El ensayo de refutación es un escrito en el cual se plantea una idea o hipótesis y se la intenta refutar, o demostrar su falsedad, sobre la base de elementos de juicio lógicos y/o empíricos desarrollados en el mismo. Un ejemplo típico es aquel artículo en el cual se intenta refutar o ‘rechazar’ una hipótesis nula mediante pruebas empíricas.
Refutar no significa demostrar la verdad de una idea considerada falsa, sino demostrar la falsedad de una idea considerada verdadera. Algunos casos donde en algún sentido puede aplicarse la idea de refutación son los siguientes: a) Mayéutica: el método socrático que obligaba al interolocutor a ir reconociendo gradualmente la falsedad de una opinión tomada por cierta. b) Demostración por el absurdo: utilizada típicamente en matemáticas, intenta demostrar la falsedad de un enunciado ‘p’ demostrando la verdad de su contradictorio ‘no-p’. Este procedimiento ha sido llamado ‘indirecto’ porque, en lugar de probar que un enunciado es verdadero en forma ‘directa’, intenta hacerlo demostrando la falsedad de su contradictorio. c) Pruebas judiciales: en ciertos sistemas jurídicos se presume que el acusado es inocente, con lo cual la tarea del fiscal acusador consistirá en demostrar que la afirmación ‘el acusado es inocente’ es falsa, es decir, deberá intentar refutarla.
Pero fuera del campo filosófico, matemático o jurídico, en el territorio de las ciencias fácticas la refutación tiene una larga historia que culmina con la propuesta popperiana según la cual la gran tarea del científico no es probar la verdad de la teoría sino su falsedad, procedimiento llamado entonces refutación o falsación.
En este sentido, las hipótesis refutadas tienen su utilidad, pues “al eliminar cada una de las hipótesis falsas, el investigador va estrechando el campo en el cual deberá hallar una respuesta” (1). Por otro lado, las hipótesis confirmadas no son necesariamente verdaderas: simplemente, no se ha encontrado evidencia para refutarla.
En muchas ocasiones, elegir refutar en vez de confirmar obedece a una cuestión más práctica: desde el punto de vista estadístico es mucho más fácil intentar refutar que confirmar.
Un ejemplo típico de utilización de este procedimiento es el paper que se publica en una revista científica y donde el o los investigadores ponen a prueba su hipótesis utilizando un procedimiento de refutación desarrollado con herramientas estadísticas. Se trata de una exigencia metodológica habitual en los casos de artículos científicos y tesis de doctorado, aunque por su complejidad no suele ser requisito en evaluaciones acadámicas menores como las monografías que se piden durante una carrera de grado.
Se trata de un camino en cierta forma reñido con el sentido común. El sentido común nos dice, en efecto, que debemos tratar de probar la hipótesis de investigación, en vez de intentar refutar la hipótesis opuesta (llamada hipótesis nula). En otras palabras, es el que nos dice que debemos tratar de probar que una droga es efectiva para una enfermedad, en vez de refutar la hipótesis de que no es efectiva: “la hipótesis nula no siempre refleja las expectativas del investigador en relación con el resultado del experimento. Por lo general, se opone a la hipótesis de investigación, pero se la utiliza porque resulta más apropiada para la aplicación de procedimientos estadísticos” (2).
No intentaremos aquí explicar porqué resulta mejor refutar la hipótesis opuesta que probar directamente la nuestra. De hecho entender esta cuestión no es nada fácil. En su lugar, utilizaremos un sencillo ejemplo para dar cuenta en líneas generales de este proceso.
Supongamos que queremos averiguar si una persona tienen poder de adivinación, y para ello diseñamos un experimento donde le pedimos que diga si una moneda saldrá cara o ceca, antes de arrojarla nosotros. Decidimos realizar esta prueba 100 veces con la misma persona (3). Examinemos tres posibles resultados del experimento:
1) Acertó en el 50% de los casos.- Lo que pensamos aquí es que esta persona no tiene poder de adivinación, y que en los casos en que acertó, lo hizo por azar.
2) Acertó en el 100% de los casos.- Decididamente, esta persona tiene poder de adivinación! Este resultado no puede explicarse por el simple azar (4).
3) Acertó en el 75% de los casos.- Acá se nos presenta un problema, porque este 75% se encuentra a mitad camino entre el 50% y el 100%. Nuestro dilema es, entonces, qué conclusión sacar: ¿la persona acertó por azar o bien es realmente adivina?
Todo el mundo estaría de acuerdo con las dos primeras conclusiones, pero no todos opinarían lo mismo en este tercer caso: tal vez para unos lectores el 75% de aciertos no significa adivinación, mientras que para otros lectores sí. Necesitamos, entonces, ponernos todos de acuerdo en base a un criterio único, objetivo y compartido (5).
Supongamos ahora que todos nos hemos puesto de acuerdo en considerar el 75% como el límite entre el poder de adivinación y el azar: si la persona acierta en un 75% o más de los casos, es adivina, y si no, acordaremos en que acertó por azar. Considerando este 75% y una muestra de tamaño fijo, se pueden plantear dos hipótesis diferentes:
La hipótesis de investigación: “la persona es adivina”.
La hipótesis nula: “la persona no es adivina”.
En principio, si la persona acierta en un 75% o más de las veces, aceptamos la hipótesis de investigación y rechazamos la hipótesis nula (o al revés, si acierta en menos del 75% de las veces, rechazamos la hipótesis de investigación y aceptamos la hipótesis nula).
Sin embargo, aunque la decisión de aceptar la hipótesis de investigación y la decisión de rechazar la nula son formalmente equivalentes (una implica la otra), no lo son desde el punto de vista estadístico: como quedó dicho, es más fácil intentar el rechazo de la nula que la aceptación directa de la hipótesis de investigación. Si la nula se rechaza, concluímos que no hay motivos para desechar la hipótesis de la investigación, y si la nula no se rechaza, concluiremos que no hay motivos para aceptar la hipótesis de investigación.
No pretendemos que este enrevesado juego de palabras aclare al lector el proceso estadístico de refutación, pero bastará para darle alguna idea de su complejidad.
Pablo Cazau Lic en Psicología y Prof de Enseñanza Media y Superior en Psicología
Buenos Aires, Octubre 2001
(1) Deobold B. y otros, “Manual de técnica de la investigación educacional”, pág. 193.
(2) Deobold B. y otros, “Manual de técnica de la investigación educacional”, pág. 189.
(3) Cuanto más elevado sea el número de pruebas tanto mejor. Por ejemplo, si se realizan solamente dos pruebas y en ambas el sujeto adivinó, no por ello concluiremos que tiene el poder de adivinar, porque pudo haberlo hecho por azar. En cambio, si adivinó en las 100 pruebas, ya debemos empezar a pensar en un poder de adivinación real.
(4) Existe otra posibilidad: que la persona haya acertado en el 0% de los casos, es decir, que no haya acertado ni uno solo. Cabe pensar aquí que estos resultados tampoco pueden deberse al simple azar, y que esta persona tiene también un gran poder de adivinación.... pero para adivinar aquel evento que no se producirá!
(5) La elección de este criterio, que en estadística de la investigación se relaciona con el concepto de niveles de significación (alfa y beta), dependerá de cuanto estemos dispuestos a equivocarnos. Por ejemplo, si elegimos 90% (muy cerca del 100% del poder de adivinación) hay un riesgo muy alto de equivocarnos al concluír que la persona no tiene poder de adivinación (es decir, los resultados se deben al azar), o bien una alta probabilidad de acertar si concluímos que sí tiene poder adivinatorio (los resultados no se deben al azar).
