PARTE XXVI · Filosofía: realidad, conocimiento y vida moral
295
Filosofía de la ciencia: explicación, modelos y cambio conceptual
Cómo teorías imperfectas producen conocimiento fiable mediante contraste, comparación y crítica organizada
En este capítulo
La ciencia no sigue una receta única. Un astrónomo no manipula galaxias; un epidemiólogo no asigna deliberadamente exposiciones dañinas; un físico puede crear condiciones controladas. Sin embargo, comparten prácticas para vincular afirmaciones con evidencia, comparar explicaciones y hacer posible la crítica.
Una teoría no se prueba acumulando ejemplos favorables sin límite. Tampoco se abandona siempre ante una observación discrepante: la medición, supuestos auxiliares o condiciones pueden fallar. La dificultad es decidir qué revisar sin proteger cualquier teoría de todo resultado.
La objetividad no exige científicos sin valores ni perspectivas. Requiere procedimientos que detecten errores: datos accesibles, métodos explícitos, crítica diversa, replicación adecuada y responsabilidad. Una comunidad puede corregir sesgos individuales y también compartirlos; las instituciones importan.
295.1. Confirmación, falsación y comparación de teorías#
La inducción infiere patrones generales desde casos. Hume mostró que justificarla por su éxito pasado presupone continuidad del futuro. La ciencia no abandona inducción; la disciplina con muestreo, probabilidad, mecanismo y predicciones nuevas.
El confirmacionismo pregunta cuánto aumenta una evidencia la credibilidad de una hipótesis. En términos bayesianos, combina probabilidad previa y verosimilitud del dato. Una predicción que muchas teorías esperaban confirma poco; una observación improbable sin la hipótesis confirma más.
Popper propuso la falsabilidad: una teoría científica debe arriesgarse a observaciones que la contradigan. Esto distingue programas que explican todo después del hecho. Pero una prueba involucra instrumentos y supuestos; si falla, la lógica sola no indica cuál abandonar.
La comparación de teorías considera ajuste, predicción, alcance, simplicidad, coherencia y fecundidad. Estos valores pueden entrar en tensión. Añadir parámetros mejora ajuste y sobreajusta; una teoría simple puede omitir mecanismo. La decisión científica es razonada, no algoritmo infalible.
295.2. Realismo e instrumentalismo#
El realismo científico sostiene que teorías maduras y exitosas describen aproximadamente entidades y estructuras, incluso no observables. El argumento del no milagro afirma que el éxito sería difícil de explicar si fueran radicalmente falsas.
El instrumentalismo trata teorías como herramientas para organizar y predecir observaciones, sin compromiso pleno con electrones, genes o campos. Esto evita extrapolar ontología de un modelo útil, pero parece insuficiente cuando científicos manipulan entidades y explican por qué funciona una intervención.
La metainducción pesimista recuerda teorías exitosas luego abandonadas, como éter o flogisto. Realistas responden que partes estructurales o mecanismos se conservan. El realismo selectivo acepta compromisos con componentes responsables de éxito, no con toda teoría.
En práctica, puede usarse un modelo instrumental y creer en la realidad del proceso. Un modelo de gas ideal contiene partículas sin volumen; su idealización no niega moléculas. La actitud depende del propósito y evidencia.
295.3. Leyes, modelos y niveles de explicación#
Una ley describe regularidad con alcance, pero no toda regularidad accidental es ley. Las leyes suelen apoyar contrafácticos: si cambiara presión, cambiaría volumen bajo condiciones. Su alcance incluye cláusulas idealizadas.
Los modelos representan selectivamente. Un mapa omite árboles para mostrar rutas; un modelo climático divide la atmósfera en celdas. La omisión puede ser virtud si conserva relaciones relevantes. Preguntar si un modelo es «verdadero» sin declarar uso confunde representación con copia.
Las explicaciones pueden ser causales, mecanicistas, unificadoras, estadísticas o funcionales. Explicar una epidemia mediante transmisión no sustituye explicar una desigualdad de exposición. Distintos niveles responden preguntas distintas y deben conectarse sin asumir que uno elimina al resto.
La reducción busca derivar teorías de niveles altos desde básicos. En algunos casos funciona; en otros, propiedades colectivas requieren conceptos emergentes como temperatura. Emergencia no implica magia: significa que la descripción útil aparece en organización y escala.
295.4. Cambios de marcos y continuidad científica#
Kuhn describió ciencia normal bajo paradigmas que definen problemas, métodos y ejemplos. Las anomalías pueden acumularse hasta una crisis y cambio. «Revolución científica» no significa que los científicos cambien por moda ni que paradigmas sean incomparables en todo.
La inconmensurabilidad señala que términos y estándares cambian. Masa en Newton y relatividad no tiene exactamente el mismo papel. Aun así, hay datos compartidos, traducción parcial y razones para preferir teorías con mayor precisión y alcance.
Lakatos propuso programas con núcleo y cinturón auxiliar, juzgados por si predicen hechos nuevos o solo acomodan fallos. Feyerabend criticó reglas metodológicas universales y relatos racionalizados, pero «todo vale» no autoriza fraude ni equivalencia de evidencia.
La continuidad aparece en instrumentos, resultados limitados y problemas. La mecánica newtoniana sigue siendo excelente en dominios de baja velocidad aunque no sea fundamental. Una teoría reemplazada puede conservar validez aproximada bajo condiciones especificadas.
295.5. Valores, instituciones y objetividad#
Valores epistémicos —precisión, coherencia, alcance— orientan selección. Valores sociales influyen en preguntas, riesgos y umbrales. Aprobar un fármaco exige decidir qué error es más dañino; los datos no fijan solos ese equilibrio.
Reconocer valores no convierte resultados en opinión. Se pueden hacer explícitos, debatirlos y distinguirlos de evidencia. Ocultarlos bajo «la ciencia dice» concentra decisiones normativas en expertos sin eliminarlas.
Revisión por pares filtra y mejora, pero puede conservar consensos y sesgos. Replicación funciona distinto en experimento, historia y clima. Datos y código abiertos ayudan cuando protegen privacidad y no requieren recursos imposibles.
Diversidad cognitiva amplía preguntas y detecta supuestos; no garantiza verdad por representación automática. Objetividad social requiere crítica efectiva: personas con perspectivas distintas deben tener acceso, seguridad y capacidad de influir.
Incentivos de publicación, financiación y carrera pueden favorecer resultados positivos y velocidad. Prerregistro, informes registrados, metaanálisis y correcciones atacan mecanismos concretos. La confianza científica se merece mostrando cómo se encuentra y repara error.
La investigación no sigue una receta lineal. Un resultado depende de cómo se operacionalizó el problema, de los instrumentos y de supuestos auxiliares; la crítica, la replicación y la publicación permiten decidir qué componente debe revisarse.
Preguntas de transferencia#
El resultado contrario#
Ejemplo construido. Un experimento contradice una teoría. ¿Quedó falsada?
Mostrar respuesta razonada
Es evidencia adversa. Deben revisarse medición, diseño, auxiliares y repetición. Proteger siempre la teoría es malo; descartarla por un fallo incierto también.
El modelo falso#
Ejemplo construido. Un modelo supone población homogénea. ¿Es inútil porque nadie vive así?
Mostrar respuesta razonada
No necesariamente. Puede aislar un mecanismo. Debe comprobarse si la idealización distorsiona la pregunta y cuándo deja de aplicarse.
La teoría reemplazada#
Ejemplo construido. Una teoría fue superada. ¿Todos sus resultados eran falsos?
Mostrar respuesta razonada
No. Puede conservar aproximaciones y mediciones en un dominio. Hay que distinguir ontología, ecuaciones límite y predicciones.
El valor oculto#
Ejemplo construido. Un comité exige evidencia muy alta antes de alertar. ¿Es una decisión puramente científica?
Mostrar respuesta razonada
No. Incluye un juicio sobre costes de falsa alarma y omisión. La ciencia estima riesgos; la política del umbral debe ser explícita.
Fuentes y lecturas del capítulo#
Karl Popper. The Logic of Scientific Discovery. Formulación de falsabilidad, prueba severa y crecimiento crítico. (editorial).
Thomas S. Kuhn. The Structure of Scientific Revolutions. Estudio de paradigmas, ciencia normal y cambio conceptual. (editorial).
Nancy Cartwright. How the Laws of Physics Lie. Argumento sobre idealización, modelos y alcance de leyes. (editorial).
Helen Longino. Science as Social Knowledge. Teoría de objetividad mediante crítica social y pluralidad. (editorial).
Stanford Encyclopedia of Philosophy. “Scientific Realism”. Revisión de realismo, antirrealismo y principales argumentos. (recurso).