Sesgo negativo en modelos normales

Sesgo negativo es cuando la probabilidad empírica de un sujeto u opción es inferior a la probabilidad teórica en igualdad de oportunidades. Debido que a la diferencia de probabilidad empírica menos teórica, en el Segundo Método de Probabilidad Imposible, se denomina Nivel de Sesgo normal, siempre y cuando el resultado de dicho diferencial sea negativo se dirá que el sesgo de ese sujeto u opción en particular es negativo.

En Probabilidad Imposible, siempre que se haga referencia a Nivel  de Sesgo, se hace referencia al Nivel de Sesgo normal, la diferencia de probabilidad empírica menos teórica, es importante hacer esta aclaración porque también existen los Niveles de Sesgo relativos, es decir, cada Nivel de Sesgo relativo de cada sujeto u opción con respecto cualquier otro valor arbitrario, ya sea la máxima, la mínima, la intermedia, cualquier otro valor de la muestra, o cualquier otro valor crítico. El Nivel de Sesgo normal en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, se explica prácticamente desde los primeros apartados, y los diferentes modelos de Nivel de Sesgo relativo se explican en el apartado 14. Siempre que se haga referencia a Nivel de Sesgo sin añadir adjetivos se sobreentiende que se menciona el Nivel de Sesgo normal, dado que lo más normal es la comparación entre la probabilidad empírica y teórica, cualquier otra comparación directa, de la probabilidad empírica y cualquier otro valor, es relativa.

Lo que el Segundo Método de Probabilidad Imposible denomina Nivel de Sesgo, la diferencia entre probabilidad empírica menos teórica, es a lo que en el primer método, la estadística tradicional, aquella que opera bajo puntuaciones directas de sujeto u opción, se denominaría la puntuación diferencial. Si bien hay que recalcar importantes diferencias entre el Nivel de Sesgo del Segundo Método y la puntuación diferencial de la estadística tradicional, que en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, se llamará primer método, y se explica en el apartado 4.

La diferencia más importante, entre el Nivel de Sesgo que propone Probabilidad Imposible y la puntuación diferencial de la estadística tradicional, es que dada una muestra en donde absolutamente todos los sujetos u opciones de la muestra N tengan puntuación directa o frecuencia igual a cero, luego todos los elementos del conjunto N tengan probabilidad empírica igual a cero, sin embargo, en tanto que el Nivel de Sesgo es igual a probabilidad empírica menos teórica, independientemente que de una muestra donde toda N tenga probabilidad empírica cero, luego la media aritmética de las probabilidades empíricas sea igual a cero, en tanto que la diferencia del Nivel de Sesgo es igual a probabilidad empírica menos teórica, e independientemente que la muestra tenga media aritmética igual cero, la probabilidad teórica en igualdad de oportunidades sigue siendo inversión de N, 1/N,  luego el Nivel de Sesgo de sujeto u opción será distinto de cero, será igual a menos inversión de N, en tanto que aun cuando toda la muestra sea igual a cero, lo que en Probabilidad Imposible se denomina una muestra de ceros, la probabilidad teórica de ocurrencia en igualdad de oportunidades sigue siendo inversión de N, 1/N.

En la teoría de Probabilidad Imposible se dice que la probabilidad cero es la Mínima Probabilidad Empírica Posible, por la sencilla razón de que no puede haber ninguna probabilidad inferior a cero, dado que no puede haber probabilidades negativas. La probabilidad cero es en esencia la Probabilidad Imposible,  en la medida que el cero opera de criterio de posibilidad: todo lo que sea distinto de cero es posible, todo lo que sea igual a cero es supuestamente imposible, y remarcó lo de que supuestamente imposible, dado que tal como se explica a partir del apartado 7 de Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, bajo determinadas condiciones un evento en principio catalogado imposible puede ser inevitable. El hecho que hasta ahora algo no haya sido posible, luego la probabilidad empírica de que ocurra, por el momento, sin otra observación que lo contradiga, es cero, imposible, no implica que, dadas una serie de condiciones de posibilidad sea absolutamente inevitable.

En los estudios de sesgo negativo lo que se pretende es que la probabilidad empírica de sujeto u opción tienda a cero. En los estudios normales, donde la dispersión varía entre cero y máxima, dicha tendencia negativa del sesgo en los sujetos u opciones no ideales puede deberse por dos motivos, ya bien porque dentro de N haya al menos un sujeto u opción ideal a potenciar al máximo su probabilidad, o se tienda a la muestra de ceros, donde en cualquier caso en el Segundo Método la dispersión empírica tenderá a inversión de N.

En cambio, en la estadística tradicional, si una muestra es una muestra de ceros, basta que todos los valores empíricos de todos los sujetos u opciones sean igual a cero, para que la media aritmética sea igual a cero, de modo que, si cada puntuación directa es cero, luego la media aritmética es igual a cero, lógicamente la puntuación diferencial de cada sujeto u opción será igual a la diferencia de puntuación directa cero menos media aritmética cero, luego la puntuación diferencial sería igual a cero. Algo que sin embargo no sucedería en el Segundo Método, donde aunque todos los valores empíricos fuesen igual a cero, el Nivel de Sesgo sería igual a menos probabilidad teórica. 

 Al valor menos inversión de N, “ – (1/N)”, que normalmente se representará directamente sin poner corchetes después del signo, de modo que se expresará directamente, “ – 1/N”, se denominará el Máximo Sesgo Negativo Posible, dado que, si el Nivel de Sesgo es igual a la diferencia de probabilidad empírica menos teórica, y el Nivel de Sesgo negativo lo que expresa es cuan inferior es la probabilidad empírica en comparación a la teórica, necesariamente, la máxima diferencia negativa entre probabilidad empírica y teórica, sólo puede ser posible cuando la probabilidad empírica es igual a cero. Motivo por el cual se denominará Máximo Sesgo Negativo Posible. 

El motivo por el  cual en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, en los estudios de dispersión se prioriza la Desviación Media de los Niveles de Sesgo sobre la Varianza o la Desviación Típica, en la medida que la Desviación Media es aquel estadístico de dispersión más fiel a los datos originales, en cuanto no los transforma a valores cuadrados o raíces de cuadrados, es decir, mantiene la esencia del verdadero valor diferencial, es la razón por lo que el tratamiento que posteriormente reciben los Niveles de Sesgo para su computo en estadísticos de dispersión muestrales es en valor absolutos, en términos absolutos, ningún Nivel de Sesgo negativo puede tener un valor absoluto de sesgo superior a inversión de N, motivo por el cual se denomina Máximo Sesgo Negativo Posible.

Si se diera el caso que de toda N un único sujeto u opción tuviera sesgo negativo solamente, y todos los demás, N menos uno, “N – 1”, sesgo positivo, la suma del valor absoluto del sesgo positivo de todos los sujetos u opciones con sesgo positivo, dará como resultado un valor absoluto del sesgo de signo positivo equivalente al valor absoluto del sesgo negativo de aquel único sujeto u opción que tuviera sesgo negativo.

Dada una muestra N en donde normalmente por ley natural el sesgo positivo compensa al negativo y viceversa, lógicamente si cogemos todo el sesgo, sumatorio de valores absolutos de Niveles de Sesgo, “Σ/(p(xi) – 1/N)/”, el Sesgo Total, y lo dividimos entre dos, sería igual al Máximo Sesgo Empírico Posible, de modo que, ningún sujeto u opción puede tener un valor absoluto de Nivele de Sesgo superior a Máximo Sesgo Empírico Posible, y en cualquier caso, el Máximo Sesgo Empírico Posible es igual, o bien a la suma del valor absoluto de todos los Niveles de Sesgo positivos, o la suma del valor absoluto de todos los Niveles de Sesgo negativos.

En Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, dentro de los tipos de estudios, que se especifican en el apartado 10, se señala que según objeto de estudio en modelos normales, los estudios se clasifican en estudios de igualdad de oportunidades y estudios de sesgo, y dentro de los estudios de sesgo se diferencia entre estudios de sesgo positivo y estudios de sesgo negativo. 

Un estudio en modelos normales de sesgo negativo es cuando dado un fenómeno lo ideal sería reducir al mínimo posible, o en igualdad a cero, o al menos moderarla, incidencia de una puntuación directa o frecuencia, de modo que, especialmente si el objeto es reducir al máximo posible o reducir a cero directamente, serían casos típicos de estudio negativo. También los estudios de moderación de la incidencia del fenómeno puede ser de sesgo negativo en la medida que se intente reducir la puntuación directa o frecuencia de los sesgos positivos y nivelar la de los sesgos negativos. En puridad realmente de estudio negativo serían los que intentan reducir al máximo o igualar a cero un fenómeno. Por ejemplo, para el tratamiento de una enfermedad si se experimenta varios tratamientos, el tratamiento ideal será aquel que, dada una muestra de N sujetos infectados por la enfermedad, después del tratamiento experimental la puntuación directa o frecuencia de la sintomatología sea la mínima posible, o directamente igual a cero, de modo que el ideal del estudio sea la muestra de ceros, cero síntomas en la muestra de los N sujetos u opciones.

El caso paradigmático de estudios de sesgo sería la muestra de ceros, aunque no siempre es posible alcanzar de plano el ideal, hay momentos en donde del ideal debemos conformarnos con alcanzar una parte, sólo que para esa parte que se alcance sea mínimamente fiable, el error dispuestos a aceptar sobre el ideal debe ser mínimo, es decir, dado un tratamiento médico para la cura de una enfermedad, en caso que no sea posible la muestra de cero síntomas de la enfermedad en los N pacientes, seleccionar aquel tratamiento que reduzca al mínimo posible los síntomas, aunque no lo haga de forma absoluta, cosa que podría explicarse por la interacción de variables no controlables, ya sea por las características inmunológicas de cada sujeto, o el historial clínico que tengan, o por interacciones imprevistas entre el tratamiento y las condiciones de cada persona.

 

De otro lado, otra forma en que se pueden utilizar los estudios de sesgo negativo es como un punto de vista alternativo en los estudios de sesgo positivo, ya sea en modelos normales o en modelos omega.

Si en un estudio de sesgo positivo en modelos normales el objeto de estudio es que el sujeto u opción designado ideal por el equipo científico tienda a Máximo Sesgo Positivo Posible, lo cual implica que el resto de la muestra, N menos uno, “N – 1”, tienda a cero, una forma complementaria que el modelo tiende al ideal es, además de verificar la tendencia racional y suficiente del sujeto u opción ideal a Máxima Probabilidad Empírica Posible, el estudio de la tendencia del sesgo negativo de los demás sujetos u opciones no ideales. Si en un estudio de estas características se observa una tendencia racional favorable del resto de la opción a sesgo negativo sería un indicio suficiente de la tendencia positiva del sujeto u opción ideal. 

Igualmente en estudios de sesgo positivo en modelos omega, aquellos donde dentro de la muestra N hay un subconjunto de sujetos u opciones ideales denominado omega, “Ω”, que tienden a la probabilidad ideal, “1/Ω”, una forma de verificar que los sujetos u opciones ideales comprendidos dentro del conjunto omega tienden a la probabilidad ideal, “1/Ω”, es estudiando como el resto de sujetos u opciones no ideales tienden a Máximo Sesgo Negativo Posible. 

El modo en que los estudios de sesgo negativo verifican una tendencia racional al sesgo negativo de los sujetos u opciones no ideales, o cuyo ideal es la tendencia a sesgo negativo, es a través de la crítica racional, la cual debe ser realizada a nivel individual y a nivel muestral, la crítica racional del sesgo negativo a nivel individual permite confirmar una tendencia racional del sesgo negativo del sujeto u opción, la crítica racional a nivel muestral permite descartar cualquier error de inferencia por el tamaño de la muestra.  

La crítica racional de las relaciones entre valores empíricos y teóricos ya sea a nivel individual o muestral, puede ser sobre las relaciones diferenciales o proporcionales entre valores empíricos y teóricos. Si es la crítica racional de relaciones diferenciales, entonces lo que se crítica es la diferencia entre valores empíricos y teóricos, y si es sobre relaciones proporcionales, lo que se crítica es la proporción entre valores empíricos y teóricos. 

Ya sea sobre relaciones diferenciales o proporcionales entre valores empíricos o teóricos a nivel individual o muestral, la crítica racional puede ser sólo intramedicional, sobre los valores empíricos y teóricos de una sola medición, luego sería igualmente intramuestral, dado que sólo participa una sola muestra, o puede ser intermedicional, a partir de varias mediciones, ya sean diacrónicamente o sincrónicamente, y ya sean sobre una misma muestra, intermedicional intramuestral, o varias mediciones de varias muesras, intermedicional intermuestral, que en tal caso habrá que tener en cuenta el efecto de N en caso que las muestras tengan tamañas diferentes, en la medida que la probabilidad de error de representatividad muestral está directamente ligado a la magnitud de la muestra. 

Las pruebas intramedicionales para sesgo negativo se explican entre los apartados11 y 15 de Introducción a la Probabilidad Imposible, estadística de laprobabilidad o probabilidad estadística, los estudios de sesgo negativo intermedicionales, sean intramuestrales o intermuestrales, se explican entre los apartados 16 y 20, tanto para modelos normales y modelos omega, incluyéndose las predicciones, ya sean en forma de proyecciones teóricas o pronósticos empíricos. 

Dentro de las pruebas de contraste de hipótesis de Introducción a la Probabilidad Imposible, algunas de ellas ya han sido explicadas en este blog, aunque dada la gran diversidad de formulaciones lo que hasta el momento se ha explicado es sólo la mínima parte, para un conocimiento más detallado sería imprescindible la lectura de la obra completa, en cualquier caso a modo de ejemplo y de forma ilustrativa, a nivel intramedicional son buen ejemplo de crítica racional de diferenciales en estudio de sesgo negativo a nivel individual la Validez de Sesgo Negativo y la Significación de Sesgo Negativo, y a nivel muestral el Nivel Muestral Crítico de Sesgo y la Significación Muestral de Sesgo.

 

Rubén García Pedraza, Madrid a 18 de octubre del 2014

 

 

 

 

 Probabilidad Imposible en Google Libros

 

 

                                     

     La Librería Matemática

 

Datos positivos

Un dato es positivo cuando su aceptación es independiente de cualquier diferencia ideológica o política entre diferentes escuelas o paradigmas. El ideal de la medición, o del contraste de hipótesis, es llegar a datos, que independientemente de la política científica de origen del modelo, sea aceptado por todos los participantes de la comunidad científica, de modo que la aceptación de hecho de un dato como positivo implica su aceptación universal aunque provisional.

Hay que decir, que si bien normalmente cuando se hace referencia a la naturaleza provisional del conocimiento lo más habitual es remitirse al conocimiento derivado de pruebas estadísticas de contraste de hipótesis, en líneas generales, en la medida que la ciencia carece de proposiciones absolutas, siempre hay un margen de error en toda afirmación, en tanto que no exenta de incertidumbre, toda formulación científica, ya sea inferencial y descriptiva, es provisional.

En el caso de las inferenciales, por cuanto se trata de hipótesis empíricas directamente aceptadas bajo un margen de error, dentro del cual, si bien se consideran universales, son provisionalmente universales en función inversamente proporcional al margen de error sobre el que se acepten. A menor margen de error las condiciones de posibilidad para la refutación son menores que aquellas que hayan sido aceptadas sobre un margen de error mayor. La provisionalidad del conocimiento inferencial es inversamente proporcional al margen de error, pero igualmente el conocimiento descriptivo es provisional, por cuanto toda medición está sujeta a una serie de posibles errores, por ejemplo, el más habitual en toda clase de medición es la pérdida de información en el truncamiento de secuencias decimales, o en probabilidad el error asociado a la representatividad de la muestra, en la teoría Probabilidad Imposible función de error de representatividad muestral inversamente proporcional a la magnitud de la muestra, ya sea la muestra N de sujetos u opciones, en universos infinitos, la muestra de puntuaciones directas o frecuencias en universos limitados. En función inversamente proporcionales a los errores posibles la información descriptiva será igualmente provisional, uno de ellos, la probabilidad de error de representatividad muestral, lo que en Probabilidad Imposible, se denomina error de hecho.

Aceptando un margen de error en las mediciones, por ejemplo aceptando un margen de incertidumbre en la medición de la velocidad de la luz de aproximadamente 300.000 metros por segundo, o que la aceleración por la gravedad sea aproximadamente de 9,81 m/s², independientemente de los márgenes de incertidumbre, estos datos son considerados a día de hoy positivos, dado que todas las escuelas filosóficas y paradigmas científicos, independientemente de su política científica e ideología de origen, aceptan estas mediciones de manera universal, de modo que las comunidades que participan de este tipo de proyectos utilizan este tipo de datos habitualmente en sus investigaciones sin ponerlas en duda.

Un dato es positivo cuando todas las escuelas y paradigmas,  que participan de la comunidad científica dedicada al estudio de un determinado campo del conocimiento o disciplina, lo aceptan de modo universal aunque provisionalmente, es decir, sin descartar que a futuro puedan refutarse,.

Mientras no se llegue a nuevas mediciones de la velocidad de la luz, y no haya mediciones alternativas que refuten la hipótesis actual, de forma provisional ha sido aceptado universalmente por  todas las agencias de investigación de todos los Estados, y agencias de investigación privadas, que la velocidad de la luz es aproximadamente 300.000 metros por segundo. Posiblemente el día que el progreso tecnológico desarrolle instrumentos de medida más sensibles, o se lleguen a nuevos descubrimientos en física de partículas, no cabe descartar la posibilidad que este hipótesis sea refutada, y pueda descubrirse, a partir de la utilización de nuevos instrumentos, o bien que la luz pueda alcanzar velocidades superiores, o bien se pueda llegar a un conocimiento mucho más exhaustivo de la secuencia decimal de la velocidad de la luz, alcanzándose un conocimiento exacto de la velocidad exacta, independientemente de la posición que ocupen los fotones.

Al igual que hoy en día no tenemos un conocimiento exacto de toda la secuencia decimal del número pi, a modo operativo trabajamos que pi es igual a 3, 14159…, o redondeando, 3,1416, y tomamos estas aproximaciones como verdaderas, aunque realmente desconocemos cual es el verdadero valor en tendencia a infinito de la secuencia decimal, hoy en día estas aproximaciones se utilizan como datos positivos en todo tipo de ciencias, independientemente de nuestra ideológica o pensamiento político, actuando tales datos entonces como datos positivos.

Un dato es positivo cuando, dentro del margen de error en que ha sido aceptado, es aceptado por todas las escuelas y paradigmas de la ciencia, independientemente de la política científica del Estado o agencia de investigación privada, independientemente de la ideología o filosofía del científico o equipo de investigación. Que la velocidad de la luz es aproximadamente 300.000 metros por segundo o pi es aproximadamente 3,14159…, o redondeando, 3,1416, son datos positivos porque, dentro de los márgenes de error en que se aceptan, ya sea en la inferencia o simplemente por la pérdida de información en el truncamiento, estos datos son aceptados por sus respectivas comunidades científicas, con total independencia de sus diferencias filosóficas, ideológicas o políticas, empleándolos en investigaciones ulteriores.

Para que un dato sea positivo es necesario que cumpla una serie de requisitos, que el margen de error para su aceptación sea el mínimo posible, y que el instrumento de medida sea mínimamente fiable. El error de la medición puede parecer una variable dependiente de la fiabilidad del instrumento, pero no necesariamente, si bien es cierto que un instrumento poco fiable incrementa el error de la medición, puede haber problemas en el instrumento de la medición que lo hagan poco fiable debido a sesgos ideológicos, este tipo de problemas es una de las razones de por qué los métodos cuantitativos han sido criticados en las ciencias sociales.

Evidentemente un instrumento de medida poco fiable incrementa el error de medición, pero ambos conceptos habría que delimitarlos. La fiabilidad del instrumento depende de que mida  sólo y exclusivamente aquello para lo que ha sido diseñado, y disponga de un elevado grado de sensibilidad en la detección de variaciones.

En el momento en que el instrumento sea muy fiable el error de medición se reduce, sin embargo siempre habrá por mínimo que sea un error de medición, ya sea por la propia selección muestral o por cualquier otro motivo de pérdida de información. De hecho la propia selección muestral genera automáticamente un error de pérdida de información, ya no se estudia todo el objeto universal, se limita a una pequeña muestra, de forma que se pierde información, reduciendo el estudio a una muestra cuyos resultados dependen de que la muestra sea suficientemente representativa.

La medición transforma en variables cuantitativas las cualidades, para operar matemáticamente sobre la realidad. A este tipo de métodos se les denomina cuantitativos, y una de las razones del importante progreso en ciencias naturales desde la modernidad ha sido por la forma en que rápidamente llegó al consenso sobre la utilización de este tipo de métodos, consenso que no se ha llegado a generalizar en ciencias sociales.

El mayor problema en ciencias sociales sobre el uso de métodos cuantitativos, y la generalización del uso de datos positivos, se debe a que algunos sectores de la comunidad científica critican a estas técnicas por lo que llaman el sesgo ideológico. Una crítica tampoco exenta de lógica, por cuanto a menudo se dan situaciones, en donde los gobiernos o las empresas privadas falsean estadísticas, ya bien para dar buena imagen, o presentar balances más proclives, aun cuando supongan un fraude.

Si por la posibilidad de fraude en los datos estadísticos se rechaza este tipo de métodos, por esta misma regla de tres habría que hacer desaparecer los sistemas democráticos, por la posibilidad de fraude electoral, pero incluso los propios defensores de los métodos cualitativos defienden las ventajas de la democracia frente a otro tipo de gobierno dictatorial, cuando en esencia la democracia es un claro ejercicio de Fe en la estadística, o al menos un ejercicio de Fe en la estadística aplicada a los procesos electorales.

Si bien es cierto que en ciencias sociales el debate es todavía relevante y se encuentra en la discusión epistemológica, hoy en día los métodos cuantitativos son habituales en los programas de investigación de toda clase agencias de investigación públicas o privadas, por parte de Estados, y entidades transnacionales y supranacionales, desde Naciones Unidas y sus agencias, UNICEF, ACNUR, OTI, UNESCO, a otras entidades transnacionales, Organización Mundial del Comercio, Banco Mundial,  Fondo Monetario Internacional, Organización para el Comercio y el Desarrollo Económico…

Hoy en día independientemente de la política científica o ideología política de los diferentes Estados o agencias de investigación públicas o privadas, cada vez que las agencias dependientes de Naciones Unidas lanzan una estadística sobre desarrollo mundial, son datos que son aceptados por todos los gobiernos y citados en sus propios discursos e investigaciones. Cada vez que la UNESCO lanza estadísticas sobre los niveles de alfabetización y escolarización en las diferentes etapas de los sistemas educativos, o datos concernientes al nivel de inversión pública en educación por los diferentes Estados, este tipo de datos rápidamente aparecen en los discursos oficiales de los presidentes de gobierno y ministros de educación de los diferentes países miembros de Naciones Unidas, y son utilizados en toda clase de comparaciones educativas, sin ser puestos en duda, es decir, se consideran datos positivos. Cuando la OCDE a través del programa PISA lanza una comparativa educacional entre los diferentes países miembros de la OCDE, rápidamente los países miembros lanzan comunicados oficiales explicando el porque de sus resultados en el informe PISA, y son datos utilizados por agencias de investigación educativa internacionales, es decir, hoy en día se considera de los datos que vierte PISA trianualmente son datos positivos.

Cada vez que el Fondo Monetario Internacional, el Banco Mundial, lanzan estadísticas sobre distribución de la riqueza, niveles de desarrollo, niveles de riqueza, estas estadísticamente son igualmente utilizadas de forma inmediata en discursos e investigaciones, o cada vez que la Organización Mundial del Trabajo saca estadísticas sobre empleo o desempleo a nivel mundial.

Lo que sí cabe decir es que si bien hoy en día los datos que ofrecen las agencias líderes de la gobernanza global son utilizados a modo de datos positivos por todos los gobiernos del mundo, desde Estados Unidos,  Brasil, Gran Bretaña, Alemania, Rusia, China, India…  y utilizados en toda clase de investigaciones de financiación pública o privada, y se considera que, dentro del margen de error, incluido de representatividad muestral, o truncamiento de la información, o cualquier otro, dichos datos son aceptados independientemente de la política científica de los equipos de investigación que los elaboran, y son aceptados por todos los gobiernos independientemente de su política ideológica, independientemente de que sean considerados de facto datos positivos, lo que este tipo de datos positivos permiten es una crítica sobre la intencionalidad y una crítica ética y moral.

La crítica sobre la intencionalidad revierte directamente sobre la propia naturaleza del método comparado ¿Qué Finlandia y Corea del Sur sean los países con mejores resultados educativos significa que todos los demás países deban imitarles, que Alemania o China sean los países aspirantes a futuras potencias económicas mundiales, significa que los demás países deban imitarles? El hecho que se acepte de plano la naturaleza positiva de un dato en ciencias sociales no exime de la crítica a lo que representan o significa, lo cual nos devuelve a la propia naturaleza y esencia del método comparado, fundamental en las ciencias sociales.

Evidentemente esto lo que significa es que se debe diferenciar entre naturaleza positiva del dato, el cual siempre y cuando el margen de error sea mínimo y el instrumento fiable, el dato debe ser aceptable, y de otro lado la utilización estructural o funcional de los datos, lo cual sí depende de la política y la ideología.

Muy posiblemente Alemania o China sean aspirantes a potencias mundiales, o posiblemente Finlandia o Corea del Sur dispongan de buenos sistemas educativos, pero en función de la política científica de cada escuela o paradigma después cada resultado debe compararse y criticarse independientemente, por ejemplo, comparar la tasa de éxito o fracaso escolar con el nivel de inversión pública o privada en educación, el grado de concienciación familiar en la educación de los hijos, el grado en que la educación contribuye al crecimiento económico, políticas de bienestar en dichos países, … es decir, quizás la solución a los problemas educativos de otro país  no sea imitar el modelo educativo finlandés, quizás el problema reside en imitar la política de bienestar social finlandesa que ha permitido una sociedad que se desarrolle favorablemente hacia un determinado modelo de educación. Quizás la cuestión no sea imitar la economía alemana o china, sino estudiar comparativamente toda la red del tejido social y económico de prestaciones sociales y políticas socio-económicas que permiten el progreso de determinadas economías y sociedades.

Igualmente, en ciencias naturales el hecho que se dispongan de determinados datos positivos no implica una dirección política de la ciencia, que dependerá de la política científica. En las ciencias especiales, dentro de los actuales programas de colonización espacial, el hecho que dispongamos de datos positivos sobre la composición de la Luna o Mate no exige una determinada política espacial, cada gobierno y agencia de investigación tenderá a un potencial uso de los recursos naturales de la Luna o Marte de acuerdo a su ideología política. Mientras haya agencias cuya investigación espacial se oriente a fines puramente científicos y cognoscitivos, habrá agencias de investigación cuya dirección política oriente los descubrimientos hacia fines puramente empresariales.

Una medición o inferencia obtenida de un instrumento de medición fiable, y dentro de un margen de error aceptable, se transforma en dato positivo, cuando es aceptado de forma universal por toda la comunidad científica que trabaja en un determinado campo científico o disciplina, aunque de manera provisional en función del margen de error. Ahora bien el potencial uso que las agencias de investigación y los gobiernos hagan de los datos positivos dependerá por entero de la ideología política subyacente a su política científica.

 

Rubén García Pedraza, Madrid a 5 de octubre 2014

 

 

 Probabilidad Imposible en Google Libros

 

 

                                     

     La Librería Matemática