Hipótesis y teorías científicas (intentando clarificar)

Este post es fruto de la colaboración con Vicky, de RedBioGeo. Que tenía yo ganas, sí! :)

“Antes muy antes”, el pensamiento científico aspiraba a obtener la verdad. Hoy ya no tanto. No es que se haya renunciado, no. Es que se empieza a pensar que ese no es el trabajo de un científico.

La caverna de Platón

Fuente: http://tinyurl.com/ycw3nqb

“Antes muy antes” (me refiero a la época de Platón, siglo IV a.C.), la verdad procedía de la mente. Se creía que bastaba con aplicar unas buenas reglas lógicas, de pensamiento, para descubrir cómo eran las cosas. El mundo existía porque existía el pensamiento. La experiencia era una representación imperfecta de la razón. Ya sé que suena raro pero era la manera de pensar predominante antes muy antes. La fuente de la verdad, entonces, se situaba en la mente.

Vamos a ver… Esa influencia era más intelectual que práctica. Un agricultor o un pescador no razonaban acerca de facilidad con la que un arado actuaba o de la flotabilidad de un bote. Más bien probaban cosas y veían si funcionaban. O sea, que estaban ciencia por su lado y tecnología por el suyo. Claro. Porque la ciencia lanzaba ideas que sí, que parecían muy razonables, pero que funcionaban poco. Bueno, también se lograban ideas buenas, ¿eh? Pero tantas como ideas fallidas. Y es que la ciencia se consideraba la actividad más elevada, propia del alma, del espíritu que buscaba la verdad. Y la tecnología… La tecnología buscaba cosas que funcionaran. Y como eso es trabajar manualmente, se le dejaba a los que no se les consideraba capaces de pensar, sólo de actuar (fundalmentalmente a los pobres). Porque actuar siempre ha estado mal visto. Claro, pensar no mancha.

“Algo después de antes muy antes” (en los siglos XVII y XVIII, vamos),  la experiencia cobra otro valor. Bajo la influencia de pensadores tan eminentes como Bacon, Hobbes, Locke, Hume. Todos ellos ingleses. Es curioso, ¿no? Que coincida esa mentalidad de darle a la experiencia otro valor, superior al del mero pensamiento, con ingleses. Y que la Revolución Industrial sucediera en Inglaterra. Y que Inglaterra fuera la nación dominante durante esos siglos y hasta principios del XX, frente a la platónica España y a la racionalista Francia. ¿Será que enfocaron bien el problema de la ciencia? ¿Que aunaron ciencia y tecnología? ¿Que le dieron a la ciencia un papel social? ¿Que incorporaron a la ciencia toda la sabiduria acumulada en la tecnología y que hasta entonces se había mantenido aparte, porque manchaba?

Pero había un problema. Llevado al extremo, ese empirismo (ese obtener el conocimiento únicamente de la experiencia) puede negarle cualquier papel a la razón, al pensamiento.

Y no es eso, no es eso…

No todo puede ser experiencia, no todo puede ser experimento. Y es que hay tantas cosas que ver, que oír, que tocar, que oler, que gustar… Hay tantas cosas que investigar que no podemos experimentar porque sí. La experiencia tiene que estar guiada hacia algún propósito. Y la experiencia, sin atención, no es nada. La mente interviene. Dirige nuestra atencion y pone un filtro a la experiencia. Nos dice qué merece la pena atender y qué no. Qué tiene relevancia.

Luego necesitamos una guía para la experiencia. Ahí vuelve a entrar el pensamiento. Por tanto, el obtener ideas es una combinación de ambas fuentes: pensamiento y experiencia.

¿Y ya está? ¿Combinar pensamiento y experiencia era la solución?

Cabeza con hipótesis

Fuente: http://tinyurl.com/yjtjhup

¡¡¡¡Ayyyyyy!!!! En realidad eso tampoco es cierto. No basta. Porque hoy tenemos muchas ideas, muchísimas. Hemos avanzado una barbaridad. No es que haya pasado mucho tiempo, no. Es hemos descubierto muchas cosas. No midas el mundo en tiempo, mídelo en avances, descubrimientos, ideas. Entonces verás que estamos muy lejos de “antes muy antes” (siglo IV a.C.) y de “algo después de antes muy antes” (siglos XVII-XVIII); estamos en un mundo mucho más rico en descubrimientos. Y eso cuenta, eso tiene un peso. Hemos avanzado tanto en comprender el mundo que el valor de un nuevo descubrimiento no se mide por lo cierto o incierto que sea, sino por como encaja con lo que ya sabemos. Una idea aislada, aunque parezca buena, si no encaja se considera una anomalía y no se tiene en cuenta. Para aceptar un hallazgo, tiene que encajar en el contexto de los demás hallazgos.

Así, los científicos, a partir de esa mezcla de pensamiento, experiencia y contexto, lanzan propuestas. Propuestas acerca de cómo creen que es el mundo. Esas propuestas tienen que ser razonables, tienen que poder verificarse mediante algún tipo de experimento que permita medir, tienen que encajar con las demás. No vale cualquier idea, tiene que cumplir esos requisitos. A esas propuestas con esas características les venimos llamando hipótesis científicas.

Pero esas suposiciones, que parecen ser razonables, que podrían encajar con lo que sabemos, hay que comprobarlas. Y eso se logra sometiéndolas a la experiencia. Y a la estadística. Porque en muchas ocasiones, lo que estudiamos es muy complejo, o muy amplio. Tan complejo o tan amplio que en los experimentos hay que simplificar. Es decir, que el experimento toma parte de la realidad, no toda. Y eso significa introducir posibles errores en los resultados finales. En la ciencia moderna los experimentos nos dan datos que hay que interpretar, no resultados que directamente digan sí o digan no. Eso es lo que llamamos método científico. Obtenemos unos datos y comprobamos si es probable que apoyen nuestra hipótesis. Es decir, si pudieran ser ciertas. ¡Ojo! No si son ciertas, sino si pudieran serlo. A eso se le llama corroboración de hipótesis. Y si no se logra, si se demuestra que la hipótesis es falsa bajo las condiciones del experimento, se llama refutación.

Y es que el método científico ha ido evolucionando. Hasta Popper, el método científico buscaba la verdad. Desde Popper se busca eliminar lo que no es cierto y renuncia a encontrar la verdad. Sólo se queda con lo que podría ser cierto. Es decir, no puedes estar seguro del todo ¡de nada! Pero si algo funciona una y otra y otra vez, si algo supera múltiples comprobaciones, múltiples experimentos, ocurre que, aunque no estés seguro del todo, sí que puedes actuar como si fuera cierto. A eso que funciona una y otra vez, que encaja bien con otras ideas y que se considera razonable, que tiene poder explicativo, sirve para fundamentar una teoría científica. Que es una formulación, una idea, un modelo, una ecuación… lo que sea que sirve para explicar y predecir. Para explicar y predecir los fenómenos que nos ocupaban, que nos preocupaban. Cuantas más hipótesis se verifiquen como apoyos para una teoría, más sólida resultará ésta última.

¿Y es así de sencillo? Ni de broma! Porque al introducir la estadística, el contexto de otras hipótesis y otras teorías, los experimentos y las máquinas que miden los resultados de los experimentos, las simplificaciones que se eligen para poder llevar a cabo el experimento… ¡Todo se complica!

Pero eso te lo cuento mañana… Lo de hoy era en un mundo ideal.

De plagas, datos, calor, errores y confianza

ResearchBlogging.orgEsta entrada está avalada por Research Blogging.

Esta entrada es bilingüe.


Un buen buen amigo mío, matemático, desconfía de la estadística. Pero yo no estoy de acuerdo con él. Para poner en cuestión cualquier resultado me pregunta: “¿y cómo se ha llegado a esa conclusión?”. Y cuando en mi respuesta aparece la palabra estadística, se encoge de hombros y mueve la cabeza, mostrando un gesto de desconfianza. Porque entiende que la estadística puede ser usada para mentir.

Y en eso estoy de acuerdo con él. Claro que puede ser usada para mentir.

Pero ir más allá, afirmar que, como la estadística puede ser usada para mentir cualquier estadística miente, es dar un paso muuuuuy largo. Y en ese paso yo no estoy de acuerdo con él. Sería como decir que, dado que en castellano se puede mentir, todo lo dicho en castellano es mentira. En mi opinión, es la falacia de la parte como el todo. Que significa que si una parte es cierta, todo lo es. Y eso no funciona así. Para nada.

Verás, el lenguaje de la ciencia es la matemática. Y la herramienta para verificar la validez de las conclusiones científicas es la estadística. Todo el mundo mundial se ha puesto de acuerdo en eso. Porque estadística y matemática son lenguajes objetivos, que te llevan a las mismas conclusiones si haces lo mismo, llegas siempre al mismo sitio si das los mismos pasos. Da igual que la investigación suceda en Helsinki o en Torrelodones, la escribas en inglés o en tagalo. Llegas a lo mismo. Pero hay un punto débil. La bondad, la veracidad, la fiabilidad de la estadística depende de que esté alimentada por buenos datos. Un estudio estadístico puede llevarte hacia una conclusión si los datos que se le suministran son unos, o hacia la conclusión completamente opuesta, totalmente distinta, si son otros.

En ese sentido, la estadística te puede mentir. Claro que sí. Pero es una mentira verificable. Porque está a la vista. Otro puede llegar, cuestionar los datos introducidos y proponer mejoras, terminando por sustituir las conclusiones iniciales por otras nuevas.

Sí, la estadística puede mentir. O simplemente equivocarse. Pero es verificable, es comprobable si está mintiendo o equivocándose.

Es decir, es una buena herramienta científica. Objetiva y verificable. Por eso es universalmente aceptada.

Plaga de langostas

Fuente: http://tinyurl.com/ylrnb2r

Un buen ejemplo de lo que quiero comentar lo puedes encontrar en un análisis de las plagas de langostas que han sufrido a lo largo de la historia en China. Para intentar averiguar qué años son más sensibles, qué condiciones han creado plagas mayores y más dañinas. Esa es una preocupación recurrente en la historia de China, dadas las mortandades que este tipo de plagas solían provocar (hoy son más bien daños económicos). Y un científico de la Universidad de Pekín, Ma Shijun, elaboró un registro histórico de plagas y su severidad.

Around 50 years ago, Ma Shijun, a entomologist who worked at Peking University in Beijing, used these records to rank the severity of locust outbreaks (…) over the past 1.000 years on a scale of one to ten.

En ecología hay un viejo debate acerca de si el tamaño de una población, el número de individuos que hay en un momento dado, depende de factores externos (fundamentalmente clima) o de cuestiones internas de la población (territorialidad, número de progenitores, competencia, predación, etc.). Y parece que el debate se decanta hacia el clima como el principal regulador del tamaño de las poblaciones. Por lo menos en langostas. Eso sugieren varios estudios científicos.

“In population ecology, researchers have been debating what controls the size of species populations over long time periods. Some think that climate has a dominant role, whereas others hold that internal biological mechanisms, such as competition and predation, are more important”.

Usando los datos de Ma Shijun que te decía antes, los de las plagas de langostas en la China del último milenio, el equipo dirigido por Nils Stenseth llegó a la conclusión de que las mayores plagas sucedían en épocas de temperaturas más frías y clima más húmedo.

“Linking these records with temperature and precipitation reconstructions for the period 957-1956, we show that decadal mean locust abundance is highest during cold and wet periods”.

Y el equipo que dirige Yu Ge llegó también a la conclusión de que lo impotante era el clima. Solo que justamente el clima opuesto que había encontrado Stenseth. Stenseth decía que eran períodos fríos y lluviosos los que disparaban la población de langostas. Y Yu Ge afirma que más bien son períodos cálidos y con unas condiciones de precipitación muy concretas, según la región de China de la que se ocupe.

“…the most severe locust outbreak years were in the warm-dry years with warm-dry summers and warm-wet winters in the Yellow River–Haihe River region, northern China, and warm-wet years with warm-wet springs in the Yangtze River–Huihe River region, southern China”.

¿Cómo puede ser esto, si ambos equipos emplearon los mismos datos, los de Ma Shijun? Es verdad que los dos están de acuerdo en que el clima es el que provoca las plagas de langostas. Pero luego, cada uno dice que es un tipo de clima. Y además, totalmente opuesto al del otro…

Pues porque la correlación con el clima no fue igual. Stenseth usó datos que abarcaban promedios de toda China a lo largo de décadas. Y China es un país muuuuuuuy grande. Y una década es un tiempo muy largo para una langosta, que vive sólo un año. Ten en cuenta que cada año los adultos ponen sus huevos y estos nacen al año siguiente. Y si ese año hace frío, qué más da lo que haga en esa década, la temperatura que hizo hace dos años o la temperatura que hará dentro de cinco. Ese año ha hecho frío. Eso, Stenseth, no lo tuvo en cuenta. Y Yu Ge sí.

Y por cierto, que los resultados de Yu Ge apuntan a que en un mundo más cálido y seco, como el que viene con el calentamiento global, las plagas de langostas serían más frecuentes.

En fin, que las conclusiones de Yu Ge son más fiables… ¡por ahora! Son distintas de las de Stenseth a pesar de que usa herramientas estadísticas similares a las que empleó Stenseth. Peor alimentadas por mejores datos. ¿Y eso nos debe hacer desconfiar de la ciencia? A quien busque respuetas exactas, sí. Porque en la ciencia no encontrarás certezas. Encontrarás probabilidades, pero nunca certezas.

Sí es verdad que conozco bastantes personas que desconfían de la ciencia porque dicen que sus conclusiones pueden ser falsadas (es decir, se puede demostrar que son falsas) pero no autentificadas (nunca se puede demostrar que son ciertas). Es decir, que desconfían de la ciencia. Porque la ciencia es así. Pero, sin embargo, usan la ciencia. Usan automóviles, ascensores, ven la predicción del tiempo, se suben a un avión, toman medicinas…

Yo veo contradictorio desconfiar de la ciencia y de sus herramientas pero confiar en sus productos.

Referencias:

  • Yu, G., H. Shen, and J. Liu (2009). Impacts of climate change on historical locust outbreaks in China J. Geophys. Res DOI: 10.1029/2009JD011833
  • Qiu, J. (2009). Global warming may worsen locust swarms Nature DOI: 10.1038/news.2009.978
  • Stige, L., Chan, K., Zhang, Z., Frank, D., & Stenseth, N. (2007). From the Cover: Thousand-year-long Chinese time series reveals climatic forcing of decadal locust dynamics Proceedings of the National Academy of Sciences, 104 (41), 16188-16193 DOI: 10.1073/pnas.0706813104