Explicación científica

Los modelos de investigación científica o explicación científica tienen dos funciones: primero, proporcionar una explicación descriptiva de cómo se lleva a cabo la indagación científica en la práctica, y segundo, proporcionar una explicación de por qué la indagación científica tiene el éxito que parece tener para llegar a un conocimiento genuino..

La búsqueda del conocimiento científico termina en la antigüedad. En algún momento del pasado, al menos en la época de Aristóteles, los filósofos reconocieron que se debe establecer una distinción fundamental entre dos tipos de conocimiento científico: aproximadamente, el conocimiento de eso y el conocimiento de por qué. Una cosa es saber que cada planeta invierte periódicamente la dirección de su movimiento con respecto al fondo de estrellas fijas; es un asunto muy diferente saber por qué. El conocimiento del primer tipo es descriptivo; el conocimiento de este último tipo es explicativo. Es el conocimiento explicativo que proporciona la comprensión científica del mundo. (Salmón, 2006, pág. 3)

"La investigación científica se refiere a las diversas formas en que los científicos estudian el mundo natural y proponen explicaciones basadas en la evidencia derivada de su trabajo".

Cuentas de la investigación científica

Modelo clásico

El modelo clásico de investigación científica se deriva de Aristóteles, quien distinguió las formas de razonamiento aproximado y exacto, estableció el esquema triple de inferencia abductiva, deductiva e inductiva, y también trató las formas compuestas como el razonamiento por analogía.

Modelo pragmático

Empirismo lógico

Wesley Salmon (1989) comenzó su revisión histórica de la explicación científica con lo que llamó la visión recibida, tal como la recibieron Hempel y Oppenheim en los años que comenzaron con sus Estudios sobre la lógica de la explicación (1948) y culminaron con Aspectos de la ciencia científica de Hempel. Explicación (1965). Salmon resumió su análisis de estos desarrollos por medio de la siguiente tabla.

En esta clasificación, una explicación deductiva-nomológica (DN) de una ocurrencia es una deducción válida cuya conclusión establece que el resultado a explicar de hecho ocurrió. El argumento deductivo se llama explicación, sus premisas se llaman explanans (L: explicando) y la conclusión se llama explanandum (L: ser explicado). Dependiendo de una serie de calificaciones adicionales, una explicación puede clasificarse en una escala de potencial a verdadera.

Sin embargo, no todas las explicaciones en ciencia son del tipo DN. Una explicación inductivo-estadística (IS) da cuenta de un suceso subsumiéndolo bajo leyes estadísticas, en lugar de leyes categóricas o universales, y el modo de subsunción es en sí mismo inductivo en lugar de deductivo. El tipo DN puede verse como un caso límite del tipo IS más general, la medida de certeza involucrada es completa, o probabilidad 1, en el primer caso, mientras que es menos que completa, probabilidad < 1, en el último caso.

Desde este punto de vista, el modo de razonamiento DN, además de usarse para explicar sucesos particulares, también puede usarse para explicar regularidades generales, simplemente deduciéndolas de leyes aún más generales.

Finalmente, el tipo de explicación deductivo-estadístico (DS), propiamente considerado como una subclase del tipo DN, explica las regularidades estadísticas por deducción a partir de leyes estadísticas más completas. (Salmón 1989, págs. 8-9).

Tal era la visión recibida de la explicación científica desde el punto de vista del empirismo lógico, que Salmon dice que "dominó" durante el tercer cuarto del siglo pasado (Salmon, p. 10).

Elección de una teoría.

Durante el curso de la historia, una teoría ha sucedido a otra, y algunas han sugerido más trabajo, mientras que otras parecían contentarse con explicar los fenómenos. Las razones por las que una teoría ha reemplazado a otra no siempre son obvias o simples. La filosofía de la ciencia incluye la pregunta: ¿Qué criterios satisface una 'buena' teoría ? Esta pregunta tiene una larga historia, y muchos científicos, así como filósofos, la han considerado. El objetivo es poder elegir una teoría como preferible a otra sin introducir sesgos cognitivos. Colyvan resumió varios criterios propuestos a menudo. Una buena teoría:

1. contiene pocos elementos arbitrarios (simplicidad/parsimonia);
2. está de acuerdo y explica todas las observaciones existentes (poder unificador/explicativo) y hace predicciones detalladas sobre observaciones futuras que pueden refutar o falsear la teoría si no se confirman;
3. es fructífero, donde el énfasis de Colyvan no está solo en la predicción y la falsificación, sino también en la seminalidad de una teoría al sugerir trabajo futuro;
4. es elegante (elegancia formal; sin modificaciones ad hoc).

Stephen Hawking apoyó los puntos 1, 2 y 4, pero no mencionó la fecundidad. Por otro lado, Kuhn enfatiza la importancia de la seminalidad.

El objetivo aquí es hacer que la elección entre teorías sea menos arbitraria. No obstante, estos criterios contienen elementos subjetivos y son heurísticos más que parte del método científico. Además, criterios como estos no necesariamente deciden entre teorías alternativas. Citando a un pájaro:

"[Tales criterios] no pueden determinar la elección científica. Primero, qué características de una teoría satisfacen estos criterios pueden ser discutibles (por ejemplo, ¿la simplicidad se refiere a los compromisos ontológicos de una teoría o su forma matemática?). Segundo, estos criterios son imprecisos y por lo tanto, hay lugar para el desacuerdo sobre el grado en que se mantienen. En tercer lugar, puede haber desacuerdo sobre cómo deben ponderarse entre sí, especialmente cuando entran en conflicto".—  Alexander Bird, Inconmensurabilidad metodológica

También es discutible si las teorías científicas existentes satisfacen todos estos criterios, que pueden representar objetivos aún no alcanzados. Por ejemplo, el poder explicativo sobre todas las observaciones existentes (criterio 3) no es satisfecho por ninguna teoría en este momento.

Cualesquiera que sean los objetivos finales de algunos científicos, la ciencia, tal como se practica actualmente, depende de múltiples descripciones superpuestas del mundo, cada una de las cuales tiene un dominio de aplicabilidad. En algunos casos este dominio es muy grande, pero en otros bastante pequeño.—  EB Davies, Pluralismo epistemológico, pág. 4

Los desiderata de una "buena" teoría se han debatido durante siglos, remontándose quizás incluso antes de la navaja de Occam, que a menudo se toma como un atributo de una buena teoría. La navaja de afeitar de Occam podría caer bajo el título de "elegancia", el primer elemento de la lista, pero Albert Einstein advirtió una aplicación demasiado entusiasta: "Todo debe hacerse lo más simple posible, pero no más simple". Es discutible que la parsimonia y la elegancia "típicamente tiran en diferentes direcciones". El elemento de falsabilidad en la lista está relacionado con el criterio propuesto por Popper para deslindar una teoría científica de una teoría como la astrología: ambas "explican" las observaciones, pero la teoría científica se arriesga a hacer predicciones que deciden si es correcta o incorrecta:

"Debe ser posible que un sistema científico empírico sea refutado por la experiencia".

"Aquellos entre nosotros que no están dispuestos a exponer sus ideas al peligro de la refutación no participan en el juego de la ciencia".—  Karl Popper, La lógica del descubrimiento científico, p. 18 y pág. 280

Thomas Kuhn argumentó que los cambios en la visión de la realidad de los científicos no solo contienen elementos subjetivos, sino que son el resultado de dinámicas de grupo, "revoluciones" en la práctica científica que dan como resultado cambios de paradigma. Como ejemplo, Kuhn sugirió que la "revolución copernicana" heliocéntrica reemplazó las opiniones geocéntricas de Ptolomeo no por fallas empíricas, sino por un nuevo "paradigma" que ejercía control sobre lo que los científicos consideraban la forma más fructífera de perseguir sus objetivos..

Aspectos de la investigación científica

Deducción e inducción

La lógica deductiva y la lógica inductiva son bastante diferentes en sus enfoques.

Deducción

lógica deductivaes el razonamiento de prueba, o implicación lógica. Es la lógica utilizada en matemáticas y otros sistemas axiomáticos como la lógica formal. En un sistema deductivo habrá axiomas (postulados) que no están probados. De hecho, no pueden probarse sin circularidad. También habrá términos primitivos que no estén definidos, ya que no pueden definirse sin circularidad. Por ejemplo, se puede definir una línea como un conjunto de puntos, pero luego definir un punto como la intersección de dos líneas sería circular. Debido a estas interesantes características de los sistemas formales, Bertrand Russell se refirió con humor a las matemáticas como "el campo en el que no sabemos de qué estamos hablando, ni si lo que decimos es cierto o no". Todos los teoremas y corolarios se prueban explorando las implicaciones de los axiomas y otros teoremas que se han desarrollado previamente. Los términos nuevos se definen utilizando los términos primitivos y otras definiciones derivadas basadas en esos términos primitivos.

En un sistema deductivo, se puede usar correctamente el término "prueba", como si se aplicara a un teorema. Decir que un teorema está probado significa que es imposible que los axiomas sean verdaderos y el teorema falso. Por ejemplo, podríamos hacer un silogismo simple como el siguiente:

1. El Parque Nacional Arches se encuentra dentro del estado de Utah.
2. Estoy parado en el Parque Nacional Arches.
3. Por lo tanto, estoy parado en el estado de Utah.

Tenga en cuenta que no es posible (suponiendo que se proporcionen todos los criterios de calificación triviales) estar en Arches y no estar en Utah. Sin embargo, uno puede estar en Utah mientras no esté en el Parque Nacional Arches. La implicación solo funciona en una dirección. Los enunciados (1) y (2) tomados en conjunto implican el enunciado (3). La declaración (3) no implica nada acerca de las declaraciones (1) o (2). Observe que no hemos probado el enunciado (3), pero hemos demostrado que los enunciados (1) y (2) juntos implican el enunciado (3). En matemáticas, lo que se prueba no es la verdad de un teorema en particular, sino que los axiomas del sistema implican el teorema. En otras palabras, es imposible que los axiomas sean verdaderos y el teorema falso. La fuerza de los sistemas deductivos es que están seguros de sus resultados. La debilidad es que son construcciones abstractas que, desafortunadamente, un paso alejado del mundo físico. Sin embargo, son muy útiles, ya que las matemáticas han proporcionado grandes conocimientos sobre las ciencias naturales al proporcionar modelos útiles de fenómenos naturales. Un resultado es el desarrollo de productos y procesos que benefician a la humanidad.

Inducción

Aprender sobre el mundo físico requiere el uso de la lógica inductiva.. Esta es la lógica de la construcción de teorías. Es útil en empresas tan divergentes como la ciencia y el trabajo de detective en la escena del crimen. Uno hace un conjunto de observaciones y busca explicar lo que ve. El observador forma una hipótesis en un intento de explicar lo que ha observado. La hipótesis tendrá implicaciones, que apuntarán a ciertas otras observaciones que naturalmente resultarían de una repetición del experimento o de hacer más observaciones de un conjunto de circunstancias ligeramente diferente. Si las observaciones predichas son ciertas, uno se siente emocionado de que puedan estar en el camino correcto. Sin embargo, la hipótesis no ha sido probada. La hipótesis implica que deben seguir ciertas observaciones, pero las observaciones positivas no implican la hipótesis. Solo lo hacen más creíble. Es muy posible que alguna otra hipótesis también pueda explicar las observaciones conocidas, y puede funcionar mejor con experimentos futuros. La implicación fluye en una sola dirección, como en el silogismo usado en la discusión sobre la deducción. Por lo tanto, nunca es correcto decir que se ha probado un principio científico o una hipótesis/teoría. (Al menos, no en el sentido riguroso de prueba que se usa en los sistemas deductivos).

Un ejemplo clásico de esto es el estudio de la gravitación. Newton formuló una ley para la gravitación que establece que la fuerza de la gravedad es directamente proporcional al producto de las dos masas e inversamente proporcional al cuadrado de la distancia entre ellas. Durante más de 170 años, todas las observaciones parecían validar su ecuación. Sin embargo, los telescopios finalmente se volvieron lo suficientemente potentes como para ver una ligera discrepancia en la órbita de Mercurio. Los científicos intentaron todo lo imaginable para explicar la discrepancia, pero no pudieron hacerlo usando los objetos que estarían en la órbita de Mercurio. Finalmente, Einstein desarrolló su teoría de la relatividad general y explicó la órbita de Mercurio y todas las demás observaciones conocidas relacionadas con la gravitación. Durante el largo período de tiempo en que los científicos estaban haciendo observaciones que parecían validar la teoría de Newton s, ellos, de hecho, no probaron que su teoría sea verdadera. Sin embargo, debe haber parecido en ese momento que lo hicieron. Solo se necesitó un contraejemplo (la órbita de Mercurio) para probar que algo andaba mal con su teoría.

Esto es típico de la lógica inductiva. Todas las observaciones que parecen validar la teoría, no prueban su verdad. Pero un contraejemplo puede probar que es falso. Eso significa que la lógica deductiva se utiliza en la evaluación de una teoría. En otras palabras, si A implica B, entonces no B implica no A. La teoría de la Relatividad General de Einstein ha sido respaldada por muchas observaciones utilizando los mejores instrumentos y experimentos científicos. Sin embargo, su teoría ahora tiene el mismo estatus que la teoría de la gravitación de Newton antes de ver los problemas en la órbita de Mercurio. Es altamente creíble y validado con todo lo que sabemos, pero no está probado. Es solo lo mejor que tenemos en este momento.

Otro ejemplo de razonamiento científico correcto se muestra en la búsqueda actual del bosón de Higgs. Los científicos del experimento Compact Muon Solenoid en el Gran Colisionador de Hadrones han realizado experimentos que arrojan datos que sugieren la existencia del bosón de Higgs. Sin embargo, al darse cuenta de que los resultados posiblemente podrían explicarse como una fluctuación de fondo y no como el bosón de Higgs, son cautelosos y esperan más datos de futuros experimentos. Dijo Guido Tonelli:

"No podemos excluir la presencia del modelo estándar Higgs entre 115 y 127 GeV debido a un modesto exceso de eventos en esta región de masas que aparece, de manera bastante consistente, en cinco canales independientes [...] A día de hoy lo que vemos es consistente ya sea con una fluctuación de fondo o con la presencia del bosón".

Una breve descripción del método científico contendría estos pasos como mínimo:

1. Hacer un conjunto de observaciones sobre el fenómeno que se estudia.
2. Formule una hipótesis que pueda explicar las observaciones. (Paso inductivo)
3. Identifique las implicaciones y los resultados que deben seguir, si la hipótesis ha de ser verdadera.
4. Realice otros experimentos u observaciones para ver si alguno de los resultados previstos falla.
5. Si alguno de los resultados predichos falla, la hipótesis se prueba falsa ya que si A implica B, entonces no B implica no A. (Lógica deductiva) Entonces es necesario cambiar la hipótesis y volver al paso 3. Si los resultados predichos se confirman, la hipótesis no está probada, pero se puede decir que es consistente con los datos conocidos.

Cuando una hipótesis ha sobrevivido a un número suficiente de pruebas, puede ser promovida a una teoría científica. Una teoría es una hipótesis que ha sobrevivido a muchas pruebas y parece ser consistente con otras teorías científicas establecidas. Dado que una teoría es una hipótesis promovida, es de la misma especie 'lógica' y comparte las mismas limitaciones lógicas. Así como una hipótesis no se puede probar pero se puede refutar, lo mismo es cierto para una teoría. Es una diferencia de grado, no de tipo.

Los argumentos por analogía son otro tipo de razonamiento inductivo. Al argumentar a partir de la analogía, se infiere que dado que dos cosas son similares en varios aspectos, es probable que sean similares en otro aspecto. Esto es, por supuesto, una suposición. Es natural intentar encontrar similitudes entre dos fenómenos y preguntarse qué se puede aprender de esas similitudes. Sin embargo, notar que dos cosas comparten atributos en varios aspectos no implica similitudes en otros aspectos. Es posible que el observador ya haya notado todos los atributos que se comparten y cualquier otro atributo será distinto. El argumento por analogía es un método de razonamiento poco confiable que puede conducir a conclusiones erróneas y, por lo tanto, no puede usarse para establecer hechos científicos.