4º Ten datos numéricos?
400
Si nunha afirmación pódese medir o que se quere expresar, é dicir, si pódese argumentar con números, será moito máis crible, máis obxectivo. O que non se pode medir, é dicir, o ambiguo e o cualitativo, pode ter moitas explicacións e interpretacións subxectivas.
Explicarémolo cun sinxelo exemplo: É outono e nesta estación o tempo é moi variable. É dicir, un día pode facer calor e ao seguinte frío, un día chove e ao seguinte está asollado… Ti estás en casa e tes que decidir que roupa usas paira saír á rúa. Miras pola xanela e ves a un veciño suando vestido con pantalóns curtos e camiseta de manga curta.Está claro!É calor fóra!, pensas. Tiveches que saír de casa e volver a toda velocidade a cambiar de roupa porque estabas frío.
O que vemos moitas veces non é o que pensamos e pódese cumprir o que di o refrán: “A metade baleira e a outra metade sopro”, polo que hai que buscar evidencias paira ver si as crenzas son certas. Neste caso, un pensador crítico analizaría a información e tentaría atopar probas paira comprobar o que pensa. É dicir, tentaríase coñecer a temperatura da rúa. Indica que a app do teléfono móbil realiza 12º C na rúa. Agora si, a través da medición conseguiches un dato obxectivo e tes un forte argumento paira decidir que roupa viches.
Por que estaba a suar o veciño? Moitas razóns poden explicar o que viches desde a xanela: por exemplo, vén de facer deporte. O que está claro é que a observación inicial (mirar pola xanela) non era suficiente paira sacar conclusións sobre a temperatura que fai e tomar decisións a partir desas conclusións.
O exemplo deixa claro que os argumentos serán máis consistentes se os criterios paira decidir algo ou paira analizar a credibilidade dunha información son medibles (ou están baseados en datos cribles).
Todo o anterior non quere dicir que algo inmedible sexa falso; sen dúbida, moitos temas cualitativos afloran verdades, pero sen basearse en datos é máis difícil defender a súa credibilidade.
Importancia e riscos da estatística
Habemos visto que os argumentos, cando se completan con datos de parámetros medibles, son máis cribles, pero estes datos tamén deben ser cribles, polo que os datos utilizados paira argumentar calquera afirmación tamén son correctos. Os datos científicos non serven para nada sen estatísticas e paira ser aceptables deben cumprir uns requisitos mínimos.
A mostra, por exemplo, é moi importante paira extraer conclusións baseadas en datos. Para que os argumentos baseados en datos sexan consistentes é necesario utilizar mostras estatisticamente representativas.
Por exemplo, supoñamos que queremos coñecer a opinión da poboación vasca sobre as corridas de touros. Preparamos una enquisa paira analizar os datos e preguntamos a 100 usuarios dunha residencia de anciáns de Donostia a súa opinión sobre as corridas de touros. 75 persoas responderon que lles gustan as corridas de touros, outras 20 non lles gustan as corridas e o resto non opinan sobre as corridas de touros. Segundo estes datos, podemos dicir que o 75% da poboación do País Vasco sente atraída polas corridas. Dirías que a afirmación anterior é crible?
Un pensador crítico tería claro que a afirmación anterior non é correcta. Por unha banda, porque o tamaño da mostra non é o adecuado; é moi pequeno paira concluír a opinión da poboación vasca sobre calquera tema. Doutra banda, porque só se preguntou aos habitantes de Donostia, polo que non recolle a opinión de todo Euskal Herria. E por último, porque se fixo aos usuarios dunha residencia de anciáns; non reflicte a opinión da xente de todas as franxas de idade.
Co exemplo anterior queda claro, por tanto, que paira crer os datos hai que comprobar cal é a orixe dos mesmos e si son correctos.
A correlación é outro concepto estatístico que hai que utilizar con moito coidado á hora de formular un argumento, xa que a correlación non sempre significa causalidad. A causalidad refírese á causa e o efecto dun fenómeno, no que algo provoca directamente un cambio doutra cousa. A correlación é a comparación ou descrición entre dúas ou máis variables. Por tanto, a correlación non significa sempre causalidad, é dicir, que dous fenómenos se produzan simultaneamente non significa que un produza o outro.
Hai outra falacia asociada, coñecida como “Cum hoc ergo propter hoc”, que di que cando temos dous sucesos que ocorren xuntos, un é a causa do outro.
Por exemplo, analicemos o seguinte argumento: Moitos consumidores de drogas teñen problemas psiquiátricos e moitos con problemas psiquiátricos consumen drogas. Por tanto, o consumo de drogas xera problemas psiquiátricos. Aínda que a conclusión pode ser certa, o argumento é falso, xa que a correlación entre o consumo de drogas e os problemas psiquiátricos non pode garantir a relación causa-efecto. O consumo de drogas pode ocasionar problemas psiquiátricos, pero tamén pode ocorrer que os problemas psiquiátricos ocasionen consumos de drogas, ou que ambos sexan debidos a un terceiro, ou que non exista una relación entre ambos os feitos e sexa una casualidade.
Cando dous sucesos ocorren á vez, pode resultar tentador admitir que un provoca o outro, pero, ademais da correlación estatística, necesítase máis información paira concluír adecuadamente que existe una relación causal entre un e outro suceso.
Medida de líquenes:
Como se comentou nos parágrafos anteriores, é máis fácil argumentar una afirmación ou información medible, pero a medición debe ser obxectiva. Por tanto, o número de líquenes das informacións que se reciben das redes sociais non serve paira garantir a credibilidade, e o gusto de moita xente non quere dicir que o que se indica sexa certo.
Si ao ler una información a xente coincide co que se di nela, recibe moitos líquenes, pero iso non o fai. Isto está moi relacionado con outra falacia denominada argumentum ex populo. Os argumentos ex populo utilízanse nos discursos populistas, na política, nos medios de comunicación e nos debates cotiáns, utilizando frases como: “E non o digo eu, todo o mundo dio”, “A maioría da xente ten a miña mesma opinión”, “Todo o mundo sabe que iso é así”, etc.
Esta falacia baséase no uso inadecuado da lóxica, xa que as cousas nunca son certas porque alguén as coñece (ou porque todo o mundo coñéceas), senón porque coinciden coas evidencias demostradas. Por tanto, coidado coas informacións que teñen moitos Likes ou se converten en trending topic, xa que o número de seguidores non garante a súa credibilidade.
Paira descargar o documento pulsa aquí.
Zu idazle
Zientzia aldizkaria
