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 en llegar al conocimiento genuino. . El filósofo Wesley C. Salmon describió la investigación científica:
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 debía trazarse 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 una cuestión muy diferente saber por qué . El conocimiento del primer tipo es descriptivo; el conocimiento de este último tipo es explicativo. Es conocimiento explicativo que proporciona comprensión científica del mundo. (Salmón, 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 razonamiento por analogía . [ cita necesaria ]
Wesley Salmon (1989) [1] comenzó su estudio histórico de la explicación científica con lo que llamó la visión recibida , tal como la recibieron de Hempel y Oppenheim en los años que comenzaron con sus Studies in the Logic of Explanation (1948) y culminaron con la exposición de Hempel. Aspectos de la explicación científica (1965). Salmon resumió su análisis de estos acontecimientos mediante el siguiente cuadro.
En esta clasificación, una explicación deductiva-nomológica (DN) de un suceso 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: explicar ) y la conclusión se llama explanandum ( L: ser explicado ). 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 estadística inductiva (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 limitante del tipo IS más general, siendo la medida de certeza involucrada 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 usarse para explicar sucesos particulares, también puede usarse para explicar regularidades generales, simplemente deduciéndolas de leyes aún más generales.
Finalmente, el tipo de explicación estadístico deductivo (DS), propiamente considerado como una subclase del tipo DN, explica las regularidades estadísticas por deducción de leyes estadísticas más integrales. (Salmón 1989, págs. 8-9). [1]
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). [1]
A lo largo de la historia, una teoría ha sucedido a otra, y algunas han sugerido trabajos adicionales mientras que otras parecen contentarse simplemente 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 cuestión 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 . [4] Colyvan resumió varios criterios propuestos a menudo. [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 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 . [8] Además, criterios como estos no necesariamente deciden entre teorías alternativas. Citando a Bird: [9]
"Ellos [tales 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 se refiere a los compromisos ontológicos de una teoría o su forma matemática?). En segundo lugar, 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, ninguna teoría satisface por el momento el poder explicativo sobre todas las observaciones existentes (criterio 3). [10]
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. [11]
— EB Davies, Pluralismo epistemológico, p. 4
Los desiderata de una "buena" teoría se han debatido 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 incluirse en el título "elegancia", el primer elemento de la lista, pero Albert Einstein advirtió sobre una aplicación demasiado entusiasta : "Todo debería hacerse lo más simple posible, pero no más simple". [13] Se puede argumentar que la parsimonia y la elegancia "normalmente van 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 decidan si es correcta. o incorrecto: [15] [16]
"Un sistema científico empírico debe poder ser 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, pag. 18 y pág. 280
Thomas Kuhn argumentó que los cambios en las visiones de la realidad de los científicos no sólo contienen elementos subjetivos, sino que son el 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 opiniones geocéntricas de Ptolomeo no debido a fallas empíricas, sino debido a un nuevo "paradigma" que ejerció control sobre lo que los científicos consideraban la forma más fructífera de lograrlo. perseguir sus objetivos.
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 están demostrados. 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 verdad 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 "demostración" como aplicable 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:
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 sin estar en el Parque Nacional Arches. La implicación sólo funciona en una dirección. Las declaraciones (1) y (2) tomadas en conjunto implican la declaración (3). La afirmación (3) no implica nada sobre las afirmaciones (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 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 constructos abstractos que, lamentablemente, están a un paso 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 los fenómenos naturales. Un resultado es el desarrollo de productos y procesos que benefician a la humanidad.
Aprender sobre el mundo físico a menudo implica el uso del razonamiento inductivo. Es útil en empresas como trabajo de detective científico y de escena del crimen. Se hace un conjunto de observaciones específicas y se busca formular un principio general basado en esas observaciones, que señalará otras observaciones que naturalmente resultarían de una repetición del experimento o de hacer más observaciones a partir de un conjunto de circunstancias ligeramente diferente. Si las observaciones predichas son ciertas, es posible que uno esté 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 pueda funcionar mejor en 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 de gravitación que establece que la fuerza de gravitación es directamente proporcional al producto de 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, 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 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, en realidad no demostraron que su teoría fuera cierta. Sin embargo, debió parecer en ese momento que así era. Sólo hizo falta un contraejemplo (la órbita de Mercurio) para demostrar que algo andaba mal en su teoría.
Esto es típico del razonamiento inductivo. Todas las observaciones que parecen validar la teoría no prueban su verdad. Pero un contraejemplo puede demostrar 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 sólo 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 arrojaron datos que sugieren la existencia del bosón de Higgs. Sin embargo, al darse cuenta de que los resultados podrían explicarse como una fluctuación de fondo y no como el bosón de Higgs, son cautelosos y esperan más datos de experimentos futuros. 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 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 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 sí refutar, lo mismo ocurre con una teoría. Es una diferencia de grado, no de especie.
Los argumentos por analogía son otro tipo de razonamiento inductivo. Al argumentar por 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 llevar a conclusiones erróneas y, por lo tanto, no puede usarse para establecer hechos científicos.
Esa decisión debe basarse menos en logros pasados que en promesas futuras.
Es toda una familia de teorías diferentes, cada una de las cuales es una buena descripción de las observaciones sólo en una serie de situaciones físicas... Pero así como no existe un mapa que sea una buena representación de toda la superficie de la Tierra, tampoco existe un mapa único que represente bien toda la superficie de la Tierra. teoría que es una buena representación de las observaciones en todas las situaciones.