Apuntes Diapositivas Intro Pensamiento Cientifico

lOMoARcPSD|2474253
Apuntes diapositivas Intro. Pensamiento .Científico
Introducción al Pensamiento Científico (UNED)
Studocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)
lOMoARcPSD|2474253
INTRODUCCIÓN AL PENSAMIENTO
CIENTÍFICO
BLOQUE I: EVIDENCIA, VERDAD Y CONOCIMIENTO CIENTÍFICO
TEMA 1: Ciencia, hechos y evidencia (cap 1)
Ciencia basada en hechos, verdad y objetividad.- la ciencia aspira a proporcionar

conocimiento fiable basado en hechos. En este sentido, el objetivo de las
investigaciones científicas es comprender cómo son de hecho las cosas –y no como
imaginamos o deseamos que sean–. La ciencia busca responder preguntas acerca de
un objeto de estudio apoyándose en hechos: por ejemplo, ¿cuál es la estructura del
benceno? ¿cómo se produce la división celular? ¿cuáles son las propiedades de los
agujeros negros? ¿cuál es la relación entre el éxito académico de los estudiantes y el
nivel socioeconómico de sus padres?
- 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 este sentido, la ciencia tiene como aspiración la objetividad, es decir, basarse en

hechos objetivos cuya verdad no depende de nuestras opiniones. Una cuestión es
objetiva si no depende de las opiniones o deseos de quiénes evalúan dicha cuestión.
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.
La evidencia.- para llegar a la objetividad, la ciencia ha de buscar evidencias:

pruebas, indicios, pistas…etc. sobre un fenómeno en cuestión. Se trata de
consideraciones que tienen relevancia para determinar que fenómeno u
objeto de estudio es verdad. Decir que hay «evidencia de que P» significa que
existe algo que hace evidente, que indica o que hace probable que P es verdad. Por
ejemplo: una huella de ciervo en el camino es evidencia de que ha pasado un ciervo,
así como la presencia de humo es evidencia de que hay fuego o la radiación de fondo
de micro-ondas evidencia que el BigBang tuvo lugar.
La investigación científica toma como guía la evidencia disponible, ya que su meta es

averiguar cómo son de verdad las cosas. Un físico de partículas se apoya en la
evidencia proporcionada por experimentos de colisiones entre partículas para averiguar
cuáles son, de hecho, las propiedades de las partículas subatómicas.

lOMoARcPSD|2474253
La investigación científica ha de apoyarse exclusivamente en evidencia: factores no-

evidenciales como los deseos o las preferencias del científico no son relevantes para
una investigación acerca de la verdad de un determinado fenómeno de estudio.
Evidencia, verdad y éxito práctico.- la necesidad y búsqueda de un conocimiento

basado en la evidencia encuentra su porqué en la utilidad que desprende: muchos
resultados científicos tienen aplicaciones prácticas de utilidad. La comprensión de
cómo funcionan las cosas nos permite realizar predicciones acertadas e intervenir en el
mundo de manera exitosa.
Además, puede argumentarse también que la investigación científica tiene valor en sí
misma: como expresión de curiosidad, como deseo de comprensión de cómo funcionan
las cosas…etc.).
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.
El éxito práctico de nuestras acciones no depende solo de nuestros deseos y opiniones,

sino de cómo son de hecho las cosas en el mundo (si la seta es tóxica): el éxito
práctico tiene una dimensión objetiva. Nuestras interacciones prácticas con el
mundo tienen más probabilidad de ser exitosas si se guían por evidencia acerca de
cómo son de hecho las cosas en el mundo. La evidencia es, por tanto, un indicador de
verdad.
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).
- Ciencia APLICADA: aplicación de conocimientos científicos a cuestiones

prácticas (ingeniería, medicina…etc.)
- Ciencia BÁSICA: investigación científica no enfocada directamente a

aplicaciones prácticas.

lOMoARcPSD|2474253
Ambos tipos de ciencia se encuentran conectados entre sí: investigaciones

científicas básicas realizadas sin fines prácticos inmediatos pueden acabar teniendo
aplicaciones de gran alcance. Por ejemplo, a través de la mecánica cuántica el
desarrollo del láser o los semiconductores (transistores, microchips, ordenadores
personales…) o a través de la teoría de la relatividad los GPS o la energía nuclear.
Ciencia, tecnología y aplicaciones-motivaciones prácticas.- por tanto, los

avances científicos desempeñan un papel crucial en el desarrollo tecnológico y
viceversa. Las tesis científicas han de basar exclusivamente en evidencia; sin embargo,
la investigación científica está a menudo motivada por finalidades prácticas:
los científicos pueden elegir su tema de investigación guiados por su interés en
resolver ciertos problemas prácticos. Las motivaciones prácticas del científico y su
entorno social contribuirán a determinar qué líneas de investigación reciben más
atención, recursos materiales y financiación. Por ejemplo: la investigación en
bioquímica está en gran medida promovida por la búsqueda de tratamientos médicos.
Evidencia científica frente a la tradición y la autoridad.- la investigación

científica adopta una actitud abierta, anti dogmática y critica: ninguna tesis o
propuesta se acepta si no está suficientemente respaldada por la evidencia. En
principio, cualquier postura puede ser revisada y sometida a crítica si aparece
evidencia en su contra: ninguna tesis se trata como un dogma incuestionable. En
concreto, no se aceptará una tesis simplemente porque esté apoyada por la tradición,
por el consenso social, o por na autoridad considerada infalible. El criterio decisivo para
aceptar/rechazar una tesis científica es la evidencia directa acerca de la verdad de tal
tesis.
El surgimiento de la ciencia moderna está marcado por el enfrentamiento con la

tradición y con el principio de autoridad. La actitud científica reivindica la
autonomía intelectual (Kant, ¿Qué es la Ilustración?): los científicos han de evaluar por
sí mismos la evidencia disponible, en lugar de seguir de manera acrítica opiniones
sostenidas por la tradición y el pensamiento recibido, o por el peso de la autoridad.
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.
Concretamente Galileo (1554-1642) desafió la autoridad de textos religiosos clásicos

(basados en las teorías de Aristóteles en cuanto a la astronomía) apelando a la
evidencia empírica. Se opuso a aceptar ideas apoyadas por la tradición y las
autoridades, puesto que independientemente de ello lo que resultaba ocurrir era que se
encontraban en conflicto con la evidencia disponible: observó a través del telescopio
machas solares e irregularidades en la superficie lunar, lo que le proporcionó la
evidencia para rechazar la tesis aristotélica de que el Sol y la Luna eran cuerpos
celestes incorruptibles y sin imperfecciones.

lOMoARcPSD|2474253
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.
En cualquier caso, lo importante es que si la opinión de un experto entra en conflicto

con la evidencia disponible, será sometida a crítica y revisión. Esto dota a la ciencia de
un carácter anti-dogmático y revisable: una actitud científica es incompatible con
blindarse ante la evidencia y no estar dispuesto a revisar nuestras creencias a la luz de
hechos. En este sentido, además, debe resaltarse el papel que pueden cumplir Internet
y las redes sociales, que incluyen numerosas fuentes de información que se presentan
de manera ilegítima como autoridades (fake news, bulos…). Confiar acríticamente en
tales fuentes, sin cuestionar su fiabilidad y sin evaluar si existe evidencia en su contra,
supone adoptar una actitud poco científica.
Ciencia y conocimiento ordinario.- nuestras creencias ordinarias sobre el mundo

también tienden a basarse en la evidencia. Por ejemplo, para decidir si llevar o no
paraguas, se consulta el pronóstico, se mira por la ventana…en definitiva, se busca la
evidencia.
La investigación científica puede verse como una extensión refinada y

sistematizada de nuestra forma ordinaria de adquirir conocimientos sobre el
mundo. Sin embargo, al tomar decisiones y formar creencias en contextos cotidianos,
en ocasiones tendemos a evaluar la evidencia de manera distorsionada o sesgada, o
formarnos opiniones que no se basan en evidencia: prejuicios, sesgos,
pensamientos desiderativos…La ciencia trata de corregir y evitar estas formas
defectuosas de evaluar 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).
La investigación científica busca basarse siempre en evidencia directa acerca de su

objeto de estudio, sin dejarse llevar por prejuicios. Una actitud científica se muestra
abierta a cuestionar opiniones preconcebidas, aunque gocen del apoyo de aparentes
autoridades o del consenso social.

lOMoARcPSD|2474253
Evidencia, verdad y deseos.- la investigación basada en la evidencia es

incompatible con formar creencias en función de lo que se desearíamos que sucediera,
en lugar de lo que de hecho hay evidencia de que sucederá). Una actitud científica
impide creer que P simplemente porque deseamos que P sea verdad.
Los pensamientos desiderativos constituyen el proceso de formación de

creencias influido por nuestros deseos acerca de cómo queremos que sea el
mundo, en lugar de la evidencia acerca de cómo de hecho es el mundo. Por ejemplo:
un hincha de futbol que cree que su equipo ganará un torneo porque desea que sea así,
pese a la evidencia que indica que es enormemente improbable que su equipo triunfe.
Creer, contra la evidencia, que un cierto fenómeno no ocurrirá porque sus
consecuencias serían demasiado desastrosas (ej: cambio climático). El pensamiento
desiderativo no siempre es fácil de reconocer, controlar y evitar. Un sujeto puede dar
más peso inconscientemente a la evidencia que favorece su opción preferida, dejando
de lado la evidencia contraria.
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).
- Sesgo de confirmación: tendencia a prestar más atención y dar más

peso a la evidencia que favorece tesis que estamos inclinados a aceptar, y
a ignorar evidencia en contra.
- Pensamiento grupal: tendencia a aceptar la opinión mayoritaria del

grupo al que se pertenece.
La investigación científica intenta aludir este tipo de sesgos, acudiendo a métodos

sistemáticos de evaluación de la evidencia que corrijan o minimicen estas disposiciones
(ej: experimentos atomizados).
TEMA 2: Conocimiento empírico y observación (cap 2)
Evidencia observacional.- la observación es la fuente básica de evidencia

científica acerca de cómo es el mundo. La evidencia observacional, en este sentido, es
aquella obtenida a través de nuestros sentidos o con la intermediación de
instrumentos, como el telescopio. La percepción nos proporciona información (datos)
acerca de nuestro entorno.
Observación y objetividad.- la observación no está sujeta a control de la

voluntad: no podemos elegir ver lo que queremos ver. Qué observamos depende de
cómo es de hecho el mundo, es decir, cómo es el objeto observado. Por ejemplo: si
dirijo la mirada hacia la mesa verde, no puedo elegir verla naranja; mi experiencia
visual de la mesa es por la fuerza la experiencia de ver algo verde. Por supuesto, en
general podemos escoger a dónde dirigir nuestra mirada, o cerrar los ojos, pero no
elegimos lo que vemos al fijar la atención sobre un objeto.

lOMoARcPSD|2474253
La observación es objetiva en tanto que no depende, al menos totalmente, de las

opiniones, deseos o creencias del observador, sino de cómo es el mundo. La evidencia
observacional ofrece una base objetiva para la ciencia.
La observación no es infalible: las experiencias sensoriales pueden resultar

engañosas. Pueden ocurrir ilusiones, en las que el observador parece observar algo que
realmente no es el caso (ej: espejismos). La precisión y fiabilidad de nuestros
mecanismos perceptivos tiene limitaciones. Por ejemplo: nuestra visión es imprecisa en
circunstancias de iluminación deficiente (ej: oscuridad, niebla) o para objetos muy
pequeños o distantes.
Dependencia de las experiencias observacionales de factores subjetivos.-

diferentes individuos pueden tener diferentes capacidades perceptivas (por ejemplo,
mayor o menor agudeza visual). Puede argumentarse que la manera en qué
interpretamos/experimentamos un episodio observacional está influida por nuestras
creencias, recursos conceptuales, habilidades, emociones y experiencia previa, y por el
contexto social-cultural. Por ejemplo: un médico experto y un aprendiz primerizo no
experimentan lo mismo cuando observan una radiografía; o un guía de montaña
experto recibirá sobre la presencia de animales donde un observador inexperto solo ve
bosque y matorrales.
No obstante, en general, cuál es la experiencia sensorial que tiene un sujeto

dependerá de forma crucial de cómo es de hecho la situación observada (ej: si
hay o no hay huellas de animales en el terreno observado por el guía de montaña).
Además, cómo es realmente el mundo determinará de manera objetiva si la
experiencia sensorial del sujeto es acertada (ej: si se ofrece información certera sobre
el mundo).
La fiabilidad de la observación.- pese a ser falible, la observación perceptiva es

fiable en condiciones normales. Las posibilidades de error pueden reducirse
repitiendo la observación varias veces, buscando condiciones favorables (buena
iluminación, distintas perspectivas…). En general, una observación incorrecta acabará
entrando en conflicto con otras observaciones, o dando lugar a predicciones e
intervenciones prácticas en el mundo que resulten poco exitosas.
Así, la postura es una presuposición anti-escéptica: en condiciones adecuadas, la

observación perceptiva proporciona información fiable acerca de cómo es de hecho el
mundo. En este punto se plantea una posible explicación desde una mirada evolutiva:
nuestros mecanismos perceptivos han sido seleccionados en virtud de su fiabilidad
ofreciendo información relevante sobre el entorno.
La observación es falible, pero también objetiva y fiable.
Empirismo.- el conocimiento científico acerca del mundo se deriva de la observación,

es decir, de las experiencias sensoriales. La evidencia empírica es aquella basada en la
experiencia, esto es, evidencia observacional.

lOMoARcPSD|2474253
La evidencia observaciones constituye criterio fundamental para determinar

la aceptabilidad de una tesis científica. Una creencia acerca del mundo no es
científicamente aceptable si está en tensión con la mejor evidencia empírica disponible.
Las creencias científicas han de ser revisadas a la luz de conflictos con la evidencia
empírica.
Observación directa.- observación realizada directamente a través de los

mecanismos perceptivos del observador (vista, oído, tacto…etc.). La evidencia empírica
científica no siempre se obtiene mediante observación perceptiva directa. Con
frecuencia, la observación va más allá de nuestros sentidos, involucrando el uso de
instrumentos.
Algunos instrumentos amplifican, mejoran o corrigen los sentidos del observador

(gafas, telescopio, microscopio…etc.). En otros casos, la observación es indirecta: los
instrumentos registran información a la que el observador no accede sensorialmente
(cámaras fotográficas, contador Geiger para la medida de radioactividad,
termómetros…).
El uso de instrumentos observacionales proporciona acceso a información del entorno

que no sería directamente detectable mediante nuestros sentidos (o que no será
accesible con la misma precisión, fiabilidad y conveniencia). Recurrir a estos
instrumentos puede ayudar a superar las limitaciones de la observación
perceptiva en circunstancias en que nuestros sentidos sean imprecisos o
poco fiables: objetos pequeños o distantes, oscuridad, propiedades no perceptibles
(medición de la contaminación atmosférica)…
Los instrumentos de medida permiten cuantificar la observación (cinta métrica, que

permite medir de manera cuantitativa la longitud del objeto observado; un termómetro
ofrece mediciones cuantitativas de la temperatura….).
Pero, los instrumentos pueden inducir errores en la observación: cuando hay

algún defecto de fabricación, el diseño del instrumento es poco fiable o recibe un uso
adecuado. Para que podamos confiar en las observaciones realizadas con instrumentos
hay que asegurarse de que el instrumento es fiable, se usa correctamente y está bien
calibrado (es decir, realiza mediciones adecuadamente ajustadas a la escala de medida
empleada).
No obstante, en casos estándar, investigadores partidarios de tesis científica rivales

estarán de acuerdo acerca de la aceptabilidad de los resultados obtenidos usando
instrumentos de observación, así que la evidencia generada a través de tales
instrumentos será admitida por todas las partes y podrá ser utilizada para decidir
imparcialmente entre las diferentes teorías o tesis. Por ejemplo: las investigadores
actuales aceptan las observaciones realizadas usando telescopio o microscopios
estándar.
La tecnología como motor de la ciencia.- numerosos avances científicos están
directamente asociados a la invención de nuevos instrumentos y técnicos de

lOMoARcPSD|2474253
observación y medida. La nueva evidencia empírica disponible gracias a innovaciones

tecnológicas en instrumentos de observación permite proponer y comprobar
empíricamente nuevas teorías y tesis científicas.
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.
A su vez, descubrimientos teóricos pueden dar lugar a nuevos aparatos,

instrumentos y técnicas de observación. Por ejemplo: el microscopio de efecto
túnel (STM), que proporciona imágenes de superficies a escala atómica, se basa en el
efecto túnel, un fenómeno solo explicable por la mecánica cuántica.
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.
Galileo realizó diversas comprobaciones para mostrar que sus observaciones no se

debían a defectos o interferencias introducidos por el telescopio. El uso del telescopio
fue pronto aceptado por la mayoría de la comunidad científica, de modo que la
evidencia observacional obtenida por Galileo (y quienes realizaron observaciones
similares) tuvo que ser admitida en el debate entre las teorías geocéntricas y las
nuevas propuestas heliocéntricas.
El carácter público de la observación científica.- la observación científica aspira a

ofrecer evidencia objetiva (independiente de las opiniones e idiosincrasias del
observador). Si la evidencia observacional es objetiva (depende de cómo es el
mundo, y no de peculiaridades del observador), en principio ha de ser accesible para
distintos individuos capacidades perceptivas semejantes (percepción
intersubjetiva). Para garantizar la objetividad de la evidencia empírica, las
observaciones científicas han de poner ser repetidas y evaluadas por distintos
investigadores.
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.
La evidencia observacional científica debe ser publica (intersubjetiva):

someter al escrutinio público la evidencia observacional permite descubrir y corregir
posibles errores o engaños. Una observación repetida de manera consistente y
verificada por observaciones independientes proporcionará evidencia empírica robusta,
difícilmente cuestionable y utilizable por distintos investigadores.

lOMoARcPSD|2474253
La observación como evidencia neutral.- Idealmente, la observación ofrece

evidencia objetiva neutral que permite decidir debates entre tesis o teorías científicas
alternativas. Para poder desempeñar este papel, la evidencia observacional ha de ser
aceptable para investigadores que defiendan posturas enfrentadas. Las
observaciones científicas han de poder ser repetidas y evaluadas de manera
semejante por investigadores que defiendan teorías competidoras (es decir, la
evidencia observacional ha de ser inter-subjetiva).
Es importante que las observaciones científicas puedan realizarse aplicando
procedimientos protocolarios y rutinarios acerca de los cuales no haya desacuerdo
entre investigadores rivales (uso del telescopio y el microscopio, técnicas de análisis
genético…etc.).
Observación y replicabilidad.- las observaciones científicas aceptables deben ser:

(a) repetibles, en cuanto han de poder ser repetidas y comprobadas en distintas
ocasiones y por distintos sujetos; y (b) replicables, porque la repetición de la
observación en situaciones semejantes ha de arrojar al mismo resultado. Una
observación que se repita en condiciones similares sin replicar el resultado no será
admitida como evidencia científica aceptable (por ejemplo, la –supuesta– observación
no repetida de mono-polos magnéticos por Blas Cabrebra).
La repetibilidad de la observación a veces tiene límites: puede haber eventos

que solo son observables en una ocasión y en una situación específica (ej: el estallido
de una supernova; el eclipse observado por Eddington en 1919). En cualquier caso,
para que la observación cuente como una fuente de evidencia científica, diferentes
observadores enfrentados al mismo evento (ej: el estallido de la supernova) tendrían
que poder realizar observaciones similares (de lo contrario cabría cuestionar el carácter
objetivo de tales observaciones).
La cuantificación de la observación.- la evidencia observacional científica tiende a

ser medible cuantitativamente (es decir, mediante medidas numéricas). La
cuantificación de la evidencia observacional permite comparar con precisión
observaciones realizadas por distintos sujetos o en distintas circunstancias.
La cuantificación de la observación requiere el desarrollo de sistemas de unidades

de medidas (ej: sistema métrico, m, kg, litros…etc.). Hay ciertos tipos de evidencia
observacional que no son fácilmente cuantificables, como por ejemplo la observación
del comportamiento en etnología, antropología, psicología…la evidencia obtenida
mediante métodos cualitativos en ciencias sociales (ej: entrevistas abiertas).

lOMoARcPSD|2474253
TEMA 3: Experimentación (cap 3)
-La observación como proceso activo.- la observación científica no es un proceso

pasivo, en el que simplemente se registre información procedente del entorno. Para
llevar a cabo observaciones relevantes científicamente, es necesario situarse en una
posición de observación adecuada y buscar información significativa. Es decir,
la observación científica involucra exploración activa del entorno: Darwin viajo
alrededor del mundo en el Beagle recolectando fósiles y muestras geológicas;
Eddington tuvo que viajar de la isla de Príncipe para observar el eclipse de 1919 que
permitió confirmar la teoría general de la relatividad.
-¿Qué es un experimento?.- la observación científica no se limita a recolectar

información ya presente en el entorno: los científicos generan de manera activa
observaciones relevantes para su investigación (un químico puede observar la
combustión del fosforo calentando muestras en presencia de oxígeno).
La investigación científica frecuentemente involucra manipular activamente el sistema

que se quiere estudiar para observar los efectos resultantes de esa manipulación. Por
tanto, un experimento es una intervención en un sistema u objeto para
observar los efectos que se producen como resultados de dicha
intervención/manipulación.
La experimentación activa proporciona acceso a información que no está disponible

para un observador pasivo; hace posible estudiar fenómenos que no se observan
fácilmente de manera espontánea en el entorno del investigador (por ejemplo:
reacciones químicas en las vacías o grandes temperaturas). Mediante la
experimentación, los científicos pueden alterar las sistemáticamente las
condiciones del sistema que quieren estudiar, con el fin de observar cómo
estas alteraciones afectan al estado del sistema y a los procesos que tienen
lugar en él (ej: un biólogo puede modificar sistemáticamente el código genético de
una mosca (Drosophila) para observar que efectos se producen en el fenotipo de la
mosca (es decir, en sus rasgos y características)
[recordar ejemplo histórico de I. Semmelweis y el experimento de Geiger, Marsden

y Rutherford]
10

lOMoARcPSD|2474253
Experimentación e interferencias.- con frecuencia, la investigación científica tiene

como objeto de estudio sistemas complejos en los que se superponen varios procesos.
En muchos casos, los fenómenos que los científicos desean investigar no se presentan
de manera aislada, sino dentro de complejas interacciones con otros procesos,
que pueden interferir con los efectos que se buscan observar.
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).
Experimentos en el laboratorio.- en este sentido, el laboratorio ofrece un entorno

con condiciones controladas, en el que es posible observar de manera aislada un
proceso o fenómeno de interés, eliminando posibles interferencias o procesos
superpuestos: en un laboratorio de química se pueden estudiar reacciones químicas
regulando con precisión la pureza y cantidad de cada reactivo, la temperatura y la
presión ambientales, y evitando la presencia de sustancias contaminantes.
Es decir, en el laboratorio es posible medir con precisión las alteraciones introducidas

en el sistema estudiado, manteniendo constantes las demás variables del
sistema (ej: temperatura, presión, humedad…etc.).
Un experimento controlado en este sentido es aquel en el que se examina el efecto

de manipular una variable del sistema estudiado, controlando posibles interferencias
debidas a variaciones en otras variables del sistema.
Una forma habitual de controlar que los efectos observados se deban a la

variable manipulada y no a la influencia de otros factores es comparar el
experimento con una situación idéntica en la que no se realiza dicha
manipulación. Por ejemplo: un experimento de botánica en el que el crecimiento de
unas plantas tras añadir cierto fertilizante se compara con el crecimiento de plantas
idénticas a las que no se ha suministrado fertilizante, manteniendo constante la
iluminación, el tipo de suelo, la temperatura y el riego.
Los experimentos controlados permiten determinar si el efecto observado está causado

por la modificación de la variable modificada (ya que se ha controlado la posible
influencia del resto de variables del sistema). La experimentación controlada hace
posible estudiar relaciones de causa-efecto (ej: el fertilizante es la causa de la
variación en el crecimiento de las plantas).
11

lOMoARcPSD|2474253
Los resultados de experimentos realizados en condiciones altamente controladas en el

laboratorio no siempre tienen validez aplicados a sistemas complejos en el
mundo real: fuera del laboratorio, los efectos observados en un experimento
controlado pueden distorsionarse o ser neutralizados por la interferencia de factores
que no se hallaban presentes en el montaje experimental en el laboratorio.
Cuando se estudian sistemas complejos, existe una tensión entre la realización de

experimentos en condiciones controladas y la obtención de resultados
aplicables fuera del laboratorio (ej: experimentos en laboratorio en psicología o
economía).
Ciencia experimental.- como se ve, la experimentación tiene un papel central en

numerosas disciplinas científicas; la ciencia experimental es, en este sentido, el área
de la ciencia aplicada al diseño, realización y análisis de experimentos.
El avance de la ciencia experimental ha conllevado el desarrollo de técnicas de

intervención experimental, métodos sistemáticos de interpretación y análisis
de resultados experimentales y diseño de montajes experimentales. La
realización de experimentos sofisticados requiere recursos de diverso tipo:
- Diseños experimentales apropiados, apoyados en bases teóricas

fiables: permiten obtener información fiable acerca del fenómeno que se
pretende observar. Un diseño experimental defectuoso puede dar lugar a
observaciones distorsionadas del fenómeno: por ejemplo, los primeros
experimentos que trataban de medir variaciones de masa en reacciones
químicas eran poco fiables, ya que no tenían en cuenta la masa de los
gases producidos/consumidos durante la reacción (e.g. en las
combustiones se consume oxígeno y se genera CO2); o, por otro lado,
gracias a la disponibilidad de nuevos diseños y métodos experimentales
(e.g. experimentos en recipientes cerrados, medidas de masa con balanzas
de precisión), Lavoisier pudo comprobar que la masa de los productos de
una reacción química es igual que la de los reactivos consumidos (Ley de
conservación de la masa).
Por otra parte, los experimentos científicos suelen apoyarse en alguna

base teórica que permita comprender como se ha de diseñar el
experimento y como han de interpretarse sus resultados. Por
ejemplo: la cristalografía de rayos X es una técnica experimental
desarrollada a principios del siglo XX para estudiar la estructura de materia
cristalina, mediante la observación del patrón de dispersión de rayos X al
interaccionar con los átomos del material (ej; la estructura de las
moléculas de ADN se descubrió con esta técnica experimental). El
surgimiento de la cristalografía de rayos X requirió una comprensión
teórica adecuada de la naturaleza de los rayos X y su difracción (por
ejemplo, fue necesario saber que se los rayos X son ondas
electromagnéticas con cierta longitud de onda)
12

lOMoARcPSD|2474253
Si un experimento se basa en tesis teóricas equivocadas, sus resultados no

ofrecerán evidencia empírica fiable. Un montaje experimental (o la
interpretación de sus resultados) no deben presuponer la verdad de las
tesis teóricas que se quiere poner a prueba mediante dicho experimento.
- Medios tecnológicos, instalaciones e instrumental adecuados,

respaldados financiera e institucionalmente: el nivel de desarrollo
tecnológico y los medios materiales disponibles determinan qué tipo de
experimentos son realizables en una cierta comunidad científica.
Algunos montajes experimentales contemporáneos necesitan grandes

inversiones, medios tecnológicos sofisticados y apoyos
institucionales (en ocasiones, a niveles supra-nacionales): por ejemplo,
los aceleradores de partículas (partículas son dispositivos de grandes
dimensiones empleados para acelerar partículas a gran velocidad y
hacerlas colisionar a altas energías), como por ejemplo, el LHC (27km de
perímetro) en el CERN (Organización Europea para la Investigación
Nuclear).
- Grupos de trabajo coordinados, incluyendo técnicos de laboratorio,

personal de mantenimiento de las instalaciones e instrumentos,
investigadores que procesen los resultados obtenidos. Es decir, la
investigación experimental suele requerir la colaboración de numerosos
científicos, por lo que es frecuente que los artículos de ciencia
experimental tengan autoría colectiva. Por ejemplo: uno de los artículos
presentando resultados experimentales sobre el descubrimiento del Boson
Higgs en el CERN tiene como autor colectivo a la «CMS collaboration» (el
equipo del experiment CMS), que incluye más de 2000 investigadores
Experimentación y ética.- la experimentación científica puede verse limitada por

consideraciones éticas como, por ejemplo, la experimentación en animales, que
está sometida a regulaciones legales. La experimentación con sujetos humanos
(medicina, psicología…etc.) solo puede llevarse a cabo en ciertas condiciones,
siguiendo protocolos estrictos y con el consentimiento explícito e informado de los
participantes en el experimento.
En general, no se permite realizar experimentos con sujetos humanos que impliquen

grandes riesgos de manera innecesaria, o que traten a los sujetos de manera
injusta (por ejemplo: experimentos sin consentimiento). Asimismo, puede haber
restricciones éticas en experimentos con potenciales consecuencias sociales o
medioambientales indeseables (ej: experimentos de mejora genética en embriones
humanos).
Ciencia no-experimental (observacional).- algunas disciplinas científicas tienen

objetos de estudio que no permiten realizar experimentos (o solamente de
manera limitada).
13

lOMoARcPSD|2474253
La astronomía, por ejemplo, puede realizar observaciones que aportan evidencia

empírica (a través de telescopios, radiotelescopios, sondas espaciales…etc.) pero en
general no puede manipular experimentalmente de manera directa el tipo de sistemas
que estudian (estrellas, galaxias, agujeros negros…etc.). En general, no es posible
intervenir experimentalmente en estrellas o galaxias lejanas; los astrónomos no
pueden producir experimentalmente explosiones supernovas, sino que tienen que
esperar a que sucedan.
Lo mismo ocurre con aquellas ciencias orientadas al pasado, como la paleontología

o la arqueología: no es posible intervenir en sus objetos de estudio. Las ciencias del
clima o las ciencias sociales son otro caso de ejemplo, en la mayoría de casos no es
posible (ni deseable) intervenir experimentalmente en sociedades humanas.
La ciencia observacional, por tanto, está compuesta por aquellas disciplinas

científicas en las que la evidencia empírica tiende a obtenerse por observación sin
intervención experimental en el objeto de estudio.
TEMA 4: El método científico (cap 5,6, 7)
La ciencia como búsqueda de respuestas a preguntas.- la ciencia se guía por

preguntas de investigación, planteadas ante problemas científicos (ej: fenómenos
para los que no se tiene explicación adecuada). La investigación científica no se reduce
exclusivamente a la recopilación de evidencia empírica mediante observaciones y
experimentos.
14

lOMoARcPSD|2474253
En general, las observaciones y experimentos se llevan a cabo con el objetivo

de responder a alguna pregunta de investigación o resolver algún problema
específico: por ejemplo, Semmelweis intentaba responder la pregunta acerca de cuál
era la causa de la divergencia entre las tasas de mortalidad de las dos clínicas del
hospital de maternidad de Viena….Las observaciones de Eddington del eclipse de 1919
tenían como objetivo comprobar si la luz proveniente de las estrellas era desviada en
presencia de campos gravitatorios (como predecía la teoría de la relatividad general de
Einstein).
Una observación o experimento son científicamente relevantes en la medida

que contribuyan a refutar o verificar alguna posible respuesta a una pregunta
de interés científico. Una parte importante de la investigación científica consiste en
la formulación de preguntas significativas y en la propuesta de posibles respuestas
para tales preguntas, que serán sometidas a comprobación empírica.
Hipótesis.- posible respuesta a una pregunta de investigación. Proponer una hipótesis

no implica tomarla como verdadera, sino tan solo como una posibilidad abierta, es
decir, no se sabe si la hipótesis es verdadera o falsa.
Las hipótesis se plantean como conjeturas, como posibles respuestas a una

pregunta que todavía no han sido comprobadas: «se encuentran unos fósiles; por
ejemplo, como aquellos que se conservan de los peces, pero lejos en el interior de un
país. Para explicar el fenómeno, suponemos que alguna vez el mar cubrió esa tierra.
Esto es otra hipótesis».
La investigación científica gira en torno al planteamiento de hipótesis y su

comprobación empírica mediante observaciones y experimentos. Es habitual que se
propongan varias hipótesis alternativas en relación con una cierta pregunta
científica. La obtención de evidencia empírica a través de observaciones y
experimentos permitirá descartar aquellas que sean incompatibles con tal evidencia.
Una hipótesis será refutada (falsada) empíricamente si se muestra que no es

compatible con la evidencia empírica disponible. Por ejemplo: la hipótesis de que
todos los cuerpos celestes giran únicamente en torno a la Tierra fue refutada
empíricamente cuando Galileo observó la existencia de satélites orbitando alrededor de
Júpiter.
En principio, cualquier hipótesis susceptible de comprobación empírica puede ser

planteada durante el curso de la investigación científica. No obstante, algunas hipótesis
serán más plausibles o interesantes que otras; existen una serie de criterios para la
formulación de hipótesis:
- Capacidad explicativa y generalidad: hipótesis que puedan explicar

una gran cantidad de fenómenos.
- Poder predictivo: hipótesis de las que se deriven predicciones novedosas

que puedan ser comprobadas empíricamente, en lugar de hipótesis que
simplemente den cuenta de evidencia ya conocida.
15

lOMoARcPSD|2474253
- Simplicidad (navaja de Ockham): cuando sea posible, es preferible

proponer hipótesis simples, que eviten complejidades innecesarias y que
no exijan introducir grandes cambios en teorías científicas exitosas.
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.
La comprobación empírica de hipótesis.- la ciencia funciona mediante un método

de prueba-error. Ante una pregunta o problema científico, se proponen hipótesis que
son sometidas a comprobación empírica. Las hipótesis que sean compatibles con la
evidencia empírica son descartadas.
La observación y experimentación permite revisar y refinar las hipótesis

propuestas durante el proceso de investigación, desechando aquellas que queden
refutadas por la evidencia empírica obtenida.
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.
Una hipótesis quedará refutada empíricamente si alguna de sus predicciones resulta

ser incompatible con la evidencia empírica obtenida mediante observaciones y
experimentos. Por ejemplo: la teoría de la relatividad general de Einstein predice que la
luz se desviará en presencia de campos gravitatorios. Las observaciones de Eddington
durante el eclipse de 1919 comprobaron exitosamente esta predicción; o, como otro
ejemplo, la hipótesis de la generación espontánea predice que en una muestra de
materia orgánica aislada del exterior surgirán microorganismos. Las observaciones
experimentales de Pasteur (1861) mostraron que esta predicción es fallida, falsando de
este modo la hipótesis.
El método científico.- la investigación científica es un proceso recursivo que tiende a

desarrollarse de acuerdo a las siguientes fases:
1. Formulación de una pregunta de investigación ante un problema

no resuelto: el problema puede consistir en un fenómeno no explicado o
en la existencia de evidencia que refuta hipótesis planteadas previamente.
16

lOMoARcPSD|2474253
2. Propuesta de hipótesis: las hipótesis propuestas son conjeturas

presentadas como posibles respuestas a la pregunta de investigación.
3. Se infieren las predicciones e implicaciones empíricas de las

hipótesis propuestas.
4. Comprobación empírica de las implicaciones y predicciones de las

hipótesis: las predicciones de las hipótesis propuestas se someten a
comprobación empírica, mediante observaciones y experimentos
diseñados con tal fin.
5. Se descartan o revisan las hipótesis refutadas empíricamente: la

nueva evidencia empírica obtenida puede dar lugar a la propuesta de
nuevas hipótesis o a la formulación de nuevas preguntas, haciendo que el
proceso sea recursivo.
Este tipo de método de investigación se suele conocer como el método hipotético-

deductivo, debido a que consiste en formular hipótesis, deducir sus implicaciones y
comprobarlas empíricamente.
Claridad y precisión como ideales científicos.- una hipótesis solo es comprobable

empíricamente si sus implicaciones pueden determinarse de manera clara y precisa. La
claridad, precisión e inteligibilidad son requisitos centrales de las hipótesis
científicas. Han de estar formuladas de tal forma que no exista confusión o
ambigüedades acerca de cuáles son sus predicciones.
Una hipótesis formulada de manera vaga y ambigua no será fácilmente refutable

empíricamente por lo que no será una hipótesis admisible científicamente. Por
ejemplo: predicciones de los horóscopos suelen estar formuladas en un lenguaje
ambiguo y poco preciso que dificulta su refutación.
Claridad: las hipótesis científicas deben formularse en un lenguaje preciso y no

ambiguo, utilizando expresiones con un significado bien definido y que no lleven a
equívocos. Los científicos suelen emplear terminología técnica con significados
delimitados por estipulación.
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.
En este sentido, el lenguaje matemático desempeña un papel fundamental en

numerosas disciplinas científicas, sobre todo desde el siglo XVII. El uso matemático
17

lOMoARcPSD|2474253
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.
Las predicciones de una hipótesis formulada matemáticamente pueden expresarse de

forma cuantificada, por lo que pueden ser contrastadas de manera precisa con
mediciones observacionales. Por ejemplo: la mecánica cuántica realiza predicciones
cuantitativas de enorme precisión, que han podido ser comprobadas empíricamente
con extraordinaria exactitud (El valor del momento magnético del electrón predicho por
la mecánica cuántica coincide con las mediciones experimentales en más de diez cifras
significativas [g/2 = 1.001 159 652 18])
El carácter falible y corregible de la ciencia.- siempre queda abierta la posibilidad

de que aparezca nueva evidencia que refute una hipótesis hasta ahora respaldada por
toda la evidencia empírica disponible. En este sentido, en general las hipótesis
científicas se aceptan de manera provisional y revisable, sin excluir que pueda
encontrarse nueva evidencia que las refute.
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.
El carácter dinámico de la ciencia.- la ciencia es un proceso abierto, en continua

revisión. La aparición de nueva evidencia empírica (nuevas observaciones y
experimentos) puede llevar a rechazar hipótesis científicas que estaban ampliamente
aceptadas y que se ajustaban a la evidencia disponible hasta entonces.
Por ejemplo: las teorías de Newton de la mecánica y la gravitación fueron aceptadas

durante 200 años, tenían un enorme poder explicativo y condujeron a numerosas
predicciones exitosas (e.g. el descubrimiento de Neptuno). Sin embargo, a finales del s.
XIX se empezó a obtener evidencia empírica que parecía en desacuerdo con las teorías
clásicas de Newton (e.g. experimento de Michelson-Morley, anomalías en la órbita de
Mercurio). Finalmente la teoría newtoniana fue substituida a principios del s. XX por la
teoría de la relatividad y por la mecánica cuántica. Estas teorías siguen siendo
aceptadas en la actualidad, aunque se sabe que probablemente hayan de ser revisadas
de algún modo (ya que en su actual formulación no son compatibles entre sí).
La falibilidad de la experimentación.- cuando existe un conflicto entre una

hipótesis y un resultado experimental, no siempre es la hipótesis la que debe ser
revisada. Los resultados experimentales también son falibles y revisables. Un
experimento puede generar medicaciones incorrectas debido a defectos en el
montaje o diseño experimental, o porque se apoye en alguna asunción teórica
errónea.
18

lOMoARcPSD|2474253
Si se encuentra evidencia de que un experimento es defectuoso, puede que haya que

rechazar sus resultados, en lugar de las hipótesis con las que esté en conflicto. No
obstante, no será aceptable científicamente defender una hipótesis simplemente
rechazando los experimentos incompatibles con ella, a no ser que disponga de
evidencia de que el experimento es defectuoso.
En casos normales, los científicos involucrados en un debate acerca de cierta hipótesis

estarán de acuerdo en la aceptabilidad de las bases teóricas y el montaje experimental
de los experimentos usados para comprobar empíricamente tal hipótesis.
Ej: Uno de los postulados fundamentales de la teoría de la relatividad de Einstein es

que ningún objeto puede alcanzar una velocidad superior a la de la luz en el vacío (c ≈
300000 km/s). En 2011, un equipo de investigación (experimento Ópera) anunció que
había realizado un experimento en el que parecía detectarse neutrinos (una partícula
elemental) más rápidos que la luz. (Si estos resultados fuesen correctos, habrían
refutado la teoría de la relatividad). No obstante, la comunidad científica se mantuvo
escéptica: la mayoría de científicos pensaban que debía de haber algún fallo en el
experimento, dado que la teoría de la relatividad había superado numerosas
comprobaciones empíricas. En 2012 se comprobó finalmente que el resultado del
experimento se debía a un defecto en el montaje experimental (un fallo en el
cableado). Una vez corregido este defecto, las velocidades medidas eran compatibles
con la teoría de la relatividad.
Lo importante de esto es que el caso del experimento Ópera muestra que, cuando
aparecen resultados experimentales discordantes con una teoría sólidamente
establecida, con frecuencia lo razonable es cuestionar la fiabilidad de los experimentos,
y no la teoría.
Carácter holístico en la comprobación empírica.- la comprobación y revisión de

hipótesis frente a la evidencia empírica no es un proceso lineal y predeterminado. En
general, una hipótesis científica lleva a predicciones comprobables solo en
combinación con otras hipótesis auxiliares. Las predicciones normalmente no se
siguen de una única hipótesis dada.
En este sentido, el holismo empírico supone que la evidencia empírica no suele

refutar hipótesis aisladas, sino conjuntos de hipótesis y presuposiciones
(incluyendo presuposiciones experimentales involucradas en la obtención e
interpretación de la evidencia).
Cuando una predicción resulta incompatible con la evidencia, no siempre es

inmediatamente claro qué parte se ha de revisar del conjunto de hipótesis y
presuposiciones del que se sigue la predicción: puede que haya que descartar alguna
hipótesis auxiliar, o alguna presuposición experimental. Para decidir qué modificaciones
realizar en un conjunto de hipótesis y presuposiciones ante la refutación de cada una
de sus predicciones, habrá que examinar qué revisiones permiten un mejor
ajuste global de la teoría con la evidencia disponible.
Ej: el descubrimiento de Neptuno. A principios del s. XIX, se habían observado

irregularidades en la órbita de Urano. Estas irregularidades eran incompatibles con las
19

lOMoARcPSD|2474253
predicciones de la ley de Newton de la gravitación en combinación con la hipótesis

auxiliar de que no había planetas en el Sistema Solar más allá de Urano. La decisión
que la comunidad científica decidió seguir fue la cuestiones la hipótesis de que no hay
planetas más lejanos que Urano en el Sistema Solar, dado que la ley de Newton tenia
gran capacidad explicativa y había dado lugar a numerosas predicciones exitosas.
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.
BLOQUE II: LOS LÍMITES DE LA CIENCIA
TEMA 5: El problema de la inducción (cap 4)
¿Qué es el razonamiento?.- la investigación científica involucra

razonamientos/inferencias, mediante los que se derivan conclusiones a partir de
la evidencia disponible. Un razonamiento/inferencia es un proceso por el que un
sujeto pasa de unas creencias a otras, con el fin de adoptar creencias
correctas/justificadas. De una forma más general, el razonamiento es una transición
entre estados mentales: el razonamiento práctico puede involucrar deseos e
intenciones, además de creencias. Por ejemplo:
- Creencia 1: Creer que «Bélgica tiene más población que Suiza»

- Creencia 2: Creer que «Suiza tiene más población que Dinamarca»
- Creencia 3: Creer que «Bélgica tiene más población que Dinamarca»
Mediante una inferencia/razonamiento, un sujeto puede pasar a formar la creencia 3

partiendo de las creencias 1 y 2.
20

lOMoARcPSD|2474253
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»).
¿Qué es un argumento?.- secuencia de proposiciones, constituida por un

conjunto de premisas de las que se siguen/implican ciertas conclusiones. Es decir, se
puede pasar de creencias en las premisas del argumento a una creencia en la
conclusión mediante un buen razonamiento o inferencia. Por ejemplo:
- Premisa 1: Bélgica tiene más población que Suiza

- Premisa 2: Suiza tiene más población que Dinamarca
- Conclusión: Bélgica tiene más población que Dinamarca
(La conclusión se sigue de las premisas 1 y 2)
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.
Razonamiento deductivo.- se trata de aquél razonamiento en el que, si las

premisas son verdaderas, la conclusión es también necesariamente
verdadera. La verdad de las premisas de un razonamiento deductivo válido garantiza
la verdad de la conclusión (de igual forma, si las premisas de un razonamiento
deductivo válido son falsas, es posible que la conclusión también sea falsa). Por
ejemplo:
- Premisa 1: el ornitorrinco es un monotrema

- Premisa 2: todos los monotremas son ovíparos
- Conclusión: el ornitorrinco es ovíparo
Las inferencias lógicas y matemáticas son ejemplos de razonamiento deductivo. En

la investigación científica se recurre al razonamiento deductivo para las implicaciones
deductivas, necesarias, de una hipótesis: deducción permite determinar las
predicciones que se derivan de una hipótesis. Por ejemplo:
- Hipótesis (premisa 1): la masa de los reactivos

consumidos en una reacción química es igual a la masa
de los productos.
- Premisa 2: la masa de los reactivos consumidos en una

cierta reacción de combustión de metano es 5g
21

lOMoARcPSD|2474253
- Conclusión (predicción): la masa de los productos de

dicha reacción de combustión de metano será 5g.
Razonamiento inductivo.- aquél razonamiento que parte de premisas acerca de

casos particulares para llegar a conclusiones generales. Permite establecer
generalizaciones a partir de observaciones de casos concretos. Por ejemplo: las
muestras de agua observadas hasta ahora se congelan a 0ºC; por lo que el agua se
congela a 0ºC.
- Premisa 1: el día x1 llovió y hubo atascos de tráfico

- Premisa 2: el día x2 llovió y hubo atascos de tráfico
Premisa N: el día Xn llovió y hubo atascos de tráfico
Conclusión: siempre que llueve hay atascos de tráfico
La inducción es necesaria para aprender a partir de la experiencia: para pasar de

observaciones sobre casos particulares a tesis científicas hay que emplear el
razonamiento inductivo. Por ejemplo, de la premisa basada en observaciones sobre la
conservación de la masa en reacciones químicas particulares se pasa a una conclusión
en forma de ley, de conservación de la masa, de aplicación general a toda reacción
química.
De esto, se deriva la pregunta acerca de la garantía de la verdad una

generalización inductiva: en el razonamiento inductivo, la verdad de las premisas no
siempre garantiza la verdad de la conclusión (es posible, en principio, que las premisas
sean verdaderas y la conclusión falsa).
La verdad de la conclusión no se sigue de la verdad de las premisas de

manera necesaria, sino solo de manera fiable: de manera probable, en
condiciones normales, si no hay excepciones…etc. Por ejemplo: incluso si hasta ahora
siempre que ha llovido ha habido atascos de tráfico, es posible que justo hoy llueva y
no haya atascos porque puede que sea un día de vacaciones y hay pocos coches en las
calles.
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?
En el razonamiento inductivo se realizan generalizaciones a partir de un conjunto de

observaciones sobre casos particulares (ej: «siempre que llueve hay atascos»). La
generalización resultante se aplica más allá de los casos observados; y siempre es una
posibilidad abierta que un nuevo caso la generalización no se cumpla.
22

lOMoARcPSD|2474253
Podemos encontrar excepciones a generalizaciones que parecían confirmadas

por muchos casos observados. Por ejemplo: incluso si hasta ahora siempre que ha
llovido ha habido atascos de tráficos, es posible que justo hoy llueva y no hay atascos
por, por ejemplo, porque sea un día de vacaciones y haya pocos coches en las calles.
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
Establecemos una generalización universal inductivamente a partir de la observación

de casos particulares si asumimos que existe suficiente uniformidad entre los
casos ya observados y los no-observados. Al generalizar inductivamente, se
presupone que los demás casos se van a comportar como los ya observados.
Asumimos que existe una uniformidad y regularidad entre cómo fueron las cosas
en el pasado y cómo lo serán en el futuro. El problema es que no está garantizada
tal uniformidad; no existe una correspondencia uniforme entre el color de los cisnes
observados en Europa hasta el s. XVIII y el color de los cisnes negros australianos.
Una posible respuesta a esta falta de justificación se encuentra en el hecho de que

resulta razonable recurrir al razonamiento inductivo porque en el pasado normalmente
ha sido exitoso, es decir, en general nos ha conducido a conclusiones verdaderas.
Frente a esto, D. Hume expuso que se trataría igualmente de una justificación

aparentemente circular, porque se apoya precisamente en un razonamiento
inductivo: se está presuponiendo que, puesto que la inducción fue normalmente
exitosa en el pasado, lo seguirá siendo en el futuro (es decir, se presupone la
uniformidad entre el pasado y el futuro). Pero, precisamente, lo que se pretendía
justificar es que se pueda hacer esta presuposición.
Una justificación circular, por tanto, es aquella que presupone o se apoya en la

aceptabilidad o validez de aquello que pretende justificar.
A este problema de la inducción, de la posibilidad de confirmar hipótesis empíricas

generables, Popper expuso que no pueden ser confirmadas definitivamente mediante
razonamientos inductivos a partir de observaciones particulares. Por muy alto que sea
el número de observaciones acordes con una generalización empírica, nunca sería
suficiente para considerarla confirmada, ya que siempre existe la posibilidad de
encontrar un contra-ejemplo. La observación de casos particulares tan solo permite
refutar hipótesis generales: quedarán refutadas/falsadas por la observación de un solo
23

lOMoARcPSD|2474253
contra-ejemplo (ej: la observación de un único cisne negro basta para refutar la

generalización «todos los cisnes son negros»).
Refutación vs. Confirmación.- al final, se trata de una cuestión de choque entre

formas de entender las conclusiones de los razonamientos.
En el falsacionismo de Popper, la función principal de la observación en la ciencia es

refutar hipótesis, no confirmarlas. Según este, los científicos nunca podrían juzgar que
una hipótesis está confirmada, sino tan solo que no ha sido de momento refutada por la
evidencia disponible. El razonamiento inductivo confirmatorio no desempeñaría un
papel importante en la ciencia.
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?
Si se rechaza totalmente la inducción, el mero hecho de que una hipótesis general no

haya sido refutada por la evidencia disponible no debería incrementar nuestra
confianza en que dicha generalización será compatible con observaciones futuras. No
obstante, la ciencia tiene aplicaciones prácticas, en las que asumimos que muchas
generalizaciones empíricas están confirmadas (por ejemplo, al construir un puente se
asume que la teoría de la gravedad está confirmada). ¿tiene justificación la nuestra
confianza en estas generalizaciones?
Escepticismo inductivo.- en este contexto, resalta la postura adoptada por Hume,

para la que no existe justificación para concluir que una serie de observaciones
de casos particulares confirma una generalización empírica que va más allá
de tales casos. Nuestra tendencia a aceptar generalizaciones a partir de la
observación de casos particulares es un mero hecho psicológico, una inclinación
mental a inferir inductivamente que carece de base racional.
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?.
Anti-escepticismo inductivo.- frente a este problema anterior, surge a postura

basada en que no es necesario ofrecer justificaciones explicitas para todas las
presuposiciones que subyacen a la investigación científica. Si estas
24

lOMoARcPSD|2474253
presuposiciones de hecho se cumplen, la investigación científica puede proceder

exitosamente (aunque no tengamos justificaciones para dichas presuposiciones). Por
ejemplo: La investigación científica puede proseguir su curso sin tener que justificar
explícitamente que no estamos en Matrix o que existe el mundo externo.
En concreto, en ausencia de razones para dudar, no hay que ofrecer

justificación para la presuposición de que hay cierta regularidad/uniformidad
en el mundo (ej: entre el pasado y el futuro).
- Si el universo es de hecho suficientemente uniforme y regular, entonces el

razonamiento inductivo será, en general, fiable y llevará a conclusiones
justificadas.
- Cuando no haya razones para dudar de que existirá suficiente

uniformidad/regularidad en el fenómeno estudiado, podemos presuponer tal
uniformidad y aplicar consecuentemente razonamientos inductivos de manera
racional.
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

lOMoARcPSD|2474253
TEMA 6: Probabilidad y estadística (cap 12)
Incertidumbre y probabilidad.- la evidencia disponible es en muchos casos parcial

o limitada, y no elimina completamente la incertidumbre sobre el fenómeno
investigado. En estos casos, puede ser compatible con varias hipótesis
alternativas, no habrá una única hipótesis acorde con la evidencia disponible. Por
ejemplo: Imaginemos que la única evidencia disponible sobre un crimen es que el
asesino es un hombre. Esta evidencia permitirá descartar los sospechosos que son
mujeres, pero no será suficiente para determinar quién es el asesino entre los
sospechosos hombres. Hasta que aparezca nueva evidencia, seguirá existiendo
incertidumbre acerca de quién es el culpable
Un sujeto se encontrará en una situación de incertidumbre acerca de una cuestión

cuando la evidencia/información acerca de dicha cuestión sea incompleta. ¿Qué tipo de
resultados científicos pueden alcanzarse en situaciones de incertidumbre en las que la
evidencia es incompleta?
Debido a que la investigación científica con frecuencia se desarrolla en condiciones de

incertidumbre, no siempre será posible ofrecer respuestas concluyentes y firmes a las
preguntas planteadas en la investigación (ej. ¿Quién es el asesino?). En muchos
casos, los científicos no estarán en posición de proponer tesis de aplicación
universal, totalmente precisas y que describan completamente y con exactitud el
fenómeno estudiado.
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.
La incertidumbre acerca de un evento puede representarse en términos de

probabilidad: la probabilidad de que un sujeto asigna a un evento indica su grado de
confianza acerca de si dicho evento tendrá lugar. Un sujeto que tenga gran confianza
en que lloverá mañana asignará una alta probabilidad a que lloverá mañana.
El grado de probabilidad asignado a un evento suele expresarse en una escala de 0 a

1, donde 1 corresponde a máxima confianza (el sujeto está seguro de que el evento
sucederá) y 0 corresponde al mínimo grado de confianza (el sujeto está seguro de que
26

lOMoARcPSD|2474253
el evento no sucederá). Una probabilidad de 0.5 indica que el sujeto considera

igualmente probable tanto que el evento suceda como que no suceda.
La probabilidad puede expresarse de manera equivalente como un porcentaje,

siendo 100% la máxima probabilidad. Por ejemplo: la probabilidad de ganar la lotería
(comprando un único boleto) es cercana a 0 (0%), mientras que la probabilidad de
perder es cercana a 1 (100%) En este sentido, existen técnicas matemáticas para
operar de manera precisa y rigurosa con asignaciones de probabilidad (teoría de la
probabilidad).
Ciencia probabilística.- Los resultados científicos, por tanto, se presentan

frecuentemente de manera probabilística. En muchas ocasiones, la evidencia
disponible no justifica aceptar de manera concluyente una hipótesis (hay algunas
hipótesis alternativas compatibles con la evidencia), sino solo asignarle un cierto grado
de probabilidad.
La probabilidad asignada a una hipótesis, o a una predicción científica, debe

reflejar el grado de apoyo que la evidencia disponible ofrece a tal hipótesis o
predicción. Por ejemplo: si estamos en una región lluviosa, observamos nubes densas
y estamos en una época del año en que las lluvias son frecuentes, la evidencia
disponible justifica asignar un alto grado de probabilidad a la posibilidad de que llueva
en las próximas horas (aunque no podamos descartar completamente la posibilidad de
que no llueva).
La necesidad de acudir a teorías científicas de naturaleza probabilística se dará

independientemente de si el mundo está gobernado por leyes deterministas
(o si por el contrario la realidad es en última instancia azarosa e indeterminista): nos
veremos obligados a apelar a probabilidades en aquellas investigaciones científicas que
se realicen en condiciones de incertidumbre y con evidencia incompleta o limitada.
- Los pronósticos y predicciones realizadas por la ciencia son en muchos

casos probabilísticos: no se asegura que cierto evento vaya a suceder, sino
que se asignan probabilidades. Un ejemplo típico son los pronósticos
meteorológicos.
Aplicaciones prácticas de la probabilidad.- aunque una predicción probabilística

no elimina completamente la incertidumbre, puede proporcionar una guía útil para la
toma de decisiones (en política, economía, medicina, ingeniería…etc.). Por ejemplo:
saber cómo de probable es que llueva nos ayudará a decidir si llevar un paraguas;
disponer de información fiable sobre el riesgo de que un volcán entre en erupción
permitirá tomar medidas adecuadas para proteger a las poblaciones cercanas; si se
sabe que una dieta alta en sal aumenta la probabilidad de desarrollar hipertensión, si
puede reducir el riesgo de tener hipertensión disminuyendo la cantidad de sal
consumida.
Márgenes de error.- Entre las fuentes de incertidumbre en los resultados científicos,

se encuentran los posibles errores e imprecisiones en las observaciones,
27

lOMoARcPSD|2474253
medidas y métodos de investigación empleados. Por ejemplo: los instrumentos de

medida tienen una precisión limitada; si utilizamos un reloj con minutero pero sin
segundero no podremos determinar la hora con precisión de segundos o décimas de
segundo. Al presentar los resultados científicos es fundamental señalar claramente
cómo de imprecisos son tales resultados.
Existen distintas formas de reflejar la imprecisión de un resultado científico:

una opción estándar es especificando márgenes de error (por ejemplo, mediante
barras de error). Así, los márgenes de error de una medida o predicción de cierta
variable indican el intervalo de valores dentro de los cuales se estima que se
encontrará dicha variable: un cinemómetro (medidor de velocidad) que mide la
velocidad de un automóvil como 100 ± 5 km/h; o una predicción según la cual el
incremento de la temperatura global en los próximos 100 años estará entre 1.8°C y
4°C.
Estadística.- la evidencia científica suele presentarse de forma estadística

(análisis y procesamiento de conjuntos de datos). Habitualmente, consiste en grandes
colecciones de datos acerca de un objeto de estudio (ej: el conjunto de
resultados experimentales obtenidos en el curso de la investigación). Para poder
extraer conclusiones relevantes a partir de un conjunto de datos empíricos, es
necesario recurrir a métodos de análisis estadísticos.
Por ejemplo: un experimento de física subatómica en el CERN puede involucrar miles

de observaciones, generando gran cantidad de datos que deben ser procesados
estadísticamente; o, también, los estudios epidemiológicos estándar, que tienen
muestras de cientos de individuos.
El «big data» (data mining), en este sentido, son los grandes conjuntos de datos
analizados estadísticamente con ayuda de ordenadores.
- Estadística descriptiva: se busca describir las propiedades de un

conjunto de datos. Por ejemplo: a parir de datos sobre la altura de cada
estudiante en una clase, se calcula la frecuencia de cada medida, la altura
media de la clase, la altura mediana o la dispersión de las alturas de los
estudiantes…
- Estadística inferencial: tomando como evidencia datos sobre parte de

una población o una serie de casos (muestras), se busca realizar
inferencias (inductivas) acerca de las propiedades de la población
en su conjunto, o acerca de propiedades generales del tipo de
fenómeno ejemplificado por los casos (es decir, inferencias cuyas
conclusiones sean aplicables más allá de los casos sobre los que se tiene
datos). Por ejemplo: se realiza una encuesta sobre intención de voto entre
parte de la población de un país para realizar estimaciones acerca del
resultado de unas elecciones.
Inferencias estadísticas.- Los métodos inferenciales estadísticos parten de datos

acerca de una serie de casos o individuos (muestra) y tienen como objetivo extraer
28

lOMoARcPSD|2474253
conclusiones aplicables de manera general al tipo de fenómeno o la población

estudiados. Una muestra estadística es un conjunto de casos/individuos sobre los que
se tiene datos.
En particular, al analizar estadísticamente un conjunto de daros se suelen buscar

tendencias, patrones y correlaciones entre variables de interés (y que sean
aplicables de manera general, más allá de los casos dentro de la muestra). Por ejemplo:
un cierto estudio epidemiológico puede tener como objetivo investigar si existe una
correlación entre una dieta alta en sal y el desarrollo de hipertensión
Pero, la evidencia estadística recopilada en una investigación científica no siempre

permite extraer conclusiones absolutas y correlaciones perfectas (que se den
en cada caso). En muchas ocasiones solo se podrán inferir
patrones/tendencias/correlaciones probabilísticos, más o menos marcadas, a
partir de los datos empíricos disponibles. La evidencia estadística sirve de base para
alcanzar conclusiones de naturaleza probabilística. Ej: aunque no toda persona con una
dieta alta en sal acabe siendo hipertensa, la evidencia estadística disponible permite
concluir que es más probable desarrollar hipertensión si se sigue una dieta alta en sal.
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).
El peso y la altura de una persona están estadísticamente correlacionados: las personas

altas tienden a ser más pesadas que las bajas; o, también, la altura de los padres está
estadísticamente correlacionada con la altura de sus hijos: los hijos de padres altos
tienden a ser más altos que los hijos de padres bajos.
En este sentido, es útil conocer la existencia de correlaciones entre variables

porque permite predecir el valor de una variable sabiendo el valor de la otra.
Por ejemplo: si sabemos que unos padres son muy altos, podremos predecir que sus
hijos probablemente también serán altos.
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

lOMoARcPSD|2474253
número similar de ganadores pares e impares (si la ruleta es imparcial y no tiene

grandes defectos).
Para obtener resultados estadísticos significativos, es decir, que sea difícil que reflejen
coincidencias fortuitas, hay que analizar muestras suficientemente grandes y
representativas.
Sesgos estadísticos.- Al analizar estadísticamente un conjunto de datos, es

importante asegurarse de que las conclusiones extraídas (ej: que existe cierta
correlación entre dos variables) reflejan correlaciones y tendencias realmente presentes
en el objeto de estudio, y no se deben más bien a distorsiones introducidas por
deficiencias en los métodos de análisis empleados o en la recolección de
datos (es decir, distorsiones debidas a sesgos estadísticos).
La muestra de datos usada como evidencia ha de ser representativa de la

población/fenómeno que se quiere estudiar. Una muestra sesgada (sesgo de
selección) puede introducir aparentes correlaciones que se no se dan realmente. Por
ejemplo: si estamos estudiando una población de individuos (e.g. la población
española), la muestra de individuos que utilicemos para hacer nuestro análisis
estadístico ha de ser representativa de dicha población en general (no puede incluir
solo hombres, o solo personas mayores de 60 años).
Si queremos estudiar las preferencias de voto de distintas zonas de España, pero

tomamos como muestra solo personas mayores de 60 años, obtendremos resultados
sesgados y distorsionados (ya que los votantes jóvenes no votan exactamente igual
que los votantes mayores de 60 años).
Igualmente, existen técnicas para minimizar la presencia de sesgos: escoger la

muestra de manera aleatoria entre toda la población, para evitar así que se
concentre en un sector particular de la población o también utilizar amplias muestras.
Correlaciones y causas.- la existencia de correlaciones estadísticas entre dos

variables no siempre implica que haya una relación causa-efecto entre ambas
(es decir, no implica que los cambios en la primera variable sean la causa que explica
los cambios en la segunda).
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

lOMoARcPSD|2474253
influencia de otras variables Z: habrá que investigar si la correlación entre cambios

en X cambios en Y es independiente de variaciones en Z, es decir, si la correlación
persiste cuando Z se mantiene constante (por ejemplo, se puede realizar un
experimento controlado en el que se manipule X manteniendo Z constante).
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).
Aproximaciones en ciencia.- visto lo visto hasta ahora, resultan fundamentales en

todo este sentido dos conceptos:
- Incertidumbre: en una situación de incertidumbre, la evidencia

disponible es incompleta y solo nos permite dar respuestas parciales y
provisionales a las preguntas planteadas en la investigación.
- Imprecisión/precisión: una respuesta a una pregunta es imprecisa

cuando deja varias opciones abiertas y no eliminar la incertidumbre
completamente.
Así, las aproximaciones son respuestas incorrectas o inexactas a una pregunta,

pero suficientemente cercanas a la respuesta correcta. Es decir, una respuesta
que sabemos que no es exactamente correcta. Por tanto, ¿en qué circunstancias se
usan aproximaciones en ciencia?
- Cuando la evidencia disponible es limitada y no nos permite averiguar

la respuesta correcta a nuestra pregunta de investigación.
- Cuando la respuesta correcta es demasiado trabajosa de obtener, o

resulta difícil de utilizar en cálculos y para realizar predicciones.
El uso de aproximaciones en ciencia es ubicuo: son frecuentes en la mayoría de

disciplinas científicas. Y es que las aproximaciones son como tal estrictamente falsa; y,
si la ciencia aspira a la verdad, ¿es compatible el uso de aproximaciones con ello? ¿Si
sabemos que una respuesta/hipótesis/predicción queda falsada por la evidencia, no
deberíamos descartarla (aplicando el método científico)?
El uso de aproximaciones en ciencia puede resultar legítimo, siempre que seamos

conscientes de que no son respuestas exactas. Una aproximación será aceptable si es
suficientemente cercana a la respuesta correcta para los intereses de los
investigadores, lo que significa:
- Una aproximación será cercana a la respuesta correcta en la medida en

que pueda usarse de manera exitosa para entender y manipular el
fenómeno estudiado (en concreto, en la medida en que lleve a
aplicaciones prácticas exitosas).
31

lOMoARcPSD|2474253
- Para muchas aplicaciones prácticas, la diferencia entre una buena

aproximación y una respuesta exacta no será relevante o apreciable.
- El que una aproximación sea aceptable o no dependerá de para qué

quieran usarla los investigadores (cuáles sean sus intereses).
La física gravitacional newtoniana se considera una teoría incorrecta, refutada por la

evidencia y sustituida por la teoría relativista. No obstante, para muchas aplicaciones
prácticas, la física newtoniana sigue siendo una aproximación suficientemente buena a
la verdad: ofrece una muy buena aproximación del comportamiento de sistemas con
interacciones gravitacionales débiles y velocidades mucho menores que la de la luz (las
condiciones típicas en la Tierra).
En estas condiciones, los resultados obtenidos usando la física newtoniana no divergen

apreciablemente de los resultados correctos relativistas: podemos construir un puente
fiable usando la física newtoniana. En cambio, hay que recurrir a la física relativista
para estudiar fenómenos como los agujeros negros, o para diseñar sistemas GPS
fiables, dado que en este caso la aproximación newtoniana es demasiado inexacta para
este tipo de aplicaciones.
Simplificaciones e idealizaciones.- una forma típica de obtener aproximaciones es

simplificar el problema investigado, introduciendo idealizaciones: en vez de
estudiar el sistema real, estudiamos un sistema simplificado en el que se ha eliminado
parte de la complejidad.
Los resultados obtenidos estudiando una versión idealizada de la realidad describirán

los hechos solo de manera aproximada. Si es una buena aproximación, los
resultados obtenidos seguirán teniendo aplicaciones útiles, es decir, las
idealizaciones y simplificaciones son ubicuas en ciencia.
Por ejemplo: al estudiar el movimiento de un cuerpo unido a un muelle con frecuencia

se ignora el efecto del razonamiento con el aire, o se desprecia la masa del muelle. Es
decir, se estudia un sistema idealizado en el que el muelle no tiene masa.
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

lOMoARcPSD|2474253
Para que una aproximación sea aceptable, las simplificaciones realizadas no

deben afectar significativamente a los resultados obtenidos (los factores
ignorados al idealizar han de tener una influencia suficientemente pequeña en el
comportamiento.
En sistemas complejos no siempre es fácil anticipar en qué casos una simplificación

(ignorar los efectos de cierta variable) tendrá consecuencias relevantes. Por ejemplo:
las ciencias sociales estudian sistemas particularmente complejos, las sociedades
humanas, cuyo comportamiento depende de la interacción de numerosas variables.
Con frecuencia, es difícil determinar cuáles de estas variables tienen una influencia
significativa en el comportamiento del sistema.
Por ejemplo, en economía es habitual describir a los individuos como agentes

racionales ideales (perfectamente coherentes, lógicamente omniscientes, satisfacen de
manera óptima sus preferencias…etc.) y los mercados de manera idealizada como si
se diera competencia perfecta (información completa y simétrica, sin barreras de
entrada, número elevado de compradores y vendedores…etc.).Los mercados
idealizados con competencia perfecta solo representan de manera aproximada los
mercados reales:
- Las conclusiones obtenidas del estudio de situaciones idealizadas con

competencia perfecta pueden tener implicaciones útiles para el estudio de
mercados reales.
- Sin embargo, en muchos casos las idealizaciones realizadas al suponer

competencia perfecta llevan a una representación distorsionada del
mercado real que se quiere estudiar.
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

lOMoARcPSD|2474253
idealizaciones y simplificaciones en nuestra representación del fenómeno estudiado,

que se conocen como modelos científicos.
TEMA 7: El uso de los modelos en ciencia (cap 15)
¿Qué es un modelo científico?.- un modelo científico es un recurso explicativo

que sirve para abordar fenómenos especialmente complejos o sobre los que no
tenemos un conocimiento directo. Son especialmente utilizados en ciencias
biológicas y sociales. Frecuentemente, se entiende que un modelo representa un
fenómeno o un conjunto de fenómenos que se pretende explicar. Por ejemplo: el
modelo abstracto de Lotka-Volterra de competencia entre especies en un mismo nicho
ecológico.
En ciencias como la Física o la Química, lo habitual es ofrecer explicaciones apelando

a la noción de ley: modelo nomológico-deductivo. En biología, medicina o ciencias
sociales, los fenómenos que estudian no parecen ajustarse muy bien a este modelo de
«cobertura legal». Por tanto, ¿significa esto que hay tipos distintos de explicación
científica para las ciencias fuertes y las ciencias blandas?
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

lOMoARcPSD|2474253
que estos dos organismos pueden considerarse análogos. Bajo toda esta idea,
entonces, un modelo es explicativo es:
- Las analogías entre el modelo y sistema modelizado («sistema-

diana») están bien fundadas: no se basan en supuestos no-científicos o
en mecanismos que no están presentes en el sistema-diana.
- El modelo no es excesivamente simple y no deja fuera factores

relevantes para comprender el funcionamiento del sistema-diana.
- Es capaz de predecir con éxito estados futuros del sistema-diana.
- El modelo debe ser manejable e incluso atractivo.

Así, en síntesis, los modelos son aproximaciones, necesariamente simplificadas, que
sirven para recrear los fenómenos que queremos explicar y sacar conclusiones sobre
ellos. Podemos mencionar varios tipos de modelos como los computacionales, los de
laboratorio (in vivo, in vitro), la investigación traslacional con animales…etc. Pero,
sobre todo:
- Modelos físicos: maquetas o prototipos que representan, a escala

manejable, los sistemas-diana que queremos explicar.
- Modelos matemáticos: a través de una formulación matemática busca

capturar las dinámicas de los sistemas-diana. Estos modelos pueden ser
deterministas o probabilísticos. Por ejemplo: modelos epidemiológicos,
modelos de predicción meterologica…
- Modelos conceptuales: mapas abstractos que se señalan diferentes

conceptos y la relación entre ellos. Suponen un nivel muy alto de
abstracción y suelen considerarse como la base sobre la que se construyen
los otros modelos.
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.
- Infradeterminación de las teorías por los datos: en ocasiones, los mismos

datos pueden ser explicados por modelos incompatibles.
Históricamente, ha habido modelos (como el cosmológico ptolemáico) que han sido

muy útiles para predecir fenómenos, aun cuando después se hayan mostrado falsos.
35

lOMoARcPSD|2474253
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.
TEMA 8: Paradigmas y cambio científico (cap 8)
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.
Para ello, desarrolla la noción de «paradigma» en dos sentidos: 1) caso ejemplar o

modélico de algo. Por ejemplo, Newton sería el paradigma científico de la modernidad o
Lamarck y su uso del ejemplo de la evolución del cuello de las jirafas como caso
paradigmático para su teoría; y 2) como conjunto de supuestos teóricos generales,
regulaciones y técnicas que adoptan los miembros de una determinada comunidad
científica.
Kuhn utiliza el segundo sentido de «paradigma» y los considera como «matrices

disciplinares»: los científicos se forman y desarrollan su actividad en el marco del
paradigma (mecánica newtoniana, óptica ondulatoria, química analítica, biología
evolutiva…etc.). Los científicos que trabajan dentro de un paradigma hacen lo que
Kuhn denomina como «ciencia normal»: actividad de resolver según las reglas de un
paradigma.
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

lOMoARcPSD|2474253
Cuando hay evidencias que van contra el paradigma, lo habitual es no renunciar al

paradigma, sino considerarlas como anomalías (de mayor o menos importancia).
Un científico vive en y para su paradigma, no puede escapar de él incluso aunque

pueda ser capaz de ver y explicar sus fundamentos. Sin embargo, la ciencia cambia y
los paradigmas se han ido sustituyendo a lo largo de la historia de la ciencia. Por
ejemplo, el paso de la astronomía aristotélica a la copernicana. En opinión de Kuhn,
este cambio se da de forma revolucionaria.
Kuhn defendió que el progreso científico consiste en un cambio de paradigmas de

la comunidad científica que se da de forma revolucionaria. Por ejemplo: la
química anterior a Lavoisier afirmaba que existía una sustancia denominada flogisto
que se desprendía de las materias al arder. El paradigma impuesto por Lavoisier
negaba la existencia del flogisto y postulaba que había otra sustancia, el oxígeno, que
explicaba los procesos de combustión.
La existencia de paradigmas rivales puede provocar la crisis en el paradigma

predominante. Cuando un paradigma entra en crisis y uno rival se convierte en el
más importante entre los científicos, nos encontramos ante una revolución científica.
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.
Las revoluciones científicas son producto de la lucha entre paradigmas rivales, no el

simple resultado de un paradigma fallido o agotado. El cambio de paradigma –
revolución científica– es un proceso similar a un cambio revolucionario político o
cultural. Los defensores de una nueva forma de ver el mundo se imponen sobre los
defensores de la forma tradicional.
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.
El trabajo de los filósofos de la ciencia debe ser analizar las condiciones

contextuales sociales e históricas que explican la actividad científica de cada
momento. De esto, en cualquier caso, se desprenden varias cuestiones:
- ¿No hay paradigmas objetivamente más válidos científicos que otros?
37

lOMoARcPSD|2474253
- ¿No es el «obtener un mejor conocimiento objetivo» un motivo por el que

cambian los paradigmas?
- ¿Todo cambio en ciencia es siempre dependiente, en un sentido fuerte, del

contexto social?
BLOQUE III: LA CIENCIA Y SUS ENEMIGOS
TEMA 9: El criterio de demarcación (cap 5 y 11)
Verificabilidad.- una cuestión central en filosofía es la de la demarcación de la

ciencia: ¿cuál es la frontera entre la ciencia y aquello que no lo es, entre la ciencia
auténtica y las denominadas pseudo-ciencias?
La ciencia ha heredado una concepción clásica respecto a la generación del

conocimiento de las corrientes del empirismo y el positivismo: solo la observación y
la experiencia puede dar información acerca del mundo, por lo que el objetivo del
conocimiento es descubrir las causas naturales y las leyes detrás de los fenómenos
observados. La ciencia (ciencias naturales, fundamentalmente) sería, en este sentido,
el saber que provee de conocimiento empírico y de un método para descubrir causas y
leyes que operan en la naturaleza.
Durante el primer tercio del siglo XX, esta concepción desarrollaría en el

neopositivismo adoptado por el Círculo de Viena (1921-1936), un grupo de
científicos y filósofos que defenderían el empirismo y positivismos lógicos, como una
postura anti-metafísica y una defensa de unidad de las ciencias. El criterio de
demarcación científico que adoptarían seria el del «verificacionismo»: la ciencia se
38

lOMoARcPSD|2474253
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.
Falsabilidad.- frente a estos, en la misma época también resultó el criterio de

demarcación defendido por Karl Popper, la «falsación»: un enunciado o teoría es
científica si es susceptible de ser demostrada como falsa en algún momento. En este
sentido, la pseudociencia y los discursos no-cientificos se caracterizan por no poder ser
nunca falsados. Por ejemplo: la existencia de Dios, la influencia de los astros en nuestra
fortuna…etc.
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.
Relativismo y constructivismo.- desde una perspectiva propia del «giro social de

la filosofía de la ciencia» (Kuhn, Feyerabend…etc.) la ciencia es, simplemente, lo
que los científicos hacen dentro de los limites metodológicos y conceptuales en los
que ejercen su profesión y que son determinados por cuestiones sociológicas, y no solo
por consideraciones epistémicas.
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.
Importancia de un criterio de demarcación.- Estos tres criterios de demarcación

(verificabilidad, falsabilidad y correspondencia con los valores y creencias de la
comunidad científica) son instrumentos para dibujar las fronteras de lo científico
que presentan ventajas y problemas, como veremos en los casos concretos que
vamos a tratar en este tema.
Como cuestión teórica, el problema de la demarcación es una cuestión central en la

filosofía de la ciencia, pues refiere directamente a la caracterización misma que lo
científico. Desde un punto de vista práctico, tiene importantes implicaciones
sociales: dado que la ciencia es nuestra fuente de conocimiento más fiable en una
amplia variedad de áreas, necesitamos distinguir el conocimiento científico genuino.
39

lOMoARcPSD|2474253
Debido al alto estatus de la ciencia en la sociedad actualmente, los intentos de

exagerar el estatus científico de varias afirmaciones, enseñanzas y productos son lo
suficientemente comunes como para hacer que el tema de la demarcación sea
apremiante en muchas áreas, como la medicina, la educación, la política científica o la
divulgación del conocimiento.
TEMA 10: No-ciencia, pseudociencia y anti-ciencia
No-ciencia: aquellos discursos que son ajenos al discurso científico y los

resultados-avance de la ciencia, como puede serlo la religión, la moral, lo artístico…
etc.
Influencia social de la ciencia.- en ocasiones, los postulados científicos enfrentan a

prejuicios culturales muy influyentes y muy firmemente asentados. Por
ejemplo: los casos históricos de Galileo, Copérnico, Darwin…etc.
En este sentido, el «creacionismo» es la creencia religiosa de que el universo y la vida

se originaron «a partir de actos específicos de la creación divina», en vez de a través
40

lOMoARcPSD|2474253
de procesos naturales, como la evolución. En nuestro contexto cultural, el creacionismo

está muy vinculado a creencias religiosas.
En la actualidad, la gran mayoría de las posturas religiosas abogan por una

convivencia entre los recursos científicos y morales o religiosos. Simplemente
no tratan los mismos problemas ni compiten entre ellos. Por ejemplo, la teoría MANS
(«Magisterios que no se superponen») de Stephen Jay Gould: un intento de
fundamentación de una postura conciliadora entre la ciencia y la religión. Apelando a la
estrategia de separación respetuosa como la mejor solución para problemas, Gould
propone que la relación entre la ciencia y la religión sea de no superposición. La ciencia
y la religión se dedican a campos o dominios diferentes, de forma que no debe existir
conflicto mientras no violen el espacio que le corresponde al otro. La ciencia es una
práctica validada de investigación para describir e intentar explicar la constitución
objetiva de la naturaleza, basada en el método hipotético deductivo y la evidencia
empírica. En cambio, la religión se encarga de la discusión ética y búsqueda del sentido
del mundo.
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.
Pseudociencia: aquellos discursos que no son científicos pero que se hacen

pasar por tales, como el de las medicinas alternativas. La no-ciencia
pretendidamente científica, tiene como intención aprovechar el crédito social de la
ciencia.
Medicinas alternativas: La medicina desarrolla y evalúa los tratamientos de acuerdo

a la evidencia de su efectividad. Las actividades pseudocientificas en este ámbito dan
lugar a intervenciones ineficaces y a veces peligrosas. Los proveedores de
atención médica, las aseguradoras, las autoridades gubernamentales y, lo que es más
importante, los pacientes necesitan orientación sobre cómo distinguir entre la ciencia y
la pseudociencia médica (homeopatía, acupuntura, osteopatía…etc.).
La cuestión fundamental, en cualquier caso, es que estas pretendidas medicinas
alternativas puedan superar el criterio de demarcación científico para considerarse
41

lOMoARcPSD|2474253
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.
Sin embargo, la homeopatía no fundamenta estos principios sobre una base

científica aceptada. Los estudios y metaestudios han demostrado continuadamente
que la efectividad de los medicamentos homeopáticos no es superior a la del placebo.
No obstante, los defensores de la homeopatía aseguran que «que no puede demostrar
que no funcione» o que se tiene evidencia de que es efectiva, aunque esta sea
frecuentemente anecdótica o no demostrable.
Para los defensores de la homeopatía (y de otras terapias alternativas), la medicina

«tradicional» no admite esta técnica porque no entre dentro de su paradigma. Las
razones para rechazar la homeopatía no serían de origen epistemológico sino
sociopolítico.
Anti-ciencia: a veces, las teorías que no pasan el criterio de demarcación se basan en

una sospecha y una desconfianza hacia el discurso científico y sus métodos. Se
presenta como parte de un elaborado engaño hacia la población motivado por razones
políticas o económicas. Los científicos no buscarían, por tanto, la verdad o la
objetividad sino que seguirían intereses egoístas y oscuros (o, incluso, ellos mismos
serían víctimas de un engaño por parte de otros).
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

lOMoARcPSD|2474253
TEMA 11: La nueva ciencia y los orígenes de los estudios sociales de la

ciencia
La nueva ciencia y los orígenes de los estudios sociales de la ciencia.- la

consideración de la ciencia como una práctica social institucionalizada significa la
imposibilidad de producir el conocimiento científico por parte de un individuo
solitario y, por tanto, la necesidad de cooperación. Este trabajo cooperativo
atiende a tres planos:
- La organización y planificación de la ciencia en torno a la división

del trabajo; división que es tanto horizontal, en cuanto que unos
científicos investigan unos problemas y otros estudian otros problemas, y
también vertical, en cuanto que en cada proceso de investigación, unos se
ocupan de unos niveles y otros de otros, es decir, existe una jerarquía.
- La necesidad de recursos externos para financiar la investigación y de

ofrecer algo valioso a cambio de ellos
- Necesidad de un consenso entre los especialistas para que algo sea

considerado como científico
En este sentido, cobra sentido hablar del surgimiento de la «tecnociencia», como la

separación de la frontera clásica entre ciencia y tecnología, originada en EEUU en los
años 40. La big science es aquella ciencia basada en una tecnología compleja, que
requiere de grandes equipos de investigación y fuertes inversiones públicas y privadas.
Por ejemplo: el proyecto Manhattan, la invención de las primeras computadoras (ENIAC
y EDVIAC), la construcción del telescopio espacial Hubble, la física de partículas, la
ingeniería genética…etc.
En el presente, la tecnociencia actual ya no precisa de grandes equipos o proyectos,

debido a la mayor importancia de la financiación privada, del papel central de las
tecnologías de la información y comunicación (infociencia)…etc.
En este sentido, la preocupación por las consecuencias sociales de la

tecnociencia motivó el origen de los «estudios CTS» (Ciencia, Tecnología y
Sociedad). La ciencia se considera algo «demasiado importante» como para dejarla
solamente en manos de los científicos. Esta idea se nota especialmente con la filosofía
de la ciencia de la segunda mitad del siglo XX (por ejemplo, con Kuhn y el
reconocimiento de los factores sociales en la conformación del conocimiento científico).
Los estudios CTS se suelen presentar como enfoques alternativos a la visión tradicional
de la ciencia.
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

lOMoARcPSD|2474253
alfabetizar y formar científicamente a la sociedad en su conjunto y, con ello, la

reivindicación de la importancia de la divulgación y la popularización de la ciencia.
El conocimiento científico de las ciencias sociales: desde las CCSS, existen

distintos enfoques aplicables al estudio de la ciencia: sociología (la realidad social
como un conjunto o sistemas de normas e intereses; aspectos cuantitativos de las
interacciones sociales), antropología (la ciencia como «cultura», «visión del mundo»,
«modo de vida»…), la politología (la ciencia como marco de luchas de poder,
importancia de la gestión del poder en la ciencia…), la economía (aspectos
económicos del proceso científico y sus relaciones con la sociedad a través de la
financiación, rendimientos…etc.) o la teoría de juegos (la interacción entre científicos,
o entre científicos y otros agentes, como un «juego» entre individuos racionales).
La sociología del conocimiento (en general) tiene sus precedentes en el trabajo de

Marx y se desarrolla durante el primer tercio del s. a través de Durkheim, Scheler y,
sobre todo, Manheim. No incluye la ciencia como objeto de estudio y concibe el
conocimiento científico como objetivo, no dependiente de factores sociales. Serán
Hessen y Bernal los primeros en intentar incluir la ciencia en la sociología del
conocimiento.
Más adelante (años 40 en adelante), la escuela de Merton, representante del

funcionalismo, sostendrá la concepción de la ciencia como institución social, esto es,
un sistema de normas denominado como CUDEO (CUDOS) y basado en los
siguientes principios: Comunismo (el conocimiento científico pertenece a todos);
Universalismo (el conocimiento científico debe ser válido en todo momento y lugar);
Desinterés (la validez del conocimiento científico no depende del interés personal);
Escepticismo Organizado (el conocimiento debe revisarse y demostrarse). Estos
principios o normas garantizarían que la ciencia funciona de manera eficaz,
produciendo el tipo de resultados objetivos que se espera de ella:
- Proporcionan los canales de comunicación entre los científicos, y entre ellos y

la sociedad.
- Proporcionan el sistema de incentivos para los científicos
- Determinan los controles de calidad
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.
Como última variante de la sociología de la ciencia, encontramos la escuela del

«Programa Fuerte» de Bloor y Barnes y vino a constituir que la existencia de una
comunidad científica, ligado a la filiación a un paradigma compartido, es un
prerrequisito para la actividad científica normal. El programa fuerte es una reacción
contra las sociologías previas de la ciencia, que restringían la aplicación de la sociología
a las teorías falsas o fallidas, tales como la frenología. Las teorías fallidas podrían ser
44

lOMoARcPSD|2474253
explicadas apelando a predisposiciones de los investigadores y las investigadoras, tales

como entramados políticos o intereses económicos.
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.
Como principales tesis se encuentran, por tanto:
- Causalidad: el sociólogo debe explicar por qué los científicos aceptan las
teorías o hechos que se aceptan, por qué tienen las creencias que tienen.
- Imparcialidad: el sociólogo debe ser neutral respecto a la verdad o

falsedad, racionalidad o irracionalidad, de las creencias que desea explicar.
- Simetría: el sociólogo debe dar el mismo tipo de explicación cuando

intenta explicar por qué unos científicos aceptaron una teoría correcta que
al intentar explicar por qué otros aceptaron una teoría equivocada
- Reflexividad: la teoría mediante la que el sociólogo explique por qué los

científicos aceptan las teorías que aceptan debe poder explicar por qué el
sociólogo acepta esa teoría.
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

lOMoARcPSD|2474253
trabajo, determinan qué es la realidad. El trabajo científico consiste en solventar

controversias entre científicos, la realidad no es más que el conjunto de enunciados que
los científicos asumen porque es demasiado costoso modificar.
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).
Enfoques feministas de la ciencia.- históricamente, la presencia de las mujeres en

la comunidad científica ha estado infrarrepresentada. Más allá de la desigualdad social,
otro factor determinante es como los valores machistas de la sociedad influyen
de forma determinante en la ciencia.
Los valores de género serían factores contextuales (sociales) que determinan el

lenguaje de la ciencia, los problemas que se abordan, los métodos que se
siguen y la forma en la que se justifican las teorías (epistemología feminista). Esto
puede verse claramente en el uso de metáforas en ciencia, por ejemplo, aquellas
sobre la fecundación en biología (Evelyn Fox Keller).
La ciencia está inherentemente impregnada de valores, por lo que la ciencia

predominante históricamente ha sido androcéntrica. Es posible pensar, en este sentido,
en una ciencia feminista, muy diferente a la actual (Helen Longino).
Concretamente, este discurso androcéntrico se basaría precisamente en la situación

de la misma como poder dominador («forzar la naturaleza», «arrancarle sus secretos»,
«descubrirla»…etc…) reflejado en el uso metáforas de «violación y tortura», según
Sandra Harding como aquellas sobre la fecundación en biología (espermatozoide activo
y óvulo pasivo, como señalará Evelyn Fox Keller). Frente a estos, los enfoques
feministas proponen una reformulación y re-concepción de todo esto: evolución
biológica y cultura no tanto gracias al hombre-cazador, sino a la mujer-recolectora.
Por último, cabe señalarse los distintos tipos de estudios feministas (S. Harding):
- Empirismo feminista: la ciencia debe eliminar, mediante la aplicación de

normas metodológicas, los prejuicios sexistas concretos en cada caso para
lograr un punto de vista objetivo (Longino, Nelson).
- Punto de vista de feminista: las mujeres tienen una perspectiva propia

que habría que conservar para tener una mujer ciencia. Estilo cognitivo
más concreto, práctico, sintético, cualitativo, intuitivo y orientado hacia el
cuidado que el de los hombres (Anderson).
46

lOMoARcPSD|2474253
- Posmodernismo feminista: eliminación de la distinción de género en

ciencia. Esta distinción es una construcción social impuesta para la
dominación masculina (Haraway, Harding)
La reacción anti-relativista.- muchos teóricos racionalistas y realistas han criticado a

las corrientes de la sociología de la ciencia por dejar fuera los aspectos internos y
racionales de la ciencia (Larry Laudan, Susan Haack, Mario Bunge, Philip Kitcher, Ronald
Giere…etc.)
Así, revindicaron los valores epistémicos (no determinados externamente por el

contexto social) en la formación y justificación del conocimiento científico.
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.
En cualquier caso, los resultados de estas «guerras de la ciencia» pueden

resumirse en:
- La apertura del debate acerca de la forma en la que se forma conocimiento

no solo la ciencia, sino también en filosofía.
- Desvinculación del debate relativismo/subjetivismo de las posiciones

políticas de izquierda y derecha (Sokal era un pensador comprometido con
la izquierda)
- Despertar el interés social acerca de la objetividad del conocimiento

científico, la influencia de factores sociales en la ciencia y el impacto de la
ciencia en nuestra sociedad, y viceversa.
47

lOMoARcPSD|2474253
TEMA 12: ¿Cómo funcionan las instituciones científicas?
Instituciones científicas.- la ciencia aspira a ofrecer conocimiento imparcial apoyado

en la evidencia. Por ello, el método científico se basa en la comprobación empírica de
hipótesis, utilizando evidencia pública e intersubjetiva (accesible a otros científicos).
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?
Este carácter público e intersubjetivo de la evidencia científica se ve reflejado en la

existencia de instituciones dedicada a la producción, difusión y comprobación
de resultados científicos. La ciencia no es una actividad individualista y realizada en
privado: desde el surgimiento de la ciencia moderna, la investigación científica ha
48

lOMoARcPSD|2474253
sufrido un progresivo proceso de profesionalización e institucionalización.

Como resultado de este proceso, se ha producido un incremento del número de
científicos y de las conexiones e interacciones entre investigadores.
La ciencia contemporánea es una actividad marcadamente social: los

investigadores forman comunidades científicas en las que se intercambia
información y se revisan colectivamente los resultados propuestos por cada
investigador. En este sentido, es habitual que los científicos se apoyen en evidencia
obtenida por otros investigadores; las instituciones científicas incluyen mecanismos
que intentan garantizar la fiabilidad de los resultados científicos que se hacen públicos
(por ejemplo, a través de la revisión por pares, los debates en congresos y revistas…
etc.).
Por ello, la ciencia es una práctica social argumentativa: los científicos

desarrollan su investigación en conversación con otros investigadores, dando
lugar a debates en los que se proporcionan argumentos a favor o en contra de diversas
propuestas:
- Los investigadores intentan que sus propuestas sean aceptadas por la

comunidad científica, ofreciendo para ello argumentos y justificaciones
apoyadas en la evidencia empírica disponible.
- Una tesis propuesta sin respaldo evidencial será criticada por otros
miembros de la comunidad científica.
La comunidad científica actúa como un filtro intersubjetivo, revisando las

propuestas realizada por los distintos investigadores y rechazando aquellas que estén
en conflicto con la evidencia. Esta revisión rara vez es realizada por investigadores
independientes, sin conexión con alguna institución científica:
- La obtención y análisis de evidencia científica suelen requerir medios e

infraestructuras (medios, financiación, instrumentos, colaboración con
otros científicos) que solo pueden ser proporcionados por instituciones
como universidades o centros de investigación.
- Las observaciones que involucran instrumentos sofisticados

típicamente se llevan a cabo dentro de laboratorios u observatorios (ej: los
grandes telescopios en astronomía).
- Es habitual que experimentos científicos complejos sean realizados

por equipos de investigación (incluso redes coordinando varios
equipos).
Los resultados científicos se difunden mediante revistas, actas de congresos y

otras publicaciones: las revistas permiten hacer públicos resultados científicos y la
evidencia que los respalda, de modo que puedan ser criticados y verificados por otros
investigadores y para que otros científicos se apoyen en ella en su investigación. Un
49

lOMoARcPSD|2474253
artículo que presente resultados empíricos (experimentos u observaciones) suele incluir

una sección en la que se expone detalladamente los métodos mediante los que se
realizaron y analizaron las observaciones, con el fin de que otros investigadores puedan
repetirlas o encontrar errores.
La publicación de un resultado en una revista típicamente implica haber superado una

primera revisión por otros investigadores, que deciden si es un resultado publicable.
Este proceso editorial se conoce como revisión por pares, y tiene como fin garantizar
un nivel suficiente de fiabilidad en los resultados que aparezcan en revistas científicas.
Si se comprueba que un resultado publicado en una revista es erróneo, puede que se
retire el articulo (por ejemplo, si son observaciones fraudulentas o defectuosas).
Finalmente, además de mediante publicaciones, los científicos comunican sus

resultados en congresos y otros encuentros (talleres, seminarios). Con el
desarrollo de la ciencia moderna, aparecieron instituciones como las sociedades y
academias para promover el intercambio de ideas y resultados entre investigadores (ej:
Royal Society, Academia de Ciencias en Francia).
Los congresos permiten dar a conocer los resultados obtenidos, entablar

discusiones críticas con otros científicos y establecer colaboraciones con
otros grupos de investigadores. Tanto los congresos como las publicaciones
facilitan que los resultados alcanzados por un investigador tengan impacto en el debate
científico y contribuyan al avance del campo en el que se integran. Por ejemplo: el
trabajo de G. Mendel en genética tuvo escasa influencia en la biología durante varias
décadas, hasta que fue suficientemente difundido y pudo recibir atención por parte de
la comunidad científica.
Por último, la ciencia es una actividad internacional, que involucra el intercambio de

evidencia, hipótesis y resultados entre investigadores de distintas nacionalidades. Para
que este intercambio de información sea posible, lo científicos han de ser capaces de
comunicare en un idioma común («lingua franca»). En la actualidad, el inglés es el
idioma común en la mayoría de disciplinas científicas (sobre lo que cabría preguntarse
si supone una desventaja injusta para los investigadores cuya lengua nativa no es el
inglés).
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.)
La ciencia y los intereses científicos.- la ciencia, como actividad colectiva, tiene

fines epistémicos: buscar la verdad, alcanzar conocimiento científico e imparcial
apoyado en evidencia fiable. Sin embargo, los científicos, como agentes
individuales, tienen distintas motivaciones e intereses prácticos (encontrar
trabajo, conseguir financiación, obtener prestigio y reconocimiento…etc.). ¿Son
50

lOMoARcPSD|2474253
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)?
En general, los investigadores buscarán que sus resultados sean aceptados y

reconocidos por la comunidad científica (en especial, que sean publicados en
revistas de impacto y que sean citados por otros investigadores). Este reconocimiento
incrementa el prestigio del investigador, y enriquece su currículo, dado que el
acceso a los puestos de trabajo y financiación se decide en general por los méritos
de este, reflejando el reconocimiento del trabajo del investigador por parte de la
comunidad científica (publicaciones, congresos, premios…etc.). Si un científico quiere
progresar en su carrera profesional, tiene incentivos prácticos para producir resultados
que sean reconocidos por sus colegas.
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.
La publicación de un resultado en una buena revista exige pasar distintos filtros

editoriales (sobre todo, la revisión por pares). Estos filtros constituyen mecanismos se
selección de artículos cuyo objetivo es: (a) garantizar la fiabilidad de los resultados
publicados; (b) determinar la originalidad, relevancia y previsible impacto de los
artículos recibidos.
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.
- La evidencia a favor o en contra de una hipótesis científica puede ser

comprobada por distintos investigadores, pertenecientes a distintos grupos
e instituciones.
- No hay una única institución o grupo que controle la producción,

comprobación y revisión de resultados científicos.
Esta descentralización dificulta que un individuo o un grupo (gobierno, empresas…etc.)

puedan manipular resultados científicos de manera continuada: tales manipulaciones
tenderán a ser descubiertas por otros investigadores, que rechazarán los resultados
cuestionados; y, aun pudiendo haber casos de fraude científico, su alcance y duración
están limitados por la estructura social de las prácticas científicas.
51

lOMoARcPSD|2474253
Por último, el funcionamiento adecuado de la ciencia no requiere que los científicos

tengan motivaciones exclusivamente epistémicas: un investigador cuya motivación
principal no sea epistémica seguirá teniendo incentivos prácticos para
producir resultados que estén respaldados por la evidencia.
- La obtención de resultados basados en la evidencia es el mejor medio para

alcanzar reconocimiento y recompensa prácticas en la actividad científica.
- La imparcialidad y fiabilidad de la ciencia no depende de que haya

científicos ideales, con motivaciones puramente epistémicas, las
recompensas prácticas de la profesión científica incentivan la búsqueda de
resultados apoyados por evidencia empírica pública.
Los incentivos prácticos de los científicos tienden a alinearse instrumentalmente

con los fines epistémicos de la ciencia.
Imparcialidad y conflictos de intereses en ciencia.- los incentivos y la estructura

institucional de las prácticas científicas tienden a fomentar la búsqueda de resultados
apoyados por la evidencia, y dificultan el fraude y la manipulación. Sin embargo, la
ciencia es una actividad social imperfecta y corregible (como toda práctica social):
existe la posibilidad de conflictos entre los fines epistémicos de la ciencia y los
intereses prácticos de los participantes en las actividades científicas (investigadores,
empresas, gobiernos).
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?
- La descentralización de la ciencia impone límites a estas posibles

interferencias y distorsiones de intereses no epistémicos.
- La producción de resultados científicos no está en manos de un único

grupo o institución, sino que está sometida a escrutinio público y puede
ser cuestionada por diferentes investigadores y grupos, a menudo con
intereses divergentes (ej: empresas competidoras, investigadores
pertenecientes a otros proyectos…etc.)
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

lOMoARcPSD|2474253
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:
- Puede cuestionarse si la investigación queda sesgada por los intereses

prácticos de los grupos que controlan la investigación
- Las sospechas de sesgos y parcialidad afectarán a la credibilidad pública

de los resultados de estas investigaciones (ej: escepticismo sobre vacunas
actualmente).
En concreto en cuanto a los conflictos de intereses en investigación farmacéutica, esta

está en buena medida financiada por empresas privadas. El desarrollo de
medicamentos y la comprobación de sus efectos suele requerir grandes inversiones e
infraestructuras costosas. Las empresas farmacéuticas tienen intereses económicos
obvios: les beneficiaria que la efectividad y seguridad de sus fármacos quedara
respaldada por la investigación científica. ¿Cómo se puede evitar que los intereses de
estas empresas socaven la imparcialidad y la credibilidad pública de la investigación
sobre medicamentos? La solución es regular la investigación en este campos: a) los
estudios clínicos han de seguir un protocolo estricto que limita los posibles sesgos en
los resultados (ej: ensayos anónimos aleatorizados); y b) los estudios clínicos y sus
resultados han de ser aprobados por agencias (supra)estatales que se aseguren de que
se respetan estos protocolos.
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:
1. Fase preclínica: desarrollo del medicamente mediante pruebas en

laboratorio
2. Fase I: comprobación inicial de la seguridad del tratamiento en humanos
3. Fase II: comprobación preliminar de la eficacia del tratamiento
4. Fase III: confirmación robusta de la efectividad terapéutica del

tratamiento (estudios con grandes grupos de participantes)
5. Fase IV: seguimiento de los efectos del fármaco una vez comercializado
53

lOMoARcPSD|2474253
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.
Además, involucran estudios experimentales en los que se interviene sobre un

grupo de participantes administrándoles cierto tratamiento. Estos estudios están
sometidos a protocolos rigurosos; restricciones entre las que se incluyen:
a) Ensayos controlados: en tanto que es crucial que los efectos del

tratamiento puedan compararse con un grupo de control, al que
normalmente se administra un placebo (sustancia que se sabe que carece
de efectos terapéuticos). El grupo de control permite descartar que los
efectos observados en el ensayo no se deban al tratamiento, sino a otro
factor causal.
b) Aleatorización: se decide aleatoriamente a qué pacientes se le

administra el tratamiento (grupo experimental) y cuales el placebo (grupo
de control)
c) Ensayos atomizados («ciegos»): ni los pacientes ni los investigadores

saben a quién se le ha administrado el tratamiento y a quién el placebo
Estos protocolos buscan evitar sesgos en la obtención y análisis de la evidencia

(por ejemplo, que solo se incluyan los casos que parecen mostrar efectos positivos del
tratamiento, o que se atribuyan los efectos observados al tratamiento sin descartar
otras posibles causas).
La regulación de los ensayos clínicos permite observar la imparcialidad, fiabilidad y

credibilidad pública de los estudios sobre los efectos de medicamentos, pese a su
financiación por empresas con intereses comerciales.
Intereses perversos en la ciencia.- en una práctica científica que funcione

adecuadamente (con respecto a sus propios fines), las motivaciones e incentivos de los
investigadores tenderán a promover la consecución colectiva de los fines epistémicos y
sociales de la ciencia. ¿Existe el riesgo de que nuestras prácticas científicas generen
incentivos perversos, es decir, incentivos con consecuencias indeseables para los fines
(epistémicos, sociales) de esas mismas prácticas? ¿Hay alguna forma de corregir o
limitar el alcance de estos incentivos?
Los científicos tienen incentivos prácticos para producir resultados publicables en

revistas de prestigio (bien situadas en los rankings, con alto índice de impacto…). El
número de publicaciones (y su impacto) es el principal criterio para evaluar el
desempeño de un científico y para asignar recursos y puestos de trabajo.
Así, pueden señalarse ciertos aspectos positivos de las publicaciones como

medida del mérito científico:
54

lOMoARcPSD|2474253
a) El número/impacto de publicación es un criterio de evaluación

relativamente objetivo (en comparación con criterios alternativas, como las
redes de contacto y recomendaciones, o la universidad de origen).
b) La motivación por publicar fomenta la producción de resultados fiables

apoyados por la evidencia (ya que tendrán más probabilidades de superar
los filtros editoriales y ser aceptados).
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.
En general, el reconocimiento e impacto de un resultado científico positivo

suele ser mayor que el de un resultado negativo, o el de un resultado en el que
simplemente se compruebe un resultado ya conocido (ej: en el que se replique un
experimento realizado anteriormente por otros investigadores).
- Resultado positivo: observación de un efecto o de una correlación entre

variables (estadísticamente significativa, es decir, poco probable de ser debida al
azar). De manera más general, en un resultado positivo se confirma (al menos
en cierto grado) una hipótesis.
- Resultado negativo/nulo: no se observa el efecto o correlación esperados (la

evidencia no apoya la hipótesis planteada)
- Replicación: estudio en el que se replica un experimento o unas observaciones

ya realizadas anteriormente en otra investigación.
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.
El sesgo en contra de la publicación de resultados negativos pueden conducir a una

imagen distorsionada de la evidencia disponible: los resultados negativos sirven a los
55

lOMoARcPSD|2474253
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).
-«Falso positivo»: aparente comprobación de una hipótesis mediante evidencia

que es realmente engañosa (la evidencia hace parecer que se cumple cierta
hipótesis cuando realmente no es así). Por ejemplo: si en múltiples estudios no
se ha encontrado que el consumo de ciertos suplementos vitamínicos esté
relacionado con beneficios para la salud, será razonable dudar de la fiabilidad de
un estudio en el que si aparecen observarse dichos beneficios (usando el mismo
tipo de evidencia).
Por tanto, es aconsejable someter estos resultados dudosos a comprobaciones

adicionales.
El sesgo en las publicaciones a favor de resultados positivos desincentiva las

replicaciones de experimentos y la comprobación de resultados alcanzados
por otros investigadores: las replicaciones de experimentos requieren tiempo y
recursos que los científicos podrían dedicar a la producción de sus propios resultados
positivos (más fácilmente publicables).
Sin embargo, una parte esencial de la ciencia consiste en repetir experimentos y

someter a prueba los resultados alcanzados por otros investigadores. La fiabilidad de la
ciencia descansa en estos mecanismos de comprobación y replicación intersubjetiva de
resultados, que están desincentivados por el sesgo a favor de los resultados positivos.
La comprobación intersubjetiva de resultados es de especial importancia en disciplinas

en las que sea difícil obtener evidencia libre de interferencias y sesgos y que cumpla
criterios exigentes (supone que un resultado será considerado positivo solo si es
extremadamente improbable que se deba al azar) de significación estadística (ej:
psicología y otras ciencias sociales).
En estas disciplinas la evidencia es menos fiable y es más probable que se obtengan

falsos positivos (especialmente debido a la presión por publicar de manera
apresurada). Debido a los incentivos contra la replicación y comprobación de resultados
de otros científicos, puede suceder que estos falsos positivos engañosos perduren sin
ser descubiertos.
En ciertos campos científicos (ej: psicología) se ha descubierto que una proporción

relevante de los resultados publicados no son replicables en nuevos experimentos:
estos hallazgos cuestionan la fiabilidad de los resultados alcanzados en esos campos
(crisis de la replicabilidad).
56

lOMoARcPSD|2474253
La presión por publicar puede llevar a algunos científicos a manipular de manera

fraudulenta sus resultados: ante la urgencia por publicar, puede darse la tentación
de presentar resultados engañosos apoyados en evidencia falseada. Los revisores y
editores de las revistas no siempre se hallan en posición de comprobar directamente la
evidencia proporcionada por los autores.
El riesgo de fraude se incrementa por la dificultad de publicar resultados

negativos o repeticiones de experimentos: (a) un investigador que obtenga un
resultado incierto o negativo puede verse tentado a manipularlo para que parezca un
resultado positivo (más fácilmente publicable); (b) en muchos casos, los demás
científicos tendrán escasos incentivos para comprobar los resultados presentados por el
defraudador (en general, preferirán buscar sus propios resultados positivos).
Los mecanismos de revisión y comprobación intersubjetiva de resultados en las

prácticas científicas dificultan la existencia de fraude persistente o a gran escala. Pero
estos mecanismos no son filtros infalibles que eliminen toda posibilidad de fraude.
La pregunta que se sigue, finalmente, es si hay que reformar la ciencia: la

descentralización de las prácticas científicas las protege contra la manipulación, pero
también dificulta su remodelación. No hay una institución o individuo que puedan
reorganizar por su cuenta la estructura de las prácticas científicas para solucionar sus
problemas. Los problemas de las prácticas científicas son en general problemas de
acción colectiva: su solución requiere la acción coordinada de un gran número de
agentes (ej: que los científicos e instituciones modifiquen sus criterios de evaluación y
reconocimiento de resultados científicos).
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).
Por tanto, las instituciones y prácticas científicas no son inmutables: están

sujetas a continua evolución y revisión, con el fin de superar o al menos limitar sus
problemas y deficiencias. El funcionamiento satisfactorio de la ciencia (su producción
de resultados útiles y valiosos) no requiere que su estructura sea perfecta y esté
completamente libre de problemas.
57

Apuntes Diapositivas Intro Pensamiento Cientifico

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Diapositivas Intro Pensamiento Cientifico

Cargado por

Copyright:

Formatos disponibles

lOMoARcPSD|2474253

Apuntes diapositivas Intro. Pensamiento .Científico

Introducción al Pensamiento Científico (UNED)

Studocu no está patrocinado ni avalado por ningún colegio o universidad.

TEMA 1: Ciencia, hechos y evidencia (cap 1)

Ciencia basada en hechos, verdad y objetividad.- la ciencia aspira a proporcionar

En este sentido, la ciencia tiene como aspiración la objetividad, es decir, basarse en

La evidencia.- para llegar a la objetividad, la ciencia ha de buscar evidencias:

La investigación científica toma como guía la evidencia disponible, ya que su meta es

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

La investigación científica ha de apoyarse exclusivamente en evidencia: factores no-

Evidencia, verdad y éxito práctico.- la necesidad y búsqueda de un conocimiento

El éxito práctico de nuestras acciones no depende solo de nuestros deseos y opiniones,

- Ciencia APLICADA: aplicación de conocimientos científicos a cuestiones

- Ciencia BÁSICA: investigación científica no enfocada directamente a

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

Ambos tipos de ciencia se encuentran conectados entre sí: investigaciones

Ciencia, tecnología y aplicaciones-motivaciones prácticas.- por tanto, los

Evidencia científica frente a la tradición y la autoridad.- la investigación

El surgimiento de la ciencia moderna está marcado por el enfrentamiento con la

Concretamente Galileo (1554-1642) desafió la autoridad de textos religiosos clásicos

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

En cualquier caso, lo importante es que si la opinión de un experto entra en conflicto

Ciencia y conocimiento ordinario.- nuestras creencias ordinarias sobre el mundo

La investigación científica puede verse como una extensión refinada y

La investigación científica busca basarse siempre en evidencia directa acerca de su

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

Evidencia, verdad y deseos.- la investigación basada en la evidencia es

Los pensamientos desiderativos constituyen el proceso de formación de

- Sesgo de confirmación: tendencia a prestar más atención y dar más

- Pensamiento grupal: tendencia a aceptar la opinión mayoritaria del

La investigación científica intenta aludir este tipo de sesgos, acudiendo a métodos

TEMA 2: Conocimiento empírico y observación (cap 2)

Evidencia observacional.- la observación es la fuente básica de evidencia

Observación y objetividad.- la observación no está sujeta a control de la

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

La observación es objetiva en tanto que no depende, al menos totalmente, de las

La observación no es infalible: las experiencias sensoriales pueden resultar

Dependencia de las experiencias observacionales de factores subjetivos.-

No obstante, en general, cuál es la experiencia sensorial que tiene un sujeto

La fiabilidad de la observación.- pese a ser falible, la observación perceptiva es

Así, la postura es una presuposición anti-escéptica: en condiciones adecuadas, la

La observación es falible, pero también objetiva y fiable.

Empirismo.- el conocimiento científico acerca del mundo se deriva de la observación,

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

La evidencia observaciones constituye criterio fundamental para determinar

Observación directa.- observación realizada directamente a través de los

Algunos instrumentos amplifican, mejoran o corrigen los sentidos del observador

El uso de instrumentos observacionales proporciona acceso a información del entorno

Los instrumentos de medida permiten cuantificar la observación (cinta métrica, que

Pero, los instrumentos pueden inducir errores en la observación: cuando hay

No obstante, en casos estándar, investigadores partidarios de tesis científica rivales

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

observación y medida. La nueva evidencia empírica disponible gracias a innovaciones

A su vez, descubrimientos teóricos pueden dar lugar a nuevos aparatos,

Galileo realizó diversas comprobaciones para mostrar que sus observaciones no se

El carácter público de la observación científica.- la observación científica aspira a

La evidencia observacional científica debe ser publica (intersubjetiva):

Descargado por pablo escrig gimenez (pabloescrig2@gmail.com)

La observación como evidencia neutral.- Idealmente, la observación ofrece

Observación y replicabilidad.- las observaciones científicas aceptables deben ser:

La repetibilidad de la observación a veces tiene límites: puede haber eventos

La cuantificación de la observación.- la evidencia observacional científica tiende a

La cuantificación de la observación requiere el desarrollo de sistemas de unidades