Explicando la evidencia, David Lagnado (parte II)

Buy Me a Coffee at ko-fi.com

Recomiendo leer:

Recomiendo leer

Principios generales sobre la evidencia

La noción de evidencia (una vez más utilizada aquí como sinónimo de “prueba”) es crítica en muchos ámbitos (jurídico, médico, científico). Pero también es un concepto crucial en el razonamiento del día a día, cuando usamos o presentamos evidencias para apoyar nuestros argumentos. 

Una característica crucial de la evidencia es su naturaleza relacional: habla sobre algo. Indica a otra proposición o afirmación (Achinstein, 2001 The book of Evidence). Por eso volvemos a algo importancia de la entrada anterior: la relación causal. 

Metiéndonos en poco en filosofía de la ciencia, podemos establecer lo siguiente (tomado de Howson & Urbach, 2006 Scientific reasoning: The Bayesian Approach):

La evidencia E apoya la hipótesis H si la probabilidad de H dada E es mayor que la probabilidad de H sin E. Escrito matemáticamente:

E confirma H si P (H|E) > P(H) 

E no apoya H si P (H|E) < P(H) 

E es neutral para H si P (H|E) = P(H) 

Esto implica que podemos definir una evidencia como válida en términos de probabilidad, muchas veces subjetiva, ya que refleja una posibilidad de cambio en nuestras creencias. Lo que sucede es que esto sigue siendo demasiado parcial, ya que no estamos sujetos a los mismos sesgos de los que hablábamos en la entrada anterior. Por eso, cuando hablamos de probabilidad, debemos fijarnos en la medida de nuestra incertidumbre. Es decir, podemos estimar cuánto de incierta es la hipótesis si estamos abiertos a la crítica de los demás. Otra herramienta es generar hipótesis alternativas: cuanto más probables nos parezcan las hipótesis alternativas, menor es la probabilidad de la relación entre H y E.

Las causas Todo o Nada

El fenómeno de varias hipótesis nos lleva a hablar de otro de los fenómenos demostrados en el razonamiento humano: la falacia de suma cero. Ocurre cuando pensamos que las causas o hipótesis alternativas son fenómenos excluyentes, en lugar de independientes. Es decir, que la causa de un fenómeno es A o es B, cuando suele ser la confluencia de A y B como fenómenos independientes. De hecho, este fenómeno se observa cuando hablamos, por ejemplo, del rendimiento escolar. A veces el debate se convierte en si influyen las variables socioeconómicas o las variables propiamente escolares. Y se debate sobre ellas como una U otra. Pero en realidad, ambos factores, a priori independientes, actúan sobre el desempeño final del estudiante.

Si asumimos que las causas compiten y son excluyentes, nuestras inferencias se hacen más sencillas. Por eso nuestro sistema cognitivo privilegia este tipo de razonamiento, porque requiere menos recursos. Tal y como defiende  el autor, la facilidad es uno de los mecanismos inconscientes que evalúan la plausibilidad de una explicación. En resumen, preferimos explicaciones más sencillas. 

Pero como estamos intentando explicar en esta entrada, esta explicación no responde a la comparación verdadera: si la evidencia E apoya el fenómeno A o no. Para ello, lo mejor es abstraer los argumentos hasta la esencia de su negativo. Es decir, ¿qué pasa cuando no A?.

Sesgo de confirmación

Vuelve uno de los temas favoritos, y que en el fondo está muy presente en la política educativa: vemos lo que queremos ver. Recogemos evidencias que nos den la razón. Dice Arthur Conan Doyle en “Un escándalo en Bohemia”: Es un error capital teorizar antes de tener datos. De manera imperceptible, uno empieza a torcer los hechos para encajarlos en teorías, en lugar de torcer las teorías para que los hechos encajen”.

El sesgo de confirmación (del que ya hablamos aquí), en sentido amplio, consiste en la recogida selectiva de evidencias para apoyar una determinada hipótesis, dando un peso extraordinario a los argumentos a favor y obviando la importancia de los argumentos en contra (Nickerson, 1998, Confirmation ibas: an ubiquitous phenomenon in many guises). 

El autor nos habla de las tres fases de la indagación: la búsqueda, evaluación y presentación. Las estrategias son clasificadas como: buena, mala y fea. La fea se reserva para aquellas estrategias que se realizan con la intencionalidad clara de difundir una información. Sirven para persuadir, no para explorar lo que es cierto.


BÚSQUEDAEVALUACIÓNPRESENTACIÓN
BUENOGenerar las hipótesis más plausibles.  Elegir pruebas diagnósticas que puedan confirmar o invalidar la hipótesis.Pruebas a favor y en contra que se integran con el equilibro adecuado.Selección equilibrada a favor y en contra.
MALOHipótesis generadas de teorías intuitivas. Pruebas diagnósticas que no consideran hipótesis alternativas.Sobreestimar evidencias a favor, minusvalorar evidencias en contra.Selección de evidencias a favor de nuestra teoría.
FEOSelección intencionada de pruebas que nos darán la razón.Ignorar intencionadamente las pruebas en contra.Distorsión intencionada de las pruebas en contra.

Un mecanismo habitual para el uso de estrategias feas es contar una buena historia. Terminaremos esta entrada hablando de las historias como herramienta para crear u modificar modelos causales.

¿Cómo decide la gente qué historia aceptar? Generalmente, evaluando tres aspectos: coherencia, cobertura y singularidad. Los dos últimos son claros: las mejores historias cubren más aspectos de la evidencia, y hay más confianza en una historia cuando no hay otras historias que compitan con ella por la explicación. La noción de coherencia es más compleja, y se desarrolla a su vez en tres componentes: consistencia, plausibilidad y lo completa que es. La consistencia responde a la ausencia de contradicciones. La plausibilidad se refiere a cómo de bien la historia encaja en nuestro conocimiento del mundo real: ¿se asusta a lo que comprendemos del mundo y de cómo es la gente? Una historia que se ajusta a lo que esperamos que suceda es más plausible que otra que introduce anomalías. Lo completa que es la historia corresponde a si contiene todos los elementos que entendemos necesarios en esa historia.

Todos utilizamos estos principios para evaluar las historias y para determinar cuánto podemos confiar en ella. Es difícil saber cómo interactúan todos los elementos aquí presentados. Por ejemplo, ¿es mejor una historia incompleta pero muy plausible? 

Espero que estas dos entradas os hayan parecido interesantes, y os ayuden a comprender cómo construimos modelos que expliquen nuestro mundo y lo que nos pasa.

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s