Método Científico I (Introducción)

I.- OBJETIVOS
Al final del laboratorio el estudiante podrá ser capaz de:

* Explicar los pasos del método científico y su aplicación en la investigación de problemas.

* Reconocer los distintos componentes de un experimento (e.g. variables, muestras, tratamientos).
* Comprender la diferencia entre un estudio experimental y uno correlacional
II.- INTRODUCCIÓN
Figura 1. Estructura general de la ciencia.

La ciencia ha sido definida como una forma de

conocimiento que emerge de la curiosidad natural
del ser humano para descubrir y explicar los
fenómenos naturales que ocurren en el ambiente
que lo rodea. El diccionario de la Real Academia
Española define a la ciencia como el “Conjunto
de conocimientos obtenidos mediante la
observación y el razonamiento, sistemáticamente
estructurados y de los que se deducen principios y
leyes generales”. Pero ¿qué es el razonamiento?

El razonamiento consiste en inferir o concluir algo a través de la lógica, y los filósofos han clasificado éste en
tres tipos principales: deductivo, inductivo y abductivo. Distinguir entre estos tipos de razonamiento no es
muy importante para este curso, pero vale la pena que dediques unos minutos a comprender cómo funcionan.
En el razonamiento deductivo, se parte de premisas generales o universales para concluir algo específico.
Por ejemplo: “Leí que hoy la temperatura va a estar elevada; es un hecho que la gente normalmente no anda
abrigada en días calurosos; por lo tanto: concluyo (deduzco) que la mayoría de gente hoy andará vestida sin
abrigarse”. En el razonamiento inductivo se parte de instancias particulares o específicas para concluir algo
general. Por ejemplo “Al despertar y observar a través de la ventana, veo solo a un grupo de personas, pero
estas andan vestidas sin abrigo; por ende, concluyo (induzco) que el día está caliente”. En el razonamiento
abductivo, la mayor parte de la premisa es evidente, pero hay que inferir el resto. Es el “método del
detective”, y se podría argumentar que incluye elementos deductivos e inductivos. Por ejemplo: “Al despertar
y asomarme por mi ventana abierta, veo entre toda la gente a una persona abrigada, pero el día se siente
caliente; por ende, concluyo (abduzco) que esa persona está resfriada o va hacia un sitio frío.”

La ciencia puede utilizar cualquiera de estos tipos de razonamiento para producir conocimiento, y de hecho,
éstos son complementarios (Fig. 1). Sin embargo, ¿qué nos asegura que las conclusiones de nuestro
razonamiento son veraces?; al fin y al cabo, podemos y solemos equivocarnos. Por ejemplo, muchos
fenómenos naturales en el pasado eran adjudicados a deidades u otras explicaciones “sobrenaturales”;
algunos de estos razonamientos eran lógicos, no obstante, hasta donde sabemos, errados.

¡Es aquí donde entra el método científico! Éste consiste en una serie de pasos estructurados para poner a
prueba nuestras inferencias racionales de una manera objetiva (Fig. 2). La objetividad radica en que debemos
detallar nuestra inferencia de manera tal, que luego sea posible recopilar datos que la pongan a prueba. Sólo
si los datos se alinean con nuestra inferencia racional ésta recibe apoyo, de lo contrario la debemos desechar.
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 2

En ciencia, cualquier inferencia “tiene derecho” a ser considerada. Los científicos constantemente estamos
poniendo a prueba nuestras inferencias y “construyendo” en torno a ellas para descubrir fenómenos naturales
y las causas detrás de ellos. Como verás enseguida, a estas inferencias las conocemos como hipótesis, y las
consideramos como “los pilares de la ciencia”. Si resultan erróneas, esto encausa nuestro razonamiento, ya
que descartamos posibilidades y formulamos nuevas hipótesis. Si las hipótesis son apoyadas por nuestros
datos, las seguimos estudiando, formulando preguntas e hipótesis cada vez más específicas. Así, sea cual sea
el resultado, ¡en ciencia siempre ganamos!

Como cualquier prueba válida, podrás imaginar que el método científico está estructurado de manera tal que
¡no se pueda hacer trampa! En este caso, el método se asegura de que las ideas preconcebidas o prejuicios
del investigador no tengan peso alguno en si la hipótesis pasa o no la prueba. De esta manera, el método
científico libera al ser humano de la tiranía de dogmas y razonamientos particulares, que en el pasado se
tenían que aceptar “sólo porque sí”.

Los pasos del método científico incluyen: (1) pensamiento u observación que nos llevan a preguntarnos si
existe un fenómeno, o cómo se origina; (2) formulación de una hipótesis que proponga la existencia de
dicho fenómeno o una explicación para éste; (3) recolección de datos que pongan a prueba la hipótesis
(usualmente mediante un experimento manipulativo), y finalmente, (4) la interpretación de los datos y
formulación de conclusiones.

Todo proyecto serio de investigación científica incluye estos pasos. A continuación, se detallan cada uno de
ellos. Dedica varios minutos a comprenderlos, ya que lo seguiremos utilizando a lo largo del curso (¡y
probablemente tu carrera!).
Figura 2. Pasos del método científico.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 3

Preguntas e Hipótesis.
Toda investigación científica suele iniciar con la observación de lo que creemos es un fenómeno: algo que
sucede recurrentemente. En muchos casos, esta “observación” no será hecha por nosotros mismos, sino que
la habremos escuchado como anécdotas, o incluso puede haber surgido simplemente mediante nuestro
razonamiento. A partir de esta observación generamos preguntas. Éstas pueden ser sobre si lo que
observamos realmente constituye un fenómeno recurrente, ya que más bien pudo haber sido una excepción o
incluso un sesgo perceptivo (i.e. cuando nuestros sentidos o ideas preconcebidas “nos juegan un truco”). Sin
embargo, las preguntas también pueden ser sobre la causa del fenómeno, el mecanismo responsable detrás de
éste; éstas suelen ser las más interesantes y las que más avanzan la ciencia. Usualmente, entre más novedoso
y desconocido sea un tema, más básicas serán las preguntas.

Cada pregunta se intenta contestar mediante la formulación de una respuesta, llamada hipótesis. Para las
preguntas básicas sobre si un fenómeno existe o no, la hipótesis simplemente consiste en una afirmación de
la pregunta; éstas se conocen como hipótesis descriptivas.
Por ejemplo, después de observar algunos cactus en el patio de tu abuela, te parece que los cactus adultos varían
mucho en la cantidad de espinas que presentan. Sin embargo, solo viste unos cuantos cactus, y no estuviste
exactamente contando sus espinas una por una… así, tu inferencia puede ser mera casualidad o un sesgo perceptivo
en lugar de un patrón. Por lo tanto, te preguntas: “¿realmente varía la cantidad de espinas en los cactus adultos”. La
hipótesis para esta pregunta descriptiva sería “la cantidad de espinas varía en los cactus adultos”.

Para preguntas sobre la causa o mecanismo detrás de un fenómeno, la hipótesis consiste en una posible
explicación de ese fenómeno; estas se conocen como hipótesis causales. Para un determinado fenómeno o
pregunta, pueden existir múltiples hipótesis causales, y en algunos casos varias de éstas pueden ser ciertas y
complementarias. Sin embargo, los científicos solemos estudiar una sola hipótesis a la vez, usualmente
comenzando por la que consiste en la explicación más lógica o sencilla.
Siguiendo el caso anterior, si estás bastante seguro de que la cantidad de espinas varía mucho en los cactus adultos
(quizás tú o alguien más lo comprobó), puedes más bien preguntarte: “¿por qué varía tanto la cantidad de espinas en
los cactus adultos?”. Una posible hipótesis para esta pregunta causal sería: “la cantidad de espinas varía en los
cactus adultos porque… depende de cuánta herbivoría (consumo por insectos) sufrió el cactus cuando joven”. En
otras palabras: “La herbivoría juvenil afecta la cantidad de espinas en los cactus adultos” (razonando que una
herbivoría temprana quiere decir que el cactus está en un ambiente donde tendrá que defenderse o sufrirá mucho e
incluso podrá morir). Otra posible hipótesis sería “porque… depende de la cantidad de agua que tengan disponible”.
A manera de ejercicio, intenta pensar en otras hipótesis causales que también puedan explicar este fenómeno.

Nota: según cuanto conozcas del sistema estudiado (o según la naturaleza del fenómeno), las hipótesis
pueden o no tener una dirección. Por ejemplo, otra manera de redactar la hipótesis anterior, que no tenía una
dirección específica, sería decir: “Los cactus sometidos a una mayor herbivoría cuando jóvenes presentarán
más espinas”. El que una hipótesis tenga o no dirección se vuelve importante a la hora realizar los análisis
estadísticos; por el momento, no te preocupes mucho por ello.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 4

Las hipótesis son puestas a prueba mediante la recolección sistemática de datos, usualmente
mediante un experimento manipulativo, hecho en un ambiente controlado (e.g. laboratorio o invernadero). De
esta manera, las hipótesis guían al investigador en cuanto al diseño experimental.

Recuerda lo siguiente: una hipótesis científicamente válida SIEMPRE debe cumplir los dos siguientes
requisitos. De lo contrario, no puede ser considerada como parte de la ciencia.
• Una hipótesis debe poder ser puesta a prueba (i.e. es posible hacer un experimento o tomar datos).

• Una hipótesis debe poder ser refutada (probada incorrecta, o falsificada). O sea, debe predecir claramente el
resultado que se espera en los datos en caso de que sea cierta, y en caso de que sea falsa.

Colecta de datos (diseño experimental)

¡Los científicos también debemos ser muy creativos! Después de todo, una sola hipótesis puede ponerse a
prueba mediante múltiples maneras, y algunas serán más sencillas o apropiadas. En general, la manera más
apropiada de conseguir datos confiables es mediante un experimento cuidadosamente diseñado, es decir
que nos produzca datos que no estén sesgados por factores que se nos salieron de control por falta de
planeamiento. De esta manera, los científicos frecuentemente diseñan, critican y modifican una variedad de
planteamientos experimentales antes de invertir tiempo y recursos en la realización de uno de ellos. (Al final
de la práctica verás algunos casos donde hacer un experimento manipulativo no es factible, pero donde
todavía podemos colectar datos).

En general, un experimento implica: definir las variables a estudiar y que forman parte de nuestra hipótesis,
definir aquellas variables que no vamos a estudiar pero que podrían afectar el experimento, y formular un
procedimiento.

VARIABLES: Como su nombre lo implica, una variable es algo que usualmente varía, y cuyos valores
medimos mediante nuestros sentidos o diversos instrumentos. Según la naturaleza de la variable (o la manera
en que decidimos medirla), ésta puede ser categórica (a veces llamada cualitativa; e.g. binarias, ordinales,
nominales) o numérica (a veces llamada cuantitativa). Estas últimas suelen clasificarse en discretas (e.g.
conteos) o continuas (numeración con decimales). En el primer caso, las medidas de la variable no reciben
un rango de error, ya que éstas corresponden a una categoría única; sin embargo, nuestras categorías suelen
ser subjetivas y podemos perder información útil al emplearlas (e.g. cuando usamos bajo, mediano o alto para
describir números continuos de alturas). En las mediciones continuas, los valores obtenidos son mucho más
específicos y objetivos, ya que no necesitamos clasificarlos. Sin embargo, por más “finos” que sean estos
valores, siempre tienen un rango de error; este rango depende de la precisión del instrumento de medición
(después de todo son hechos por humanos), así como del individuo en particular que realiza la medición
(todos percibimos las cosas de manera parecida mas no idéntica).

Dependiendo de cómo se relacionan con la hipótesis, cada variable recibe un nombre diferente. ¡Esto es de
los aspectos más importantes de este curso! Asegúrate de entenderlo; de lo contrario irás cuesta arriba
durante el resto del semestre.

La variable independiente (o predictora) es la que creemos juega el papel ACTIVO en el fenómeno

observado (y por ende en nuestra hipótesis); decimos ‘papel activo’ porque creemos que sus valores afectan
la variable dependiente. Como cualquier variable, sus valores pueden variar naturalmente; sin embargo, en
nuestro experimento la manipulamos de manera tal que nosotros decidimos qué rango de valores tendrá (esto
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 5

corresponderá a los tratamientos que leerás abajo). Si diseñamos bien nuestro experimento, los valores de la
variable independiente no dependerán de nada más (de ahí el nombre ‘independiente’). Aunque puedan
existir varias variables independientes que afecten la variable dependiente, lo usual es probar el efecto de una
sola a la vez, ya que esto facilita enormemente el análisis de los resultados.

La variable dependiente (o respuesta) es la que creemos juega un papel PASIVO en el fenómeno

observado; sus valores varían dependiendo de la variable independiente o predictora. Esta variable
corresponde al parámetro o condición que medimos u observamos en respuesta a las condiciones
experimentales de la variable independiente. De esta manera, a través del experimento, los investigadores
tratan de cuantificar la naturaleza de la relación entre las variables a estudiar (si es que existe alguna),
probando así la validez de la hipótesis planteada.
Nota: Puedes recordar esto como: la variable independiente corresponde al parámetro a manipular, y la dependiente
al parámetro a observar o medir.

Retomando el ejemplo anterior: y pensando por el momento en un experimento general para poner a prueba la hipótesis
de la herbivoría juvenil como causa de la variación de espinas en cactus adultos:

Definición de las variables del experimento: La herbivoría juega un papel activo de acuerdo con esta
hipótesis, y, por ende, en el experimento ésta corresponderá a la variable independiente que manipularemos
de alguna forma. Por otro lado, lo que creemos es afectado por la herbivoría es la cantidad de espinas que el
cactus produce como adulto, de manera tal que ésto corresponderá a la variable dependiente, la cual
mediremos de alguna manera (¡puedes ir pensando cómo!).

TRATAMIENTOS: Como se mencionó anteriormente, el investigador decide qué valores va a fijar para la
variable independiente, o sea, cómo va a manipular esta variable en el experimento. Cada manera en que se
decida manipular esta variable se conoce como un tratamiento experimental, y puede haber pocos o
muchos. Normalmente, también nos interesará mucho tener un tratamiento donde no se utilice la variable
independiente o, si esto no es posible, donde al menos se mantenga en un valor “estándar o natural”, para
ver cómo responde la variable dependiente en dicho caso. A este tratamiento se le conoce como el
tratamiento control. Al final del experimento, se comparan los valores entre los tratamientos para
determinar si realmente la variable independiente es responsable de cambios observados en la dependiente.
Durante esta comparación, un tratamiento control suele ser útil, ya que le permite al investigador medir la
variación natural de la variable dependiente o conocer y medir posibles errores experimentales, proveyendo
así una línea o punto de referencia para cuantificar el efecto de los tratamientos experimentales.
En algunos casos, sobre todo ciencias de la salud, los investigadores hacen una distinción entre si el control es
negativo o positivo (para efectos del curso, la mayoría de los controles serán negativos y aplicaremos solamente el
término general de ‘control’).

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 6

Retomando el ejemplo anterior:

Diseño experimental: Podríamos agenciárnoslas para colocar insectos en los cactus de manera tal que éstos
resulten en distintas magnitudes de herbivoría, por ejemplo: ninguna, poca, mucha (o mejor todavía, definimos
la magnitud de manera más específica, como representando el 0, 20, y 40% de la superficie del cactus). La
primera magnitud correspondería al tratamiento control, ya que nos determina cuánto deberíamos esperar
que varíen los cactus adultos en la producción de espinas cuando no hay herbivoría. Las otras dos magnitudes
corresponderían a tratamientos experimentales. De manera alternativa, podríamos manipular la magnitud de
la herbivoría como el tiempo en que el cactus es sometido a los insectos que se alimentan de él; teniendo
tratamientos de: 0, 30 y 60 días. ¿Puedes decir cuál sería el tratamiento control en ese caso? Como ves, hay
muchas maneras en que podemos manipular nuestra variable independiente. Todo dependerá de qué crea el
investigador que sea más factible y productivo hacer.

ESTANDARIZACIÓN: Es requisito indispensable estandarizar/controlar otras variables que por el momento

no nos interesan, pero que podrían afectar la variable dependiente. Si no las estandarizamos, estas variables
pueden enmascarar el efecto de la variable independiente que estamos estudiando. Por esto, a estas variables
se les conoce como estandarizadas o controladas (¡no confundir con tratamiento control!). Mantener a raya
el potencial efecto de estas variables en los resultados, constituye uno de los mayores retos de cualquier
diseño experimental.

Normalmente, esto se hace desarrollando el experimento en un ambiente donde: a) se eliminen estas

variables por completo, b) se controlen sus efectos al asignarles un mismo valor para todos los tratamientos,
o c) en el caso de variables impredecibles e imposibles de estandarizar, tratando que éstas tengan un efecto
promedio similar en todos los tratamientos (e.g. distribuyendo los tratamientos de forma azarosa en el
espacio y tiempo).
Retomando el ejemplo anterior:

Variables estandarizadas: Muchos otros factores pueden afectar la producción de espinas en los cactus
adultos, siendo la más obvia en este caso el tipo de especie o variedad a la que pertenece el cactus. Algunas de
estas variables las puedes eliminar por completo; en este caso simplemente utilizarías la misma variedad de
cactus para tu experimento. Sin embargo, hay muchas variables más, como la cantidad de agua, luz o
nutrientes que recibe el cactus, incluso su constitución genética. Estos no los puedes eliminar del todo, ya que
de lo contrario el cactus no sobrevivirá a adulto. Así, te ves forzado a acomodar estas variables de manera tal
que su efecto en el experimento siempre sea el mismo (e.g. asegurándote que todos los cactus reciban la misma
cantidad de luz, nutrientes y agua). ¿Puedes pensar en alguna manera de hacer esto?

PREDICCIÓN: Una vez que la hipótesis y el diseño experimental son definidos, se desarrolla una predicción
sobre cómo serán los datos resultantes SI NUESTRA HIPÓTESIS ES CIERTA. De esta manera, el formular
la predicción constituye un paso crítico en nuestro diseño, ya que constituye la prueba final de si realmente
nuestro experimento es apropiado para poner a prueba nuestra hipótesis.

Recuerda que para una sola hipótesis podrás llevar a cabo un sinfín de experimentos; cada uno de los cuales
llevará su propia predicción. De esta manera, aunque la hipótesis y la predicción sean similares, no son lo
mismo. Puedes concebirlo como si la predicción fuese “la hipótesis vista a través de los anteojos de tu
experimento específico”. En otras palabras, una hipótesis es la respuesta general a la pregunta, aplicable en
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 7

cualquier contexto y parte del mundo. Una predicción es una expectativa sobre cómo se va a
manifestar esa hipótesis en tu experimento. Es decir, cómo esperamos que se verán los datos si la hipótesis es
cierta.

Las predicciones son escritas con las preposiciones “si” y “entonces”, siguiendo el siguiente formato:

“Si la hipótesis es cierta, entonces______________ (lo que espero pase con la variable dependiente al variar
la independiente)”.
Retomando el ejemplo anterior:

Predicción: “Si la herbivoría juvenil afecta la cantidad de espinas en los cactus adultos, entonces los cactus
sometidos a mayores porcentajes de herbivoría presentarán más espinas cuando adultos”. (Nótese que, si en lugar
de porcentajes manipulaste la herbivoría como ‘duración de herbivoría’, tu predicción diría: “…entonces los cactus
sometidos a herbivoría por más tiempo presentarán más espinas cuando adultos” ¿Lo ves? Es la misma hipótesis,
¡pero tu predicción cambia según el experimento específico que hagas!

TAMAÑO DE MUESTRA Y RÉPLICAS: Por último, mediante un único experimento no es posible obtener
conclusiones válidas; es importante asegurarnos que los resultados de nuestro experimento no hayan sido
mera coincidencia. Por ejemplo, si crees que tienes poderes sobrenaturales, ¿qué te afirmaría más ese
pensamiento?: el que una vez dijiste “llueva” y comenzara a llover, o el que lo hayas hecho ya veinte veces
con el mismo resultado. Por esta razón, siempre es importante tener varias repeticiones de nuestro
experimento, probando la asociación entre las variables múltiples veces. Ésto se puede lograr de dos
maneras: a) aumentando el tamaño de muestra (número de individuos sometidos a cada tratamiento), y/o b)
aumentando el número de veces que hacemos cada tratamiento del experimento (réplicas). No te preocupes,
a veces te costará discernir si lo que estás aumentando es el tamaño de muestra o el número de réplicas (la
distinción puede ser incluso conceptual); lo que importa es que ambas estrategias resultan en mayor
confiabilidad en nuestros resultados. Por último, a veces los investigadores deciden repetir TODO el
experimento en otro momento o sitio, y esto puede ser hecho incluso por otros investigadores escépticos de
tus resultados. Es por esto que todas las particularidades de tu experimento DEBEN SER DETALLADAS, de
manera tal que este sea REPETIBLE.
Retomando el ejemplo anterior:

Tamaño de muestra: Podemos tener un tamaño de muestra de 10 cactus para cada uno de los tratamientos (0, 10 y
20% de herbivoría). De igual manera, el experimento lo pueden hacer 3 personas distintas en tres sitios distintos (3
réplicas). Esto te daría un tamaño final de muestra de 30 cactus por cada tratamiento.

Conclusiones
El último paso del método científico consiste en analizar los datos recopilados, y concluir si éstos apoyan o
no tu hipótesis. Es decir, debes determinar si los datos son o no lo que esperabas según tu predicción. Como
aprenderás, los científicos podemos comprobar que una hipótesis es falsa. Sin embargo, no podemos
comprobar que una hipótesis es “cierta”; solamente podemos decir que no ha sido refutada mediante
experimentos, y, por ende, puede ser cierta. Así, el método científico funciona “como abogado del diablo”,
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 8

validando una hipótesis con base a su capacidad para resistir “ataques”. Entre más veces haya sido puesta a
prueba una hipótesis sin ser refutada, mayor certeza tendremos de que probablemente sea cierta. En la
siguiente práctica veremos algunas maneras en que puedes recopilar y analizar tus datos para determinar si
éstos apoyan o no tu hipótesis.
Retomando el ejemplo anterior:

Solamente si los cactus sometidos a más herbivoría produjeron más espinas cuando adultos, soportas tu hipótesis.
¿Sencillo no?

Pero… ¿qué tanto es más? Si casi todos los cactus sin herbivoría presentaron muy pocas espinas, pero 2 presentaron
muchas, ¿qué haces? ¿Soportan todavía los datos tu hipótesis? ¡Esto lo verás con más detalle en la próxima clase!

Métodos correlacionales o ‘experimentos naturales’ (casos en que no puedo o no quiero

hacer un ‘experimento manipulativo’)
Quizás te preguntarás, ¿existen situaciones donde simplemente no es posible hacer un experimento? ¿qué
hago en esos casos? La respuesta es sí, existen casos donde no puedes hacer un experimento manipulativo
como tal, es decir, donde no puedes diseñar o controlar a tu antojo el ambiente donde ocurren los procesos
estudiados (e.g. casos que involucran vidas humanas o procesos a gran escala que se salen de nuestra
capacidad manipulativa). Sin embargo, la mayoría de estos casos involucran situaciones donde, si prestas
atención, “el experimento ya ha sido hecho” o está en constante desarrollo. Así, mediante un diseño
inteligente de toma de datos, todavía nos es posible poner a prueba una hipótesis aplicando el método
científico.

No obstante, al no haber un experimento como tal, las conclusiones suelen ser menos contundentes en estos
casos. Por ejemplo, no podemos aislar una variable independiente para darle los valores que deseamos, ni
estandarizar otras variables que puedan afectar los resultados. Lo único que podemos hacer es medir las
variables que nos interesen en sus condiciones naturales, y estudiar si estas ‘covarían’; es decir, si la
variación de una pareciese estar acompañada por variaciones similares en la otra. Si ese es el caso, hablamos
de que las variables están correlacionadas; es decir, que podría existir una potencial relación entre ellas, mas
NO PODEMOS aseverar que exista. Por ejemplo, si existiese tal relación, no podríamos decir cuál variable
afecta a cuál; en muchos casos ambas opciones son factibles, y no manipulamos una primero como para ver
cómo reacción la otra. De manera similar, podría ser que ninguna de las variables afecte a la otra, y que
ambas simplemente estén respondiendo a una tercera variable predictora que desconocemos. Por esta razón,
en los análisis de correlación, ni siquiera hablamos de variables dependientes e independientes, solamente de
variables; NO PODEMOS establecer una relación causa-efecto (independencia-dependencia) entre ellas. El
qué tan contundente son las conclusiones que obtenemos de estas correlaciones depende de: a) qué tan fuerte
es la correlación obtenida (a mayor magnitud mayor contundencia); b) qué tan amplio es el espectro en que
se midieron las variables (es decir, en cuántos escenarios distintos se obtuvieron); y c) la duración de tiempo
que abarcan las mediciones (entre más, mejor). Los “distintos escenarios” son lo más cercano que tenemos a
los distintos tratamientos en un experimento, y la “duración” sería algo similar a las réplicas. Para que
entiendas ésto mejor, abajo te damos algunos ejemplos de casos típicos donde no se pueden hacer
experimentos manipulativos.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 9

El caso más común donde no puedes hacer un experimento es cuando existen obvias limitaciones
físicas de nuestro universo. Como ejemplo, considera la hipótesis que sugiere que el calentamiento del
planeta Tierra durante el último siglo (~1 °C) se debe al aumento en los gases de efecto invernadero (e.g. el
dióxido de carbono); estos son gases que existen naturalmente en la atmósfera, pero cuyas concentraciones el
ser humano ha aumentado considerablemente con sus actividades industriales. Como imaginarás, la
temperatura o clima del planeta Tierra es un fenómeno muy complejo, y existen cientos de variables que lo
determinan (e.g. variaciones naturales en la radiación solar, la formación de nubes, circulación de vientos y
océanos, variaciones en la órbita alrededor del sol, etc.). Así, si quisiésemos comprobar con certeza que este
aumento en la temperatura se debe exclusivamente al aumento en los gases de efecto invernadero, idealmente
haríamos un experimento donde contemos con varios planetas Tierra, y a cada uno de ellos les aplicásemos
distintas concentraciones de gases de efecto invernadero (variable independiente) y monitoreamos sus
temperaturas (variable dependiente). Esto por supuesto es imposible, así que, en este caso, lo mejor que
podemos hacer es obtener medidas de la temperatura y de la concentración de gases de efecto invernadero en
el único planeta Tierra que tenemos, y estudiar así si existe una concordancia entre estas dos variables (i.e.
una correlación). Sin embargo, una concordancia entre estas dos variables no lo es todo; como científicos
también debemos medir las demás variables que sabemos puedan afectar el clima, para ver si estas presentan
también una concordancia con la temperatura. Así, luego podemos decidir cuál de todas nuestras variables
presenta una mejor concordancia con los cambios de temperatura, y por ende es la mejor candidata como
agente causante o variable independiente (puede haber varias). Entre mayor sea el tiempo que midamos la
correlación entre estas variables, mejor idea tendremos de si una relación causa-efecto entre ellas es factible.
Aunque no podamos comprobar relaciones causa-efecto sin un experimento, al menos tendremos una idea de
que tan verosímil es que exista tal relación.

Otro caso similar es cuando nuestro universo nos permite hacer un experimento, pero nuestra moral o ética
no. Como ejemplo, considera la hipótesis que sugiere que el fumado causa varias aflicciones en los sistemas
respiratorio y circulatorio. Idealmente, para comprobar esta hipótesis tendríamos sujetos de estudio fumando
distintas cantidades de cigarrillos en situaciones controladas: distinta genética, alimentación, edad, ejercicio,
y salud en general. Por supuesto, esto no lo vamos a hacer. Así que lo que hacemos es tratar de obtener estos
datos muestreando a cuantas personas de distinta índole podamos, para así obtener un amplio espectro en
nuestras mediciones y tener mayor certeza de si existe o no una correlación entre estas variables.

Por último, habrá casos donde podamos hacer un experimento, pero decidamos en vez hacer un estudio
correlacional. Por ejemplo, algunos científicos utilizan análisis correlacionales como primer paso para decidir
si vale la pena o no invertir recursos en estudiar la relación entre dos variables mediante un experimento
manipulativo. En otros casos, podemos estar interesados en cómo se comportan las variables en su ambiente
natural. Uno de los problemas de los estudios experimentales es que son tan controlados que a veces puede
ser difícil predecir qué tan extrapolables son. Es decir, si los resultados que obtuvimos se mantendrán en
condiciones distintas a las del laboratorio, donde las variables dependiente e independiente interactúan con
muchas más variables y en combinaciones que no medimos en el laboratorio. Ésto es común en estudios de
comportamiento animal, donde las condiciones experimentales de un laboratorio pueden alterar la conducta
del sujeto en maneras que desconocemos. Así, algunos estudios utilizan métodos correlacionales y
experimentales de manera complementaria, obteniendo mayor certeza aún en sus inferencias o hipótesis.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 10

Para finalizar, retomando el ejemplo del cactus, ¿cómo sería un estudio correlacional en este caso?

Bueno pues… podrías salir a medir dos cosas en el patio de tu abuela y cuantos patios más pueda. 1) Primero,
deberías contar cuántos insectos herbívoros hay en patios con cactus jóvenes (e.g. haciendo conteos un día a la
semana durante 8 semanas). 2) Segundo, una vez transcurrido el tiempo suficiente para que hayan crecido los cactus
que eran jóvenes cuando contaste el número de insectos (digamos que los marcaste para saber cuáles son), deberías
contar cuántas espinas tienen estos mismos cactus una vez que son adultos. Idealmente, si muestreas lo suficiente,
podrías obtener patios donde haya muy poco insectos herbívoros y otros donde haya muchos; así, viendo tus datos
unos meses después, podrías ver si en los patios donde había más insectos herbívoros los cactus crecieron con más
espinas (es decir, si los datos apoyan tu predicción).

Como ves, con este tipo de estudio, aunque obtengas resultados que apoyen tu predicción, ni tu mismo estarás tan
seguro de este apoyo. Por ejemplo, estás asumiendo que los insectos se están alimentando exclusivamente de los
cactus, pero algunos patios pueden tener otras fuentes de alimento para esos insectos. De igual manera, los distintos
patios seguramente variarán en la cantidad de luz, nutrientes y agua que reciben; ¡esto incluso puede suceder dentro
de un mismo patio! Como ves, los datos en las correlaciones son menos fiables, y necesitarías medir muchos patios
distintos y durante muchos años para poder llegar a convencer a alguien de que existe una relación entre la cantidad
de insectos y espinas en los cactus.

Más importante aún, recuerda que en este caso no es posible determinar si son los insectos los que causan que haya
más espinas, o si son las espinas las que causan que haya más insectos. Quizás estés diciendo: ¡¿cómo así?! Bueno,
podría ser que los patios de cactus con muchas espinas evitan que lleguen a percharse pájaros que se alimentan de
insectos, y que, por ende, ¡haya más insectos! Estos pájaros son una variable que ¡no estandarizaste! al no ser un
experimento controlado. Es por esto que en las correlaciones no podemos establecer una relación causa-efecto
(independencia-dependencia). Por más factible que nos parezca una relación directa entre nuestras variables, siempre
puede haber explicaciones alternativas. Así, un experimento con manipulaciones y tratamientos definidos siempre
proporcionará información más contundente que un estudio correlacional sobre la posible asociación entre variables
de interés.

III.- PROCEDIMIENTO EN EL LABORATORIO

Esta sesión de laboratorio consiste en dos partes.

1) Los estudiantes disecarán los distintos componentes del método científico para el caso de estudio que los
estudiantes leyeron durante la semana (disponible en mediación). Dicha actividad se llevará a cabo de forma
participativa en el aula.

2) Los estudiantes recibirán una pregunta específica que intentarán contestar desarrollando todos los pasos
del método científico. Dicha actividad se llevará a cabo en los grupos usuales de trabajo y será evaluada
como reporte de laboratorio. Al finalizar el tiempo establecido por el profesor, cada grupo entregará el
reporte completado y se hará una discusión del trabajo realizado.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General