Texto universitario

_____________________________

 

Módulo 2. Métodos de investigación 


“El método es el plan ordenado para el desarrollo del proyecto de investigación… cualitativo, cuantitativo o mixto, es la manera de conducir el pensamiento con el fin de llegar a resultados en el descubrimiento de la verdad[1]”. 


Es un mito popular que la ciencia conduce inevitablemente a la verdad por la simple razón de que utiliza evidencia empírica para probar una teoría. Otro mito es que la ciencia nada tiene que ver con lo real, porque todo en ella es teoría. En realidad estos dos mitos van de la mano, ya que parecen reflejar la idea de que la ciencia es todo o nada respecto a la certeza de lo verdadero. 


Al igual que con la mayoría de los conceptos erróneos, hay algo en su núcleo de verdad. La ciencia apunta al amor por la verdad. Lo hace tratando de aportar rigurosas teorías que enfrentan a los datos generados por los conceptos de los hechos empíricos. Lo único de lo que podemos estar seguros en la ciencia, es el cómo funciona su estilo de pensamiento, mejor conocido como investigación científica o actitud científica. Esta metodología es un proceso lingüístico en el arte del pensar objetivo, produce esencialmente discurso teórico respaldado en la consistencia lógica matemática y audaces diseños experimentales que la desafían. 


2.1 ¿Existe el método científico?


Para Kuhn y Popper,  filósofos de la ciencia, las teorías científicas son desde hace mucho reconocidas como construcciones de argumentos hipotéticos deductivos. Y es esa la base de su fuerza para la flexibilidad racional de la mente del científico. Cada vez que nos hacemos de nueva evidencia, nos enfrentamos con el problema de estar abiertos a que falseen nuestras teorías. Pero cada revisión de estas teorías a la luz de los hechos y sus nuevos datos, es una forma de pasar visto bueno de su vigencia contemporánea. Si tratamos de formular una hipótesis sobre el funcionamiento de algo en el mundo, estamos basándonos en los datos que son a su vez generados por los conceptos de una red de hechos. 


El problema en este punto es profundo, ya que socava no solo la idea de que no podemos estar seguros de que cualquiera de nuestras propuestas teóricas sobre el mundo, son verdad en lo absoluto. Sobre todo, dado que nuestra indefinible pequeña relación entre nuestra razón en comparación con el tamaño infinito del conjunto de todo lo posible, hace realista que pueda haber en el futuro de las experiencias de investigación, otra cosa muy distinta. La humildad nos conduce a reconocer esto. ¿Cómo podemos estar seguros que la muestra del mundo que hemos procesado es representativa del resto de él? Así como no podemos estar seguros de que en el futuro no surgirá un nuevo científico de la medida revolucionaria de Newton, Einstein y otros que derribaron las teorías dominantes de su tiempo, tampoco podemos ignorar, la eficacia del conocimiento científico de la mano de la ingeniería y el diseño. 


A pesar de que la ciencia trata de sacar conclusiones generales sobre las ecuaciones fundamentales del universo, es necesario considerar cómo funciona la base de nuestro conocimiento, en su circunstancia particular del método de investigación. Popper propuso una manera de hacerlo, aprender de los datos de una manera deductivamente válida, instalándonos en una base lógica más sólida.  El diseño experimental, no es otra cosa que una parte del método de investigación que intenta falsear a las teorías. Según esta, es la refutación lógica el diseño experimental o, confirma la teoría o, modificarla según Kuhn, en los conceptos mismos de los hechos, con ello, se produce una revolución científica de la teoría misma. 


Como hemos visto en 2015, la detección de ondas de gravedad hace que las disertaciones del espacio tiempo se confirman, tal como propuso las predicciones de Einstein propuestas hace 100 años.  Si la predicción hubiera sido errónea, la teoría habría sido rechazada. Pero como fue correcta, la recompensa epistémica sobre el estilo de pensamiento científico moderno fue tremenda. Recuerde que entenderemos por estilo de pensamiento científico a la metodología de investigación o actitud científica. Pero, la mayoría de la ciencia no funciona con este grado de rigor hipotético deductivo. 


No está claro cuándo buscar respuestas más difíciles a las preguntas que se contestan con las teorías dominantes o de moda de nuestro tiempo. Y cuándo deberíamos, solo nos dejamos llevar siguiendo respuestas dentro del paradigma teórico dominante[2]. Kuhn considera que los científicos luchan para armar un rompecabezas presente en la literatura científica, para acomodar las predicciones, errores y casos falsos dentro de una nueva teoría bien aceptada que mueva hasta los cimientos el saber vigente de una época de la civilización[3].


Incluso cuando una teoría tiene éxito, no puede ser aceptada como verdadera en lo absoluto, ella siempre será aproximadamente verdadera, sus fundamentos y justificaciones, lo son mientras sean llamadas al purgatorio de una nueva revolución del conocimiento. Algo tan poderoso como la evidencia científica, siempre nos queda al final como un número de aproximación potencialmente renovable y mejorable que puede derrocar cualquier teoría. Por lo tanto, el razonamiento científico es la sustancia obligada del arte de la investigación científica. El método científico, es más una tradición cultural de producir el discurso objetivo. Cuando una evidencia sobrevive a muchas pruebas rigurosas, no se abandona su intento de perfeccionarla, intentando derribar a las teorías que sostiene. Por supuesto que una teoría no es una verdad solo porque ha pasado muchas pruebas de refutación, el problema es que tampoco podemos decir que los hechos que forman la red de la teoría en su discurso argumental, son una base despreciable de su eficacia para la predicción técnica en que se sumerge. Si el tamaño de muestra de algo en sus demostraciones científicas fuera infinito, no supone que este conocimiento no sea falseable, como el criterio que Popper consideró para todo saber científico.


La idea de que siempre puede haber datos y evidencias que derrumben una teoría, hace que el pensamiento inductivista no pueda evitar ser derrocado. Cuando una teoría sobrevive a rigurosas pruebas de verdad, es probable que sea verdadera, pero solo probable. En su estructura de proposiciones puede haber  seguro algo de verdad, pero no hay forma de saberlo con certeza. Tal vez sea el caso en que algunos de los que desean defender la ciencia, pueden apoyarse en este argumento para probar sus teorías, incluso si saben que no pueden, se dejan llevar por la emoción y el calor de la crítica, para convencerse de que la teoría de uno es verdadera. 


Un punto erróneo de la mayoría, es considerar que si una afirmación científica no cuenta con evidencia o verificación, entonces es solo una teoría  y no debe ser creída. A veces, esto se lee como una afirmación de que otra teoría en el mismo estado, es igualmente probable de ser plausible. En el sentido de esta idea, se asume que la teoría es un conocimiento inferior. 


Lo primero que debemos comprender, es que hay una diferencia entre teoría y una hipótesis. Una hipótesis es de alguna manera una suposición. Normalmente no es una suposición salvaje; por lo tanto en ella hay información de alguna experiencia previa en el tema en cuestión. Normalmente surge la hipótesis del descubrimiento fino de un problema revelado en una analítica minuciosa del estado que guarda el conocimiento disponible y reportado en la figura de una revisión de la literatura. En esta revisión se identifican conceptos sin conexión, vías muertas en la explicación y vacíos de justificación, para responder a estos desafíos, normalmente el estilo de pensamiento científico genera hipótesis fundamentadas en los patrones de datos, variables y teoría disponible. Una hipótesis tal vez es algo probado por nuestra reflexión, la hacemos encajar en datos encontrando atados en la orquesta de la red de conceptos de bajo nivel  (los hechos) y  de alto nivel (conceptos  teóricos). 


Pero, una teoría científica no solo debe estar firmemente incrustada en la evidencia empírica, sino que también debe ser capaz de predicciones que puedan extrapolar al mundo en general, para que podamos ver si sobrevive a una comprensión rigurosa con nuevas demostraciones. 


Los estándares de una teoría son más altos que el de una hipótesis. Habitualmente, una teoría también debe incluir una explicación de los porqué se espera que funcione, de modo que haya una manera razonable de verificar su objetividad. De acuerdo con Popper, las ideas más generales de lo que es una teoría, es que ella misma explica la base lógica para ser refutada. Este es un elemento esencial que explica cómo funciona la ciencia, nuestro conocimiento del mundo crece al mantener cerca la tarea sistemática de confirmación de la evidencia, podemos armar una teoría como un sistema de argumentos dispuestos a favorecer su refutación. Esto quiere decir que las cosas más especiales de la ciencia son las teorías, ellas son más que hipótesis, aunque en su nacimiento lo fueron en algún punto.


Richard Feynman, define que el trabajo del científico es crear teoría, buscar nuevas leyes que gobiernan los procesos de la realidad; primero los intenta adivinar (hipótesis)… luego los calcula en sus consecuencias de su conjetura para ver qué implicarán. Y luego comparamos los resultados del cálculo con la naturaleza experimental, de estas observaciones, la razón más rigurosa de la matemática se hace presente en ellas, así podemos determinar si funciona la teoría. No hace ninguna diferencia una idea falsa y una idea con una conjetura errónea. Lo inteligente es reconocer que una vez que algo es llamado teoría, es que cuenta con todo el respaldo de la comunidad de conocimiento, con datos y demostraciones rigurosas. Si no está de acuerdo con el experimento, esta idea está mal pero es una teoría. Esto es lo que hace a la teoría un conocimiento sólido y objetivo, y para nada solo es una probabilidad dentro de muchas otras ideas[4]. 


En este sentido, no está del todo mal decir, que el “método de la ciencia” captura algo importante sobre el proceso de razonamiento del estilo científico. Incluso si no sirve del todo para desmarcar la ciencia de la pseudociencia, si demuestra el estado crítico de la mente que uno debe tener al probar una teoría contra la evidencia sensorial, esa es la señal de identidad del conocimiento empírico. Si caemos en cuenta, una hipótesis es hacer una predicción justificada en el conocimiento disponible, si todo sale bien, podremos tener una teoría potencial en nuestras manos. Este tipo de estilo de razonamiento no es exclusivo de la ciencia, pero para esta es difícil seguir adelante en la empresa de más y mejor conocimiento objetivo.


En resumen, una teoría surge cuando estamos preparados para explorar una hipótesis más ampliamente que lo que se ha hecho ya en la comunidad de investigación. Una teoría es más grande en su red de conceptos que una red de hipótesis, porque es el resultado de una remodelación del choque de datos, evidencias y hechos, ha sobrevivido a rigurosas pruebas y en cierto sentido es la distancia más corta para revelar las leyes de la naturaleza. Las leyes naturales son más sólidas que la teoría y en consecuencia aún más que las hipótesis. 


Las leyes, algunos han sostenido que es esto lo que los científicos han estado buscando todo el tiempo, cuando dicen que están a la caza de la verdad sobre el mundo empírico. Quieren descubrir leyes científicas que unifiquen, predigan y expliquen el mundo que observamos. Pero las leyes tienen que estar incrustadas en una teoría. Y una teoría tiene que ser más que una hipótesis. Una teoría es el resultado de una enorme empresa de probar la hipótesis contra datos y proyectar el razonamiento del patrón de la evidencia  que nos conduce a la objetividad. La teoría es un conocimiento que intenta explicar el porqué vemos lo que vemos en el comportamiento de los existenciales en el mundo. 


Una teoría no solo ofrece una predicción, sino revela desnuda la lógica de su explicación en el tejido de la experiencia racional. Una teoría debe identificar un patrón racional en nuestra experiencia, apoyar las predicciones de ese patrón en el futuro y explicar el por qué ese patrón es coherente. De esta manera, una teoría es la columna vertebral de todo el edificio de la explicación científica. Si la teoría nos dice cómo es la mecánica de las cosas de la realidad, muchas veces no nos dice qué es la sustancia de esa realidad. Esto plantea la cuestión de si las teorías solo son instrumentos para la predicción. Si son mero relato abreviado de patrones en nuestra experiencia, dados límites de la respuesta definitiva de lo que hay detrás. En general, la teoría no solo explica la mecánica de lo que sucede, sino intenta explicar el por qué. Las respuestas no son inmediatas, pero una buena teoría debe prometer que las respuestas estarán disponibles en el momento de una investigación más profunda. Esto último se le llama línea de investigación.


Compare esto con algo como la Teoría Cuántica, que en su representación más modesta es una teoría a nivel microscópico y en su más ambicioso propósito es una teoría que intenta abarcar todo el universo, así como lo pretende la teoría de cuerdas[5]. La teoría general de la relatividad de Einstein propone explicar las cosas más grandes del universo (estrellas, agujeros negros, galaxias). Mientras que la mecánica cuántica propone explicar lo más pequeño (moléculas, átomos y  subpartículas). Ambas teorías están increíblemente bien respaldadas por la evidencia empírica. El problema entre ellas, es que son fundamentalmente incompatibles entre sí. Por decirlo sin rodeos, ambas no pueden tener razón. Sin embargo, puede ser el caso que ninguna sea completamente correcta, ambas teorías son casos especiales de alguna teoría más grande y unificadora. Una candidata para este caso, es la teoría que ha hecho un gran trabajo, el Modelo estándar en la física, solo que no ha podido contabilizar a la fuerza fundamental del universo llamada gravedad. Esto ha llevado a los científicos a buscar una teoría de la gravedad cuántica, de la cual la teoría de cuerdas es la más prometedora. Pero hay otro problema, la teoría de cuerdas no tiene ningún apoyo empírico que sugiera que su matemática es la correcta con la realidad. 


Algo parecido sucede en nuestra biología, la genómica en su teoría genética es una matemática muy precisa de la mecánica de códigos y en su naturaleza informática tiende al desorden en su entropía para garantizar la evolución. Mientras que la proteómica y su bioquímica de proteínas, tiende al orden geométrico óptimo para el equilibrio. Como dos teorías tan sólidas e incompatibles a la vez, estas definen lo que somos en términos biológicos, en este caso no hay un puente teórico que sea unificador y haga compatibles la teoría genómica y proteómica.


Aquí nos enfrentamos a la situación de la ley de Bode: una explicación que tiene un ajuste creíble a los datos pero que no hay teoría detrás de ella, en su lugar tenemos una teoría totalmente sintética, compleja y fructífera sin absoluto apoyo empírico (teoría de cuerdas). Esto no viola nuestra idea anterior de teoría científica, que debe ser investigada contra la evidencia. Richard Dawid argumenta que debemos recurrir a otros modos alternativos de evaluación de la teoría no empírica, como la de ser altamente coherente en su explicación, fecunda e incluso estética como criterio de elegancia[6]. Hasta aquí, creemos que es necesario para poder avanzar, definir lo que entendemos por ontología y metafísica. 


Cuando nos preguntamos por el significado y los atributos de la existencia, nos estamos refiriendo a lo ontológico. La investigación se apoya en la ontología como pregunta sobre la objetividad y las diversas formas de tratar lo que existe y, desde luego esto es discutido por esta rama de la filosofía en el papel que juega la evidencia en el conocimiento científico. Por otro lado, la metafísica juega el rol de tratar la teoría de la totalidad de lo que existe, la llamada realidad o universo. La metafísica sugiere que hay algo con independencia de nuestro lenguaje, que tiene diferentes modos de existir, discute el rol de lo lingüístico en la exploración de la realidad, formulando la dualidad mente-materia como sentido genuino de la investigación científica natural. El proyecto metafísico considera a la realidad como algo donde la razón puede unificar el sentido que le damos. Pero, las teorías sin compatibilidad y lejos del terreno empírico que ya hemos mencionado, parecen inclinarse a la metafísica que Markus Gabriel refiere como mirar a la naturaleza, como un conjunto de espacios de significado unidos a los conceptos de investigación, es decir, “un campo de experiencia posible[7]”. 


Markus Gabriel nos ayuda a diferenciar ontología de metafísica: “la ontología se ocupa en todo caso de la manera directa de cómo nosotros podemos saber que algo existe realmente[…], nuestro pensamiento cuando actúa con disciplina lógica…, se le encomienda la tarea de enjuiciar al ser o la existencia de la verdad y el error, dentro de nuestras creencias sobre la estructura profunda de la realidad. La ontología se subordina a la metafísica[…] La metafísica es la expresión analítica del uso del lenguaje referido a la naturaleza fundamental de la realidad. La meta-física, es el intento de esclarecer los conceptos fundamentales que, según se supone, han de reivindicar la física para asegurar que la realidad en lo esencial no se preocupa de que haya seres que la juzgan, piensan y actúan. La realidad queda sujeta a los objetos investigados por la física y la podemos llamar universo, si la realidad en sí consta de todas las combinaciones pensables sobre un fragmento de materia, nos habla de lo legítimo de la teoría de la ciencia[8]”. 


2.2 El problema de la demarcación


El problema de demarcar entre ciencia y seudociencia. Si la actitud científica es nuestro mejor medio para articular lo que es especial en la ciencia, surge inevitablemente de la pregunta: ¿podría ser la tan esperada la solución al problema de la demarcación? De ser así, ¿podría proporcionar un conjunto de condiciones necesarias y suficientes para diferenciar a la ciencia y no ciencia? Uno podría considerar una actitud esencial que  identifica ciencia, cuida y está dispuesta a considerar la evidencia para revisar las teorías. Si alguna área potencial de investigación no hace esto, entonces no es ciencia. 


Uno puede mirar lo que es la ciencia, considerando lo que no es ciencia. Parece que solo hay que demostrar que algo que no es ciencia, no adoptó la actitud de revisar las justificaciones a la luz de la evidencia  y discutir desde este punto la teoría. Si esto constituye un criterio de demarcación en el sentido robusto de la idea, es como evadir la necesidad de comprender qué es lo distintivo de la auténtica ciencia. 


La visión clave aquí es darse cuenta de lo alto que uno está poniendo la solución, al decir que tenemos que proporcionar un conjunto de condiciones necesarias y suficientes para decir lo que es ciencia. Al decir A es necesario para B, estamos diciendo, si B, entonces A. Del mismo modo, al decir que A es suficiente para B estamos diciendo, si A, entonces B. Cualquier estudiante de lógica reconocerá las equivalencias en el trabajo aquí y entenderá que decir, A es suficiente para B, es necesario para A. Y también, B es suficiente para A o, A es necesario y suficiente para B. Y, B es necesaria y suficiente para A. Estas son las relaciones más fuertes que uno puede tener en la lógica. 


Esto establece una tarea formidable para la demarcación y las implicaciones son asombrosas, ya que significa que en la búsqueda de las condiciones necesarias y suficientes para la ciencia, estamos pisando terrenos de criterios lógicamente equivalentes a la ciencia. La mejor ilustración del costo de esto lo da Popper. Tenga presente que Popper estableció el criterio desde la noción de falseable para el problema de la demarcación. 


Para explicar este problema con mayor precisión, uno debe entender el poder de la relación bicondicional en la lógica. Decir “A sí y solo si B” es equivalente a decir “B sí y solo si A”. Por lo tanto, equivale a decir que “una teoría es científica sí y solo si es falseable”. Esto significa que ser falseable es ser científica, son lógicamente equivalentes. Una vez que pones “sí y solo si” en la oración, ciencia y falseable, tienen condiciones de verdad idénticas. Un estándar de necesidad es demasiado fuerte y un estándar de suficiencia es demasiado débil. Pero al sumarlos, en lugar de crear un criterio que sea “justo”, los problemas parecen multiplicarse. Ahora el estándar no puede satisfacer nuestra intuición de que la biología evolutiva es científica, pero la astrología no lo es. 


Es por eso que renunciamos al enfoque de las “condiciones necesarias y suficientes” al discutir la actitud científica como medio para entender lo que es especialmente ciencia. Porque si se tratara de adelantar la actitud científica como un conjunto de condiciones necesarias y suficientes, creemos que surgiría el mismo tipo de problemas que encontramos con lo falseable de Popper. En particular, defender el carácter distintivo de la ciencia no parece requerir una condición de suficiencia. Basta con aceptar la condición  de necesidad y decir “para que un área de investigación sea una ciencia, debe tener una actitud científica, lo que es lógicamente equivalente a decir “si una teoría no tiene actitud científica, entonces no es ciencia”.


Por supuesto, nos damos cuenta que al elegir no especificar una condición de suficiencia solo habremos identificado lo que no es ciencia, no lo que es. Pero tal vez eso es todo lo que uno necesita. No podremos decir definitivamente si algo como la teoría de cuerdas es científico. O incluso el resto de la física. Pero, ¿es eso realmente tan problemático? Aunque tal vez hayamos empezado preguntándonos si había alguna manera de mostrar  por qué la ciencia era científica, tal vez sea la pregunta equivocada. Tal vez el objetivo de decir lo que es distinto de la ciencia es en cambio mostrar por qué algunas áreas de investigación no son científicas. Podemos definir la ciencia por su ausencia. Esto nos permite protegernos de los impostores. Cuando descubrimos las propiedades esenciales de la ciencia, podemos usarlas para decir que si algo no las tiene, entonces no puede ser ciencia. Pero esto no significa que todo lo que tiene la actitud científica sea una ciencia. Es un estándar de necesidad, no una suficiencia. La ciencia tiene éxito precisamente por que adopta una actitud honesta y crítica hacia la evidencia, creando un conjunto de prácticas como la revisión de pares, la publicación y la reproducibilidad para institucionalizar esta actitud. Cuando la evidencia acumula otras consideraciones, deja de ser definida y concluyente, pero no puede ser ignorada, ya que el control que nos da contra la realidad es el mejor medio para descubrir la verdad sobre el mundo. La actitud científica está plenamente en consonancia con la idea de que podemos estar seguros de que no tenemos la verdad: todas las teorías son provisionales en el desarrollo de la actividad científica. Pero nos recuerda la fragilidad de la ciencia, dado que su progreso ético depende de la voluntad de sus practicantes de abrazar la actitud científica. No importa que tan confiable es nuestro método, la ciencia no podría funcionar sin el espíritu franco y cooperativo de los científicos como factor distintivo.


Desde Larry Laudan, aquellos a que han tratado de proporcionar criterios de demarcación han encallado en la cuestión de tratar de proporcionar condiciones necesarias y suficientes. No solo puede probablemente no ser un hecho (testigo de la historia del problema antes o desde el “obituario” de Laudan), pero hay costos serios en tratar de seguir el mandato de Laudan. En cambio, proponemos que podamos, hacer el trabajo buscando solo las condiciones necesarias para la ciencia, uno de las cuales es la actitud científica. Una vez que hemos dicho que sí tenemos ciencia, entonces debemos tener la actitud científica; por lo tanto, hemos encontrado una condición necesaria para la ciencia. También hemos asumido que si un área de investigación no tiene la actitud científica (AS), entonces no tenemos ciencia allí, que resulta de ser la condición de suficiencia para la no ciencia. Cuando decimos “si un área de investigación no tiene actitud científica, entonces no es ciencia”, la forma lógica es: si no es AS, entonces no es ciencia”, que por contraposición es equivalente a “si la ciencia, entonces AS”. 


Hay que tener cuidado aquí. Es tentador en este punto querer completar la segunda mitad del trabajo y tratar de moldear la actitud científica en un estándar de suficiencia para la ciencia, para que podamos resolver la tradicional demarcación. Tenga presente que el estándar de suficiencia para la ciencia es el estándar de necesidad para la no ciencia. Pero, ¿por qué deberíamos preocuparnos por el estándar de necesidad para la no ciencia? Hay innumerables maneras de que una investigación no sea científica. El arte y la literatura son un ejemplo de ello, esto no quiere decir que no sean serias y no tengan su rigor; solo pertenecen a otras formas de conocimiento. Todos estos campos pueden carecer de la actitud científica, pero ¿estamos realmente dispuestos a decir que esta es una condición necesaria para la no ciencia? Todo lo que uno tiene que decir es que si estos campos no adoptan la actitud científica y, que por la naturaleza intelectual de su comunidad no son ciencia. En este punto, solo se requiere que la falta de actitud científica esté presente en alguna forma de generación de conocimiento para que esta forma de conocimiento lo consideremos no científico. 


En contraste con el positivismo, el realismo… el problema de la demarcación tratada como una forma especial de actitud científica, no tiene por qué obligarnos a decir que toda la no ciencia es una búsqueda humana inferior, de hecho es mejor que no lo sea dado que la filosofía y la poesía son grandes aliados de la ciencia y su comunidad de pensamiento. Si bien, la literatura, la música, las matemáticas, no son conocimiento  producto de un estilo  científico, pero son plenamente formas de conocimiento válido y necesario para el progreso ético de la ciencia. Más bien es desenmascarar a campos que intentan mostrarse como científicos cuando no lo son. Por ejemplo, la astrología, el creacionismo y similares. Disciplinas que hacen afirmaciones empíricas pero se niegan a acatar el estilo científico del pensamiento, si bien hablan de evidencia, esta no es producto de ningún marco teórico justificado. Son, en definitiva posiciones que afirman tener privilegio propio al conocimiento de lo real y desde luego, fuera de las vías de la práctica científica. Cuando uno se embarca en la vida científica en la búsqueda de conocimiento empírico, es un problema grave evitar los valores epistémicos de la ciencia.


En nuestro acercamiento de demarcación, proponemos es una división entre ciencia y pseudociencia. La virtud de este enfoque es que va directamente a donde se encuentra el problema: aquellos campos que están haciendo afirmaciones empíricas pero solo pretendiendo pasar por ciencia. Así que, la actitud científica es una vía de progreso viable. Pero este camino tiene problemas profundos que resolver.


Dadas las cuestiones lógicas que discutimos en torno a las condiciones necesarias y suficientes, es imperativo entender la ciencia mirando todas las cosas que no son ciencia, no solo aquellas que pretenden ser. Creemos que la distinción correcta es la siguiente: el problema de la demarcación afecta adecuadamente a la ciencia frente a la no ciencia. La categoría de no ciencia incluye, entre otras cosas, dominios que no son científicos, tales como la matemática, la filosofía, la lógica, la literatura y el arte. Que no son y no deseamos que sean afirmaciones empíricas, más bien nos interesa desenmascarar y aquellos que son pseudocientíficos que desean jugar en el terreno empírico, mientras incumplen los estándares mínimos de una buena evidencia.


Un enfoque más directo es reconocer que la actitud científica hace su trabajo tanto para identificar por qué la literatura y el arte no son ciencia (porque se preocupan por la evidencia empírica solo en la medida en que subyacen a su base para la expresión creativa y no para probar o refutar las teorías científicas. Y por qué la astrología  y el creacionismo no son ciencia, porque solo están fingiendo preocuparse por la evidencia empírica y no están dispuestas a revisar sus teorías. Son dos pájaros de un tiro. Pero necesitamos más que esto.


¿Por qué buscar criterios necesarios adicionales para la ciencia o criterios suficientes, cuando la actitud científica ya hace el trabajo de especificar lo que es especial acerca de la ciencia? 


Afortunadamente, hay protecciones contra esto, ya que la ciencia no es solo una búsqueda individual de conocimiento, sino una actividad comunitaria en la que se utilizan estándares solidarios y honestos ampliamente aceptados para evaluar afirmaciones científicas. La ciencia se lleva a cabo en un foro  público, y una de sus características más distintivas es que hay un conjunto ideal de reglas, que se acuerdan de antemano, para erradicar el error y el sesgo. Por lo tanto, la actitud científica se crea una instancia no solo en los corazones y mentes de los científicos en lo individual, sino en la comunidad de científicos en su conjunto. 


Hay un mundo de diferencias entre buscar validación de aquellos que ya están de acuerdo con usted y “atacar una idea” de un colega profesional que se espera que la critique. Pero más allá de esto, uno también espera que en estos días cualquier teoría reciba el escrutinio de la comunidad científica, más allá de sus colaboraciones y colegas, que tendrá una mano crítica intensa en sus pares antes que sea compartida más ampliamente. 


Las prácticas de la ciencia: métodos estadísticos, revisión de pares y el intercambio de experiencias y replicación de datos en máxima verosimilitud; son bien conocidas. A  nivel individual al menos, los problemas pueden resultar de varias fuentes posibles: errores intencionales, procedimientos perezosos o descuidados, errores no intencionales que pueden resultar en sesgo cognitivo inconsciente. 


El primer y más atroz tipo de error que puede ocurrir en la ciencia es intencional. Aquí se piensa en los raros pero preocupantes casos de fraude científico. El término fraude se utiliza para cubrir una multitud de pecados que van desde el plagio, alteración de datos, regalar una posición coautora, justificar un curriculum vacío de talento. La fabricación de datos o la mentira sobre la evidencia es más sólida en la casa de ruedas de alguien que está tratando de engañar. Sin embargo, a fin de toda la transparencia de las normas científicas (valores epistémicos), a veces es difícil saber si un ejemplo determinado debe clasificarse como fraude o simplemente un procedimiento descuidado. Aunque no hay una línea brillante entre el engaño intencional y la ignorancia, las buenas noticias es que los estándares de la ciencia son los suficientemente altos como para que sea raro que una teoría confinada en engaños pase a la publicación. La creación de instancias de la actitud científica a nivel de comunidad es un control robusto, aunque no perfecto, contra engaños intencionales.  


El segundo tipo de error que se produce es el de la pereza, aunque a veces incluso esto puede estar motivado por factores ideológicos o psicológicos, ya sea consciente o inconsciente. Uno quiere que la propia teoría sea verdadera. Las recompensas de la publicación son grandes. A veces hay presión profesional para favorecer un resultado particular o simplemente para encontrar algo que vale la pena informar. Una vez más esto puede encubrir una serie de pecados:


1. Selección de datos elegidos para resultados más propensos para ser relevantes.

2. Ajuste de curvas (Manipulación deliberada de variables a curvas deseadas).

3. Forzar a que  un experimento aparente el resultado deseado.

4. Un uso de un pequeño conjunto de datos y realizar un razonamiento deductivo.

5. Producir montañas de datos sin definición sólida de conceptos operativos.


Cada una de estas prácticas es una ofensa reconocible contra el buen método estadístico, pero sería precipitado afirmar que todas ellas constituyen un fraude. Esto no significa que la crítica de estas técnicas no deba ser severa, pero siempre hay que considerar la cuestión de qué podría haber motivado a un científico en cualquier caso en particular. La ignorancia intencional parece peor que el descuido, pero la diferencia entre un error intencional y un error no intencional puede ser escasa. 


La conciencia sobre lo que existe es la única primitiva ontológica, cuyos patrones de excitación al placer racional por la ciencia, constituyen la existencia asociada a un estilo de pensamiento científico complejo y donde lo mental es referido a lo lingüístico discursivo iniciado por el “Discurso del Método” de Descartes. Para comprender más sobre la idea de que la investigación en ciencia es un estilo discursivo, un aspecto mental del mundo…, debemos tratar de comprender las causas que conectan a lo lingüístico con lo extralingüístico, como fundamental de la ciencia. 


¿Por qué molestarse en explicar la investigación científica como un estilo de pensamiento diseñado sobre el lenguaje natural y artificial del discurso objetivo y, no simplemente hacer de esta actividad una receta de pasos y protocolos documentales para presentar las ideas? 


Por la razón de respetar al aprendiz de este campo, dignificando su persona con cualidades de experiencia y sin negar, que el trabajo de la conciencia en la ciencia es muy duro y excitante para el intelecto.  Los resultados de los laboratorios de las ciencias naturales, debemos tomarlos con la libertad de asignarles significado, en términos de su poder explicativo y rigurosa justificación en su coherencia lógica matemática, como un instrumento de observación  empírico de naturaleza discursivo. El genio de Descartes, nos heredó esta tradición objetiva, tanto justificación, como explicación se encuentran en el espacio del discurso. Es clara la tendencia de la tradición intelectual de la investigación moderna, de reemplazar la realidad concreta por abstracciones, tales intentos son un juego de palabras y sistemas simbólicos matemáticos con una rica capacidad para permanecer en la realidad.


La supuesta dicotomía entre mente y materia generalizada, y por lo tanto, el intento de explicar la materia en términos de mente (idealismo) a menudo se considera una imagen espejo de la existencia, en el sentido estructuralmente equivalente a pesar de estar dispuestos inversamente. Sostenemos que se trata de un error derivado de los artefactos del lenguaje, ya que la dicotomía debería resistir en la misma separación de la abstracción. 


Mente y materia, debido a que la materia fuera de la mente no es un hecho empírico, sino un modelo en su lugar, la simetría epistémica entre los dos lados se rompe. En consecuencia, la materia y la mente no pueden residir en el mismo nivel de abstracción. Entonces se hace evidente que tratar de explicar la mente en términos de su materia o la materia en términos de mente, sugiere que cualidades de la experiencia racional no solo sean el estilo de conocer, sino también ontológicas. Hoy la suposición de que la mente y la materia son conjuntos exhaustivamente excluyentes en su omnipresencia es generalizado[9].


Esto confirma que la investigación científica es un diseño discursivo en el pensamiento occidental. Incluso Henri Bergson, cuya concepción vital estaba destinada a diluir la división cartesiana, tuvo cuidado de no erradicar por completo la dicotomía mente-materia[10]. De hecho, el fracaso del materialismo conduce a una especie de dualismo en el discurso científico, por un lado, rasgos ontológicos de lo físico y por el otro, el discurso objetivo (lo extralingüístico) lo determinan[11]. Los avances de influyentes portavoces científicos, como los de los neurocientíficos Christofori[12] y colegas, le dan legitimidad académica, cuando afirman que la mente y la materia representan cada una la mitad de la realidad, haciendo la suposición implícita de que tienen un estatus epistémico comparable, es decir, podemos confiar en la mente y en la materia como algo objetivo. Tan está esto presente en el presente siglo, que se ha convertido en parte integral de nuestras intuiciones culturales compartidas. Datos y razones son el dualismo que considera la ontología como piezas para dar sentido al contenido mental de lo que llamamos existencia[13].


Así como la metáfora es la unidad de pensamiento de la poesía, la proposición es el tipo de sentencia de la unidad de pensamiento en la ciencia. La proposición es un tipo de unidad discursiva que contiene la evidencia y el concepto como premisa falseable, con solo dos estados lógicos:  falso o verdadero. En favor de la coherencia de la literatura científica y académica, se intenta reducir todo el contenido mental de los acuerdos de la comunidad científica, a un discurso dual, por un lado, para trabajar la red de conceptos se apoya en la lógica doxástica y por otro, para apoyar los criterios de verdad en la creatividad del conocimiento, se apoya en la lógica epistemológica representada en el discurso como un proceso hipotético deductivo. Para ser específicos, el dualismo implica a la mente como un terreno ontológico fundamental, mientras que lo físico es materia fuera de la mente, e independiente. 


Una mente con el estilo de la investigación científica, asume que no conocemos la materia con tanta confianza como conocemos a la mente. Nosotros referimos como mente al concepto psicológico moderno que la demarca como lenguaje. Resolver el estilo del pensamiento científico apuntala la visión de los jóvenes aprendices, rectifica adecuadamente, que aprender el estilo de pensar, es la sustancia del método de la investigación científica moderna. La mente y materia forman un solo espacio de significado en el discurso, se basa en la idea de que  mente y la materia no son desde la teoría del conocimiento algo  simétrico. Para que podamos llamar dicotomía a algo, debe cumplir la simetría epistémica. No negamos la mente, porque es el instrumento de conocimiento primario, todo contenido presume a la mente. 


La noción de materia física objetiva, es decir, materia externa e independiente  de la mente, se da ahora en gran medida por sentado en lo que hay en la realidad. Esta hipótesis, después de todo, no es un hecho observable, sino un dispositivo conceptual explicativo abstraído de los patrones y regularidades de los hechos, es decir, de las abstracciones explicativas de lo que existe[14]. De hecho, parece generalizada la confusión en la academia de hoy, confundir a los conceptos de explicación de lo que existe (hechos) con lo que está disponible para nosotros empíricamente[15].  Lo que da lugar, a que los profesores en la noción cotidiana de objetividad material, confluyan en el trabajo educativo, que asume la idea de que producir datos en los laboratorios, es el quehacer de la ciencia. Cuando el significado de los datos no es otra cosa que interpretaciones matemáticas de los conceptos llamados hechos y que deben su significado a un marco teórico de justificación.


El diseño de las prácticas de laboratorio, debe obedecer a la naturaleza profunda del estilo discursivo de la ciencia y no a un marco tecnológico del mercado laboral. Si no, deberían llamarse talleres en lugar de laboratorios. De hecho, la tarea de sustituir los modelos matemáticos de las cosas, como las propias cosas en un laboratorio mental, ha desarrollado la experimentación computacional de proteínas, moléculas, fármacos y todo tipo de anticuerpos sintéticos para combatir por ejemplo, al cáncer.


Si uno está convencido de que la experimentación computacional es absurda, no es más que la manifestación visceral del costo de reconocer que los hechos observables son abstracciones de lo análogo al mundo físico, entonces, uno tiene razones para cuestionar la verosimilitud de lo físico convencional en comparación con el idealismo.


La lógica empírica implica necesariamente solo la presencia de propiedades fenomenales, en la medida que se define como el sustrato del suelo de la experiencia con la realidad objetiva. Además, en la medida que le llamamos lo concreto, lo asociamos con el grado de claridad o viveza de la experiencia potencial de información. En el universo hay tres cosas a considerar, caso uno, todo es entropía más incertidumbre, entonces por entropía entendemos  información en potencia. En el caso dos, los científicos mediante experimentación reducen la entropía y la transforman en información (datos) y la incertidumbre cede también pero en medida distinta y no proporcional al cambio de entropía. Caso tres, se realizan experimentos infinitos para intentar agotar todo lo que un objeto es, la entropía es convertida al 100% en información, pero la incertidumbre se mantiene. Cualquier cosa concreta, es decir, no abstracta o mental, en el sentido de carecer de lingüística en su significado, no la podemos conocer.


Somos muy conscientes que la palabra “mente” se suele emplear a menudo desvinculada de la experiencia, nada más erróneo hay en esto, la filosofía de la biología del cerebro humano, se nos explica apoyada en la definición de inteligencia artificial de Franklin[16], donde la experiencia puede ser considerada coherentemente como una estimación de la mente como sistema lingüístico y el sustrato de la realidad es solo el suelo de la experiencia[17]. 


La investigación científica empírica, es una experiencia intelectual discursiva estimulada por la realidad. Esas regularidades identificadas por la experiencia de procesar los datos, es un duro problema para la conciencia, formar investigadores de la realidad empírica, implica que aprendan el arte de pensar al escribir, en ello está la sustancia de la tarea intelectual en un laboratorio[18]. La literatura especializada apoya esta postura, que desde luego es contraria a la imagen de las películas de ciencia ficción, donde el científico es mostrado más como un técnico mecánico que monta una idea de experimentación[19]. Einstein cambió nuestro mundo con su revolución científica apoyada en el experimento mental, prueba de ello, es que cien años después apenas en el año 2016 se da evidencia de sus predicciones sobre las ondas de gravedad[20].


El problema de cambiar la mentalidad de la juventud sobre lo que es lo concreto en la realidad empírica, deriva de la propia falta de formación en los sistemas abstractos de justificación, demostración, explicación y fundamentación; como tal, este desconocimiento hace ver a los hechos observables en los laboratorios, como algo que solo implica a la habilidad técnica del experimentador, dejando fuera a su habilidad intelectual. Pero, por la falta de actualización del espíritu cultural contemporáneo en la filosofía de la ciencia y en la lingüística del español con propósitos académicos, ni siquiera se percibe en la sociedad esto como una pérdida de soberanía intelectual de nuestra cultura. El siguiente paso natural en esta línea de razonamiento que denuncia un sesgo epistemológico, es buscar un terreno ontológico más fundamental que precede tanto a mente como a materia, nosotros sugerimos que podría reducirse a la formación del diseño discursivo del estilo de pensamiento científico, en sintonía con lo expresado por Russell[21]. 


Si quiere hacerse de una idea del costo epistémico de ignorar esta línea de razonamiento centrada en la formación del español con propósitos de investigación científica, considere la posición del físico Max Tegmark, según este: “protones, átomos, moléculas, células y estrellas son todos redundantes en su equipaje, solo son parámetros racionales apoyados en la escritura del comportamiento material de la realidad… sostiene que la realidad consiste puramente en información de entidades abstractas (es decir, en la red de conceptos llamada teoría) con relación numérica entre ellas, y este equipaje discursivo es independiente paradójicamente de lo material concreto[22]”. 


Claramente la investigación computacional apoyada en laboratorios virtuales tiene el compromiso total con los conceptos matemáticos abstractos que modelan las cosas sobre la realidad concreta. Una cosa es afirmar a las cosas con números y otra muy distinta es concebir explícitamente y con coherencia algo con significado estructural de su lógica profunda en la realidad: un modelo abstracto. Pero qué es la información en el contexto de la investigación científica. Nuestra comprensión intuitiva es verle como lo opuesto a entropía y como un logro marginal en la incertidumbre. Shannon en 1948 definió a la información, como la diferencia de estado discernible en un sistema[23]. 


La información es una propiedad asociada con las configuraciones posibles del sistema (estados de libertad, llamados así por la física estadística). Bajo la física convencional, es decir, dentro del materialismo, el sistema cuyas configuraciones constituyen información es una disposición energética de su estructura computacional. Bajo el idealismo, es la mente, porque la experiencia de los diferentes estados materiales explícitamente y con coherencia, solo habitan en ella como discurso reflexivo. Decir que la información existe en sí misma, es similar a hablar de que esta información existe sin un agente que la haga consciente. Esto nos conduce a la idea de que aprender el estilo de investigación científica, equivale a aprender a pensar desde el dominio del lenguaje natural apoyado en la lógica doxástica y epistémica de la tradición intelectual en que culturalmente pertenecemos y nos identificamos. De nuevo regresamos al punto en que consideramos formar la mente en el estilo científico del pensamiento, un asunto del dominio del diseño del discurso del español con propósitos académicos. 


El discurso científico, es un conjunto de declaraciones válidas más allá del valor gramatical del juego de los lenguajes de ficción, en él hay criterios sobre los cuales las comunidades de conocimiento han determinado que el significado semántico guarda objetividad con lo real. Los defensores más serios de la construcción de consensos sobre la verdad, son muy conscientes de esta línea crítica. La naturaleza de la información es notoriamente un fenómeno polimórfico asociado a las variaciones adoptadas sobre modelos abstractos de referencia y grupos de teorías que los explican, la información es a todas luces un concepto esencial de actividad científica, pero también es lo que revela la estructura lógica que hemos asignado a las cosas que existen[24]. 


La información como cuerpo teórico discursivo puede ser vista como una red de conceptos lógicamente interdependientes pero mutuamente irreducibles dentro de sentencias del tipo proposición. Si bien, la vaguedad puede ser defendible con respecto a las entidades naturales concebibles más allá de la capacidad humana de aprender, es al menos difícil de justificar cuando se trata de un concepto humano como información. Aunque hacemos ajustes a nuestros conceptos, literalmente no tiene sentido atribuir valor ontológico a la información de esta naturaleza, aunque es obvio que está implícita en la objetividad de sus conceptos.


2.3 Dentro de tanta basura de información 


¿Dónde está realmente la información científica? Sentir la presencia sensible de la realidad consciente dentro del aparato de explicación abstracto de la ciencia, es de lo más difícil, dado que se encuentra detrás tanto de lo físico convencional como de la mente-materia. El físico tradicional no es ajeno al costo epistémico de la abstracción explicativa: la existencia de un mundo material exterior e independiente de la mente es una inferencia teórica que surge de la interpretación de las percepciones de los sentidos dentro de un marco de pensamiento complejo, no desde un hecho empírico observable. Después de todo a lo que llamamos mundo está disponible para nosotros únicamente como “imágenes”, definidas aquí ampliamente como discurso mental. Recordemos que nuestro conocimiento del mundo no comienza con la materia, sino con las palabras que conectamos a las percepciones. Sé con seguridad que mi dolor existe, mi pasto verde y mi lápiz amarillo existen, todas estas cosas pertenecen a lo real. Todo lo demás es una teoría. Más tarde nos enteramos de que nuestras percepciones obedecen a algunas leyes, que pueden ser formuladas con matemáticas si asumimos que hay alguna realidad subyacente más allá de nuestras percepciones. Este modelo de mundo material obedece las leyes de la física, es tan exitoso, que pronto nos olvidamos de nuestro punto de partida y decimos que la materia es la única realidad y las percepciones solo son útiles para su descripción superficial.


Ahora sabemos que la mente es capaz de generar de forma automática las imágenes que asociamos con la materia: los sueños y las alucinaciones, por ejemplo, son a menudo cualitativamente indistinguibles del “mundo real”. Por lo tanto, la motivación para postular un mundo material objetivo debe ir más allá de la mera existencia de esta imaginería. Y de hecho, a lo que la noción de materia objetiva intenta dar sentido es a ciertos patrones y regularidades observables en las imágenes, tales como correlaciones entre lo observado y la vida interna de la conciencia, pero considerar también los efectos obvios de, por ejemplo, el consumo de alcohol y el traumatismo craneal, ambos interrumpen la actividad cerebral regular de la experiencia interna. Es un hecho que todos parezcamos habitar el mismo mundo y de que su dinámica se desarrolla independientemente de nuestra voluntad. 


Después de todo, si la mente no es un producto de arreglos objetivos de la materia, ¿cómo puede haber correlaciones tan estrechas entre la actividad cerebral y la experiencia? Si el mundo no está hecho de materia fuera de nuestras mentes individuales, si fuera una simulación de un poderoso computador. ¿Cómo podemos todos compartir el mismo mundo más allá de nosotros mismos? Si el mundo no es independiente de la mente, ¿por qué no podemos cambiar sus leyes de la naturaleza simplemente imaginándolas como diferentes? Claramente, por lo tanto, el mundo no mental postulado por los físicos, biólogos, químicos… es en gran medida un intento de dar sentido a estas observaciones básicas. Como tal, es una abstracción explicativa (discurso objetivo), no en sí misma una observación con acceso privilegiado a lo real. Conceptualmente imaginamos que hay un mundo no mental subyacente a nuestras percepciones y que tiene desde la razón, un espacio de significado, en cierto sentido de una tarea isomórfica de estas percepciones, porque hacerlo así, ayuda a explicar las observaciones básicas. Sin embargo, cualquier clase ontológica que esta abstracción conceptual señale, sigue siendo una forma epistémica inaccesible, un reconocimiento ya presente en la Crítica de la Razón Pura de Kant. ¿Quizá en la respuesta del por qué nuestra matemática coincide con lo real y sus posibilidades sintéticas?, allí se esconden las respuestas a la relación entre lo lingüístico (mental) y lo material. 


Lo siento y lo pienso. La abstracción explicativa no se detiene en este primer nivel. Después de imaginar un mundo lingüístico (conceptual) con la misma estructura pero con diferentes propiedades que las cosas reales (mundo isomórfico), nos queda la tarea de explicar cómo y por qué este mundo se comporta de la manera en que lo hace y por qué nuestra fortuna hizo que la matemática lo emule. Para responder por qué los objetos caen, las fuerzas de imanes y objetos electrizados se atraen o se repelen;  debemos crear ciertas propiedades que van más allá de las perceptivas. Decimos, por ejemplo, que la materia tiene propiedades de masa, carga, giro, dimensiones espaciales, cantidad de movimiento. Estas propiedades conceptuales (hechos) constituyen un segundo nivel de abstracción explicativa más allá de la experiencia directa. 


Naturalmente hay más niveles de abstracción explicativa involucrados en cada capa subyacente de la realidad. La teoría de supercuerdas, por ejemplo, intenta explicar las propiedades de la materia a través de los modos particulares de vibraciones de las cuerdas hiperdimensionales imaginadas. Pero, los dos niveles de abstracción ilustrados por Newton y la cuántica, son insuficientes para agotar lo que la realidad es.


Las características definitorias de la explicación por abstracción, es un movimiento progresivo lejos del mundo vivo y de la concreción de la experiencia directa. En primer lugar, uno plantea un mundo carente de cualidades, un silencio expresivo de significado, enmascarado por nuestro lenguaje, porque lo concreto es una cualidad de la experiencia coherente entre el lenguaje y la referencia empírica. Entonces, uno carga progresivamente en este mundo con significados con propiedades isomorfas directas entre lenguaje y lo real. No sentimos las cargas eléctricas o vemos el giro de los electrones, solo vemos el comportamiento de la materia que estas propiedades abstractas supuestamente explican, como la atracción y la repulsión eléctrica.


Debido a que la concreción es la base intuitiva de lo que consideramos real, cada paso en este movimiento de abstracción nos aleja de la concreción, de lo que conocemos perezosamente como real. Uno puede entones concluir que el trabajo intelectual de producir abstracción, nos permite justificar, explicar y demostrar en última instancia con asombrosa precisión el comportamiento de lo real, hasta el punto de que nos permite remodelar sintéticamente el mundo con anticuerpos, pigmentos, elementos químicos, “inteligencia” y tantas cosas más de orden artificial.   


La mente y la materia no residen en el mismo nivel de abstracción explicativa. De hecho, la mente es el terreno dentro del cual se hace conciencia de la materia, y de ahí, se hacen abstracciones. La materia, a su vez, es una abstracción de la mente. Esto claramente rompe simetría epistémica entre estas dos ideas, es decir, no llegamos a saber sobre la materia de la misma manera que conocemos a la mente, ya que la materia es una inferencia de una mente dada. En consecuencia, aunque la mente puede abarcar dicotomías, como los sentimientos de amor y miedo en el contexto de una situación en la que alguien se siente apasionado por un aspecto particular de otra persona. No podemos hacer lo mismo en este caso, polarizar en una dicotomía (como opuestos) a la mente y a la materia. De ello se deduce que tenemos una razón para concluir que, reducir la materia al lenguaje que la explica (mente), es tan difícil como reducir la mente a la materia. Por lo que no hay simetría de justificación para un problema de la mente y un problema de lo real. Más fuerte aún, en la medida en que lo que llamamos “materia” puede interpretarse parsimoniosamente como patrones de fenómenos que excitan la mente y en principio pueden reducirse a esta última, ya que ambos ya residen en el mismo dominio ontológico y elimina cualquier “problema de la mente” concebible, ya que la mente ahora no necesita ser reducida. 


La noción de dicotomía entre mente y materia solo ocasiona problemas a quienes hacen ciencia, o pretenden diferenciar entre no ciencia y ciencia. Si la materia surge del lenguaje. Para hablar del sustrato de la experiencia debemos darle nombre, como “mente” o “conciencia”, objetando así lingüísticamente lo que en realidad es el sujeto que observa. Entonces, confundimos el lenguaje con la realidad, asumimos implícitamente que la mente es un objeto “sin afectación” por la materia biológica que la soporta. Olvidamos que, de hecho, no hay simetría epistémica entre los dos conceptos. El concepto de materia es independiente de la mente, como abstracción explicativa, surge en la mente, como “excitación cognitiva” de la mente, para decir que mente y materia constituyen una dicotomía deberíamos colocarlas en el mismo espacio de producir significado. La mente es el sustrato de la abstracción de un algoritmo capaz de verse así mismo y modificar su código a voluntad. La materia es una explicación que incurre en una categoría fundamentalmente en el plano extralingüístico. Pero la mente nos sugiere que la razón está en franca corrupción por las emociones que producen el sesgo cognitivo. La materia es abstracción sujeta a criterios sobre lo que existe y es verdadero fuera de la mente. 


Las ideas y lo físico no son imagen del mismo espejo donde surgen las abstracciones, comprender este punto es esencial para lograr distinguir el estilo de pensamiento científico (actitud científica). Esto es a primera vista eminentemente razonable. El físico a su vez intenta reducir la mente a las propias abstracciones explicativas de la mente, una paradoja obvia que constituye el problema más duro en este campo de discusión. El problema no es un hecho empírico, sino el resultado destacado de las contradicciones internas en un esquema lógico-conceptual que imaginó tener acceso privilegiado a la realidad material y hacer explícito la referencia de la evidencia-teoría.


El problema mente-materia en última instancia nos obliga a hacer frente a la mente solo como primitiva ontológica (intuición de lo real), y así tomar alguna forma de idealismo, más específicamente alguna forma de idealismo platónico en el que la mente es el terreno de la realidad que se da con la experiencia, cuyas manifestaciones comprenden los parámetros del fenómeno concreto que experimentamos en la vida cotidiana. Mientras que el idealismo observó un fuerte vigor con Berkeley y Hegel, por haber sido actualizado y revitalizado con nuevas formulaciones convincente, ahora por Kastrup[25] toma otro impulso, en la medida que pueda interpretarse como un idealismo radical. Incluso, el constructivismo radical puede interpretarse como una forma de idealismo, en la medida en que sus afirmaciones no son meramente epistémicas, sino ónticas: desarrolla una teoría del conocimiento en que no refleja una realidad ontológica objetiva, sino exclusivamente un orden y una organización de un mundo constituido por nuestra experiencia compartida[26]. Recientemente también se han abordado argumentos más fuertes que normalmente se apalancan en la afirmación central tanto de la validez del idealismo, como esa materia físicamente objetiva en una construcción cognitiva en medio de la incertidumbre, en el sentido en que creemos que vemos la materia fuera e independiente de la mente cuando miramos al mundo alrededor de nosotros mismos, de hecho “se confunde la frontera” en una construcción racional-lingüística con la realidad misma. 


2.4 ¿Cuál es la naturaleza de la realidad?


Las preguntas sobre la naturaleza de la realidad y la conciencia siguen sin resolverse en la filosofía actual, pero no por falta de hipótesis, sino por lo duro del problema. Las ontologías tan variadas en lo físico nos dificultan aportar una síntesis. Cada una de las ontologías se enfrenta a un problema: bajo lo físico, tenemos el problema de la conciencia y el problema del artefacto de pensamiento sin tener fundamento en la realidad empírica (es decir, es totalmente lingüístico). De manera similar a las paradojas semánticas, solo que existe en la estructura lógica-conceptual interna de sus respectivas ontologías. 


Si bien, los avances de la tecnología, han habilitado modelos predictivos de la ciencia, han influenciado más en la cultura del siglo XXI que cualquier otra cosa, las cuestiones de ontología se ciernen de este modo en la psique contemporánea: ¿Cuál es la naturaleza de la realidad?, ¿cuál es la esencia de la conciencia fenomenal y cómo se relaciona con la materia? y ¿porqué las matemáticas coinciden con lo real? Nuestras respuestas tentativas a estas preguntas colorean, no determinan de forma directa de nuestra visión del significado de lo real detrás de cada aspecto de nuestra existencia. La filosofía no ha estado inactiva ante la demanda de un menú de hipótesis en este sentido. La ontología física convencional, sostiene que la realidad está constituida por entidades físicas irreductibles[27] (definitivas), todas fuera e independientes de la fenomenología. Según el físico, estas definitivas, en sí mismas, no se crean en instancias de propiedades de fenómenos. En otras palabras, no hay nada que sea como ser una definitiva, de alguna manera emergiendo solo a nivel de arreglos complejos reducibles a parámetros físicos en forma de ecuaciones. No hay nada en lo real idéntico a nuestros conceptos de hechos.


El microexperimentalismo de lo real, es visto como un aspecto irreducible al menos de algunas definitivas. Implica que las combinaciones de abajo hacia arriba de objetos  simples dan lugar a más complejidad, como en el caso de las sociedades humanas[28]. El cosmos en su conjunto es consciente, porque así la psique individual que surge de la discontinuidad de arriba hacia abajo en la integración del contenido de la conciencia cósmica lo genera. El cosmonatismo de la conciencia cósmica, refiere a que es innata la consciencia de base axiomática. Afirma además, que ser consciente sobre la base axiomática de nuestra especie, el cosmos tiene una faceta irreductible a las propiedades fenomenales, es decir: el universo físico que podemos medir, implica una forma de monismo de doble aspecto, el cosmos como un conjunto que tiene fenomenalidad pero no está constituido por la fenomenalidad (tiene racionalidad, pero el lenguaje no es parte de lo real material). En otras palabras, el cosmos es supuestamente consciente, pero no en la conciencia. 


Artefactos de pensamiento en lo físico. Lo físico implica la existencia de un mundo material afuera e independiente de la conciencia, al que a partir de ahora me refiero como “Mundo Físico Objetivo”. Esto es una inferencia teórica que surge de la interpretación de las percepciones de los sentidos. Después de todo, lo que llamamos mundo no está disponible como unidad de significado, únicamente como capas subyacentes de imágenes perceptivas[29]. Nuestro punto es que en cualquier caso, el mundo físico objeto seguramente no es un hecho, sino para nosotros solo un discurso objetivo. 


Recordemos que nuestro conocimiento del mundo no comienza con la materia, sino con las percepciones. Sé con seguridad que mi dolor existe, mi verde bosque existe, y mi dulce musa existe. No necesito ninguna prueba de su existencia porque estos acontecimientos son parte de mi motivo de vivir; todo lo demás es una teoría. Más tarde nos enteraremos de que nuestra percepción obedece a algunas leyes, que pueden ser formuladas más convenientemente si asumimos que hay alguna realidad subyacente más allá de nuestras percepciones. Este modelo de mundo material que obedece a las leyes de la física con que fue programada esta realidad, tan exitoso resulta esto que pronto nos olvidamos de nuestro punto de partida, decimos que la materia es la única realidad, y las percepciones solo son útiles para su descripción más superficial. Esta suposición es casi tan natural (y tal vez tan falsa) como nuestra suposición anterior de que el espacio es solo una herramienta matemática para describir las propiedades geométricas de la materia. Pero, de hecho, estamos sustituyendo la realidad de nuestros sentimientos mediante una teoría que funciona con éxito para un mundo material existente de forma independiente. Y la teoría es tan exitosa que casi nunca pensamos en sus limitaciones tecnológicas coherentes, para abordar temas escasamente profundos, observaciones que nos encajan en nuestro modelo de realidad. 


Hay muchas maneras de entender la naturaleza de las preguntas científicas. Uno puede asumir su morfología, semántica, relevancia o alcance. Es necesario para comprender el estilo de la investigación científica, responder a la definición de pregunta científica, cuya respuesta nos podría dar luz sobre su intención de abrir la discusión racional honesta y productiva que a ellas les caracteriza. 


Hay una diferencia significativa entre la heurística, entendida como el método de resolución de problemas (el estilo de investigación científico)  y lo erotético, que significa el arte de hacer preguntas y respuestas. En lo erotético el análisis de las preguntas debe preceder a todo desarrollo de aprendizaje, pero también debe ir seguido de la síntesis de respuestas. Una educación sin preguntas claras es estéril, pero sin respuestas justificadas es un aborto. 


Hay mucho interés en el análisis de preguntas, más en aquellos que desean hacerse de conocimiento sólido justificado. No sirve de mucho clasificar a las preguntas como existenciales, cuantificativas o  por el formato de presentarlas. Organizar un cuerpo de preguntas, es cuestión de referencia, donde su morfología sería un mero medio para un fin más importante, el de revelar la problemática de sus objetivos conceptuales. Suponemos que uno podría imaginar un lenguaje en todas las preguntas caprichosas y existenciales, solo pueden expresarse como deseos o necesidades propositivas, por ejemplo, la necesidad de saber que p, o debo saber si p. Tal vez haya contenido intrínsecamente científico o que atienda temas de referencia de los cuales las preguntas relevantes heredan un valor correspondiente a una ruta hipotético deductiva. Es decir, un análisis de preguntas no termina con la morfología correcta y semántica específica, las preguntas socráticas pueden comenzar por cualquier arista de la realidad, pero ese acto debe ser dirigido al interés de investigación. El alcance y relevancia del aparato de preguntas es de lo más importante. Por esta razón, también tenemos que calificar el sistema de preguntas socráticas como abstractas, universales y a veces instrumentales, temporales, estructuradas o de ganancia en profundidad. La actividad intelectual, las preferencias literarias y el comportamiento moral, en mucho lo afecta nuestra capacidad para realizar una esgrima interrogativa adecuada. La ciencia por lo general, a diferencia de la filosofía, no se hace preguntas definitivas. De hecho, es una cuidadosa mezcla de semántica, de alcance en los atributos de lo que existe, pero sobre todo es claro que se dirige a identificar vacíos de conocimiento, de posibilidades hipotéticas, de diseño metodológico, de evaluación de resultados y de posibles nuevas vías de investigación. 


El orden de las cláusulas de interrogación es cronológicamente de enorme importancia. A diferencia de las ideas de Russell, la computación sobre los estudios de la complejidad de Turing[30],  y el manejo de las estructuras gramaticales de exploración[31], nos permiten una alternativa intelectual más sistemática. Expliquemos más detenidamente esto, dada la enorme importancia y trascendencia para la actividad intelectual de la investigación.


Turing aportó el siglo pasado un análisis claro de lo que es un algoritmo. Esto es crucial para cambiar nuestra perspectiva sobre la naturaleza de abordar los problemas de manera computacional. Tener una forma estándar para formular algoritmos significa, tener un parámetro universal para calcular la complejidad de los problemas que se supone intentamos resolver[32]. Esto significa que uno no se centrará en la morfología de los problemas, porque aquí en el paradigma computacional es donde tenemos un modelo universal, como una máquina de Turing que nos ayuda a no desviarnos, independientemente del contenido de los problemas, porque estamos interesados en su complejidad. Más bien, ahora investigamos la complejidad de los problemas mediante un estudio cuantitativo y cualitativo de los recursos que se necesitarían resolver. Afirmar no sé, equivale a plantear un sistema de interrogaciones y no una simple salida fácil a la situación de ignorancia. 


La importancia de este cambio de perspectiva puede transmitir la idea que las clases de problemas computacionales se organizan en términos de estructuras complejas entendidas como un tipo de lenguaje estructurado, semejante al C++ en que se declaran tipos variables, constantes, estructuras escolares, cadenas, matrices.  Esta analogía debería bastar para esclarecer este enfoque socrático de plantear un sistema de preguntas estructuradas. Lo que deseemos no es estudiar lo computable, sino tomarlo como paradigma científico para formular preguntas de investigación. 


Las preguntas pueden ser de muchos tipos, pensemos en la retórica de Sócrates, por ejemplo, en sus preguntas de demostración. Y por lo tanto pueden servir de variedad para muchos propósitos. Estamos discutiendo preguntas como solicitudes genuinas de información o consulta[33], buscamos respuestas que no tenemos y deseamos obtener. De esto podemos deducir, que un enfoque orientado a los recursos simplifica y podemos distinguir entre los diferentes tipos de preguntas como consultas, dependiendo del tipo de información que se necesita responder.


Obviamente, algunas preguntas solicitan información empírica, otras requieren realizar un cálculo lógico matemático para hacerse de la información. Sin embargo, otras preguntas pueden ser respondidas fuera de estos tipos, como cuando preguntamos sobre las propias ideas o conceptos. Se trata entonces de cuestiones que discuten la coherencia con que la teoría conecta los hechos y los conceptos de alto nivel generados dentro de la teoría. Discutir cómo se encarnan los conceptos en distintas teorías es plantear preguntas sobre la solidez del mundo teórico. 


Las preguntas empíricas, sobre el cálculo y sobre información lógica de las declaraciones razonables que dan sustento y perspectiva a una teoría, son nuestra manera de comprometerlo con un problema razonable de ser abordado. Por esta razón, al tercer tipo de pregunta aquí lo llamaremos, preguntas abiertas, en el sentido de buscar desacuerdos informados, racionales y honestos sobre el cuerpo teórico de explicación. Usted quizá aquí, ya advierte que este tercer tipo de pregunta, son preguntas implican discutir el más profundo orden científico.  


Formular el problema de un nuevo plan de estudios, es desarrollar un sistema de preguntas abiertas y discutir en lo profundo la disciplina, el estilo de pensamiento involucrado y los propósitos disciplinares profesionales y éticos. 


Las preguntas empíricas y lógico matemáticas (cálculos) están en principio cerrados, mientras que las preguntas científicas son en principio abiertas a producir una revolución científica al modo de Kuhn. Las preguntas empíricas y de cálculo son tales que generalmente tenemos todo lo necesario para formular una respuesta correcta, cualquier desacuerdo adicional sobre esa respuesta puede formularse sobre las variables involucradas, implicando a la respuesta. Kant lo expresa: hay ciencias cuyo propio carácter exige que todas las preguntas que surjan en su dominio sean completamente responsables en cuanto a lo que se conoce, en la medida en que la respuesta debe emitirse dentro de la misma fuente conceptual que precede la pregunta […] En estas ciencias no es permisible discutir sus fundamentos, argumentando ignorancia, la solución puede ser exigida dentro del mismo marco teórico que da sustento a las  preguntas[34]. 


Las preguntas teórico científicas son gestionadas no empíricas o con cálculos matemáticos, son más observaciones minuciosas de la estructura de razonamiento de las teorías. Son preguntas abiertas, es decir, que en principio son la identificación de desacuerdos reportados en la investigación disponible, esfuerzos razonables y honestos, incluso después de que todas las observaciones y cálculos pertenecientes hayan sido en apariencia formulados con éxito. Un caso ilustrativo es el esfuerzo de Einstein que logró con su teoría de la relatividad destronar a las ecuaciones de Newton. 


Para reconocer las preguntas abiertas genuinas, tendremos presente que las preguntas aquí las referimos como solicitudes genuinas de información sobre un nicho de lo desconocido. En circunstancias ordinarias, responden claramente a cuestionar a la estructura de la propia teoría que se analiza. El tipo de investigación que gestiona las preguntas abiertas, es de lo más exigido para formar la mente de un joven en el estilo de pensamiento científico. Feynman considera que es el camino por el cual, el aprendiz desciende en el sentido histórico por las preguntas que permitieron gestionar al conocimiento moderno[35]. Este descenso en la deconstrucción de la teoría es una rica oportunidad de valorar el esfuerzo de la comunidad de conocimiento, aprender los trucos intelectuales implicados en cada progreso y entrenar a la mente a reconocer las preguntas abiertas que nos llevaron a estas fascinantes revoluciones científicas.


En resumen, toda la base de información gestionada por preguntas empíricas y de cálculo, son observaciones que no están dirigidas a seguir cuestionando la base teórica que le sirve de sustento. No quiere decir que en algún punto, el investigador ante alguna irregularidad en los razonamientos de la discusión de los resultados de investigación, no intuya que está frente a la necesidad de hacerse una pregunta abierta. 


Métodos de investigación constantemente refinados de ciencia, ingeniería y diseño han generado corrientes de éxitos durante siglos. Sin embargo, los nuevos desafíos y complejidad de los problemas del siglo XXI podrían abordarse mejor mediante la combinación de estos métodos de investigación. Aprender a utilizar múltiples herramientas en lugar del mismo martillo, libera a los exploradores y les permitirá producir investigación de alto impacto. Como telescopios, microscopios o dispositivos de resonancia magnética apoyan soluciones en diversos problemas, utilizando métodos de investigación innovadores facilita la exploración de nuevos dominios. Observaciones cuidadosas en forma de etnográficos, campos o casos de estudio pueden en etapas tempranas dar forma a hipótesis que luego pueden ser probadas con intervenciones con pequeños prototipos o estudios piloto.


Avances en la investigación utilizando métodos múltiples de investigación: observación, intervención y experimentos controlados todos apoyan análisis rigurosos que conducen al refinamiento de teorías y mejoras en soluciones. Estos prototipos y estudios piloto continuarán siendo evaluados, los desafíos de escala serán perfeccionados por la ciencia, la ingeniería y el diseño para crear soluciones exitosas que sirven a negocios y necesidades personales mientras hacen frente a fracasos, accidentes y ataques. Los campos etnográficos o estudios de casos se han vuelto valiosos para validar, depurar y entender los factores causales con resultados en argumentos estadísticos. Además el creciente poder de grandes análisis de datos apoyan el avance de modelado y simulación ofreciendo nuevas posibilidades.


Mientras que la física y la química se estudian a menudo usando estrategias reduccionistas en experimentos controlados de laboratorio, medio ambiental y del mundo de los hechos, la investigación requiere comprensión profunda contextual, sensibilidad para los patrones de comportamiento y, la conciencia de sistemas que cambian rápidamente. Los retos adicionales en la investigación son la inestabilidad personal del observador, la dinámica organizacional del equipo de trabajo, y como supuestos teóricos están constantemente fluctuando en la literatura. La riqueza en diversidad de los sistemas ecológicos y la sociedad humana, significan que a menudo pequeñas variaciones de variables independientes pueden tener enormes efectos sobre las variables dependientes. Teorías exitosas abordarán las diferencias contextuales de maneras que permiten descripciones claras, explicaciones causales, predicciones confiables y directrices prácticas. 


La aparición de la teoría de juegos, la economía del comportamiento, teoría de la persuasión, la interacción sujeto computador y otras disciplinas muestra señales de impaciencia de las comunidades de investigación para crear teorías y probar soluciones a los problemas del mundo. Por lo que el cambio es posible si el pensamiento se hace audaz, se incorporan nuevas prácticas, teorías apropiadas y métodos de investigación innovadores que puedan ser desarrollados y aplicados.


Una oportunidad más para la nueva investigación puede encontrarse en el desarrollo de métricas válidas para el mundo hecho de comportamientos. Masa, densidad, velocidad, aceleración son parámetros en el mundo natural mientras que confianza, empatía, responsabilidad y privacidad podrían ser las métricas claves para el mundo social. En tecnología informática, las variantes de la ley de Moore han apreciado el aumento de gigabytes, megahertz y teraflops del rendimiento de la maquina, pero los comportamientos del mundo social pueden medirse en “giga-contribuciones”, “mega-colaboraciones” y “tera-agradecimientos”. Científicos, ingenieros y diseñadores han refinado continuamente sus métodos para incluir miles de variaciones a lo largo del espectro de observación cuidadosa a las intervenciones de la experimentación controlada. 


Teorías & Soluciones

Descripciones claras

Explicaciones causales

Predicciones confiables

Directrices prácticas 


Teorías & Soluciones

Observación  

Intervención 

Experimentos controlados



El espectro de métodos de investigación oscila entre observaciones e intervenciones experimentos controlados con muchas variaciones a lo largo del camino. Los resultados manifestados en soluciones tiene cuatro componentes; descripciones claras, explicaciones casuales, predicciones confiables y directrices prácticas. 


Los investigadores buscan típicamente producir soluciones de trabajo que demuestran los principios universales y para identificar las teorías fundacionales con amplia aplicabilidad. Estos resultados tienen por lo menos cuatro componentes.


2.5 Observación 


Las tres disciplinas, es decir, ciencia, ingeniería y diseño comienzan con la observación de lo natural o el mundo social. Sin embargo, en una vista efectiva, enfocarse la interpretación de los mundos naturales y sociales requieren planificación atención e intención. Aristóteles (384-322 A.C.) admirado por sus escritos prolíficos a través de diversos temas. Sus procesos racionales lo condujeron a elevar y registrar sus observaciones como principios universales. Sus observaciones de distinciones entre animales de la tierra y del mar produciendo distinciones significativas como animales vertebrados frente a invertebrados. Sus taxonomías eran imperfectas, pero estaban destinadas a organizar el pensamiento sobre el mundo con el fin de servir de guía a los observadores más adelante. Aportaciones de descripciones de la tierra, aire, agua y fuego sentaron las bases de nuestras opiniones de sólidos, líquidos y gases, categorías que integran física y química. Aunque suposiciones erróneas también han sido demostradas, tales errores y sus métodos de investigación nos recuerdan que observaciones incompletas y saltos rápidos a principios universales. A más de 2000 años del impacto de Aristóteles en la trascendencia de sus aportaciones, merece admiración por su búsqueda de teorías fundamentales y los principios universales que son valores fundamentales en ciencia, ingeniería y diseño.


Para Leonardo da Vinci (1452-1517) no debería haber fronteras entre la ciencia avanzada, la ingeniería y el diseño, a través de su notable capacidad para hacer observaciones precisas y registrarlas para revelarlas, informarlas y a menudo con bellos dibujos apreciados como arte y diseño visual eficaz. Estudió de cerca los fenómenos naturales tales como la turbulencia del agua que fluye alrededor de los objetos de forma diferente, o la sombra proyectada por el sol que brilla sobre la tierra y la luna. En un esfuerzo riesgoso pero audaz participó en aproximadamente 30 disecciones de cadáveres, haciendo observaciones cuidadosas repetidas y dibujos exactos de las arterias que conectan el corazón y los pulmones o la ubicación del feto en el vientre femenino. En sus habilidades se aprecian dibujos más selectivos que una fotografía centrada en la atención física detallada produciendo descripciones comprensibles e incluso sugerencias de explicaciones causales. Pero Leonardo era más que un observador científico exacto, también fue un innovador de ingeniería y productos de diseño que convirtieron sus ideas en prácticas bombas de agua, fortificaciones militares y dispositivos mecánicos, incluidos diseños menos prácticos de submarinos, máquinas voladoras, paracaídas y mucho más. 


Elegir qué observar para revelar importantes principios, fue el tema de Francis Bacon (1561-1626). Más allá de defender la observación cuidadosa, enfatizó pruebas activas de la naturaleza; intervenir y luego observar lo que sucede. El método de Bacon sería frotar ámbar con diversos materiales para ver que produce electricidad estática o quemar materiales y estudiar luego sus cenizas. Sus métodos activos fueron un gran avance hacia delante, hicieron hincapié en las intervenciones para empujar los límites de lo que un observador podría aprender sobre el mundo natural. Charles Darwin (1809-1882) logró progresos sorprendentes con cuidadosas observaciones y comparaciones cualitativas; con cuidados datos que recogen dibujos calificados y los métodos utilizados para registrar sus hallazgos. Darwin es famoso por su teoría de la evolución, a menudo resumida como la teoría del más apto que explica la aparición de nuevas especies y su alojamiento en nichos ecológicos en respuesta a la selección natural. La observación cuidadosa sigue siendo la fuente de progreso de ciencia, ingeniería y diseño, pues permiten la verificación de datos o procesos detallados y flujos de trabajo más estructurados. Diseñadores están capacitados para observar con cuidado los usuarios de los diseños existentes en escenarios naturales, tales como ejecutivos usando computadoras portátiles en cafés urbanos o agricultores utilizando teléfonos celulares en zonas rurales.


Algunos investigadores de diseño capturan grandes colecciones de imágenes, tales como carteles de conciertos, teteras de cerámica o chalets suizos; luego organizan estas imágenes en libros, cuyas tablas de contenido proporcionan una útil taxonomía para la próxima generación de diseñadores que buscan seguir los principios universales y normas prácticas. Otros investigadores de diseño hacen abstracciones de casos individuales en lenguajes de patrón significativo y pautas útiles para crear nuevos fármacos sintéticos o elementos químicos.


2.6 Intervención 


Desde tiempos antiguos, quienes responden a las necesidades del público pidieron cambiar el mundo, como la construcción de acueductos romanos, mezquitas turcas o ferrocarriles ingleses. Estos ingenieros, diseñadores, arquitectos y constructores aprendieron en muchas de sus intervenciones, en ocasiones a escribir tratados inspiracionales que dejan impresiones duraderas en sus colegas. Estos tuvieron impacto debido a sus impresionantes dibujos de estructuras, los principios universales y las directrices prácticas que proporciona directrices que ahora llamaríamos “mejores prácticas.”


Investigación en ciencias sociales a menudo se dedican a la comprensión y desarrollo de indicadores de comparación en al menos dos contextos y aunque algunos tradicionalistas aún se resisten filosofías activistas argumentando que la comprensión debe preceder a la intervención; otros afirman como el psicólogo social Kurt Lewin (1890-1947) “Sí usted quiere verdaderamente entender algo, trate de cambiarlo”.


2.7 Experimentación controlada


Galileo Galilei (1564-1642) tomó intervención reflexiva y observación consciente un paso más profundo. Desarrolló la idea de que los investigadores deben enunciar hipótesis comprobables antes de sus observaciones e intervenciones. La historia clásica pero posiblemente apócrifa relata la toma de pequeñas y grandes bolas de metal en la Torre Pisa para demostrar que estas caían a la misma velocidad, otra aportación fue que el tiempo de un péndulo en oscilación era dependiente en la longitud del cable no del peso del cuerpo o altura sobre el suelo. Sus acciones fueron guiadas por el deseo de comprobar la validez de una hipótesis lúcidamente establecida. Igualmente importantes fueron sus esfuerzos para medir el tiempo, distancias u otras cantidades para derivar principios universales que producen predicciones cuantitativas fiables en una amplia gama de situaciones. Su medición del tiempo se decía eran los latidos en su corazón, pero relojes exactos, termómetros y escalas se estaban convirtiendo en accesibles sentando las bases para Lord Kelvin (1824-1907) con su famosa declaración: “cuando usted puede medir sobre lo que está hablando, y expresarlo en números, sabes algo al respecto”. Mientras Galileo combinó pensamiento científico con la innovación de ingeniería, especialmente en la fabricación de instrumentos como pulir lentes para su telescopio, que le permitió realizar sus impactantes observaciones sobre el movimiento de las lunas de Júpiter.


Al comienzo del siglo XX los métodos de investigación habían madurado y expectativas claras de cómo ejecutar experimentos controlados fueron propagándose a través de la ciencia, medicina, ingeniería y disciplinas afines. El estadístico Ronald A. Fisher (1890-1962) desarrolló estudios agrícolas experimentales que alteraban variables independientes como agua, fertilizantes y tipos de semilla, y midió los resultados como rendimiento, calidad o resistencias de insectos (variables dependientes). Esta cuidadosa declaración de hipótesis y diseño experimental le llevó a desarrollar métodos estadísticos estándar utilizados para pruebas de análisis de varianza (ANOVA) maximizando su verosimilitud y muestreo estadístico. Métodos de Fisher ayudaron al control y varianza en experimentos que van desde los estudios de laboratorio hasta pruebas agrícolas, donde las variaciones de clima del terreno podrían oscurecer las variables experimentales clave. Sus métodos fueron ampliamente adoptados para la investigación psicológica sobre el motor humano, tareas perceptuales y cognitivas así como para las comparaciones de muestras de datos de observaciones, entrevistas y encuestas; estos fueron aplicados y adaptados a estudios experimentales críticos, a su vez surgieron animados debates sobre el sesgo, controles y métodos estadísticos adecuados. Los experimentos controlados son expectativas estándar para la mayoría de los campos de la ciencia, la ingeniería y el diseño, pero están surgiendo nuevas estrategias. Los avances en métodos de investigación incluyen la 1) expansión usando solamente de observación intervención vinculada a la comprobación de hipótesis; 2) utilizan medidas cualitativas para incluir medidas cuantitativas que soporten la predicción; 3) de observaciones individuales a observaciones repetidas se admiten la generalización a principios universales y 4) de la observación personal independientemente reproducidas a observaciones que soportan la validación de afirmaciones sobre las relaciones entre variables dependientes e independientes. 


Experimentos controlados siguen siendo un método de lo más eficaz, pero investigadores ambientales y del mundo social requieren inventar nuevos métodos de investigación que reconozcan las sutilezas del contexto, el efecto matizado de pequeños cambios y la mayor validez de trabajar en sistemas reales sociales. Intervenciones bien diseñadas podrían conducir a una mayor comprensión de la dinámica del sistema ambiental y los modelos de sistemas sociales del comportamiento humano, motivaciones y la disposición a participar.


Mostrarnos selectivos ante los métodos de investigación, pretendemos establecer las bases para la comprensión de innovaciones contemporáneas en métodos de investigación diseñados para adaptarse a los desafíos del siglo XXI. De la misma manera qué una hélice en espiral del ADN y aún con spiner cuánticos, investigadores vuelven a métodos antiguos pero de mayores capacidades matemáticas.


La observación aún puede producir grandes descubrimientos a través del estudio del mundo natural y social con un ojo entrenado para detectar fenómenos inadvertidos. Sin embargo, los observadores contemporáneos son ayudados por una gran variedad de instrumentos, como microscopios de gran alcance infrarrojo, ultravioleta, rayos x, radiotelescopios y dispositivos PCR, resonancias magnéticas, ecografías y colonoscopías virtuales; proporcionando imágenes y videos reproducibles, amplificados por herramientas de ordenador que permiten comparación o apreciación del desarrollo de algún proceso específico.


Lo estadístico hace importantes contribuciones, especialmente con su Análisis Exploratorio de Datos. Esto aboga por el retorno a los métodos observacionales, pero esta vez, centrados en observaciones de los patrones estadísticos de los datos; afloramiento de datos mediante métodos visuales combinados con métodos estadísticos. Este método  hace una observación cuidadosa de los datos con el fin de detectar grupos, lagunas, afloramientos de relaciones y otros patrones en los bosques de vasta información. Nuestro mundo hace observaciones y taxonomías propuestas que tienen que ser validados o desafiados por otros, así es como las hipótesis del mundo natural se han perfeccionado durante siglos.


La intervención también está produciendo sorpresas y nuevas oportunidades. Modestas intervenciones en el mundo natural y social puede ahora llevarse a cabo en gran escala en ocasiones inquietantes y a menudo, proporcionan ideas frescas. Cada agencia de gobierno que anuncia recomendaciones dietéticas o restricciones de consumo de productos está llevando a cabo una intervención que puede ser medible: en concreto están probando sí y cómo los residentes reducen el consumo de alimentos azucarados, renuncian a cigarrillos y cuidan de su propia integridad. Del mismo modo cambios de leyes fiscales, objetivos de calidad del aire o las prácticas educativas tienen efectos masivos que los investigadores pueden estudiar debido a la amplia gama de colección de datos, fuentes de datos en línea y la apertura de debates en medios de comunicación social, nunca antes habíamos tenido “microscopios” para medir lo que está sucediendo, formar hipótesis y revisar las políticas. Versiones contemporáneas de intervención utilizan términos tales como estudios de campo, estudios de caso, estudios de caso a largo plazo, investigación de diseño, estudios de diseño, investigación en acción y la investigación en práctica. El tema común es construir algo y estudiar su comportamiento en entornos realistas y no bajo condiciones controladas de laboratorio requiriendo de la compleja creatividad humana, motivación y colaboración. Estudios de caso de duración de semanas o meses son adecuados para estudiar el aprendizaje y uso de herramientas de visualización informática interactiva. Estrecha colaboración con investigadores médicos, especialistas financieros, analistas del transporte ha construido la confianza en los casos de estudio de su pensamiento en voz alta, aportando excelentes comentarios sobre las mejoras necesarias, así como una comprensión más profunda de cómo fueron cambiando sus procesos de pensamiento y uso del idioma. Reconociendo su capacidad de encontrar nuevos patrones en los datos publicados en resultados de investigación.


El problema de la necesidad de participantes con habilidades especiales es evidente en estudios de astronautas experimentados y en casos especiales como la predicción de decisiones presidenciales en situaciones de crisis. Casos de estudio con procesos similares pueden proporcionar una valiosa orientación aunque críticos argumentan reducidas posibilidades de generalización y replicabilidad, se prefieren sobre experimentos controlados de laboratorio en ambientes realistas. Aumentar el rigor de los estudios de caso mediante el desarrollo de mejores prácticas podría garantizar el registro preciso y reducir sesgos de interpretación. 


Experimentos controlados también contribuyen a los avances en ciencia, ingeniería y diseño. Esta estrategia apoya el principio de proporcionar evidencia para combinar proyectos de investigación básica y aplicada como los estudios perceptuales humanos, refinan teorías y conducen a sistemas de control de tráfico aéreo mejorado, experimentos controlados son empleados por físicos en el estudio de materiales y la naturaleza de sus propiedades aunque la complejidad de estos en otras disciplinas como estudios medioambientales y médicos es incrementada variables poco predecibles y un gran número de participantes. Sin embargo, proporcionar nuevas estrategias de investigación del mundo natural como estrategias de colección de datos de ciencia ciudadana masiva, la colección de datos remotos por satélite y el uso generalizado de sensores para monitoreo aporta evidencias experimentales para apoyar hipótesis sobre sistemas ambientales complejos.


Mientras críticos se preocupan de la falta de una selección cuidadosa, la asignación al azar de millones de usuarios y la replicabilidad de los resultados genera confianza en las decisiones de negocios. Gran número de participantes con ajustes realistas proporcionan datos más válidos que un pequeño grupo de participantes en experimentos controlados de laboratorio. La capacidad de ir más allá del entendimiento y de intervenir para producir resultados deseables es de una oportunidad de gran alcance para los investigadores pero que a su vez puede ser utilizada por individuos maliciosos con intereses personales. Desafíos éticos se elevarán en las próximas décadas, por la presencia de estas poderosas oportunidades para intervenir a escala de la intimidad de los usuarios digitales.


A menudo cursos de métodos de investigación son impartidos dentro de las disciplinas, por lo que es raro que los científicos aprendan sobre métodos de investigación de diseño y viceversa; menospreciando estrategias de investigación preferidas por diseñadores mientras estos son reacios a seguir experimentos controlados y rigurosos, preferidos por científicos. Ingenieros suelen centrarse en el rendimiento de sistemas de herramientas, por ello algunos se rehusan a participar en estudios de usabilidad o entrevistas con clientes. Científicos e ingenieros podrían hacer uso más extensivo de métodos de estudio o sesiones de crítica típica en el trabajo de diseño. Diseñadores podrían cuestionar con más frecuencia los prejuicios que forman naturalmente parte de sus observaciones etnográficas, entrevistas y comentarios subjetivos. Objetiva experimentación controlada se aplica a la prueba de hipótesis estadísticas de datos cuantitativos, estos pueden combinarse felizmente con observaciones etnográficas de la actividad humana, con la recolección de datos cualitativos, y estrategias de investigación diferentes pueden proporcionar resultados complementarios a las ideas de investigadores básicos y aplicados. El espectro de métodos de investigación oscila entre observaciones, intervenciones, experimentos controlados con muchas variaciones a lo largo del camino. Investigadores buscan soluciones de trabajo y teorías fundacionales que puedan hacer descripciones claras, explicaciones causales predicciones confiables y directrices prácticas. En la elección de un método de investigación, los equipos de proyecto también consideran el papel de las teorías existentes en la orientación de su trabajo y afinar hipótesis probadas con lúcidas declaraciones sobre las variables dependientes e independientes implicadas.


Investigadores estructuran típicamente su trabajo desarrollando hipótesis y luego comprobándolas a través de la observación, intervención y experimentos controlados que producen datos cualitativos o cuantitativos. 


2.8 El método para escribir teoría


Los métodos para producir la teoría son sistemáticos, recopilan información y analizan datos para construir la teoría a partir de la propia interpretación. Así, los investigadores construyen una teoría aterrizando su explicación en los datos. Se comienza con datos inductivos, emplea métodos comparativos y mantiene interactuando e involucrando los datos y el análisis emergente. Producir teoría nos lleva a hacer paradas tempranas para analizar lo que encontramos a lo largo del camino. El trabajo analítico temprano acelera su progreso hacia su destino como investigador. El viaje de producir teoría es el que le permite aumentar su habilidad intelectual analítica de sus trabajos y la velocidad con la que lo alcanza.


La teoría es una ruta entre la revisión de la literatura, toma de notas y el análisis de datos. La teoría es un sistema de explicación justificado, fundamentado y calculado. Este método es el marco de toda investigación, ofrece la herramienta para llevar a buen puerto todo proyecto de investigación. El proceso de investigación traerá sorpresas, suscitará ideas y perfeccionará sus habilidades analíticas y tolerancia al error. Los métodos de escritura de la teoría fomentan que las proposiciones, cláusulas e inferencias de conclusión estén alineados con los datos de maneras nuevas y explorar el ensayo de pensar por caminos racionales alternativos. Producir teoría dirige y administra sus esfuerzos por construir un análisis original de los datos. 


Los métodos de teoría justificada ofrecen un conjunto de principios generales, directrices, estrategias y dispositivos heurísticos en lugar de prescripciones de recetas de instrucción. Por lo tanto, los datos forman la base de nuestra teoría y nuestro análisis que discute y genera nuevos conceptos. Los teóricos fundamentan recopilando datos para desarrollar análisis teóricos desde el comienzo de un proyecto de investigación. Al tratar de saber cómo explicar nuestras proposiciones, declaraciones y comportamiento de datos, nos preguntamos qué sentido analítico podemos hacer sobre ellos. 


Cualquiera que sean nuestros datos: premisas, evidencia, hechos, declaraciones de entrevistas, documentales de modelos experimentales o alguna combinación de estos. Desde estos datos, necesitamos una mente abierta a lo que está sucediendo, para que podamos aprender sobre los mundos y las personas que estudiamos. La teoría basada en evidencia nos lleva a ocuparnos de observar parámetros mientras recopilamos las notas como piezas de información primaria para producir el discurso objetivo. Se estudian eventos y experiencias empíricas y se realizan algunas inferencias e ideas analíticas potenciales sobre estos datos. El método de teoría fundamentado tiene la ventaja de que nos muestra cómo podemos proceder dentro de una sintaxis evaluando nuestros pensamientos. 


En la revisión de la literatura, comenzamos a estudiar los primeros datos, separado en categorías, ordenando variables en conceptos y sintetizando estos datos a través de una codificación (argumentación) cualitativa. La codificación significa que adjuntamos etiquetas a segmentos de notas que representan premisas y que consideramos parte del modelo de explicación. A través de la codificación (escritura creativa) se ordena y proporciona otras nuevas estructuras de datos: cláusulas y argumentos. Los teóricos objetivos enfatizan en que el acto del juicio de justificar sobre lo que está sucediendo en escena, es el mayor logro de sintetizar los datos. 


Al recoger unas 6 u 8 notas de revisión de literatura por día de trabajo, el investigador con estos datos, obtiene pistas prometedoras, experimentando una percepción intensificada en cada paso, atajando y profundizando las conexiones entre datos y, viendo de nuevo al mundo con otros conceptos y marcos cambiantes de significado. Vivir este momento, suaviza la posible arrogancia del investigador y, vivir un día a día así, experimenta el esfuerzo del diagnóstico complejo de la realidad como un logro personal.


Al hacer y codificar numerosas comparaciones, nuestra comprensión analítica de los datos comienza a tomar forma. Escribimos notas sobre nuestros códigos de comprensión preliminar y cruzamos referencias; ideas sobre nuestros datos acompañan estos registros. Al escribir notas definimos las ideas que mejor se ajustan e interpretan como categorías analíticas tentativas para dar forma a un modelo de explicación. De cuando en cuando surgen preguntas inevitables y aparecen algunos conceptos operativos nuevos y llenan vacíos en los niveles de análisis de justificación. 


Las categorías de toma de notas dibujan lo que intentamos bajo nuestro control conceptual. Por lo tanto, creamos niveles de abstracción directamente al agrupar nuestras notas y posteriormente, recopilamos datos adicionales para comprobar y refinar nuestras categorías emergentes. Nuestro trabajo culmina creando argumentos que discuten justificaciones y fundamentos a favor de una comprensión teórica abstracta de la experiencia estudiada. Nuestro viaje de experiencia en la investigación comienza justo cuando comenzamos la revisión de literatura y recolectamos datos (notas). Este método de construir teoría desmitifica la conducta de que la teoría es un estorbo cuando lo útil podría pensarse es generar números en la observación científica. 


¿Qué tipo de supuestos metodológicos apoyan el avance de la ciencia basada en la cuantificación? Toda forma de conocer se basa en una teoría de cómo las personas desarrollan el conocimiento. Las creencias en un método unitario de observación sistemática, experimentos replicables, definiciones de conceptos operativos, hipótesis lógicamente deducidas y evidencia confirmada. Todo esto a menudo es llamado método científico, a menudo toman como piezas del método cuantitativo. Estas suposiciones apoyaron el movimiento del positivismo, el modo de pensar dominante en el siglo XX. 


El concepto que emergió como alternativa al positivismo, es un conocimiento que enfatiza en la objetividad, la generalidad, la replicación de la investigación y lo falseable de las hipótesis y teorías competidoras. Si bien, tiene como objetivo descubrir explicaciones causales y hacer predicciones sobre un mundo externo a la mente y lo conocible. La lógica científica ajustó su tradición intelectual sobre un método de observación discursivo objetivo y una verdad legitimada por las cualidades sociales reductoras de la experiencias humana a variables cuantificables. 


Tenga presente que el positivismo asumió un observador imparcial y pasivo que desestima la incertidumbre que impide la replicación de los experimentos, recogió hechos, pero no participó en su creación, los despojó de valores epistémicos y ontológicos; la existencia del mundo externo consideró como separado los observadores científicos y sus métodos; además de la acumulación de generalizaciones de conocimiento sobre el mundo. 


La técnica de generar datos, es decir, cuantitativas, fue el modo de conocer y de validez de los positivistas hasta la mitad del siglo XX; rechazaron otras posibilidades de llegar a conocer o saber; por lo tanto, la investigación cualitativa que analiza crear conceptos alternativos e interpretar los significados de los participantes dentro de las investigación, todo esto despertó disputas sobre su valor científico. La revisión de pares y la discusión como medio de consenso social, el positivista le restó importancia para la objetividad o la consolidación de nuevas teorías. La prioridad que dieron a la replicación y verificación, da lugar a ignorar la segunda ley de la termodinámica, la incertidumbre irreducible de la realidad y el ajuste del diseño experimental imposible de repetir condiciones de operación de forma idéntica. Un número creciente de investigares sociales cuantitativos ganaron fuerza empleando la encuesta, la entrevista y la antropología social.

 

Contrarrestar al positivismo no fue algo fácil, aún hoy se practica en muchos posgrados en las universidades rezagadas en apertura a discutir sus tradiciones intelectuales. La llegada de la teoría fundamentada es un paso más allá del positivismo. Despertó una creciente inquietud por renovar conceptos operativos, más allá de los sociólogos, ofreciendo una práctica sistemática de investigación cualitativa que procesa enormes esfuerzos de inferencias e interpretación estadísticas. Glaser, Strauss, Thomas Kuhn Aaron Cicourel, Heisenberg, entre otros proclamando una revolución científica que propone la investigación científica como cualitativa sistémica en la propia lógica de construir explicaciones teóricas abstractas en procesos naturales y sociales. 


El cambio fue mayúsculo al superar el positivismo:


1. Recopilación y análisis de datos por un colectivo.

2. Construcción de códigos analíticos y categorías a partir de datos en alternativas conceptuales, y no a partir de hipótesis preconcebidas deductivamente.

3. El avance teórico durante cada paso de la recopilación y análisis de datos.

4. La escritura de literatura para elaborar categorías específicas de propiedades, definir relaciones entre categorías e identificar brechas de conocimiento.

5. Muestreo dirigido a la construcción de teoría y no para la representación de la población.

6. La revisión de literatura como desarrollo de análisis independiente.



Este método de producir teoría fundamentada, es una práctica moderna de investigación al controlar un proceso intelectual de aumentar el poder analítico de los investigadores. La investigación fundamentada traslada la práctica cualitativa más allá de los estudios descriptivos al ámbito de los marcos de explicación teóricos, proporcionando así una comprensión abstracta y conceptual de los fenómenos estudiados. Es decir, superar la instrumentalización de la razón estadísticas y pisar con fuerza el espacio intelectual de la razón más rigurosa. Hacen de la revisión de la literatura un modo de evitar ver el mundo a través de la lente de las ideas existentes como algo eterno o dogmático. 


La generación de teoría justificada y fundamentada proporciona un poderoso y legítimo impulso a la investigación cualitativa, como enfoque metodológico creíble y riguroso en sí mismo, en lugar de simplemente como precursor de instrumentos cuantitativos. 


Se rompió la creencia de que los métodos cualitativos eran impresionistas y poco sistemáticos. La separación de fases de investigación en la recopilación de datos y análisis de datos. Se hace de la investigación cualitativa precursora de métodos cuantitativos más rigurosos, unos que responden a los avances de la epistemología y la ontología. La investigación cualitativa tiene como énfasis producir teoría fundamentada y no juzgar lo cuantitativo. Se destruye la división arbitraria entre practicar el desarrollo de teoría y la investigación científica cuantitativa. Deja de ser la investigación teórica algo para las elites filosóficas de la ciencia y se instala como práctica sustantiva de todo novel de investigación, materializada en la escritura con propósitos científicos y académicos. Y se supera la idea de que la investigación cualitativa no persigue como objetivo principal producir teoría. El arte de pensar en la argumentación, es sin duda el procedimiento analítico cualitativo que demanda al novel y mentores, la necesidad de una fortaleza considerable en el ámbito lingüístico del discurso objetivo. 


El positivismo nos dejó el arte de razonar, el pragmático destaca las consideraciones epistémicas y enfoques sistemáticos que reflejan la rigurosa formación de discusiones y consensos en la comunidad de pensamiento. Los conceptos que trabaja la ciencia son resultados de la acción de investigación, son subjetivos y sociales. La construcción de esta acción de agencia humana de las ideas, es un proceso emergente, significados sociales y valores de resolución de problemas en estudios abiertos a la teoría fundamentada.


El pragmatismo o investigación cualitativa, refleja la tradición filosófica que adopta el interaccionismo simbólico con la realidad, una perspectiva teórica que asume que la sociedad, la realidad y el yo se construyen a través de la conversación mediada por literatura y, por tanto, se basan en el lenguaje objetivo y la comunicación más rigurosa e intensa abierta a toda la sociedad. Esta perspectiva supone que la interacción es inherente a la dinámica de interpretación y aborda cómo las personas crean, promulgan y cambian significados y acciones. Esta interacción simbólica supone que las personas piensan en sus vidas y acciones en lugar de responder mecánicamente a los estimados. 


La mayoría de los teóricos producen teorías sustantivas que abordan problemas delimitados en áreas sustantivas específicas, como un estudio de cómo los pacientes recién diagnosticados de COVID-19 entienden su situación. La lógica de la teoría basada en la justificación puede llegar a través de áreas sustantivas y pasar al ámbito de la teoría formal, lo que significa generar conceptos abstractos y específicos relacionados entre ellos para comprender problemas en múltiples áreas sustantivas. Por ejemplo, desarrollar una teoría sobre la pérdida de identidad y la reconstrucción entre las personas con enfermedades graves, podríamos analizar nuestra categorías teóricas en otras áreas de la vida en las que las personas han experimentado una pérdida importante repentina, como ocurre con la muerte súbita de una pareja, el despido del trabajo, o una pandemia como desastre natural. Cada nueva exploración dentro de una nueva área sustantiva puede ayudarnos a refinar la teoría formal. Se adoptó una teoría basada en la verificación y la justificación.


El método, por lo tanto, lo definimos como construcción de teoría fundamentada para el descubrimiento, tratamos a las categorías como emergentes a partir de los datos, nos basamos en un empirismo directo y, a menudo, estrecho, esto desarrolló un enfoque de indicadores de conceptos operativos. Consideramos que los conceptos son variables e hicimos hincapié en el análisis de un proceso social básico de verificación. Suele forzar los datos y el análisis en categorías preconcebidas, ignorando lo emergente y el resultado en la descripción conceptual completa.


Los métodos extienden y magnifican nuestra visión de la vida estudiada y, por lo tanto, amplían y profundizan lo que aprendemos de ella y la conocemos de un modo profundo en los actos de fundamentar y justificar. A través de nuestros métodos, primero pretendemos ver este mundo como lo hacen los investigadores, desde dentro de la teoría. Aunque no podemos aprender a replicar sus puntos de vista o reproducir sus experiencias en nuestra propia vida, podemos tratar de entrar en sus entornos y situaciones en la medida de lo posible. Ver la vida de la investigación desde el interior del discurso objetivo en la escritura creativa, es estar desde dentro conociendo el estilo de pensamiento científico y valorar las hazañas de tantos héroes del conocimiento. Los investigadores cualitativos tienen una gran ventaja sobre sus colegas cuantitativos. Añaden nuevas piezas al rompecabezas de investigación mientras recopilan datos producen audaces análisis insertando innovaciones conceptuales operativas. Las ideas prospectos que surgen de este modo, siguen diferentes visiones del hecho. Construyen legitimidad teórica en torno a conceptos emergentes, los llevan al punto analítico perspicaz que ilustran tensión discursiva impregnada de nuevas relaciones en lo causal. 


Los métodos fundamentados aumentan su flexibilidad a la hora de recopilar datos porque fomentan el seguimiento de lo que está sucediendo, estos métodos dan más enfoques que muchos otros porque codifican y clasifican los datos a medida que recopilan estos. Utilizando bien, la teoría basada en fundamentos acelera la velocidad de obtener un enfoque claro en lo que está sucediendo en sus datos sin sacrificar el detalle de los casos de estudio. Crea escenarios de enfoques, da forma y remodela su recopilación de datos y, por lo tanto, estos procesos de justificación refinan sus datos y aumentan la profundidad del conocimiento. Sin embargo, los métodos no empuñan magia. Un método proporciona una herramienta para mejorar la visión, pero no proporciona información automática. Debemos ver a través de armamento de las técnicas metodológicas y la dependencia de procedimientos experimentales. Los métodos por sí solos, sean cual sea no generan una buena investigación ni análisis astutos. La forma en que los investigadores utilizan los métodos es importante. Las aplicaciones mecanicistas de los métodos producen datos mundanos e informes rutinarios. Un ojo agudo, mente abierta, oído exigente y mano firme en la escritura pueden acercarnos a lo que estudiamos, y son más importantes que desarrollar herramientas metodológicas sin una actitud de curiosidad y rigor. 


Si bien los métodos son meras herramientas, sin embargo, algunas herramientas son más útiles que otras. Cuando se combinan con la perspicacia y un estilo de pensamiento escrito que tiene como propósito ganar un pensamiento aterrizado en un terreno fértil en la teoría más nítida para generar, extraer y dar sentido a los datos. La teoría justificada puede darle pautas flexibles en lugar de recetas rígidas. Con pautas flexibles, usted dirige su estudio, pero deja fluir su imaginación. 


Aunque los métodos son meras herramientas, tienen consecuencias. Elegir métodos de recopilación de datos (sistema de toma de notas) le ayudarán a responder sus preguntas de investigación con ingenio e incisividad, y esté dispuesto a modificar sus preguntas de investigación cuando descubra que otras preguntas tienen mayor importancia en el campo. Lo que encuentre en el campo también puede afectar a los métodos de recopilación de datos. La forma de recopilación de datos afecta a los fenómenos en la forma de verles, cómo, dónde y cuándo los observamos y qué sentido tendrán ellos para nosotros. ¿Qué tipo de proyectos de investigación justificada es determinada por la recopilación de los datos? ¿La teoría fundamentada es únicamente un método de entrevista? No, la teoría fundamentada es una forma de llevar a cabo una investigación que da forma a los conceptos operativos a partir de fundamentos y de estos fundamentos, también se da forma a la recopilación de los datos y se enfatiza el análisis.  


Esta noción de teoría justificada incluye un principio metodológico básico: el método fluye a partir de la recopilación de datos de la cuestión de investigación y estos datos contestan a dónde vamos con ella. Por lo tanto, una recopilación de datos es una estrategia analítica que impulsa el pensamiento riguroso. El eclecticismo metodológico niega las opiniones de la teoría y la etnografía fundamentada como enfoques excluyentes y rechaza las opiniones que afirman la incompatibilidad de la teoría justiciada en la literatura[36]. Claramente, el modelado y el control sucesivo de los datos funciona mejor, pero la literatura puede ser vista como el universo de todos los datos de los investigadores disponibles. Teóricos fundamentados asumen la actitud del uso de la literatura original como sus principales fuentes de datos[37]. 


Las observaciones controladas, la entrevista y modelado ideal son recursos de los investigares que fundamentan y justifican[38]. Así como los métodos que elegimos influyen en lo que vemos, lo que traemos al estudio también influye en lo que podemos ver. La investigación cualitativa de cualquier tipo se basa en la experiencia de aquellos que la llevan a cabo[39]. No somos recipientes pasivos en los que se vierten datos[40]. No somos observadores científicos que podemos descartar el escrutinio de nuestros valores sin reclamar neutralidad y autoridad sobre lo verdadero, aunque muchas veces esto nos conduce a un sesgo cognitivo. Es decir, las emociones en muchas ocaciones tuercen a la razón y la corrompen imponiéndose. Ni lo observado, ni el observador llegan a una escena intacta en el mundo, al observar modificamos la cosa observada. Hacer suposiciones sobre lo que es real, es poseer ciertas justificaciones en reserva de conocimiento producto de una revisión de la literatura disponible. El estatus social persigue propósitos que influyen en sus perspectivas, puntos de vista y acciones en presencia de nuevo conocimiento. La flexibilidad mental nos obliga a los exploradores de la realidad a ser fuertemente reflexivos y teniendo como árbitros a la literatura y a la lógica matemática. 


Mientras que en medio del proceso de investigación, la lógica de la teoría justificada guía sus métodos de recopilación de datos, así como el desarrollo teórico de sus análisis. Esta actitud, intenta crear o adoptar métodos que prometen avanzar a las ideas emergentes. Esta forma puede producir ideas de innovación en cualquier momento durante la investigación. No podemos anticipar qué configuración de la información se creará en el proceso de producir cláusulas (referencias cruzadas de los datos), para un proyecto esto significa enmarcar ciertas preguntas surgidas en medio de los procesos de revisión de la literatura y la escritura de notas y argumentos. ¿Todo son datos (notas)? En principio si, son las piezas de pensamiento unidad, con ellas se apoyarán las proposiciones (premisas), cadenas de razonamiento (cláusulas), inferencias de conclusión parciales y reconocer problemas de investigación, métodos y grietas de conocimiento como oportunidad de investigación.


Los investigadores también varían en su capacidad para discernir datos útiles y en su habilidad de minuciosidad en su registro y referencias cruzadas entre ellos. Cuando se construyen datos de primera mano a través de entrevistas o notas de campo o recopilación de documentos o notas de informaciones diversas. Podemos tratar dichos documentos y datos experimentales, en registros de datos censales en aplicaciones de gestión de referencias y tablas de datos en hojas de cálculo. Sin embargo, son las personas quienes construyen los datos desde el sistema conceptual operativo que justificaron y fundamentaron desde el planteamiento del problema.


El método fundamentado nos alerta de ciertas posibilidades y procesos en sus datos desde el mismo momento de la revisión de literatura. Estas perspectivas a menudo las explican las disciplinas, dando forma a temas de investigación y énfasis conceptuales emergentes. El investigador debe ser consciente de cómo y en qué medida se basan en tales suposiciones y perspectivas de observables, de ello dependerá interpretar los datos en discusiones, intentado saber si son concluyentes. 


Los investigadores que utilizan ideas disciplinares normativas (consolidadas por una comunidad disciplinar) también necesitan examinar estas en sus justificaciones e implicaciones, para en tal caso crear nuevos conceptos operativos. Los conceptos dan a los investigadores ideas iniciales, son tentativas para perseguir si son vigentes y preguntarse si plantean sobre sus temas con el mayor rigor posible la profundidad y coherencia. Los conceptos pueden guiar la producción de los datos, pero no ordenar la investigación, el orden de la investigación es dictada por la apertura teórica. Tratar a los conceptos como puntos de partida para estudiar el mundo empírico, solo tiene éxito si se hace desde un marco teórico de explicación dado por fundamentos, justificaciones, demostraciones, cálculos, categorizaciones…En resumen, los conceptos operativos pueden proporcionar una manera de hacer numérica y matemática en general a la investigación científica.


Los conceptos diseñados como nuevos, son de hecho nuevas o más amplias interpretaciones de los datos reportados por la comunidad de conocimiento. El estudio de los datos nos permite diseñar nuevos conceptos operativos, a través del análisis sucesivo por niveles de abstracción de los mismos[41]. Byrne y colegas, reportan que usar las ideas identificadas como conceptos provisionales, en lugar de conceptos definitivos ayuda y abren la investigación[42]. Los conceptos definidos en la literatura, estarán sujetos a revisión, corrección o sin cambio. Comprender la habilidad intelectual de diseño de nuevos conceptos, es fundamental para prepararnos a abrir nuevas vías de posibilidad de conocimiento, entramos en los conceptos identificados en la revisión de la literatura vigente, para solo más tarde someterlos a una discusión de sus justificaciones e intentar diseñar nuevos, afectando desde luego la teoría y exigiendo un nuevo marco teórico de observación.  


Trate conceptos y perspectivas teóricas que anteceden a su investigación, como sujetas a un riguroso escrutinio empírico y analítico, y a un posible desarrollo de nuevas opciones conceptuales de observación. ¿Qué sucede si los datos cualitativos no iluminan sus intereses de investigación? Se evalúa el ajuste entre sus intereses de investigación iniciales y sus datos emergentes. No forzamos ideas y teorías preconcebidas sobre nuestros datos. Más bien, seguimos pistas que definimos en los datos, o diseñamos otra forma de recopilar datos para perseguir nuestros intereses iniciales. Por lo tanto, es crucial que surja curiosidad y una necesidad de explorar el conocimiento. La falta de atención en un sistema de toma de notas (datos), hace que la recopilación de los datos resulte forzada para dar cuenta y no esté abierta a establecer nuevas conexiones entre ellos. 


La calidad de su investigación comienza con los datos, al igual que la credibilidad. La profundidad y el alcance de los datos hacen una diferencia. Siempre destaca un proyecto de investigación cuando está basado en datos ricos, sustanciales y relevantes. Además de la utilidad de los datos, el desarrollo de las categorías conceptuales operativas son básicas, estas son los criterios para los datos, representan eventos empíricos respaldados por una armazón teórica. 


Independientemente de los métodos de generación de datos, la recopilación de notas planea dar suficiente conocimiento para adaptar a su tarea una nueva visión completa del tema dentro de los parámetros de profundidad que delimitó para su investigación. Los lectores y revisores al darse cuenta que los datos son resultado de conexiones cruzadas entre notas, verán su estudio como serio y de base sólida desde las justificaciones que expresa. El grado de calidad de los conceptos operativos es menor en la licenciatura que en el posgrado. Los datos cruzados entre las conexiones en su toma de notas, hace que este proceso de revisión de la literatura sea un comienzo con prósperas expectativas. Hay quienes legitiman los datos por su cantidad y otros con pequeños estudios con datos escasos. No importa tanto en principio la cantidad, si este criterio no está claro en una intensión deductiva o inductiva, el objetivo es desarrollar categorías conceptuales. Por tanto, la recopilación de datos se dirige a iluminar las propiedades de una categoría de observación y las relaciones entre categorías. Su razonamiento puede ayudar a optimizar la recopilación de datos. Pero un mal estimado de los datos puede provocar un análisis superficial del problema. ¿Qué tipo de datos son ricos y suficientes? Hacerse las siguientes preguntas puede ayudar a evaluar sus datos:


1. ¿Hemos recopilado suficientes datos de fondo sobre personas, procesos, eventos y configuraciones como para tener una memoria lista para comprender y retratar toda la gama de contextos del estudio?


2. ¿Ha obtenido descripciones detalladas de las opiniones y acciones de una serie de participantes?


3. ¿Los datos revelan lo que hay debajo de la superficie de la realidad?


4. ¿Los datos son suficientes para revelar los cambios significativos a lo largo del tiempo?


5. ¿Ha obtenido múltiples puntos de vista de la gama de acciones de los participantes?


6. ¿Ha recopilado datos que le permitan desarrollar categorías matemáticas analíticas (funciones y ecuaciones)?


7. ¿Qué tipo de comparaciones puede hacer entre los datos? ¿Cómo genera e informa estas comparaciones en modo de ideas o argumentos estadísticos?


Los métodos cualitativos interpretativos significan entrar con éxito en los mundos de la incertidumbre propia del tema de investigación. En la investigación social y biológica, la bioética y la moral de la dignidad humana deben considerarse como parte de la calidad de la investigación. Obtener datos sólidos, mantener acceso para recopilar más datos, es tan importante como la ética en su construcción. La forma de recopilar y producir los datos es lo que da estructura al contenido que se desprenderá de su interpretación analítica. No adaptamos datos a nuestras hipótesis, por el contrario, intentamos que falsean la hipótesis. Por lo tanto, estamos intentando demostrar nuestras hipótesis deductivas sobre mundos parcelas de la realidad, buscando en ese espacio de entropía generar información, intentando descubrir nuevo conocimiento en un modo coherente entre explicación teórica y los hechos, los datos y las relaciones entre conceptos operativos. La interpretación cuidadosa de un argumento deductivo, inductivo o estadístico, es un logro impresionante que nos demandará de una formación lógica y en la teoría estadística involucrada. 




Referencias


[1] Schmelkes, Corina & Schmelkes, Nora (2010) Manual para presentación de anteproyectos e informes de investigacion. University Press. México

[2] Penrose Roger (2017). Moda, fe y fantasía. México: Debate

[3] Kuhn, S. T. (2011). La estructura de las revoluciones científicas. Fondo de Cultura Economica.

[4] Gribbin, J., & Gribbin, M. (2018). Richard Feynman. Icon Books.

[5] Alberto Guijosa, “What is string theory” https://www.nucleares.unam.mx/~alberto/physics/string.html

[6] Dawid, R. (2013). String theory and the scientific method. Cambridge University Press.

[7] Córdoba, E. C. (2019). La ontología y epistemología de Markus Gabriel. Revista Stultifera, 1(2), 15-59. Retrieved from http://revistas.uach.cl/index.php/revstul/article/download/4157/5207

[8] Gabriel, M. (2018). Sentido y existencia. Barcelona. Heder

[9] Walls, L. D. (2018). Emerson’s Life in Science. Cornell University Press.

[10] Catani, D. (2013). Evil: A History in Modern French Literature and Thought. A&C Black.

[11] Chalmers, D. J. (1997). The Conscious Mind. Oxford Paperbacks.

[12] Cristofori, I. et. al. (2016). Neural Correlates of Mystical Experience.

[13] Tarnas, R. (2011). Passion of the Western Mind. Ballantine Books.

[14] Glasersfeld, E. V. (2013). RADICAL CONSTRUCTIVISM. Routledge.

[15] Smolin, L. (2007). The Trouble With Physics. HMH.

[16] Franklin, S. (1997). Artificial Minds. MIT Press.

[17] Godfrey-Smith, P. (2017). Otras mentes. El pulpo, el mar y los orígenes profundos de la consciencia. TAURUS.

[18] Levine, J. (2018). Quality and Content. Oxford University Press.

[19] Rosenberg, G. (2004). A Place for Consciousness. Oxford University Press.

[20] Simón, C. B. (2018). La gravedad. LOS LIBROS DE LA CATARATA.

[21] Russell, B. (2009). Human Knowledge: Its Scope and Limits. Routledge.

[22] Tegmark, M. (2014). Our Mathematical Universe. Vintage.

[23] Singh, V. P. (2013). Entropy Theory and its Application in Environmental and Water Engineering. John Wiley & Sons.

[24] Floridi, L. (2019). The Logic of Information. Oxford University Press.

[25] Kastrup, B. (2014) Why materialism is Baloney. Winchester,UK:Iff Books.

[26] Glasersfeld, E. von (1987). An Introduction to Radical Constructivism. In: Watzlawick, P. (ed.). The Invented Reality. New York, NY: W. W. Norton & Company.

[27] Strawson, G. et al. (2006). Consciousness and Its Place in Nature. Exeter, UK: Imprint Academic.

[28] Nagasawa, Y. and Wager, K. (2016). Panpsychism and Priority Cosmopsychism. In: Brüntrup, G. and Jaskolla, L. (eds.). Panpsychism. Oxford, UK: Oxford University Press.

[29] Azadpur, Mohammad. (2020). Sellars on the empirical grounds of knowledge. 10.4324/9781003003069-2.

[30] Arora S, Barak B (2009) Computational complexity: a modern approach, 1st edn. Cambridge University Press, Cambridge

[31] Luka, B. J., & Barsalou, L. W. (2005). Structural facilitation: Mere exposure effects for grammatical acceptability as evidence for syntactic priming in comprehension. Journal of Memory and Language, 52(3), 436–459. doi:10.1016/j.jml.2005.01.013

[32] Furia, C. A., Mandrioli, D., Morzenti, A., & Rossi, M. (2012). Modeling Time in Computing. Springer Science & Business Media.

[33] Llewelyn, J. E. (1964). What is a question. Australasian Journal of Philosophy, 42(1), 69-85.

[34] Kant, I. (2013). Immanuel Kant’s critique of pure reason. Read Books Ltd. Retrieved from https://xet.es/Kant/Critique of Pure Reason Kant pdf.pdf

[35] Gribbin, J., & Gribbin, M. (2018). Richard Feynman: A life in science. Icon Books.

[36] Becker, H. S. (1967/1970) Whose side are we on? In H. S. Becker, Sociological work: Method and substance (pp. 123–134) New Brunswick, NJ: Transaction Books.

[37] Baszanger, I. (1998) Inventing pain medicine: From the laboratory to the clinic. New Brunswick, NJ: Rutgers University Press.

[38] Eastman, J. (2010) Authenticating identity work: Accounts of underground country musicians. Studies in symbolic interaction, (vol. 35, pp. 189–219) Bingley, W. Yorks.: Emerald.

[39] Eastman, J. (2010) Authenticating identity work: Accounts of underground country musicians. Studies in symbolic interaction, (vol. 35, pp. 189–219) Bingley, W. Yorks.: Emerald.

[40] Charmaz, K. and Henwood, K. (2008) Grounded theory in psychology. In C. Willig and W. StaintonRogers (Eds): Handbook of qualitative research in psychology (pp. 240–259) London: Sage.

[41] Flower, L. (2003) Problem-solving strategies for writing (5th edn) Fort Worth, TX: Harcourt Brace Jovanovich.

[42] Byrne, K., Orange, J. B. and Ward-Griffin, C. (2011) Care transition experiences of spousal caregivers: From geriatric rehabilitation unit to home. Qualitative Health Research, 21(10): 1371–1387.