Cada día, las personas ofrecen declaraciones como si fueran hechos, como, “Hoy parece lluvia” o, “Los perros son muy leales”. Estas conclusiones representan hipótesis sobre el mundo: las mejores conjeturas sobre cómo funciona el mundo. Los científicos también sacan conclusiones, alegando cosas como: “Hoy hay un 80% de posibilidades de lluvia” o, “Los perros tienden a proteger a sus compañeros humanos”. Notarás que los dos ejemplos de afirmaciones científicas utilizan un lenguaje menos determinado y es más probable que se asocien con probabilidades. Comprender las similitudes y diferencias entre afirmaciones científicas y cotidianas (no científicas) es esencial para nuestra capacidad de evaluar con precisión la confiabilidad de diversas afirmaciones.
Tanto el razonamiento científico como el cotidiano emplean la inducción: extraer conclusiones generales a partir de observaciones específicas. Por ejemplo, la opinión de una persona de que abarrotar para una prueba aumenta el rendimiento puede basarse en su memoria de aprobar un examen después de sacar una sesión de estudio de toda la noche. De manera similar, la conclusión de un investigador contra el abarrotes podría basarse en estudios que comparan los rendimientos de las pruebas de personas que estudiaron el material de diferentes maneras (por ejemplo, abarrotes versus sesiones de estudio espaciadas en el tiempo). En estos escenarios, se extraen conclusiones tanto científicas como cotidianas a partir de una muestra limitada de posibles observaciones.
El proceso de inducción, por sí solo, no parece lo suficientemente adecuado para proporcionar información confiable, dados los resultados contradictorios. ¿Qué debe hacer un estudiante que quiera desempeñarse bien en los exámenes? Una fuente de información la anima a abarrotar, mientras que otra sugiere que espaciar su tiempo de estudio es la mejor estrategia. Para tomar la mejor decisión con la información a la mano, necesitamos apreciar las diferencias entre opiniones personales y afirmaciones científicas, lo que requiere una comprensión de la ciencia y la naturaleza del razonamiento científico.
Figura\(\PageIndex{1}\): Características de las Buenas Teorías Científicas
Generalmente hay características acordadas que distinguen el pensamiento científico, y las teorías y los datos generados por él, del pensamiento cotidiano. En la Figura se muestra una breve lista de algunas de las características comúnmente citadas de las teorías y datos científicos\(\PageIndex{1}\).
Una característica adicional de la ciencia moderna no incluida en esta lista pero que prevalece en el pensamiento y la teorización de los científicos es la falsificabilidad, característica que ha permeado tanto la práctica científica que justifica una aclaración adicional. A principios del siglo XX, Karl Popper (1902-1994) sugirió que la ciencia puede distinguirse de la pseudociencia (o simplemente el razonamiento cotidiano) porque las afirmaciones científicas son capaces de ser falsificadas. Es decir, se puede demostrar que una afirmación es falsa. Por ejemplo, una persona podría afirmar que “todas las personas son diestras”. Esta afirmación puede ser probada y, en última instancia, desechada porque se puede demostrar que es falsa: Hay personas que son zurdas. Una regla general fácil es no confundirse con el término falsificable sino entender que, más o menos, significa comprobable.
Por otro lado, algunas afirmaciones no pueden ser probadas y falsificadas. Imagínese, por ejemplo, que un mago afirma que puede enseñar a la gente a mover objetos con la mente. El truco, explica, es creer verdaderamente en la capacidad de uno para que funcione. Cuando sus alumnos no logran mover sillas con sus mentes, el mago regaña: “Obviamente, realmente no crees”. El reclamo del mago no califica como falsificable porque no hay manera de refutarlo. No es científico.
Popper estaba particularmente irritado por las afirmaciones no científicas porque creía que eran una amenaza para la ciencia de la psicología. Específicamente, estaba insatisfecho con las explicaciones de Freud para la enfermedad mental. Freud creía que cuando una persona sufre una enfermedad mental suele deberse a problemas derivados de la infancia. Por ejemplo, imagina a una persona que crece para ser un perfeccionista obsesivo. Si fue criada por padres desordenados y relajados, Freud podría argumentar que su perfección adulta es una reacción a sus primeras experiencias familiares, un esfuerzo por mantener el orden y la rutina en lugar del caos. Alternativamente, imagina a la misma persona siendo criada por padres duros y ordenados. En este caso, Freud podría argumentar que su orden adulta es simplemente ella internalizando la forma de ser de sus padres. Como puede ver, de acuerdo con la justificación de Freud, ambos escenarios opuestos son posibles; no importa cuál sea el desorden, la teoría de Freud podría explicar su origen infantil, por lo tanto, no cumplir con el principio de falsificabilidad.
Popper argumentó en contra de declaraciones que no podían ser falsificadas. Afirmó que bloquearon el progreso científico: No había manera de avanzar, refinar o refutar el conocimiento con base en tales afirmaciones. La solución de Popper fue poderosa: Si la ciencia mostrara todas las posibilidades que no eran ciertas, nos quedaríamos solo con lo que es verdad. Es decir, necesitamos poder articular —de antemano— los tipos de evidencia que refuten nuestra hipótesis y hagan que la abandonemos.
Esto puede parecer contradictorio. Por ejemplo, si una científica quisiera establecer una comprensión integral de por qué ocurren los accidentes automovilísticos,
probaría sistemáticamente todas las causas potenciales: consumo de alcohol, exceso de velocidad, uso de un celular, juguetear con la radio, usar sandalias, comer, platicar con un pasajero, etc. la comprensión completa sólo podría lograrse una vez que se exploraran todas las explicaciones posibles y se falsificaran o no. Una vez concluidas todas las pruebas, las pruebas se evaluarían en función de los criterios de falsificación, y solo quedarían las causas reales de los accidentes. El científico podría desestimar ciertos reclamos (por ejemplo, las sandalias conducen a accidentes automovilísticos) y quedarse solo con aquellos respaldados por la investigación (por ejemplo, usar un teléfono móvil mientras se conduce aumenta el riesgo). Puede parecer absurdo que un científico necesite investigar tantas explicaciones alternativas, pero es exactamente como descartamos las malas afirmaciones. Por supuesto, muchas explicaciones son complicadas e involucran múltiples causas —como ocurre con los accidentes automovilísticos, así como fenómenos psicológicos.
Figura\(\PageIndex{1}\): karl Popper fue un pensador influyente en la teoría científica y el razonamiento. [“Karl Popper en 1990” de Lucinda Douglas- Menzies/Wikimedia Commons; no existen restricciones de derechos de autor conocidas.]
PRUEBA A TI MISMO 1: ¿SE PUEDE FALSIFICAR?
¿Cuál de las siguientes hipótesis se puede falsificar? Para cada uno, asegúrese de considerar qué tipo de datos podrían recopilarse para demostrar que una afirmación no es cierta.
A. El chocolate sabe mejor que la pasta.
B. Vivimos en la época más violenta de la historia.
C. El tiempo puede correr tanto hacia atrás como hacia adelante.
D. Hay planetas distintos a la Tierra que tienen agua sobre ellos.
[Ver respuesta al final de este módulo.]
Aunque la idea de falsificación sigue siendo fundamental para los datos científicos y el desarrollo de la teoría, en estos días no se usa estrictamente de la manera en que Popper la imaginó originalmente. Para empezar, los científicos no solo están interesados en demostrar lo que no lo es, a los científicos también les interesa proporcionar descripciones y explicaciones de cómo son las cosas. Queremos describir las diferentes causas y las diversas condiciones en las que ocurren. Queremos descubrir cuándo los niños pequeños empiezan a hablar en oraciones completas, por ejemplo, o si las personas son más felices el fin de semana, o cómo el ejercicio impacta la depresión. Estas exploraciones requieren sacar conclusiones a partir de muestras limitadas de datos. En algunos casos, estos datos parecen encajar con nuestras hipótesis y en otros no. Aquí es donde entran la interpretación y la probabilidad.
