El modelo o método hipotético-deductivo es una descripción propuesta del método científico . Según él, la investigación científica procede formulando una hipótesis en una forma que pueda ser refutable , utilizando una prueba sobre datos observables cuyo resultado aún no se conoce. Un resultado de una prueba que podría ser contrario a las predicciones de la hipótesis y lo es, se considera una falsificación de la hipótesis. Un resultado de prueba que podría ser contrario a la hipótesis, pero que no la contradice, corrobora la teoría. Luego se propone comparar el valor explicativo de hipótesis en competencia comprobando con qué rigor sus predicciones las corroboran. [1]
Un ejemplo de un enunciado algorítmico del método hipotético-deductivo es el siguiente: [2]
Una secuencia posible en este modelo sería 1 , 2 , 3 , 4 . Si el resultado de 4 se cumple y 3 aún no está refutado, puede continuar con 3 , 4 , 1 , etc.; pero si el resultado de 4 muestra que 3 es falso, tendrás que volver a 2 e intentar inventar un nuevo 2 , deducir un nuevo 3 , buscar 4 , etc.
Tenga en cuenta que este método nunca puede verificar absolutamente (probar la verdad de) 2 . Sólo puede falsificar 2 . [4] (Esto es lo que Einstein quiso decir cuando dijo: "Ninguna cantidad de experimentación puede demostrar que estoy en lo cierto; un solo experimento puede demostrar que estoy equivocado". [5] )
Además, como señaló Carl Hempel (1905-1997), esta visión simple del método científico es incompleta; una conjetura también puede incorporar probabilidades, por ejemplo, el fármaco es eficaz aproximadamente el 70% de las veces. [6] Las pruebas, en este caso, deben repetirse para fundamentar la conjetura (en particular, las probabilidades). En este y otros casos, podemos cuantificar una probabilidad para nuestra confianza en la conjetura misma y luego aplicar un análisis bayesiano , con cada resultado experimental desplazando la probabilidad hacia arriba o hacia abajo. El teorema de Bayes muestra que la probabilidad nunca alcanzará exactamente 0 o 100% (no hay certeza absoluta en ninguna dirección), pero aún así puede acercarse mucho a cualquiera de los extremos. Véase también holismo de confirmación .
La calificación de la evidencia que la corrobora a veces se plantea como filosóficamente problemática. La paradoja del cuervo es un ejemplo famoso. La hipótesis de que "todos los cuervos son negros" parecería corroborada por observaciones únicamente de cuervos negros. Sin embargo, "todos los cuervos son negros" es lógicamente equivalente a "todas las cosas que no son negras no son cuervos" (ésta es la forma contrapositiva de la implicación original). 'Esto es un árbol verde' es una observación de una cosa no negra que no es un cuervo y por lo tanto corrobora 'todas las cosas no negras son no cuervos'. De ello parece deducirse que la observación "este es un árbol verde" corrobora la evidencia de la hipótesis "todos los cuervos son negros". Los intentos de resolución podrán distinguir:
La evidencia contraria a una hipótesis es en sí misma filosóficamente problemática. Esta evidencia se llama falsificación de la hipótesis. Sin embargo, según la teoría del holismo de confirmación siempre es posible salvar una hipótesis determinada de la falsificación. Esto es así porque cualquier observación falsante está incrustada en un trasfondo teórico que puede modificarse para salvar la hipótesis. Karl Popper lo reconoció, pero sostuvo que un enfoque crítico que respete reglas metodológicas que eviten tales estratagemas inmunizantes favorece el progreso de la ciencia. [8]
El físico Sean Carroll afirma que el modelo ignora la subdeterminación . [9]
El enfoque hipotético-deductivo contrasta con otros modelos de investigación como el enfoque inductivo o la teoría fundamentada. En la metodología de percolación de datos, el enfoque hipotético-deductivo se incluye en un paradigma de pragmatismo por el cual pueden existir cuatro tipos de relaciones entre las variables: descriptivas, de influencia, longitudinales o causales. Las variables se clasifican en dos grupos, estructurales y funcionales, clasificación que impulsa la formulación de hipótesis y las pruebas estadísticas a realizar sobre los datos para aumentar la eficiencia de la investigación. [10]