El método científico, discutido

El conocimiento científico es el que se obtiene mediante un procedimiento público de investigación y contrastación, se enuncia de forma que otros puedan comprobarlo y se acepta solo mientras resista el intento de refutarlo. La definición no menciona la certeza a propósito. Lo que distingue a este conocimiento de otros no es que sea seguro —no lo es, y sus mejores teorías han sido sustituidas por otras— sino la manera en que se produce y, sobre todo, la manera en que se corrige.

Los rasgos que suelen enumerarse se siguen de ahí. Es empírico, en el sentido de que sus afirmaciones tienen consecuencias observables y responden ante ellas. Es sistemático: no se acumula como una lista de curiosidades, sino que se organiza en leyes y teorías donde cada pieza sostiene a las demás. Es general, o al menos aspira a serlo, porque busca lo que se repite y no lo que ocurrió una vez. Es público: un resultado que no se comunica con detalle suficiente para que otro lo repita no forma parte de la ciencia, por cierto que sea. Y es provisional, no por modestia retórica, sino porque el mecanismo de corrección exige que cualquier enunciado pueda revisarse.

Ese conjunto de rasgos no ha existido siempre. Se fraguó en el siglo XVII, y su acta de nacimiento tiene dos documentos. El primero es el Novum Organum de Francis Bacon, que propone sustituir la deducción a partir de autoridades por una investigación que interroga a la naturaleza mediante experimentos deliberados, y que dedica sus páginas más agudas a catalogar los ídolos, los sesgos sistemáticos de la mente humana: la tendencia a ver orden donde no lo hay, la deformación que impone el temperamento de cada cual, las trampas del lenguaje y el peso de las doctrinas heredadas. Bacon acertó en el diagnóstico mucho más que en la receta —su método inductivo por tablas apenas se usó nunca—, pero la idea de que el principal obstáculo del conocimiento está en quien conoce sigue siendo el fundamento de todo control metodológico posterior, del doble ciego al preregistro.

El segundo documento es institucional y suele contar menos de lo que merece. En 1665 la Royal Society empezó a publicar las Philosophical Transactions, y con ellas nacieron tres cosas de golpe: la comunicación periódica de resultados a un público de pares, la atribución de prioridad a quien publica primero —que convirtió el secreto en una desventaja— y el examen previo por otros miembros de la sociedad. El conocimiento científico se volvió entonces algo que ocurre entre personas y no dentro de una cabeza. Es lo que Ludwik Fleck describiría en 1935, casi treinta años antes que Kuhn y sin ser leído por casi nadie, como colectivo de pensamiento: un hecho científico no se descubre en un instante, se estabiliza a lo largo de un proceso social en el que una comunidad decide qué cuenta como observación válida.

Robert Merton dio en 1942 la versión sociológica de esa idea al describir las cuatro normas que, sostenía, rigen la comunidad científica cuando funciona: el comunalismo, según el cual los resultados pertenecen al común y no a quien los halla; el universalismo, que exige juzgar las afirmaciones por criterios impersonales y no por la nacionalidad, la raza o el prestigio de quien las hace —lo escribió en plena guerra, contra la ciencia aria—; el desinterés, entendido no como pureza de motivos sino como estructura institucional que hace que el fraude no compense; y el escepticismo organizado, la obligación colectiva de someter a examen incluso lo que a todos conviene creer. Merton describía un ideal y lo sabía; lo valioso es que localiza la cientificidad en la organización social del trabajo y no en la virtud del investigador.

De ahí se entiende por qué el intento de trazar una frontera nítida entre ciencia y no ciencia —el problema de la demarcación— ha resultado tan resistente. La verificación empírica que proponía el positivismo lógico dejaba fuera las leyes universales, que ninguna observación finita verifica; la falsabilidad de Popper es más robusta pero deja fuera disciplinas históricas enteras y dentro a cualquier conjetura arriesgada por descabellada que sea; y la ciencia normal que describió Kuhn se parece bastante poco a la caza de refutaciones. Larry Laudan llegó a proponer en 1983 que se abandonara la búsqueda de un criterio único y se juzgaran las afirmaciones una a una por su respaldo. Nadie le ha hecho mucho caso, entre otras cosas porque los tribunales y los legisladores necesitan alguna respuesta, pero el diagnóstico sigue en pie: lo que separa el conocimiento científico del resto es un aire de familia sostenido por instituciones, no una propiedad lógica de los enunciados.

Que el problema de la demarcación sea insoluble en teoría no impide que haya que resolverlo en la práctica, y el sitio donde se resuelve suele ser un tribunal. En 1982 un juez federal de Arkansas tuvo que decidir si la «ciencia de la creación» podía enseñarse como ciencia en las escuelas públicas, y en su sentencia adoptó una lista de cinco criterios que le proporcionó el filósofo Michael Ruse: guiarse por leyes naturales, explicar por referencia a esas leyes, ser contrastable empíricamente, ser provisional y ser falsable. Sirvió para el caso y provocó una polémica considerable entre filósofos de la ciencia, con Larry Laudan sosteniendo que la lista era una simplificación indefendible y que el creacionismo debía rechazarse por la razón más sencilla y más fuerte: sus afirmaciones concretas son contrastables y han resultado falsas. Veintitrés años después, en el juicio de Dover sobre el diseño inteligente, la sentencia se apoyó en un criterio distinto y más histórico —el diseño inteligente es creacionismo reetiquetado, y su rasgo definitorio es apelar a una causa sobrenatural, lo que lo sitúa fuera del método desde el arranque—. Los dos episodios enseñan lo mismo: la frontera no se traza con una definición, se traza mostrando cómo trabaja de hecho la comunidad que la sostiene.

El aviso más serio no viene de la filosofía sino de la propia práctica. Desde que Ioannidis argumentó en 2005 que la mayoría de los resultados publicados en biomedicina son probablemente falsos, y desde que en 2015 un consorcio internacional consiguió reproducir menos de la mitad de cien experimentos psicológicos publicados en revistas de primer nivel, la crisis de reproducibilidad ha obligado a mirar de frente los incentivos: se publica lo positivo y lo novedoso, se archiva lo negativo, y el filtro que debía corregir errores premia el hallazgo llamativo. La respuesta ha sido rehacer parte del andamiaje —registro previo de hipótesis y análisis, publicación de datos y código, informes registrados que se aceptan antes de conocer el resultado— y es una respuesta característica: la ciencia corrigiendo su procedimiento con su propio procedimiento. Ese movimiento, y no la certeza de sus enunciados, es lo que hace que su conocimiento sea distinto.

Método hipotético-deductivo – Paradigma positivista – Contrastación empírica – Falsacionismo y revoluciones científicas – El problema de la inducción – Comunidad científica

El paradigma positivista es la posición según la cual el conocimiento legítimo procede exclusivamente de lo observable, se expresa en leyes generales y se comprueba mediante medición y experimento, de modo que las ciencias sociales deben proceder igual que las naturales o renunciar a llamarse ciencias. Se le llama también paradigma naturalista o empírico-analítico, y ha sido durante siglo y medio la posición por defecto en investigación social: la que no necesita justificarse porque se da por supuesta.

El término lo acuñó Auguste Comte en el Curso de filosofía positiva (1830-1842), donde «positivo» no significa afirmativo sino efectivo, comprobable, opuesto a lo teológico y a lo metafísico. Su tesis famosa es la ley de los tres estados: cada rama del saber pasa por una etapa teológica, en la que los fenómenos se explican por voluntades sobrenaturales; otra metafísica, en la que las voluntades se sustituyen por esencias y fuerzas abstractas; y una tercera positiva, en la que se renuncia a preguntar por qué y se investiga cómo, buscando las leyes constantes que ligan unos hechos con otros. Comte ordena las ciencias según el momento en que alcanzan ese tercer estado —matemáticas, astronomía, física, química, biología— y reserva el último puesto para la que aún faltaba, que primero llamó física social y después sociología, palabra que inventó él.

Conviene separar dos cosas que suelen confundirse. Una es la doctrina de Comte, con su filosofía de la historia, su jerarquía de saberes y su desenlace religioso, que hoy no defiende nadie. Otra es el conjunto de reglas de trabajo que el positivismo dejó en herencia y que sí gobiernan la investigación corriente: interés por lo nomotético, es decir, por la ley general antes que por el caso; formulación explícita de hipótesis; operacionalización de los conceptos en variables medibles; verificación por observación y experimento; uso de técnicas estadísticas; y separación tajante entre los hechos que se describen y los valores de quien los describe. Casi cualquier artículo cuantitativo de ciencias sociales publicado hoy respeta esas reglas sin mencionar a Comte, igual que se habla en prosa sin saberlo.

La segunda oleada, y la que dio al positivismo su forma filosófica rigurosa, fue el Círculo de Viena de los años veinte y treinta: Moritz Schlick, Rudolf Carnap, Otto Neurath, Hans Hahn y su entorno, con Wittgenstein al fondo. Su manifiesto de 1929 propone una concepción científica del mundo articulada sobre dos ideas. La primera es el criterio verificacionista de significado: un enunciado tiene sentido si y solo si puede comprobarse empíricamente o es una verdad lógica; el resto —la metafísica, la teología, buena parte de la ética— no es falso, es literalmente insignificante. La segunda es la ciencia unificada, la aspiración a un lenguaje común en el que las afirmaciones de todas las disciplinas puedan traducirse y contrastarse. Este neopositivismo fue mucho más sofisticado que el de Comte y también mucho más autocrítico: sus propios miembros descubrieron los problemas antes que sus adversarios.

El criterio verificacionista se hundió por su propio peso. No verifica las leyes universales, que ninguna cantidad finita de observaciones agota; no verifica los enunciados sobre el pasado ni sobre lo inobservable; y, aplicado a sí mismo, se declara insignificante, porque no hay observación que verifique el criterio de verificación. Carl Hempel documentó el fracaso de los sucesivos intentos de arreglarlo en un artículo de 1950 que suele leerse como el certificado de defunción. Neurath había visto antes el problema por otro lado: no existen enunciados de observación puros y últimos sobre los que apoyar el edificio, porque incluso los protocolos de laboratorio son revisables, y de ahí su metáfora del barco que hay que reparar en el mar. Con ella el positivismo lógico renuncia a los cimientos y se queda con la coherencia mutua y la revisión permanente, que es bastante menos de lo que prometía y bastante más de lo que sus críticos suelen concederle.

El final del Círculo de Viena no fue filosófico. En junio de 1936 Moritz Schlick fue asesinado a tiros en la escalinata de la universidad por un antiguo alumno, y parte de la prensa vienesa presentó el crimen como consecuencia lógica de una filosofía judía y materialista, aunque Schlick no era judío. Dos años después llegó la anexión alemana y el grupo se deshizo: Carnap y Feigl a Estados Unidos, Neurath a Holanda y después a Inglaterra huyendo en un bote, Gödel a Princeton, Waismann a Oxford. El exilio tuvo una consecuencia que suele pasarse por alto al contar la historia de las ideas: el empirismo lógico se convirtió en la filosofía de la ciencia dominante en el mundo anglosajón de posguerra porque sus autores estaban allí, y el proyecto de la enciclopedia de la ciencia unificada que dirigía Neurath acabó publicando, en 1962, el libro que más contribuyó a derribarlo, La estructura de las revoluciones científicas de Thomas Kuhn.

En ciencias sociales la discusión adoptó un tono más áspero, y culminó en la disputa del positivismo que enfrentó desde 1961 a la Escuela de Fráncfort con el racionalismo crítico. Adorno y Habermas sostenían que una ciencia social que se limita a describir regularidades y se declara neutral respecto de los fines termina legitimando lo existente, porque naturaliza como hechos lo que son relaciones de dominación históricas. Popper y Hans Albert contestaban que la crítica confundía objetividad con conformismo y que sin contraste empírico la teoría crítica no tiene manera de saber si se equivoca. El episodio tiene una ironía instructiva: Popper había dedicado su obra a refutar al Círculo de Viena y fue etiquetado de positivista por sus adversarios de Fráncfort. Desde entonces, «positivista» funciona en buena parte de la literatura social como un reproche antes que como una descripción, y a menudo significa simplemente «cuantitativo».

Frente a él se han consolidado dos alternativas. El paradigma interpretativo sostiene que la acción humana tiene sentido para quien la realiza y que ignorarlo deja fuera lo esencial del fenómeno. El paradigma sociocrítico añade que investigar es intervenir, y que la neutralidad declarada es una toma de posición encubierta. Ninguno de los tres ha vencido, y la práctica real de la disciplina hace tiempo que dejó de exigir que se elija: los diseños mixtos, la estadística bayesiana y la etnografía comparada conviven sin pedirse permiso. Lo que queda del paradigma positivista es su exigencia mínima, y no es poca: que las afirmaciones se enuncien de modo que puedan comprobarse y que los datos que las sostienen estén a la vista de cualquiera. Lo que se ha perdido es su promesa máxima, la de que bastaba con eso.

Conocimiento científico – Método hipotético-deductivo – Neopositivismo (positivismo lógico, empirismo lógico) – Interpretativismo (paradigma interpretativo, paradigma interpretativista) – Paradigma socio-crítico – Paradigma postpositivista (postpositivismo) – Paradigma cuantitativo (enfoque cuantitativo)

La abducción es la inferencia que va de un hecho sorprendente a la hipótesis que lo haría dejar de serlo. No demuestra nada: propone. Es el momento en que una investigación pasa de tener un problema a tener algo que contrastar, y por eso ocupa el primer lugar del ciclo científico, antes de la deducción de consecuencias y antes de la contrastación empírica.

El nombre y el análisis se deben a Charles Sanders Peirce, que la formuló hacia 1903 con una economía difícil de mejorar: se observa el hecho sorprendente C; ahora bien, si A fuera verdadera, C se seguiría como cosa natural; luego hay razón para sospechar que A es verdadera. Nótese lo débil de la conclusión. No dice que A sea cierta ni siquiera probable, dice que merece la pena tomarla en consideración. Peirce sostenía que esta es la única de las tres formas de inferencia que introduce ideas nuevas: la deducción explicita lo que ya está contenido en las premisas y la inducción generaliza lo observado, pero ninguna de las dos inventa un concepto que no estuviera antes sobre la mesa. La abducción sí, y a cambio paga el precio de no garantizar nada.

La diferencia con la inducción es fácil de perder de vista y conviene fijarla. Si en una bolsa todas las judías que saco son blancas y concluyo que probablemente todas las de la bolsa lo son, eso es inducción: extiendo lo observado. Si encuentro sobre la mesa un puñado de judías blancas junto a una bolsa que contiene solo judías blancas y conjeturo que el puñado salió de esa bolsa, eso es abducción: invento una historia que explicaría lo que veo. El ejemplo es del propio Peirce y muestra la asimetría con crudeza, porque el puñado pudo llegar de cualquier otro sitio. La abducción no aumenta la seguridad, aumenta el repertorio.

El caso literario más conocido es también el peor nombrado. Sherlock Holmes llama deducción a lo que hace, y lo que hace es abducir: observa un detalle anómalo —una marca en la manga, un bronceado desigual, un perro que no ladró— y propone la historia que lo volvería esperable. Que después salga bien es una convención del género; en la vida real la conjetura se equivoca a menudo, y de ahí que la abducción no sustituya al trabajo de contrastar sino que lo haga posible. La versión seria del mismo esquema es el diagnóstico médico, donde un cuadro de síntomas se explica por la enfermedad que mejor daría cuenta de todos ellos y después se confirma con pruebas; y la versión histórica más citada es el descubrimiento de Neptuno, cuando las anomalías en la órbita de Urano llevaron a conjeturar un planeta desconocido en vez de a abandonar la mecánica de Newton.

Peirce añadió algo que la enseñanza escolar suele omitir y que es la parte más práctica de su teoría: la economía de la investigación. Ante un hecho sorprendente caben siempre infinitas hipótesis, y ninguna vida alcanza para probarlas todas, de modo que el problema real no es generar explicaciones sino decidir cuál se pone a prueba primero. Peirce propone tres criterios y ninguno es la verdad: cuánto cuesta contrastarla, cuánto explicaría si fuese cierta y cuánto se apartaría del conocimiento ya establecido. Esa es la razón de que la buena investigación no sea la que imagina más, sino la que elige mejor lo que va a intentar refutar.

En la filosofía de la ciencia posterior el concepto reapareció bajo otro nombre. Gilbert Harman lo rebautizó en 1965 como inferencia hacia la mejor explicación, y Peter Lipton lo desarrolló como reconstrucción de cómo razonan de hecho los científicos: entre las hipótesis disponibles se acepta provisionalmente la que ofrece la explicación más amable, la que más nos diría si fuese verdadera. La diferencia con Peirce no es menor. Peirce hablaba de generar conjeturas para someterlas a prueba; Harman habla de aceptar una conclusión, lo que la convierte en una forma de justificación y no solo de descubrimiento.

Peirce puso a prueba su propia lógica en un episodio que le gustaba contar. En 1879, volviendo en barco de vapor de Boston a Nueva York, le robaron el abrigo con un reloj caro que pertenecía al Servicio Geodésico y del que era responsable. Reunió a la tripulación de color del barco, los fue interrogando uno por uno y, sin obtener de las respuestas nada concluyente, se apartó, dio una vuelta por cubierta y decidió señalar a uno de ellos por una convicción que no supo justificar. Contrató después a un detective de Pinkerton, que se inclinó por otro sospechoso; Peirce siguió su propia conjetura, localizó al empeñista al que el hombre había vendido el reloj y recuperó las piezas. Él lo interpretó como prueba de que existe una capacidad de conjeturar mejor que el azar, un instinto adivinatorio afinado por la evolución que llamó il lume naturale; sin él, argumentaba, la ciencia no habría podido dar con las teorías correctas entre las infinitas posibles en los pocos siglos que ha tardado. La anécdota tiene un reverso incómodo que la filosofía suele omitir y que conviene no omitir: Peirce interrogó a la tripulación negra y solo a ella, de modo que su hipótesis de partida venía dada por un prejuicio, y su acierto no la valida. Ilustra el problema central de la abducción con más honestidad que cualquier ejemplo de manual. Lo que hace de una conjetura algo más que un prejuicio afortunado no es que resulte cierta, es la contrastación que viene después.

Ahí es donde llegan las objeciones. La más contundente es la del mal lote, de Bas van Fraassen: elegir la mejor explicación entre las que se nos han ocurrido no garantiza nada si la verdadera no estaba en la lista, y no hay razón para creer que nuestra imaginación agote las posibilidades. La segunda es que «mejor» mezcla virtudes heterogéneas —simplicidad, alcance, elegancia, encaje con lo conocido— sin decir cómo se ponderan, y esas virtudes son estéticas y pragmáticas antes que probatorias. La tercera es la que más daño hace en ciencias sociales: cualquier resultado admite un relato plausible construido después de verlo, y llamar abducción a esa operación la disfraza de método. El correctivo bayesiano —tratar la explicación como una hipótesis con verosimilitud y probabilidad previa explícitas— disciplina el razonamiento, aunque a costa de exigir números que muchas veces no hay.

Con esas cautelas, la abducción es hoy más visible que nunca. Los sistemas de diagnóstico automático y buena parte de la inteligencia artificial simbólica están construidos sobre razonamiento abductivo explícito, y en investigación cualitativa se ha convertido en la alternativa declarada a la teoría fundamentada clásica: Timmermans y Tavory propusieron en 2012 llamar análisis abductivo al procedimiento de dejarse sorprender por los datos con la teoría existente bien conocida de antemano, precisamente porque la sorpresa solo aparece contra un trasfondo de expectativas. Es una buena manera de resumir todo el asunto. La abducción no es el arte de tener ideas: es lo que ocurre cuando alguien preparado se topa con algo que no cuadra.

Método hipotético-deductivo – Contrastación empírica – El problema de la inducción – Conocimiento científico – Formulación de hipótesis – Navaja de Occam – Serendipia

El método hipotético-deductivo es el procedimiento de investigación que parte de un problema, propone una hipótesis general para resolverlo, deduce de ella consecuencias observables y las somete a contrastación empírica: si los datos las contradicen, la hipótesis queda refutada y debe corregirse o abandonarse; si los acompañan, queda corroborada de forma provisional, nunca probada. Es la reconstrucción más influyente de cómo funciona la ciencia moderna, la que subyace al contraste de hipótesis estadístico y al ensayo controlado, y su formulación canónica se debe a Karl Popper en La lógica de la investigación científica (1934), aunque la práctica que describe es muy anterior: el propio Popper la ilustraba con la expedición de Eddington de 1919, que pudo haber refutado la relatividad general midiendo la desviación de la luz junto al Sol, y con el contraste entre esa audacia y las teorías que nunca arriesgan nada.

La novedad del esquema no está en deducir —eso lo hace cualquier silogismo— sino en el lugar que asigna a la experiencia. Frente al inductivismo clásico, que pretendía ascender de la acumulación de observaciones a la ley general, el método hipotético-deductivo invierte el orden: primero la conjetura, después el tribunal de los hechos. La razón es lógica antes que psicológica. Como dejó planteado Hume en el problema de la inducción, ningún número finito de casos favorables demuestra una ley universal — que mil cisnes sean blancos no prueba que todos lo sean. La refutación, en cambio, sí es lógicamente concluyente: un solo cisne negro basta. De esa asimetría extrae Popper la regla del juego: las hipótesis no se verifican, se someten a intentos de refutación, y llamamos corroborada a la que los sobrevive. El esquema completo forma un ciclo, no una escalera: la hipótesis corroborada sigue en observación, y cualquier anomalía nueva reabre el proceso.

Cada estación del ciclo tiene su oficio propio. La formulación de hipótesis exige enunciados generales de los que de verdad se siga algo observable; una conjetura compatible con cualquier resultado posible no es prudente sino vacía, porque no hay dato que pueda desmentirla. La deducción traduce la hipótesis a predicciones concretas mediante supuestos auxiliares: condiciones iniciales, instrumentos, cláusulas de normalidad. Y la contrastación empírica compara la predicción con el dato, en el laboratorio, en la encuesta o en el registro histórico. En la investigación social el ciclo suele adoptar la forma del contraste estadístico —hipótesis nula, nivel de significación, rechazo o no rechazo—, que es el método hipotético-deductivo administrado en dosis: también ahí el resultado favorable no prueba la hipótesis, solo la deja en pie.

Las objeciones más serias no discuten la lógica del esquema sino su retrato de la práctica científica, y conviene conocerlas porque marcan sus límites reales de uso. La primera es la tesis de Duhem, radicalizada por Quine: de una hipótesis aislada no se deduce nada observable — se deduce del conjunto formado por la hipótesis y sus supuestos auxiliares, de modo que un dato en contra refuta el paquete entero sin señalar al culpable. El investigador siempre puede salvar la conjetura sacrificando un supuesto auxiliar, y a veces hace bien: cuando Urano desobedecía a Newton, la anomalía no refutó la mecánica sino el inventario de planetas, y el cálculo condujo a Neptuno. La segunda es la carga teórica de la observación, señalada por Hanson: no existe el dato puro que hace de árbitro neutral, porque ya se observa desde categorías teóricas — el propio resultado de Eddington de 1919 exigía decidir, con la teoría en la mano, qué placas fotográficas eran fiables. La tercera es histórica: la ciencia real rara vez ejecuta el ciclo con la disciplina del manual. Lakatos mostró que los programas de investigación conviven durante décadas con anomalías conocidas sin que nadie los abandone, protegiendo su núcleo con un cinturón de hipótesis auxiliares, y que esa terquedad ha sido a menudo fértil y no patológica.

A estas objeciones se añade una limitación interna que el propio esquema admite: no dice nada de cómo se llega a la hipótesis. El contexto de descubrimiento queda fuera del método, confiado a la imaginación, la analogía o la abducción —la inferencia hacia la mejor explicación que describió Peirce—, y el método solo gobierna el contexto de justificación. Por eso presentarlo como «el método científico» a secas, en singular y con mayúsculas, es más pedagogía que descripción: Chalmers ha insistido en que ni la historia de la ciencia ni su práctica actual se dejan reducir a una receta única, y la investigación cualitativa, la taxonomía o buena parte de la arqueología producen conocimiento científico sin ajustarse al ciclo popperiano. Nada de esto disuelve su valor. Como norma regulativa sigue siendo insustituible: obliga a formular conjeturas que arriesguen algo, a declarar por adelantado qué resultado las desmentiría y a tratar toda corroboración como un préstamo revocable. Es menos un retrato de la ciencia que su código deontológico — y como el falsacionismo del que forma parte, vale más como disciplina del investigador que como crónica de lo que los investigadores hacen.

Análisis empírico

La contrastación empírica es el procedimiento por el que una hipótesis se somete al juicio de la observación: se deduce de ella algo que debería ocurrir, se va a mirar si ocurre y se decide en consecuencia. Es el momento en que una conjetura deja de ser una opinión y pasa a arriesgar algo, y todo el resto del método científico existe para prepararlo o para interpretarlo.

La operación tiene siempre la misma forma y conviene desmontarla, porque casi todos los errores viven en una de sus piezas. De la hipótesis sola no se deduce nada observable: hace falta añadirle supuestos auxiliares —que el instrumento mide lo que dice medir, que las condiciones son las normales, que la muestra representa a la población— y solo del conjunto sale una predicción concreta. Después se compara la predicción con el dato. Si coinciden, la hipótesis queda corroborada, palabra deliberadamente débil que significa que ha sobrevivido y no que se haya probado. Si no coinciden, algo del conjunto falla, y aquí está la trampa: la observación adversa refuta el paquete entero sin señalar qué pieza cede, de modo que siempre cabe salvar la hipótesis sacrificando un supuesto auxiliar. A veces eso es hacer trampa y a veces es el descubrimiento del siglo. La discusión completa está en el método hipotético-deductivo.

El caso que la filosofía de la ciencia ha convertido en manual es el de Ignaz Semmelweis en el Hospital General de Viena, hacia 1847. Dos pabellones de maternidad, un solo hospital, y en el primero morían de fiebre puerperal casi cinco veces más mujeres que en el segundo. Semmelweis fue eliminando hipótesis una por una comprobando sus consecuencias: si la causa fueran las «influencias epidémicas» del aire, afectarían igual a los dos pabellones y a la ciudad, y no lo hacían; si fuera el hacinamiento, el pabellón malo estaría más lleno, y estaba menos; si fuera la posición del parto o el paso del sacerdote con la campanilla, cambiarlos alteraría la mortalidad, y no la alteró. La conjetura buena llegó con la muerte de un colega que se había cortado durante una autopsia y presentó el mismo cuadro: en el primer pabellón atendían estudiantes de medicina que venían de la sala de disección; en el segundo, comadronas que no. Semmelweis dedujo la consecuencia —si es materia cadavérica transportada en las manos, lavarlas con cloruro cálcico debería bajar la mortalidad— y la mortalidad cayó del 12 % a menos del 2 % en un año. Es una contrastación de libro, con predicción arriesgada, resultado favorable y mecanismo desconocido; la teoría microbiana tardaría todavía dos décadas.

El otro caso clásico es John Snow y el cólera de Londres. El mapa de Broad Street, con una barra por cada muerte agrupándose alrededor de una bomba de agua, es la imagen célebre, y sin embargo Snow sabía que un racimo en un mapa admite explicaciones alternativas: puede ser el aire del barrio, la miseria del barrio, cualquier cosa del barrio. Su prueba fuerte fue la que llamó el gran experimento. En el sur de Londres dos compañías suministraban agua a las mismas calles, casa por casa entremezcladas, con vecinos de la misma clase y el mismo aire; una había trasladado su toma río arriba de las cloacas y la otra no. Snow recorrió los domicilios averiguando quién servía a cada uno y comparó la mortalidad: catorce veces mayor entre los clientes de la compañía que captaba agua contaminada. La circunstancia hizo el trabajo de una asignación aleatoria, y por eso el episodio se estudia hoy como el primer experimento natural bien explotado de la historia.

En la investigación social contemporánea la contrastación adopta casi siempre forma estadística: se formula una hipótesis nula, se calcula la probabilidad de observar datos al menos tan extremos como los obtenidos si esa hipótesis fuera cierta, y se rechaza o no se rechaza según un umbral convenido. El aparato es potente y está mal enseñado. Un valor p no dice cuál es la probabilidad de que la hipótesis sea verdadera, no mide el tamaño del efecto y no distingue un hallazgo importante de uno trivial medido en una muestra enorme; la Asociación Americana de Estadística tuvo que publicar en 2016 una declaración formal para recordarlo. Y no rechazar la nula no equivale a demostrar que no hay efecto: puede significar simplemente que la muestra era pequeña.

De ahí que el criterio que importa no sea si la prueba se ha pasado, sino si era severa. Deborah Mayo lo formuló con precisión: una prueba es severa cuando, de ser falsa la hipótesis, habría sido muy probable que el resultado saliera en contra. Una predicción que cualquier resultado habría confirmado no corrobora nada por mucho que se cumpla, y ahí está el problema de fondo de una parte de la literatura reciente. Formular la hipótesis después de ver los datos —lo que Norbert Kerr bautizó como HARKing— convierte una exploración en una falsa confirmación; probar veinte comparaciones y publicar la que salió significativa produce, por pura aritmética, un resultado espurio de cada veinte. Los remedios en curso son todos maneras de restituir la severidad: registrar la hipótesis y el plan de análisis antes de recoger los datos, declarar los análisis exploratorios como tales, publicar el conjunto de datos y replicar en muestras independientes.

El ejemplo que mejor muestra lo que está en juego en política pública es el experimento de patrulla preventiva de Kansas City, en 1972. La creencia establecida —que la presencia visible de coches patrulla disuade el delito— nunca se había contrastado; se daba por evidente. El departamento dividió quince distritos en tres grupos: en cinco se suprimió la patrulla rutinaria y los coches entraban solo a llamadas, en cinco se mantuvo el nivel habitual y en cinco se multiplicó por dos o por tres. Al cabo de un año, ni la delincuencia registrada, ni la victimización medida por encuesta, ni la sensación de seguridad de los vecinos, ni su satisfacción con la policía diferían de forma apreciable entre los tres grupos. Los vecinos ni siquiera advirtieron el cambio. El resultado no demostró que la policía fuese inútil, pero refutó una hipótesis concreta y muy cara sobre cómo debía desplegarse, y de esa refutación salieron después la policía orientada a problemas y la concentración de recursos en los puntos calientes. Es un buen recordatorio de para qué sirve contrastar: no para confirmar lo que ya se hacía, sino para averiguar si lo que se hacía tenía algún efecto.

En ciencias sociales todo esto es más difícil y no por falta de rigor. No hay laboratorio donde fijar las condiciones, los conceptos hay que operacionalizarlos en indicadores imperfectos, y muchos de los supuestos auxiliares son a su vez teorías discutibles. La respuesta no ha sido renunciar a contrastar, sino multiplicar las maneras de hacerlo: experimentos de campo, discontinuidades administrativas, variables instrumentales, datos de panel, replicaciones en otros países. Cada uno de esos diseños es un intento de que la naturaleza pueda decir que no, que es en definitiva lo único que distingue una contrastación de una ilustración.

Método hipotético-deductivo – Método experimental – Verificación empírica (confirmación empírica) – El valor p y la significación estadística – Falsacionismo y revoluciones científicas – Sesgo de confirmación – Operacionalización

El método experimental consiste en producir deliberadamente la situación que se quiere estudiar, alterando una condición y manteniendo constantes las demás, para poder atribuir a esa condición lo que ocurra después. Su diferencia con la observación no está en la cantidad de datos ni en el uso de instrumentos, sino en una sola cosa: el investigador interviene. En la observación se recoge lo que hay; en el experimento se fabrica el contraste. De ahí sale su ventaja y también su precio.

La ventaja es causal. Cuando dos grupos difieren únicamente en el tratamiento recibido, la diferencia posterior no puede deberse a otra cosa, y eso es lo que ningún estudio observacional consigue del todo: por muchas variables que se controlen estadísticamente, siempre queda la sospecha de que la variable decisiva es una que nadie midió. El precio es que fijar todo lo demás no siempre es posible, casi nunca es barato y con frecuencia no es lícito.

El experimento de Lind merece contarse despacio porque enseña la estructura entera. Doce enfermos en el mismo estado, la misma comida, el mismo aire encerrado del entrepuente, y una sola diferencia entre parejas: sidra, elixir de vitriolo, vinagre, agua de mar, una pasta de ajo y mostaza, o dos naranjas y un limón. A los seis días los dos marineros de los cítricos estaban en condiciones de volver al servicio y ninguno de los otros diez había mejorado. Lind había construido un contraste limpio sin saber nada de vitamina C ni de estadística, simplemente igualando todo lo que se le ocurrió y variando una cosa. La Armada británica tardó cuarenta y cinco años en adoptar la medida, lo que ilustra otra lección del método: un experimento concluyente no es un argumento persuasivo hasta que alguien decide creerlo.

Pasteur llevó esa idea al extremo elegante. Para decidir si los microorganismos que aparecían en un caldo se generaban espontáneamente o llegaban del exterior, hirvió el caldo en matraces con el cuello estirado y curvado en forma de S: el aire entraba y salía libremente, pero las partículas en suspensión quedaban depositadas en la curva. El caldo permanecía límpido durante meses; bastaba inclinar el matraz para que el líquido tocara el polvo del cuello y la fermentación empezaba en horas. Todo estaba igualado salvo el camino del polvo, y ese detalle único convertía el resultado en una respuesta y no en una indicación.

Lo que faltaba en Lind y en Pasteur lo aportó Ronald Fisher en los años veinte y treinta, y cambió la disciplina entera. Su punto de partida es que igualar «todo lo demás» es imposible: en un campo de trigo no hay dos parcelas con el mismo suelo, ni en una población dos grupos con las mismas historias. Su solución es la aleatorización, y su lógica merece entenderse bien: asignar los tratamientos al azar no iguala los grupos, los hace comparables en promedio respecto de todas las variables, incluidas las que nadie ha pensado en medir. Es el único procedimiento conocido que controla lo desconocido. A ella añadió la replicación, que permite estimar la variabilidad natural y por tanto saber si una diferencia es mayor que el ruido; el bloqueo, que agrupa unidades parecidas antes de sortear dentro de cada grupo; y el diseño factorial, que varía varios factores a la vez en lugar de uno por experimento y consigue, además de ahorrar trabajo, detectar las interacciones que el método clásico de un factor cada vez no puede ver.

De ahí sale el ensayo controlado aleatorizado, cuyo estreno moderno suele fecharse en el estudio del Consejo de Investigación Médica británico sobre la estreptomicina en la tuberculosis, publicado en 1948 con asignación por sobres cerrados y evaluación radiológica a ciegas. Al azar se le añadieron después el enmascaramiento de pacientes y evaluadores, que neutraliza la sugestión y el sesgo del observador, y el análisis por intención de tratar, que evita que los abandonos deshagan la comparación. En el terreno social el camino ha sido más lento y ha acabado en el mismo sitio: los programas de transferencias condicionadas evaluados experimentalmente desde finales de los noventa en México y Brasil, los ensayos de campo sobre educación y microcrédito en la India y en África, y el Nobel de Economía de 2019 a Banerjee, Duflo y Kremer por haber convertido esa práctica en la norma de la economía del desarrollo.

Los límites son reales y conviene enumerarlos sin dramatismo. Éticos: no se puede asignar al azar el desempleo, el divorcio o el tabaco. De validez externa: un resultado obtenido en un contexto no viaja solo, y Deaton y Cartwright han argumentado con dureza que la media de un efecto en una muestra concreta no autoriza a esperar el mismo efecto en otra población con otras instituciones. De reactividad: las personas saben que están siendo estudiadas y eso altera su conducta, que es lo que enseñó el efecto Hawthorne. Y de escala: un programa que funciona en cien aldeas puede fracasar aplicado a un país entero, porque a esa escala cambian los precios, los incentivos y la política.

Falta la restricción que más ha cambiado la práctica, y no es metodológica. Entre 1932 y 1972 el Servicio de Salud Pública de los Estados Unidos siguió la evolución de la sífilis no tratada en cerca de cuatrocientos aparceros negros de Alabama, sin informarles de su diagnóstico y negándoles la penicilina cuando estuvo disponible en los años cuarenta, para observar el curso natural de la enfermedad. El estudio duró cuarenta años y solo terminó cuando lo destapó la prensa. De ese escándalo, y del debate sobre los experimentos de obediencia de Milgram y sobre la prisión simulada de Stanford, salió en 1979 el Informe Belmont y con él el andamiaje ético que hoy condiciona cualquier diseño: respeto a las personas y por tanto consentimiento informado, beneficencia entendida como balance explícito de riesgos y beneficios, y justicia en el reparto de unos y otros, que es la que prohíbe reclutar siempre a los mismos para soportar el riesgo. La consecuencia práctica es que un experimento no se juzga solo por su validez interna: la aleatorización solo es lícita cuando hay equipoise, es decir, cuando la comunidad profesional está genuinamente en duda sobre cuál de los tratamientos comparados es mejor. Si ya se sabe, el sorteo deja de ser un método y pasa a ser un daño.

Cuando el experimento no es posible, la respuesta no es abandonar la pregunta causal sino aproximarla. Campbell y Stanley catalogaron en 1963 los diseños cuasiexperimentales —series temporales interrumpidas, grupos de comparación no equivalentes, diseños con medidas antes y después— y los sesgos concretos que amenaza cada uno; a ellos se han sumado después las discontinuidades en el umbral de un requisito administrativo, las variables instrumentales y los experimentos naturales. Todos ellos son intentos de reconstruir, con lo que la realidad ofrece, la única propiedad que hace valioso al experimento: que la diferencia observada no tenga otra causa posible que la que se manipuló.

Contrastación empírica – Diseño experimental – Método hipotético-deductivo – Efecto Hawthorne – Validez externa – Sesgo de selección – El valor p y la significación estadística

El problema de la inducción es la constatación de que no existe ningún argumento válido que justifique inferir de lo observado a lo no observado. Lo planteó David Hume en el Tratado de la naturaleza humana (1739) y lo reformuló con más claridad en la Investigación sobre el entendimiento humano (1748), y en casi tres siglos nadie ha ofrecido una solución que satisfaga a la mayoría. Es, con diferencia, el problema abierto más incómodo de la filosofía, porque todo lo que hacemos —la ciencia, el seguro, la medicina, el aprendizaje automático, cruzar la calle— presupone que está resuelto.

El planteamiento de Hume es de una economía notable. Cuando afirmo que el pan me alimentará mañana porque me ha alimentado siempre, hago una inferencia que no es de un tipo ni del otro de los dos que él admite. No es demostrativa: no hay contradicción en suponer que mañana el pan no alimente, y lo que no implica contradicción no puede refutarse por la sola razón. Y no es probable en el sentido de estar apoyada en la experiencia, porque cualquier apoyo experiencial que ofrezca ya presupone lo que se quiere probar: si digo que el pasado predice el futuro porque hasta ahora lo ha hecho, estoy usando la inducción para justificar la inducción. La inferencia depende de un supuesto —que el curso de la naturaleza es uniforme— que no es analítico y no se puede establecer empíricamente sin circularidad. Hume distingue por eso entre relaciones de ideas, donde la razón demuestra, y cuestiones de hecho, donde solo puede haber experiencia; la inducción cae en medio y se queda sin fundamento.

Conviene subrayar ese punto porque es donde el argumento se malinterpreta más. Hume no recomienda dejar de inducir. Lo que hace es sustituir una pregunta normativa por una descriptiva: si la razón no explica por qué esperamos que el sol salga mañana, ¿qué lo explica? Su respuesta es la costumbre: la repetición de una conjunción produce en la mente una transición asociativa que no es un argumento sino un mecanismo psicológico, y la sensación de necesidad que acompaña a la expectativa es un hecho sobre nosotros y no sobre el mundo. Con ello Hume no resuelve el problema, lo naturaliza: la inducción es un rasgo de cómo funcionamos, no una inferencia con licencia lógica. Esa jugada es el origen de casi toda la epistemología naturalizada posterior.

En el siglo XX el problema se ramificó en dos direcciones nuevas y peores. La primera es la paradoja de los cuervos de Carl Hempel: si «todos los cuervos son negros» es lógicamente equivalente a «todo lo no negro no es un cuervo», entonces observar una manzana verde confirma la hipótesis sobre los cuervos, lo cual es absurdo pero se sigue de principios de confirmación aparentemente inocentes. La segunda, más profunda, es el nuevo enigma de la inducción de Nelson Goodman. Goodman define el predicado verdul: aplicable a las cosas examinadas antes de cierta fecha si son verdes, y a las demás si son azules. Todas las esmeraldas examinadas hasta hoy son verdes y también, con igual apoyo empírico, verdules; pero una hipótesis predice que la siguiente será verde y la otra que será azul. Ninguna evidencia disponible distingue entre ambas. La lección de Goodman es que el problema no es solo justificar el salto inductivo: es explicar por qué proyectamos algunos predicados y no otros, cuando la lógica no ofrece ningún criterio para preferirlos. Su respuesta —que los predicados «atrincherados» en el lenguaje por su historia de uso son los proyectables— desplaza el problema a la práctica científica y no lo resuelve.

Las respuestas al problema original se agrupan en cuatro familias y ninguna ha convencido. La primera es la deductivista de Popper: si la inducción no se puede justificar, prescindamos de ella; la ciencia no infiere leyes de observaciones, propone conjeturas y las somete a refutación, y la lógica de la refutación es deductiva. La objeción es que la ciencia sí necesita decir algo sobre el futuro —qué teoría usar para construir un puente— y ahí la preferencia por la teoría mejor corroborada es una inferencia inductiva reintroducida por la puerta de atrás. La segunda es la pragmática: la inducción no está garantizada, pero si algún método puede funcionar, este funciona, de modo que usarlo es la apuesta racional. La tercera es la probabilista, hoy dominante en la práctica: no se justifica una regla de inferencia sino que se representan los grados de creencia con probabilidades y se actualizan con el teorema de Bayes, lo que traslada el problema al origen de las probabilidades iniciales y a la elección del espacio de hipótesis —donde reaparece exactamente el enigma de Goodman—. La cuarta es disolutiva, y la formuló Peter Strawson: pedir que se justifique la inducción por medios no inductivos es como preguntar si la ley es legal; los estándares inductivos son el criterio de lo que llamamos razonable en cuestiones de hecho, y no hay un tribunal superior ante el que apelar. Es una respuesta elegante que muchos consideran un cambio de tema.

El problema tiene además una vida técnica contemporánea que conviene conocer, porque muestra que no era un ejercicio de salón. Toda la estadística inferencial descansa en supuestos que no se pueden contrastar con los mismos datos que se analizan: que las observaciones son independientes y de la misma distribución, que la muestra representa a la población, que el proceso que generó los datos seguirá siendo el mismo. Cuando alguno falla, el modelo sigue produciendo cifras con intervalos de confianza impecables y equivocadas; la crisis de 2008 fue en buena medida un accidente de este tipo. Y en aprendizaje automático el asunto está formalizado: los teoremas llamados de «no hay almuerzo gratis» demuestran que, promediando sobre todas las distribuciones posibles, ningún algoritmo de aprendizaje es mejor que otro, de modo que el rendimiento de cualquier sistema depende enteramente de que sus supuestos previos —su sesgo inductivo— casen con el mundo en el que se aplica. Es la tesis de Hume traducida a ingeniería: no hay generalización sin un supuesto previo, y el supuesto previo no se puede aprender de los datos.

De todo ello se sigue una moraleja práctica que es lo mejor que el problema ha dado. Como no hay garantía, la actitud sensata no es buscarla sino preguntar de qué depende cada extrapolación: qué supone sobre la estabilidad del proceso, en qué rango de casos se ha comprobado, qué observación la desmentiría, y qué pasa si el mundo cambia justo en lo que el supuesto daba por fijo. La ley de Goodhart y el sesgo del superviviente son, vistos así, casos particulares del problema de la inducción: regularidades que se sostienen mientras se sostiene el contexto que las producía.

Escepticismo ético – Conocimiento empírico – Falsacionismo y revoluciones científicas – Hipótesis nula – Sesgo del superviviente

El falsacionismo es la tesis de Karl Popper según la cual una teoría es científica si prohíbe algo, es decir si existe una observación posible que la refutaría, y de que el progreso del conocimiento consiste en proponer conjeturas audaces y eliminar las que fallan. Las revoluciones científicas son la descripción rival que Thomas Kuhn ofreció en 1962: la ciencia no avanza refutando sino resolviendo problemas dentro de un marco heredado, hasta que la acumulación de anomalías fuerza un cambio de marco que se parece más a una conversión que a una inferencia. Las dos propuestas están en el origen de casi todo lo que hoy se dice sobre cómo funciona la ciencia, y las dos se citan mucho más de lo que se leen.

Popper parte de un problema técnico y llega a uno cultural. El problema técnico es que la verificación no sirve para nada: por el problema de la inducción, ninguna cantidad de casos favorables establece una ley universal, mientras que un contraejemplo la refuta con validez deductiva impecable. La asimetría es lógica y no admite discusión. De ella Popper deriva un criterio de demarcación: lo que distingue una teoría empírica de una que no lo es no es que esté confirmada, sino que sea falsable, que se juegue algo. Una teoría que puede acomodar cualquier resultado no dice nada sobre el mundo, por mucho que lo explique todo a posteriori. Sus ejemplos favoritos eran de su juventud vienesa: la relatividad general, que predijo un valor concreto y comprobable de la desviación de la luz por el Sol y podía haberse hundido con la medición; frente al marxismo y al psicoanálisis de su época, que en su lectura reinterpretaban cualquier dato —el paciente que niega el complejo lo confirma por resistencia— y por tanto no arriesgaban nada.

Kuhn hizo algo distinto: en lugar de proponer una norma, describió lo que los científicos hacen. Su descripción, extraída de la historia de la física y de la astronomía, es que el trabajo ordinario —lo que llama ciencia normal— no pone a prueba los fundamentos, sino que resuelve rompecabezas dentro de un paradigma: un conjunto de teorías, instrumentos, ejemplos resueltos y criterios de lo que cuenta como problema legítimo, que se aprende en los manuales más por imitación de casos que por enunciados. En ciencia normal, una anomalía no refuta nada: se archiva como problema pendiente, se atribuye al aparato, al experimentador o a una aproximación mal hecha, y esa actitud no es dogmatismo sino la condición de que se pueda trabajar. Solo cuando las anomalías se acumulan en un punto sensible y resisten durante mucho tiempo se entra en crisis, y entonces aparecen propuestas alternativas y una fase de discusión en la que están en juego los criterios mismos. El cambio de paradigma no se decide por un experimento: Kuhn insiste en que no hay algoritmo neutral para la elección de teorías, porque cada candidato define de otro modo qué problemas importan y qué significan los términos. De ahí su noción más discutida, la inconmensurabilidad: «masa» en Newton y en Einstein no nombran lo mismo, así que la comparación entre teorías no se puede hacer punto por punto en un lenguaje común.

El punto en el que el falsacionismo ingenuo se rompe es técnico y anterior a los dos: lo formuló Pierre Duhem en 1906 y lo generalizó Quine medio siglo después. Ninguna hipótesis se contrasta sola. Entre la teoría y la observación hay siempre un cuerpo de supuestos auxiliares —el funcionamiento del instrumento, las condiciones iniciales, la corrección de las aproximaciones, otras teorías— y cuando la predicción falla, la lógica dice que algo de ese conjunto es falso, no cuál. Siempre se puede salvar la hipótesis principal culpando a un auxiliar, y eso no es necesariamente tramposo: es lo que se hizo cuando Urano se desviaba de la órbita newtoniana. Nadie abandonó a Newton; se postuló un planeta desconocido, y en 1846 se encontró Neptuno donde el cálculo lo situaba. Ese mismo movimiento se intentó con la anomalía del perihelio de Mercurio —se postuló otro planeta interior, Vulcano— y ahí no había nada, y la anomalía acabó siendo uno de los primeros éxitos de la relatividad general. La misma maniobra lógica: en un caso ciencia brillante, en el otro un callejón. Ninguna regla metodológica podía decir de antemano cuál era cuál, y ese es el argumento más fuerte contra la idea de que exista un criterio mecánico de racionalidad científica.

Imre Lakatos propuso la síntesis más utilizable. Su unidad de análisis no es la teoría aislada sino el programa de investigación: un núcleo de supuestos que se protege por convención y un cinturón de hipótesis auxiliares que se va modificando. Lo que se juzga entonces no es la verdad de un enunciado sino la trayectoria del programa: es progresivo si sus modificaciones sucesivas predicen hechos nuevos que después se comprueban —como Neptuno—, y degenerativo si solo sirven para absorber lo que ya se sabía. El criterio es histórico y comparativo, no lógico e instantáneo, y admite que un programa en apuros siga siendo racional durante un tiempo. Paul Feyerabend llevó la crítica al extremo opuesto en Contra el método: sostuvo que toda regla metodológica ha sido violada con éxito en algún episodio importante y que la única regla superviviente es que no hay ninguna, tesis provocadora que funciona mejor como advertencia que como programa.

Queda por señalar el destino del criterio de demarcación, porque su uso público es la parte más deteriorada de todo este asunto. «Eso no es falsable» se ha convertido en una fórmula de descalificación, y funciona mal por tres razones. Primera: la falsabilidad no es una propiedad binaria de los enunciados sino algo que depende de qué se acepte como observación y con qué auxiliares, y por tanto de una decisión de la comunidad. Segunda: hay ciencia perfectamente respetable que no es falsable en el sentido estricto —buena parte de la biología evolutiva histórica, la cosmología, la epidemiología observacional— y que se contrasta por convergencia de indicios y no por experimentos decisivos. Tercera, y la más importante: como argumentó Larry Laudan, ningún criterio propuesto ha conseguido separar limpiamente lo científico de lo que no lo es, entre otras cosas porque «ciencia» no es una categoría natural sino el nombre de un conjunto heterogéneo de prácticas, y la pregunta útil no es si algo es ciencia sino si una afirmación concreta está bien apoyada. Popper y Kuhn siguen valiendo, pero no como una regla y una descripción rivales: valen como el par de preguntas que conviene hacer ante cualquier teoría —qué observación te haría cambiar de opinión, y qué estás dando por supuesto para poder trabajar—.

paradigma – El problema de la inducción – Neopositivismo (positivismo lógico, empirismo lógico) – Hipótesis auxiliares – Navaja de Occam

El agotamiento del ego es la teoría según la cual la fuerza de voluntad funciona como un músculo que se cansa: cada vez que nos resistimos a una tentación, controlamos una emoción o nos obligamos a concentrarnos, gastamos una reserva limitada de autocontrol, y después tenemos menos para lo siguiente. La propuso en 1998 el psicólogo Roy Baumeister, se apoyó en cientos de experimentos y llegó a los libros de autoayuda, a los cursos de productividad y a la vida cotidiana en frases como «hoy no me queda voluntad para ir al gimnasio». Hoy es el ejemplo más citado de la crisis de replicación en psicología: cuando varios laboratorios intentaron reproducir el efecto con todas las garantías, prácticamente desapareció.

El experimento fundador tiene algo de fábula. Baumeister y sus colegas pidieron a un grupo de estudiantes que llegaran al laboratorio sin haber comido. Al entrar, la sala olía a galletas de chocolate recién hechas, y sobre la mesa había dos platos: uno de galletas y otro de rábanos. A unos participantes se les dejó comer galletas; a otros se les pidió que comieran solo rábanos y no tocaran las galletas; un tercer grupo no pasó por la sala de la comida. Después, todos tuvieron que resolver unos rompecabezas geométricos que, sin que ellos lo supieran, no tenían solución, y se midió cuánto tiempo aguantaban antes de rendirse. Los que habían resistido la tentación de las galletas se rindieron en unos ocho minutos; los demás, en unos veinte.

La interpretación era elegante: resistirse a las galletas había gastado parte del autocontrol, y ya no quedaba suficiente para persistir en una tarea frustrante. En los años siguientes, Baumeister y otros investigadores publicaron cientos de estudios con la misma lógica, en los que una primera tarea exigente (no reírse viendo un vídeo, suprimir un pensamiento, tachar letras siguiendo reglas complicadas) empeoraba el rendimiento en una segunda. Se llegó a proponer que el combustible de la voluntad era la glucosa y que una limonada azucarada bastaba para recargarla. En 2010, un metaanálisis de casi doscientos estudios estimó que el efecto era de tamaño mediano y muy consistente. Baumeister lo divulgó en el libro Willpower (2011), que fue un éxito de ventas.

Las primeras dudas surgieron al mirar los números con más atención. En 2014, Evan Carter y Michael McCullough reanalizaron los estudios y encontraron las huellas típicas del sesgo de publicación: los experimentos pequeños con resultados llamativos se publicaban, y los que no encontraban nada se quedaban en un cajón. Al corregir ese sesgo, el efecto estimado se acercaba a cero. Tampoco la glucosa resistió: el cerebro no gasta en una tarea de autocontrol de unos minutos una cantidad de azúcar que se note, y otros estudios encontraron que bastaba con enjuagarse la boca con la limonada, sin tragarla, para obtener el mismo supuesto efecto.

La prueba decisiva fueron las réplicas preregistradas en varios laboratorios, en las que los investigadores publican su plan antes de recoger datos, para no poder ajustar el análisis después según lo que salga. En 2016, 23 laboratorios de varios países aplicaron el mismo protocolo a más de 2.000 participantes y encontraron un efecto de d = 0,04, prácticamente nulo. Los defensores de la teoría objetaron que la tarea elegida no era la adecuada, así que en 2021 un segundo proyecto, dirigido esta vez por Kathleen Vohs, colaboradora de Baumeister, diseñó el protocolo junto con los partidarios del efecto y lo aplicó en 36 laboratorios con más de 3.500 participantes. El resultado fue d = 0,06: si existe, es tan pequeño que no sirve para explicar nada de la vida cotidiana.

El agotamiento del ego no es un caso aislado. En 2015, un gran proyecto intentó repetir cien estudios publicados en revistas punteras de psicología y solo consiguió resultados significativos en algo más de un tercio. De ahí han salido cambios que hoy son habituales: el preregistro, los tamaños de muestra mucho mayores, los datos abiertos y las réplicas en varios laboratorios. Sobre por qué ocurre esto, cómo se detecta y qué lo corrige trata la replicabilidad, y buena parte del problema tiene que ver con cómo se interpreta el valor p.

¿Significa esto que el cansancio no existe? No. Es evidente que después de un día agotador cuesta más resistirse al sofá. Lo que no se ha podido demostrar es el mecanismo concreto: una reserva única de voluntad que se vacía en minutos y se recarga con azúcar. Algunos investigadores proponen que lo que cambia tras un esfuerzo es la motivación y la atención, que nos lleva a buscar recompensas más inmediatas, y que las creencias pesan: en un estudio de 2010, quienes pensaban que la fuerza de voluntad no se agota apenas mostraban el efecto. La idea de que la voluntad es un músculo limitado quizá haga más daño que bien, porque ofrece una excusa perfecta para rendirse antes de tiempo.

Replicabilidad (reproducibilidad) – El valor p y la significación estadística – Las posturas de poder – El test del malvavisco – Método experimental – Tamaño muestral (tamaño de la muestra)

Las posturas de poder son posiciones del cuerpo abiertas y expansivas, como ponerse de pie con las piernas separadas y las manos en la cintura, al estilo de Superman o de la Mujer Maravilla. En 2010, un estudio publicado en la revista Psychological Science aseguró que mantener una de ellas durante solo dos minutos subía la testosterona, bajaba el cortisol, la hormona del estrés, y hacía a la gente más dispuesta a asumir riesgos. Dos años después, una de sus autoras, la psicóloga Amy Cuddy, lo contó en una charla TED que se convirtió en una de las más vistas de la historia. Hoy es uno de los casos más conocidos de un resultado que no resistió las réplicas, y también un ejemplo de cómo puede sobrevivir una parte pequeña de una idea.

El estudio original, de Dana Carney, Amy Cuddy y Andy Yap, se hizo con 42 personas. A la mitad les pidieron que adoptaran durante un minuto cada una dos posturas de poder: recostarse en una silla con los pies sobre la mesa y las manos detrás de la cabeza, o inclinarse de pie sobre una mesa apoyando las manos en ella. A la otra mitad les pidieron posturas cerradas: encogerse en una silla con los brazos cruzados o de pie con las piernas y los brazos pegados al cuerpo. Antes y después les tomaron muestras de saliva para medir las hormonas, les preguntaron cuánto poder sentían y les ofrecieron una apuesta. Según el artículo, en el grupo de las posturas de poder la testosterona subió y el cortisol bajó, mientras que en el otro ocurrió lo contrario, y más personas aceptaron la apuesta arriesgada.

La idea tenía todo lo necesario para triunfar: era sencilla, se podía aplicar gratis antes de una entrevista de trabajo o de hablar en público y prometía cambiar algo tan profundo como la química del cuerpo con un gesto. La charla de Cuddy en 2012, titulada «Tu lenguaje corporal moldea quién eres», acumuló decenas de millones de visitas y popularizó el consejo de encerrarse en el baño a hacer de Superman dos minutos antes de un momento importante.

En 2015, un equipo dirigido por la economista Eva Ranehill repitió el experimento con 200 participantes, casi cinco veces más que el original, y con un procedimiento aún más controlado. No encontró ningún efecto sobre la testosterona, el cortisol ni la disposición al riesgo. Lo único que se mantuvo fue que las personas decían sentirse algo más poderosas después de las posturas abiertas. En 2016, Dana Carney, la primera autora del estudio original, publicó en su página web una declaración inusual en la ciencia: dijo que ya no creía que los efectos de las posturas de poder fueran reales, y explicó con detalle las decisiones de análisis que habían inflado los resultados, como añadir participantes a mitad del estudio o descartar datos según convenía.

En 2017, los investigadores Joseph Simmons y Uri Simonsohn aplicaron a los estudios publicados sobre el tema una técnica llamada curva p, que analiza cómo se reparten los valores p de un conjunto de estudios para detectar si detrás hay un efecto real o solo el resultado de probar análisis hasta encontrar uno significativo. Su conclusión fue que los datos eran compatibles con que no hubiera ningún efecto. Cuddy y sus colaboradores respondieron en 2018 con otra curva p sobre un conjunto más amplio de estudios, y encontraron pruebas sólidas de un efecto más modesto: las posturas abiertas hacen que la gente se sienta más segura y poderosa. Sobre las hormonas y la conducta, en cambio, no había base.

Lo que queda, por tanto, es mucho menos de lo prometido. Adoptar una postura abierta puede hacer que alguien se sienta un poco más seguro durante un rato, igual que respirar hondo o repasar lo que va a decir, y eso no es poco antes de una entrevista. Lo que no hace, según la mejor evidencia disponible, es cambiar la química del cuerpo ni convertir a nadie en otra persona. Y conviene no olvidar el orden habitual de las cosas: sentirse poderoso lleva a adoptar posturas expansivas, algo que se observa en muchas especies, mucho más de lo que una postura hace sentirse poderoso.

El caso muestra también cómo se corrige la ciencia. El estudio original era pequeño, como muchos de su época, y los autores tomaron decisiones de análisis que entonces eran habituales y hoy se consideran malas prácticas. La réplica grande, el reanálisis y la sinceridad de Carney forman parte del mismo movimiento que ha cuestionado el agotamiento del ego y que ha llevado a exigir muestras mayores y análisis registrados de antemano, como se explica en replicabilidad.

Replicabilidad (reproducibilidad) – El valor p y la significación estadística – El agotamiento del ego – Tamaño muestral (tamaño de la muestra) – Sesgo de confirmación – Liderazgo

El experimento de Rosenhan es un estudio que el psicólogo David Rosenhan, de la Universidad de Stanford, publicó en 1973 en la revista Science con un título que se hizo célebre: «Cuerdos en lugares de locos». Contaba que ocho personas sin ningún trastorno mental habían conseguido ser ingresadas en hospitales psiquiátricos fingiendo un único síntoma, que una vez dentro se habían comportado con total normalidad y que ningún médico ni enfermero se había dado cuenta del engaño. El artículo sacudió la psiquiatría estadounidense y contribuyó a cambiar la forma de diagnosticar. Casi cincuenta años después, una investigación periodística ha puesto en duda que ocurriera tal como se contó.

Según el artículo, los ocho pseudopacientes, entre ellos el propio Rosenhan, eran tres mujeres y cinco hombres: un estudiante, tres psicólogos, un pediatra, un psiquiatra, un pintor y un ama de casa. Se presentaron en doce hospitales de cinco estados distintos, públicos y privados, y dijeron siempre lo mismo: que oían una voz, poco clara, que decía palabras como «vacío», «hueco» y «golpe sordo». Aparte de eso, y de dar un nombre y una profesión falsos, contaron su vida tal como era.

Todos fueron ingresados. Once recibieron el diagnóstico de esquizofrenia y uno el de psicosis maníaco-depresiva. En cuanto entraron, dejaron de decir que oían voces y se comportaron con normalidad, pero tuvieron que convencer al personal de que estaban bien para que les dejaran salir, cosa que tardó entre 7 y 52 días, con una media de 19. Recibieron en total más de dos mil pastillas, que en su mayoría tiraron por el retrete. Ninguno fue descubierto por el personal, y al darles el alta el diagnóstico no cambió: salieron con una esquizofrenia en remisión, como si la enfermedad siguiera ahí, solo que dormida.

Lo más inquietante eran los detalles. Los pseudopacientes tomaban notas de lo que veían, y en los informes de enfermería eso se describía como una «conducta de escritura», un síntoma más. Un pseudopaciente que esperaba a la puerta del comedor antes de la hora era, según las notas, alguien con «rasgos orales». Una vez colgada la etiqueta, todo se leía a través de ella. Mientras tanto, algunos de los verdaderos pacientes sí sospecharon: según Rosenhan, 35 de 118 les dijeron en algún momento que no estaban locos, que debían de ser periodistas o profesores investigando el hospital.

Rosenhan añadió un segundo estudio. Un hospital universitario que conocía el primero aseguró que a ellos no les pasaría, así que Rosenhan les anunció que durante los tres meses siguientes enviaría uno o más pseudopacientes. De 193 pacientes ingresados en ese tiempo, al menos un miembro del personal señaló con seguridad a 41 como probables impostores, y 23 despertaron las sospechas de al menos un psiquiatra. Rosenhan no había enviado a nadie. Su conclusión fue que los psiquiatras no sabían distinguir a una persona sana de una enferma, y que el contexto del hospital pesaba más que la persona.

El estudio tuvo un impacto enorme en un momento en que la psiquiatría ya estaba bajo sospecha, en plena ola de la antipsiquiatría y del cierre de los grandes manicomios. Se convirtió en uno de los artículos más citados de la historia de la psicología y aparece en casi todos los manuales. También influyó en la tercera edición del manual diagnóstico de la Asociación Americana de Psiquiatría, el DSM-III de 1980, que abandonó las descripciones vagas por listas de criterios concretos, con síntomas, duración y exclusiones, para que dos médicos distintos llegaran al mismo diagnóstico ante el mismo paciente. El psiquiatra Robert Spitzer, que dirigió esa revisión, fue a la vez uno de los críticos más duros de Rosenhan: argumentó que diagnosticar como psicótico a alguien que dice oír voces es lo razonable, y que la «remisión» indicaba precisamente que los médicos habían notado que ya no había síntomas.

La revisión más seria llegó en 2019, cuando la periodista Susannah Cahalan publicó The Great Pretender tras años investigando los papeles de Rosenhan, que murió en 2012. Cahalan solo pudo identificar a dos de los otros siete pseudopacientes. Uno de ellos, Harry Lando, contó que su estancia había sido positiva, que el hospital le pareció un lugar tranquilo y que se sentía bien tratado, y que Rosenhan lo dejó fuera del artículo sin explicación. Las notas clínicas del propio Rosenhan, además, recogían síntomas más graves de los que el artículo decía haber fingido. Cahalan no encontró rastro de los demás pseudopacientes ni de los datos del segundo estudio, y concluyó que parte del experimento pudo no haberse hecho nunca como se describió.

Lo que queda del caso es una advertencia doble. Por un lado, el problema que Rosenhan señalaba es real: una etiqueta diagnóstica cambia cómo se interpreta todo lo que hace una persona, y los diagnósticos psiquiátricos tienen que ser fiables y revisables. Por otro, el propio estudio muestra lo fácil que es que un resultado espectacular, que confirma lo que mucha gente ya sospechaba, se acepte durante décadas sin que nadie compruebe sus datos. Es la misma lección del experimento de la cárcel de Stanford y uno de los motivos por los que hoy se insiste tanto en la replicabilidad y en el sesgo de confirmación.

Prueba de evaluación psicodiagnóstica (psicodiagnóstico) – Estereotipos – Sesgo de confirmación – Replicabilidad (reproducibilidad) – El experimento de la cárcel de Stanford – Efecto Hawthorne