y viceversa. Sólo es posible
afirmar que existe una relación. Otro ejemplo:
Entonces, es posible inferir con confianza que ningún murciélago es ave. Obsérvese que en el
primer ejemplo ambos términos divergen con respecto al tercero, axioma 2. En el segundo
ejemplo ambas premisas divergen entre sí, pero convergen en la conclusión, axioma 3.
152
CAPÍTULO VII: EL
RAZONAMIENTO Y LA
CIENCIA MÁS ALLÁ DEL SER
HUMANO: TECNOLOGÍA...
Ray Kurzweil.
153
Roiman Valbuena.
S
e denomina razonamiento artificial, a todo aquel conjunto de mecanismos empleados
para evadir las restricciones propias que el cerebro impone al hombre de ciencia, y cuya
finalidad es hacerse de estrategias que admitan la expansión del pensamiento a través de
la utilización de modelos basados en formas alternativas de argumentación y prueba,
desarrollando de esta manera una representación de conocimientos más avanzados. Razonar
artificialmente implica crear entidades inteligentes capaces de ejecutar razonamientos científicos
más allá de las potencialidades del hombre, logrando liar al cerebro humano con los modelos
lógicos computacionales mejorando su desempeño.
Dos elementos motivan la caracterización del cerebro como computador: el más fundamental
asume que la definición de sistema nervioso es netamente representacional. Es decir, los estados
del cerebro representan los estados de algún otro sistema, del mundo exterior y del cuerpo en sí
mismo, donde una transición entre estados puede ser explicada como operaciones
computacionales.
137
La frase <<pero con conciencia>> se usa en un contexto limitado, ya que en el experimento de la habitación china, usado para rebatir el test
de Turing, una máquina ejecuta una acción sin llegar a entender qué hace y porqué, es sencillamente una acción mecánica programada sin
capacidad de discernimiento alguno. Simplemente se direcciona sobre la acción pero no discrepa ni razona como facultad que el ser humano sí
posee. Compárese este ejemplo con el del Cerebro en una Cubeta <<En este mismo texto aparece: Capítulo XXIII Introducción a la
Investigación Experimental. Experimentos Mentales>>.
138
Denomínese NOESIS, concepto que aparece en la cita inicial del subcapítulo, a una actividad atribuida enteramente a las acciones del
pensamiento, es un tipo de epifanía e intuición eidética que llevan al científico a oponerse a cualquier percepción sensible. Consiste según Platón,
en uno de los grados más elevados del conocimiento.
139
James H. Fetzer: Artificial Intelligence: It´s Scope and Limits.
154
como un alto estado con sentido abstracto. Esto último, en relación a que el cerebro puede ser
visto como un dispositivo cuyas entradas y salidas logran ser caracterizadas en términos de
funciones matemáticas.
En ese orden, antecedentes neurobiológicos han arrojado datos afirmando que el cerebro se
comporta como una máquina causa – efecto 140 . El pensamiento significativo, o pensamiento
Roiman Valbuena: El Razonamiento Artificial y el Concepto de Investigación Científica Avanzada.
Por su lado, a la investigación científica, tal como hoy día se le conoce, debe dejar de
ejecutársele acudiendo únicamente a los mecanismos de la razón y del método, pues allí la
capacidad de discernimiento pierde fuerza cuando se opera con múltiples variables que a su vez
pueden presentar infinidad de estados en intervalos de tiempo extremadamente pequeños. La
ciencia del siglo XXI precisa de resultados que con el método tradicional no se podrán lograr,
donde, nada puede estar tan oculto que no se pueda descubrir.
Es decir, el científico observa y estudia al fenómeno a través de un vidrio con cierto color,
este apasionamiento hará que toda conclusión involucre al mismo color <<Disonancia
140
Parte del contenido científico de este párrafo, fue extraído y adaptado desde: Concepto <<Computation and The Brain>>, en The MIT
Encyclopedia of Cognitive Sciences. Véase.
155
Una investigación es avanzada, cuando se evidencia descubrimiento a través del usufructo del
pensamiento humano embebido en un algoritmo computacional. Donde el fracaso corrosivo del
Roiman Valbuena: El Razonamiento Artificial y el Concepto de Investigación Científica Avanzada.
modelo tradicional y menguado, sea tan evidente, que amerite el cambio radical de las
estructuras para producir conocimiento. O, cuando la lógica bivalente deja de ser efectiva y se
acude a otros modelos de razonamiento que sobrepasan las capacidades humanas.
Introduciéndose allí, los modelos de la Inteligencia Artificial <<IA>>; las Redes Neuronales; la
Lógica Polivalente; la Lógica Difusa o los Razonamientos Bayesianos.
Por ejemplo, si determinado estudio amerita la observación de una situación donde el estado
de las variables evoluciona con el tiempo142, entonces se hace necesario un método basado en
intervalos, ninguno mejor que el Método del Razonamiento Temporal. De manera que permita
razonar sobre el presente y el pasado, además de establecer convincente y efectivamente, una
relación de hechos acumulados en un intervalo específico de tiempo. El razonamiento temporal
se utiliza en problemas donde se calculan situaciones probabilitarias, de manera que se obtenga
una técnica para transformar una situación en otra. Allí el científico podrá usar las tres categorías
principales del razonamiento temporal: los Sistemas Algebraicos 143; la Lógica Temporal y la
Lógica de Acción.
141
Conflicto mental que surge al considerar de forma simultánea creencias o actitudes contrapuestas. La cantidad de disonancia depende de la
intensidad relativa de los elementos disonantes. La disonancia puede darse en diversos tipos de estados o procesos psicológicos, aunque el núcleo
de la investigación de la teoría de la disonancia cognitiva está formado por el estudio de la disonancia en la elección y la consiguiente
justificación y efectos derivados de la elección. La disonancia cognitiva puede estar presente en dos tipos de fenómenos de cierto interés para los
filósofos, a saber, el del autoengaño y el de la falta de voluntad. ¿Por qué intentan las personas que se autoengañan creer en algo que, en algún
sentido, saben falso? La persona puede recurrir al autoengaño cuando ese conocimiento produce disonancia. ¿Por qué cometen las personas sin
voluntad actos que saben equivocados? Se puede llegar a carecer de voluntad cuando la disonancia surge a partir de las consecuencias esperadas
por hacer lo que es correcto. Tomado de: Diccionario Akal de Filosofía. (1999). Robert Audi Editor. Disonancia Cognitiva. Concepto de. Véase.
142
En investigaciones donde se estudia la conmutación eléctrica; el comportamiento de las neuronas; o cuando se revisa un sistema integrado
con múltiples condiciones, por lo general la causa y el efecto son contiguos, se hace difícil representar intervalos de tiempo que se superpongan.
Temporal Reasoning. The MIT Encyclopedia of Cognitive Sciences. Véase.
143
Los sistemas algebraicos se concentran en las relaciones entre puntos de tiempo y/o intervalos de tiempo, que se representan por variables con
nombre. Un conjunto de ecuaciones cualitativas o cuantitativas restringen los valores que podrían ser asignado a las variables temporales. Por su
lado, la lógica temporal sirve para representar relaciones entre proposiciones a lo largo del tiempo.
156
George B. Dyson
"Darwin among the Machines: The Evolution of Global
Intelligence,"[p. 9, 1997]
S
e denomina lógica trivalente, al sistema lógico matemático no determinístico donde los
valores lógicos de sus proposiciones son tres: [Verdadero]; [Indeterminado] y [Falso]
[V: I: F]. suele aparecer también bajo la denominación [1: ½: 0]. Este sistema se opone
al Principio del Tercero Excluso Aristotélico que se enuncia así: <<Cuando existan dos
proposiciones que recíprocamente se nieguen, al menos una de ellas ha de considerarse
necesariamente verdadera, es decir, una tercera no se da>> C.S. Pierce elaboró los primeros
conectivos proposicionales trivalentes hasta ahora conocidos, habiendo descubierto simetrías y
generalizaciones que permitieron a otros investigadores profundizar en el tema. A Jan
Lukasiewicz <<Matemático y Filósofo Polaco>> se le atribuyen trabajos posteriores. El
144
científico estadounidense Clarence Irwin Lewis también aparece como uno de los
desarrolladores de la lógica trivalente.
Hay una condición axiomática del principio de trivalencia que explicita lo siguiente: [Toda
144
Lewis escribió un libro en 1918 y que fue publicado mucho tiempo después en 1960 denominado: <<A Survey of Simbolic Logic>> En su
Capítulo I: Sección VII: p.107. Apartado dedicado a Pierce. Aparecen los primeros vestigios de una lógica diferente a la bivalente en manuscritos
de Robert Grassmann, con cálculos notablemente diferentes al tradicional cálculo Booleano. Pierce básicamente operacionalizó el cálculo de
sentencias equivalentes o razonamiento simbólico y los complementó con las descripciones de Hugh MacColl´s en su libro: <<Simbolic Logic
and It´s Applications>> 1878-80. Donde aparecían 4 tipos de enunciados: [Verdadero]; [Falso]; [Cierto]; [Imposible] y [Variable], este último
con las opciones (no cierto y no imposible) que posteriormente Pierce desarrolló.
145
Este teorema es similar al planteado por Godel en su lógica aproximada ahora denominado Teorema de Incompletud de Godel, donde se
afirma que en un sistema axiomático cualquiera, hay proposiciones que son indecidibles. Véase El Método Axiomático o Método Demostrativo
en este mismo texto. Para Hauptsatz consiste más en un método de prueba o teoría de prueba y demostración.
157
fórmula tiene un valor de verdad en el conjunto V; I; F;] una fórmula es verdadera o falsa según
el n-tuplo designado en la descripción que en ellas aparecen, y pertenezcan al dominio positivo o
negativo del predicado. Sin embargo, en el mismo sentido clásico, amerita interpretación al ser
indeterminado y muy comúnmente, podrán observarse comportamientos emergentes en los
sistemas bajo estudio. Esto último, no habría sido posible sin la aplicación de un nuevo método
de indagación. Es decir, la perturbación de un sistema produce innovación.
Algún nuevo resultado podrá ser indeterminado para la lógica y la metalógica en L3, pero con
gran significado tanto para la semántica del científico como para la del sistema. La lógica L3
asume gran cantidad de justificaciones por inducciones, tal cual se ejecuta en cualquier
Roiman Valbuena: La Lógica Polivalente: Lógica Trivalente [L3].
experimento científico. Pero que por ello, al igual que en la experimentación, sólo pertenecen a
un razonamiento temporal que posteriormente es operacionalizado por la teoría de la
demostración. Básicamente, la lógica L3 trata de esquematizar un árbol de fórmulas “F” a partir
de un conjunto finito “M” de supuestos, allí las fórmulas son duales y parten todas de “F”, y cada
sucesor de “M” es una conclusión de una premisa anterior tal como sucede con el razonamiento
teoremático en el método axiomático o método demostrativo.
No obstante, por el principio de trivalencia surgen tres opciones: [1: ½: 0] [V: I: F]; o
fórmula para el conjunto finito “M” de supuestos donde una deducción [B3]146 para “F” a partir
del conjunto “M” es un árbol cerrado. Es decir, un árbol tal que para cada una de sus ramas [R],
hay al menos una fórmula [G] que pertenece a “F” a partir del subconjunto finito “M”. La lógica
trivalente está siendo manejada ampliamente en sistemas donde existe presuposición,
condicionalidad e imprecisión.
146
Conjunto infinito de descripciones que no aparecen en “M”. B = conjunto de fórmulas que satisfacen ciertas condiciones en el conjunto [V: I:
F]. puede encontrase más información sobre el operador B3, o la condición de operación B3 en Blau (1980): Three Valued Analysis of Precise,
Vague, and Pressupposing Quantifiers.
147
Barbat, Boldour (2007). DOMINO: Trivalente Logic Semantic in Bivalente Syntax Clothes. Publicado en: International Journal of
Computers, Communications and Control. Vol. II. N.4. pp. 303 – 313. Véase.
158
Naveen Jain.
148
Concepto tomado de: MIT: Encyclopedia of the Cognitive Sciences. Véase Fuzzy Logic. Pp. 335.
149
Cuando una teoría científica o tradición es reemplazada por otra en una revolución científica, los conceptos envueltos normalmente cambian
de manera radical. Por ejemplo: obsérvese las diferencias entre el concepto de masa, en la mecánica Newtoniana y en la Mecánica Relativista. En
la primera la masa es independiente de su velocidad; en la segunda la masa se incrementa conforme se acerca a la velocidad de la luz.
Inconmensurabilidad concepto de: Routledge Encyclopedia of Philosophy, Véase. Inconmensurabilidad: todo aquel asunto relativo, y que
enmarcado en una teoría, presenta anomalías, indeterminabilidad y contradicciones, que conllevan a su resolución con cambios precipitados
enmarcados en una nueva teoría. La inconmensurabilidad hace alusión a que cuando dos teorías no son compatibles en sus lenguajes no puede
haber punto de comparación. También hace referencia a ciertos casos matemáticos donde la medición se torna imposible.
159
medida que realmente se obtiene al eliminar los límites? No importa la respuesta, esto va más
allá del método clásico de la teoría de la medición. A raíz de ello aparece la Teoría de los
Modelos Difusos, básicamente, una teoría para conceptos graduados, en la cual todo es materia
de grados, es decir, y desde un punto de vista objetivo, una teoría basada en conceptos
lingüísticos donde todo es elástico y lingüísticamente manejable a través de proposiciones y
etiquetas.
Por ejemplo, en la proposición: [Carla es Bonita], existen conflictos entre atributos difusos,
pudiendo ser vista como una restricción difusa entre la variable implícita “Belleza” <<de
Carla>>, contra la misma variable explícita. Pues, habría que definir “Belleza”, en términos de
Roiman Valbuena: La Lógica Polivalente: Lógica Difusa.
medidas exactas con dominios positivos y negativos del predicado para establecer una relación
un poco más clara, pero todavía numéricamente imprecisa. Caso contrario, como de hecho lo es,
se crea una relación indeterminada. Cuando existen restricciones entre variables implícitas y
explicitas, definidas en el conjunto restrictivo de variables, se denominan restricciones
concomitantes. La LD conforma un sistema lógico impreciso, en donde cualquier valor de
verdad pertenece a un subconjunto difuso medible en un intervalo dado.
150
Para el investigador novato, esta clasificación podrá confundirse con un escalamiento tipo Likert. Aclaratoria del autor: en mi opinión, valga
lo que valga, el escalamiento Likert debe ser usado con sumo cuidado <<Véase el Apartado: Encuesta Versus Experimento: “La Falibilidad de las
Escalas de Likert. Cap. IV: Sección 4.3” en este mismo texto>> en el escalamiento Likert se miden, o al menos eso se pretende, sentires al azar
(Ni siquiera aleatorios) que dependen del contexto y disposición del encuestado. Contrariamente, la lógica difusa mide estados indeterminados de
sistemas físicos asociados a funciones matemáticas previamente definidas en un conjunto de opciones difusas pero que pertenecen al dominio
positivo o negativo de un predicado también definido con antelación, y en base a ello, toman decisiones. Si bien es cierto, las escalas Likert
operan bajo la teoría de acción razonada, la lógica difusa lo hace bajo un esquema muy parecido pero mejor argumentado, denominado,
razonamiento aproximado y análisis difuso.
151
Gran parte del contenido de esta sección fue extraído de: Zadeh, L.A. Fuzzy Logic and Approximate Reasoning. Aparece en: Synthese (1975,
del mismo Autor). Volumen 30. Pps. 407 – 428. Véase.
160
Las palabras señaladas en cursiva son etiquetas definidas dentro del conjunto difuso. Ahora
bien, obsérvese que la premisa menor no contiene etiquetas. No obstante, basta con que la
premisa mayor sea etiquetada para que la conclusión haga uso de alguna otra etiqueta definida
para el conjunto. Véase este otro ejemplo de Zadeh:
Toda clase es abstracta y por ello pertenece a la teoría de conjuntos, es el predicado quien
indica y describe las propiedades del sujeto insertándolo en su respectiva clase. Fuzzification,
hace referencia a la sustitución de un conjunto clásico y bien definido con límites claros, hacia
un conjunto donde los límites son difusos para poder aplicar la teoría de los modelos difusos.
Por ejemplo: extraer el número 7 de un conjunto bien definido hacia el conjunto donde se
represente [aproximadamente igual a 7: ≈ 7].
Para Zadeh, son 3 los conceptos que rigen la cognición humana y que están clasificados
dentro de la lógica difusa: la granulación; la organización y la causación. La granulación
equivale al análisis, donde se descompone el todo en sus partes. Esta es por naturaleza
jerárquica, para la lógica difusa cada gránulo se corresponde con un dato de información. La
granularidad se refiere al agrupamiento de estructuras, mientras que la granulación se refiere a la
partición de un objeto dentro de un conjunto de gránulos. Con cada gránulo conformando un
grupo de objetos elaborados por indistinguibilidad, similaridad, proximidad o funcionalidad. La
organización por su lado, apunta hacia la integración de cada parte en un todo [Método de la
Síntesis], y la causación representa la asociación de cada efecto con su respectiva causa.
161
Antes de explicar el proceso de análisis difuso es necesario conocer que son y cómo operan
las funciones y los conjuntos difusos. Una función difusa es equivalente a una función
matemática donde se afirma que determinada cantidad “y” es una función de otra cualquiera “x”,
si y solo si, el valor de “y” viene determinado por el valor de “x” ( ) Donde “x”
adquirirá la denominación de variable independiente y “y” la de variable dependiente. Además,
toda función matemática abarca un conjunto de números en los cuales puede operar, es decir, la
cantidad de asignaciones numéricas asignables a la variable independiente, llámese a ello
“dominio”. El rango será aquel que la función asocia con los números en el dominio.
No obstante, las funciones difusas presentan ciertas características diferenciables. Allí son
Roiman Valbuena: La Lógica Polivalente: Lógica Difusa.
concebibles diferentes grados de “Fuzzification” (Clases con límites no definidos) bajo las
siguientes condiciones152:
1. Podrá existir un Crisp Mapping153 desde un conjunto difuso del dominio que genere otro
conjunto difuso. La imagen resultante podrá volver a ser mapeada o muestreada.
2. El mapeo o muestreo por sí mismo podrá ser difuso, difuminando la imagen obtenida en
un primer argumento Crisp. Esto permitirá crear una función difusa, denomínese a este
proceso “Fuzzyfiying Functions” o Fuzzificación de funciones. Estos dos primeros pasos
son los que permiten crear funciones difusas: Dubois y Prade (1980ª. P. 106)154
3. Cualquier función de la matemática ordinaria: logarítmicas, exponenciales, cuadráticas,
cubicas etc. Podrá contener propiedades difusas o ser restringidas por operadores de
restricción difusos.
Préstese atención al siguiente ejemplo planteado desde Zimmermann pero adaptado al caso:
Sea “X” un conjunto de temperaturas, “Y” la posible demanda de energía de los hogares. Donde “X”
claramente representa a la variable independiente, se crea entonces la función: ( ) Observe ahora
el proceso de Fuzzificación de funciones. Denomínese “A” al conjunto difuso de “Temperaturas Bajas”, y
“B” al conjunto difuso “Alta Demanda de Energía”. Al asignar “Temperaturas Bajas” “Alta Demanda
de Energía” se obtiene una función difusa, donde la restricción condicional podrá ser la correlación
negativa: “A menor Temperatura Mayor Demanda de Energía” ( )
152
Extraído y adaptado desde: Zimmermann, H. (2001). Fuzzy Set Theory: and It´s Applications. Cuarta Edición. Kluwer Academic Publishers.
Cap. 7 Fuzzy Analyses. P. 93: Véase.
153
Una relación Crisp representa la presencia o ausencia de asociación o interconexión, o la asignación de grados de fuerza de asociación entre
dos o más elementos dentro de un conjunto. El término no tiene referente de traducción al español y tampoco es recomendable traducirlo por ser
un término técnico. Crisp Mapping significa emprender una búsqueda de relación o asociación entre dos o más elementos de un conjunto difuso
para crear una función definiendo en grados la posición de cada uno de sus miembros. Jerarquizando.
154
Esta referencia aparece en Zimmermann op. Cit.
162
Para que realmente exista una relación difusa, ha de haberse ejecutado el Crisp Mapping de
asociación, lo que previamente se hizo. Posteriormente, la asignación de grados de fuerza de
asociación por similaridad, proximidad o funcionalidad. Asignando al mismo tiempo, etiquetas
lingüísticas difusas y elásticas (Granulación, al asignar jerarquías se está granulando): Muy Bajo
– Medianamente Bajo – Moderadamente Bajo – Extremadamente Bajo – <<Luego>> – Muy
Alto – Medianamente Alto – Moderadamente Alto – Extremadamente Alto… es decir, límites
difusos con valores medibles (Teoría de Medidas Difusas) dentro del intervalo difuso. Donde
cada etiqueta representa a un concepto graduado y elástico ajustable a la escala. Además, se crea
Roiman Valbuena: La Lógica Polivalente: Lógica Difusa.
En todo conjunto difuso existe un nivel de incertidumbre o entropía difusa, para Kosso
(1992), esta medida varía entre 0 y 1 sobre el hipercubo . Donde la entropía aumenta
a medida que el conjunto difuso se desplaza hacia el centro del cubo. El análisis de datos en LD
implica determinar la respuesta a la pregunta de investigación e involucra la división del
procedimiento en cuatro pasos ascendentes en el nivel de complejidad155. En el nivel 1 se
ejecuta un simple análisis de frecuencias, allí se evalúan los datos confiables y el resto son
marcados para su eliminación. En el segundo nivel, se lleva a cabo un reconocimiento de
patrones, agrupando (granulando) los datos según cada caso y dándoles una estructura formal.
Estos dos primeros niveles se corresponden con el área de análisis exploratorio, sin elegir
todavía, algún modelo matemático de comparación o prueba. Es en el tercer nivel, donde la data
examinada se hace corresponder con algún modelo matemático. Si la investigación es
cuantitativa, se aplica análisis de regresión para establecer relaciones por aproximaciones.
En conclusión, la teoría de los modelos difusos no debe considerarse como piedra de tranca
para los investigadores, realmente viene a representar un nuevo método de análisis a nuevos
problemas donde subyacen elementos inconmensurables, sobre todo, en tecnología. La lógica
155
Puede encontrarse más información sobre los procedimientos de análisis difuso en: Hoopner, Frank (1999). Fuzzy Cluster Analysis: Methods
for Classification, Data Analysis and Image Recognition. John Wiley & Sons.
163
difusa, como parte de los modelos lógicos polivalentes, y uno de los pilares de la Investigación
Científica Avanzada, permite añadir certeza a la incertidumbre. Hasta ahora, el potencial de la
teoría de los modelos difusos permanece aún oculto. Sin embargo, áreas emergentes como: la
bio-informática; la bio-ingeniería; los sistemas expertos y las web-tecnológicas, que manejan
grandes cantidades de datos, están ofreciendo oportunidades aun no explotadas a nuevos
investigadores.
Roiman Valbuena: La Lógica Polivalente: Lógica Difusa.
164
David Rogers.
e entiende por Lógica Computacional, a todo aquel proceso que intenta aplicar la lógica
Este modelo realiza un proceso cognitivo específico, una tarea o clase de tareas que
reproducen un comportamiento que constituye un conjunto de predicciones que se pueden
comparar con los datos de la actuación humana. Dominios de tareas que han recibido
considerable atención incluyen la resolución de problemas, la comprensión del lenguaje, las
tareas de memoria, y la interacción persona-dispositivo156.
156
Para más información sobre los Modelos Cognitivos que usan la Lógica Simbólica Véase: Cognitive Modeling, Symbolic. En: MIT
Encyclopedia of Cognitive Sciences.
165
Según Robert Kowalski157 , existe una relación estrecha entre la lógica y el pensamiento
humano, pues, la lógica, en todas sus variedades, trata de formalizar las leyes del pensamiento.
Para el autor, la Lógica Computacional funciona principalmente como lenguaje del pensamiento
de un agente inteligente de la Inteligencia Artificial. Su gramática determina la forma de los
pensamientos del agente. Su semántica, el contenido o significado de estos pensamientos. Y por
último, un motor de inferencias o procedimiento de prueba, que genera, deriva o infiere nuevos
pensamientos como consecuencia de los existentes.
extiende tanto hacia los fundamentos teóricos como prácticos para el desarrollo de herramientas
y procesos automatizados. Para poder entender el cómo opera la lógica computacional, es
necesario entender también, los diversos tipos de razonamiento de la cognición humana: los
razonamientos analógicos, por inducción, por deducción y por abducción.
La lógica computacional hace uso extensivo de las neurociencias computacionales, cuyo fin
es el de explicar, basado en términos computacionales, cómo el cerebro genera comportamientos.
Ciertos modelos computacionales del cerebro exploran el cómo las poblaciones altamente
interconectadas de neuronas son formadas durante el desarrollo, y el cómo estas representan
procesos, almacenan, actúan y son alteradas por informaciones externas de su ambiente. Allí, la
Teoría Computacional de la Mente, sostiene que la mente es un simple dispositivo
computacional digital, almacena representaciones simbólicas y las manipula de acuerdo a ciertas
reglas sintácticas que son expresadas en el lenguaje del pensamiento158.
157
Científico Lógico y de las Ciencias de la Computación. Imperial College de Londres.
158
Neurociencias Computacionales; Teoría Computacional de la Mente; MIT Encyclopedia of Cognitive Sciences. Concepto de: Véase.
166
Ray Kurzweil.
S
in duda, el conocimiento ha de estratificarse según la ciencia que se estudie, en las
ciencias naturales suele ser del tipo determinístico, pues éste está delimitado por leyes
que rigen a los fenómenos. Los eventos pueden sucederse o no, similar a una
distribución binomial en estadística. No acontece así en las ciencias humanas, es decir, el
conocimiento es netamente probabilístico, pues actúa sobre él una gran carga de incertidumbre.
Se le conoce como conocimiento incompleto e imperfecto, amerita exploración, diagnóstico y
ciertas reglas para su interpretación. A estas últimas, deben aplicárseles una serie de procesos
matemáticos que admitan un manejo claro de la incertidumbre que de allí se deriva.
159
Rudolf Carnap: Scientific Method as Bayesian Reasoning. Aparece en: Barry Gower, Scientific Method: An Historical and Philosophical
Introduction. P. 212 y ss.
167
Los métodos Bayesianos se basan en distribuciones, donde, al igual que los tipos de
conocimiento, se opera con distribuciones A Priori y A Posteriori. Es bueno recalcar que los
conocimientos A Priori son puros y están libres de toda experiencia, los A Posteriori son
aquellos derivados netamente de la experiencia. En el cerebro humano, la razón y la lógica están
atadas, este encadenamiento produce conocimiento, entrelaza nociones y ocasiona reciprocidad
de acciones, y es éste último paso el que completa una acción conductual consecuencia del Ratio
Roiman Valbuena: Sobre el Razonamiento Artificial.
El aprendizaje Bayesiano 160 usa modelos basados en parámetros, a estos últimos se les
operacionaliza como una incertidumbre de la data dada, posteriormente se codifica toda la
incertidumbre sobre los parámetros del modelo y se estructura como probabilidad. Según John
Venn y Charles Peirce, la probabilidad de un evento puede ser tomada como su frecuencia
de ocurrencia.
Teorema o Regla de Bayes161: suponga que A1; A2,….. An. Son eventos mutuamente excluyentes
cuya unión es el espacio muestral S, es decir, uno de estos eventos debe ocurrir. Allí la
probabilidad de cada evento es distinta de cero. Entonces, si A es un evento cualquiera, se tiene
el siguiente teorema:
Regla de Bayes
( ) ( ) ( ) es la probabilidad de A en la Hipótesis162 Ak
( )
∑ ( ) ( ) ( ) son las probabilidades a Posteriori
Esto permitirá encontrar las probabilidades de los diversos eventos A1; A2,….. An, que hacen que
A ocurra. Por esta razón al teorema de Bayes suele conocérsele como un teorema sobre
probabilidades de causas. En otras palabras, puede predecir la probabilidad de ocurrencia de un
evento “x” estado éste condicionado a otro evento “y”. No obstante, lo que hace importante un
160
Véase: Bayesian Learning. Concepto de. En MIT Encyclopedia of Cognitive Sciences.
161
Tomado de: Probabilidad y Estadística. Serie Schaum. 3ra edición. P. 8, y 372 y ss.
162
Las pruebas de Hipótesis Bayesianas tienen una manera diferente de proceder, en el contraste de Hipótesis normales se trabajan con los
errores tipo I y tipo II. No obstante, en la teoría Bayesiana de la decisión se usan pruebas α (alfa) de Bayes, donde su media ponderada se conoce
como Riesgo de Bayes.
168
( ) ∑ ( ) ( ) ( )∑ ( ) ( )
( ) ∑ ( )= ∑ =∑ =
( ) ( ) ( ) ∑ ∑ ( ) ( )
( )
( )
( ) ( )
Entonces, sabiendo que el cuchillo fue el arma asesina, el razonamiento aproximado Bayesiano arroja
fuerte creencia (73%) de que el mayordomo lo hizo. Obsérvese que todas las cantidades a priori
fueron usadas (en ausencia de cualquier otra información). Pero fue el modelo quien proyectó los
resultados a posteriori.
Esto hace del Razonamiento Bayesiano una poderosa herramienta para la Investigación
Científica Avanzada cuando se emplea la teoría de acción razonada. En conclusión, los hechos
163
Tomado de Barber, David. (2012). Bayesian Reasoning and Machine Learning. P. 10. Véase.
164
Se lee: el dominio de la función para el mayordomo es igual al dominio para la función de la criada. Para ambos aplica una distribución
binomial, [sucede – no sucede]
165
Tales magnitudes de probabilidades asignadas por el inspector están basadas en observaciones, evidencias y conocimientos a posteriori de
otros casos, pero a priori para este. Suele tomarse en cuenta: frecuencia de ocurrencia (más hombres se ven envueltos en este tipo de crímenes
que las mujeres). Fuerza de la víctima vs. Fuerza del asesino. Tipo de lesión, lugar, posición del cuerpo. Para este modelo el inspector asignó una
probabilidad del 60% para el mayordomo y solo del 20% para la criada. Con la opción del 20% para el caso que ninguno resulte culpable.
169
por sí solo no hablan, es el científico quien los examina. Los números no son buenos cómplices,
pues al interrogárseles tienden a decirlo todo.
Cualquier sucesión de observaciones X1, X2…Xn. Será un proceso estocástico si cumple con
al menos los siguientes dos requisitos: a) los valores de las observaciones no se pueden predecir
exactamente; b) sin embargo, es posible especificar probabilidades para distintos valores
posibles en cualquier instante de tiempo. En las cadenas de Markov, la variable X1 describirá al
proceso en su estado inicial y la variable Xn en cualquier instante de tiempo n. Tal que, [Xn +1]
será la probabilidad de un estado futuro y será predecible, siendo totalmente independiente de los
estados anteriores.
Una Cadena Markoviana no tiene memoria, y es esta característica de falta de memoria la que
hace fuerte al proceso, pues, conocido el historial de un fenómeno hasta un estado determinado,
su último estado compilará todo un conjunto de datos relevantes que permitirán describir un
nuevo estado próximo futuro. En la prueba de su segundo teorema se demuestra que para
cualquier evento “A”, determinado por “Xa…Xn.” variables aleatorias, podrá ser escrita como
una unión disjunta numerable de sucesos elementales.
166
Un proceso estocástico podrá ser de tiempo continuo o de tiempo discreto, donde el aspecto matemático para cada uno variará. Tomado de:
Springer: The Concise Encyclopedia of Statistic. Stochastic Process Concepto de: Véase.
170
167
Mausan and Andrey Kolobov (2012), Planning With Markov Decision Processes. Capítulo 2. Véase.
171
tipo Poisson, puesto que por definición, los tiempos de arribo e inter arribo son independientes e
idénticamente distribuidos.
La ciencia de las operaciones, más específicamente, la derivada desde las matemáticas, además
de poseer su propia verdad abstracta, tiene mucho valor.
Ada Lovelace.
173
S
e entiende por operacionalización al conjunto de procesos mediante los cuales el
investigador sistematiza características puntuales que les son propias a toda
investigación científica. Ella le admite separar por segmentos subprocesos internos que
hacen entendible las ideas cuando se operan constructos complejos. Permitiéndole una mejor
administración del proceso indagatorio que será aplicado y el cual debe responder a criterios bien
definidos de la lógica de clases y de relaciones. Se operacionalizan términos, definiciones,
significados, conceptos, complejos y difusos; teorías científicas completas; procedimientos
estadísticos; leyes científicas, variables, dimensiones e indicadores.
Un vocablo o término consiste en la mínima unidad lingüística, quiere decir, cada palabra de
una oración es un término. Con ellos se conforman frases y sentencias comunes que son usadas
en la construcción de leyes y teorías científicas. Cada oración hace referencia a un sujeto y el
predicado asigna atributos. Un término mal empleado dentro del proceso explicativo es
fácilmente refutable con los procedimientos de cálculo de la lógica de enunciados y la de
predicados. Queda entendido, solo se operacionalizan términos que por su relación con el
concepto y contexto de estudio puedan llegar a ser difusos, caso contrario, se toma su definición
literal exacta.
174
Definición, según (Audi, Diccionario Akal de Filosofía, 2004), especificación del significado
o, alternativamente, del contenido conceptual de una expresión. Por ejemplo, «período de quince
días» es una definición de «quincena». Según las reglas de las definiciones estas no pueden ser:
demasiado estrictas (podría excluir elementos que debiese incluir); demasiado amplias (incluye
elementos que no debiese incluir); y mucho menos ser una definición circular168.
168
Una definición es circular si sucede que el definiendum ocurre en el definiens, como en «una ley es un mandamiento legal», o, también, si el
primer término es definido mediante un segundo término, el cual, a su vez, es definido con el concurso del primero. Esto es lo que sucede en «una
ley es el deseo expreso de un legislador y un legislador es aquel que dicta las leyes». Así como las definiciones circulares no son permitidas,
tampoco lo son los tipos de razonamiento mediante los cuales éstas se forman. Razonamiento Circular: es la falacia por la que se razona
impropiamente de forma circular. El razonamiento circular no se debería considerar como algo inherentemente falaz, pero puede resultar falaz
cuando se usa para disfrazar o dar cobertura al fracaso en alcanzar una prueba completa. El problema surge cuando la conclusión que se desea
probar se supone dentro de las premisas que debe garantizar el proponente del argumento.
169
Referencia tomada desde Audi, Op, Cit.
175
El descubrimiento científico trae consigo, además de intrincados procesos lógicos, una gran
cantidad de nuevos vocablos. Los cuales incluyen o les son construidos signos para significar
conocimientos hasta ese momento desconocidos. Todo nuevo signo usado para representar
significado despliega al menos dos dimensiones, una acústica o sonora y una gráfica para ser
plasmada en la escritura. La Operacionalización de Significados en la Investigación Científica
versa sobre la forma gráfica, mental y acústica 170 que se le dará al conjunto de símbolos
construidos y cómo el científico desea que estos sean entendidos e interpretados dentro de la
teoría explicativa.
esquema explicativo elegido haga uso de constructos complejos, difusos o abstractos, si no los
hubiere, carecería de sentido asignar significancia imaginaria a unos símbolos que no fueron
producto de un ente emergente de las interacciones fenoménicas estudiadas, o extraídos y
puestos aparte en una operación de la inteligencia abstracta.
170
Hoy día el uso de significados sonoros o acústicos es de amplio uso en investigaciones sobre inteligencia computacional y el análisis de
señales. De hecho, la ciencia que más hace uso de ellos es la del Reconocimiento de Patrones. De esta manera se ha logrado que un robot
obedezca órdenes.
176
Se entiende por Variable Científica como todo aquello mediante el cual se admite la captura
de una dimensión de inestabilidad y aspectos que oscilan por nivel, frecuencia, grado o tipos
dentro de un universo para un concepto científico. Todos ellos susceptibles de medición por
tanto, adquieren diferentes dimensiones cuantitativas, siendo ésta, centro de atención y objeto de
estudio en la investigación científica. Allí, surgen valores elucidables por medio de
razonamientos ya que, si no existiesen diferenciaciones en las unidades fenoménicas aludidas en
las investigaciones, ninguna explicación podría ser posible.
El primer paso para abordar una investigación científica consiste en determinar qué varía y
cómo lo hace, con qué interacciona y cómo se sucede tal interacción. Es decir, tal acción se
fundamenta en escalar en unidades de razón desde las variables hasta las leyes que explican al
fenómeno. Al inicio del acto investigativo sólo se disponen de conjeturas acerca del problema,
nada concreto. Luego los datos aportarán luces acerca de qué es lo que realmente presenta
inestabilidad de importancia, de allí se obtendrán las variables171.
Aquel investigador que pretenda conocer las variables a priori sin haber descubierto la
naturaleza de sus oscilaciones fenoménicas, no está sino haciendo uso de una insanable falsedad.
Omitiendo cualquier criterio de verdad marcado por un acto de corrupción intelectual que sólo
persigue la coronación de un título académico.
171
Es a todas luces un error pretender conocer a priori la variable científica. Aunque resulte extraño, el investigador no sabrá cuál es su variable,
cómo se comporta, con que unidades interacciona o cuántas relaciones y de qué tipo presenta, hasta no ejecutar un análisis exploratorio de datos.
Certificada entonces la intensidad oscilatoria, la lógica de la clase a la cual pertenece y la dirección de sus relaciones, habrá descubierto su
variable.
177
Otras definiciones como: (Hernández, Fernández, & Baptista, 2003), Variable = “Propiedad
que puede variar y cuya variación es susceptible de medición”; (Castañeda Jiménez, 2000),
Variable = “Algo que varía, características o cualidades del objeto de estudio que puede tomar
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Se denomina variable latente a aquella variable que no puede ser observada directamente,
pero que surge de efectos derivados desde variables que sí pueden ser observadas. En estadística,
consisten en variables ocultas que no pueden ser manipuladas sino inferidas de los resultados e
interacciones arrojadas por los datos. Y que se circunscriben a determinados modelos
matemáticos ya que de ellos emergen y se manifestarán bajo la forma de patrones de
interrelaciones.
Comúnmente se trata de variables medibles en la realidad, pero para las cuales no existen
instrumentos capaces de registrar sus verdaderas oscilaciones. Las hay de dos tipos, las métricas
y las categóricas. Además, son operacionalizables bajo la siguiente forma: las primeras pueden
analizarse a través del análisis factorial soportado en su estructura latente. Las categóricas por su
lado, se descomponen en análisis de perfiles y clases.
178
El agente científico usará su sicología cognitiva para transformar una situación en otra,
ornamentando una coherencia discursiva en base a lo no visualizado. El proceso inferencial
admitirá en las inferencias metareglas, razonamientos Metanivel y alteraciones iterativas del
pensamiento que será manifestado en la explicación. Las variables manifiestas se ven afectadas
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
por el error de medición. A las latentes se les debe circunscribir a un procedimiento que las
descontamine de este.
Según (Salkind, Encyclopedia of Research Design, 2010), las variables latentes son
composiciones lineales de las variables observables, y pueden ser obtenidas por métodos
exploratorios y confirmatorios. La medida o el grado con el cual a un indicador se le asocia con
una variable latente de le denomina indicador de carga.
Entonces, las variables latentes son solo conceptos tomados en cuenta cuando estos se
indexan y pasan a formar parte del comportamiento observado. Si se desea conocer la relación
causal entre variables latentes o cómo se interrelacionan unas con las otras, debe optarse por la
construcción de un Modelos de Ecuaciones Estructurales. Tenga presente el agente científico que
la operacionalización de variables latentes representa una ampliación de la explicación y no una
acción a priori como cuando se operacionalizan variables observables.
Entendamos como constante científica a todo aquello que a pesar de los cambios ha
mantenido un estado con magnitudes numéricas fijas, inalteradas e inalterables. Llamaré variable
constante, a aquella variable la cual ha sido intencionalmente usada en un experimento y no ha
sufrido cambio alguno para todos los tratamientos o posterior a cierta cantidad de estímulos. La
aceleración de gravedad es un ejemplo de una variable constante usada comúnmente en
experimentos de la mecánica clásica.
En un primer momento se dice que es variable porque se operacionaliza como tal y se espera
medir sus oscilaciones. Acaece entonces, que tal estado oscilatorio nunca se sobrevino,
contrariamente, mantuvo valores fijos durante todo el proceso de medición, y lo hizo porque con
una alta probabilidad, la variable constante podría operar en un entorno que la ata a depender de
179
otros cambios que no se suceden, ejemplo clásico de las leyes científicas. Como muestra: la
fuerza de gravedad depende de la masa del cuerpo, en este caso la tierra, y como la masa de la
tierra es fija, entonces su fuerza de gravedad no varía. De allí la relación entre ambas
terminologías.
El hecho de comparar variable a variable da origen a un error muy común denominado Efecto
de la Doble Variación, en investigación social a este efecto se le denomina “opinión” y ha hecho
que tal ciencia sea considerada meramente opinática ya que carece de fuerza científica -
demostrativa y de la cual es imposible obtener una inferencia seria. Una constante es entonces
algo invariable, uniforme y regular para toda observación, la velocidad de la luz es siempre
constante. Pero como tal, debe ser operacionalizada experimentalmente.
Una dimensión alude al tamaño o extensión de alguna cosa dentro de un espacio conceptual
posible. Este espacio aludido pertenece, por lógica de teoría de conjuntos, a una agrupación de
elementos dentro de aquella longitud de variabilidad. El término Dimensión por sí mismo
adquiere características polisémicas. En este caso, me refiero al espacio que ocupan los
elementos que admiten capturas de magnitudes numéricas que permiten definir el
comportamiento de un fenómeno a través del procesamiento de los datos derivados de sus
características inestables, indicadores científicos.
Variable y
Constante
1.
2.
Indicador 1
3.
4.
1.
2.
Indicador 2
3.
4.
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Variable Dimensión
1.
2.
Indicador 3
3.
4.
1.
2.
Indicador n…
3.
4.
Cuadro de Operacionalización para un Modelo Observacional
El indicador se convierte en uno de los últimos, pero el más complejo de los eslabones en la
cadena operativa del proceso científico. Se describe así: identificado el término de interés se le
define; de allí se le asigna significado; con tal significado se construye el concepto del cual se
extrae la variable; el concepto se desintegra en dimensiones; de allí se obtienen indicadores para
cada dimensión del concepto. Es entonces cuando es posible ascender desde conceptos abstractos
a indicadores operacionales producto de una imaginación disciplinada guiada por la razón. Si el
indicador de la variable es ideal, entonces se convierte en una categoría.
atribuirle a la entidad una propiedad que no le es posible tener, por ende, sería imposible medir
algún atributo en un sujeto u objeto que no lo posee, con clara discrepancia contra la lógica de
clases.
confiabilidad.
El indicador funciona como una variable estadística aleatoria e independiente que incide
sobre la dimensión y nunca al contrario. Quiere decir, si la dimensión y el indicador varían
concurrentemente, éste último no podrá ser operacionalizado científicamente pues haría espuria
cualquier inferencia de allí derivada. Cuando tanto la dimensión como el indicador concomitan,
se está ante la presencia de dos variables para ser estudiadas por relación o causalidad. Por ende,
lo ideal ha de ser una relación causa – efecto entre dimensión e indicador, siendo el indicador el
agente causal y la dimensión el agente efector. De allí la alegoría: un indicador científico es todo
elemento que en el planteamiento del problema se manifiesta de la forma de causalidad, son los
que revelan anomalías en el conjunto de hechos o circunstancias descritas.
182
Si hay alguna diferencia entre ciencias bien desarrolladas como la física, contra otras
ciencias poco desarrolladas como la sicología o la sociología, es el grado con el cual sus
objetos son medidos, (Roberts, 2009). Por su lado (Bunge, La Investigación Científica, 1985),
afirma que en ciencias la observación tiene que ser cuantitativa pues los objetos concretos
adquieren esas propiedades, y la observación cuantitativa es netamente medición.
Entonces, la Medición consiste en la actividad que lleva al científico a asociar números con
cantidades físicas identificables en los indicadores, ya que de allí son extraídos. Todo proceso de
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
173
Advierto las diferencias entre estas dos terminologías, un procedimiento estadístico se usa para llevar a cabo cierta acción planteada en los
objetivos para determinada investigación. Si la indagación no plantea hipótesis entonces se usan procedimientos estadísticos. Caso contrario, si la
investigación amerita de la prueba de alguna hipótesis planteada para el estudio, entonces se selecciona algún método de prueba según sea el
caso. Resumiendo: Los procedimientos estadísticos se usan cuando no existen hipótesis y las pruebas estadísticas cuando sí las hay.
183
Según la teoría de errores, éstos carecen de leyes que los rijan por tanto no son
determinísticos sino estocásticos. En función, se pueden disgregar en dos grupos, los aleatorios y
los sistemáticos. Los primeros no pueden ser eliminados pero sí minimizados, se originan de
interacciones propias entre y quien mide y lo que debe ser medido cuando intervienen
instrumentos. Los errores sistemáticos pueden eliminarse por el simple progreso de los
experimentos.
Un objetivo es todo aquello que expresado en lenguaje escrito o con palabras, manifiesta una
intención y una acción a seguir, la investigación científica en sí declara una intención, pero es el
verbo quien patentiza la acción. Un objetivo científico es entonces aquella oración que indica el
lugar por donde debe direccionarse la búsqueda con el fin de encontrar respuestas a una pregunta
derivada de una propuesta de investigación. Un objetivo general concentra su accionar en metas
propias de la investigación y habitualmente abrazan todo el problema, indicando el por qué una
investigación se lleva a cabo.
Por su lado, para los objetivos específicos su fin es precisar requerimientos que por su
184
Probar>> que realmente son lo que pretenden ser, entonces se hace evidente la existencia de
una hipótesis previa.
Para ello la investigación será del tipo Explicativa Causal. Quiere decir, existen dos posibles
respuestas, se demuestra o no se demuestra, para ambos casos deben explicarse las causas.
Entendiéndose como causa a la fuerza de algo que produce un resultado basado en evidencias,
con centro de atención en la direccionalidad del agente causal y la caracterización de cada
componente de la cadena transcausal. Puesto que en estos casos es innegable una relación
forzada entre eventos, el verbo del objetivo es válido. También lo serán: Definir; Interpretar e
Inferir, cuando sean necesarias en las explicaciones, aclaratorias sobre interpretaciones de
magnitudes estadísticas.
Si tal demostración involucrase interacción entre al menos dos variables, donde los cambios
en una se corresponden con los de la otra, se estaría hablando de correlación. Es decir, existe una
relación numérica, como concepto estadístico medible, que explica la variación entre los dos
fenómenos. Esto dejaría por fuera los verbos: Interpretar, Definir e Inferir. Pero introduciría a los
verbos: Determinar y Establecer.
Los Datos se
Pruebas
Distribuyen
Paramétricas
Normalmente
Instrumento
Propósito: Técnica para Ambas incluyen
Objetivos de utilizado para Ambas son Pruebas
Predicado del alcanzar el procedimientos
Investigación operacionalizar la de Hipótesis
Objetivo General propósito Estadísticos
técnica
Cada una tiene su procedimiento especificado, más ello no cambia la elección del objetivo
estadístico. En función, podremos elegir como objetivos estadísticos: 1- ) Determinar la
Proporción/Prevalencia; 2- ) Estimar la Proporción/Prevalencia. De manera que ya hemos
operacionalizado el cambio desde objetivos cognoscitivos o de investigación a objetivos
estadísticos.
174
Con “Propósito” me refiero más a la idea o plan de investigación que a sus metas u objetivos. Indica e implica deseo y voluntad, pero no
incluye metodología científica alguna que sí está implícita en un objetivo de investigación.
186
Se dice que un estudio es multivariante cuando se está en presencia de más de una variable
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
independiente, lo que conlleva a la obtención de al menos una respuesta diferente por cada
estímulo y cuyo efecto recae sobre la dependiente. Por ejemplo: una variable independiente y
una dependiente es simplemente un análisis univariante si solo se obtiene y estudia una única
respuesta. Un estudio bivariado es aquel donde hay dos variables independientes, y un estudio
multivariante contiene al menos dos, regularmente más, variables independientes o causales.
Univariado, bivariado o multivariado no hacen referencia a la cantidad de variables en sí, sino a
la cantidad de respuestas. No obstante, es muy común que estén sincronizadas, variables y
salidas.
Medir variables por niveles se traduce en la asignación de una variable dentro de una escala.
Así entonces, a una escala de medida se le entiende como a la asignación de números a objetos o
eventos en concordancia con cierta cantidad de reglas que han y deben ser satisfechas. Según la
teoría de (Stevens, 1946), allí deben concordar al menos estos tres elementos, las reglas mediante
las cuales serán satisfechas las restricciones de números en cada escala; las propiedades
matemáticas de los grupos y sus estructuras que resulten de tales escalas; y los procedimientos
estadísticos aplicables sobre las medidas hechas para cada escala.
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Stevens crea las escalas basado en la existencia de cierto isomorfismo, como en las teorías y
las leyes científicas, que unen a los objetos con ciertas propiedades numéricas. Los objetos de
estudio invocan operaciones empíricas que permiten determinar sobre ellos: su igualdad
(clasificándola); ordenar rangos y para determinar cuándo las diferencias y cuando las relaciones
entre las propiedades de los objetos sean iguales.
Estos mismos isomorfismos se presentan en los números, allí es posible identificar miembros
de una serie numérica y clasificarlos. De la unión de ambos surgió un modelo para ser aplicado
al mundo real. De acuerdo a Stevens, Op. Cit, el tipo de escala dependerá del tipo de operación.
Tal operación está limitada por la naturaleza de aquella cosa a ser escalada. En cierto sentido, de
allí surge el mito de que “A cada variable le corresponde una escala, y la escala es la que
determina el procedimiento estadístico a utilizar”, <<Mito que pretendo esclarecer en el siguiente
aparte>>
Me limitaré a presentar sólo una, de tantas objeciones. A continuación explico: las escalas
derivadas desde (Stevens, 1946) y clasificadas en Nominal, Ordinal, Intervalo y Razón 175 ,
presentan ciertas incoherencias lógicas cuando se afirma que cada escala, por separado,
175
Hasta 1941 aproximadamente, los niveles de medición eran sólo dos: Escalas Intensivas y Escalas Extensivas. La escala ordinal y la de
intervalo pertenecían a las intensivas. Las de intervalo y razón estaban dentro de las extensivas. Obsérvese que la escala de intervalo pertenecía a
ambas, y esto ocasionaba problemas. La escala nominal no existía para la época y surge mucho después como un caso especial de escalas sin
relación alguna con magnitudes numéricas.
188
determina el estudio estadístico pertinente, con clara discrepancia hacia los supuestos
matemáticos que rodean a cada estudio.
El nivel de medición antes mencionado fue concebido para estimaciones cuantitativas sobre
eventos sensoriales de la sicología, considerado para la época, y hasta ahora, un excelente aporte
a la teoría de la medición en sicología. Entiéndase bien, SICOLOGÍA. Allí hay una clara
confusión entre la teoría sicológica de la medición y la teoría estadística. Donde el mismo
Stevens se plantea como pregunta: ¿Es posible medir las sensaciones humanas?, la interrogante
en sí evidencia relación entre ambas teorías, relación que de hecho no existe, ya que ninguno de
los requerimientos de las escalas, incluyendo los antes citados, se incluyen en los requerimientos
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Stevens según su tabla de transformaciones matemáticas, ver más adelante, sostiene que para
escalas nominales y ordinales los procedimientos adecuados son los no paramétricos. Y para
escalas de intervalo y razón serán paramétricos. A lo que Lord (1953; p. 751) citado en (Gaito,
1980), responde: Los Números no saben de donde ellos provienen. En todo caso, “las
propiedades de un conjunto de números con una medida de escala, no debe afectar la decisión de
la técnica estadística apropiada para interpretarlos”. Gaito Op, Cit, aduce que las escalas de
medidas son irrelevantes para las hipótesis estadísticas. Los números asignados en una operación
de medición son un problema de las medidas y no un problema estadístico.
Gaito (1980), citando a (Siegel, 1956), maneja dos posibles inconsistencias sobre el mismo
enfoque. Describe el ejemplo de que fueron listadas dos pruebas, un primer test binomial se
asignó a una escala nominal, y una prueba de los signos fue medida con una escala ordinal. No
obstante, los supuestos de ambas pruebas descansan en la distribución binomial176. De allí se
plantea la pregunta, ¿por qué debe existir la necesidad de diferentes escalas en el caso de la
misma distribución subyacente? Claro está, el nivel de medida no es el que condiciona el
estadístico a utilizar sino la distribución de los datos. A lo que Gaito afirma, “los significados
sicológicos no conciernen a la estadística, y el tipo de escala usada tiene muy poca relevancia
sobre si se usan pruebas paramétricas o no paramétricas”
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Gaito concluye que Stevens prestó servicios a la teoría de la medición sicológica con el
desarrollo de la idea de las escalas. Su noción giró en torno a una mala interpretación que a
través del tiempo ha sido difícil de eliminar. En ningún libro de estadística o matemáticas,
aparecen las propiedades de las escalas como requerimiento para el uso de procedimientos
estadísticos. Tal requerimiento, es sólo producto de la imaginación de un gran número de
sicólogos debido a la confusión entre ambas teorías. Aclarado el asunto, en el siguiente aparte se
describen cada una de las muy nombradas Escalas de Stevens.
Si una variable representa categorías que de por sí les son propias con independencia de las
circunstancias, se dice que es una variable nominal. Es la primera dentro de los niveles de
medición. Este tipo de variables no admiten operaciones aritméticas puesto que sus valores son
entendidos como etiquetas y no se les puede asociar a determinado número, de hacerlo, se
176
Una distribución binomial es una distribución de probabilidad discreta estadística donde una variable aleatoria “x” mide su éxito o su fracaso
por una secuencia de ensayos en una distribución de Bernoulli. Es decir, sólo hay dos posibles respuestas a los experimentos, éxito o fracaso
<<probabilidad de ambos>>. La prueba de los signos es una prueba binomial ya que sus puntajes están en base a los signos más y menos [+: -]
Por su lado, un test binomial, aunque sigue una distribución del mismo tipo, normalmente es medido con parámetros de nivel ordinal como la
mediana. En este ejemplo fue medida con un nivel nominal obteniéndose los mismos resultados. En ambos casos se usan pruebas no
paramétricas, demostrándose experimentalmente una de las inconsistencias de la teoría de Stevens.
190
entenderá como un atributo y no como una cantidad. Se dice que son variables ya que identifican
a cada elemento dentro de un conjunto de ellos en estudio, y las características pueden variar de
elemento a elemento. En razón, sólo pueden usarse frecuencias, moda y coeficientes de
contingencia en su procesamiento. Muy utilizadas estas escalas en lo que los investigadores
sociales llaman investigaciones descriptivas.
Toda variable incluye valores y escalas. Donde cada elemento tendrá un valor para cada
variable. Por ejemplo: la variable Género; toma sólo dos valores: Masculino o Femenino. La
variable y al conjunto de valores que pueda tomar es lo que llamaremos escala, que de por sí ha
de ser diferente para cada variable. El nivel de medida nominal de una variable se usa con un fin
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
clasificatorio para establecer igualdades o desigualdades. La variable Estado Civil puede tomar
alguno de estos valores dentro de la escala: Casado – Soltero – Viudo – Divorciado. Algunas
variables nominales pueden ser: nacionalidad; lugar de nacimiento; nombre; domicilio; actividad
preferida; profesión, entre otras.
Las variables ordinales son aquellas usadas para representar orden o para diferenciar atributos
entre sus elementos. A diferencia de la escala nominal, donde sus valores no se pueden ordenar,
aquí sí. Su trabajo es la de alcanzar un rango entre las cualidades de sus unidades. Contrario al
nivel nominal, aquí no existen sólo categorías, también se incluye información de rango. Siendo
sus participantes un tanto diferentes, ya que están separados por orden. Supóngase el nivel de
medición para las notas de un estudiante:
Una variable ordinal contiene información acerca del orden de los sujetos, pero le es
imposible determinar una cantidad específica para ese orden. En estas escalas se infiere sobre
cuanto mayor es un participante de otro, pero se le es imposible determinar una magnitud exacta
que lo defina. Los estadísticos permisibles son: desviación estándar; percentiles; la mediana y
prueba de Kruskal Wallis177, entre otros.
En una escala intervalo se especifican equivalencias tal como en una escala nominal, o con
relaciones de mayor a menor como la ordinal. Además, admite la proporción entre dos intervalos
cualesquiera. Las operaciones empíricas básicas de este tipo de escala permiten la determinación
de igualdad de intervalos o diferencias. Se admiten los siguientes estadísticos: la media, la
desviación estándar, la Correlación de Orden de Rangos o la Correlación de Rangos de
Spearman y el Coeficiente de Correlación Producto Momento de Pearson.
Roiman Valbuena: Operacionalizaciónes en la Investigación Científica.
Por sus propiedades cuantitativas es posible optar por el uso de pruebas paramétricas si se
cumplen todos los supuestos y no entran en conflicto con las distribuciones estadísticas de los
datos: Prueba “T” y prueba “F”. El punto cero de una escala intervalo se alcanza por convención
o conveniencia.
Este tipo de escalas se utilizan para determinar proporciones, orden de rangos e igualdad de
intervalos. Por sus característica cuantitativas per se, cualquier procedimiento estadístico le sirve.
Además que busca similaridad entre grupos y utiliza coeficientes de variación. Consiste en una
escala numérica donde sus valores pueden ser transformados a través de la multiplicación por un
valor constante. Ejemplo: transformar grados centígrados a Fahrenheit.
Las escalas de razón consisten en el único tipo de escala que admite transformaciones a las
escalas logarítmicas para el uso de decibelios. Su cero de referencia es de origen natural y admite
el cero absoluto, quiere decir, un punto donde lo medido carece o pierde la propiedad a ser
medida.
192
CAPÍTULO IX: EL
PROBLEMA CIENTÍFICO:
QUÉ ES Y CÓMO
PLANTEARLO
En los problemas comunes de la vida humana, la ciencia nos dice muy poco, y los científicos,
como personas, sin duda no son ninguna guía. De hecho, son a menudo la peor guía, ya que
tienden a concentrarse, como un láser, en sus propios intereses profesionales, y saben muy
poco sobre el mundo.
Noam Chomsky.
193
Roiman Valbuena.
D
enomínese problema científico, a todo conjunto de hechos o circunstancias que de
una u otra manera dificultan el entendimiento de un fenómeno impidiendo la
capacidad de actuar sobre él. Pues, ciertos mecanismos invisibles invocan el
desconocimiento del cómo y porqué se sucede un hecho que a todas luces pertenece a una
realidad, y cuyos atributos han de ser indagados. Es toda discrepancia entre lo que es y el cómo
debe ser que amerita intervención, y es precisamente el problema el que abre el camino hacia el
descubrimiento de la verdad. Todo problema científico consiste en una secuencia de
percepciones sensibles sobre objetos reales, o categoriales sobre objetos ideales, y trae consigo
una arquitectura implícita de construcción de conocimientos. Como afirmase Albert Einstein: Si
me diesen una hora para resolver un problema, invertiría 55 minutos en analizarlo y solo 5
minutos en buscar su solución.
sobre una serie de condicionantes que han de estar presentes en la solución. Entonces, no
importa/n la/s característica del/los problema/s siempre existirá un curso de acción alternativo,
donde más importante será el cómo se lo piensa y analiza, que el problema en sí. Según Albert
Einstein, Usted nunca resolverá un problema al mismo nivel en que fue creado, necesario es
ascender en el nivel de conciencia.
El primer paso en una Investigación Científica consiste en demostrar que el problema existe
y hay necesidad de indagar sobre el hecho. Además, coexisten un objetivo y un mecanismo para
su abordaje, es esta primera secuencia de pasos la que determina el nivel del problema, acotando
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
hasta y desde donde debe ascenderse. Un error común consiste en intentar resolver un problema
desde el nivel descriptivo hacia el mismo nivel <<Descripción Descripción>> Así como un
problema explicativo sólo puede ser abordado cuando se escala conscientemente hasta el nivel
relacional y más.
178
Libro IV, Capítulo Primero: Del Ensayo sobre el Entendimiento Humano.
195
impericia del investigador. Quiere decir, los científicos raras veces siguen un camino directo
desde el problema hasta su solución cuando se avocan en profundidad al estudio de un
fenómeno. Donde la distancia que separa a un evento de su explicación se acorta a través de un
objetivo, siendo necesario para este último, un procedimiento que no siempre ha de ser el mismo,
tendiendo a variar en función de la ontología, perceptibilidad y abstracción que une al objeto de
estudio con el sujeto que lo estudia.
respuestas a una investigación están atadas a condicionamientos, entonces tales, deben ser
descritos en función de operacionalizar toda acción posible en esa dirección.
Ningún objetivo ha de traspasar jamás los límites de la teoría pero si los del método. En otras
palabras, seguir los pasos del método tal como es descrito en los textos, no es siquiera una
opción, y consiste únicamente en una mala concepción de los procedimientos para hacer ciencia.
Por ello, un problema no deberá ser ordenado mecánicamente como los ingredientes en una
receta para dar respuestas correctas a una pregunta científica.
Es también en esta etapa de la investigación donde el científico hace gala de dos importantes
herramientas, el pensamiento y la inteligencia. Sabiendo que es el pensamiento el que hace
196
Efectivamente, cuando la mente del hombre de ciencia está ocupada intentando enlazar los
datos compilados con la teoría de referencia, está ignorando su intuición, en vez de hacer lucro
de ella, entonces la percepción se reduce. Por tanto, la mente ha de estar abierta siempre ante un
todo y no enfocada en la teoría, más aún, cuando sólo se está descubriendo el problema. Es en el
estado de meditación propio del hombre de ciencia cuando los procesos lógicos del inconsciente
determinan que cosa se parece o difiere de otra.
Es sobre la diatriba que surge cuando se discrepa entre lo intuitivamente percibido y cuyo
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
Téngase presente que sólo existirá conocimiento posterior a haber hurgado en todos los
rincones del problema. Después de haber sensorialmente percibido, observado, contrastados
datos contra hechos, a saber, luego de librar de toda contradicción a aquellos patrones en el
dominio del fenómeno que marcaban distancia entre lo que sabíamos y lo que desconocíamos.
Habiendo numerado todas sus causas post observancia y cotejo de sus efectos. Tenga presente mi
estimado lector, un problema podría no presentar síntomas, no obstante, ha de contener al menos
una causa. En este sentido, la explicanda se direccionará hacia los porqué un efecto pasa
inadvertido ante la causa que lo produce. Existen de hecho los problemas sin síntomas, pero
jamás existirá alguno sin causa.
Provocando así, una parálisis intelectual sólo dirimible a través de la acción investigadora
coherente y demostrable ya que la ciencia es por definición, una actividad que se aboca tanto
sobre la solución como la creación de problemas. El planteamiento del problema se transforma
entonces, en un índice discursivo marcado por la polémica de unos conocimientos contra otros.
Conocimientos consecuencia de actividades científicamente estériles y que han derivado en
estructuras cognitivas sin soportes lógicos que admitan características de validez.
Bajo estos criterios, ningún problema es un ente concreto ni puede llegar a serlo <<sobre todo
cuando se ejecutan percepciones categoriales sobre objetos ideales>> se diferencian unos de
otros a través de las leyes de la perspectiva. Son solo entidades abstractas que se dejan conocer a
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
El científico nunca ha de olvidar que una inferencia es diferente a una conclusión, para esta
última son necesarias observaciones repetidas que provean la misma carga informativa, lo
necesario en ciencias son las inferencias y su fuerza lógica, ya que, las observaciones repetidas
podrán variar de una investigación a otra e interpretarse heterogéneamente por cada
individualidad científica.
Afine entonces sus sentidos y dedíquese a percibir y caracterizar estímulos causales sobre las
unidades fenoménicas… de allí observe y contraste entonces con la teoría. Recuerde que la
verdad sólo puede ser verdad si una razón puede ser prestada para ella179, encuentre entonces
esa razón.
179
Frase atribuida a Leibniz
198
<<Variable>> y aquello que no lo hace <<Invariante o Ley>>, pues es lo único que permitirá
contrastar lo que varía contra lo que no180. Preste atención a que si determinado elemento dentro
de un fenómeno existe, no pudiendo este ser eliminado, es entonces indudable que está unido al
sistema mediante alguna ley.
Por otro lado, si la evolución de un fenómeno depende y coincide con la aparición de otro, o,
si la variación de un fenómeno particular está condicionada a la variación de un segundo
fenómeno, solo pueden establecerse dos condiciones. O el segundo es causa o efecto del primero,
o ambos están conectados mediante alguna ley causal, pues es obvio que entre ellos existen
Variaciones Concomitantes181.
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
180
En la Investigación Social no suele practicarse este procedimiento, allí no existen leyes, entonces se contrasta contra conceptos y opiniones
que también varían, presentándose de esta manera el efecto, no deseado por cierto, de la doble variación.
181
Estos dos últimos casos pertenecen a los 5 cánones de Jhon Stuart Mill. Se describen mejor en la sección de la Investigación Experimental en
este mismo texto.
199
Un problema es un problema científico si y solo si este tiene solución, existe al menos una
forma de revolverse, y consiste en la anticipación de un evento que ha de enfrentarse en un
futuro. Pues, es imposible darle solución a un problema filosófico o religioso con los
mecanismos del método de la ciencia. A un problema científico no siempre es posible darle
solución determinista, es decir, perpetuamente será la forma de resolverlo.
En vez, se le admite solución temporal conforme a los objetivos planteados, no siendo esta la
única sólo porque satisfacen el espíritu de la comprensión y el entendimiento, logrando así
transitoriamente, trascenderlo. Como tal, un problema científico podrá emerger desde su esencia
ideal, abstracta o concreta, ser netamente teórico o con características de practicidad, pero su
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
permita actuar sobre aquello abstraído. Para poder plantear un problema abstracto, necesario es
escalar hacia un estado alterado de conciencia o meditación profunda, allí las habilidades
cognitivas se organizarán hacia un ciclo de producción máxima. Fue en este estado cuando
Einstein logró concebir la teoría de la relatividad, es decir, el secreto del universo.
Es decir, óptese por unidades de razón encadenadas lógicamente y haciendo gala de gran
potencia mental, que permitan presentar una sistematización de vinculación entre todo
antecedente y su respectivo consecuente, a través de un organizado protocolo de captura de
problemas. Cuya cadena para el desarrollo de ideas sea consecuencia de una simetría argumental
con patrones causales que den a luz al conocimiento comprensivo de algo que en un primer
momento fue obscuro e incomprendido.
Razonar analógicamente desde lo abstracto significa explicar una cosa a través de otra mejor
conocida, imagínese que usted intenta explicar cómo son las urbanizaciones en el <<Cielo,
donde Dios vive>>, no hay otra manera de proceder sino por analogías. Nunca tema a
equivocarse si ha puesto en práctica su autoconciencia, las analogías son comunes durante el
proceso de planteamiento y resolución de problemas;
201
Pero daré a conocer lo poco que he aprendido para que alguien mejor que yo pueda
atisbar la verdad y, en su obra, pueda probar y criticar mi error. Así, me regocijaré a
pesar de todo de haber sido un medio a través del cual salga a la luz la verdad182.
El planteamiento del problema lleva implícito ciertas limitantes al investigador ¿qué es lo que
puede conocer y que no? Además del cómo llegar a ello. Estas respuestas sólo provienen de
usted mismo, de su intuición, discernimiento y capacidad de acción, difícilmente un
intermediario tendrá la misma visual que usted. Entonces, ningún jurado actuando como tercero,
podrá adjudicarse autoridad de verdad, erigirse, o al menos intentar refutar sentencias que el
investigador tenga a bien describir en el problema con posterior demostración.
conocimiento y poder absoluto sobre la verdad, solo podrán, y están allí para ello, separar
aquello que se dice cierto de aquello que no lo es y por consiguiente es falso. Si y solo si,
disponen de los medios para refutarlo…actuando como verdaderos jueces y no como
obstructores de un proceso que apenas inicia. En ese sentido, Peter Madawar183 alguna vez
expresó lo siguiente: La mayoría de los hombres de ciencia no han recibido ninguna instrucción
formal en el método científico, y (…) quienes parecen haberla recibido no muestran una
superioridad sobre quienes no la recibieron.
182
Alberto Durero. Aparece en la Introducción del libro Conjeturas y Refutaciones: El Desarrollo del Conocimiento Científico. De Popper Karl
(1991).
183
Científico Británico (1915 – 1987) nacido en Brasil, Premio Nobel de Fisiología (1960) por sus descubrimientos sobre la tolerancia
inmunológica adquirida.
202
describir es sólo un paso dentro del método ya que no aporta ninguna profundidad de
pensamiento, reflexión o evidencia, la ciencia en sí es netamente explicativa.
La Investigación Científica del tipo Descriptiva no existe, puesto que carece de sustento y
sentido con respecto a los objetivos de la ciencia, es como intentar caminar sin levantarse de la
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
silla. Se justifica sólo en aquellas ciencias que no pretendan descubrimientos, o por sus
tipologías solo se desean conocer propiedades y características particulares de objetos o cosas, es
decir, una acción meramente contemplativa, y eso no es ciencia.
No obstante, sea selectivo en los rasgos más significativos que han de someterse a estudio. Si
el problema aborda una secuencia causa – efecto en una cadena transcausal, use los mismos
protocolos operacionales del tipo técnico, exhaustivos y selectivos del paso previo, no olvide de
ningún modo explicar qué ley une al efecto con su causa, bajo qué condiciones se presenta el
equilibrio causal, e identifique con énfasis, la causa adecuada. Más, separadamente, ejecute una
descripción estática de la causa y una dinámica del efecto si los intervalos temporales de
sucedencia así lo permiten.
Puesto que ninguna causa produce su efecto de forma inmediata, entonces, razone, interprete
e infiera sobre los intervalos temporales. Si la causa produjere su efecto de manera instantánea,
concurriría entonces una mecánica de acción, detállese y explíquese a través de la teoría del
mecanismo, pues es evidente que milita una interacción física entre ellos. No olvide en absoluto
que al conocimiento es imposible encontrarlo en los árboles, ni se produce por casualidad, ya que
lo que proviene del azar de ningún modo podrá denominársele ciencia. El conocimiento se
sobreviene únicamente del accionar del hombre de ciencia. Para Carl Sagan, La ciencia es más
una forma de pensar que un cuerpo de conocimientos en sí. En la ciencia no hay conocimientos,
el conocimiento está en cada uno de los hombres de esa ciencia, y donde ninguno es mejor que
otro, sino, más afinado.
Roiman Valbuena: El Problema Científico: Qué es y Cómo Plantearlo.
Descubrir significa percibir anomalías y actuar en consecuencia sobre ellas. El preludio a todo
descubrimiento radica en interpretar, con mayor o menor curiosidad, las unidades fenoménicas
inesperadas que hacen que una anomalía sea realmente una novedad digna de escudriñar, bases
que sustentan el planteamiento de todo problema. Téngase presente que las respuestas a una
investigación están atadas a condicionamientos, tales, deben ser descritos en función de
operacionalizar toda acción posible en esa dirección.
Será ese el camino exacto por donde ha de romperse la armonía de lo obvio y se logrará
solventar el misterio. Todo hombre de ciencia usa su intuición para descubrir, la lógica le sirve
únicamente para probar y demostrar. Elí de Gortari no se equivocaba cuando afirmaba que los
problemas científicos se expresan en el pensamiento bajo la forma de contradicciones, y son
éstas, las que lo impulsan con la exigencia de encontrarles solución. Para finalizar, bien vale la
pena citar a Enrico Fermi; En toda Investigación hay sólo dos posibilidades: si el resultado
confirma la hipótesis, entonces usted ha hecho un descubrimiento. Y si el resultado es contrario
a la hipótesis, entonces usted también ha hecho un descubrimiento.
204
Roiman Valbuena.
S
e entiende por dilema, a un argumento silogístico en el cual se obliga a un contrario a
elegir entre dos alternativas mutuamente excluyentes y que les son adversas. Se
considera escenario dilemático a una situación que dificulta la selección entre dos o más
opciones, y que lejos de aportar soluciones origina un problema. Pues, en el silogismo podrán
distinguirse sentencias con poco sentido que no representan la esencia ni el estado de las cosas.
Los argumentos dilemáticos no podrán usarse para justificar causas porque van contra su
existencia, son contrafácticos. Sin embargo, son los grandes dilemas los que confrontan a los
científicos haciendo que la ciencia progrese. Los dilemas son de amplio uso en los
Experimentos Mentales y los Experimentos Filosóficos, allí se introducen intencionalmente
argumentos dilemáticos que evoquen una situación hipotética.
Para la lógica, un argumento con dos premisas hipotéticas, las cuales dan como resultado a
una tercera premisa, y que afirma el antecedente o que deniega su consecuente, o una conclusión
la cual afirma su consecuente pero deniega su antecedente, es un dilema. Preste atención al
siguiente dilema moral: <<Si confieso mi falta seré echado de la universidad; si no la confieso
no podré afirmar que seré un profesional honesto>>, los dilemas en lógica no tienen la misma
profundidad y aplicación que los dilemas morales de la vida cotidiana del ser humano.
Todo argumento formado por dos proposiciones contrarias, de manera que negada o afirmada
cualquiera de ellas, quedare demostrado lo que se intenta probar, será considerado dilema. Teseo,
un héroe de la antigüedad traído al mundo de la pluma de Thomas Hobbes, lleva su barco a
reparar a un astillero. Allí, los carpinteros deciden reemplazar todas y cada una de las piezas con
el fin de entregarle al héroe un barco totalmente renovado.
No obstante, uno de los carpinteros decide tomar las piezas viejas para con ellas armar otra
embarcación. Cuando Teseo observe ambos barcos ¿cuál cree que pensará es realmente el suyo?
Los dilemas son comúnmente usados en las estrategias de negociación; en política, filosofía,
205
juegos sicológicos y como medio para dilucidar descubrimientos científicos con gran carga de
metalógica. No obstante, un argumento dilemático no explica, confunde. Y no podrá ser usado
en el planteamiento de un problema ya que es indeterminado.
Recuerde, cualquier situación que involucre la selección entre opciones donde una de ellas es
desagradable es un dilema. El científico siempre intentará explicar cualquier fenómeno
observable en términos de principios científicos, estos últimos también son explicados a través
de otros principios científicos más profundos denominados leyes. Aunque inferir principios
científicos no es fácil, no evite los dilemas, el deseo por conocer difícilmente estará alineado con
las evidencias observadas; todo dilema trae consigo sufrimientos, desesperanza y agonía.
Imre Lakatos.
207
Roiman Valbuena.
S
e entiende por Programa de Investigación Científica, a la secuencia de ejecución de
un Proyecto de Investigación cuando éste presenta diferentes niveles que han y deben de
ser separados. Consiste en un modelo de análisis para ejecutar investigaciones donde
confluyan más de dos teorías, y por consiguiente, cada una introducirá una o más leyes. En los
Programas de Investigación los problemas son inseparables de sus objetivos, y puede presentarse
una concatenación de los mismos tal como en una investigación mixta.
Aquí no se establece tipo y diseño de investigación, pues la ciencia nunca evalúa una única
teoría, ni sigue un único camino para dar respuesta a un problema. Es en esta etapa donde la
teoría es apoyada por los hechos y se circunscribe a sus leyes. Y será al final, donde el científico
propondrá y ejecutará un experimento tal, que no ha de vislumbrarse duda, sobre cómo el
fenómeno se inicia, opera, interacciona y evidencia sus efectos. Pues, es cuando las leyes de las
matemáticas reflejan inequívocamente una verdad.
Un Programa de Investigación Científica presenta ciertos niveles jerárquicos, para los que
requerirá de diferentes niveles de explicación cuando se han agregado leyes a cada nivel. Adopta
co – operaciones tanto simétricas como asimétricas similares a los diseños de los modelos mixtos
de investigación. Se asumen allí, diferentes niveles de agregación 184 , diferentes tipos de
explicación y descripción para cuando el científico ha adquirido la destreza de escalar unidades
de pensamiento y razón, denomínesele a esto último, Razonamiento Escalado Explicado.
184
Para un mejor entendimiento de este concepto, Refiérase a Modelo Kuipers de Reducción de Leyes por Teorías. Capítulo III: Sección: 3.2 en
este mismo texto.
208
Durante el desplazamiento por el vector de posición las observaciones variarán, así como los
patrones del fenómeno. Es en esta etapa donde la intuición, connaturalidad e IQ del científico
marcarán el camino a seguir basado en las leyes de la perspectiva. Una investigación del tipo
Roiman Valbuena: Los Programas de Investigación Científica y la Investigación Internivel.
Causa Efecto es una investigación Internivel si, un mismo efecto obedece a varias causas. Y para
cada causa es posible establecer una ley diferente que forme parte de una teoría también
diferente.
Estas teorías podrán estar asociadas o agregadas, más sin embargo, la respuesta a la pregunta
de investigación quedaría incompleta sin la coexistencia de diferentes niveles de explicación.
Para cada estadio del fenómeno, una explicación. Para el entendimiento total de la causación, un
manuscrito de explicaciones. La Investigación Internivel constituye una de las formas en las
cuales se presenta la Investigación Científica Avanzada, dado que el ser humano no vive en un
universo accidental, entonces todos los acontecimientos estarán regidos por leyes asociadas a
teorías.
La Investigación Internivel hace uso de términos, conceptos y sentencias que subyacen en uno
o más principios, sirviendo de puente con hipótesis auxiliares que conectan a un nivel con otro, o
simplemente se quedan en el Internivel y lo explican. Allí se hacen uso de conceptos de micro
nivel hasta ascender a un nivel alto, usando en muchos casos, el Principio de Correspondencia.
En ciertas etapas podrá operar con modelos teoréticos provisionales con un número finito de
principios.
Una investigación internivel sirve para encontrar conexiones entre teorías científicas,
estableciendo relaciones inter – teoréticas cuando existen contextos científicos cruzados. Bajo
este escenario, las teorías de bajo nivel regularmente dependen de estructuras evidenciales
aportadas por ciencias que hacen uso de teorías de nivel alto, habiendo aplicado métodos y
técnicas experimentales. En consecuencia, se hace necesaria la reducción sucesiva de teorías con
209
el fin de encontrar satisfactoria cadena explicativa a los eventos que acaecen en los interniveles.
De ser cierta la existencia de relaciones científicas cruzadas entre teorías que prevalecen al
mismo tiempo en diferentes niveles analíticos, se procederá al establecimiento de relaciones aún
más profundas y no detectadas. Allí el científico, con cierto grado de sobriedad y basado en
atributos invisibles todavía no aportados por los niveles analíticos aplicados, hará uso de
artificios estadísticos y matemáticos como: regresiones lineales, correlaciones canónicas o
ecuaciones estructurales según sea el caso.
Roiman Valbuena: Los Programas de Investigación Científica y la Investigación Internivel.
McCauley 185 (2007) argumenta que, dada la existencia de diferencias entre las relaciones
internivel o relaciones científicas cruzadas, e intranivel, sucesivas relaciones lineales, la
profundidad del nivel explicativo aplicado por el científico no debe ir más allá de lo que la teoría
cubre. En la misma dirección apunta Mario Bunge186 (1967) cuando afirma que la existencia de
muchos fenómenos impone un límite a las explicaciones en cada subsistema, pues lo ideal sería
abordar lo desconocido a través de explicaciones funcionales.
En contextos internivel pueden coexistir teorías incompatibles siempre que quede claro y
terso al entendimiento, el nivel de estratificación donde cada teoría ha de operar. Siendo así,
entonces será necesario para ellas, la observancia separada y particular en donde los niveles de
descripción y explicación se cruzan. Como cada teoría hace uso de una o más leyes, en
consecuencia, cuando coexistan al menos dos leyes en un nivel se entenderán como explicación
estadística o probabilística. Hasta que un modelo determinista logre suplir los vacíos explicativos
y la incertidumbre derivada de la primera.
185
McCauley, Robert. (2007). Reduction: Models of Cross – Scientific Relations and Their Implications for the Psychology – Neuroscience
Interface. Aparece en: Philosophy of Psychology and Cognitive Science. Editado por Paul Thagard.
186
Véase Sección 9.5: Interpretative Explanations and Reduction of Laws. P. 34 y ss .
210
Muchos filósofos de teorías internivel suponen que la reducción exitosa de una teoría de nivel
superior a un nivel teorético inferior dará lugar a la sustitución de la primera por la segunda. Para
que ello sea posible, se hace necesario que la teoría baja haga uso de sólo términos de nivel bajo
y entidades del mismo tipo. Por ejemplo, en el modelo de teorías internivel de Schaffner189
(1993b), se requiere que la teoría a reducir admita el reemplazo parcial o irregular que se
sobreviene como resultado de la visualización de una mayor cantidad de conexiones complejas
entre las partes de diferentes teorías internivel. Conviene advertir que la reducción consiste en
una forma de manifestar la conexión necesaria entre elementos de una teoría científica.
Permitiendo la creación de puentes relacionales entre proposiciones de teorías de diferente nivel.
En efecto, y bajo criterios de Schaffner, se dice que una teoría es internivel cuando las
entidades que la teoría representa pueden agruparse según el nivel de agregación. Donde,
entidades de un nivel de agregación pueden compartir partes con entidades de niveles inferiores.
Pero las propiedades definitorias de la entidad en el nivel superior, requiere principios
organizativos que no se encuentran en el nivel inferior.
enunciados particulares y una de nivel bajo de enunciados singulares. Ello refiere a la extensión
Roiman Valbuena: Los Programas de Investigación Científica y la Investigación Internivel. Teorías en los Modelos de Investigación Internivel
de lo explicado por la teoría y lo cual recae sobre los sujetos. Como las explicaciones están
basadas en inferencia y juicios, entonces es menester clasificarlos y allí se encuentras tres
elementos de importancia:
En el nivel explicativo más bajo de una teoría de nivel alto encontraremos la frontera más alta
de una teoría explicativa de nivel medio, esa frontera podrá ser cubierta por explicaciones de
ambas teorías usando términos comunes, enunciados universales mezclados con enunciados
particulares. Así como, descriptores legaliformes de ambos universos (allí se visualiza un nivel
de agregación).
Una teoría de nivel alto normalmente refiere a niveles abstractos 190 o explicativos
relacionales y demostrables a través de enfoques lógico-matemáticos idealizados o estadísticos
semejantes. Una teoría de nivel medio podrá contener etapas relacionales también, no obstante,
su común denominador es netamente explicativo, pudiendo encausar una cadena de
explicaciones desde arriba hacia abajo usando regresiones lineales si el fenómeno aludido lo
admite, o usando series de tiempo si lo que se evalúa son secuencias e intervalos de sucedencia.
A un encadenamiento mental de este tipo lo denominaremos Razonamiento Internivel Escalado
Explicado.
Por último, una teoría de nivel bajo no puede sino hacer uso de esquemas descriptivos a partir
de enunciados singulares. Allí nada es abstracto, todo es observable, es donde opera el ser
humano e interacciona con otros. Es donde se ejecuta directamente la investigación social. De
allí que se diga que una investigación descriptiva no es científica, pues ni explica ni relaciona,
haciendo que carezca de fuerza demostrativa y probatoria.
190
La abstracción presenta al menos tres categorías: I) el propio de la física o ciencia de la naturaleza, es aquel mediante el cual se consideran los
objetos purificados de la materia. II) El segundo grado de abstracción corresponde a la matemática, es aquel en el cual se consideran los objetos
purificados tanto de materia (en cuanto al principio de individualización) como de materia sensible. Las entidades resultantes son la cantidad, el
número o la extensión en sí. Y el tercer grado de abstracción, propio de la metafísica, es aquel en el cual se consideran los objetos separados de
toda materia. Los objetos resultantes pueden existir sin materia y ser concebidos sin ella. Concepto tomado de: Ferrater Mora (2001), Abstracción
y Abstracto, Concepto de: Véase. Nota del autor: Una teoría alta de nivel abstracto se concibe haciendo uso de la investigación abstracta.
212
la ciencia social, hasta el momento eso está lejos de alcanzarse. Refiérase a la gráfica para
Roiman Valbuena: Los Programas de Investigación Científica y la Investigación Internivel. Teorías en los Modelos de Investigación Internivel
mayores detalles sobre lo descrito, en las flechas conectoras es donde operan las investigaciones
Internivel:
Enunciados
Teoría de Nivel
Universales y Leyes
Alto Generales
Investigaciones
Internivel
Investigaciones
Internivel
Enunciados
Teoría de Nivel Particulares con
Medio Leyes del Mismo
Tipo
Investigaciones
Internivel
Investigaciones
Internivel
Enunciados
Teoría de Nivel Singulares. No
Bajo Existen Leyes en
este Nivel.
El abordaje del tipo práctico para las investigaciones y generación de teorías internivel de
Schaffner, amerita que la comunidad científica de interés asuma un conjunto de sentencias de
mutuo acuerdo. Así como, un conjunto de inquieres que consideren importantes, patrones de
razonamiento aplicados para responder a sus preguntas, además de directivas metodológicas
usadas para dar soluciones y ejecutar experimentos191.
El abordaje de una investigación internivel para generar teorías del mismo tipo amerita de un
Marco Explicativo, desígnese a éste como una cadena jerárquica de argumentos donde cada uno
atiende a un nivel específico. Si las ramas explicativas, puras, causales o relacionales, son
extendidas en diferentes direcciones, hacia diferentes teorías, entonces es evidente la necesidad
191
Algunos conceptos y términos aquí usados fueron extraídos y reinterpretados desde: Routledge Encyclopedia of Philosophy, Versión 1.0,
London and New York: Routledge (1998).
213
Química
Se usan similares
Química Orgánica teorías para explicar Química Inorgánica
diferentes cosas
Contiene Elementos
Mismo Nivel Contiene Elementos
que Comparte con
Analítico. Principio que Comparte con
la Química
de Correspondencia la Química Orgánica
Inorgánica
Contexto Científico
Cruzado - Relación
Inter-Teorética
Este primer modelo gráfico se corresponde con investigaciones explicativas para causaciones
laterales, es decir, como no existe un subnivel entre la química orgánica y la inorgánica y ambas
están a la misma altura, entonces el marco explicativo ha de ser abordado por las denominadas
explicaciones laterales. Esto es cierto sí y sólo sí, se logra esclarecer el porqué, el fenómeno
aludido, no incide sobre niveles superiores o inferiores de ambas químicas. Y además se explica
el por qué la causa sólo produce efectos al nivel estudiado. Puede hacerse uso de explicaciones
bajo la teoría del mecanismo, explicaciones funcionales o relaciónese a través de la tesis
conexionista. Caso contrario, descompóngase jerárquicamente la causación del evento y use
teorías explicativas para cada nivel.
214
Teorías
Investigación
Internivel
Representan un subnivel
Teorías Biológicas jerárquico teorético que Principio
Celulares depende de las teorías de la Reduccionista
biología
Investigación
Internivel
Representan un subnivel
Teorías Biológicas jerárquico teorético que
Moleculares depende de las teorías de la
biología Celular
Investigación
Internivel
Representan un subnivel
jerárquico teorético que
Teorías bioquímicas
depende de las teorías de la
biología Molecular
Con respecto al segundo gráfico, del modelo teórico jerárquico multinivel. Defínanse las
leyes actuantes en la biología relacionándolas a las teorías biológicas celulares (allí hay una
frontera, un internivel). Luego complemente conceptos (Véase: Cap. I: El Principio de
Correspondencia) que relacionen y sirvan de soporte explicativo entre todas las teorías,
diferenciando aquellas donde la complementación de conceptos haya sido ejecutada.
Preste atención a los elementos actuantes en cada nivel frontera y sírvase de los modelos
explicativos hacia abajo (Downward Causation) y hacia arriba (Upward Causation). Todos ellos
son muy bien descritos en el aparte de las Investigaciones Explicativas Puras y Explicativas
Causales en este mismo texto. Marque cierto énfasis en la explicación secuencial temporal de
eventos cuando se pasa de una teoría a otra.
Usted sólo logrará una teoría internivel si consigue organizar un marco explicativo que
justifique y dé a pensar lo que sucede en las fronteras entre dos teorías de diferente nivel. Mi
intensión hasta aquí, fue la de hacer entender lo que significa e implica una investigación de este
tipo. Ahora ya Ud. tiene una idea de lo que significa Investigación Internivel.
215
S
e denomina Programa de Investigación Abstracta, a aquella secuencia de indagación
mediante la cual el científico identifica, extrae y separa mentalmente algo de otro algo,
usando para ello únicamente, su intrincado laboratorio de la mente. Abstraer es el
proceso de separar, lo abstraído es lo puesto aparte, lo separado. Una Investigación Abstracta
consiste básicamente en pensar estructuras mentales para crear interrelaciones estructurales
donde alojar el fenómeno mental. Son estas interacciones de estados intelectuales las que dan
origen a procesos cognitivos. Allí logrará formarse una primera idea de todo aquello que resulte
común a ciertas instancias, y puesto que las ideas no son más que impresiones de los sentidos,
siendo la imaginación una facultad sensorial, entonces, no existirá nada en la mente que no haya
sido colocada allí por los sentidos. En la abstracción el científico fija su atención en una
propiedad única de la cosa despojándola del resto, y se encargará de operacionalizar sólo en lo
abstraído.
Ningún hecho abstracto que permanezca en la mente de nadie causa nada ni tiene efecto sobre
nada. Además, en vista de que un proceso de abstracción es totalmente intencional, el científico
hará uso de metalógica ante cualquier nuevo descubrimiento que lo conturbe, aunque todavía
éste permanezca en la profundidad de sus pensamientos. La abstracción diferencia entre sentido
e intelecto, para Descartes: el razonamiento abstractivo es superior al de los sentidos. El
empirismo amerita de un contacto directo con el objeto, mas no así el abstraccionismo. Las
abstracciones nunca han sido producto de la imaginación, aunque así se las piense, se
sobrevienen como resultado propio de la razón discursiva, es decir, la razón discutiendo en la
mente del científico.
es estar claro sobre bajo qué criterios un científico atina a separar lo importante de lo superfluo,
¿qué es lo importante?, ¿qué es lo superfluo? Cuando el científico crea conceptos abstractos lo
hace sabiendo que lo abstracto se opone a lo concreto, que el conocimiento que aporta el
concepto es sólo una idea impresa sobre el objeto, que esas ideas solo tienen cierto grado de
generalidad, que ninguno de los objetos a los que haga referencia el concepto ocupan ni lugar ni
tiempo, pues sólo aparentemente son. Entonces, nada que afirme el concepto sobre ellos,
denomínese la cosa abstraída, está equivocado.
Aislar alguna propiedad de un objeto tiene como fin descubrir un nexo oculto, es allí donde la
realidad es vista por los órganos sensoriales. Ante estas observaciones, el científico sabe que
existen al menos dos formas de abstracción. Cuando la cosa es un fenómeno mental y carece de
Roiman Valbuena: Los Programas de Investigación Abstracta.
esencia, materia y forma. Y, cuando la cosa existe y debe atinar en el proceso adecuado que le
lleve a separarla del sistema donde está inserta, manteniendo invariable todos sus atributos y
propiedades. Para cada venir amerita de un proceso diferente, de Analogías y de Metáforas
Visuales.
Las analogías no son más que formas de representar cosas a través de otras mejor conocidas.
Las metáforas visuales funcionan como una especie de conexión entre lo que se ve y lo que se
piensa. Las analogías son más comunes en las ciencias (verdades abstractas), allí todo concepto
mental es formulado por algún sistema de lenguaje únicamente aceptado por el propio
pensamiento. Las analogías postulan objetos del pensamiento a través de una secuencia
temporal, entonces buscarán un objeto real para comparar y esquematizar.
Las metáforas son mayormente usadas en las artes (arte abstracto), y evocan argumentos
metafóricos. En las analogías se examinan las cosas por sus causas y efectos, incluso se
hipotetiza sobre su función, estableciendo relaciones con otras abstracciones. En cambio, en las
metáforas visuales, no son necesarios las causas o sus efectos, mucho menos ameritan de
explicaciones, son más importantes para hacer entender sentimientos, padeceres o impresiones.
Denomínese analogía 192 a una inferencia sobre si dos cosas convergen en cierto aspecto,
entonces probablemente también converjan en otros. La analogía se utiliza para persuadir;
permite transferir un mismo concepto a través de diferentes situaciones. Por ejemplo: un caudal
de agua es similar a una corriente eléctrica, por la primera circulan unidades denominadas gotas
compuestas de oxígeno e hidrógeno. En ese mismo orden, una gran cantidad de electrones libres
que circulan por un cable conductor conforman una corriente eléctrica. Ambos conceptos
presentan paralelismos transformándose en mecanismos de creatividad y descubrimientos
192
MIT Encyclopedia of Cognitive Sciences. Analogy, Concepto de: Véase. Incluye los conceptos y procesos de Mapping y Evaluación.
218
científicos. Es a través de los procesos de analogías cuando una representación abstracta pasa a
crear otra, una segunda categoría relacional.
Varios pasos son necesarios para crear analogías lógicas consistentes, el Mapping, proceso
mediante el cual se crea la estructura representacional de un caso y se le proyecta sobre otro. La
Evaluación, contiene dos sub-procesos más: la adaptación o representación y la abstracción. En
el primero se emparejan procesos análogos, en la segunda, se hace converger todo lo análogo en
una misma estructura. De manera que se aisle conceptualmente una o algunas propiedades del
objeto, cosa o materia sometida a análisis, logrando así conservar sólo lo que el científico
necesita, desechando todo aquello que no provea carga informativa.
Se entiende por conocimiento abstractivo a aquel que prescinde de la realidad, hace caso
omiso a ella mientras la cosa abstraída permanezca en el plano abstracto. Se le estima como un
tipo de conocimiento donde media la razón, es básicamente un conocimiento mediato alimentado
por la intuición. Según193 (Guerrero, 2002); el conocimiento abstractivo es mediato, no tiene que
ver con la existencia de la cosa y se limita a formar proposiciones sobre las representaciones de
los objetos singulares en la mente, P.226.
Todo concepto científico es una abstracción, pues, permaneció escondido hasta se le extrajo,
aplicando intrincados protocolos operacionales del método de la ciencia. A este tipo de
conocimiento se le deduce como la captación misma de la esencia de la cosa, el objeto abstraído
queda momentáneamente en suspenso mientras se identifica su esencia, si es que la tiene, o si es
que existe. Para ello se prescinde de la existencia del objeto pero se opta por acudir a los
sentidos. Nietzsche194 en uno de sus aforismos: Cuanto más abstracta sea la verdad que quieres
enseñar, tanto más tienes que atraer hacia ella incluso a los sentidos.
193
Guerrero, Rafael. (2002). Historia de la Filosofía Medieval. Capítulo referido a: La Filosofía del Mundo Islámico. Ediciones Akal.
194
Más allá del Bien y del Mal.
219
sucesor. Esto evita la indiferenciación entre miembros de una misma clase, o miembros de la
serie, como existe un orden, entonces existe una relación asimétrica. Para cada clase abstracta
existe al menos un método abstracto, es decir, un método declarado para una clase particular.
Este método para diferenciar clases declarado por Whitehead pertenece únicamente a las clases
abstractas de la lógica matemática, no obstante, describe exactamente lo que pasa en el cerebro
cuando la mente le sigue la pista a las ideas y las conforma. Es básicamente la génesis de toda
idea científica.
Tanto la investigación abstracta como la exploratoria, se corresponden con los grados más
Roiman Valbuena:
altos y profundos de indagación científica jamás concebidos. Sobran razones para tal afirmación,
se parte desde la nada y sin nada buscando nada en ninguna parte, sólo los vestigios de una
Roiman Valbuena: Los Programas de Investigación
presunción intuitiva a la cual se le sigue la pista. Hasta finalizar en algo haciendo uso única y
exclusivamente de los mecanismos de la razón. Separando, clasificando y juntando ideas a través
de esquemas mentales y operacionales.
Nada abstracto puede ni debe evocar percepciones, ya que, todo ente abstraído emerge de una
realidad no concreta, carente de todo referente espaciotemporal y es el pensamiento, propio de la
razón discursiva, quien construye y sintetiza aquello separado y que en un primer instante había
sido operacionalizado por la intuición.
195
Tomado e interpretado desde: An Enquiry Concerning The Principles of Natural Knowledge. (2011). Dedicado a Eric Alfred Whitehead.
Cambridge University Press. Véase También: Whitehead (1917). The Anatomy of Some Scientific Ideas. Revísese: Alfred North Whitehead.
Principia Mathematica (1910).
220
experiencia sensible, y así debe ser, donde el aprendizaje de lo abstraído se extiende hacia un
plano superior de pensamiento. En la abstracción reflexiva el sujeto es capaz de desintegrar las
propiedades particulares de un objeto mental dando formas y contenido a cada uno, habiendo
buscado en los lugares más oscuros de la conciencia.
En este nivel a todo objeto o ente abstraído, puesto aparte, se le despoja de todas sus
propiedades espaciotemporales características de la física, pero al que se supone el ser. En una
investigación abstracta de grado I los abstractos son ontológicamente admisibles, a saber, si la
verdad de sus proposiciones admiten su existencia pueden ser insertados en una teoría científica.
Pues es en este nivel donde debe prestarse cuidado al deslinde entre los elementos que
componen o acompañan a la cosa, el científico ha de poseer bien definidos criterios para
deslindar al objeto real construido o separado en su mente, de la cantidad y su número. Y el
objeto lógico matemático construido dentro de la abstracción.
El grado más alto de la visión intelectiva que puede proyectar un ser humano se corresponde
con el Nivel Metafísico. Allí el objeto está libre de cualquier referencia intrínseca, por cercana o
lejana que se considere a los sentidos e incluso a la imaginación. Lo que allí se concibe no puede
ser percibido ni imaginado. Pero la inteligencia admite la captura intelectiva de lo inobservable.
Según la clasificación de (Chakravartty, 2007), inobservables son todas aquellas entidades o
Roiman Valbuena: Los Programas de Investigación Abstracta.
Benjamín Franklin en 1746, sospechaba que la estática y la iluminación eran dos formas
distintas de la misma cosa. Su experimento de la electricidad, basado en ideas abstractas y
conjeturas observacionales, consistió en una de las más famosas aplicaciones de este tipo de
Investigación Abstracta.
para ser usados en una operación. Allí observaron la ausencia de dolor en el paciente, posterior al
suministro de un éter derivado de la combinación previa. Se había hecho efectivo el
descubrimiento de la Anestesia197.
Las Ciencias Abstractas198 operan con conceptos equivalentes de modo bajo los cuales la
facultad de percibir discrimina objetos. Las concretas asimilan sus conceptos introduciendo los
contenidos de la percepción en el objeto. Ambas parten de las percepciones: <<Sensación –
Impresión y almacenamiento de los impreso>> Las Ciencias Abstractas se edifican a través de
los modos de percepción. Las concretas se direccionan sobre el contenido de lo percibido. Ahora,
los dos modos bajo los cuales el científico percibe y separa o discrimina impresiones de los
Roiman Valbuena: Los Programas de Investigación Abstracta.
Las ciencias abstractas subsumen, en general, con relaciones de discriminación, aplicando por
igual tiempo y espacio sin centrarse en el modo de percepción. No obstante, y según la
Clasificación de Spencer, el lenguaje de las ciencias abstractas ha de identificar el cómo, el
espacio y el tiempo son pensados, pues, allí no siempre hay una encarnación concreta de
cualquier cosa sobre la que se haga referencia.
197
Todos estos descubrimientos son detallados en: Kendall Haven (2007). 100 Greatest Science Discoveries of All Time. Véase.
198
Parte del contenido de esta sección fue extraído, adaptado y reinterpretado desde: Karl Pearson. (1900). The Grammar of Science.
Especialmente el Capítulo XII: Spencer´s Classification. Véase También: David Hume. (1739). Treatise of Human Nature. Section VII: Of
Abstract Ideas.
199
Esta cita aparece en Pearson Op. Cit. P. 511.
223
Esta nota presenta una clara distinción entre la realidad fenoménica de espacio y tiempo,
contra su modalidad perceptual y sus concepciones equivalentes. Nociones conceptuales de
espacio geométrico y tiempo absoluto. Entonces, asúmase al espacio y el tiempo como formas de
percepción abstracta dignas de ser usadas en una investigación del mismo tipo. Abstraer en
ciencias es sencillamente apreciar el cómo nuestro cerebro se deleita con nuestro intelecto, es
encontrar lo que no existe buscando en ningún lugar. La abstracción puede proporcionar piedras
de tropiezo para la gente con inteligencia extraña. Gustave Flaubert.
Roiman Valbuena: Los Programas de Investigación Abstracta.
224
La ciencia puede haber encontrado una cura para la mayoría de los males; Pero no ha
encontrado remedio para el peor de todos: la apatía de los seres humanos.
Helen Keller.
225
Robert A. Millikan200.
S
e entiende por Programa de Investigación Comparativo, al proceso científico mediante
el cual se consigue la separación de dos o más elementos o grupos, y se indaga en
función de similitudes y/o diferencias. Posterior a la separación, se procede entonces con
la acción inmediata de aislar características, propiedades, magnitudes o cantidades que puedan,
por independencia entre los ítems, sufrir cambios individuales y por tanto ser objeto de
observación, medición, descripción, análisis, contraste, hipotetización, explicación, inferencia y
teorización.
Comparación es simplemente una figura retórica mediante la cual se identifica a dos o más
elementos y se les clasifica solo por presentar y compartir como mínimo, una característica
común. Los Programas de Investigación Comparativos podrán adquirir al menos las siguientes
dos dimensiones, de tipo transversal y del tipo longitudinal. El primero consiste en un estudio no
evolutivo donde se confrontan las manifestaciones o fenómenos de la unidad puntual de interés
haciendo un corte perpendicular sobre el escalonado historial del evento.
Un estudio de diseño evolutivo podrá hacer uso o no, de series de tiempo201, con ellas se
alcanzará un entendimiento más profundo del fenómeno observado, además de permitir avanzar
en el conocimiento generando nuevas visiones y desarrollando nuevas teorías. Como un
programa de investigación comparativo se ejecuta sobre unidades que conllevan cierta
homogeneidad y patrones de similaridad o diferencia, entonces sus unidades de estudio han de
estar suficientemente correspondidas con sus contrapartes, las unidades de comparación.
Para ello será necesaria la definición explicita, sin ambigüedad alguna, de la pregunta de
investigación. De la selección de comparadores y niveles de análisis, así como del tipo de
explicación a emplear y la generación de inferencia a partir de lo explicado (interpretación).
Roiman Valbuena: Los Programas de Investigación Comparativos.
Todos estos pasos operativos involucran a un cuerpo de conocimientos con conceptos nuevos a
usarse dentro de los programas de investigación comparativos, a continuación los describo:
Premisa o postulado que justifica algo en función de razones y se asume será aceptado como
principio particular en la estructura comparativa. Por ejemplo, si se está cotejando Calidad
Educativa entre Países, existe un conjunto de normas establecidas por la UNESCO que han sido
desarrolladas luego de minuciosos estudios y de los cuales se han derivado reglamentaciones. Se
considerarán válidas entonces para investigadores internacionales su uso.
Para las ciencias naturales un axioma comparador tendrá forma de ley natural dependiendo
del nivel de universalidad a la que pertenezca. Por ejemplo, la ley de la gravedad es universal, y
será considerada axioma comparador cuando las investigaciones requieran de inferencias acerca
de los porqués, al comparar dos cuerpos en caída libre, estos caen con la misma aceleración de
gravedad.
Una unidad comparadora no consiste en un axioma comparador para ciertos casos, pues para
201
Una serie temporal es una sucesión de observaciones de una variable tomados en varios instantes de tiempo. Tales observaciones han de ser
ordenadas y equidistantes con características de univariabilidad o multivariabilidad. Un análisis de series de tiempo consiste en un método que
intenta definir el cómo una serie temporal puede hacer predicciones.
227
America latina la relación talla peso es diferente que para Europa, Asia, America del Norte o
África, por presentar características particulares cada escenario. Por tanto, es posible, basado en
estos índices, ejecutar comparaciones de otros países con Venezuela, con diferente relación talla
– peso y disímil rango.
La relación talla – peso consiste en la unidad comparadora, conjunto que agrupa al menos
dos elementos, talla y peso (unidades comparadas). La relación funge como conjunto cuyos
sub-conjunto son las unidades comparadas. Ahora bien, la diferencia, tanto de talla como de
peso, no podrá ser tomada como varianza ya que no cumple hasta el momento sus requisitos, si
bien es una medida de amplitud, de variabilidad o dispersión, adquirirá el nombre estadístico
Roiman Valbuena: Los Programas de Investigación Comparativos.
Variable 1
Variable 2
Si se observa bien en la gráfica, a partir del punto 1,1 en el eje “Y” las rectas se cruzan. Allí
hay similitud absoluta. En un estudio transversal donde al menos dos de las unidades comparadas
se comporten de manera lineal, el ángulo de separación entre ellas marca una tendencia a la
diferencia. Tal divergencia debe ser aclarada en la explicación. A mayor ángulo mayor
diferencia, a menor ángulo mayor similitud. De presentarse el caso, el procedimiento explicativo
involucrará entonces un cierto componente causal, es decir, por qué si en un momento hubo
similitud absoluta, tenían los mismos valores, se observa ahora marcada tendencia hacia la
diferencia.
Ítem específico para una categoría, clase, conjunto o elemento. Hace referencia a la mínima
unidad de análisis en el estudio y la cual se contrasta contra otra/s.
Unidad Unidad
Comparadora 1 Comparadora 2
Relación Talla -Peso Relación Talla -Peso
Éste, por ser una medida de dispersión para un conjunto de datos que difícilmente se obtenga
de una sola observación al comparar, y donde tampoco existe la unidad denominada media
aritmética por el mismo motivo expuesto, entonces será mejor no asignarle denominaciones
estadísticas hasta que los objetivos de conocimiento sean transformados en objetivos estadísticos
229
Inferencia interna a la clase. Inferencia acerca de los porqués una unidad comparable difiere
de otra aun cuando pertenecen a la misma clase, categoría o conjunto. Se constituyen como la
estructura paramétrica y procedimental mediante la cual se comparan juicios o ideas individuales
y se discierne sobre ellas, derivándose de esta manera en un desenlace que no hubiese sido
posible sin las relaciones especiales observadas en las premisas aceptadas. Según la teoría de
conjuntos, un género puede contener varias especies, y éstas podrán presentar diferencias entre
ellas aun cuando sean cubiertas por el mismo género.
Preste atención a este ejemplo derivado de las categorías taxonómicas: [reino animal];
[tipo vertebrados]; [clase mamíferos]; [orden primates]; [familia homínidos];
[género homo]; [especie homo sapiens]. Entonces, una inferencia intraclase ha de presentar
esclarecimiento al porqué dos homo sapiens, si pertenecen a la misma especie, presentan leves o
marcadas diferencias. O con respecto a los mamíferos dentro de los vertebrados. Es un hecho
cierto la no existencia de conocimiento sin discernimiento, el comparar dos ideas es discernir,
entonces una inferencia intraclase se basa en el discernimiento entre observaciones particulares.
Y se obtienen posteriores a las Comparaciones Intraclase.
Si son aves, ¿por qué no todas vuelan? ¿Será porque no todas pertenecen a la misma especie?
Inferencia acerca de los porqués una cosa es igual a otra aunque pertenezcan a clases, categorías
o conjuntos diferentes. Las inferencias Intra y Extraclase se sobrevienen como resultado
Roiman Valbuena: Los Programas de Investigación Comparativos.
aportados por los análisis críticos, estudios matemáticos o probabilísticos de la estructura del
sistema comparado. Una inferencia extraclase es resultado de una comparación extraclase.
Una inferencia consiste en un proceso discursivo generado por el científico y mediado por su
razón, donde se asume han sido eliminadas todas las hipótesis implausibles, aceptando sólo a
aquellas con mayor grado explicativo y de confirmabilidad basadas en el principio de la
evidencia. Una inferencia está en la obligación de responder al cómo y bajo qué condiciones se
establecería significancia a una serie de datos.
Una Inferencia Causal del tipo Comparativa centra su atención en la causa de las diferencias
o similitudes, no en la extraña fuerza (Causa) que hace producir cambios (Efectos), y donde será
posible el uso de abstracciones o analogías que abran el paso al entendimiento de las diferencias
o similitudes buscadas. Las explicaciones comparativas son propias de inferencias del mismo
231
tipo, una explicación de esta índole abre paso al conocimiento comparativo, un tipo de
conocimiento abstracto derivado de la separación mental de características particulares de entes
que manifiestan gran similitud. A partir de allí, se da apertura al entendimiento y la comprensión
de los porqués se evidencia la presencia de similitudes o diferencias entre los elementos
analizados y circunscritos a determinado universo de similaridad.
misma intensidad, y a las mismas estructuras genéticas, ¿por qué la mutación difiere?
En este aparte definiré como análisis, a un procedimiento del pensar donde el científico hace
comparecer ante su inteligencia, todos y cada uno de los elementos contenidos dentro de un
conjunto mayor. Su objeto consiste en dar inicio a una concatenación sistemática de procesos
aislatorios con el fin de extraer unidades últimas e indivisibles y someterlas a rigurosas
observaciones buscando similitudes y/o diferencias. A mi manera de ver, las investigaciones
puramente analíticas, al igual que las descriptivas, carecen de sentido con respecto a los
objetivos de la ciencia. La una y la otra sólo sirven de soporte al contexto explicativo ya que
ninguna tiene poder demostrativo. Ni la descripción ni el análisis admiten manipulación, por
ende, cualquier hipótesis que desde estos niveles se desprenda, ameritará de procedimientos
externos para su dilucidación.
A un sistema por su lado, se le entiende como aquel todo unificado que contiene a los
elementos que serán blancos de observación en el análisis. Un análisis del sistema comparado no
podrá aplicarse cuando la categoría bajo estudio sea superior al método analítico, si ello sucede,
el científico ha de hacer gala de sus destrezas y optar por incrustar tal sistema en un método que
le admita el uso de una categoría de estudio de nivel superior.
Una cuarta fase analítica se hará presente cuando se seleccionen tanto el tipo de explicación
a usar, como el patrón explicativo a seguir. Se corresponde con la etapa donde se establecen
relaciones basadas en los datos aportados desde la fase descriptiva, de manera que ya los estados
manifiestos y la evidencia de patrones son conocidos, a partir de allí se les someterá a los estudio
estadísticos pertinentes y se derivarán inferencias causales explicativas en caso de su existencia,
recuerde que si no existe variación ninguna explicación será posible.
Un estudio comparativo netamente observacional como el que hasta aquí propongo, se basa
únicamente en ejercicios inductivos. Entonces, explicaciones deductivas raramente tendrán
cabida en este escenario. El científico optará por el modelo explicativo que mejor se adapte a sus
necesidades: explicaciones puras; probabilísticas; genéticas; funcionales, y en último caso de
233
presentarse, alguna condición de Inexplicabilidad. Esto posterior se sucede cuando los hechos no
pueden ser satisfechos por el conjunto de mecanismos usados para explicarlos, evidenciando la
existencia de vacíos de conocimiento imposibles de cubrir. La quinta fase analítica vendría
entonces representada por la generación de teorías explicativas y predictivas sobre el fenómeno
dilucidado.
Fases Analíticas
Fase 1 Identificación de Fuente de Variación
Fase 2 Comparaciones Descriptivas
Fase 3 Establecimiento de Relaciones
Fase 4 Tipos de Explicación y Patrón Explicativo
Fase 5 Teorías sobre lo observado
Fases de una Investigación Comparativa
Roiman Valbuena: Los Programas de Investigación Comparativos.
En el encadenamiento previo debe prestarse atención los siguientes indicadores: la data bajo
estudio ha de poder ser comparada <<comparabilidad de la data>> criterio de suma importancia
y excluyente pues, comparar significa describir variables. La comparabilidad lógica refiere, en
gran medida, al nivel de medición de las variables o al tipo de distribución estadística que los
datos manifiesten, preferiblemente, la segunda opción. Explico, las variables nominales y
ordinales son las ideales para la ejecución de los programas de investigaciones comparativos, las
primeras son aquellas que son descritas por sus integrantes pudiendo presentar en muchos casos
distribuciones binomiales, presencia o ausencia del atributo.
Sobran entonces razones para afirmar que debe prestarse cuidado en no mezclar, sin
conocimiento estricto de lo que se hace, este tipo de variables con sus correspondientes
distribuciones estadísticas, ya que sus medidas se realizan de manera diferente, dificultando los
análisis pertinentes, las explicaciones resultarían ilógicas y haría imposibles las inferencias.
Fusionar al menos dos medidas de variables diferentes es como intentar medir temperatura con
un vernier.
interrelacionados pero dentro del mismo universo de comparabilidad. Por ejemplo, el concepto
de “molécula” es el mismo para la física y la química, pero difieren en su uso y aplicación
(ejemplo claro la física molecular). Además, se considera absolutamente obligatoria la presencia
de similitudes tanto en medidas como en sus escalas. Así como, de los tipos de relaciones
observadas. Un concepto consiste en una unidad de pensamiento, una idea, y se hace presente en
los análisis post observaciones. En la conformación de su estructura es de vital importancia los
elementos sintácticos (símbolos usados) y su semántica (qué significan tales símbolos),
atendiendo siempre a que la función de un concepto es aportar al conocimiento.
cuando varía la misma característica (sobre todo cuando se opta por el uso de la teoría del
mecanismo como esquema explicativo), si no son posibles de manera directa podrán usarse
analogías. Durante el estudio y debido a características oscilatorias de los fenómenos, un patrón
variable se hará presente, si varía la misma característica entonces existe similaridad funcional
como ya se ha mencionado, si no lo hace, entonces existe la presencia de diferenciación entre las
variables.
Ciertas interrogantes han de ser contestadas antes de abordar los diseños bajo el método
causal comparativo: ¿el método causal comparativo investiga causas y efectos?, Si. ¿Manipula
variables?, No. ¿Asigna aleatoriamente a los participantes a los grupos?, No, los grupos son
formados intencionalmente y a priori para el estudio. ¿Envuelve a grupos de comparación?, Si.
¿Estudia grupos o individualidades?, estudia dos o más grupos de individualidades con una
variable independiente202.
202
Salkind, Neil. (2010). Encyclopedia of Research Design. Causal Comparative Design. Véase.
235
En cierto sentido, el lector debe estar claro sobre qué diseño elegir a la hora de ejecutar su
estudio. De allí que se expongan éstas similitudes y diferencias. Las principales similitudes entre
los estudios causales comparativos y los correlacionales, radican en que sus diseños intentan
determinar relaciones entre variables, pero a ninguno se les permite manipulación. Dejando en
Roiman Valbuena: Los Programas de Investigación Comparativos.
entredicho, una verdadera demostración de la relación causa efecto. Alega Salkind Op. Cit, la
real existencia también de algunas disimilaridades entre éstos diseño.
Puesto que los estudios causales comparativos tienden a ser similares a los diseños
experimentales, también se advierten algunas semejanzas y diferencias entre ellos. Ambos, el
causal comparativo y el experimental, paralelamente, hacen comparaciones entre dos o más
grupos de sujetos. Allí sus unidades de análisis son comúnmente divididas en grupos donde el
foco de estudio se centra en la observación de la variable independiente. Al diseño experimental
se le permitirá la selección aleatoria de los sujetos a los grupos y puede asignar sujetos a los
diferentes niveles de la variable independiente. Mientras que el diseño causal comparativo no
podrá hacerlo y deberá trabajar con los grupos que intencionalmente y a priori, eligió para el
estudio.
Otra diferencia radica en que el diseño causal comparativo es una investigación que se sucede
posterior a los hechos <<Ex Post Facto>>, adquiriendo la forma de un estudio retrospectivo
partiendo desde lo observado, efecto, hasta lo no observado, causa. Es decir, la investigación
tendrá lugar luego de que los grupos han sido formados y las condiciones se han dado. Además,
el diseño causal comparativo no puede diseñar los tratamientos (imposibilidad de manipulación)
que el experimental sí puede.
Luego de estas consideraciones bien tiene cabida la pregunta: ¿Cuál diseño es mejor?, la
respuesta correcta radica en el hecho cierto de la no existencia de uno mejor que otro, todo
dependerá de lo que se manifieste en la pregunta de investigación; del tipo de distribución
Roiman Valbuena: Los Programas de Investigación Comparativos.
estadística que sus datos manifiesten; de la dirección que tomen los objetivos de la investigación
y de la necesaria actuación de los objetivos estadísticos con sus correspondientes pruebas. Si no
es posible la manipulación directa de la variable independiente, la experimentación no tiene
cabida. A continuación se presenta un organigrama lógico para el método causal comparativo:
Desarrollo de la
Pregunta de
Investigación
Determinación de
las variables
dependientes e
independientes
Emparejamiento
Selección de
Aplicar Métodos de participantes para No Aplicar Métodos
Sub – Grupos
control a los grupos de Control a los
Homogéneos
participantes experimentales y de Participantes
control
Análisis de
Covarianza
Recolección de
Datos
Desarrollar un
Usar Datos Pre- instrumento de
existentes Recolección de
Datos
Analizar e
Interpretar la Data
Estadística Estadística
Inferencial Descriptiva
Reporte de lo
Encontrado
Las repetidas observaciones sobre la misma variable por largos períodos de tiempo ofrecen
Roiman Valbuena: Los Programas de Investigación Comparativos.
más evidencias sobre las particularidades a comparar. Un estudio longitudinal presenta al menos
dos elementos de interés para el investigador, involucra correlación y observación. Como la
correlación se ejecuta sobre la misma variable a lo largo de un intervalo, entonces se le denomina
autocorrelación 203 . Y, por ser imposible la experimentación con manipulación directa de la
variable, pasa a ser del tipo observacional. La siguiente gráfica muestra los tipos generales de
diseños longitudinales:
Diseños De Evolución de
Longitudinales Grupos (Cohortes)
Diseños de Páneles
Los términos “Cohorte” y “Panel” aunque se usan ambos en estudios longitudinales, difieren
en cuanto a sus casos específicos de aplicación. La idea general para los estudios por cohortes es
aquella donde la variabilidad observable se hace sobre un grupo de miembros que tienen más de
una característica en común (cohorte). Por ejemplo: los programas de doctorado, maestría y
especializaciones se organizan por cohortes. Todos estudian el área que seleccionaron pero su
fecha de graduación difiere, así como podrá también diferir el contenido programático cursado.
mismo tipo de cáncer que han sido estudiados a diferentes niveles o tipos de radiación para luego
ejecutar otros experimentos individuales sobre ellos y proceder a comparar resultados. Los
estudios por paneles no necesariamente ameritan de tales especificidades.
Los estudios longitudinales tienen al menos dos propósitos fundamentales: se usan para
describir patrones de cambio, estableciendo la dirección positiva o negativa, de [X Y] o de [Y
X]. Y de interpretación de magnitudes, una relación de magnitud cero indica la ausencia total
de relación causal. El cambio como magnitud, típicamente es medido en referencia desde uno o
dos tiempos cronológicos. (Menard, 2002), describe 4 tipos básicos de diseños longitudinales:
los diseños de poblaciones totales; el diseño transversal repetido; el diseño de paneles repetidos;
y los diseños de paneles longitudinales. Fuera de estos cuatro modelos existen también los
diseños retrospectivos. Con el objeto de ilustrar el escenario, a continuación describo, muy
superficialmente204, a todos ellos.
204
Una explicación más amplia y detallada de estos diseños y algunos otros aparecerá en una próxima edición de este texto, incluida dentro del
capítulo de la Investigación Experimental. Hago la referencia, muy superficialmente, ya que estos diseños requieren, o la utilización de series de
tiempo o el uso de regresiones lineales para algunos casos. Allí, el investigador ha de tener vastos conocimientos de estadística, diseño de
experimentos y análisis vectorial.
239
En estos diseños el investigador calcula una muestra probabilística sobre la población en cada
período estudiado. Donde las muestras contienen diferentes conjuntos de casos para cada
período, si el solapamiento de datos es muy pequeño, se considerará despreciable. Pero los casos
particulares bajo estudio han de ser comparables. Para los análisis de cambio se requiere de
agregar niveles205. También sirve para evaluar cambios en los valores de las variables y para
establecer relaciones entre variables a lo largo del tiempo.
Un estudio retrospectivo es un estudio longitudinal que mira hacia atrás en el tiempo. Por
ejemplo, un investigador puede consultar los registros médicos de los años anteriores de un
paciente en busca de una tendencia. Un policía puede hacer uso de los registros criminales de un
sospechoso en busca de indicios. O, un profesor puede buscar en el historial de notas de un
alumno para determinar si ha mejorado o desmejorado sus calificaciones.
205
La agregación de niveles incluiría un Muestreo Multietapas si las capas disminuyen en unidades muestrales a lo largo del estudio.
240
Este procedimiento es considerado bastante bueno para cuando los datos a estudiar son pocos
o medios, así como la cantidad de variables. En otros casos donde las variables son múltiples
debe combinársele con los procedimientos establecidos por la estadística multivariada y sus
análisis multivariados de datos. Toda investigación cualitativa se acerca a la realidad pero no la
totaliza, es decir, carece de poder demostrativo y se le dificultan las generalizaciones empíricas.
No obstante, su uso se ha hecho extendido por científicos sociales, sobre todo, en los estudios
sociológicos. El QCA, como todo procedimiento científico tiene sus ventajas y desventajas.
Según el propio Ragin, puede describirse desde dos vertientes con formas de principios.
Primeramente, puede ser usado para describir causalidades complejas donde se piense,
existan suposiciones subyacentes en el fenómeno bajo estudio. Allí será posible la combinación
de análisis detallados dentro de los casos formalizados para ampliar su comprensión. Cuando se
asume cierta la causalidad compleja subyacente, el objetivo central del QCA será la búsqueda de
una explicación exhaustiva del fenómeno bajo investigación, entendiéndose a esta última como
un tipo de explicación ampliativa soportada por datos y evidencias. En este paso la causalidad
compleja, si existiere, ha de ser formulada de manera que se entienda el sentido de causación y
las posibles combinaciones de factores causales que puedan guiar hacia la ocurrencia de ciertos
efectos predecibles sobre determinados fenómenos.
El segundo principio del QCA se trata como una combinación de análisis dentro de los casos y
la comparación entre casos ya formalizados. A partir de los datos obtenidos desde el primer
proceso, es decir, la formalización, se crearán casos diferentes y difusos que podrán ser descritos
como condiciones de salida. Es de hacer énfasis en que el QCA se crean y operacionalizan
206
Ragin, Charles C. The Comparative Method: Moving Beyond Qualitative and Quantitative Strategies. University of California Press 1987.
241
Es importante recordar que los resultados obtenidos a través del análisis formalizado QAC, no
proveen de forma alguna evidencia de relación causal. Lo que sí aportan, son patrones de
asociación con niveles significativos a través de los conjuntos de casos de observación, y son
éstos, la base para una ulterior determinación de conexiones causales. Si el investigador
cualitativo logra dominar esta técnica, podrá crear modelos teoréticos complejos de interacción
social basados en las comparaciones sistemáticas de casos cruzados para conjuntos de datos
inferiores a 50 unidades.
A continuación se describen una serie de pasos del QCA con tres fases similares a la anterior
pero con algunos casos agregados 209 : en la primera fase se seleccionan los casos y se les
describe. Se presentan condiciones iniciales realimentadas, se observa la salida y se crea el
modelo formalizado de máxima complejidad. En este caso la salida no es cualquier efecto
aleatorio o al azar producto de las interacciones. Contrariamente, definir la salida de interés
207
Se sugiere al lector para un mejor entendimiento de la creación y asignación de unidades sobre conjuntos difusos refiérase al capítulo VII.
Sección 7.3.- La Lógica Difusa. 7.3.1.- Análisis Difuso y Teoría de Medidas Difusas.
208
Tomado con permiso de SCHNEIDER & WAGEMANN, 2007, pp.63-73. Algoritmo de Quine-McCluskey usado para minimización.
209
Tomados desde: QCA y el túnel de complejidad con pasos concretos y lazos de realimentación. Aparece en: The Sage Handbook of Case –
Based Methods. (2009).
242
consiste en adaptar cualquier efecto a un modelo teorético para analizarlo. No forma parte en sí
de la investigación, sino del marco científico de la mente del agente científico. Allí las salidas
son las posibles conexiones con las condiciones potenciales de interés.
A la segunda fase se le denomina Momento Analítico apropiado para el QCA, sus pasos
incluyen la dicotomización, la creación de la tabla de la verdad, la minimización, la solución y la
presentación de la fórmula mínima que debe responder lógicamente al modelo formalizado en la
fase 1. En esta segunda fase se hacen uso de herramientas computacionales de amplia aceptación
como: FSQCA = Fuzzy Sets / Qualitative Comparative Analisys. Se le entiende como a una
herramienta que facilita la creación y manipulación de conjuntos difusos, contiene tablas para la
Roiman Valbuena: Los Programas de Investigación Comparativos.
Otra herramienta de apoyo es TOSMANA = Tool for Small –N Analisys (QCA), es una
herramienta de la investigación social usada para analizar datos de cierto pequeño número de
casos. Con ella es posible la dicotomización de los datos y el análisis de la tabla de verdad
resultante. Ambas herramientas permiten el ahorro de tiempo en los extensos análisis de data
emparejada y contrastada. De aquí se obtiene una síntesis y una minimización de todos los casos
de conocimiento de la fase 1. La dicotomización se refiere al umbral de configuración para la
medición de los datos. Donde se examina de forma binomial los atributos de interés.
En esta etapa muchas características pueden ser dicotomizadas para un mejor análisis de la
variación observada. Por ejemplo: la presencia o ausencia de la característica particular de
interés; Si/No; Alto/Bajo; 0/1; incluso los umbrales pueden ser definidos dentro de los conjuntos
difusos si les son asignados valores numéricos a las etiquetas difusas: Extremadamente Grande;
Muy Grande; Grande; Medianamente Grande; No Muy Grande. Tanto las tabla de verdad como
los procesos de dicotomización se entienden mejor en los métodos del algebra booleana.
Usar una multitud de palabras en una explicación oscurece en vez de ilustrar, siendo una carga
para la memoria, y la primera apta para ser olvidada, antes de llegar a la última. De modo que
el que usa muchas palabras para explicar cualquier tema, como el sepulcro, se esconde, en su
mayor parte, en su propia tinta.
The Wisdom of God Manifested in the Works of the Creation (1691). -John Ray.
244
Roiman Valbuena.
S
e denomina Explicación Científica Pura al arte de organizar un discurso amplio y
coherente donde se responda al porqué, cómo, para qué o cuándo de un evento. La
Explicación permite determinar aquello indeterminado, dejando claro y terso el carácter
problemático, y no completamente comprendido de alguna cosa. La Explicación Pura no
involucra causas, no las necesita, al usarlas se convierte en una Investigación Explicativa Causal
alejándose de su pureza. Allí se omiten leyes científicas, no las relaciona, pero debe basarse en
alguna teoría, secuencia o patrón explicativo. Explicar significa expandir el entendimiento,
separando partes cuyas unidades ameritan de independencia para así sustituir lo impreciso por lo
preciso. Separadas las partes, se establece el tipo de conexión entre cada cosa dentro de un
fenómeno para con ello comparar dimensiones.
La Explicación es un acto expresado en presente continuo, indica una serie de pasos para un
mismo asunto y toma cierto tiempo. Muchos esquemas explicativos se sostienen sobre una
estructura narrativa, y narrar necesita de lógica, inteligencia y creatividad. Lo Explicado, es la
acción finalizada afirmándose la completud del proceso basado en el principio de la evidencia y
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
el de la razón suficiente. Si hay algo que diferencia al hombre de ciencia del sofista, es su
capacidad de demostrar en vez de persuadir. La demostración amerita de explicación e involucra
convencimiento, y la explicación abre paso a la acción de comprender. Para ser efectivo en la
segunda, ha de afinarse la primera. Cuando el agente científico da origen al acto explicativo, éste
lleva implícito un conjunto de creencias y deseos manifiestos de algo, incluyendo intensiones
con las cuales ilumina su firmamento intelectual pretendiendo que esa luz irradie otras mentes.
Aunque ciertas cosas pueden explicarse sin llegar a comprenderse (Explicación Imperfecta),
se dice que una explicación es imperfecta cuando posterior de ejecutado el acto explicativo como
tal, éste ha sido incapaz de suministrar comprensión, es decir, la sed de intelección no ha sido
satisfecha. Y, el objetivo general de una Investigación Explicativa Pura es ilustrar con conceptos,
y a través de un discurso sobrio y coherente, la pregunta de investigación. Extendiendo sus
alcances, más allá de la simple descripción. Un discurso explicativo bien hilvanado, ha de
contener detalles del cuerpo de conocimientos que hacen entendible las concomitancias
fenoménicas del evento aludido, facilitando la asimilación mental de la realidad por la razón.
Toda explicación involucra enunciados que afirman o niegan algo, es decir, razones y sus
argumentos, y como las explicaciones no siempre se ajustan a las leyes de cobertura pero su
intensión ha de ser alcanzarlas, entonces se hacen necesarias las Inferencias Explicativas.
Constituyéndose éstas en un tipo de inferencia originada a partir de un conjunto de datos de una
hipótesis, hacen mención a una estructura o proceso que fácilmente podría ser explicado por la
data.
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
Cuando se hace uso de hipótesis e inferencias en un discurso explicativo, se ha optado por los
mecanismos de la razón, entonces, ha de estarse claro en no confundir Pensar con
Pensamiento210, pues, pueden añadirse conjeturas erróneas a lo explicado, ya que es menester
hacer distinción entre lo que pertenece a la sicología y lo que pertenece a la lógica, la explicación
amerita de lógica, no de sicología, la sicología nunca ha sido y nunca llegará a ser demostrable.
En base a que todas las explicaciones poseen direccionalidad. Hempel212 (1965), propuso un
modelo Nomológico Deductivo (N -D). Allí se afirma que una explicación es un argumento que
deduce una descripción de los hechos a ser explicados desde leyes generales y descripciones de
hechos observados. Para que el Explanans pueda explicar exitosamente el Explanandum, deben
darse ciertas condiciones. Primero, el Explanandum debe derivarse como consecuencia lógica
del Explanans, y las sentencias que constituyen a este último han de ser verdaderas. En este
modelo se asume que el Explanans ha de contener al menos una ley natural.
210
El pensamiento es una entidad intemporal e inespacial, invariable y no psíquica. El objeto de la lógica es el pensamiento, pues, estudia su
estructura, relaciones y formas con independencia de los actos psíquicos y de los contenidos intencionales. Los pensamientos tienen una realidad
formal distinta. El pensar por su lado, es un acto psíquico que tiene lugar en el tiempo. Puede ser mostrado y no demostrado. El producto de lo
pensado es siempre intencional, contrariamente, el producto del pensamiento es razonado. Las inferencias explicativas y las hipótesis, son
producto del pensamiento, de la razón y no del acto de pensar. Ferrater Mora (2000). Concepto de Pensamiento, Pensar. Véase.
211
GORDON MARSHALL. "Explanandum and Explanans (Explicandum and Explicans)." A Dictionary of Sociology. 1998. Encyclopedia.com.
2 May. 2015 <http://www.encyclopedia.com>.
212
Hempel, C. G. (1965). Aspects of Scientific Explanation. New York: Free Press.
247
213
Citados en MIT Cognitive Science. Explanation Concepto de: Véase.
214
Carl Gustav Hempel (2005). La Explicación Científica: Estudios sobre Filosofía de la Ciencia. Editorial Paidós.
215
Wesley, Salmon. Aparece en: The Nature and Function of Scientific Theories: Essays in Contemporary Science and Philosophy. (1970).
Editado por: Robert Colodny. University Pittsburgh Press.
248
Resulta evidente la diferencia entre los ejemplos. Primero, la premisa mayor en el caso
deductivo es una generalización universal. No obstante, la premisa mayor en el segundo caso es
una generalización estadística, pues, no está demostrado que TODOS los casos de infecciones
por estreptococos sean curados con penicilina, bastará con que uno solo no lo sea para dejar
inválida la generalización. El doble lineado del segundo caso indica que la conclusión sigue a un
argumento inductivo216.
Se denomina Explicación Funcional a aquella que se ejecuta sobre un objeto o cosa, la cual,
formando parte de un sistema como un todo, ejerce una ocupación específica en su
mantenimiento. Este tipo de explicaciones surge de preguntas como: ¿Cuál es la función de la
sangre en el cuerpo humano?, allí su Explanans podría sugerir lo siguiente: la sangre sirve para
proporcionar un óptimo intercambio gaseoso, transporta oxígeno y nutrientes a los diferentes
órganos del cuerpo.
Una explicación del tipo funcional se usa cuando el agente científico carece de medios y/o
evidencias para demostrar las argumentaciones que sustentan las explicaciones, quiere decir, no
se atreve y no debe explicar lo desconocido. De manera que se centra en explicar el cómo
funciona aquello observado. Las explicaciones funcionales son comúnmente denominadas
explicaciones teleológicas <<explicaciones del fin de cada cosa>> Indican que algo tiene un fin
o un propósito determinado. Implican la ejecución de actos consecutivos <<sistematicidad>> y
tienen proyecciones futuras si la cosa mencionada no opera debidamente.
En sus formulaciones más simples, la Teoría del Mecanismo es bien conocida por tratarse de
una ciencia aplicada, allí se usan ecuaciones y modelos matemáticos en el estudio y diseño de
máquinas que ameritan de la aplicación de fuerzas físicas. La máquina es la “cosa” que realiza
algún trabajo, en cambio, al mecanismo se le concibe como al conjunto de elementos que forman
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
parte constituyente de tal máquina y sobre los cuales, como unidad, recae la explicación.
El Funcionalismo218 por su lado, es estudiado por la filosofía de la mente. Opera sobre las
actividades que ejecutan la cosa o elemento aludido sin importar su estructura o composición
física. De acuerdo a la tesis funcionalista, la mente es un sistema físico con un conjunto de
posibles estados inducidos por elementos internos y externos. Basado en estas premisas, un
cambio en el estado externo de la máquina puede inducir a oscilaciones en el comportamiento de
los elementos internos a ella.
Por lo que la explicación habrá de cubrir exhaustivamente estos casos si no existiere causa
efecto que involucre a alguna ley natural, pues dejaría de ser una explicación pura para
convertirse en una explicación causal. Contrario a la teoría del mecanismo, donde sí hay
referentes físicos, una explicación bajo la tesis funcionalista puede ser inmaterial o sin referentes
físico alguno. Pues, no todas las relaciones causales recaen sobre objetos o cosas con referentes
físicos.
La tesis Conexionista afirma que la mente posee un modelo de conexión propio al igual que
una red de neuronas. No obstante, se centra en hacer representaciones funcionales usando
básicamente análisis matemáticos de patrones de actividades internos al sistema. Para ello opta
por teorías de la representación apelando a conceptos como prototipos.
Aunque este modelo también tiene sus teorías contrapuestas, hay quienes afirman que una
representación conexionista carece de partes constituyentes, debido a ello, estos modelos no
pueden explicar sistematicidad. Y, si se toma en cuenta el concepto de sistematicidad desde el
217
Todos estos conceptos aparecen en: MIT Encyclopedia of Cognitive Sciences.
218
A continuación un aporte de Hempel desde el punto de vista epistemológico hacia las Explicaciones Funcionales: <<La información que
típicamente nos proporciona el análisis funcional de un ítem i, no brinda un fundamento adecuado deductivo ni inductivo para preferir a “I” sobre
cualquier otra de sus alternativas. La impresión de que el análisis funcional efectivamente proporciona este fundamento, y por tanto explica la
ocurrencia de i, se debe sin duda, por lo menos en parte, al beneficio del conocimiento post facto: cuando tratamos de explicar un ítem i, ya
sabemos presumiblemente que i ha ocurrido>>. Aparece en: Estany, Ana (2006, p.238). Introducción a la Filosofía de la Ciencia. Universidad
Autónoma de Barcelona. Aparte referido a: La Explicación Científica. Véase.
250
punto de vista sicológico, no haría falta el conexionismo. Pues, cualquier evento funcionalista
podría ser explicado por cualquier teoría de la mente por muy simple que esta sea219.
Ahora bien, ¿qué explica una función? O ¿qué hace que una función pueda ser explicada?,
una explicación funcional sirve para rendir respuestas satisfactorias al ¿qué?, ¿cómo? o ¿por
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
qué? Aunque una pieza se encuentre sola en la dinámica de la dialéctica explicativa, ésta
pareciese tener vida propia, fines, objetivos y metas que están involucradas en su trabajo al hacer
que algo, cumpla una función. De allí que se haga mención a que una explicación funcional se
considera una explicación teleológica. Entonces, estudiar alguna entidad dentro del sistema
podría interpretarse como el intento de conseguir las respuestas a cierto número de preguntas.
El investigador o el agente científico deben prestar cuidado a dos acepciones comunes en las
explicaciones funcionales, función e intención. Una función de por sí, por naturaleza, no
presupone genuina intencionalidad, ésta sólo podrá endosársele a aquellas entidades que posean
conciencia. Se considera que una explicación funcional ha sido correctamente ejecutada, cuando
tal función logra responder exhaustivamente la pregunta de investigación, cuando ha cumplido
con todos los requisitos para facilitar comprensión, y cuando la sed de intelección ha sido
satisfecha.
219
Jerry Fodor y Zenon PyLyshyn, citados en: MIT Encyclopedia of Cognitive Sciences. (p. 186). Véase.
251
En investigación explicativa existe un precepto que reza: toda acción que pueda ser explicada
intencionalmente sin mayores problemas, no son de interés para la sicología. Ellos sólo se
interesarán tan pronto como, alguna acción no pueda ser explicada simplemente por la
intencionalidad, Theo Kuipers (1995).
Cualquier otra acción carente de intención manifiesta podrá ser cubierta sin mayores
contratiempos por la investigación científica tradicional, posterior a haber separado la lógica, de
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
la sicología. Ya que, una explicación funcional como la que aquí describo, y debido a las
relaciones entre el Explanans y el Explanandum, necesita de lógica y no de sicología. Éste último
tipo de explicación dejémoslas a los teoristas de la mente y sus causalidades mentales o a los
sicólogos.
220
Mario Bunge (2000, p. 495).Poder Explicativo. Véase.
252
correlativo.
221
Posterior a haber llegado a algunas conclusiones respecto a la voluntad como causa, es posible afirmar: sólo lo conocido o, la única voluntad
que podemos lógicamente inferir que existe, no está, de ninguna manera, asociada a un poder arbitrario que origine, altere o detenga un
movimiento. Esto pareciese ser sólo una causa secundaria, como un estado en una rutina, pero uno donde el lado cognoscible de la rutina cambia
de lo físico a lo físico. Algo fuera de allí es imposible ser estudiado por la ciencia. En este accionar no yace poder alguno que origine tal
secuencia de movimientos. Entonces es aquí donde nuestra ignorancia comienza. Por esta razón, no podemos inferir sobre la posibilidad de la
existencia de una primera causa, pues no existe nada para soportarlo lógicamente en nuestra experiencia. Razón por la cual no es posible pasar de
lo conocido hacia algo totalmente diferente en lo desconocido. La ciencia no sabe nada de las primeras causas, lo que marca un permanente o
temporal límite a nuestro conocimiento. Pues, sería un error inferir algo más allá de nuestra impresión sensorial donde el conocimiento y la
inferencia son palabras sin sentido. Para ello habría que estudiarse a la ignorancia dentro de la esfera del conocimiento. Entonces, en una causa
genética, nuestra ignorancia comienza. Karl Pearson, The Grammar of Science. (1900; P.127 y ss.). Adaptado y reinterpretado por el autor.
Véase.
253
explicador debe hacerse entender con pocas pero precisas palabras, y con ellas, impregnar el
intelecto de su interlocutor como se le hace al ganado con hierro incandescente.
222
Los conceptos de este aparte, las condiciones de Inexplicabilidad, son extraídos desde: Achinstein, Peter. (1983). The Nature of Explanations.
Capítulo referido a: The Limits of Explanations. Oxford University Press. El resto es propiedad del autor de este Libro.
254
Varias pueden ser las razones, según Hempel, una baja probabilidad en eventos aleatorios es
inexplicable, además, las identidades en un sistema no merecen explicación. No obstante, en
cada ciencia hay y existe siempre algo inexplicable. Pero, ¿Qué es lo último que debe ser
explicado?; ¿En qué consiste la idea de Inexplicabilidad? Para (Achinstein, 1983), las 3
condiciones de Inexplicabilidad se describen a continuación:
Condición I: lo explicable puede ser formulado como una pregunta indirecta “q” cuya forma
directa es “Q”. Y se iniciará con explicabilidad relativa al conjunto de instrucciones “I”.
Entendiéndose como Inexplicabilidad en la forma que cualquier satisfacción “I” sea denegada.
Regla 1: Producto Visual de Explicación e Inexplicabilidad: [“q” es explicable en la forma
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
que satisface “I” si y solo si, (Ǝx) (“x” es una explicación de “q” que satisface “I”].
Condición II: Teoría del Par Ordenado: [“x” es una explicación de “q” que satisface “I” si
y solo si, “x” es un par ordenado cuyo primer miembro es un contenido proposicional dado con
respecto a “Q” que satisface “I”, y cuyo segundo miembro actúa como explicador] Por ejemplo:
a la pregunta del ¿Cómo fueron creadas las especies?, en el amplio sentido de explicabilidad
expresado en (I), Las especies fueron creadas por los deseos de Dios de la existencia. Esta
última frase representa la respuesta a cómo fueron creadas las especies. Así mismo, como
proposición, la explicativa, satisface al conjunto de instrucciones para la respuesta encontrada en
la biblia.
En otro sentido, [“q” es inexplicable en la forma que satisface “I” si y solo si es posible,
(Ǝa)(Ǝs)(Ǝu)(“a” es un acto en el cual “s” explica “q” pronunciando “u”, y “u” expresa una
proposición que satisface “I”] [“q” es correctamente explicable en la forma de satisfacer “I”,
si y solo si, “x” es una explicación de “q” que satisface “I”, y “x” es correcta] En este caso,
cualquier proposición se tornará incorrecta siempre que sus proposiciones constituyentes sean
falsas.
Condición III: una explicabilidad podrá ser construida para significar no solo lo
correctamente explicable, sino también, lo apropiadamente explicado. Es decir, ha de ser
explicada de tal forma que sean satisfechas las instrucciones apropiadas. [“q” es (correcta y
apropiadamente) explicable en la forma que satisface “I”, si y solo si, (Ǝx) “x” es una
explicación de “q” que satisface “I”, y “x” es correcta, e “I” representa a un conjunto apropiado
de instrucciones a seguir para la explicación de “q”]
255
Existen diferentes razones para que “q” pueda no ser explicada en la forma que satisfaga “I”.
Una posibilidad es que “I” no es satisfacible por ninguna vía. Segundo, incluso si las
instrucciones han sido satisfechas, cualquier respuesta que satisfaga “I” podría ser incorrecta; en
el caso de que “q” pueda ser no explicable para las condiciones (II) y (III). Tercero, incluso si
“q” puede ser respondido correctamente en la forma que satisfaga “I”, lo siguiente podría no ser
un conjunto apropiado de instrucciones a seguir para explicar “q”; si es así, entonces “q” es
inexplicable en el sentido de (III), incluso siendo explicable para (I) y (II).
Cuando se intenta explicar un fenómeno debe analizarse qué tipo de explicación alcanzará a
ser la más satisfactoria, aún más allá, ¿cómo llegar a ella?, ¿qué tipos de enunciados debe
Roiman Valbuena: Los Programas de Investigación Explicativos Puros.
Albert Einstein.
S
e denomina Programa de Investigación Explicativo Causal, a la acción científica
mediante la cual, el investigador describe, explica y esclarece la conexión necesaria y
suficiente entre al menos dos cosas o sucesos. Donde el segundo evento, denominado
efecto, está condicionado por el primero, llamado causa o agente causal, en tiempo y espacio. Es
decir, no existe más efecto que donde hay una causa <<Principio de Causalidad Universal>>
Las Explicaciones Causales, contrario a las puras, ameritan de leyes y teorías para hacer entender
las causas, desde ese punto de vista, el sujeto de conocimiento contiene carga teórica. En otras
palabras, dependen de una teoría o cadena de explicaciones sistemáticas que las ilustren. El fin
de toda Investigación Explicativa Causal es hacer efectivo el convencimiento de que tal causa,
produce determinado efecto. Para ello es necesaria la eliminación, total y absoluta, de vacíos
explicativos.
Según explica (Hegel, (1770-1831)), la verdad del fenómeno Causa - Efecto, consiste en una
relación esencial; hay algo que media entre la causa y su efecto. Una relación siempre tiene dos
lados, pues, hay una acción existente <<Causa>> y una acción reflejada <<Efecto>>, donde cada
lado representa un subsistema independiente. Esta relación esencial contiene la unión
determinada de ambas.
Un efecto no es más que un reflejo de su causa, donde cada determinación representa un lado.
Entonces, una relación Causa - Efecto no podrá tratarse por separado, ambas son lo mismo pero
con polos opuestos. El efecto sólo existe porque su causa también existe, está unido él mismo
con su otro. Por eso, cada efecto tiene una existencia independiente y es reflexión esencial de sí
258
Empero, hay independencia de acciones y sucesiones del uno con el otro. Toda fuerza es una
causa, la misma funciona como el agente que provoca cambios y hace mover mecanismos.
Cuando alguien pregunta por un suceso, no está sino haciendo referencia a sus causas. Entonces,
causa y explicación están separadas únicamente por la dialéctica aplicada sobre el hecho causal
descrito.
Roiman Valbuena: Los Programas de Investigación Explicativos - Causales.
En ese sentido, Hegel afirma que, en una relación Causa – Efecto, el segundo es producto del
primero, es decir, no existe un inmediato <<A menos que concurra contacto físico>>, sino, una
relación de independencia reflejada en el efecto, cuyo único origen es su opuesto, denominado
causa. Entonces, hay una relación entre el condicionado <<Efecto>> y su condición <<Causa>>,
que determina la sucedencia como acción recíproca224.
Como un efecto primario puede convertirse en causa para un eslabón secundario, en una
cadena infinita, entonces sólo existe una explicación posible; Una Causa y su Efecto conforman
una relación entre un todo y sus partes, es decir, tienen vidas separadas pero pertenecen a un
mismo sistema, donde cada parte está recíprocamente condicionada. Entonces, y para propósitos
de este aparte, el fin de una investigación Explicativa Causal se fundamenta en identificar y
clarificar, en qué consiste la mediación <<Fuerza>> que hace posible un efecto posterior a su
causa. Para ello Hegel afirma:
223
Puede ampliarse el entendimiento de esta relación en la obra de: Hegel. La Ciencia de la Lógica. Capítulo III. “La Relación Esencial”: Véase.
224
Retro-Causalidad o Retro-Cronología, consiste en un conjunto de teorías e hipótesis físicas sobre el entendimiento de las causas y los efectos
en la mecánica cuántica. Mediante ellas se afirma que un evento puede tener causalidad reversa, esto es que se sucede primero el efecto y luego
su causa. ¿Puede realmente un efecto cambiar o elegir su causa?, si ello fuese posible, entonces el tiempo podría manipularse con el control
remoto de un tv. El concepto surge como paradoja filosófica y como experimento mental a partir de ciertos descubrimientos de Einstein en la
observación de la mecánica cuántica y los cuales operacionalizó como teorías en sus denominados agujeros de gusano. Lo cierto es que la única
forma de viajar al futuro es atravesando al presente, pues para cuando se inicie el viaje ya será pasado. La tecnología como ciencia sí le ha
prestado atención al caso y se encuentra desarrollando investigaciones en esa dirección, su primer hito, la tele-trasportación, ya fue alcanzado.
225
Sobre la Relación de Causalidad: La Causalidad Formal. También en Hegel. Véase.
259
La Razón Suficiente sólo se emplea para elaborar el argumento de causación. Según describe
Hume (op, cit, p. 42); Si dos objetos, perfectamente parecidos entre sí, se dejan ver en el mismo
lugar a diferentes momentos, y coinciden en la dependencia de uno con respecto al otro, es
evidente que, entre ambos existe una relación y extraña fuerza denominada causa efecto.
Para inferir una relación causa – efecto deben cumplirse al menos los siguientes requisitos: la
causa, en tiempo y espacio, siempre acontecerá primero que el efecto; como ambas pertenecen al
mismo sistema su relación ha de ser demostrable; la fuerza de la causa ha de ser proporcional a
la manifestada en el efecto; el marco explicativo que circunscribe al efecto, lo que lo revela, debe
Roiman Valbuena: Los Programas de Investigación Explicativos - Causales.
En consonancia con Abdus y Yen226 (2010), Causa y Efecto refiere a una relación entre dos
fenómenos, donde uno es la razón de ocurrencia del otro. Allí, normalmente el término efecto
puede ser estadísticamente explicado como resultado de una Regresión Lineal o un Análisis de
Correlación227 entre dos variables “X”, y “Y”, explicada como efecto.
Una investigación explicativa de causas podrá presentar las siguientes tres formas de abordaje
indirecto, denomínese así, a toda aquella investigación explicativa causal que obvia, en parte o
por completo, a los elementos e intervalos temporales presentes en la cadena transcausal, el
siguiente gráfico detalla la idea de investigaciones explicativas causales indirectas:
Primera: cuando se orienta desde la causa hasta el efecto, omitiendo muchas de las
explicaciones de la secuencia de pasos antes de la ocurrencia de la consecuencia, se conoce
como Investigación Explicativa Causal Parcial e Indirecta, centra su accionar en explicar sólo
unos pocos eslabones de la cadena transcausal, dejando ciertos vacíos explicativos. El lector se
preguntará, ¿Qué sentido tiene omitir pasos y secuencias explicativas que harán más entendibles
las ideas a desarrollar en la investigación?, pues, sencillamente algunos pasos deben, por
obligación, ser omitidos cuando no se dispone de la tecnología necesaria para operacionalizar o
demostrar ciertas hipótesis que harían más entendibles las unidades fenoménicas de ocurrencia.
226
Abdus Wahed y Yen Chib Hsu. Encyclopedia of Research Design. Editada por Salkind, Neil. Concepto de: Cause and Effect. Véase.
227
La Regresión Lineal consiste en un procedimiento estadístico mediante el cual, se busca determinar la relación entre una variable dependiente
y una o más variables explicativas independientes. Se llamará lineal si la curva obtenida como respuesta, y derivada de los datos, se ajusta a una
línea recta. Es decir, en su estructura, el comportamiento de la variable dependiente puede explicarse a través de un segundo conjunto de
variables independientes. La regresión lineal amerita, en muchos casos, de un Análisis de Regresión: el cual consiste en un mecanismo estadístico
basado en un modelo que describe el funcionamiento del evento o fenómeno bajo estudio. Allí es posible predecir los valores de la variable
dependiente, pues, está sujeta a cambios, propios de su intrínseca interacción con el sistema donde actúa. Donde, las variables <<Causales>> o
independientes, ejercen cierta fuerza o influencia sobre la variable Efectora, de esa manera es posible predecir el comportamiento del efecto
conociendo el proceso que da origen a la causa. La correlación por su lado, consiste en un procedimiento mediante el cual, los cambios en una
variable se hacen corresponder con cambios en otra. No implicando para nada, la existencia de una extraña fuerza conectora que medie entre
ellas. Por lo que habrá de prestarse suma atención a las explicaciones derivadas desde este tipo de análisis.
260
Tercer Tipo
Ex Post Facto
Unión
Causa Determinante Efecto
Cadena Causal
Primer Tipo
Omite muchas
Explicaciones y
Eventos de la
Cadena Causal
Roiman Valbuena: Los Programas de Investigación Explicativos - Causales.
Segundo Tipo
Predictiva
Tenga presente el investigador, ninguno de estos modelos que aquí propongo, lejanamente se
asemejan a las acostumbradas indagaciones causales, predictivas o ex post facto. Por el
contrario, se diferencian de las anteriores debido a la operacionalización conjunta y sistemática
de Teorías, Leyes, Variables y Variables Constantes. De la existencia de causaciones internivel
simétricas ascendentes o descendentes, con sus correspondientes teorías asociadas y agregadas.
Del uso de enunciados singulares e hipótesis de nivel medio en cada secuencia explicativa. Y de
la opción, si el agente científico así lo decide, de explicaciones basadas en la teoría
reduccionista.
En este tipo de estudios, el efecto no siempre ha de presentarse bajo la causa adecuada, sobre
261
ambos varían conjuntamente <<Existe Concomitancia>>, uno ha de ser la causa del otro. Esta
magnitud numérica sólo aporta ciertos indicios no determinantes sobre la existencia de
causalidad real. El problema surge cuando se admite la evidencia de correlación, como hecho
cierto de causalidad no demostrada e indemostrable.
Es bueno recalcar que cuando “X” y “Y” no están correlacionadas con “Z”, se obtendrá un
coeficiente de correlación igual al coeficiente de correlación parcial. Evidenciándose que el valor
228
Diccionario Akal de Filosofía (1999), Robert Audi Editor. Cambridge University Press. Falacia de la Causa Falsa, Concepto de: Véase.
229
Tomado de: Dodge, Yadolah (2008 of Statistic. Editorial Springer. Concepto de: Partial Correlation, Véase.
262
En este aparte se presenta una nueva fuente de causación, la causación hacia abajo,
Downward Causation. Consiste en un proceso explicativo de la causa basada en el Principio
Reduccionista: donde el comportamiento de todo un sistema está determinado, por entero, en
base al comportamiento de sus partes, elementos o subsistema. En este tipo de explicaciones,
necesario es hacer entender, el por qué el todo y sus partes interactúan de esa manera. El proceso
causal hacia abajo involucra, en mayor o menor cuantía, a los conceptos de tiempo, espacio y
causalidad como categorías230.
En la causación hacia abajo, es menester estratificar un árbol jerárquico por niveles de los
eventos, de manera de poder asociarlos a un determinado eslabón de la cadena transcausal. Allí,
han de explicarse las interacciones en el nivel y los interniveles. Donde la cadena explicativa
debe contener la misma cantidad de eslabones que la cadena causal, es decir, ningún eslabón ha
de exceptuarse del proceso explicativo. Para cada eslabón una explicación, para una cadena, un
conjunto de explicaciones.
La causación hacia abajo refiere a los efectos que se ejercen desde los niveles altos hacia los
bajos en determinados fenómenos. Contrariamente, la causación hacia arriba, obedece a los
efectos desde los niveles bajos hacia los altos. Ambos podrán coexistir en presencia de la teoría
del mecanismo. Donde se explica el porqué, los eventos percibidos en un fenómeno presentan
determinado orden, incluyendo el por qué se repiten y el cómo éstos ocupan un lugar en un
tiempo específico.
230
Heylighen (1995). Citado en: Logic and Reality (2008): Sección 8.6.1. Downward Causation: por Joseph Brenner. Editorial Springer.
263
Se dice que hay causación, hacia arriba o hacia abajo, cuando un evento en un momento
acciona y ejecuta fuerza sobre otro, de mayor o menor jerarquía. Al primero se le acepta como
primer movimiento mecánico o agente causal, y al segundo, como agente efector y sobre el cual
recae la fuerza aplicada, de allí lo importante no son los movimientos, sino el cómo este es
producido por esa fuerza.
En las sociedades democráticas, el poder del pueblo sirve para elegir presidentes. A su vez, el
presidente decreta leyes que han de ser cumplidas por el pueblo, esto es un ejemplo de causación
bidireccional, donde cada estudio amerita separación. Toda fuerza es una causa que produce un
Roiman Valbuena: Los Programas de Investigación Explicativos - Causales.
movimiento. Si la dinámica de acción entre niveles, hacia abajo o hacia arriba, pero sólo una a la
vez se presenta, se dice que es unidireccional. No obstante, en la interacción interniveles, podrán
presentarse efectos nuevos denominados efectos emergentes. Quiere decir, se producen
únicamente por el estudio Internivel, pudiendo no estar presentes cuando la explicación se
orienta en una sola dirección. Caso muy común en sistemas jerárquicos y asimétricos de
organización.
Equipado con sus cinco sentidos, el hombre explora el universo a su alrededor y llama a tal
aventura Ciencia.
Edwin Hubble.
265
E
xplorar significa indagar sobre algo con el fin de descubrir. Es cuando una penumbra
de ignorancia envuelve al fenómeno impidiendo la actuación sobre él. Allí, el
conocimiento se altera cuando el entendimiento se incrementa una vez disipada la nube
que obstaculizaba la observancia mental del hecho. Toda Investigación Exploratoria produce una
parálisis intelectual al primer acercamiento, entonces el científico, paciente y asertivo,
planificará un ciclo de observaciones intelectualmente rigurosas con las cuales desarrollará un
entendimiento básico. Posteriormente, con una visión integradora y coherente, compilará
pequeñas cantidades de información y se apreciarán nóveles descubrimientos. Es así como la
Investigación Exploratoria consiste en un eslabón intermedio entre la investigación básica y la
aplicada para el desarrollo de un conjunto de actividades prioritarias en áreas específicas.
En los Programas Exploratorios de Investigación la meta consiste en estimar una visión del
problema que antes no se tenía, para con ello conseguir una caracterización de los elementos que
a éste rodean. Habiendo iniciado desde lo desconocido y procedido bajo un enfoque sencillo de
sumisión a las reglas y mentalmente flexible. Los estudios exploratorios son interesantes cuando
existe la ausencia absoluta de conocimiento… la nada, o simplemente se especula sobre el
funcionamiento de algo.
231
1628. William Harvey descubre cómo funciona el sistema circulatorio humano. Para la fecha, muchos pensaban que el sonido dentro del
pecho (latidos) eran la voz de la conciencia. Otros creían que la sangre era creada en el hígado para ser consumida por los músculos, y que las
arterias sólo contenían aire. Se pensaba también que la sangre de las arterias y las venas era distinta. Harvey mientras más pensaba más dudaba,
entonces, dio inicio a una estrategia de pensamiento análisis con cierto toque de disciplina. Experimentó con animales uniéndoles arterias y venas
a ver qué pasaba. Trababa la circulación y luego la soltaba para observar hacia donde se dirigía la sangre en cada caso. De allí comprobó que
tanto arterias como venas estaban conectadas en un sistema circulatorio simple. Afirmando que la sangre siempre fluye de las arterias a las venas.
Detalló que el corazón y sus latidos, actuaba únicamente como músculo que bombeaba sangre a pulmones y arterias. Demostró que la sangre no
era consumida, como para la época se pensaba, sino que circulaba continuamente por el cuerpo llevando oxígeno y nutrientes. Harvey es
considerado hasta ahora, el padre de la Fisiología Moderna. Kendall Haven (2007). 100 Greatest Science Discoveries of All Time. Véase.
267
formado adquiere una nueva forma, al contrastarse, deriva en un saber cierto, denomínese a ello,
una potencia mental aplicada a un acto exploratorio que ya ha arrojado su primera evidencia.
Como una actividad exploratoria requiere básicamente de ejercicios cerebrales, liar ambos
Roiman Valbuena: Los Programas Exploratorios de Investigación.
MENTE
Base del
Crea Clases y
IMAGINACIÓN Razonamiento
Relaciones
Científico
268
Las tareas que involucra una investigación exploratoria dependerán del tipo de ciencia y
necesidades de información. Básicamente, los pasos son los que se siguen a continuación:
Las fases intermedias podrán variar dependiendo del tipo de evento a estudiar, del cómo sus
unidades fenoménicas se manifiestan, y qué se desea conocer. Es cuando el investigador
comienza a darse cuenta de qué puede conocer y que no. Con frecuencia se harán presente
eventos serendépicos <<Descubrimientos netamente basados en azar y comúnmente más
importantes que el objetivo perseguido>> que direccionarán la investigación por otros senderos.
232
Bien vale la pena citar el procedimiento de exploración y posterior verificación experimental que dio origen al termómetro por parte de 3
grandes científicos, y la exploración ejecutada por George Beadle sobre los genes. El termómetro, instrumento usado para medir temperatura y
basado en mercurio <<metal líquido que se dilata con el calor y contrae con el frio>>. Fue objeto de varias observaciones. Primero, Galileo
Galilei diseñó un tubo de vidrio que en su parte inferior contenía una esfera que al llenarse con agua y calentarse, este líquido subía. Por
problemas obvios de congelamiento y evaporación, se hicieron nuevos intentos con alcohol y una escala numérica. Posteriormente, Anders
Celsius, introdujo una nueva escala cuya referencia eran los puntos exactos de ebullición y congelamiento del agua divididos entre cien. La
indagación exploratoria se centró en observar los puntos donde el agua cambia de estado, en el de calor máximo se produce la ebullición y en el
mínimo el congelamiento, es decir, cambia de líquido a gaseoso y de líquido a sólido. Este intervalo fue dividido en cien partes llamados grados
Celsius. Lo mismo sucedió con la escala de grados Kelvin usadas para medir temperaturas absolutas (-273,15 grados Centígrados). Una serie de
observaciones exploratorias también fueron ejecutadas por George Beadle en 1934 con el descubrimiento de la Función de los Genes. Los genes
están encordados a lo largo de los cromosomas y contienen especificaciones para la operación y crecimiento de células individuales. Beadle
descubrió que cada GEN <<Molécula de Ácido Nucleico>>, dirige la formación de una enzima en particular y ésta actúa sobre las células. Beadle
eligió una pequeña hogaza de pan que contenía Neuroesporas, una simple estructura genética de la cual estaba bien documentado. Separó a las
colonias en bandejas para que crecieran en medios comunes y luego bombardeó cada colonia con rayos “x”, conocidos por acelerar mutaciones
genéticas. A las 12 horas, la mayoría de las colonias continuaron su crecimiento normal, sin efecto alguno. Solo unas pocas habían muerto y otras
vivían sin lograr prosperar, la mutación genética les impedía crecer, pues la información original contenida en el gen, había sido modificada.
Aparece en: Kendall Haven (2007). 100 Greatest Science Discoveries of All Time.
233
Concepto extraído desde: Dodge, Yadolah (2008). The Consice Encyclopedia of Statistic. Editorial Springer. Concepto de: Exploratory Data
Analysis, Véase.
270
Para lograr inferencias conclusivas convincentes, se debe acudir a dos secuencias primarias
de suma importancia, para en segunda instancia, dar paso a magnitudes numéricas a través de
procesos estadísticos. Inicialmente se adopta una secuencia descriptiva – causal y una explicativa
– causal. La primera ejecuta operaciones con conceptos de significancia lingüística que brindan
cierta belleza simbólica y adhiere atributos a lo explicado.
Este estadio es jerárquico, se identifica primero el mínimo nivel efectivo para lo que se desea,
y de allí es dividido entonces en sub áreas buscando aprendizaje. Todo proceso de aprendizaje
envuelve actividades exploratorias y la observación detallada de consecuencias. Se dice que un
proceso exploratorio está asociado con las propiedades del objeto o fenómeno, y a cada
propiedad típicamente se le denomina información.
Todo ello permitirá conocer mejor el fenómeno y tomar decisiones con respecto al conjunto
de parámetros estudiados. Este análisis de componentes principales estudia medidas múltiples de
cada unidad de análisis sometida a investigación. Allí se podrán observar las interrelaciones
entre variables y explicarlas en términos de sus dimensiones. Los procedimientos estadísticos
explicados en esta sección se corresponden con una aplicación muy moderna de la lógica de
clases. Es en esta etapa de la investigación cuando el científico comienza a ver los frutos de su
trabajo, pues ya ha agrupado elementos dentro de una misma categoría y comienza a verificar la
relación de una cosa con otra, pues, afloran las similitudes, diferencias o dependencias
jerárquicas invisibles en el primer estadio. Ya el árbol relacional buscado está tomando forma.
En el proceso, se buscan grupos de variables (factores) que entre sí, presenten una alta
correlación. Entonces, al verse reducido el fenómeno se facilita su explicación. Allí se usan
tablas de contingencia o tablas de valores cruzados, obteniéndose una representación gráfica de
la asociación y correspondencia para factores (variables) entre filas y columnas.
234
El Análisis de la Varianza consiste en una técnica para separar la variación total de la data en un conjunto de componentes lógicos asociados
con una fuente de variación específica. Ello con el fin de comparar la media de varias poblaciones. Esta fuente de variación conforma un nuevo
parámetro denominado <<Error de Varianza>>. El investigador ha de estar claro de que esta técnica sólo puede ser usada bajo las siguientes
condiciones: las muestras tomadas al azar son independientes; la distribución de la población es aproximadamente normal; y, todas las muestras
tienen la misma varianza. Tomado de: Dodge, Yadolah (2008). The Consice Encyclopedia of Statistic. Editorial Springer. Concepto de: Analysis
of Variance, Véase.
235
Un Análisis Factorial consiste en una serie de métodos que permiten reducir un conjunto de variables a un número menor y más manejable,
donde cada una es función de una o más de sus variables originales.
272
Es decir, el investigador opta por el análisis factorial exploratorio cuando aún, con el conjunto
Roiman Valbuena: Los Programas Exploratorios de Investigación.
de preguntas de un cuestionario238. Se crea entonces una tabla [I x Q] tal que, se genere una
celda (fila x columna) contentiva de [i; q] elementos; a esto se le denomina categoría de una
pregunta “q” seleccionada por un individuo “i”.
238
Es de recalcar que la palabra cuestionario es común en investigación social, allí se le asocia con personas que responden a un conjunto de
preguntas. No obstante, en otros tipos de investigación, un individuo o cosa, posee características inherentes propias que lo describen, y basados
en esos datos, se procede a llenar la tabla mencionada denominada cuestionario.
239
André Gide. Escritor Francés y Premio Nobel de Literatura 1947.
274
El origen de la ciencia radica en el deseo de conocer las causas; Y el origen de toda falsa
ciencia está en el deseo de aceptar causas falsas más que en ninguna; O, lo que es lo mismo, en
la falta de voluntad de reconocer nuestra propia ignorancia.
Roiman Valbuena.
C
uando en el proceso de investigación convergen diferentes equipos de investigadores,
y estos a su vez, acuerdan estrategias separadas de trabajo para dar respuesta a la/s
pregunta/s de investigación, se dice que se ejecuta entonces una investigación mixta o
un proceso de indagación Multi - Estratégico. Como epítome a los modelos mixtos, conviene
partir de su conceptualización, es importante señalar que se hace introducción a los métodos
mixtos puesto que muy pocos libros de metodología de investigación editados en el país hacen
mención a ellos;
La definición que aporta este texto: al proceso de combinar más de un tipo de método de
investigación como alternativa del investigador en su búsqueda continua de una mejor estrategia
que le permita conducir la investigación, se denomina métodos mixtos de investigación o
investigación mixta. Implica el manejo de diferentes tipos de datos, colectados a través de
diversos instrumentos, para cuyos casos podrán converger una variedad de investigadores con
paradigmas contrapuestos. La investigación mixta es un enfoque en el cual se asume que la
mixtura de los métodos cualitativo y cuantitativo admite la capitalización de esfuerzos,
orientándolos a solventar la dificultad que representa la debilidad de cada uno.
276
El método mixto permite tanto el legitimar el uso de una táctica Multi-Estratégica, como el
examen en profundidad de un fenómeno desde diferentes aristas, proporcionando inferencias a
partir de variados orígenes. En investigación mixta es común encontrar múltiples preguntas que
orienten el accionar científico en determinada dirección, a las cuales es imposible responder
desde un único enfoque de estudio. En función de ello, es importante hacer distinción entre
Estudios o Investigaciones Multimétodos y Métodos Mixtos de Estudio o Investigación Mixta.
Las dimensiones de los diseños de investigación mixta tienden a variar conforme lo hacen los
propósitos y los paradigmas que en ellos se ven envueltos. En primer lugar, el grupo de
investigadores ha de estar claro del porqué de la mixtura, transformándola en una argumentación
razonable mediante la cual sea posible dilucidar cuál o cuáles, dentro de los diferentes tipos de
mixtura, va más acorde con sus objetivos. En segundo lugar, sopesar los grados de profundidad
necesarios que lleven a una correcta interacción entre procesos.
cada enfoque, los cualitativos consisten en hechos y situaciones del diario vivir, puede haber
texto, imágenes, sentimientos y percepciones. La data cuantitativa por su lado es en esencia
números, pues sus científicos han logrado asociar intencionalmente y relacionar lógicamente,
cantidades con todos los fenómenos, observables o no. Ello ha permitido que cualitativistas y
cuantitativistas puedan coexistir en un mismo equipo con fines científicos, cada uno aceptando
las debilidades del enfoque del otro. Entonces surge la necesidad de dilucidar el cómo convergen
paradigmas diferentes en un solo diseño de investigación.
Ahora bien, la investigación cualitativa inicia por meros ejercicios inductivos, es decir, parte
de observaciones que intentan identificar la naturaleza profunda de las realidades. Recoge datos,
categoriza e interpreta. Estructura la información coherentemente delimitando objetivos
generales, pero determina objetivos específicos sobre la marcha (según Martínez Miguélez).
278
Una investigación mixta funciona como un sistema, donde cada resultado mixto general será
mayor a sus partes mínimas constitutivas, eso es una ventaja. Ambos enfoque pueden ser
combinados durante las diferentes etapas del proceso de investigación. El planteamiento
compilará un solo escrito pero la formulación debe ser dual, por presentar enfoques distintos
podrá coexistir más de una población, de ser así, entonces el muestreo se tornará complejo. Allí
el tamaño de la muestra no es probabilísticamente importante para el enfoque QUAL, ya que no
siempre se busca generalizar resultados, más no así para el enfoque QUAN. Lo que hará difícil el
muestreo cuando la data sea analizada de manera simétrica.
Para el enfoque QUAL la muestra inicial puede ser distinta a la muestra final si las unidades
son seleccionadas por criterios. Y es posible la agregación de nuevas unidades si ello representa
aportes a la investigación. Así como, será posible la exclusión de unidades que no cumplan con
lo planteado en la teoría inicial de referencia. El enfoque QUAN no excluye casos, a menos que
se encuentren fuera de los límites de aceptación del intervalo de confianza para la muestra.
240
Para más detalles sobre la enumeración de los particulares revise el aparte referido a: El Problema de Superponer Inducción y Deducción.
279
los elementos o personas de interés para la investigación. Es decir, maneja criterios de selección
por realidad social.
Para dar inicio a una investigación mixta sería lícito preguntarse, ¿Qué tipo de datos necesito
primero?, o ¿Con qué tipo de datos dispongo para comenzar? La topología del diseño ha de estar
acorde con las etapas en las cuales se divida el proceso indagatorio. En la investigación mixta los
diseños se planifican y ejecutan según su topología, tales diseños presentan comúnmente las
siguientes familias de implementación, Teddlie y Tashakkori (2009); Biber y Nagy (2010); y
Creswell (2009), a continuación, en el siguiente aparte, se especifica cada uno:
Un Diseño Mixto Paralelo del tipo convergente es el tipo más común de los métodos mixtos,
busca recoger datos cualitativos y cuantitativos de manera simétrica en el tiempo, usando los
instrumentos propios de cada enfoque. Sin embargo, ambos tipos de datos se procesan de manera
separada para luego mezclarlos en el estudio con el objeto de obtener inferencias convergentes y
divergentes. Se analizan y aceptan las convergentes pero se estudian nuevamente las divergentes
hasta encontrar respuestas a sus características de divergencia, de manera de hacerlo lo más
convergente posible.
El problema con los diseños mixtos paralelos se presenta cuando se hace procesamiento
conjunto y simétrico de la data, pues, en ocasiones es necesaria una inferencia de la etapa previa
para proceder a cotejar si los instrumentos utilizados en cada enfoque arrojan tendencias
similares, si convergen o no. Si no convergen surge la pregunta: ¿Cuál de los instrumentos no
está haciendo bien su trabajo? En ambos casos se introduce la interrogante, ¿cómo determinar si
hay convergencia o divergencia si se utilizan dos modelos cuyo procesamiento estadístico es
diametralmente opuesto?
Como en este diseño no es posible un patrón escalonado de recolección de datos, por tratarse
netamente de un estudio del tipo transversal, entonces puede presentarse una coherencia anómala
280
En este diseño los investigadores deben abocarse a la identificación del punto, o puntos de
conexión <<similar a los hitos en los proyectos>>, momentos en los cuales ha sido planificado
que la data sea combinada y delimitada únicamente por la pregunta de investigación. Es común
que los investigadores usen la triangulación para la data QUAL, y la QUAN es usada para
corroborar los hallazgos cualitativos, según Biber y Nagy (2010, p. 71); eso se denomina;
fertilización cruzada de ideas.
desde dos ópticas diferentes. Un ejemplo interesante resulta cuando se opta por el caso de un
diseño factorial mixto, allí, por tratarse de un diseño mixto con enfoque experimental, son
combinados diversos factores de tratamiento con una o más variables cada uno. Éstas podrán
derivarse de elementos Intersujetos e Intrasujetos 241 , y podrá el estudio ser abordado por
investigadores de ramas diferentes. Por ejemplo, docentes y sicólogos en busca de respuestas a
varios estímulos experimentales. Donde la data será analizada desde ambos enfoques, cualitativo
y cuantitativo. Esto proporciona una visual más amplia y comprensible de aquello estudiado.
A estos diseños se les considera tanto paralelos como secuenciales, la mixtura sucede luego
de someter la data a múltiples niveles de análisis. Tanto la data cualitativa como la cuantitativa
de cada uno de los diversos niveles son sometidas a análisis e integrada para dar respuesta a
ciertos aspectos inherentes a la misma pregunta de investigación o aquellas relacionadas. El
muestreo multinivel utiliza una estrategia más general y común, se opta por el modelo
probabilístico o el orientado con propósito dependiendo de los niveles de análisis a usar. Aquí se
combinan convenientemente tanto las técnicas de muestreo paralelas como las secuenciales. Se
usa cuando en el diseño se amerita concatenar diversas unidades de análisis.
En estos diseños la mixtura ocurre de manera interactiva durante todas las etapas del estudio.
En cada una, un enfoque afecta la formulación del otro, lo que ocasiona el que múltiples tipos de
implementación ocurran durante el proceso. Creswell y Plano Clark (2001, p. 69), explican que
con respecto a los objetivos planteados los investigadores se obligan a tomar decisiones sobre la
elección de sus diseños de manera tal que reflejen interacción, prioridad, sincronización y
mixtura, orientado a ello pueden concebirse hasta 6 diseños principales, bastante similares a los
anteriormente citados:
241
Para un entendimiento más amplios de estos diseños Refiérase a: Capítulo XXIII: Introducción a la Investigación Experimental. Diseños
Intrasujetos – Diseños Intersujetos – Diseños Factoriales.
282
David Baker.
L
os modelos mixtos proporcionan flexibilidad al investigador, el método de análisis e
interpretación de datos permite un mejor entendimiento del problema de investigación.
Sin embargo, surge un gran inconveniente cuando convergen investigadores de
diferentes paradigmas sobre un diseño mixto. El mezclar métodos implica una rigurosa selección
de las teorías a usar e hipótesis a contrastar, aún más compleja que con los enfoques
individuales. Donde el proceso de selección de teorías nunca debe asemejarse al mero acto de
encerrar un conjunto de supuestos mixtos en una caja, elegir teorías de ambos enfoques y
mezclarlas a ver que sale.
Los métodos mixtos se avocan a la solución de problemas intrincados, se interesan por las
circunstancias que son difíciles y adversas, su estructura multifacética permite hacer inferencias
derivadas de ambos enfoques. Estos modelos usan al proceso de triangulación como su
fundamento, uno de los retos de la investigación mixta se sostiene sobre el hecho de conjugar
dos modelos, donde muchas veces se pone en duda su validez. Por las características propias de
cada diseño, el muestreo se torna en extremo complejo242, a razón de que convergen diferentes
tipos de instrumentos de recolección de datos para una población variada.
El uso, aplicación, contraste y generación de teorías en los modelos mixtos es tan diverso
como cada uno de sus diseños. En la investigación cuantitativa se elige primero una teoría y a
través de ella se identifican nudos críticos de la problemática, entonces, se concibe la pregunta de
investigación y otras hipótesis para probarla. En el positivismo comúnmente se hace uso de la
teoría en paralelo al diseño de investigación, puesto que aporta explicación a las variables que
han de explotar en el proceso. Domina la cuantificación numérica del fenómeno mediante el uso
de instrumentos como la observación empírica y la medición. El investigador marca distancia del
242
Nota: Hernández et, al (2010), sólo hace una propuesta tentativa y abierta a sugerencias sobre el proceso de muestreo. Véase: Muestreo para
Estudios Mixtos (Ampliación de Conceptos). Cap. 12. Ampliación y Fundamentación de los Métodos Mixtos. Muestra Estratificada Guiada por
Propósito. (p. 18). En CD anexo que acompaña la obra. Así mismo, Teddlie y Tashakkori ofrecen una lista de tipos de muestreo con aplicabilidad
en investigación mixta con sus respectivos ejemplos: el aleatorio; el aleatorio estratificado; por clusters y el muestreo probabilístico múltiple. Del
mismo modo, ejemplifica la técnica de muestreo para lograr representatividad y comparabilidad, además del muestreo especial sobre caso único.
Para un compendio más detallado Refiérase a: Teddlie y Tashakkori. (2009). Foundations of Mixed Methods Research: Integrating Quantitative
and Qualitative Approaches in the Social and Behavioral Sciences. Cap. 8 Sampling Strategies for Mixed Method Research. (pp. 169-195).
283
Uno de los problemas radicales que ha caracterizado a los diseños de investigación mixtos
desde sus inicios ha sido precisamente el de la convivencia investigativa bajo pensamientos
Roiman Valbuena: La Teoría en los Modelos Mixtos.
diferentes por parte de los participantes. Determinado grupo científico siempre necesitará ver
para poder creer; y en efecto, sus contrarios deberán creer primero para poder ver. A lo que se
recomienda la adopción, al menos momentáneamente de los supuestos del pragmatismo y el
paradigma socio crítico o transformador, ambos paradigmas dominantes en los diseños mixtos y
en la investigación tecnológica desde el punto de vista social.
investigadores, permitiéndoles conocer de antemano el terreno por el que han de transitar para
probar o generar su teoría.
perspectiva teórica es negociable por el grupo científico en ciertos diseños. Aun cuando en los
secuenciales del tipo exploratorio, explicativo y transformativo, cada grupo puede proceder
separadamente. Lo que realmente importa aquí es el análisis que se ejecute al final de cada etapa
(inferencias), ya que de este dependerá el inicio de la siguiente. La adopción de una perspectiva
teórica en etapa temprana del diseño mixto es de suma importancia, su construcción se
recomienda a través de las siguientes acciones:
En cambio, una Perspectiva Teórica incluye un árbol relacional entre axiomas, hipótesis y
supuestos, <<no se confunda con dimensiones e indicadores>> incluyendo sus niveles de
universalidad. Se relaciona directamente con la estructura teorética. Aquí se hace mención a
Roiman Valbuena: La Teoría en los Modelos Mixtos.
ciencia, bajo una orientación histórica, no se observará un proceso ordenado de avance científico
tal como los descritos en los libros, contrariamente, es distinguible un marcado caos intelectual
que produce cosas maravillosas.
243
Se refiere a los enfoques sintáctico, holístico y semántico, todos previamente descritos.
287
Es un error capital teorizar antes de tener datos. Insensiblemente uno comienza a torcer hechos
para adaptarse a teorías, en lugar de teorías para adaptarse a los hechos.
Charles Darwin.
Kary Mullis.
U
na teoría científica es una construcción humana emergente desde las más complejas
formas de pensamiento y análisis, y desde el nacimiento de la ciencia siempre ha sido
la base del conocimiento científico. Consiste en una operación auto-consistente de la
inteligencia guiada por la razón pero alimentada por la intuición. Quien no entiende el papel de
las teorías científicas simplemente no ha llegado a concebir qué es la ciencia. Denominaré
progreso científico a aquella medida en la cual las comunidades de hombres de ciencia se
conforman con el fin de desarrollar controles, mecanismos, descripciones, explicaciones y
métodos, con los cuales sea posible predecir eventos en el dominio de un fenómeno. Y para eso
son las teorías, para marcar el ritmo de cambio en el avance de la ciencia.
Una teoría bien formulada es aquellas que es capaz de revelar en completitud y exhaustividad
el fenómeno, en otras palabras, es aquella conjetura cuyo enfoque se centra en el fenómeno. Sólo
entendiendo los basamentos teoréticos puros, es posible derivar los operacionales, y con ello
comprender, el cómo se conciben y ponen en funcionamiento las grandes tecnologías.
(Hawking, 1988) Sostiene que una teoría es sólo un modelo matemático que describe
nuestras observaciones, y sólo existe en la mente del teorista. Una teoría consiste entonces, en
Roiman Valbuena: Las Teorías Científicas Puras.
Se dice también que, cuando aquello observado o percibido depende de una teoría y de su
interpretación, el fenómeno presenta cierta carga teórica, no pudiendo este desprenderse de ella.
En ese sentido, existen tantos tipos de teorías como campos científicos tiene la ciencia. Ellas
permiten hacer inferencias y se les usa para dar explicaciones.
Sin embargo, poseen un conjunto de características propias definidas dependiendo del teórico
que se estudie. En un primer momento es posible clasificar a las teorías como de dos tipos; las
científicas y las no científicas.
Las primeras son aquellas que permiten colectar un grupo de datos u observaciones,
procesarlos para encontrar significados, y posteriormente desarrollar un conjunto de
explicaciones por asociaciones entre sus constructos245 con el fin de solidificar o refutar otra
teoría. Las teorías científicas 246 se asocian con hipótesis científicas y se manejan con la
244
Supuesto, premisa e hipótesis. Los supuestos no necesitan conocerse para ser verdaderos; pueden ponerse en consideración de un argumento,
es decir, para hallar sus consecuencias lógicas y así evaluarlas. Tomado de: Bunge Mario; Diccionario de Filosofía .
245
Término empleado por los Sicologistas para referirse a las Variables. Para Dimmer y Dominick (2006, p. 44). Un constructo es un concepto
que tiene tres características distintivas: a) Es una idea abstracta que puede ser representada por conceptos de niveles más bajos, en otras palabras,
un constructo es una combinación de conceptos. B) Debido a su abstracción un constructo no puede ser observado directamente. C) Los
constructos son comúnmente utilizados sobre investigaciones con propósitos particulares, en función de ello, su significado exacto se relaciona
sólo con el contexto donde es encontrado.
246
Como ejemplo de teorías científicamente aceptadas: La Teoría de la Gravedad de Newton; La Teoría de la Mecánica Cuántica; y La Teoría
del Electromagnetismo de Maxwell.
290
rigurosidad que le es inherente. Las teorías denominadas no científicas247 son aquellas que, por
originarse de hipótesis no científicas o pseudocientíficas, no es posible comprobar su nivel de
verdad o falsedad.
A una teoría por el sólo hecho de suponérsele pseudocientífica para nada implica el que se le
estime falsa, lo que realmente importa, es que como no presenta los atributos que la hagan
pertenecer a una ciencia, entonces, como parámetro incuestionable, no ha de formar parte de
ninguna estructura científica. Una teoría es meramente una herramienta la cual se somete a
contraste aplicándola, de sus resultados dependerá el si es o no apropiada.
Approach, 1972), Siempre que una teoría se te aparece como la única posible, toma esto como
una señal de que no has entendido ni la teoría, ni el problema que se pretende resolver.
Una teoría es una visión, un tanto racional o construcción intelectual del científico que lo
incita a dar sus primeros pasos en el abordaje de un problema. Puede presentarse como un
conjunto de descripciones de la realidad percibidas a través de los sentidos. Se le asume como
una explicación verdadera de los hechos. Para (Ferrater, 2000), Consiste en un sistema deductivo
en el cual ciertas consecuencias observables se siguen de la conjunción de hechos observados y
la serie de hipótesis fundamentales del sistema.
En este punto me permito una pequeña digresión donde solicito al lector, no confundir
teoría con tesis. Muchos investigadores principiantes tienden a liar ambas terminologías,
cuestión que de hecho es un error. Mientras que teoría hasta este aparte ha sido un término
suficientemente conceptualizado <<así como se hará en los subsiguientes párrafos>> una tesis es
entendida como una proposición que es mantenida como argumento en determinado tema.
Un avance de una disertación cuyo punto de vista originario es producto de una investigación,
muy usado como requerimiento para la obtención de un grado académico. Desde la óptica de la
investigación social y la educación, se le entiende como un sujeto de discusión. Para la filosofía
y la lógica, consiste en una afirmación no demostrada especialmente cuando se presenta como
247
La Teoría de la Evolución Darwiniana, a pesar de ser una teoría científica, se contrapone a la Teoría del Creacionismo, ésta última
considerada como pseudocientífica.
291
Una tesis sirve de argumento para soportar la candidatura a un grado académico, en los
doctorados suele denominarse disertación, y en filosofía se le asume como sinónimo de tratado.
Una tesis es producto de un profundo análisis de teorías, y aunque puede derivar en alguna teoría
científica, su denominador común es que ésta no se presenta axiomatizada, ni tampoco han sido
sometidas a experimentos sus hipótesis o demostrado sus teoremas. Por constituirse en un
documento original y único que no ha sido leído por nadie más, carecerá entonces de teorías
subsiguientes que se le contrapongan.
Para Aristóteles en Ferrater Mora (2000, Véase concepto de Axioma), una tesis no puede
demostrarse y no es indispensable, forma parte de uno de los principios inmediatos del silogismo
y es usado como base en las demostraciones. Aunque en apariencia está al mismo nivel que un
Roiman Valbuena: Las Teorías Científicas Puras.
axioma, una tesis no es un principio a todas luces evidente. Es sólo un juicio planteado en
oposición a la corriente del pensamiento de un filósofo importante. De una tesis no
necesariamente se obtiene conocimiento, pero de una teoría axiomatizada sí.
Cuando una tesis se estructura se convierte en una hipótesis, y estas conforman el esqueleto
de una teoría, es decir, una tesis está implícita en una teoría pero no hay teorías en una tesis, sólo
supuestos. La redacción de una tesis difiere en gran medida de la secuencia lógica de una teoría.
Mientras que la tesis presenta relación estricta y coherente entre ella y su discurso, una teoría
adquiere un orden formal lógico y experimentalmente demostrable de explicación causal.
Una tesis envuelve la idea central que será desarrollada en el estudio, orientada siempre a la
construcción de hipótesis que permitan contestar asertivamente la pregunta de investigación
previa organización metodológica. Contrariamente, las teorías se organizan por sus
consecuencias y relaciones lógicas y no por procesos. Aclarado el asunto luego de esta digresión,
continuemos con el tema de las teorías científicas explicativas.
Kerlinger (1979), citado en Creswell (2009, p. 51) expone, una teoría es un conjunto de
definiciones y proposiciones interrelacionadas, que presentan una vista sistemática del
fenómeno, especificando relaciones entre variables. Su propósito, explicar el fenómeno. Bajo
este concepto a una teoría se le asume como un conjunto de variables conexas, formadas por
proposiciones o hipótesis, que expliquen la relación entre variables en términos de magnitud y
dirección.
248
Un teorema consiste en una verdad lógica y matemática. Radica en una proposición que el teorista estructura y deriva de ella consecuencias
lógicas demostrables. En consecuencia, un teorema sirve para demostrar una compilación de supuestos de una teoría.
292
No obstante, cada disciplina científica maneja su estructura teórica de manera diferente, unas
hacen énfasis en la epistemología y otras en su poder explicativo. Con respecto al enfoque
epistemológico, disciplinas como la sicología y la sociología, han sido las que en épocas
recientes han jugado un rol preponderante en la generación de teorías epistemológicas en sus
respectivas áreas, aunque tal aseveración tiene sus detractores249.
Para Newton, una teoría consiste en un sistema en el cual un fenómeno empírico particular es
explicado, relacionándolo a un pequeño número de definiciones y principios generales. Una
teoría es comúnmente asociada con una construcción intelectual, ciertamente es así. En
ocasiones podrá tomar la forma de un enunciado causa-efecto, es decir, cuando “X” cambia, “Y”
cambia. Empero, planteada de esta manera no concurre con las condiciones mínimas necesarias
para serlo. Una teoría generalmente relaciona e involucra, principios abstractos inobservables,
Roiman Valbuena: Las Teorías Científicas Puras.
Uno de los aspectos más resaltantes del ciclo de indagación científica consiste en admitir
errores cuando algo no anda bien. Las teorías están expuestas a constantes cambios, nuevos
científicos y métodos de investigación agregan procedimientos tecno operativos que hacen
desviar la dirección científica en cuestión, lo que ocasiona, el que a una teoría se le considere
inaplicable o se le admita desde otra perspectiva. Estas variaciones periódicas van en beneficio
del acervo científico y del enriquecimiento de la Honestidad Científica.
En ese sentido y según (Lakatos, 1989), el contexto del siglo XVII cuando nace la ciencia, a
ningún científico digno de ese nombre se le podían permitir conjeturas; tenía que probar con
hechos cada frase que pronunciara <<al parecer en estos días eso se ha perdido>>, las teorías no
probadas por los hechos eran consideradas pseudociencia pecaminosa. Una herejía al seno de la
comunidad científica. La Honestidad Científica exigía que no se afirmara nada carente de
prueba. Se fundamenta en expresar solamente teorías muy probables, o incluso, en especificar
para cada teoría científica, la probabilidad de la teoría a la luz de la evidencia. Entonces, la
Honestidad Científica consiste en250 especificar por adelantado un experimento tal, que si el
249
La sicología y la sociología, a pesar de su enorme acervo de datos empíricos y generalizaciones de bajo nivel, siguen considerándose aún, en
un estadio subdesarrollado. Porque no abundan en teorías lo suficientemente amplias y profundas como para dar razón del material empírico
disponible. Bunge, Mario (2004, p. 334). Al respecto Kuhn argumenta: hay hombres que sostienen que la sicología, por ejemplo, es una ciencia
porque posee sus características. Otros responden que tales características no existen o son insuficientes para hacer de ese campo una ciencia. Sin
embargo, habrá de revisarse lo que se entiende por ciencia para una actividad específica, y para la comunidad que la práctica. Véase: The
Structure of Scientific Revolutions. Cap. XIII. Progress through Revolutions. (P. 160-163). Según Popper, el acto de concebir o inventar una
teoría, no me parece que exija un análisis lógico ni sea susceptible de él. La cuestión acerca de cómo se le ocurre una idea nueva a una persona —
ya sea un tema musical, un conflicto dramático o una teoría científica— puede ser de gran interés para la psicología empírica, pero carece de
importancia para el análisis lógico del conocimiento científico, puesto que la lógica del conocimiento se contrapone a la sicología del mismo.
Refiérase a: La Lógica de la Investigación Científica. La Eliminación del sicologismo. (p. 30-31). J. B. Watson por su lado afirmaba; <<Para que
la psicología sea científica debe seguir el ejemplo de las ciencias físicas. Es decir, materialista, mecanicista, objetiva y determinista>>
250
Este último comentario, aunque aparece en escritos de Lakatos (p. 6 y ss. Versión en PDF), consiste en un extracto de “Los Criterios de
Refutación” Popperianos. Para más detalles Véase: Popper, K. (1963a).
293
En ciencia es imposible probar que una explicación elaborada a través de una teoría sea con
toda certeza la final y única, todo queda en manos del probabilismo, éste no solamente facilita la
distinción entre dos términos o conceptos contrapuestos, sino que suministra una escala continua
desde las teorías débiles de probabilidad baja, hasta las teorías poderosas de probabilidad
elevada. Lakatos op. Cit, explica que en 1934 Karl Popper defendió que la probabilidad
matemática de las teorías científicas o pseudocientíficas, no importa la magnitud y nivel de
evidencia, es cero.
Si Popper tiene razón las teorías científicas no sólo son igualmente incapaces de ser
probadas, sino que son también igualmente improbables. Se requería un nuevo
criterio de demarcación y Popper propuso uno magnífico. Una teoría puede ser
científica incluso si no cuenta ni con la sombra de una evidencia favorable, y puede
Roiman Valbuena: Las Teorías Científicas Puras.
ser pseudocientífica aunque toda la evidencia disponible le sea favorable. Esto es, el
carácter científico o no científico de una teoría puede ser determinado con
independencia de los hechos. Una teoría es «científica» si podemos especificar por
adelantado un experimento crucial (o una observación) que pueda falsarla, y es
pseudocientífica si nos negamos a especificar tal «falsador potencial». (p. 7).
Una teoría siempre persigue una dirección cognoscitiva y se le usa para explicar todo aquello
que es, o pasa en esa dirección. Basta con formular una explicación conformando un cuerpo
detallado de conocimientos sobre el fenómeno para que ésta se convierta en teoría. (Popper, La
Lógica de la Investigación Científica, Reimpresión 1980), es de opinión… no hay ninguna teoría
a la cual no se pueda cuestionar…una teoría no solo debe poder ser sometida a prueba a través
de experimento y expuesta al criterio de falsabilidad, sino que ha de ser escrita de manera tal
que pueda admitir posibilidad de Falsación 251 . Según Kosso (2011, p. 8), una teoría es
verdadera si describe cosas inobservables que realmente existen, y lo hace de forma exacta, de
otra manera considérese falsa.
En su razonamiento sobre la Teoría Estática, Bunge (2004, pp. 332 y ss.), afirma que la
actividad científica debe centrase en torno a teorías, su construcción, desarrollo, contraste y
verificación; y no en torno a la recolección y clasificación de datos sin sentido, o sin
posibilidades de discrepancia contra alguna teoría, esto generará inferencias inaplicables y
efímeras.
En su desarrollo expositivo explica… en una teoría debe hacerse distinción entre su forma y
251
Para el autor, los dos enunciados, Falsabilidad y Falsación son diferentes. Falsabilidad es un criterio de carácter empírico de un sistema de
enunciados, es decir, una teoría ha de poseer la característica de poder ser contrastada por la experiencia. Mientras, la Falsación tiene que ver con
reglas especiales que determinen en qué condiciones es posible considerar falsado un sistema, y se refiere más a los Modus de la Lógica. Véase:
Popper Karl (1980), Falsabilidad y Falsación, (p. 82-83).
294
su contenido, entre su estructura lógica y la interpretación. Basta con simples esqueletos con
ciertas propiedades puramente lógicas para tener teorías. Donde la semántica y la sintaxis van de
la mano. Continúa el autor;
Las teorías Holísticas son aquellas en donde las teorías científicas conforman redes e
interrelacionan enunciados, cada uno interconectado con el otro. Los holistas argumentan que no
es posible aislar una pieza de una teoría y probarla sin hacerlo con todas las demás
simultáneamente. Por otro lado y de acuerdo a las teorías Semánticas, las teorías científicas son
mucho más que mapas. En este caso, no solo representan un set de proposiciones verdaderas o
falsas, sino modelos teoréticos completos.
252
Para una comprensión más profunda sobre los correlatos y su clasificación, Refiérase al apartado dedicado a las Hipótesis; SIGNIFICADO
DE LAS HIPÓTESIS. en Bunge Mario Op, Cit. (pp. 194 y ss.)
253
Véase: los Capítulos referidos a: Syntactic View of Theory (pp. 1 y ss.); Holistic View of Theory (pp. 171 y ss.), y Semantic View of Theory
(pp. 231 y ss.). En: Gimbel, Steven. (2011, Compilador). Exploring the Scientific Method: A New Approach to Teaching and Learning
Philosophy of Science. The University Chicago Press.
295
Talcott Parsons.
E
l método para la estructuración y creación de teorías científicas podrá variar
dependiendo del área y científico en cuestión. Así como podrán combinarse teorías
desde diferentes enfoques científico-analíticos, ello es totalmente válido y se usa para
hacerse de una visual más amplia del fenómeno. Para ello se siguen esquemas mentales,
algoritmos o estructuras usadas en la investigación científica, la teoría que pueda concebirse
adoptará valores obedeciendo a su nivel de abstracción254 o complejidad, y sobre la base de su
poder explicativo. Todo procedimiento, técnica, regla, o incluso, acto de relajación mental que le
lleve a un estado idóneo de concentración y análisis, será denominado método para engendrar
teorías.
254
Abstracción, según Aristóteles: Operación Cognoscitiva mediante la cual, a partir de los datos sensibles que nos suministran nuestros
sentidos, el entendimiento obtiene las esencias universales contenidas en las cosas. Rosental-Iudin (2004) la consideran una de las facetas o
formas de conocimiento que consistente en la separación mental de varias propiedades de los objetos y de sus relaciones, con delimitación o
desmembramiento de una propiedad o relación determinada. Bajo la concepción de Ferrater Mora (2000), debe distinguirse entre la abstracción,
lo abstracto y lo abstraído. La abstracción implica el proceso de abstraer, significa “poner aparte”, lo abstraído es “lo puesto aparte”. Y la entidad
abstraída consiste en una disminución de la realidad. Se sugiere al lector referirse al diccionario filosófico del autor para conocer en profundidad
los 3 grados de abstracción planteados por los escolásticos actuales.
255
Nota del Autor: Entiéndase que existe una marcada diferencia entre idea y estructura mental. Una idea representa sólo un concepto, es decir,
una única unidad de pensamiento. Mientras que una estructura mental está compuesta enteramente de ideas, en el caso de las teorías, una idea
aislada no aporta significado ni mucho menos conocimiento, a menos que pertenezca a un gran sistema mentalmente estructurado, y orientado a
explicar un fenómeno dentro de cierto campo factual.
296
Las ideas científicas están compuestas por dos elementos básicos e irreductibles anclados en
la mente humana, la experiencia y la razón. Éstas ayudan a construir teorías a través de
asociaciones lógicas entre constructos y supuestos. Estos últimos se relacionan a manera de que
lleven a alianzas de interdependencia o dependencia. Podrán demostrarse a través de
deducciones puramente lógicas, sin embargo, la lógica en sí no necesariamente forma parte de
una teoría sino que es un componente fundamental para su prueba o refutación 256. Si la
teoría es en extremo abstracta, necesitará reducirse y simplificarse al máximo para dar paso a la
demostración experimental, y en ocasiones habrá de usarse el Método Axiomático para
descomponerla en sus mínimas unidades.
El afirmar que existe un método teórico específico, con posibilidades de usarse y aplicarse de
manera sistemática para conseguir el objetivo planteado, sería por demás absurdo y fuera de toda
realidad. Al investigador le corresponde hilvanar tales principios, percibiéndolos a través de un
ciclo de indagaciones profundas sobre hechos empíricos u observaciones directas e incluso
256
Nota del Autor: Los enunciados sintéticos son aquellos que necesariamente deben ser contrastados a través de investigaciones empíricas o
deducciones lógicas, en un primer momento pueden considerarse falsos o verdaderos. En contraste, un enunciado analítico desde el mismo
momento en que se concibe se le estima verdadero, bastará sólo hacer una simple revisión del mismo para corroborar su nivel argumentativo de
verdad. La lógica es necesaria para los sintéticos pero no para los analíticos. Para comprender mejor esta analogía se recomienda al lector
referirse al estudio de los enunciados sintéticos y analíticos. Véase Popper Karl (1980); Enunciados Universales y Existenciales (pp. 66 y ss.).
Refiérase también a: Immanuel Kant (1962) Cap. IV, Distinción entre los Juicios Analíticos y Sintéticos. (pp. 32 y ss.). Indáguese sobre los tres
tipos de juicios que el autor argumenta existen en la ciencia: Los Juicios Analíticos a Priori; Los Juicios Sintéticos a Priori y Los Juicios
Sintéticos a Posteriori. Bunge (2004), trata el tema de los enunciados a través del análisis de conceptos, ofreciendo detallada visión acerca de la
sintaxis y la semántica que debe componer a una teoría bien explicitada. Véase el Cap. II Concepto (pp. 41 y ss.).
297
Una vez establecida con éxito la primera formulación a través de la deducción lógica, las
subsiguientes se formarán concatenándolas. Por lo que la primera deducción debe conducir a la
segunda, éstas a una tercera, y así sucesivamente. Hasta lograr conformar una estructura arbórea
compuesta por enunciados universales, particulares y singulares257. Es indiscutible que las
teorías científicas desde el mundo antiguo hasta ahora, han sido sometidas a cambios continuos
y permanentes para el bien de la humanidad. Algo para nada cuestionable ni mucho menos
producto de asombro, la ciencia simplemente es y seguirá siendo así.
Para que un sistema teórico esté completamente axiomatizado, desde la óptica Popperiana,
han de haberse formulado un conjunto de enunciados que satisfagan los siguientes 4 requisitos
fundamentales:
257
La lógica clásica (y de modo análogo la lógica simbólica o logística) distingue entre enunciados universales, particulares y singulares.
Enunciado universal es el que se refiere a todos los elementos de una clase determinada; particular es el que lo hace a algunos de los elementos
de ella, y singular el que hace mención de un elemento dado, un individuo. Esta clasificación no está basada en razones concernientes a la lógica
del conocimiento, sino que fue elaborada con vistas a la técnica de la inferencia. Todas las aplicaciones de la ciencia se apoyan en inferencias que
partiendo de hipótesis científicas (que son universales) llegan a casos singulares; o sea, en la deducción de predicciones singulares. Más, en todo
enunciado singular es menester que aparezcan conceptos —o nombres— individuales. Refiérase a Popper Karl (1980), Cap. 13; Universalidad
Estricta y Numérica, y Cap. 14: Conceptos Universales y Conceptos Individuales.
258
De acuerdo a: Miaja de la Peña (2001, p. 147). Una proposición contradictoria es una proposición compuesta que es falsa en todos los casos,
cualquiera que sea el valor de verdad de sus proposiciones simples . Por su lado, Popper con ello indirectamente sugiere evitar la formulación de
proposiciones indeterminadas o contingentes <<como las usadas ocasionalmente por los Justificacionistas>>, las cuales son proposiciones
verdaderas en algunos casos y falsas en otros, todo dependerá del valor de verdad de sus proposiciones simples componentes. Esto evitaría la
correcta axiomatización del sistema.
298
(o sea, que solamente se llamará axioma a un enunciado si no es posible deducirle del resto del
sistema); Estas dos condiciones se refieren al sistema axiomático como tal; en cuanto a las
relaciones del mismo con el conjunto de la teoría, los axiomas han de ser:
c) Suficientes para deducir todos los enunciados pertenecientes a la teoría que se trata de
axiomatizar;
d) Necesarios para el mismo fin : lo cual quiere decir que no deben contener supuestos
superfluos;
Popper explica… dentro de un sistema teórico es posible hacer distinción entre enunciados
pertenecientes a diferentes niveles de universalidad. Donde los axiomas se encontrarán en el
nivel más alto, y de ellos será posible deducir otros, situados en niveles inferiores. Los
enunciados empíricos de elevado nivel tienen siempre el carácter de hipótesis con respecto a los
enunciados de nivel inferior deductibles de ellos, (p. 72). Del mismo modo advierte, estos
Roiman Valbuena: El Método Teórico.
enunciados axiomáticos de elevado nivel podrán ser falsados cuando se falsen los enunciados
menos universales. Es de esta manera como la ciencia es posible, y se desarrolla gracias al
método de conjeturas y refutaciones.
Popper ha sido calificado hasta el presente, como uno de los mejores del pasado siglo XX, en
relación a sus teorías de racionalidad científica y criterios demarcatorios. Mediante los cuales
siempre intentó fundar unas bases racionales, reflexionando… todo aquel que desee dedicarse a
la ciencia, deberá conocer muy bien las reglas del juego científico… Se considerará científico
sólo a aquel que genere y refute teorías científicas. Reglas bajo las cuales en su filosofía
científica sostuvo que la corroboración, o grado de verificabilidad de verdad o falsedad de una
hipótesis, no es una medida definible, y sobre la cual la evidencia la confirma.
Son las hipótesis las que permiten y abren paso al conocimiento científico, estas ayudan a
reformular aquello que no se ajuste a la realidad. Y el perfeccionamiento de teorías a través de su
299
En el sentido estricto del pensamiento de Mario Bunge, surgen deferencias acerca del método
para la construcción de una teoría, para ello, han de tomarse en cuenta los siguientes aspectos
básicos:
de nivel superior…
b) Explicar los hechos por medio de hipótesis que impliquen las proposiciones que expresaban
dichos hechos…
e) Orientar la investigación;
i. Mediante el planteamiento o reformulación de problemas científicos fecundos
259
El Falibilismo es estimado como la versión sofisticada del Falsacionismo según Lakatos. Esta nueva estrategia de sometimiento a prueba de
enunciados universales, deja entrever la posibilidad de que una teoría refutada a través del Falsacionismo, habiéndosele encontrado falsa, su
conocimiento puede en principio considerarse erróneo, y sabiéndolo, todavía se le juzgue como una teoría con posibilidades de uso. Allí se
introducen las diferencias entre justificación y Falsación. De acuerdo a los Justificacionistas, el conocimiento científico siempre ha consistido en
proposiciones probadas. Sin embargo, argumentan la necesidad de pruebas extralógicas. Es decir, <<La teoría es falsa, pero parte de su contenido
es utilizable>> separándola de toda validez formal y justificándola en la afirmación: “Las Teorías Científicas están en constante Revisión”. No
obstante, basta hacer revisión de los escritos Popperianos para encontrar que la teoría falibilista ya había sido por él considerada. A lo cual
manifestó refiriéndose a la invalidez de la justificaciones inductivistas <<cuando una teoría se refuta, también se puede refutar el método que la
produjo. Cuando un método se refuta, también se refuta el principio en el que se basó>> Popper (1985b). Véase También: Imre Lakatos (2001).
The Methodology of Scientific Research Programmes: Philosophical Papers, Volume 1. Especialmente el Capítulo referido al: Falibilism Versus
Falsificationism. (p. 10).
300
ii. Mediante sugerencias sobre la recolección de nuevos datos que serían inimaginables sin
la inspiración de la teoría
Para (Creswell & Plano, Designing and Conducting Mixed Methods Research, 2011), en la
Roiman Valbuena: El Método Teórico.
260
Debido al extenso contenido y múltiples enfoques en estos modelos no se abordarán todos en profundidad. Para una mejor comprensión de
los Métodos Mixtos y el cómo se genera teoría a partir de sus diseños Refiérase a: Advances in Mixed Methods Research: Theories and
Applications. Editado por: Manfred Max Bergman (2008). Designing and Conducting Mixed Methods Research. Creswell, John; Clark, Vicky.
(2011). Y, Mixed Methods research: Merging Theory with Practice. Hesse, Biber; Sharlene, Nagy. (2010).
301
Alvin Toffler.
Albert Einstein.
L
os investigadores cuantitativos usan la teoría basada en la lógica deductiva,
colocándola comúnmente al inicio de la propuesta de estudio. Esto, teniendo en mente
su prueba y verificación, en lugar de su desarrollo. El proceso consiste en un primer
momento en presentar su teoría, armarse de una artillería de medios que le permitan colectar
datos para probarla, y por último, orientar intervención analítica para reflexionar sobre el mejor
proceso para someterla a confirmación. Dependiendo del contraste, la teoría se convertirá en sólo
un extracto del estudio entero, donde ha de destacar, la estructura organizativa del trabajo para la
pregunta de investigación, o la/s hipótesis planteada/s, y por supuesto, el procedimiento de
recolección de datos.
Creswell y Clark (2011: p. 57), recomienda enclavar la teoría muy temprano en el estudio, es
decir, en la introducción, en la sección de revisión de la literatura, inmediatamente después de las
hipótesis o pregunta de investigación, en su defecto, en sección separada dedicada
exclusivamente a ella y su Operacionalización. No obstante, hace énfasis en esta última opción,
con el fin de que los lectores puedan claramente identificar la teoría y diferenciarla de los demás
componentes.
Advierte sobre el hecho… no importa el lugar donde se coloque, éste tendrá sus ventajas y
desventajas, como detrimento a esta opción, es de considerar que el aislamiento de la teoría en
sección aparte, puede llevar al lector a no identificarse con los demás elementos que la
componen.
Los investigadores cualitativos por su lado, usan la lógica inductiva y se diferencian de los
cuantitativos a raíz de los siguientes procedimientos: el investigador colecta información a través
de diversos instrumentos, entrevistas u observaciones; realiza preguntas abiertas a los
participantes, o graba notas de campo; posteriormente analiza la data para conformar temas o
302
categorías; acto seguido, busca patrones generales, o teorías provenientes de los temas o
categorías; y por último, plantea generalizaciones o teorías de pasadas experiencias, soportadas
en la literatura. Creswell Op. Cit, (p. 63-64).
Obsérvese que para este caso, la teoría es lo último que se plantea. Sin embargo, en una
investigación cualitativa de diseño emergente, la teoría podrá aparecer al inicio del estudio,
siendo posible su modificación o ajuste, según se haga observación sobre los participantes. Es
menester recordar que las teorías del tipo inductivista presentan problemas con respecto a sus
contrapartes deductivas, su Falsación. Creswell ofrece su recomendación acerca del uso de
Roiman Valbuena: Las Teorías en los Modelos Cuantitativos y Cualitativos.
teorías en investigaciones cualitativas: el primer paso consiste en dilucidar si la teoría puede ser
usada con propósitos cualitativos; si es posible, entonces identifique cómo será aplicada en su
estudio, puede practicarse con explicaciones por adelantado; para finalizar, ubique la teoría
según el propósito, de manera que sea consistente con su uso.
Una teoría diferirá de otra no únicamente por su estructura, sino por su complejidad. Sin
embargo, esa no será su distinción esencial. Su diferencia radicará en los principios explicativos
que ésta sea capaz de ilustrar, en cuyos contextos han de subyacer las posibilidades de creación
de nuevos conceptos, perspectivas o visiones del mundo. Al respecto, Edwin Hung (2006, p. 19-
21) referencia a Kuhn y su forma de Categorización de Sistemas, cuya actividad clasificatoria se
efectúa en dos pasos. En el primero se construye un sistema de categorías, constituido por un
conjunto de símbolos, en acto seguido, la agrupación de objetos en tal sistema.
Es así como la actividad científica Kuhniana consiste en dos pasos: el primero se avoca a la
construcción de una teoría conceptual; el segundo consiste en la descripción del fenómeno de
acuerdo a tal teoría. A este primer paso se llama ciencia teorética, y al segundo, ciencia aplicada,
o simplemente ciencia descriptiva.
303
Albert Einstein.
Raheel Farooq.
E
l Método Axiomático consiste en el procedimiento mediante el cual se modela una
teoría sobre sus mínimos bloques estructurales a partir de una serie de enunciados. Se
basa en las mismas secuencias en las que se erigen la matemática y la lógica formal y
que permite concatenar supuestos, teoremas, postulados e hipótesis, tendente a la demostración
lógica de los elementos cognoscitivos a los que haga referencia 261. Se diferencia del Método
Teórico en razón de que la axiomatización permite transformar cualquier cadena de supuestos o
postulados en ecuaciones matemáticas.
Mientras el Método Teórico permite construir teorías tanto sintáctica como semánticamente,
el axiomático las modela abstracta, formal y matemáticamente. De una observación abstracta y
minuciosa se derivan teorías, y de allí no salen más que preguntas inteligentes, y es el método
axiomático el encargado de responderlas haciendo uso de demostraciones. Bajo criterios de
(Cohen M. y., 1934); una teoría se divide en dos conjuntos de enunciados: los llamados
primitivos o postulados, y los derivados, denominados comúnmente teoremas.
En la axiomática, se plantean tanto los primitivos como los teoremas, todo bajo las reglas que
dicta para ello la lógica de inferencia deductiva. Un teorema se constituye en una proposición
que puede ser demostrada, mientras que los enunciados primitivos los definen las reglas de juego
de la teoría axiomatizada. Axiomatizar implica la acción de demostrar, a partir de los axiomas de
261
En la investigación científica avanzada se intenta crear agentes inteligentes basados en lógica, estos son capaces de ejecutar encadenamientos
de raciocinios tanto hacia adelante como hacia atrás, usando motores de inferencia progresiva. Allí cada inferencia ha de cumplir con los criterios
de equivalencia, validez y satisfacibilidad. Dos sentencias son equivalentes si ambas poseen los mismos valores de verdad. Será válida si es
verdadera en todos los modelos. Y, se considerará satisfactoria si es verdadera para al menos un modelo. Esta secuencia de pasos abren el camino
para embeber la Ingeniería del Conocimiento en un Agente Inteligente. Un ingeniero de conocimiento es alguien que investiga un dominio
concreto, aprende qué conceptos son importantes en ese dominio, y crea una representación formal de los objetos y relaciones del dominio. La
ventaja de este modelo respecto al tradicional radica en la capacidad de hacer frente a la completud, pudiendo penetrar más capas de abstracción
que el cerebro humano común. Para ello hacen uso de demostradores de teoremas, razonadores automáticos basados en lógica de primer orden.
Estos eligen un conjunto de cláusulas y axiomas utilizables externos a los primeros. Posteriormente, derivan un conjunto de ecuaciones conocidas
como rescritores o demoduladores. De hecho, Natarajan Shakar, utilizó uno para ejecutar una demostración formal y rigurosa del Teorema de
Incompletud de Gödel. Una relación más estrecha entre el Método Axiomático y los Demostradores de Teoremas se abordará en una próxima
edición de este texto. Parte del contenido de esta cita fue extraído de: Russell, Stuart y Norvig, Peter. (2004, p. 295). Inteligencia Artificial: Un
Enfoque Moderno. Véase.
305
determinada teoría, que sus proposiciones son consistentes y están libres de contradicciones a la
luz de la matemática y la lógica formal. Se hace necesario antes de la aplicación del Método
Axiomático, el que la teoría se encuentre ya suficientemente argumentada, axiomatizar no es otra
cosa que matematizar el sistema, se usa para reproducir desde cualquier investigación científica,
un modelo matemático capaz de traducirse a lenguaje computacional y usarse en la predicción
automatizada.
Este proceso parte de los postulados de la lógica formal tradicional, donde se acepta al
principio de no contradicción como el axioma supremo. Para el método se asume que todo
conocimiento implícito en determinada conclusión científica es derivado natural obtenido
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
Según el diccionario de la RAE Axioma significa: Proposición tan clara y evidente que se
admite sin necesidad de demostración. Cada uno de los principios fundamentales e
indemostrables sobre los que se construye una teoría. Para Aristóteles en Ferrater Mora (2000);
los axiomas son principios evidentes que constituyen el fundamento de toda ciencia. Se
constituyen en proposiciones irreductibles, principios generales a los que se reducen todas las
demás proposiciones y en las cuales estas se apoyan. Por sus características, en ningún axioma su
predicado se considera verdadero. En consideraciones de Bunge (2001), Axioma;
En cuanto al Método Axiomático, éste se centra en conocer qué papel juega el método en las
matemáticas, no obstante, según (Rosental & Iudin, 2004), presenta las siguientes características:
262
Requisito presentado en cualquier teoría axiomática; según dicho requisito, en el marco de la teoría dada no pueden ser al mismo tiempo
inferibles cierta proposición P y su negación ˉP. Dada la diferencia que existe en entre los aspectos sintáctico y semántico de las teorías
axiomáticas esta exigencia de no contradicción se formula de dos maneras: la teoría no es sintácticamente contradictoria si en ella no resultan al
mismo tiempo inferibles cierta proposición y la que la niegue; la teoría no es semánticamente contradictoria si posee por lo menos un modelo, es
decir, cierta zona de objetos que satisfaga la teoría en cuestión. Véase Rosental –Iudin (2004), CARÁCTER NO CONTRADICTORIO DE LA
TEORÍA AXIOMÁTICA.
263
Se agradece al lector para una mejor comprensión del término remítase a la Teoría Justificacionista.
306
No importa el tipo de ciencia, el método usado ha de ir desde las causas a sus efectos, o
contrariamente, desde sus efectos hacia sus causas. Desde este punto de vista hay sólo dos
264
Se refiere al Teorema de Incompletud de Godel. Este teorema se explica mejor en Moreno Villa (2003); Gödel sostiene lo siguiente…en
cualquier sistema formal, llámese lógico o matemático, que sea consistente y en cuyo interior se pretenda desarrollar acabadamente la lógica o la
matemática, existen proposiciones de dicho sistema que son indecidibles, esto es que, ni su afirmación ni su negación son demostrables. Siendo
una de ellas precisamente, la que afirma que el sistema es consistente (sostiene que en su interior no existen contradicciones). Dicho de otra
manera, no se puede demostrar la no contrariedad de un sistema matemático formalizado dentro del mismo sistema. Gödel afirma entonces que
en cualquier sistema lógico o matemático, por exhaustivo que este sea, existe al menos un teorema o proposición que no es decidible; es decir,
que aunque sea verdadero, no puede deducirse del mismo sistema, y por ser imposible de probar, ha de apoyarse en otros sistemas externos a este.
307
Randall op, cit, alega… todo progreso científico implica partir de lo conocido hasta lo
desconocido, consiste bien desde las causas en dirección a sus efectos o en disposición
contraria. Cuando se hace uso del primero se dice que se opera con el Método Demostrativo o
Método Axiomático, denominado Método de Composición. El otro es el Método Resolutivo. No
hay otro procedimiento que provea al científico de cierto conocimiento de las cosas.
Queda claro entonces que no existe otro método científico más que el Demostrativo y el
Resolutivo. El método demostrativo se construye a partir de silogismos que van desde
proposiciones necesarias e intermedias, mejor conocidas como las causas de la conclusión. Por
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
265
El Método de Resolución consiste en una regla de inferencia deductiva aplicada tanto en lógica como en matemáticas, allí se toman dos
premisas y se reproduce una conclusión lógica de ellas. Úsese el ejemplo de un sistema de 2 ecuaciones con 2 incógnitas “X” y “Y”. Ambas
incógnitas aparecen en ambas ecuaciones, al resolver el sistema manualmente por el método matemático de resolución de ecuaciones <<hay 3
maneras>> se podrá conocer el valor de una. Para indagar sobre el valor de la otra, basta con sustituir el valor encontrado en la ecuación contraria
y despejar. Si el sistema es consistente y verdadero habrá de cumplirse la igualdad para ambas ecuaciones. De presentarse una clausula cero, o
clausula vacía, implica esto que al menos uno de los teoremas en que se basó una de las ecuaciones es falso, alterando así todo el sistema
axiomático. Se aplica entonces el proceso denominado Derivación por Refutación, el cual sólo pretende demostrar que tanto las premisas como
las conclusiones son inconsistentes. Todo método de resolución siempre ha de ir acompañado de su respectivo método de demostración. Así
como se aplica en matemáticas, también puede ser usado en cualquier sistema de enunciados no matemáticos, bastará sólo con transformarlo al
sistema apropiado usándose las reglas de la axiomática. Popper argumenta que un sistema axiomático y un sistema de ecuaciones son análogos,
por lo que no habrá de parecerle complicado al científico.
308
Axiomas de
nivel Alto
Postulados Postulados
Deducción Deducción
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
Premisas Premisas
Conclusiones Conclusiones
Niveles de
Leyes Internivel Teorías Internivel
Agregación
Tecnología: Teorías
Sustantivas y
Operativas
Investigación Social
Para construir una teoría científica soportada sobre el Método Axiomático, en un primer
momento se plantean los axiomas de nivel alto de la teoría de referencia. Estos han de ser los
más abstractos y lo menos concreto que se puedan. Luego se toman postulados soportados en
enunciados universales, se crean conceptos, se les define y se plantean hipótesis demostrables
que subsiguientemente serán llamados teoremas. Allí comienza el proceso de proyectar tantas
columnas de hipótesis como se considere con el fin de dar explicación exhaustiva al fenómeno.
Preste atención a la coherencia, consistencia y no contradicción interna del sistema axiomático,
recuerde que debe construirse a partir de la menor cantidad de axiomas posibles.
Si existe una ley, ésta ha de estar presente desde el nivel alto hasta el pie del modelo
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
axiomático. No olvide que es posible explicar leyes por teoría o teorías por leyes. Si va a
conectar teorías con leyes, como ornamento a su discurso, esto es posible sólo si, se presenta una
condición sistemática de interacción, donde sus niveles jerárquicos y sus intervalos temporales
de sucedencia, aportan magnitudes invariantes fenomenológicamente, y, la denominada ley es
anterior a la teoría. Para ello es necesario que la ley reduzca a la teoría y no a la inversa. Si hay
más de una ley actuante, óptese por el uso del principio de correspondencia lógica (Ver Cap. I.
Sección 1.10.- Principio de Correspondencia).
Partiendo desde el axioma de alto nivel, se procede a generar hipótesis a través de supuestos y
premisas hasta llegar a conclusiones. Este último paso debe conducir a proposiciones verdadera e
indemostrables llamadas axiomas, pero en este caso, de nivel medio. El científico ha de estar
claro que todo axioma medio debe ser de menor generalidad que los axiomas universales, allí
han de usarse proposiciones con enunciados particulares, y, ningún axioma del sistema, en
ninguno de sus niveles, es deducible de otro. Es decir, el sistema de axiomas no es
intradeducible. Preste atención a que en este nivel medio, cualquier vínculo que exista entre
columnas explicativas, ameritará de correlación y verificación a través de leyes causales y
efectoras actuantes en el evento.
Cualquier cosa que acontezca en un nivel, podrá ser explicada desde otro nivel por su, o sus
columnas vecinas. Si operan en la misma instancia, entonces presentan eventos simultáneos que
podrán ser explicados a través de causaciones laterales. Si se desea demostrar, secuencia lineal
para una misma columna, ha de usarse los mecanismos denominados regresiones lineales o
múltiples. Para ello debe corroborarse la existencia de causalidades hacia arriba y hacia abajo.
les estudia, es el mundo real donde el ser humano interacciona. Las teorías sustantivas son
aquellas que se basan en las ciencias puras, y a través de ellas, se crean tecnologías para el
dominio de las masas sociales.
No es necesario llegar a la base del proceso teorizador para hacer uso de una teoría sustantiva,
en la telecomunicaciones, por ejemplo, se opta por el empleo de la Teoría Electromagnética de
James Clerk Maxwell, con sus cuatro leyes asociadas, para diseñar productos. En oposición, las
teorías operativas son las que se derivan de la técnica y son usadas en el diseño de tecnología.
Éstas si deben ser de nivel bajo, pues es donde opera el hombre sin ningún rasgo o distingo de
abstracción. No ha de olvidarse, a medida que se desciende los niveles de abstracción
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
Es en la base donde maniobran las ciencias sociales, allí entra en juego la descripción, se
crean conceptos basados en creencias y opiniones, compuestos de enunciados singulares
producto de inducciones. En este estadio se presenta una estructura científica diferente, no se
estudia la naturaleza en sí, sino, a los actores sociales que participan en determinados eventos y
hacen que se conformen conflictos que han de dilucidarse por medio de investigaciones
científicas. Como no existen leyes en tal nivel, la operacionalización de la investigación social
difiere grandemente de las investigaciones en ciencias naturales. Finalizada la explicación de la
estructura científica basada en el método axiomático, continuemos con la disertación sobre los
axiomas científicos.
Bajo la consideración de Carnap op, cit, los axiomas se componen en una parte por símbolos
cuyo significado se le asume ya conocido, normalmente símbolos lógicos. Y otra parte de
símbolos que son introducidos por primera vez al sistema axiomático, éstos últimos
denominados símbolos primitivos. En el Método Axiomático, a la simbología primitiva no se le
presupone significado puesto que le corresponde al sistema axiomático el determinárselo. En ese
sentido, una teoría axiomática se considerará medianamente construida si antes han sido
definidos cada término en función del área cognoscitiva a que haga referencia. Y en vista que la
función de un modelo axiomático es demostrar, podría haber confusión entre ambas
terminologías: Definir y Demostrar. Pues sólo es posible demostrar todo aquello que ha sido
definido.
311
Según Aristóteles266:
La definición muestra lo que es la cosa, mientras que la demostración prueba solamente que
tal cosa es o no tal cosa. La demostración como proceso se conforma como el fin ulterior de toda
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
Cuando las verdades fundamentales, o las máximas que se deducen de ellas, sirven
de premisas en un silogismo bien dispuesto, el consiguiente es cierto y evidente, y a
tal silogismo se le llama Demostración. El cual no es otra cosa que un conocimiento
cierto y evidente de las cosas, deducido de premisas evidentes y ciertas. La
demostración se ha de componer de verdades primeras o máximas que tengan
conexión con ellas. Si se hace patente esta conexión en el proceso se dice entonces
que se ha demostrado. Si no se ha llegado a ello, habrá de procurársele mediante el
proceso de ordenación de verdades de silogismo en silogismo, hasta encontrar el
enlace de lo que se intenta probar con las verdades fundamentales. Toda
demostración ha de tener por objeto las cosas universales, porque de las
singulares no puede haberla 268 . Las singulares es posible conocerlas por mera
aplicación de los sentidos a las cosas, pero no se demuestran… ni mucho menos lo
necesitan. Por eso las definiciones y divisiones lógicas presentes en un sistema
axiomático y sus silogismos son los medios más a propósito que hay para las
demostraciones. Es así como existen dos tipos de demostraciones; una prueba las
cosas por sus causas y se les llaman a priori. Otras describen las causas por sus
efectos y se les llama a posteriori. Detállese el siguiente ejemplo de demostración a
priori:
Lo justo y lo honesto son verdaderos bienes; <<Premisa Mayor>>
Todo bien verdadero es digno de ser estimado; <<Premisa Menor>>
Luego, lo justo y lo honesto es digno de ser estimado; <<Conclusión>>
266
Véase, Aristóteles, El Organon. Libro Segundo. Sección Primera. Cap. III.
267
Tomado de su Libro Lógica: Véase Capítulo XIV: La Demostración.
268
Al respecto…No es ni nunca será posible inferir enunciados universales desde enunciados particulares. Popper Karl (1980), Conceptos
Universales y Conceptos Individuales pp. 62 y ss. Véase.
312
Para las demostraciones a posteriori conviene saber que hay ciertas causas que obran
en la naturaleza ocultamente, que no se presentan a los sentidos por sí mismas, pues
sólo se llegan a percibir sus efectos. Más los efectos que se sobrevienen de causas
ocultas lo hacen de dos maneras: unas son totalmente inseparables de su modo de
obrar porque emanan inmediatamente del poder de la causa, y que dejaría de serlo si
no lo produjese, llámese a estos Epifenómenos <<Que se Manifiestan junto con la
causa>>. Otros son contingentes, Epigenómenos <<que viene después>> como que
para su producción se requiere de ciertas circunstancias en el sujeto en el que obran
<<como enfermedades de origen genético>>, las cuales por ser varias hacen
diversidad en la producción. Los lógicos dicen, y conviene confesarlo, que las
demostraciones a posteriori nunca son tan exactas y tan finas como las que se hacen a
priori.
De acuerdo a Elí de Gortari op, cit, un sistema axiomático debe cumplir con las siguientes
Roiman Valbuena: El Método Axiomático o Método Demostrativo.
269
Aunque Moreno Villa no hace mención directa al tema, realmente se refiere al Teorema de Incompletud de Gödel. Si el lector lo desea, y le
interesa profundizar sobre el tópico, se recomienda Véase: Gödel: Paradoja y Vida por Rebecca Goldstein. Si desea profundizar acerca del
conflicto eterno entre filósofos y matemáticos surgidos entre Gödel y Hilbert, sobre el método correcto de seleccionar pruebas. Refiérase al
excelente preparado que hizo como editor: Detlefsen, Michael. (1992). En: Proof, Logic and Formalization. Capítulo 8, pp. 88 y ss.
313
El hábito de una opinión conduce a menudo a la convicción completa de su verdad, oculta las
partes más débiles de ella, y nos hace incapaces de aceptar las pruebas contra ella.
(1827). German text in Ira Freund, The Study of Chemical Composition (1904), 31. Translated
form in Carl Schorlemmer, The Rise and Development of Organic Chemistry (1894), 49. —
Jöns Jacob Berzelius.
315
Roiman Valbuena.
S
e conoce como Teoría de la Demostración a todo aquel conjunto de procedimientos de
la matemática y la lógica que pretenden afirmar la veracidad de una cadena de
enunciados cuyo nivel de certeza agregado es indeterminado. Una demostración
esclarece que la cosa es así y no de ninguna otra manera, que no hay segundas interpretaciones,
que no existe contradicción entre una verdad formal y una material, y lo más importante, genera
armonía entre mente y espíritu pues, la demostración penetra hasta lo más profundo de la psiquis
humana otorgando satisfacción al individuo. El proceso demostrativo es a veces sorprendente y
complejo pero fundamental en una investigación científica seria, se constituye en la coronación
de un logro, de un descubrimiento. Y como diría Louis Pasteur, Sorprendernos por algo es el
primer paso de la mente hacia el descubrimiento.
Entendamos por demostración, a todo aquel conjunto de pasos que tan sutilmente nuestro
intelecto, a través de operaciones matemáticas y de la inteligencia, es capaz de ejecutar con el fin
de darle veracidad a un conjunto de ideas compiladas en un pensamiento. Según Rosental – Iudin
(2004, Véase Concepto de Demostración), el pensamiento que se ha de demostrar se llama tesis
de la demostración, los juicios en los que se apoya la demostración y de los que se sigue
lógicamente la tesis, se denominan argumentos (base) de la misma. No obstante, acaece que,
para que tal pensamiento se torne terso y claro al entendimiento, los argumentos base de la tesis
de demostración han de hacerse corresponder con la teoría del significado. Es decir, una teoría
cuyo fundamento es explicar lógicamente el cómo asociar las palabras de determinado lenguaje
con su significado.
Es de notar que las palabras son solo símbolos del lenguaje, entonces conviene advertir la
verdadera interrogante del caso, ¿qué hace que un conjunto de símbolos tenga significado y que
tal símbolo represente una imagen de cierto objeto de conocimiento? A partir de allí es que
comenzará una titánica labor para el investigador, hacer entender el significado de las cosas
316
descubiertas, de las relaciones manifiestas y de las abstracciones más profundas, a quien dirija su
artillería secuencial explicativa. Para ello debe utilizar los mecanismos de la razón y enfocarlos
hacia el desarrollo de una explicación coherente, simple y sutil, pero convincente.
Existen dos clases de sistemas demostrativos, los directos y los indirectos. En efecto, en el
primero se hace necesaria la aplicación de una cadena finita de reglas de inferencia previamente
delimitadas haciendo uso de símbolos y enunciados primitivos que permitirán alcanzar la
fórmula que se planteó demostrar. Este método está muy cercano a la forma humana de
razonamiento. En cambio, los sistemas indirectos centran su accionar en la técnica de reducción
al absurdo. Aunque variados son los sistemas, por ejemplo: Sistema L [Lukasiewicz y Church];
El Modus Tollens [Aplicado por Popper]; La Deducción Natural de Gentzen; Los Sistemas de
Principia Mathematica de Russell y Whitehead, además del Sistema de Kleene, entre otros.
270
Disciplina filosófica que estudia el significado descomponiéndolo en sus mínimas partes constitutivas. Comúnmente, sus propiedades, su
propiedad normativa, la referencial y la intencional. Parada, Pedro (2008). Observaciones sobre la teoría del significado de Donald Davidson.
Véase.
271
Véase. Kempson, Ruth (1997). Semantic Theory.
272
Un lenguaje formal está dado por un conjunto de símbolos que se combinan entre sí para formar expresiones mediante reglas de formación
especificadas de antemano. Las expresiones bien formadas son todas expresiones gramaticalmente correctas del lenguaje formal. Solís y Torres
(1995). Véase.
317
A partir de este punto, me centraré en las demostraciones lógico – matemáticas, para ser
exactos, dos métodos correspondientes a la axiomatización de la lógica, el sistema axiomático de
Kleene y la deducción natural de Gentzen. Además de dos métodos matemáticos para
demostraciones indirectas, el método de reducción al absurdo y el método de la inducción
matemática. Debo recalcar que en este aparte he omitido cálculos y procedimientos lógicos
complejos, pero necesarios para entender qué es una demostración y qué partes la constituyen,
más sin embargo, hago uso de un lenguaje sencillo e intelectualmente procesable.
Ahora bien, el Sistema Axiomático de Stephen C. Kleene 275 , fue resultado de sus
investigaciones sobre teorías de algoritmos y funciones recursivas, área en la cual enseñó hasta el
final de su vida. Hizo importantes contribuciones a la teoría de la recursión basada en los aportes
de: Church; Godel, Turing y otros. Cuando se habla de teoría de la demostración, se dice que un
sistema formal cualquiera denotado por “S”, matemáticamente debe presentar al menos las
siguientes cuatro características:
273
Un postulado primitivo es aquel que no tiene otra proposición por encima de él. Es decir, da origen a la descomposición de la cadena causal
deductiva pero éste, no es derivado de ningún otro postulado.
274
Dícese recursivo a aquello que tiende a repetirse indefinidamente. En la axiomática de Kleene se usa como un algoritmo. Éste consiste en un
esquema como encadenamiento lógico hacia adelante, que define un proceso haciendo uso de premisas cuya información no avanza más que en
el proceso mismo. Es decir, se hace uso de términos que ya aparecen en su nombre dentro del mismo proceso.
275
Stephen C. Kleene [1909 – 1994]; Lógico y Matemático Estadounidense, hijo de un profesor de economía del Trinity College. Kleene recibe
su grado de PHD por su tesis Doctoral en la Universidad de Princeton en 1934. El título de su tesis era: A Theory of Positive Integers in Formal
Logic. Y en la cual el Lógico – Matemático Alonso Church tuvo gran influencia. En la introducción de su trabajo describe algo así: […nos
ocuparemos principalmente en el desarrollo del sistema de la lógica basada en un conjunto de postulados propuestos por Church. Nuestro
objetivo es demostrar empíricamente que el sistema es adecuado para la teoría de los números enteros positivos, exhibiendo una construcción de
una parte importante de la teoría dentro del sistema. Al llevar a cabo la construcción sobre la base de un determinado subconjunto de axiomas
formales de Church, se muestra que en esta parte al menos, de la teoría de números enteros positivos se puede deducir de la lógica sin el uso de
los conceptos de negación, la clase y la descripción]
318
ejecutará la demostración.
276
Inmediación: conjunto de derechos atribuidos al sucesor de una vinculación. En vista de que el proceso deductivo consiste en una secuencia
de vinculaciones sucesivas (recursivas), el sucediente siempre ha de presentar una relación de jerarquía con su antecedente.
277
Kleene, Stephen. (1952). Introduction to Metamathematical. Ishi Press International.
278
La dimensión sintáctica de la lógica hace referencia a las diversas relaciones que puedan establecerse entre símbolos de un mismo lenguaje
basado en las posibles combinaciones entre ellos.
319
Una vez descubierto que “S” es cierta, entonces se considera finalizado el proceso. No
obstante, si se desea demostrar la invalidez de “S” debe hacerse uso de otro método ya que el de
279
Esta frase forma parte de los objetivos de su tesis. (1934).
280
Estos nueve pasos constituyen la forma real de esquematizar una deducción natural por el método Gentzen. Se advierte al lector que tales no
serán abordados en la presente edición de este texto, sólo mencionadas. Son los siguientes: 1) Iteración; 2) Introducción de la Conjunción; 3)
Eliminación de la Conjunción; 4) Introducción de la Implicación; 5) Eliminación de la Implicación; 6) Introducción de la Disyunción; 7)
Eliminación de la Disyunción; 8) Introducción de la Negación; 9) Eliminación de la Negación. Todos hacen referencia a conectores lógicos. De
allí el que se diga que el género común de las reglas son introducción y eliminación de conectores lógicos .
320
deducción natural no admite ese tipo de invalidaciones. A veces no podremos sacar verdades de
ningún lado, y habrá que hacer suposiciones: “bueno, no estoy seguro de que [A ∧ B] sea cierto
siempre, pero si se cumple C, seguro que lo es”. Entonces ya hemos descubierto otra cosa cierta:
que [C ⇒ A ∧ B]281.
Según Ferrater Mora (2000), se trata de un método indirecto de demostración que prueba la
verdad de una proposición por la imposibilidad de aceptar las consecuencias que se derivan de
su contradictoria. Este método también es denominado método de demostración por
razonamiento apagógico282. Reducción al Absurdo <<Reductio ad Absurdum>> Para Mario
Roiman Valbuena: Introducción a la Teoría de la Demostración
Bunge (2001), consiste en un proceso de razonamiento que deriva en una contradicción para
determinado conjunto de premisas, en este caso no es que son o no lo mismo, es que son
contradictorias. Por lo que ha de concluirse, que el sistema o fenómeno que se intenta explicar
como un todo, es insostenible, a menos que algunas de las premisas sean rechazadas.
281
Este último ejemplo fue tomado desde: Daniel Clemente Laboreo (2004). Introducción a la Deducción Natural.
282
Denominado de esta manera tanto por Leibniz como por Kant. Demostración de algo a partir de lo falso; razonamiento por absurdo o
demostración por reducción al absurdo. Modo de razonamiento que centra su acción en probar una tesis simplemente por la refutación o
exclusión de todas las tesis alternativas. Forma parte de los argumentos de reducción al absurdo abordados por Kant. Este autor hace mención al
Modus Tollendo Tollens (camino que niega al negar) de razonamiento, el cual puede ser convertido a un modo de reducción al absurdo, pues este
último consiste en una prueba formal del primero. El cual procede de las consecuencias hasta sus fundamentos, siendo no es solo fino y riguroso,
sino un modo de prueba extremadamente sencillo. Hace mención a él al final de su libro Crítica a la Razón Pura. Doctrina Trascendental del
Método. P. 415 y ss. Véase.
283
Nacido en Elea, Grecia, entre los años [490 – 485]. Su pensamiento se caracterizó por la elaboración de ciertas aporías o paradojas. Una de
las más famosas es la paradoja de Aquiles y la Tortuga. Véase los cuatro argumentos de Zenón.
321
Una discusión por ejemplo, sólo tiene un origen y un fin. Comienza cuando uno de los sujetos
involucrados es incapaz de comprender lo que afirma el otro, y finalizará cuando alguno de ellos
logre demostrar lo que pretende dejar saber. Si tal demostración proviene de la toma recursiva de
ideas de su interlocutor y encadena unidades de pensamiento mutuamente excluyentes que han
evidenciado incompatibilidad, entonces se ha hecho uso de un método indirecto de prueba
denominado reducción al absurdo.
Entiéndase por Inducción, a una operación del pensamiento y la razón, mediante la cual,
partiendo desde materiales intelectuales necesarios y suficientes, se expresa una conclusión
general soportada sobre un conjunto de premisas obtenidas desde la observación, la experiencia,
o simplemente originada como evidencia experimental de enumeración de particulares. Todo
principio general usado en ciencias para construir los axiomas que soportan a una teoría es
resultante de la inducción. Igualmente, a una inducción se le concibe como el método por el cual
se ejecuta una inferencia de una generalización a partir de sólo sus instancias. Se basa en un
proceso de razonamiento del cual a partir de sus instancias particulares se obtienen conclusiones
generales demostradas sólo para algunos casos pero no para todos.
322
lógica inductiva. Ahora bien, en la inducción matemática, las premisas del argumento implican
necesariamente la generalización que constituye su conclusión.
Inducción Matemática es un método para probar que una proposición es verdadera para
todos los números enteros. En primer lugar, muestran que la proposición es verdadera para unos
pocos números pequeños, tales como 1, 2, y 3. Por ejemplo. A continuación, mostrar que, si la
proposición es verdadera para un número arbitrario j, entonces debe ser cierto para el siguiente
número: j+1. Una vez que se han ejecutado estos dos pasos, la proposición ha sido demostrada,
ya que, si bien es cierto para 1, entonces también debe ser cierto para 2, lo que significa que debe
ser cierto para 3, lo que significa que debe ser cierto para 4, y así sucesivamente. Lo cual
consiste en una generalización o conclusión que va más allá de lo demostrado o contenido en las
premisas.
Con el objeto de aclarar el panorama prestemos atención al siguiente ejemplo284 donde se debe
probar que:
( )
∑
Esta fórmula compuesta por una serie aritmética es válida para todos los números enteros “n”.
Con la intención de saber si es cierto, probaremos con todos los números de la serie previa,
asumiendo n=1; n=2; n=3 y n=4:
284
Ejemplo tomado y ampliado desde: Downing, Douglas. PHD. (2009). Dictionary of Mathematics Terms. Véase.
323
Caso n=1:
( )
∑
Caso n=2:
( )
∑
Caso n=3:
( )
∑
Roiman Valbuena: Introducción a la Teoría de la Demostración
Caso n=4:
( )
∑
Con el uso de la serie aritmética y la notación se suma hemos logrado probar que la
proposición es válida al menos para n=1; n=2; n=3 y n=4. Si es así, y por el principio de
inducción matemática, entonces debe ser cierta para todo número entero positivo. Obsérvese que
nuestra conclusión va más allá de lo que hemos alcanzado a demostrar con este ejemplo. Si es
cierto lo anterior, asumamos también que la fórmula es válida para cualquier número arbitrario
“j”, entonces procedamos así:
( ) ( )( )
∑ ∑ ( ) ( )
Preste atención a que existen 5 pasos si los separamos uno a uno por medio de las igualdades,
donde el paso 3 consiste en una suma de fracciones, el paso 4 sólo las presenta resueltas y el
paso 5 las presenta factorizadas. Donde podemos concluir que si la fórmula opera para “j” y para
(j+1), entonces debe operar para todo “j” arbitrario, pero los resultados demuestran lo contrario.
No obstante, acaece que, en lógica demostrativa no siempre es bueno confiarse de las
inducciones matemáticas. Veamos el siguiente modelo donde un principio falso puede surgir de
ejemplos verdaderos:
324
¿Es posible en Matemáticas deducir una regla falsa de una propiedad verdadera?, supongamos285
que un matemático curioso desease determinar la raíz cuadrada de un número de cuatro cifras. Se
sabe que la raíz cuadrada de un número es otro número que, multiplicado por sí mismo, da un
valor igual al número dado. Es decir, 6 x 6 = 36; 7 x 7 =49 o 9 x 9 =81. Donde, la raíz cuadrada
de 36 es 6; la de 49 es 7 y la de 81 es 9. Siendo así entonces supongamos, que se escogen tres
números al azar de cuatro cifras, a saber: 2025 – 3025 y 9801.
Iniciemos la solución del problema por el número 2025, posterior a los cálculos para este
número el investigador halla que su raíz cuadrada es 45. Que deriva de multiplicar 45 x
45=2025, en efecto, se puede verificar también que su raíz cuadrada se obtiene de la suma de 20
+ 25, que son parte del número 2025 descompuesto en dos partes por medio de un punto [20.25].
Roiman Valbuena: Introducción a la Teoría de la Demostración
Frente a estos tres casos el investigador podría enunciar la siguiente regla: para calcular la
raíz cuadrada de un número de 4 cifras, se divide tal número por un punto de manera que quede
en dos cifras cada uno separados ambos por ese punto, y sumándose así los grupos formados.
La suma obtenida será la raíz cuadrada del número dado. A todas luces, aunque la regla este
bien formulada y fue deducida de ejemplos verdaderos, conduce a una generalización
equivocada. Por eso debe tenerse sumo cuidado en no caer en falsas inducciones. Habría de
preguntarle al investigador… ¿Es aplicable tal regla para cuando el número de cuatro cifras está
compuesto por el mismo número repetido cuatro veces?
285
Ejemplo tomado y reinterpretado desde: Tahan, Malba. El Hombre que Calculaba. Capítulo XXVIII.
325
Albert Einstein.
326
Roiman Valbuena.
L
a actividad científica desde sus inicios ha girado en torno al conocimiento organizado,
logrando así, sustanciales aportes al desarrollo de la humanidad. Tratando siempre de
hacer entender a las personas, hechos y relaciones que antes no eran conocidas, y que
la mayoría no creía posibles. Sin embargo, gran cantidad de estos aportes se han originado sobre
las bases de grandes controversias científicas. Ellas forjan progreso en determinado tema,
impulsando la investigación en el área con argumentos sólidos apoyados en la evidencia.
Los países y los científicos del mundo deben tener conciencia de la necesidad apremiante de
utilizar responsablemente el saber de todos los campos de la ciencia, esto con la finalidad de
satisfacer las necesidades y aspiraciones del ser humano sin emplearlo de manera incorrecta,
UNESCO (1999). A esta conclusión se llegó en la Conferencia Mundial Sobre la Ciencia
realizada en los albores del siglo XXI. Resultados de indagaciones previas aportadas por los
ponentes, probaron con suficientes argumentos, la consideración de que los enfoques
metodológicos de las investigaciones científicas hasta mediados de los años 70s, habían
comenzado a presentar evidentes defectos y dificultades a la hora de abordar temas como el
genoma humano y la Mecánica Cuántica286.
286
Si bien es cierto hay autores que argumentan que la física cuántica es un descubrimiento nuevo, como ejemplo Véase: Akarsu Bayran. (2010).
Einstein`s Redundant Triumph “Quantum Physics”: An Extensive Study of Teaching/Learning Quantum Mechanics in College. Bunge (2002)
por su lado, explica que el primero en descubrir cuantos no fue Planck sino Pitágoras, al estudiar las cuerdas del arpa en el siglo VI antes de la era
vulgar. Planck hizo sus aportes hacia el año 1900.
287
La investigación Tecnológica es un proceso indagatorio en donde se busca la transformación de conocimiento en productos o procesos
insertables en el mercado.
327
Donde se han visto envueltos no solo los científicos, sino, al conjunto de paradigmas a los
cuales estos obedecen, y cuyo eje central ha sido, no la relativa independencia con la que operan
las ciencias puras contra la obtención de resultados a priori de la investigación tecnológica, sino,
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
Para (Mónaco, 2002), desde Dilthey, según los historiadores filosóficos, se presentó de
manera más acentuada la discusión sobre el conocimiento humano. Con orientación pronunciada
a marcar diferencia entre ciencias Nemotécnicas <<Cuantitativas>>, puesto que sus leyes
permiten que sus teorías puedan ser contrastadas empíricamente, y apartarlas de las llamadas
ciencias Ideográficas o Hermenéuticas usadas en la investigación social. Éstas últimas,
emplazadas a comprender el significado de los hechos a través de las motivaciones y el entorno
sociocultural de sus actores. Para el autor, tan marcadas son las diferencias entre ambos modelos,
que hasta sus predicados son opuestos.
Fernández et al, (2010) explican; <<Los fundamentalistas 289 >> son investigadores que
defienden uno de los dos enfoques y desdeñan al otro. Afirmando la tesis sobre el debate
metodológico. Estos escritores han adoptado el enfoque cuantitativo y menosprecian el
cualitativo, ubicándolo como una <<pseudociencia>> (subjetivo, sin poder de medición); pero
también representa a aquellos que han adoptado el cualitativo y desprecian el cuantitativo, por
considerarlo <<impersonal>> (incapaz de capturar el verdadero significado de la Experiencia
humana).
288
Todo nuevo modelo de conocimiento debe concebirse a través del Sicologismo; según los Sicologistas <<Lógica del Conocimiento>>, en la
que se hace alusión a la tendencia de que en toda disciplina prevalece un alto componente sicológico. Doctrina ligada a la lógica inductiva, a la
cual Popper y Liebig se opusieron fuertemente. Popper argumentó que la sicología empírica carecía de importancia a la hora de ejecutar el
análisis lógico del conocimiento científico. Véase Popper, Karl: La Lógica de la Investigación Científica (1980, p. 85). Traducido por: Víctor
Sánchez de Zavala. A pesar de ello, en estos días ha prevalecido la teoría de Ausubel (1918-2008) ligada estrechamente al constructivismo, con
un alto componente sicológico al momento del diseño de estructuras curriculares.
289
Tomado de un anexo al CD que acompaña la obra “Metodología de la Investigación”, Cap. 12. Ampliación y Fundamentación de los Métodos
Mixtos.
328
Los mutuos y constantes ataques entre científicos290, han servido para enriquecer el acervo
acerca de la metodología empleada sobre cada enfoque. La crítica es perceptible, aceptable y
necesaria, siempre que se encuadre dentro de los cánones para ella dispuesta. Toda crítica a
determinada investigación o procedimiento científico se convierte automáticamente en un mero
mecanismo, para el cual se espera una retroalimentación, y será ésta, la que pueda usarse con el
fin de adaptar mejoras. No se trata de criticar por criticar, se trata de criticar para aprender de sus
resultados. Si se critica y se aprende del proceso retroalimentatorio, será posible afirmar que se
es crítico científico, caso contrario, considérese el epítome a la charlatanería.
290
Weber y Dilthey, contrastaron el método de interpretación hermenéutico buscando la comprensión y significado de los fenómenos, contra el
método científico objetivo en un escrito denominado VERSTEHEN. Vocablo que significa comprensión, al que se le asocia a una de las tantas
ramas de la filosofía de la ciencia denominada <<comprensivismo>>, y cuyos orígenes se remonta a la Alemania del siglo XIX. Este fue
adoptado como opción que se contrapone al método científico tradicional positivista. Sin embargo, para entender mejor este conflicto, necesario
es asociarlo a sus términos predecesores en la historia. El Corpus Hermético y la Hermética. El Corpus Hermético consiste en una colección de
escritos que datan de los primeros tres siglos posteriores a Cristo. En ellos se combinaban la magia, la religión, además de abarcarse, muy
superficialmente, fragmentos filosóficos, su traducción se le atribuye a FISINO. Se recomienda al lector, si desea profundizar más en el tema,
haga contraste propio del Corpus Hermético, contra un interesante libro de Barry Gower (2002), Scientific Method. An Historical and
Philosophical Introduction. El Corpus Hermético contiene XVIII libros, se recomienda el IX: On Through and Sense, y el XII: About the
Commond Mind. Contrástese contra los escritos de: Galileo; Newton; Bernoullis y Bayes; Stuart Mill; Poincapié y Duhem; Popper; Carnap y
Rampsey. Todos ellos aparecen en Gower. Saque usted sus propias conclusiones.
329
Para los cualitativistas, su método ha logrado ser más sutil y comprensivo, sus investigadores
abordan casos específicos y aplican estrategias para análisis generales. Su crítica más notoria
contra el cuantitativismo, y con alto contenido de exactitud, recae sobre los denominados diseños
no experimentales. El positivista delimita su estudio a través de la escogencia de las variables
necesarias, basadas en relaciones evidentes entre variables, dimensiones e indicadores. Podrán
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
existir infinidades de dimensiones para cada variable. Sin embargo, se avoca sobre aquellas que
se adapten mejor a su teoría. Esta actitud premeditada al delimitar su estudio lleva a la
observación directa de un hecho, la manipulación de variables en un diseño que lo prohíbe, esto
no ocurre en el cualitativismo.
291
El muestreo por conveniencia, o muestreo intencional, según la teoría general de muestreo, es una técnica de muestreo cuyo uso más común
recae sobre investigaciones en ciencias del comportamiento. Es un tipo de muestreo no probabilístico puesto que no es posible determinar
probabilidad. En este se manipulan, deliberada y subjetivamente, las posibles respuestas a un cuestionario. Sobre todo, cuando las unidades de
análisis presentan relación afectiva con el investigador, es similar a entregarle a un amigo un cuestionario para que lo valide, realmente no se
espera una real revisión de los constructos en relación a su contexto conceptual, se espera una grata aceptación del mismo. Aquí los
investigadores simplemente eligen a los participantes que les sean más accesibles . Las unidades de análisis son seleccionadas básicamente por su
disponibilidad y habilidad para responder. A esta técnica de muestreo se le considera en extremo débil, el investigador no hace intento de conocer
a la población o usar la aleatoriedad en el proceso de selección. El investigador ejerce poco control sobre la representatividad de la muestra,
dando lugar a una alta probabilidad de que la muestra seleccionada no solo carezca de representatividad poblacional, sino, que sea parcializada.
Es posible encontrar más información sobre los tipos de muestreo en: Gravetter y Forzano (2012, p. 151). Research Methods for The Behavorial
Science. Por su lado, Salkind: Métodos de Investigación (1999), se pregunta: una muestra intencional: ¿Es Fácil?...Sí; ¿Aleatoria?...No;
¿Representativa?...hasta cierto grado, (p. 103). Nota del Autor: Súmese a ello el hecho marcado y notorio donde se omite el cálculo del margen de
error muestral, sólo se calcula el error de fiabilidad del instrumento, y en pocas ocasiones, su índice de precisión. Pero este instrumento se
alimentó de una muestra cuyo error es desconocido. Hasta aquí quedan claras las funciones y aplicaciones de un muestreo intencional. Este
requiere de un estricto proceso de control y ejerce influencia directa sobre los resultados del estudio, acarreando como consecuencia y si se desea,
respuestas estrictamente planificadas. Surge ahora la siguiente interrogante: ¿Cómo es que el positivismo admite un tipo de muestreo en sus
investigaciones, con escasa representatividad cuando lo que se persigue es la objetividad, además, destinado a la sicología y la investigación
social, cuando sus más connotados exponentes no reconocen a esta última como ciencia?
330
Sin embargo, el secuestro del método científico para ser utilizado sólo por esta dualidad
paradigmática, y atribuible a un pequeño grupo de investigadores, ha dado pie a la propuesta de
un modelo de investigación disímil, pero inexcusable, el tecnológico. Así como se ha presentado
históricamente esta dualidad reinante en la esfera científica, se ha sucedido cosa muy similar
sobre la diatriba entre Ciencia y Religión; Albert Einstein afirmaba… Los científicos apenas
pueden creer en Oraciones para seres sobrenaturales. Esto se sobrevino como respuesta a un
niño que le había escrito y preguntado si los Científicos Rezaban… a continuación su
explicación292:
La investigación científica se basa en la idea de que todo lo que tiene lugar está
determinado por las leyes de la naturaleza, y por lo tanto esto es válido para la acción
de las personas. Por esta razón, un investigador científico difícilmente se inclinará a
creer que los acontecimientos podrían ser influenciados por una oración, es decir, por
un deseo dirigido a un ser sobrenatural.
Sin embargo, tal diatriba queda satisfecha cuando Einstein describe la diferencia radical entre
ciencia y religión, publicada originalmente en alemán hacia 1930, y que aparece en su libro Mis
Ideas y Opiniones:
292
Esta respuesta fue muy difundida por los diarios de la época, puede leerse en su amplio contexto en: Albert Einstein: The Human Side,
editado por Helen Dukas & Banesh Hoffman. (1936).
331
definición más detallada de Método Científico es la de Sir Karl Popper, que sigue los siguientes
pasos:
A su forma de ver, la ciencia siempre empieza y concluye con problemas. Las teorías, como
mecanismo regulador, son simplemente pasos hacia la verdad. Según Popper (1980), una teoría
científica no es aquella que simplemente puede ser verificada, sino la que puede ser refutada a
través del experimento. Cualquier teoría científica será válida y estará bien sustentada si y solo
si, hay una manera de demostrar que es falsa293. La ciencia progresará por medio de conjeturas y
refutaciones de esas conjeturas. Las ciencias empíricas son sistemas de teorías; y la lógica del
conocimiento científico, por tanto, puede describirse como una teoría de teorías. El trabajo de un
científico consiste tanto en proponer teorías como en contrastarlas. Y, se considerará científico
sólo a aquel que ejecute ambas labores.
La subestimación del enfoque comienza a hacerse presente desde el mismo momento en que
sus resultados son cuestionados, cuestionamientos bastante lógicos, puesto que la actividad
científica en una gran cantidad de centros de investigación, e incluso revistas científicas
indexadas de gran importancia, se direcciona sólo hacia una acción tan superflua y sin sentido
como la simple recolección de datos, es decir, la descripción. Omitiendo así, toda discrepancia
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
científica contra alguna teoría, Bunge (2004). Sólo es posible la actividad científica a través del
reemplazo sistemático de teorías por otras que estén en mejores condiciones de explicar el
fenómeno.
Para dar continuidad, son muy comunes las investigaciones del tipo relacional donde se hace
uso confuso de antecedentes del tipo descriptivo y viceversa <<Error aún más grave>> A su vez,
en gran cantidad de libros de metodología, editados en el país o no, aparece un apartado en el
marco metodológico orientado a la población y la muestra. Omitiendo indiscriminadamente al
proceso de muestreo estadístico y el cálculo del error muestral, entiéndase… el muestreo es y
seguirá siendo más importante que la muestra. Esta dualidad paradigmática no sólo ha generado
controversias entre sí, sino que ha creado caos y confusión hacia el interior de cada modelo, estas
anomalías han de subsanarse en lo inmediato.
Esto en muchos casos obedece a que la estructura que envuelve a una ciencia pudo haber
sufrido modificaciones, no obstante, el abordaje rígido a través del método continúa siendo el
294
En ese sentido, Kuhn op. Cit, establece el hecho de que la ciencia avanza a partir de rupturas radicales en las sociedades derivadas de las
crisis, ésta implican cabios en la concepción y manera de ver el mundo, para él denominadas Revoluciones Científicas.
333
mismo. Si esto sucede, el rediseño de los métodos en metodología, con el fin de obtener un
mejor entendimiento de los procesos subyacentes en la investigación, eliminaría muchas de las
controversias, con incidencia directa en el aumento de la eficiencia y la eficacia de la generación
de ese nuevo conocimiento. Hoy día, el metodólogo se ha limitado únicamente a <<usar>> el
método, cuando realmente debiese estar <<pensándolo>>.
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
Hay ciencias cuyo avance se ha dado tan vertiginosamente, que no bastaría con el rediseño de
su método para acercarse al objeto, necesario es replantearse tanto la naturaleza de sus hipótesis
y la concepción de sus diseños experimentales, como las apropiadas estrategias de búsqueda.
Donde la planificación metodológica por escenarios futuros es una opción a considerar dentro
del proceso de investigación sobre determinada tecnología.
Por otro lado, es bueno recalcar que la investigación es un proceso arduo, complejo y
sistemático, consistente en la aplicación de la inteligencia, el raciocinio y la evidencia a la
comprensión de realidades y modus operandi de fenómenos, penetrando profundamente en su
interior y arrancando con ello sus secretos, exteriorizándolos y permitiendo a otros una mejor
comprensión de los hechos. Así mismo, al mundo actual tal como se le conoce, no se destaca por
poseer unicidad cognoscitiva, por el contrario, el conocimiento es amplio, plural y
multimetódico.
Bajo estos parámetros, también debe dársele cabida a la pluralidad metodológica no atada a
pensamiento único y sin contenido. Martínez op. Cit, cuestiona el que se halla creado el mito de
la metodología y un ritualismo en el que lo esencial pasa del contenido a la forma, de los
aspectos sustanciales a los procedimientos, y donde la ejecución de las cosas se ubica en la
ejecución de actos rutinarios que se califican como uso del método científico 295 . Esta
sacralización obsesiva, tarde o temprano generará controversias, al intentar obtener resultados
que con el método no se podrán lograr.
295
Extraído de una interesante disertación sobre la Crisis Actual de las Ciencias Sociales. Véase: Hurtado y Toro. (2007).Paradigmas y Métodos
de Investigación en Tiempos de Cambio.
334
Sin embargo, en tal proceso se trata de concebir a la producción de ciencia como una
actividad indagatoria, coherente y racional, que siempre estará sujeta a posibles revisiones y
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
Allí se inserta al desarrollador tecnológico, que si bien es otro científico más, forma parte de
una comunidad científica diferente en cuanto a sus paradigmas. Para él, suele ser común el que
se le niegue la posibilidad de presentar proyectos de investigación que no se acoplen a los
enfoques dominantes. Lo que lo convertirá en un Disidente Científico.
El desarrollador tecnológico primero fue investigador básico, en sus inicios tuvo impulsos de
trabajo en dos direcciones motivacionales, una para su ser interno y otra para su externo. A su
interior se vio guiado por una curiosidad infinita, debió ser curioso para buscar, de lo contrario
nada encontraría. Ídem a su exterior, una gran expectativa de reconocimiento y aprecio debió
llenarlo, esta esperanza lo agitó, pues de no haber sido así no hubiese publicado ni participado en
evento científico alguno. Lo caracterizó la multiplicidad de ideas innovadoras que surgieron en
su mente, y las cuales vieron necesidad de proyectar a su entorno.
En función de ello, advirtió la inevitabilidad de rivalizar con otros de su misma cofradía, para
él, el reconocimiento científico sería más gratificante que el monetario. De nada le serviría el
dinero si continuase siendo un desconocido en su medio. Necesario fue entonces proyectarse un
camino a través de cuatro máximas científicas: El Saber - El Saber Hacer – El Hacer – y El
Hacer Saber. Máximas que acoplaría inteligentemente a su Método Tecnológico.
Lo anterior se plantea más en profundidad con el estudio de los investigadores disidentes y las
controversias que se generan sobre sus teorías, Campanario (2004). Como ejemplo se maneja el
335
uso que se le asigna al péndulo en las tradicionales clases de física, instrumento de medición de
la aceleración de gravedad en laboratorios.
posible efecto de la mente sobre la materia 296 . Según resultados publicados en diversos
artículos297, existen ciertas alteraciones del comportamiento normal de un péndulo que pueden
registrarse cuando se realizan un número grande de pruebas.
Como alternativa a la situación anterior, se hace más necesario aún, el convencer a otros
investigadores, especialmente a aquellos que tienen el poder de vetar sus publicaciones en
revistas académicas. Esta interacción ha pasado a convertirse en una guerra de nunca acabar.
Pues, de llegar el autor controversiante a imponerse con su nueva teoría, podría dar fin al trabajo
de aquellos que a pesar de manejar hipótesis diferentes, tuvieron el poder de veto y no lo
ejercieron.
Entre científicos existe una competencia ardua y compleja por los escasos recursos que
asignan los gobiernos a la investigación y desarrollo. Campanario op. Cit, afirma que los
científicos más prestigiosos en las distintas disciplinas tienden a fungir como revisores o editores
de revistas con gran influencia. Posición que les permitirá decidir quién publica y quien no, por
lo que es de esperarse que se resistan ante aquellas investigaciones que cuestionen no solo sus
teorías, sino sus propias estructuras de poder, y por ende, el manejo de tales recursos.
Roiman Valbuena: Controversias entre Paradigmas, Disidencia Científica e Investigación Tecnológica.
Estos sistemas de revisión, por cierto bastante cuestionados298, sirven de filtro para evitar
que publicaciones de baja calidad lleguen a los lectores299. En oposición, también se organizan
en función de evitar que nuevas teorías socaven las bases estructurales de poder que se generan
en la academia. La resistencia al conocimiento se ha venido presentando longitudinalmente en el
tiempo. Dentro de los disidentes 300 se pueden encontrar desde simples charlatanes hasta
ganadores de premios nobel301.
298
Ziman, citado en Cuevas y Maestanza (S/F),...“solo es científico el trabajo publicado”...porque un artículo en una revista no solo representa
la opinión del autor, sino que además lleva implícito el sello de la autenticidad científica dado por el editor y los árbitros, quienes representan la
base sobre la cual reposa todo proceso científico. Sin embargo, los cuestionamientos surgen de que en el proceso de evaluación se producen
conductas inadecuadas; se falsifican datos e ideas de otras personas sin atribuirles autoría; se falsifican autorías omitiendo a un autor. Por otro
lado, se consideran conductas antiéticas por parte de los evaluadores; emitir avales falsos; demorar las evaluaciones de un trabajo sin motivos
razonables con el fin de obtener ventajas personales y apropiarse de ideas y textos. Disponible en:
http://sisbib.unmsm.edu.pe/bibvirtualdata/publicaciones/consejo/boletin46/art_interes.pdf
299 Evaluar la calidad científica en tiempos donde la ciencia cambia y se desarrolla aceleradamente se ha hecho sumamente difícil, el escrutinio
de expertos ya no convence a muchos, sobre todo debido a que algunos, al no sentirse competentes para evaluar determinado trabajo, en vez
de declarase no aptos, lo objetan sin comunicar su realidad al editor para que sea otro quien se encargue. Origen de muchos casos de
Disidencia Científica.
300 La Redacción en sí de este aparte dirigido únicamente a las investigaciones científicas en tecnología, representa una clara disidencia sobre
los enfoques predominantes que tienen las investigaciones a la hora de abordar en profundidad la investigación sobre desarrollos tecnológicos,
tanto en las escuelas de Ingeniería, como en sus Postgrados, donde lo Cualitativo y lo Cuantitativo han dejado de ser eficientes. Y a sabiendas, se
instruye al ingeniero en la metodología de las ciencias sociales con la cual es imposible desarrollo tecnológico alguno.
301 Campanario (Ibíd). Presenta anexos donde la disidencia es tomada muy en cuenta. Se estructuran congresos y eventos en los cuales se
explican exhaustivamente sus puntos de vista y teorías, esto ha hecho que se ganen adeptos. En ese orden, Kary Mullis, bioquímico
estadounidense y premio nobel de química en 1993 por la invención de Polimerase Chain Reaction (PCR), <<Reacción en cadena de la
polimerasa>>, considerada la mejor técnica para analizar virus. Cuestiona la hipótesis oficial de que el VIH <<Virus de inmunodeficiencia
adquirida>> sea el causante del SIDA. En otras palabras, el virus no causa el síndrome. Negando absolutamente el que esta enfermedad sea
causada por un retrovirus, es decir, el VIH no causa el SIDA. Esto generó molestias entre los participantes de uno de estos congresos, puesto que
estaba siendo patrocinado por grandes corporaciones farmacéuticas. Y donde Mullis habría afirmado que el test que ha inventado sea una
confirmación de que el VIH no causa el SIDA. Dejando en entredicho, cualquier otro aporte de científicos que se ven obligados a actuar bajo
coacción de estas grandes empresas. Aparece en: http://www.free-news. /aembid03.htm
337
Mario Bunge.
T
oda investigación científica debe terminar con la proposición de una teoría que
explique el problema a través de un hecho científico. Bien afirmaba Aristóteles… un
hecho científico es el conocimiento de la realidad a través de sus causas y sus
efectos…Una teoría no es más que una hipótesis respaldada por evidencias del cómo un
fenómeno tiene sus causas y efectos. En este aparte del texto, se intenta adentrar al lector en la
filosofía de la tecnología y sus procesos de investigación con las causas y efectos que les son
inherentes.
lograrlo, hace uso de teorías sustantivas y operativas, pero no de teorías científicas puras. En
función de estas características se contrapone a los paradigmas dominantes en los centros de
investigación universitarios, representados por investigadores formados bajo uno u otro enfoque.
Éstas siempre están respaldadas por teorías científicas. Se las considera, básicamente,
aplicaciones de teorías científicas a situaciones aproximadamente reales, así por ejemplo, una
teoría sobre comunicaciones inalámbricas no será más que la aplicación de las teorías
electromagnéticas, dado que la primera está más cerca de la acción práctica que la segunda. Las
Roiman Valbuena: Las Teorías Científicas en la Investigación Tecnológica.
teorías sustantivas hacen observancia a modos mediante los cuales, los sistemas o estructuras
tecnológicas, proveen un impacto sustantivo sobre la sociedad en la que actúan. Este impacto
podrá ser positivo o negativo, eso dependerá de la inclinación observacional del sustantivista
teórico.
Las Teorías Tecnológicas Sustantivas son por sí mismas, teorías científicas puras, sirven para
proveer de los instrumentos necesarios para planear y hacer, al que toma las decisiones. Estas
teorías también forman parte de los métodos mixtos de la investigación social, en donde tanto la
teoría formal, como la sustantiva, convendrán estar basadas en datos. A la teoría sustantiva se le
concibe como dato fiel de una situación empírica, sumida en una bruma de dudas, en función de
ello, los supuestos se formularán simplemente a través de la concepción de un conjunto de ideas,
que permitan establecer una teoría formal hacia el área sustantiva de interés.
Una Teoría Sustantiva forjada a partir de una recopilación sistemática de datos, acordará ser
primero formulada, en función de discriminar, a cuál de los diversos entes formales de teoría
pertenece. La Teoría Sustantiva ha ayudado a generar nueva teoría fundamentada, no solo eso, ha
permitido reformular otras ya establecidas. (Blaikie, 2010), es de opinión que en la investigación
social, los esquemas de estas teorías permiten el desarrollo de supuestos sobre relaciones entre
conceptos, y se les intenta aplicar a un amplio rango de situaciones. Los esquemas teóricos
brindan en su conjunto combinaciones de taxonomías y marcos conceptuales que permiten su
transformación a argumentos teoréticos.
Sin embargo, estos sistemas teoréticos tienden a tornarse bastante abstractos, en parte debido
a la naturaleza de los datos que los originan, y raras veces se presentan en una forma que puedan
ser utilizados directamente en la investigación. Para ello ha de seguirse otro paso, el
establecimiento de un esquema empírico – teórico que sea formulado de un modo preciso y
claro, a manera de hacer plausible su contrastación o refutación a través de experimento. Esta es
339
En las empresas de alta tecnología, los pensadores tecnológicos a veces se agrupan, por
voluntad propia y según convicciones, en estos dos grandes grupos, en ocasiones llamados
instrumentalistas y sustantivistas, tal como ocurre con la investigación cualitativa y su
subjetivismo, en contraste con la investigación cuantitativa con su objetivismo. La Teoría
Instrumental303 es otro nombre asignado a las Teorías de las Tecnologías, que describen tanto a
la ciencia como a la tecnología, como herramientas neutrales que pueden ser usadas para el bien
o para el mal.
Ciertamente, para ambos extremos hay consideraciones de importancia que convienen tomarse
en cuenta. Las teorías, no importa el modelo, se basan en explicaciones, ellas, a través de
argumentaciones razonadas y desarrollo expositivo, aumentan la comprensión sobre determinada
realidad. Sin embargo, ha existido siempre una relación causa efecto en la acción operativa de
<<Explicar>>
303
Teoría de la Tecnología (Teoría Instrumental). Los problemas de la realidad, o aquellos que necesitan ser abordados mediante la acción
práctica, podrán ser resueltos bajo los siguientes niveles: 1) Con base en teorías profundas (formales o factuales); 2) Apoyándose en teorías
tecnológicas sustantivas o semi científicas (sobre las bases de teorías científicas); 3) A partir de teorías tecnológicas de la acción (las cuales
descansan sobre teorías tecnológicas sustantivas); 4) Adoptando conocimientos técnicos especializados (no basados en teorías, o bien, solo con
base en partes periféricas de teorías tecnológicas de la acción). Tomado de: De la Vega, Miguel (2002). Problemas de Ingeniería de Puesta a
Tierra. (pp. 23 – 25).
340
Se asume que después de cierta explicación debe aumentar, o al menos presentarse un cambio
de perspectiva, con respecto al fenómeno que origina el problema de investigación. No obstante,
no hay una definición sicológica definida sobre el término <<Comprensión>>, semánticamente
hay una contraposición a la hora de arrojar resultados sobre el conocimiento, por lo que la
explicación debe ser sólo una, pero la comprensión variará dependiendo del individuo.
Siguiendo el mismo orden, las Teorías Operativas no hacen uso del conocimiento científico
sustantivo, sino del método de la ciencia. Serán entonces teorías científicas pero dirigidas al tema
de la acción. Son Teorías Tecnológicas respecto del objetivo, el cual por naturaleza es más
Roiman Valbuena: Las Teorías Científicas en la Investigación Tecnológica.
práctico que cognoscitivo. Es ésta, una de las diferencias más notables entre Investigación
Científica e Investigación Tecnológica. La Teoría Operativa se ocupa directamente de las
acciones del manufacturador de decisiones, dicho de otra manera, del actor. Reflejan también
creencias, valores y expectativas de los tecnólogos. Bunge afirma, que toda buena Teoría
Operativa se constituye de al menos, los siguientes rasgos característicos de las teorías
científicas:
Las Teorías Tecnológicas se ocupan de averiguar lo que hay que hacer para conseguir, evitar,
o simplemente cambiar, el ritmo de los acontecimientos de un modo predeterminado. Al
Investigador Tecnológico le corresponde manejar teorías de gran eficiencia, que ofrezcan mucho
por poco.
Explica Bunge, si una teoría es verdadera, podrá utilizarse con éxito en las investigaciones
aplicadas y tecnológicas, y hasta en la práctica misma, pero ha de ser relevante para ambas. No
obstante acota… las teorías fundamentales no se comportan de esa forma, pues sus problemas se
341
alejan en demasía, de la práctica. La verdad de una teoría para nada implica un éxito en la
práctica. Tal éxito o fracaso práctico de una teoría no representa un índice para medir su valor
veritativo.
Por lo que una teoría podrá tener éxito siendo falsa, y a su vez, podrá tener un fracaso
práctico, siendo verdadera. La eficiencia de una teoría falsa podrá sustentarse en varias razones:
en primera instancia, <<una teoría puede tener un gramo de verdad que sea lo único utilizado en
sus aplicaciones304>> Por estar constituida una teoría por un sistema de hipótesis, bastará con
que sean verdaderas o aproximadamente verdaderas sólo unas pocas, para generar las
Roiman Valbuena: Las Teorías Científicas en la Investigación Tecnológica.
Una segunda razón del posible éxito práctico de una teoría falsa, descansará sobre los
requisitos de precisión propios de las ciencias aplicadas, los cuales son inferiores a los de la
investigación pura. Así entonces, sólo bastará con aportar estimaciones, mediciones y parámetros
exactos, tanto en orden como en magnitud. Los coeficientes de seguridad, que harán exitosa a
una teoría falsa, ocultarán los detalles más finos predichos por una teoría más precisa y profunda,
tales coeficientes son característicos de la teoría tecnológica, en efecto, ésta ha de adaptarse y
podrá variar dentro de un amplio rango.
La última razón aduce la irrelevancia de las prácticas para la convalidación de teorías, ya que
las variables de relevancia no suelen conocerse adecuadamente, ni controlarse con precisión,
debido a la premura del diseño. Esta urgencia imposibilita el estudio detallado de tales variables,
aunado a que las situaciones reales complejizan el proceso.
304
Esta premisa es la base del accionar de los Justificacionistas.
342
diferencia del científico, el técnico y el práctico no contrastan teorías, sino que las usan con
finalidades no cognoscitivas. Solo distinguiendo claramente entre el conocimiento científico y el
instrumental, será posible la explicación de la coexistencia del conocimiento práctico con la
ignorancia teorética, y del conocimiento teorético con su ignorancia práctica.
Roiman Valbuena: Las Teorías Científicas en la Investigación Tecnológica.
343
Clifford Geertz305.
D
esde hace mucho tiempo han sido suficientemente analizados los temas de ciencia y
tecnología, tanto en la historia antigua como en la contemporánea, por cierto, con
resultados para nada concluyentes. Labor avocada a los esfuerzos que cada estrato de
la ciencia emprende en la búsqueda del conocimiento. Sin infravalorarse mutuamente, cada
campo científico operacionalizará objetivos diferentes, y habrán de tomar vías distintas, unos
buscan generar conocimiento, y otros aplicarlo. La relación entre el conocimiento y su aplicación
radicará más en los esfuerzos en materia de políticas públicas que tengan a bien ejecutarse en
función de socializarlo y hacerlo productivo, que en las diferencia probables entre científicos de
disciplinas distintas. Es por ello que la ciencia produce conocimientos, la tecnología artefactos,
y la técnica aporta la acción humana que da origen a la tecnología.
Para Bunge (2004, p. 562), <<la mayor parte del conocimiento científico está demasiado lejos
de la práctica, o incluso es irrelevante para ella…>> Existen relaciones diferenciales entre las
ciencias puras, las fácticas, la tecnología y la técnica; en primer término, las ciencias puras306
siempre han sido el foco de atención de las universidades, éstas entendieron el poder estratégico
del conocimiento, puesto que el producirlo y diseminarlo en los diversos estratos sociales para
generar bienestar colectivo, trajo consigo alianzas, y lógicamente status a sus integrantes.
305
(1926 – 2006) Antropólogo Estadounidense, Universidad de Princeton .
306
Las ciencias puras o básicas, son abordadas por científicos que no se preocupan de la Filosofía Natural de la ciencia. En sus inicios, deseaban
unirla al desarrollo de investigaciones bajo paradigmas bien delimitados. Tal denominación hace referencia a investigaciones especializadas, para
ello resulta necesario dividir los conocimientos. Aparece en: Fourez (2006, p. 144-145). En este tipo de investigaciones se omiten
metodológicamente las acciones con problemas concretos. Se busca generar conocimiento, pero no su aplicación sobre determinada realidad.
344
aspectos teóricos. Además, son carentes de elementos exógenos o empíricos. Tales estudios
producen un conocimiento homogéneo, libre de composiciones y sin adulteraciones.
Contrariamente, las Ciencias Aplicadas307, son las que aprovechan el conocimiento científico
<<Formal>>; se conciben básicamente como todas aquellas ciencias o disciplinas fácticas
emplazadas a buscar alguna aplicación del conocimiento fundamental, y están dirigidas a
mejorar substancialmente los procesos y actividades humanas a través de la creación de
Roiman Valbuena: Relación entre Ciencia Básica, Ciencia Aplicada, Tecnología y Técnica.
Este tipo de indagaciones trae consecuencias. En las investigaciones aplicadas, los grupos
sociales que juzgan la validez de sus resultados pertenecen por lo general, al entorno económico-
industrial en busca de beneficios monetarios, en oposición al mundo de las ciencias
fundamentales. Por ello, muchos científicos puros tienden a denominar a las ciencias aplicadas
que desvían su intención, como Ciencias Impuras308.
307
Las investigaciones sobre medicamentos para el Cáncer o el Sida, ejecutadas por las ciencias médicas; o las concernientes a
Telecomunicaciones; Desarrollos Aeroespaciales; o Energías Alternativas llevadas a la práctica por las diversas ramas de la ingeniería, son
ejemplos claros de la aplicabilidad de las ciencias puras.
308
Se denominan Ciencias Impuras a las investigaciones aplicadas que no se caracterizan por sus fines de beneficio social. Contrariamente,
generan tecnología con meros objetivos económicos. La millonaria industria del armamentismo bélico y los nuevos desarrollos en investigaciones
sobre guerras bacteriológicas son ejemplos claros de las referidas ciencias. Allí la razón de que se le considere <<Con Consecuencias>>
309
James Clerk Maxwell (1831 – 1879), físico Escocés desarrollador de los fundamentos de la teoría electromagnética clásica. Sus ecuaciones
son los modelos matemáticos que guían el diseño de equipos de telecomunicaciones que usan al espacio libre como medio de dispersión y
transmisión de señales.
345
Para sus efectos, a la Técnica <<Tékhne>>, según Aristóteles (Citado en López 1995), puede
concebírsele como el arte o destreza innata del saber hacer las cosas, y como un conocimiento
que puede ser enseñado. Las técnicas se sitúan en el momento anterior a la constitución de una
ciencia. El conocimiento técnico, es el arte de producir algo bajo situaciones concretas. Como
resumen a la técnica se presenta lo siguiente:
Para ello, el Manual Frascati310 ofrece las definiciones para los recursos humanos en ciencia
y tecnología. Recomendaciones concernientes a la estandarización internacional de estadísticas
sobre ciencia y tecnología, adoptadas en un primer momento por la conferencia general en Paris
1978. UNESCO (Citado en Westholm 1995) especifica: Científicos; Tecnólogos y Personal de
Ingeniería como sigue:
El personal científico y técnico puede ser definido como, el número total de personas
participantes en actividades de ciencia y tecnología en una institución y, como regla,
pagados por sus servicios. Este grupo incluirá, a científicos e ingenieros, técnicos y
personal auxiliar. (P. 17).
En este texto se desestima la creencia de que a la tecnología, a lo largo del tiempo se le haya
considerado ciencia aplicada, razonamiento realmente cuestionable, sobre todo para el
historicismo tecnológico. Tal dogma, podría ser usado <<Con Justificada Razón>>, sobre la
tecnología moderna, donde el diseño, su desarrollo y producción, además de sus usos activos y
pasivos, dependen cada vez más de los conocimientos científicos. Y tienden a usar su método, o
basarse en uno propio, en ocasiones, con profundidad rigurosa admirable.
310
El Manual Frascati es una propuesta de Norma Práctica para encuestas de Investigación y Desarrollo Experimental. Es patrocinada por La
Organización para la Cooperación y el Desarrollo Económicos (OCDE), y asumida también por UNESCO. En este manual se especifican normas
para la medición de la actividad científica de investigación y desarrollo.
347
Sin llegar a desarrollar un extenso corpus explicativo, las diferencias substanciales entre
ciencia y tecnología podrán encontrarse si se examinan sus objetivos. La primera indaga sobre la
realidad, se plantea el qué es y el cómo esta funciona. La segunda busca su transformación. Al
ser sus objetivos adversos, no podrá establecerse criterio de demarcación alguno sobre la
tecnología al tratar de comparársele con la ciencia. Sin embargo, en la investigación tecnológica
habrán de presentarse problemas que podrán ser resueltos mediante hipótesis, sobre todo si se le
desea dar solución mediante procesos experimentales.
Roiman Valbuena: Relación entre Ciencia Básica, Ciencia Aplicada, Tecnología y Técnica.
K
uhn (1962; 1970; 1996), concibe a un paradigma como una constelación de creencias,
valores y técnicas que son compartidas por miembros de una comunidad científica.
Este conspicuo autor, nunca reconoció a las ciencias sociales como ciencias, ni
mucho menos como paradigma. Las definió como ciencias pre paradigmáticas, aunque se guían
por reglas, y hacen uso de la ciencia normal. En filosofía de la ciencia, a un paradigma se le
asume como los supuestos de fondo que circundan teóricamente aquellos objetos de
investigación, implican métodos e ideas compartidas sobre la utilidad de sus resultados, estas
ideas no deben llegar a convertirse en Dogmas.
Para Kuhn, hay una estrecha relación entre: reglas, paradigmas y ciencia normal 311 . Al
ejecutarse una revisión histórica profunda sobre determinado campo científico, en un corte
transversal, se revelarán un conjunto de ilustraciones recurrentes y casi normalizadas de sus
constructos teóricos en sus aplicaciones conceptuales, instrumentales y de observación,
características inequívocas de sus paradigmas. Éstos últimos podrán variar cuando son
compartidos, sin implicancia alguna de la compartición recíproca de sus reglas.
Una cofradía científica que comparta un paradigma puede estar de acuerdo con él, sin siquiera
tratar de interpretarlo o someterlo a reflexión, pueden haber reglas aceptadas o no, pero eso no ha
de impedir el avance de sus investigaciones. Una reciprocidad de suma importancia entre ciencia
y paradigma, consiste en el nivel de coherencia longitudinal de las investigaciones en que los
científicos participan, sin que ello evidencie compartición alguna de sus conjuntos individuales o
colectivos de reglas, o al menos supuestos teóricos.
Quiere decir, instintivamente una comunidad científica particular puede utilizar reglas
propias, atribuibles a la naturaleza de la educación científica recibida, si bien es cierto, hacen uso
de los mismos conceptos universales dentro de su campo, se avocan a la solución de sus
problemas bajo reglas diferentes. A todas luces, es posible suponer, que determinado científico
311
Véase: La Estructura de las Revoluciones Científicas. Prioridad de los Paradigmas (pp. 80 – 91).
349
en alguna etapa del proceso, se vio abstraído instintivamente a utilizar reglas propias. Es allí
donde se destaca la brillantez de muchas investigaciones, contra la opacidad de otras. La
brillantez de las investigaciones y sus subsecuentes resultados en la industria van asociadas a la
innovación, es ésta la que determina cuál empresa subsiste y cual no, en un mercado tecnológico
cada vez más salvaje.
Es esta eterna lucha entre brillantez y opacidad científica, aunada a la imposibilidad de arrojar
soluciones concretas, la que hace tambalear a un paradigma. En ese sentido, Bunge 312 persigue
una idea de ciencia que se encuentre mucho más ligada a las aplicaciones potenciales, es decir, a
Roiman Valbuena: Enfoques Paradigmáticos desde el Ámbito Tecnológico.
312
Véase: Bunge Mario (2001), Los Tres Mitos de Nuestro Tiempo. Virtualidad; Globalización e Igualamiento.
313
Los Luditas, en inglés <<Luddites>>, fue un grupo social que surgió en el siglo XIX en Inglaterra conformado por artesanos textiles en sus
primeros momentos, éstos se oponían a los cambios producidos por la revolución industrial, protestaban destruyendo la maquinaria nueva que les
quitaba su trabajo. En la excelente obra de Brian Bailey “The Luddite Rebelion” (1998), el autor afirma que: el luddismo ha venido a personificar
a todo aquel que rechaza las modernas formas de simplificar el tiempo. Lleva su nombre debido a la labor de Ned Ludd (trabajador británico del
condado de Leicestershire), del cual se dice no era su verdadero nombre, sino un pseudónimo utilizado para protección debido a las posibles
represalias. Las acciones de este obrero provocaron un brote prolongado de destrucción masiva de maquinaria textil. Sus efectos siguen siendo
actualmente estudiados en libros de economía moderna. Para hoy día, el término LUDDITA describe a quienes se oponen fehacientemente a la
computación, la automatización y control, la industrialización o todo aquello que se derive de la tecnología. Siendo blanco de ataques, injustos a
mi manera de ver, y acusados de LUDDITAS, a aquellos que advierten sobre el uso indiscriminado de cierta tecnología sin haber sido
debidamente probada.
350
cosa que la forma objetiva de concebir, bajo la forma de estructuras mentales, una visión
científica del mundo.
El pensar tecnológicamente, lleva al análisis lógico de situaciones que pueden ser manejadas
eficientemente. El pensamiento tecnológico siempre es racional, como racional es la ciencia
normal de Kuhn, y se dirige a la solución de problemas. En sus primeros momentos, la filosofía
de la tecnología giró en torno a una perspectiva trascendentalista, en ella se crearon teorías de
racionalidad tecnológica como condición para la creación y uso de instrumentos.
Las falsas son aquellas que son súper impuestas sobre el individuo por particulares intereses
sociales para su represión, tales, perpetúan el trabajo, la agresividad, la miseria y la injusticia.
Proporcionan una euforia de felicidad disfrazada, o una infelicidad eufórica del individuo
sometido a publicidad, convirtiéndolo en un mero consumidor con falsas necesidades.
314
Bentham´s Paranopticon. Es una figura arquitectónica compuesta periféricamente por un edificio anular, en el centro, una torre, ésta está
edificada con grandes ventanales que abren convenientemente hacia el lado interno del anillo. El edificio periférico es dividido en celdas, cada
una es extendida sobre todo lo ancho del sector. Cada celda tiene dos ventanas, una interna que la deja visualizar la torre y otra que se orienta al
exterior. Esta segunda permite que la luz atraviese las celdas de extremo a extremo y lateralmente, las unas con las otras. Para tener control total y
absoluto de las celdas, sólo es necesario un vigilante en la torre con el fin de encerrar en cada celda, a cada loco, enfermo, condenado, obrero o
escolar, en el más mínimo de sus movimientos. Estos movimientos serán perfectamente perceptibles a través del efecto de retroiluminación. Las
celdas funcionan como muchas jaulas, como muchos teatros, en donde cada actor está solo, perfectamente individualizado y completamente
visible. Para Michel Foucault, es así como opera el control capitalista de la tecnología sobre los seres humanos. Tomado de: Paranopticism,
Michel Foucault. Capítulo 18, p. 264. En: Readings in the Philosophy of Technology. Escrito y Editado por: David M. Kaplan. (2009). Se
concibe como una táctica de poder y debe cumplir con al menos tres criterios: Obtener el poder al menor costo posible; Hacerse de los efectos del
poder social, y hacer uso de él a su máxima intensidad, extendiéndolo tan lejos como sea posible (Globalización); y por último, extender nexos de
poder económico hacia los aparatos; educacionales – Militares – Industrial y Médico. Su fin es utilizar al Paranopticon como máquina de
disociación entre lo que se ve, y lo que realmente es. Esclavizando así al ciudadano común, transformándolo en consumidor pasivo con
necesidades ficticias que no ha de entender.
315
Véase: The New Forms of Control. Herbert Mancuse. Cap III. En: Readings in the Philosophy of Technology. Op. Cit.
351
Transformándolo de ser social, a producto social. Las necesidades verdaderas son aquellas que
generan satisfacción de las necesidades vitales, y mantiene su afán de salir adelante en la eterna
lucha contra la pobreza como valor universal.
tecnología sugiere el estudio de las prácticas sobre una disciplina científica. Y, la ciencia
aplicada tiene marcada orientación a la aplicación de teorías científicas.
En el caso de Stuart Mill, y partiendo del criterio de justicia en el uso del conocimiento
tecnológico planteado en su libro El Utilitarismo. Hace mención a Epicuro y Bentham, este
último citado en el apartado del Paranopticon, ellos también sostenían la teoría de la utilidad,
entendida esta no como algo que debiera contraponerse al placer, sino al placer mismo, al placer
verdadero. No considerando como felicidad a nada que no incluya satisfacción, incluyendo a los
placeres del intelecto, puesto que un ser con facultades más elevadas, necesita más para ser feliz.
Para Mill 316 , el principio de utilidad presupone el que todos tienen igual derecho a la
felicidad. Según el Principio de la Mayor Felicidad, tal como se acaba de exponer, el fin último
por razón del cual son deseables todas las otras cosas (indiferentemente de que consideremos
nuestro propio bien o el de los demás) es una existencia exenta de dolor y abundante en goces, en
el mayor grado posible, tanto cuantitativa, como cualitativamente.
Otro tema centro de discusión, y no menos importante dentro de esta disciplina filosófica,
radica en la cuestión de si el conocimiento tecnológico, es conocimiento genuino. Algunos
argumentan que la tecnología, por tratarse de ciencia aplicada, afirmación cuestionada por
316
Breves esbozos planteados en su libro el Utilitarismo.
352
Bunge, está supeditada a las ciencias naturales, por lo que se le asigna un bajo nivel de
conocimientos y no más. Es decir, un carácter subordinado a la ciencia tal como lo afirmaba
Popper. Bien cabría una pequeña frase por demás interesante… ciertamente un científico no
sabe, simplemente supone. En oposición, un ingeniero no supone, simplemente actúa y soluciona
porque sabe…
aplicada a la ingeniería. Para Bunge, la ciencia pura siempre es buena, mientras que la tecnología
puede ser mala, y debe a todas luces, ser controlada. La ciencia pura apunta hacia el
conocimiento puro, sin modificaciones y en su estado natural, el cual requiere de procedimientos
intelectualmente rigurosos con constructos teóricos ordenados hacia el conocimiento. Mientras,
la ciencia aplicada se direcciona hacia la práctica, entonces sus constructos teóricos deberán ser
orientados a ella. Para James Fleibeman 318, la tecnología es una forma diferente de ciencia
aplicada, puesto que está más cerca de la práctica.
Mientras ambas emplean el diseño de experimentos, la ciencia aplicada se guía por hipótesis,
las cuales provienen de deducciones lógicas de teoría pura. Por su lado, la tecnología emplea el
método de ensayo y error basado en enfoques especializados derivados de experiencias
concretas. Para el autor, tecnología es sinónimo de destreza y aplicación en una actividad que
inmediatamente produce artefactos. Así como en párrafos previos se hizo mención a la antigua
visualización trascendentalista de la tecnología desde el punto de vista filosófico, recientemente
esta ha tomado un giro netamente empirista.
Dentro del campo de la ingeniería, sus estudios, sus industrias, y su mundo, los protagonistas
realmente son los ingenieros. Tanto sus orientaciones científicas, como de negocios, se
operacionalizan con tendencia al diseño y producción de artefactos. Para ellos, el proceso de
diseño necesariamente comienza con proyecciones en su mente de algo que puede llegar a ser,
una idea, un primer boceto o dibujo, y una historia del cómo y porqué su artefacto trabajaría si
fuese confeccionado, es decir, de un escenario.
317
Véase: Carl Mitcham (1989) ¿Qué es la Filosofía de la Tecnología? Traducción del Inglés: César Cuello Nieto y Roberto Méndez Stingl. El
mismo autor en otra de sus obras reflexiona sobre los intentos de Francis Bacon de atraer la atención social hacia la tecnología, e invertir energía
humana en su desarrollo, como preferencia sobre la política y la filosofía, acción para la época malentendida tanto por filósofos como por
retóricos. Mitcham cree a esto, parte de los primeros vestigios por pretender abordar la filosofía de la tecnología ingenieril. Aparece en: Thinking
Through Technology: The Path between Engineering and Philosophy. (1994, p. 39-40). Cap. II. Humanities Philosophy of Technology.
318
Extractos de su obra: <<Pure Science, Applied Science, and Technology: An Attempt at Definitions>> (p. 33-36). Controversial Filósofo
Estadounidense por su orientación Ateísta, famoso por frases como: “La Religión es Comparable con la Neurosis Infantil”; y “Un Mito es una
Religión en la cual ya Nadie Cree”.
353
Montaigne.
U
na controversia importante es la creada cuando la investigación no aporta
conocimiento científico puro, tal caso se presenta en algunos diseños de
Investigaciones Tecnológicas en Ingeniería, donde se genera tanto ciencia básica
como aplicada, esta última, esencialmente utilitarista. Sin embargo, no por ello carecería de
lógica y racionalidad. Establecer una estimación cuantitativa de ciencia básica de manera
apriorística para una Investigación Tecnológica en este mundo globalizado, no sólo originaría
una discusión bizantina, sería un total absurdo.
Dentro del proceso de investigación tecnológica es posible concebir alguno, o varios de estos
tipos de conocimiento: el Know That <<Saber que>>; el Know – How319 <<Saber cómo>>; el
Conocimiento Declarativo; el Conocimiento Funcional y el Conocimiento Procedimental. Sin
embargo, es común observar el cómo mucha de la bibliografía especializada separa al
conocimiento científico del tecnológico puesto que sus objetivos no son los mismos. Una acción
racional dentro de la investigación tecnológica no es un objetivo por sí mismo, es un instrumento
para un resultado.
Este último, aborda la realidad formulando leyes naturales, por lo que no debe confundirse, la
verdad del conocimiento puro, con la efectividad, eficiencia y eficacia del tecnológico, ambos
319
Se le entiende también como una forma de transferencia de tecnología a través de procederes cognitivos.
354
Se origina, en muchos casos, a través del pensamiento ingenieril y tiene estrecha vinculación
con las actividades humanas. Se le concibe como una acción intencionada sobre una materia
prima con el fin de producir un bien tangible o un servicio, cuya intervención se orienta al
beneficio social y el cual se considerará explotable por determinado sector económico
dependiendo de la novedad de sus asertos321.
Otro tipo de conocimiento tecnológico se mantiene bajo absoluta confidencialidad, tales son
los casos de la millonaria industria del armamento bélico, o de laboratorios tantos
farmacológicos, como de bioingeniería. Así como hay tecnologías a las que se les asigna una
propiedad cortoplacista, es el caso práctico de algunas patentes.
320
Al conocimiento tecnológico también es posible describírsele como proceso <<conocimiento práctico>>, y como producto <<conocimiento
operativo>>
321
En la industria tecnológica se considera <<aserto>> a aquellos productos que poco tiempo después de diseñados logran posicionarse en los
primeros lugares en las listas de consumo. Aserto Tecnológico.
322
El conocimiento científico solo puede ser una ampliación del correspondiente al sentido común. Frase de Popper Karl.
355
El nivel de vida de cualquier sociedad, según la teoría del crecimiento económico, dependerá
de su habilidad para producir bienes y servicios, y esto será posible, en mayor o menor cuantía,
si existe una política pública sostenida orientada a la generación de conocimiento tecnológico
por parte del estado, con intervención oportuna de las universidades y sus centros de
investigación. Es menester recordar que la investigación tecnológica es política, porque conlleva
condicionamientos sociales.
Antes de entrar en profundidad a describir cada uno de los ejemplos de conocimiento arriba
mencionados, como poiesis 323 a la investigación tecnológica, se argumentará en diferentes
Roiman Valbuena: El Conocimiento Tecnológico y sus Tipos.
niveles, tanto la conceptualización de conocimiento, como sus tipos, sustentado sobre algunas
deferencias filosóficas. Sanguinetti (2005, p. 54-55), argumenta que el conocimiento es un acto
inminentemente contemplativo, no una modificación de la realidad. Se le asume como una
actividad psíquica <<inmaterial>> irreductible a los fenómenos físicos. Las vías del
conocimiento comienzan por los sentidos, cada sentido externo está constituido por una parte
orgánica periférica y por recorridos nerviosos que acaban en los centros cerebrales.
Para efectos de este aparte del texto, el establecer una conceptualización única de
<<conocimiento324>> resultaría en esencia compleja y fuera de la realidad. Sin embargo, podría
entendérsele como: El proceso mediante el cual, una persona percibe una información externa y
es capaz de adaptarla para sí, usando para ello la memoria, asociándola con otras
informaciones del mismo origen con tendencia al enriquecimiento de su acervo en el tema. Se
traduce en la capacidad que tendrá esa persona de captar y procesar información del entorno
que lo rodea.
El conocimiento se presenta como el carácter continuo y progresivo del saber humano. Para
su estructuración es necesario la interacción entre dos actores, el sujeto cognoscente y el objeto
cognoscible. El primero intenta aprehender al objeto, y el segundo debe presentar características
de ser captado. Por su lado, el Know That es una formulación usada para describir al
conocimiento declarativo. Sin embargo, hay una distinción importante que debe hacerse entre el
Knowing That y el Knowing How <<acción de cada uno>>, sobre todo en el área de la
ingeniería donde ambos son necesarios. A estos dos ejemplos de conocimiento ha de
entendérseles como del tipo explícito, es decir, se podrán formular adecuadamente usando para
ello un conjunto de enunciados.
325
Proviene de la escuela Estadounidense cuyos aportes filosóficos más importantes se le atribuyen a: Charles Sanders Peirce; Williams James y
John Dewey. Su razón fue llevar al empirismo a su máxima expresión.
326
Base del pensamiento utilitarista del conocimiento de Stuart Mill. Véase: Cap. II. ¿Qué es el Utilitarismo? En: El Utilitarismo. John Stuart
Mill. El utilitarismo o <<Teoría de la Felicidad>>, según Mill y su conceptualización, se considera a la consecución de la FELICIDAD a través
del uso del conocimiento, puesto que utilidad se supone sinónimo de placer. La utilidad puede resumirse como una consecuencia racional del
conocimiento obtenido, <<racionalidad instrumental>> también forma parte indivisible de la dimensión ideológica de toda producción científica.
El utilitarismo exige que las leyes y disposiciones sociales coloquen a la felicidad como interés supremo de cada individuo, en armonía con el
interés común. Como ejemplo: una persona que adquiere un nuevo aparato tecnológico lo hace al menos por dos razones; la primera por
necesidad de actualización, y la segunda porque le genera placer su interacción con el equipo. El negar que esta sociedad actual no es en esencia
utilitarista, más que necedad es ignorancia.
357
El conocimiento del tipo operacional, también es conocido como del tipo técnico, su
asimilación es imprescindible en la investigación tecnológica, y se le considera resultado
inequívoco del paso del conocimiento declarativo al operativo… desde la intuición a la
habilidad.
En oposición, el capital humano se circunscribe a los recursos utilizados para transmitir tal
conocimiento, y proyectarlo sobre determinada fuerza laboral. Todo crecimiento económico
sustentado en una serie de políticas públicas que persigan elevar el estándar de vida de sus
ciudadanos, dependerá de su capacidad de producir bienes y servicios. Para ello serán necesarios,
327
Quintanilla (2005) explica que el conocimiento representacional se basa en la intuición, mientras que el operativo en la habilidad. Así mismo,
el conocimiento tácito lo concibe como el conocimiento personal no formulado explícitamente mediante un conjunto de enunciados, asumiendo
con ello que el conocimiento operacional Know How, tendrá al menos un componente tácito irreductible (p.241).
358
el capital humano, los recursos naturales con que cuente el entorno geográfico que se habita, y el
conocimiento tecnológico. Este último, desde el punto de vista económico, se le considera tan
importante, que es comercializable328.
328
Nota 1: Es posible entre dos contratistas delimitar un contrato de Know How <<Provisión de Conocimientos Técnicos>> Este es entendido
como aquel negocio jurídico en el cual se ejecuta la cesión o transmisión del derecho sobre un conocimiento técnico reservado, realizado por su
titular a favor de la otra parte, a cambio de una contraprestación.
Nota 2: Otra definición jurídica para el Know How es el acuerdo <<que tiene relevancia contractual autónoma>> con los cuales un contratista
comunica a otro contratista, los conocimientos dirigidos a la solución de problemas técnicos y que no se hallan cubiertos por patentes. A fin de
que este último pueda efectivizarlos en su propia actividad empresarial. En ese ámbito se usa la terminología: Know How Licenciante <<titular
del conocimiento>>, y Know How Licenciatario <<contraparte o receptor de la licencia>>. La Nota 2 se le atribuye a: Bianchi, Alessandro.
“Tutela de los conocimientos técnicos no patentados. Contratos de Know How y obligación de no comunicación a terceros”. Derecho Industrial,
7-9, p. 351. Aparece en Nota 1: Hesber Benaventes Chorres. (2008). “El contrato de Know How o aprovisionamiento de conocimientos técnicos:
Aspectos a ser considerados para su regulación normativa”. Revista IuS Et Práxis. Año 14, Nº 2. P. 407 – 457.
359
Roiman Valbuena.
P
ara comienzos de la segunda década del siglo XXI la tecnología ha llegado a penetrar lo
más profundo de la psiquis humana. La Pervasividad Tecnológica329 se ha convertido
en un virus con tendencia a la propagación masiva. En 1991, Mark Weiser, para ese
entonces jefe del Centro de Investigaciones Tecnológicas de Xerox en Palo Alto California,
describió su visión acerca de lo que sería la computación del siglo XXI, manifestando: <<Las
Más Profundas Tecnologías son aquellas que Desaparecen>>, Saha y Mukherjee (2003). Tanto
la tecnología pervasiva como el descubrimiento científico a través del búsqueda intensiva de
datos <<lo que Microsoft ha denominado el cuarto paradigma>> ha llegado a convertirse en los
paradigmas más abordados por las grandes corporaciones tecnológicas en estos momentos,
invirtiendo grandes sumas de dinero en sus centros de investigación y desarrollo con el objeto de
sacarle máximo provecho.
Pasados diez años de la presentación por parte de Weiser de su artículo <<The Computer for
the 21st Century>> y publicada en <<Scientific American>> para septiembre del 91, la IEEE
(Institute of Electrical and Electronics Engineers) crea la Pervasive Computing Magazine, con
amplio reconocimiento a nivel mundial, y que junto a la Carnegie Melon University han
conformado desde entonces un catalizador para el avance de la investigación y la práctica de la
computación móvil y ubicua. Es el foro principal para la publicación de artículos científicos,
noticias del sector, encuestas, además de tutoriales para una comunidad amplia y
multidisciplinar.
329
Término empleado sobre el proceso de manejo de un conjunto de pequeños de dispositivos móviles interconectados inalámbricamente entre sí
para la consecución de una tarea común, el facilitar al usuario las actividades diarias es uno de ellos. Sin embargo, existen otras aplicaciones.
También se le conoce como: pervasive computing, ubicuos computing y calm Technology. Esta conceptualización surgió desde el momento que
la tecnología evidenció el haberse hecho sumamente penetrante, si bien es cierto ha servido de mucho, también tiene sus detractores, quienes
aseguran se ha creado un mundo de súper adictos a la tecnología. Un ejemplo de ello son los adictos a los Smartphone, una de las herramientas de
mayor poder pervasivo hasta el momento.
360
Por su lado, un espacio inteligente es concebido como un área geográfica que incorpora a la
Roiman Valbuena: Las Ingenierías y la Investigación Tecnológica.
computación dentro de su proceso de diseño y construcción, reúne dos mundos que se habían
desunido hasta ahora, el mundo de la tecnología computacional con la interacción humana. La
fusión de estos mundos permite su detección y control mutuo. Muy conocido actualmente como
domótica en algunas de sus aplicaciones (automatización de hogares u oficinas). Donde los
sistemas automatizados han facilitado las labores cotidianas de tal manera que el solo pensar en
su ausencia, causa nerviosismo al humano con el cual interactúa el sistema, ocasionándole cierto
nivel de dependencia. El uso eficaz de estos espacios trata la optimización de los mismos.
En cuanto a la Escalabilidad Localizada, los espacios inteligentes en los últimos tiempos han
tendido al crecimiento, crecen en sofisticación, por lo que la intensidad de las interacciones entre
el espacio de un usuario de computadores personales y sus alrededores aumenta. Esto tiene
implicaciones graves de ancho de banda, de velocidad de transmisión, de asignación de canales,
y de energía. Escalabilidad, en el sentido más amplio, por lo tanto es un problema crítico en la
computación ubicua.
Según las leyes del inverso del cuadrado de la naturaleza, su postulado central afirma sobre
330
Para más detalle Véase: M. Satyanarayanan, Carnegie Mellon University. Pervasive Computing: Vision and Challenge. Disponible en:
http://www.cs.utoronto.ca/~delara/courses/csc2228/papers/satya.pdf
361
algunos fenómenos físicos que, su intensidad tenderá a disminuir con el inverso cuadrado de la
distancia que lo separa de la fuente que le da origen, es decir, mientras más lejos se está de la
fuente menor intensidad del fenómeno y viceversa. Esto implica un buen diseño del sistema para
lograr la escalabilidad reduciendo severamente las interacciones entre entidades distantes. Esto
contradice directamente el ethos actual de Internet, que muchos creen que anuncia la "muerte de
la distancia" (no importa cuán distante se encuentren dos equipos, estos podrán conectarse), por
el contrario, para la computación ubicua y sus posibilidades de escalamiento la tendencia es al
distanciamiento.
muchas décadas de distancia. Las redes ubicuas son consideradas como el último eslabón en la
secuencia de crecimiento de los entornos distribuidos. El nivel de inteligencia en entornos
diferentes, con normalidad tiende a ser desigual y persistente. Al igual que tiende a variar en
empresas del mismo sector económico. Este amplio rango dinámico de la "inteligencia" puede
ser irritante para el usuario, desvirtuando el objetivo de que la computación ubicua se
invisibilice. Como un ejemplo trivial, un sistema que sea capaz de funcionamiento desconectado,
será capaz de enmascarar la ausencia de cobertura inalámbrica en su entorno. A esto se le
denomina Enmascaramiento Acondicionado Desigual.
Hay más información disponible en nuestra planta del pie durante un paseo por el
bosque que en cualquier sistema informático, sin embargo, la gente encuentra un
paseo entre los árboles relajantes, y a las computadoras frustrantes. Máquinas que se
ajustan al entorno humano en lugar de forzar a los seres humanos a entrar en ellos,
harán del uso de una computadora tan refrescante, como dar un paseo en el bosque.
331
Hay quienes la denominan Inteligencia Ambiental. Véase: Hansmann, Uwe (2003, p. 67 - 80). Pervasive Computing: The Mobile World.
Springer.
362
espacios de trabajo. Se ha producido como resultado de la unión de los sistemas distribuidos con
la computación móvil. Generando gran cantidad de campos de investigación, en la infografía se
muestran algunas de las áreas con extrapolación de tendencias hacia su desarrollo continuo y
progresivo, tanto en el ámbito empresarial como académico.
Comunicaciones
Remotas a través Ancho de
de la Ingeniería de Redes Móviles Banda
Protocolos Adaptativo
Toterancia a Sistemas
Fallos sobre Compatibles de Sensibilidad
Nuevas Redes Energía Localizada
Roiman Valbuena: Las Ingenierías y la Investigación Tecnológica.
Técnicas de
Acceso a Seguridad
información Distribuida
Remota
Sin embargo, pasará mucho tiempo todavía en Venezuela, hasta que se haga un correcto
abordaje de este tipo de investigaciones. Los paradigmas actualmente dominantes en el entorno
académico nacional no conseguirán arrojar resultados satisfactorios sobre estas disciplinas. Sólo
el uso de la investigación tecnológica, conjugado con el pensamiento ingenieril podrá satisfacer
tales necesidades de conocimiento tecnológico. Lo anteriormente descrito no implica unicidad de
campos de investigación, sólo describe los más abordados.
Cada día se originan nuevas patologías asociadas con el manejo de la información, debido a
Roiman Valbuena: Las Ingenierías y la Investigación Tecnológica.
que ésta es indispensable en la toma de decisiones. Si bien los estudios de la computación ubicua
son necesarios, también lo son los efectos sobre los usuarios a los que se les somete a esta
tecnología. El desarrollo de un sistema complejo nunca ha sido un problema de nueva data, sin
embargo, al adentrarse con actitud inquisitiva en las bases de un sistema tecno – pervasivo, se
genera una comprensión de la complejidad a menudo diferente sobre el entorno que se crea, que
sobre el ser humano con el cual se interactúa.
Hay efectos demostrados sobre la mente humana. Esto ha llevado a enfrentamientos entre
gente real y su entorno pervasivo, al respecto Griffiths (1997) señala la existencia de lo que para
la época denominó: adicciones tecnológicas, que se definen como adicciones no químicas que
involucran la interacción hombre-máquina. Para Griffiths, cualquier comportamiento que cumpla
los siguientes seis criterios será definido operacionalmente como adicción, y será tecnológica si
tal actividad se realiza a través de un equipo electrónico:
Conflicto: Se refiere a los conflictos que se desarrollan entre el adicto y aquellos que le
rodean (conflicto interpersonal), conflictos con otras actividades (trabajo, vida social, intereses,
aficiones), o dentro de los propios individuos (Conflicto intrapsíquico) que están involucrados
con la actividad particular. Recaída: es la tendencia a volver los patrones tempranos de la
364
actividad que vuelven a repetirse, restaurando los patrones más extremos de la adicción tras
muchos años de abstinencia o control. Pero lo importante en la adicción no es la actividad
concreta que genera la dependencia, sino la relación que se establece con ella. Es una relación
negativa, incluso destructiva que el sujeto se muestra incapaz de controlar.
De acuerdo a Andrew Hough, escritor de un diario británico, en un reciente estudio 332, los
investigadores encontraron que casi cuatro de cada cinco estudiantes (80%), mostraron una
significativa perturbación mental y física, con observaciones de pánico, confusión y aislamiento
extremo cuando se vieron obligados a desconectarse de la tecnología durante un día entero. Con
evidentes síntomas de depresión y ansiedad. En el mismo estudio, un estudiante no identificado
Roiman Valbuena: Las Ingenierías y la Investigación Tecnológica.
afirmó a investigadores de la Universidad de Maryland (USA), que sus ansias fueron tan
significantes y abrumadoras como la que se presenta en la adicción al crack de cocaína.
De acuerdo con John O´Neill, director del servicio de adicciones del instituto clínico
Menninger, en Houston, citado por Moskowitz (2008). Afirma que existen personas tan adictas a
la tecnología que niegan el relacionarse cara a cara con otras. Sólo interactúan a través de emails
o mensajes de texto, a los que denominan “Adictos a las Comunicaciones”. Así mismo, O'Neill
admitió que no hay suficiente investigación para establecer si el uso excesivo de la tecnología,
pudiese calificarse como adicción, sino que citó a personas que no pueden sentarse a ver una
película sin antes consultar sus teléfonos celulares o hacerlo a través de la cena, sin mirar a
escondidas en sus Smartphone como adictos potenciales. Es por ello que, tanto investigadores
como desarrolladores pervasivos deben estar al tanto de las secuelas de sus productos.
Por otro lado, la computación ubicua surge del deseo humano de querer estar
simultáneamente en varios lugares, interactuando con sistemas virtuales y con diferentes
personas, viviendo múltiples vidas, realizando actividades divergentes, convergentes,
conversando, aprendiendo, enseñando y compartiendo. El deseo de un mundo perfectamente
interconectado para escenarios futuros se ha convertido en la visión de muchos centros de
investigación y desarrollo tecnológico. Pero francamente, los investigadores deben prestar
atención primaria a eventuales implicaciones de este juego pervasivo en el estado de
imperfección actual.
332
Artículo publicado en The Telegraph, abril del 2011. En el estudio se dio participación a casi 1000 estudiantes, entrevistados en 12 campus
disgregados en 10 países, incluyendo Gran Bretaña; UU.UU; y China. Disponible en:
http://www.telegraph.co.uk/technology/news/8436831/Student-addiction-to-technology-similar-to-drug-cravings-study-finds.html
365
Bannon (1991, p. 25) sostiene que, para entender a los humanos en situación de actores con
un conjunto de destrezas y prácticas compartidas basadas en sus experiencias de trabajo con
otros. Se requiere de una nueva metodología para observar y entender la relación entre la gente,
la tecnología, y los requerimientos tanto organizacionales como de trabajo, todos compelidos
únicamente al área geográfica o espacio físico donde se ejecutan las labores.
Estudiar esta multiplicidad de elementos, y sus interacciones, exhorta a adentrarse más allá
del tradicional experimento controlado en laboratorio, por cierto muy escaso en los proyectos de
investigación de las escuelas de ingeniería en Venezuela, peor aún, más escasos lo son en los
postgrados de ingeniería.
convertido en un actor humano cumplirá un rol activo y motivado pero sutilmente controlado.
Mientras más placentero le resulte el equipo tecnológico con el que interactúe, más activo y
controlado será.
333
De esta manera caracterizó la Carnegie Mellon University el proyecto Aura (www-2.cs.cmu.edu/~aura/).
367
eficacia. Se considera fundamental en este tipo de sistemas, el que se haga seguimiento y detecte
la intención del usuario, esto claro, sin finalidad alguna de violar su privacidad. De lo contrario,
sería casi imposible el determinar qué acciones del sistema se considerarían ayuda, y que otras
acciones obstaculizarían los servicios a usuarios. En este ejemplo se hizo uso convergente de 3
campos de investigación sobre sistemas tecno pervasivos tomados de la taxonomía de los
sistemas computacionales. La seguridad distribuida; la Sensibilidad Localizada; y el Ancho de
Banda Adaptativo.
Saha y Mukherjee (2003), generan una descripción detallada de los proyectos de iniciativa
sobre computación ubicua, que para la fecha se llevaban a cabo y que aún continúan en
Roiman Valbuena: Las Ingenierías y la Investigación Tecnológica.
desarrollo. El Proyecto Aura por parte de la Carnegie Melon University. El Proyecto Oxigeno
por parte del Instituto Tecnológico de Massachusetts, el cual se centra en una visión de futuro
donde la computación sería libre y accesible donde quiera, tal como el oxígeno. También existen
los proyectos: Portolano (Universidad de Washington) soportado sobre la teoría de la
invisibilidad; el Proyecto WebSphere Everyplace de IBM; el proyecto EasyLiving de Microsoft;
el proyecto Sentient Computing de AT&T, en conjunto con la Universidad de Cambridge. Sin
olvidar el proyecto Cooltown de Hewlett-Packard’s.
Para el año 2012, la IEEE, en conjunto con una gran cantidad de universidades, continúan el
desarrollo de proyectos bajo estos modelos. Con el tiempo se espera que la computación ubicua
sea fuente de fértiles recursos que aporten soluciones a la multiplicidad de problemas a los que
se enfrentará la raza humana en los años por venir. Esto requerirá de grandes esfuerzos de
creatividad por parte de los ingenieros encargados de los proyectos. Para su desarrollo se
requerirá de la convergencia multidisciplinaria de carreras de ingeniería, las cartas están sobre la
mesa, solo falta el avocamiento en extenso por parte de las universidades que lideren
investigaciones con resultados tangibles y cortoplacistas. Donde la Metodología de Investigación
Tecnológica jugará uno de los papeles primordiales, el de guía del camino.
368
Un matemático... no tiene material con el que trabajar, sino ideas, y por lo tanto sus patrones
probablemente durarán más tiempo, ya que las ideas se gastan menos con el tiempo que con las
palabras.
Joel Hildebrand.
L
a identificación y el reconocimiento consisten en acciones mentales mediante las cuales
un sujeto es capaz de diferenciar rasgos cualitativos o cuantitativos sobre las cosas,
discrimina semejanzas y diferencias, se les asume como procesos lógicos inconsciente
donde se tipifican características e incluyen secuencias de observación. Sólo es posible reconocer
algo, si ese algo, ya ha sido previamente grabado en la memoria, es decir, el reconocimiento
sigue al acto identificatorio. El reconocimiento en sí, es netamente derivado de un procesamiento
perceptivo que se da lugar en el cerebro y se le asocia a la sicología de la memoria.
Los patrones por su lado, consisten en un proceso mediante el cual, es posible identificar
frecuencias y períodos de sucedencia en eventos en un primer momento estocásticos334, al azar,
o sin orden aparente de ocurrencia. El reconocimiento simple de objetos, primeramente, es una
habilidad que desarrolla el ser humano en su diario compartir y al usar cosas, desde el punto de
vista de la ciencia, consiste en una tarea simple no científica.
Para que se dé un reconocimiento de patrones a través de los cuales sea posible describir,
explicar o asociar la sucedencia científica de un fenómeno con su respectivo modelo de
ocurrencia335, han de calibrarse bien los sentidos. Pues, los juicios reflexivos sólo se emitirán
posteriores a una vasta compilación de datos para que estos puedan formar parte de las hipótesis
que conformarán el sistema teorético.
334
Un proceso estocástico es una familia de variables al azar. En la práctica, sirve para modelar un gran número de fenómenos temporales donde
el azar entra en juego. A través del uso de ciertas propiedades matemáticas es posible distinguir algunos tipos de procesos estocásticos. Los más
conocidos son: Proceso de Markov (o cadena de Markov); Procesos de Martingale; Procesos Estacionarios y Procesos de Incrementos
Independientes, entre otros. Un fenómeno podrá presentar una o más características diferenciables de estos procesos. Tomado de Yadolah Dodge
(2008). The Concise Encyclopedia of Statistic. No obstante, determinar a ciencia cierta cuál proceso estocástico se ajusta a determinado
fenómeno, es una habilidad que tendrá que desarrollar el científico a motu proprio, denominemos a ello, identificación de patrones.
335
En Matemáticas, Computación y Teoría de los Juegos, es muy común el uso de la denominada Secuencia Fibonacci. La Sucesión de
Fibonacci es una secuencia numérica que se genera sumando dos números consecutivos para obtener el siguiente. Es la secuencia que marca el
desarrollo biológico de algunas plantas. Mediante la secuencia es posible explicar el por qué las ramas inferiores de una planta no nacen
exactamente debajo de las superiores. La Secuencia de Fibonacci fue explicada alrededor del siglo XIII por Leonardo de Pisa, reconocido
Matemático Italiano y publicada en el Liber Abaci para el 1202. En el reino animal existe la denominada espiral de Durero o espiral de
crecimiento. La cual tiene su origen en la Secuencia de Fibonacci. Esta secuencia es muy utilizada para explicar el árbol genealógico de las abejas
mielíferas. Entonces, cada cosa que en universo exista, está innegablemente asociada a un modelo matemático específico de ocurrencia. “Los
encantos de esta ciencia sublime, las matemáticas, sólo se le revelan a aquellos que tienen el valor de profundizar en ella” Carl Friedrich Gauss.
370
Reconocer patrones es básicamente identificar que tal o cual fenómeno opera bajo alguna ley
matemática, que sus manifestaciones oscilan con determinada característica o su período de
ocurrencia puede predecirse. Consiste en una ciencia cuyo objeto es diseñar métodos para la
Roiman Valbuena: Identificación de Patrones y Generación de Teorías Científicas.
Para que el científico reconozca patrones sobre las particularidades que investiga, su alma,
corazón y mente deben estar inmersos en el fenómeno bajo observación. Allí es menester que
tenga clara las nociones de similaridad desde el punto de vista abstracto, pues, no todos los
objetos mentalmente percibidos pueden describirse con conceptos. Y son los patrones abstractos
los que a través de la organización de sus partes, clases abstractas y elementos abstraídos,
lograrán conformar una entidad para describir y luego explicar.
metodológicamente cada situación verdadera bajo toda evidencia sabiendo que, si alguna de
estas verdades carece de fuerza, entonces ninguna explicación ha sido, ni podrá, ser finalizada.
Pues, para éste, la única autoridad en ciencia la ejercen los hechos demostrados, demostrables,
observables e hipotetizados. Para el resto… no existe ninguna regla.
Un agente científico es uno de los pocos seres cuya perspicacia siempre está en movimiento,
y el que siempre está pensando ha de tener epifanías y apofenias336, el cerebro del científico
funciona a una frecuencia diferente a la de cualquier otro ser humano. Por lo que dará a cada
apofenia su templo, buscando aquello trascendental que lo cambie para siempre. Ese mismo
templo ha de convertirlo en un lugar no deseado para sus adversarios. Aunque sostener una
ciencia basada en apofenias le sea difícil, pues Thomas Paine solía decir que: Argumentar con
una persona que ha renunciado a la lógica, es como darle medicina a un muerto.
336
Se denomina Apofenia a la percepción repentina o espontánea de conexiones o significados sobre eventos no relacionados. Tales eventos
evocan la relación del fenómeno con algún patrón matemático con sucesos aleatorios basados en datos sin sentido alguno. Desde el punto de vista
de la Siquiatría y la Sicología, se asemeja a una conducta endosable a la gente sicótica. Pues, permite generar significados abnormales y sin
evidencia alguna. Si bien es cierto, es una tendencia psíquica innata a cada ser humano, esta se hace más aguda en períodos de psicosis, donde se
le trata de dar significado, téngalo o no, a cada estímulo exterior asociándolo con algún patrón de ocurrencia. Como ejemplo se tiene a Gordon
Gould, primer inventor del láser. Gould cuenta su Apofenia: <<A la medianoche de un sábado…todo el asunto… de repente apareció en mi
cabeza y vi claramente cómo construir el láser… pero tal flash perceptivo requirió de mis 20 años de arduos estudios y trabajos en física y óptica,
para colocar cada ladrillo de tal invención allí>>. Véase: Berkun Scott (p.148). The Myths of Innovation. Cap. 10, Innovation is Always Good.
Gould argumenta que el LASER <<Amplificación de la Luz por Emisión Estimulada de Radiación: Light Amplification by Stimulated Emmision
of Radiation>> surgió como idea una medianoche de sábado de 1957, cuando al salir a la ventana de su hogar, pudo apreciar el desplazamiento
de un cometa surcando el cielo. Formó en su mente entonces, la idea de la existencia posible, de un dispositivo que pudiese calentar “algo” a una
temperatura extremadamente alta, en sólo una fracción de segundo. Si se estudia la óptica como ciencia y se correlaciona con los primeros
avances sobre el láser, podrán visualizarse elementos liados a patrones matemáticos sin sentido en un primer momento. Con esta Apofenia,
aportaría a la ciencia muchas soluciones en el campo de la óptica, telecomunicaciones, medicina e industria.
337
La descomposición de un ente inmaterial solo es posible desde el estadio del pensamiento abstracto. Si desea profundizar acerca del tema,
refiérase al apartado de: La Investigación Abstracta, Capítulo XI en este mismo texto.
372
relaciones e interacciones con su entorno (sistema), logrando de esta manera establecer vínculos
y jerarquías causales o relaciones de unas partículas con otras.
Análisis y Síntesis son procesos lógicos del intelecto, cuando se aplican en conjunto con la
identificación de patrones comúnmente permiten colectar un conjunto de datos potencialmente
interesantes. Ellos admiten la separación diferenciando, la clasificación agrupando en conjuntos,
y la unión basada en criterios. La actividad mental que origina las secuencias de análisis y
síntesis es la misma que se aplica sobre una investigación exploratoria, se parte desde lo
complejo hasta llegar a lo más simple por meros ejercicios inductivos y deductivos. No obstante,
debe prestarse sumo cuidado a lo que se desea analizar como objeto de investigación. Por
ejemplo, una investigación sobre el agua, su física, su química o su mecánica como fluido, tendrá
como unidad mínima constitutiva su propio concepto, ya que, al descomponer el agua en
oxígeno e hidrógeno, es decir, separar sus partículas elementales, dejaría de ser una investigación
sobre el agua y se estaría estudiando otra cosa.
El método del análisis y la síntesis presenta, como todo método, sus limitaciones. Los
conceptos de infinito o persona son nociones que no toleran análisis alguno. Como plantea
Fernández Burillo338,
¿Si en una carnicería se encuentran piezas de vaca es posible decir que es vaca
analizada?; Pero la vida de la vaca no es una de las piezas descuartizadas ni la mera
reunión (síntesis) de las piezas: por más perfecta que fuera la reunión de las piezas no
resultaría la vida de la vaca, porque esta es más, algo superior a la reunión de las
partes. Lo mismo sucede con el ser personal. Si la persona fuera una reunión de
elementos, si el ser personal resultara de una cierta síntesis de piezas impersonales, la
persona no sería más que un agregado impersonal. (p. 7).
338
Tomado de su Curso de Filosofía Elemental PDF. Disponible en Internet.
373
cubrir todas las etapas de una investigación, comenzando desde la formulación del problema y la
recolección de datos a través de la discriminación y clasificación, hasta el aseguramiento de los
resultados y su interpretación. Este procedimiento presenta un marcado énfasis en la teoría
estadística de la discriminación y la clasificación, prestando mucha atención sobre el clustering
(proceso de agrupamiento basado en criterios).
El proceso o acción discriminatoria se aplica sobre la data recabada, donde no todo dato
representa información. El desarrollo de patrones de discriminación es una tarea ardua y
compleja, requiere de un vasto conocimiento en análisis vectorial, estadística avanzada y álgebra
de conjuntos, allí se trazan vectores de funciones sobre zonas de decisión en gráficas, y de
acuerdo a ciertos patrones de la data, se toman los agrupamientos (clustering), conforme ciertas
reglas de la teoría de conjuntos. Los comportamientos similares entre grupos admiten inferencias
causales o relacionales que podrán ser reconocidas como patrones de respuesta.
Comportamientos azarosos sin secuencias marcadas serán tomados como data inservible y por
ende, desechada. Cualquier cúmulo de datos que no conformen estructuras cognitivas firmes,
conducirá indefectiblemente a procesos científicamente estériles.
También existen ciertas clases de patrones denominados patrones de disimilaridad, estos son
representados por funciones disimilares para objetos. Como las unidades de similaridad y
339
Para un mejor entendimiento de los sistemas infinitos se recomienda al lector, referirse al Capítulo XXIII sobre la Investigación
Experimental, Experimentos Mentales. David Hilbert y su Hotel infinito.
374
disimilaridad comúnmente son medidas numéricas, entonces será posible crear para cada grupo
de ellas, variables numéricas. En el caso específico de las disimilaridades, las medidas numéricas
entre dos objetos “x” y “y” separadas cierta distancia, podrán establecerse usando algunos de
estos procedimientos matemáticos según sea el caso 340 : distancias euclidianas; distancias de
Chebyshev; distancias de Minkowski de orden m; distancias cuadráticas; distancias de
Camberra; distancias no lineales; separaciones angulares o distancias de Mehalanobis 341. Es de
notar que todos estos procedimientos están fuera del alcance de este texto, al menos en esta
edición.
Roiman Valbuena: Identificación de Patrones y Generación de Teorías Científicas.
340
Cuando se ejecuta una identificación de patrones y se trabaja con el proceso de identificación de disimilaridades, estas deberán ser
posteriormente sometidas a un procedimiento matemático para cotejar si pueden ser transformadas a similares y si existe dependencia estadística
entre las medidas.
341
La distancia de Mehalanobis fue introducida en 1963 por P. C. Mehalanobis, famoso estadístico Hindú, fundador del Instituto de Estadística
de la India. Este procedimiento es ampliamente usado en la estadística multivariada para encontrar valores atípicos en varias medidas de
Mehalanobis. Su fundamento descansa en que es un procedimiento cuyo fin es determinar similitudes entre dos variables aleatorias con
características multidimensionales, asignando entonces, mayor importancia a variables con menor grado de varianza. Allí se busca la distancia de
un caso con respecto a un centroide o centro de gravedad de los datos (media), con respecto a las demás distancias. La distancia de Mehalanobis
permite la ejecución de una clasificación de similitudes basada en un procedimiento estadístico, no muy común, pero de mucha confianza,
presentando ciertas diferencias contra las distancias euclidianas.
342
Se conoce como análisis discriminante a un procedimiento de la estadística multivariada donde se intenta establecer relaciones entre una
variable categórica y un conjunto interrelacionado de variables. En los análisis discriminantes, a diferencia de la identificación estadística de
patrones, muchos de sus grupos son asignados a priori. Y a la entidad de interés se le asume que pertenece a uno y solo uno de los grupos. En
análisis discriminante es de amplio uso en la ciencia del reconocimiento de patrones, se usa para hacer reconocimiento de imágenes médicas y
satelitales, así como en operaciones ejecutadas por humanos. En el primer escenario de un análisis discriminante se toman casos para decisiones
puras, donde se intenta asignar a un vector “x” a “g” posibles grupos. McLachlan, Geoffrey (2004). Discriminant Analysis and Statistical Pattern
Recognition. Editorial Wiley. Véase.
375
que el científico ha logrado separar las regularidades de los eventos azarosos simplemente a
través de la identificación y reconocimientos de sus patrones de ocurrencia. Pudiendo asignar
cantidades, magnitudes y reglas, que acompañan invariantemente al fenómeno.
343
Teoría Combinatoria; Teoría Combinacional; Lógica Combinatoria o Teoría de la Posibilidad; estudia todas las formas posibles de
agrupaciones que pueden ser formadas cuando se toman todos, o algunos de los elementos de un conjunto finito. La lógica combinatoria maneja
dos conceptos de importancia: la permutación y la combinación. Según Marshall Hall (1998), una permutación consiste en una selección
ordenada de objetos desde un conjunto “S”. Contrariamente, una combinación consiste en una selección desordenada de objetos desde un
conjunto “S”.
344
Concepto tomado desde: Valbuena Roiman (2015). La Investigación Científica Avanzada: Con Introducción a los Programas de
Investigación Científica; la Investigación Internivel y el Razonamiento Artificial. Cap. V: El Razonamiento y la Ciencia más allá del ser
Humano. Sección: 5.5.1.- El Razonamiento Bayesiano. P. 128. Véase.
376
datos agrupados en los clusters, esto permitirá conocer la forma geométrica, regular o irregular
del conjunto.
data del evento, entonces lo contenido dentro podría estudiarse como una distribución de
partículas, y como tal, ha de investigarse qué modelo matemático se constituye en la génesis de
su accionar y cómo actuará frente a otro conjunto de partículas.
Cada modelo de distribución contiene un conjunto de parámetros que ameritan ser estimados.
Entenderemos como estimar al conjunto de técnicas usadas para conocer las características de un
parámetro como valor numérico aproximado. Y como parámetro, únicamente a una magnitud
numérica que reúne las características que permitirán describir a una población, un parámetro
normalmente se deriva del estudio minucioso de una variable estadística. Ellos especifican
cualquier constante que aparezca en el modelo y provea información sobre su mecanismo de
funcionamiento. Un modelo de distribución que use un enfoque bayesiano para estimar y
clasificar sus parámetros es conocido como “Modelo Condicional”, algunos autores los
denominan como “Modelos Discriminativos” puesto que subyacen dentro de los análisis
discriminantes.
Cuando se hacen cálculos de estimaciones estadísticas a veces resultan suficientes los límites
de confianza para dar credibilidad a un parámetro poblacional345. No obstante, para una mejor
estimación puntual, y en busca de la detección correcta de un patrón matemático, en el siguiente
aparte se explicará el método de estimación de máxima verosimilitud, o método de máxima
verosimilidad de Fisher que cuando se aplica en conjunto con el razonamiento bayesiano,
permite calcular la probabilidad posterior de una hipótesis.
345
En el reconocimiento de patrones bayesianos existe la denominada zona de rechazo, allí un límite de confianza comienza a perder veracidad.
Comúnmente sucede que el simple uso de las reglas de decisión sobre probabilidades posteriores puedan ser computadas si se conocen las
funciones de densidad de probabilidad de la distribución de las características vectoriales para al menos dos clases. Es decir, la verosimilitud
calculada como probabilidad de “x” puede pertenecer tanto a la clase 1 como a la clase 2. Generando serios inconvenientes a la hora de tomar
decisiones. Donde, la decisión dependerá de cómo ese radio se compara contra el inverso del umbral de prevalencia. Esto se corresponde con la
regla de decisión bayesiana para mínimo riesgo. Generalizando: la regla bayesiana de decisión para mínimo riesgo se ejecuta cuando las
decisiones correctas tienen cero pérdidas y las erróneas presentan igual número de pérdidas, correspondientes a la clase con máxima probabilidad
posterior. El problema central del reconocimiento bayesiano de parámetros se presenta cuando deben tomarse decisiones en la frontera entre dos
clases de datos en apariencia distintos, ya que, el ruido presente en la data y la exactitud numérica de los clasificadores, hacen que los patrones
compartan características para ambas clases. Tomado y reinterpretado desde: J. P. Marques de Sá (1997) Sección 4.2.3. Reject Region. P. 103.
377
verosimilitud radica en encontrar aquel estimador o estimación que arroje mayor credibilidad.
Y, a la solución de tal ecuación con respecto de “x” se le conoce como Estimador de Máxima
Verosimilitud. Por ejemplo: es posible hacer “n” observaciones de “x”: X1,…X2,…X3,…Xn,…
a partir de una población con distribución normal, y de la cual se conoce la varianza pero no la
media, se presenta así: [f (Varianza; Media)]; se deriva la ecuación con respecto a la media y se
obtendrá la estimación de Máxima Verosimilitud de la Media, antes parámetro poblacional
desconocido.
346
Una función de densidad de una variable aleatoria contínua, permite determinar la probabilidad de que la variable aleatoria “x” tome valores
dentro de un intervalo dado. Al integrar la función [F(x)] con respecto a los límites [a: b],
( ) ∫ ( ) se obtendrá como resultado una magnitud numérica representativa de la función y acotada entre sus límites.
De esta manera será posible graficarla determinando la región que representa.
347
Los conceptos aquí descritos fueron extraídos desde: Yadolah Dodge (2008). The Concise Encyclopedia of Statistic. Editorial Springer.
378
tan amplio y coherente, que ha de tener demoledores efectos sobre quien sea objetivo de
explicación.
Visto de otra manera, existe un pueblo con solo 16 casas y la suya es la número X=5,
sabiendo que las demás casas están en valores por encima y por debajo de la suya, piense: ¿Cuál
sería la probabilidad de que cayese un trozo de piedra del cielo y golpee el suelo cerca, muy
cerca de la casa X=5?, el trozo de piedra ha de caer en una región específica de un espacio
posible pero nunca en la casa, siempre cerca o muy cerca, lo que denominamos previamente
espacio posible. Ok, ahora si ya ha entendido el concepto intuitivo de Densidad de Probabilidad.
Continuemos entonces.
Consiste en una técnica no paramétrica para densidad de estimación usada para clasificar la
medición de la variable “X”, allí deben tomarse las “k” medidas más cercanas sabiendo que “k”
será menor a la cantidad de la muestra. Estas “k” medidas se toman en los alrededores de la
variable, pues, la densidad en cualquier punto es inversamente proporcional a la distancia entre
la última medida de “k” hasta el dato.
El patrón puede tomar varias formas, simple por distancias o difuso. Si existe algún
condicional de densidad “y” dado “X”, entonces han de tomarse las “k” distancias más cercanas
y usarse con ellas un algoritmo de recursividad para calcular la densidad de “y”. Cuando se está
trabajando con patrones simples, estas estimaciones no siempre serán satisfactorias y podrán ser
sustituidas por densidades verdaderas (usando estimadores), posterior a este primer proceso es
que se diseña el clasificador.
Este segundo procedimiento es utilizado para predecir la clase de un objeto. Para cuando se
intenta dar clasificación a las medidas de “X” tomadas a partir de las “k” medidas más cercanas,
han de seleccionarse las clases cuantitativamente más grandes entre ellas. Este método puede
acarrear el uso de “k” medidas inservibles o irrelevantes pero que pertenecen a la clase, por ello
380
siempre es bueno combinársele con otro criterio como el de selección por características y no por
datos basados en distancias únicamente.
La técnica de regresión basada en el método del vecino más cercano (k-NN) (“k” medidas del
Nearest Neighbors), consiste en una técnica no paramétrica para aplicar regresión, una regresión
no paramétrica es una técnica usada también para correlacionar data recursiva. Su fin es ejecutar
una regresión sobre la variable independiente. Esta técnica es muy efectiva en la identificación
Roiman Valbuena: Identificación de Patrones y Generación de Teorías Científicas.
de patrones de ocurrencia, ya que parte del supuesto de que es posible estimar el valor de un dato
desconocido a partir de las características del/los vecino/s más próximos, basados en reglas de
similitud o distancia. (Morales, Mora, & Vargas, 2008).
Su teoría descansa en otro supuesto basado en la idea de que mientras más vecinos sean
estudiados mejor, por consiguiente, se brinda inmunidad ante el ruido y se suaviza la curva de
estimación. El método permite interpretar el cómo los valores de la variable respuesta “Y”
dependen de los valores del vector observación “X”.
El método se soporta en un algoritmo simple capaz de almacenar todos los casos variables
(unidades de medición), y predecir un objeto numérico sencillamente cotejando medidas
similares. Los métodos de regresión, lineal simple y múltiple, son usados al igual que las series
temporales en estudios predictivos. Acaece, no obstante que, debe prestarse sumo cuidado con el
tipo de variables en estudio.
Los kernels pueden graficarse de manera que pueden reproducir los espacios de Hilbert, y
consisten en un estimador de densidad para una función, es decir, se trata de un parámetro “k”
correspondiente a una función no negativa cuya integral es igual a uno y su media es cero. Suele
presentar problemas al generalizar o realizar inferencia puesto que se basa en una colección
finita de datos. No obstante y aunque su uso es esporádico, no muy común, si se usa
adecuadamente permite al científico la captura de patrones matemáticos interesantes.
348
La densidad de estimación de kernel es de amplio uso en las ciencias biológicas y médicas, en cardiología es usada para clasificar ritmos
cardíacos e identificar fibrilaciones auriculares en busca de desórdenes en el funcionamiento del corazón.
349
Este supuesto no es determinista, es decir, no siempre se cumple. Existe infinidad de casos donde a través de la observación de un simple
diagrama de dispersión, es posible notar la diferencia entre una regresión lineal por el cálculo de los mínimos cuadrados contra una regresión
localmente ponderada. Para más detalle investíguese sobre: Suavizamiento de Kernel de Regresión.
382
Finalizada la temática previa, comencemos este aparte definiendo lo que en esencia es una
teoría científica, a ésta se le asume como una cadena de enunciados o postulados lógicos que se
usa para explicar todo aquello que pasa, interacciona o sucede en una dirección sobre
determinado fenómeno. Pues, el científico sólo consigue entendimiento a través de una secuencia
lógica de aproximación y sistematización del evento bajo estudio. Las teorías no solo provienen
de una minuciosa calibración de los sentidos a través del acto observacional, sino que, le admiten
a seguir indagando cuando sienta dudas. Una teoría científica no es más que una idea del cómo
algo trabaja, en efecto, ese algo se construye a través de un extenso corpus explicativo donde se
criban ideas y derivan inferencias.
Pero, ¿de dónde vienen esas ideas que tan magníficamente el agente científico ha colocado en
su mente?, a saber, no provienen de otro lugar más que de la experiencia obtenida post
observación y cotejo de patrones. Familiarizado como ya lo está, con cada unidad fenoménica,
construye la teoría basada en lo ya conocido sobre el problema indagado. Ha intervenido en la
variable intentando establecer relaciones, ahora es capaz de distinguir entre la data cualitativa y
la cuantitativa, todo ello le ha permitido construir conocimiento y proveer razonables
explicaciones sobre lo observado.
Como ya está listo para generar teoría a partir de la data emergente, entonces digamos que
son diversos los errores que en este punto puede cometer. Si desea cuidar su reputación científica
debe prepararse intelectualmente para emitir inferencias inequívocas, ya que, bastará un solo
error en su formulación para que esta resulte refutada de manera inmediata. Y allí nos
centraremos. En el constructo teórico debe aparecer bien claro y terso al intelecto el modo de
razonamiento empleado en la construcción de su teoría.
Si bien es cierto, toda aquella labor que el científico ejecute en función de desarrollar
conocimiento puede ser entendida como andamios para la edificación de teorías, no es menos
383
cierto que primero deberá construir el andamio y luego edificar su teoría. Nunca al revés.
Entiéndase andamio como al sistema de hipótesis, si éste es débil, su teoría también lo será.
El agente científico podrá formular enfoques propios y principios metateóricos que puedan
proveerlo de modelos conceptuales del fenómeno indagado. Para tal modelo necesitará
especificar indirectamente el modo de razonamiento empleado, hipotético deductivo, hipotético
inductivo o razonamiento abductivo350. Se recomienda al agente científico llevar manuscritos
teóricos, síntesis teóricas y modelos conceptuales explicativos puros o explicativos causales,
Roiman Valbuena: Identificación de Patrones y Generación de Teorías Científicas.
ellos le servirán para hacer auto-revisiones y no caer en la falacia de la causa falsa. O ejecutar
explicación espuria de algún evento importante para el sostenimiento de la teoría.
Como ya el científico está en la capacidad de analizar e identificar los eventos puntuales que
conforman los patrones fenoménicos, y más allá, es capaz de discriminar cosas y clasificarlas
según criterios, entonces es bueno que revise constantemente su forma de ver el problema. Pues,
digamos que son diversas las formas de verlo cuando ya se es experto en identificación de
patrones. Con tal experticia, ahora puede detectar un problema en su problema, digamos que ha
detectado un nuevo sub-problema cuando, siendo clara las relaciones entre las observaciones y la
teoría que lo explica, surgen discrepancias antes no observadas entre lo que es y lo que debe ser.
Es decir, la edificación de una teoría científica debe ser primeramente sencilla, pues una
teoría difícil de entender no ha sido suficientemente abordada. La amplitud hace referencia a lo
que se describe en el capítulo de las teorías científicas en este mismo texto y se le denomina
Completitud, quiere decir, ha de ser exhaustiva y abarcar todos los eventos del fenómeno, sin
excluir ninguno, además, nada debe quedar sin ser explicado. Y para la analogía, a continuación
el autor presenta siete consideraciones de importancia:
1. Simetría: La coherencia explicativa es una relación simétrica, a diferencia de, por ejemplo, la
probabilidad condicional. Ese es decir, dos proposiciones p y q son coherentes entre sí por igual.
350
Para mayor detalle sobre estos procedimientos revísese el Capítulo VI referido a las hipótesis e inferencias científicas en este mismo texto.
384
2. Explicación: (A) Una hipótesis es coherente con lo que se explica, que puede ser o bien
evidencia u otra hipótesis. (B) Las hipótesis que en conjunto explican alguna otra proposición
son coherentes entre sí. (C) Mientras más hipótesis se usen para explicar algo, menor será el
grado de coherencia.
3. Analogía: hipótesis similares que explican similares piezas de evidencia coheren entre sí.
4. Prioridad de datos: Las proposiciones que describen los resultados de observaciones tienen
cierto grado de aceptabilidad entre ellas.
Roiman Valbuena: Identificación de Patrones y Generación de Teorías Científicas.
El espacio dice a la materia cómo debe moverse, la materia con su gravedad le dice al espacio
cómo debe curvarse.
S
i usted desea aprender sobre física teórica y todo sobre los Métodos que en ella se
utilizan, permítame advertirle: <<No escuche sus palabras, Examine sus logros>> Para
el descubridor en este campo, los efectos de las construcciones en su imaginación son
tan necesarios, y deben parecer tan naturales, que serían aptas para ser tratadas no como
creaciones de sus pensamientos, sino como realidades realmente dadas. Albert Einstein 351
(1934). Según James Clerk Maxwell, todas las ciencias matemáticas se basan en las relaciones
entre las leyes físicas y las leyes de los números, por lo que el objetivo de la ciencia exacta es
reducir los problemas de la naturaleza a la determinación de las cantidades mediante
operaciones con números. Así opera la física teórica.
A la Física Teórica puede concebírsele, como una de las ramas de la física donde sus
científicos realizan estudios tendentes a dar explicaciones sobre eventos naturales apoyándose
sobre modelos matemáticos y generalmente computarizados. Buscan comprender los fenómenos
físicos para luego elaborar teorías que les permitan no solo predecirlos, sino, desarrollar modelos
estructurales de sistemas completos, aplicando a la vez, un raciocinio máximo sobre la realidad
física observada.
Sin duda alguna, la Física Teórica es la ciencia más antigua y desarrollada en cuanto a la
conformación de una estructura teorética innegablemente precisa, pudiendo ésta responder a
través de los años a muchas interrogantes en su campo. Es asombroso el cómo sus científicos
pueden dar respuestas a preguntas como: ¿Por qué brillan las estrellas?; ¿Por qué el cielo es azul
y el agua un fluido?; ¿cómo se produce electricidad?; ¿Cómo se creó el universo?; ¿Qué es la
radiación? o ¿Qué son los agujeros negros?
Los Físicos Teóricos no son diferentes a los teoristas de las ciencias humanas, no obstante,
mientras que el avance en las ciencias físicas se ha producido a través de una aplicación
351
Tomado Del Prólogo de la obra: On the Method of Theoretical Physics. Autor, Albert Einstein (1934; pp. 163-169). Philosophy of Science,
Vol. 1, No. 2. Published by: The University of Chicago Press on behalf of the Philosophy of Science.
387
La física es una ciencia tanto teórica como experimental, sus científicos observan la
naturaleza y a través de su comportamiento intentan explicar las leyes que la rigen. Notable es la
diferencia entre Físicos Teóricos y Experimentales, los primeros se encargan de elaborar y
concatenar el conjunto de ideas lógicas que darán origen a postulados e hipótesis, los cuales
subsecuentemente, les permitirán construir teorías axiomatizadas. Los Físicos Experimentales
por su lado, conducen experimentos y colectan datos para confirmar las predicciones de los
teóricos. Pese a que, en otros tiempos, los experimentalistas colectaban primero la data y los
teoristas intentaban dar explicación racional a los resultados.
Esta sección, dedicada exclusivamente a la Física Teórica, busca asociar dos elementos de
importancia e inseparables dentro del campo de la investigación científica y la esfera
tecnológica; el primero consiste en describir detalladamente el cómo estos científico generan,
contrastan y refutan teorías, modelos que pueden ser seguidos por estudiosos de las ciencias
sociales y tecnólogos. Por último, los avances en el desarrollo de la física en épocas recientes ha
incrementado el progreso tecnológico, así como, sólo han sido posibles grandes avances en la
física gracias a la sofisticación de procesos mediante el uso de tecnologías avanzadas.
Lo que se hace conveniente detallar y explicar sus relaciones puesto que la física y la
tecnología se complementan entre sí. Se pide al lector, paciencia durante el avance de la lectura,
lea tan sosegada y pausadamente como le sea posible. Se recomienda la revisión inmediata de las
citas a pie de página al momento de encontrarlas, éstas precisan los temas bajo estudio sin
desviar el sentido orientatorio del desarrollo expositivo que se pretende. Se intentará explicar lo
más sencillamente posible, los contenidos y relaciones entre ellos, procurando simplificar el
388
Téngase en cuenta que a la Física Teórica sólo es posible comprendérsele mediante el uso de
enunciados matemáticos, éstos últimos, también se dilucidarán, destinándose para ello un
lenguaje técnico exhaustivo no complejizante. Aclarado el asunto, a continuación se mencionan
los conceptos, categorías y elementos que componen a la física teórica, así como, diversos
enfoques metodológicos tendentes a desarrollar sus teorías.
En su historia nunca se han ocultado las discrepancias, notables y marcadas, entre el modelo
predictivo bajo las condiciones de la teoría, contra los resultados de un experimento. La física
como ciencia fáctica genera conclusiones totalmente verificables. Toda teoría no solo en física,
sino, en cualquier área de conocimiento, ha de generarse en función de describir y predecir
eventos que puedan ser observados y medidos. No existe proceso más importante dentro de la
actividad científica que el derrocamiento de teorías erróneas. Para ello es necesario un método,
es decir, un procedimiento razonado, sistemático y estable, organizado por pasos y reglas que
permitan alcanzar un fin, es por ello que los Físicos Teóricos aplican el método de las
matemáticas al estudio de la naturaleza.
A principios del siglo XX, David Hilbert comenzó con sus intentos de adoptar a la física
como una disciplina científica pero desde el punto de vista matemático. Para ello debía
esclarecer sus fundamentos y posteriormente formalizarla, pero desde una perspectiva cartesiana,
es decir, geométrica. De ser esto posible, entonces podría conseguirse una física axiomatizable y
demostrable352, tal como sucede con los más sofisticados argumentos de los geómetras, Radaña
(2003).
352
De esto se trata el denominado problema número 6 de Hilbert . Los otros 5 se derivaban de los axiomas de Euclides.
389
Hilbert se titula: Tratamiento Matemático de los Axiomas de la Física, con esto dio luz a muchos
Teoristas Físicos para los procesos de deducción y concatenación con la axiomática, su
formulación se escribe así:
Axiomatizar la física es diferente a matematizarla, la física por ser ciencia natural debe
desarrollarse basada en datos experimentales. Sin embargo, Hilbert al igual que Einstein,
plantearon que las leyes de la física son expresables en lenguaje matemático, esto es
matematizar. Axiomatizar implica la acción de demostrar, bajo formalismo matemático y
adecuado a los experimentos, todas las leyes que gobiernan a la naturaleza. En función de ello
estableció lo siguiente:
La geometría es una ciencia que se ha desarrollado hasta un nivel tal que todas sus
propiedades pueden ser obtenidas por deducción lógica a partir de otras propiedades
previamente admitidas. Se trata de una situación muy diferente a lo que ocurre por
ejemplo, con la teoría de la electricidad o la óptica, donde incluso actualmente se
siguen descubriendo nuevos hechos. Radaña (P. 650).
Para dar inicio y como epítome al Método Teórico en Física, necesario es conocer la
interacción entre cuatro componentes fundamentales de la física clásica; la energía, la materia, el
tiempo y el espacio. Desde el punto de vista filosófico, la física contiene, además de las cuatro
categorías antes mencionadas, otras dos, la causalidad y la casualidad, que más adelante abordo.
390
21.1.1.- La Energía
Con respecto a la Energía, se le concibe como la capacidad que posee un sistema para
realizar trabajo. Existe bajo diversas formas, la producida por el calor, la energía cinética o la
mecánica, e incluso la luz tiene su forma de energía. De acuerdo a la ley de conservación353 de
la energía, esta no se crea ni se destruye, simplemente sufre transformaciones. La teoría cinética
explica las propiedades de los tres estados de la materia: sólido, líquido y gaseoso, a través del
movimiento de las partículas que los componen.
Al referirnos a los sólidos pensamos en algo que posee masa, volumen y forma ya definida.
Un sólido normalmente presenta alta dureza, sus partículas por estar bastante cercanas una de
otras muestran la propiedad de manifestar intensas fuerzas de atracción. Estas partículas por estar
confinadas se les hacen imposible su movimiento e interacción de las unas con las otras,
entonces no les queda más que vibrar alrededor de sus posiciones fijas en la estructura que
conforman.
Roiman Valbuena: La Física Teórica.
Los líquidos, al igual que los sólidos, también presentan un volumen fijo más no así su forma,
ésta ya no se puede decir que está definida y la adquirirá dependiendo del recipiente que lo
contenga. Las partículas en un líquido no se puede afirmar que están tan cerca como las de un
sólido. Más sin embargo, están relativamente cerca y poseen más energía, además pueden
moverse entre ellas. Los gases por su lado, conforman un estado de la materia que reacciona
particularmente al aplicársele energía, por sus características, los sólidos y los líquidos son
medianamente complejos de comprimir, ahora, la compresión en los gases es más fácil de lograr.
Comprimir, es decir, la acción y efecto de hacer presión hace que un gas reduzca su volumen,
los gases tienden a llenar todo el recipiente que los contiene a través de su difusión. El
movimiento continuo de las partículas de un gas también es explicado por la teoría cinética. El
Principio de Avogadro establece: <<Volúmenes iguales de gases diferentes, medidos en las
mismas condiciones de presión y temperatura, contienen el mismo número de partículas>> Su
presión es resultado del choque entre partículas contra las paredes del recipiente. Para la física
teórica, un gas en estado libre, es decir, sin confinamiento alguno, presenta cierta dinámica y
distribución en el espacio descriptibles a través de la teoría de campos.
353
Emmy Noether (1882-1935), propuso en 1918 uno de los teoremas de la física teórica y la mecánica estadística más relevantes en la historia
de estas ciencias, en tal se afirma: “Cualquier sistema diferenciable a partir de un sistema físico le corresponde una ley de conservación de la
energía. A cada simetría contínua le corresponde una ley de conservación y viceversa”. Teorema (Noether): A toda transformación continua de
las coordenadas o/y los campos que deje invariante la acción en un volumen cuadridimensional le corresponde una corriente conservada en
la evolución que cumple =0.
391
partículas para ajustarlas a determinada ecuación de campo. Para ello es normal que se use,
siempre que se refiera a partículas, la Distribución de Fermi Dirac; la Distribución de Maxwell
– Boltzmann; o la Distribución Einstein – Bose. Ésta última describe el comportamiento
estadístico de partículas con espín entero, es decir, los denominados Bosones354.
21.1.2.- La Materia
A la Materia por su lado, se le define como aquella substancia que ocupa un espacio, posee
tamaño, forma, peso, movilidad y solidez. Todo objeto físico se compone de materia, su forma
unitaria de análisis, el átomo. Compuesto éste de protones <<subpartículas con masa y carga
eléctrica positiva>>, neutrones <<subpartículas sin carga neta y presente en la mayoría de los
átomos>> Por último, los electrones <<subpartículas que rodean al núcleo atómico y con carga
eléctrica negativa>> Es de resaltar que el estudio profundo y sistemático de los núcleos atómicos
y su interacción, da origen a la física nuclear.
Roiman Valbuena: La Física Teórica.
La materia puede existir de varias formas o fases, líquido, sólido y gas. Sin embargo, el
plasma o estado plasmático, es una distinta fase de la materia, se trata de un conjunto de
partículas cargadas que responden a campos electromagnéticos. El continuo calentamiento causa
que las moléculas se separen en átomos, si el vapor se calienta más allá de ≈ 2.000º C, los
átomos mismos serán apartados, entonces un gas compuesto de electrones libres y núcleos
desnudos se formará y será llamado plasma. También se le conoce como materia radiante.
La materia y el universo están vacíos. Si se observa la inmensidad del universo contra sus
diminutas partículas componentes, podrá vislumbrarse que el universo no puede sino, estar
vacío. Las cosas se forman a través de las ideas de ellas, se usan conceptos y se transmiten como
información. Los objetos materiales que componen el universo nunca se tocan, es decir, los
átomos que conforman a cada uno nunca entran en contacto. Como materia es todo lo que existe,
ésta presenta diversas formas. A cada presentación se le denominará estado; sólido; líquido; gas
y plasma.
una roca esta puede derretirse. Al aplicar energía a un líquido éste se evaporará, y el plasma no
es más que un gas a altas temperaturas. Lo que diferencia a un estado de otro son básicamente las
distancias, medidas en la escala de Planck, que separa a sus átomos componentes. Preste
atención, los átomos en una roca, por ser sólida, estarán bastante cercanos355 y unidos los unos
con los otros. En los líquidos se presenta una densidad con cercanía menor a la de los sólidos.
En los gases, los átomos se separan al aplicárseles energía e interactúan con el calor, allí su
comportamiento es errático y se les modela a través de la teoría de campos cuando hay presencia
de electrones. La parte de la física que estudia la acción mecánica, interacciones físicas, entre el
calor y las restantes formas de energía se denomina termodinámica. Entonces, toda materia
puede convertirse en energía, y a su vez, la energía puede convertirse en materia.
21.1.3.- El Tiempo
El Tiempo, consiste en una magnitud física que permite medir y cuantificar la duración de
Roiman Valbuena: La Física Teórica.
Es relativo, ya que el tiempo no afecta o actúa sobre la materia que se desplaza cercana a la
velocidad de la luz. Cuando alguna materia alcanza esta velocidad, a su alrededor todo se vería
en cámara lenta. El tiempo se divide en pasado, presente y futuro. No existe ni el pasado ni el
futuro, sólo el presente. No existe el tiempo, sólo el movimiento. Con el tiempo se capta,
compara e interpreta el movimiento de la energía en el universo. Existen límites para el mundo
externo al hombre, pero no para su interno, no existen límites mentales para pasado, presente o
futuro, ya que el hombre tiene la capacidad de imaginarse el infinito. Para el físico teórico, el
espacio y el tiempo se corresponden con un mismo e indivisible sistema, y así los estudia.
Los teoristas físicos hacen uso común del denominado tiempo de Planck o Cronón cuando
abordan investigaciones donde concurran elementos medibles dentro de los intervalos de la
mecánica newtoniana y la cuántica, a este se le asume como el intervalo temporal más pequeño
355
Esta característica de cercana se mide realmente por las denominadas escalas de Planck y su distancia de Planck.
393
que puede ser medido. Se denomina Cronón al tiempo que tarda un fotón356, desplazándose a la
velocidad de la luz, en atravesar una distancia de Planck.
√ = ( )
ħ= constante de Planck = 1.054571628 (53) ×10 -34 JxS. La constante de Planck357 se mide, en
este caso, en Joule por Segundo.
El tiempo sirve como unidad de referencia para movimientos y fuerzas, los físicos afirman
Roiman Valbuena: La Física Teórica.
que por sí solo representa a una dimensión. La ciencia hasta el momento no ha podido dominar
el tiempo, se presume que en esa dimensión existen fenómenos emergentes cuyos procesos
ameritan ser indagados. Fue Einstein en (1905 y 1917), quien introduce los conceptos de lentitud
del tiempo <<Dilatación del Espacio Tiempo: aparente ralentización de tiempo para un objeto
que se mueve a velocidades relativistas>> asociado a los movimientos de la gravedad.
El tiempo no puede tener una existencia independiente en lo absoluto, sólo aparenta ser la
unidad común para medir movimientos, haciendo creer a la mente que el mundo está cambiando
constantemente y haciendo más fácil la descripción de los fenómenos. Entiéndase a fenómenos
como todo lo que se descubre en los cuerpos y es captado por los sentidos. En Física Teórica,
actualmente uno de los campos más estudiados tiene que ver con la interpretación del tiempo
que plantea la teoría de la relatividad. Controlar viajes a través del tiempo ha sido, desde época
inmemorial, la utopía de decenas o miles de científicos.
356
Consiste en la unidad básica de la radiación electromagnética, representa un corpúsculo de luz. Aunque no tiene ni masa ni carga eléctrica, su
energía se produce, transmite y absorbe. Es la partícula encargada de transportar todas las formas de rayos electromagnéticos conocidos: rayos X,
Gamma; luz ultravioleta entre otros.
357
Este valor representa a la constante de Planck reducida. Existen otros valores asignados a la constante de Planck dependiendo de las
constantes implicadas en las ecuaciones. A Planck se le reconoce ampliamente el descubrimiento del “Cuanto de Acción”. Denomínesele a esto a
la multiplicación de la energía necesaria o energía empleada por el tiempo empleado para producir el movimiento del cuanto de acción. En otras
bibliografías podrá encontrarse esta ecuación de diversas maneras, cuando sus variables corresponden a frecuencia, longitud de onda o sus
medidas se ejecutan en función de radianes por segundo.
394
No obstante, la realidad muestra que ya ese deseo dejó de ser utópico, en 2013 un grupo de
científicos austríacos y estadounidenses lograron teletransportar fotones, partículas sin masa, tal
como lo delimita la teoría de la relatividad. La transportación entre dos nubes de átomos a través
de un haz de luz láser a 50 centímetros de distancia fue ejecutada recientemente por científicos
del instituto Niels Bohr de la Universidad de Copenhague. Las investigaciones sobre el tiempo y
espacio hasta el momento no se han detenido.
21.1.4.- El Espacio
Se le asume como el lugar que ocupa cada objeto, así como, la distancia o separación entre
dos cosas. Según Einstein, el espacio como lugar, corresponde a la posición de un cuerpo entre
los demás cuerpos. En física, el espacio se estudia relacionándolo siempre con el tiempo, lo que
produce una relación espacio-temporal. La relación espacio-tiempo se basa en un sistema de
coordenadas cuatridimensionales.
Roiman Valbuena: La Física Teórica.
La unión espacio – tiempo refiere a un término como continuo tetra-dimensional y donde son
combinadas las tres dimensiones espaciales con el tiempo, como forma de lograr una
representación matemática y geométrica de los diversos tipos de movimientos, de allí surgirán
conjeturas para soportar las diversas teorías que puedan ser concebidas.
Para Karl Pearson (1900, p. 155), Leibniz especifica espacio como el orden de la posible
358
En Física Teórica recientemente se han hecho populares los estudios donde se hace uso de los Espacios de Minkowski. Los espacio – tiempo
de Minkowski consisten en una aplicación de los espacios de Banach de finitas dimensiones, muy usados en la teoría de la relatividad especial de
Einstein.
395
coexistencia entre fenómenos. Esto puede surgir de algo oculto detrás de ellos, o de la
maquinaria de la percepción humana. Pero en cualquier caso, tal orden no es más que un modo o
forma en que percibimos las cosas.
Para los físicos, tanto el espacio como el tiempo conforman conceptos muy básicos pero
unificados, con ellos aparecen las nociones de distancia espacial e intervalos temporales. Como
conceptos a priori de Kant, conforman la anticipada condición para que el intelecto pueda
percibir cosas. Fundamentalmente, todo aquel fenómeno que presenta un orden espacio
temporal.
El teorista físico fundamentalmente requiere de teorías que expliquen los fenómenos que
relacionan a la energía, la materia, el tiempo y el espacio, usándose ejes, coordenadas,
magnitudes, situaciones o fases. En ese sentido, y con tendencia a alcanzar ciertos objetivos, sus
científicos optan por el idealismo de las ciencias puras <<la matemática y la lógica>>, además de
la experiencia y la razón dentro de la esfera de la física.
Para Einstein Op. Cit, si se utilizase únicamente el razonamiento lógico sería imposible
alcanzar conocimiento alguno sobre el mundo de la experiencia. Todo conocimiento de la
realidad nace de la experiencia y finaliza con ella. Un sistema de Física Teórica en su conjunto
se compone de conceptos, llámese a estos, simples ideas o unidades de pensamiento, de las leyes
que los rigen, y de toda proposición lógica que pueda en lo posible deducirse de tal sistema. La
razón se convierte en la base estructural de todo el proceso, cualquier contenido experimental y
las dependencias mutuas entre conceptos, podrán demostrarse simplemente haciendo uso de
proposiciones deductivas.
359
Profesor universitario y científico de la Universidad de Wisconsin. Miembro de la American Association for the Advancement of Science
(AAAS), La American Association of Physics Teachers (AAPT), American Mathematical Society (AMS), American Physical Society (APS), and
the Society for Amateur Scientists (SAS). Para las conceptualizaciones y métodos se hizo uso del documentos que Aparece en:
http://www.madscitech.org/notes/series1/day1.pdf sin embargo, fueron necesarias también, exhaustivas revisiones de sus escritos disgregados en
sitios web.
396
controversias la teoría en sí. Contrariamente, el debate se inicia por la forma bajo la cual esta se
argumenta, desarrolla y prueba. El método empleado dependerá sobremanera de las técnicas
propias de cada investigador, lo que hace necesario discriminarlos en relación a sus procederes.
En un principio es posible estratificar a los científicos teóricos en función de cómo hacen
abordaje del tema y según la naturaleza del fenómeno en 4 grandes grupos: los centrados en el
fenómeno – los que hace uso del enfoque constructivo – los orientados por el abstraccionismo
físico teórico y los del enfoque unificatorio.
Roiman Valbuena: La Física Teórica.
397
También conocido como enfoque de modelado. Se inicia por la formación primitiva, intuitiva,
además de, la mal formulación de nociones sobre el qué se pretende estudiar. Esto lleva a la
estructuración de ideas más precisas, asignándoles representaciones simbólicas. Consiste
básicamente, en una investigación exploratoria que permite crear un modelo. Posteriormente, es
posible formular enunciados que impliquen relaciones entre tales ideas y la observación, la
experimentación o el trabajo teorético. Bajo esta premisa a la predicción se le denomina modelo
predictivo.
Este método hace avocamiento en extenso sobre las características que rodean a un fenómeno
específico, no es general, sino particular. Direcciona sus esfuerzos hacia el desarrollo de modelos
matemáticos o computacionales en conjunción con la estructuración de la idea central, se
procede con la selección de algún fenómeno para estudiar. Posteriormente, se elige el enfoque
Roiman Valbuena: La Física Teórica.
360
La mecánica clásica de Newton dentro del contexto científico, está confinada al marco de ideas denominadas formulaciones newtonianas,
estructuradas básicamente por axiomas y leyes de movimiento. A continuación sus tres axiomas, mejor conocidos como leyes de Newton: Ley 1:
Todo cuerpo persevera en su estado de reposo o movimiento uniforme y rectilíneo a no ser que sea obligado a cambiar su estado por fuerzas
impresas sobre él. Ley 2: El cambio de movimiento es proporcional a la fuerza motriz impresa y ocurre según la línea recta a lo largo de la cual
aquella fuerza se imprime. Ley 3: Con toda acción ocurre siempre una reacción igual y contraria: o sea, las acciones mutuas de dos cuerpos
siempre son iguales y dirigidas en sentido opuesto.
361
Es una distribución de la mecánica estadística, derivada de la mecánica newtoniana. Sirve para describir el comportamiento de gases y otros
sistemas que tienen muchos estados permitidos. Se usa en la representación de partículas eléctricas como los electrones. En el presente caso, sirve
para dar respuesta tanto a la primera como a la segunda pregunta. En relación a la segunda, la acumulación de partículas eléctricas en
determinada región del espacio, conforma el denominado campo eléctrico, éste a su vez lleva implícito un campo magnético. Tanto los campos
eléctricos como los magnéticos pueden ser descritos usando el conjunto de Ecuaciones de Maxwell de la teoría electromagnética.
398
producto, y de nodo a nodo, se produce de manera tan similar y natural, a la que lo hace una
enfermedad epidémica desde una perspectiva biomatemática. En ese campo, el efecto pervasivo
de la tecnología juega un rol importante.
362
Cualquier experimento, sea en Física o en cualquier otra ciencia, el adaptar forzadamente un evento a determinada distribución matemática,
podría acarrear pérdida de la validez externa <<Véase: Cap. X: Introducción a La Investigación Experimental>>. Intentando controlar tan
estrictamente el experimento que se crean ambientes artificiales, haciendo imposible la generalización de los entornos de laboratorio. En ese
contexto, Longair (2003) argumenta… la percepción que se tiene de la física teórica dentro del campo de la física, es que la primera no puede
considerarse como un sustituto para producir respuestas matemáticas exactas. Creando dificultades a la hora de someter a experimento el
fenómeno. El autor plantea que el enfoque centrado en el fenómeno se circunscribe a la escena local del mismo, donde el ambiente ejerce gran
influencia. La opinión surge, a raíz de los severos cuestionamientos realizados a este enfoque de la física teórica, y cuyo origen se encuentra en el
continente europeo. Véase: Longair, Malcolm: Theoretical Concepts in Physics: An Alternative View of Theoretical Reasoning in Physics.
363
Véase: Sincák et, al (2000). Computational Intelligence and Modeling Neural Networks. En: Advances in Soft Computing: The State of Art
in Computational Intelligence.
364
Refiérase a: Goldenberg et, al (2010). The Social Hub: The Key to Network Processes. En: The Connected Customer: The Changing Nature
of Consumer and Business Market.
365
Véase: Tiberghien, Andreé. Construction of Prototypical Situations in Teaching the Concept of Energy. En: Research in Science Education in
Europe: Current Issues and Themes. Welford, Geoff; Osborne, Jonathan; y Scott, Phil. Editores.
399
este enfoque, se hace un uso amplio y extensivo de la teoría y su modelo, conjugado con la
experimentación en la secuencia de enseñanza.
Luego, divide los objetos en grupos y los cuantifica a manera de estratificación, esta es la
base de su proceso constructivo. Posteriormente, plantea un argumento sobre el cual basar su
construcción y orientado a responder preguntas como: ¿Existen simetrías entre los grupos?, ¿En
algún grupo, existe alguna cantidad que permanezca constante o invariante?, ¿En determinado
grupo la cantidad es minimizada366?
Como regla metodológica, estas preguntas orientan el accionar científico, sus respuestas son
contrastables bajo la experimentación. Con ello se pretende la formulación de supuestos lógicos
que, al ir descartándolos, darán una visual del método matemático apropiado. Por ejemplo: con la
elección de una Formulación Lagrangiana 367 se busca crear una nueva cantidad llamada
366
La minimización se basa en la idea de que un modelo siempre presentará un valor mínimo de una cantidad, que lo hará más eficiente.
367
Una Formulación Lagrangiana es un enfoque basado en el análisis de sistemas de energía. Estos constituyen sistemas dinámicos que son
modelados en términos de variables que puedan ser expresadas como energía cinética, disipación de energía y energía potencial. Una formulación
Lagrangiana se asocia a cantidades escalares, y es muy fácil de usar cuando el número de elementos en el sistema es muy bajo, su uso se asemeja
a cuando se emplea una prueba estadística paramétrica. Esta formulación sufre el inconveniente de que su complejidad aumenta
exponencialmente según se incrementa el número de elementos en el sistema. La expresión de una formulación Lagrangiana viene representada
por la Integral Lagrangiana. Véase: Vaze Shilpa Arun (2007). Integrated Formulation Solution Design Scheme for Nonlinear Multidisciplinary
Systems Using the Mixed Models Platform.
400
Este enfoque es mucho más complejo que el anterior, pero poderoso, aquí el científico
construye su propia formulación. Una dificultad sustantiva se presenta cuando se carecen de
directrices estructurales en la creación de una nueva formulación. El método permite refutar
formulaciones previas. Obsérvese que hasta el momento, se ha podido apreciar el cómo, los
Teoristas Físicos abordan sus investigaciones, para cada situación ya tienen de antemano una
formula o proceso matemático que sólo necesita ser adaptado mágicamente para obtener ciertos
resultados, no obstante, estos deben ser estrictamente sometidos a contrastes experimentales.
Roiman Valbuena: La Física Teórica.
Hrabovsky explica que en este modelo se toma un número específico de casos y se generaliza
sobre sus resultados. Se comienza examinando uno o más modelos. Luego se procede a una
368
El Lagrangiano es una función matemática de amplio uso en la física. Allí es posible asociarlo tanto con las leyes newtonianas como con los
sistemas de ecuaciones de Maxwell para la teoría electromagnética. Se usa para obtener propiedades de ecuaciones de movimiento y leyes de
conservación de la energía sobre un sistema específico, sumamente importantes en el análisis de sistemas físico-mecánicos. Proviene del sistema
de ecuaciones de Lagrange, en ciertos texto se le denomina ecuaciones de Lagrange-Euler. El método de multiplicador Lagrangiano es muy
utilizado por investigadores de la teoría económica. Sirve, entre otros, para encontrar restricciones a problemas económicos donde es necesario
conocer valores máximos y mínimos.
369
Bien vale la pena conceptualizar por segunda vez este término, en función de entender o tratar al menos de interpretar el vocablo dentro del
contexto de la física y su teoría abstracta. Según el Diccionario Enciclopédico Hispano-Americano. Operación intelectual que consiste en separar
mentalmente lo que es inseparable en la realidad. La abstracción es el precedente o, como la llama Rey (Lógica), el instrumento de la
generalización, porque no podemos concebir los conocimientos generales sin eliminar lo individual, es decir, sin abstraer. Toda idea generalizada
es abstracta y posee realidad sólo inteligible (V. REALISMO, NOMINALISMO y CONCEPTUALISMO) y no concreta, porque la abstracción
no es función de la imaginación, sino propia de la razón discursiva que divide en la mente lo indivisible y separa lo inseparable, preparando el
análisis a que excita la complejidad sintética de lo real. A lo abstracto se opone lo concreto. Es esto lo dado en la experiencia con todos sus
elementos, el dato real o materia del conocimiento (según el tecnicismo aristotélico y kantiano); mientras que lo abstracto es lo construido por el
pensamiento, la forma (que dirían Aristóteles y Kant), que no tiene más límite que lo contradictorio. Para Ferrater Mora, consiste en el acto de
sacar algo de una cosa; separar algo de algo. Según este autor, y citando a Maritain, la física, la matemática y la metafísica, son ciencias que se
diferencian por su grado de abstracción. El primer grado se lo atribuye a la física; el segundo a la matemática y el último a la metafísica.
401
minuciosa búsqueda de elementos comunes entre ellos, y sobre los cuales, la teoría existente
todavía no se ha abocado. Este enfoque tiende a tornarse ambiguo, puesto que se convierte tanto
en arte como en ciencia para encontrar cosas, se asemeja a un juego. De llegar a encontrar
elementos comunes, es trabajo del científico analizar en qué sentido serán proyectados los
supuestos y sus ramificaciones.
Este método sirve para hacer estudios en la teoría clásica de la Mecánica Newtoniana, sin
embargo, no sirve para describir la realidad en la mecánica cuántica. En consecuencia, Bohr
citado en D´ Agostino (2001) argumenta…
Mientras que en la teoría clásica se trata de describir la realidad física a través del
uso simultáneo de ondas y partículas 370 haciendo uso de abstracciones, en la
mecánica cuántica se hace a través de un método simbólico, bajo una concepción
más realista frente al enfoque abstracto del problema en la realidad física. (p. 226).
Hrabovsky sostiene… este enfoque se basa en la idea del beneficio resultante derivado de
que con una sola teoría se pudiesen gobernar un amplio rango de fenómenos. Empero, no
existen argumentaciones o simples elucubraciones, que lleven a creer que esto pueda ser cierto.
Cuando se ha intentado llevar a la práctica, se han evidenciado grandes dificultades. Sobre el
tema, Pavsic371 (2001) es de opinión, esta idea es para muchos investigadores, la unificación de
varias ramas de la física teórica como realmente un proyecto de unión, pero con dificultades.
370
La dualidad onda corpúsculo demostró que la luz posee dos propiedades características. Primeramente puede ser modelada a través de la
mecánica de ondas y la mecánica de partículas. Esto quiere decir, un rayo luminoso conserva las mismas propiedades que una onda sonora, a
pesar de ser diferentes. Una onda sonora tiene velocidad definida y constante pero carece de masa. Por su lado, una partícula <<llámese fotón>>
posee masa <<muchos autores describen la cantidad de masa de un fotón como cero>> y lógicamente ocupa un lugar en el espacio, pudiendo
desplazarse a la velocidad de la luz como lo hace un rayo luminoso.
371
Véase: The Landscape of Theoretical Physics: A Global View. From Point Particles to the Brane World and Beyond, in Search of Unifying
Principle
372
Refiérase a: Quantum Gravity.
402
Teoristas Físicos. Para la unión de ambas teorías no solo son necesarias razones conceptuales,
sino, un entendimiento mayor de fenómenos como: el origen del universo, la evaporación final
de los agujeros negros y la estructura espacio-tiempo. Para ello, todavía falta mucho camino por
recorrer.
Además de las consideraciones previas, Hrabovsky proyecta otras dificultades, las cuales en
mayor o menor grado, vienen simbolizadas sobre el hecho de que las teorías son sólo
aproximaciones a la realidad, no realidades mismas. En el enfoque unificatorio se comienza con
la pregunta, ¿Qué es lo que se desea unificar? Luego se trata de resolver el cómo proceder con tal
unificación. Ésta debe ser la resultante de una simple formulación que argumente y acompañe a
todos los elementos que se deseen unificar. Posteriormente, se procede a probar que tal esquema
unificatorio es matemáticamente viable <<Axiomatizable>> Acto seguido, se proyectan modelos
matemáticos basados en él.
Hasta el momento he ejecutado explicación exhaustiva de cada uno de los métodos usados
Roiman Valbuena: La Física Teórica.
por los Teoristas Físicos, obsérvese que divergen grandemente con los empleados en las
investigaciones de otros tipos. Sin embargo, para desentrañar sus secretos, necesario es el
involucramiento desde dos aristas. El primero reside en entender el papel que juega la nueva
matemática en la física, este consiste en la formulación y solución de problemas de física por
medio de estructuras y técnicas matemáticas, a lo que se denomina física matemática. Se
compone de dos partes principales: el desarrollo de nuevas matemáticas, y la aplicación de las
matemáticas a los problemas actuales de física. La segunda arista se proyecta sobre el estudio
persistente y profundo de los sistemas físicos y la causación, tema que en el siguiente aparte
abordo.
403
David Hume.
S
e entiende por Causación Universal, a una conexión constante e invariante entre dos o
más eventos de origen natural, un antecedente y un consecuente donde coexiste un orden
relacional y espaciotemporal. Como condición necesaria y suficiente, se amerita que
para una misma causa un mismo efecto; donde la cadena intercausal presenta un patrón
relacional descriptible a través de una magnitud numérica constante y presente en todas las
instancias. La Causación Universal es punto de partida para investigadores de la física y sirve
para encadenar, explicar y predecir eventos naturales. Es de allí de donde el científico extrae
cierta data y elimina material científicamente estéril, pues, la explicación a un evento no puede
ser sometida por fuerza y la nada nunca podrá ser una causa.
El fenómeno natural existe y parte desde dos tipos de relaciones, una es la simultaneidad y
otra la sucesión. Cada fenómeno está conectado, de una manera uniforme, a otro que coexiste
con él, y con algún otro que lo ha precedido o lo sucederá en espacio y tiempo. La uniformidad
existe entre fenómenos sincronizados, y la sucesión existe en una ley numérica que asocia tal
antecedente con su consecuente. Estas clases de leyes o uniformidades estarán presentes en los
hechos o eventos que se sucedan unos con otros, manteniendo lapsos de tiempo, o constantes
numéricas presentes en ellos. Donde ciertamente, cada objeto del universo, posee tal condición
eterna. De esta manera interpreta Stuart Mill373 la Ley de Causación Universal.
373
A System of Logic: Ratiocinative e Inductive. The Principle of Evidence and the Methods of Scientific Investigation. (1858).
404
Por su lado, David Hume374 argumenta que una causa es un objeto cuya idea determina en la
mente la forma de otra idea de su efecto. Pues existe una conexión necesaria y suficiente
mediada por una extraña energía como potencia causal. Según esta determinación, cada
ocurrencia para causas similares es seguida por similares efectos. A esta conjunción constante,
como secuencia universal única, invariante y trascendental, la explica dentro de una maravillosa
teoría denominada Teoría de la Regularidad.
Afirmar que un evento causa otro, en un interminable ciclo, es sostener que entre ambos
existe una sucesión constante y extraña fuerza que media para que la causa cumpla con su
cometido; que existe una relación de contigüidad necesaria; que existe una conexión necesaria
entre eventos y que una extraña energía actúa sobre ellos. Puesto que está universalmente
Roiman Valbuena: Los Sistemas Físicos y la Causación Universal.
demostrado que es así, entonces la causa ordena y el efecto obedece, en un interminable ciclo
que lleva a la construcción de la realidad física de un determinado sistema.
Para dar inicio al tema, se justifica conveniente definir exhaustivamente cada uno de los
términos que componen el título de este apartado. Por su lado, y bajo aportes de Bunge (2001),
un sistema y sus partes poseen las siguientes características:
374
Compilación ejecutada desde dos excelentes libros: 1.-) Phil Dowe (2000): Physical Causation: Cambridge Estudies in Probability, Induction
and Desition Theory. Cap. II: Hume´s Legacy: Regularity, Counterfactual and Probabilistic Theory of Causation. 2.-) Sion, Avi (2010): The
Logic of Causation: Definition, Induction and Deduction of Deterministic Causality. Cap. 16: Outstanding Issues, p. 261 y ss.
405
La interacción entre los componentes de los sistemas físicos presenta una relación del tipo
causal, dicho de otra manera, sus componentes muestran dependencia sobre nexos causales. En
función de la congruencia, a continuación se describe el Principio de Causalidad. Lefebvre
(2006), aporta las siguientes consideraciones y comentarios: <<todo efecto tiene una causa>>,
pues no hay efecto más que donde hay causa.
Ambos enunciados, causa-efecto, son contrapuestos, por lo que entre ellos hay una relación
oscura, la causa produciría su efecto mediante un poder misterioso. Y los teoristas conciben
teorías para develar ese misterio haciendo uso de la experimentación. Si se asociase, como es
común en física, lo anteriormente descrito con el principio de finalidad, el cual se formula;
<<todo tiene un fin>>, significaría entonces que la naturaleza tiene intenciones y objetivos, así
como la voluntad humana375 . Ella fabrica seres al igual un artesano fabrica sillas o mesas,
teniendo de antemano la idea del objetivo, y los procedimientos necesarios para llegar a él. Estos
son los elementos que subyacen en la mente del teorista, permitiéndole develar fenómenos
realmente maravillosos.
Popper (1980) opina…para dar una explicación causal completa son necesarios dos tipos de
enunciados: en primer lugar los universales, son hipótesis que tienen carácter de leyes
universales. Y los enunciados singulares, aplicados a determinados acontecimientos, estos
últimos son llamados condiciones iniciales. Los enunciados singulares se deducen de los
universales, las condiciones iniciales se suelen llamar causas, la predicción es el efecto, aunque
en física, por regla general se restringe el uso de la expresión <<explicación causal>>. Por su
parte, el autor nunca afirmó ni negó ningún principio de causalidad por considerarlo un método
deductivo de explicación teórica.
Kant (1989, pp. 159 y ss.), en su Segunda Analogía.- Principio de la Sucesión Temporal
según la Ley de la Causalidad, argumenta; <<Todos los cambios tienen lugar de acuerdo a la ley
que enlaza causa y efecto>> El principio puede formularse a su vez, de la siguiente manera;
375
Según el Determinismo, la voluntad humana no existe, el ser humano, o cualquier otro tipo de existencia tiene un fin que ya ha sido
previamente delimitado. En estos días, todos los avances que ha generado la inteligencia artificial apuntan a apoyar aún más la teoría determinista
y ha solidificado también la creencia en la teoría de la Antropía.
406
Toda Modificación (Sucesión) de los Fenómenos no es más que un cambio. Los fenómenos se
siguen unos a otros, dicho de otra manera, el estado de las cosas en un tiempo, es opuesto al
estado anterior. Con ello sólo se enlazan dos percepciones de un mismo objeto bajo
temporalidades distintas. La relación temporal, con respecto al sentido interno del objeto, no es
obra de los sentidos ni de la intuición, sino que es atribuible a una facultad sintética de la
imaginación.
decir, para ello es preciso un concepto que los unifique, un concepto puro que permita su
entendimiento, concepto no hallado en la percepción, tal concepto es el de la relación causa y
efecto. El conocimiento empírico sólo es posible mediante el sometimiento a sucesión de los
fenómenos, donde todo cambio observable es derivado natural de la Ley de la Causalidad.
Stephen Leacock.
408
S
e conoce como Muestra a un subconjunto de la población objetivo con el fin de
operacionalizarlo, estudiarlo y deducir inferencias estadísticas. Y como Muestreo se
entiende al procedimiento técnico aplicando cálculo, basado en la teoría de la
probabilidad, usado para extraer tal muestra de determinada población objeto de estudio. Al
margen de lo que se plantea como concepto en éste, y la generalidad de otros textos, podría
decirse que una muestra no representa a un subconjunto poblacional en sí, ya que sus elementos
tienden a repetirse. Tanto el proceso de muestreo como el análisis de la muestra no vienen solos,
traen consigo otros conceptos implícitos e inseparables que servirán para prestarle servicios a
verdades matemáticas.
Por lo tanto, la precisión deseada de los resultados de la investigación debe ser considerada
409
cuando se ejecuta el cálculo muestral. En general se dice, y de hecho no es demostrable que sea
así, que cuanto mayor es el tamaño de la muestra, mayor la precisión de los resultados.
La muestra perfecta no existe, lo que sí existe son los requisitos para obtener una muestra
ideal, o casi perfecta. No obstante, una buena muestra debe ser representativa en el sentido de
que las características de interés de la población puedan ser estimadas con cierto grado de
exactitud. Los siguientes conceptos nos ayudarán a entender mejor el asunto. Unidad de
Observación, se le reconoce como al objeto de donde son tomadas las medidas.
Estadística Inferencial: consiste en una rama de los estudios estadísticos que se encarga de la
toma de decisiones sobre poblaciones a partir de parámetros estadísticos, posterior a los
análisis pertinentes ejecutados sobre la muestra extraída.
Inferencia Estadística: proceso mediante el cual se hace patente el resultado derivado desde
la estadística inferencial. La inferencia estadística es el proceso terminado, donde, a la
sentencia declarativa de la conclusión debe añadírsele el lenguaje probabilístico, ya que no es
posible sacar conclusiones de una población a partir de sólo una muestra, entonces, este
enunciado probabilístico invocará también cierto componente de error e incertidumbre. La
estadística inferencial por su lado, reúne a un conjunto de métodos y procedimientos que
como resultado arrojan una inferencia estadística probabilitaria con margen de error
aceptable. En esta última, se obtienen conclusiones sobre la población representada en la
muestra.
La inferencia estadística envuelve dos elementos de importancia: los métodos usados y las
teorías de referencia. Las hipótesis de una investigación se formulan según prescripciones de
la estadística inferencial. Tales hipótesis son probadas sobre la base de las observaciones
hechas a la muestra poblacional y el problema central de la inferencia estadística gravita
precisamente en cómo calcular la muestra.
376
Desde el punto de vista de la estadística, al sesgo se le define como la diferencia entre el valor esperado de un estimador y el valor verdadero
de un parámetro. Es así como se le considera una medida para el error sistemático de un estimador. No hay que confundir el sesgo de un
estimador de un parámetro con su grado de precisión, que es una medida del error de muestreo. Hay varios tipos de sesgo, el sesgo de selección
(Debido a las diferencias sistemáticas entre la grupos de comparación), el sesgo de exclusión (debido a la exclusión sistemática de ciertos
individuos a partir del estudio) o sesgo analítico (debido a la de manera que los resultados son evaluados). Tomado desde: Yadolah, Dodge. The
Concise Encyclopedia of Statistic. Concept of BIAS. Véase.
377
Véase Oxford: The Concise Dictionary of Mathematics. Biased Sample. Concept of. (Muestra Sesgada).
411
Data Cualitativa: consisten en medidas para las cuales no existe escala numérica de
referencia para su representación. Entonces son descriptibles a través del uso de atributos,
propiedades, etiquetas u otra señalización no numérica pero procesable desde el punto de vista
estadístico.
Data Cuantitativa: consiste en medidas numéricas que pueden ser fácilmente representadas
en escalas del mismo tipo.
Población
Estimación Muestreo
Muestra
Para proceder a trabajar con muestras y poblaciones es menester asignar literales a los
elementos, denotaremos con la letra mayúscula “N” a la población, y con la letra minúscula “n”
a la muestra. Entenderemos como Fracción de Muestreo, al resultado de dividir al tamaño de la
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
muestra entre la población. Y como, Factor de Elevación a la relación inversa entre los dos
elementos previos:
Ejemplo 1:
De una población de 25.000 pacientes que padecen de hipertensión arterial, se desea obtener
una muestra de 4.800 para ejecutar un estudio médico. Procedemos entonces a calcular el factor
de muestreo como sigue:
Es decir, el factor de muestreo indica que será necesaria la ejecución del estudio médico sobre
el 19,2% de la población. Calculemos ahora el factor de elevación:
Quiere decir que por cada paciente presente y estudiado en la muestra, éste representa a 5,20
pacientes de la población.
Ejemplo 2:
animales. No obstante, para garantizar una mediana seguridad y debido a escasos recursos, para
el estudio ha establecido un factor de elevación de sólo 10. Indique la muestra y la fracción
muestral necesarias para llevar a cabo el estudio.
Solución: puesto que el rebaño de redes representa a la población total podemos asumir los
siguientes datos: N=4.000 y FE=10, datos suficientes para comenzar, calcularemos primero la
muestra usando la ecuación de factor de elevación. Posteriormente, sabiendo el valor muestral lo
usaremos para hallar el factor de muestreo:
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
Análisis: la muestra buscada se corresponde con 400 reses y el factor de muestreo será del
10%. Esto es, el veterinario hará el estudio y por cada res estudiada ésta representará a diez de la
población, ejecutando su trabajo sobre el 10% de la población.
( )
Descripción:
Es un valor constante que puede ser calculado y queda a criterio del investigador. Si no se
tiene, comúnmente se lo toma en relación al 95% o al 99%, que equivalen a 1,96 y 2,58
respectivamente según la tabla de “Z” para la distribución normal. e = límite aceptable de error
muestral, oscila entre 0,01=1% y 0,05=5%.
414
Úsese esta ecuación cuando la variable bajo estudio presenta características cuantitativas, y
siempre que cumpla con los siguientes criterios: la población total es desconocida (población
infinita), o sus integrantes superan las 10.000 unidades. Donde d = nivel de precisión absoluta ya
sido estimado. Para ello ha de haberse definido el intervalo de confianza. es la varianza de la
población.
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
A continuación dos ecuaciones usadas para calcular muestras siempre y cuando se demuestre
que la población siga una Distribución Binomial con Probabilidad de Bernoulli:
( )
( )
378
En muchos textos de Metodología de la Investigación esta fórmula aparece referenciada como la Fórmula de Sierra Bravo.
415
Úsese alguna de estas fórmulas si y solo si, sus variables aleatorias presentan como salidas
sólo dos estados (variables dicotómicas y que puedan tomar valores discretos) [Éxito / Fracaso]
o [1 / 0]. Es decir, sus salidas son binomiales con probabilidad de éxito o fracaso igual o
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
El Muestreo Aleatorio Simple consiste en el más sencillo de los tipos de muestreo pero el más
aplicado dentro de cualquier otro esquema. En este tipo de muestreo se asegura que todas las
unidades tienen la misma probabilidad de ser seleccionadas, quiere decir, no existe sesgo
premeditado, allí se seleccionan “n” unidades dentro de un universo de “N” elementos de
población de manera que se cumpla la condición de selección para cada unidad poblacional.
Este método asegura a los investigadores que la muestra extraída carece de sesgo y es por entero
confiable.
Ventajas:
Al tipo de muestreo aleatorio donde cada elemento de la población puede ser elegido más de
una vez, repetidas veces en “K” ensayos, pues le ha sido asignada la condición de devolución, se
le denomina muestreo con reemplazo. Para cualquier población objetivo considerada finita el
muestreo aleatorio simple con reemplazo la convertirá en infinita, ya que sus miembros no se
agotarán nunca no importa la cantidad de ensayos muestrales que sobre ella se ejecuten. Esta
propiedad se la atribuye precisamente, su característica de devolución de cada elemento
poblacional posterior a cada ensayo.
Por su lado, el tipo de muestreo aleatorio donde se condiciona que cada elemento de la
población muestreado no podrá ser elegido nuevamente para otro ensayo, pues le ha sido
417
resultado la totalidad de la población. Esta estrategia permite sub analizar cualquier cantidad de
sub grupos derivados desde la población original. Donde, cada elemento de la población ha de
pertenecer a uno y solo uno de los estratos delimitados, además, luego de ser divididos en
estratos, sobre cada uno se aplicará el muestreo aleatorio simple, siendo cada estrato muestreado,
mutuamente independiente de cualquier otro.
En el muestreo estratificado es posible aplicar un muestreo aleatorio simple sobre cada estrato
independientemente de los otros, tal que “nh” observaciones serán aleatoriamente seleccionadas
de las “Nh” unidades de muestreo en el estrato “h”. Definiremos “Sh” como el conjunto de “Nh”
unidades en el muestreo aleatorio simple para el estrato “h”, entonces, el tamaño total de la
muestra será: [ ]
Es de recalcar que la cantidad de unidades muestrales dentro de cada estrato debe ser
418
estimada con las técnicas del muestreo aleatorio simple y en proporción a las unidades
poblacionales de cada estrato. Es de obligatoriedad que, en el muestreo estratificado, los tamaños
relativos de los estratos sean conocidos. Pues se utilizarán para obtener los Estimadores
Insesgados, la Varianza de los Estimadores, el Error Estándar para Muestras Estratificadas y el
Intervalo de Confianza para muestras del mismo tipo. Parámetros de suma importancia a la hora
de contrastar hipótesis.
MUESTREO
ESTRATIFICADO
Asignación Asignación
Proporcional Desproporcional
Asignación Asignación
desproporcionada desproporcionada
para el análisis de para el análisis
estratos entre estratos
Asignación Óptima
Optimización de
Optimización de Optimización de
Costos y de
Costos Precisión
Precisión
379
Concepto de Muestreo tomado desde Johnnie, Daniel (2012) Sampling Essentials: Practical Guidelines for Making Sampling Choices. Los
conceptos aquí descritos fueron reinterpretados y los ejemplos no pertenecen a Johnnie Daniel.
419
Cuando se opera con estratificación proporcional, el tamaño de la muestra del estrato resulta
normalmente muy pequeño como para deducir inferencias y lograr los objetivos de
investigación. Una asignación proporcional podría no manejar el número de casos suficientes
para análisis detallados. Y, el propósito del estudio es precisamente conducir análisis bien
detallados sobre el estrato muestreado.
380
Ahora bien, si se sobremuestrea este pequeño estrato se crearán distribuciones
desproporcionadas cuando éste sea comparado al de la población. Entonces, se harán presentes
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
las unidades de estudio necesarias y que no hubiesen estado allí de no haber ejecutado el proceso
de sobremuestreo. Como ejemplo: suponga que se desea preguntar sobre la calidad del servicio
del agua en todo un imaginario país. Éste sólo tiene 5 estados, el estado “A” representa al 31,9%
de la población. El estado “B” al 24,6%; el “C” al 22,1%; el “D” al 19,8% y el “E” sólo al 1,6%.
La población total a entrevistar son 1000 personas a nivel nacional. Si se suman todos los
estratos da como resultado la totalidad de la población, condición necesaria para el muestreo
aleatorio estratificado. Ahora procederemos a sub analizar cualquier cantidad de sub grupos
derivados desde la población original. Donde, cada elemento de la población ha de pertenecer a
uno y solo uno de los estratos delimitados.
Al estado “A” le corresponden entonces 319 entrevistas; al estado “B” le corresponden 246;
al “C” 221; al “D”198 y por último al “E” solo 16. Ya hemos distribuido proporcionalmente las
entrevistas por estratos. Ahora bien, surge la interrogante ¿Cómo deducir inferencias a partir del
estrato “E” cuando su proporción es numéricamente muy pequeña comparada con los demás
estratos? Los resultados a nivel nacional serían por enteros correctos y sin problema alguno. El
asunto es ¿Cómo analizar internamente al estrato “E”? A todas luces, el número de casos son
insuficientes para análisis detallados.
Como solución al problema se sugiere sobre-representación del estrato “E”, quiere decir, el
sobremuestreo. Supóngase que no se entrevistan 16 como corresponde sino que se
sobredimensiona y se entrevistan a 50 personas más: [16 + 50 = 66] Esto generaría un segundo
inconveniente, la sobre-representatividad de una muestra alteraría las inferencias nacionales si no
se equilibran los elementos añadidos. Entonces, el investigador decide otorgar un peso ponderal
a cada entrevista conforme el 1,6% que le corresponde a nivel nacional. De esta manera se hace
380
En estadística se dice que se ha sobremuestreado cuando se toman algunos elementos de más de los que realmente les correspondían como
proporción de una muestra principal. El proceso de sobremuestreo genera una sobremuestra.
420
muestreo variará para cada uno, dificultando las inferencias cuando los estratos más pequeños no
estén suficientemente representados. Por ende el investigador optará por sobre-muestrear ciertos
estratos y equipararlos en cantidad de unidades con el fin de poder ejecutar las comparaciones
necesarias.
Supongamos que una clínica muy concurrida cuenta con 1.000 pacientes que asisten a la
totalidad de sus especialidades de consulta. Un investigador desea indagar sobre la calidad de
servicio percibido por estos pacientes. No obstante, de estas 1.000 unidades poblacionales 800
son mujeres y sólo 200 hombres, es evidente una sobre representación de uno de los géneros. Si
se muestrea al 10% de la población, 100 personas, la fracción de muestreo [8/10] (80) serán
mujeres y sólo [2/10] (20) hombres.
Asignación Óptima, desde el punto de vista del muestreo estadístico, refiere a un método de
muestreo estratificado donde la asignación muestral busca el mejor o más óptimo tamaño por
estrato, y cuya ecuación contiene una variable que representa el costo de muestrear cada
elemento dentro del estrato. Según Johnnie Daniel Op. Cit, el muestreo proporcional
estratificado puede brindar márgenes de error más pequeños que el muestreo aleatorio simple
cuando se usa para estimar parámetros poblacionales. No obstante, esto es posible mejorarlo.
Para ello emplearemos la asignación óptima. Éste consiste en un diseño que admite el logro
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
de una gran exactitud comparada contra la obtenida desde el muestreo proporcional. Del
muestreo con asignación óptima se destacan dos aspectos, costo y precisión. La fracción de
muestreo variará acorde al costo y variabilidad intra estratos. La asignación óptima toma en
cuenta las varianzas diferenciales y costos por estratos, su objetivo, obtener información acerca
del menor costo al aplicar la recolección de datos para el muestreo. A continuación la fórmula de
Asignación Óptima:
Donde: C= costo; Co= Gastos generales: ch= costo de tomar una observación en el estrato:
nh= tamaño de la muestra por estrato h.
⌊ √ ⌋
∑
√
381
Véase: (Lohr, 2010). P. 89. Stratified Sampling.
422
Donde Sh = la desviación estándar del estrato “h”. Si el costo total por unidad muestreada es
constante para todo el estrato entonces: Ci = C.
primero el número de inicio “i” y luego el intervalo de muestra “t” en el cual serán elegidas las
otras opciones de la muestra. Por ejemplo: se desea conocer la opinión de 123 comensales
<<Población Total>> que están presentes en un restaurant en determinado momento. Luego de
ser numerados por el investigador, elegiremos como número de inicio el 6 y como intervalo de
muestra el 9. Posteriormente, se parte desde el comensal número 6 ascendiendo así de 9 en 9.
Quiere decir: los entrevistados serán los números: [6: 15: 24: 33: 42: 51: 60: 69: 78: 87: 96: 105:
114: 123] logrando entrevistar a 14 de los 123 comensales.
Conclusión, el 11,3% de la población fue entrevistada y por cada uno éste representaba a 8,78
personas. Inconveniente, este método presupone al menos dos problemas principales: primero,
sólo es posible usarlo si los individuos admiten la clasificación para cierto orden fijo.
Segundo, si el estudio donde se aplica presenta periodicidad podrían surgir errores cuando uno
de los periodos coincida con la progresión aritmética <<fracción de elevación>> por éste
empleada. De manera que la simple aparición de alguna coincidencia entre la técnica y la
periodicidad hará que la muestra ya no sea aleatoria, comprometiendo en gran medida la
representatividad de la muestra ante la totalidad de la población.
Además, si las unidades no son conformadas en un buen arreglo lógico, podría generarse una
muestra inadecuada y sin representatividad. Por ejemplo: las temperaturas más bajas en
Venezuela se presentan en enero, y las más altas en agosto.
Si se desea conocer el promedio de temperaturas para los siguientes 20 años (240 períodos
mensuales), no asumiendo el caso de una investigación predictiva, y se elige i=1= Enero, y
como intervalo de muestra se toma T= 12, entonces los períodos de frio coincidirán con la
progresión aritmética en enero de cada año. Así como si se eligiese T=8, coincidiendo entonces
con los períodos de calor. Pero, si el intervalo de muestra se conforma de manera que un número
impar sea múltiplo de la mitad del período, entonces el muestreo sistemático diseñado arrojará
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
bastante eficiencia. Buscando romper la periodicidad cuando ésta se presenta con fases altas y
bajas.
424
Consiste en una técnica de muestreo donde los bien definidos miembros de una población son
organizados o clasificados por grupos como primer paso. A cada clúster se le considerará como a
un individuo con todas las características representativas de la población. Luego, una cantidad
aleatoria de grupos es seleccionada y obtenidas desde allí sub muestras. Los clusters o grupos
son unidades poblacionales que se concentran de manera natural en la distribución estadística de
la población. Uno de los principales inconvenientes, según (Salkind, Encyclopedia of Research
Design, 2010), es que la técnica ocasiona la posible pérdida de heterogeneidad que existe dentro
de los grupos cuando se toma al grupo entero como una unidad.
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
Para (Thompson, 2012), tanto el muestreo sistemático como el muestreo por clusters
pareciesen ser opuestos, el primero deja intervalos iguales entre espacios muestrales, el segundo
los agrupa sin importar sus distancias. No obstante, los dos diseños comparten la misma
estructura. La población es particionada en unidades primarias, cada unidad primaria está
compuesta de unidades secundarias dentro de ella. En el muestreo sistemático una unidad
primaria simple consiste en unidades secundarias espaciadas sistemáticamente dentro de la
población.
Se conoce como Muestreo Multietapas, a aquel tipo de muestreo que se aplica por partes o
segmentos dados la complejidad de la población a estudiar y el objetivo de investigación
propuesto. Consiste en una forma un poco más compleja del muestreo por clusters. Al primer
paso se le denominará unidad muestral primaria (UMP), secundaria (UMS) y terciaria (UMT), y
así sucesivamente. Aquí es de suma importancia la heterogeneidad de las unidades. Para cada
etapa debe construirse un marco muestral y todos los marcos deben estar jerárquicamente
concatenados.
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
La teoría del Muestreo Multietapas descansa en los siguientes razonamientos: considere una
población “U” dividida en “M” partes denominadas unidades muestrales primarias (UMP), cada
unidad primaria es particionada en “Ni” partes llamadas unidades muestrales secundarias
(UMS), allí se les identifica con el par ordenado (i; k), donde “k” varía desde 1 hasta “Ni”.
Entonces, la población de las unidades muestrales secundarias estará contenida dentro de las
unidades muestrales primarias “i” es denotada con “Ui”. De manera que es posible la repartición
de cada unidad secundaria y hacer iterativo el proceso. Determinando la muestra final por etapas
sucesivas.
Por ejemplo, un equipo médico necesita seleccionar una muestra de pacientes en una ciudad
“X” con el fin de estimar la prevalencia de diabetes tipo II, y ejecutar pruebas de hipótesis contra
resultados de otras ciudades. Según datos epidemiológicos la ciudad “X” manifiesta una alta
prevalencia de la enfermedad, 13.800 afectados, comparada contra otras ciudades, entonces el
grupo de galenos debe hacer el estudio sobre no menos del 10% de la población. La secuencia
sería la siguiente:
que se obtendría una muestra total de (6*4*3*20) =1440 pacientes, habiendo alcanzado
estudiar al 10,43% de la población.
Las unidades muestrales en cada etapa podrán ser obtenidas usando el muestreo aleatorio
simple, por estratos o sistemático. En ese sentido, y bajo consideraciones de (Som, 1996), el
muestreo Multietapas puede usarse en situaciones de este tipo:
Los marcos muestrales podrían no estar disponibles para todas las unidades de observación
del universo poblacional;
Incluso, si los marcos muestrales para las últimas unidades de observación estuviesen
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
382
Concepto tomado desde: (Dodge, 2008). Quota Sampling.
427
El muestreo por cuotas consiste, por consiguiente, en la forma no probabilística del muestreo
estratificado pero con ciertas variantes. Tal como en la ecuación previa, la cuota de cada tipo de
unidad de muestreo se corresponde con el tamaño de la muestra multiplicada por la proporción
de la población. A saber, la muestra seleccionada presenta la misma proporción de elementos
constitutivos de la población. Donde las cuotas son delimitadas a través de mecanismos no
aleatorios y divide a las sub-población de acuerdo a variables comunes a criterio del
investigador, introduciendo juicios subjetivos si las variables comunes no tienen asideros
lógicos.
Por sus características, esta muestra y cuota final basada en la proporción de cada subgrupo,
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
Una proporción directa es aquella donde la relación entre dos variables permanece constante.
Una proporción inversa es aquella en la cual se elige una constante y esta se le multiplica y
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
En razón, no se cumple con los supuestos para elección aleatoria ya que, al existir estratos
mayoritarios, estos tendrían mayores oportunidades de ser elegidos. Una de las ventajas de este
tipo de muestreo es que admite el uso diferentes tipos de muestreo para cada estrato, siendo sus
muestras por estrato más representativas que las obtenidas desde el muestreo aleatorio simple.
No obstante, dos de sus desventajas radican en que la clasificación por estrato involucra un gran
número de variables, haciendo que los análisis se tornen en esencia complejos. Del mismo modo,
una mala clasificación de una unidad muestral dentro del estrato amplía el riesgo de incrementos
en la variabilidad.
A toda aquella cantidad obtenida desde una muestra y que es utilizada con el fin de estimar un
parámetro poblacional se le conoce como Estadístico Muestral. Entiéndasele como a todo aquel
parámetro que admita el uso de alguna prueba de hipótesis tendente al contraste de al menos dos
o más estadísticos muestrales. Los más comunes de los estadísticos muestrales son: las
distribuciones muestrales; la media muestral; la distribución muestral de medias; la distribución
muestral de proporciones; la varianza muestral y la distribución muestral de varianzas.
429
Toda muestra aleatoria presenta estadísticos que les son propios, entre ellos la media, la
varianza, la desviación estándar e incluso las proporciones. Cada uno brinda información
particular acerca de la población de donde fue extraída. Ahora bien, supóngase que existe más de
una muestra de una misma población y cada una presenta parámetros estadísticos particulares, es
decir, un comportamiento general y matemáticamente predecible. Entonces, cuando se compilan
todas las muestras posibles de una población y se procesan con una distribución de probabilidad,
da como resultado una distribución muestral.
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
La media muestral cumple la misma función que la media aritmética común, por ejemplo, de
una población de 100 alumnos de bachillerato se extrae una muestra del 10% para conocer la
media de esta muestra en sus calificaciones de estadística, denominaremos a cada nota como una
variable aleatoria X1, X2, X3…Xn…. : entonces:
La media muestral es un estadístico poblacional que sirve para probar hipótesis acerca de 3
tipos diferentes de preguntas, cada una da origen a una prueba diferente, pruebas bilaterales
<<cuando el fenómeno bajo estudio está delimitado entre rangos>>, pruebas unilaterales hacia la
derecha <<tal cantidad es mayor que>> y unilaterales hacia la izquierda <<tan cantidad es menor
que>>
Segundo Teorema: supongamos ahora que la población bajo estudio es infinita, o al menos
sus unidades muestrales superan los 10.000 componentes y además se usa un muestreo aleatorio.
O como segunda condición, la población no es infinita y el muestreo aleatorio utilizado incluye
reemplazo. Para estos casos se afirma que la varianza presente en la distribución muestral de la
media, que denotaremos como resultante será la varianza de la población dividida sobre el
número muestral y proviene desde la siguiente ecuación:
(̅ )
Tercer Teorema: ahora bien, y como condición al teorema 2, dada una población de tamaño
“N”, se utiliza un muestreo sin reemplazo de unidades, y el tamaño de la muestra es menor al de
la población, quiere decir, n N, entonces en vez de la ecuación del teorema 2 utilizaremos:
( )
( )
Obsérvese que para los casos donde “N” supere las 10.000 unidades, o tienda al infinito, la
ecuación válida será la del teorema 2, ya que quedará reducida a esta.
383
Es bueno recalcar que un teorema consiste según la lógica matemática, en una hipótesis ya demostrada. En tanto, podrán usarse con gran
confianza.
431
Existen varios tipos y sub-tipos de errores muestrales: los errores muestrales en sí; los errores
no muestrales, y los errores de Muestreo de Respuesta Aleatorizada. Dentro del sub grupo de
los errores no muestrales tenemos tres sub categorías: los errores en la adquisición de los datos,
los Errores de No respuesta y los Errores de sesgo en la selección. A continuación sus
descripciones.
ERRORES DE
ERRORES ERRORES NO
RESPUESTA
MUESTRALES MUESTRALES
ALEATORIZADA
ERRORES EN LA
ERRORES DE SESGO ERRORES DE NO
ADQUISICIÓN DE
EN LA SELECCIÓN RESPUESTA
LOS DATOS
Un Error Muestral se sobreviene del hecho de hacer observancia de sólo una pequeña parte de
una población total, pues si se tomasen dos o más muestras exactas, numéricamente hablando, de
una misma población, existirá una diferencia entre ellas debido a las características propias y
432
mecanismos usados para su interpretación. Los Errores No Muestrales nada tienen que ver con
las muestras en sí, sino a faltas involuntarias de los investigadores cuando procesan o interpretan
la data. Surgen comúnmente cuando se llevan a la práctica los procedimientos inherentes a la
investigación, aunque pareciesen errores sin importancia, resultan más serios que los errores
muestrales.
En efecto, el hecho de optar por una muestra muy grande queriendo minimizar el error
muestral no garantiza en absoluto su posibilidad de ocurrencia. Pues, quizás, sus unidades
muestrales pudieron haber sido adquiridas inapropiadamente. Tenga presente el investigador que
existe una falacia comúnmente diseminada que dictamina: “Mientras más grande sea el tamaño
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
de la muestra menor será el error”, pero la verdad es que tal afirmación no ha sido ni es
demostrable. Lo que sí determina el tamaño de una muestra es su homogeneidad, quiere decir,
usted puede tomar una muestra no representativa de una población conocida y totalmente
homogénea y llegar a conclusiones más precisas que si optase por una muy grande siendo no
homogénea, incluso los censos manifiestan errores no muestrales.
Por ejemplo: el estándar internacional prescribe que el contenido total de sangre en el cuerpo
de una persona adulta promedio varía en relación al peso. Con una relación de peso total sobre
13, quiere decir, el total de sangre de una persona se calcula tomando su peso y dividiéndolo
entre 13. Entonces, una persona de 80kg tendrá aprox. 6 litros de sangre. No obstante, bastan
sólo de 3 a 10 mililitros para hacer un análisis. Si transformamos estos 6 litros a mililitros
tendremos 6 mil mililitros, donde estos [3 10 mililitros] representan sólo el 0,16% de la
población total de sangre.
A todas luces una muestra no representativa, pero para nada implica una alteración de los
resultados ya que, lo que sí determina el tamaño de una muestra es su homogeneidad. Ahora
bien, tomemos el ejemplo contrario, si desea corroborar los resultados de un análisis de sangre
con el del ejemplo previo, optemos entonces por maximizar la muestra. Elijamos el 40% de la
población total de sangre de una persona para estudiarla y deducir si hay diferencias
significativas entre ambas muestras.
Éste 40% se corresponderá entonces con unos bastante representativos 2.400 mililitros (2,4
litros de sangre). En consecuencia, podremos elegir una prueba “t” de Student para dos muestras
independientes para dilucidar nuestra hipótesis, pero, ¿qué cree sucederá si a una persona le
extraen 2.4 litros de su sangre?, cierto, lo que se denomina Mortalidad Experimental, resultante
de la pérdida de unidades experimentales durante el curso de un tratamiento. En consecuencia, si
433
se conoce que la población es muy homogénea elija una muestra pequeña, si su población es
poco homogénea o muy heterogénea, maximice sus unidades muestrales.
Se corresponden con un tipo de error que se sucede cuando se entrevista a personas sobre
temas delicados, tabúes. Por ejemplo, consumo de drogas, alcohol, preferencias sexuales,
religión en algunos casos, tendencias políticas, entre otros. Son un tipo de errores de no respuesta
donde el investigador se interesa en estudiar más allá de lo que se observa o lo que el
entrevistado manifiesta en el cuestionario. Allí normalmente un encuestado dejará en blanco
Roiman Valbuena: Muestreo Estadístico: Análisis, Diseño y Aplicaciones.
En estos casos, se ha demostrado que el entrevistado opta por cierto mecanismo aleatorio y
sicológico para no responder o hacerlo con respuestas ambiguas. Quiere decir, responde pero no
en la dirección exacta a la pregunta formulada. Por ejemplo: ante las interrogantes: ¿ha
consumido usted drogas en el último mes?, o, ¿se ha abstenido usted de consumir drogas en el
último mes384? Sólo el entrevistado sabe la verdad, y podría bien admitir a negar los hechos.
Como el conjunto de respuestas encierra una distribución binomial, la prevalencia de drogas
usadas puede ser estimada desde el porcentaje de la muestra de respuestas afirmativas, las
restantes obedecerán a la abstinencia. En este caso, la población es operacionalizada como
proporciones, donde un porcentaje presenta la característica bajo estudio y el otro no.
( )( )
384
La primera pregunta es la que denominaremos sensitiva y es la que representa al objetivo del estudio, a la segunda la llamaremos optativa y se
genera en función de dar la posibilidad de mentir al encuestado. De manera que el pool de respuestas se cobije sobre una distribución binomial
con proporciones desigualmente distribuidas.
385
Fórmulas tomadas con permiso de: (Lewis-Beck, Lia, & Bryman, 2004: p.919 y 920).
434
̂
̂
Ernest Rutherford.
436
E
l pensamiento científico siempre ha sido considerado como el más complejo y
probablemente, la más extraordinarias de las actividades que pueda ejecutar el hombre
en el uso de su intelecto. Donde cada científico está en total libertad de usar el método
que mejor se acople a su paradigma, y lógicamente, a la ciencia que esté en estudio. El Método
Experimental es calificado como el mejor y más efectivo de los Métodos de Investigación,
consiste en una estrategia altamente exigente y aplicable a cualquier rama científica por muy
nueva que esta sea. Tanto así que…Cuando se examinan inteligentemente incluso los más
inútiles experimentos, éstos pueden abrir el camino hacia los más sensacionales hallazgos. Max
Planck.
Para Mario Bunge (2004), Experimento es aquella clase de experiencia científica en la cual
se provoca deliberadamente algún cambio y se observa e interpreta su resultado con alguna
finalidad cognoscitiva, (p. 678 y ss.). El Método Científico Experimental es, por su origen y
resultados, estimado como el más efectivo de los Métodos de Investigación. Convirtiéndose en el
más utilizado por las ciencias factuales, se le considera en extremo riguroso en función de la
planificación de actividades que amerita. Aquí cabe una cortes comparación con su contraparte,
el Método No Experimental, el problema de este último subyace en su imposibilidad de tomar
control de la situación bajo estudio, sin tender a infravalorarlo, obvia por completo la ley de
Causa Efecto386.
Toda actividad indagatoria del tipo experimental involucra la creación de nuevos escenarios
para el modelaje de situaciones que permitan al científico actuar en consonancia con sus fines,
haciéndose necesaria la alteración del curso del proceso en la dirección apropiada. De acuerdo a
Rosental-Iudin (2004), el experimento es fuente de conocimiento y criterio de la verdad para
hipótesis y teorías. Todo experimento consiste en una manipulación premeditada y estrictamente
386
Según Ferrater Mora (2000), la causa permite explicar por qué se ha producido cierto efecto. Uno de los principales argumentos del principio
de la razón suficiente o determinante <<expuesto previamente>>, se basa en el supuesto de que nada acontece sin razón, siendo lo acontecido la
consecuencia de un estado anterior al que conviene cabalmente al término causa. No obstante, el principio de causalidad, que relaciona mejor
ambos términos, se explica más profundamente en el Cap. XXI, en el apartado de la Física Teórica: Los Sistemas Físicos y la Causación. Véase.
437
controlada de eventos bajo estudio. Se usa para producir observaciones del tipo causa – efecto,
éstas permitirán aceptar o rechazar, tanto hipótesis como teorías. Para Ian Hacking (1983), Un
Experimento por sí mismo tiene vida propia.
Comienza con la observación en cualquiera de sus tres fases constitutivas387, esta permite
Roiman Valbuena: El Método Científico Experimental.
bien, el crear una teoría que explique el fenómeno, suceso o evento, o en su defecto, recopilar
elementos de convicción, los cuales a través de argumentaciones razonadas y matemáticamente
soportadas, permitan modificar o refutar otra. Un experimento por lo general, intenta unir
fragmentos de teorías y establecer relación estímulos – respuestas sobre el fenómeno.
Posteriormente, se conforma una estructura teorética y se le usa para predecir futuros eventos
derivados de las observaciones y todas aquellas premisas que se incluyeron en la teoría
explicativa. Acto seguido, se procede al diseño del experimento más adecuado que permita
identificar tanto a los agentes causales como a los efectores, cristalizando conocimientos a través
de la simple técnica de sumisión a las reglas. La predicción, es decir, el supuesto que permite
establecer el efecto “y” dada la causa “x”, ha de haberse contemplado en la teoría 388. De no
ser así, se procede al análisis de los porqués, a manera de permitir la formulación de nuevas
hipótesis, y su inmediata incorporación a la teoría.
387
La observación como proceso puede tomar tiempo antes de ser perfeccionado, en otros casos, consiste en sólo una pequeña pieza de
información que de tal proceso se extrae. Según Bunge (2004), La observación es el procedimiento empírico básico. El producto de un acto de
observación es un dato, la observación puede analizarse por al menos tres componentes: el objeto de observación, el observador y un canal de
comunicación que transmite señales entre ambos. (p.678). Así mismo, la observación propiamente dicha, puede caracterizarse como una
percepción intencionada o deliberada e ilustrada: intencionada o deliberada porque se hace con un objetivo determinado; ilustrada porque va
guiada de algún modo por un cuerpo de conocimientos. El producto del proceso observacional puede analizarse también en tres pasos: tomar
conciencia del objeto; reconocer el objeto a grandes rasgos y describirlo. Con respecto a la observabilidad, un hecho es observable solo si existen
al menos un sujeto, un conjunto de circunstancias y un conjunto de instrumentos de observación, de tal modo que el hecho pueda aparecer al
sujeto armado de esos instrumentos y bajo dichas circunstancias. Como ejemplo: “x” es observable sólo si existe por lo menos un instrumento
registrador para “x”, un conjunto de circunstancias “y”, y un conjunto de instrumentos de observación “z”. De tal modo que “A” pueda registrar
“x”, bajo “y”, con la ayuda de “z”. (PP. 591-601 y ss.).
388
Se dice a menudo que es preciso experimentar sin idea preconcebida. Esto no es posible, no solamente sería volver estéril toda experiencia,
sino que se querría lo imposible. Henri Poincaré (2007). Science and Hypotheses. Véase.
438
sus esfuerzos a las exigencias del problema, para con ello deducir con confianza muchas de sus
causas.
Todo Experimento Científico ha de intentar recrear el qué pasa, pero debe ser extensivo y
exhaustivo en su proceso explicativo del porqué pasa. Si bien es cierto, una explicación
científica consiste en el proceso de poner de manifiesto la esencia misma del fenómeno u objeto
estudiado, esta comúnmente se direcciona hacia una dilucidación del tipo causa-efecto. Donde el
objeto ha de ser tomado como una unidad, y cuyas partes constitutivas y totalmente
independientes podrán diferenciarse entre sí por medio de la descripción. Ésta última, constituye
sólo una etapa previa al proceso explicativo, asumiendo que toda explicación se basa en la
descripción.
Es de tener en cuenta que también existen experimentos cualitativos, éstos no pretenden hacer
ningún tipo de mediciones, contrariamente, el teorista o experimentalista puede usarlo para
ponderar o sondear si coexiste alguna evidencia, por muy leve que esta sea, de que las variables
estén relacionadas y concurra entre ellas causalidad, su fin es exclusivamente exploratorio y no
aporta evidencia matemática.
El Experimento Cualitativo se basa en el hecho que toda teoría se cierne sobre un trabajo
experimental, el teorista imagina de cierta forma, la manera de comprobar su teoría. De resultar
389
Conocimiento objetivo es todo aquel proceso que permite extraer de lo abstracto y sumariarlo en lo concreto. Para Rosental-Iudin (2004); el
fin del conocimiento estriba en alcanzar la verdad objetiva. Para los efectos de Kant en Grayeff (1970, p. 87); La verdad es sólo uno de los tres
criterios del conocimiento, y por tanto, subordinada a él. Primeramente, se basa en un pacto de conformidad de un concepto con su objeto. En
segundo lugar; consiste en una concordancia entre una teoría con sí misma. Y por último, las reflexiones puramente lógicas son incapaces de por
sí mismas de establecer verdad. Sin embargo, estas no son las únicas observaciones sobre el conocimiento y la prueba objetiva que provee un
experimento… en escritos de Fernández (1985, p. 77 y ss.), en su libro: Foundations of Objetive Knowledge; hay consideraciones que Kant ha
agregado al Principio Empirista Poperiano; <<Cualquier decisión tomada en base de la observación y el experimento es revisable>>, fundado en
que no existen criterios empíricos para la verdad, y que la observación y el experimento están por sí mismos cargadas de teorías. Es así como
todo conocimiento objetivo surgido de la experimentación, no solo ha de acercar al hombre a la comprensión del mundo circundante, sino que
debe permitirle transformarlo, subordinando la naturaleza a todo aquella necesidad surgida del ser humano.
439
No en todas las ciencias es posible aplicar el Método Experimental, aunque este arroja
abundantes frutos, tiende a ser usado en estudios cuantitativos que permitan medidas precisas. A
un astrónomo por ejemplo, le es imposible desviar el rumbo de un cometa hacia un agujero negro
y simplemente sentarse a observar qué pasa. Estos no son experimentos reales, pero pueden ser
recreados en laboratorios obteniéndose de ellos excelentes resultados numéricos. Según Carnap
(1995), los conceptos cuantitativos usados en la Investigación Experimental no son dados por la
naturaleza, sino que pueden extraerse de la práctica de aplicar o asociar números a fenómenos
naturales. Sin embargo, su principal ventaja es que los conceptos cuantitativos permiten a su vez
la formulación de leyes cuantitativas.
Roiman Valbuena: El Método Científico Experimental.
Primera: Toda aquella ciencia, cuyas conclusiones sean alcanzadas a través de la inducción,
deberá ser sometida a pruebas experimentales. Segunda: Todo hecho resultante de un
experimento tiene prioridad sobre cualquier cantidad de suposiciones iniciales, razonamientos, o
cualquier argumento basado en ciencias factuales. Tercera: La Investigación Científica
Experimental debe ser extendida enteramente a nuevos problemas, muchos con valor práctico.
Dentro del contexto histórico de la metodología de la ciencia, Galileo 392 fue uno de los
primeros científicos en aceptar y reconocer, que una de las más efectivas formas de probar
hipótesis era a través de la experimentación. Una hipótesis sometida a experimento se hace
390
Roger Bacon (1214 – 1292), filósofo y científico dedicado a la investigación experimental, bien conocido como el Doctor Maravilla y
miembro de la orden Franciscana. Sus ideas fueron influenciadas por Grosseteste y diseminadas desde Oxford a París en 1240. Fue allí donde
comenzó a expandirse el uso de este método de investigación entre las más grandes universidades medievales. Aparece en: Gauch, Hugh (2003).
Scientific Method in Practice. University of Cambridge.
391
Francis Bacon logró sistematizar el método experimental inductivo, mientras que Descartes en su Discurso del Método, describe lo que debe
hacerse para obtener buenos resultados con los experimentos en el método deductivo. Para Spielvogel (2004), Sir Isaac Newton fue el que
sintetizó ambas metodologías, uniendo el empirismo de Bacon con el racionalismo de Descartes. (pp. 454-455).
392
Galileo ayudó a desarrollar el diseño experimental para ser aplicado a nuevas conexiones con la naturaleza. Gower (2002); New Methods for
a New Science. Véase.
440
Descartes, al contrario de Francis Bacon, sistematizó una estructura analítica que lo llevó a la
adopción de un enfoque diferente de la Metodología Científica, soportándose sobre la deducción,
los silogismos y la lógica matemática. Francis Bacon por su lado, asumió que un correcto uso del
método científico era aquel basado en principios inductivos. La lógica en su método se explica
Roiman Valbuena: El Método Científico Experimental.
en cierto pasaje de su obra: Advancement of Learning393 (1605) cuyo título completo es << Of
the Proficience and Advancement of Learning, Divine and Human>> y en el Distributio Operis
(1620). En su libro Advancement, dividió la lógica científica en 4 partes y de acuerdo a
diferentes funciones:
Para Francis Bacon, estos cuatro procesos constituyen un arte intelectual: el arte de la
invención; el arte de la examinación; el arte del juico o discernimiento; y el arte de custodia o
memoria. Con esto preconizaba los pasos a seguir para el Método Experimental Inductivo,
intentando suplir de alguna manera al Organon Aristotélico y sus Silogismos. El autor argumentó
en sus escritos <<Véase Novum Organum: contentivo de 182 Aforismos>>, que los silogismos
en física no eran necesarios, pues allí no era posible convencer con argumentos sino con obras de
la naturaleza.
Es decir, según Bacon, las teorías científicas planteadas en la física teórica carecen de sentido,
se ha de proceder únicamente mediante observación, puesto que el querer aplicar las nociones
mentales a la naturaleza yerra el camino, contradiciendo a los experimentalistas. Lo afirmado por
Bacon es verdadero hasta cierto punto, pero se aclara mejor esta discrepancia en el apartado de la
Física Teórica. Los silogismos para Bacon son necesarios en otras ciencias como la ética, la
política en incluso en la teología, pero no en física, y de la lógica no publicó tratado alguno.
393
Los detalles pueden leerse en la excelente obra de Paolo Rossi (1978). Francis Bacon: From Magic to Science. Pp. 134 y ss.
441
Francis Bacon siempre se negó a usar un método que permitiese <<Deducir>> conclusiones
lógicas394. A tales efectos, sugirió proceder de lo particular a lo general, normatizó un extenso
corpus explicativo donde propuso proceder desde observaciones razonada y sistemáticas, pues
era la mejor forma de producir generalizaciones correctas 395. Sin embargo, Francis Bacon
nunca mostró gran interés por las ciencias puras, continuamente sintió más atracción hacia los
procederes prácticos y orientados a la creación de dispositivos, es decir, hacia la tecnología.
Constantemente criticó el papel de las matemáticas en las ciencias. Descartes por su lado,
utilizó su observación para describir y no para explicar. Esto corresponde a una evidencia
inequívoca de que existía, al menos en el siglo XVII, un debate sobre dos dimensiones del
Método Científico Experimental, Gower (2002, p. 67). Posteriormente Newton, encontraría uso a
ambas formas de indagar. Consiguiendo el desiderátum de Francis Bacon y René Descartes.
Roiman Valbuena: El Método Científico Experimental.
394
Sir Francis Bacon, Conde de Verulamio y denominado el Gran Canciller de Inglaterra para su época . El Método Experimental Inductivo se le
atribuye, este siempre criticó los Silogismos Aristotélicos y despreció el papel de las hipótesis en las ciencias. Bacon ocupó puestos importantes
dentro del gobierno en la Gran Bretaña de finales del siglo XVI y comienzos del XVII, fue presidente de la Cámara de los Lores y de la Real
Academia de las Ciencias Inglesa, la Royal Society, posición que le permitió ejercer gran influencia en la adopción de su método. Para Bacon, el
problema del conocimiento era problema del método. Según Hoffe: Bacon a pesar de no ser filósofo de profesión sino Jurista, intentó hacer
aportes a la filosofía con sus obras: Gran Renovación (Instauratio Magna, 1605 y 1623), y el Nuevo instrumento (Novum Organum) que opuesta
al Organon Aristotélico, conforma su parte más conocida. Para los detractores de Bacon, este desconocía las matemáticas, obvió los importantes
aportes de Galileo y Keppler a las ciencias, por el contrario, estaba más dotado de la capacidad de expresar ideas con imágenes que del poder
deductivo de las ciencias ideales. Al respecto, las portadas de sus obras hablan por sí solas.
395
Se sugiere al lector, para una ampliación del tema, Refiérase al Cap. V, apartado 5.3: El Problema de Superponer Inducción y Deducción.
442
Denis Diderot
L
a observación es un proceso netamente relacionado a los sentidos, es decir, implica
percepción. Se puede observar todo aquello que se visualiza directamente, se escucha,
prueba, toca o huele. Observar implica el uso de todos los sentidos. A la observación se
le asume como un paso ineludible e insalvable dentro del método científico, de hecho, todo el
conocimiento científico disponible actualmente es derivado natural de la observación, allí se
capta la esencia del fenómeno para luego describir, experimentar y explicar. La observación
permite colectar gran cúmulo de evidencias que llevan a inducir o deducir ideas, supuestos,
hipótesis e incluso teorías.
La percepción es fuerte y la vista débil. En la estrategia es importante ver las cosas lejanas
como si estuvieran cerca, y tener una visión distanciada de las cosas cercanas398. Por su lado,
Kosso (2011, p.10 y ss.), para quien investigue por inducción pura, ésta presupone observación
pura, cuyo flujo de información carece de contaminación externa. Esto es simplemente
396
Al respecto, la razón humana averigua las cosas de dos maneras, o por la fuerza de razonar o por los sentidos. Del primer modo alcanza los
primeros principios y verdades que hemos llamado razón o luz natural. Del segundo descubre la naturaleza y propiedades de los objetos sensibles
y corpóreos. De estas dos clases es posible señalar los errores que se mezclan… conviene advertir que el error como falsedad está en el juicio que
afirma, o niega una cosa de otra; llamaremos error a cualquier defecto de las nociones mentales que pueda dar ocasión a la potencia de juzgar
para engañarse; y recibir lo falso en lugar de lo verdadero. Dicen muchos que los sentidos nos engañan con facilidad, de hecho lo dicen bien, por
esta razón ha de ponerse el cuidado posible en asegurarse de las cosas que se ofrecen a los sentidos, pues por ellos, si se hace debido uso de sus
operaciones, se alcanzan muchas y muy importantes verdades. Piquer (1781), De Los Errores que Ocasionan los Sentidos, (pp. 114 y ss.) Por su
lado Bunge (2000), sostiene… <<no puede haber fenómenos o apariencias sin un sujeto sensible (Observador) que se sitúe en una adecuada
posición de observación. Un mismo hecho objetivo puede aparecer de modos diferentes a observadores diferentes>> (p. 592-593). Y esta es la
razón de la ciencia, contrastar, explicar, disipar dudas y descubrir verdades.
397
Aparece en el Prólogo de su obra: Science and Hypotheses.
398
Miyamoto Musashi. Estratega Japonés.
443
imposible. En ciencia, la percepción está influenciada por las ideas. Entonces, las observaciones
científicas están influenciadas por teorías científicas, donde el orden de los eventos no puede
restringirse a primero la observación y luego la teoría.
El autor indica la importancia de dejar claro que toda teoría tiene influencia sobre la
observación, direccionándola sólo hacia los aspectos de interés. Así mismo, es imposible
observarlo todo, así como lo es el anotar y describir cada detalle del producto observacional. La
observación científica, en la medida de lo posible, ha de hacerse corresponder con el lenguaje
teorético. La observación ha de constituirse en la destreza más importante que pueda desarrollar
Roiman Valbuena: Consideraciones sobre la Observación y el Experimento.
Le ayuda a calibrar los juicios y los sentidos, le permite discriminar entre los datos con y sin
información, le asiente a precisar en vez de generalizar, en fin, la observación se fortalece a
través de la práctica generalizada en las comunidades científicas. La mera acción de observar
puede alterar el sistema o fenómeno estudiado como sucede con el experimento del Gato de
Shrodinger de 1937, aplicado sobre la mecánica cuántica.
Existen muchos tipos y formas de hacer observación, las más usuales en ciencia son: la
observación estructurada usada en estudios del tipo descriptivo; cuando se ejecutan
investigaciones exploratorias se usa la observación no estructurada; en ciencias sociales, estudios
del comportamiento e investigaciones cualitativas suele hacerse uso de la observación
participante; así como también existe la observación no participante y la observaciones
encubiertas. Johnston (2005), afirma que la observación como proceso involucra al menos 5
pasos importantes:
Según Daston y Lunbeck (2011), la observación sugiere conjeturas que pueden ser probadas
por experimentos… que a su vez consiguen nuevas observaciones en el interminable ciclo de la
curiosidad científica. La observación descubre elementos y discierne de ellos, el experimento
prueba y demuestra. Stuart Mill 399 (1858), aporta una gran cantidad de consideraciones al
respecto. La naturaleza está invariablemente conectada con sus antecedentes, en otras palabras,
cada fenómeno está relacionado con otro bajo la forma de causa y efecto.
Roiman Valbuena: Consideraciones sobre la Observación y el Experimento.
Cada efecto comienza con la existencia de una causa, y esta causa debe ser encontrada en
alguna parte entre los hechos que inmediatamente precedieron a su ocurrencia, es evidente
entonces que existe una secuencia natural y uniforme del pasado hacia el presente. Es necesario
resolver esta uniformidad en sus más simples partes constitutivas, donde se separe cada porción
de su antecedente y cada porción de su consecuente.
Aunque a simple vista parezca una operación analítica, va más allá de un mero análisis
mental. En donde la observación y el experimento se convierten en herramientas imprescindibles
para la resolución de esta uniformidad. Es el análisis mental el que inicia la secuencia, capta cada
objeto conocido y lo distingue a través de su intelecto de otro; ha de descomponerse el caos
precedente y el caos consecuente en simples unidades fácticas, separando un hecho de otro. La
esencia del acto observacional, para el observador, no consiste en ver lo que merece ser visto,
sino el ver realmente, el cómo se compone aquello que ha visto.
Para ello requiere de un raro talento, una persona puede prestar atención u observar sólo
hacia el lugar equivocado, en cuyo caso le llevaría a observar sólo la mitad de lo que ve. Otro
sujeto puede pensar haber visto más de lo que realmente observó, confundiéndolo con aquello
que imagina o infiere. Esta inexperticia afecta al proceso experimental, pues se está alimentando
de datos erróneos de procesos inadecuados, es por ello que previo a querer ser científico
experimentalista ha de demostrase que se es buen observador, y ello requiere de adiestramiento.
399
Véase Capítulo XXIII: Sección: 23.2. De la Observación y el Experimento.
445
U
n experimento mental es una facultad intelectual del pensamiento lógico científico
desde donde se construye un escenario hipotético, inmaterial y apriorístico, tendente a
establecer las conjeturas iniciales para un experimento real futuro. Allí se relacionan
ideas que posibilitan llevar a feliz término la consecución de un hecho, pero que necesariamente
amerita ser probado a posteriori. Se considera un tipo de facultad sensorial que permite razonar
sobre las relaciones causa efecto en determinado fenómeno, omitiendo todo hecho real y
básicamente influenciado por la intuición del experimentalista. Se usa para armar, sostener y
destruir teorías, pero también como herramienta en la construcción de conceptos. Los
Experimentos Mentales son en esencia contrafácticos y se ejecutan en el laboratorio de la mente,
sus suposiciones imaginarias incrementan las posibilidades de entendimiento. Las bondades de
los Experimentos Mentales es que son totalmente gratis y están libres de riesgos.
Los ejercicios cerebrales que crean Experimentos Mentales se constituyen quizás en la pieza
más importante dentro del proceso de formación de un experimentalista, aquí se bosquejan
esquemas mentales y se les asocia con sus debidas pruebas estadísticas, de cuyo razonamiento
causal se extrae únicamente la posibilidad del escenario. En sus supuestos iniciales son muy
comunes las antinomias 401 . Todo Experimento Mental ha de ajustarse tanto a la realidad
empírica como a la estructura teórica a la cual hace referencia, convirtiéndose en herramienta
poderosa cuando logra hacerse de un cúmulo de explicaciones teóricas.
400
En escritos de Rosental – Iudin (2004), un paralogismo consiste en una infracción inconsciente de las leyes y reglas de la lógica que deriva en
un razonamiento incorrecto. Priva al razonamiento de fuerza demostrativa y, generalmente, lleva a conclusiones falsas. Es necesario distinguir del
Paralogismo, aquella infracción totalmente consciente de las reglas de la Lógica para intentar engañar (Sofismas).
401
Aparición de dos juicios contradictorios pero igualmente fundamentados en el curso de un razonamiento. Véase Rosental – Iudin, Concepto
de Antinomia.
446
Los Experimentos Mentales, Tought Experiments <<TEs>> por sus siglas en inglés, han sido
de uso muy común en ciencias desde el advenimiento del método científico. Para Gilbert y
Reiner (2000, p. 266); Un Experimento Mental es un Experimento que pretende alcanzar sus
objetivos sin el beneficio de la ejecución. Ayudan en los procesos de desarrollo del pensamiento,
permiten crear nuevos hechos para producir nuevas explicaciones y justificar aquellos hechos y
explicaciones a la comunidad científica. Para ello hacen uso de convenciones conceptuales con
estrategias de inferencias aplicadas en ciencias.
Existe una inteligencia anterior al lenguaje pero no hay pensamiento antes del
lenguaje. A este respecto distinguimos inteligencia y pensamiento: la inteligencia es
la solución de un problema nuevo por el sujeto, es la coordinación de los medios para
llegar a un fin que no es accesible de manera inmediata, mientras que el pensamiento
es la inteligencia interiorizada que no se apoya sobre la acción directa sino sobre un
simbolismo, sobre la evocación simbólica por el lenguaje, por las imágenes mentales
etc., que permiten representar lo que la inteligencia sensorio motriz, por el contrario,
va a captar directamente, (p. 17).
Un Experimento Mental jamás debe confundirse con cualquier otra forma de expresión
imaginativa de la mente. Son útiles cuando no se pueden ejecutar experimentos materiales.
Conforman la etapa intermedia entre la teorización y la experimentación pura. Han de
delimitarse de manera tal que, usando instrumentos reales o no, pueda edificarse una
representación bastante aproximada del mundo real, pero carecen de fuerza demostrativa y
probatoria. Se componen de suposiciones y de un contexto necesario que atados a una secuencia
Roiman Valbuena: Los Experimentos Mentales.
lógica, harán emerger aspectos y entidades antes inobservables. Para Brown (1991), un
experimento mental representa una curiosa y diversa colección de ideas, además de un
deslumbrante despliegue de gimnasia mental (p. 33).
A su vez afirma que, no por estar supeditado a la mente, debe carecer de estructura,
contrariamente, propone una taxonomía. En su contexto macro se encuentran los Experimentos
Mentales Destructivos y los Constructivos respectivamente. Posteriormente, y por debajo de los
anteriores, especifica otros tres tipos: los Mediativos, los Conjeturales y los Directos.
Taxonomía semejante a la propuesta por Popper (1959); esta distingue tres tipos de
experimentos mentales: Los Heurísticos <<que sirven para ilustrar una teoría>>, La Crítica o
experimentos orientados contra la teoría. Y por último, los experimentos Apologéticos, son
aquellos que se proyectan a favor. A continuación la taxonomía de experimentos mentales de
Brown (1991):
Son aquellos cuyo argumento va dirigido contra una teoría a la cual intenta destruir, o al
menos el experimento representa serios problemas para ella. Por lo general, señalando una
deficiencia en su marco general. Intenta demostrar que la teoría se sobreviene en
incompatibilidad contra otras creencias, muchas veces se usan las pruebas de reducción al
absurdo como herramientas.
448
Estos intentan esclarecer una teoría, sobre todo si se le considera en extremo abstracta,
persiguen obtener conclusiones de una teoría ya en uso, o un conjunto de nuevos pareceres que la
hagan más aceptable.
Para Brown (1991, p. 40), consisten en un sub-tipo de los constructivos. Son aquellos que
facilitan el entendimiento haciendo posible una conclusión. Se diseñan basados en
procedimientos reglados o normatizados en una teoría bien soportada.
Los Experimentos Mentales Mediativos pueden iniciarse con unos simples antecedentes de la
teoría dada, ésta, hasta el momento no ha sido suficientemente soportada. El experimento actúa
entonces como médico que trae al mundo una nueva conclusión. Sin embargo, no todos los
Experimentos Mentales mediativos actúan así, y existe una gran cantidad de clases de que no
pueden partir de una teoría dada. El centro de este tipo de experimentos es el establecimiento de
algunos Experimentos Mentales con posibilidades de conjeturarse, es decir, obtener de ellos
conjeturas sobre el fenómeno aludido. Se le denomina entonces conjetural ya que permite
hipotetizar una teoría para explicar el fenómeno.
Se constituyen como la clase final de los experimentos constructivos. En ellos se inicia sin
problema alguno un Experimento Mental que posteriormente finaliza en la propuesta de una
teoría. Actúa en este sentido como uno del tipo conjetural, es decir, no comienza con una teoría
dada pero si finaliza con una, Brown Op. Cit, (p.41).
449
En consideraciones de Bunge (2004), los Experimentos Mentales son cada vez más comunes
en ingeniería y tecnología. Cuando por determinada circunstancia no puede aplicarse estímulos a
sistemas reales es menester optar por la práctica con modelos, donde convenientemente se
extrapolan los resultados a los sistemas originales. De hacerse imposible la consecución de un
modelo concreto, se imagina un modelo conceptual que imite algunos rasgos del sistema real y
se practica mentalmente en él, confrontándose contra la teoría toda compilación de reacciones.
Se llama modelado a esta proyección de los modelos conceptuales, y simulación al sometimiento
del modelo a cambios imaginarios. El par modelado – simulación se llama Experimento Mental,
(p. 691).
considere apógrafo y unívoco al mental. A continuación se presenta una serie de los más
famosos Experimentos Mentales aplicados a las ciencias, unos en física y otros en filosofía, éstos
conjugan magistralmente la capacidad ingenieril de Leonardo Da Vinci con los escenarios de
ciencia ficción de Julio Verne.
Experimento Mental del tipo destructivo concebido por el físico austríaco Erwin Shrodinger,
premio nobel de física en 1933 por la denominada Ecuación de Shrodinger. Este experimento
<<muy comúnmente llamado paradoja de Shrodinger>> se ha hecho muy popular en la
Mecánica Cuántica. En aras de la simplicidad, en lo adelante se omitirán algunas fórmulas, pero
se introducirán conceptos que posterior a la confrontación contra las teorías despejaran el
escenario para el cual se planificó. Este experimento imaginario consiste en colocar un gato
dentro de una caja de opacidad absoluta, además de un aparato detector de partículas radioactivas
<<contador Geiger>> sujeto a un martillo que de activarse, rompería una ampolla contentiva de
un gas venenoso. En la caja se encuentra dispersa también una partícula radioactiva con
probabilidad 50% - 50% de desintegrarse en un tiempo específico. Refiérase a la gráfica.
lbuena: Los Experimentos Mentales.
Por meras deducciones lógicas sólo pueden presentarse dos escenarios; el primero donde la
partícula se desintegre, el dispositivo active el martillo, se desprenda el gas venenoso y el gato
muera. De sucederse así, el experimentalista encontrará al gato muerto al abrir la caja. En el
segundo escenario la partícula radioactiva no logra desintegrarse, el mecanismo no se activa, el
martillo permanece inmóvil y el gato vive. Hasta el momento todo es ideal y lógico, al finalizar
el experimento sólo hay dos opciones, gato vivo o gato muerto. El problema está en que cuando
se extrapola el experimento y se contrasta contra la teoría cuántica comienza a desafiase el
sentido común de cualquier ser humano.
tomar la forma como de cuando se lanza una piedra, esta sale disparada en determinada dirección
conformándose así una proyección de forma corpuscular. Sin embargo y al mismo tiempo, toma
la forma de una onda, como cuando se deja caer una gota en una copa llena de agua y se
observan las ondulaciones producidas.
Es decir, la acción desintegradora produce ambos efectos tomando diferentes caminos sin
excluirse, contrariamente, se superponen. Donde el electrón desintegrado se dirigirá hacia el
contador Geiger siendo detectado, y cuya resultante es la muerte del gato. Pero al mismo tiempo
tomará el camino contrario donde no será detectado y el gato vivirá. Bajo los supuestos teóricos
de la mecánica cuántica el gato adquiere ambos estados, vivo y muerto a la vez. Esto sólo es
posible a nivel sub-atómico, y puesto que el gato no cumple con estos requisitos, el
experimentalista al abrir la caja solo observará un estado debido a que ha roto el mundo cuántico
y con la observación ha contaminado el experimento alterando la superposición.
Al operacionalizar la partícula como variable, podrá describirse por una función de onda
extremadamente compleja <<Refiérase a la Ecuación de Shrodinger>>, resultante de la
superposición de dos estados combinados probabilísticamente al cincuenta por ciento: <<gato
vivo y gato muerto>>, a esto se le denomina Formalismo Cuántico402, el gato estaría a la vez
vivo y muerto; se trataría de dos estados idénticos. Y, mientras el investigador no abra la caja el
gato presentará ambos estados. Cuando el experimentalista abre la caja se produce el
402
La teoría estándar de la mecánica cuántica consiste en una serie de formalismos <<reglas metodológicas circunscritas y delimitadas por la
teoría>>, allí los sistemas físicos están representados por vectores en el espacio de Hilbert. Donde el estado del sistema evoluciona en el tiempo
conforme lo dispone la Ecuación de Shrodinger. Para más detalles Véase: Brown (1993, p. 129). The QM Formalism.
451
Semejante a cuando se emiten ondas hertzianas que son captadas por un televisor y se hacen
observables a través de un programa televisivo, los objetos en el programa no están ni aquí ni
allá, simplemente son información transmitida bajo la forma de ondas en el espacio. Se asume
entonces que su función de onda ha colapsado cuando el cerebro entra como observador
haciéndolo presente en un lugar específico.
rodean a la teoría cuántica, sino al gato. Lo que realmente se debate aquí es la interpretación del
significado de Superposición en la mecánica cuántica. En Sicología a este tipo de razonamiento
se le denomina Pensamiento Productivo403.
Los teóricos de Copenhague sostienen que todo aquello observado y el observador interactúan
de alguna manera, el electrón asume que está siendo observado, lo que genera el colapso de su
función de onda, para Shrodinger algo realmente absurdo. Esta interpretación despertó gran
resistencia entre los científicos de la época. En el folclore cotidiano de la actividad científica de
la teoría cuántica se dice que Shrodinger elige un gato a manera de burla, donde se llegó a
afirmar que debido a la dualidad de estados del gato en la caja, podría ser familiar del gato de
Cheshire, personaje que Lewis Carroll inmortalizó en El País de las Maravillas, y que tenía la
capacidad de desvanecerse por partes.
Esta paradoja causó gran revuelo y enfrentamientos entre grandes científicos, Niels Bohr era
uno de los que avalaban la teoría de interpretación de Copenhague, a su vez Einstein estaba en
contra, tanto así que increpó alguna vez a Bohr y le preguntó: ¿De verdad crees que la luna no
está allí cuando nadie la mira?... a lo que Niels Bohr respondió encarecidamente: ¿Puedes
demostrarme lo contrario? ¿Puedes probarme que la luna está ahí cuando nadie la mira? ¡No
es posible ni puedes!… si el lector lo desea indague sobre el experimento de doble rendija, donde
las partículas se comportan de manera diferente si las están observando que si no hay nadie
mirando. Saque usted sus propias conclusiones.
Un Experimento Mental puede ser usado en una amplia gama de campos de investigación y
403
Término usado por el Sicólogo Max Wertheimer quien en 1916 entrevistó a Albert Einstein como parte de su experimento en sicología bajo la
teoría de Gestalt. Su reporte de la entrevista fue publicado a título póstumo en 1945 bajo la denominación Productive Thinking. Puede leerse en:
Chasing the Light, por Norton John. Aparece en: Tought Experiments in Science, Philosophy and the Arts. (2013, p. 131).
452
Aristóteles sostuvo una teoría en la cual afirmaba… no importa la altura, los objetos pesados
caen más rápido que los ligeros, si dos cuerpos con distinta masa se dejan caer simultáneamente
desde la misma altura sobre la superficie de la Tierra, el cuerpo con mayor masa llega antes al
suelo, sin embargo esta teoría nunca fue probada. A esto se denomina Principio de Caída Libre.
Roiman Valbuena: Los Experimentos Mentales.
Esta teoría Aristotélica no cayó muy bien al célebre italiano Galileo Galilei, quien la refutó
proponiendo lo siguiente: En Ausencia de Resistencia del Aire, todos los Objetos caen
Presentando la Misma Aceleración Uniforme, por lo tanto caerán al mismo tiempo.
En otras palabras, todos los cuerpos caen al mismo tiempo sin importar su peso. En semejante
problema se había metido Galilei, pues para probarlo tendría que extraer el vacío del aire, algo
realmente imposible para la época puesto que carecía de medios y tecnología para lograrlo.
Además, le era imposible medir el tiempo de caída de cada objeto para compararlos. Bajo la
modalidad de Experimento Mental del tipo Consensual Platónico 405 y usando a la torre
inclinada de Pisa, planificó la siguiente secuencia: por la dificultad de medir el tiempo de caída
para ambos objetos, el pesado y el ligero, tendría que corroborar su teoría con un segundo
experimento.
Primeramente, imaginó un cuerpo pesado (CP) y un cuerpo ligero (CL), si Aristóteles estaba
en lo cierto, la velocidad del cuerpo pesado (VCP) habría de ser mayor a la velocidad del cuerpo
ligero (VCL), [VCP > VCL] y sería evidente al observar que (CL) haría contacto posterior con el
suelo y llega después de (CP). Esto no funcionó para Aristóteles pues ambos cuerpos cayeron al
mismo tiempo. Galileo ya había refutado la teoría pero no disfrutaba el hecho de imponer la
suya.
404
La intuición es un talento especialísimo e individualísimo de cada ser humano que le permite ver en la mente la verdad de las cosas sin previo
sometimiento a prueba. En aquellos denominados genios se constituye en un don innato debido a la facultad creadora que poseen. Para un
experimentalista es estrictamente necesaria. Para Rosental – Iudin (2004), consiste en la facultad de conocer de modo inmediato la verdad sin
previo razonamiento. En ese mismo orden para Descartes, la intuición unida al método deductivo sirve de criterio universal para establecer plena
evidencia. Desde la concepción de Ferrater Mora (2000), la intuición representa una visión directa e inmediata de la realidad, o la comprensión
directa e inmediata de una verdad. Una condición para que haya intuición en ambos casos, es que no existan elementos intermediarios que se
interpongan en tal visión directa. Tal como en el escenario de los experimentos mentales.
405
Otra Modalidad propuesta por Brown (1991). Este ejemplo consiste en una adaptación del mismo fenómeno y que aparece en: Gilbert y
Reiner (2000).
453
No existe evidencia cierta de que Galileo haya realmente ejecutado este experimento, quizás
por la dificultad de medir exactamente los intervalos temporales. Posteriormente logró verificar
su hipótesis haciendo uso de planos inclinados. Sin embargo, fue en 1971 con una misión lunar
en el Apollo 15, cuando el astronauta David Scott dejaría caer un martillo y una pluma en la
superficie lunar en estado de gravedad cero, observándose que ambos llegaron al suelo al mismo
tiempo. Galileo siempre criticó que a Aristóteles se le obedeciera ciegamente e incluso se le
considerara autoridad científica para la época. Logrando edificar la ley de la Inercia y el
Principio de la Relatividad en el cual se soportó Einstein, éstos allanaron el camino a la
investigación experimental que hoy por hoy la comunidad científica usa.
El siguiente Experimento Mental se usa para explicar las paradojas relacionadas con el
infinito y su concepto en matemáticas. El sueño de un prestigioso gerente hotelero era crear el
hotel más grande del mundo, decide entonces consultarlo con su esposa, sin embargo nunca
lograron ponerse de acuerdo en la cantidad exacta de habitaciones que tendría, pues siempre era
posible que un competidor construyese uno con al menos una habitación más. Deciden entonces
454
construir un hotel con habitaciones infinitas. No obstante, una vez levantado el hotel la pareja se
plantea las siguientes paradojas:
1- ¿Qué pasa si el hotel se llena hasta el infinito pero aun así llega uno más? Paradoja del
Infinito más Uno. Realmente era una pregunta interesante, y debido a que cada habitación
estaba debidamente numerada [1-2-3-4-5….], cuando llegase el huésped [infinito + 1]
simplemente se le informaría a los demás para que se trasladasen a la habitación de al lado.
Entonces el que estaba en la 1 pasaría a la 2, el de la 2 a la 3, el de la 3 a la 4 y así
sucesivamente, como habían infinitas habitaciones, el último huésped no tendría problemas.
Quedaba solucionado el asunto puesto que la habitación uno quedaría disponible para el nuevo
huésped. Pero no todo era color de rosa.
2- ¿Qué pasaría si el hotel se encontrase lleno hasta el infinito y llegase un nuevo infinito
Roiman Valbuena: Los Experimentos Mentales.
número de turistas? Paradoja de los dos Infinitos. Si esto sucedía, se les informaría a los
huéspedes que tendrían que cambiarse a una habitación cuyo número sería la resultante de
multiplicar por 2 la actual. Y puesto que al multiplicar por 2 cualquier número impar este resulta
par, todos los huéspedes previamente alojados estarían conformes cada uno en una habitación
par. Así el nuevo infinito número de turistas se alojaría en las habitaciones impares que habían
quedado vacías. De esta manera el hotel alojaría a dos infinitos números de huéspedes.
Ahora solo faltaba buscar un espacio para el nuevo infinito grupo de excursiones con un
455
infinito número de turistas cada una. En función de ello, asignó a cada una de las excursiones un
número primo mayor a 2, y a cada turista de cada excursión un número impar, de manera que la
habitación de cada uno de los turistas se calculaba tomando el número primo de su excursión (p)
y elevándolo al número impar que les tocó dentro de la excursión (t), lo que da [ ]. Ejemplos
como este y más pueden encontrase en la excelente obra de Alberto Coto (2007, p. 68-69).
Bien sabido es que tanto los números primos como los impares, representan grupos diferentes
de números infinitos, fue así entonces como el gerente y su esposa lograron hospedar a un
número infinito de huéspedes, dentro de un hotel con infinito número de habitaciones. Este
consistió en un experimento mental del tipo conjetural aplicado a las matemáticas, a la teoría de
conjuntos y los números infinitos, de los cuales de George Cantor (1845 – 1918) fue uno de sus
instauradores. Según Cobalán (2006), los conjuntos infinitos pueden resumirse de la siguiente
forma: En cualquier conjunto finito se cumple que el todo es mayor que cualquiera de sus
Roiman Valbuena: Los Experimentos Mentales.
partes. En los conjuntos infinitos se tiene la característica de que el todo no es mayor que alguna
de sus partes, (p. 11).
Este Experimento Mental del tipo crítico o destructivo, se constituye en una versión
modernizada del experimento de René Descartes y su Hipótesis del Genio Maligno. Cuando
Descartes deja a un lado las críticas hacia el conocimiento y pasa a las críticas de las propias
facultades que tiene el ser humano y su razón de percibir y diferenciar qué es realmente
conocimiento y qué realmente no lo es. Deja en entredicho cualquier criterio de verdad que le
permita fiarse del método, y ello implica admitir, al menos en teoría, la existencia de la absoluta
irracionalidad. Estaría así asintiendo la duda metódica y adquiriendo un estilo radical sobre el
conocimiento.
¿Es que acaso Descartes se cambiaría al lado oscuro de los Escépticos? Si quería encontrar
verdades absolutas de alguna manera tendría que encontrar el cómo eliminar todo vestigio de
duda del método. Y puesto que éste algunas veces tiende a engañar al más ilustrado de los
científicos, planteó lo siguiente:
Descartes creía que las verdades de la geometría y las matemáticas eran dependientes de la
voluntad de Dios, y que este, de alguna manera nos engañaba. Con esto no afirmaba a ciencia
456
cierta la existencia de un dios engañador, simplemente lo toma como una hipótesis que llevaría a
los seres racionales a la duda universal sobre todos los conocimientos. Según Morillo (2001, p.
58) Descartes plantea su Hipótesis del Genio Maligno así:
Pensaré que el cielo, el aire, la tierra, los colores, las figuras, y todas las cosas
exteriores que vemos no son más que ilusiones y supercherías, de las que se sirve
para abusar de mi credulidad. Me consideraré a mí mismo como si no tuviera manos,
ojos, carne, sangre, sentidos, pero con la falsa creencia de tener todas esas cosas.
En la cuarta parte de su libro El Discurso del Método expone 3 posibles motivos para dudar:
la desconfianza en los sentidos; la posibilidad de error en el razonamiento matemático y el
sueño. Concluye entonces, en escritos de Morillo op, cit, que ninguna proposición basada en la
experiencia, incluyendo las matemáticas, puede superar la duda metódica.
el mundo. No admitía el engaño de ningún genio maligno, ni siquiera él puede engañar sin saber
alguien a quien engañar, y donde afirmó que si bien una persona puede dudar de lo que piensa,
jamás habrá de hacerlo con el mismísimo acto de pensar, pues es este hecho el que le indica que
realmente existe. De allí la famosa frase cartesiana Cogito Ergo Sum… Pienso, Luego Existo.
Preste atención y compárese con el siguiente Experimento del Cerebro en una Cubeta.
Imagínese ahora que un cerebro humano ha sido introducido en una cubeta rodeada de cierta
substancia que le proporciona nutrientes y lo mantiene vivo. Un experimentalista y científico
loco le ha conectado al citado cerebro, sensores electrónicos que unen sus neuronas a una
supercomputadora, este aparato le inyecta impulsos que le hacen creer cualquier estado que le
plazca, como en un escenario de realidad virtual, donde ningún estímulo procede realmente del
mundo exterior, contrariamente, todo es ficticio e inmaterial.
Le induce entonces a creer que está corriendo, manejando un auto o simplemente trabajando.
El objetivo de este científico loco consiste en estudiar el origen del conocimiento y sus
significados, en función de ello induce al cerebro realidades y verdades escenificadas a su gusto,
tal como en la famosa película de ciencia ficción Matrix. El científico desea comprobar si lo que
plantea René Descartes en su Discurso del Método y sus Meditaciones Metafísicas de la
existencia de un genio maligno es realmente cierta. Pues de serlo, sus propios conocimientos
científicos estarían en entredicho, lo que le impulsa a conocer entonces ¿quién ha introducido
tales conocimientos en su mente?, esta respuesta le llevará a saber para quien realmente trabaja.
En otras palabras, desea conocer a su jefe y deslindarse de tal genio maligno.
457
(Glannon, 2011), en el capítulo 1 de su obra denominado <<Our Brain Are Not Us -- Nuestro
Cerebro no es Nuestro>> sostiene que este experimento se basa en la teoría funcionalista
computacional de la mente. Afirma: la mente emerge desde el nivel más alto de las funciones
cerebrales con el fin de promover la adaptabilidad y supervivencia del organismo, (p. 11). Así
mismo prosigue…los estados mentales pueden ser explicados por entero en términos de su rol
funcional o, en términos de su relación causal con otros estados mentales como los estímulos
sensoriales o simples respuestas del comportamiento (p. 14).
406
Dos excelentes obras de Hilary Putnam hacen referencias más precisas acerca de las cuestiones de forma y fondo que envuelven a la teoría.
Véase: Reason, Truth and History (1998). Y, Hilary Putnam, editado por: Yemima Ben Menahem. Ambos de la editorial Cambridge University
Press.
458
C
ontrol, es un término técnico empleado en la investigación experimental. Suele usarse
para hacer referencia a las condiciones y restricciones a las que obligatoriamente debe
someterse cierto experimento. El control es un proceso que se efectúa tanto sobre las
variables independientes como sobre las extrañas. Implica la minimización de los efectos o
influencias que variables exógenas o extrañas puedan producir sobre el tratamiento aplicado. Es
decir, aquellas variables independientes que en nada se relacionan, ni mucho menos fueron
tomadas en cuenta dentro de los propósitos del estudio. No obstante, pueden llegar a afectarlo
significativamente.
Por otro lado, todo aquel concepto que permita elucidar por medio de razonamiento y práctica
matemática, y que además, pueda adquirir diferentes valores cuantitativos, u oscilaciones
susceptibles de medición, será llamado variable407. Las variables suelen clasificarse en términos
de las relaciones existentes de unas con las otras. Aunque existen diferentes tipos de variables,
hay dos que primariamente interesan al experimentador, la variable dependiente <<es la que
sufre la acción de manipulación, es decir, es aquella a que se somete a estímulos>> y la
independiente << la que se mide, o sobre la cual recaen los efectos observables>>
Si los efectos que sobre una variable se producen son consecuencia408 inequívoca de otra,
esta será denominada variable dependiente. Y la otra variable que la antecedió, dicho de otra
manera, a la que pueden atribuírseles sus efectos o denominados orígenes causales, será llamada
variable independiente. Con el Método Experimental, el científico persigue deducir
consecuencias de la manipulación de la variable independiente y observar sus efectos sobre la
Roiman Valbuena: El Control Experimental.
dependiente bajo situaciones estrictamente controladas. Es esta relación la que se busca explicar
con la experimentación.
En lo tocante al control sobre las variables, este es usado en el aseguramiento de que los
resultados de un estudio, sean consecuencia directa de la manipulación de la variable
independiente, eliminando todo vestigio o mera sospecha de que pueda originarse en otra fuente.
Aunque no necesariamente el control deba ser utilizado para inhibir el efecto de variables
exógenas, en ocasiones se utiliza para recomponer grupos experimentales, en estos casos, este
tipo de variables arroja información importante sobre cómo conducir un estudio experimental
futuro.
A simple vista un estudio experimental pareciese ser sencillo, esto realmente no es cierto.
Dentro de los diseños experimentales hay dos componentes irreductible que deben considerarse:
la causación y una teoría para inferir causalidad.
Un evento A puede tener más de una causa, ninguna de las cuales por sí sola es suficiente
407
Platón (428 – 347 AC), afirmaba que el conocimiento era una creencia verdadera y justificada. Sólo puede conocerse lo que no cambia.
Cualquier fenómeno que cambie (Variable) ha de ser estudiado.
408
La consecuencia es una proposición condicional o una proposición hipotética compuesta por lo menos por dos enunciados unidos
condicionalmente, de tal manera que se la declara verdadera cuando el antecedente implica el consecuente, esto es, cuando del antecedente puede
deducirse el consecuente. Ferrater Mora (2000). Véase.
460
si se añade B, como que el azufre en la punta del fósforo logra suficiente calor como para
combinarse con el oxígeno, entonces, mal podría inferirse que C es directamente causado por A.
Sin embargo, si se plantease que C es directamente causado por B, y B directamente causado por
A, podría inferirse que B es causal Intermediaria entre C y A, sólo si C causa B y causa A.
Una teoría para inferir causación ha de hacerse corresponder con los postulados del método
axiomático, y se concibe al tomar en cuenta que un evento transitivo puede ser asociado a la
estadística. En toda relación causa – efecto, la primera antecede temporalmente a la segunda. No
puede darse primero el efecto y luego la causa, siempre ha de evidenciarse la relación entre el
tiempo y la explicación causal. Según Aristóteles411, la causa y el efecto podrán existir al mismo
tiempo y podrán demostrase el uno por el otro. Para Pearl 412 (2000, p. 57), en el discurso
humano una explicación causal debe satisfacer al menos dos expectativas; una temporal y una
estadística. El aspecto temporal viene representado porque la causa ha de preceder a su efecto.
409
Término empleado en filosofía y psicología para designar, según las modalidades propias de cada objeto, una pluralidad de determinaciones
que generan un efecto dado. Efecto mediante el cual el subconsciente sobre interpreta algo. En investigación experimental debe evitarse pues
puede llevar al científico a sobredimensionar los alcances de su trabajo, tornándolo a todas luces erróneo. Al momento de intentar refutar una
investigación experimental se busca si se dimensionaron correctamente los supuestos causales y su consistencia matemática en relación con la
validez interna entre otros.
410
Aparece en: Spirtes, Glymour y Scheines (2000). Causation, Prediction and Search. P. 20. Este a su vez es originario del Organon
Aristotélico.
411
El Organon. Tratados de Lógica. Sección Cuarta: Capítulo 16, numeral 2. Véase.
412
Pearl, Judea. Causality: Models, Reasoning and Inference.
461
Para Rubin y Babbie (2013, p. 182), antes de llegar a inferir que la variable independiente es
realmente la única causante de los cambios en la variable dependiente, debe estudiarse qué
cambio se sobreviene primero. Pues, no tiene sentido el siquiera imaginar que algo haya sido
causado por algo más y que suceda después, dicho de otra manera, primero se observe el efecto y
posteriormente se dé la causa. En función de ello, el Primer Criterio para Inferir Causalidad es:
Toda Causa ha de Preceder a su Efecto en el Tiempo. El Segundo Criterio para Inferir
Causalidad: Las dos variables deben covariar la una con la otra.
Roiman Valbuena: El Control Experimental.
Aquí carece de todo sentido el que un estímulo pequeño sobre una variable, provoque una
gran reacción sobre la otra. Manifestándose a todas luces, una variación irregular entre ambas. El
tercer requerimiento exige: La covariación entre dos variables no puede ser explicada como
resultado de la influencia de una tercera variable que cause efectos sobre ambas. En ese caso ha
de optarse por una teoría para inferir Multi Causalidades. Hay al menos 2 maneras de controlar la
intervención de variables externas usando técnicas estadísticas: el uso de la Aleatoriedad; y el
Método de Control Estadístico.
413
Este término se utiliza sobre todo aquello que en apariencias parece ser pero no lo es. En estadística, una correlación espuria es aquella en la
cual dos acontecimientos carecen de toda conexión lógica y se evidencia la omisión de un tercer factor no tomado en cuenta. Es posible la
detección de una relación espuria a simple vista considerando violación de la siguiente secuencia lógica: a) Todo evento “x” debe preceder al
evento “y”: b) Si “y” no ocurre entonces “x” nunca ocurrió: c) “y” debe ocurrir cada vez que ocurra “x”. Existe y puede darse también el caso de
una Correlación Parcial. Es decir, se conoce como correlación parcial entre dos variables a aquella, cuyo coeficiente de correlación depende de
una tercera no tomada en cuenta en las consecuencias relacionales lineales. La correlación parcial “X”; “Y” dado “Z”, sirve para identificar en
qué escala de medida de la variación lineal entre “X” y “Y”, puede deberse a la correlación de ambas con “Z”. Es bueno recalcar que cuando “X”
y “Y” no están correlacionadas con “Z”, se obtendrá un coeficiente de correlación igual al coeficiente de correlación parcial. Evidenciándose que
el valor de la correlación, atribuible y medible en la escala, no se debe en este caso, a la presencia de “Z”. Tomado de: Dodge, Yadolah (2008).
The Consice Encyclopedia of Statistic. Editorial Springer. Concepto de: Partial Correlation, Véase.
462
Para generar una secuencia de números aleatorios es necesario partir de determinada fórmula
aleatoria o una tabla de números aleatorios, allí se crea una semilla415, la cual consiste en un
414
El determinismo y el indeterminismo son concepciones filosóficas contradictorias y relativas al lugar que ocupa, y al papel que desempeña la
causalidad. Se da el nombre de determinismo a la teoría en la cual se afirma la condicionalidad causal y universal de todos los fenómenos. Los
deterministas afirman que todos los acontecimientos del universo están sometidos al principio de causalidad universal. Los indeterministas niegan
tal posibilidad, o teoría de que exista una ley de causación universal que rija todos los fenómenos. Contrariamente, aducen que las causas y
efectos son meramente actos libres e independientes de cada cosa.
415
El software de procesamiento estadístico de datos SPSS Versión 15 así lo denomina.
463
valor que inicia la secuencia aleatoria416. La aleatoriedad ha de ser aplicada sobre la población
a estudiar con el objeto de extraer una muestra representativa al conjunto. Un experimento será
aleatorio cuando al repetirlo en las mismas circunstancias, y considerándose las mismas
condiciones iniciales, el resultado resulta diferente para cada una, tornándolo impredecible. Sepa
diferenciar entre lo anterior y la aleatoriedad sobre los diseños experimentales, a todas luces no
son lo mismo. La aleatoriedad evita la repetición o formación de patrones.
Con respecto al azar, si bien se le asocia a la teoría de casualidad, recae sobre un fenómeno
que no tiene origen, es decir, producido por lo accidental. En el azar no son necesarios los
algoritmos ni las secuencias numéricas. Contrariamente, en la investigación experimental se
persigue establecer causación cierta a través de inferencias válidas y conclusiones correctas, en
la investigación científica una conclusión se corresponde con una verdad, no con un hecho. La
aleatoriedad sólo es posible gracias a que el azar interviene, dicho de otra manera, son términos
Roiman Valbuena: El Control Experimental.
No hay ciencia por demostración para lo que depende del azar; porque lo que sólo
depende del azar no puede ser considerado, ni como necesario, ni como si acaeciera
habitualmente. Lejos de esto, el azar es precisamente de un modo contrario a lo uno y
a lo otro. El Organon (p. 215). Véase.
La aleatorización suele usarse en diseños donde se compara cierta cantidad de grupos, plantea
esencialmente que tanto las variables extrañas como las conocidas, afectarán de manera
homogénea a todos los sujetos de la población. Distribuyéndose similarmente en los grupos a
comparar.
416
El SPSS Versión 15 utiliza un generador de números aleatorios denominado Tornado de Mersene. Creado por Matsumoto y Nishimura
(1998). Este algoritmo es capaz de generar [ ] valores antes de que al menos uno se repita. Su artículo MT19937, contiene una rutina
mejorada y publicada en 2002.
464
Consiste en una técnica de control indirecto y sirve como ajuste asociado al diseño. El método
de control estadístico se avoca sobre el proceso de medición sistemática de las variables
exógenas tendente a ajustar, no eliminar sus efectos, haciendo uso adecuado de ciertos análisis
estadísticos. En el diseño es posible el empleo de la asociación estadística, implica covarianza o
correlación entre variables. Cuando se demuestra asociación de algún tipo entre dos o más
variables, es indicativo de alguna clase de tendencia o patrón entre los distintos valores que estas
variables presentan, de manera que su análisis se hace necesario en función de observar, de qué
manera esta asociación afecta los resultados del experimento.
Los efectos de la asociación estadística entre variables se muestra bajo diversas formas: como
en el caso de los estadísticos de correlación, su asociación puede ser débil, moderada o fuerte. El
Roiman Valbuena: El Control Experimental.
concepto de asociación estadística aunque resulta fundamental como técnica de control, implica
un conocimiento de estadística avanzada por parte del experimentalista. Hanneman, Kposowa y
Riddle (2013), aportan lo siguiente;
Se axiomatiza así: si las puntuaciones de una variable Y difiere con dependencia de las
puntuaciones de otra variable X, entonces ambas variables están asociadas. Bajo ningún
concepto puede llegar a inferirse que las dos variables están causalmente correlacionadas por el
simple hecho de haber demostrado asociación, pues este estadístico está en la imposibilidad de
probar los supuestos contenidos en las leyes de causalidad. Aunque es posible usarlo como
evidencia en una relación causal no derivando en contradicción.
El resultado del test de asociación estadística por sí mismo no se constituye en elemento que
sustancie suficientemente un juicio conclusivo sobre la existencia inequívoca de una relación
causal, sólo se limita a mostrar evidencias. Los autores argumentan que lo opuesto a la
asociación estadística sería la Independencia Estadística, indican que no hay tendencia cierta que
las puntuaciones sobre X vayan con particulares puntuaciones de Y, las distribuciones
condicionales de Y, al conocerse X, no difieren para ningún rango de distribución de X; y al
conocerse X, no reduce el error o la incertidumbre en la predicción de Y.
465
Este autor (1806 – 1873), siempre fue defensor activo de la metodología inductiva, centrado
especialmente en el descubrimiento de leyes. Siempre argumentó…los más simples y obvios
métodos de singularización entre las circunstancias que anteceden o suceden a un fenómeno,
son aquellas en las cuales tal fenómeno es conectado por leyes invariantes, éstas,
numéricamente son dos:
Roiman Valbuena: El Control Experimental.
La primera, comparando diferentes instancias en las cuales el fenómeno ocurre. La otra es, a
través de la comparación de instancias en las cuales el fenómeno ocurra con otras instancias
similares pero donde el fenómeno no ocurra. Estos dos métodos son respectivamente
denominados: el Método de la Concordancia y el Método de la Diferencia. El primero puede ser
fácilmente comprobable a través del segundo, y sus usos son muy comunes en investigaciones
experimentales. Los otros 3 Métodos corresponden al Método Conjunto Concordancia –
Diferencia, el Método de los Residuos y el Método de las variaciones Concomitantes. A
continuación se explican.
Stuart Mill, (1858) bajo el Canon I: Método de la Concordancia, afirma: si dos o más casos
de un fenómeno bajo investigación tienen sólo una circunstancia en común, la circunstancia en
la que convergen todos los casos es la causa (o efecto) del fenómeno dado, (p. 224). Es así
como, este método consiste en la búsqueda de una condición antecedente y común para todos los
casos de los efectos cuya causa se intenta determinar.
417
John Stuart Mill, filósofo inglés del siglo XIX, hizo significantes aportes a la investigación experimental bajo los principios de la lógica
inductiva. Como esquema general intentaba establecer nexos causales en donde una misma circunstancia estaba presente en todos los casos
estudiados. Sus detalles pueden leerse en su obra: A System of Logic: Ratiocinative and Inductive. (1858).
466
En este método, el investigador presupone una cierta cantidad de condiciones como posibles
agentes causales, y sólo es necesario indagar sobre aquella causa considerada como condición
necesaria. En el proceso, es menester aislar cada factor y someterlos a análisis uno a la vez. El
método de la concordancia, desde Mill hasta ahora, ha demostrado ser un principio
Roiman Valbuena: El Control Experimental.
A continuación el ejemplo 2:
Un agricultor encuentra que en su parcela, en todos los lugares bajos, las plantas de
maíz se marchitan. Si la semilla del maíz pertenece a un mismo lote y el terreno fue
trabajado uniformemente, el agricultor puede suponer que el efecto
(marchitamiento), se debe a las mismas causas que es la diferencia del nivel del
terreno. Espíndola (2005, p. 107).
Ejemplo 3:
Cinco de siete estudiantes presentan señales visibles de una alergia severa en varias partes de
sus cuerpos luego de pasar horas de estudio en la biblioteca de su universidad. Sin embargo, dos
de ellos carecen en su totalidad de cualquier sintomatología asociada y afirman estar en perfectas
condiciones. Luego de una indagación profunda, se encuentra que si bien los 7 estudiantes
compartieron el mismo espacio, estudiaban materias diferentes y en mesas apartes. Marta, María,
Pablo, Julio y Rosa, leían obras originales de William Shakespeare. Mientras Miguel y Dayana,
estudiaban las aplicaciones de un nuevo software computacional a los problemas en
matemáticas.
Julio maneja la hipótesis de que presentaron reacciones alérgicas luego que Miguel abriese un
tarro que contenía una extraña substancia química con alta probabilidad de ser tóxico y que
emanaba un fuerte olor. Pablo y Rosa argumentan que pudieron haberse enfermado luego de
haber ingerido todos café con un sabor infrecuente. María conjetura que pudo deberse al uso de
467
material bibliográfico que data de hace 150 años, al menos por parte de los afectados. A
continuación se presenta un cuadro descriptivo de las relaciones entre los afectados y no
afectados contra los agentes causales:
Del cuadro de concordancia entre factores es posible extraer las siguientes conclusiones:
todos los estudiantes estuvieron expuestos a la substancia química, sin embargo, Miguel y
Dayana no contrajeron la alergia, por lo que se descarta como agente causal. Con respecto al
café, todos lo consumieron, pero se repite el patrón anterior, quedando los mismos dos
estudiantes fuera de los efectos alérgicos, aquí se descarta también como agente causal. Por
último, todos los expuestos a los libros antiguos contrajeron la alergia, mientras que los restantes,
salieron ilesos.
Por lo que es posible concluir, de los siete estudiantes en la biblioteca, sólo contrajeron la
alergia aquellos en contacto directo con los libros antiguos, pudiendo atribuirle la causa a la
aspiración vía aérea de los hongos que anidan en sus hojas, que se forman luego de varios años,
asociados a la humedad del ambiente y que las tornan amarillas.
Bajo las consideraciones de Hurley (2008, p. 493), el objetivo del método de la diferencia
consiste en identificar una condición suficiente entre todas aquellas que están presentes en una
ocurrencia específica. En ocasiones, la ausencia de un factor puede considerarse como algo
positivo que obligatoriamente debe ser tomado en cuenta. Así mismo asiente, este método está
confinado a la investigación de sólo dos ocurrencias, y a la identificación de una causa en el
sentido de una condición suficiente. Este procedimiento se soporta sobre las bases del supuesto
de que todo aquello que sea imposible de ser eliminado ha de estar sujeto al fenómeno mediante
alguna ley.
Cualquier antecedente que no pueda ser excluido sin prevenir la aparición del fenómeno, es la
causa o una condición de este fenómeno; cualquier consecuencia que pueda ser excluida sin
Roiman Valbuena: El Control Experimental.
ninguna otra diferencia en los antecedentes más que la ausencia de alguna en particular,
considérese el efecto de esta. En lugar de comparar diferentes instancias de un fenómeno para
descubrir en cuales converge, este método compara instancias de sus ocurrencias contra
instancias de no ocurrencia, con el fin de descubrir bajo qué situaciones difieren.
Para Mill, op. Cit, El Canon II: Método de la diferencia puede ser expresado de la siguiente
manera:
Se tratará de identificar casos similares en todos los aspectos probables de ser causa relevante,
excepto uno <<aquel cuyas características representen una probable diferencia causal>>
Supóngase que todos aquellos que no presentaron dolores de cabeza, no consumieron derivados
lácteos durante la medicación. Este aspecto podría considerarse como una diferencia causal de
relevancia entre los dos grupos. En el párrafo previo se hizo mención al esfuerzo por encontrar
Roiman Valbuena: El Control Experimental.
un factor “C” <<Dolores de Cabeza>> que está ausente en todos los casos donde
“E”<<Consumo de Productos Lácteos>> también lo está, es decir, ambos en el grupo de los que
no presentaron dolores de cabeza. Ahora, usando el método de Mill, es tentativamente posible
concluir que el consumo de derivados lácteos es una causal suficiente en la experimentación de
dolores de cabeza mientras se está en uso de tal medicación.
Govier además sostiene que, así como en el método de la concordancia, el usar el método de
la diferencia presupone que se cuenta con una relativamente corta lista de factores susceptibles a
aislamiento. Tal lista ha de cotejarse con un perfil básico de conocimientos en el área. En las
ciencias médicas, los hechos demuestran que el consumo diario de derivados lácteos, es un ítem
plausible para incluir en la lista en estos casos.
operaciones. El proceso conlleva una sucesiva exclusión de varias circunstancias, las cuales
previa corroboración, se demuestra que acompañan al fenómeno en una instancia dada, esto con
el fin de indagar cuales de ellas puedan estar ausentes consistentemente con la existencia del
fenómeno.
Por ser este un método conjunto, lleva implícito los axiomas de cada uno. El método de la
concordancia reside en que todo aquello que pueda ser eliminado no ha de estar conectado al
fenómeno bajo ninguna ley. El método de la diferencia por su lado, gravita en que cualquier
instancia que no pueda ser eliminada ha de estar conectada al fenómeno bajo alguna ley. El
canon 3, Método Conjunto Concordancia – Diferencia se presenta bajo el siguiente formato:
Si dos o más ejemplos en los que el fenómeno ocurre muestran una sola
circunstancia en común, mientras que dos o más situaciones en las que el fenómeno
no ocurre sólo comparten la ausencia de la circunstancia mencionada, entonces tal
Roiman Valbuena: El Control Experimental.
Se recomienda al lector remitirse en este mismo texto al apartado relativo a Los Sistemas
Físicos y la Causación, allí se exponen elementos importantes de estos temas desde varias
aristas, la Física Teórica, la Experimentación y las Leyes de Causación Universal. Así como, se
le invita también, a repasar los tipos de argumentaciones que dan origen a las Inferencias
Científicas en el Capítulo VI.
471
Preste atención al siguiente ejemplo: María desea pesar el contenido de un jarro de forma
irregular imposible de sostenerse por sí solo en una báscula sin derramarse. Procede primero a
pesarse ella misma con el jarro en sus manos, y la báscula registra un peso total de 63,7
Roiman Valbuena: El Control Experimental.
kilogramos. Posteriormente coloca el jarro en lugar seguro y se pesa ella sola, registrando ahora
la báscula un peso total de 56,8 kilogramos. El efecto residual de los efectos de los pesos
combinados y no combinados es de 6,9 kilogramos, lo que le hace inferir que el peso residual se
corresponde con el del jarro.
El método de los Residuos aplica a los casos en los cuales un fenómeno “D” pueda ser
causado por cualquier otra condición “e”, “f” o “g”, y se desea determinar cuál condición
representa verdaderamente la causa. Es previamente conocido a través de la inducción que ni “e”
ni “f” es causa de “D”. Por lo que ha de asociársele a “g” la condición restante, y conocida
como el residuo, tal condición presenta coherencia racional y suficiente para atribuirle los
efectos causales de “D”. No obstante, tal inferencia ha de ser corroborada por observaciones
ulteriores. Bajo el Canon 4, Método del Residuo, Mill establece: Cuando se resta o sustrae de
cualquier fenómeno la parte que por inducciones previas se sabe que es el efecto de ciertos
antecedentes, el residuo del fenómeno es el efecto de los antecedentes restantes.
De acuerdo a este método, si se sabe que en una ocasión un efecto es causado por
determinado factor identificable, entonces para otra ocasión, tanto las causas como
los efectos que ocurran en combinación con otros factores, la relación causal
conocida puede ser sustraída haciendo posible identificar las relaciones causales que
ahora se presentan en la segunda ocasión. (p. 298).
Para diversos casos, el método del residuo se asemeja más a un patrón matemático de
inferencia que a uno del tipo inductivo. No obstante, su naturaleza empírica lo hace más obvio en
472
casos donde las causas a descontar son diferentes de aquellas restantes y consideradas como
residuos. Analícese el siguiente ejemplo que plantean los autores:
La pimienta roja, el azúcar y el vinagre, son ingredientes de una sopa con sabor
picante y agridulce. El azúcar causa el sabor dulce de la sopa, el vinagre causa el
sabor agrio. Considerando la información aportada, se puede concluir implícitamente
bajo el método del residuo, que la pimienta roja es la causante del sabor picante en la
sopa.
En este ejemplo se aplicó la observación en combinación con los supuestos recomendados por
Mill, los cuales aportaron las razones suficientes para emitir tales juicios conclusivos.
Seguidamente, Hurley Op. Cit (p. 538) ofrece el siguiente ejemplo:
Luego de ocupar su nueva casa, el Sr. Smith encuentra una corriente de aire. Sigue la
pista a la corriente de aire y encuentra tres posibles causas: una ventana rota en el
garaje; una grieta bajo la parte frontal de la puerta; y un amortiguador roto en la
Roiman Valbuena: El Control Experimental.
chimenea. Cuando la ventana fue reparada se hizo evidente una disminución del flujo
de aire, lo mismo ocurrió cuando hizo instalación del burlete necesario en la puerta.
El Sr. Smith concluye, que el remanente de flujo de aire es causado por el
amortiguador roto.
Hurley argumenta que en ciertos casos, el análisis pareciese proceder más de un origen
deductivo que inductivo, a lo que recomienda: si la conclusión solo depende de un proceder
matemático o computacional, el argumento se caracterizará mejor deductivamente, sino,
entonces probablemente sea inductivo. (P. 539).
418
Concomitante; dícese de todo aquello que acompaña, escolta o colabora en el mismo sentido que otra cosa. Para el diccionario de la Real
Academia, Concomitancia: Coincidencia deliberada o casual de dos o más factores en la producción de un efecto. En aras de la simplicidad, el
término Concomitancia al que hace referencia Stuart Mill, resulta aplicable a la variación sistemática de dos eventos en apariencia relacionados
mediante alguna ley de causalidad.
473
sólo es posible usarlo cuando el efecto varía numérica y similarmente conforme lo hace su causa,
para Srinagesh (2006, p. 50), esto no siempre sucede así.
Las relaciones entre causa y efecto tienen diversificaciones. Primeramente es necesario hacer
distinción entre una causa necesaria y una causa suficiente. Una causa es necesaria cuando
cumple con todas las condiciones para producir determinado efecto <<sólo con la fuerza de cien
hombre podrá moverse esa roca>>, por otro lado, una causa es suficiente cuando cumple con las
exigencias mínimas para que tal efecto se suceda <<bastó sólo el roce del viento para que el
manzano cayese>> Segundo, debe distinguirse entre una causa próxima o inmediata y una causa
remota. Es así como, el método de las variaciones concomitantes se convierte en una poderosa
herramienta de análisis.
Mill especifica que este canon está sub-condicionado, ya que de ninguna manera cuando dos
Roiman Valbuena: El Control Experimental.
fenómenos se acompañan mutuamente en sus variaciones, significa que uno es el efecto y el otro
la causa. Lo mismo puede suceder, y de hecho es así, suponer que ambos se consideren efectos
diferentes de una causa común. Este método por sí solo no permite a ciencia cierta establecer
cuál de las dos suposiciones era la real y correcta. La única forma de disipar la duda, implicaría
hacer el esfuerzo por determinar si se pueden producir variaciones de una por medio de la otra.
Hughes y Lavery (2008) argumentan…al observar que las variaciones entre dos fenómenos
coinciden el uno con el otro, hay razones suficientes para creer que ambos están causalmente
correlacionados, (p. 202). Este método es bastante útil cuando se intenta diagnosticar la fuente
de variación en el tiempo sobre determinada población. Más aun cuando las variaciones pueden
ser descritas en términos de una proporción. La concomitancia entre dos fenómenos puede ser
probada haciendo uso del método de la diferencia.
Mill sostuvo que de los cinco métodos resumidos arriba, el más importante era el canon II o
Método de las Diferencias. Sin embargo, para que este método funcionara, reconoció que era
necesario que entre una observación y otra del mismo fenómeno sólo hubiese una diferencia, que
podría ser de tiempo o de espacio, pero nada más; en otras palabras, Mill parecía exigir un nivel
de identidad entre sus dos observaciones que, en sentido estricto, no puede darse en la realidad.
Pero Mill tenía clara conciencia de este problema y señaló que para el uso adecuado de su
método de las diferencias, bastaba con que en las dos observaciones se conservaran iguales sólo
las semejanzas relevantes entre ellas. Esto plantea de inmediato los criterios para juzgar de la
relevancia, que deben anteceder a la comparación entre las dos observaciones requeridas. En
otras palabras, el uso del método de las diferencias requiere de un proceso previo, de naturaleza
indefinida pero no por eso menos importante, que no forma parte de los esquemas de Mill.
474
Como ejemplo, en el caso del calor, a través de un aumento de temperatura un cuerpo puede
aumentar su masa… pero si inversamente se incrementase su masa, no necesariamente
aumentaría su temperatura. Por el contrario, <<como en la disminución de un cuerpo gaseoso
debido a la temperatura>> la disminuiría. Por consiguiente, considérese al calor no como un
efecto, sino como una causa del aumento de la masa.
Las mismas precauciones han de ser tomadas en cualquier otro caso de determinación de
Roiman Valbuena: El Control Experimental.
Planteado de esta manera, el método de las variaciones concomitantes pareciese agregar otro
axioma o ley de causalidad en general, de manera que cada modificación en sus causas ha de ser
seguido por una modificación en sus efectos. A continuación y como modelo, Mill ofrece un
ejemplo relacionado a la ley de gravitación universal:
El sol causa una cierta tendencia hacia el movimiento en la tierra, aquí tenemos una
relación entre causa y efecto; la tendencia es hacia el sol, y por lo tanto, la tierra varía
en su dirección como el sol varía en relación de su posición; cabe agregar que la
tendencia varía en intensidad conforme a cierta relación numérica que relaciona la
distancia del sol con la tierra, es decir, de acuerdo a otra relación con el sol. En
consecuencia, se observa que no solo hay una invariable conexión entre el sol y la
gravitación terrestre, sino que las dos relaciones con respecto al sol, su posición con
respecto a la tierra y su distancia con respecto a ella, están invariablemente
conectadas como antecedentes, con la cantidad y dirección de gravitación sobre la
tierra. Por lo que se puede inferir; la causa de la gravitación terrestre es simplemente
el sol, pero la causa de su gravitación con respecto a cierta intensidad y dirección
dada, es la existencia del sol en una dirección y distancia específica. A esto se
denomina Variación Concomitante.
475
Milton Friedman.
L
a Validez se usa para designar a todo aquello que es adecuado y que de alguna u otra
manera se ajusta a las reglas. Se emplea también para expresar firmeza y exactitud en
el resultado de un proceso. Cuando se utiliza sobre la Investigación Experimental, hace
avocamiento sobre la solidez y consistencia de los resultados de determinado experimento.
Donde la puesta en práctica del manifiesto conclusivo de sus resultados, y en sentido estricto,
indica que se han desenvuelto, aclarado, dilucidado y cristalizado las relaciones causa efecto que
en un primer momento se consideraron obscuras.
En el proceso científico experimental son necesarias al menos dos tipos de validación, una
interna y otra externa. Mientras más alto se considere el grado de uno de los tipos de validez,
menor será el grado de la otra, en otras palabras, existe una correlación negativa y fuerte entre
ambas. Si alguien se hace la pregunta: ¿Cuál es más importante?, la respuesta es solo una, y bajo
la lógica de los principios verdaderamente concluyentes es posible afirmar… ambas lo son419.
No obstante, Vogt; Gardner y Haeffele (2012, p. 53), sostienen que todo dependerá de la
419
Algunas de las más interesantes y clásicas discusiones sobre Métodos de Investigación siempre ha sido el de qué tipo de validez es más
importante y porqué. Para Cook y Campbell, citados en Vogt; Gardner y Haeffele (2012). La Validez Interna es la más importante. A su vez,
Cronbach encontró que la validez externa es tan o más importante que la interna. Se sugiere al lector referirse al apartado de: What Methods to
Use to Enhace Validity (pp. 323 y ss.) en: When to Use What Research Design (2012). En la obra de Rubin y Babbie (2012) se detallan gran
cantidad de tipos de validez en la investigación científica, (P. 103 y ss.). Véase.
476
dirección que tenga la pregunta de investigación. Ésta, muchas veces hace énfasis en la validez
externa y otras en la interna. En función de ello, es menester armarse de una artillería analítica y
proceder con sus explicaciones.
Hace referencia a la probabilidad cierta de lograr inferir conclusiones correctas sobre el papel
que juega la variable independiente en el experimento. Ésta depende de muchos factores, uno de
ellos, la omisión arbitraria de datos o controles, que de presentarse, la amenazan. En ese sentido,
Berg y Latin (2004) ofrecen sus consideraciones, puesto que la variable dependiente es la que el
investigador afecta con su tratamiento, y sobre la cual recae la observación y la medición…
entonces, la Validez Interna es la medida en que las condiciones de investigación se controlan
de modo que la variable independiente produce un efecto o cambio en la variable dependiente,
Roiman Valbuena: La Validez Experimental.
Por su lado, Rubin y Babbie (2013) afirman…la validez interna se refiere al nivel de
confianza que adquiere el investigador de que los resultados de su estudio describen en forma
precisa si una variables es o no causal de otra. Al igual que Berg y Latin, sostienen que como no
existe un coeficiente estadístico asociado a un nivel alto o bajo de validez interna, recomiendan
adoptar al menos 3 criterios para inferir causalidad para con ello soportar sus inferencias.
La validez interna siempre intenta abordar todas aquellas explicaciones causales que de
alguna u otra manera puedan ser eliminadas. Siempre ha de soportarse en la evidencia, pues ha
de demostrarse que la conmutación de la variable dependiente ha sido causada única y
exclusivamente por la exposición a las condiciones de tratamiento de la variable independiente, y
ningún otro tercer factor intervino.
23.8.3.- La Historia:
Se refiere a cosas que pasan o suceden en el proceso experimental, e inducen cambios desde
el inicio hasta el final del experimento. Durante el curso de la investigación, extraños eventos
pueden ocurrir y confundir a su vez los resultados. Tal confusión se sucede debido a que estos
especiales sucesos coinciden en tiempo con la manipulación de la variable independiente.
477
23.8.4.- La Maduración:
instrumentos, uno en el pretest y otro en el postest, acción que lleva a dudar de la comparabilidad
de ambas medidas.
Los efectos de las pruebas pueden generarse de dos formas: los efectos principales y los
interactivos. Los primeros son los posibles efectos de observaciones previas sobre observaciones
posteriores. Los efectos interactivos se refieren a los efectos de medidas anteriores sobre el
sujeto o unidad experimental, y que pueden de alguna manera, afectar una medida posterior. Se
le asocia a las condiciones de pre-exposición y post-medida bajo las condiciones de tratamiento.
Se sucede cuando se observan diferencias sistemáticas del grupo control contra el resto de los
grupos debido al sesgo en el proceso de selección. Es decir, el grupo experimental se comporta
diferente al resto de la población. En este caso, la comparación carece de sentido, a menos que
los grupos a comparar presenten las características mínimas y necesarias para serlo. Para
asegurar la igualdad de los grupos es necesaria la aleatorización.
23.8.7.- Mortalidad:
Se muestra cuando hay pérdida de unidades experimentales durante el curso del tratamiento.
Representa un serio problema debido a la dificultad de conocer a ciencia cierta, si las unidades
perdidas habrían respondido al tratamiento experimental de la variable, en la misma medida que
aquellas unidades que continuaron durante el resto del experimento. Esto compromete
gravemente la validez interna, se considera fácil de subsanar siempre y cuando no se produzca
una mortalidad diferencial entre los grupos.
478
Es decir, las pérdidas en unos grupos es mayor que en otros, si bien es cierto el científico
puede proceder a su reemplazo, surge el problema de la asignación aleatoria y basada en un
diferencial proporcional sobre grupos que en teoría debiesen ser iguales. Si por diversos motivos
se retiran, eliminan, o pierden unidades experimentales, entonces existe mortalidad.
Es un término estadístico asociado a la Ley de Regresión Filial. Suele darse cuando las
unidades experimentales son asignadas a determinados grupos basada en puntajes anteriores.
Esto se hace con el fin de intentar predecir una medida bajo el sólo supuesto de conocer otra
previa. La regresión estadística es la tendencia de que una medición extrema se presente más
cerca de la media en una segunda medición.
tendencia observada sobre sujetos con medidas extremas que suelen moverse o acercarse a la
media durante el curso del experimento. El problema de esta oscilación alrededor de la media,
nada tiene que ver con el tratamiento aplicado a la variable experimental, sin embargo, puede
ocurrir que sea interpretado como tal. Agregando a todas luces, un serio problema a la validez
interna.
Involucra lugares, tiempo, medidas y características. Una amenaza a la validez externa recae
sobre todo aquel elemento que limite, cercene o impida, cualquier posibilidad de generalización.
Un estudio experimental tendrá validez externa siempre y cuando los resultados sean
generalizables a otras poblaciones y se ajuste a otras circunstancias.
Creswell Op. Cit, argumenta que las amenazas a la validez externa aumentan cuando los
experimentalistas organizan un set de inferencias incorrectas obtenidas de la data de una
muestra, y las aplican sobre otras personas, o sobre eventos pasados o futuros. Se considera de
alto riesgo a este tipo de validez, cuando el investigador se atreve a generalizar más allá de los
grupos bajo experimentación, haciendo recaer inferencias sobre otros conjuntos que jamás
fueron tomados en cuenta en el estudio. Otra de las amenazas potenciales, y digna de mencionar,
es la referida a la validez de las conclusiones estadísticas. Éstas aumentan cuando el científico
extrae inferencias inexactas de la data, y cuyo factor originario procede de un inadecuado
Roiman Valbuena: La Validez Experimental.
proceso estadístico.
Para Gravetter y Forzano op, cit, una de las amenazas que se presentan en la validez externa
también tiene que ver con el Sesgo en la Selección que se generó en la interna. Donde se ha
comprobado que el procedimiento de selección a favor de algunos participantes afecta a otros.
Básicamente, si la muestra no ha sido obtenida de un minucioso proceso de aleatorización, y
además, no presenta características de representatividad estadística, no es ni nunca será posible
generalizar.
En muchos casos determinado diseño experimental requiere que sus unidades experimentales
sean estrictamente voluntarias.
Esto crea un problema para los investigadores conocido como Sesgo del Voluntario. Allí es
posible afirmar que un voluntario no es perfectamente representativo al resto de la población. La
pregunta hacia la validez externa sería entonces: ¿Cómo generalizar resultados obtenidos con
voluntarios hacia individuos que no participaron deliberadamente en el estudio? Este sesgo posee
también una característica importante, en muchos países desarrollados los voluntarios reciben
incentivos económicos por su participación en experimentos, a medida que la tasa de desempleo
aumenta, también lo hace la cantidad de voluntarios.
Según Jackson (2012), una de las amenazas a la validez externa viene representada por la
Generalización de los Entornos de Laboratorio. Conducir un experimento en laboratorio
permite adaptarse a las mejores características que permitan maximizar el control. Sin embargo,
el exceso de control presenta potenciales desventajas en la creación de ambientes artificiales,
afectando considerablemente la generalización hacia ambientes del mundo real. Surge entonces
la pregunta: ¿Cómo generalizar en estos casos? Una respuesta obvia es a través de la replicación
del experimento en función de demostrar que sus resultados son confiables. Para ello son
necesarias 3 tipos de replicaciones: las exactas; las conceptuales y las sistemáticas.
Es una prueba que consiste en probar los mismos conceptos por diferentes vías. Es un estudio
basado en otro estudio, pero usando diferentes métodos, una manipulación diferente e incluso
diferentes medidas. En todo caso, la prueba replicatoria ha de arrojar los mismos resultados que
el experimento original para poder establecer generalización.
481
Esta prueba se usa para cambiar un parámetro a la vez y con ello observar sus efectos. En este
caso es un estudio que varía del original, pero de una manera sistemática. Pueden utilizarse
diferentes números o tipos de sujetos, diferentes ajustes o más niveles de la variable
independiente. Cohen, Manion y Morrison, (op. Cit. P. 156) Presentan cierto número de factores
adaptados de otros autores (Campbell y Stanley; 1963 – Bratch y Glass; 1968 – Hammersley y
Atkinson; 1983 – Vulliany 1990 y Lewis Beck 1993), que pueden afectar severamente la validez
externa de un experimento.
A menos que la variable independiente haya sido explícitamente descrita por el investigador,
cualquier replicación futura <<sobre todo la replicación conceptual>> de las condiciones
Roiman Valbuena: La Validez Experimental.
Investigaciones médicas han reconocido después de mucho tiempo, que los efectos
sicológicos aumentan por la sola participación en experimentos. Se produce como una forma de
reactividad sicológica en la cual las unidades experimentales muestran cambios en su conducta
por el simple hecho de saber que están siendo estudiados. Tal condición obedece a una respuesta
meramente sicológica y no tiene nada que ver con los tratamientos aplicados. Este efecto tiende a
contaminar los resultados experimentales. Los placebos y los diseños doble ciego son
comúnmente empleados para contrarrestar este efecto.
David Hume.
S
e concibe como Diseño de una Investigación Experimental, a una fórmula, plan o
estrategia sistemática guiada por un propósito razonado. Todo diseño de determinado
estudio experimental se direcciona a explicar relaciones entre variables, en función de
ello implica entradas con factores controlados y no controlados, que posterior a un proceso,
proporcionan una salida. Esta se corresponde a una explicación causal previamente planificada
bajo la forma de objetivos cognoscitivos. El Diseño Experimental que finaliza en la ejecución de
un experimento, generalmente produce los más fuertes, lógicos y válidos resultados que pueda
concebir la mente del científico.
En todo Diseño Experimental se manipula al menos una variable, donde sus unidades son
asignadas aleatoriamente a los distintos niveles o categorías de las variables que estén siendo
sometidas a manipulación. A continuación una gráfica descriptiva de las funciones y acciones de
cada variable:
Allí el investigador ha de armarse de una artillería analítica que le admita explicar el proceso
causal, es decir, una explicación coherente a través de una descripción dinámica, del cómo y
porqué, una variable causal inicia una secuencia efectora. También deberán explicarse cada una
de las etapas del proceso causal conocido como Cadena Causal. En su formulación más simple,
en una investigación del tipo explicativa causal todo sujeto de conocimiento contiene carga
teórica no demostrada. Por ello, es necesaria una cadena de explicaciones sistemáticas que las
hagan entendibles. Y, sin violación de alguna secuencia lógica, han de eliminarse todo tipo de
vacíos explicativos.
Allí es lícito preguntarse el cómo se produce el equilibrio causal, dicho de otra manera, a
mismos estímulos sobre la/s variable/s independiente/s, mismas respuestas sobre la/s
dependiente/s. Si existieren Acausalismos, habrá de optarse por desarrollar una teoría a través de
algunas de las condiciones de Inexplicabilidad. Por otro lado, soportado en procedimientos del
pensar y operaciones con conceptos, han de explicarse las transcausalidades y las causales
adecuadas. Todo Diseño en Investigación Experimental configura un modelo que persigue una
meta con un propósito en mente, los diseños no son únicos, existen varios tipos:
485
El tipo de diseño de investigación experimental se corresponde tanto con la forma bajo la cual
el fenómeno se presenta, forma que da origen al problema a indagar, como con los objetivos que
para ello se plantee el investigador. Según Salkind (1999), los tipos de métodos de investigación
difieren en dos dimensiones: la naturaleza de la pregunta que se hace y el método empleado
para contestarla, (p. 10). Existe gran variedad de planes o estrategias que el investigador puede
adoptar en su actividad, a continuación se enumeran y explican algunas.
INVESTIGACIÓN
EXPERIMENTOS DISEÑOS EX-POST-
CUASI-
VERDADEROS FACTO
EXPERIMENTAL
Salkind alega que los verdaderos diseños experimentales incluyen todos los pasos de
selección y asignación de sujetos de manera aleatoria, más un grupo de control, esto proporciona
argumentos más fuertes para inferir de forma más precisa, las relaciones causa-efecto a que se
diesen lugar. Mientras, en la investigación cuasi experimental, no es posible aplicar la
aleatoriedad en sus diseños, y el grupo control es imposible o demasiado costoso, por lo que
habrán de usarse grupos de control equivalentes.
Esta conjunción de elementos hace que el establecimiento de las relaciones causales no sea
tan convincente como la de los experimentales. Aunque se aplican parte de los procesos de la
experimentación verdadera, el diseño cuasi experimental carece de control.
Jackson (2012, p. 342-343) argumenta, al diseño cuasi experimental puede razonársele como
un punto intermedio entre un estudio relacional y un diseño experimental verdadero, y si bien
arroja relaciones efectivas entre variables, sus conclusiones nunca llegan a ser tan verídicas y
fuertes. El término cuasi significa que tiene algunas pero no todas sus características. Este diseño
orienta su intervención hacia el manejar ensamblando, todos los pasos de un experimento. Sin
embargo, dista mucho de serlo. Su principal diferencia reside en que no existen grupos de control
486
En lo tocante a la inferencia sobre las hipótesis, se aduce, además de otras razones, que podría
presentarse el caso donde la cantidad de hipótesis explicativas que puedan rivalizar contra la
planteada por el investigador sea considerablemente alta. Dentro de tal contexto, subyace el
hecho de no poder aislar los efectos que terceras variables ejercen sobre la independiente.
Haciendo que su Potencia Inferencial decaiga grandemente en comparación a un experimento
puro.
Los diseños experimentales verdaderos son aquellos que a través de determinados protocolos
operacionales, llegan a cristalizar todos los requisitos que le permitan ejercer un control
suficiente sobre las variables, sin afectar con ello la validez interna. En este tipo de diseño se
Roiman Valbuena: El Diseño de Experimentos.
Ex Post Facto, es una expresión que significa: Algo que Ocurre Posterior al Hecho, suele
denominársele también investigación Causal - Comparativa. Considérese investigación Ex Post
Facto, a cualquier investigación cuyo punto de partida implique el uso de data preexistente.
Omitiendo el proceso de recopilación de datos nuevos. En ella se hace el estudio de la variable
de manera retrospectiva con características de retro-causalidad. Su objetivo consiste en partir
desde un consecuente y encontrar su antecedente, se convierte entonces en una indagación del
tipo exploratoria, pues sus características así lo evidencian, lo conocido sobre el hecho es tan
ínfimo que no es posible establecer conjeturas, suposiciones, ideas y mucho menos teorías
explicativas.
En las investigaciones ex post facto se hace análisis de la data posterior a la ocurrencia del
420
Una investigación de un siniestro aeronáutico presenta un diseño ex post facto, pues no es posible establecer causas hasta luego de sucedido
el hecho.
487
estímulo, manipulación ni medida, previa ocurrencia del hecho. El investigador hace observancia
primeramente sobre los efectos (variable dependiente) separándolo en menudas partes y
haciéndose de un pool de hipótesis que irá descartando a medida tanto que la evidencia se haga
insuficiente para sostener algunas, como a medida que se haga suficientemente convincente
como para probar otras.
Encontrando en el proceso, las causas y relaciones que le permitan una inferencia correcta. La
investigación ex post facto toma validez cuando el investigador, siguiendo los pasos lógicos del
proceder científico, logra establecer causación única421, dicho de otra manera, ha conseguido
eliminar cualquier cantidad de posibles causas. El investigador intentará establecer causas
incluso sin poder ejercer control sobre las variables.
Newman y Benz (1998) alegan la existencia de dos tipos de variables independientes, las
Activas y las de Atributo. Las variables activas están bajo control del investigador y por ello
pueden ser manipuladas. Las variables de atributo como el género y la raza, no pueden ser
manipuladas. Si todas las variables independientes son no manipulables, entonces la
investigación se denomina ex post facto, (p. 41). Lo anteriormente descrito se sustenta sobre el
hecho de la imposibilidad422 de manipular dos variables cuyas características lo impiden. Las
autoras alegan que las investigaciones ex post facto y las relacionales son por otros autores
sinonimizadas.
421
Para los Diseños Unifactoriales, Unifactorial significa que existe sólo una variable independiente, o factor único.
422
Este aspecto concierne tanto a la imposibilidad práctica, legal o jurídica y ética. En este caso se dificulta la aplicación de todos los procesos
inherentes al diseño experimental puro.
488
Ventajas:
423
Es a todas luces un error asumir la existencia de las Investigaciones Correlacionales. Lo que realmente existe son las Investigaciones
Relacionales. Éstas, buscan varios tipos de relación entre variables. La correlación es un procedimiento estadístico mediante el cual se pretende
determinar si existe o no asociación entre un grupo de variables. Pues, dos variables podrán estar correlacionadas y no asociadas.
424
Los autores sostienen… los investigadores están imposibilitados a usar cualquier tipo de medida o control en sus investigaciones, y el
principio de aleatorización es uno de ellos, Véase la pág. 270 del citado texto. Por otro lado, una versión contraria la ofrece Sevilla y col, quien
responde a la pregunta: ¿Puede la aleatorización ser utilizada en estudios ex post facto?, por su puesto. Si el evento acaecido necesita la selección
de sujetos debe usarse aleatorización para ejercer control sobre las variables extrañas. En estudios ex post facto es posible la aleatorización pero
no la asignación aleatoria <<elementos claramente diferenciables>>. Véase; Sevilla et, al (2007, p. 150).
489
Cuando una relación ha sido descubierta, surge el problema de decidir cuál es realmente la
causa y cual el efecto; donde ha de considerarse la posibilidad de causación en reverso.
La relación entre dos factores bajo ninguna circunstancia establece causalidad.
Se hace problemática la clasificación entre grupos dicotómicos.
Carece de la capacidad de anular y confirmar.
Existe la dificultad de interpretación, y el peligro después de todo, de asumir o creer que
porque “X” precede causa “Y”.
Las conclusiones comúnmente son basadas en una muestra muy limitada de ocurrencias.
Roiman Valbuena: El Diseño de Experimentos.
490
L
a clasificación como proceso consiste en la colocación sistemática de ciertas unidades
de estudio u objetos en determinadas categorías que presenten semejante o misma
naturaleza. El acto operativo de clasificar presupone la preexistencia de ciertos
criterios. La tipificación de los diseños experimentales que se presentan en este aparte se ejecuta
en función de las clases que puede presentar el diseño, liado a las relaciones que se tienen lugar
dentro de estas clases. Es de recalcar que el uso más común de los diseños experimentales que a
continuación se hacen mención es para el área de la sicología. Y no importando el área
cognoscitiva, como para cualquier otro diseño, la estadística es la gramática de la ciencia425.
425
Frase atribuida a Karl Pearson. Karl Pearson, influyente matemático inglés quien en 1911 fundara el Departamento de Estadística del
University College en Londres. Creador del denominado Coeficiente de Correlación de Pearson. Su obra: The Grammar of Science, publicada
por primera vez en 1892, fue ampliamente difundida en varios continentes, incluso Albert Einstein la elogió, constituyéndose en uno de los
aportes bibliográficos fundamentales para el desarrollo de su Teoría de la Relatividad. Se recomienda al lector, si desea profundizar sobre la ley
de causación en general, cuya aplicación es de suma importancia en diseños experimentales, revisar el Capítulo IV de tan Magistral obra: Cause
and Effect – Probability. La obra contiene También temas Como: Contingency and Correlation – The Insufficiency of Causation.
491
convierten automáticamente en un registro u observación que sirve de referencia sólo para él, sus
puntuaciones se comparan con las distintas condiciones a que fue sometido.
En los Diseños Intrasujetos cada unidad experimental sirve como su propio control y se
utiliza el contrabalance como técnica de control agregada para adicionar validez a sus resultados.
Contrabalance implica el cambio de orden en el que están sucediendo las cosas, y que de alguna
manera puede incidir en los resultados.
ejemplo, un experimentador desea probar los efectos de 3 tipos de estímulos luminosos (A, B y
C) sobre el desempeño de las habilidades visuales. Los sujetos primeramente se someten a la
condición A y se les aplica el test de desempeño. Posteriormente se les coloca en la condición B
y también se les aplica el respectivo test.
Para la condición C y el tercer test o tercera medición, se presentan dos opciones a considerar,
las puntuaciones de los sujetos pareciesen aumentar simplemente porque adquirieron práctica
con las dos pruebas previas, o contrariamente, sus puntuaciones pareciesen disminuir por el
efecto fatiga. Los efectos de práctica y fatiga pueden ser contrabalanceados a través de la
rotación de las condiciones de luminosidad a las que están siendo sometidos los sujetos,
observándose y estudiándose así los resultados en todos los órdenes posibles.
El experimento presentará entonces seis posibles secuencias: ABC; ACB; BAC; BCA; CAB;
y CBA. Obtenidos los órdenes de rotación de los factores, los sujetos han de ser divididos en seis
grupos, y tal como lo rige el diseño Intrasujetos, cada uno ha de ser comparado con él mismo y
no contra otro, es donde se procede entonces a la determinación de resultados derivados de todos
los posibles órdenes. Posterior a la aplicación de cada secuencia no deben existir diferencias
significativas entre ellas, de encontrarse, el investigador habrá de inferir correctamente por qué y
bajo qué condiciones se sucede tal evento, demostrando así el poder del método de
contrabalanceo para un procedimiento netamente lineal. Sin embargo, el contrabalanceo no
controla los efectos no lineales o interactivos, tales como los efectos de arrastre diferencial.
492
experimental. En este tipo de diseños existe una única variable independiente <<Unifactorial>>,
y se caracteriza porque los sujetos que conforman los grupos son diferentes.
Estructurándose así grupos independientes, pero donde cada sujeto recibe un tratamiento
disímil. Contrario a los diseños Intrasujetos, donde cada sujeto pasa por todas las condiciones de
tratamiento. El experimentalista opta por un diseño Intersujetos cuando se desean estudiar
cambios de conducta en determinada posición del tiempo, y cuando no es posible controlar el
efecto del orden de aplicación de los tratamientos. Como ejemplo imagínese un diseño con la
siguiente arquitectura:
Obsérvese que cada estímulo se aplica a sujetos diferentes asignados a grupos diferentes.
Dicho de otra manera, el estímulo 1 y ningún otro, sólo lo recibe el sujeto 1 de cada grupo; el
estímulo 2 es recibido entonces por los segundos sujetos en todos los grupos y así
sucesivamente. Esto hace posible compara los estímulos 1, 2 y 3, de diferentes sujetos, contra
los restantes en cada grupo. Es menester que los participantes sean asignados aleatoriamente de
forma que los grupos se consideren equivalentes. Este concepto se explica mejor en los diseños
denominados de grupos al azar y completamente Aleatorizados.
493
Cuando se emprende una investigación bajo este tipo de diseño, el investigador debe
asegurarse que dispone de unidades experimentales suficientes, puesto que el proceso de
aleatorización hace que se desperdicien algunas. Si no se dispone de unidades suficientes o lo
que se desea probar presenta cierta complejidad, intente experimentar con otro diseño. Así como
los demás diseños, este presenta también algunos inconvenientes. La acción en sí de asignar
sujetos diferentes a cada grupo acarrea un efecto diferencial sobre cada condición, la
experimental y la de control. En algunos casos de denomina diferencial entre grupos, o
simplemente variabilidad entre grupos.
si se corresponden con la desemejanza entre los sujetos que se asignaron a cada grupo. En
cualquier caso, un procedimiento incorrecto puede hacer tambalear la validez de la investigación.
Muchinsky (2002 p. 345), ofrece un ejemplo que para sus efectos es adaptado a la explicación:
Un gerente desea conocer quién es la persona “más motivada” y la persona “menos motivada”
de cierto departamento <<grupo>> en su empresa. Una vez que ha obtenido el puntaje de fuerza
para cada persona, aquella que presente el puntaje más alto se corresponde con la “más
motivada”, contrariamente, considérese la “menos motivada”. Este tipo de enfoque se denomina
diseño Intersujetos porque las predicciones se hacen para todas las personas. Si el gerente lo
desea, puede repetir el experimento con varios departamentos y compararlos ya que a ninguno de
los empleados experimentales del primer grupo aparecerán en cualquier otro. Después de
calcular el diferencial entre grupos podrá establecer a ciencia cierta por qué hay personas más
motivadas que otras.
494
El autor afirma que la escogencia de diseños factoriales posibilita en gran medida un éxito
real en un experimento, puesto que las observaciones por separado suministran información
sobre todos los demás factores. Haciéndose posible la observación de las respuestas de un factor
individual en diferentes niveles de otro factor en el mismo experimento. Por su lado, Kothari
(2006) explica… el diseño factorial más simple es el de [2 x 2], allí se consideran los efectos de
variación de 2 factores sobre la variable independiente. Esto arroja como resultado 4 posibles
combinaciones de tratamiento. Puede interpretarse también como una investigación experimental
con dos variables independientes con dos niveles cada una.
Kothari describe dos tipos de diseños factoriales, el simple y el compuesto. El primero refiere
a cuando se toman los efectos de variación de al menos dos factores sobre la variable
independiente. Contrariamente, si el diseño amerita más de dos factores se denomina complejo.
495
Otro diseño puede presentarse así: [3 x 3 x 3], indicando que existen 3 variables
independientes; con tres niveles cada una, o, un diseño de [2 x 2 x 3]. Donde se obtendrán doce
combinaciones de grupos. Nótese que en los diseños hay bases numéricas que se repiten, según
Arnau y Col. (1990, p. 91), esta es la forma de representar a los diseños factoriales completos,
haciéndose posible su división en dos grandes categorías. Los de valores cuya base es fija [2 x 2
x 2]; [3 x 3 x 3] o [4 x 4 x 4 x 4], estos se pueden notar matemáticamente por exponenciales: [
-- [ -- [ . Y los de base variable, siendo representados en situaciones totalmente diferentes
a estas.
En escritos de Jackson (2012), se encuentra que existen dos efectos diferentes en los diseños
factoriales. Los principales, atribuibles a una única variable donde se omite cualquier otra como
si no existiese. Y los efectos interactivos, que consisten en los efectos de cada variable
independiente sobre cada nivel de las restantes variables independientes. Esta clase de efectos
permite ponderar si los efectos de una variable, dependen o no, del nivel de otra variable.
496
Estima Balluerka en Arnau (2001), que el principal objetivo de los diseños (N=1), dentro de
los diseños conductuales, se circunscribe a la examinación de la influencia que ejercen uno o
varios tratamientos sobre la conducta del sujeto a lo largo del tiempo. Tratando mediante
experimentación de superar las limitaciones que presenta el promedio de un grupo como medida
de referencia y que sirve para representar la variabilidad de la conducta individual.
En consideraciones de Arnau op. Cit, los diseños (N=1) son esencialmente un procedimiento
de indagación caracterizada por la sucesión de una serie de períodos de observaciones repetidas
bajo condiciones idénticas o una serie de fases.
En los estudios de caso único, el investigador ejecuta una serie de intervenciones delimitadas
por espacios temporales denominados períodos, allí en el desempeño de la primera intervención
o primera fase, conocida como fase de línea de base, no se aplica tratamiento, sin embargo, las
respuesta del sujeto son registradas en ausencia de este.
426
Para sus efectos, Balluerka lo concibe como un diseño netamente experimental y puro ya que presenta todas sus características. Véase:
Diseño de Series Temporales: Técnicas de Análisis. (2001). Editado por: Jaume Arnau. Cap. 8.
497
Los diseños de caso único o diseños (N=1) tienen sinónimos según el autor a que se haga
referencia; el mismo Sidman (1960) lo denominó Diseño Operante, así como en Arnau op, cit, se
indican como Diseños de Series Temporales debido a la metodología implícita. Los diseños de
caso único son comúnmente confundidos con los Estudios de Casos427, esto es un error y no
deben sinonimizarse. Aunque ciertamente los diseños de caso único carecen de aleatoriedad, los
sujetos son expuestos a dos condiciones de control, la fase de línea de base sin tratamiento, y a
cualquier cantidad de condiciones o fases de intervención que el investigador considere
Roiman Valbuena: Clasificación de los Diseños Experimentales.
En cuanto a la descripción y ajuste de los participantes, estos han de ser descritos con
suficiente detalle como para poder seleccionar individuos con similares características. Las
variables dependientes 428 han de ser descritas con precisión operacional. Cada variable
dependiente se medirá con procedimientos que generen índices cuantificables, y su medición se
realizará repetidamente en el tiempo. La variable independiente debe describirse con precisión
replicable. En cuanto a la línea de base, la mayoría de los estudios de sujeto único deben incluir
una fase de línea de base que permita las repeticiones de medidas sobre las variables
dependientes, de manera que apruebe el establecimiento de patrones de respuesta, ello en función
de predecir futuros patrones de conducta.
427
Los estudios de casos se caracterizan porque plantean una estrategia de investigación que consiste en el estudio netamente descriptivo en
algunos escenarios, de un sujeto individual. Sin embargo, en muy pocas ocasiones la recopilación de datos se hace de manera secuencial y con
dependencia lineal.
428
En este tipo de estudios es necesario que exista más de una variable dependiente.
498
En otro orden de ideas, los diseños de sujeto único se caracterizan por la gran cantidad de
pequeñas observaciones que presentan, y que para algunos autores se constituye en un problema.
Cifre y Mateu (1997) afirman que, una de las características fundamentales de los diseños de
sujeto único es la dependencia serial que reciben los datos, haciendo que pruebas estadísticas
clásicas como distribuciones “T” o F” no se adapten al contexto.
Roiman Valbuena: Clasificación de los Diseños Experimentales.
Si no se toma en cuenta la dependencia serial se obtendrá una incorrecta estimación del Error
Tipo I429 . Es por ello que proponen ejecutar un análisis exploratorio y no paramétrico. Los
autores hacen adaptación a su trabajo de series temporales largas, sin embargo, son una opción a
las operacionalizadas por Arnau que se corresponden con series cortas.
429
Error tipo I o error alfa (α), es un tipo de error que se sucede cuando se encuentra que la hipótesis nula es verdadera, y aun así es rechazada.
La probabilidad de cometer un error del tipo I es igual a alfa (α), nivel de significación.
499
BIBLIOGRAFÍA
Achinstein, P. (1983). The Nature of Explanation. New York : Oxford University Press.
Andrade, E., Cubidez, P., Marquez, C., Vargas, J., & Cancino, D. (2008). Lógica y Pensamiento Formal.
Bogotá, Colombia.: Ediciones Universidad del Rosario.
Arnau, J., Anguera, M., & Gómez, J. (1990). Metodología de la Investigación en Ciencias del
Comportamiento. España: Compobell, S.A.
Atocha, A. (1998). La Abducción como Cambio Epistémico: C.S. Pierce y las Teorías Epistémicas de la
Inteligencia Artificial. Publicado en la Revista Analogía(12), 125-144.
Audi, R. (1995). The Cambridge Dictionary of Philosophy (Segunda Edición ed.). Cambridge:
Cambridge University Press.
Audi, R. (Ed.). (2004). Diccionario Akal de Filosofía (Vol. Akal Diccionarios). (H. Marraud, & E.
Alonso, Trads.) Madrid, España: Universidad Autónoma de Madrid.
Bacon, F., & Montagu, B. (1831). The Works of Francis Bacon (Vol. 14).
Baker, B., Hardyck, C., & Petrinovich, L. (1966). Weak Measurement vs. Strong Statistic: An Empirical
Critique of S.S Stevens Proscription on Statistics. Educational and Psychological Measurement,
26, 291-309.
Bannon, L. (1991). From Human Factors to Human Actors: The Role of Psychology and Human
Component Interaction Studies in System Design. En M. Kyng, & J. Greenbaum, Design at
Work. Laurence Earlbaum Associate Publisher.
Belfiore, F. (2004). The Structure of the Mind: Outlines of a Philosophical System. EE.UU: University
Press of America.
Belger, U., & Schwichtenberg, H. (1997). Computational Logic. Nato Series: Computer and System
Sciences.
500
Bereciartua, P. J., & G.A, L. (2011). ISTIC-UNESCO-WFEO Workshop on Science, Engineering and
Industry: In¬novation for Sustainable Development. UNESCO.
Berg, K., & Latin, R. (2004). Essentials of Research Methods in Health, Physical Education, Exercise
Science and Recreation (2da ed.). (W. Lippincott, Ed.)
Beuchot, M. (2000). Introducción a la Filosofía de Santo Tomás de Aquino (2da Corregida y Aumentada
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Bickenbach, J., & Davies, J. (1997). Good Reasons for Better Arguments: An Introduction to the Skills
and Values of Critical Thinking. Canadá: Broadview Press.
Blackburn, S. (1996). The Oxford Dictionary of Philosophy. Oxford: Oxford University Press.
Blackburn, S. (1996). The Oxford Dictionary of Philosophy: Oxford Paperback Reference. Oxford,
Inglaterra: Oxford University Press.
Blaikie, N. (2010). Designing Social Research. Reino Unido: Cambridge University Press.
Brown, J. (1993). The Laboratory of the Mind: Thought Experiments in the Natural Science. Routledge.
Brown, W. (1910). Some Experimental Results in the Correlation of Mental Abilities. British Journal of
Psychology, 3, 296-322.
Bugliarello, G. (2011). Engineering and Sustainable Development: Fostering Technology, Innovation and
Production. En P. Bereciartua, & G. Lemarchand, Statistic - Unesco - WFEO Workshop of
Science, Engeneering and Industry: Innovation for Sustainable Development.
Bunge, M. (1967). Scientific Research II: The Search of Truth. Canadá: Universidad de Waterloo.
Cajal, S. R. (1999). Reglas y Consejos sobre Investigación Científica. Madrid, España: Consejo Superior
de Investigaciones Científicas.
Calello, H., & Neuhaus, S. (1999). Método y Antimétodo: Proceso y Diseño de la Investigación
Interdisciplinaria en Ciencias Humanas. Buenos Aires: Ediciones Colihue.
501
Calello, H., Neuhaus, S., Mónaco, V., & Hernández, D. (2002). Conocimiento y Desconocimiento en
Imaginario Cultural. Caracas: Fondo Editorial Humanidades y Educación Universidad Central de
Venezuela.
Campanario, M. (2004). Científicos que Cuestionan los Paradigmas Dominantes: Algunas Implicaciones
para la Enseñanza de las Ciencias. Revista Electrónica de Enseñanza de la Ciencia, 3, 257-286.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Caramani, D. (2009). Introduction to the Comparative Method with Boolean Algebra. Sage.
Carnap, R. (1965). An Introduction to the Philosophy of Science. En G. Martin (Ed.). EE.UU: Dover
Publications.
Carnap, R. (2002). The Logical Syntax of Language. (A. Smeaton, Trad.) Open Court Publishing.
Carvajal, Á. (2006). Disertaciones Filosóficas sobre las Convergencias entre Ciencia y Tecnología para el
Desarrollo, con un Análisis del Caso de Costa Rica. Tesis Doctoral. Universidad Carlos III de
Madrid.
Chakravartty, A. (2007). A Metaphysics for Scientific Realism. Knowing the Unobservable. Cambridge
University Press.
Chauvet, L. d. (2011). Detección de Alumnos Talentosos en un Área de Tecnología. Tesis para Optar al
Grado de Doctor. Madrid: Universidad Complutense de Madrid.
Cifre, E., & Mateu, J. (1997). Análisis de Series Temporales Largas Mediante S-PLUS para un Diseño de
Sujeto Único. En M. García, & J. López (Ed.), IV Simposio de Metodología de Ciencias del
Comportamiento.
Ciner, P., Castro, J., Adarvez, M., Espejo, C., Flores, E., Flores, O., . . . Villalonga, S. (2008). Lo
Sagrado: Miradas Contemporáneas (Primera ed.). Argentina: Editorial de la Facultad de
Filosofía, Humanidades y Artes.
Clarke, D. y. (1998). An Introduction to Evaluation Techniques and Logical Theory (2da ed.). EE.UU:
University Press of America.
Cofré, A., & Tapia, L. (2003). Cómo Desarrollar el Razonamiento Lógico Matemático. Chile: Editorial
Universitaria.
502
Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological
Measurements, 20(1), 37-46.
Cohen, L., & Manion, L. y. (2007). Research Methods in Education (6ta ed.). Routledge.
Cohen, M. y. (1934). An Introduction to Logic and Scientific Method. Harcourt Brace and Company Inc.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Cooper, R., & Yule, P. y. (2013). Modeling High - Level Cognitive Processes. Psychology Press.
Corona Treviño, L. (1998). Enfoques Económicos de la Tecnología. México: Siglo XXI Editores.
Creswell, J. (2007). Qualitative Inquiry & Research - Choosing Among Five Traditions. Thousand Oaks,
California: Sage Publications.
Creswell, J. (2009). Research Design: Qualitative, Quantitative, and Mixed Method Approaches.
California: Sage Publications.
Creswell, J. (s.f.). Research Design: Qualitative, Quantitative and Mixed Methods. Thousand Oaks,
California: Sage Publications.
Creswell, J., & Plano, V. (2011). Designing and Conducting Mixed Methods Research (2da ed.).
California: Sage Publications.
Cronbach, L. (1943). On Estimates of Test Realiability. The Journal of Educational Psychology, 4, 485 -
494.
Cronbach, L. (1946). A Case Study of the Split - Half Reliability Coefficient. The Journal of Educational
Psychology, 3, 473 - 480.
Cronbach, L. (1947). Test "Reliability": Its Meaning and Determination. Psychometrika, 12(1), 1 - 16.
Cronbach, L. (1951). Coefficient Alpha and the Internal Structure of Test. Psychometrika, 16(2), 297 -
334.
D´ Agostino, S. (2001). A History of the Ideas of Theoretical Physics: Essays on the Nineteenth and
Twentieth Century Physics. (K. A. Publishers, Ed.) EE.UU.
Daston, L., & Lunbeck, E. (Edits.). (s.f.). History of Scientific Observation. Chicago press.
Dewey, J. (1854). Logic: of the Science of the Inference. Systematic View of the Principle of Evidence,
and the Methods of Inference in the Various Departments of Human Knowledge. Londres.
Díaz Pérez, M., & González, P. M. (2007). (ACIMED 2007) Recuperado el 10 de 09 de 2011, de
http://bvs.sld.cu/revistas/aci/vol15_6_07/aci11607.htm
Dimmer, R., & Dominick, J. (s.f.). Mass Media Research: An Introduction (8va ed.). Tomson.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Downing, D. (2009). Dictionary of Mathematics Terms (3ra ed.). Barron´s Professional Guides.
Everitt, B., & Skrondal. (2010). The Cambridge Dictionary of Statistic (4ta ed.). Cambridge University
Press.
Feyerabend, P. (1993). Agains Method: Outline of an Anarchistic Theory of Knowledge (3ra ed.). British
Library.
Fitzgerald, P. (1887). A Treatise on the Principle of the Sufficient Reason: A Psychological Theory of
Reasoning, Showing the Relativity of Thought to the Thinker, of Recognition to Cognition, The
Identity of Presentation and Representation, of Perception and Apperception. Londres: Gibert
and Rivington Limited.
Fourez, G. (2006). La Construcción del Conocimiento Científico: Sociología y Ética de la Ciencia (3ra
ed.). Madrid: Narcea.
Gast, D., & Ledford, J. (2010). Single Subject Research in Behavorial Science. Routledge.
Geertz, C. (1973). The Interpretation of Cultures (7ma ed.). New York: Gedisa.
Gilbert, J., & Reiner, M. (2000). Thought Experiments in Science Education: Potential and Current
Realization. International Journal of Science Education, 265-283.
504
Gimbel, S. (2011, Compilador). Exploring the Scientific Method: A New Approach to Teaching and
Learning Philosophy of Science. The University Chicago Press.
Glannon, W. (2011). Brain, Body and Mind: Neuroethics with a Human Face. Oxford University Press.
Goldenberg, J., Han, S., & Lehmann, D. (2010). The Social Hub: The Key to Network Processes. En S.
Wuyts, M. Dekimpe, Gijsbrechts, & R. Pieters (Edits.), The Connected Customer: The Changing
Nature of Consumer and Business Market. Routledge.
Gower, B. (2002). Scientific Method: an Historical and Philosophical Introduction. New York:
Routledge.
Gravetter, F., & Forzano, L. (2012). Research Methods for Behavorial Sciences (4ta ed.). Wadsworth
Cencage Learning.
Grayeff, F. (1970). Kant´s Theoretical Philosophy: A Commentary of a Central Part of the Critique of
Pure Reason. (D. Walford, Trad.) Manchester University Press.
Greenacre, M., & Blasius, J. (Edits.). (2006). Multiple Correspondece Analisys and Related Methods.
New York: Taylos Francis Group.
Griffiths, M. (1997). Technological Addictios: Looking to the Future. Artículo presentado en la 105th
Annual Convention of the American Psychological Association. Chicago.
Guerrero Jara, S. (2010). El Ocaso de la Certeza: Diálogo entre las Ciencias y las Humanidades.
México: Fondo Editorial Morevallado.
Gustav, R., & Frances, S. (Diciembre 2002). Crecimiento Económico y Desarrollo Humano en América
Latina. Comisión Económica para America Latina y el Caribe, 78, 7-24.
Guttman, L. (1945). A Basis for Analyzing Test-Retest Reliability. Psychometrika, 10(4), 255-282.
Hanneman, R., Kposowa, A., & Riddle, M. (2013). Basic Statistical for Social Research. John Wiley &
Sons.
Heidegger, M. (1996). The Principle of Reason. (L. Reginal, Trad.) Indiana University Press.
Heidelberger, M., & Schiemann, G. (Edits.). (2009). The Significance of the Hypothesis in the natural
Science. Berlin, Alemania: Walter de Gruyter GMBH & CO.
Heijenoort, J. V. (1879-1931). From Freege to Godel: A Source Book in Mathematical Logic. Library of
Congress EE.UU.
505
Henk W, R. (2011). The Explain: Current Research and Issues: A General Issue in Philosophy of Science.
En S. French, & J. Saatsi (Edits.), The Continuum Companion to the Philosophy of Science.
Continuum International Publishing Group.
Hernández, R., & Fernández, C. B. (2010). Metodología de la Investigación (5ta ed.). McGraw Hill
Interamericana.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Hernández, R., Fernández, C., & Baptista, L. (2003). Mtodología de la Investigación. España: McGraw
Hill.
Höffe, O. (2001). Breve Historia de la Filosofía: El Mundo de las Ideas a través de 180 Imágenes. (L. G.
Aristu, Trad.) Barcelona, España: Ediciones Península.
Hoopner, F. (1999). Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image
Recognition. John Wiley & Sons.
Hughes, W. y. (2008). Critical Thinking and Introduction to the Basic Skills (5ta ed.). Broadview Press.
Hume, D. (1739). A Treatise of Human Nature. Zurich: Oxford: Clarendon Press, 1896.
Hung, E. (2006). Beyond Kuhn: Scientific Explanation, Theory Structure, Incommensurability and
Physical Necessity. Ashgate Publishing Limited.
Imre, L. (1993). La Metodología de los Programas de Investigación Científica. Madrid, España: Alianza
Madrid.
Jackson, S. (2012). Research Methods and Statistics: A Critical Thinking Approach. Wadsworth Cencage
Learning.
Johnnie, D. (2012). Sampling Essentials: Practical Guidelines for Making Sampling Choices. Sage
Publications.
Johnson, R., & Wichern, D. (2007). Applied Multivariate Statistical Analysis (6ta ed.). Pearson.
Jonker, J., & Pennik, B. (2010). The Essence of Methodology: A Consice Guide for Master and PHD
Students in Management Science. Springer.
Joseph, E. (2003). Handbook of Research on Catholic Higher Education. (T. Hunt, R. Nuzzi, E. Joseph,
& J. Geiger, Edits.) EE.UU: Catholic University and College.
Kant, I. (1819). The Logic. Londres, Inglaterra: Impreso por: Simpkin, W. y Marshall, R. Stationers
Court.
Kant, I. (2000). Lógica: Acompañada de una Selección de Reflexiones sobre el Legado de Kant. Akal.
Kendall, H. (2007). 100 Greatest Science Discoveries of All Time. Libraries Unlimited.
506
Kirkpatrick, L., & Francis, G. (2007). Physics: A World View (6ta ed.). Thomson.
Kolobov, M., & Kolobov, A. (2012). Planning with Markov Desition Processes: An IA Perspective.
Morgan & Claypool Publishers.
Kothari, C. (2006). Research Methodology: Methods and Techniques (2da ed.). New Age International
Publishers.
Kowalski, R. (2011). Computational Logic and Human Thinking: How to be an Artificially Intelligent.
Cambridge University Press.
Kuhn, T. (1987). La Estructura de las Revoluciones Científicas. (A. Contín, Trad.) México.
Kuipers, T. (2001). Structures in Science: Heuristic Patterns Based on Cognitive Structures an Advanced
Textbook in Neo – Classical Philosophy of Science. Kluwer Academic Publishers.
Kuipers, T., & Mackor, A. (Edits.). (1995). Cognitive Patterns in Science and Common Sense. Atlanta,
Georgia.
Langer, S. (1967). An Introduction to Symbolic Logic (Tercera Edición Revisada ed.). Coover
Publications.
Lara Rosano, F., Casalet, M., Corona Treviño, L., Díaz de Cosío, R., Lara, N., López Ortega, E., &
Mulás, P. (1998). Tecnología: Conceptos, Problemas y Perspectivas. México: Siglo XXI
Editores.
Larson, C. (2010). Persuasion: Reception and Responsiblity (12va ed.). EE.UU: Cencage Learning.
Laws, C. a. (1994). Complexity and Social Scientific Laws. En M. Michael, & C. M. Lee (Edits.),
Readings in the Philosophy of Social Science. Massachusetts Institute of Technology.
Le Blond, J. (1973). Logique et Methode Chez Aristotele (3ra ed.). Paris: Vrin.
Le Blond, J. M. (1973). Logique et Methode Chez Aristotele (3ra ed.). Paris: Vrin.
Lee C, M. I. (1994). Complexity and Social Scientific Laws. En M. Michael, & M. Lee C (Edits.),
Readings in the Philosophy of Social Science. Massachusetts Institute of Technology.
Lefebvre, H. (2006). La Lógica Formal, La Lógica Dialéctica. México: Siglo XXI Editores.
Lewis-Beck, Lia, T. F., & Bryman, A. (Edits.). (2004). The Sage Encyclopedia of Social Science
Research Methods (Vol. 3). Sage Publications.
Liebig, J. V. (1867). El Desarrollo de las Ideas en Las Ciencias Naturales e Importancia de la Inducción
y la Deducción en las referidas Ciencias. (D. d. Luna, Trad.) Madrid, España.
Likert, R. (1932). A Technique for a Measurement of the Attitudes. Archives of Psychology, 22(140), 1-
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
50.
Lindstron, B., Morton, F., Ottoson, T., & Laurillard, D. (1993). Computer Simulation as a Tool for
Developing Intuitive and Conceptual Understanding in Mechanics. Computer in Human
Behavior(9), 263-281.
Locke, J. (1999). Ensayo Sobre el Entendimiento Humano. México: Fondo de Cultura Económica de
México.
Lohr, S. (2010). Sampling: Design and Analysis (Segunda Edición ed.). Cencage Learning.
Lord, F. (1953). On THe Statistical Treatment of Football Numbers. American Psychologist, 8, 750-751.
Marques Sa, J. (2001). Pattern Recognition: Concepts, Methods and Applications (Vol. Universidad de
Porto). Portugal: Springer.
Martín Mateo, N. (1862). El Espiritualismo (Vol. II). Madrid, España: Universidad Complutense.
Maxwell, J. C. (1873). A Treatise of Electricity and Magnetism (Vol. I y II). Londres: McMillan & CO.
McCauley, R. (2007). Reduction: Models of Cross – Scientific Relations and Their Implications for the
Psychology – Neuroscience Interface. En P. Thagard (Ed.), Philosophy of Psychology and
Cognitive Science.
McClellan, J., & Dorn, H. (2006). Science and Thechnology in World History: an Introduction. The Johns
Hopkins University Press.
McDaniel, C., & Gates, R. (1998). Marketing Research Essentials (2da ed.). International Publishing
Tompson.
Menard, S. (2002). Longitudinal Research: Quantitative Application in Social Sciences (2da ed.). Sage
Publications.
Mertens, D. (2008). Mixed Methods and the Politics of Human Research: The Transformative –
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Mill, J. S. (1858). A System of Logic: Ratiocinative and Inductive. Being a Connected View of the
Principles of Evidence and the Methods of Scientific Investigation. Harper & Brother Publishers.
Moore, G. (1997). Advances in Environment, Behavior and Design. Toward The Integration of Theory,
Methods, Research and Utilization (Vol. 4). (G. Moore, & R. Maraws, Edits.) New York: Plenum
Press.
Morales, G., Mora, J., & Vargas, H. (2008). Estrategia de Regresión Basada en el Método de los k
Vecinos más Cercanos para la Estimación de la Distancia de Falla en Sistemas Radiales. Revista
Facultad de Ingeniería de la Universidad de Antioquia, Grupo de Investigación en Sistema de
Energía Eléctrica (GISEL) y en Calidad de Energía Eléctrica y Estabilidad (ICE3), Universidad
Tecnológica de Pereira, Programa de Ingeniería Eléctrica(45), 100-108.
Moreno Villa, M. (2003). Filosofía. Vol. I. Filosofía del Lenguaje, Lógica, Filosofía de la Ciencia y
Metafísica. Madrid, España: Madrid. SRL.
Mosterin, J. (2004). Lógica y Teoría de Conjuntos. En R. Orayen, & A. Moretti (Edits.), Filosofía de la
Lógica. Madrid, España: Trotta.
Mouton, J., & Marais, H. (1988). Basic Concepts in Social Sciences (6ta ed.). (J. Mouton, Ed.) HSRC
Press.
Mulás, P. (1998). La Tecnología en los Desarrollo Social y Económico. En: Tecnología, Conceptos,
Problemas y Perspectivas. Siglo XXI Editores México.
509
Murphy, G. (1929). An Historical Introduction to Modern Psychology. New York: Harcourt, Brace and
Company.
Nagy, S., & Biber, H. (2010). Mixed Methods Research: Merging Theory with Practice. The Guildford
Press.
Newman, I., & Benz, C. (1998). Qualitative – Quantitative Research Methodology: Exploring the
Interactive Continuum. . EE.UU: The Board of Trustees Illinois University.
Norris, J. (1997). Markov Chains: Cambridge Series in Statistical and Probabilistic Mathematics.
Cambridge University Press.
Norton, J. (2013). Chasing the Ligth. En M. Frappier, L. Meynell, & J. Brown (Edits.). Routledge.
Palma, J., Marín, R., & Sánchez, J. P. (2002). A Model-Based Temporal Abductive Diagnosis Model for
an Intensive Coronary Care Unit (Universidad de Santiago de Compostela ed.). (S. Barro, & R.
Marin, Edits.) Springer.
Pavsic, M. (2001). The Landscape of Theoretical Physics: A Global View. From Point Particles to Brane
World and Beyond, in Search of Unifiying Principle. Kluwer Academic Publisher.
Pearl, J. (2000). Causality: Models, Reasoning and Inference. Cambridge University Press.
Pearson, K. (1900). THe Grammar of Science. (A. Black, & C. Black, Edits.) Londres.
Peuquet, D. (2002). Representation of Space and Time. Londres: The Guildford Press.
Piaget, J. (1997). Estudios de Sicología Genética. Buenos Aires, Argentina: Emecé Editores.
Popper, K. (1959). On the use and Misuse of Imaginary Experiments: Especially in Quantum Theory. En
The Logic of Scientif Discovery. Londres: Hutchinson.
Popper, K. (1963a). Conjectures and Refutations. Londres: Routledge and Kegan Paul.
Popper, K. (2006). Escritos Selectos. (D. Miller, Ed.) Fondo de Cultura Económica de México.
Popper, K. (Reimpresión 1980). La Lógica de la Investigación Científica. (V. S. Zabala, Trad.) Madrid,
España: Tecnos.
510
Pratt, J. W., Raiffa, H., & Schlaifer, R. (2001). Introduction to Statistical Desicion Theory. Massachusetts
Institute of Technology.
Putnam, H. (2005). Series: Contemporary Philosophy in Focus. (Y. Ben Menahem, Ed.) Cambridge
University Press.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Ragin, C. (1987). The Comparative Method: Moving Beyond Qualitative and Quantitative Strategies.
University of California Press.
Randall, H. J. (1992). The Development of Scientific Method in the School of Padua. En P. Kristeller, P.
Wiener, & W. Connel (Edits.), Renaissance Essays: From the Journal of the History of the Ideas.
University of Rochester Press.
Roberts, F. S. (2009). Measuremente Theory: with apllication to decisionmaking, utility and Social
Science (Vol. Encyclopedia of Mathematics and Its Applications). (G. C. Rota, Ed.) New Jersey:
Cambridge University Press.
Rosental, M., & Iudin, P. (2004). Diccionario Filosófico. Bogotá: Gráficas Modernas.
Rossi, P. (1978). Francis Bacon: From Magic to Science. (S. Rabinovitch, Trad.) Chicago Press
University.
Rubin, A., & Babbie, E. (2013). Essential Research Methods for Social Work. Empowerment Series (3ra
ed.).
Russell, S., & Norvig, P. (2004). Inteligencia Artificial: Un Enfoque Moderno (2da ed.). Madrid, España:
Pearson Education.
Sanguinetti, J. (2005). El Conocimiento Humano: Una Perspectiva Filosófica. Madrid, España: Artes
Gráficas Ansos.
511
Sarkar, S., & Pfeifer, J. (Edits.). (2006). The Philosophy of Science: An Encyclopedia (Vols. 2 de la N-Z).
Routledge.
Schaffner, K. (1993b). Theory Structure, Reduction, and Disciplinary Integration Biology. En Biology
and Philosophy (An analysis of theory structure in terms of integrated interlevel theories that
allow for partial reduction and integration ed., Vol. 8, págs. 319-470).
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Schiffman, L., & Kanuk, L. (2005). Comportamiento del Consumidor (8va ed.). Pearson Education.
Schneider, C., & Wagemann, C. (2007). Qualitative Comparative Analysis (QCA) and Fuzzy Sets: Ein
Lehrbuch für Anwender und jene, die es werden wollen. Opladen: Budrich.
Sevilla, C., Ochave, J., Punsalan, T., Regala, B., & Uriarte, G. (2007). Research Methods. Rex Print
Company.
Sidman, M. (1960). Tactics of Scientific Research: Evaluating Experimental Data in Psychology. New
York Basic Books.
Siegel, S. (1956). Nonparametric Statistic for the Behavorial Science. McGraw Hill.
Sincák, P., Vascák, J., Kvasnicka, V., & Mesiar, R. (Edits.). (2000). Advances in Soft Computing: The
State of Art in Computational Intelligence. República de Eslovenia: Springer.
Som, R. (1996). Practical Sampling Techniques: Second Edition Revised and Expanded (Vol. 148).
Mercel Keker Inc.
Soyarslan, S. (2011). Reason and Intuitive Knowledge in Spinoza Ethics: Two Ways of Knowing, Two
Ways of Living. Departamento de Filosofia de la Universidad de Duke.
Spearman, C. (1910). Correlation Calculated from Faulty Data. British Journal of Psychology, 3(2), 271-
295.
Spencer, H., Fawcett, H., & Harrison, F. (2007). John Stuart Mill: His Life and Works. : The Echo
Library.
Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction and Search (2da ed.).
Massachusetts Institute of Technology.
Stack, G. (2005). Nietzsche´s Anthopic Circle: Man, Science and Myth. EE.UU: University of Rochester
Press.
Stock, G. (1888). Deductive Logic: Oxford University. Longmans, Green & Co. Editores.
Teddlie, C., & Tashakkori, A. (2009). Foundations of Mixed Methods Research: Integrating Quantitative
and Qualitative Approaches in the Social and Behavioral Sciences. Springer.
Thagard, P., & Cameron, S. (1997). Abductive Reasoning: Logic, Visual Thinking, and Coherence (Vol.
Departamento de Filosofia de la Universidad de Waterloo). Ontario, Canada.
Thagard, P., & Cameron, S. (1997). Abductive Reasoning: Logic, Visual Thinking, and Coherence (Vol.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
(2009). The Case for Comparative Cualitative Analisys. En D. Byrne, & C. Ragin (Edits.), The Sage
Handbook of Case-Based Methods. Sage Publications.
Thompson, S. (2012). Sampling (3ra ed.). Wiley: Series in Probability and Statistics.
UNESCO. (1999). Conferencia Mundial sobre la Ciencia para el Siglo XXI: Un Nuevo Compromiso.
Vaze Shilpa, A. (2007). Integrated Formulation Solution Design Scheme for Nonlinear Multidisciplinary
Systems Using the Mixed Models Platform. Kansas City: Kansas State University.
Vogt, P., & Jihnson, B. (2011). Dictionary of Statistic & Methodology: A Nontechnical Guide for the
Social Science. Sage Publications.
Vogt, P., Gardner, D., & Haeffele, L. (2012). When to Use What Research Design. The Guildford Press.
Wang, Z., & Klir, G. (1999). Fuzzy Measure Theory. New York: Plenum Publishing Corp.
Westholm, G. (1995). Recent Developments in International Science and Technology Personnel Data
Collection. En Carrers in Science and Technology: an International Perspective. Washinton:
National Academic Press.
513
Whewell, W. (1840). Aphorisms Concerning Ideas, Science and the Language of Science. Londres,
Inglaterra: Harrison & Company Printers.
Whitehead, A. (1917). The Anatomy of Some Scientific Ideas. En A. Whitehead, The Aims of Education.
Whitehead, A. (2011). An Enquiry Concerning The Principles of Natural Knowledge (2da ed., Vol.
Dedicado a Alfred Whitehead). Cambridge.
Roiman Valbuena: Ciencia Pura: La Lógica de Procedimientos y Razonamientos Científicos. Bibliografía.
Wilhelm, D. (2000). Dos Escritos sobre Hermenéutica: y los Esbozos para una Crítica a la Razón
Histórica. (A. G. Ramos, Trad.) Madrid, España: Editorial Itsmo.
Wilson, R., & Keil, F. (Edits.). (1999). The MIT Encyclopedia of Cognitive Sciences. The MIT Press
Cambridge, Massachusetts.
Yin, R. (2009). Case Study Research: Design Methods (4ta ed.). Sage.
Yuni, J., & Urbano, C. (2005). Mapa y Herramientas para Conocer la Escuela: Investigación
Etnográfica e Investigación Acción (3ra ed.). Argentina: Editorial Brujas.
Zimmermann, H. (2001). Fuzzy Set Theory: and It´s Applications (4ta ed.). Kluwer Academic Publishers.