¿Son las pseudociencias como las gaviotas? Contra la demarcación estadística

Angelo Fasce (Universidad de Valencia) – angelofasce@hotmail.com

* Este texto es provisional. Actualmente está siendo editado para su publicación en una revista de filosofía de la ciencia.

En este texto se discutirá lo que en adelante será denominado como “demarcacionismo estadístico” a fin de elaborar un metacriterio (los requisitos filosóficos exigibles a un criterio de demarcación de la pseudociencia) capaz de sortear los problemas de dicha visión estadística — se dirá, por ello, que se trata de un metacriterio “no-estadístico”. La aproximación estadística al problema de la demarcación de la ciencia asume que su resolución es una cuestión de grados, un continuum que va desde la ciencia más fiable hasta la pseudociencia, con las “ciencias blandas”, la protociencia y la mala ciencia situadas dentro del espectro de grises, dependiendo de si la balanza se inclina hacia uno u otro extremo. Este demarcacionismo estadístico parte del presupuesto de que ser o no ser ciencia no es una cuestión de todo o nada, sino una cuestión probabilística: algo puede ser 60% ciencia u 87% pseudociencia, según su encaje dentro del universo de variables consideradas dentro del criterio de demarcación propuesto por un determinado autor. Esta estrategia, según consideran sus defensores, encuentra su principal ventaja en poder dejar de lado un metacriterio que exija condiciones necesarias y suficientes, como es el caso del metacriterio establecido por Laudan (1983); condiciones que se consideran extremadamente complejas de definir y que habrían sido la causa de que los filósofos no hayan podido ofrecer a la sociedad un criterio de demarcación funcional y bien fundamentado al obviar la naturaleza difusa de la cientificidad.

En primer lugar, se definirá el demarcacionismo estadístico en base al análisis a dos propuestas particularmente relevantes: la primera de ellas, planteada por Fred Gruenberger en el año 1962 y la más reciente, de Massimo Pigliucci, en el año 2013. Este análisis resulta particularmente interesante dado que, por un lado, nos permite observar la evolución conceptual entre ambos autores, y, por otro, nos permitirá delinear los problemas generales del demarcacionismo estadístico, presentes en ambas propuestas, pese a la mayor complejidad conceptual de la propuesta de Pigliucci. Una vez delineados, estos problemas generales serán analizados en un apartado posterior en mayor profundidad, atendiendo a los fundamentos conceptuales que dan pie a su aparición y discutiendo, entre otras cosas, la pertinencia del análisis de cluster o de la noción de parecido de familia respecto a la demarcación de la pseudociencia. Tras este análisis pormenorizado, se presentará un metacriterio que tiene como objetivo fundamentar filosóficamente una aproximación no-estadística al problema de la demarcación a la vez que evade los problemas discutidos a lo largo de estas páginas.

Demarcación estadística: 56 años, los mismos problemas generales

En lo siguiente, analizaremos en detalle dos propuestas demarcacionistas de este tipo: el criterio estadístico de Gruenberger, el primero de su tipo y conceptualmente sencillo, y la propuesta de Pigliucci, más reciente y considerablemente más compleja a nivel teórico. Gruenberger [1962](1964) parte del escepticismo respecto a la viabilidad de elaborar un criterio de demarcación taxativo entre la ciencia y una no-ciencia defendida, en su opinión, por chiflados (crackpots), alegando que “dado que no hay un único criterio, lo mejor que podemos ofrecer es un listado de revisión [check list] con algunos de los atributos de la ciencia y del chiflado para ayudar a tomar esta decisión” (Gruenberger, 1962, p. 2). De este modo, ofrece trece características que separarían ambas dimensiones: si la unidad de demarcación las cumple es plenamente ciencia, si no cumple ninguna es una completa chifladura, y si cumple una cantidad intermedia de las variables éstas arrojarán un determinado grado de chifladura/cientificidad; en este último caso, su inclusión bajo uno u otro concepto dependerá de una decisión práctica basada en nuestra valoración subjetiva de las probabilidades expresadas en el resultado de la evaluación.

La lista completa de Gruenberger incluye: verificabilidad pública (12 puntos), capacidad de predicción (12), experimentos controlados (13), navaja de Occam (5), fecundidad (10), autoritarismo (10), habilidad para comunicar (8), humildad (5), apertura mental (5), Fulton non sequitur (“genio infravalorado”; 5), paranoia (5), el “complejo del dólar “ (valoración excesiva de las ideas propias; 12), compulsión estadística (5). Hay algo que llama poderosamente la atención al filósofo de la ciencia en el planteamiento de Gruenberger: la fundamentación teórica que justifica la selección de los ítems es explícitamente pasada por alto. El autor se limita a indicar que se trata de “algunos ítems significativos que nosotros pensamos están entre los principales atributos de los científicos” (las cursivas son mías; Gruenberger, 1962, p. 4). Por otro lado, la jerarquía entre los ítems también es arbitraria, algo que el propio autor tampoco tiene problema en admitir: “Las puntuaciones son personales, arbitrarias y sesgadas. Se urge al lector a que establezca sus propias puntuaciones en lugar de perder el tiempo discutiendo las mías. No puedo defender ningún valor preciso (de hecho, si tuviera que llenar este papel de nuevo, mis valores probablemente serían diferentes)” (Gruenberger, 1962, p. 12). La puesta en práctica del criterio sigue, a su vez, una lógica semejante: la radiestesia obtiene 38 puntos mientras la física obtiene 97 pero, además de no especificarse de qué campo de la fisica estamos hablando — no se nos informa de la naturaleza de la unidad de demarcación —, ¿cómo han sido medidas aquí nociones tan difusas como la humildad, la paranoia, la habilidad para comunicar o la parsimonia? Todo indica que, nuevamente, el baremo ha sido la mera evaluación subjetiva de Gruenberger.

Por si fuera poco, un repaso a la estructura del test nos revela que una unidad de demarcación que no sea fructífera, no resulte predictiva y no esté basada en experimentos controlados, sino en la mera autoridad, podría llegar a obtener una más que dudosa nota de 55 de cientificidad, según cómo definamos ciertos términos presentes en el los ítems del criterio. En este punto nos encontramos con un nuevo problema, esta vez de índole práctico, que, como veremos, Pigliucci solventa de un modo igual de arbitrario que Gruenberger: ¿Qué hacer con un 55% de cientificidad o, lo que es lo mismo, con un 45% de chifladura? ¿Financiamos proyectos de investigación respecto a esta unidad de demarcación, la incluimos en el sistema educativo o, en cambio, optamos por desacreditarla? Gruenberger no nos ofrece ninguna indicación al respecto, lo cual convierte a su criterio, no sólo en fácilmente eludible, sino en una propuesta escasamente fundamentada a nivel teórico y poco funcional en el práctico.

Pasemos ahora a analizar una propuesta mucho más reciente, la de Pigliucci (2013). Veremos que, pese a la mayor sofisticación teórica de este último, lo cierto es que ambas propuestas son extremadamente parecidas, tanto en sus fundamentos teóricos como en sus problemas conceptuales y de aplicabilidad práctica. La base desde la cual parte Pigliucci es el supuesto continuum que conformaría la ciencia, la ciencia “blanda”, la protociencia y la pseudociencia. Pigliucci entiende este continuum explícitamente desde la noción wittgensteniana de parecido de familia, conformando así “clusters” estadísticos en lugar de compartimentos conceptuales claramente delineados. Califica a la estrategia demarcacionista basada en el establecimiento de características necesarias y suficientes como “anticuada” (Pigliucci, 2013, p. 19), asumiento que “debería haberse abandonado, al menos desde que Ludwig Wittgenstein hablara sobre conceptos por parecido de familia” (Pigliucci, 2013, p. 19), defendiendo, en cambio, una caracterización de la ciencia y de sus supuestos parientes cercanos como clusters de tipo wittgensteniano: “la demarcación no debería ser llevada a cabo sobre la base de un conjunto pequeño de condiciones individualmente necesarias y suficientes en conjunción, dado que ciencia y pseudociencia son inherentemente conceptos wittgenstenianos por parecido de familia” (Pigliucci, 2013, p. 25).

La metáfora ciencia/especie tiene una importancia capital en las bases teóricas de la propuesta de Pigliucci, al asumir que la respuesta a la elucidación conceptual de la pseudociencia debería ser la misma que la que él mismo ha ofrecido en el pasado a fin de elucidar el concepto de especie, que, siguiendo a Hull (1965) y a Templeton (1992), considera que debe ser tratado como un concepto de tipo cluster (Pigliucci, 2003). Uno de los ejemplos clásicos empleados para explicar esta idea, según la cual pertenecer o no pertenecer a una especie es una cuestión estadística, apela a las gaviotas argénteas y a su caracterización como una “especie anillo” (Irwin, Irwin y Price, 2001). Estas gaviotas habitualmente hibridan entre poblaciones cercanas y es posible observar que esta cadena de hibridaciones acaba en dos poblaciones que presentan mayores problemas para poder hacerlo. La especie, entonces, presentaría dos extremos claramente reconocibles —ciencia y pseudociencia, siguiendo la analogía de Pigliucci—, pero unificadas por un continuo de individuos híbridos situados entre ambos extremos que son más o menos la misma especie. De este modo, si a fin de valorar si dos individuos son o no la misma especie hemos de considerar un complejo universo de variables —afinidad reproductiva, afinidad evolutiva, afinidad morfológica, afinidad ecológica, etc.—, lo mismo habría que hacer con la ciencia y con la pseudociencia, de modo que ambas conformarían clusters estadísticamente modelados sin diferencias tajantes y claramente establecidas, sino definidos por un universo ininterrumpido y muy numeroso de ellas.

Pigliucci no ofrece un criterio de demarcación articulado, sino el principio de lo que debería ser uno a modo de ejemplificación del camino a seguir, dejando la finalización del proyecto en manos de algún otro autor que quiera recoger el testigo. Propone a este fin un criterio preliminar conformado únicamente por dos ítems: comprensión teórica y conocimiento empírico. Sin embargo, pese a haber sido presentado como provisional, Pigliucci considera que este criterio ya es capaz de demarcar de forma muy compleja y matizada, de modo que lo aplica a una muestra de unidades de demarcación de un modo que queda recogido en la siguiente figura:

Pigliucci
Figura 1: Aplicación del criterio de Pigliucci (2013, p. 23).

Un análisis en profundidad de este gráfico nos permitirá localizar problemas filosóficos y prácticos que provienen de los débiles presupuestos tanto de la herramienta de demarcación como de su aplicación práctica.

1) La fundamentación teórica que nos ofrece Pigliucci, lo que podemos denominar como su “criterio de relevancia” a fin de justificar la selección de ambos ítems es la siguiente: “la ciencia intenta ofrecer una comprensión teórica empíricamente fundamentada del mundo” (Pigliucci, 2013, p. 22). Respecto a por qué selecciona específicamente estos dos ítems (comprensión teórica y conocimiento empírico) en lugar de otros — por ejemplo, por qué no lo hace a partir de algún otro criterio de relevancia como “la ciencia intenta desarrollar una tecnología eficaz basada en la capacidad de predicción y manipulación del mundo” — simplemente se limita a indicar que “tenemos que empezar desde algún lugar” (Pigliucci, 2013, p. 22). Nuevamente, encontramos el mismo problema de falta de fundamentos teóricos en la selección de ítems, ya presente en Gruenberger. Denominaremos en adelante a esta cuestión como “problema del criterio de relevancia”, dado que afecta a la decisión acerca de qué ítems son relevantes y cuáles no en aras de evaluar un campo como científico o pseudocientífico.

2) ¿En qué se ha basado el autor para definir los límites de los clusters? En un análisis de cluster llevado a cabo de forma adecuada — es decir, en el que se observen agrupaciones claras pese a que existan casos híbridos —, estamos conminados a cortar el continuum por algún lugar. En este caso, Pigliucci sitúa el cluster de la pseudociencia en la esquina inferior izquierda, el de la ciencia en la parte superior derecha, el de la ciencia blanda en la parte superior izquierda y el de la protociencia en la parte inferior derecha. Sin embargo, si el criterio de relevancia es en este caso el criterio de demarcación, estas fronteras son su aplicación, y en ambos casos vemos que Pigliucci ofrece muy pocos argumentos. De hecho, no hay nada en su artículo que siquiera pretenda convencernos de no emplear otro criterio de relevancia o de no definir las fronteras de los clusters de una forma diferente. Por ejemplo, y asumiendo su criterio, podríamos definir estas fronteras de una cantidad casi infinita de formas, con implicaciones de una importancia crítica respecto a las unidades de demarcación:

– Podría aumentarse el espacio de la pseudociencia hasta que incluya a unidades como la sociología o el SETI sin asumir cambios en el peso de los ítems del criterio.

Pigliucci2
Figura 2: Modificación de la Figura 1, expandiendo los límites del cluster de la pseudociencia.

– También podríamos modificar el peso de ambos ítems, asumiendo que el conocimiento empírico aumenta su relevancia a la hora de considerar un campo como pseudocientífico. En este caso, la psicología podría ser definida como pseudociencia.

Pigliucci3
Figura 3: Modificación de la Figura 1, expandiendo los límites del cluster de la pseudociencia al aumentar el peso del conocimiento empírico al definir el cluster de la pseudociencia.

– Otra opción sería aumentar el peso de la comprensión teórica. En este caso, podría verse comprometida la psicología evolucionista.

Pigliucci4
Figura 4: Modificación de la Figura 1, expandiendo los límites del cluster de la pseudociencia al aumentar el peso de la comprensión teórica al definir el cluster de la pseudociencia.

– Otra opción sería modificar los pesos de todos los ítems, su medición y también los ítems que separan a los tres clusters externos a la pseudociencia. Podríamos incluso incluir nuevos clusters, dado que las fronteras entre la ciencia y los otros dos clusters no-pseudocientíficos no son justificadas de forma adecuada.

Pigliucci5
Figura 5: Modificación total de la Figura 1. Únicamente se mantiene la estructura de cuatro clusters.

En todos estos casos, estamos tomando decisiones de enorme calado. Definir la economía o la teoría de cuerdas como pseudociencias, la psicología evolucionista como una ciencia “dura” o la astrología como una ciencia “blanda”, son cuestiones de enorme importancia tanto respecto a la valoración pública de estas unidades de demarcación como respecto a su financiación y estatus deontológico. El establecimiento de estas fronteras no puede ser dejado a la arbitrariedad de unos límites que pueden moverse de un lugar a otro sin resistencia teórica alguna. En resumen, estas fronteras no tienen poder normativo real. En adelante, denominaremos a esta cuestión acerca de la posible relatividad del establecimiento de las fronteras como “problema del poder normativo”.

3) ¿Qué entiende Pigliucci por “comprensión teórica”? ¿En qué se ha basado para medir esta variable? Resulta complicado intentar seguir su razonamiento en este punto, al definir brevemente esta variable como “coherencia interna y lógica” (Pigliucci, 2013, p. 22). ¿Por qué la teoría de cuerdas es la unidad que más comprensión teórica presenta? ¿Por su complejidad matemática? Quizás se podría contraargumentar que el psicoanálisis lacaniano también es muy complejo, igual que la nueva medicina germánica, y sin embargo no diríamos que alguna de estas pseudociencias nos ofrece “comprensión teórica” en el mismo sentido que la física de partículas. Pigliucci nos advierte contra esto argumentando que “los astrólogos ciertamente pueden producir fundamentos ‘teoréticos’ para sus afirmaciones, pero éstos rápidamente resultan ser tanto internamente incoherentes como, lo que es aún más condenable, completamente alejados o contradictorios respecto a nociones muy establecidas pertenecientes a una variedad de otras ciencias (particularmente física y astronomía, pero también de biología)” (Pigliucci, 2013, p. 24). Sin embargo, si la congruencia interna y externa son requisitos necesarios para considerar la calidad de un fundamento teórico, ¿no deberían incorporarse estas dos nuevas variables al criterio dado que Pigliucci está descartando las bases teóricas de determinadas pseudociencias por ser incoherentes respecto a determinadas teorías científicas? — lo cual es una estrategia clásica aunque controvertida (Toulmin, 1984). Además, ¿en qué se basa para decir que las bases teóricas de la teoría de cuerdas son mejores que las de la biología molecular o que podemos situarlas en un nivel similar a las de la física de partículas?1

La situación se torna aún más impenetrable si nos interrogamos acerca de lo siguiente: ¿Qué entiende aquí Pigliucci por “comprensión” si está considerando como el máximo exponente de esta idea a una teoría que no tiene ninguna evidencia confirmatoria y es más, que es debatible que pueda llegar a tenerla respecto a ciertos postulados básicos? ¿Se está refiriendo a la noción de comprensión o a la de explicación, con más tradición filosófica?2 Todo indica, a falta de que Pigliucci pudiera elucidar algo más su propuesta, que se refiere a la captación psicológica de la profundidad explicativa; sin embargo, y pese a que la teoría de cuerdas pueda ser matemáticamente hermosa y provocar un sentimiento de ahora lo entiendo entre sus adeptos, esto es algo que, en primer lugar, no es cuantificable de forma fiable y que, en segundo lugar, carece de relevancia real respecto a la demarcación. Las explicaciones pueden provocar esta sensación de comprensión teórica de formas muy poco relacionadas con su validez empírica: un psicoanalista puede tener mayor sentimiento de comprensión teórica que un psicólogo cognitivo-conductual, lo mismo que un seguidor de la nueva medicina germánica respecto a un oncólogo. Entrar en este punto a dilucidar las diferencias entre la comprensión real de un fenómeno y la ilusión de profundidad explicativa, entendida como el sesgo al cual apela la pseudociencia (Rozenblit y Keil, 2002), resulta innecesario respecto a la demarcación y nos introduce en un resbaladizo terreno psicológico. Situar el problema, en cambio, al nivel de los rasgos que presentan unas y otras explicaciones resultaría más prometedor, sin embargo, ello supondría, quizás, reconfigurar toda la evaluación llevada a cabo por Pigliucci.

Siguiendo un razonamiento equivalente, deberíamos preguntarnos, a su vez, acerca de qué entiende por “conocimiento empírico”. ¿En qué se ha basado para medir esta variable? Dado que Pigliucci se limita a definir este concepto como “apoyo empírico” (Pigliucci, 2013, p. 22), podemos interpretar que esta variable hace referencia al concepto de “evidencia empírica”, que menciona en algunos puntos de su texto (por ejemplo, en Pigliucci, 2013, p. 23), sin embargo, su clasificación resulta sorprendente tras un análisis pormenorizado. ¿Por qué la astrología presenta el mismo nivel de conocimiento empírico que la historia o que la psicología evolucionista? A su vez, ¿en qué sentido presenta la economía el mismo nivel de conocimiento empírico que la biología evolucionista o que la climatología? Estas mediciones vuelven a ser confusas, arbitrarias y muy discutibles. Sin embargo, Pigliucci, en contraste con la actitud de Gruenberger, que consideraba explícitamente que sus mediciones respondían a intuiciones completamente subjetivas, considera que sus resultados no deberían ser susceptibles de debate alguno: “dudo que haya dicho algo particularmente controvertido sobre el plano empírico/teórico identificado” (Pigliucci, 2013, p. 23).

4) ¿Qué tipo de unidad de demarcacion están considerando estos demarcacionistas? Gruenberger considera de forma genérica a la física y Pigliucci denomina a sus unidades de demarcación como “disciplinas y nociones” (Pigliucci, 2013, p. 23), sin embargo, el criterio empleado a fin de seleccionar las unidades resulta poco congruente. En primer lugar, no tiene sentido filosófico demarcar la economía, la física o la psicología en su conjunto, dado que son campos muy complejos que incluyen docenas de programas de investigación que deberían presentar rasgos suficientemente diferenciados. Por ejemplo, podríamos argumentar que la comprensión teórica aportada por la psicología de la personalidad, que funciona casi en su totalidad en base a constructos estadísticamente modelados (Fried, 2017), es más baja que la de la psicobiología, que cuenta con evidencia sobre los mecanismos biológicos que subyacen a las conductas, o que la terapia cognitiva-conductual tiene más argumentos empíricos y teóricos que la terapia familiar o la psicodinámica. Lo más llamativo, sin embargo, no es el poco cuidado filosófico al seleccionar las unidades a demarcar, sino lo contradictorio del resultado final de la selección. Además de encontrar campos enteros, encontramos un caso específico dentro de un campo ya seleccionado y ubicado en otro cluster — la psicología evolucionista, que no sería psicología —, un proyecto muy específico de búsqueda de evidencia como el SETI, un caso de negacionismo de la ciencia (negacionismo del SIDA) e incluso un concepto tan extraño como el de “historia científica”. En adelante, este problema relativo a la definición del dominio de aplicación del criterio se denominará como “problema de la definición del dominio”.

5) Por último, pese a que la propuesta de Pigliucci no es novedosa, el autor tampoco la relaciona con sus antecedentes: no indica en qué sentido sus ideas suponen una contribución en relación a los multicriterios estadísticos que han sido propuestos en el pasado3. Ofrece contribuciones teóricas y conceptos que enriquecen su aproximación elegida para abordar el problema de la demarcación, pero la introducción de terminología wittgensteniana, del análisis de cluster y de la analogía pseudociencia/especie no supone un avance en términos prácticos respecto otras propuestas multicriterio de este tipo. Los problemas, ya presentes en la propuesta de Gruenberger, siguen abiertos:

(a) El problema de la definición del dominio.

(b) El problema de la definición de los ítems.

(c) El problema del criterio de relevancia.

(d) El problema de la jerarquía entre los ítems.

(e) El problema de la medición de los ítems.

(f) El problema del poder normativo.

Problemas más profundos: errores conceptuales que subyacen al demarcacionismo estadístico

En lo siguiente, analizaré algunos problemas más profundos, ya esbozados en lo anterior, que conciernen a las bases conceptuales mismas de la demarcación estadística.

1) Los perros no son berenjenas mejoradas

El problema básico que subyace a estos intentos demarcacionistas consiste en una comprensión desviada de los objetivos que persigue la resolución del problema de la demarcación. La demarcación consiste en delimitar los límites de la ciencia como conjunto de campos y programas de investigación (Hansson, 2017). En este sentido, consiste en separar la ciencia de lo que no lo es, no en establecer subclases dentro de la propia ciencia — lo cual no es demarcar la ciencia, sino establecer parámetros de calidad para la misma separando la mala ciencia de la buena ciencia, o clasificar los campos científicos según determinadas características como su dominio o su orientación hacia la tecnología. En este sentido, el problema de los intentos de demarcación estadística consiste en presuponer de forma implícita que cuando hablamos de ciencia, de mala ciencia, de no-ciencia y de pseudociencia estamos hablando de lo mismo, de unidades de demarcación definidas según las mismas variables, con la única diferencia de presentar niveles diferentes de calidad. Esta idea, sin embargo, resulta tremendamente problemática.

Cuando se apela al continuum que conformarían la ciencia y la pseudociencia, y se emplea la metáfora de la especiación, como hace Pigliucci, lo cierto es que se está presuponiendo, en primer lugar, que se está hablando de dos especies, al menos, del mismo reino (en este caso, de unidades de la misma clase), y, en segundo lugar, que se está hablando de especies evolutivamente próximas — estas ideas volverán a ser debatidas desde un punto de vista diferente más adelante. Cuando se afirma que un individuo y otro son más o menos la misma especie, se está apelando a la situación existente entre, por ejemplo, lobos y perros, o entre poblaciones de bisontes, pero no entre perros y berenjenas, o entre bisontes y salmones: en estos últimos dos casos, hablar de un continuum de hibridaciones no tiene sentido empírico o teórico — al menos no desde el punto de vista ahistórico al que hacemos referencia aquí. Considerando que “lobo” y “perro” son, entre otras cosas, pozos genéticos evolutivamente próximos y variables ecológicas, fenotípicas y sexuales agrupadas bajo la forma de una campana de Gauss, y que ambas campanas de Gauss se superponen notablemente facilitando la hibridación, podemos decir (aunque no sin simplificaciones estadísticas) que un individuo será 30% lobo o 67% perro, pero nunca podrá decirse con sentido acerca un individuo que es 20% perro y 80% berenjena, dado que son dos clases cuyas campanas de características relevantes no presentan superposición4.

Este razonamiento, sin embargo, parece haber sido pasado por alto por los demarcacionistas estadísticos, que presuponen que la nueva medicina germánica y la oncología pertenecen a la misma clase de unidades de demarcación, pero, ¿en qué sentido puede afirmarse esto? ¿Por qué se está suponiendo proximidad evolutiva y capacidad de hibridación a ambas unidades y, con ello, se está dando por sentado un continuum entre ellas? Si la astronomía pretende explicar y predecir el comportamiento de los cuerpos celestes en base a observaciones fiables y a teorías empíricamente avaladas, y la astrología pretende adivinar el destino de las personas y su personalidad en base a observaciones sesgadas y a teorías dictaminadas por la autoridad, ¿por qué están tan seguros estos autores de que existen entidades híbridas entre ambas “especies”? No parece intuitivo que esto vaya a suceder, y, de hecho, si observamos el mercado de la pseudociencia no se encuentra con la facilidad anunciada a las entidades híbridas entre ambos extremos (de hecho, este autor no es capaz de encontrar ningún caso), dado que el dominio, los medios y los objetivos de ambas comunidades hacen que se mantengan muy alejadas “evolutivamente” unas de otras, dejando de lado características intrascendentes. Más adelante se argumentará que la consideración de la ciencia y la pseudociencia como clases separadas es un supuesto al problema de la demarcación y, además, un hecho: el cribado entre ambas clases suele darse de forma intuitiva y consensuda, siendo el problema de la demarcación el proyecto filosófico de hacer explícito y mejorar este proceso ya existente; en este sentido, el problema fundamental de la demarcación no es tanto demarcar, sino justificar y optimizar la demarcación de la pseudociencia.

Por más seductora que parezca la idea, lo cierto es que la psicología evolucionista, la historia, la economía o el SETI no son formas avanzadas de pseudociencia, ni tampoco formas primitivas de ciencia que tengan aún que recorrer un camino hasta convertirse en algo equivalente a la biología molecular o a la física de partículas. Tampoco existen casos de pseudociencia que evolucionen a ciencia, ni siquiera los casos más antiguos, como la frenología, el psicoanálisis, la quiropraxia o la homeopatía. Este error subyace en los desarrollos teóricos de estos autores y se basa en una falta de sofisticación al interpretar los significados de las acciones de ambas comunidades — científicos y pseudocientíficos. Es muy importante fijarnos en el contexto a fin de interpretar las acciones de dos comunidades, dado que, pese a que su conducta sea parecida, es posible que la intención sea diferente y que, por ello, no estemos hablando de lo mismo. Aquel que miente para conseguir asesinar a otro (mentir1) no es un mentiroso en el mismo sentido que aquel que miente a un ser querido para no herir sus sentimientos o para aumentar la emoción de los regalos navideños (mentir2): ambos serán superficialmente mentirosos dado que su acción guarda parecido de familia al implicar un acto parecido a nivel conductual, pero un análisis más pormenorizado nos revelará que se trata de dos acciones radicalmente diferentes en sus fines.

De igual modo, resulta problemático afirmar que los científicos y los pseudocientíficos, aunque algunos de sus actos se parezcan superficialmente, están haciendo lo mismo pero unos peor que otros o en mayor grado. Por ejemplo, no someter el propio trabajo a un proceso de revisión por pares no es lo mismo en ciencia y en pseudociencia. Un científico puede no hacerlo por muchas razones no siempre relacionas con el fraude, pero un pseudocientífico no envía un artículo a una prestigiosa revista científica esperando pasar una revisión por pares con el fin de aumentar el conocimiento humano o que sus pretendidos colegas puedan replicar sus resultados. Lo mismo podría decirse de muchos de los ítems que suelen emplear los demarcacionistas estadísticos. La comprensión teórica de la ciencia y de la pseudociencia no son versiones mejores y peores de lo mismo. Tampoco la incapacidad de predecir hechos a partir de sus ideas debería ser interpretado del mismo modo. Que un oncólogo experto en cáncer de páncreas sea incapaz de curarlo o que un experto en fibromialgia sea incapaz de comprender la etiología de la enfermedad no los convierte en “parcialmente pseudocientíficos”. En otros casos, parece haber una confusión entre tipos de conducta que ni siquiera presentan parecido entre sí. Por ejemplo, si la pseudociencia afirma algo primero y luego busca evidencia confirmatoria y la ciencia hace lo contrario, ¿en qué sentido puede el pseudocientífico mejorar su proceder sin cambiar la naturaleza de su acción?

Tanto nuestro oncólogo como nuestro reumatólogo, al igual que muchos economistas, psicólogos y que el equipo encargado del SETI, usan los métodos más fiables y se pliegan al corpus de evidencia más sólida del que dispone su campo. Los homeópatas, en cambio, no usan los métodos más avanzados de la biomedicina, porque no consideran que esos métodos les sean propios y les sirvan para conseguir los fines que pretenden conseguir. Teniendo esto en cuenta, resulta poco adecuado afirmar que un oncólogo especializado en cáncer de páncreas es más pseudocientífico que un oncólogo especializado en cáncer de mama, igual que resulta poco adecuado afirmar que un homeópata será más científico por aumentar el grado de matematización de sus teorías, o por ir a congresos de médicos, o por hacer ensayos clínicos que sistemáticamente arrojen resultados negativos y que sean publicados en las mejores revistas de biomedicina. En ese caso, ejemplificado por Edzard Ernst (2015), dejará de ser un homeópata y ser convertirá en un científico, porque no existe, ni puede existir, la “homeopatía científica” en contraste con la pseudocientífica, del mismo modo que no existe la “oncología pseudocientífica”. Cuando un oncólogo deja de hacer oncología, deja de ser un oncólogo; cuando un homeópata se comporta como un investigador en biomedicina, deja de ser un homeópata y se convierte en un investigador en biomedicina, dado que su dominio, sus métodos y su proceder respecto a la evidencia se guían ahora por características diferentes. Lo mismo podría decirse de muchos otros casos: los psicólogos expertos en hipnosis, entendida como el estudio de la sugestionabilidad, no son versiones mejoradas de los hipnotistas regresivos o de los que hacen espectáculos televisivos. Hacen, en cambio, cosas distintas en lo que respecta a su dominio, sus métodos y su epistemología, aunque su imagen pública resulte superficialmente parecida.

Un demarcacionista no estadístico que considerara que el estatus de ciencia o de pseudociencia se definen en base a unas pocas características necesarias y/o suficientes no tendría este problema, dado que o se es ciencia — dentro de lo cual puede ser mejor o peor ciencia — o se es no-ciencia — dentro de lo cual uno podría ser arte, humanidades, pseudociencia o religión. Sin embargo, autores como Gruenberger o Pigliucci asumen que esta frontera no existe, o que es materia de simple consenso respecto a por dónde cortar el continuum, pero, ¿qué naturaleza compartida le atribuyen a la ciencia y a la pseudociencia? Es complicado encontrar una posible respuesta a esta pregunta. Podrían estar considerando que ambas son “campos de conocimiento” o “campos con pretensiones de conocimiento”, sin embargo, en este caso habría que considerar si acaso pseudociencias como la terapia magnética, el negacionismo del cambio climático o las constelaciones familiares nos aportan “conocimiento” en el mismo sentido que la mecánica de fluidos o que la neurociencia cognitiva, o si su objetivo real es aportar alguna clase de conocimiento, sea cual sea la definición que barajemos. Otra opción sería definirlas como “prácticas e ideas que se presentan públicamente como ciencia”, lo cual supone una posible solución al problema, aunque son muy pocos los multicriterios que consideren que este sea uno de los ítems que definen a la pseudociencia (únicamente dos de los veintiún multicriterios considerados en Fasce, 2018), pese a que esta clase de impostación define su naturaleza más básica (Hansson, 1996; Blancke, Boudry y Pigliucci, 2016; Fasce, 2017). Este problema entraña más gravedad de la que suele pensarse, dado que para llevar a cabo comparaciones entre dos entidades, o entre dos conjuntos de entidades, debemos presuponer que pertenecen a la misma clase general de cosas. Sin aportar una definición debidamente fundamentada que satisfaga este presupuesto teórico, nuestras comparaciones podrían carecer de significado real.

2) ¿Qué parecido de familia?

Demarcar la ciencia y la pseudociencia en base a un criterio estadístico supone una definición preliminar de “ciencia”. Al fin y al cabo, ¿qué clusters obtenidos serán ciencia y por qué? Demarcacionistas estadísticos como Pigliucci apelan de forma explícita al parecido de familia para solventar este problema, mientras otros lo hacen de forma implícita. Sin embargo, esta estrategia de definición resulta considerablemente más problemática de lo que una reflexión superficial podría sugerir. El concepto de parecido de familia (Wittgenstein, 1958; Pompa, 1967) ha sido ampliamente analizado y debatido dentro de la filosofía analítica, habiendo sido empleado también en filosofia de la ciencia en varias ocasiones (por ejemplo, Toulmin, 1972; Dupré, 1993; Irzik y Nola, 2011).

Wittgenstein teorizó que las entidades que eran nombradas empleando conceptos del lenguaje natural estaban unidas entre sí por una “compleja red de similitudes que se superponen y entrecruzan” (Wittgenstein, 1958, p. 32). Un ejemplo clásico, que el propio Wittgenstein desarrolla en su obra, son los juegos (particularmente el ajedrez; Wittgenstein, 1958, p. 31): no parece haber una definición clara de qué es un juego y qué no lo es. En algunos no hay un ganador, unos se juegan en solitario y otros en colaboración, otros se juegan con pelotas, otros se juegan con cartas y otras veces incluso empleamos el término para denotar actividades que no se relacionan con la diversión — por ejemplo, cuando decimos que alguien está jugando con los sentimientos de otra persona o cuando consideramos que la ruleta rusa es un juego. Por esta razón, Wittgenstein no consideraba que fuera adecuado llevar a cabo definiciones cerradas de los conceptos, dado que ello supondría definir un lenguaje artificial empobrecido en lugar de asumir que nuestros conceptos son una entramada red de juegos del lenguaje y su significado una herramienta contextual: el uso que les damos en cada contexto de nuestras vidas. En este sentido, los conceptos no se usarían “bien” o “mal” de acuerdo a la adecuación que tenga nuestro uso con un diccionario, sino que “bien” o “mal” se definirían en este caso respecto a la posibilidad de jugar juegos del lenguaje con los demás o no; respecto a si la herramienta cumple o no su función dentro de dichos juegos — “el significado de un término es su uso en el lenguaje” (Wittgenstein, 1958, p. 26).

Existe un problema clásico respecto a esta idea de Wittgenstein, conocido como el problema del “wide-open texture” (Richman, 1962) y que responde a la reflexión de Goodman (1972) cerca de que “si todo es similar a todo, ¿en base a qué podemos negarnos a aplicar un término a todo?”. En efecto, no parece tan sencillo deshacerse de las definiciones explicitas y bien delimitadas en base a características suficientes y necesarias. Por ejemplo, el carterismo y correr para no ser atrapado por la policía no es una disciplina deportiva como sí lo es el atletismo, sin embargo, llevar a cabo esta distinción nos obliga a ir más allá del mero parecido de familia. Al fin y al cabo, el carterista ha de desarrollar una compleja técnica, hace ejercicio físico, practicar la actividad con regularidad y como medio para ganarse la vida, e incluso se podría afirmar que hay un ganador y un perdedor, pero no consideraríamos que es un deportista ni lo enviaríamos a representar a nuestro país en unos juegos olímpicos. En este caso, estamos obligados a jerarquizar algunas de las características que definen a los juegos y a los deportes, reduciendo considerablemente la ambigüedad que presenta el uso informal de ambos términos. Un caso equivalente sería el de alguien que le preguntara a un filósofo de la ciencia si la homeopatía es o no es una pseudociencia: el filósofo tendría que apelar a un definición estructurada que vaya más allá de la concepción intuitiva de la ciencia, que, de hecho, podría ser la causa misma de la confusión de su interlocutor.

El problema también se aplica a las delimitaciones positivas de las clases, a los casos en los que hemos de justificar la inclusión de una entidad en un determinado conjunto. Por ejemplo, los familiares cercanos suelen guardar parecido físico entre ellos, sin embargo, este hecho por sí mismo no justifica el parentesco. Yo mismo tengo primos con los que no guardo prácticamente ningún parecido físico, sin embargo, ellos son mis primos y no lo es una persona cualquiera que se parezca más a mí que ellos; sobre estas personas parecidas sin ser familiares diríamos que no son los hijos de los hermanos de mis padres, estableciendo esa cualidad como la realmente relevante al definir el significado de “primo”. En este caso, determinadas relaciones de parentesco genético tienen fuerza normativa, de modo que tener un color de piel parecido o diferente color de ojos es irrelevante al caracterizar a dos personas como primos. El análisis de Wittgenstein no es satisfactorio si no vamos más allá del mero parecido de familia — de hecho, como veremos más adelante, Wittgenstein también va más allá —, jerarquizando las relaciones entre las entidades que se agrupan bajo el mismo concepto e incluso llevando a cabo definiciones excluyentes, dado que, en caso contrario, el propio uso del lenguaje sería inviable: el mundo, también el cultural, tiene categorías que el lenguaje ha de recoger a fin de ser operativo.

Este mismo problema, tanto en sentido positivo como en sentido negativo, puede aplicarse a los intentos demarcacionistas que tienen como base conceptual el parecido de familia: existen características que resultan inadecuadas o irrelevantes al caracterizar algo como “científico”, pese a que dichas características formen parte, de hecho, del parecido de familia de la ciencia. Por ejemplo, la farmacología y la etología, o la neurociencia y la física cuántica, comparten características como, por ejemplo, ser desarrolladas en su mayor parte en países occidentales, emplear sistemas de revisión por pares, tener presencia en universidades de prestigio, o ser practicadas por comunidades que mantienen cierta apertura a nuevas ideas y celebran de congresos. Sin embargo, ninguna de estas características sería adecuada para justificar su estatus como campos científicos: las pseudociencias encuentran un gran mercado en los países occidentales, intentan infiltrarse a través del sistema de revisión por pares, tienen presencia en universidades de prestigio, presentan gran apertura mental (quizás demasiada) y celebran congresos. Sin embargo, estas pseudociencias no poseen las características relevantes de la investigación científica — la conjunción de fiabilidad metodológica, control inferencial y de evidencia confirmatoria, por ejemplo.

El parecido de familia es la noción intuitiva que subyace a todo intento de demarcación: que las entidades a demarcar mantienen cierto parecido entre sí. Sin embargo, no nos sirve para poder llevar a cabo definiciones operativas en casos concretos de conceptos con mayores posibilidades de definición que otros más abstractos y ambiguos como juego o poder. Así pues, no tenemos por qué conformarnos con esta clase de definiciones tácitas y abiertas para todos los casos de elucidación conceptual, y, de hecho, no lo hacemos. Los pseudocientíficos explotan el parecido de familia de los campos científicos impostando sus características prescindibles y superficiales, y, por ello, incluir estas características en un criterio de demarcación supone, de hecho, hacerles un favor, al otorgarles un grado de cientificidad del que realmente carecen. Usar bata blanca o haber publicado artículos en revistas indexadas no les otorga ni siquiera un 0,01% de cientificidad. Tampoco desarrollar complejos entramados teóricos, por más congruentes interna y externamente que sean, ni siquiera aunque cuenten con alguna evidencia si dicha evidencia no es fiable al nivel exigido por la ciencia.

Antes se ha remarcado que el problema del parecido de familia como forma de definición es que los conceptos definen entidades que presentan relaciones objetivas más relevantes que otras y que dicha relevancia puede deberse, o bien al uso — es más relevante que una pelota sea esférica a que sea verde —, o bien a la propia configuración del mundo — el parentesco es medido de forma más adecuada por relaciones genéticas que por parecidos morfológicos5. Por ello, antes de seguir con las carencias de la demarcación estadística vale la pena repasar cuál fue la solución de Wittgenstein a este problema, entendido de forma generalizada: en aras de desarrollar su entramado filosófico optó por la combinación entre definiciones por parecido de familia y una teoría pragmatista de la verdad cuya posible naturaleza relativista ha sido ampliamente debatida (O’Grady, 2004)6. Las lecturas relativistas de Wittgenstein enfatizan la asimilación del concepto de mundo al de forma de vida, definido este último como el conjunto de juegos del lenguaje en el cual nos vemos inmersos como comunidad: “el uso de un lenguaje es parte de una actividad, o de una forma de vida” (Wittgenstein, 1958, p. 11) que “no implica sólo un acuerdo en las definiciones sino también (por extraño que pueda sonar) en los juicios que éstas requieren” (Wittgenstein, 1958, p. 88).

“Imaginar una lengua significa imaginar una forma de vida” (Wittgenstein, 1958, p. 8), lo cual significa que el uso del lenguaje no se limitaría únicamente a condicionar nuestra interacciones y posibilidades expresivas, sino también nuestras opiniones que, a su vez, configuran nuestra forma de vida, un concepto ambiguo que puede ser entendido de un modo existencial o de un modo sociológico. El propio Wittgenstein piensa en un interlocutor escéptico respecto a sus ideas, que, él mismo admite, pueden resultar altamente contraintuitivas. Sin embargo, su respuesta reafirma lo arriesgado de las mismas: “Entonces, ¿estás afirmando que el acuerdo entre seres humanos decide qué es verdadero y qué es falso?’?—Esto es lo que los seres humanos dicen que es verdadero y falso; y ellos acuerdan el lenguaje que emplean. No es un acuerdo respecto a sus opiniones, sino respecto a su forma de vida” (Wittgenstein, 1958, p. 88). Es decir, lo que se define como verdadero o como falso responde, en última instancia, a la forma de vida que sostengamos. Las lecturas no relativistas de corte contextualista de Wittgenstein hacen hincapié en que “la conducta común, compartida por la humanidad, es el sistema de referencia a través del cual interpretamos un lenguaje desconocido” (Wittgenstein, p. 82) al definir su noción de forma de vida. Sin embargo, este giro universalista únicamente aparece una vez en las Investigaciones Filosóficas y no parece encajar bien con las definiciones, más abundantes y explícitas de “forma de vida”, relacionadas directamente con otros conceptos centrales de su obra.

De este modo, la relevancia de las características se definiría en base a los tipos de juegos del lenguaje que juguemos con los conceptos. Que nuestra forma de vida o mundo sea una construcción social de tipo lingüístico parece llevar a Wittgenstein a un relativismo que sólo encuentra límite en la noción de regla, que tiene una naturaleza social y una considerable rigidez — la evolución y la innovación en el ámbito de las reglas que definen los juegos del lenguaje es uno de los temas más problemáticos de la obra de Wittgenstein (Kripke, 1982; Baker y Hacker, 1984). De este modo, según la interpretación relativista, y de forma más comedida en la interpretación contextualista, un sujeto no conoce hechos, sino que “comprende” la “forma de vida” que construyen sus juegos del lenguaje, definidos mediante reglas socialmente inculcadas.

Y bien, teniendo en cuenta todas estas características de las ideas filosóficas de Wittgenstein, resulta complicado comprender cómo es posible que autores como Pigliucci busquen fundamentar un criterio de demarcación en unas ideas de las cuales otros lectores, y no precisamente lectores marginales, han derivado un relativismo bastante radical — por ejemplo, en el caso del neopragmatismo de autores como Rorty (Boghossian, 2006). Es posible que la lectura de Pigliucci sea más adecuada que la de estos otros autores, pero, en base a los escritos de los que disponemos, no podemos dilucidar exactamente qué clase de lectura es la que sostiene.

Lo que parece evidente es que los autores que desean llevar a cabo un programa demarcacionista en base a definiciones por parecido de familia no siguen a Wittgenstein en todos estos compromisos filosóficos. No se comprometen con su visión del significado y del conocimiento, sino que consideran que esta estrategia es más fructífera debido a la supuesta naturaleza difusa del concepto de ciencia, pero no hay una argumentación realmente convincente que sostenga esta idea, que resulta de gran importancia. Pigliucci, por ejemplo, se limita a afirmar taxativamente que la ciencia y la pseudociencia son “inherentemente conceptos wittgenstenianos de parecido de familia” (Pigliucci, 2013, p. 25”). Ésto podría ser así, pero va más allá al afirmar que, de hecho, ambos (ciencia y pseudociencia) conforman un único concepto wittgensteniano de parecido de familia. Pero ciencia podría ser como misa o examen, o como átomo o como algoritmo y tener una definición explícita mucho más elucidada que no permita que el concepto sea subsumido racionalmente en otro de orden superior que lo agrupe con la pseudociencia. Por supuesto, la definición de ciencia no tendría por qué ser monolítica o sencilla: puede incluir matices e incluso ser reconocido como un concepto polisémico, con acepciones diversas.

Sin embargo, y esto resulta crucial respecto al verdadero alcance del demarcacionismo estadístico, pese a no comprometerse con estos lastres filosóficos, esta aproximación al problema de la demarcación no elimina el reto de establecer un criterio que incluya elementos a priori, jerarquizados y con fuerza normativa: la única diferencia con los demarcacionistas no-estadísticos reside en que los demarcacionistas estadísticos llamarían a esto “criterio de selección” o “criterio de relevancia” en lugar de “criterio de demarcación”, aunque su función sea equivalente. En efecto, la “pureza” en el proceso de selección del universo de variables aquí es un supuesto y, parece evidente, un supuesto improcedente. Lo que encontramos en las propuestas estadísticas es, en realidad, un criterio de demarcación implícito, sin razonamiento que lo sustente.

Cuando Pigliucci define la ciencia de forma súbita — su criterio de demarcación real — como un intento por ofrecer “comprensión teórica empíricamente fundamentada del mundo” y nos ofrece la Figura 1 con las fronteras entre la ciencia y la pseudociencia ya trazadas, está cambiando el foco de atención desde el problema filosófico, que da por resuelto sin mayor comentario, hacia el problema procedimental de evaluar y construir la Figura 1. Sin embargo, en la base teórica que soporta la construcción de dicha gráfica se ha llevado a cabo un ejercicio filosófico cuestionable, dado que es posible encontrar contraejemplos a su criterio, seleccionando actividades que cumplan la misma definición general pero que no consideraríamos como ciencia. Por otro lado, resulta evidente el regreso al infinito si, en lugar de tomar una decisión semántica, definiéramos “comprensión teórica empíricamente fundamentada” por su parecido de familia, dado que las variables que conformarían este parecido de familia también tendría que ser definidas, a su vez, de este modo, y así sucesivamente. En este proceso, sin embargo, siempre va a haber un añadido filosófico de características necesarias y suficientes, que es, de hecho, el problema de la demarcación: el problema respecto a cuáles son las características esenciales de la clase a demarcar.

3) Evitar las decisiones semánticas no conlleva (necesariamente) progreso conceptual

Las decisiones semánticas tras procesos de elucidación parecen ser lo que los demarcacionistas estadísticos tienen en mente evitar a toda costa al definir un criterio de demarcación. La elucidación semántica es una aspiración clásica de la filosofía de la ciencia (Carnap, 1950) ya desde los positivistas lógicos, elucidando, en su caso, conceptos científicos a fin de localizar sus impregnaciones metafísicas (Carnap, 1931), aunque puede llevarse a cabo elucidaciones conceptuales para otros fines como, por ejemplo, comprender qué quieren decir los biólogos cuando hablan de un “gen” (Dietrich, 2000) o qué quieren decir los psicólogos cuando hablan de constructos como “personalidad” o “trastorno mental”. De hecho, el DSM (Manual Diagnóstico y Estadístico de los Trastornos Mentales) es un ejemplo de elucidación de conceptos científicos complejos (Surís, Holliday y North, 2015).

Una decisión semántica puede ayudar a resolver los problemas que acarrea la polisemia: puede, por ejemplo, facilitar la definición de “cuadros” o restringir el significado del trastorno y renombrar el excedente. Un caso de lo primero podrían ser los trastornos depresivos, todos con manifestaciones conductuales parecidas pero separados en varios trastornos con diagnósticos diferenciales (APA, 2013, pp. 155-189). En este caso, se ha decidido clasificar empleando “apellidos” para realidades cuyo parecido es suficiente como para justificar su agrupación conceptual. También existe el caso de decidir expulsar ciertas entidades del significado del concepto al considerar que se está llamando de la misma manera a dos o más constructos que la investigación ha descubierto como no lo suficientemente relacionados entre sí. Estos casos de decisiones semánticas eliminativas tras procesos de elucidación han sido abundantes, por ejemplo, la homosexualidad fue eliminada como trastorno mental (Suppe, 1984); el trastorno obsesivo-compulsivo (TOC), antes considerado un trastorno de ansiedad, ahora tiene su propia categoría (Walitza, 2014); el estrés postraumático, antes también un trastorno de ansiedad, ahora es considerado un trastorno relacionado con el estrés (Pai, Suris y North, 2017); el dismórfico corporal, antes somatoforme, y la tricotilomanía, antes de control de impulsos, ahora están en la misma categoría que el TOC (Schieber et al., 2015; Houghton et al., 2015); o el juego patológico hoy en día es considerado una conducta adictiva en lugar de un trastorno de control de impulsos (Renert et al, 2015).

Las decisiones semánticas van un paso más allá, pues, del mero parecido de familia al considerar que, de acuerdo con nuestros fines, con determinadas decisiones a priori y con la particular relevancia de algunos rasgos, se procederá a obviar el mero parecido en aras de modificar la agrupación conceptual en la que anteriormente era categorizada un constructo. Por ejemplo, pese al gran parecido de familia del TOC respecto a los trastornos de ansiedad, la presencia de factores cognitivos — como la fusión pensamiento-acción (Hezel et al., 2017) — es considerada de suficiente relevancia como para que la comunidad de psicólogos haya tomado la decisión de que dicho trastorno deba ser clasificado empleando un concepto diferente, y dicha decisión se debe a cuestiones ajenas al mero parecido de familia — por ejemplo, a que hemos decidido que los factores cognitivos no deben estar implicados en lo que vamos a considerar como un “trastorno de ansiedad”. En todo caso, la estrategia de definición más adecuada para un caso determinado depende de las entidades que se subsumen en dicho concepto; en muchos casos, aumentar la cantidad de variables a controlar no constituye necesariamente progreso conceptual. Al contrario, puede suponer una estrategia fallida al obligarnos a navegar innecesariamente a través de un mar de características irrelevantes.

Resulta un error confundir esta clase de decisiones con compromisos filosóficos inadecuados, como el platonismo. Pigliucci establece una supuesta conexión entre aprehensión conceptual platónica y la toma de decisiones semánticas de corte filosófico respecto a la naturaleza de la ciencia y de la pseudociencia: “sería inútil proseguir con la cuestión [de la demarcación] de una manera platónica, tratando de llegar a conclusiones a priori independientemente de si coinciden con las intuiciones de los científicos (y de la mayoría de los filósofos) sobre qué es y qué no es la ciencia” (el corchete es mío; Pigliucci, 2013, p. 17). Sin embargo, un criterio de demarcación que pueda ser considerado como filosóficamente fundamentado no debe basarse únicamente en las meras “intuiciones” que tenga determinada comunidad acerca de la naturaleza de la ciencia, sino en una correcta fundamentación teórica. De lo contrario, nos encontraríamos con una forma de elitismo semántico ya criticado por autores como Lakatos (1978). Por supuesto, dichas intuiciones deberán ser recogidas, pero también ser sometidas a un análisis crítico. Afirmar que la pseudociencia es no-ciencia que se hace pasar por ciencia, su definición más habitual y general, es una definición a priori. El propio Pigliucci lleva a cabo suposiciones y cribados a priori cuando afirma que la ciencia consiste en “comprensión teórica empíricamente fundamentada del mundo”; la presunta pureza de estas afirmaciones es, por tanto, una ilusión que no se sostiene ante un análisis exigente.

(4) Un análisis de cluster no es adecuado para demarcar la pseudociencia

Existe, pues, un consenso tácito respecto a qué es científico y a qué es pseudocientífico, independientemente de los problemas que presenta la definición de la naturaleza de la ciencia. Hansson expresa este hecho de una forma muy clara cuando afirma que “distinguir entre ciencia y pseudociencia se parece mucho a montar en bicicleta. La mayoría de la gente puede montar en bicicleta, pero sólo unos pocos pueden explicar cómo lo hacen” (Hansson, 2013, p. 61). Esta reflexión de Hansson debería llevarnos a replantearnos la idoneidad de un análisis cluster al aplicar un criterio de demarcación, tal como propone Pigliucci.

Ya ha sido mencionado que un análisis de cluster no es propiamente una respuesta al criterio de demarcación, sino una opción procedimental a fin de ponerlo en práctica. La respuesta, se ha dicho, sería el “criterio de relevancia” empleado al seleccionar el universo de variables que considerará el análisis. Este tipo de análisis, al igual que el análisis discriminante o el factorial, es una técnica multivariante que tiene como objetivo la clasificación de una muestra de sujetos. De este modo, dado un conjunto de individuos de N elementos, caracterizados por la información de n variables Xj, (j = 1, 2, …, n), buscamos clasificar a los individuos en conjuntos que resulten lo más similares que sea posible a nivel interno a la vez que resulten lo más disimilares que sea posible entre ellos. Este tipo de análisis es empleado como técnica exploratoria, dado que presupone que no conocemos los grupos a priori y buscamos clusterings (a veces traducido como “cúmulos” o “racimos”) que nos permitan, tras un análisis de los resultados, comprender su naturaleza conceptual y, quizás, poder mejorar progresivamente la clasificación.

El análisis de cluster constituye un conjunto muy complejo de técnicas que requieren de una enorme cantidad de decisiones. Resulta adecuado repasar la larga lista de condicionantes y de opciones metodológicas que afectan sustancialmente al output del proceso, dado que contrastan con la aparente simplicidad y despreocupación con la ha sido propuesto este tipo de análisis para demarcar la ciencia de la pseudociencia7:

A) En primer lugar, hemos de seleccionar los individuos a clasificar. Sobre los individuos, hemos de decidir si los vamos a considerar ya como un cluster o si, por el contrario, vamos a considerarlos individualmente. También hemos de tener en cuenta que para que el análisis arroje resultados de interés los individuos deben pertenecer inicialmente a la misma clase y no a dos o más clases diferenciadas de antemano.

B) Es necesario seleccionar un “criterio de similitud” que constituirá el universo de variables, cómo asignarles un valor, cómo medir la similitud de los individuos y cómo medir la similitud de los clusters. La similitud podrá ser evaluada en base a la distancia (existen al menos unos diez tipos diferentes de distancias) o en base al coeficiente de correlación (existen tres tipos habituales de cálculos correlacionales, el de Pearson, el de Kendall y el de Spearman). Además de calcular la similitud existente entre todos los individuos, también es necesario calcular la similitud existente entre los clusters, lo cual nos lleva a tomar una nueva decisión, dado que existen al menos 3 medidas diferentes para determinar dicha relación (distancia de los vecinos lejanos, de los cercanos y el centroide).

C) Es necesario seleccionar un algoritmo de evaluación que lleve a cabo el análisis. Existen cinco tipos de algoritmos para un análisis de cluster: 1. Jerárquicos, 2. De optimización, 3. Mode-seeking, 4. Clumping, 5. Otros tipos no conceptualizables. Estas cinco categorías incluyen una enorme cantidad de algoritmos diferentes, que condicionarán los resultados del análisis — por ejemplo, existen al menos cinco criterios de optimización diferentes y al menos siete criterios diferentes para definir la distancia entre clusters dentro de los algoritmos jerárquicos.

Como se desprende de A), de B) y de C), se trata de un análisis complejo, que requiere de mucha más definición y toma de decisiones por parte del demarcacionista estadístico que proponga esta clase de enfoque para la aplicación del criterio de demarcación.

Un análisis de cluster es lo que utilizaríamos para definir razas de perros o para observar la relación entre los perros y los lobos de un determinado espacio geográfico, pero su uso puede resultar poco adecuado en otro tipo de casos. Por ejemplo, resulta más pertinente un análisis discriminante cuando vamos clasificar individuos pertenecientes a dos clases distintas ya definidas de antemano, que tienen características diferenciales no compartidas con la otra clase. El análisis discriminante es una técnica no exploratoria íntimamente relacionada con el análisis de varianza (ANOVA) y con el análisis de regresión — de hecho, puede considerarse como un análisis de regresión donde la variable dependiente es categórica. El objetivo del análisis discriminante es desarrollar “funciones discriminantes” (combinaciones lineales de variables independientes) que discriminarán la/s categoría/s de la variable dependiente de una manera tajante (Hastie, Tibshirani y Friedman, 2017). Por supuesto, igual que con el análisis de cluster, existen múltiples opciones y decisiones respecto a esta clase de análisis, sin embargo, este texto no abordará dichas cuestiones porque no propondremos un análisis discriminante complejo entre ciencia y pseudociencia. Al contrario, la intención con la cual se critica el análisis de cluster en favor del discriminante es principalmente teórica, mostrando su mayor idoneidad aunque rechazando su aplicación más estricta y compleja.8

En un análisis discriminante tienen poca relevancia las características que pueden ser compartidas por ambos grupos, dado que éstas no poseen poder discriminante real. En este sentido, si requiriéramos demarcar las plantas “estar compuesto por átomos”, “ser autótrofo”, “producir sonido” o “tener sistema nervioso” no han de ser consideradas como variables discriminantes, dado que, por ejemplo, las esponjas, los placozoos y los mesozoos, que son animales, no presentan sistema nervioso. Sin embargo, “tener cloroplastos” y “tener pared celular” sí son características discriminantes. Por supuesto, podemos encontrar casos complejos. Por ejemplo, una especie de babosa de mar (Elysia chlorotica) se alimenta llevando a cabo fotosíntesis, pero ha de “robar” los cloroplastos y los genes necesarios para su mantenimiento a un alga (Vaucheria litorea; Rumpho et al., 2008). En este caso, podríamos añadir una cláusula restrictiva adicional, exigiendo que el individuo ha de poder generar por sus propios medios los cloroplastos y así solucionar el problema planteado por el contraejemplo. Además, habría que considerar algunas condiciones necesarias para ser incluido en la selección de individuos a discriminar: ser pluricelular y eucariota — lo cual permite cribar de entrada a los protozoos y a las bacterias. Este análisis habrá discriminado entre plantas y no-plantas de forma tajante, aunque dentro de las no-plantas aún están juntos animales y hongos, cuya clasificación supondría llevar a cabo un análisis diferente, quizás más complejo.

En este sentido, debemos hacernos la siguiente pregunta en relación al criterio de demarcación que fundamentaría nuestro análisis discriminante de la pseudociencia: ¿Qué características tiene la pseudociencia que la ciencia no puede tener?

5) La demarcación estadística incapacita la toma de decisiones prácticas

Existe un problema práctico relacionado con las ideas de los demarcacionistas estadísticos: la falta de normatividad de sus juicios sobre la naturaleza de la pseudociencia puede impedir la toma de decisiones respecto a ella. Y no hay que olvidar que la pseudociencia es un problema social de gran calado, que afecta a la calidad de cuestiones clave de nuestra vida, como la alimentación, la educación y la salud, constituyendo un peligro real y bien documentado (por ejemplo ver Soyffer, 1994; Niggerman y Grüber, 2003; Giles, 2007; Ernst, Lee y Choi, 2011; Johnson et al., 2018). Entre las consecuencias negativas que conlleva la caracterización como pseudociencia podemos considerar: no acceder los sistemas de financiación y publicación de la ciencia; no recibir acreditación profesional oficial; ser desterrado del sistema educativo tanto en niveles primarios, secundarios y universitarios; o el reconocimiento de dichas prácticas como posibles casos delictivos de intrusismo profesional y como un peligro sanitario que combatir. La pseudociencia ha sido condenada en los tribunales en varias ocasiones, por ejemplo, en los afamados casos de Kitzmiller y Mclean9. En este sentido, denominar a algo como “pseudociencia” es un acto de grandes implicaciones que debería conllevar duras consecuencias sociales y políticas para sus proveedores y apologistas. Sin embargo, los peudocientíficos, como todos, merecen un juicio justo basado en un sistema garantista. ¿Qué hacer entonces con una sentencia que dictamina que uno es un 70% culpable? Si una idea o práctica tuviera un 70% de posibilidades de ser pseudociencia, aún habría un 30% de posibilidades de que nuestro veredicto sobre ella sea erróneo, lo cual debería llevarnos a pensar que nuestra decisión no es fiable. Como hemos visto en el caso del criterio de Gruenberger, y como podría también suceder dependiendo de cómo interpretemos las variables propuestas por Pigliucci, puede resultar relativamente sencillo para una idea o practica alcanzar un cierto grado de cientificidad en base a explotar los ítems menos exigentes de un criterio estadístico, lo cual únicamente aumenta la incertidumbre respecto a la adecuación empírica de nuestra decisión. Un criterio estadístico podría ser más o menos funcional para casos extremos, pero resulta un impedimento para lo toma de decisiones en el marco de casos complejos de demarcación al introducir incertidumbre en una clase de decisiones que gozan, en su amplia mayoría, de la mayor certeza.

Otra implicación práctica indeseable de la noción de parecido de familia aplicada a la demarcación de la ciencia mediante un análisis de cluster es la confusión entre los diversos tipos de creencia carentes de garantía epistémica. En efecto, otras clases de creencias como lo paranormal, las leyendas urbanas o las teorías de la conspiración pueden llegar (y, de hecho, esto pasa habitualmente) a confundirse con la pseudociencia si nuestra concepción de la misma no es lo suficientemente restrictiva, definiendo un dominio demasiado heterogéneo de estudio. Este problema del parecido de familia ha afectado a una enorme cantidad de estudios acerca de la pseudociencia, especialmente en el contexto psicológico (para una discusión en profundidad de este problema ver Fasce y Picó, 2018).

Un metacriterio discriminante

Un metacriterio no-estadístico, capaz de evitar los problemas discutidos en este texto, estará conformado por cuatro requisitos, clasificados en dos grupos. R1 y R2 son requisitos procedimentales de carácter deseable, es decir, se trata de consideraciones filosóficas generales que deberían guiar el proceso de elaboración del criterio de demarcación de la pseudociencia. Su cumplimiento no es necesario, pero plantean condiciones generales de plausibilidad que deben guiar la explicitación del criterio, dado que una propuesta demarcacionista que no satisfaga R1 y R2 queda, en principio, en inferioridad de condiciones a la hora de ser aceptada en relación a otra que sí lo haga. R3 y R4, por su parte, son requisitos del criterio de carácter necesario. R3 y R4 han de dotar a la herramienta demarcacionista de un criterio de relevancia, de un dominio sobre el cual el criterio debe ser aplicado y de una estructura interna que articule los ítems de forma óptima.

Requisitos procedimentales:

R1: El criterio de demarcación de la pseudociencia ha de presentar un nivel mínimo de compromisos filosóficos. Mantener una carga filosófica mínima es deseable en aras de dotar de elegancia, de parsimonia y de capacidad de alcanzar consensos a la herramienta de demarcación. Es importante en este sentido la incorporación de variables mensurables y bien elucidadas a la vez que el descarte de aquellos supuestos filosóficos que resultan prescindibles.

R2: La elaboración del criterio debe tener como objetivo alcanzar y recoger consensos, al menos en dos sentidos. En primer lugar, ha de ser capaz de recoger todas las unidades de demarcación que a día de hoy son caracterizadas como pseudociencia de forma unánime y debidamente fundamentada. En segundo lugar, dado que la pseudociencia sufre continuos procesos de evolución cultural, el criterio debe ser capaz no sólo de demarcar futuras formas de pseudociencia, sino de alcanzar los mismos niveles de consenso respecto a ellas que los alcanzados respecto a la pseudociencia del presente y del pasado.

Requisitos del criterio:

R3: Presentarse como ciencia debe ser un requisito necesario para ser pseudociencia, dado que ésta es la naturaleza básica del fenómeno y su caracterización más básica como sub-clase de no-ciencia.

R4: Menos R3, todos los ítems del criterio deben ser discriminantes respecto a la ciencia, siendo suficiente para ser pseudociencia el cumplimiento de R3 y de al menos un ítem tipo-R4. “Discriminante” aquí significa que se trata de un rasgo que no puede darse en la ciencia de ningún modo, pero sí puede aparecer en la pseudociencia. Esto quizá se vea mejor si atendemos a la Figura 6. Asumimos que la ciencia se presenta como ciencia y, por tanto, que satisface R3 igual que ocurre con la pseudociencia. R3, entonces, pretende discernir la pseudociencia respecto a otras formas de no-ciencia, ya que estas sí incumplen R3. Ahora bien, lo realmente problemático del criterio de demarcación de la pseudociencia es distinguirla de la ciencia, y ahí es donde intervienen los ítems sugeridos tipo-R4. Por ello, nuestra selección de ítems discriminantes debe responder a la siguiente pregunta: “¿Si la ciencia cumpliera esta variable dejaría de ser ciencia?” Es decir, hemos de preguntarnos acerca de qué características presenta la pseudociencia que la ciencia no puede presentar sin dejar de ser ciencia por ello. Esto no significa que todos los ítems que señala R4 deban darse necesariamente en una unidad de demarcación para que esta sea considerada pseudociencia. Basta con que alguno/s de ellos se de, puesto que ninguno ocurre en la ciencia.

Figura 5

Figura 6: Esquema de la caracterización de la pseudociencia que se desprende del metacriterio. No es adecuado caracterizar la naturaleza de la ciencia como lo “no-pseudocientífico”, dado que la pseudociencia es una sub-clase de la no-ciencia
Nota: “x1, x2, x3, …xn” son ítems discriminantes tipo-R4.

Tanto los requisitos filosóficos que establece nuestro metacriterio para los ítems del criterio como la estructura de dichos ítems son ahistóricos. Esto significa que si bien la definición exhaustiva de los ítems por ejemplo, la causas de la falta de fiabilidad metodológica puede variar en el tiempo de acuerdo a nuevas variantes de pseudociencia, su presencia en el criterio no debería ser modificada, dado que no es esperable que la definición de la ciencia cambie de un modo tan radical como para convertir a estos ítems discriminantes en no-discriminantes. El metacriterio, además, incluye algunas cláusulas que sortean problemas ya discutidos. R4 establece la pregunta que debería guiar la selección de las variables a considerar en el análisis: que éstas sean discriminantes en el sentido de que los ítems del criterio de demarcación de la pseudociencia discriminen a la pseudociencia. R3 establece el criterio de selección de las unidades de demarcación, incluyendo una variable que no es tipo-R4 (es decir, es una variable incluida a priori) pero que resulta necesaria para demarcar la pseudociencia de otras formas de no-ciencia: el dominio del criterio será el conjunto de todas las unidades de demarcación que se presenten como ciencia. Por su parte, R1 y R2 establecen principios metodológicos que deberían guiar todo el proceso: es necesario encontrar el mayor consenso posible respecto a los ítems tipo-R4. Debemos evitar la existencia de múltiples criterios que arrojen resultados dispares según los compromisos filosóficos que impliquen.

Respecto a los problemas detectados en el demarcacionismo estadístico, este metacriterio es capaz de dar cuenta de varios de ellos:

– R1 y R2 dan cuenta del “problema del poder normativo” y, al menos parcialmente, del “problema de la definición de los ítems”, al establecer como necesario el consenso teórico a partir de una base filosófica lo más neutra posible, de la cual, en un análisis discriminante como el planteado, se debería desprender también el consenso práctico. El poder normativo del criterio se fundamenta también, por supuesto, en el carácter discriminante de R4, sin embargo, resulta de especial importancia recoger tanto la demarcación ya consensuada de la pseudociencia, justificándola, a la vez que se evaden compromisos filosóficos prescindibles. El criterio de demarcación de la pseudociencia es una herramienta de uso social y científico que no debería verse comprometida al responder a una determinada agenda filosófica. Por ejemplo, podemos encontrar esta clase de desviaciones teóricas en el criterio planteado por Bunge (1982), que demanda el apoyo social, el compromiso con un realismo científico fuerte que incluya la noción de verdad que él mismo defiende, o el descubrimiento y uso de leyes, todas ellas variables prescindibles, altamente problemáticas y demasiado cargadas filosóficamente como para alcanzar consensos.

Por su parte, el “problema de la medición de los ítems” sigue estando presente en la aplicación del criterio de demarcación que se desprende de este metacriterio, sin embargo, ha sido contenido hasta cierto punto. En primer lugar, porque ahora hablaremos de unos pocos ítems discriminantes como los característicos de la pseudociencia en contraste con la ciencia, lo cual reduce el problema de la medición de una cantidad excesiva de variables. En segundo lugar, porque al tratarse de ítems que caracterizan únicamente a la pseudociencia el problema se vuelve a reducir, esta vez cualitativamente, dado que hemos de medir dichas características únicamente en relación a la pseudociencia. Por ejemplo, si en el demarcacionismo estadístico era necesario medir el continuum de fiabilidad metodológica desde la pseudociencia hasta la ciencia, contando con todos los grises, en este caso bastaría con definir la falta absoluta de fiabilidad metodológica que a menudo se da en la pseudociencia.

– R3 neutraliza el “problema de la definición del dominio”. Resulta necesario definir correctamente el dominio de aplicación del criterio de demarcación de la pseudociencia a fin de evitar el problema habitual de confusión entre distintos tipos de creencias sin garantía epistémica, confundiendo a la pseudociencia, por ejemplo, con leyendas urbanas, con el pensamiento espiritual o con teorías de la conspiración sin contenido propiamente pseudocientífico. La pseudociencia se caracteriza por la explotación fraudulenta de la autoridad científica, con lo cual este rasgo debe definir el dominio de aplicación del criterio. De este modo, el criterio a desarrollar deberá ser aplicado únicamente a unidades de demarcación que se presenten como ciencia. Definir este dominio permite, en primer lugar, diferenciar a la pseudociencia respecto a otros tipos de no-ciencia, dado que R3 es una variable discriminante en este sentido; para discriminar entre pseudociencia y ciencia contamos con R4. Por ello, a fin de definir a la pseudociencia de forma elucidada y funcional, hemos de añadir a R3 el cumplimiento adicional por parte de la unidad de demarcación de algún ítem tipo-R4, dado que la ciencia también cumple R3.

– R4 es capaz de neutralizar el “problema del criterio de relevancia” y el “problema de la jerarquía entre los ítems”. Respecto al problema del criterio de relevancia, R4 nos indica que debemos tener en cuenta únicamente aquellas variables que estén presentes en la pseudociencia pero que no lo estén en la ciencia, de modo que todas las variables compartidas por ambas clases, aunque sea en grados distintos, serán consideradas como irrelevantes respecto a la demarcación de la pseudociencia. La pregunta que articula R4 (“¿si la ciencia cumpliera esta variable dejaría de ser ciencia?”) permite cribar las conductas de impostación de los pseudocientíficos, apelando únicamente a las características discriminantes entre ambas clases.

Respecto al problema de la jerarquía entre los ítems, la estructura interna del criterio que se desprende de este metacriterio solventa ese problema:

(pseudociencia) R3 y al menos una característica tipo-R4

Donde,

  • R3 es necesario.

  • Al menos una característica tipo-R4 es necesaria.

  • La conjunción de R3 y de al menos una característica tipo-R4 es suficiente.

Dado que todos los ítems tipo-R4 son discriminantes, todos están situados en el mismo nivel jerárquico por detrás de R3, teniendo la misma importancia y, por tanto, el mismo “potencial discriminatorio”, por así decirlo. Vale la pena preguntarse entonces, ¿por qué incluir en el criterio todas las variables tipo-R4 en lugar de una sola? Esto se debe a que las pseudociencias presentan diversas variables tipo-R4. Es decir, las razones por las cuales constituyen casos de no-ciencia pueden ser las mismas o pueden ser dispares. Por ejemplo, una unidad de demarcación puede ser no-ciencia por cuestiones que atañen a su dominio, mientras otra puede serlo debido a cuestiones que atañen a su fiabilidad metodológica. De este modo, una pseudociencia puede cumplir, por ejemplo, x1 y x3 pero no x2, o únicamente cumplir x3. Por esta razón, el criterio de demarcación de la pseudociencia debe ser de tipo multicriterio, incluyendo posibles variables discriminantes relativas a dimensiones metodológicas, epistemológicas, sociológicas o de dominio, sin embargo, el enfoque continuista tipo cluster resulta innecesario, dado que el cumplimiento de un único ítem tipo-R4 tiene el suficiente poder normativo como para poder afirmar que estamos ante un caso de pseudociencia.

Notas:

1 Sobre la disputada consideración que la teoría de cuerdas goza entre los físicos, puede consultarse, por ejemplo, Smolin (2007) y Woit (2007).

2 Recientemente ha resucitado el viejo debate sobre si la comprensión es una categoría epistemológica — que no únicamente psicológica — distinta de la explicación. A favor de ello puede verse de Regt (2017). En cuanto a la noción de explicación en la ciencia, la concepción basada en mecanicismos es la postura actualmente más en boga, ver Machamaer, Craver y Lindley (2001) y Woodward (2017).

3 Además de Gruenberger, algunos ejemplos de multicriterios estadísticos que encajan en términos generales con las ideas de Pigliucci han sido planteados por autores como Ruse (1995), Beyerstein (1995) o Lilienfeld, Ammirati y David (2012).

4 Podría replicarse en este punto apelando a la existencia de organismos transgénicos, pero en estos casos estamos hablando de unos pocos genes que no resultan estadísticamente relevantes.

5 No hay que presuponer que el parecido de familia debe ser un parecido meramente en los aspectos conductuales u observables de las entidades comparadas. De hecho, la noción de juego atribuye el mismo aire de familia a actividades que son muy diversas en este sentido. Por ello, Wittgenstein no tendría ningún problema para admitir que el parentesco genético, inobservable, es parte del parecido de familia de los primos. Sin embargo, sí tendría problemas para definir en términos objetivos por qué este rasgo es más importante que otros, al menos sin apelar a que su jerarquía radica en su papel en el juego del lenguaje en cuestión.

6 Autores como Williams (2007) o Coliva (2010) defienden que su contextualismo no es relativista, sin embargo, la lectura relativista de las ideas de Wittgenstein ha sido particularmente influyente (Bloor, 1983; Crayford, 1998)

7 Para ampliar información sobre el análisis de cluster puede consultarse (Everitt et al., 2015).

8 En efecto, no creo que sea necesario el uso de un programa de análisis de datos. La puesta en práctica un criterio adecuado no debería requerir de esta clase de procedimientos, dado que ya conocemos ambas clases (ciencia y pseudociencia) a priori y consideramos únicamente algunas pocas variables discriminantes. Los demarcacionistas estadísticos, en cambio, sí necesitan explicitar todas estas decisiones específicas respecto a su análisis de datos, dado que su propuesta metodológica lo demanda.

9 Tanto en los juicios entre Kitzmiller contra el Distrito Escolar de Dover, de 2005, como entre Mclean contra el Distrito Escolar de Arkansas, de 1982, se dictaminó en la sentencia que la enseñanza del creacionismo (o “ciencia de la creación”) como del diseño inteligente en las escuelas públicas en calidad de ciencia o en equidistancia respecto a ella constituía una violación de la Primera Enmienda de la Constitución de los Estados Unidos, al tratarse de formas pseudocientíficas de pensamiento religioso.

Agradecimientos:

Quisiera agradecer a Valeriano Iranzo por sus revisiones y valiosos comentarios, que han enriquecido considerablemente este texto. A Antonio Diéguez por sus sugerencias bibliográficas respecto al concepto de comprensión. Y a Alfonso Picó por sus siempre esclarecedoras explicaciones sobre análisis estadístico.

Bibliografía:
APA (2013) DSM-5 (Fifth edition). Washinton: American Psychiatry Publishing.
Baker G, Hacker P (1984) Scepticism, Rules and Language. Oxford: Blackwell.
Beyerstein B (1995) Distinguising Science from Pseudoscience. Consulted in: http://www.sld.cu/galerias/pdf/sitios/revsalud/beyerstein_cience_vs_pseudoscience.pdf.
Blancke S, Boudry M, Pigliucci M (2016) Why Do Irrational Beliefs Mimic Science? The Cultural Evolution of Pseudoscience. Theoria 83(1): 78-97.
Boghossian P (2006) Fear of Knowledge: Against Relativism and Constructivism. Oxford: Oxford University Press.
Bunge M (1982) Demarcating Science from Pseudoscience. Fundamenta Scientiae 3: 369-388.
Carnap (1950) Logical Fundations Probability. Chicago: University of Chicago Press.
Carnap R (1931) The Elimination of Metaphysics Through Logical Analysis of Languages. Erkenntnis 60.
Coliva (2010) Was Wittgenstein an Epistemic Relativist? Philosophical Investigations 33(1): 1-23.
De Regt H (2017) Understanding Scientific Understanding. Oxford: Oxford University Press.
Dietrich M (2000) The problem of the gene. C R Acad Sci III. 323(12): 1139-46.
Dupré J (1993) The Disorder of Th ings: Metaphysical Foundations of the Disunity of Science. Cambridge: Harvard University Press.
Ernst E (2015) A Scientist in Wonderland: A Memoir of Searching for Truth and Finding Trouble. London: Central Books.
Ernst E, Lee M, Choi T (2011) Acupuncture: Does it alleviate pain and are there serious risks? A review of reviews. PAIN 152(4): 755-764
Everitt B, Landeau S, Leese M, Stahl D (2011) Cluster analysis. New Jersey: Wiley.
Fasce A (2017) Los parásitos de la ciencia. Una caracterización psico-cognitiva del engaño pseudocientífico. Theoría 32(3): 347-365.
Fasce A (2018) What do we mean when we speak of pseudoscience? The development of a demarcation criterion based on the analysis of twenty-one previous attempts. Disputatio (In press).
Fasce A, Picó A (2018) Conceptual Foundations and Validation of the Pseudoscientific Belief Scale (Under review).
Fried E (2017) What are psychological constructs? On the nature and statistical modelling of emotions, intelligence, personality traits and mental disorders. Health Psychology Review 11(2): 130-134.
Goodman, N (1972) Problems and Projects. Indianapolis: Bobbs-Merrill.
Gruenberger F [1962](1964) A measure for crackpots. Science 25: 1413-1415.
Hansson SO (2017) Science and Pseudo-Science. In E. Zalta (Ed.) The Stanford Encyclopedia of Philosophy. Consulted in: https://plato.stanford.edu/archives/sum2017/entries/pseudo-science/>.
Hansson SO (1996) Defining Pseudoscience. Philosophia Naturalis 33: 169-176.
Hastie T, Tibshirani R, Friedman G (2017) The elements of statistical learning. Berlín: Springer.
Hezel et al. (2017) Clarifying the thought-action fusion bias in obsessive-compulsive disorder. Journal of Obsessive-Compulsive and Related Disorders (In press).
Hughton D, et al. (2015) Examining DSM Criteria for Trichotillomania in a Dimensional Framework: Implications for DSM-5 and Diagnostic Practice. Compr Psychiatry. 60: 9-16.
Hull D (1965) The Effect of Essentialism on Taxonomy—Two Thousand Years of Stasis. British Journal for the Philosophy of Science 16: 314-26.
Irwin D, Irwin J, Price T (2001) Ring species as bridges between microevolution and especiation, Genetica 112(113): 223-43.
Irzik G, Nola R (2011) A Family Resemblance Approach to the Nature of Science for Science Education. Science & Education 20(7-8): 591-607.
Johnson S, et al. (2018) Use of Alternative Medicine for Cancer and Its Impact on Survival. JNCI: Journal of the National Cancer Institute 110(1): 121-124.
Kripke S (1982) Wittgenstein on Rules and Private Language: An Elementary Exposition. Oxford, Blackwell.
Lakatos I (1978) Mathematics, Science, and Epistemology. Cambridge: Cambridge University Press.
Lilienfeld S, Ammirati R, David M (2012) Distinguishing science from pseudoscience in school psychology: Science and scientific thinking as safeguards against human error. Journal of School Psychology 50(1): 7-36.
Machamer P, Lindley D, Carver C (2000) Thinking About Mechanisms. Philosophy of Science 67: 1-25.
Niggemann B, Grüber C (2003) Side-effects of complementary and alternative medicine. Allergy 58(8): 707-716.
Pai A, Suris A, North C (2017) Posttraumatic Stress Disorder in the DSM-5: Controversy, Change, and Conceptual Considerations. Behav Sci (Basel) 13(1): 1-7.
Pigliucci (2013) A (Belated) Response to Laudan. In Pigliucci M, Boudry M (Eds.) Philosophy of Pseudoscience: Reconsidering the Demarcation Problem. Chicago: University of Chicago Press.
Pigliucci M (2003) Species as Family Resemblance Concepts: The (Dis-)solution of the Species Problem?. BioEssays 25:596–602.
Pompa L (1967) Family Resemblance. The Philosophical Quarterly 17(66): 63-69.
Rennert et al. (2015) DSM-5 Gambling Disorder: Prevalence and Characteristics in a Substance Use Disorder Sample
Richman, R (1962) Something Common. The Journal of Philosophy 59 (26): 821-830.
Rozenblit L, Keil F (2002) The misunderstood limits of folk science: an illusion of explanatory depth. Cognitive Science 26(5): 521-562.
Rumpho M, et al. (2008) Horizontal gene transfer of the algal nuclear gene psbO to the photosynthetic sea slug Elysia chlorotica. Proc Natl Acad Sci USA. 105(46): 17867-17871.
Ruse M (1982) Creation-Science is Not Science. Science, Technology, and Human Values, 7(40): 72-78.
Schieber K, et al. (2015) Classification of body dysmorphic disorder – what is the advantage of the new DSM-5 criteria?. J Psychosom Res 78(3): 223-227.
Smolin L (2007) The trouble with Physics. Boston: Mariner Books.
Soyfer V (1994) Lysenko and the Tragedy of Soviet Science. New Jersey: Rutgers University Press.
Suppe F (1984) Classifying sexual disorders: the Diagnostic and Statistical Manual of the American Psychiatric Association. J Homosex. 9(4): 9-28.
Suris A, Holliday, R North C (2016) The Evolution of the Classification of Psychiatric Disorders. Behav Sci 6(1): 5.
Templeton A (1992) The Meaning of Species and Speciation: A Genetic Perspective. In Ereshefsky M (Ed.) The Units of Evolution: Essays on the Nature of Species. Cambridge: MIT Press.
Toulmin S (1972) Human Understanding. Princeton: Princeton University Press.
Toulmin S (1984) The new philosophy of science and the “paranormal”. Skeptical Inquirer 9: 48-55.
Walitza (2014) [Obsessive-compulsive disorders in DSM-5 – what is new?]. Z Kinder Jugendpsychiatr Psychother 42(2): 126-127.
Williams M (2007) Why Wittgensteinian Contextualism is not Relativism. Episteme: A Journal of Social Epistemology 4(1): 93-114.
Wittgenstein L (1953) Philosophical investigations: New Jersey: John Wiley & Sons.
Woit P (2007) Not even wrong. New York: Basic Books.
Woodward J (2017) Scientific Explanation. In Zalta E (Ed.) The Stanford Encyclopedia of Philosophy. Consulted in: https://plato.stanford.edu/archives/fall2017/entries/scientific-explanation.

Anuncios

3 comentarios en “¿Son las pseudociencias como las gaviotas? Contra la demarcación estadística

  1. Fasce afirma que no hay híbridos entre ciencia y pseudociencia y pone el ejemplo entre astrología y astronomía, las cuales para él están claramente separadas. Sin embargo, un poco de historia real de la ciencia nos muestra que Fasce es un cuñado y que su teoría es patraña. Hiparco de Nicea a quien se atribuyen los primeros planisferios sistemáticos y la invención del astrolabio observaba lo astros y anotaba sus movimientos para a partir de ahí desarrollar sus predicciones astrológicas. Lo mismo puede decirse de Tycho Brahe y de Kepler.

    La teoría estadistica de demarcación (criticada por Fasce) me resulta acertada, interesante y realista. Por ejemplo: la economía, la sociología y la sociología mezclan elementos objetivos, cuantitativos y científicos con partes ideológicas, subjetivas y pseudocientíficas.

    Me gusta

Responder

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

Logo de WordPress.com

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

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

w

Conectando a %s