4º ¿Tiene datos numéricos?
400
Si en una afirmación se puede medir lo que se quiere expresar, es decir, si se puede argumentar con números, será mucho más creíble, más objetivo. Lo que no se puede medir, es decir, lo ambiguo y lo cualitativo, puede tener muchas explicaciones e interpretaciones subjetivas.
Lo explicaremos con un sencillo ejemplo: Es otoño y en esta estación el tiempo es muy variable. Es decir, un día puede hacer calor y al siguiente frío, un día llueve y al siguiente está soleado… Tú estás en casa y tienes que decidir qué ropa usas para salir a la calle. Miras por la ventana y ves a un vecino sudando vestido con pantalones cortos y camiseta de manga corta.¡Está claro!¡Es calor fuera!, piensas. Has tenido que salir de casa y volver a toda velocidad a cambiar de ropa porque estabas frío.
Lo que vemos muchas veces no es lo que pensamos y se puede cumplir lo que dice el refrán: “La mitad vacía y la otra mitad soplo”, por lo que hay que buscar evidencias para ver si las creencias son ciertas. En este caso, un pensador crítico analizaría la información e intentaría encontrar pruebas para comprobar lo que piensa. Es decir, se intentaría conocer la temperatura de la calle. Indica que la app del teléfono móvil realiza 12º C en la calle. Ahora sí, a través de la medición has conseguido un dato objetivo y tienes un fuerte argumento para decidir qué ropa viste.
¿Por qué estaba sudando el vecino? Muchas razones pueden explicar lo que has visto desde la ventana: por ejemplo, viene de hacer deporte. Lo que está claro es que la observación inicial (mirar por la ventana) no era suficiente para sacar conclusiones sobre la temperatura que hace y tomar decisiones a partir de esas conclusiones.
El ejemplo deja claro que los argumentos serán más consistentes si los criterios para decidir algo o para analizar la credibilidad de una información son medibles (o están basados en datos creíbles).
Todo lo anterior no quiere decir que algo inmedible sea falso; sin duda, muchos temas cualitativos afloran verdades, pero sin basarse en datos es más difícil defender su credibilidad.
Importancia y riesgos de la estadística
Hemos visto que los argumentos, cuando se completan con datos de parámetros medibles, son más creíbles, pero estos datos también deben ser creíbles, por lo que los datos utilizados para argumentar cualquier afirmación también son correctos. Los datos científicos no sirven para nada sin estadísticas y para ser aceptables deben cumplir unos requisitos mínimos.
La muestra, por ejemplo, es muy importante para extraer conclusiones basadas en datos. Para que los argumentos basados en datos sean consistentes es necesario utilizar muestras estadísticamente representativas.
Por ejemplo, supongamos que queremos conocer la opinión de la población vasca sobre las corridas de toros. Preparamos una encuesta para analizar los datos y preguntamos a 100 usuarios de una residencia de ancianos de Donostia su opinión sobre las corridas de toros. 75 personas han respondido que les gustan las corridas de toros, otras 20 no les gustan las corridas y el resto no opinan sobre las corridas de toros. Según estos datos, podemos decir que el 75% de la población del País Vasco se siente atraída por las corridas. ¿Dirías que la afirmación anterior es creíble?
Un pensador crítico tendría claro que la afirmación anterior no es correcta. Por un lado, porque el tamaño de la muestra no es el adecuado; es muy pequeño para concluir la opinión de la población vasca sobre cualquier tema. Por otro lado, porque sólo se ha preguntado a los habitantes de Donostia, por lo que no recoge la opinión de todo Euskal Herria. Y por último, porque se ha hecho a los usuarios de una residencia de ancianos; no refleja la opinión de la gente de todas las franjas de edad.
Con el ejemplo anterior queda claro, por tanto, que para creer los datos hay que comprobar cuál es el origen de los mismos y si son correctos.
La correlación es otro concepto estadístico que hay que utilizar con mucho cuidado a la hora de formular un argumento, ya que la correlación no siempre significa causalidad. La causalidad se refiere a la causa y el efecto de un fenómeno, en el que algo provoca directamente un cambio de otra cosa. La correlación es la comparación o descripción entre dos o más variables. Por lo tanto, la correlación no significa siempre causalidad, es decir, que dos fenómenos se produzcan simultáneamente no significa que uno haya producido el otro.
Hay otra falacia asociada, conocida como “Cum hoc ergo propter hoc”, que dice que cuando tenemos dos sucesos que ocurren juntos, uno es la causa del otro.
Por ejemplo, analicemos el siguiente argumento: Muchos consumidores de drogas tienen problemas psiquiátricos y muchos con problemas psiquiátricos consumen drogas. Por tanto, el consumo de drogas genera problemas psiquiátricos. Aunque la conclusión puede ser cierta, el argumento es falso, ya que la correlación entre el consumo de drogas y los problemas psiquiátricos no puede garantizar la relación causa-efecto. El consumo de drogas puede ocasionar problemas psiquiátricos, pero también puede ocurrir que los problemas psiquiátricos ocasionen consumos de drogas, o que ambos sean debidos a un tercero, o que no exista una relación entre ambos hechos y sea una casualidad.
Cuando dos sucesos ocurren a la vez, puede resultar tentador admitir que uno provoca el otro, pero, además de la correlación estadística, se necesita más información para concluir adecuadamente que existe una relación causal entre uno y otro suceso.
Medida de líquenes:
Como se ha comentado en los párrafos anteriores, es más fácil argumentar una afirmación o información medible, pero la medición debe ser objetiva. Por tanto, el número de líquenes de las informaciones que se reciben de las redes sociales no sirve para garantizar la credibilidad, y el gusto de mucha gente no quiere decir que lo que se indica sea cierto.
Si al leer una información la gente coincide con lo que se dice en ella, recibe muchos líquenes, pero eso no lo hace. Esto está muy relacionado con otra falacia denominada argumentum ex populo. Los argumentos ex populo se utilizan en los discursos populistas, en la política, en los medios de comunicación y en los debates cotidianos, utilizando frases como: “Y no lo digo yo, todo el mundo lo dice”, “La mayoría de la gente tiene mi misma opinión”, “Todo el mundo sabe que eso es así”, etc.
Esta falacia se basa en el uso inadecuado de la lógica, ya que las cosas nunca son ciertas porque alguien las conoce (o porque todo el mundo las conoce), sino porque coinciden con las evidencias demostradas. Por lo tanto, cuidado con las informaciones que tienen muchos Likes o se convierten en trending topic, ya que el número de seguidores no garantiza su credibilidad.
Zu idazle
Zientzia aldizkaria
