Una teoría es un conjunto de constructos y proposiciones interrelacionadas sistemáticamente que pretenden explicar y predecir un fenómeno o comportamiento de interés, dentro de ciertas condiciones y supuestos de límite. Esencialmente, una teoría es una colección sistémica de proposiciones teóricas relacionadas. Mientras que las proposiciones generalmente conectan dos o tres constructos, las teorías representan un sistema de múltiples construcciones y proposiciones. De ahí que las teorías puedan ser sustancialmente más complejas y abstractas y de mayor alcance que las proposiciones o hipótesis.
Debo señalar aquí que las personas que no están familiarizadas con la investigación científica a menudo ven una teoría como una especulación o lo contrario de hecho. Por ejemplo, la gente suele decir que los maestros necesitan ser menos teóricos y más prácticos o fácticos en su enseñanza en el aula. Sin embargo, la práctica o el hecho no son opuestos de la teoría, sino que en un sentido científico, son componentes esenciales necesarios para probar la validez de una teoría. Una buena teoría científica debe estar bien apoyada utilizando hechos observados y también debe tener valor práctico, mientras que una teoría mal definida tiende a faltar en estas dimensiones. La famosa investigación organizacional Kurt Lewin dijo una vez: “La teoría sin práctica es estéril; la práctica sin teoría es ciega”. De ahí que tanto la teoría como los hechos (o la práctica) sean esenciales para la investigación científica.
Las teorías proporcionan explicaciones de fenómenos sociales o naturales. Como se enfatiza en el Capítulo 1, estas explicaciones pueden ser buenas o malas. De ahí que pueda haber teorías buenas o malas. En el capítulo 3 se describen algunos criterios que pueden utilizarse para evaluar qué tan buena es realmente una teoría. Sin embargo, es importante que los investigadores entiendan que la teoría no es “verdad”, no hay nada sacrosanto en ninguna teoría, y las teorías no deben aceptarse solo porque fueron propuestas por alguien. En el curso del progreso científico, las teorías más pobres eventualmente son reemplazadas por mejores teorías con mayor poder explicativo. El reto esencial para los investigadores es construir teorías mejores y más completas que puedan explicar un fenómeno objetivo mejor que las teorías anteriores.
Un término que a menudo se usa en conjunción con la teoría es un modelo. Un modelo es una representación de todo o parte de un sistema que se construye para estudiar ese sistema (por ejemplo, cómo funciona el sistema o qué desencadena el sistema). Mientras que una teoría trata de explicar un fenómeno, un modelo trata de representar un fenómeno. Los modelos suelen ser utilizados por los tomadores de decisiones para tomar decisiones importantes basadas en un conjunto dado de insumos. Por ejemplo, los gerentes de marketing pueden usar modelos para decidir cuánto dinero gastar en publicidad de diferentes líneas de productos en función de parámetros como los gastos de publicidad del año anterior, las ventas, el crecimiento del mercado y los productos de la competencia. Asimismo, los pronosticadores meteorológicos pueden usar modelos para predecir futuros patrones meteorológicos basados en parámetros como la velocidad del viento, la dirección del viento, la temperatura y la humedad. Si bien estos modelos son útiles, es posible que no necesariamente expliquen el gasto publicitario o las previsiones meteorológicas. Los modelos pueden ser de diferentes tipos, como modelos matemáticos, modelos de red y modelos de ruta. Los modelos también pueden ser descriptivos, predictivos o normativos. Los modelos descriptivos se utilizan frecuentemente para representar sistemas complejos, para visualizar variables y relaciones en dichos sistemas. Un modelo de gasto publicitario puede ser un modelo descriptivo. Los modelos predictivos (por ejemplo, un modelo de regresión) permiten pronosticar eventos futuros. Los modelos de pronóstico del tiempo son modelos predictivos. Se utilizan modelos normativos para guiar nuestras actividades a lo largo de normas o prácticas comúnmente aceptadas. Los modelos también pueden ser estáticos si representa el estado de un sistema en un momento determinado, o dinámicos, si representa la evolución de un sistema a lo largo del tiempo.
El proceso de desarrollo teórico o modelo puede implicar razonamiento inductivo y deductivo. Recordemos del Capítulo 1 que la deducción es el proceso de sacar conclusiones sobre un fenómeno o comportamiento basado en razones teóricas o lógicas y un conjunto inicial de premisas. Como ejemplo, si un determinado banco impone un estricto código de ética para sus empleados (Premisa 1) y Jamie es empleado de ese banco (Premisa 2), entonces se puede confiar en Jamie para que siga prácticas éticas (Conclusión). En deducción, las conclusiones deben ser ciertas si las premisas iniciales y las razones son correctas.
En contraste, la inducción es el proceso de sacar conclusiones basadas en hechos o evidencias observadas. Por ejemplo, si una firma gastó mucho dinero en una campaña promocional (Observación 1), pero las ventas no aumentaron (Observación 2), entonces posiblemente la campaña de promoción fue mal ejecutada (Conclusión). Sin embargo, puede haber explicaciones rivales para las malas ventas, como la recesión económica o la aparición de un producto o marca competidora o tal vez un problema de la cadena de suministro. Las conclusiones inductivas son, por lo tanto, solo una hipótesis, y pueden ser refutadas. Las conclusiones deductivas generalmente tienden a ser más fuertes que las conclusiones inductivas, pero una conclusión deductiva basada en una premisa incorrecta también es incorrecta.
Como se muestra en la Figura 2.3, el razonamiento inductivo y deductivo van de la mano en teoría y construcción de modelos. La inducción ocurre cuando observamos un hecho y preguntamos: “¿Por qué sucede esto?” Al responder a esta pregunta, adelantamos una o más explicaciones tentativas (hipótesis). Luego utilizamos la deducción para reducir las explicaciones tentativas a la explicación más plausible basada en la lógica y premisas razonables (basadas en nuestra comprensión del fenómeno en estudio). Los investigadores deben ser capaces de moverse de un lado a otro entre el razonamiento inductivo y deductivo si van a publicar extensiones o modificaciones a un determinado modelo o teoría, o construir mejores, que son la esencia de la investigación científica.
