La evidencia científica es evidencia que sirve para apoyar o contrarrestar una teoría o hipótesis científica . Se espera que dicha evidencia sea evidencia empírica e interpretable de acuerdo con el método científico . Los estándares para la evidencia científica varían según el campo de investigación, pero la solidez de la evidencia científica se basa generalmente en los resultados del análisis estadístico y la solidez de los controles científicos .
Principios de inferencia
Las suposiciones o creencias de una persona sobre la relación entre las observaciones y una hipótesis afectarán si esa persona toma las observaciones como evidencia. [1] Estas suposiciones o creencias también afectarán cómo una persona utiliza las observaciones como evidencia. Por ejemplo, la aparente falta de movimiento de la Tierra puede tomarse como evidencia de una cosmología geocéntrica. Sin embargo, una vez que se presenta suficiente evidencia para la cosmología heliocéntrica y se explica la aparente falta de movimiento, la observación inicial se descarta fuertemente como evidencia.
Cuando los observadores racionales tienen creencias de fondo diferentes, pueden sacar conclusiones diferentes de la misma evidencia científica. Por ejemplo, Priestley , trabajando con la teoría del flogisto , explicó sus observaciones sobre la descomposición del óxido mercúrico usando flogisto. Por el contrario, Lavoisier , desarrollando la teoría de los elementos, explicó las mismas observaciones con referencia al oxígeno. [2] Nótese que no existe una relación causal entre las observaciones y la hipótesis para hacer que la observación se tome como evidencia, [1] sino que la relación causal la proporciona la persona que busca establecer las observaciones como evidencia.
Un método más formal para caracterizar el efecto de las creencias de fondo es la inferencia bayesiana . [3] En la inferencia bayesiana, las creencias se expresan como porcentajes que indican la confianza que uno tiene en ellas. Se parte de una probabilidad inicial (a priori ) y luego actualiza esa probabilidad usando el teorema de Bayes después de observar la evidencia. [4] Como resultado, dos observadores independientes del mismo evento llegarán racionalmente a conclusiones diferentes si sus antecedentes (observaciones previas que también son relevantes para la conclusión) difieren. Sin embargo, si se les permite comunicarse entre sí, terminarán de acuerdo (según el teorema de acuerdo de Aumann ).
La importancia de las creencias de fondo en la determinación de qué observaciones son evidencia se puede ilustrar utilizando el razonamiento deductivo , como los silogismos . [5] Si alguna de las proposiciones no se acepta como verdadera, tampoco se aceptará la conclusión.
Utilidad de la evidencia científica
Filósofos, como Karl R. Popper , han aportado teorías influyentes del método científico dentro de las cuales la evidencia científica juega un papel central. [6] En resumen, Popper establece que un científico desarrolla creativamente una teoría que puede ser falsificada al probar la teoría con evidencia o hechos conocidos. La teoría de Popper presenta una asimetría en el sentido de que la evidencia puede probar que una teoría es incorrecta, al establecer hechos que son inconsistentes con la teoría. Por el contrario, la evidencia no puede probar que una teoría es correcta porque puede existir otra evidencia, aún por descubrir, que sea inconsistente con la teoría. [7]
Puntos de vista filosóficos versus científicos
En el siglo XX, muchos filósofos investigaron la relación lógica entre las declaraciones de evidencia y las hipótesis, mientras que los científicos tendieron a centrarse en cómo se generan los datos. [8] : S193 Pero según la filósofa Deborah Mayo , a fines del siglo XX, los filósofos habían llegado a comprender que "hay características clave de la práctica científica que son pasadas por alto o mal descritas por todos esos relatos lógicos de evidencia, ya sean hipotético-deductivos , Bayesiano o instanciacionista ". [8] : S194
Hubo una variedad de enfoques filosóficos del siglo XX para decidir si una observación puede considerarse evidencia; muchos de ellos se centraron en la relación entre la evidencia y la hipótesis. En la década de 1950, Rudolf Carnap recomendó distinguir tales enfoques en tres categorías: clasificatorio (si la evidencia confirma la hipótesis), comparativo (si la evidencia respalda una primera hipótesis más que una hipótesis alternativa) o cuantitativo (el grado en que la evidencia respalda una hipótesis). hipótesis). [9] Una antología de 1983 editada por Peter Achinstein proporcionó una presentación concisa de prominentes filósofos sobre la evidencia científica, incluido Carl Hempel (sobre la lógica de la confirmación), RB Braithwaite (sobre la estructura de un sistema científico), Norwood Russell Hanson (sobre la lógica del descubrimiento), Nelson Goodman (de grue fama, en una teoría de proyección), Rudolf Carnap (en el concepto de pruebas que confirman), Wesley C. Salmon (en la confirmación y relevancia), y Clark Glymour (en pruebas pertinentes). [10] En 1990, William Bechtel proporcionó cuatro factores (claridad de los datos, replicación por otros, consistencia con los resultados obtenidos por métodos alternativos y consistencia con teorías plausibles de mecanismos) útiles para determinar si las observaciones pueden ser consideradas evidencia científica. [11]
En 2001, Achinstein publicó su propio libro sobre el tema titulado The Book of Evidence , en el que, entre otros temas, distinguió entre cuatro conceptos de evidencia: evidencia de situación epistémica (evidencia relativa a una situación epistémica dada), evidencia subjetiva (considerada ser evidencia de una persona en particular en un momento particular), evidencia verídica (una buena razón para creer que una hipótesis es verdadera) y evidencia potencial (una buena razón para creer que una hipótesis es altamente probable). [12] Achinstein definió todos sus conceptos de evidencia en términos de evidencia potencial, ya que cualquier otro tipo de evidencia debe ser al menos evidencia potencial, y argumentó que los científicos buscan principalmente evidencia verídica pero también usan los otros conceptos de evidencia, que se basan en sobre un concepto distintivo de probabilidad, y Achinstein contrastó este concepto de probabilidad con teorías probabilísticas de evidencia previas como las bayesianas, carnapianas y frecuentistas. [12]
La simplicidad es un criterio filosófico común para las teorías científicas. [13] Basado en la suposición filosófica de la fuerte tesis de Church-Turing , se ha conjeturado un criterio matemático para la evaluación de la evidencia, con un criterio que se parece a la idea de la navaja de Occam de que la descripción completa más simple de la evidencia es más probable correcto. [14] Establece formalmente, "El principio ideal establece que la probabilidad previa asociada con la hipótesis debe ser dada por la probabilidad universal algorítmica, y la suma de la probabilidad universal logarítmica del modelo más el logaritmo de la probabilidad de los datos dados el modelo debe minimizarse ". [14] Sin embargo, algunos filósofos (incluidos Richard Boyd , Mario Bunge , John D. Norton y Elliott Sober ) han adoptado una visión escéptica o deflacionaria del papel de la simplicidad en la ciencia, argumentando de diversas formas que su importancia ha sido exagerada. [15]
El énfasis en la prueba de hipótesis como la esencia de la ciencia prevalece tanto entre los científicos como entre los filósofos. [16] Sin embargo, los filósofos han notado que probar hipótesis al confrontarlas con nueva evidencia no explica todas las formas en que los científicos usan la evidencia. Por ejemplo, cuando Geiger y Marsden dispersaron partículas alfa a través de una fina lámina de oro , los datos resultantes permitieron a su asesor experimental, Ernest Rutherford , calcular con mucha precisión la masa y el tamaño de un núcleo atómico por primera vez. [17] Rutherford utilizó los datos para desarrollar un nuevo modelo atómico , no solo para probar una hipótesis existente; tal uso de evidencia para producir nuevas hipótesis a veces se llama secuestro (siguiendo a C. S. Peirce ). [17] El metodólogo de ciencias sociales Donald T. Campbell , quien enfatizó la prueba de hipótesis a lo largo de su carrera, luego enfatizó cada vez más que la esencia de la ciencia "no es la experimentación per se" sino la competencia iterativa de "hipótesis rivales plausibles", un proceso que en cualquier fase determinada puede partir de la evidencia o puede partir de la hipótesis. [18] Otros científicos y filósofos han enfatizado el papel central de las preguntas y problemas en el uso de datos e hipótesis. [19]
Concepto de prueba científica
Si bien la frase "prueba científica" se usa a menudo en los medios de comunicación populares, [20] muchos científicos han argumentado que realmente no existe tal cosa. Por ejemplo, Karl Popper escribió una vez que "en las ciencias empíricas, que son las únicas que pueden proporcionarnos información sobre el mundo en el que vivimos, las pruebas no ocurren, si entendemos por 'prueba' un argumento que establece de una vez por siempre la verdad ''. de una teoría ". [21] [22] Albert Einstein dijo:
El teórico científico no debe ser envidiado. Porque la Naturaleza, o más precisamente el experimento, es un juez inexorable y poco amistoso de su obra. Nunca dice "Sí" a una teoría. En los casos más favorables dice "Quizás", y en la gran mayoría de los casos simplemente "No". Si un experimento está de acuerdo con una teoría, para esta última significa "Quizás", y si no está de acuerdo, significa "No". Probablemente toda teoría algún día experimentará su "No", la mayoría de las teorías, poco después de la concepción. [23]
Ver también
- Evidencia anecdótica
- Evidencia científica (ley)
- Ciencias
- Opinión
Referencias
- ↑ a b Longino, Helen (marzo de 1979). Filosofía de la ciencia, vol. 46 . págs. 37–42.
- ^ Thomas S. Kuhn, La estructura de la revolución científica, 2ª Ed. (1970).
- ^ William Talbott "Epistemología bayesiana" Consultado el 13 de mayo de 2007.
- ^ Thomas Kelly "Evidencia" . Consultado el 13 de mayo de 2007.
- ^ George Kenneth Stone, "Evidencia en la ciencia" (1966)
- ^ Karl R. Popper, "La lógica del descubrimiento científico" (1959).
- ^ Manual de referencia sobre evidencia científica , 2ª Ed. (2000), pág. 71. Consultado el 21 de febrero de 2020. Ver: la tercera edición del Manual de referencia sobre evidencia científica
- ^ a b Mayo, Deborah G. (septiembre de 2000). "Práctica experimental y un error estadístico relato de la evidencia". Filosofía de la ciencia . 67 (Suplemento): S193 – S207. JSTOR 188668 .
Una pregunta que los científicos y filósofos de la ciencia plantean regularmente es: ¿Cuándo proporcionan los datos empíricos una buena prueba o evidencia confiable de una hipótesis científica? A pesar de este interés compartido, las consideraciones a las que los científicos apelan para responder son marcadamente diferentes de las invocadas en los relatos filosóficos de la evidencia y la confirmación.
El artículo de Mayo fue parte del simposio "Evidencia, generación de datos y práctica científica: hacia una filosofía del experimento confiable" en las reuniones bienales de 1998 de la Philosophy of Science Association . Véase también la contribución de Achinstein al simposio: Achinstein, Peter (2000). "Por qué las teorías filosóficas de la evidencia son (y deben ser) ignoradas por los científicos". Filosofía de la ciencia . 67 (Suplemento): S180 – S192. JSTOR 188667 . - ^ Carnap, Rudolf (1962) [1950]. Fundamentos lógicos de la probabilidad (2ª ed.). Chicago: Prensa de la Universidad de Chicago . pag. 462 . OCLC 372957 .
- ^ Achinstein, Peter , ed. (1983). El concepto de evidencia . Lecturas de Oxford en filosofía. Oxford; Nueva York: Oxford University Press . ISBN 0198750625.
- ^ Bechtel, William (1990). "Evidencia científica: creación y evaluación de instrumentos experimentales y técnicas de investigación". PSA: Actas de la Reunión Bienal de la Asociación de Filosofía de la Ciencia . 1990 (1): 559–572 (561). doi : 10.1086 / psaprocbienmeetp.1990.1.192732 . JSTOR 192732 .
- ^ a b McArthur, Dan (agosto de 2003). "Reseña del libro: Peter Achinstein, El libro de las pruebas " . Filosofía en revisión . 23 (4): 235–237. Los cuatro conceptos de Achinstein también se resumen en: Achinstein, Peter (2014) [2008]. "Evidencia". En Curd, Martin; Psillos, Stathis (eds.). El compañero de Routledge para la filosofía de la ciencia . Compañeros de filosofía de Routledge (2ª ed.). Londres; Nueva York: Routledge . págs. 381–392. doi : 10.4324 / 9780203744857 . ISBN 9780415518741. OCLC 824535995 .
- ^ Baker, Alan (20 de diciembre de 2016). "Sencillez" . En Zalta, Edward N. (ed.). Enciclopedia de Filosofía de Stanford .
- ^ a b Vitányi, Paul MB ; Li, Ming (marzo de 2000). "Inducción de longitud de descripción mínima, bayesianismo y complejidad de Kolmogorov" (PDF) . Transacciones IEEE sobre teoría de la información . 46 (2): 446–464. arXiv : cs / 9901014 . doi : 10.1109 / 18.825807 . Consulte también el Capítulo 5 en: Li, Ming; Vitányi, Paul (2019). Una introducción a la complejidad de Kolmogorov y sus aplicaciones . Textos en informática (4ª ed.). Cham: Springer-Verlag . doi : 10.1007 / 978-3-030-11298-1 . ISBN 9783030112974. OCLC 1106165074 .
- ^ Fitzpatrick, Simon (2013). "Sencillez en la filosofía de la ciencia" . Enciclopedia de Filosofía de Internet . Véanse especialmente las Secciones 1b y 4c.
- ^ Por ejemplo: Schindler, Samuel (2018). "Testabilidad y no ad hoc". Virtudes teóricas en la ciencia: descubrir la realidad a través de la teoría . Cambridge, Reino Unido; Nueva York: Cambridge University Press . págs. 6–7. doi : 10.1017 / 9781108381352 . ISBN 9781108422260.
Ningún otro criterio de una buena teoría científica es tan ampliamente reconocido como la falsabilidad o comprobabilidad de una teoría, no sólo dentro de la filosofía de la ciencia, sino también mucho más allá de ella.
Y: "Comprensión de la ciencia 101: prueba de ideas científicas" . undsci.berkeley.edu . Museo de Paleontología de la Universidad de California .Probar hipótesis y teorías es el núcleo del proceso de la ciencia.
- ^ a b Thagard, Paul ; Toombs, Ethan (2005). "Átomos, categorización y cambio conceptual" (PDF) . En Cohen, Henri; Lefebvre, Claire (eds.). Manual de categorización en ciencia cognitiva . Amsterdam: Elsevier . págs. 243-254 (253). doi : 10.1016 / B978-008044612-7 / 50065-2 . ISBN 0080446124. OCLC 60667797 .
Las características de los prototipos abductivos se plantean como hipótesis para explicar las observaciones, como cuando Rutherford infirió que la masa de un átomo se concentra en una región muy pequeña para explicar por qué las partículas alfa atraviesan una lámina de oro. Los prototipos abductivos pueden cambiar drásticamente cuando los nuevos datos requieren la revisión de hipótesis sobre características explicativas. Esto es exactamente lo que sucedió con el concepto de átomo cuando los experimentos de Thompson y Rutherford revelaron la divisibilidad de los átomos.
La interpretación de Rutherford del experimento Geiger-Marsden también se menciona como un ejemplo de abducción en: Faye, enero (2014). "Sobre interpretación". La naturaleza del pensamiento científico: sobre interpretación, explicación y comprensión . Houndmills, Basingstoke, Hampshire; Nueva York: Palgrave Macmillan . págs. 60–84. doi : 10.1057 / 9781137389831_3 . ISBN 9781137389824. OCLC 870285649 . - ^ Campbell, Donald T. (1984) "Prólogo". En Yin, Robert K. (2018) [1984]. Investigación de estudios de caso: diseño y métodos (6ª ed.). Los Ángeles: Sage Publications . págs. xiii – xiv. ISBN 9781506336169. OCLC 983826254 .
Cada vez más he llegado a la conclusión de que el núcleo del método científico no es la experimentación per se, sino la estrategia connotada por la frase "hipótesis rivales plausibles". Esta estrategia puede comenzar a resolver acertijos con evidencia o puede comenzar con hipótesis. En lugar de presentar esta hipótesis o evidencia en la forma independiente del contexto de la confirmación positivista (o incluso de la corroboración pospositivista), se presenta en cambio en redes extendidas de implicaciones que (aunque nunca completas) son, sin embargo, cruciales para su evaluación científica. Esta estrategia incluye hacer explícitas otras implicaciones de la hipótesis para otros datos disponibles y reportar cómo encajan. También incluye buscar explicaciones rivales de la evidencia focal y examinar su plausibilidad. La plausibilidad de estos rivales generalmente se reduce por la extinción de la ramificación, es decir, al observar sus otras implicaciones en otros conjuntos de datos y ver qué tan bien encajan.
- ^ Por ejemplo: "Tema temático: método científico como técnica de resolución de problemas y respuesta a preguntas: Vol. 47, No. 1 de Synthese " . Abril de 1981. Un artículo de la edición es: Nickles, Thomas (abril de 1981). "¿Cuál es el problema que podemos solucionar?". Síntesis . 47 (1): 85-118. doi : 10.1007 / BF01064267 . JSTOR 20115620 .
A veces, los datos no constituyen el problema (o el problema principal), pero sirven principalmente como evidencia de que existe un problema (o al menos un problema más profundo).
Ver también: Nickles, Thomas (1988). "Cuestiones y problemas en filosofía de la ciencia: epistemologías de resolución de problemas versus directamente buscadores de la verdad". En Meyer, Michel (ed.). Preguntas y cuestionamientos . Grundlagen der Kommunikation = Fundamentos de la comunicación. Berlina; Nueva York: De Gruyter . págs. 43–67. doi : 10.1515 / 9783110864205.43 . ISBN 3110106809. Y desde la perspectiva de un científico: Krauss, Lawrence M. (14 de mayo de 2015). "Las grandes preguntas sin respuesta" . El Huffington Post . Consultado el 15 de mayo de 2015 . - ^ Ver, por ejemplo, "Cofundador de Greenpeace: No hay pruebas científicas de que los humanos sean la causa dominante del calentamiento del clima" . Canal Fox News . 28 de febrero de 2014 . Consultado el 19 de marzo de 2014 .
- ^ Popper, Karl (2011) [1966]. La sociedad abierta y sus enemigos (5ª ed.). Routledge. págs. 229-230. ISBN 9781136700323.
- ^ Theobald, Douglas (1999-2012). "29+ evidencias de macroevolución" . Archivo de TalkOrigins . Consultado el 19 de marzo de 2014 .
- ^ Gaither, Carl (2009). Diccionario de citas científicas de Gaither . Nueva York, NY: Springer. pag. 1602 . ISBN 978-0-387-49575-0.