1.
Ciencia, hechos y evidencia
1.1. La evidencia como guía del conocimiento cientí co
Aspira a conocimiento able basado en hechos. Su objetivo es comprender cómo es el mundo y
no cómo queremos o imaginamos que es.
Un hecho es aquello que es verdad: un átomo de hidrógeno tiene un protón, es un hecho que
p=es verdad que p. La ciencia aspira a la objetividad.
Una evidencia es lo que hace que algo sea verdad. Evidenci de que p = algo que hace evidente,
indica o hace probable que p es verdad. La investigación cientí ca se sirve exclusivamente de
la evidencia disponible.
1.2. Evidencia, verdad y éxito práctico
¿Por qué usamos evidencias? Porque es útil: predicciones acertadas, sacar ventaja de x
situaciones, más seguridad. La evidencia depende de cómo es el mundo, por lo que es más
acertado usarlo para predecir.
La ciencia, por lo tanto, es una guía para la acción, para actuar de manera informada y buscando
una mayor probabilidad de éxito.
Distinción entre:
A. Ciencia aplicada: aplicación de conocimiento cientí co a cuestiones prácticas (ingeniería,
medicina, arquitectura…)
B. Ciencia básica: la que no se aplica a la práctica (física, matemática…)
Ambas tienen una relación estrecha. Ej: la mecánica cuántica es aplicada por los ingenieros para
nuevas tecnologías de computación; a su vez, la ingeniería informática permite a los físicos tener
ordenadores más potentes para hacer sus cálculos. A menudo, la ciencia está motivada por
cuestiones prácticas. Así, el camino de la investigación cientí ca sí que está en el fondo
pautada por la iniciativa subjetiva del cientí co, que le dará un enfoque a otro, siempre intentando
seguir criterios objetivos.
1.3. Evidencia cientí ca frente a tradición y dogma
La ciencia tiene un marcado “carácter antidogmático” y crítico. El criterio es siempre la evidencia
directa. El surgimiento de la ciencia moderna está marcado por el enfrentamiento con la
tradición y con el principio de autoridad. La actitud cientí ca reivindica la autonomía
intelectual. Los cientí cos deben veri car por sí mismos. Galileo (1554-1642) observa manchas
solares y desperfectos en el sol, lo que refutó la idea de los cuerpos celestes incorruptibles
(Aristóteles). Decía que los textos religiosos no sirven para describir el mundo, sino para tratar
cuestiones espirituales. Tuvo que retractarse de alguna de sus tesis.
Los expertos representan la gura de autoridad en la ciencia, “debemos” con ar en sus
resultados. La ciencia es antidogmática y revisable.
1.4. Evidencia, sesgos y prejuicios
En general, para tomar decisiones cotidianas recurrimos a la evidencia. Cogemos un paraguas
porque es evidente que el agua moja. La investigación cientí ca es una extensión sistemática y
re nada de esto. A veces aparecen sesgos que distorsionan nuestras decisiones. Prejuicios:
atribuir ciertas características a algo sin tener una evidencia directa. Por ejemplo: beberse el
zumo rápido para que no se le vayan las vitaminas.
Pensamiento desiderativo (wishful thinking): formación de creencias in uido por deseos
personales acerca de cómo queremos que sea el mundo. Esto se puede dar de manera
inconsciente. Ej= prestar más atención a las tesis favorables que a las desfavorables (sesgo de
con rmación). Estos fenómenos son manifestaciones de los sesgos.
Sesgo cognitivo: error sistemático en la evaluación e interpretación de la evidencia disponible.
Tendencia a pensar como la mayoría, tendencia a intuir probabilidades con error (la rule).
La investigación cientí ca intentará eludir este tipo de sesgos a través de métodos sistemáticos
que los corrijan.
1
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fl
fi
2. Conocimiento empírico y observación
2.1. Empirismo
El empirista se basa en la observación: fuente básica de evidencia cientí ca. La evidencia
observacional es aquella obtenida a través de los sentidos (instrumentos como el telescopio,
etc). La observación “no está sujeta al control de la voluntad”, pues lo que observamos depende
de cómo es de hecho el mundo. En este sentido, la observación es objetiva. Por ello, la evidencia
observacional puede ser una fuente de evidencia objetiva.
Aunque la observación no siempre es infalible, pues pueden haber elementos engañosos como:
fallos en la percepción, falta de condiciones propicias para la percepción, efectos ópticos,
efectos acústicos, ilusiones, falta de precisión… También pueden depender de factores
subjetivos (hipermetropía, hipoacusia, etc). Estas sus posibles limitaciones. Pese a ser falible, la
observación perceptiva es able en condiciones normales/favorables. En esto se basa el
empirismo. Constituye el criterio fundamental para determinar la aceptabilidad de una tesis
concreta. Esta es la base de la ciencia moderna
2.2. Instrumentos
En ciencia no siempre se parte de la observación directa, sino que se utilizan instrumentos más o
menos precisos. Hablamos de observación directa cuando percibimos dichas observaciones a
través de nuestros sentidos, ampli cándolos o no mediante instrumentos. Cuando no somos
capaces de percibir dichas magnitudes por nosotros mismos, la observación es indirecta y se
aplica para casos como la radiación, frecuencias invisibles/inaudibles, etc.
Estos instrumentos corrigen nuestras limitaciones perceptivas y permiten cuanti car (!!!) la
observación. Aunque pueden inducir a error, pues hay que calibrarlos, ajustarlos y usarlos
siempre en unas condiciones óptimas. Pero es lo su cientemente able y de hecho, la tecnología
es el motor de la ciencia (telescopios, microscopios, detectores de ondas, satélites…). A su vez,
la ciencia teórica vuelve a alimentar y fomentar el desarrollo tecnológico, dándose un proceso en
bucle. Galileo fue uno de los primeros cientí cos en utilizar el telescopio para obtener evidencias
cientí cas.
2.3. El carácter público de la observación cientí ca
La observación cientí ca aspira a ofrecer evidencia objetiva. Debe ser accesible para distintos
sujetos: intersubjetiva. Deben poder ser repetidas y evaluadas por distintos observadores. La
observación pública permite la detección de errores. Una observación privada no será tan
cientí ca como una pública.
La evidencia observacional ha de ser aceptable para investigadores que de endan posturas
contrarias. Es vital que estas observaciones se realicen bajo procedimientos protocolarios que
estén establecidos bajo mutuo acuerdo. Deben ser repetibles y replicables por distintos sujetos.
Esta repitibilidad tiene sus límites, como en los estallidos de supernovas, eclipses, terremotos,
etc.
Es importante que estas evidencias observacionales tiendan a ser medibles cuantitativamente,
esto permite comparar las observaciones con precisión. Aunque no toda la evidencia es
cuanti cable: comportamiento animal/humano, entrevistas, etc.
3. Experimentación
3.1. ¿Qué es un experimento?
La observación cientí ca involucra exploración activa del entorno. Es necesario colocarse en una
posición adecuada. Un experimento es una manera activa de generar situaciones que
puedan dar lugar a observaciones que puedan proporcionar información relevante. Es
necesario poder manipular activamente dicho experimento y este proporciona información que
difícilmente podríamos encontrar en la naturaleza.
Un caso famoso es el de I. Smmelweis. En 1847, observó que la tasa de mortalidad por ebre era
mayor en una clínica atendida por obstetras y estudiantes que en una atendida por matronas.
2
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
Una de las diferencias era que los médicos y estudiantes realizaban autopsias antes de atender a
las pacientes. Aisló dicha variable. Hizo que los médicos y estudiantes se lavasen las manos con
solución de cloro desinfectante. Así disminuyó notablemente la tasa de defunciones.
3.2. Experimentos, laboratorios y observación controlada
A menudo las observaciones suponen la necesidad de tener que delimitar el entorno de dicho
experimento, hay que minimizar las posibles interferencias aislando variables: evitando
temperaturas extremas, descartando contaminación ambiental, etc. En un experimento
controlado se controlan las posibles interferencias y se comparan con situaciones en la que no se
manipula el experimento para controlar dichas interferencias. Esto permite averiguar si el efecto
observado está causado por la manipulación de dicha variable. Esto hace posible hallar
relaciones causa-efecto. Ahora bien, los resultados obtenidos en laboratorios controlados no
siempre tienen validez en el mundo real, debido a que la realidad es mucho más compleja y a
menudo, las situaciones reales suelen ser multifactoriales. Por ejemplo en psicología, economía,
antropología…
3.3. La ciencia experimental y sus límites
La ciencia experimental se dedica al diseño, realización y análisis de los propios experimentos.
Estos requieren medios instrumentales, tecnología, diseño, grupos de trabajo, nanciación… Una
de las claves del diseño de montaje experimental es que nos permita acceder a una información
able acerca del fenómeno. Los experimentos suelen apoyarse en una base teórica, por
ejemplo la cristalografía que permitió revelar la estructura del ADN necesitó previamente una
profunda comprensión de la naturaleza de los rayos X y su difracción. El experimento no debe
partir de una tesis dada por cierta, pues eso supondría un proceso circular y poco able.
Algunos experimentos necesitan la colaboración entre estados o corporaciones y grandes
cantidades de capital, como el acelerador del CERN. La investigación suele requerir la
colaboración de numerosos cientí cos, como pasó con el descubrimiento del Bosón de Higgs.
La experimentación cientí ca también puede verse limitada por consideraciones éticas:
experimentos con animales, humanos, criterios ecológicos… Los centros de investigación suelen
tener comités éticos.
Algunas disciplinas no cuentan con la posibilidad, en general, de replicar situaciones mediante
experimentos como en astronomía: no se puede replicar experimentalmente una supernova. La
ciencia observacional consiste en una disciplina cientí ca en la que la evidencia cientí ca tiende
a obtenerse por la observación sin intervención experimental.
4. El método científico
4.1. ¿Qué es una hipótesis?
La ciencia no consiste en recolectar datos empíricos, sino que surge a partir de una pregunta.
Un experimento u observación es cientí camente relevante cuando responde a una pregunta o
contribuya a refutar una respuesta dada.
Una hipótesis es una posible respuesta a una pregunta de investigación. Se plantean como
conjeturas. La investigación cientí ca gira en torno al planteamiento de hipótesis y su
comprobación empírica, siendo habitual que se propongan varias hipótesis a una misma
pregunta. Una hipótesis será refutada (falsada) empíricamente si se demuestra que no es
compatible con la evidencia disponible: Galileo refutó el geocentrismo al demostrar que había
cuerpos celestes orbitando a Júpiter.
Es necesario que una hipótesis tenga: a) capacidad explicativa y generalidad; b) poder
predictivo; c) simplicidad (navaja de Ockham).
4.2. La comprobación empírica de la hipótesis
3
fi
fi
fi
fi
fi
fi
fi
fi
fi
La ciencia funciona mediante un método de prueba y error. Las hipótesis deben poder ser
sometidas a comprobación empírica: deben ser refutables/falsables empíricamente, debe
existir la posibilidad de que surja evidencia empírica que la refute (Karl Popper).
Las predicciones de una hipótesis son las consecuencias que se derivarían de la verdad de
dicha hipótesis. Una hipótesis quedará refutada si alguna de sus predicciones resulta
incompatible con la evidencia empírica obtenida mediante observaciones o experimentos.
Así, el método cientí co queda conformado por los siguientes pasos:
1) Formulación de la pregunta
2) Propuesta de hipótesis
3) Se in eren las predicciones e implicaciones empíricas
4) Comprobación empírica de las implicaciones y predicciones
5) Se descartan o revisan las hipótesis refutadas empíricamente
Esto es el método hipotético-deductivo.
4.3. Claridad y precisión como ideales cientí cos
Una hipótesis solo es comprobable empíricamente si sus implicaciones empíricas pueden
determinarse de manera clara y precisa, han de estar formuladas de manera que no haya
confusión. Deben tener un lenguaje preciso y no ambiguo: terminología técnica. Este uso de
terminología técnica supone una barrera para los no expertos pero permiten un mejor desempeño
de la ciencia.
El lenguaje matemático desempeña un papel fundamental en numerosas disciplinas cientí cas
desde el siglo XVII. Las predicciones de una hipótesis formulada matemáticamente pueden
expresarse de forma cuanti cada.
4.4. El carácter falible y corregible de la ciencia
La investigación tiene un carácter falible y corregible. La ciencia incluye mecanismos de
autocorrección y de revisión de hipótesis ante las nuevas discrepancias que vayan surgiendo.
La ciencia es un proceso abierto, en continua revisión. Por ejemplo, la teoría newtoniana fue
sustituida por la teoría de la relatividad de Einstein y la mecánica cuántica.
Los resultados experimentales también son falibles y revisables. Aunque cuando aparecen
resultados experimental que entran en con icto con teorías establecidas, se suele tender a
cuestionar la abilidad del experimento antes que la teoría.
La comprobación y revisión de hipótesis no es un proceso lineal y predeterminado. Una hipótesis
lleva a predicciones comprobables empíricamente en combinación con otras hipótesis auxiliares.
Las predicciones normalmente no se siguen de una única hipótesis aislada. El holismo empírico
implica que la evidencia empírica no suele refutar una hipótesis aislada, sino un conjunto de ellas.
Cuando una predicción resulta incompatible con la evidencia, no siempre es sencillo saber qué
parte de la teoría o del experimento hay que cuestionar. Hay que hacer un mejor ajuste global
de la teoría con la evidencia disponible.
5. La inducción y sus problemas
5.1. ¿Qué es la inducción?
La ciencia hace un uso constante de inferencias/razonamientos para obtener conclusiones. La
inferencia/razonamiento es una transición entre dos creencias de una manera “justi cada”. Son
necesarias unas premisas y unas conclusiones. Un argumento sería un conjunto de premisas
de las que se siguen ciertas conclusiones. En un razonamiento deductivo válido, si las
premisas son verdaderas, la conclusión también lo es. El razonamiento deductivo (de lo general
a lo particular) es vital en la ciencia, pues permite determinar las predicciones que se derivan de
una hipótesis.
4
fi
fi
fi
fi
fi
fl
fi
fi
El razonamiento inductivo parte de premisas concretas para llegar a conclusiones generales. La
inducción es necesaria para pasar de la observación a la tesis general. Aunque aquí, la verdad de
las premisas no siempre garantiza la verdad de la conclusión.
5.2. El problema de la inducción
Es inevitable hacer generalizaciones en el método inductivo. No podemos acceder a todas las
muestras. Siempre puede aparecer un nuevo caso que contradiga la tesis. Hume ya observó que
al generalizar inductivamente se presupone que los demás casos se van a comportar como
los ya observados (ESCEPTICISMO INDUCTIVO). Se preguntaba por cuál era la justi cación
para asumir la uniformidad entre los casos observados y los que están por observar. NO ESTÁ
GARANTIZADO. Aunque es razonable recurrir a la inducción porque en el pasado normalmente
ha sido exitoso. ESTO ES UN MODO INDUCTIVO DE JUSTIFICAR LA INDUCCIÓN=
JUSTIFICACIÓN CIRCULAR.
5.3. Con rmación vs refutación
Popper argumentó que una hipótesis general empírica no puede ser con rmada de nitivamente
mediante razonamientos inductivos. Propone el falsacionismo: la función principal de la
observación en la ciencia es refutar hipótesis, no con rmarlas. Con rmar sería simplemente una
manera de aumentar la con anza en cierta tesis, pero nunca una con rmación de nitiva.
Para Hume, el escepticismo inductivo se debe a la fuerza de la costumbre y el hábito, no es
una verdad inmutable. Según una postura anti-escéptica debemos dar por hecho ciertos
supuestos para que la ciencia pueda seguir funcionando. Por tanto, el uso de razonamientos
inductivos siempre será falible y corregible.
6. Probabilidad y estadística
6.1. Incertidumbre y probabilidad
La evidencia empírica disponible en muchos casos es limitada y no elimina completamente la
incertidumbre. En ocasiones es común que se den solamente respuestas parciales. Esta
incertidumbre puede representarse en términos de probabilidad que se suele expresar en valores
de 0 a 1, siendo respectivamente con anza nula y máxima. Los resultados cientí cos suelen
presentarse de manera probabilística, como en la meteorología por ejemplo. Entre las fuentes de
incertidumbre están los fallos de medición, fallos de razonamiento… Aunque no se elimine la
incertidumbre, sí que nos sirven de guía útil en la toma de decisiones. Es común asignar a datos
numéricos un margen de error que determine el intervalo de valores en el que se puede
encontrara el valor esperado, aunque no sea exacto.
6.2. Evidencia estadística
Para extraer conclusiones relevantes a partir de un conjunto de datos empíricos es necesario
hacer un análisis estadístico. En la estadística descriptiva analizamos los datos que se derivan
de recopilaciones de datos: medias, desviación típica, frecuencia… En la estadística inferencial
se parte de un fragmento de la muestra total y se razona de manera inductiva qué pasaría si
tuviéramos a nuestra disposición la totalidad de la muestra. En el análisis estadístico se suelen
inferir patrones, tendencias o correlaciones probabilísticas. Los resultados obtenidos tienen que
ser estadísticamente signi cativos. Cuanto más amplia es la muestra, más verídico será el
resultado (Cherry picking). Pueden haber también sesgos estadísticos que alteren el análisis.
Existen modos de minimizar dicho sesgo, por ejemplo, escoger la muestra de manera aleatoria.
Lo vital aquí es que correlación no implica causalidad.
6.3. Aproximaciones en ciencia
La incertidumbre se da cuando la evidencia disponible está incompleta y no permite responder a
todas las preguntas planteadas. La imprecisión se da cuando una pregunta deja varias opciones
abiertas y no elimina la incertidumbre. Para ello se recurre a la aproximación, que nos permite
vislumbrar una respuesta más o menos tangible dentro de un marco. Se utiliza casi siempre en
situaciones de incertidumbre o cuando la respuesta es demasiado difícil de obtener. Son
frecuentes en la mayoría de las disciplinas cientí cas. Aunque las aproximaciones sean falsas en
sentido estricto, son la mejor manera que tenemos de aproximarnos a la verdad. Su uso es
5
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
legítimo siempre y cuando seamos conscientes de su naturaleza ambigua. Una
aproximación será cercana a la respuesta correcta siempre y cuando nos permita usarla de
manera exitosa para entender y/o manipular el fenómeno estudiado. La física newtoniana es
precisamente una aproximación, un modelo ideal de la realidad. Necesitamos recurrir a
idealizaciones, simpli caciones de la realidad para poder estudiarla. La clave está en
acercarse lo su ciente. Para que una aproximación/simpli cación sea válida, no debe afectar
signi cativamente a los datos obtenidos.
7. El uso de modelos en ciencia
7.1. ¿Qué es un modelo cientí co?
Es un recurso explicativo que nos sirve para abordar ciertos fenómenos de la realidad que son
demasiado complejos, especialmente utilizados en ciencias biológicas y sociales. En ciencias
como la física o como la química nos solemos acoger a la noción de ley—> modelo nomológico-
deductivo; mientras que en las ciencias como la biología o las sociales es más difícil, no se
ajustan a leyes universales (si es que las otras sí lo hacen…), en este caso hablamos de modelo
de “cobertura legal”. Por ejemplo, el Modelo Atómico de Rutherford nos permite predecir con
exactitud datos empíricos en las ciencias duras como la física…
Los modelos ofrecen una explicación acerca de los fenómenos que se investigan. También se
utilizan los modelos no solo para simpli car, sino para extrapolar una investigación a otro ámbito
debido a cuestiones éticas, ej: los modelos animales en biomedicina para luego aplicarlo a
humanos. Vuelven a ser idealizaciones, solamente funcionan restringiendo la realidad y
aislándola.
Para que el modelo sea explicativo debe:
a) Haber una clara analogía entre el modelo y el sistema modelizado (sistema-diana)
b) Contener todos los factores relevantes para comprender el funcionamiento del sistema-diana
c) Ser capaz de predecir con éxito estados futuros
d) Ser manejable e incluso atractivo estéticamente
7.2. Tipos de modelo y ejemplos
1) Modelos físicos: maquetas o prototipos que representan a una escala manejable los
sistemas-diana que queremos explicar: un globo terráqueo, mapa mundi, maqueta de una
doble hélice, modelo de experimentación animal…
2) Modelos matemáticos: a través de una formulación matemática se buscan las dinámicas de
los sistemas-diana. Pueden ser modelos probabilísticos o deterministas.
3) Modelos conceptuales: mapas abstractos en los que se señalan diferentes conceptos y la
relación entre ellos. Suele considerarse la base sobre la que se construyen los demás
modelos.
A veces, incluso estos tipos son compatibles entre sí y pueden interrelacionarse.
7.3. Límites del uso de modelos. ¿Realismo o instrumentalismo?
“Todos los modelos son incorrectos, pero algunos son útiles” — George Box
Es importante diferenciar entre la utilidad del modelo y la representación de la realidad. Incluso
hay modelos erróneos que han resultado ser útiles en ciencia. Los modelos cosmológicos
geocéntricos de la Antigüedad aunque fueran erróneos, eran prácticos y permitían predecir
eclipses, como el modelo ptolemaico. Prefacio de Osiander en el “De revolutionibus” de
Copérnico. No debemos olvidar que un modelo no es un el re ejo de la realidad que
modeliza —> debate entre realismo e instrumentalismo.
Incluso hay modelos que son falsos a propósito, pero que permiten explicar ciertos fenómenos,
como simulaciones controladas del crecimiento poblacional de una especia mediante un
ordenador, como un programa digital. Se denominan modelos contrastantes: L. D. Hurst
propuso en 1996 un modelo con tres tipos sexuales y mostró como la tendencia siempre era
acabar en poblaciones de 2 sexos únicamente; esto explicaba por qué los organismos con fusión
de gametos y más de dos sexos han de ser raros en la naturaleza. Explica no cómo funciona el
mundo, sino cómo funcionaría en otras circunstancias.
6
fi
fi
fi
fi
fi
fi
fi
fl
8. Paradigmas y cambio científico
8.1. El giro kuhniano
Thomas Kuhn lleva a cabo el giro sociológico en la ciencia. De ne el paradigma cientí co
como marco o conjunto de creencias y supuestos teóricos generales relacionados a una
determinada comunidad cientí ca en una cierta época o contexto social. Para comprender la
ciencia hay que comprender el entramado teórico y social en el que tiene lugar la misma. La
ciencia es una práctica social institucionalizada.
Kuhn considera los paradigmas matrices disciplinares. Lo frecuente es que los cientí cos
trabajen dentro de estas matrices disciplinares o paradigmas, tienen que asumir las bases de esta
weltanschauung. Esto lo llama la ciencia normal. Los cientí cos no culpan a su paradigma
cuando llegan a errores. Asumen un acuerdo tácito con las bases de estos paradigmas. Cuando
hay evidencias que van contra el paradigma, las consideran anomalías. Difícilmente se puede
escapar de un paradigma.
Los cambios en la ciencia se dan solo a través de revoluciones. Los paradigmas son
inconmensurables.
8.2. Paradigma e inconmensurabilidad
El progreso cientí co consiste en el cambio de paradigmas en una comunidad cientí ca por
medio de un proceso revolucionario. Por ejemplo, el paradigma de Lavoisier renuncia a la teoría
del ogisto y postula la existencia del oxígeno para explicar los procesos de combustión. Estos
paradigmas rivales pueden provocar crisis en los paradigmas predominantes. Ahí tiene lugar la
revolución cientí ca. No hay paradigmas superiores a otros, pues los cientí cos que trabajan en
paradigmas diferentes “viven en mundos distintos”. Tienen distintas cosmovisiones.
Estos paradigmas son inconmensurables por cuanto implican una visión global del mundo. Son
incompatibles entre ellos. Ha de darse un cúmulo de circunstancias muy complejo para que un
paradigma entre en crisis y se cuestione.
8.3. Progreso como cambio de paradigma
Un paradigma entra en crisis debido a los paradigmas rivales y pierde adeptos. El trabajo de los
lósofos de la ciencia es analizar las condiciones contextuales sociales e históricas que explican
la actividad cientí ca de cada momento. El esquema sería: preciencia —> ciencia normal —>
crisis—> revolución—> nueva ciencia normal—> nueva crisis—> nueva revolución…
Paul Feyerabend en su Contra el método expone una visión más extrema de la ciencia. La
ciencia es mejor o peor en función de si la sociedad la acepta o no. La sociedad cambia por
razones contingente, que podrían haber sido de otra manera.
El pensamiento de Kuhn y Feyerabend da por hecho que no hay un paradigma mejor que otro, lo
que puede ser cuestionable, porque el modelo relativista es más e ciente que el newtoniano, el
de Lavoisier que el del ogisto, etc. No solo es el contexto social, sino que hay cierta verdad.
9. Demarcación
9.1. Veri cabilidad como criterio de demarcación
¿Qué diferencia lo cientí co de lo no-cientí co? Este debate procede del empirismo y el
positivismo. Supuestamente, el saber que provee de conocimiento empírico y de un método para
descubrir causas y leyes es la ciencia, concretamente las ciencias naturales que son el modelo
de las demás. Los neopositivistas del siglo XX (ppalmente el Círculo de Viena) tienen una postura
antimetafísica, de enden la unidad de las ciencias, el empirismo lógico y el positivismo lógico. Lo
que permite avanzar a la ciencia es el veri cacionismo.
7
fi
fl
fi
fi
fi
fi
fi
fl
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
Según la concepción clásica del positivismo lógico, la ciencia se caracteriza por utilizar
enunciados que ya han sido probados. Lo que caracteriza a las teorías y postulados es que los
hechos observados lo corroboran. El veri cacionismo es una estrategia inductivista.
El veri cacionismo supone que los enunciados y teorías cientí cas se caracterizan por haber
sido demostradas como verdaderas. Rudolf Carnap propone una postura más exible conocida
como con rmacionismo, según el cual no es necesario que los hechos empíricos observados
con rmen de forma concluyente un postulado cientí co, sino que son posibles diferentes
grados de con rmación sobre una base probabilística.
9.2. Falsabilidad como criterio de demarcación
El falsacionismo es una propuesta de Karl Popper, muy crítico con el Círculo de Viena. Lo que
determina algo cientí co es que pueda ser falsado. Imre Lakatos va más allá y propone un
falsacionismo so sticado, en el que las teorías y postulados no pueden considerarse de
manera aislada, sino que el falsacionismo debe abarcar toda una rama de investigación. Hay que
falsar los programas de investigación, no las teorías sueltas. Según Lakatos un programa de
investigación sería cientí co si es progresivo teóricamente y empíricamente, es decir, que
además de explicar hechos ya conocidos, es capaz de predecir y explicar hechos nuevos.
9.3. Enfoques relativistas y constructivistas
Kunh lleva a cabo el giro sociológico. Ciencia es lo que los cientí cos dicen que es ciencia. Esto
implica un enfoque relativista y constructivista, por cuanto depende de lo que se tome como
“modelo cientí co” y constituye una construcción cultural y social. Desde este enfoque, el
criterio de demarcación depende de los valores y creencias contingentes de los cientí cos
que forman un paradigma concreto. El autor más radical es Feyerabend: anarquismo
epistemológico.
9.4. ¿Por qué es tan importante el criterio de demarcación?
Es vital porque supone dónde está el límite del conocimiento y cual es la relevancia
epistemológica de la ciencia. La cuestión de la demarcación tiene unas implicaciones sociales. Es
importante distinguir el conocimiento cientí co genuino, pues es fácil vender algo no-cientí co
como cientí co.
10. Flipaos
10.1. Creacionismo
Tres distinciones principales:
—Cientí co vs no-cientí co: discursos ajenos al discurso cientí co, como el religioso, etc.
—Cientí co vs pseudocientí co: que no son cientí cos pero lo parecen.
—Cientí co vs anticientí co: que van en contra el discurso cientí co.
El creacionismo rechaza el proceso evolutivo. Es una creencia religiosa no-cientí ca. Vinculado a
creencias religiosas. La teología natural de William Paley consistía en un razonamiento pre-
cientí co. La teoría del diseño inteligente acepta la evolución, pero arguye que el Dios quien la ha
puesto en marcha. Sin embargo, esto no supera el criterio de demarcación, puesto que no se
puede veri car ni falsar.
10.2. Pseudomedicina
Esto entraría dentro de la segunda categoría: lo pseudocientí co. Ejemplos: homoeopatía,
acupuntura, osteopatía, etc. No se ajustan al criterio de demarcación. Basado en la memoria del
agua, en que lo igual cura lo igual, y que a mayor disolución, mayor efectividad. Pero ni es
veri cable ni falsable.
10.3. Terraplanismo
Discurso anti-cientí co. Basado en una sospecha hacia el discurso cientí co. Se suele interpretar
la ciencia como conspiración o engaño ampliamente elaborado e inserto en la sociedad. Lo vital
aquí es que es inmune al discurso cientí co. Parece que se ha entendido mal la dimensión social
de la ciencia.
8
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fl
fi
fi
fi
11. La nueva ciencia
11.1. La nueva ciencia y los orígenes de los estudios sociales de la ciencia
No es posible producir conocimiento cientí co de manera individual, es necesario recurrir a
instituciones o a la cooperación. División del trabajo tanto horizontal como vertical. Necesidad
de nanciación y sobre todo necesidad de consenso. La Big Science consiste en ciencia basada
en tecnología compleja que necesita grandes equipos de investigación, por ejemplo el acelerador
del CERN. Surge la tecnociencia en los EEUU en los año 40, lo que implica la desaparición de la
frontera entre ciencia y tecnología.
Los estudios CTS (ciencia, tecnología y sociedad) tiene como origen la preocupación por las
consecuencias sociales de la tecnociencia: la ciencia es algo demasiado importante como para
dejarla solo en manos de los cientí cos. Estos estudios suelen presentarse como alternativos a la
visión tradicional de la ciencia. Han estado vinculados a movimientos culturales antimilitaristas,
ecologistas, feministas, etc. Reclaman la importancia de la divulgación y popularización de la
ciencia para alfabetizar y formar a la sociedad.
11.2. El conocimiento cientí co desde las ciencias sociales
11.3. La ciencia como constructo social
11.4. Enfoques feministas de la ciencia
11.5. La reacción antirrelativista
12. Ciencia institucional
12.1. Instituciones cientí cas
12.2. La ciencia y los intereses de los cientí cos
12.3. Imparcialidad y con ictos de intereses en la ciencia
12.4. Incentivos perversos en la ciencia
9
fi
fi
fl
fi
fi
fi
fi
