Pensamiento crítico: saber qué merece ser creído y hasta qué punto

La frase más repetida de la divulgación escéptica sostiene que las afirmaciones extraordinarias exigen pruebas extraordinarias, y suele atribuirse a Carl Sagan. Sagan la popularizó, eso es cierto, pero no la acuñó. Marcello Truzzi usaba una versión en 1975, Sagan empezó a emplearla hacia 1977, y la idea se remonta al menos a David Hume, que en 1748 escribió que ninguna declaración basta para establecer un milagro salvo que su falsedad resultara más milagrosa que el hecho que pretende establecer. La formulación que todos citamos tiene tres siglos y ningún autor único.

El caso de Karl Popper es especialmente revelador, porque a menudo se presenta su falsacionismo como si un solo contraejemplo bastara para declarar muerta una teoría. En el plano lógico, una observación incompatible contradice una afirmación universal, pero en la investigación empírica hay que comprobar también la fiabilidad de la medición, las condiciones del ensayo y la posibilidad de reproducir el resultado. En La lógica de la investigación científica, Popper explicó que unas pocas afirmaciones básicas aisladas no bastan para aceptar una falsación y exigió la corroboración de un efecto reproducible, al tiempo que reconocía que ninguna refutación empírica resulta concluyente en sentido absoluto. Si el pensamiento crítico pretende examinar los argumentos ajenos, conviene empezar por no convertir a sus referentes en caricaturas.

La Lógica de la investigación científica apareció en Viena en el otoño de 1934 con el pie de imprenta de 1935, y Popper la tradujo él mismo al inglés en 1959. Su propuesta es que lo que distingue a un sistema empírico no es que pueda verificarse sino que pueda falsarse, es decir, que exista al menos una observación concebible capaz de entrar en conflicto con él. Lo que no propuso es un criterio de significado ni un método para establecer que algo es verdadero. Llegó a calificar de leyenda la idea de que pretendía sustituir la verificabilidad por la falsabilidad como criterio de sentido, y escribió que nunca supuso que una conclusión verificada permita establecer una teoría como verdadera.

Hay un obstáculo adicional que conviene conocer porque aparece en cualquier discusión real sobre evidencia. Pierre Duhem lo formuló a principios del siglo XX y Willard Van Orman Quine lo radicalizó en 1951, una hipótesis nunca se somete sola a prueba experimental, siempre va acompañada de supuestos auxiliares sobre los instrumentos, las condiciones y las teorías de fondo. Cuando el experimento falla, la lógica indica que algo del conjunto está mal, pero no señala qué. Por eso en la práctica científica un resultado adverso casi nunca mata una teoría de golpe, se discute durante años qué pieza conviene mover.

Thomas Kuhn publicó en 1962 la otra mitad del cuadro, con la observación de que la investigación normal transcurre dentro de marcos compartidos y que los científicos, mientras trabajan dentro de uno, no tratan las anomalías como refutaciones de la teoría que los guía. También aquí la versión popular se ha ido lejos del original, porque Kuhn rechazó expresamente las lecturas relativistas de su obra, negó que las variables sociales determinen los resultados científicos y aclaró que la inconmensurabilidad entre paradigmas no significa que no puedan compararse. Lo que vale la pena quedarse de ambos es menos épico y más útil, la ciencia no avanza acumulando certezas sino administrando dudas con reglas.

De ahí se siguen tres distinciones que se confunden a diario. El consenso científico es la convergencia de los especialistas hacia una explicación sostenida por varias líneas de evidencia independientes, y no es una votación ni una garantía de infalibilidad. La autoridad científica es competencia reconocida en un ámbito, merece consideración y no sustituye a las pruebas. Y la certeza científica es un grado de confianza justificado por la evidencia, que puede ser altísimo sin llegar nunca a ser una certeza lógica absoluta. La mecánica newtoniana describe con enorme precisión casi todo lo que ocurre a escala cotidiana, y la relatividad no la desmintió sin más, le delimitó un dominio de validez. Eso es progreso, no derrota.

Peter Wason publicó en 1960 un experimento que permite observar cómo ponemos a prueba nuestras hipótesis. A veintinueve participantes les presentó la secuencia 2, 4, 6 y les indicó que cumplía una regla desconocida, que debían descubrir proponiendo nuevas ternas y recibiendo como respuesta si cada una se ajustaba a esa regla. La solución era sencilla, tres números en orden creciente, pero solo seis participantes llegaron a identificarla sin haber anunciado antes una regla equivocada, mientras que nueve comunicaron dos o más reglas incorrectas. El experimento mostró que muchos preferían ensayar ejemplos compatibles con su primera explicación antes que buscar casos capaces de descartarla, aunque esos resultados no permiten reducir todos los errores de razonamiento a una sola causa.

Ese sesgo de confirmación es lo que Raymond Nickerson describió en 1998 en una revisión que sigue siendo la referencia del campo, y donde sostiene que si hubiera que señalar un solo aspecto problemático del razonamiento humano merecedor de atención por encima de todos los demás, este estaría entre los candidatos. Conviene una precisión que casi nadie hace, el artículo de Wason de 1960 no contiene la expresión sesgo de confirmación, el término se le atribuye después a partir de su interpretación de aquellos resultados. De ahí sale la pregunta que de verdad discrimina, qué evidencia concreta me haría cambiar de opinión. Quien no sabe responderla no está examinando una hipótesis, está defendiendo una posición. Es la misma distinción que TecnoTimes aplicó al escribir sobre lo que ocurre cuando la revelación compite con la evidencia.

La parte más exigente del método consiste en aplicárselo a la propia ciencia, donde la fiabilidad también puede medirse. La Open Science Collaboration publicó en Science en 2015 los resultados de cien intentos de replicar estudios de psicología procedentes de tres revistas. El 97 % de los trabajos originales comunicaba resultados estadísticamente significativos, frente al 36 % de las replicaciones, mientras que el tamaño medio del efecto, expresado como coeficiente de correlación, pasó de 0,403 a 0,197. Esa reducción aproximada a la mitad no significa que todos los efectos originales persistieran con menor intensidad ni que el resto fueran necesariamente falsos, porque la significación estadística y el tamaño del efecto responden a preguntas diferentes y una replicación no significativa, por sí sola, tampoco demuestra la inexistencia de un fenómeno.

Las dificultades para reproducir resultados también aparecen fuera de la psicología. En economía experimental, Camerer y sus colaboradores replicaron en 2016 dieciocho estudios de dos revistas de referencia y encontraron un efecto estadísticamente significativo en la misma dirección en once de ellos, el 61 %, con un tamaño medio equivalente al 66 % del original. En biología del cáncer, el Reproducibility Project: Cancer Biology terminó completando cincuenta de los ciento noventa y tres experimentos previstos, entre otras dificultades por la información metodológica insuficiente de numerosos trabajos originales. Entre los efectos positivos que pudieron compararse cuantitativamente, la mediana del tamaño del efecto en las replicaciones fue un 85 % menor que la correspondiente a los experimentos originales. Conviene además no transformar el conocido artículo de John Ioannidis de 2005 en una estadística observada sobre cuántos estudios publicados son falsos, porque su argumento es un análisis de las condiciones que afectan al valor predictivo de los hallazgos, incluida la potencia estadística, los sesgos y las probabilidades previas.