Los modelos de investigación científica tienen dos funciones: primero, proporcionar una descripción de cómo se lleva a cabo la investigación científica en la práctica y, segundo, proporcionar una explicación de por qué la investigación científica tiene tanto éxito como parece tener a la hora de llegar al conocimiento genuino. El filósofo Wesley C. Salmon describió la investigación científica de la siguiente manera:
La búsqueda del conocimiento científico se remonta a la Antigüedad. En algún momento del pasado, al menos en la época de Aristóteles, los filósofos reconocieron que se debía trazar una distinción fundamental entre dos tipos de conocimiento científico: a grandes rasgos, el conocimiento de que y el conocimiento del por qué . Una cosa es saber que cada planeta invierte periódicamente la dirección de su movimiento con respecto al fondo de estrellas fijas; otra muy distinta es saber el por qué . El primer tipo de conocimiento es descriptivo; el segundo, explicativo. Es el conocimiento explicativo el que proporciona una comprensión científica del mundo. (Salmon, 2006, pág. 3) [1]
Según el Consejo Nacional de Investigación (Estados Unidos) : “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”. [2]
El modelo clásico de investigación científica deriva de Aristóteles , [3] quien distinguió las formas de razonamiento aproximado y exacto, estableció el triple esquema de inferencia abductiva , deductiva e inductiva , y también trató las formas compuestas como el razonamiento por analogía . [ cita requerida ]
Wesley Salmon (1989) [1] comenzó su estudio histórico de la explicación científica con lo que él llamó la visión recibida , tal como fue recibida de Hempel y Oppenheim en los años que comenzaron con sus Estudios sobre la lógica de la explicación (1948) y culminaron con Aspectos de la explicación científica de Hempel (1965). Salmon resumió su análisis de estos desarrollos por medio de la siguiente Tabla.
En esta clasificación, una explicación deductiva-nomológica (DN) de un suceso es una deducción válida cuya conclusión establece que el resultado que se pretende explicar ocurrió de hecho. El argumento deductivo se denomina explicación , sus premisas se denominan explanans ( L: que explica ) y la conclusión se denomina explanandum ( L: que debe explicarse ). Dependiendo de una serie de calificaciones adicionales, una explicación puede clasificarse en una escala que va de potencial a verdadera .
Sin embargo, no todas las explicaciones científicas son del tipo DN. Una explicación inductiva-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, en el que la medida de certeza involucrada es completa, o probabilidad 1, en el primer caso, mientras que es menos que completa, probabilidad < 1, en el segundo caso.
Desde este punto de vista, el modo de razonamiento DN, además de utilizarse para explicar sucesos particulares, también puede emplearse para explicar regularidades generales, simplemente deduciéndolas de leyes aún más generales.
Por último, el tipo de explicación deductivo-estadístico (ED), considerado propiamente como una subclase del tipo DN, explica las regularidades estadísticas mediante la deducción a partir de leyes estadísticas más amplias (Salmon 1989, págs. 8-9). [1]
Tal era la visión aceptada 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). [1]
A lo largo de la historia, una teoría ha sucedido a otra, y algunas han sugerido más trabajo mientras que otras han parecido 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 teoría "buena" ? 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 sesgo cognitivo . [4] Colyvan resumió varios criterios propuestos con frecuencia. [5] Una buena teoría:
Stephen Hawking apoyó los puntos 1, 2 y 4, pero no mencionó la fecundidad. [6] Por otro lado, Kuhn enfatiza la importancia de la seminalidad. [7]
El objetivo 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 . [8] Además, criterios como estos no necesariamente deciden entre teorías alternativas. Citando a Bird: [9]
"Estos criterios no pueden determinar la elección científica. En primer lugar, puede ser discutible qué características de una teoría satisfacen estos criterios ( por ejemplo, ¿ la simplicidad concierne a los compromisos ontológicos de una teoría o a su forma matemática?). En segundo lugar, estos criterios son imprecisos, por lo que hay lugar para el desacuerdo sobre el grado en que se cumplen. En tercer lugar, puede haber desacuerdo sobre cómo se deben ponderar 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, ninguna teoría satisface actualmente el poder explicativo de todas las observaciones existentes (criterio 3). [10]
Cualesquiera que sean los objetivos últimos 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 amplio, pero en otros es bastante pequeño. [11]
— EB Davies, Pluralismo epistemológico, p. 4
Los desiderata de una "buena" teoría han sido debatidos durante siglos, quizás incluso antes de la navaja de Occam [12], que a menudo se considera un atributo de una buena teoría. La navaja de Occam podría caer bajo el encabezado de "elegancia", el primer elemento de la lista, pero Albert Einstein advirtió sobre una aplicación demasiado entusiasta : "Todo debe hacerse lo más simple posible, pero no más simple". [13] Se puede argumentar que la parsimonia y la elegancia "normalmente tiran en direcciones diferentes". [14] El elemento de falsabilidad de la lista está relacionado con el criterio propuesto por Popper para demarcar una teoría científica de una teoría como la astrología: ambas "explican" las observaciones, pero la teoría científica corre el riesgo de hacer predicciones que deciden si es correcta o incorrecta: [15] [16]
"Debe ser posible que un sistema científico empírico sea refutado por la experiencia".
"Aquellos de nosotros que no están dispuestos a exponer sus ideas al riesgo de la refutación no participan en el juego de la ciencia".
— Karl Popper, La lógica del descubrimiento científico, pág. 18 y pág. 280
Thomas Kuhn sostuvo que los cambios en las visiones de la realidad de los científicos no sólo contienen elementos subjetivos, sino que son resultado de dinámicas de grupo, "revoluciones" en la práctica científica que resultan en cambios de paradigma . [17] Como ejemplo, Kuhn sugirió que la " Revolución Copernicana " heliocéntrica reemplazó las visiones geocéntricas de Ptolomeo no por fallas empíricas, sino por un nuevo "paradigma" que ejercía control sobre lo que los científicos sentían que era la forma más fructífera de alcanzar sus metas.
El razonamiento deductivo y el razonamiento inductivo son bastante diferentes en sus enfoques.
El razonamiento deductivo es 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 se prueban. De hecho, no se pueden probar sin circularidad. También habrá términos primitivos que no estén definidos, ya que no se pueden definir sin circularidad. Por ejemplo, se puede definir una línea como un conjunto de puntos, pero definir un punto como la intersección de dos líneas sería circular. Debido a estas interesantes características de los sistemas formales , Bertrand Russell se refirió humorísticamente 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 utilizar correctamente el término "prueba", aplicándolo a un teorema. Decir que un teorema está demostrado significa que es imposible que los axiomas sean verdaderos y el teorema sea falso. Por ejemplo, podríamos hacer un silogismo simple como el siguiente:
Obsérvese que no es posible (suponiendo que se cumplan todos los criterios de calificación triviales) estar en Arches y no estar en Utah. Sin embargo, uno puede estar en Utah sin estar en el Parque Nacional Arches. La implicación sólo funciona en una dirección. Las afirmaciones (1) y (2) tomadas en conjunto implican la afirmación (3). La afirmación (3) no implica nada sobre las afirmaciones (1) o (2). Obsérvese que no hemos demostrado la afirmación (3), pero hemos demostrado que las afirmaciones (1) y (2) juntas implican la afirmación (3). En matemáticas, lo que se demuestra no es la verdad de un teorema particular, sino que los axiomas del sistema implican el teorema. En otras palabras, es imposible que los axiomas sean verdaderos y el teorema sea falso. La fortaleza de los sistemas deductivos es que están seguros de sus resultados. La debilidad es que son construcciones abstractas que, lamentablemente, están un paso alejadas 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.
El aprendizaje del mundo físico suele implicar el uso del razonamiento inductivo, que resulta útil en empresas como la ciencia y el trabajo de detectives en la escena del crimen. Se hace un conjunto de observaciones específicas y se intenta elaborar un principio general basado en esas observaciones, que señalará otras observaciones que resultarían naturalmente de una repetición del experimento o de la realización de más observaciones a partir de un conjunto de circunstancias ligeramente diferente. Si las observaciones previstas son ciertas, se puede estar en el camino correcto. Sin embargo, el principio general no ha sido probado. El principio implica que deben seguirse ciertas observaciones, pero las observaciones positivas no implican el principio. Es muy posible que algún otro principio también pueda explicar las observaciones conocidas y que funcione mejor con experimentos futuros. La implicación fluye en una sola dirección, como en el silogismo utilizado en la discusión sobre la deducción. Por lo tanto, nunca es correcto decir que un principio científico o una hipótesis/teoría ha sido "probado" en el sentido riguroso de prueba utilizado en los sistemas deductivos.
Un ejemplo clásico de esto es el estudio de la gravitación. Newton formuló una ley para la gravitación que establecía que la fuerza de la gravitación 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 parecieron validar su ecuación. Sin embargo, con el tiempo los telescopios se volvieron lo suficientemente potentes como para detectar una ligera discrepancia en la órbita de Mercurio. Los científicos intentaron todo lo imaginable para explicar la discrepancia, pero no pudieron hacerlo utilizando los objetos que se encontrarían 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 hicieron observaciones que parecían validar la teoría de Newton, de hecho no demostraron que su teoría fuera cierta. Sin embargo, en ese momento debió parecer que sí lo hicieron. Solo hizo falta un contraejemplo (la órbita de Mercurio) para demostrar que había algo erróneo en su teoría.
Esto es típico del razonamiento inductivo. Todas las observaciones que parecen validar la teoría no prueban su veracidad, pero un contraejemplo puede demostrar que es falsa. Esto significa que se utiliza la lógica deductiva para evaluar 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 apoyada por muchas observaciones realizadas con los mejores instrumentos y experimentos científicos. Sin embargo, su teoría tiene ahora el mismo estatus que la teoría de la gravitación de Newton antes de ver los problemas en la órbita de Mercurio. Es muy creíble y está validada con todo lo que sabemos, pero no está probada. 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 del Gran Colisionador de Hadrones han realizado experimentos que han arrojado datos que sugieren la existencia del bosón de Higgs. Sin embargo, al darse cuenta de que los resultados podrían explicarse posiblemente como una fluctuación de fondo y no como el bosón de Higgs, son cautelosos y esperan más datos de futuros experimentos. Guido Tonelli dijo:
"No podemos excluir la presencia del bosón de Higgs del Modelo Estándar entre 115 y 127 GeV debido a un modesto exceso de eventos en esta región de masa que aparece, de forma bastante consistente, en cinco canales independientes [...] A día de hoy, lo que vemos es consistente o bien con una fluctuación de fondo o bien con la presencia del bosón."
Una forma de describir el método científico contendría entonces estos pasos como mínimo:
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 puede ser probada pero puede ser refutada, 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 por analogía, se infiere que, puesto que dos cosas son iguales en varios aspectos, es probable que sean iguales 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 ninguna similitud en otros aspectos. Es posible que el observador ya haya notado todos los atributos que comparten y que cualquier otro atributo sea distinto. El argumento por analogía es un método de razonamiento poco fiable que puede llevar a conclusiones erróneas y, por lo tanto, no se puede utilizar para establecer hechos científicos.
Esa decisión debe basarse menos en los logros pasados que en las promesas futuras.
Es toda una familia de teorías diferentes, cada una de las cuales es una buena descripción de las observaciones sólo en un rango determinado de situaciones físicas... Pero así como no existe un mapa que sea una buena representación de toda la superficie de la Tierra, no existe una única teoría que sea una buena representación de las observaciones en todas las situaciones.