Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN AL PENSAMIENTO
CIENTÍFICO
BLOQUE I: EVIDENCIA, VERDAD Y CONOCIMIENTO CIENTÍFICO
- Los hechos son cómo son las cosas, aquello que es verdad. Así, decir «es
un hecho que P» significa que P es verdad. Por ejemplo: es un hecho que la
Tierra tiene más de 4.000 años = es verdad que la Tierra tiene más de
4.000 años.
En general, los hechos de los que se ocupa la ciencia son independientes de nuestras
opiniones y deseos. La cuestión de si la Tierra tiene más de 4.000 años es objetiva: el
hecho de que la Tierra tenga más de 4.000 años no depende de que nosotros creamos
o deseemos que sea así.
Las creencias verdaderas tienden a llevar al éxito práctico con más fiabilidad que las
falsas. Por ejemplo: si una persona está decidiendo si comer una seta, y su creencia de
que la seta es comestible es verdadera, podrá comérsela sin intoxicarse. En cambio, si
su creencia de que la seta es comestible es falsa, es probable que se intoxique al
comerla.
Saber cómo son las cosas en el mundo nos permite predecir, anticipar las
consecuencias de nuestros actos y tomar decisiones ventajosas para nuestros
intereses.
Ciencia como guía para la acción.- la ciencia, bajo esta idea, ofrece por tanto una
guía fiable para la acción exitosa; ya que se basa en evidencia acerca de cómo de
hecho es el mundo. El conocimiento científico permite tomar decisiones informadas
al actuar. Cuando intervenimos prácticamente el mundo, queremos saber cuáles
serán de hecho las consecuencias de nuestros actos y qué opciones nos ofrecen mayor
probabilidad de alcanzar nuestros objetivos (ej: un médico que busque prescribir un
tratamiento efectivo y fiable se apoyará en evidencia acerca de los efectos de los
tratamiento disponibles...pero, en cambio, no habrá certeza sobre la fiabilidad de un
tratamiento que no esté respaldado por evidencia sobre sus efectos como, por ejemplo,
un tratamiento elegido de manera supersticiosa).
Una actitud científica cuestiona los argumentos de autoridad (aquellos que apelan
exclusivamente al hecho de que una autoridad haya defendido la tesis en cuestión).
Como ejemplos históricos encontramos a Darwin y su teoría de la evolución o a Galileo
y su teoría heliocéntrica.
Galileo argumentó que los textos religiosos no han de ser considerados como evidencia
científica y que, en todo caso, podrían ser compatibles en la medida en que tratasen
cuestiones espirituales y no traten de describir el mundo.
Ciencia y autoridad.- por tanto, la pregunta que de aquí se sigue es si existe algún
papel de autoridad en la ciencia. En este sentido, entran los expertos científicos:
investigadores cuyas opiniones acerca de ciertas cuestiones científicas son fiables y
que, por tanto, pueden ser considerados como autoridades fiables acerca de las
cuestiones es que se especializan. Sin embargo, un solo experto no tiene autoridad
científica en la medida en que sus opiniones estén basadas de manera fiable en la
evidencia.
Prejuicios.- por tanto, la ciencia aspira a no dejarse llevar por prejuicios: opiniones
acerca de una cuestión formadas sin haber considerado evidencia directa
acerca de tal cuestión, como por ejemplo los prejuicios sociales (juzgar a una
persona por el grupo en el que se incluye) u opiniones apoyadas en el consenso social,
o en la tradición, sin respaldo de evidencia (el frio causa resfriados).
Sesgos.- en este sentido, pueden aparecer los sesgos cognitivos, como la distorsión
sistemática en la evaluación e interpretación de la evidencia disponible. Por
ejemplo: errores sistemáticos al razonar intuitivamente con grandes cantidades, o con
probabilidades (falacia del jugador).
Por ejemplo, la invención del telescopio y los avances en astronomía y física a partir del
s.XVII (Galileo, Newton, Hubble…etc.); el microscopio y la biología celular a partir del
siglo XIX; o técnicas de análisis de estructuras cristalinas por difracción de rayos X y el
descubrimiento de la estructura del ADN.
El uso del telescopio permitió a Galileo obtener evidencia en contra de las teorías
astronómicas tradicionales: la observación de manchas solares probó que el Sol no era
un astro incorruptible con una superficie uniforme y perfecta. La observación de
satélites orbitando en torno a Júpiter probó que no todos los cuerpos celestes orbitan
en torno a la Tierra.
Una observación que sea esencialmente privada e inaccesible para otros sujetos no
será admitida de como evidencia científica por otros investigadores. Por ejemplo: las
experiencias incomunicables de un místico o un chamán no constituyen evidencia
científica.
10
Por ejemplo, en el caso de que se quisiera investigar una reacción química entre dos
sustancias, fuera del laboratorio esta reacción podría verse distorsionada por la
humedad del ambiente, por la interacción con los gases atmosféricos o por la presencia
de alguna sustancia contaminante.
La experimentación hace posible eliminar factores que interfieran con el fenómeno que
se desea observar, manipulando el sistema adecuado para evitar o controlar la
posible influencia de estas interferencias (ej: un experimento químico realizado al
vacío, eliminando la presencia de oxigeno atmosférico y aislado la reacción de posibles
contaminaciones con otras sustancias).
11
12
13
14
15
Este tipo de criterios sirven de guía heurística para formular hipótesis, aunque no
son reglas rígidas y a veces puede haber tensiones entre ellos. En cualquier caso, el
criterio último para descartar una hipótesis será su incompatibilidad con la evidencia.
Por tanto, las hipótesis científicas han de poder ser sometidas a comprobación
empírica: una hipótesis científica debe ser refutable/falsable empíricamente, esto es,
debe existir la posibilidad de que surja evidencia empírica que la refute (Popper). Una
hipótesis formulada de manera que quede protegida frente a cualquier evidencia que
pueda aparecer no será científica.
Para someter a comprobación empírica una hipótesis, hay que determinar sus
implicaciones empíricas: las consecuencias observables que tendría verdad de la
hipótesis. Las predicciones realizadas por una hipótesis son aquellas consecuencias
que se derivarían de la verdad de la hipótesis, es decir, cómo serían las cosas si la
hipótesis fuese verdad.
16
Aunque el uso de lenguaje técnico suponga una barrera para los no expertos, permite
minimizar la indeterminación o mensajes presentados de manera opaca o
indirecta. El lenguaje científico no aspira a ser sugerente, misterioso o enigmático,
sino a conseguir la máxima claridad e inteligibilidad.
17
formal permite plantear hipótesis con precisión, de manera que queden determinadas
inequívocamente sus predicciones. Asimismo, el uso de aparataje matemático ofrece
métodos deductivos sistemáticos para inferir de manera exhaustiva las implicaciones
de una hipótesis.
El método científico no garantiza que una hipótesis sea verdadera, sino tan solo que es
compatible con la evidencia obtenida hasta este momento. La ciencia incluye
mecanismos de auto-corrección y de revisión de hipótesis ante la adquisición de
nueva evidencia discrepante.
18
19
Le Verrier conjeturó que existía un planeta hasta entonces desconocido que perturbaba
la órbita de Urano (1845). Utilizando la ley de Newton, calculó la posición que tendría
que tener dicho planeta para causar las irregularidades observadas en la órbita de
Urano. En 1846, el astrónomo Johann Gottfried Galle observó el nuevo planeta
(Neptuno), en la posición predicha por Le Verrier. El descubrimiento teórico de Neptuno
se consideró un gran éxito predictivo de la astronomía Newtoniana.
20
Así, una premisa es una proposición que constituye el contenido de las creencias de
las que se parte un razonamiento («Bélgica tiene más población que Suiza»); y una
conclusión es la proposición que constituye el contenido de la creencia a la que se
llega en un razonamiento («Bélgica tiene más población que Dinamarca»).
Un sujeto que razone de acuerdo a este argumento formará una creencia con contenido
«Bélgica tiene más población que Dinamarca» (conclusión) a partir de creencias
iniciales con contenido «Bélgica tiene más población que Suiza» y «Suiza tiene más
población que Dinamarca» (premisas).
Una transición entre creencias es una buena inferencia solo si, cuando se parte de
premisas verdaderas, se llega de manera fiable a conclusiones también verdaderas.
21
Las inferencias inductivas no garantizan que sus conclusiones sean verdaderas, incluso
si todas sus premisas lo son. En principio, es una posibilidad abierta que las premisas
inductivas sean verdaderas, pero la generalización alcanzada en su conclusión sea
falsa (porque haya excepciones todavía no observadas a tal generalización). Por tanto,
¿qué justificación tenemos para aceptar la conclusión de una inferencia inductiva?
22
En cualquier caso, el ejemplo más típico es el de los cisnes negros: los científicos
europeos hasta el s. XVIII solo habían observado cisnes blancos. A partir de estas
múltiples observaciones, parecía poder inferirse inductivamente que todos los cisnes
son blancos. Los primeros europeos en observar cisnes negros fueron exploradores
ingleses en Australia a finales del s. XVII. Los cisnes negros de Australia son una
excepción a la generalización «todos los cisnes son blancos» (que parecía sólidamente
confirmada por numerosas observaciones).
Incluso si una inferencia inductiva está apoyada por un gran número de observaciones,
es posible que aparezcan excepciones inesperadas. La expresión «Cisne negro» se usa
para referirse a eventos inesperados o sorprendentes
23
Sin embargo, el problema que aquí surge es que, intuitivamente, los científicos parecen
considerar que ciertas hipótesis han sido confirmadas empíricamente, o al menos que
su grado de confirmación es mayor que el de hipótesis alternativas. ¿Se debe rechazar
esta visión intuitiva de la ciencia?
Es únicamente por la fuerza del hábito y la costumbre que presuponemos que existirá
uniformidad y regularidad en el universo: no disponemos de justificación racional para
tal presuposición. Por tanto, no hay justificación racional para juzgar que una hipótesis
general haya sido confirmada por la observación de casos particulares (ni siquiera hay
justificación racional para incrementar nuestra confianza en una hipótesis general
respaldada por numerosas observaciones).
En este caso, el problema resulta ser entonces si la ciencia es una actividad en última
instancia no-racional, apoyada simplemente en el hábito y la costumbre, y basada en
presuposiciones para las que no hay justificación. ¿no es racional entonces confiar en
las leyes generales de la física al construir un puente?.
24
El uso del razonamiento inductivo en ciencia será, por tanto, revisable y fiable: si
surgen dudas acerca de la uniformidad/regularidad del fenómeno concreto investigado,
se deberán revisar las inferencias inductivas realizadas en nuestra investigación (ej: si
descubrimos que el fenómeno estudiado es heterogéneo, no podremos realizar
generalizaciones inductivas a partir de observaciones de muestras parciales y poco
representativas).
25
En situaciones en las que la evidencia sea limitada, es posible que tan solo se puedan
dar respuestas parciales, tentativas, imprecisas o probabilísticas, que reflejen
la incertidumbre de los investigadores. No obstante, existen métodos para controlar,
acotar y delimitar de manera rigurosa la incertidumbre de los resultados científicos.
26
27
28
Correlación estadística.- así, una correlación estadística entre dos variables existe
cuando, analizando estadísticamente un conjunto de datos, se observa una relación o
dependencia entre los valores de las dos variables (por ejemplo: los valores de
una de las variables aumentan cuando lo hacen los valores de la otra variable).
Un resultado extraído a partir de un conjunto de datos (ej: una correlación) se dice que
es estadísticamente significativo si es suficientemente improbable que dicho
resultado sea debido al azar (ej: una correlación fruto de una coincidencia casual en los
casos observados). Cuando la muestra (conjunto de casos estudiados) es muy pequeña,
es más fácil que se den correlaciones debidas a coincidencias azarosas.
Por ejemplo, si se observan solo las últimas 4 jugadas de una ruleta (no defectuosa), no
es demasiado improbable que, por azar, todos los ganadores sean pares (≈6%). Sin
embargo también, la conclusión de que en esa ruleta los números ganadores son en
general pares no representará adecuadamente el funcionamiento normal de la ruleta.
Con una muestra más amplia, es casi imposible que todos los números ganadores
observados sean pares: si se observan muchas jugadas, lo normal es que haya un
29
Para obtener resultados estadísticos significativos, es decir, que sea difícil que reflejen
coincidencias fortuitas, hay que analizar muestras suficientemente grandes y
representativas.
Correlación ≠ Causalidad
Por ejemplo, imaginando que encontramos una correlación estadística entre vivir en
ciertos barrios y poseer más de un coche; se trata de una correlación que no permite
inferir directamente que vivir en dichos barrios ejerza una influencia causal sobre el
número de coches que se posee. Podría ser, por ejemplo, que lo que explique que se
viva en esos barrios como que se posean varios coches sea tener de rente elevado.
Entonces, sería el alto nivel de renta la causa de vivir en barrios caros y de poseer
coches de lujo.
Para analizar posibles relaciones causales entre dos variables X e Y, habrá que intentar
examinar cómo se correlacionan dichas variables controlando la posible
30
Por ejemplo, para ver si la correlación entre vivir en ciertos barrios y poseer varios
coches es independiente del nivel de renta, habrá que analizar si sigue existiendo dicha
correlación cuando controlamos el nivel de renta (es decir, cuando consideramos datos
sobre personas que vivan en distintos barrios pero tengan un mismo nivel de renta).
31
En muchos casos, los problemas matemáticos que hay que resolver para obtener
resultados/predicciones exactas a partir de una teoría o hipótesis son demasiado
complicados. Para poder trabajar de manera operativa con una teoría/hipótesis es
frecuente que tengamos que simplificar los cálculos implicados en la manipulación de
dicha teoría/hipótesis, obteniendo por tanto resultados aproximados.
Por ejemplo, en lugar de enfrentarnos a una ecuación complicad apodemos resolver una
ecuación más sencilla suficientemente parecida a la original. El uso de ordenadores
permite obtener soluciones aproximadas a problemas matemáticos complejos.
32
Por tanto, en ciencia no siempre es posible o no resulta práctico trabajar con resultados
exactos, que den una respuesta completa y correcta a nuestras preguntas de
investigación. En estos casos, es habitual recurrir a aproximaciones. Estas involucran
33
Realmente, solo hasta cierto punto. Aunque no son tantas como en física o química,
también se usan leyes en ciencias biológicas y sociales (y, al menos, se debe admitir
que las leyes físico-químicas siguen aplicándose también todos los ámbitos). Además,
también hay modelos en las ciencias duras (por ejemplo, el modelo atómico de
Rutherford).
Por tanto, los modelos son explicativos en ciencia porque ofrecen una explicación
acerca de aspectos tales cómo funcionan realmente los fenómenos que investigan.
Esto permite abordar los mecanismos subyacentes y predecir posibles
estados futuros de un sistema. Por ejemplo: el modelo matemático de Lotka-
Volterra aplicado a un caso concreto permitirá predecir la ratio entre depredadores y
presas a lo largo del tiempo.
Hay varias razones por las que se utilizan modelos en ciencia: (a) por un lado,
que los sistemas abordados son tan complejos que no resulta práctico explicarlos
basándonos en las leyes básicas (ej: los estados psicológicos o las sociedades
humanas); (b) y también porque hay cuestiones éticas que avalan en ocasiones que se
investigue sobre modelos y no sobre los fenómenos mismos (ej: los modelos animales
en biomedicina).
Los modelos son también idealizaciones, es decir, solamente funcionan bajo ciertas
restricciones e idealizando las circunstancias en las que ocurren. Por ejemplo: el
modelo de Lotka-Volterra ignora muchos aspectos biológicos que influyen en la
distribución poblacional de presas y depredadores, y el ratón de laboratorio es un
modelo para comprender la biología humana solamente en aquellos aspectos en los
34
que estos dos organismos pueden considerarse análogos. Bajo toda esta idea,
entonces, un modelo es explicativo es:
Todos estos modelos tienen valor explicativo si están bien planteados; y son
compatibles entre sí. De hecho, diferentes modelos se pueden expresar tanto en
formatos físicos como matemáticos o conceptuales. Lo importante es que todos son
aproximaciones a la realidad que implican necesariamente una simplificación y una
idealización. En este punto, es importante diferenciar entre la «utilidad del
modelo» y «representación de la realidad»: deben encontrar el nivel de
abstracción e idealización en el que resultan, al mismo tiempo, manejables y
explicativos. Además, muchos modelos erróneos (o reconocidamente infieles con la
realidad) son muy útiles en ciencia.
35
Hay también otro tipo de modelos falsos que son muy útiles en ciencia. En este caso,
no se trata de modelos equivocados, sino de representaciones de sistemas inexistentes
imaginados que tienen la función de explicar cosas de los sistemas que sí existen: se
denominan como modelos contrastantes.
Por ejemplo: L D. Hurst propuso en 1996 un modelo para explicar por qué normalmente
sólo hay dos sexos en las especies biológicas. Se trata de un modelo matemático para
una población de organismos en la que hay tres tipos sexuales. El modelo muestra,
entre otras cosas, que esta población y otras poblaciones de este evolucionan
necesariamente hacía dos tipos sexuales. Esto explicaría porque los organismos con
fusión de gametos y más de dos sexos han de ser raros en la naturaleza.
Los modelos son herramientas científicas que permiten no solo explicar cómo funciona
el mundo, sino cómo podría haber funcionado en otras circunstancias (y qué cosas
podrían haber pasado y cuáles no). Ante todo, un modelo es una herramienta para
explicar la realidad, pero no debemos olvidar que no es un fiel reflejo de esta realidad
que modeliza.
Thomas Kuhn (1922-1996) desarrolla este concepto en obras como el Giro sociológico
de la filosofía de la ciencia o La estructura de las revoluciones científicas.
Kuhn expone que para comprender bien la ciencia debe tenerse en cuenta el
entramado teórico en el que tiene lugar la actividad científica. La ciencia es una
actividad social institucionalizada, por lo que Kuhn propone observar su historia
para comprender cómo funciona realmente.
Así, para él, la diferencia entre la ciencia y la «pre-ciencia» es que en la primera hay
un paradigma que apoya una tradición y sobre el que hay un acuerdo general. El
conocimiento que se transmite dentro de un paradigma es frecuentemente muy tácito.
36
Para Kuhn, no hay paradigmas superiores a otros. Los científicos que trabajan en
paradigmas diferentes «viven en mundos distintos». Un paradigma supone forma
diferente de observar e interpretar el mundo. Los partidarios de paradigmas rivales
defienden distintos conjuntos de normas, fundamentos teóricos, principios
metafísicos…etc.
Por otro lado, también defiende que los paradigmas son inconmensurables entre
sí. Lo que defienden cada uno los hace incompatibles entre sí. La ciencia normal se
ejerce en el marco del paradigma, el cuál no se pone habitualmente en cuestión. Ha de
darse un cumulo de circunstancias muy complejo para que un paradigma entre en
crisis y que las anomalías hagan a los científicos cuestionarse los fundamentos de su
actividad.
Lo importante del cambio científico, según Kuhn, es que un paradigma entra en crisis y
un paradigma rival consigue más adeptos que el anterior, independientemente de si
este nuevo paradigma es mejor epistémicamente o no.
37
38
caracteriza por utilizar enunciados que han sido objeto de comprobación. Lo que
caracteriza a las teorías y postulados científicos es que los hechos observados
los corroboran, demostrándolas como verdaderas. El verificacionismo sigue, por
tanto, una estrategia inductivista por la que es susceptible a los problemas derivados
de la misma.
Carnap (autor del Círculo de Viena) propone una postura verificacionista más flexible a
la que denomina «confirmacionismo». Según el confirmacionismo no es necesario
que los hechos empíricos observados confirmen de forma concluyente un postulado
científico, sino que es posible considerar diferentes “grados de confirmación” sobre una
base probabilística.
Imre Lakatos, desarrolló una perspectiva más sofisticada del falsacionismo, para
la cual las teorías y postulados científicos no se pueden considerar aisladamente, sino
que forman parte de programas de investigación. Estos, si son científicos, serán
progresivos teórica y empíricamente. Además de explicar los hechos ya conocidos,
predice hechos nuevos y es capaz de explicarlos. Es decir, un programa de
investigación no progresivo no es buen programa científico.
Desde este enfoque, el criterio de demarcación es algo que depende de los valores y
de las creencias contingentes de los científicos que conforman un paradigma
concreto.
39
40
Junto a esto, existe otra propuesta de conciliación como la teoría del «Diseño
Inteligente»: ciertas características del universo y de los seres vivos solo pueden
explicarse apelando a una causa inteligente, y no por un proceso no dirigido como
selección natural. Esta teoría tiene como estrategia «rellenar los huecos» que no puede
llenar la explicación evolutiva con referencias a la voluntad divina. Pero, de este
planteamiento se derivan interrogantes: ¿puede esta teoría verificarse o falsarse? ¿la
motivación de esta teoría es ideológica o científica? ¿debe enseñarse en las escuelas y
tener estatus de propuesta científica?
Sea como fuere, el juez John Jones expuso lo siguiente: «sin duda, la teoría de la
evolución de Darwin es imperfecta. Sin embargo, el hecho de que una teoría científica
todavía no pueda dar una explicación sobre cada punto no debe ser usado como
pretexto para empujar una hipótesis alternativa no comprobable basada en la religión
en el aula de ciencias o para tergiversar proposiciones científicas bien establecidas», lo
que parece evidenciar por sí mismo el carácter más ideológico que científico de esta
postura.
41
como tales. Por ejemplo, con el caso de la homeopatía, fundada y desarrollada por
Samuel Hahnemann (1755-1843), se basa en principios como aquellos que establecen
que «lo igual cura lo igual» o «cuánto más diluido, más efectivo». Los remedios
homeopáticos son disoluciones sucesivas de una sustancia que, se supone, causa los
síntomas de la enfermedad (se emplean sustancias como óxido de arsénico o veneno
de serpiente) que se pretende curar. La disolución se hace hasta el punto de que ya no
queda ninguna molécula de la sustancia original en el compuesto, porque se supone
que la «memoria del agua» retiene el poder curativo de la sustancia original.
Un caso conocido y extendido es el del terraplanismo: una teoría que defiende que la
superficie de la Tierra es plana, en lugar de esférica. La teoría de la Tierra Plana ya fue
falsada, pero a pesar de ello sigue habiendo numerosas personas que la siguen
defendiendo.
42
Su origen social se sitúa en el Reino Unido y EEUU a finales de los años 60 y comienzos
de los 70, muy vinculados socialmente a los movimientos anti-militaristas, ecologistas,
multiculturalistas…etc. La reivindicación consistía principalmente en la importancia de
43
Junto a estos, debe tenerse en cuenta a influencia de otros factores sociales sobre
la organización institucional de la ciencia, y viceversa. Pero el enfoque mertoniano
sigue dejando sin considerar el contenido del conocimiento científico como objeto de
estudio sociológico.
44
El programa fuerte propuso que ambas, tanto las teorías científicas verdaderas
como las falsas deberían ser tratadas de la misma manera, esto es,
simétricamente. Ambas son consecuencia de factores y condiciones sociales, tales
como el contexto cultural y el propio interés. Todo el conocimiento humano, al ser algo
que existe en la cognición humana, debe contener algunos componentes sociales en su
proceso de formación.
- Causalidad: el sociólogo debe explicar por qué los científicos aceptan las
teorías o hechos que se aceptan, por qué tienen las creencias que tienen.
Así, el principal factor explicativo son los «intereses sociales»: cada científico
preferirá aceptar aquellas teorías o hechos que son más favorables para sus intereses
de clase. El principal punto problemático de esta tesis es que los intereses sociales de
una clase pueden ser un factor por el que se prefiere una teoría a otra, pero difícilmente
serán el único, ni siquiera el más relevante. ¿No hay lugar para la «pura racionalidad»
en el funcionamiento de la ciencia?
La ciencia como constructo social.- derivado y en relación con todo esto, surge la
corriente del constructivismo social: la realidad de la ciencia es una construcción de
los científicos. Más concretamente, el conocimiento científico no constituiría un corpus
neutro de datos independiente de las prácticas culturales y los valores, sino que se
originaría en el seno de la sociedad, con lo que ello conlleva.
Los factores sociales no son elementos que influyen a la ciencia desde fuera, sino
que determinan cognitivamente a los científicos, lo que marca la ciencia en todas
sus manifestaciones. La ciencia es un constructo social igual que el mito o la magia, no
tiene ningún privilegio epistémico sobre cualquier otro tipo de manifestación social.
Los constructivistas no dicen que la ciencia sea un fraude, sino que no se puede
explicar la ciencia aduciendo a su verdad o realidad. La realidad externa es la
consecuencia y no la causa del trabajo científico; los científicos, mediante su
45
No se debe explicar solo lo natural desde lo social (como el Programa Fuerte) sino que
lo social también debe explicarse de la misma forma: lo social también es una
construcción. El conocimiento científico es el resultado de las disputas entre los
científicos, las cuales están determinadas por factores sociales. Los científicos no
aceptan unos hechos porque sean verdaderos, sino que asumen que son verdaderos
porque han sido aceptados (Programa empírico del Relativismo).
Por último, cabe señalarse los distintos tipos de estudios feministas (S. Harding):
46
Por ejemplo, en 1994 Alan Sokal, profesor de física en la Universidad de Nueva York,
publicó Social Text, en el que reivindica una defensa de que el conocimiento científico
es reflejo de la ideología dominante, defensa de que el psicoanálisis lacaniano ha sido
probado por la teoría de cuerdas y reivindicación de unas matemáticas emancipadoras.
Sin embargo, a los pocos meses apareció una carta de Sokal explicando que todo había
sido una broma. Lo importante del caso Sokal es que suscitó la pregunta de si quedó
demostrada la falta de rigor y criterio de los estudios sociales de la ciencia o se debe a
un simple fallo en la política de publicaciones de una revisión concreta.
47
Junto a esta idea, la ciencia es una actividad social, llevada a cabo por individuos con
distintos objetivos, intereses y motivaciones; de lo cual se deriva preguntarse por el
funcionamiento de estas actividades sociales científicas y cómo ponen en práctica el
método científico, teniendo en cuenta que los intereses de los científicos no son
exclusivamente epistémicos, sino también prácticos (puesto de trabajo, recibir
financiación, obtener reconocimiento profesional y social…etc.). ¿Qué tipo de incentivos
y diseños institucionales permiten que científicos con intereses personales en
ocasiones contrapuestos colaboren en la obtención de conocimiento basado en la
evidencia?
48
- Una tesis propuesta sin respaldo evidencial será criticada por otros
miembros de la comunidad científica.
49
Además, es importante que los miembros de una disciplina científica compartan los
mismos formalismos, sistemas de notación y lenguajes técnicos: el lenguaje
matemático, con sistemas de notación matemática convencionales (por ejemplo: en la
notación convencional, «=» es el símbolo para expresar la relación de identidad, «∑» se
usa para representar un sumatorio) o el lenguaje de programación (Fortran,
MATLAB, C++, Python…etc.)
50
compatibles las motivaciones prácticas de los científicos con los fines epistémicos
colectivos de la ciencia? ¿Puede alcanzarse de manera colectiva conocimiento fiable e
imparcial en las actividades científicas, si sus participantes actúan guiados por sus
propios intereses y motivaciones prácticos (muchas veces en conflicto y competición
entre sí)?
El interés de las revistas, dado todo esto, es que sus artículos sean citados y
usados por otros científicos. Esto es más probable que suceda con artículos que se
apoyan en evidencia robusta y ofrecen resultados fiables y novedosos. En este sentido,
el índice/factor de impacto de una revista es aquel que refleja el número de citas de las
publicaciones de una revista y se suele tomar como una medida del impacto de una
revista en una disciplina científica.
Pero, del mismo modo que la estructura social de la ciencia incentiva la búsqueda de
apoyo evidencial, también dificulta el fraude y manipulación de resultados por parte de
un investigador o grupo: la ciencia es una actividad social colectiva,
descentralizada y distribuida.
51
La ciencia es útil en gran medida por sus aplicaciones prácticas y, en esta, no solo
participan investigadores con motivaciones puramente epistémicas (búsqueda de la
verdad), sino también agentes y grupos con diversos intereses prácticos (por ejemplo,
industrias y empresas buscando beneficios económicos o instituciones con intereses
políticos).
La investigación científica está en gran medida financiada por instituciones con sus
propios intereses económicos y políticos: ¿existen conflictos entre estos intereses
económicos y políticos y los fines epistémicos de la ciencia? ¿pueden tales intereses
distorsionar la imparcialidad y la fiabilidad de la ciencia?
Pese a este carácter descentralizado, puede haber campos concretos en los que
ciertos grupos (empresas, gobiernos) dominen en buena medida la
producción de resultados científicos. Un ejemplo son áreas con «barreras de
52
entrada», en las que la investigación es muy costosa porque requiere muchos recursos
materiales y económicos. Puede suceder que solamente ciertos grupos tengan acceso
a los recursos necesarios para desarrollar la investigación en estos campos.
No todos los científicos pueden comprobar por su cuenta los resultados en estas áreas,
sino que se necesitan recursos (ej: dispositivos experimentales) solo disponibles con el
respaldo de ciertas instituciones (empresas, gobiernos). En estos casos, pueden surgir
dudas sobre la imparcialidad de la investigación, especialmente cuando estén
involucrados intereses económicos o políticos:
En este sentido, los ensayos clínicos son estudios experimentales en los que se
comprueba la seguridad y efectividad de un tratamiento. Constan de varias fases:
5. Fase IV: seguimiento de los efectos del fármaco una vez comercializado
53
Los ensayos clínicos están sometidos a una regulación estricta, y tanto su realización
como sus resultados son supervisados por agencias supraestatales como la
AEMPS, la EMA o la FDA para asegurar su imparcialidad y fiabilidad.
54
Pero, ¿genera incentivos negativos la presión por publicar? Es decir, incentivos que
vayan en detrimento de los fines epistémicos de la ciencia y de su función social.
Por ejemplo, los científicos están sometidos a la presión de publicar con frecuencia en
revistas de prestigio para progresar en su carrera profesional; por lo que tienen
incentivos para realizar investigaciones que generen numerosos resultados aplicables.
En este sentido, cabe preguntarse hasta qué punto que un resultado sea publicable es
siempre un buen indicador de su valor epistémico.
Para un científico (sobre todo si carece de estabilidad profesional) puede ser preferible
una investigación que garantice varios resultados mediocres pero publicables
rápidamente frente a un proyecto más ambicioso con potencial de producir resultados
de gran relevancia, pero en el que exista el riesgo de no obtener resultados a corto
plazo. La presión por publicar tiende a promover la cantidad frente a la calidad.
Es más fácil publicar en una buena revista un resultado positivo que un resultado
negativo o una replicación (en general, los resultados positivos se perciben como más
novedosos y relevantes). La presión por publicar incentiva la búsqueda de resultados
positivos: estos incentivos son beneficiosos epistémicamente en la medida en que
fomentan la creatividad y la exploración de nuevas hipótesis. Sin embargo, pueden
crear sesgos y tener implicaciones indeseables.
55
investigadores para aprender acerca de qué hipótesis son fallidas o carece de apoyo
evidencial; los resultados negativos permiten identificar resultados positivos dudosos.
Si existen numerosos estudios en los que no se ha observado que una hipótesis esté
apoyada por cierto tipo de evidencia, resultará sospechoso un estudio aislado en el que
si parezca observarse dicho apoyo de la evidencia: será razonable sospechar que este
resultado sea un falso positivo (fruto, por ejemplo, de errores en la obtención y análisis
de la evidencia).
56
Las medidas más realistas para enfrentarse a los problemas de la ciencia son
reformas graduales. Por ejemplo: creación de revistas dedicadas a resultados
negativos y replicaciones; incrementar la financiación para estudios de replicación y
comprobación; o mejorar los métodos de análisis estadístico (fomentar el uso de
muestras amplias, emplear criterios de significación estadística más exigentes).
57