Filosofía y conocimiento

Miguel Moreno Muñoz
Monografía técnica 26311M9, v.3 - 2024

Licencia: CC BY-NC-SA 4.0

Contenido

• Introducción
• Agradecimientos
• Capítulo 1. Génesis y condiciones de posibilidad del conocimiento
  • 1.1. Tipos de conocimiento y metodologías asociadas
  • 1.2. Nociones básicas de epistemología
  • 1.3. Versiones del escepticismo
  • 1.4. Heterodoxia científica, protociencia y anticiencia
  • 1.5. Teorías de la verdad y criterios de certeza
  • 1.6. Paradigmas de racionalidad y conocimiento aplicado
  • 1.7. Creencias pseudocientíficas y errores metodológicos asociados
  • 1.8. El desarrollo de la medicina científica
    • 1.8.1. Indicadores y protocolos que han contribuido al avance de la medicina científica moderna
    • 1.8.2. Algunos protocolos e indicadores estandarizados
  • 1.9. Sesgos y riesgo de distorsión metodológica en otras disciplinas
  • 1.10. Mala praxis y publicidad fraudulenta en medicina y salud
  • 1.11. Intrusismo profesional
• Capítulo 2. El conocimiento científico y su instrumentalización en el debate social
  • 2.1. Asimetría en la evolución del consenso científico y el debate social
  • 2.2. Gestión política de resultados controvertidos de la investigación científica
  • 2.3. El uso tóxico de la epistemología: dinámicas de poder y concepción mercantil del conocimiento
  • 2.4. La ciencia como actividad institucionalizada orientada al consenso de los expertos
• Capítulo 3. Consenso científico, escepticismo y negacionismo del cambio climático
  • 3.1. Escepticismo: posición filosófica vs duda acerca del consenso sobre el cambio climático
    • 3.1.1. Pseudoescepticismo y duda irracional
    • 3.1.2. Escepticismo ante el cambio climático
  • 3.2. La credibilidad de los expertos en el debate sobre el cambio climático
  • 3.3. La coordinación entre las ciencias e instituciones que estudian el clima
  • 3.4. El problema de la falsación en dominios interdisciplinares complejos
  • 3.5. Dificultades para acotar los dominios disciplinares concernidos en los intentos de falsación de la ciencia climática
  • 3.6. Implicaciones sociales del consenso científico acerca del cambio climático
• Capítulo 4. Comunicación y difusión del conocimiento
  • 4.1. Cauces formales: revistas científicas, bases de datos, congresos
  • 4.2. Cauces informales: blogs, webs especializadas, podcasts
  • 4.3. Índices de impacto y evaluación de la calidad de las publicaciones científicas
  • 4.4. Plataformas de acceso a las publicaciones científicas y apropiación de resultados de investigación
  • 4.5. Estudios de alfabetización científica y percepción pública de la ciencia
• Capítulo 5. Acceso y apropiación
  • 5.1. El modelo tradicional de derechos de autor y propiedad intelectual
  • 5.2. Quién se beneficia de los resultados de investigación
  • 5.3. Sistema de patentes y criterios de patentabilidad
  • 5.4. El modelo open-access y las licencias creative-commons
  • 5.5. Modelos cooperativos y gestión de la complejidad interdisciplinar
• Capítulo 6. De la sociedad de la información a la sociedad del conocimiento
  • 6.1. Economía de la información y prospectiva histórico-social
  • 6.2. Política en la sociedad del conocimiento
  • 6.3. Del acceso a la participación activa en la generación de conocimiento
  • 6.4. Participación pública, democracia y conocimiento
  • 6.5. Redes sociales y redes de conocimiento: la revolución humanista
  • 6.6. Dataísmo, Internet de las Cosas (IoT) y algoritmos: AI y machine learning
  • 6.7. La irrupción de ChatGPT y otros servicios de IA generativa. Implicaciones
• Anexo I
  • A1. El conocimiento científico y su estatus disciplinar
  • A2. Disciplinas sin un estatus consolidado
  • A3. Disciplinas que perdieron su estatus
  • A4. Métodos consolidados según disciplinas
  • A5. Interdisciplinariedad teórica y dependencia metodológica
• Listado de casos
• Glosario
• Bibliografía

Introducción

Esta monografía tiene por objeto proporcionar una aproximación actualizada a problemas y casos interesantes para un curso de epistemología aplicada. Su orientación es más práctica que teórica, lo que explica que se dedique menos espacio a teorizar en abstracto sobre las fortalezas o debilidades de diversas metodologías de investigación científica que a identificar las ventajas e inconvenientes de su aplicación práctica en distintos dominios disciplinares, incluyendo los diferentes protocolos con los que trabajan profesionales e investigadores en áreas de conocimiento diferenciadas.

Los elementos teóricos proporcionados deberían ser suficientes para acotar el contexto amplio en el que ciertos problemas se originan y desarrollan; pero son los casos seleccionados y las referencias a debates en curso lo que se espera indagar en esta programación, para incentivar una dinámica de actualización y concreción constante.

Los primeros recursos utilizados para desarrollar el programa de la asignatura “Filosofía y conocimiento”, optativa del último curso del grado en Filosofía en la Universidad de Granada, consistían en una reducida selección de artículos, capítulos de libros y algunos enlaces recomendados para cada apartado del programa.

Con el tiempo, la cantidad de artículos extraídos de bases de datos de publicaciones electrónicas y piezas informativas de diversos medios que resultaban interesantes para articular talleres, exposiciones y sesiones centradas en estudio de casos fue creciendo hasta nutrir un listado muy prolijo y difícil de manejar.

Igualmente extensa se hizo la sección de bibliografía complementaria, dado que para ciertos problemas, casos o cuestiones específicas no era suficiente con aludir a uno o dos enfoques del asunto —y cada uno ligado a una fuente particular—, cuando diversas herramientas de búsqueda y consulta automatizada devolvían grupos diferenciados de enlaces y referencias, por lo general más orientativos sobre la diversidad de puntos de vista al respecto.

Los listados en ocasiones extensos de enlaces, referencias y notas de ciertos apartados se han agrupado en bloques expandibles de texto plano, intentado que cada referencia ocupe una sola línea numerada, fácilmente identificable. Se evita así desplazar al final de cada capítulo el listado de notas y referencias, como suele hacerse en textos académicos impresos. El formato elegido aquí permite copiar de un solo clic cada bloque de enlaces o referencias —un componente de funcionalidad común en los manuales o documentación técnica con fragmentos de código— y facilitar la comprobación por separado de las fuentes externas relacionadas con el contenido de cada apartado o sección.

A diferencia de los procesadores de texto más populares, herramientas como dillinger, stackedit, zettlr, editormarkdown, typora o marktext proporcionan una vista previa con enlaces activos al pegar el contenido de cada bloque de referencias, simplificando el manejo de fuentes y su incorporación en aplicaciones de notas y bases de conocimiento como notion, obsidian, joplin o logseq.

En versiones anteriores de este material se había optado por el formato bookdown (uno de los paquetes disponibles para R Studio) por tratarse de una herramienta bien conocida entre quienes tienen la necesidad de elaborar documentos técnicos, en el ámbito académico o empresarial. El resultado era un bloque de ficheros HTML interrelacionados que podía visualizarse en cualquier navegador, con un menú lateral para recorrer las distintas secciones. Las ventajas de accesibilidad y personalización que permitía bookdown (elección de tipo y tamaño de letra; fondo blanco, sepia u oscuro) las incorporan ya casi todos los navegadores con funciones como Vista lectura, Modo envolvente o mediante extensiones como Just Read, Reader View o similares. Por lo tanto, la simplicidad de navegación y legilibilidad en dispositivos con pantallas de diverso tamaño queda mejor resuelta como se hace en esta versión de fichero HTML5 único, con tabla de contenido al comienzo.

La documentación e indicaciones para los estudios de caso aparecen como un bloque plegado que se expande al clicar, utilizando una combinación de las etiquetas <details> y <summary> para facilitar una lectura fluida y sin distracciones del texto principal. En algunos apartados se introducen enlaces activos dentro del cuerpo de texto principal, que permiten una consulta rápida abriendo una nueva ventana o pestaña del navegador. El índice incluye un listado específico de temas para los estudios de caso y un glosario notablemente ampliado con respecto a versiones previas.

En octubre de 2024 se incorporaron algunos asistentes de razonamiento y cuestionarios que pueden ser útiles para revisar los conceptos e ideas centrales de diversos apartados. En su elaboración resultaron de especial utilidad herramientas como Claude.ai (Anthropic), GPT-4o1 (OpenAI) y Gemini 1.5 Pro (Google) con las cuales se generó y depuró el código y los scripts necesarios, además de introducir diversas mejoras en la interfaz de usuario. Otra herramienta fundamental ha sido RStudio, con la que se han procesado algunas tablas y esquemas conceptuales. Como alternativas a los buscadores más populares se han utilizado Ask.ai, Perplexity, Elicit, Copilot, GPT-4o y Claude 3.5 Sonnet, cuyos outputs han sido revisados y contrastados para detectar imprecisiones o alucinaciones en enlaces y referencias. El uso de estas herramientas ha sido útil para estructurar y resumir los aspectos relevantes en algunos estudios de caso y dar forma al extenso material en apartados saturados de contribuciones en la literatura. Es preciso reconocer que muchos recursos bibliográficos valiosos —sobre todo libros y monografías especializadas— habrían quedado fuera del radar de haber utilizado solo las herramientas convencionales de búsqueda en Scopus, Science Direct y Web of Science.

Agradecimientos

Una parte de los enlaces y recursos seleccionados procede de búsquedas y consultas para contribuir al debate informado en clase, suscitado al hilo de las exposiciones desarrolladas por los estudiantes en el aula o en respuesta a preguntas y planteamientos que ampliaban la discusión a otros temas no recogidos en la programación. Es obligado agradecer a quienes, en distintas promociones, participaron activamente en los debates o talleres, y con su actitud crítica contribuyeron a enriquecer las ideas, opiniones y elementos de información aportados en la sesión.

Dada la naturaleza interdisciplinar de muchos de los temas y cuestiones que se tratan en las asignaturas del último curso del grado en filosofía, agradezco a Francisco Lara, Antonio Diéguez, Enrique Iáñez, Jon Rueda, Joan Llorca y demás colaboradores u organizadores de los seminarios Tecnex las oportunidades de diálogo y debate con colegas de distintas facultades invitados para tratar temas de Ética y Filosofía Aplicada. Es imposible recordar cuántos elementos de aprendizaje e intercambio directo en estas sesiones terminan reorientando o enriqueciendo los demás apartados de la programación en un curso de epistemología aplicada.

En Granada, a 23 de octubre de 2024

Capítulo 1. Génesis y condiciones de posibilidad del conocimiento

1.1. Tipos de conocimiento y metodologías asociadas

En un sentido amplio, el conocimiento es la capacidad de comprender e interpretar la realidad a partir de información obtenida por diversos medios. Existen diferentes tipos de conocimiento según su origen, su naturaleza, su validez y su aplicación.

Los dominios disciplinares que sirven de referencia se caracterizan por su capacidad para obtener resultados rigurosos, metódicos, verificables, sistemáticos y sometidos a crítica:

• Conocimiento empírico: se basa en la experiencia directa y la observación de los hechos. No requiere de una explicación teórica ni de una comprobación sistemática. Es el conocimiento propio del sentido común y de las prácticas cotidianas.
• Conocimiento científico: se obtiene mediante el uso del método científico, que consiste en plantear hipótesis, diseñar experimentos, recoger datos, analizar resultados y elaborar teorías. Es un conocimiento objetivo, racional, verificable y falible.
• Conocimiento matemático: se basa en el uso de principios lógicos y simbólicos para resolver problemas abstractos y cuantitativos. Es un conocimiento deductivo, exacto, universal y necesario.

Pero existen otros tipos consolidados o caracterizados por el uso que parecen responden a criterios menos estrictos, lo que puede inducir comprensiones simplificadoras, estereotipadas o sesgadas de su complejidad:

• Conocimiento filosófico: se origina en la reflexión crítica y racional sobre los problemas fundamentales de la existencia, el conocimiento, la moral, la política, el arte, etc. No se limita a los hechos empíricos ni a las teorías científicas, sino que busca elementos ligados al sentido y la comprensión de la experiencia individual, en conexión con la realidad social y la naturaleza. Sus manifestaciones pueden ser muy heterogéneas, incluyendo tanto discursos y estilos de razonamiento muy dependientes de los resultados de disciplinas bien consolidadas (biología, física, matemática) como de otras formas de expresión más interpretativas (sociología, antropología, historia) o centradas en la creación y expresión subjetiva (literatura, producción artística).

⚠️ Esta caracterización abarca un espectro demasiado amplio de manifestaciones, que incluirían tanto las más cercanas a disciplinas científicas y sus métodos de trabajo como las que imitan formas de expresión artística y literaria. Incluir aspectos como la "comprensión de la experiencia individual" complica bastante la distinción entre reflexión filosófica y mera opinión.
El saber y la práctica filosófica pueden tener una función complementaria del conocimiento científico, aportando componentes antropológicos y éticos a la comprensión de la realidad. Pero no puede sustituir al conocimiento científico, ni tampoco ser sometido a sus criterios de validación en todos los aspectos relevantes. La reflexión filosófica "dependiente de disciplinas científicas consolidadas" no origina una versión alternativa (divulgativa o devaluada) de dichas disciplinas.
La alusión a "formas de expresión más interpretativas" introduce una cobertura demasiado amplia para discursos de naturaleza informal, ensayística o casual, sin compromiso con la evidencia o los fundamentos.

• Conocimiento artístico: es el conjunto de saberes relacionados con la expresión estética, la creatividad y la sensibilidad. No es objetivable ni verificable, sino que depende de la interpretación y el gusto de cada individuo. El conocimiento artístico no busca explicar la realidad, sino representarla o transformarla según la visión del artista.

Su dependencia del componente subjetivo hace esta caracterización problemática. Al afirmar que "no es objetivable ni verificable", se niega la posibilidad de criterios compartidos en la apreciación artística, ignorando en la práctica la existencia de escuelas artísticas con criterios estéticos compartidos y verificables en su contexto de referencia.
"Negar la intención explicativa" resulta igualmente problemático, puesto que dejaría fuera de la caracterización a ciertas corrientes artísticas con intenciones críticas o explicativas —y el valor internacionalmente reconocido a obras como el "Guernica" de Picasso, que busca representar y explicar una realidad histórica—.
La dependencia exclusiva del "gusto de cada individuo" supone en la práctica ignorar el contexto cultural y social del arte, determinante del valor asociado con las obras o manifestaciones artísticas.

• Conocimiento intuitivo: se adquiere por una percepción inmediata e irracional de la realidad, sin necesidad de razonamiento ni evidencia. Es un conocimiento subjetivo, espontáneo e inspirado.

Si se ignoran los procesos cognitivos subyacentes a la intuición experta, se complica bastante el manejo de criterios de validación (y la posibilidad de distinguir entre intuiciones acertadas y erróneas). Otro elemento problemático en esta caracterización: prescinde de los elementos asociados con aquellas intuiciones basadas en la experiencia y el conocimiento previo, cuyo papel es ampliamente reconocido en los diagnósticos realizados por profesionales experimentados de la medicina al diagnosticar una enfermedad, a partir de elementos adquiridos durante años de estudio y práctica en contextos relevantes.
Dejaría fuera contextos como el de la investigación matemática, donde la intuición puede llevar a descubrimientos verificables posteriormente.

• Conocimiento afectivo: se relaciona con las emociones y los sentimientos que experimentamos ante la realidad. Es un conocimiento subjetivo, personal e intransferible. No es objetivable ni verificable. No busca explicar la realidad, sino vivirla o sentirla según el estado emocional del sujeto.

Definirlo como "subjetivo, personal e intransferible" cercena la posibilidad de comprensión empática y comunicación en el registro emocional adecuado al contexto.
La interacción entre emociones y procesos cognitivos que ha motivado múltiples estudios en psicología y neurociencia no debería obviarse, como tampoco el hecho de que las emociones están influenciadas y moldeadas por el contexto social y cultural.
Fenómenos como la sincronización emocional en grupos o la transmisión de estados emocionales en espectáculos artísticos quedarían fuera del radar si se barajan caracterizaciones demasiado simplistas o sesgadas, ajenas igualmente al hecho de que las emociones pueden ser objeto de estudio científico —investigaciones sobre la expresión facial de emociones o la neurobiología del afecto, p. ej.—.

Otros tipos de conocimiento deben su estatus a la popularidad o usos tradicionales, pero no a su compatibilidad con los criterios del método científico:

• Conocimiento religioso: es el conjunto de saberes relacionados con la fe, la revelación y los códigos morales vinculados a las distintas tradiciones religiosas. El conocimiento religioso no se apoya en la razón ni en la observación, sino en la autoridad divina o eclesiástica. El conocimiento religioso no admite la duda ni el cuestionamiento en algún sentido equiparable al escepticismo metodológico de la actitud científica, por lo que el núcleo de creencias básico deriva de dogmas y preceptos consolidados en cada tradición. En un sentido amplio, incluye la reflexión especializada sobre los orígenes, evolución y fenomenología de las instituciones religiosas, incluyendo el estudio de sus dinámicas de poder y la producción cultural asociada. Pero en este aspecto se aleja de la caracterización inicial, en la medida que adopta métodos y técnicas de investigación propios de las ciencias sociales.

• Conocimiento chamánico: es el conjunto de "saberes" (y, sobre todo, prácticas) relacionados con la comunicación con el mundo espiritual, la sanación y la magia. El conocimiento chamánico no se basa en evidencias empíricas, sino en creencias y rituales. El conocimiento chamánico no se somete a la crítica ni a la contrastación, sino que se transmite de forma oral y secreta por los iniciados.

• Conocimiento ancestral: es el conjunto de saberes transmitidos de generación en generación por una cultura o una comunidad. El conocimiento ancestral puede tener elementos válidos y útiles, pero también puede contener errores, mitos y prejuicios. El conocimiento ancestral no se actualiza ni se corrige, sino que se conserva como parte de la identidad y la tradición.

• Sabiduría esotérica: es el conjunto de saberes ocultos o secretos que pretenden acceder a realidades superiores o trascendentes. La sabiduría esotérica no se fundamenta en argumentos lógicos ni en pruebas experimentales, sino en intuiciones y experiencias místicas. La sabiduría esotérica no se comparte ni se divulga, sino que se reserva para los elegidos o los iniciados.

En el dominio amplio de la investigación científica, cada ámbito disciplinar de conocimiento se asocia con una metodología diferente para su producción y transmisión, en constante evolución. Entre otros, estas metodologías incluyen:

• Observación: consiste en atender a los fenómenos que ocurren en nuestro entorno, registrando sus características y propiedades. Es una metodología propia del conocimiento empírico y científico.
• Experimentación: consiste en manipular las variables que intervienen en un fenómeno para comprobar sus efectos y establecer relaciones causales. Es una metodología propia del conocimiento científico.
• Deducción: consiste en inferir conclusiones necesarias a partir de premisas verdaderas. Es una metodología propia del conocimiento matemático y filosófico, pero bastante común en la interpretación y discusión de resultados experimentales.
• Inducción: consiste en inferir conclusiones probables a partir de casos particulares observados. Es una metodología propia del conocimiento científico y empírico.
• Abducción: consiste en inferir la hipótesis más plausible a partir de unos hechos observados. Es una metodología propia del conocimiento científico y filosófico.
• Introspección: consiste en examinar nuestros propios pensamientos, sentimientos y motivaciones. Es una metodología propia del conocimiento afectivo e intuitivo, como vía para comprender y procesar aspectos relevantes de la experiencia personal de difícil articulación mediante un razonamiento lógico explícito. Puede resultar útil en psicología clínica, psicoterapia y diagnóstico temprano de dificultades en psicología educativa.¹
• Diálogo: consiste en intercambiar ideas y argumentos con otras personas para contrastar puntos de vista y llegar a acuerdos o desacuerdos razonados. Es una metodología propia del conocimiento filosófico.
  

Tabla 1: Metodologías comúnmente utilizadas en diversas disciplinas y campos de actividad profesional^(2-10)

Referencias
1. Beretervide, V. (2019). Conocimiento, afectividad y verdad: Un camino de integración. https://www.aacademica.org/000-111/159.  

Enlaces (Tabla 1)
2. Deducción, inducción, abducción: razonando y argumentando. https://humanistasenlared.com/filosofia/deduccion-induccion-abduccion-razonar-argumentar/.
3. Diferencia entre inducción y deducción: sus métodos y ejemplos. https://www.diferenciador.com/induccion-y-deduccion/.
4. La Inteligencia Artificial en la Educación - UNESCO. https://es.unesco.org/themes/tic-educacion/inteligencia-artificial.
5. Ramas de la Inteligencia Artificial: Técnicas y aplicaciones | APD. https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para-que-se-utilizan/.
6. Desarrollo y retos de la Inteligencia Artificial - UNESCO. https://es.unesco.org/sites/default/files/l1_desarrollo_y_retos_de_la_ia.pdf.
7. Induction, Deduction, and Abduction | SpringerLink. https://link.springer.com/referenceworkentry/10.1007/978-3-030-26050-7_159-1.
8. Deduction, Induction, and Abduction - Communication - iResearchNet. https://communication.iresearchnet.com/communication-theory-and-philosophy/deduction-induction-and-abduction/.
9. Inductive vs. Deductive vs. Abductive Reasoning | Merriam-Webster. https://www.merriam-webster.com/grammar/deduction-vs-induction-vs-abduction.  
10. Razonamiento abductivo. https://es.wikipedia.org/wiki/Razonamiento_abductivo.  

1.2. Nociones básicas de epistemología

La epistemología es la rama de la filosofía que estudia el conocimiento científico: su origen, su naturaleza, sus límites, sus criterios y sus problemas. Su nombre proviene del griego episteme (conocimiento) y logos (estudio). Su objeto de estudio exige familiarizarse con una serie de conceptos básicos (verdad, evidencia, justificación, etc.) y criterios de calidad metodológica (coherencia, falsación, verificación, etc.).

La epistemología se ocupa de cuestiones como:

• ¿Qué es el conocimiento científico y cómo se diferencia de otros tipos de conocimiento?
• ¿Qué fuentes, métodos y herramientas utiliza la ciencia para producir conocimiento?
• ¿Qué conceptos, teorías y leyes forman el contenido del conocimiento científico?
• ¿Qué criterios se emplean para evaluar la verdad, la validez, la objetividad y la racionalidad del conocimiento científico?
• ¿Qué límites y dificultades encuentra la ciencia para conocer la realidad?
• ¿Qué tipos, ramas y disciplinas conforman el conjunto de las ciencias?
• ¿Cómo se relacionan las ciencias entre sí y con otras formas de saber?
• ¿Cómo evoluciona, cambia y progresa el conocimiento científico a lo largo de la historia?
• ¿Qué implicaciones sociales, éticas y culturales tiene el desarrollo de la ciencia?

La epistemología se puede dividir en dos grandes enfoques:

• Epistemología general: se ocupa de los aspectos comunes a todas las ciencias, como la definición, la clasificación, la metodología y la lógica del conocimiento científico.
• Epistemología particular: se ocupa de los aspectos específicos de cada ciencia, como sus conceptos, sus principios, sus problemas y sus resultados.

La epistemología tiene una estrecha relación con otras disciplinas filosóficas, como la ontología (que estudia el ser y la realidad), la gnoseología (que estudia el conocimiento en general), la lógica (que estudia las formas válidas del razonamiento) y la ética (que estudia los valores y las normas morales).

1.3. Versiones del escepticismo

El escepticismo es una corriente filosófica que pone en duda o niega la posibilidad de alcanzar un conocimiento verdadero y seguro de la realidad. Su nombre proviene del griego skeptomai (examinar, indagar).

El escepticismo surgió en la antigua Grecia con el pensamiento de Pirrón de Elis (siglo IV a.C.), quien sostenía que no podemos afirmar nada con certeza, sino solo opinar, pues todo es relativo al sujeto que conoce. Los escépticos proponían suspender todo juicio (epojé) y mantener una actitud de indiferencia (ataraxia) ante las apariencias.

El escepticismo se desarrolló en distintas escuelas y épocas, adoptando diferentes formas y grados. Algunas versiones del escepticismo son:

• Escepticismo radical: niega totalmente la posibilidad de conocer la verdad. Afirma que todo es incierto, dudoso e indemostrable. Es una postura extrema e incoherente, pues se contradice a sí misma al afirmar algo que no puede saber.
• Escepticismo moderado: duda parcialmente de la posibilidad de conocer la verdad. Afirma que hay algunas cosas que podemos conocer con certeza (como las matemáticas o la lógica), pero otras que no podemos conocer (como la metafísica o la religión). Es una postura más razonable y prudente, pues reconoce los límites del conocimiento humano.
• Escepticismo metódico: duda provisionalmente de todo lo que no sea evidente para encontrar un fundamento seguro del conocimiento. Afirma que hay que someter a examen crítico todas nuestras creencias para descartar las falsas y conservar las verdaderas. Es una postura instrumental y transitoria, pues busca superar la duda mediante la razón.

1.4. Heterodoxia científica, protociencia y anticiencia

La heterodoxia científica es el conjunto de teorías, hipótesis o afirmaciones que se apartan o contradicen el consenso establecido por la comunidad científica sobre un determinado campo o tema de investigación. La heterodoxia científica puede tener diferentes grados y motivos, desde una simple discrepancia hasta una ruptura radical.

La heterodoxia científica puede ser vista como una amenaza o un desafío para el conocimiento científico vigente, pero también como una oportunidad o un estímulo para su revisión y progreso.⁵ Algunos ejemplos históricos de heterodoxia científica son:

• La teoría de la relatividad de Einstein, que cuestionó los principios de la física newtoniana y abrió nuevos horizontes para la cosmología y la física cuántica.
• La teoría de la evolución de Darwin, que desafió las concepciones religiosas y metafísicas sobre el origen y la naturaleza de las especies y sentó las bases de la biología moderna.
• La teoría heliocéntrica de Copérnico, que contradijo el modelo geocéntrico defendido por la Iglesia y la tradición aristotélica y revolucionó la astronomía y la visión del mundo.⁴

La heterodoxia científica puede dar lugar a dos fenómenos distintos: la protociencia y la anticiencia.

• La protociencia es el conjunto de ideas, hipótesis o teorías que aún no han sido aceptadas ni refutadas por la comunidad científica, pero que tienen potencial para convertirse en ciencia si se someten al método científico y se contrastan con los hechos. La protociencia es una forma de exploración e innovación científica, que puede conducir al descubrimiento de nuevos fenómenos o al desarrollo de nuevas disciplinas.¹ Algunos ejemplos históricos de protociencia son:

  • La alquimia, que fue el precursor de la química moderna y que buscaba transformar los metales en oro, encontrar el elixir de la vida o la piedra filosofal.
  • La astrología, que fue el antecedente de la astronomía y que pretendía predecir el destino de las personas a partir de la posición de los astros.
  • La frenología, que fue el origen de la neurociencia y que pretendía determinar el carácter y las capacidades de las personas a partir de la forma del cráneo.

• La anticiencia es el conjunto de ideas, hipótesis o teorías que se oponen o rechazan el conocimiento científico establecido, sin ofrecer evidencias ni argumentos válidos para sustentar sus afirmaciones. La anticiencia es una forma de negación o distorsión de la ciencia, que puede tener fines ideológicos, religiosos, económicos o políticos.^4,5 La anticiencia puede causar daños sociales, ambientales o sanitarios al difundir falsedades o engaños.² Algunos ejemplos actuales de anticiencia son:

  • El creacionismo, que niega la teoría de la evolución y defiende que el origen y la diversidad de la vida se deben a un acto divino.
  • El negacionismo del cambio climático, que rechaza las evidencias y los consensos científicos sobre el calentamiento global y sus causas antropogénicas.
  • El movimiento antivacunas, que desconfía o rechaza las vacunas como método preventivo de enfermedades infecciosas, basándose en mitos o falsedades.³

Enlaces
1. Protociencia. https://es.wikipedia.org/wiki/Protociencia.  
2. Método científico: qué es, características, pasos, ejemplos. https://www.lifeder.com/pasos-metodo-cientifico/.  
3. Ciencia, pseudociencia y protociencia: Conceptos y diferencias clave.   https://www.menteyciencia.com/ciencia-pseudociencia-y-protociencia-conceptos-y-diferencias-clave/.  

Referencias
1. Kuhn, Thomas S. (1996). The Structure of Scientific Revolutions. 3rd ed. Chicago: University of Chicago Press (orig.: 1962).  
2. Feyerabend, P. (2010). Against Method. 4th ed. London: Verso, 2010. 

1.5. Teorías de la verdad y criterios de certeza

La verdad es una propiedad que se atribuye a las afirmaciones o proposiciones que se corresponden con la realidad. Pese al intenso debate filosófico sobre la noción de verdad, su naturaleza y criterios de determinación, parece improbable que la vedad deje de figurar entre los objetivos principales del conocimiento humano.

Existen diferentes teorías filosóficas sobre el concepto de verdad y los criterios de certeza asociados. Algunas de las más importantes son:

• Teoría de la correspondencia: sostiene que una proposición es verdadera si se corresponde con los hechos o con la evidencia empírica. Es una teoría realista, objetiva y verificacionista. Es propia del conocimiento científico y empírico. Esta teoría se asocia con Aristóteles y Bertrand Russell, entre otros autores. Presupone un marco epistémico realista y objetivista, fundamental en el conocimiento científico y en la investigación experimental. Sin embargo, ha sido criticada por la dificultad de definir precisamente qué constituye una "correspondencia" con la realidad.^{1, 2, 3}
• Teoría de la coherencia: sostiene que una proposición es verdadera si es coherente con un sistema lógico —consistencia interna— o con un conjunto de creencias —interconexión lógica de las proposiciones—. Es una teoría idealista, subjetiva y racionalista, propia del conocimiento matemático y clave en el razonamiento filosófico. No obstante, la coherencia por sí sola puede no garantizar la verdad, como argumenta Nicholas Rescher. Se suele subestimar la dificultad para definir qué constituye un sistema coherente y el problema de cómo manejar sistemas coherentes pero incompatibles^{4, 5, 6, 7}
• Teoría pragmática: propuesta por Charles Sanders Peirce y William James, sostiene que una proposición es verdadera si es útil o tiene consecuencias positivas para quien la sostiene. Es una teoría relativista, pragmática e instrumentalista, referencia habitual en ética aplicada y en el análisis de problemas morales. Sus críticos sostienen que tiende a relativizar los criterios de verdad y de valor moral, entre otras razones por la dificultad para eludir la circularidad en cualquier definición de "utilidad".^{8, 9}
• Teoría consensual: asociada a autores como Jürgen Habermas, esta teoría propone que la verdad emerge del consenso en una comunidad ideal de investigadores. Sus partidarios reconocen la dimensión social del conocimiento; pero no salen airosos en el debate sobre la posibilidad de alcanzar un consenso genuino y sobre cómo manejar el desacuerdo persistente, en particular cuando las posiciones están respaldadas por actores de autoridad reconocida. Es una teoría convencionalista, social e histórica, a la que se recurre con frecuencia en el debate antropológico o religioso y en los estudios culturales.^{10, 11, 12}
• Teoría deflacionaria: una perspectiva más reciente, defendida por Paul Horwich, entre otros autores. Argumenta que el concepto de verdad no tiene una naturaleza sustantiva y que su función es principalmente lógica o expresiva. Pese al interés de este enfoque minimalista, la propuesta ha sido cuestionada por sus limitaciones para capturar todos los usos del concepto de verdad. En ciertos debates, los actores negacionistas reciben de buen grado las interpretaciones minimalistas de conceptos como verdad o evidencia.^{13, 14}

Cada teoría de la verdad implica un criterio de certeza, es decir, un método o una prueba para establecer o justificar la verdad de una proposición.⁵ Algunos criterios de certeza son:

• La evidencia: consiste en apelar a los datos empíricos, los hechos observados o los resultados experimentales que confirman o refutan una proposición. Es el criterio propio de la teoría de la correspondencia, por más que en ocasiones resulte problemática la interpretación de la evidencia.¹²
• La deducción: consiste en inferir conclusiones necesarias a partir de premisas verdaderas, usando las reglas de la lógica. Es el criterio propio de la teoría de la coherencia.
• La utilidad: consiste en evaluar las consecuencias prácticas, morales o emocionales que se derivan de aceptar o rechazar una proposición. Es el criterio propio de la teoría pragmática.
• El consenso: consiste en apoyarse en la opinión mayoritaria, el acuerdo social o la autoridad reconocida que avalan o rechazan una proposición. Es el criterio propio de la teoría consensual, aunque sus implicaciones para el análisis de la objetividad científica deberían evaluarse con cautela (por el riesgo de distorsión que pueden introducir factores no epistémicos).¹⁵
• Simplicidad y economía conceptual: se trata de un criterio aplicable a varias teorías, no solo a la deflacionaria. Evocando la navaja de Ockham, conviene tener presente que la simplicidad puede entrar en conflicto con otros valores epistémicos, como señala Richard Boyd.¹⁶

Muchos filósofos contemporáneos consideran que estas teorías y criterios no son mutuamente excluyentes, por lo que en la práctica manejan enfoques pluralistas que reconocen la complejidad del concepto de verdad y la diversidad de contextos epistémicos donde poner a prueba su alcance.¹⁷

1. Russell, B. (1912). Problems of Philosophy. London: Oxford University Press.  
2. David, M. (2022). "The Correspondence Theory of Truth", The Stanford Encyclopedia of Philosophy, Edward N. Zalta (ed.), https://plato.stanford.edu/entries/truth-correspondence.  
3. Künne, W. (2003). Conceptions of Truth. En Oxford University Press eBooks. https://doi.org/10.1093/0199241317.001.0001.  
4. Blanshard, B. (1939). The Nature of Thought. London: Allen & Unwin. 
5. Rescher, N. (1973). Coherence Theory of Truth. Londres, Inglaterra: Oxford University Press.  
6. Walker, R. C. S. (2018). "The Coherence Theory of Truth". In M. Glanzberg (Ed.), The Oxford Handbook of Truth,  (ch. 8: 219-236). Oxford University Press.  
7. Damnjanovic, N., Candlish, S. (2013). The Myth of the Coherence Theory of Truth. In: Textor, M. (eds) Judgement and Truth in Early Analytic Philosophy and Phenomenology. History of Analytic Philosophy. Palgrave Macmillan, London. https://doi.org/10.1057/9781137286338_8.  
8. James, W. (1907). Pragmatism. New York: Longmans, Green, and Co.   
9. Haack, S. (1976). The Pragmatist Theory of Truth. The British Journal For The Philosophy Of Science, 27(3), 231-249. https://doi.org/10.1093/bjps/27.3.231.  
10. Habermas, J. (1984). The Theory of Communicative Action: Reason and the rationalization of society. Boston : Beacon Press. 
11. Rehg, William. 2009. Cogent science in context: The science wars, argumentation theory, and Habermas. Mit Press.  
12. Kuhn, Thomas S. (1962, 1996). The Structure of Scientific Revolutions. 3rd ed. Chicago: University of Chicago Press. 
13. Horwich, P. (1998). Truth, Ch. 1, 3. Oxford University Press.  
14. Kunne, W. (2003). Conceptions of Truth. Oxford, Inglaterra: Clarendon Press.  
15. Longino, H. E. (1990). Science as Social Knowledge: Values and Objectivity in Scientific Inquiry. Princeton University Press.  
16. Boyd, R. (1990). Realism, approximate truth, and philosophical method. In C. Wade Savage (Ed.), Scientific Theories, pp. 355-391. University of Minnesota Press.  
17. Lynch, M. P. (2009). Truth as One and Many. Oxford University Press.

1.6. Paradigmas de racionalidad y conocimiento aplicado

Un paradigma es un modelo o un patrón que orienta el pensamiento y la acción en un determinado ámbito o disciplina. Un paradigma establece los principios, los métodos, los conceptos y los problemas que se consideran válidos y relevantes para el desarrollo del conocimiento.¹

Un paradigma de racionalidad es un conjunto de normas, valores y criterios que definen lo que se considera racional o irracional en un contexto histórico y cultural determinado. Un paradigma de racionalidad determina lo que se acepta como verdadero, falso, lógico, ilógico, coherente, incoherente, etc.

Un paradigma de conocimiento aplicado es un conjunto de teorías, técnicas y prácticas que se utilizan para resolver problemas concretos y satisfacer necesidades específicas en un ámbito profesional o social determinado. Un paradigma de conocimiento aplicado implica el uso de conocimientos científicos, tecnológicos, artísticos, etc.³

Los paradigmas de racionalidad y conocimiento aplicado pueden variar según las épocas, las culturas y las disciplinas.² Algunos ejemplos históricos de paradigmas son:

• El paradigma clásico: se basa en la racionalidad griega y latina, que busca la armonía, la proporción y la belleza en el conocimiento. Se aplica a las artes, las matemáticas y la filosofía.
• El paradigma medieval: se basa en la racionalidad cristiana, que busca la fe, la revelación y la salvación en el conocimiento. Se aplica a la teología, la escolástica y el derecho canónico.
• El paradigma moderno: se basa en la racionalidad científica, que busca la observación, la experimentación y la explicación en el conocimiento. Se aplica a las ciencias naturales, sociales y humanas.
• El paradigma posmoderno: se basa en la racionalidad crítica, que busca la diversidad, la complejidad y la interpretación en el conocimiento. Se aplica a las ciencias sociales, humanas y culturales.

1. Kuhn, Thomas S. (1962, 1996). The Structure of Scientific Revolutions. 3rd ed. Chicago: University of Chicago Press, 1996.  
2. Habermas, Jürgen (1984). The Theory of Communicative Action, Volume 1: Reason and the Rationalization of Society. Translated by Thomas McCarthy. Boston: Beacon Press.  
3. Schön, Donald A. (1983). The Reflective Practitioner: How Professionals Think in Action. New York: Basic Books.

1.7. Creencias pseudocientíficas y errores metodológicos asociados

Las pseudociencias no se ajustan a criterios básicos de evidencia y reproducibilidad de resultados, lo que mina la eficacia de cualquier tratamiento asociado:

1.8. El desarrollo de la medicina científica

La evolución de los indicadores de calidad científica y refinamiento de los protocolos de investigación en medicina se produjo a lo largo de los siglos XIX y XX, como resultado de la aplicación del método científico a la práctica médica.

El método científico se basa en la observación, la formulación de hipótesis, la experimentación, la medición y la verificación de los resultados. Algunos hitos importantes en este proceso fueron:

• La introducción del concepto de ensayo clínico aleatorizado por Austin Bradford Hill en 1948, como una forma de evaluar la eficacia y seguridad de las intervenciones terapéuticas.¹
• La creación de la escala Jadad en 1996, como una herramienta para valorar la calidad metodológica de los ensayos clínicos, basada en el grado de aleatorización, el cegamiento y el seguimiento de los participantes.²
• La publicación de la declaración CONSORT en 1996, como un conjunto de recomendaciones para mejorar la transparencia y el rigor de los informes de los ensayos clínicos, incluyendo una lista de verificación y un diagrama de flujo.³
• La elaboración de la declaración PRISMA en 2009, como una guía para realizar y reportar revisiones sistemáticas y metaanálisis de estudios que evalúan intervenciones sanitarias, con el fin de facilitar su síntesis y comparación.⁴
• El desarrollo del índice h en 2005, como una medida que combina la cantidad y la calidad de la producción científica de un investigador, basada en el número de artículos publicados y el número de citas recibidas.⁵

Referencias  
1. Hill, A. B. (1952). The clinical trial. New England Journal Of Medicine, 247(4), 113-119. https://doi.org/10.1056/nejm195207242470401  
2. Jadad, A. R., Moore, R., Carroll, D., Jenkinson, C., Reynolds, D. M., Gavaghan, D. J., & McQuay, H. J. (1996). Assessing the quality of reports of randomized clinical trials: Is blinding necessary? Controlled Clinical Trials, 17(1), 1-12. https://doi.org/10.1016/0197-2456(95)00134-4.  
3. Moher, D., Schulz, K. F., & Altman, D. G. (2001). The CONSORT statement: revised recommendations for improving the quality of reports of parallel-group randomised trials. Lancet (London, England), 357(9263), 1191–1194.    
4. Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & PRISMA Group (2009). Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097.   
5. Hirsch, J. E. (2005). An index to quantify an individual’s scientific research output. Proceedings Of The National Academy Of Sciences, 102(46), 16569-16572. https://doi.org/10.1073/pnas.0507655102.   

Enlaces recomendados   
1. Indicadores de calidad - Semicyuc. https://semicyuc.org/wp-content/uploads/2018/10/indicadoresdecalidad2017_semicyuc_spa-1.pdf.  
2. Indicadores bibliométricos y su importancia en la investigación clínica. https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1134-80462019000500012. 
3. Identificación de indicadores de buenas prácticas en gestión clínica. https://www.elsevier.es/en-revista-journal-healthcare-quality-research-257-articulo-identificacion-indicadores-buenas-practicas-gestion-S1134282X18300095.  
4. Indicadores bibliométricos y su importancia en la investigación clínica. https://dx.doi.org/10.20986/resed.2018.3659/2018.  

1.8.1. Indicadores y protocolos que han contribuido al avance de la medicina científica moderna

La implementación de protocolos estandarizados que garantizan la calidad y fiabilidad de la investigación científica ha sido un factor crucial para consolidar la medicina moderna como un dominio disciplinar de referencia, riguroso en su práctica experimental y basado en la evidencia. En comparación con las prácticas y métodos de producción teórica existentes hasta la primera mitad del siglo XX, los nuevos protocolos y criterios de calidad epistémica han transformado positivamente la forma en que se realizan, evalúan y comunican los estudios médicos, contribuyendo de modo decisivo al avance del conocimiento y la eficiencia la práctica clínica.

La estandarización se produce en toda la cadena de actuaciones, desde el diseño y ejecución de estudios hasta la evaluación de su calidad y los canales para la comunicación de sus resultados. Un componente fundamentales es el ensayo clínico aleatorizado, considerado el estándar de oro en la investigación médica. En este tipo de estudios, los participantes son asignados aleatoriamente a diferentes grupos de intervención, lo que permite establecer relaciones causales entre tratamientos y resultados con un alto grado de fiabilidad.

Se han desarrollado herramientas como la Escala Jadad, que evalúa aspectos clave como la aleatorización, el cegamiento y el seguimiento de los participantes, para garantizar la calidad de los ensayos. La escala, que va de 0 a 5, proporciona una medida objetiva de la calidad metodológica de los ensayos clínicos, permitiendo al personal investigador y clínico evaluar rápidamente la fiabilidad de los resultados presentados.

La comunicación efectiva de los resultados de la investigación es otro aspecto crucial en el avance de la medicina moderna. A tal efecto son relevantes declaraciones como CONSORT (Consolidated Standards of Reporting Trials) y PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) —la primera para ensayos clínicos y la segunda para revisiones sistemáticas y metaanálisis—, cuya adopción internacional ha contribuido a difundir estándares rigurosos para la presentación de estudios. Ambas proporcionan listas de verificación detalladas, para asegurar que todos los elementos esenciales de un estudio se hacen constar en los informes de manera clara y completa, facilitando la interpretación y reproducibilidad de los resultados.^{1, 2}

La Declaración STROBE (STrengthening the Reporting of OBservational studies in Epidemiology) ha jugado un papel similar en relación con los estudios observacionales, ayudando a establecer pautas para la comunicación transparente y completa de este tipo de investigaciones, sobre todo en áreas donde los ensayos clínicos aleatorizados pueden no ser factibles ni éticos.

La evaluación del impacto y la productividad de los investigadores también se ha beneficiado de la estandarización, con la introducción de métricas como el Índice h y el Índice i10. Estas herramientas proporcionan una medida cuantitativa del impacto de un investigador basada en el número y la calidad de sus publicaciones, reforzando aspectos relevantes para una evaluación objetiva de las contribuciones científicas y el prestigio o reputación profesional de los autores.

En campos específicos como la fisioterapia y la cirugía, escalas como PEDro (Physiotherapy Evidence Database) y MINORS (Methodological index for non-randomized studies) han sido desarrolladas para evaluar la calidad metodológica de los estudios en función de las particularidades de estas disciplinas. Estas herramientas especializadas permiten una evaluación más precisa y relevante de la investigación en áreas específicas de la medicina.

La estandarización también ha llegado al campo de las pruebas diagnósticas con la declaración STARD (Standards for Reporting of Diagnostic Accuracy Studies), que establece normas para informar acerca de la precisión de las pruebas utilizadas en los estudios. Se trata de un aspecto crucial para asegurar que el personal clínico recibe información fiable sobre la sensibilidad y especificidad de las herramientas diagnósticas que utilizan en su práctica diaria.³

La evolución de los criterios de calidad y aspectos a verificar en los ensayos clínicos aleatorizados, escalas de evaluación de calidad y guías para la comunicación de resultados han sido herramientas determinantes de la robustez del marco en el que se produce, evalúa y disemina el conocimiento científico en el ámbito de la investigación biomédica. Además, ha sido la base para facilitar la traslación de los hallazgos científicos a la práctica clínica, beneficiando en última instancia a los pacientes y a la sociedad en su conjunto.

1. Gómez-García, F. et al. (2019). Systematic reviews and meta-analyses on psoriasis: role of funding sources, conflict of interest and efficacy of therapies. British Journal of Dermatology, 180(2), 297-305. https://doi.org/10.1111/bjd.17109.  
2. Page, M. J. et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. PLOS Medicine, 18(3), e1003583. https://doi.org/10.1371/journal.pmed.1003583.  
3. Cohen, J. F. et al. (2016). STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration. BMJ Open, 6(11), e012799. https://doi.org/10.1136/bmjopen-2016-012799.

1.8.2. Algunos protocolos e indicadores estandarizados

Existen muchos protocolos y listas de verificación para abordar diferentes aspectos de la investigación clínica. Los que se muestran a continuación son una relación muy básica:

Tabla 1. Protocolos e indicadores estandarizados en investigación clínica^(1-4)

1. Identificación de indicadores de resultado en salud. https://www.elsevier.es/es-revista-revista-calidad-asistencial-256-articulo-identificacion-indicadores-resultado-salud-atencion-S1134282X17300544.  
2. Escalas y listas de evaluación de la calidad de estudios científicos. http://www.acimed.sld.cu/index.php/acimed/article/view/438/318.  
3. Calidad metodológica del trabajo de grado. https://www.elsevier.es/es-revista-educacion-medica-71-avance-resumen-calidad-metodologica-del-trabajo-grado-S1575181316300936.  
4. Cómo analizar la calidad de un artículo científico (Elsevier). https://www.elsevier.com/es-es/connect/educacion-medica/analizar-calidad-articulo-cientifico-guia-de-publicacion-consort.  

1.9. Sesgos y riesgo de distorsión metodológica en otras disciplinas

Los resultados e interpretación de los ensayos clínicos pueden quedar sesgados por falta de cautela, impericia o malapraxis, afectando a su validez y fiabilidad teórica, con impacto potencial en la toma de decisiones clínicas y las políticas de salud. A continuación, se analizan las consecuencias de los sesgos mencionados en el diseño, ejecución e interpretación de ensayos clínicos:

1. El sesgo de selección puede alimentar expectativas incorrectas sobre la eficacia o seguridad de un tratamiento, cuando ciertas diferencias preexistentes entre los grupos se atribuyen erróneamente a la intervención. El aspecto clave es una distribución desequilibrada de las características basales entre los grupos de intervención y control.¹

2. El sesgo de realización —cuando los participantes o el personal involucrado conoce la asignación de las intervenciones— puede producir un efecto placebo o alterar el comportamiento e influir en los resultados.²

3. El sesgo de detección —los evaluadores que conocen la asignación de las intervenciones pueden influir inconscientemente en la medición de los resultados— puede alterar aspectos subjetivos como la evaluación del dolor o la calidad de vida, sobrestimando o subestimando los efectos del tratamiento.³

4. El sesgo de desgaste se produce por la pérdida de participantes durante el desarrollo del estudio, lo que puede alterar el equilibrio entre los grupos y afectar la validez de los resultados. Cuando los abandonos tienen que ver con la eficacia o efectos adversos del tratamiento, los resultados finales dejan de ser representativos de la población original y pueden distorsionar la generalización de los hallazgos.²

5. El sesgo de notificación alude a la notificación selectiva de resultados, que puede distorsionar la percepción de eficacia o seguridad de una intervención. Informar solo de resultados favorables o estadísticamente significativos puede inducir una sobreestimación del beneficio de un tratamiento o una subestimación de sus riesgos, incrementando la probabilidad de daño en los pacientes.³

Materializados de forma individual o colectiva, los sesgos mencionados pueden socavar la integridad de un ensayo clínico y traducirse en decisiones erróneas o daños evitables. En función de su gravedad, puede condicionar negativamente diversos aspectos de la práctica clínica y servir de pretexto para decisiones reguladoras desproporcionadas, incluyendo cambios precipitados en las políticas de salud pública. Investigadores, revisores y lectores de resultados deberían actuar con cautela y plena consciencia del riesgo potencial que suponen cuando pasan desapercibidos en la interpretación de los ensayos clínicos. Para minimizarlos, la principal herramienta consiste en asegurar una aleatorización adecuada, el cegamiento efectivo y el registro previo de protocolos, lo que se asocia con mayor nivel de confianza, transparencia y garantías de validez en los resultados de los ensayos clínicos.^{4, 5, 1}

Tabla 1: Sesgos en el diseño e interpretación de resultados de investigación

Tabla 2: Sesgos frecuentes por ámbito disciplinar^{a, b, c}

Enlaces asociados con la tabla 2   
a. Sesgo de investigación: Qué es, tipos y ejemplos. https://www.questionpro.com/blog/es/sesgo-de-investigacion/  
b. Metodología en Ciencias Sociales. https://uapa.cuaieed.unam.mx/sites/default/files/minisite/static/5955012c-005c-4441-b3a3-e9868a0cf8d1/contenido/index.html
c. Metodología de ciencias sociales. https://es.wikipedia.org/wiki/Metodolog%C3%ADa_de_ciencias_sociales  

Referencias 
1. Sterne, J. A. C. et al. (2019). RoB 2: A revised tool for assessing risk of bias in randomised trials. BMJ, 366, l4898. https://doi.org/10.1136/bmj.l4898.  
2. Higgins, J. P. T. et al. (2021). Assessing risk of bias in a randomized trial. In J. P. T. Higgins, J. Thomas, J. Chandler, M. Cumpston, T. Li, M. J. Page, & V. A. Welch (Eds.), Cochrane Handbook for Systematic Reviews of Interventions (version 6.2). Cochrane. https://training.cochrane.org/handbook/current/chapter-08.   
3. Page, M. J. et al. (2021). Assessing risk of bias due to missing results in a synthesis. In J. P. T. Higgins, J. Thomas, J. Chandler, M. Cumpston, T. Li, M. J. Page, & V. A. Welch (Eds.), Cochrane Handbook for Systematic Reviews of Interventions (version 6.2). Cochrane. https://training.cochrane.org/handbook/current/chapter-13.   
4. De la Cuesta, D. G. (2021). Errores y sesgos en investigación clínica. Enfermería Intensiva, 32(4), 220-223. https://doi.org/10.1016/j.enfi.2021.03.003.  
5. Blanco, D. (1/10/2018): Cómo analizar la calidad de un artículo científico: el riesgo de sesgo y la guía de publicación CONSORT en ensayos aleatorizados. https://www.elsevier.com/es-es/connect/educacion-medica/analizar-calidad-articulo-cientifico-guia-de-publicacion-consort.   

1.10. Mala praxis y publicidad fraudulenta en medicina y salud

Las disciplinas científicas se desarrollan fortaleciendo sus conexiones con otras cuya base lógica, matemática y filosófica no resulta problemática. La interdependencia no se limita a enunciados teóricos.¹ La base de procedimientos técnicos y metodológicos resulta crucial para resolver nuevos problemas y delimitar aplicaciones fraudulentas o sesgadas del conocimiento teórico.

«Toda ciencia es un sistema conceptual y es, a su vez, un miembro del sistema del conocimiento humano. Ninguna ciencia fáctica es independiente o autosuficiente: toda disciplina interactúa con otras disciplinas y todas ellas poseen un núcleo lógico, matemático y filosófico común. Cualquier campo que no esté relacionado de este modo no es científico: si está aislado, es un fraude.»

13. Bunge, Crisis y reconstrucción de la Filosofía (cap. 2, aptdo. 12).

Cuando se dirige información engañosa a colectivos vulnerables —sea por falta de medios para procurarse la atención que necesitan o por la inexistencia de tratamientos eficaces para su enfermedad— la mala praxis deriva en delito y debería ser perseguida por la autoridad sanitaria.

En cuestiones de salud y medicina no hay información inocua. O se publicitan productos de utilidad y eficacia probada, testados en ensayos controlados y sujetos a control para autorizar su comercialización, o se incurre en mala praxis profesional, con riesgo alto de promover conductas imprudentes e interferir con los tratamientos de utilidad médica, de los que puede depender la supervivencia de muchos pacientes.
🎞️ Ética aplicada a la ciencia y la vida profesional (10/01/2021).

La única forma de evitar este daño es regular la comercialización de productos utilidad médica y sancionar la publicidad fraudulenta,² además de supervisar los canales formales e informales a través de los cuales individuos o empresas publicitan o venden productos sin eficacia probada y buscan eludir los controles de calidad del mercado regulado.

🔗 El fallecimiento de varias personas en pocos años por abandono del tratamiento médico prescrito y su sustitución por pseudoterapias ha llevado a compañías como Google a prohibir los anuncios de tratamientos experimentales o sin aval científico en servicios como Youtube. La política al respecto se basa en tres razones:

1. Evitar que los usuarios sean engañados con productos o servicios que no funcionan.
2. Fomentar la confianza en la ciencia y la medicina basadas en evidencia (criterio clásico de salud pública).
3. Crear un entorno seguro de actividad en línea, donde los usuarios tengan acceso a información fiable y de calidad.

En el debate sobre la pluralidad de los criterios de certeza y nociones de verdad es importante considerar estos casos de fraude y riesgo grave para la salud como el contexto de referencia natural donde deben ser puestas a prueba.^{3, 4}

El compromiso con la versión prágmática (una proposición es verdadera si su aceptación tiene consecuencias útiles o beneficiosas) o construccionista (la verdad se construye socialmente a través de las interacciones humanas y los acuerdos intersubjetivos) no resulta especialmente útil para promover procedimientos independientes y rigurosos de validación y puesta a prueba.⁵

No cabe aludir a la inocuidad o al efecto placebo de estos productos para justificar la inacción y desentenderse de las pseudociencias y pseudoterapias.⁶ Mario Bunge considera que la importancia práctica de caracterizar la seudociencia se justifica por su volumen de negocio, en el orden de los miles de millones de dólares por año y superior al presupuesto destinado a investigación y desarrollo de muchos países. Aunque el debate filosófico al respecto sea ignorado en los medios, no debería quedar excluido de los ámbitos donde se toman decisiones para promover la investigación científica y la docencia universitaria.^{6, 7, 8}

👩‍💻 La presidenta de la de la Asociación para Proteger al Enfermo de Terapias Pseudocientíficas, considera necesaria la prohibición de estos anuncios y "terminar con el anonimato en este tipo de canales, noticias e información fake de manera que los autores puedan ser rápida e inequívocamente identificados y pueda trazarse su actividad así como su reincidencia”.

5. Campos y su valoración del caso, aquí.

Mostrar vídeo (Ética de la investigación)

1. Popper, Karl (1963). Conjectures and Refutations: The Growth of Scientific Knowledge. London: Routledge. Caps. 1 y 10.  
2. laSexta.com (21/10/2018). El imperio económico de las pseudociencias: así ganan miles de millones de euros por remedios sin base científica. https://www.lasexta.com/noticias/sociedad/el-millonario-negocio-de-las-pseudociencias-ganan-millones-de-euros-por-remedios-sin-base-cientifica_201810215bcc95da0cf2fd5173881b6c.htm.  
3. Bunge, Mario A. (2002). Crisis y reconstrucción de la filosofía. Barcelona: Editorial Gedisa. Caps. 7-8.
4. Pereda, Olga y Raffio, Valentina (19/10/2018). Los imperios económicos de los charlatanes de la pseudociencia. https://www.elperiodico.com/es/sociedad/20181019/facturacion-empresas-pseudociencia-pamies-corbera-marti-7097119 .  
5. Laudan, Larry (1996). Beyond positivism and relativism: Theory, method, and evidence. Westview Press (hoy Routledge).  
6. Ernst, Edzard (3/04/2012). "Why I changed my mind about homeopathy".  The Guardian, https://www.theguardian.com/science/blog/2012/apr/03/homeopathy-why-i-changed-my-mind.  
7. COSCE (8/06/2018). Pseudociencias y pseudoterapias. Una verdad igualmente incómoda. https://cosce.org/pseudociencias-y-pseudoterapias-una-verdad-igualmente-incomoda-jornada-cosce-2018/.  
8. Finniss, Damien G., Ted J. Kaptchuk, Franklin Miller, y Fabrizio Benedetti. 2010. “Biological, Clinical, and Ethical Advances of Placebo Effects”. Lancet 375 (9715): 686–95. https://doi.org/10.1016/s0140-6736(09)61706-2.  
9. Shmerling, Robert H. (22/06/2020). “The Placebo Effect: Amazing and Real”. Harvard Health.  https://www.health.harvard.edu/blog/the-placebo-effect-amazing-and-real-201511028544; “The Power of the Placebo Effect”. 2021; veáse también: Harvard Health, 13/12/2021. https://www.health.harvard.edu/mental-health/the-power-of-the-placebo-effect.  

1.11. Intrusismo profesional

El intrusismo profesional en áreas médicas altamente especializadas —cirugía estética, tratamiento del dolor, atención dental, etc.— compromete la integridad de la práctica médica y la seguridad de los pacientes. Este fenómeno se produce cuando personas sin la formación específica ni la acreditación profesional requerida realizan determinados procedimientos médicos. Ocurre también cuando profesionales de la medicina se ocupan de llevar a cabo intervenciones de riesgo para las cuales no tienen el entrenamiento especializado requerido. Este problema ha generado un largo e intenso debate en España y en otros países, involucrando a diversas asociaciones profesionales interesadas en promover una regulación más estricta y una mayor concienciación pública.¹

La cirugía estética, en particular, se ha convertido en un campo de batalla donde se enfrentan diferentes perspectivas sobre quiénes están calificados para realizar estos procedimientos. Los cirujanos plásticos con formación especializada argumentan que solo ellos deberían tener la autorización para llevar a cabo estas intervenciones. Ninguna clínica de estética debería disponer de autorización para prestar tales servicios sin que haya un responsable de las cirugías que sea especialista en Cirugía plástica, estética y reparadora ―una titulación que solo pueden obtener los graduados en Medicina tras una residencia de MIR de cinco años― o de otra especialidad que en su programa incluya cirugías relacionadas con el ámbito estético (un maxilofacial que retoque barbillas, por ejemplo). Pero hay médicos de otras especialidades o sin capacitación específica que quieren hacer valer su experiencia y formación complementaria como requisito suficiente de habilitación para realizar cirugías estéticas de manera segura y efectiva.⁵

No se trata de un debate meramente académico ni de otro caso de rivalidad profesional. El asunto tiene implicaciones profundas para la seguridad de los pacientes, la ética médica y la regulación del sistema sanitario. En España tiene como trasfondo el caso trágico de Sara Gómez, quien falleció tras una liposucción realizada por un cirujano cardiovascular. El caso puso de relieve los riesgos potenciales del intrusismo en la cirugía estética y motivó diversas iniciativas para endurecer el marco regulador de tales prácticas.^{2, 3}

Entre otras implicaciones sociales, el intrusismo profesional en actividades médicas altamente especializadas supone:

1. Deterioro de la confianza pública en la integridad profesional:

• Mina la confianza en el sistema de salud y en la profesión médica en general.
• Crea un ambiente de incertidumbre que puede tener efectos negativos a largo plazo en la relación médico-paciente.

2. Introduce desigualdades en el acceso a la atención médica:

• Los procedimientos realizados por profesionales no especializados a menudo se ofrecen a precios más bajos.
• Puede atraer a pacientes de menores recursos económicos, creando un sistema de dos niveles donde la seguridad y la calidad de la atención pueden estar determinadas por el poder adquisitivo del paciente.^{4, 5}

3. Plantea algunos dilemas éticos:

• Atenta contra el el principio fundamental de no maleficencia ("primum non nocere", es decir, primero, no hacer daño).
• Incrementa el riesgo de daño al que se somente a los pacientes, lo que es éticamente inaceptable.
• Si los pacientes no son completamente conscientes de las calificaciones reales de los profesionales, no pueden tomar decisiones verdaderamente informadas.
• Socava el principio ético de respeto por la autonomía del paciente.⁶

4. Contribuye a reforzar un contexto de incentivos inapropiados:

• La presión por obtener beneficios económicos puede llevar a algunos profesionales a extender sus prácticas más allá de sus áreas de competencia.
• Prioriza el lucro sobre la seguridad y el bienestar del paciente.⁵

En la perspectiva legal, el intrusismo profesional en la medicina introduce un vector de confusión y ambigüedad en relación con las normas que precisan las cualificaciones necesarias para realizar ciertos procedimientos, dado que con el tiempo quedan fácilmente obsoletas, resultan a menudo ambiguas o están sujetas a interpretaciones contradictorias.

En el marco regulador español, la reciente orden del Ministerio de Sanidad ilustra la complejidad legal del asunto. La tensión entre la necesidad de regular la práctica médica y el deseo de mantener cierta flexibilidad en la práctica profesional podría ser útil para dar cobertura a casos que no encajan fácilmente en una sola especialidad. Para algunos, no sería más que otro ejemplo de conflicto de intereses, donde el equilibrio no resulta fácil. Pero los daños a pacientes vulnerables ponen sobre la pista de aspectos que pueden requerir una revisión más amplia del marco legal que regula la práctica médica.⁷

Es importante considerar los costes de la mala praxis y el intrusismo profesional. A escala social son significativos y, en casos específicos, devastadores para las personas afectadas:

• Complicaciones, sufrimiento y, en casos extremos, pérdida de vidas.
• Efectos duraderos en pacientes, familias y comunidades.
• Intervenciones correctivas costosas que pueden recaer en el sistema de salud pública.
• Litigios por mala praxis que resultan en indemnizaciones y costes legales elevados.

A los cuales se debe añadir el efecto sistémico que supone la erosión de la confianza en el sistema de salud, la confusión y distorsión en la demanda de servicios médicos legítimos y el incremento potencial del turismo médico hacia países con regulaciones menos estrictas.

El problema que suscita el intrusismo profesional en la praxis médica requiere un enfoque multidimensional, que contemple, entre otros, los siguientes aspectos:

1. Regulación más clara y específica: Establecer marcos legales que definan claramente qué profesionales están autorizados a realizar qué procedimientos.
2. Mejora de la formación y certificación: Desarrollar programas de formación rigurosos y sistemas de certificación que garanticen las habilidades necesarias.
3. Mayor transparencia: Proporcionar acceso fácil y claro a información sobre las cualificaciones y experiencia de los profesionales médicos.
4. Educación pública: Educar al público sobre los riesgos asociados con procedimientos realizados por profesionales no cualificados.
5. Fortalecimiento de los mecanismos de supervisión y sanción: Implementar sistemas más robustos para detectar y sancionar el intrusismo profesional.
6. Colaboración interprofesional: Fomentar la colaboración entre diferentes especialidades médicas para definir mejor los límites de la práctica.

Los actores concernidos (legisladores, asociaciones profesionales, instituciones educativas y pacientes o público en general) deben coordinar acciones para garantizar que los pacientes reciban atención médica de calidad, en condiciones seguras y conforme a los mejores estándares que derivan del conocimiento experto. Una práctica médica especializada como la cirugía estética corre el riesgo de desvincularse de las necesidades reales de los pacientes si responde únicamente a categorías de mercado. En tanto que especialidad médica, se espera de la cirugía estética algo más que un buen anclaje para la mercadotecnica de la industria de la belleza y sus clichés de imagen exitosa.

1. Linde, P. (2024, September 30). La batalla por la cirugía estética: ¿qué médicos pueden operar? El País. https://elpais.com/sociedad/2024-09-30/la-batalla-por-la-cirugia-estetica-que-medicos-pueden-operar.html.  
2. Arenales, M. G. (2022, 18 enero). «Sara tenía 30 perforaciones en varios órganos, lesiones más propias de una reyerta con armas»: la muerte en España de una mujer tras una operación de cirugía estética. BBC News Mundo. https://www.bbc.com/mundo/noticias-60033092.  
3. Quadrado, S. (2024, 22 septiembre). Sara Gómez y la liposucción letal que ha traído justicia. La Vanguardia. https://www.lavanguardia.com/vida/20240922/9958358/sara-gomez-liposuccion-letal-traido-justicia.html.  
4. Savitha, A. et al. (2020). Recommendations for cutaneous and aesthetic surgeries during COVID-19 pandemic. Journal Of Cutaneous And Aesthetic Surgery, 13(2), 77. https://doi.org/10.4103/jcas.jcas_83_20.    
5. Atiyeh, B. S., Rubeiz, M. T., & Hayek, S. N. (2008). Aesthetic/Cosmetic Surgery and Ethical Challenges. Aesthetic Plastic Surgery, 32(6), 829-839. https://doi.org/10.1007/s00266-008-9246-3.   
6. Beauchamp, T. L., & Childress, J. F. (2019). *Principles of biomedical ethics* (8th ed.). Oxford University Press.  
7. Freire, J., Infante, A., De Aguiar, A. C., & Carbajo, P. (2015). An analysis of the medical specialty training system in Spain. Human Resources For Health, 13(1). https://doi.org/10.1186/s12960-015-0038-y.

📚 El Anexo I incluye diversos apartados que complementan este bloque introductorio:

• A1. El conocimiento científico y su estatus disciplinar
• A2. Disciplinas sin un estatus consolidado
• A3. Disciplinas que perdieron su estatus
• A4. Métodos consolidados según disciplinas
• A5. Interdisciplinariedad teórica y dependencia metodológica

Capítulo 2. El conocimiento científico y su instrumentalización en el debate social

2.1. Asimetría en la evolución del consenso científico y el debate social

El consenso científico es el resultado del debate abierto en la comunidad científica sobre temas sujetos a controversia y la revisión por pares de las contribuciones de referencia en revistas, actas de congresos u otros cauces formales de comunicación científica.

Aunque no es inmune al sesgo epistémico, al conflicto de intereses y al efecto de la ideología o de la mala praxis, una característica del consenso científico es su dependencia de la evidencia empírica y del razonamiento lógico, junto con la disposición a poner a prueba las hipótesis extravagantes y a someter las más comunes a procesos de falsación y corrección, como parte de una actitud de escepticismo metodológico cuando la nueva evidencia o propuestas teóricas contradicen el conocimiento consolidado o determinados enunciados de las fuentes de referencia.

El conocimiento científico se diferencia de la opinión pública por ser sistemático, organizado, objetivo y autocorrectivo. Aunque refleje la posición, acuerdo o valoración compartida de la comunidad científica en un ámbito de estudio, no necesariamente es sinónimo de unanimidad sobre las teorías, los hechos, los métodos y los valores que explican y orientan la investigación científica.

Las fuentes son los documentos o medios que contienen información relevante y verificable sobre un tema de investigación. Las fuentes pueden ser primarias, secundarias o terciarias, según el grado de proximidad o elaboración respecto al objeto de estudio. Las fuentes primarias son las que ofrecen información directa y original sobre el tema, como por ejemplo los artículos científicos, las tesis doctorales, los informes técnicos o las bases de datos. Las fuentes secundarias son las que analizan, interpretan o sintetizan la información de las fuentes primarias, como por ejemplo los libros, las revistas académicas, las reseñas o las enciclopedias.

La articulación del consenso científico obliga a recurrir a las fuentes más rigurosas y fiables, que cumplan con ciertos requisitos de calidad, pertinencia, actualidad y objetividad. El contenido de las fuentes primarias se supone publicado en medios reconocidos y previa revisión de personas expertas en el campo. Además, deben estar relacionadas con el tema de investigación, ser recientes o vigentes y presentar evidencia empírica y argumentos lógicos que respalden sus afirmaciones.

El debate social es el intercambio de opiniones, argumentos y críticas entre los diferentes actores sociales que participan en la esfera pública sobre temas de interés común. El debate social implica una diversidad de perspectivas, aunque no necesariamente informadas y razonadas, sobre los problemas, las causas, las soluciones y las consecuencias que afectan a la sociedad. Su objetivo fluctúa entre fomentar el diálogo y la deliberación democrática sobre temas relevantes sujetos a controversia y la articulación de cauces participativos orientados a lograr un consenso lo más amplio posible al respecto. El debate social se basa en la información mediática y política, y se somete a un proceso de influencia y persuasión mutua que pueden manipular con éxito grupos de presión y otros actores poco interesados en la verdad.^{1, 2, 3}

La asimetría entre la evolución del consenso científico y el debate social se manifiesta en varios aspectos:

1. La velocidad: el consenso científico evoluciona de manera lenta y gradual, mientras que el debate social evoluciona de manera rápida y cambiante. Esto se debe a que el consenso científico requiere de un rigor metodológico y una validación intersubjetiva que demandan tiempo y recursos, mientras que el debate social responde a las demandas coyunturales y emocionales que generan los acontecimientos sociales.
2. La autoridad: el consenso científico se basa en la autoridad epistémica de personal experto con un conocimiento especializado y reconocido sobre el tema objeto de estudio, mientras que el debate social se basa en la autoridad política o popularidad mediática de los líderes de opinión que poseen un poder de influencia y persuasión sobre el público. El consenso científico implica una jerarquía de credibilidad y competencia que se establece por medio de criterios objetivos y prácticamente universales, mientras que el debate social implica una pluralidad de intereses y valores que se establece por medio de criterios subjetivos y contextuales.
3. La comunicación: el consenso científico se comunica de manera técnica y especializada, mientras que para el debate social se recurre a formatos y canales o plataformas accesibles al gran público. Esto se debe a que el consenso científico utiliza un lenguaje preciso y riguroso que busca transmitir el conocimiento con claridad y exactitud, mientras que el debate social utiliza un lenguaje simplificado y persuasivo que busca transmitir el conocimiento con eficacia e impacto entre un público no especializado.

La brecha entre el consenso científico y el debate social dificulta la comprensión mutua y la colaboración entre actores a menudo concernidos por los mismos problemas, de cuya actuación coordinada dependen las soluciones eficaces, en la escala adecuada de recursos e intervalo temporal disponible. Esta brecha o asimetría puede tener consecuencias negativas para todos los colectivos en un determinado contexto social:

1. Desinformación: si en el debate social se ignora o distorsiona el consenso científico, se genera un contexto de desinformación que puede inducir al error o al engaño a los ciudadanos. Ocurre, por ejemplo, cuando se niega o se minimiza el impacto del cambio climático o se cuestiona su amenaza para la biodiversidad, obstaculizando la toma de conciencia y la eficacia de la acción colectiva sobre estos problemas.
2. Desconfianza: si el consenso científico no es transparente ni accesible al debate social, se produce una desconfianza que puede generar rechazo o resistencia a los avances científicos. Puede ocurrir cuando se ocultan los riesgos y beneficios reales de ciertas tecnologías (vacunas, transgénicos, tecnologías reproductivas, etc.), lo que contribuye a consolidar actitudes de sospecha y oposición a estas tecnologías.
3. Polarización: cuando el consenso científico y el debate social se enfrentan o menosprecian porque evolucionan a diferente ritmo, se incrementa el riesgo de polarización y conflicto violento entre grupos sociales con intereses no necesariamente opuestos. Hay muchos ejemplos a propósito de las reacciones de grupos con ciertas creencias religiosas o ideológicas ante el aborto, la eutanasia o las tecnologías reproductivas.

⚠️ Cualquier tema que pueda servir de pretexto para agudizar la división y la intolerancia entre colectivos o sectores sociales puede ser utilizado por actores sin escrúpulos para desencadenar dinámicas incontrolables bajo determinadas circunstancias. No debe extrañar que los mismos sectores ideológicos que promueven el negacionismo climático extiendan su estrategia de distorsión a otras cuestiones de salud pública como la utilidad de las vacunas, la integración de minorías o las estadísticas de violencia de género.

13. Moreno, Negacionismo y conflicto social (GA 2021, 37 (3) 09, aptdo. 2).

El único modo de superar esta asimetría y sus consecuencias es una estrategia sostenida de diálogo y cooperación entre asociaciones o personas destacadas de la comunidad científica y actores con capacidad de liderazgo social, orientada a reforzar los cauces de difusión aptos para la comunicación de opiniones informadas y cualificadas sobre temas complejos y sujetos a controversia. Los aspectos esenciales en esta estrategia son:

1. Información: cuando el debate social se desarrolla con contribuciones informadas y ajustadas al consenso científico, se genera un entorno propicio para la educación y la participación ciudadana en temas como el cambio climático y otros desafíos complejos.
2. Confianza: cuando el consenso científico es abierto y sensible al debate social, se amplía el margen de confianza que puede favorecer la aceptación y la innovación de los avances científicos. Cuando se debate con criterio experto sobre los riesgos y los beneficios de las vacunas o los transgénicos, se estimula la confianza y la adopción de estas tecnologías, al menos entre quienes están abiertos a nueva información y valoran las mejoras y posibilidades inéditas que el conocimiento aplicado puede aportar.
3. Integración: cuando el consenso científico y el debate social se complementan, la integración puede mejorar la convivencia pacífica entre grupos sociales heterogéneos.⁴

Las creencias subyacentes a la opinión pública sobre determinados temas van ligadas a las actitudes e intereses compartidos por un sector significativo de la población, elementos fácilmente influenciables por medios de comunicación, líderes de opinión, experiencias personales, tradiciones y otros factores. El papel de la evidencia en la conformación de la opinión pública difiere notablemente del peso o valor que le reconoce la comunidad científica. La opinión pública puede ser manipulada dando difusión a puntos de vista e información no verificada, si la estrategia es útil para otorgar protagonismo a actores más interesados en ganar popularidad y acceder a ciertos ámbitos de toma de decisiones que en contribuir a una deliberación equilibrada y racional.

Mientras la dinámica científica es autocorrectiva -y crítica, pero flexible, ante la nueva evidencia- las creencias que sustentan opiniones públicas pueden ser mucho más resistentes al cambio, incluso refractarias al nuevo conocimiento y a la evidencia que lo avala. Medios de comunicación y redes sociales no son plataformas diseñadas para la evitación se sesgos, sino más bien para amplificar y viralizar puntos de vista subjetivos o carentes de contraste, si con ello se incrementa el flujo publicitario y los ingresos corporativos.⁵

👨‍💻 Sobre tecnofilia y tecnofobia: ambivalencia de la tecnología

Obviamente, hay tecnologías beneficiosas, como las utilizadas en la fabricación de utensilios de cocina y de fármacos eficientes. Es igualmente obvio que hay tecnologías perniciosas, como las que se utilizan para el asesinato en masa y la manipulación de la opinión pública. Y hay, también, tecnologías de dos filos, como las que se emplean en la fabricación de televisores, la organización de empresas, el diseño de códigos legales o políticas públicas. En efecto, la televisión puede entretener y educar, o puede acostumbrar a la violencia, la vulgaridad y la pasividad. La administración de empresas puede aumentar la satisfacción del consumidor y el trabajador, o puede tener como objetivo la maximización de la utilidad a costa de la calidad del producto o del bienestar de los trabajadores. La pericia legal puede defender o condenar a un inocente, y puede reforzar o debilitar una ley injusta. Y una disposición de carácter público puede beneficiar a los ricos o a los pobres, a todos o a ninguno.

13. Bunge, Crisis y reconstrucción... (2021, cap. 1.3)

1. Oreskes, N. (2004). Beyond the ivory tower. The scientific consensus on climate change. Science, 306(5702), 1686. https://www.science.org/doi/10.1126/science.1103618.  
2. Oreskes, N. (2004). “Consensus in science: How do we know we're not wrong,” presented at the AAAS meeting on 13 February 2004. https://www.lpl.arizona.edu/sites/default/files/resources/globalwarming/oreskes-chapter-4.pdf.  
3. Moreno, M. (2021). Negacionismo y conflicto social. Gazeta de antropología, 37(3)-09. http://www.gazeta-antropologia.es/?p=5537.  
4. Sobre el proceso de transformación política de la función de la publicidad y la distorsión de la opinión pública en las sociedades liberales, véase J. Habermas (1994). Historia y crítica de la opinion pública. Editorial Gustavo Gili.
5. Véase M. Cinelli et al. (2021). “The echo chamber effect on social media”, Proceedings of the National Academy of Sciences, nº 118 (9): e2023301118. https://doi.org/10.1073/pnas.2023301118.  

2.2. Gestión política de resultados controvertidos de la investigación científica

Una perspectiva interesante para entender la deriva irracional en ciertos aspectos del debate público, si se compara con el curso del debate académico o especializado sobre la misma temática, consiste en clarificar las fortalezas y debilidades del conocimiento científico, en tanto que actividad institucionalizada orientada menos a la consecución de la verdad que al consenso de la comunidad experta.¹

Los colectivos sociales caracterizados por buscar la armonía o la conformidad interna sirven de base para amplificar un fenómeno psicosocial —la mentalidad de grupo— útil para minimizar el conflicto interno y alcanzar consensos sin una evaluación crítica adecuada a la complejidad de los problemas acerca de los cuales quieren mostrar creencias firmes, lo que puede dar como resultado una toma de decisiones irracional o disfuncional.

Por el contrario, la indagación y el debate científico evoluciona por lo general muy dependiente de la evidencia, los datos empíricos y las observaciones, buscando conclusiones o resultados replicables por otros equipos de investigadores para verificar hallazgos controvertidos. Si la nueva evidencia resiste los intentos de falsación, es frecuente una dinámica autocorrectiva, pese a los casos de disidencia o resistencia a nuevas hipótesis, enfoques y metodologías de trabajo.

A veces en intervalos muy cortos de tiempo, la comunidad científica se adapta y modifica sus postulados, métodos o protocolos de trabajo, para ajustarlos al nuevo conocimiento y desarrollos tecnológicos. Esta dinámica adquiere un carácter prácticamente universal desde que existe acceso generalizado a internet, en cualquier lugar y contexto cultural.

Aspectos del debate público sobre los que no cabe aportar evidencia y resultados sujetos a control experimental condicionan gran parte de las preguntas y preocupaciones sobre los que la comunidad experta no puede aportar respuestas convincentes ni más cualificadas que las del individuo común. Cautelas de tipo profesional para evitar sesgos o excluir errores pueden ser interpretadas como aval a puntos de vista pseudocientíficos o a tecnologías y tratamientos ineficaces. Incluso la reticencia metodológica entre personas expertas a dar por sentados ciertos hechos, fenómenos o procesos en dominios de problemas complejos puede ser manipulada para promover reacciones absurdas e irracionales en circunstancias apremiantes.²

Resulta preocupante que la negación de la ciencia se haya vuelto una posición predominante en el Partido Republicano de Estados Unidos y entre grupos de extrema derecha con capacidad para condicionar el debate parlamentario sobre temas acuciantes en muchos países. Si cuestionar el consenso científico solía ser una estrategia asociada a la izquierda política que cuestionaba la alianza entre actores políticos, financieros y tecnológicos, desde la década de 1990 la derecha adoptó y radicalizó argumentos posmodernos sobre el relativismo de los hechos para negar la evidencia incómoda sobre problemas como el cambio climático o los efectos de la contaminación ambiental. El gobierno de Bush hijo promovió una estrategia similar y ahora parece condición de entrada al grupo republicano con aspiraciones presidenciales.

10. Warner, Fact-Free Science, 2011 (trad. propia).

La revalorización de la ciencia como bien público no partidista no obedece a un afán de otorgar privilegios a sus actores, sino a la necesidad de informar las decisiones políticas con hechos empíricos, estudios rigurosos de problemas complejos y análisis prospectivo para el beneficio de todos. Degradar los elementos y fuentes de evidencia científica a componentes ideológicos negociables puede derivar en despilfarro, sucesión de absurdos y autodestrucción. Por su parte, la innovación científica no debería desconectarse de las necesidades comunes que constituyen problemas apremiantes por su gravedad y alcance.^{3, 4}

1. Sobre las distorsiones que puede generar la mentalidad de grupo (groupthink), véase Lee C. McIntyre (2015). Respecting truth: Willful Ignorance in the Internet Age. New York: Routledge.  
2. Ceballos, N. (2021). El pensamiento conspiranoico. Barcelona, Arpa.  
3. Warner, J. (2011). "Fact-Free Science". The New York Times. https://www.nytimes.com/2011/02/27/magazine/27FOB-WWLN-t.html.  
4. Dunlap, R.E. et al. (2016). "The political divide on climate change: Partisan polarization widens in the U.S." Environment: Science and Policy for Sustainable Development, 58(5), pp.4-23. https://www.tandfonline.com/doi/abs/10.1080/00139157.2016.1208995.  

2.3. El uso tóxico de la epistemología: dinámicas de poder y concepción mercantil del conocimiento

Los intentos de politizar la ciencia son siempre éticamente problemáticos y obstaculizan la adopción de soluciones basadas en conocimiento riguroso a problemas reales. El núcleo de compromisos políticos que subyace a las constituciones de las democracias liberales queda afectado si no se reconoce la autoridad epistémica de la comunidad científica para determinar la validez del conocimiento, sin intromisión de agendas políticas o económicas. Incluso en contextos muy apremiantes de dificultades económicas y amenazas externas, cualquier representante elegido democráticamente debería ceñirse en sus responsabilidades a cursos de acción compatibles con la mejor evidencia disponible, por más que hacerlo suponga contradecir creencias populares.

Esto no excluye procesos de participación informada para conciliar ciencia e intereses en conflicto, ni la obligación de contribuir a un debate público transparente y respetuoso, en el formato adecuado para no llegar a conclusiones precipitadas ni forzar consensos prematuros.¹

La gestión política no puede quedar paralizada por la falta de acuerdo o apoyo entre la comunidad científica. Pero el rechazo de conocimiento o evidencia incómoda tiene graves consecuencias, restando eficacia o derrochando recursos escasos cuando la inacción se prolonga y se afrontan demasiado tarde los efectos de determinadas sustancias dañinas para la salud -como ocurrió durante décadas con la exposición al humo del tabaco- o la adopción de medidas preventivas y mitigadoras de los efectos de la crisis climática.

Sin información y cautela reflexiva no es posible ejercer un liderazgo responsable y ético, con la honestidad y el valor cívico necesarios para tomar decisiones basadas en hechos y orientadas al bien común, por impopulares que resulten bajo criterios electorales.

19. Lewandowsky y J. Cook, The Conspiracy Theory Handbook, 2020.²

El riesgo de promover la investigación científica solo cuando va ligada a expectativas muy concretas de rentabilidad económica y uso comercial dejaría en segundo plano múltiples líneas de investigación básica y aplicada que necesitan apoyo sostenido para dar frutos y, eventualmente, contribuir de manera decisiva a cambios revolucionarios en la solución de problemas complejos y a nuevas oportunidades en sectores cruciales de actividad.

La epistemología filosófica, en tanto que disciplina centrada en el estudio de la naturaleza, el origen y los límites del conocimiento humano, aporta perspectiva crítica y resultados que pueden incorporarse de buena fe al debate académico; pero también ser utilizados para manipular, dominar o excluir a otros en función de intereses particulares o ideológicos.

Las relaciones asimétricas entre sujetos, instituciones y grupos de poder a menudo derivan de oportunidades y medios diferenciados para producir, poseer o acceder al conocimiento. Cuando los resortes institucionales de producción y difusión del conocimiento dependen fuertemente de esquemas jerarquizados de autoridad, es difícil evitar las dinámicas asociadas de influencia, nepotismo, coerción o violencia, con sus efectos negativos previbles sobre la libertad, la diversidad y la justicia epistémica.³

En diverso grado, las dinámicas de poder operan y condicionan la investigación científica de múltiples formas:

• Imponiendo un paradigma epistemológico dominante que niega o descalifica otras formas de conocimiento bien consolidadas.
• Excluyendo o marginando a grupos sociales o culturales que no tienen acceso al conocimiento científico o académico, o que no cuentan con los recursos o las oportunidades para participar en su producción.
• Apropiándose o explotando el conocimiento de otros sin reconocer su autoría, su contexto o su valor.
• Censurando o controlando el conocimiento mediante actores políticos, religiosos o económicos que pretenden imponer una visión única o hegemónica de la realidad en las instituciones educativas o científicas.

La idea de que el conocimiento es una mercancía que se puede comprar, vender o intercambiar en el mercado conlleva una reducción del valor del conocimiento a su utilidad económica, y una pérdida de su sentido social, ético o estético. Incorporada en las políticas de ciencia y tecnología, esta idea puede llevar a la marginación de las líneas de investigación más costosas o menos rentables en el corto plazo, privando en el futuro al colectivo social de los beneficios derivados del conocimiento básico y aplicaciones rentables, pero no previstas con los criterios y prioridades del presente.

Otro efecto colateral es aproximar los criterios de gestión de la investigación y sus aplicaciones al esquema de países autoritarios, donde el reducido comité con capacidad de liderazgo condiciona toda la cadena de decisiones, objetivos y prioridades para el pesonal investigador y sus centros de trabajo. A largo plazo, las ineficicencias y simplificaciones de objetivos y problemas pueden ocasionar el declive de todo el sistema científico y del ecosistema tecnológico.

En contexto de libre mercado existen muchos incentivos para dinámicas de privatización del conocimiento generado con fondos públicos, comenzando por la restricción en el acceso a sus resultados y aplicaciones y generando dependencia o desigualdad entre países y regiones. Otro riesgo es reducir la actividad de difusión y comunicación científica a formatos meramente publicitarios, presionando a sus actores más destacados para que operen en modo constante de autopromoción y apelando a criterios dudosos o efímeros de calidad e impacto.

La reducción de la función crítica y reflexiva de los actores e instituciones involucrados activamente en la producción de conocimiento a funciones propias de departamentos de comercialización y mercadotecnia es una dinámica sutil pero letal para amplios sectores de la cultura como las humanidades. El ecosistema de incentivos para la calidad, la reflexión crítica y la colaboración interdisciplinar queda fácilmente contaminado y distorsionado por el efecto de las políticas que hacen del conocimiento y la creación cultural o artística productos de consumo masivo, despojados de originalidad, capacidad de sorpresa y lucidez crítica.^{4, 5}

Cuando el rendimiento del trabajo académico y la calidad de la actividad profesionalmente dedicada a la investigación se someten a criterios estrechos de rentabilidad, eficiencia o prestigio, es previsible que sus resultados se alejen de las necesidades, problemas e intereses genuinos de la sociedad.

Un nivel de degradación mayor se obtiene con la instrumentalización política o la manipulación mediática del conocimiento con fines propagandísticos, ideológicos o electorales, en una espiral de distorsión, ocultación o falseamiento imposible de evitar sin auditoría externa y controles independientes. En un sentido muy amplio, la calidad de la participación democrática en las instituciones va ligada al libre flujo de información y conocimiento riguroso, cuando y donde resulta relevante. ^{5, 6}

1. Jasanoff. S. (2021). "The crisis of science advising". Bulletin of the Atomic Scientists, 77(2), 67-76. 
2. Lewandowsky, S. y J. Cook (2020). The Conspiracy Theory Handbook. Center for Climate Change Communication. https://www.climatechangecommunication.org/wp-content/uploads/2020/03/ConspiracyTheoryHandbook.pdf.  
3. Fricker, M. (2009). Epistemic Injustice: Power and the Ethics of Knowing. Oxford: Oxford University Press.  
4. Stiglitz, J. E. (2006). Making Globalization Work. New York: W. W. Norton & Company.
5. Morin, E. (2001). Los siete saberes necesarios para la educación del futuro.París: UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000117740_spa.  
5. Chomsky, N. (2005). Los guardianes de la libertad. Propaganda, desinformación y consenso en los medios de comunicación de masas. Barcelona, Crítica.
6. Chomsky, N. (2002). "El control de los medios de comunicación", en Noam Chomsky e Ignacio Ramonet, Cómo nos venden la moto. Barcelona, Icaria.  

2.4. La ciencia como actividad institucionalizada orientada al consenso de los expertos

La ciencia no se desarrolla como una actividad aislada o individual, sino en el seno de una comunidad científica, integrada por personas e instituciones que se dedican a la investigación, la enseñanza, la difusión y la aplicación del conocimiento científico. Aunque no es infrecuente que investigadores particulares expresen su opinión personal sobre ciertos temas a través de cauces informales, lo que se espera de su contribución en tanto que actores profesionalmente acreditados para la investigación científica es seguir los cauces formales de comunicación (revistas indexadas, congresos, simposios, etc.) a través de los cuales sus colegas expertos pueden contrastar, responder, comentar y valorar la calidad de su trabajo individual o como integrantes de grupos y nodos de investigación.

Ocasionalmente, la comunidad científica interviene a través de sus asociaciones y representantes institucionales para orientar sobre temas controvertidos, en los que resulta importante disponer de una guía compatible con el consenso científico (es decir, la posición cualificada que predomina entre la comunidad experta en un campo de estudio particular).

La posición de consenso sirve para clarificar en qué aspectos existe acuerdo general —no necesariamente unánime— sobre las teorías, los hechos, los métodos y los valores que explican y orientan la investigación científica. Su base es la evidencia empírica y el razonamiento lógico-matemático, sujetos a procesos de prueba —demostración, simulación, modelización— y corrección constante.

Aparte de la dimensión epistémica (referida al grado y tipo de conocimiento que produce y comparte la comunidad científica, que se supone interesada en generar conocimiento novedoso y relevante para el avance de la ciencia), es preciso considerar los aspectos culturales y los usos en el modo de evaluar y validar el conocimiento producido, el fomento de la coordinación interdisciplinar y el compromiso para comunicar y difundir los resultados en el dominio público.

Esta dimensión social no es ajena al tipo de incentivos existentes para fomentar la cooperación y la colaboración entre investigadores sin comprometer su autonomía e integridad, y a los mecanismos institucionalizados para prevenir o resolver conflictos de intereses que menoscaban la ética de los investigadores. La creciente influencia de la ciencia y la tecnología en casi todos los asuntos de interés público obliga a la comunidad científica a interaccionar con otros actores sociales o políticos sin comprometer su independencia e integridad, aunque a menudo sea para conseguir recursos y apoyo a líneas de investigación minoritarias, con el fin de defender y proteger los derechos e intereses del personal investigador en todas sus ramas y sectores de actividad.

No está garantizado en absoluto que el dinero público destinado a investigación termine siempre contribuyendo al bienestar y el progreso de la sociedad que lo genera. Para que tal cosa ocurra se requieren marcos reguladores, culturas de trabajo, cauces abiertos y controles independientes que faciliten la respuesta a demandas genuinas de la ciudadanía.

Con este fin, el acceso abierto al conocimiento científico, a sus fuentes, resultados y aplicaciones, es una forma de garantizar la deliberación informada y la participación democrática en la toma de decisiones. Este proceso abierto puede incluir a un número amplio de actores en todas las fases relevantes (producción, evaluación, comunicación y aplicación del conocimiento científico, si se adoptan las metodologías oportunas). La imparcialidad y objetividad en la evaluación de la producción científica requiere mecanismos transparentes y eficaces de rendición de cuentas, incluyendo arbitraje experto en situación de conflicto.^{1, 2}

1. Ziman, J. (2000). Real Science: What it is, and what it means. Cambridge: Cambridge University Press. 
2. Lom, P. (2001). The limits of doubt: The moral and political implications of skepticism. Albany, NY. State University of New York Press.  

Capítulo 3. Consenso científico, escepticismo y negacionismo del cambio climático

3.1. Escepticismo: posición filosófica vs duda acerca del consenso sobre el cambio climático

El escepticismo se presenta en grados. Puede negar la existencia (o dudar de la posibilidad) del conocimiento en general o de un tipo de conocimiento en particular. Como posición filosófica, sirve de base para cuestionar los fundamentos, los límites y las implicaciones del conocimiento; en tanto que actitud epistémica y con finalidad metodológica, exige evidencia y justificación para aceptar una afirmación como verdadera.

El escepticismo filosófico tiene una larga tradición en la historia del pensamiento, desde la antigüedad hasta la actualidad, y se ha manifestado en diversas formas y grados, desde el escepticismo radical —que niega toda posibilidad de conocimiento—, hasta el escepticismo moderado, que admite un conocimiento probable o relativo.

El escepticismo ante el consenso sobre el cambio climático es una forma de negacionismo o de pseudoescepticismo, que rechaza o minimiza la evidencia científica que respalda la existencia, la gravedad y la responsabilidad humana del calentamiento global y sus consecuencias. El escepticismo ante el consenso sobre el cambio climático no se basa en argumentos racionales o empíricos, sino en intereses políticos, económicos o ideológicos, que buscan desacreditar o deslegitimar a la comunidad científica y a las instituciones que alertan sobre el problema ambiental.

El escepticismo ante el consenso sobre el cambio climático no es una postura filosófica, sino una estrategia de desinformación y manipulación.

13. Boykoff (2015). “Consenso y oposición al cambio climático”. Mètode, 21/05/2015 .

3.1.1. Pseudoescepticismo y duda irracional

El escepticismo como posición filosófica y el escepticismo ante el consenso sobre el cambio climático son dos fenómenos distintos y opuestos, que no deben confundirse ni equipararse. El primero es un ejercicio legítimo y necesario de la razón crítica, que busca profundizar y mejorar el conocimiento; el segundo es un abuso ilegítimo e innecesario de la duda irracional, que busca obstaculizar y deteriorar el conocimiento. El primero respeta y dialoga con la comunidad científica; el segundo desprecia y confronta con la comunidad científica. El primero contribuye al bienestar y al progreso de la sociedad; el segundo amenaza el bienestar y el progreso de la sociedad.^{1, 2}

El pseudoescepticismo va asociado a dinámicas de irracionalidad y conflicto social que minan aspectos esenciales de la vida democrática. En un contexto de crisis climática y sucesión de fenómenos extremos con efectos devastadores sobre poblaciones de todo el planeta, resulta crucial que el proceso de información y participación pública orientado a la toma de decisiones se ajuste a la evidencia disponible en las estimaciones de impacto e indicadores de riesgo.

Para contrarrestar el pseudoescepticismo (o negacionismo) acerca del consenso sobre el cambio climático, se requiere:

1. Informar y educar a la ciudadanía sobre el cambio climático, sus causas, sus efectos y sus soluciones, mediante fuentes fiables y accesibles.
2. Fomentar y apoyar a la comunidad científica en su labor de investigación, comunicación y asesoramiento sobre el cambio climático, mediante recursos adecuados y reconocimiento social.
3. Promover y participar en acciones individuales y colectivas para mitigar y adaptarse al cambio climático, mediante hábitos sostenibles y compromisos políticos.
4. Denunciar y combatir las fuentes y los actores que difunden o alientan el escepticismo ante el consenso sobre el cambio climático, mediante argumentos sólidos y evidencias contundentes.

El escepticismo filosófico contemporáneo tiene poco que ver con la versión clásica pirroniana, según la cual lo apropiado dada la imposibilidad de certezas consiste en mantener una suspensión del juicio ante cualquier proposición. Dado que la vida individual y social requiere acciones afirmativas y elección de cursos de acción acordes al mejor saber práctico y teórico disponible, el escepticismo contemporáneo tiene un carácter instrumental o metodológico. En lugar de paralizar o bloquear mediante bucles de objeciones interminables, favorece el diálogo y el escrutinio constante de las afirmaciones de verdad, impidiendo la complacencia y la aceptación acrítica de cualquier punto de vista con pretensión de conocimiento a menos que se ajuste a criterios rigurosos de evidencia y calidad metodológica. Es la posición metodológica por defecto en casi todas las ciencias empíricas, y ha sido esencial para desarrollar metodologías científicas de carácter experimental, orientadas a lograr resultados reproducibles por distintos equipos y laboratorios (es decir, a generar nuevo conocimiento en positivo), y no solo a rechazar o cuestionar de forma interminable cada detalle de una nueva hipótesis o teoría.³

1. Coady, D., & Corry, R. (2013). The climate change debate: An epistemic and ethical enquiry. Basingstoke: Palgrave Macmillan. Cap. 2. 
2. Popkin, R. H. (1979, trad. 1983). Historia del escepticismo. De Erasmo a Spinoza. Fondo de Cultura Económica. Trad. de J. J. Utrilla.  
3. Longino, Helen E. (2018). The fate of knowledge. Princeton, NJ, Estados Unidos de América: Princeton University Press. https://doi.org/10.2307/j.ctv2tvzv0.  

3.1.2. Escepticismo ante el cambio climático

Referido a la evidencia disponible sobre el impacto de la acción humana como factor acelerador del cambio climático, el escepticismo ha sido utilizado para cuestionar el consenso científico al respecto. Este tipo de escepticismo resulta inconsistente en tanto que posición epistémica, puesto que se trata de una estrategia retórica y de propaganda bien ensayada en debates como el efecto del tabaco en la salud humana y, por lo general, financiada por actores cuyos intereses económicos y políticos se benefician de la inacción y el retraso en los cambios reguladores. Su objetivo es sembrar dudas sobre las conclusiones de la comunidad científica y, de este modo, retrasar o impedir la toma de decisiones políticas necesarias para combatir el cambio climático con medidas verdaderamente disuasorias de actividades generadoras de gases de efecto invernadero.^1,2

Pensamiento crítico y revisión especializada para filtrar la nueva evidencia en cualquier campo disciplinar constituyen aspectos ineludibles de una actitud epistémica responsable, dentro o fuera del contexto académico o investigador. El escepticismo constructivo contribuye al avance del conocimiento, mientras que su correlato pseudoescéptico resulta destructivo porque persigue socavar el consenso científico en beneficio de intereses ajenos al avance del conocimiento y al bienestar de la sociedad.

La evolución de los criterios de calidad metodológica en las ciencias físico-naturales y en las ciencias sociales es un proceso dinámico y abierto a mejoras conceptuales y técnicas, en función de nuevos protocolos, evidencia y resultados interdisciplinares. En sentido estricto, se trata de un modo de escepticismo organizado con doble finalidad: ampliar el conocimiento disponible con nueva evidencia capaz de superar criterios rigurosos (verificable, reproducible, autocorregible) y servir de filtro a planteamientos de dudosa consistencia, incompatibles con la evidencia y el conocimiento disponible.

Pero la actitud escéptica puede ser instrumentalizada para degenar en mero negativismo, ajeno o contrario al consenso del colectivo experto. Su base es más ideológica que epistémica, y sirve de pretexto para legitimar esquemas de ignorancia organizada y desinformación. El uso indebido de ciertas herramientas epistémicas puede llevar a la desinformación y a la parálisis en la toma de decisiones sobre asuntos tan acuciantes como el cambio climático.³

1. Oreskes, N., & Conway, E. M. (2010). Merchants of Doubt: How a Handful of Scientists Obscured the Truth on Issues from Tobacco Smoke to Global Warming. Bloomsbury Publishing.
2. Hoggan, J. y R. Littlemore, R. (2009). Climate cover-up: The crusade to deny global warming. Greystone Books.
3. Véase, al respecto, el concepto "antipositivismo" (negativismo, sociología interpretativa, interpretativismo), según el cual quienes investigan deben necesariamente rechazar el empirismo y el método científico en el desarrollo de teorías sociales e investigación. https://es.wikipedia.org/wiki/Positivismo#Reacci%C3%B3n.  

3.2. La credibilidad de los expertos en el debate sobre el cambio climático

El cambio climático es un hecho científico, respaldado por una amplia y sólida evidencia empírica y teórica, que ha sido recopilada, analizada y comunicada por miles de expertos de todo el mundo. Las personas expertas en cambio climático son los científicos (sus instituciones y asociaciones incluidas) que se dedican al estudio del clima y sus variaciones, desde diferentes disciplinas como la meteorología, la oceanografía, la geología, la biología, la física o la química. Los expertos en cambio climático publican sus hallazgos en revistas científicas especializadas, revisadas por otros colegas expertos del mismo campo (o afines) antes de su aceptación. El colectivo de expertos en cambio climático participa y se expresa a través de comités internacionales como el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC), que elabora informes periódicos sobre el estado del conocimiento científico sobre el cambio climático.

La credibilidad de los expertos en cambio climático se basa en su formación académica, su experiencia profesional, su rigor metodológico y su honestidad intelectual. Las personas expertas en cambio climático no son infalibles ni omniscientes: están sujetas a las limitaciones e incertidumbres propias del conocimiento científico. Sin embargo, los expertos en cambio climático son los más cualificados y los más informados para ofrecer una visión objetiva, actualizada y comprensible del cambio climático y sus implicaciones. Los expertos en cambio climático tienen que desvelar sus intereses y agendas políticas, si pueden distorsionar o sesgar las conclusiones de sus trabajos. Está justificado suponer que se guían por el principio de responsabilidad social y ética de la ciencia.

La principal amenaza para la credibilidad de los expertos en cambio climático procede del negacionismo de algunos actores ligados a sectores sociales o políticos con agendas liberales ultraconservadoras, que cuestionan o rechazan el consenso científico sobre el cambio climático no a partir de argumentos racionales o empíricos, sino en función de intereses económicos, ideológicos o emocionales, llegando incluso a financiar estrategias para desacreditar o deslegitimar a expertos destacados en cambio climático y a las instituciones que alertan sobre la gravedad del escenario de emergencia climática.

El escepticismo o el negacionismo sobre el cambio climático no es una postura científica, sino una estrategia de desinformación y manipulación.

Es importante que la ciudadanía tome conciencia de la importancia de defender y reforzar la credibilidad de las personas e instituciones que aportan conocimiento especializado, riguroso e indpendiente, sobre la problemática científica y el impacto social del cambio climático. Acciones en esa dirección incluyen:

1. Informar y educar a la ciudadanía sobre el cambio climático y sobre el papel y el valor de los expertos en cambio climático, mediante fuentes fiables y accesibles.
2. Apoyar y proteger a los expertos en cambio climático en su labor de investigación, comunicación y asesoramiento sobre el cambio climático, mediante recursos adecuados y reconocimiento social.
3. Promover y participar en el diálogo y el debate racionales y democráticos sobre el cambio climático, buscando el consenso o el acuerdo entre los actores sociales y políticos implicados.
4. Denunciar y combatir las fuentes y los actores que difunden o alientan el escepticismo o el negacionismo sobre el cambio climático, mediante argumentos sólidos y evidencias contundentes.^{1, 2}

El cambio climático es uno de los mayores desafíos que enfrenta la humanidad en el siglo XXI, con graves consecuencias para el medio ambiente, la economía, la salud y la seguridad. Sus causas y factores físicos que agravan las consecuencias e impacto se conocen razonablemente bien.

El cambio climático se debe al aumento de la concentración de gases de efecto invernadero en la atmósfera, principalmente por la quema de combustibles fósiles, la deforestación y la agricultura. El cambio climático provoca un aumento de la temperatura media global, el deshielo de los polos y los glaciares, la subida del nivel del mar, la alteración de los patrones de precipitación, la intensificación de los fenómenos meteorológicos extremos y la pérdida de biodiversidad.

21. N., “Cambio climático | Desafíos globales ”.

1. Parra, S. (2022). El 99,9 % de los estudios científicos lo confirma: el cambio climático está causado por el ser humano. National geographic, 2/11/2022. https://www.nationalgeographic.com.es/ciencia/999-estudios-cientificos-confirma-cambio-climatico-esta-causado-por-ser-humano_18994.  
2. Hmielowski, J. D. et al. (2014). An attack on science? Media use, trust in scientists, and perceptions of global warming. Public Understanding of Science, 23(7), 866-883. https://journals.sagepub.com/doi/10.1177/0963662513480091.

3.3. La coordinación entre las ciencias e instituciones que estudian el clima

El estudio del clima es una compleja y multidisciplinar, que involucra a decenas de miles de investigadores de todo el planeta y requiere de la colaboración y la coordinación entre diferentes especialistas, profesionales y las instituciones a la que pertenecen, y que financian sus trabajos e recursos de investigación. Algunas ciencias con protagonismo indiscutible en este dominio de conocimiento interdisciplinar son:

• La climatología: es la ciencia que se ocupa de describir, clasificar y explicar los climas del mundo, sus variaciones y sus tendencias. La climatología utiliza datos meteorológicos obtenidos por estaciones de observación, satélites y otros instrumentos, que analiza mediante técnicas estadísticas y matemáticas.
• La meteorología: es la ciencia que se ocupa de estudiar y predecir el tiempo atmosférico, es decir, el estado de la atmósfera en un lugar y un momento determinados. La meteorología utiliza modelos matemáticos y físicos que simulan el comportamiento de la atmósfera, basados en las leyes de la termodinámica, la hidrodinámica y la radiación.
• La paleoclimatología: es la ciencia que se ocupa de reconstruir e interpretar los climas del pasado, desde el origen de la Tierra hasta el presente. La paleoclimatología utiliza fuentes indirectas como los fósiles, los sedimentos, los anillos de los árboles, los núcleos de hielo o los corales, que registran las variaciones climáticas a lo largo del tiempo.
• La bioclimatología: es la ciencia que se ocupa de estudiar las relaciones entre el clima y los seres vivos, tanto animales como vegetales. Analiza cómo el clima influye en la distribución, la adaptación, el comportamiento y la salud de los organismos, así como cómo estos modifican el clima mediante sus procesos metabólicos y ecológicos.
• La geoclimatología: es la ciencia que se ocupa de estudiar las relaciones entre el clima y los procesos geológicos, tanto internos como externos. Analiza cómo el clima influye en la formación y la evolución del relieve, los suelos, los recursos hídricos y minerales, así como cómo estos afectan al clima mediante su albedo, su rugosidad o su composición.

El clima es el conjunto de condiciones atmosféricas que caracterizan una zona o una región a lo largo del tiempo. El clima depende de factores como la radiación solar, la circulación atmosférica, la distribución de los continentes y los océanos, la orografía, la vegetación y la actividad humana. El clima influye en el medio ambiente, la economía, la salud y la cultura de los seres vivos que habitan el planeta.

1. Tiempo y clima
2. Clima
3. Elementos del clima y factores modificadores.
4. Climas terrestres

Con múltiples disciplinas y profesiones involucradas, es necesaria la coordinación institucionalizada en el estudio del clima para avanzar en la comprensión de los problemas y lograr herramientas explicativas y modelos predictivos más potentes y precisos. La institucionalización de la tarea investigadora tiene varias ventajas y desafíos, que se pueden agrupar en tres dimensiones:

1. La dimensión epistémica: se refiere al grado y al tipo de conocimiento que se produce y se comparte entre las ciencias del clima. Las ventajas consisten en ampliar y enriquecer el conocimiento sobre el clima desde diferentes perspectivas y escalas; integrar y contrastar el conocimiento proveniente de distintas fuentes y métodos; generar conocimiento interdisciplinar e innovador sobre el clima. Los desafíos que se plantean en esta dimensión son: armonizar y compatibilizar los conceptos, las teorías y las hipótesis de las distintas ciencias del clima; evaluar y validar el conocimiento producido por las distintas ciencias del clima; comunicar y difundir el conocimiento entre las distintas ciencias del clima.

2. La dimensión social: se refiere al modo y al grado de participación e interacción que se da entre los científicos que estudian el clima. Sus ventajas asociadas son fomentar la cooperación y la colaboración entre los científicos del clima; aprovechar las sinergias y complementariedades entre los científicos del clima; crear redes y comunidades de práctica entre los científicos del clima. Los desafíos que se plantean en esta dimensión son: superar las barreras y los conflictos entre los científicos del clima; garantizar la autonomía y la integridad de los científicos del clima; promover la responsabilidad social y ética de los científicos del clima.

3. La dimensión política se refiere a la relación e influencia que tiene la institución social de las ciencias del clima con otros actores sociales o políticos. Sus ventajas son: obtener y gestionar los recursos y el apoyo necesarios para el desarrollo de las ciencias del clima; defender y proteger los derechos e intereses de la institución social de las ciencias del clima; contribuir al bienestar y al progreso de la sociedad con el conocimiento sobre el clima. Los desafíos que se plantean en esta dimensión son: responder a las demandas o expectativas sociales sobre el conocimiento sobre el clima; dialogar y negociar con otros actores sociales o políticos sobre el conocimiento sobre el clima; denunciar y combatir las amenazas o ataques a la institución social de las ciencias del clima.

Estos esquemas de colaboración institucional y coordinación entre las ciencias que estudian el clima admiten un amplio margen de mejora. Entre otros aspectos relevantes cabe destacar:

1. Promover el acceso libre y gratuito al conocimiento sobre el clima, tanto a sus fuentes como a sus resultados, mediante el uso de plataformas digitales y licencias abiertas.
2. Fomentar la participación activa y diversa de otros actores sociales en el proceso de producción, evaluación, comunicación y aplicación del conocimiento sobre el clima, mediante el uso de metodologías colaborativas e inclusivas.
3. Establecer mecanismos transparentes y eficaces para el control de calidad, la rendición de cuentas y la resolución de conflictos en el ámbito de las ciencias del clima, mediante el uso de criterios objetivos e imparciales.
4. Buscar el beneficio social y ambiental del conocimiento sobre el clima, atendiendo a las necesidades, los problemas y las oportunidades que existen en la sociedad, mediante el uso de criterios éticos y sostenibles.

A las disciplinas tradicionalmente involucradas en el estudio del clima se han sumado recientemente la sociología, la economía, la política y la psicología, cuyas aportaciones resultan cruciales para comprender y abordar las implicaciones sociales, económicas, jurídicas, políticas y culturales de los cambios en el clima inducidos por la acción humana.

El componente de investigación resultante de las ciencias físicas (meteorología, climatología) dista de ser social y económicamente neutro cuando se comprende la gravedad de los forzamientos en el sistema Tierra inducidos por la actividad humana. Sus efectos tangibles no son ajenos a las percepciones y respuestas humanas a estos cambios, lo que incrementa el valor de las ciencias sociales aplicadas a la problemática.

Las normas, acuerdos internacionales y reglas desarrollados para adaptarse y mitigar los efectos del cambio climático y la distribución desigual de impactos van muy ligadas en su desarrollo al curso del debate público y las políticas sobre cambio climático y responsabilidad ambiental que la ciudadanía mejor informada demanda. El conocimiento especializado sobre el clima y su impacto constituye un pilar básico de la toma de decisiones razonables en las sociedades democráticas.

1. Adger, W. N., et al. (2013). Cultural dimensions of climate change impacts and adaptation. Nature Climate Change, 3(2), 112-117.
2. Dessler, A. E., & Parson, E. A. (2019). The science and politics of global climate change: A guide to the debate. Cambridge University Press.
3. Eakin, H., & Luers, A. L. (2006). Assessing the vulnerability of social-environmental systems. Annual Review of Environment and Resources, 31.
4. Edwards, P. N. (2010). A vast machine: Computer models, climate data, and the politics of global warming. Cambridge: MIT Press.
5. Granados Mateo, J. L. (2019). Ciencia posnormal, o cómo se estudia el clima en tiempos de incertidumbre. The Conversation España. Recuperado de https://theconversation.com/ciencia-posnormal-o-como-se-estudia-el-clima-en-tiempos-de-incertidumbre-127881
6. Hulme, M. (2009). Why we disagree about climate change: Understanding controversy, inaction and opportunity. Cambridge: Cambridge University Press.
7. Hulme, M. (2011). Meet the humanities. Nature Climate Change, 1(4), 177-179.
8. Jasanoff, S. (2010). A new climate for society. Theory, Culture & Society, 27(2-3), 233-253.

3.4. El problema de la falsación en dominios interdisciplinares complejos

La falsación fue el criterio propuesto por Karl Popper para distinguir entre las teorías científicas y las no científicas. Según Popper, una teoría es científica si es falsable, es decir, si se puede someter a una prueba empírica que pueda refutarla o contradecirla. Si una teoría no es falsable, entonces no es científica, sino metafísica o ideológica. La falsación implica que las teorías científicas son provisionales y están sujetas a la revisión o el rechazo en función de los datos observados.¹

Con ayuda de otros enunciados anteriormente aceptados se deducen de la teoría a contrastar ciertos enunciados singulares —que podremos denominar «predicciones»—; en especial, predicciones que sean fácilmente contrastables o aplicables. Se eligen entre estos enunciados los que no sean deductibles de la teoría vigente, y, más en particular, los que se encuentren en contradicción con ella. A continuación tratamos de decidir en lo que se refiere a estos enunciados deducidos (y a otros), comparándolos con los resultados de las aplicaciones prácticas y de experimentos. Si la decisión es positiva, esto es, si las conclusiones singulares resultan ser aceptables, o verificadas, la teoría a que nos referimos ha pasado con éxito las contrastaciones (por esta vez): no hemos encontrado razones para desecharla. Pero si la decisión es negativa, o sea, si las conclusiones han sido falsadas, esta falsación revela que la teoría de la que se han deducido lógicamente es también falsa.
Conviene observar que una decisión positiva puede apoyar a la teoría examinada sólo temporalmente, pues otras decisiones negativas subsiguientes pueden siempre derrocarla. Durante el tiempo en que una teoría resiste contrastaciones exigentes y minuciosas, y en que no la deja anticuada otra teoría en la evolución del progreso científico, podemos decir que ha «demostrado su temple» o que está corroborada» por la experiencia.
En el procedimiento que acabamos de esbozar no aparece nada que pueda asemejarse a la lógica inductiva. En ningún momento he asumido que podamos pasar por un razonamiento de la verdad de enunciados singulares a la verdad de teorías. No he supuesto un solo instante que, en virtud de unas conclusiones «verificadas», pueda establecerse que unas teorías sean «verdaderas», ni siquiera meramente «probables».

11. Popper (2002). La lógica de la investigación científica. Madrid: Tecnos. Cap. 1., págs. 32-33.

Sin embargo, el criterio de falsación plantea varios problemas cuando se aplica a dominios interdisciplinares complejos, como el cambio climático, los procesos en ciertos ámbitos de la economía o el análisis de tendencias sociológicas. Estos problemas se pueden agrupar en tres dimensiones:

1. La dimensión epistémica: se refiere a las dificultades para definir y contrastar las hipótesis y los datos en estos dominios. Algunas de estas dificultades son: la falta de consenso sobre los conceptos, las variables y las medidas; la multiplicidad y la heterogeneidad de las fuentes y los métodos; la incertidumbre y la variabilidad de los fenómenos; la influencia de los factores contextuales y contingentes; la existencia de retroalimentaciones y emergencias; la presencia de valores e intereses en la producción y la interpretación del conocimiento.
2. La dimensión social: se refiere a las implicaciones para los actores involucrados en estos dominios. Algunas de estas implicaciones son: la necesidad de cooperación y coordinación entre distintas disciplinas, instituciones y agentes; el riesgo de conflictos y controversias por divergencias epistémicas, éticas o políticas; la responsabilidad social y moral de los científicos ante las consecuencias de sus teorías y sus acciones; el papel de los expertos y los ciudadanos en la toma de decisiones y la gobernanza.
3. La dimensión política: se refiere a las relaciones de poder que se establecen en estos dominios. Algunas de estas relaciones son: la influencia de los intereses económicos, ideológicos o estratégicos en la financiación, la regulación y la difusión de la investigación; la manipulación o el sesgo de la información por parte de los medios de comunicación, los grupos de presión o los movimientos sociales; la resistencia o el rechazo al conocimiento científico por parte de los escépticos, los negacionistas o los relativistas; la legitimación o la deslegitimación de las políticas públicas basadas en el conocimiento científico.^{2, 3}

Para afrontar el problema de la falsación en dominios interdisciplinares complejos —y a propósito de problemas multidimensionales como la evidencia sobre el impacto de la acción humana en el calentamiento global— es importante promover el pluralismo epistémico y metodológico, reconociendo y respetando la diversidad y la complementariedad de las perspectivas y las aproximaciones en procesos complejos, con procedimientos anidados de puesta a prueba y validación.

El diálogo interdisciplinar e intersectorial puede facilitar el intercambio y la integración de conocimientos y experiencias entre los distintos actores con capacidad técnica para comprobar experimentalmente los fenómenos relevantes y la evolución de los indicadores en la escala temporal adecuada. Sin criterios rigurosos y transparentes para evaluar la calidad, la relevancia y la fiabilidad del conocimiento producido y comunicado en estos dominios no resulta fácil avanzar hacia soluciones consensuadas, públicamente aceptadas y económicamente sostenibles, considerando el desglose de impactos y circunstancias sociales que cualquier modificación del marco regulador puede inducir en los valores y expectativas de las personas y entidades afectadas.

1. Popper, Karl (2002). La lógica de la investigación científica. Madrid: Tecnos. Cap. 1., aptdo. 1., págs. 32-33.  
2. Sfetcu, Nicolae (2019). "Karl Popper’s demarcation problem", SetThings (Jan. 24), MultiMedia Publishing (ed.), DOI: 10.13140/RG.2.2.11481.36967.  
3. Boland, Lawrence A. (1996). "Scientific thinking without scientific method: two views of Popper". Critical economic methodology: A personal odyssey. Routledge. https://doi.org/10.4324/9780203978955.  

3.5. Dificultades para acotar los dominios disciplinares concernidos en los intentos de falsación de la ciencia climática

Las dificultades de aplicación del falsacionismo como criterio de demarcación entre ciencia rigurosa y otro tipo de discursos, así como su reinterpretación cuando se aplica en dominios de conocimiento interdisciplinar, no le restan importancia en tanto que piedra angular del método y actitud científica que Karl Popper contribuyó a popularizar.

Pero, en la práctica, resulta complicado constatar casos no problemáticos de refutación de una teoría mediante la observación empírica. No es infrecuente que nuevas mediciones y sistemas de comprobación ultraprecisos ayuden a confirmar o reforzar predicciones teóricas imposibles de poner a prueba sin la tecnología necesaria. Pero la complejidad del universo físico en cualquier dominio de fenómenos, con múltiples interacciones y factores desencadenantes, dificulta la identificación de resultados claramente falsables y las regularidades que, el dispositivo o máquina nomológica ideado por el equipo de investigación, haya puesto en funcionamiento.¹

En áreas de investigación interdisciplinares, como los estudios del cambio climático o la neurociencia, las teorías y los modelos involucran distintos campos de conocimiento, desde la física hasta la biología o la sociología. Esto conlleva una mayor complejidad y, por tanto, una mayor dificultad para aislar variables y realizar predicciones precisas y comprobables. Lo cual no resta valor heurístico a los modelos utilizados, puesto que constituyen la mejor herramienta para prevenir escenarios de riesgo y adoptar las medidas oportunas.^{2, 3}

La verificación y validación de modelos numéricos de sistemas naturales es imposible. Esto se debe a que los sistemas naturales nunca son cerrados y a que los resultados de los modelos siempre no son únicos. Los modelos pueden confirmarse demostrando la concordancia entre observación y predicción, pero la confirmación es inherentemente parcial. La confirmación completa queda lógicamente excluida por la falacia de afirmar el consecuente y por el acceso incompleto a los fenómenos naturales. Los modelos sólo pueden evaluarse en términos relativos y su valor predictivo siempre está en duda. El valor principal de los modelos es heurístico.

14. Oreskes et al. (1994). "Verification, validation, and confirmation of numerical models in the earth sciences". Science, 263(5147), 641-646.

Otro aspecto que condiciona los intentos de falsación directa de teorías o modelos es el carácter integrador de las teorías interdisciplinares, lo que complica focalizar el empeño en predicciones claramente falsables por la multiplicidad de factores involucrados e interconectados.⁴

Si se considera la tendencia interdisciplinar y colaborativa de la investigación científica como rasgo característico de su funcionamiento, resulta pertinente la propuesta hecha por H. Longino de reinterpretar el concepto de falsación. En lugar de orientar los esfuerzos a refutar teorías o modelos directamente, se trataría de refutar aspectos específicos de los mismos o poner a prueba la validez de las supuestas relaciones entre diferentes variables o disciplinas. En la práctica, se asume que la actividad investigadora no persigue en tales casos hallar una respuesta única y definitiva que se ajuste a las exigencias del proceso de falsación. Más bien se acepta una cierta dosis de ambigüedad e incertidumbre como rasgo inherente a los sistemas complejos objeto de estudio.⁵

En este contexto, la viabilidad de los intentos de falsación implica:

1. Una dimensión conceptual: las dificultades para definir y operativizar los conceptos clave de la ciencia climática, como el clima, el cambio climático, el calentamiento global o el efecto invernadero, dado que son conceptos complejos, dinámicos y multidimensionales, y requieren de un consenso entre las distintas disciplinas que los utilizan, con significados o connotaciones diferentes según el contexto o el público al que se dirigen.
2. Una dimensión metodológica: las dificultades para diseñar y realizar pruebas empíricas que puedan falsar las hipótesis de la ciencia climática obedecen a factores como la escala temporal y espacial del fenómeno climático; la heterogeneidad y la incertidumbre de los datos disponibles; la complejidad y la no linealidad de los procesos climáticos; la influencia de los factores naturales y antrópicos; la limitación y la variabilidad de los modelos climáticos.
3. Una dimensión social: las dificultades para comunicar y difundir los resultados y las implicaciones de la ciencia climática, de modo que eviten: a) la incomprensión o falta de interés entre el público; b) la distorsión o manipulación por parte de los medios de comunicación o los grupos de interés; c) la resistencia o negación por parte de los escépticos o los contrarios al consenso científico; d) la politización o ideologización del debate sobre el cambio climático.

Más que procesos simples de falsación, en las ciencias del clima se busca un enfoque de robustez, que persigue la confirmación de los resultados a través de múltiples líneas de evidencia, en lugar de buscar una refutación directa. Este enfoque matizado puede ser más adecuado para los dominios interdisciplinares como la ciencia climática.

10. Leplin (1997). A Novel Defense of Scientific Realism. Oxford University Press, pp. 12, 38-42.

1. Cartwright, Nancy (2012). “Nomological machines and the laws they produce”. The Dappled World. A Study of the Boundaries of Science, 49–74. Cambridge University Press.
2. Lloyd, Elisabeth A., y Eric Winsberg (eds., 2018). Climate Modelling: Philosophical and Conceptual Issues. 1a ed. Cham, Suiza: Springer International Publishing.  
3. Oreskes, N., Shrader-Frechette, K., & Belitz, K. (1994). Verification, validation, and confirmation of numerical models in the earth sciences. Science, 263(5147), 641-646. https://www.science.org/doi/10.1126/science.263.5147.641    
4. Mitchell, Sandra (2009). Unsimple Truths: Science, Complexity, and Policy. Chicago, IL: University of Chicago Press. Chap. 1, 6. 
5. Longino, Helen (2006). "Theoretical pluralism and the scientific study of behavior." In S. Kellert, H. Longino, & C. Waters (Eds.), Scientific Pluralism (pp. 102-131). University of Minnesota Press.

3.6. Implicaciones sociales del consenso científico acerca del cambio climático

El consenso científico sobre el cambio climático tiene importantes implicaciones sociales en términos de justicia intergeneracional, cooperación y gobernanza internacional. Las acciones y omisiones del presente tienen consecuencias directas sobre las generaciones futuras, por lo que es pertinente un enfoque ético que considere los intereses tanto de las generaciones presentes como de las futuras en las decisiones de política climática.

Al tratarse de un problema de alcance mundial que no respeta fronteras nacionales y requiere una gobernanza global efectiva, no es suficiente la dependencia de un esquema de geopolítica y relaciones internacionales centrado excluivamente en los intereses de los estados, y menos aún en los de los más contaminantes con capacidad para seguir condicionando la toma de decisiones sin considerar los intereses de todas las regiones y poblaciones potencialmente afectadas por un fenómeno al que han contribuido relativamente poco, en términos comparativos. Los procesos de educación al respecto y la presión por adoptar medidas de prevención y mitigación eficaces continúan siendo un desafío muy complejo de gestionar, pero imposible sin la participación de individuos sensibilizados y conscientes de su responsabilidad personal.

Implicaciones del consenso científico sobre el cambio climático

1. La justicia intergeneracional: se refiere al deber ético de garantizar que las generaciones presentes no comprometan las posibilidades de vida y bienestar de las generaciones futuras. El cambio climático plantea un desafío de justicia intergeneracional, ya que las acciones u omisiones de las generaciones actuales tienen un impacto a largo plazo en las condiciones ambientales, económicas y sociales de las generaciones venideras. Por tanto, se requiere una acción urgente y responsable para reducir las emisiones de gases de efecto invernadero, adaptarse a los efectos del cambio climático y promover un desarrollo sostenible.
2. El desafío de la gobernanza en problemas de alcance mundial: se refiere a la capacidad de gestionar colectivamente los problemas globales que afectan a toda la humanidad y que requieren la cooperación y la coordinación entre distintos actores e instituciones. El cambio climático plantea un desafío de gobernanza global, ya que es un problema complejo, transversal e interdependiente, que trasciende las fronteras nacionales y regionales y que implica a múltiples sectores e intereses. Por tanto, se requiere una gobernanza democrática y participativa, basada en el diálogo, el consenso y el compromiso, que articule los niveles local, nacional e internacional y que movilice los recursos y las capacidades necesarias para hacer frente al cambio climático.
3. La alfabetización científica, la sensibilización y la responsabilidad personal: se refiere al grado de conocimiento, comprensión y valoración de la ciencia y sus implicaciones para la vida cotidiana y la sociedad. El cambio climático plantea un reto de alfabetización científica, sensibilización y responsabilidad personal, ya que implica una comprensión crítica de los fundamentos científicos del fenómeno, sus causas, sus efectos y sus soluciones; una concienciación sobre la gravedad del problema y la necesidad de actuar; y una asunción de responsabilidad individual y colectiva para adoptar hábitos y comportamientos sostenibles. Por tanto, se requiere una educación ambiental para la sustentabilidad, que fomente el desarrollo de competencias científicas, éticas y ciudadanas para enfrentar el cambio climático.

Se trata de temas interconectados, por lo que su abordaje debe ser integral. La justicia intergeneracional se ve afectada por la efectividad de la gobernanza global y por el grado de alfabetización científica y responsabilidad personal en la sociedad. A medida que la ciencia continúa revelando las causas y consecuencias del cambio climático, lo razonable es que las instituciones de ámbito estatal e internacional asuman la responsabilidad de hacer frente a estos desafíos, considerando el tiempo y obstáculos para modificar los actuales esquemas de gobernanza global y conseguir mejoras constatables a través de la educación y acciones no violentas.^{1, 2, 3}

1. Page, E. (2006). Climate Change, Justice and Future Generations. Edward Elgar Publishing. https://www.e-elgar.com/shop/gbp/climate-change-justice-and-future-generations-9781843761846.html.  
2. Victor, D. G. (2011). Global Warming Gridlock: Creating More Effective Strategies for Protecting the Planet. Cambridge University Press. https://www.cambridge.org/core/books/global-warming-gridlock/C3CA34B8CF61FAAB6929ABF98FDF965E.   
3. Kahan, D. M., Jenkins‐Smith, H., & Braman, D. (2011). Cultural cognition of scientific consensus. Journal of Risk Research, 14(2), 147-174. https://www.tandfonline.com/doi/abs/10.1080/13669877.2010.511246.   

Capítulo 4. Comunicación y difusión del conocimiento

4.1. Cauces formales: revistas científicas, bases de datos, congresos

La comunicación y difusión del conocimiento científico son procesos esenciales para el desarrollo de la ciencia, ya que permiten compartir, validar, ampliar y aplicar los resultados de la investigación. Esta tarea se puede realizar por diferentes vías, formales e informales, dirigidas a distintos públicos y con distintos fines.

Los cauces formales son aquellos que se dirigen principalmente a la comunidad científica, con el objetivo de informar, debatir y evaluar el conocimiento científico. Los principales cauces formales son:

1. Las publicaciones científicas: son los documentos escritos que presentan los resultados de una investigación, siguiendo unas normas y unos formatos establecidos. Las publicaciones científicas más habituales son los artículos, que se publican en revistas especializadas; los libros o capítulos de libros, que recogen estudios más extensos o generales; y las tesis doctorales, que son trabajos originales que se realizan para obtener el grado de doctor. Las publicaciones científicas suelen estar sujetas a un proceso de revisión por pares (peer review), que consiste en que otros expertos evalúan la calidad y la relevancia del trabajo antes de su publicación.

2. Las publicaciones científicas se pueden consultar en bases de datos bibliográficas, que recopilan y clasifican las referencias y los textos completos de las mismas. Algunas bases de datos son Web of Science, Scopus o Google Scholar.

3. Los congresos científicos: son eventos presenciales o virtuales que reúnen a investigadores de una disciplina o un tema específico, con el fin de exponer y discutir sus trabajos. Los congresos científicos suelen tener una periodicidad anual o bianual, y se organizan por entidades académicas o profesionales. Los congresos científicos suelen tener una convocatoria abierta para presentar comunicaciones o pósteres, que son resúmenes breves de una investigación, que se someten a una selección previa. Los congresos científicos también suelen contar con conferencias plenarias o mesas redondas, que son exposiciones más amplias o debates sobre temas de interés, realizadas por expertos invitados. Los congresos científicos suelen publicar las actas o proceedings, que recogen las comunicaciones o pósteres presentados.

4. Los repositorios institucionales: son plataformas digitales que almacenan y difunden la producción científica generada por una institución académica o de investigación, como universidades, centros o grupos de investigación. Los repositorios institucionales tienen como finalidad preservar, visibilizar y facilitar el acceso al conocimiento científico, siguiendo los principios del acceso abierto (open access), que promueven un acceso libre y sin restricciones a la información producida por los investigadores. Los repositorios institucionales suelen contener publicaciones científicas, pero también otros tipos de documentos como informes, proyectos, datos o materiales didácticos.

Algunos ejemplos de repositorios institucionales son DIGIBUG (Universidad de Granada), Dialnet (Universidad de La Rioja) o RUA (Universidad de Alicante). Un listado más amplio, en el directorio rebiun.

1. Delgado López-Cózar, E., & Martín-Martín, A. (2019). "La comunicación académica en la era digital: nuevos formatos documentales para nuevos escenarios". Revista Española de Documentación Científica, 42(1), e240.
2. Fernández Menéndez, J., & García López-Romero, F. J. (2018). "La comunicación del conocimiento científico: análisis comparativo entre las revistas académicas y las redes sociales". Revista Latina de Comunicación Social, 73, 103-121.
3. González Alcaide, G., & Aleixandre Benavent, R. (2012). Fuentes de información y documentación en ciencia y tecnología. Madrid: Síntesis.
4. Marquina, J. (17/06/2021). Ranking de repositorios y portales de acceso abierto en España con mayor número de registros indexados en Google Scholar. https://www.julianmarquina.es/mayores-repositorios-y-portales-de-acceso-abierto-en-espana-segun-google-scholar.  

4.2. Cauces informales: blogs, webs especializadas, podcasts

Pese a las críticas por su acceso limitado y dificultades para asumir los costes y estándares de publicación, las revistas siguen siendo la piedra angular en la diseminación del conocimiento científico. Garantizan un proceso de revisión por pares riguroso y estandarizado, proporcionando credibilidad y filtros de calidad a la investigación publicada. Los congresos sirven de oportunidad para el intercambio directo de ideas y la creación de redes profesionales. Y aumenta tanto el número de bases de datos de libre acceso como los repositorios institucionales, con criterios y funciones que desafían el modelo tradicional pero con el riesgo de comprometer la integridad de la ciencia por la falta de estándares de calidad en los procesos de revisión de estos espacios digitales.^{1, 2}

Cualquier innovación o mejora en el acceso y la difusión del conocimiento científico debe ser compatible con el mantenimiento de los estándares de calidad y rigor que caracterizan a los cauces formales. Pero es cierto que los cauces informales tienen como destinatario principalmente al público general, y más que compartir ideas o resultados entre la comunidad de personas expertas su objetivo es divulgar, educar y sensibilizar sobre aspectos relevantes del conocimiento científico a sectores de la opinión pública con distintos grados de curiosidad, pero sin la formación especializada que se presupone a colectivos dedicados profesionalmente a la investigación.

Los principales cauces informales son:

1. El periodismo científico: es la actividad profesional que consiste en informar sobre temas científicos a través de los medios de comunicación masivos, como la prensa, la radio, la televisión o Internet. Su función consiste en seleccionar, interpretar y transmitir el conocimiento científico de forma rigurosa, veraz y atractiva, adaptándolo al lenguaje y al interés del público. El periodismo científico también tiene un papel crítico y social, al cuestionar, contextualizar y valorar el conocimiento científico y sus implicaciones para la sociedad. Requiere profesionales especializados en comunicación científica, con la formación y capacitación disciplinar necesaria para evitar sesgos o errores en la comunicación de resultados de investigación en sectores específicos (salud, biotecnología, comunicaciones, tecnología, etc.).
2. La divulgación científica: consiste en explicar y difundir el conocimiento científico a través de medios o formatos no especializados, como libros, revistas, documentales, podcasts, blogs o redes sociales. Su objetivos es despertar la curiosidad, el asombro y el gusto por la ciencia; fomentar la comprensión y la valoración de la ciencia y sus beneficios; estimular el pensamiento crítico y el espíritu científico; y promover la participación y la responsabilidad ciudadana en los asuntos científicos.
3. La educación científica: consiste en enseñar y facilitar la comprensión del conocimiento científico a través de procesos formales o no formales, como la escuela, la universidad, los museos, los centros de ciencia, los talleres o las actividades lúdicas. La educación científica tiene como propósitos desarrollar las competencias científicas básicas; favorecer el aprendizaje significativo y activo de la ciencia; potenciar las vocaciones y las carreras científicas; y contribuir a la mejora de los niveles de alfabetización científica en la dinámica cultural y entre la ciudadanía.

Entre los medios o plataformas que sirven de cauces informales para la difusión del conocimiento científico cabe destacar:

1. Blogs: sitios web con entradas o posts sobre temas de interés para quienes los crean o gestionan y sus lectores. Los blogs pueden ser una herramienta para divulgar el conocimiento científico de forma personalizada, actualizada y accesible. Los blogs permiten expresar opiniones o experiencia sobre un tema científico, e interactuar con los lectores mediante comentarios o enlaces.

Algunos ejemplos de blogs de divulgación científica son Naukas, Scientia o Principia.

2. Medios o plataformas digitales que ofrecen contenidos informativos o divulgativos sobre temas de actualidad o interés general. Pueden ser una fuente para difundir el conocimiento científico de forma amplia, variada y atractiva. En muchos casos incluyen secciones específicas sobre ciencia o salud, así como reportajes, entrevistas o infografías sobre temas científicos.

Algunos medios de divulgación científica son Materia, Agencia SINC, Sciencealert o The Conversation.

3. Las redes sociales permiten crear y compartir contenidos e interactuar con otros usuarios. Han facilitado la consolidación de canales para difundir el conocimiento científico de forma rápida, viral y participativa. Su gran ventaja es que pueden facilitar la comunicación entre investigadores y el público general, así como el debate y la crítica sobre temas científicos con mucha mayor agilidad que en las revistas y foros especializados de la comunidad investigadora.

Entre las más populares destacan X (Twitter), Telegram, YouTube, Facebook o Instagram.

1. Twitter: Es la red social más utilizada por divulgadores científicos. Permite compartir información de forma rápida y concisa, a través de mensajes breves (280 caracteres).
2. Facebook: Es una red social más generalista, pero cuenta con una amplia comunidad de divulgadores científicos. Permite compartir contenido más extenso, como artículos, vídeos o podcasts.
3. YouTube: Es una plataforma muy popular para compartir vídeos educativos y divulgativos.
4. Instagram: Es una red social visual, bien adaptada a la divulgación de temas científicos a través de imágenes, infografías o GIFs.
5. LinkedIn: Es una red social profesional, que puede ser utilizada por los divulgadores científicos para conectar con otros investigadores y profesionales.

4. Los podcasts: son archivos de audio que se pueden descargar o escuchar en línea sobre temas específicos o variados. Constituyen un recurso para divulgar el conocimiento científico de forma dinámica, entretenida y flexible. Permiten abordar temas científicos desde diferentes perspectivas o formatos, como noticias, entrevistas, tertulias o monólogos.

Algunos podcasts de divulgación científica muy populares son Catástrofe Ultravioleta, Coffee Break o Hablando con Científicos.

La digitalización ha multiplicado las plataformas, cauces, formatos y oportunidades para la comunicación y la difusión del conocimiento científico. En conjunto, han contribuido decisivamente a la democratización de la ciencia, al hacerla accesible a un público mucho más amplio.⁴

Pero conviene tener presente el riesgo de simplificación excesiva de conceptos y de difundir información errónea que se asocia con estos medios o espacios más democráticos y accesibles.^{5, 6, 7}

Blogs y redes sociales pueden complementar a las publicaciones académicas tradicionales, facilitando a los científicos discutir y debatir sobre sus investigaciones de una manera más informal y abierta. Pero no son canales aptos para reemplazar a los soportes y cauces formales (convencionales) de comunicación científica. Con el tiempo, las habilidades para intervenir de modo competente como actores eficaces de divulgación científica en las redes sociales se han ido incorporando al repertorio de destrezas asociadas con la capacitación profesional para la actividad investigadora.

Enlaces  
1. Science Direct (peer-reviewed journal articles and book chapters). https://www.sciencedirect.com/   
2. Center for Open Science, https://osf.io/  
3. All Conference alert, https://www.allconferencealert.com/social-sciences-and-humanities.html  

Referencias
4. Bucchi, M. (2008). "Of deficits, deviations and dialogues". Handbook of public communication of science and technology. Londres: Routledge.  
5. Bonetta, L. (2007). "Scientists Enter the Blogosphere". Cell, 129(3), 443-445.  
6. Peters, H.P. (2013). "Gap between science and media revisited: Scientists as public communicators". Proceedings of the National Academy of Sciences, 110(Supplement 3), 14102-14109.  
7. Mas-Bleda, A., Thelwall, M., Kousha, K., & Aguillo, I. F. (2014). "Do highly cited researchers successfully use the social web?" Scientometrics, 101(1), 337-356.  

4.3. Índices de impacto y evaluación de la calidad de las publicaciones científicas

Como soporte básico de la comunicación científica, las revistas (journals) son el principal medio de comunicación y difusión del conocimiento, ideas y resultados de investigación. Pero no todas las publicaciones tienen la misma calidad, relevancia o influencia en el ámbito académico y social. Ha sido necesario establecer criterios y mecanismos para evaluar la calidad de las publicaciones científicas, tanto a nivel individual como colectivo.

Los índices de impacto son indicadores bibliométricos que miden la frecuencia con la que los artículos de una revista son citados por otras fuentes. Se calculan a partir de las citas registradas en bases de datos bibliográficas, como Web of Science o Scopus. Los índices de impacto más conocidos son el Journal Impact Factor (JIF), que se publica anualmente en el Journal Citation Reports (JCR), y el SCImago Journal Rank (SJR), que se publica en el SCImago Journal & Country Rank (SJR).

El factor de impacto (IF) se utiliza como un criterio para evaluar la calidad de las revistas científicas, asumiendo que las revistas más citadas son las más prestigiosas y las que publican los trabajos más relevantes e innovadores. Los índices de impacto también se emplean para evaluar la producción científica de los autores, los grupos, las instituciones o los países, sumando el impacto de las revistas en las que han publicado sus artículos. Estos aspectos suelen ser determinantes del reconocimiento, prestigio institucional y acceso a fuentes de financiación.

Pero los índices de impacto presentan varias limitaciones y han sido objeto de estudios y análisis crítico por razones justificadas. Entre otras:

1. No reflejan la calidad intrínseca de los artículos, sino su repercusión en la comunidad científica.
2. No tienen en cuenta las diferencias entre disciplinas, idiomas, culturas o tradiciones académicas.
3. No consideran otros tipos de publicaciones, como libros, capítulos o actas de congresos.
4. No captan todas las citas, especialmente las que provienen de fuentes no indexadas o no académicas.
5. Pueden ser manipulados o influidos por prácticas editoriales o académicas poco éticas.

Por estas razones, se recomienda utilizar los índices de impacto con precaución y complementarlos con otros indicadores o criterios para evaluar la calidad de las publicaciones científicas. Aspectos a considerar:

• La indización en bases de datos reconocidas y selectivas, como Web of Science, Scopus o PubMed.
• La calidad editorial y formal de las revistas, como el cumplimiento de normas éticas, el proceso de revisión por pares o el formato y la accesibilidad de los contenidos.
• Las citas recibidas por los artículos en diferentes fuentes y contextos, como Google Scholar, Altmetric o PlumX.
• La opinión y el prestigio de los expertos y la comunidad científica sobre las revistas y los artículos.

Factores externos —campo de estudio y popularidad del tema, p. ej.— pueden sesgar el IF y derivar o incentivar solo esfuerzos de investigación centrados en temas y métodos "seguros" para publicar en revistas de alto impacto, en lugar de emprender investigaciones innovadoras. Pero no es realista luchar contra los listados y catálogos de publicaciones ordenados por relevancia e impacto. Lo razonable es incorporar criterios complementarios y herramientas adicionales para evaluar la calidad de las publicaciones y la investigación. El índice h (Hirsch, 2020), por ejemplo, combina información sobre la productividad y la citación de un investigador para medir su impacto. Las métricas alternativas ("altmetrics") incluyen menciones en redes sociales y blogs, descargas y clics, entre otros aspectos.

1. Adler, N., Harzing, A.W. (2020). When Knowledge Wins: Transcending the Sense and Nonsense of Academic Rankings. Academy of Management Learning & Education, 19(1), 99-117.
2. De Rijcke, S., Wouters, P.F., Rushforth, A.D., Franssen, T.P., Hammarfelt, B. (2021). Evaluation Practices and Effects of Indicator Use – a Literature Review. Research Evaluation, 30(1), 2-18.
3. Delgado López-Cózar, E., & Martín-Martín, A. (2019). La comunicación académica en la era digital: nuevos formatos documentales para nuevos escenarios. Revista Española de Documentación Científica, 42(1), e240.
4. Garfield, E. (2019). The History and Meaning of the Journal Impact Factor. JAMA, 295(1), 90-93.
5. González Alcaide, G., & Aleixandre Benavent, R. (2019). Evaluación del rendimiento investigador: indicadores bibliométricos e índices sintéticos. Madrid: Síntesis.
6. Hirsch, J.E. (2020). An Index to Quantify an Individual's Scientific Research Output. Proceedings of the National Academy of Sciences, 102(46), 16569-16572.
7. Martín-Martín, A., Orduna-Malea, E., Thelwall, M., & Delgado López-Cózar, E. (2018). Google Scholar, Web of Science and Scopus: A systematic comparison of citations in 252 subject categories. Journal of Informetrics, 12(4), 1160-1177.
8. Priem, J., Taraborelli, D., Groth, P., Neylon, C. (2019). Altmetrics: A Manifesto. altmetrics.org.
9. Vanclay, J.K. (2022). Impact Factor: Outdated Artefact or Stepping-stone to Journal Certification? Scientometrics, 92(2), 211-238.

4.4. Plataformas de acceso a las publicaciones científicas y apropiación de resultados de investigación

El acceso al contenido íntegro de las publicaciones científicas suele estar restringido por barreras económicas, legales o tecnológicas, que limitan su visibilidad, uso e impacto. Aunque su diseño y funcionalidad se orienta a satisfacer las necesidades y demandas del colectivos dedicados profesionalmente a la investigación, son numerosas las plataformas que dan acceso a las publicaciones científicas y facilitan su consulta para usos socialmente beneficiosos.

Las plataformas de acceso a las publicaciones científicas se pueden clasificar en dos tipos:

1. Plataformas de acceso abierto: ofrecen un acceso libre, gratuito e inmediato a las publicaciones científicas, sin restricciones de derechos de autor o licencias. El acceso abierto promueve la democratización, la transparencia y la reutilización del conocimiento científico, así como su mayor visibilidad e impacto. El acceso abierto se puede realizar por dos vías: la vía dorada, que consiste en publicar en revistas de acceso abierto; y la vía verde, que consiste en depositar las publicaciones en repositorios de acceso abierto. Algunas plataformas de acceso abierto son Recolecta, DOAJ o SciELO.
2. Plataformas de acceso comercial: prestan un servicio de acceso restringido, de pago o diferido, a las publicaciones científicas, con condiciones sujetas a derechos de autor o licencias. El acceso comercial reproduce el modelo tradicional de suscripción a revistas (cada más más mediante consorcios que comparten las suscripciones a paquetes de publicaciones) o compra de artículos individuales por parte de los usuarios interesados. El acceso comercial genera beneficios económicos para los editores, pero también desigualdades e ineficiencias en el sistema científico. Ejemplo de plataformas de acceso comercial son Web of Science, Scopus o ScienceDirect.

La apropiación de resultados de investigación se refiere al proceso por el cual los actores sociales incorporan el conocimiento científico a sus prácticas, decisiones o políticas, con el fin de resolver problemas, generar innovación o mejorar su calidad de vida. La apropiación de resultados de investigación depende de varios factores, como la relevancia, la calidad, la accesibilidad o la transferibilidad del conocimiento científico.

Las plataformas de acceso a las publicaciones científicas influyen en la apropiación de resultados de investigación, ya que determinan el grado y la forma en que el conocimiento científico llega a los potenciales usuarios. Las plataformas de acceso abierto favorecen la apropiación social y democrática de resultados de investigación, al eliminar las barreras al acceso y al uso del conocimiento científico, así como al fomentar su difusión y su interacción con otros actores sociales. Las plataformas de acceso comercial dificultan la apropiación de resultados de investigación y los beneficios sociales derivados, al crear obstáculos en al acceso y aplicación del conocimiento científico, así como al limitar su difusión y su interacción con otros actores sociales.

1. Clarke, M. (2021). Scholarly Publishing's Transactional Transformation: An Overview. Learned Publishing, 34(1), 3-10.
2. Larivière, V., Haustein, S., Mongeon, P. (2020). The Oligopoly of Academic Publishers in the Digital Era. PLOS ONE, 10(6), e0127502.
3. Liu, Z., Yin, Y., Liu, W., Dunford, M. (2022). Viewing the Landscape of Online Knowledge Production: Platforms, Engagement and Performance. Telematics and Informatics, 39, 101243.
4. Pasquini, C., Lang, K. (2021). The Algorithm and the User: How Can Control Theory Help Us Understand the Dynamics of Digital Platforms? Information Systems Journal, 31(1), 5-27.
5. Tennant, J., Waldner, F., Jacques, D., Masuzzo, P., Collister, L., Hartgerink, C. (2019). The Academic, Economic and Societal Impacts of Open Access: An Evidence-Based Review. F1000Research, 5, 632.

4.5. Estudios de alfabetización científica y percepción pública de la ciencia

Se entiende por alfabetización científica el conjunto de conocimientos, habilidades y actitudes que permiten a las personas comprender, valorar y participar en la ciencia y la tecnología. La alfabetización científica es un objetivo educativo, social y político de primer orden, que busca promover una ciudadanía informada, crítica y responsable en los asuntos científicos que afectan a la vida individual y colectiva.

La percepción pública de la ciencia se refiere a las opiniones, actitudes e intereses que tiene la sociedad sobre la ciencia y la tecnología. La percepción pública de la ciencia es un indicador social, cultural y político, que refleja el grado de confianza, apoyo y participación de la ciudadanía en el sistema científico-tecnológico.

Los estudios de alfabetización científica y percepción pública de la ciencia son campos interdisciplinares de investigación dedicados al análisis de los factores que influyen en la relación entre la ciencia y la sociedad, así como sus implicaciones para la educación, la comunicación, la innovación y el desarrollo. Su base son diferentes enfoques teóricos y metodológicos, que abordan aspectos como el conocimiento, el interés, la actitud, el comportamiento o la participación de los públicos en la ciencia con las herramientas metodológicas propias de las ciencias sociales.

Los sesgos epistémicos son distorsiones o errores cognitivos que afectan al proceso de adquisición, procesamiento y uso del conocimiento. Pueden tener diversas causas, como las limitaciones de la memoria, la influencia de las emociones, las preferencias personales o las creencias previas. Los sesgos epistémicos pueden tener consecuencias negativas para el aprendizaje, el razonamiento o la toma de decisiones.

Los estudios de alfabetización científica y percepción pública de la ciencia han identificado varios sesgos epistémicos que pueden afectar a la comprensión y valoración de la ciencia entre colectivos de público diferenciados:

1. El sesgo de confirmación: consiste en buscar o interpretar la información que confirma las propias hipótesis o expectativas, ignorando o desestimando la información que las contradice.
2. El sesgo de autoridad: consiste en aceptar o rechazar una afirmación basándose en el prestigio o credibilidad de quien la emite, sin considerar las evidencias o argumentos que la sustentan.
3. El sesgo de disponibilidad: consiste en estimar la probabilidad o importancia de un evento basándose en la facilidad con la que se recuerda o se accede a ejemplos similares.
4. El sesgo de anclaje: consiste en basar las estimaciones o juicios en una información inicial o previa, sin ajustarla adecuadamente a las nuevas informaciones o evidencias.

Este tipo de sesgos, además de dificultar el desarrollo de una alfabetización científica crítica y reflexiva, pueden contribuir a generar una percepción pública distorsionada o simplificada de la ciencia y la tecnología, sobre todo cuando implica minusvalorar sus riesgos y sobrevalorar acríticamente sus beneficios. Evitar o contrarrestar su efecto requiere desarrollar estrategias educativas y comunicativas que fomenten el pensamiento crítico, el debate abierto e informado y la capacidad para evaluar y utilizar la información científica de manera efectiva.

El sesgo de confirmación puede hacer que las personas busquen y acepten información que confirma sus creencias existentes, mientras que ignoran o rechazan la información contradictoria.

18. Nickerson (2021). "Confirmation Bias: A Ubiquitous Phenomenon in Many Guises". Review of General Psychology, 2(2), 175-220.

Los sesgos epistémicos ponen de manifiesto la dependencia humana de heurísticas cognitivas para interpretar información compleja. Aunque puedan resultar útiles en ciertas situaciones, por lo general inducen interpretaciones erróneas o simplistas de los datos científicos, cuando no actitudes refractarias y negacionistas ante la evidencia científica que contradice creencias y valores personales, experiencia previa individual, expectativas y fuentes o autoridades de referencia.

1. Brossard, D., Lewenstein, B. (2019). A Critical Appraisal of Models of Public Understanding of Science: Using Practice to Inform Theory. LSE Public Policy Review, 3(1), 1-22.
2. Feinstein, N. (2020). Salvaging Science Literacy. Science Education, 95(1), 168-185.
3. Kahneman, D., Tversky, A. (2022). Prospect Theory: An Analysis of Decision under Risk. Journal of Political Economy, 130(1), 1-26.
4. Pew Research Center. (2010). Public views on science and technology. Washington, DC: Pew Research Center.
5. Sinatra, G. M., Kienhues, D., & Hofer, B. K. (2014). Addressing challenges to public understanding of science: Epistemic cognition, motivated reasoning, and conceptual change. New York, NY: Routledge.
6. Stocklmayer, S., Gilbert, J.K., Treagust, D. (2020). The Role of Contextual Information in the Interpretation of Science Text. International Journal of Science Education, 42(1), 18-35.

Capítulo 5. Acceso y apropiación

5.1. El modelo tradicional de derechos de autor y propiedad intelectual

La protección y atribución de valor por la producción científica, artística o cultural original se lleva a cabo mediante el reconocimiento de derechos de autor y propiedad intelectual, a través de un complejo entramado regulador cuyo diseño y evolución no responde solo a los intereses patrimoniales legítimos de autores y creadores orginales. Las empresas e instituciones que apoyan la creación y difusión de la producción científica, artística o cultural pueden imponer esquemas adicionales y complejos de explotación de la propiedad intelectual, con frecuencia en detrimento del papel insustituibles de quienes aportan las ideas y el esfuerzo de investigación y creación.

Se da por supuesto que la finalidad de los derechos de autor y del sistema de protección de la propiedad intelectual consisten en incentivar la creación, la difusión y el acceso al conocimiento, garantizando el equilibrio entre los intereses de los autores, los usuarios y la sociedad. Pero no siempre las garantías legales se aplican de manera compatible con los intereses de todos los actores genuinamente interesados en disfrutar y aplicar los beneficios de la producción cultural y la creación científica.

El modelo tradicional de derechos de autor y propiedad intelectual se basa en el concepto de obra como una expresión original y fija en un soporte material, que se transmite mediante actos de reproducción, distribución o comunicación pública. Este modelo se ha desarrollado a lo largo de la historia en función de los avances tecnológicos y las demandas sociales, dando lugar a diferentes normas nacionales e internacionales que regulan el ámbito, el contenido y la duración de los derechos. Sin embargo, el modelo tradicional de derechos de autor y propiedad intelectual presenta varias disfunciones en la era digital, hasta el punto de cuestionar su adecuación y eficacia para afrontar los nuevos retos y oportunidades que plantea la sociedad de la información. Algunas de estas disfunciones son:

1. La dificultad para definir y delimitar el concepto de obra en un entorno digital, donde las creaciones pueden ser dinámicas, interactivas, colaborativas o generadas por algoritmos.
2. La dificultad para aplicar y controlar los actos de explotación en un entorno digital, donde las obras pueden ser copiadas, modificadas, distribuidas o comunicadas con facilidad, rapidez y alcance global.
3. La dificultad para conciliar los intereses de los autores, los usuarios y la sociedad en un entorno digital, donde las obras pueden tener un valor económico, cultural o social diferente al previsto por el modelo tradicional.
4. La dificultad para adaptarse a las nuevas formas de creación, difusión y acceso al conocimiento en un entorno digital, donde surgen nuevos modelos de negocio, nuevas prácticas culturales y nuevas demandas sociales.

Estas disfunciones generan problemas jurídicos, económicos y sociales, como la inseguridad jurídica, la pérdida de ingresos, el aumento de la piratería o la limitación del acceso al conocimiento. Por ello, es necesario revisar y reformar el modelo tradicional de derechos de autor y propiedad intelectual, para que pueda responder a las necesidades y expectativas de la era digital. Entre otras razones, por las implicaciones que tiene para la dinámica democrática de las sociedades tecnológicamente avanzadas, donde las restricciones legales o económicas en el acceso al conocimiento perjudican los procesos de alfabetización científica y el papel que el conocimiento especializado debe desempeñar en el debate público para acordar decisiones razonables, responsables y eficaces ante los problemas de mayor alcance.

La era digital ha hecho posible disponer de nuevas herramientas creativas para artistas y creadores de contenido científico o cultural. Con ellas han surgido nuevas formas de creación que desafían las convenciones de autoría y originalidad, como ocurre con la remezcla, la apropiación y las prácticas de bricolaje digital, que pueden entrar en conflicto con la noción tradicional de autoría y propiedad intelectual cuando la referencia para comparar el contenido no es la obra completa, sino fragmentos específicos.

Una interpretación maximalista del sistema de derechos de autor puede terminar inhibiendo la creatividad y la innovación, al poner barreras a la libre circulación de ideas y conocimientos.

12. Lessig (2008). Remix: Making Art and Commerce Thrive in the Hybrid Economy. Londres, Inglaterra: Bloomsbury Academic. | Vers. 2.

1. Benson, R., & Stitzlein, H. (2022). A Crisis of Copyright? Digital Education and the Redistribution of Intellectual Property Rights. The Information Society, 38(1), 27-39.
2. De Beer, J. (2019). Disrupting Copyright through Blockchain. *Queen Mary Journal of Intellectual Property*, 9(3), 315-336.
3. Easley, Robert F. (2005). “Ethical Issues in the Music Industry Response to Innovation and Piracy”. Journal of Business Ethics 62 (2): 163–68. https://doi.org/10.1007/s10551-005-0187-3.
4. Gibson, J. (2022). Digital Copyright and the Parody Exception: An Empirical Study. Intellectual Property Quarterly, 1, 1-27.
5. Hill, Charles W. L. (2007). “Digital Piracy: Causes, Consequences, and Strategic Responses”. Asia Pacific Journal of Management 24 (1): 9–25. https://doi.org/10.1007/s10490-006-9025-0.
6. Hugenholtz, P.B. (2018). Copyright Reconstructed: Rethinking Copyright's Economic Rights in a Time of Highly Dynamic Technological and Economic Change. The Modern Law Review, 81(1), 58-84.
7. Jones, Candace, Mark Lorenzen, Jonathan Sapsed, y Martin Kretschmer (Eds., 2015). “Copyright and its Discontents”. En The Oxford Handbook of Creative Industries. Oxford University Press.
8. Lessig, L. (2004). Free culture: How big media uses technology and the law to lock down culture and control creativity. New York, NY: The Penguin Press.
9. Lethem, J. (2020). The Ecstasy of Influence: A Plagiarism. Harper's Magazine.
10. Macmillan, Fiona (2013). Copyright, the creative industries, and the public domain. Oxford University Press.
11. Marshall, Lee (2004). “The Effects of Piracy upon the Music Industry: A Case Study of Bootlegging”. Media, Culture, and Society 26 (2): 163–81. https://doi.org/10.1177/0163443704039497.
12. Navas, E. (2021). Remix Theory: The Aesthetics of Sampling. Journal of Visual Culture, 20(1), 83-102.
13. Vaidhyanathan, S. (2001). Copyrights and copywrongs: The rise of intellectual property and how it threatens creativity. New York, NY: New York University Press.
14. WIPO (2016). La propiedad intelectual en el ámbito digital. Día Mundial de la Propiedad Intelectual. https://www.wipo.int/ip-outreach/es/ipday/2016/ip_digital.html
15. Xalabarder, R. (2006). La propiedad intelectual en la era digital. UOC Papers: revista sobre la sociedad del conocimiento, 3. https://www.uoc.edu/culturaxxi/esp/articles/xalabarder0602/xalabarder0602.html
16. Zittrain, J. L. (2008). The future of the Internet: And how to stop it. New Haven, CT: Yale University Press. https://dash.harvard.edu/bitstream/handle/1/4455262/Zittrain_Future%20of%20the%20Internet.pdf

5.2. Quién se beneficia de los resultados de investigación

De forma directa o indirecta, son muchos los actores que pueden beneficiarse de los conocimientos y aplicaciones resultantes de la investigación científica.

Son beneficiarios directos quienes participan activamente en el proceso de investigación —investigadores, sus instituciones, financiadores o colaboradores—. Obtienen beneficios académicos, profesionales, económicos o sociales, como el reconocimiento, la publicación, el prestigio, la innovación o el impacto.

Los beneficiarios indirectos no participan directamente en el proceso de investigación, pero se ven afectados o influidos por sus resultados —usuarios, consumidores, pacientes, ciudadanía y sociedad en general—. Aprovechan en diversos grado y por múltiples vías los beneficios culturales, educativos, sanitarios, ambientales o políticos resultantes de la investigación científica, incluyendo un mejor acceso a fuentes de información rigurosa y a elementos, dispositivos o servicios útiles para prevenir o solucionar problemas en su actividad diaria.

La naturaleza del beneficio asociado con la investigación difiere según el tipo, el ámbito y el alcance de la investigación. La investigación básica puede tener como beneficiarios directos a investigadores y personal vinculado a las instituciones académicas, y como beneficiarios indirectos a la comunidad científica y a la sociedad en su conjunto. Una investigación aplicada puede tener como beneficiarios directos a quienes esperan un retorno de la financiación aportada y a los colaboradores; y como beneficiarios indirectos a los usuarios, pacientes o consumidores. El trabajo de investigación social puede tener como beneficiarios directos a los grupos o sectores involucrados en el problema estudiado, y como beneficiarios indirectos a los ciudadanos y las políticas públicas.

La utilidad y ventajas obtenidas gracias al soporte continuado a programas de investigación genera una relación bidireccional de derechos y deberes: se tiene derecho a acceder, conocer y utilizar los resultados de investigación de forma libre, gratuita y responsable; y se adquiere el deber de respetar, reconocer y difundir los resultados de investigación de forma ética, honesta y crítica. No basta indicar que la investigación científica debe ser financiada porque contribuye significativamente al desarrollo y progreso de nuestra sociedad. Es preciso concretar el alcance y destinatarios potenciales de programas y proyectos costosos de investigación cuando se trata de I+D dirigida o aplicada; y, si se trata de financiar la investigación básica, será necesario concretar los objetivos y utilidad esperable de los resultados, al menos en el sentido amplio en que pueden beneficiar a otras disciplinas o resolver problemas pendientes en un campo concreto.

En sentido literal, la publicación de los resultados de investigación permite a los investigadores mejorar su reputación, acceder a financiación y avanzar en su carrera. Esta dinámica puede favorecer la investigación de calidad pero también contribuir a consolidar grupos de poder, escuelas o redes de relaciones muy compactas y homogéneas en metodologías, ideas, objetivos y criterios de calidad. No está garantizado que las instituciones y personas que gestionan la investigación den amparo a los mejores proyectos, ideas más originales e investigación más innovadora y con mayor potencial, por lo que se trata de contextos sujetos a escrutinio y evaluación permanente.

La industria y empresas de ciertos sectores de actividad son beneficiarios habituales de los resultados de la investigación. La investigación hace posible el desarrollo de nuevos productos, mejorar los existentes y obtener cierta ventaja competitiva en el mercado. Pero no siempre las empresas encuentran las mismas oportunidades para acceder a los resultados de la investigación, siendo a menudo las grandes corporaciones las que más se benefician.

La sociedad en su conjunto se beneficia de los resultados y avances científicos cuando estos se traducen en aplicaciones y servicios que mejoran la salud, el medio ambiente, la economía y otros aspectos de la vida. Pero no todos los sectores de la sociedad se benefician por igual, ni en las mismas condiciones. Hay actores con una posición privilegiada que les permiten un mejor y más amplio acceso a estos beneficios. Esto obliga a implementar procesos exigentes de escrutinio público y rendición de cuentas sobre el modo de transferir, de manera equitativa, los resultados de investigación al conjunto de la sociedad.

1. Martin, B. R., P. Tang (2007). "The benefits from publicly funded research". Science Policy Research Unit, University of Sussex. https://www.researchgate.net/profile/Ben-Martin-8/publication/24132170_The_benefits_from_publicly_funded_research/links/58809b5ea6fdcc77e113a638/The-benefits-from-publicly-funded-research.pdf.  
2. Feller, Irwin (1990). “Universities as Engines of R&D-Based Economic Growth: They Think They Can”. Research Policy 19 (4): 335–48. https://doi.org/10.1016/0048-7333(90)90017-z.
3. Khodyakov, D. (2017). Research beneficiaries: A systematic review. Research Policy, 46(2), 434-450. 
4. Merkel, A. (1998). “The Role of Science in Sustainable Development”. Science (New York, N.Y.) 281 (5375): 336–37. https://doi.org/10.1126/science.281.5375.336. 
5. Molas-Gallart, J. et al. (2016). “Towards an Alternative Framework for the Evaluation of Translational Research Initiatives”. Research Evaluation 25 (3): 235–43. https://doi.org/10.1093/reseval/rvv027. 
6. Zhou, Ruoying, y Puay Tang (2020). “The Role of University Knowledge Transfer Offices: Not Just Commercialize Research Outputs!” Technovation 90–91 (102100): 102100. https://doi.org/10.1016/j.technovation.2019.102100. 

5.3. Sistema de patentes y criterios de patentabilidad

Una patente es un derecho de propiedad intelectual que se concede para proteger las nuevas invenciones. Es otorgada por las autoridades en una jurisdicción específica, da a su titular el derecho exclusivo a impedir que otros exploten la invención patentada en esa jurisdicción sin su autorización durante un período de tiempo limitado, a reserva de varias excepciones. El fin social de la protección mediante patente es proporcionar un incentivo al cambio tecnológico y, en particular, promover la inversión en la investigación y desarrollo (I+D) para propiciar nuevas invenciones.

No todas las invenciones son patentables: deben cumplir con ciertos requisitos sustantivos y formales. Estos requisitos se conocen como criterios de patentabilidad y son los siguientes:

1. Novedad: Una invención se considera novedosa cuando no está comprendida en el estado de la técnica, es decir, todo lo que antes de la fecha de presentación de la solicitud se ha hecho accesible al público por una descripción escrita u oral, por una utilización o por cualquier otro medio⁵. La novedad se juzga a nivel mundial, es decir, que cualquier divulgación previa en cualquier lugar del mundo puede afectar a la novedad de una invención⁴.
2. Actividad inventiva: Una invención implica actividad inventiva cuando no resulta del estado de la técnica de una manera evidente para una persona experta en la materia. Se trata de un criterio relativo que depende del nivel de conocimiento y habilidad del experto medio en el campo técnico de la invención. La actividad inventiva implica un salto cualitativo respecto al estado de la técnica, que no sea fruto de una simple combinación o modificación obvia de elementos conocidos³.
3. Aplicación industrial: Una invención es susceptible de aplicación industrial cuando su objeto puede ser fabricado o utilizado en cualquier tipo de industria, entendiendo por industria la producción o transformación de bienes materiales o inmateriales. Se excluyen las invenciones cuyo objeto sea contrario a las leyes naturales, como por ejemplo las perpetuum mobile³.

Además de estos requisitos positivos, existen también unos requisitos negativos que excluyen determinadas materias del ámbito de la patentabilidad, por razones éticas, morales o de interés público. Estas exclusiones varían según las legislaciones nacionales, pero en general se refieren a las siguientes materias:

1. Los descubrimientos, las teorías científicas y los métodos matemáticos.
2. Las obras literarias, artísticas o cualquier otra creación estética, así como las obras científicas.
3. Los planes, reglas y métodos para el ejercicio de actividades intelectuales, para juegos o para actividades económico-comerciales, así como los programas de ordenadores.
4. Las formas de presentar informaciones.
5. Los métodos terapéuticos o quirúrgicos para el tratamiento humano o animal; los métodos diagnósticos aplicados al cuerpo humano o animal.
6. Las variedades vegetales y las razas animales.
7. El cuerpo humano y sus elementos en las distintas etapas de su constitución y desarrollo.
8. Las invenciones cuya explotación comercial sea contraria al orden público o a las buenas costumbres.

El sistema de patentes busca equilibrar los intereses del inventor, que obtiene un reconocimiento y una retribución por su esfuerzo creativo, con los intereses de la sociedad, que se beneficia del avance tecnológico y del acceso al conocimiento generado por la invención. Obliga al inventor a revelar los detalles técnicos de su invención en un documento llamado memoria descriptiva, que debe ser suficientemente clara y completa para que un experto en la materia pueda llevarla a cabo sin experimentación excesiva. La memoria descriptiva se publica tras un período de 18 meses desde la fecha de presentación o prioridad de la solicitud de patente, lo que permite difundir el conocimiento científico y técnico entre la comunidad investigadora y empresarial.

Los criterios de patentabilidad varían de un país a otro, pero suelen incluir los siguientes:

1. Novedad: La invención debe ser nueva y no conocida previamente por el público.
2. Actividad inventiva: La invención no debe ser obvia para un experto en la materia.
3. Utilidad: La invención debe ser susceptible de aplicación industrial.

Algunos países aplican criterios adicionales para la patentabilidad, como que la invención tenga un cierto nivel de inventiva o que no sea contraria al orden público o a las buenas costumbres.

El sistema de patentes también busca armonizar los criterios y procedimientos para la concesión y protección de las patentes a nivel internacional, mediante diversos tratados y convenios, como el Convenio de París, el Convenio de Patente Europea, el Tratado de Cooperación en materia de Patentes o el Acuerdo sobre los Aspectos de los Derechos de Propiedad Intelectual relacionados con el Comercio (ADPIC). Estos instrumentos facilitan la presentación y tramitación de solicitudes de patente en varios países, así como el reconocimiento y la defensa de los derechos de los titulares de patentes frente a posibles infracciones o abusos.

El sistema de patentes es, por tanto, un mecanismo complejo y dinámico, que requiere una constante adaptación a las nuevas realidades tecnológicas, económicas y sociales. El sistema de patentes plantea también numerosos desafíos y debates, como por ejemplo la relación entre las patentes y el acceso a los medicamentos, la patentabilidad de las invenciones biotecnológicas, la calidad y validez de las patentes concedidas o el equilibrio entre la protección y la competencia.

1. Aghion, Philippe, Peter Howitt, y Susanne Prantl (2015). “Patent Rights, Product Market Reforms, and Innovation”. Journal of Economic Growth 20 (3): 223–62. https://doi.org/10.1007/s10887-015-9114-3. 
2. Bently, Lionel, Brad Sherman, Dev Gangjee, y Phillip Johnson (2022). Intellectual Property Law. Londres, Inglaterra: Oxford University Press. 
3. Bessen, J. and Meurer, M.J. (2019). Patent failure: How judges, bureaucrats, and lawyers put innovators at risk. Princeton University Press. A critical examination of the patent system, arguing that it often fails to provide incentives for innovation. 
4. Sampat, B. and Williams, H.L. (2019). How do patents affect follow-on innovation? Evidence from the human genome. American Economic Review, 109(1), 203-36. An empirical analysis finding that gene patents appear to have deterred follow-on innovation in genomics. 
5. Williams, Heidi L. (2016). “Intellectual Property Rights and Innovation: Evidence from Health Care Markets”. Innovation Policy and the Economy 16: 53–87. https://doi.org/10.1086/684986. 

5.4. El modelo open-access y las licencias creative-commons

La aparición de modelos de publicación de acceso abierto (Open Access, OA) ha supuesto un cambio significativo en el panorama de la comunicación científica. Bajo este formato, y pese a las dificultades y costes institucionales asociados, el contenido académico está disponible de forma gratuita en Internet, maximizando la visibilidad, accesibilidad e impacto de la investigación. Sin embargo, existen varios debates sobre la implementación y las implicaciones de estos modelos.

Las licencias Creative Commons (CC) han sido cruciales en la configuración del espacio OA. Permiten a los autores y editoriales estipular las condiciones de uso y distribución de su trabajo, mientras que garantizan el acceso gratuito a los usuarios. No se ajusta de modo satisfactorio a la variedad de las prácticas de publicación en diferentes disciplinas y culturas académicas, pero ha supuesto un avance considerable frente a modelos cerrados de copyright.

El acceso abierto ha requerido diferentes tipos de licencias, que permiten a los autores gestionar sus derechos de autor y expresar las condiciones de uso de sus obras. Las licencias Creative Commons (CC) son modelos de contratos que sirven para otorgar públicamente el derecho de utilizar una publicación protegida por los derechos de autor. Se basan en cuatro elementos básicos:

1. Reconocimiento (BY): Se debe reconocer la autoría de la obra y citar la fuente.
2. No comercial (NC): No se permite el uso comercial de la obra sin autorización previa.
3. Sin obras derivadas (ND): No se permite modificar o transformar la obra sin autorización previa.
4. Compartir igual (SA): Se permite crear obras derivadas siempre que se mantenga la misma licencia que la obra original.

Estos elementos se pueden combinar para generar seis tipos de licencias CC, que van desde la más permisiva (CC BY) hasta la más restrictiva (CC BY-NC-ND). Las licencias CC se representan mediante iconos y códigos fácilmente identificables y comprensibles.

Diversos autores y organizaciones han jugado un papel destacado en la consolidación del modelo OA. Entre ellos, destacan el académico Peter Suber, por su influencia en la definición del modelo. La Budapest Open Access Initiative (2002) ha sido fundamental en el establecimiento de los principios básicos del acceso abierto, sentando las bases de lo que hoy conocemos como OA.

Pero el modelo OA tiene otras dificultades, aparte de las licencias. Aunque el acceso a los artículos sea gratuito para los lectores, los costes a menudo se trasladan a los autores a través de tarifas de procesamiento de artículos (APCs) que, con frecuencia, resultan abusivas o desproporcionadas. La disponibilidad de fondos para pagar estas tarifas puede variar considerablemente, y generar desigualdades que de facto limitan para muchos actores el acceso a las revistas OA.

No osbtante, el modelo OA tiene un potencial innegable para aumentar la accesibilidad y la democratización del conocimiento científico. Este modelo promueve la ciencia colaborativa y eficiente, contribuyendo de manera razonable a financiar la publicación en revistas de calidad. No resulta fácil elegir entre modelos de publicación tradicionales y OA, ya que la elección puede resultar condicionada por factores como las políticas de la institución, los requisitos de la disciplina y la disponibilidad de fondos. Pero amplía e introduce posibilidades inéditas, comparado con los modelos de publicación tradicionales.

El modelo open-access favorece una diseminación más amplia y rápida de los avances científicos. Facilita que investigadores de todo el mundo, incluso aquellos con menos recursos, puedan consultar y utilizar los últimos hallazgos, propiciando nuevos descubrimientos. Reduciendo las barreras económicas, posibilita que un mayor porcentaje de la ciudadanía acceda al conocimiento científico, lo que incrementa las posibilidades de maximizar su impacto y beneficiar a sectores sociales más amplios.

1. Acceso abierto y licencias Creative Commons (Technical University of Valencia). https://biblioguias.webs.upv.es/bg/index.php/es/prop-intectual/acceso-abierto-y-licencias-creative-commons. 
2. Bjork, Bo-Christer, and Paul Wouters (2016). "The Development of Open Access." Nature 533.760 : 481-8. 
3. Collins, Jannette (2005). “The Future of Academic Publishing: What Is Open Access?” Journal of the American College of Radiology: JACR 2 (4): 321–26. https://doi.org/10.1016/j.jacr.2004.07.018. 
4. Edwards, Aled (2016). “Perspective: Science Is Still Too Closed”. Nature 533 (7602): S70–S70. https://doi.org/10.1038/533s70a.
5. Acceso abierto, derechos de autor y Creative Commons. https://digitum.um.es/digitum/derechos-autor.jsp.  
6. Hrynaszkiewicz, Izabela, et al. (2020). "The Impact of Open Access on Research Metrics." PLoS One 15.8: e0236705.
7. Laakso, Mikael, Patrik Welling, Helena Bukvova, Linus Nyman, Bo-Christer Björk, y Turid Hedlund (2011). “The Development of Open Access Journal Publishing from 1993 to 2009”. PloS One 6 (6): e20961. https://doi.org/10.1371/journal.pone.0020961.
8. Licencias Creative Commons en revistas científicas: análisis de su uso en las principales revistas de biblioteconomía y documentación. https://revistas.um.es/analesdoc/article/view/analesdoc.18.2.164741. 
9. Licencias Creative Commons: qué son y cómo funcionan. https://blogs.iadb.org/conocimiento-abierto/es/licencias-creative-commons-que-son-y-como-funcionan/ 
10. Suber, Peter. Writings on open access. https://cyber.harvard.edu/~psuber/wiki/Writings_on_open_access. 
11. UNESCO: Las licencias Creative Commons. https://bing.com/search?q=el+modelo+open-access+y+las+licencias+creative-commons
12. Wei, Mingkun (2020). “Research on Impact Evaluation of Open Access Journals”. Scientometrics 122 (2): 1027–49. https://doi.org/10.1007/s11192-019-03306-6.
13. Willinsky, John (2015). The Access Principle: Open Access to Research and Scholarship. MIT Press.

5.5. Modelos cooperativos y gestión de la complejidad interdisciplinar

La interdisciplinariedad implica la colaboración entre distintos dominios de especialización científica, cuyos investigadores aportan sus propios marcos teóricos, conceptuales y metodológicos cuando cooperan para abordar problemas complejos, en la escala y perspectiva adecuada. La colaboración interdisciplinar incentiva el desarrollo de modelos cooperativos en la actividad científica, para facilitar el diálogo, la coordinación y la integración entre los distintos actores involucrados en la producción de conocimiento. Se rigen por principios como la participación, la horizontalidad, la transparencia, la confianza y el respeto mutuo. Pueden adoptar diversas formas y modalidades:

1. Redes de investigación: Agrupan a investigadores e instituciones que comparten objetivos, recursos y estrategias para desarrollar proyectos conjuntos sobre un tema o área de interés. Las redes de investigación pueden ser locales, regionales o internacionales, y suelen contar con el apoyo de organismos públicos o privados. Las redes de investigación favorecen el intercambio de información, el aprendizaje colectivo y la innovación.
2. Comunidades de práctica: Son grupos que comparten una práctica común y se relacionan entre sí para mejorar su desempeño. Se basan en la interacción informal, el apoyo mutuo y el sentido de pertenencia. Pueden surgir de forma espontánea o ser promovidas por alguna organización, para facilitar el desarrollo de competencias, la resolución de problemas y la creación de conocimiento tácito.
3. Plataformas colaborativas: Son espacios virtuales que permiten a los usuarios compartir recursos, herramientas y contenidos sobre un tema o dominio específico. Se apoyan en las tecnologías de la información y la comunicación para crear entornos interactivos, flexibles y abiertos. Contribuyen a estimular la participación, la creatividad y la generación de valor añadido.

Los modelos cooperativos en la actividad científica suponen una transformación de las formas tradicionales de hacer ciencia, basadas en el individualismo, el aislamiento y la competencia. Surgen para superar inconvenientes ligados a la estructura de las universidades y las agencias de financiación, organizadas en torno a disciplinas claramente definidas y distribuidas en instalaciones diferenciadas, lo que puede dificultar la formación de equipos interdisciplinares y la obtención de fondos para proyectos de gran envergadura.

El auge de los modelos cooperativos de hacer ciencia frente a los individualistas tradicionales

1. La ciencia es cada vez más compleja y multidisciplinaria. Los problemas científicos actuales requieren de la colaboración de equipos de expertos de diferentes disciplinas para poder ser abordados de manera eficaz.
2. La ciencia es cada vez más global. Los científicos de todo el mundo comparten datos, resultados y conocimientos a través de redes y plataformas colaborativas.
3. La ciencia es cada vez más abierta. El acceso abierto a la información científica permite a un mayor número de personas participar en la investigación y la colaboración.

Los beneficios de la cooperación interdisciplinar superan con creces sus inconvenientes, ya que pueden facilitar la innovación científica (mayor eficiencia), mejorar la solución de problemas complejos (más innovadores) y aumentar el impacto de la investigación, además de aprovechar sinergias para afrontar los costes de publicación y mantenimiento de equipos y material costoso (más sostenibles). Pero estos modelos difícilmente se consolidan sin criterios comunes de calidad, gestión de la diversidad de objetivos y metodologías, y normas ampliamente aceptadas para la evaluación de resultados o el reconocimiento de méritos.

Ejemplos ambiciosos de modelos colaborativos

1. El proyecto CERN, que ha permitido el descubrimiento del bosón de Higgs, es un ejemplo de colaboración internacional en la ciencia.
2. El Proyecto Genoma Humano, que hizo posible la secuenciación del genoma humano completo, es un ejemplo de colaboración entre disciplinas científicas diferentes.
3. The Human Brain Project es un proyecto de investigación internacional que tiene como objetivo crear una simulación virtual del cerebro humano. Requiere la colaboración de científicos de todo el mundo y el uso de grandes cantidades de datos y recursos informáticos.
4. The Earth Biogenome Project es un proyecto de investigación internacional que tiene como objetivo secuenciar el genoma de todos los organismos vivos de la Tierra. Es ambicioso porque requiere la colaboración de científicos de todo el mundo y el uso de grandes cantidades de datos y recursos informáticos.
5. The Gene Expression Omnibus es un repositorio de datos de expresión génica que permite a los científicos compartir datos de sus experimentos. Proporciona un acceso abierto a una gran cantidad de datos que pueden ser utilizados por otros científicos.
6. La plataforma Open Science Framework permite a los científicos compartir datos, código y resultados de sus experimentos. Facilita la colaboración entre científicos y el acceso abierto a los resultados de la investigación científica, tanto para científicos como para la sociedad civil.

Referencias  
1. Abramo, G., D’Angelo, A. C., & Murgia, G. (2017). The relationship among research productivity, research collaboration, and their determinants. Journal Of Informetrics, 11(4), 1016-1030. https://doi.org/10.1016/j.joi.2017.09.007.   
2. Aksnes, D. W., & Sivertsen, G. (2023). Global trends in international research collaboration, 1980-2021①. Journal Of Data And Information Science, 8(2), 26-42. https://doi.org/10.2478/jdis-2023-0015.  
3. Calancie, L. et al. (2021). Consolidated Framework for Collaboration Research derived from a systematic review of theories, models, frameworks and principles for cross-sector collaboration. PLoS ONE, 16(1), e0244501. https://doi.org/10.1371/journal.pone.0244501.  

Enlaces
1. Dossier de Grupos Cooperativos Nacionales de Investigación 2021: presenta la contribución de los grupos cooperativos españoles en la investigación clínica, preclínica y epidemiológica, especialmente en el campo de la oncología médica. El documento recoge la justificación, finalidad, objetivos y resultados de los grupos de investigación clínicos españoles, así como sus proyectos en curso y futuros.https://seom.org/otros-servicios/noticias/208785-dossier-de-grupos-cooperativos-nacionales-de-investigacion-2021.
2. Ciencia abierta y el nuevo modus operandi de comunicar la investigación - I. https://blog.scielo.org/es/2019/08/01/ciencia-abierta-y-el-nuevo-modus-operandi-de-comunicar-la-investigacion-parte-i/.

Capítulo 6. De la sociedad de la información a la sociedad del conocimiento

6.1. Economía de la información y prospectiva histórico-social

La economía de la información estudia cómo la información y los sistemas informativos afectan al funcionamiento de la economía e influye en las decisiones económicas de sus individuos. Un problema que estudia la economía de la información es el valor y calidad de los elementos informativos que influyen en las decisiones de los actores económicos, así como las previsiones y proyecciones de escenarios en contexto de crisis o dificultades, puesto que pueden ser instrumentalizadas para sesgar o distorsionar la toma de decisiones y favorecer así los intereses de ciertos grupos de actores.

La economía de la información se ocupa de temas como la asimetría de la información, el papel de los intermediarios, los incentivos, la reputación, el riesgo, la incertidumbre y el valor de la información como bien público o privado, así como de las tecnologías y servicios asociados. Sus estudios y análisis tienen implicaciones para el funcionamiento de los mercados, las organizaciones, las instituciones y las políticas públicas, por lo que resulta crucial que la investigación y el conocimiento asociado se ajusten a los máximos estándares de calidad y rigor metodológico.

Dada la ventaja que pueden adquirir determinados actores en escenarios de incertidumbre —si disponen de acceso privilegiado a fuentes de información fiable—, han adquirido relevancia los estudios de prospectiva histórico-social, con múltiples nodos disciplinares y servicios de consultoría dedicados a analizar las tendencias y los escenarios futuros en contextos sociales relevantes, además de recopilar series muy amplias de datos validados, del pasado y del presente, en los aspectos relevantes a efectos de prospectiva centrada en sectores específicos de actividad.

Estos estudios tienen como objetivo anticipar los posibles cambios y desafíos que será necesario afrontar, a diversa escala, en los ámbitos económico, político, social, cultural, ambiental y tecnológico. Los modelos y enfoque de prospectiva histórico-social no se utilizan para predecir el futuro, sino para explorar alternativas y opciones cuyas consecuencias pueden condicionar las decisiones colectivas e individuales a corto, medio y largo plazo.

Métodos más utilizados en la prospectiva histórico-social

• investigación documental
• análisis estadístico
• construcción de indicadores
• elaboración de modelos y simulaciones
• realización de encuestas y entrevistas
• organización de talleres participativos
• formulación de hipótesis y transformaciones asociadas
• definición de objetivos y estrategias

Estos métodos permiten generar conocimiento útil para orientar la acción y la planificación en diferentes niveles: local, regional, nacional e internacional. Algunos centros de prospectiva de ámbito estatal son:

1. Oficina Nacional de Prospectiva y Estrategia a Largo Plazo: creada para identificar los retos y oportunidades a nivel democráfico, económico, geopolítico, mediambientales, sociales o educativos.
2. Agencia Nacional de Evaluación y Prospectiva (ANEP), del Ministerio de Ciencia e Innovación. Su objetivo es evaluar la calidad de las propuestas que solicitan financiación pública.
3. Observatorio de Prospectiva Tecnológica e Industrial (OPTI): Su objetivo es dar a conocer las tendencias tecnológicas de mayor relevancia para el futuro desarrollo económico y social, y que estas den apoyo a la toma de decisiones de carácter tecnológico, en el ámbito público y empresarial.
4. Centro Andaluz de Prospectiva (CANP). Fomenta la investigación en técnicas de prospectiva y su aplicación a los ámbitos tecnológicos, socioeconómicos y de servicios.
5. Fundación COTEC para la Innovación Tecnológica. Funciona como observatorio de la I+D+I en España, y proporcionar análisis y consejos en materia de innovación, tecnología y economía.
6. Instituto de Prospectiva Estratégica (IPE): Busca identificar las estrategias más adecuadas para competir, de manera eficaz, en un mundo interrelacionado.
7. Instituto de Prospectiva Tecnológica (IPTS): Investigar sobre prospectivas tecnológicas y energéticas en el ámbito de la Unión Europea.

Economía de la información y análisis de prospectiva histórico-social se interrelacionan. La primera aporta herramientas para comprender cómo se produce, se distribuye y se utiliza la información en los procesos económicos. La prospectiva histórico-social aporta herramientas para comprender cómo se genera, se difunde y se aprovecha la información en los procesos que impulsan las grandes transformaciones sociales. Ambas disciplinas pueden contribuir a mejorar la calidad y la eficiencia de las decisiones que afectan al futuro colectivo.

Diversos obstáculos y limitaciones comunes en estos dominios diciplinares derivan del acceso desigual a la información, las barreras legales y culturales para el intercambio de información, las distorsiones y los sesgos en el procesamiento de información, las dificultades para medir y valorar la información, las incertidumbres y su efecto en la evalulación de riesgos, las dinámicas de resistencia al cambio y los actores que explotan políticamente el descontento de quienes se oponen a la innovación. Estos aspectos enfatizan la necesidad de fomentar una cultura crítica y reflexiva sobre el papel de la información y del acceso al conocimiento en el desarrollo económico y social.

En el contexto de la digitalización, la economía de la información adquiere nuevas connotaciones. La era de la información modula de manera inesperada el papel de los principios fundamentales de la economía. Aunque el costo de la producción de información tiende a cero (no así el del conocimiento), su valor en contextos y plataformas específicas puede ser extraordinariamente alto, mediando los mecanismos de generación de valor basados en la atención. Grupos de usuarios conectados por intereses muy específicos pueden adquirir un valor estratégico para actores del mercado que poco o nada tienen que ver con los intereses sobre los que se desarrolló el núcleo de la red de usuarios, pero que ha podido adquirir un gran potencial como generadora de tendencias o para incrementar el valor de marca.

Aspectos intangibles pero de gran valor simbólico pueden excluir del mercado a actores consolidados e introducir a otros nuevos con la visión y capacidad para explotar las nuevas oportunidades de innovación y generación de valor. En esta dinámica, el acceso a la información y el conocimiento de modos emergentes de interacción de ciertos colectivos en nuevas plataformas de servicios, junto con la capacidad de analizar estos elementos y utilizarlos con criterio estratégico, pueden aportar enormes beneficios a expensas de aquellos que no disponen de tal capacidad.

La economía de la información ha dado lugar a una nueva forma de capitalismo —a la que Shoshana Zuboff denomina "capitalismo de vigilancia"— en la que los datos personales se recopilan y utilizan para la manipulación del comportamiento de segmentos específicos de usuarios y consumidores, no solo para anticipar tendencias o refinar el análisis prospectivo. Esta deriva socio-técnica requiere un debate informado y crítico sobre la privacidad, la autonomía y la democracia.

19. Zuboff (2018). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. Nueva York, NY: PublicAffairs.

Referencias
1. Bárcena, A. y otros (CEPAL, 2016): Planificación y prospectiva para la construcción de futuro en América Latina y el Caribe. https://www.oitcinterfor.org/sites/default/files/file_publicacion/S1600345_es.pdf. 
2. Benkler, Yochai, Robert Faris, y Hal Roberts (2018). Network propaganda: Manipulation, disinformation, and radicalization in American politics. Oxford University PressNew York. https://doi.org/10.1093/oso/9780190923624.001.0001. 
3. Fuchs, Ch. (2018). Digital Demagogue: Authoritarian Capitalism in the Age of Trump and Twitter. Londres: Pluto Press. 
4. Gavigan, J. P. (2001): Panorama de la prospectiva en Europa. Principios y visión general por países.   https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/342/11JamesGavigan.pdf
5. Rodríguez Cortezo, J. (2000): La prospectiva y la política de innovación Herramientas estratégicas clave para la competitividad. https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/331/13.JESUS%20RODRIGUEZ.pdf. 
6. Zuboff, Shoshana (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. Nueva York, NY, Estados Unidos de América: PublicAffairs. 

Enlaces
1. Qué es la Prospectiva y el Análisis Prospectivo. https://www.lisainstitute.com/blogs/blog/prospectiva-y-analisis-prospectivo
2. UC3M, Gabinete de estudios y prospectiva. https://www.uc3m.es/consejosocial/gabinete-estudios-prospectiva

6.2. Política en la sociedad del conocimiento

La sociedad del conocimiento se articula sobre el papel que desempeña el conocimiento y la información en todos los aspectos de la vida social, incluida la esfera política. El acceso y control del conocimiento se convierten en factores claves de poder e influencia política. Este contexto se asocia con un gran potencial para democratizar la política, al permitir una participación más amplia, informada y diversa y nuevas formas de activismo político y movilización social a través de las redes sociales y plataformas en línea.

El mayor desafío surge de las dinámicas de control del conocimiento (datos, información y herramientas para su interpretación), concentradas en unas pocas corporaciones tecnológicas globales con la capacidad y recursos en la escala necesaria para operar en régimen de cuasi-monopolio. El resultado son nuevas formas de restringir la diversidad y pluralidad de la información, con impacto capaz de sesgar y deteriorar el debate público. Aparte del riesgo de exacerbar desigualdades existentes en términos de acceso a la información y competencias digitales (la denominada "brecha digital"), por lo que adquieren importancia fundamental las políticas públicas dirigidas a garantizar un acceso equitativo al conocimiento y el marco regulador que sancione las prácticas abusivas de las corporaciones tecnológicas y garantice la diversidad y la pluralidad del espacio de información.

En la sociedad del conocimiento cobra importancia todo el sistema de producción, distribución y uso de la información para potenciar el conocimiento (y sus aplicaciones) determinantes de la competitividad, la innovación y el bienestar social. En la sociedad del conocimiento no cabe hablar de neutralidad en el despliegue de las tecnologías de la información y la comunicación, puesto que facilitan el acceso, la generación y la difusión del conocimiento.

Además de las grandes corporaciones tecnológicas que aglutinan a miles de millones de usuarios en la actividad y servicios ligados a las plataformas con las que operan por todo el planeta, la dinámica política de la sociedad del conocimiento involucra a muchos más actores e instituciones, privadas o públicas, en la definición, la implementación y la evaluación de las políticas públicas relacionadas con el acceso al conocimiento, a las redes digitales y a las tecnologías de la información.

La acción política en la sociedad del conocimiento plantea sus propios desafíos y oportunidades para la gobernabilidad, la democracia, la participación, la transparencia, la rendición de cuentas y el respecto a los derechos humanos (privacidad, reputación digital y libertad de expresión, por ejemplo). Entre los desafíos cabe mencionar los siguientes:

1. La brecha digital: Se refiere a las desigualdades en el acceso y el uso de las TIC entre diferentes grupos sociales, regiones o países. La brecha digital puede generar exclusión, marginación y discriminación en el ámbito del conocimiento, lo que afecta al desarrollo humano y a la cohesión social³.
2. La adecuación del marco regulador: Se refiere al marco legal que regula los aspectos éticos, económicos y sociales del conocimiento, el acceso a las redes digitales y a las tecnologías de la información. Entre otras aspectos, las instancias reguladoras deben garantizar el equilibrio entre los derechos de autor y el acceso abierto al conocimiento, así como proteger la privacidad, la seguridad y la libertad de expresión de los usuarios.
3. La calidad de la información: Se refiere al grado de veracidad, relevancia y utilidad de la información que circula en el ámbito del conocimiento. La calidad de la información puede verse afectada por fenómenos como la desinformación, las noticias falsas, los sesgos o las manipulaciones, que pueden generar confusión, desconfianza o polarización en la opinión pública.

Las oportunidades asociadas con la dinámica política de la sociedad del conocimiento para mejorar la participación democrática y la calidad del debate público como trasfondo de decisiones mejor informadas y responsables con únicas:

1. Innovación social, referida al uso creativo y colaborativo del conocimiento y de las tecnologías de la información para resolver problemas sociales, hacer más ágil y eficiente la comunicación corporativa o con las administraciones públicas y favorecer nuevos servicios y canales de interacción que mejoren las condiciones de vida de las comunidades.

La innovación social implica el empoderamiento, el aprendizaje y la participación activa de los ciudadanos en el diseño e implementación de soluciones locales a sus necesidades.

2. Gobernanza en red, referida a la articulación horizontal y flexible entre diferentes actores públicos y privados para definir e implementar políticas públicas relacionadas con el conocimiento y el acceso a las tecnologías de la información y los servicios digitales. La gobernanza en red promueve el diálogo, la cooperación y la coordinación entre los distintos niveles de gobierno (local, regional, estatal), así como entre los sectores académico, empresarial y social.

3. Democracia digital, asociada con el uso de las redes digitales y tecnologías de la información para fortalecer los procesos democráticos y ampliar los espacios de participación ciudadana en el ámbito político. La democracia digital requiere un marco jurídico que garantice el acceso sin restricciones a la información pública relevante para ciudadanos, empresas e instituciones; la consulta y deliberación en línea para personas con niveles diversos de alfabetización digital; sistemas seguros de voto electrónico; control social (agencias reguladoras) para desincentivar las malas prácticas o el fraude; y la promoción del activismo digital con criterios inclusivos, para evitar su instrumentalización por grupos de presión o de ideología antidemocrática.

Referencias
1. Gorski, Paul C. (2003). "Privilege and Repression in the Digital Era: Rethinking the Sociopolitics of the Digital Divide." Race, Gender & Class 10 (4): 145-176. https://www.proquest.com/docview/218807872.  
2. Medero, Kristina, Kelly Merrill Jr, y Morgan Quinn Ross (2022). “Modeling Access across the Digital Divide for Intersectional Groups Seeking Web-Based Health Information: National Survey”. Journal of Medical Internet Research 24 (3): e32678. https://doi.org/10.2196/32678. 
3. Walker, Daniel M., Jennifer L. Hefner, Naleef Fareed, Timothy R. Huerta, y Ann Scheck McAlearney (2020). “Exploring the Digital Divide: Age and Race Disparities in Use of an Inpatient Portal”. Telemedicine Journal and E-Health: The Official Journal of the American Telemedicine Association 26 (5): 603–13. https://doi.org/10.1089/tmj.2019.0065.  

Enlaces
1. La política en la SOCIEDAD DEL CONOCIMIENTO. https://isaachernandez.es/consultoria-politica/la-politica-en-la-sociedad-del-conocimiento/  
2. Brecha digital: Dimensiones y críticas al concepto. https://es.wikipedia.org/wiki/Brecha_digital;  https://es.wikipedia.org/wiki/Brecha_digital#Dimensiones;  https://es.wikipedia.org/wiki/Brecha_digital#Cr%C3%ADticas   
4. NetRef (14/01/2016). «The Digital Divide in the Age of the Connected Classroom». https://net-ref.com/wp-content/uploads/2016/01/Bridging-the-Digital-Divide-NetRef-White-Paper-FINAL.pdf  
5. Internet Usage Statistics. The Internet Big Picture. World Internet Users and 2023 Population Stats. https://www.internetworldstats.com/stats.htm  
6. Closing the digital divide in Black America. January 18, 2023. https://www.mckinsey.com/industries/public-sector/our-insights/closing-the-digital-divide-in-black-america  
7. Digital divide in the United States. https://en.wikipedia.org/wiki/Digital_divide_in_the_United_States   
8. Home broadband adoption, computer ownership vary by race, ethnicity in the U.S. JULY 16, 2021. https://www.pewresearch.org/short-reads/2021/07/16/home-broadband-adoption-computer-ownership-vary-by-race-ethnicity-in-the-u-s/  
9. Some digital divides persist between rural, urban and suburban America. AUGUST 19, 2021. https://www.pewresearch.org/short-reads/2021/08/19/some-digital-divides-persist-between-rural-urban-and-suburban-america/  
10. Digital Injustice: Disparities in Digital Access across the US and How they Disproportionately Hurt the Black and Latinx Communities. https://sites.tufts.edu/digitalplanet/digital-injustice-covid19/  

6.3. Del acceso a la participación activa en la generación de conocimiento

El predominio de la dimensión económica en las políticas ligadas a la sociedad del conocimiento constituye un indicador del papel que desempeña la producción y distribución del conocimiento como motores esenciales del crecimiento económico. Esto significa que los colectivos de trabajadores altamente cualificados —con acceso a niveles de educación superior y capacitación profesional muy especializada— demandan del sistema educativo y de las empresas grandes inversiones en investigación y desarrollo.

Las personas que trabajan en la industria del conocimiento son hoy el arquetipo del tipo de especialización que se requiere para articular una sociedad del conocimiento en todas sus dimensiones no estrictamente económicas (ocio, formación permanente, calidad de vida, disponibilidad para el cuidado y la conciliación, etc.).

La mano de obra que posibilita los servicios especializados con mayor valor añadido en la sociedad del conocimiento se incorpora al mercado laboral tras un largo y costoso proceso de cualificación y formación especializada, en el que aprenden a utilizar sus conocimientos y habilidades para crear nuevos productos, servicios e ideas. Además de acceso a las tecnologías de la información, se requieren habilidades multidisciplinares (programación, gestión de equipos, coordinación de proyectos, colaboración en línea, etc.) que facilitan la producción, distribución y uso del conocimiento, involucrando de manera habitual a trabajadores del conocimiento que colaboran y comparten sus ideas desde diferentes ubicaciones geográficas.

Se difuminan así las fronteras entre los sectores público y privado, entre jurisdicciones de ámbito local o estatal y entre actores que pertenecen a instituciones públicas y privadas cada vez más interdependientes, incentivados para colaborar en sectores cuya competitividad y viabilidad dependen del conocimiento especializado para alcanzar sus objetivos.

Formas de colaboración descentralizada cuestionan los modos tradicionales de ejercer el poder y la autoridad política, y modifican el rol de las instituciones estatales (consolidado para afrontar los desafíos de la era industrial, en lo esencial). Pero en muchos campos de actividad altamente especializada, el Estado ya no es el único proveedor de conocimiento y educación. Sus programas formativos tienden a incluir la colaboración con el sector privado y la sociedad civil para crear una economía más innovadora, basada en el conocimiento y en su aplicación para ofertar servicios de alto valor añadido.

Cuando se trata de servicios que atraen o interesan a consumidores de distintos continentes, la cooperación internacional resulta inevitable en un mundo globalizado, y obliga a consolidar programas de intercambio y formación sin fronteras. El retroceso en los procesos de cooperación abiertos por la globalización mina, a medio plazo, el dinamismo de la sociedad del conocimiento y genera desigualdades para los países con menor porcentaje de población altamente cualificada.

En conclusión, la irrupción de servicios digitales y desarrollos técnicos como la web 2.0 han hecho posible aplicaciones y formas inéditas de interacción que permiten a los usuarios crear, compartir y modificar contenidos digitales de forma interactiva y colaborativa.

1. Smith, Aaron (Pew Research Center, 2013): Civic Engagement in the Digital Age. https://core.ac.uk/reader/30677017
2. Andersen, Kim, Jakob Ohme, Camilla Bjarnøe, Mats Joe Bordacconi, Erik Albæk, y Claes de Vreese (2020). Generational gaps in political media use and civic engagement: From baby boomers to generation Z. London: Routledge. https://core.ac.uk/reader/344665774
3. Barassi, Veronica (2016). “Datafied Citizens? Social Media Activism, Digital Traces and the Question about Political Profiling”. Communication and the Public 1 (4): 494–99. https://doi.org/10.1177/2057047316683200.
4. Wihbey, John (Oct. 18, 2015): How does social media use influence political participation and civic engagement? A meta-analysis. https://journalistsresource.org/politics-and-government/social-media-influence-politics-participation-engagement-meta-analysis/
5. Onguny, Philip Oburu (2019). “Mediated political participation and competing discourses of online civic engagement”. Journal of development and communication studies 6 (1): 36–47. https://doi.org/10.4314/jdcs.v6i1.3.
6. Web 2.0., Web 3.0 o Web semántica: https://es.wikipedia.org/wiki/Web_2.0  

6.4. Participación pública, democracia y conocimiento

La web 2.0 incluye plataformas como blogs, wikis, redes sociales, podcasts o vídeos online. La web 2.0 facilita la participación activa en la generación de conocimiento al ofrecer espacios de expresión, comunicación e intercambio de información entre personas con intereses, habilidades y manejo de herramientas comunes. Pero sus posibilidades se han ido ampliando y evolucionan con el desarrollo de nuevos estándares técnicos y servicios de potencial impacto disruptivo, como la IA generativa basada en grandes modelos de lenguaje.

Una dinámica de participación activa en la generación de conocimiento tiene beneficios tanto individuales como colectivos. A nivel individual, permite desarrollar habilidades cognitivas, afectivas y sociales que mejoran el aprendizaje y el desempeño profesional. A nivel colectivo, permite generar conocimiento más diverso, innovador y pertinente para las necesidades y demandas de la sociedad.

Además, favorece la inclusión, la democracia y la ciudadanía activa, combinando posibilidades y ventajas de cada generación de servicios digitales y el tipo de colaboración que han contribuido a consolidar. Por mencionar solo algunos:

La participación pública puede conducir a la producción de nuevos conocimientos y a mejorar la calidad de los procesos de deliberación democrática. Cuando los ciudadanos participan en la deliberación, están expuestos a nueva información y perspectivas que pueden cuestionar sus creencias y suposiciones, induciendo dinámicas de aprendizaje y adquisición de nuevos conocimientos. La deliberación puede ayudar cualquier sector de la ciudadanía a comprender mejor la complejidad de las cuestiones que se les plantean y evitar soluciones inadecuadas o simplistas. La deliberación informada sirve de oportunidad para debatir las cuestiones en profundidad y considerar distintos puntos de vista, lo que estimula el desarrollo del pensamiento crítico y procedimientos más sofisticados de evaluación de pruebas y argumentación razonada.

Entre otros beneficios, la producción participativa de nuevos conocimientos puede y suele conducir a mejores decisiones. Cuando los responsables de la toma de decisiones tienen acceso a una gama más amplia de información y puntos de vista, es más probable que tomen decisiones que redunden en beneficio del público. En segundo lugar, la producción de nuevos conocimientos puede contribuir a la cohesión social. Cuando los ciudadanos participan en la deliberación, es más probable que comprendan los puntos de vista de los demás y desarrollen un sentido compartido de los objetivos.

1. Burkle, Martha, y Cristobal Cobo (2018). “Redefining knowledge in the digital age”. Journal of new approaches in educational research 7 (2): 79–80. https://doi.org/10.7821/naer.2018.7.294. 
2. Caluwaerts, Didier, Kamil Bernaerts, Rebekka Kesberg, Lien Smets, y Bram Spruyt (2023). “Deliberation and polarization: a multi-disciplinary review”. Frontiers in political science 5. https://doi.org/10.3389/fpos.2023.1127372.
3. Council of Europe (March 2023): Report on deliberative democracy.  European Committee on Democracy and Governance (CDDG). https://rm.coe.int/report-on-deliberative-democracy-eng/1680aaf76f
4. Dahlgren, Peter (2013). The Political Web: Media, Participation and Alternative Democracy. Basingstoke, Inglaterra: Palgrave Macmillan. https://doi.org/10.1057/9781137326386.
5. Filipe, Angela, Alicia Renedo, y Cicely Marston (2017). “The Co-Production of What? Knowledge, Values, and Social Relations in Health Care”. PLoS Biology 15 (5): e2001403. https://doi.org/10.1371/journal.pbio.2001403.
6. Fishkin, James S. (2011). “Making deliberative democracy practical”. En When the People Speak, 95–105. Oxford University Press. https://doi.org/10.1093/acprof:osobl/9780199604432.003.0004
7. O’Doherty, Kieran C. (2017). “Deliberative Public Opinion: Development of a Social Construct”. History of the Human Sciences 30 (4): 124–45. https://doi.org/10.1177/0952695117722718.
8. Redman, S., T. Greenhalgh, L. Adedokun, S. Staniszewska, y S. Denegri (2021). “Co-Production of Knowledge: The Future”. BMJ (Clinical Research Ed.), n434. https://doi.org/10.1136/bmj.n434.
9. Sunstein, Cass R. (2017). #republic: Divided Democracy in the Age of Social Media. Princeton, NJ, Estados Unidos de América: Princeton University Press.

6.5. Redes sociales y redes de conocimiento: la revolución humanista

La relación entre redes sociales y redes de conocimiento es estrecha y dinámica. Las redes sociales pueden favorecer la creación y el fortalecimiento de las redes de conocimiento al ofrecer espacios de encuentro, diálogo y colaboración entre personas con intereses comunes o complementarios. Las redes o nodos de conocimiento pueden ampliar su impacto y utilidad social con el uso y versatilidad que aportan las redes sociales, asumiendo un papel de actores relevantes capaces de proporcionar contenidos relevantes, útiles e innovadores para los usuarios.

La revolución humanista es el proceso histórico y cultural que se caracteriza por el resurgimiento y la valoración del humanismo, es decir, del conjunto de principios y valores que defienden la dignidad, la libertad y la razón del ser humano. El humanismo implica el reconocimiento de la diversidad, el pluralismo, el diálogo, la tolerancia y la solidaridad entre los seres humanos, como integrantes de un colectivo genérico (especie) que afronta desafíos comunes.

La relación entre redes sociales, redes de conocimiento y revolución humanista es compleja. Sus características específicas pueden combinarse para ampliar el alcance y contenido de la revolución humanista, aportando nuevas formas de fomentar la participación, la educación, la ciencia, la cultura y la ciudadanía activa entre seres humanos de todo el planeta. Y la revolución humanista puede orientar el sentido y el uso de las redes sociales y las redes de conocimiento de modo compatible con criterios éticos, elementos estéticos e ideales políticos basados en el humanismo.

Esta dinámica positiva puede verse lastrada por las brechas o desigualdades en el acceso y el uso de las TIC entre diferentes grupos o regiones; las amenazas o vulneraciones a los derechos humanos en el ámbito digital; los conflictos o contradicciones entre los valores humanistas y los intereses económicos o políticos; o los efectos no deseados o no previstos de aplicaciones, plataformas y servicios digitales sobre el desarrollo humano y el medio ambiente.

Las redes sociales no solo proporcionan una plataforma para la comunicación y el intercambio de información, sino que también posibilitan la creación de redes de conocimiento, permitiendo que la información se distribuya, se construya y aplique colectivamente. Pero, en ciertos contextos y sin reguladores independientes, las redes sociales pueden funcionan como plataformas de desinformación, y no solo bajo intereses genuinamente democráticos. Las restricciones y ventajas en el acceso pueden favorecer a ciertos actores con mayor capital social y digital, excluyendo a colectivos que carecen de él.

Cuestión aparte es la relativa al valor y la calidad del conocimiento producido y distribuido en las redes sociales. Si bien estas plataformas pueden ser lugares de innovación y creatividad, dada la naturaleza abierta y colaborativa de las redes sociales —en principio, asociada con dinámicas favorables a la producción de conocimientos más diversos y ricos—, no resulta sencillo asegurar la calidad del conocimiento que circula por las redes sociales, dado el carácter problemático de casi cualquier esquema de censura y la dificultad para introducir en el proceso de exclusión o filtrado de contenidos las garantías jurídicas que hacen posible el reconocimiento efectivo de los derechos y libertades políticas en otros ámbitos.

Sin controles formales de calidad y sistemas costosos de verificación de hechos, las redes fácilmente pueden revertir los logros de la revolución humanista y ser inundadas con bulos, desinformación y teorías de la conspiración, cuya eliminación mediante sistemas eficaces plantea otros desafíos para la privacidad y la ética, si consideramos los esquemas habituales de acceso y apropiación de los datos personales en las aplicaciones y servicios que comercializan las mayores plataformas tecnológicas.

1. Bos, J. A., & Carpentier, V. (2016). The participatory turn: Challenges to the epistemologies of participation. European Journal of Communication, 31(3), 287-305.
2. Brown, P. y Lauder, H. (2000): Collective intelligence. Social Capital: Critical Perspectives. Nueva York, Oxford University Press.
3. Fladerer, J.P. (2019): The Wisdom of the Many: How to create Self-Organisation and how to use Collective Intelligence in Companies and in Society From Management to ManagemANT. Norderstedt, Books on Demand.
4. Castells, M. (2016). Networks of outrage and hope: Social movements in the internet age. Polity Press.
5. Flaxman, Seth, Sharad Goel, y Justin M. Rao (2016). “Filter Bubbles, Echo Chambers, and Online News Consumption”. Public Opinion Quarterly 80 (S1): 298–320. https://doi.org/10.1093/poq/nfw006. 
6. Garrett, R. Kelly (2009). “Echo Chambers Online?: Politically Motivated Selective Exposure among Internet News Users”. Journal of Computer-Mediated Communication: JCMC 14 (2): 265–85. https://doi.org/10.1111/j.1083-6101.2009.01440.x.
7. Jenkins, Henry (2008). Convergence Culture: Where Old and New Media Collide. Nueva York, NY, Estados Unidos de América: New York University Press.
8. Malone, T. (2018): Superminds. The Surprising Power of People and Computers Thinking Together. Nueva York, Little, Brown Spark (Hachette Book Group).
9. Martínez-Cortiña, R. (16/11/2022): Hacia la revolución humanista: Podemos superar colectivamente una eventual era de la oscuridad emulando una de las mejores prácticas en la historia del ser humano, el Renacimiento. https://telos.fundaciontelefonica.com/hacia-la-revolucion-humanista/ 

6.6. Dataísmo, Internet de las Cosas (IoT) y algoritmos: AI y machine learning

El dataísmo es una filosofía o ideología que considera que los datos son la fuente de todo conocimiento y valor, y que el flujo de información es el valor supremo y el mayor bien de todos. Su base es la creencia de que todo fenómeno puede ser cuantificado, medido y analizado mediante el uso de algoritmos, inteligencia artificial (IA) y machine learning (ML). El dataísmo se apoya en el desarrollo del Internet de las Cosas (IoT), que consiste en la interconexión de objetos cotidianos con sensores y dispositivos que generan y transmiten datos a través de internet.

El dataísmo tiene un gran impacto socio-cultural, ya que plantea una nueva forma de entender y organizar la realidad, la sociedad y el ser humano. Algunas de las implicaciones del dataísmo son las siguientes:

1. El desplazamiento del humanismo: El humanismo es una corriente cultural que defiende la dignidad, la libertad y la razón del ser humano, así como el reconocimiento de la diversidad, el pluralismo, el diálogo y la solidaridad entre los seres humanos. El dataísmo cuestiona el humanismo al afirmar que los datos son más importantes que las personas, y que los algoritmos pueden tomar mejores decisiones que los humanos. El dataísmo reduce al ser humano a un conjunto de datos, y lo somete a la autoridad y el control de las máquinas.
2. La transformación de la ciencia: La ciencia es el conjunto de conocimientos obtenidos mediante la observación, la experimentación y el razonamiento. La ciencia se basa en el método científico, que consiste en formular hipótesis, contrastarlas con la realidad y elaborar teorías. El dataísmo modifica la ciencia al afirmar que los datos son suficientes para generar conocimiento, sin necesidad de hipótesis ni teorías. El dataísmo confía en el poder de los algoritmos, la IA y el ML para procesar grandes cantidades de datos (big data) y extraer patrones, correlaciones y predicciones.
3. La redefinición de la educación: La educación es el proceso de facilitar el aprendizaje y el desarrollo integral de las personas. La educación se basa en la transmisión de valores, conocimientos, habilidades y competencias. El dataísmo influye en la educación al afirmar que los datos son la principal fuente de aprendizaje, y que los algoritmos, la IA y el ML son los principales agentes educativos.

Como aspecto novedoso en sus implicaciones educativas, el dataísmo propone una educación personalizada, adaptativa y automatizada, basada en el análisis de los datos del estudiante y en el uso de plataformas digitales. En la educación superior, al menos, se ha consolidado la tendencia al uso de plataformas que sirven de soporte a los procesos de aprendizaje. Además de facilitar el acceso a la educación, aportan herramientas de seguimiento, visualización e interpretación de la actividad que cada estudiante realiza en la plataforma.

Es innegable que el desarrollo de la IoT ha ampliado nuestra interacción con la tecnología, permitiendo que los objetos cotidianos se conecten a la red y recojan, procesen y compartan datos. Esta hiperconexión novedosa ha transformado nuestra relación con la tecnología y ha desdibujado las fronteras entre lo físico y lo digital, con repercusiones importantes en los procesos educativos, en las relaciones y la vida laboral.

La omnipresencia de los datos ha promovido el desarrollo de algoritmos más sofisticados, y la IA y el Machine Learning se han convertido en elementos fundamentales para la interpretación y el análisis de los datos recopilados a partir de la actividad común de los usuarios en distintas plataformas. Combinadas, estas tecnologías han demostrado su capacidad para mejorar la eficiencia y la productividad, así como para generar nuevos conocimientos y oportunidades. Pero contribuyen también a un ambiente nada sutil de "hipervigilancia" como base de actividades muy lucrativas y políticamente poco transparentes, interponiendo con facilidad y sin garantías legales a múltiples actores con capacidad de acceder y recopilar datos personales, sin que resulta obvia su justificación e impacto en el deterioro del derecho a la privacidad.

En relación con la toma de decisiones, la IA y los algoritmos tienen un gran potencial para orientar el abordaje de problemas complejos, desde el cambio climático hasta la atención sanitaria, y de transformar la vida colectiva de manera positiva. Pero la dependencia de algoritmos e IA suscita inquietudes acerca de los mecanismos de transparencia y equidad, dado que los algoritmos reflejan los sesgos de sus creadores, el contexto de entrenamiento y los problemas de calidad de los datos de partida (lo que puede perpetuar o agravar dinámicas de discriminación y desigualdad social).

La economía basada en los datos está creando nuevas formas de poder, si consideramos el tamaño e implantación global de las empresas que controlan y procesan grandes cantidades de datos en conexión con el ecosistema de servicios que prestan, muchas veces sin competidores ni supervisión estatal disuasoria de las malas prácticas.

En lo que afecta a las oportunidades de empleo, las tecnologías basadas en los datos y algoritmos de IA están facilitando la automatización de muchos puestos de trabajo en nichos tradicionales de ocupación masiva. El desajuste podría provocar desempleo generalizado y malestar social en ciertos sectores de actividad.

1. Broussard, Meredith (2018). Artificial unintelligence: How computers misunderstand the world. The MIT Press. 
2. Floridi, Luciano (2014). The Fourth Revolution: How the Infosphere Is Reshaping Human Reality. Londres, Inglaterra: Oxford University Press. 
3. Lupton, Deborah (2019). Data Selves: More-than-Human Perspectives. Oxford, Inglaterra: Polity. 
4. Russell, Stuart, y Peter Norvig (2019). Artificial Intelligence: A Modern Approach. Pearson Higher Education. 
5. Swan, Melanie (2012). “Sensor Mania! The Internet of Things, Wearable Computing, Objective Metrics, and the Quantified Self 2.0”. Journal of Sensor and Actuator Networks 1 (3): 217–53. https://doi.org/10.3390/jsan1030217. 
6. Van Dijck, Jose (2014). “Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology”. Surveillance & society 12 (2): 197–208. https://doi.org/10.24908/ss.v12i2.4776.

6.7. La irrupción de ChatGPT y otros servicios de IA generativa. Implicaciones

La inteligencia artificial (IA) generativa es una aplicación de múltiples desarrollos en varias ramas de la computación para potenciar la capacidad de crear contenidos originales y coherentes (texto, imágenes, música, audio y vídeos) a partir del aprendizaje sobre datos o instrucciones existentes y generar contenido nuevo y único mediante el uso de algoritmos, redes neuronales y aprendizaje automático (ML). La IA generativa puede aplicarse para potenciar la creatividad en diversos ámbitos, como el arte, la música, el cine, la literatura, el periodismo o la educación.

Uno de los ejemplos más destacados de IA generativa es ChatGPT, implementado como aplicación web para generar textos en lenguaje natural sobre cualquier tema, con un alto grado de verosimilitud y calidad. La generación de texto incluye programación a demanda y depuración de código en una extensa variedad de lenguajes. Sin conocimientos muy avanzados, se puede lograr que los sistemas informáticos aprendan a partir de series específicas de datos sin ser programados explícitamente, utilizando los patrones aprendidos para generar contenido nuevo.

Es previsible que la irrupción de ChatGPT y otros servicios de IA generativa tenga un gran impacto social, educativo y laboral, considerando su rápida adopción y las transformaciones que puede inducir incluso en los ámbitos de actividad profesional más cualificados. Su potencial plantea nuevos desafíos y oportunidades para los trabajadoress, las organizaciones y la sociedad en general. Algunas de las implicaciones de la IA generativa son las siguientes:

1. Cambios en la comunicación y flujo de información: La IA generativa puede facilitar la comunicación y la información al ofrecer contenidos personalizados, adaptados y accesibles para diferentes públicos y contextos. Puede mejorar la eficiencia y la productividad al automatizar tareas repetitivas o complejas, como la redacción de informes, resúmenes o traducciones. Y se puede utilizar para generar datos sintéticos, a partir de los cuales entrenar otros sistemas de aprendizaje automático. Pero la IA generativa también puede ser utilizada con fines de manipulación, desinformación, daño a la reputación o a la propia imagen, fraude en la investigación u obtención de resultados y para sortear barreras de ciberseguridad.

2. Transformación de la educación y el aprendizaje: La IA generativa puede potenciar la educación y el aprendizaje al ofrecer recursos didácticos innovadores, interactivos y motivadores para los estudiantes y los docentes. Puede facilitar el aprendizaje personalizado, adaptativo y colaborativo, basado en el análisis de los datos del estudiante y sus ventajas o dificultades en el uso de plataformas digitales. No obstante, la IA generativa puede facilitar el fraude académico, la pérdida de habilidades o competencias y el deterioro de los estándares éticos o los valores sociales y corporativos.

3. Redefinición del trabajo y las oportunidades de empleo: La IA generativa puede transformar nichos de empleo y crear nuevas oportunidades laborales, relacionadas con el diseño, el desarrollo, el mantenimiento o la evaluación de los servicios de IA generativa. Puede mejorar las condiciones laborales al reducir la carga de trabajo, aumentar la flexibilidad o facilitar la formación continua sobre un amplio rango de contenidos multidisciplinares que hasta hace poco requerían procesos muy costosos de formación especializada. En determinados contextos sociales y reguladores, las aplicaciones de IA generativa pueden ocasionar la sustitución o desplazamiento de puestos de trabajo, la precarización o desigualdad laboral y el desfase de amplios colectivos de trabajadores con respecto a las necesidades, habilidades o competencias requeridas para el entorno laboral.

En el contexto de la sociedad del conocimiento, los servicios de IA generativa pueden desempeñar un papel significativo —es decir, un salto cualitativo con respecto a las tecnologías y servicios previos— en la democratización del acceso a la información, en la interpretación y aplicación de datos e información disponible para la toma de decisiones, en la mejora de las competencias digitales y en las habilidades de traducción.

Los distintos modelos y servicios de IA generativa pueden ayudar a superar barreras de lenguaje y conocimiento, proporcionando a los usuarios información precisa y relevante de manera instantánea, como parte de procesos sofisticados de razonamiento, investigación y análisis. Su adecuada regulación, y el compromiso con estándares éticos exigentes, serán necesarios para evitar abusos, desinformación o acoso en línea.

En contexto educativo, la IA generativa tiene un potencial extraordinario para revolucionar los procesos de enseñanza y aprendizaje. Herramientas como ChatGPT pueden proporcionar tutorías personalizadas y apoyo en tiempo real para una extensa variedad de tareas, problemas y casos a trabajar por estudiantes en etapas e itinerios educativos muy diversos, independientemente de su ubicación geográfica u horarios. El riesgo de disminuir el contacto humano y las habilidades esenciales para la interacción social puede compensarse con la diversidad, amplitud y mejora de procesos de aprendizaje con menos peso de tareas rutinarias y tediosas.

Por otra parte, la IA generativa puede utilizarse para superar ciertas limitaciones de personal de apoyo especializado, si se aplica con buen criterio para generar materiales de aprendizaje personalizados. Con las indicaciones adecuadas, puede ayudar a que cada estudiante aprenda a su propio ritmo y de manera adaptada a sus necesidades, intereses y dificultades individuales. En cuanto a formatos y motivación, la IA generativa puede aplicarse para crear experiencias educativas interactivas, como simulaciones virtuales o juegos, facilitando nuevos formatos e incentivos para tareas exigentes y con alto nivel de fracaso o abandono asociado.

Referencias
1. Arntz, M., Gregory, T., & Zierahn, U. (2020). Digitalization and the Future of Work: Macroeconomic Consequences. Structural Change and Economic Dynamics, 53, 443-456.
2. Bender, E.M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610-623.
3. Bostrom, N. (2020). The Vulnerable World Hypothesis. Global Policy, 11(4), 493-505.
4. Crawford, K., Dobbe, R., Dryer, T., Gillis, G., Kaziunas, E., Maharana, A., et al. (2021). Al in Context: The Labor of Integrating NewTechnologies. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 5-20.
5. Felten, E., Huang, L., & Kagal, L. (2023). The economic potential of generative Al: The next productivity frontier. McKinsey & Company. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
6. Johnson, K. (2023, March 8). How ChatGPT is changing the way we communicate. The Conversation.
7. McKinsey. (2023, June 1). Opinion Paper: "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational Al for research, practice and policy. https://doi.org/10.1016/j.ijinfomgt.2023.102642
8. NPR. (2023, June 2). How will generative Al — such as ChatGPT — affect the workplace?
9. Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165.
10. TietoEVRY. (2023, June 21). ChatGPT and beyond: What is the impact of generative Al on information work? https://www.tietoevry.com/en/blog/2023/06/chatgpt-and-beyond-what-is-the-impact-of-generative-ai-on-information-work/
11. Wan, S., Paris, C., & Dale, R. (2019). Supporting e-Learning with Artificial Intelligence. Handbook of Artificial Intelligence in Education, 193-210.

Enlaces
1. Glen Gow (10 ABRIL 2023): Estos son los cinco principales peligros en la era de la IA y ChatGPT. https://forbes.es/tecnologia/260702/estos-son-los-cinco-principales-peligros-en-la-era-de-la-ia-y-chatgpt/
2. Pérez Colomé, J. (22 feb 2023):  Así es la irrupción inexorable de la nueva IA a las aulas. https://elpais.com/tecnologia/2023-02-22/obligo-a-usar-chatgpt-en-mis-clases-asi-es-la-irrupcion-inexorable-de-la-nueva-ia-a-las-aulas.html
3. Trias, X. (27 febrero 2023): El impacto de ChatGPT: ¿cómo afectará la irrupción y evolución de la inteligencia artificial en los próximos años? https://www.ey.com/es_es/digital/el-impacto-chatgpt-como-afectara-irrupcion-evolucion-inteligencia-artificial
4. Meneses, N. (30 MAR 2023): ChatGPT y educación: ¿un nuevo enemigo o aliado de los profesores? https://elpais.com/economia/formacion/2023-03-30/chatgpt-y-educacion-un-nuevo-enemigo-o-aliado-de-los-profesores.html 

Anexo I

A1. El conocimiento científico y su estatus disciplinar

Existe alguna literatura que extrapola hasta extremos incompatibles las diferencias culturales entre profesionales de diversas disciplinas, como resultado de trayectorias investigadoras condicionadas por los respectivos objetos, métodos, valores y formas de comunicación.¹

Sin embargo, esta línea de análisis no permite escapar de los nichos disciplinares que funcionan como auténticas tribus o estructuras de poder territorial en ámbitos de actividad académica e investigadora en la antesala de su declive, muy probablemente como efecto colateral de estructuras inadecuadas de jerarquización y control que terminan ahuyentando el talento —por lo general, más fácil de retener en entornos igualitarios, o bajo relaciones de poder horizontal—.²

Incluso si el moldeado tribal sigue esta línea durante años de actividad profesional, es improbable que colectivos amplios y heterogéneos de personas dedicadas a la actividad intelectual acuerden prescindir de la diversidad de talentos y habilidades entrenadas con diversas herramientas y metodologías a la hora de afrontar problemas de gran complejidad, de cuya solución podrían beneficiarse quienes se dedican a la investigación —sobre todo, en las fases decisivas de consolidación profesional— y las instituciones involucradas.³

El proceso de especialización disciplinar es paraleo al de acreditación profesional en lo esencial (el segundo puede requerir algún trámite administrativo más), y da una idea cabal del tipo de habilidades y competencias que cabe asociar con cada colectivo que termina su ciclo de formación institucionalizada.

La clasificación de las diferentes disciplinas suele hacerse según el objeto, el método y el nivel de estudio que emplean. Cualquier intento de enumerar las que podrían considerarse representativas de dominios de conocimiento bien delimitados evidencia las interconexiones y dependencias:

• Física: estudia las propiedades, las leyes y los fenómenos de la materia, la energía, el espacio y el tiempo. Utiliza el método experimental, la matemática y la lógica para construir modelos y teorías que expliquen la realidad física.
• Química: estudia la composición, la estructura, las transformaciones y las reacciones de la materia. Utiliza el método experimental, la matemática y la lógica para describir y predecir el comportamiento de los átomos, las moléculas y los compuestos químicos.
• Biología: estudia las características, los procesos, las funciones y la evolución de los seres vivos. Utiliza el método experimental, la observación y la comparación para clasificar y analizar la diversidad, la complejidad y la adaptación de los organismos.
• Geología: estudia la formación, la estructura, la composición y el cambio de la Tierra y sus componentes. Utiliza el método experimental, la observación y la interpretación para investigar el origen, la historia y la dinámica del planeta y sus recursos naturales.
• Astronomía: estudia los cuerpos celestes, sus movimientos, sus interacciones y sus fenómenos. Utiliza el método experimental, la observación y el cálculo para explorar y comprender el universo y sus leyes físicas.
• Psicología: estudia los procesos mentales, los comportamientos y las relaciones de los individuos y los grupos. Utiliza el método experimental, la observación y la estadística para medir y explicar los factores biológicos, cognitivos, emocionales y sociales que influyen en el desarrollo humano.
• Sociología: estudia las estructuras, las funciones, los cambios y los problemas de las sociedades humanas. Utiliza el método experimental, la observación y la estadística para describir y comprender los fenómenos sociales, culturales, políticos y económicos que afectan a las colectividades.
• Economía: estudia la producción, la distribución, el consumo y el intercambio de bienes y servicios. Utiliza el método experimental, la observación y el cálculo para analizar y predecir el comportamiento de los agentes económicos, los mercados y las políticas públicas.
• Historia: estudia los hechos, las causas, las consecuencias y las interpretaciones del pasado humano. Utiliza el método crítico, la investigación documental y la narración para reconstruir y explicar los procesos históricos que han configurado el presente.^{4, 5}

1. Becher, T., & Trowler, P. R. (2001). Academic tribes and territories: Intellectual enquiry and the culture of disciplines. McGraw-Hill Education (UK).  
2. Bernstein, B. (1999). Vertical and horizontal discourse: An essay. British journal of sociology of education, 20(2), 157-173.  
3. Gardner, H. (1999). Intelligence reframed: Multiple intelligences for the 21st century. Basic books. 
4. Tight, M. (2020). “Higher Education: Discipline or Field of Study?” Tertiary Education and Management 26 (4): 415–28. https://doi.org/10.1007/s11233-020-09060-2.  
5. Zhang, L. et al. (2022). “Comparing Paper Level Classifications across Different Methods and Systems: An Investigation of Nature Publications”. Scientometrics 127 (12): 7633–51. https://doi.org/10.1007/s11192-022-04352-3.  

A2. Disciplinas sin un estatus consolidado

Disciplinas en una zona gris, con algunos elementos de rigor y validez, pero también algunas limitaciones o controversias. Algunos ejemplos de estas disciplinas podrían ser:

• Neurociencia: estudia el sistema nervioso, sus estructuras, funciones y enfermedades. Utiliza el método experimental, la observación y la tecnología para explorar y comprender el cerebro y sus procesos. Sin embargo, también se enfrenta a desafíos éticos, metodológicos y epistemológicos, como la complejidad de la mente humana, la dificultad de medir y manipular variables, la interpretación de los datos de neuroimágenes y la extrapolación de los hallazgos a otros niveles de análisis.^1-5
• Psicoanálisis: es una teoría y una práctica clínica que se basa en el concepto de inconsciente y en la interpretación de los sueños, los síntomas y las conductas. Utiliza el método hermenéutico, la observación y el diálogo para tratar a los pacientes con problemas psicológicos. Sin embargo, también ha sido criticado por su falta de rigor científico, su escasa evidencia empírica, su inconsistencia teórica y su resistencia a la falsación.^{6, 7}
• Antropología: estudia las culturas humanas, sus orígenes, características y diversidad. Utiliza el método comparativo, la observación participante y la etnografía para describir y comprender las formas de vida de los diferentes grupos humanos. Sin embargo, también ha sido cuestionada por su subjetividad, su relativismo cultural, su sesgo etnocéntrico y su influencia política e ideológica.^8-10

Estas disciplinas pueden tener un valor científico, social o humanístico, pero no pueden considerarse como plenamente científicas sin resolver sus problemas o debilidades.

Su enseñanza en las universidades debe ser crítica y reflexiva, y no debe confundirse con el conocimiento científico establecido y consensuado.

1. Gazzaniga, Michael S., Richard B. Ivry, and George R. Mangun (2018). Cognitive Neuroscience: The Biology of the Mind. New York: W.W. Norton & Company. 
2. Satel, Sally, and Scott O. Lilienfeld (2013). Brainwashed: The Seductive Appeal of Mindless Neuroscience. New York: Basic Books. 
3. Naegele, Janice R. (14/03/2018). Controversial brain study has scientists rethinking neuron research. https://theconversation.com/controversial-brain-study-has-scientists-rethinking-neuron-research-93183. 
4. Müller, Oliver, y Stefan Rotter (2017). “Neurotechnology: Current developments and ethical issues”. Frontiers in systems neuroscience 11. https://doi.org/10.3389/fnsys.2017.00093.  
5. QBI, "Ethical issues in neuroscience". Queensland Brain Institute. https://qbi.uq.edu.au/brain/nature-discovery/ethical-issues-neuroscience. 
6. Crews, Frederick C. (2017). Freud: The Making of an Illusion. New York: Metropolitan Books. 
7. Eagle, Morris N. (2007). “Psychoanalysis and Its Critics”. Psychoanalytic Psychology: The Official Journal of the Division of Psychoanalysis, American Psychological Association, Division 39 24 (1): 10–24. https://doi.org/10.1037/0736-9735.24.1.10.  
8. Brown, Nina, Laura Tubelle de Gonzalez, y Thomas McIlwraith (2018). Perspectives: An Open Invitation to Cultural Anthropology. 
9. Trouillot, Michel-Rolph (2015). Silencing the Past: Power and the Production of History. Boston: Beacon Press. 
10. Geertz, Clifford (1973). The Interpretation of Cultures: Selected Essays. New York: Basic Books. 

A3. Disciplinas que perdieron su estatus

1. Historia de la ciencia en el Renacimiento. https://es.wikipedia.org/wiki/Historia_de_la_ciencia_en_el_Renacimiento  
2. El Renacimiento y la revolución científica. https://historiadelaciencia-mnieto.uniandes.edu.co/pdf/RENACIMIENTOYREVOLUCION.pdf  
3. Exposición bibliográfica: La Ciencia en el Renacimiento. https://biblioteca.unizar.es/biblioteca-general/exposicion-bibliografica-la-ciencia-en-el-renacimiento  

A4. Métodos consolidados según disciplinas

1. Método científico. https://es.wikipedia.org/wiki/M%C3%A9todo_cient%C3%ADfico.
2. Ciencias formales. https://es.wikipedia.org/wiki/Ciencias_formales.
3. El método científico. https://es.khanacademy.org/science/biology/intro-to-biology/science-of-biology/a/the-science-of-biology.
4. Filosofía de la lógica. https://es.wikipedia.org/wiki/Filosof%C3%ADa_de_la_l%C3%B3gica.

A5. Interdisciplinariedad teórica y dependencia metodológica

La interdisciplinariedad teórica es en parte una respuesta a la creciente complejidad de los fenómenos y problemas objeto de indagación científica. Incluso en los dominios de conocimiento mejor consolidados surgen problemas que no pueden ser comprendidos ni solucionados sin la contribución de varias disciplinas, cuya evolución está condicionada por elementos teóricos entrelazados o se construye sobre los marcos conceptuales de otras áreas para posibilitar explicaciones de mayor alcance. Esta integración a menudo conlleva una dependencia metodológica, incluso cuando las disciplinas concernidas funcionan en parte con métodos y conceptos muy distintos, a veces incompatibles entre sí.¹

La necesidad de validar o expandir hallazgos en una disciplina utilizando métodos de otra puede estrechar la dependencia metodológica. Genómica y bioinformática, por ejemplo, se han entrelazado en la biología moderna porque la escala de los datos sobre secuencias genéticas que proporcionaba la genómica resultaba inmanejable sin las herramientas necesarias para analizar y interpretar esos datos desarrolladas por la bioinformática. Ambas disciplinas comparten objetivos pero sus profesionales se entrenan y practican con metodologías muy diferentes. Esto explica la importancia que tiene el componente institucional, para facilitar que investigadores concernidos por problemas comunes tengan acceso a la formación, medios y entornos de trabajo adecuados para el conocimiento y la investigación interdisciplinar.²

«La reducción es menos frecuente que la fusión o formación de interdisciplinas, tales como la biofísica, la bioquímica, la neurolingüística, la psicología social, la sociolingüística, la socioeconomía y la arqueología antropológica. Para lograr la fusión de dos disciplinas es necesario y suficiente que sus respectivas clases de referencia presenten una superposición no vacía; que compartan algunos conceptos específicos (o «técnicos»); y que haya «fórmulas adhesivas» en las que figuren conceptos de ambas disciplinas, tales como «El habla es la actividad específica de las áreas de Wernicke y Broca» en el caso de la neurolingüística."

13. Bunge, Crisis y reconstrucción de la Filosofía (cap. 10, aptdo. 1).

La ciencia moderna no se entiende sin la interdisciplinariedad teórica y la flexibilidad (o restricciones) que impone la dependencia metodológica. Pero la verdadera interdisciplinariedad va más allá de la colaboración puntual: requiere una integración profunda de teorías, métodos y perspectivas.³

La dependencia metodológica se refiere al grado de autonomía o subordinación que tiene una disciplina respecto a los métodos de investigación de otra, o a la necesidad de adoptar un método común que trascienda las fronteras disciplinares. Otro ejemplo de interdisciplinariedad teórica y dependencia metodológica se da en el campo de la biblioteconomía-informática, como campo de conocimiento que se ocupa de estudiar los procesos de generación, organización, difusión y uso de la información en sus diversas formas y soportes. Comparte fundamentos teóricos con disciplinas como la filosofía, la lógica, la lingüística, la sociología, la psicología, la comunicación, la informática y la matemática. Y adopta métodos de investigación propios de cada una de ellas, según el objeto y el objetivo de estudio, pero también para abordar la complejidad y la dinámica de los sistemas informativos.⁴

1. Klein, J. T. (2015). Reprint of “Discourses of transdisciplinarity: Looking back to the future”. Futures, 65, 10-16.  
2. Strasser, B. J. (2012). Data-driven sciences: From wonder cabinets to electronic databases. Studies in History and Philosophy of Science Part C: Studies in History and Philosophy of Biological and Biomedical Sciences, 43(1), 85-87.  
3. Choi, B. C., & Pak, A. W. (2006). Multidisciplinarity, interdisciplinarity and transdisciplinarity in health research, services, education and policy: 1. Definitions, objectives, and evidence of effectiveness. Clinical and investigative medicine, 29(6), 351.  
4. Gómez Hernández, J. A., & Pasadas Ureña, C. (2010). Bibliología e información: fundamentos teóricos para su estudio como ciencia interdisciplinaria. Revista Interamericana de Bibliotecología, 33(2). 

Listado de casos

1. Mapas fiables de riesgo de inundación y gestión de licencias de actividad
2. Disfunciones y brechas en la gestión del riesgo que agravaron el desastre causado por la DANA del 29 de octubre de 2024 en Valencia
3. Relación entre distorsiones de memoria y creencias pseudocientíficas
4. El negocio de la cirugía estética en España y el riesgo de intrusismo y malapraxis
5. Pseudotecnologías y productos fraudulentos dirigidos al consumidor
6. Publicidad de pseudoterapias y productos fraudulentos en Youtube y otras redes sociales
7. Pseudoscience and the future of neuroscience
8. Porcentaje de retractación de artículos científicos y desglose por países
9. Promedio de retractaciones entre 2020-2022 y ratio de retractaciones por cada 1000 artículos
10. Informe: An Exploratory Analysis of 4844 Withdrawn Articles and Their Retraction Notes:
11. Porcentaje de retractaciones sobre el total de artículos publicados
12. Extreme Weather Events and Evidence Against Climate Change Skepticism
13. Confirmación de la teoría neuronal de Ramón y Cajal
14. El catedrático que se cita a sí mismo miles de veces
15. Sesgo y limitaciones del Journal Impact Factor
16. La crisis del ébola en África Occidental y la apropiación de resultados de investigación
17. Aceleración de la respuesta mundial a la COVID-19 mediante el acceso abierto
18. Comunicación educativo-dialógica o persuasivo-promocional de la ciencia
19. Evolución de la percepción pública sobre vacunas, cambio climático y negacionismo
20. Cómo la industria musical calcula sus pérdidas
21. Informe sobre el impacto económico de la I+D
22. La patentabilidad de genes humanos
23. Desinformación y algoritmos de detección en redes sociales
24. Los bots negacionistas toman Twitter
25. Riesgos del dataísmo: Uso de macrodatos y algoritmos para predecir y prevenir el crimen
26. Replika y los usos de grandes modelos de lenguaje para fines no previstos en su diseño
27. Chatbots más persuasivos que los humanos

Glosario

A-G | H-M | N-S | T-Z

A-G

Alfabetización científica

Capacidad de comprender conceptos científicos básicos, procesos de investigación y el impacto de la ciencia en la sociedad. Implica la habilidad de evaluar críticamente la información científica y participar en debates sobre temas científicos, siendo fundamental para una ciudadanía informada.

Alucinación en IA

Fenómeno en el que los modelos de lenguaje de IA generan información falsa o inexacta con aparente confianza. Desafía nuestra comprensión de la veracidad y la confiabilidad del conocimiento generado por máquinas.

Amplificación inteligente

Uso de la IA para aumentar las capacidades cognitivas humanas. Plantea cuestiones sobre la naturaleza del conocimiento y la inteligencia cuando se fusionan las capacidades humanas y artificiales.

Análisis prospectivo

Estudio sistemático de futuros posibles basado en el análisis de tendencias actuales. Plantea cuestiones epistemológicas sobre la posibilidad de conocer el futuro y los límites de la predicción en sistemas complejos.

Aprendizaje profundo (Deep Learning)

Subcampo del aprendizaje automático basado en redes neuronales artificiales con múltiples capas. Plantea cuestiones epistemológicas sobre la naturaleza del conocimiento y el aprendizaje, ya que estos sistemas pueden detectar patrones y generar conocimiento de formas no siempre comprensibles para los humanos.

Astroturfing

Práctica de crear la falsa impresión de apoyo popular espontáneo a una causa, producto o idea, cuando en realidad está orquestado por organizaciones o grupos de interés. Incluye el uso de cuentas falsas en redes sociales, comentarios manipulados y grupos que imitan a los movimientos "grassroots" (iniciativas surgidas de manera genuina y espontánea desde la base de una comunidad) para amplificar los mensajes sesgados y las estrategias de desinformativos.

Axioma

Proposición o enunciado fundamental que se acepta como verdadero sin necesidad de demostración, utilizado como punto de partida en un sistema formal. Los axiomas son autoevidentes o establecidos por convención, y permiten la derivación lógica de otras verdades dentro del marco teórico.

Brecha de conocimiento

Fenómeno por el cual la difusión de información en una sociedad no se distribuye uniformemente, llevando a una disparidad en el acceso y comprensión del conocimiento científico entre diferentes grupos sociales. Este concepto es crucial en la planificación de estrategias de divulgación científica.

Caja negra epistémica

Fenómeno en el que los procesos de toma de decisiones de los sistemas de IA son opacos o incomprensibles para los humanos. Plantea desafíos sobre la confiabilidad y la responsabilidad en el uso de IA en contextos críticos.

Campo científico

Concepto desarrollado por Pierre Bourdieu que describe el espacio social en el que los científicos compiten por recursos, reconocimiento y autoridad. Enfatiza las dinámicas de poder y competencia en la producción del conocimiento científico.

Ciencia post-normal

Enfoque propuesto por Funtowicz y Ravetz para abordar problemas científicos complejos con altos niveles de incertidumbre y valores en disputa. Aboga por una mayor participación de las partes interesadas en la toma de decisiones científicas, especialmente en cuestiones de riesgo e impacto social.

Clase natural (Natural Kind)

Categoría de entidades que se considera que comparten una estructura o esencia fundamental, independiente de las clasificaciones humanas. Este concepto es central en debates epistemológicos sobre la objetividad de nuestras categorías científicas y la posibilidad de descubrir divisiones reales ("clases naturales") en la realidad. Los elementos químicos, por ejemplo, son considerados clases naturales, ya que poseen una estructura atómica única y propiedades físico-químicas inherentes que los distinguen de otras sustancias, independientemente de cómo los clasifiquemos. Las partículas fundamentales en física (electrones, quarks o fotones) se consideran clases naturales en física de partículas: cada tipo de partícula posee propiedades intrínsecas (como carga, spin o masa) que determinan su comportamiento y son consideradas fundamentales para entender cómo se estructura el universo, al margen de las convenciones humanas. Aunque puede resultar más controvertido, muchos biólogos consideran las especies biológicas como clases naturales: Homo sapiens se define por características genéticas, anatómicas y evolutivas específicas que la distinguen de otras especies de primates, reflejando una unidad natural más allá de las construcciones taxonómicas humanas.

Conciencia artificial

Concepto que se refiere a la posibilidad de que sistemas de IA desarrollen una forma de conciencia comparable a la humana. Plantea preguntas fundamentales sobre la naturaleza de la conciencia y el conocimiento.

Conocimiento

Conjunto estructurado y justificado de información sobre el mundo, basado en la experiencia, el razonamiento o la introspección, y que se considera verdadero y fiable por un individuo o una comunidad (comunidades expertas, si se trata del conocimiento científico). El conocimiento puede abarcar desde saberes empíricos hasta teorías abstractas y se organiza en disciplinas que buscan su validación.

Conspiracionismo

Tendencia a interpretar eventos significativos como el resultado de planes secretos organizados por grupos poderosos que actúan en la sombra. Se caracteriza por rechazar las explicaciones oficiales o convencionales en favor de narrativas alternativas que, típicamente, implican conspiraciones elaboradas, aunque carezcan de evidencia sólida que las respalde. Este pensamiento suele ser resistente a la contraargumentación y tiende a incorporar nuevos datos contrarios como "prueba" adicional de la conspiración.

Construcción social del conocimiento científico

Idea de que el conocimiento científico es producto de procesos sociales y negociaciones entre científicos, más que un simple descubrimiento de verdades objetivas. Enfatiza cómo los factores culturales, económicos y políticos influyen en la producción del conocimiento.

Controversias científicas

Debates y desacuerdos dentro de la comunidad científica sobre teorías, métodos o interpretaciones de datos. Su estudio revela cómo se negocian y resuelven las diferencias en la ciencia, y cómo factores extra-científicos pueden influir en estos procesos.

Creencia

Aceptación de una proposición como verdadera, independientemente de la evidencia disponible. Las creencias pueden basarse en la fe, la tradición o la experiencia personal, y suelen variar entre individuos o comunidades según el contexto cultural, social o emocional en el que se formen.

Demarcación

Proceso de establecer criterios claros y rigurosos para diferenciar el conocimiento científico del no científico, incluyendo la pseudociencia. Los criterios de demarcación más influyentes incluyen la falsabilidad, la capacidad predictiva, la reproducibilidad y la adherencia a métodos empíricos.

Demostración empírica

Validación de hipótesis a través de observaciones y experimentos. Suscita debates sobre la relación entre teoría y evidencia, y sobre cómo los datos observacionales pueden confirmar o refutar afirmaciones científicas.

Demostración lógica

Proceso de establecer la verdad de una proposición a través de una secuencia de pasos lógicos. Fundamental en epistemología, plantea cuestiones sobre la naturaleza de la verdad, la certeza y los límites del conocimiento deductivo.

Demostración por contraejemplo

Técnica de refutar una afirmación general mostrando un caso específico donde no se cumple. Ilustra la importancia del pensamiento crítico y la búsqueda activa de casos que desafíen nuestras creencias establecidas.

Desinformación

Creación y difusión deliberada de información falsa o engañosa con la intención de confundir, manipular o influir en la opinión pública. A diferencia de la información errónea (misinformation), que puede compartirse sin conocimiento de su falsedad, la desinformación implica una intencionalidad maliciosa y suele formar parte de campañas coordinadas para alcanzar objetivos políticos, económicos o sociales específicos.

Disonancia cognitiva

Estado de tensión psicológica que ocurre cuando una persona mantiene creencias, ideas o valores contradictorios. En el contexto conspiracionista, puede llevar a la reinterpretación de evidencia contraria para mantener la creencia en la conspiración.

Ecoblanqueamiento selectivo

Estrategia retórica que consiste en resaltar aspectos ambientalmente positivos de un producto o servicio mientras se ocultan sus impactos negativos más significativos. Ilustra el problema filosófico de la verdad parcial como forma de engaño y la manipulación de los marcos interpretativos en el discurso público.

Efecto Dunning-Kruger

Sesgo cognitivo por el cual individuos con conocimiento limitado sobre un tema tienden a sobreestimar su comprensión del mismo. En el contexto de la desinformación, explica por qué personas con entendimiento superficial de temas complejos pueden sentirse más seguras al promover teorías conspirativas que los verdaderos expertos en el campo.

Efecto Mateo en la ciencia

Fenómeno por el cual los científicos reconocidos reciben más crédito por su trabajo que los menos conocidos, incluso cuando realizan contribuciones similares. Ilustra cómo la reputación y el estatus influyen en la distribución del reconocimiento en la comunidad científica.

Efecto placebo

Fenómeno por el cual un tratamiento inerte o sin eficacia intrínseca produce un efecto terapéutico debido a las expectativas del paciente. En las terapias alternativas, a menudo se confunde este efecto con la eficacia real del tratamiento, llevando a conclusiones erróneas sobre su validez.

Empirismo

Corriente epistemológica que sostiene que el conocimiento se deriva principalmente de la experiencia sensorial y la observación directa del mundo. Para el empirismo, el método experimental es fundamental, y las ideas abstractas deben estar vinculadas a datos verificables a través de la percepción.

Epistemología

Disciplina filosófica que estudia la naturaleza, el origen, los límites y la validez del conocimiento. La epistemología se ocupa de preguntas fundamentales sobre cómo se adquiere el conocimiento, cómo se justifica y qué criterios se utilizan para diferenciar el conocimiento verdadero del falso o del dudoso.

Esencialismo

Doctrina filosófica que sostiene que ciertas propiedades de un objeto o entidad son necesarias y determinan su identidad fundamental. En epistemología, el esencialismo plantea cuestiones sobre la naturaleza del conocimiento y cómo podemos identificar y comprender las características esenciales de las cosas, en contraposición a sus atributos accidentales o contingentes.

Esencialismo biológico

Perspectiva que atribuye características fijas e inmutables a grupos biológicos, como especies o razas. En epistemología, este concepto es controvertido y ha sido cuestionado por su potencial para generar conocimiento sesgado o infundado, planteando debates sobre la objetividad en las ciencias naturales y sociales.

Ethos científico

Conjunto de normas y valores que se supone rigen la práctica científica, propuesto por Robert K. Merton. Incluye principios como el universalismo, el comunismo (en el sentido de compartir el conocimiento), el desinterés y el escepticismo organizado.

Ética de la IA

Campo que examina las implicaciones morales del desarrollo y uso de la IA. Aborda cuestiones epistemológicas sobre cómo los sistemas de IA deberían tomar decisiones éticas y qué valores deberían incorporarse en su diseño.

Evidencia

Conjunto de datos o información que respalda o refuta una hipótesis o teoría. La evidencia puede ser empírica (basada en la observación o experimentación) o teórica (basada en la coherencia lógica), y juega un rol crucial en la validación o falsación de afirmaciones científicas.

Evidencialismo

Posición filosófica que sostiene que la justificación de una creencia depende exclusivamente de la evidencia disponible. Según el evidencialismo, una creencia es racionalmente aceptable solo si está respaldada por evidencia suficiente y adecuada.

Explicación

Proceso de clarificación de un fenómeno mediante la identificación de sus causas, leyes o principios subyacentes. Una buena explicación no solo describe el fenómeno, sino que también permite su comprensión en términos más amplios, frecuentemente incluyendo predicciones sobre su comportamiento futuro.

Explicabilidad de la IA

Capacidad de los sistemas de IA para proporcionar explicaciones comprensibles de sus decisiones y acciones. Crucial para la confianza y la validación del conocimiento generado por IA, especialmente en campos como la medicina o el derecho.

Falacia de apelación a la naturaleza

Error lógico que asume que lo "natural" es inherentemente bueno o superior a lo "artificial". Esta falacia es común en la promoción de terapias alternativas y productos "naturales", ignorando que muchas sustancias naturales pueden ser nocivas.

Falacia del francotirador texano

Error lógico que consiste en seleccionar o enfatizar datos que parecen formar un patrón, ignorando aquellos que no encajan. En las teorías conspirativas, se usa para encontrar conexiones significativas en eventos aleatorios o no relacionados, reforzando la narrativa conspirativa.

Falacia verde

Error de razonamiento que asume que cualquier referencia a la naturaleza o sostenibilidad implica necesariamente un beneficio ambiental real. Relacionado con la falacia naturalista de Hume, representa la confusión entre las cualidades descriptivas de lo "natural" o "verde" y su deseabilidad ética o efectividad práctica. Algunas empresas usan palabras como "natural", "orgánico" o "sostenible" para hacer que sus productos parezcan más ecológicos de lo que realmente son.

Falsación

Criterio epistemológico propuesto por Karl Popper que sostiene que una teoría científica debe ser susceptible de ser refutada por medio de la evidencia empírica. Si una teoría es estructurada de manera que ninguna observación puede refutarla, se considera no científica.

Fiabilidad

Propiedad de un instrumento de medición o de un método de investigación que se refiere a la consistencia de sus resultados a lo largo del tiempo o en diferentes contextos. La fiabilidad es fundamental para la repetición de estudios, ya que asegura que los resultados no sean producto del azar o de errores metodológicos.

Frontera ciencia-política

Interfaz donde el conocimiento científico interactúa con la toma de decisiones políticas. Su estudio examina cómo la ciencia influye en las políticas públicas y cómo las consideraciones políticas pueden afectar la agenda y la práctica científica.

Futurología

Campo interdisciplinar de las ciencias sociales que busca predecir y analizar escenarios futuros. Desafía las nociones tradicionales de conocimiento al tratar con información incierta y especulativa, planteando preguntas sobre la validez de las predicciones a largo plazo. El componente metodológico que la sustenta incluye herramientas para entender las relaciones sistémicas y el reconocimiento de patrones en el pasado y presente, de interés para determinar la probabilidad de eventos futuros y tendencias.

Generalización

Proceso mediante el cual se extienden las conclusiones obtenidas en una muestra a una población más amplia. Para que una generalización sea válida, es necesario que la muestra sea representativa y que se hayan controlado los factores que puedan influir en los resultados.

Género en la ciencia

Análisis de cómo las construcciones sociales de género influyen en la práctica científica, desde la participación de las mujeres en la ciencia hasta los sesgos de género en la investigación. Revela cómo las dinámicas de género afectan la producción y validación del conocimiento científico.

Greenwashing

Práctica de crear una falsa apariencia de responsabilidad ecológica mediante estrategias comunicativas engañosas. Representa una forma de simulacro posmoderno donde la imagen de sostenibilidad sustituye a la acción real, reflejando la tensión entre la ética ambiental y el imperativo del beneficio en el capitalismo tardío.

Grupo control

Conjunto de sujetos en un experimento que no reciben el tratamiento o intervención bajo estudio, y que se utiliza como referencia para comparar los efectos del tratamiento en el grupo experimental. Este grupo ayuda a establecer una base para evaluar el impacto específico de la variable independiente.

▲

H-M

Hipótesis

Enunciado o proposición formulada para ser probada empíricamente, que sirve como explicación tentativa de un fenómeno o relación. Una hipótesis debe ser clara, falsable y susceptible de verificación o refutación mediante experimentación o análisis de datos.

Inducción

Tipo de razonamiento que permite derivar conclusiones generales a partir de observaciones específicas. Aunque la inducción puede proporcionar evidencia sólida, nunca ofrece certeza absoluta, ya que las conclusiones dependen de la extensión y representatividad de las observaciones.

Inferencia causal

Proceso mediante el cual se establece una relación de causa y efecto entre dos o más variables. La inferencia causal requiere un diseño experimental robusto para asegurar que la relación observada no sea producto de variables confusas o sesgos, y suele implicar la manipulación directa de una variable independiente.

Justificación

Proceso de aportar razones o argumentos que respalden la veracidad o validez de una creencia, afirmación o teoría. La justificación implica criterios epistémicos que permiten evaluar si las evidencias presentadas son suficientes y adecuadas para aceptar una proposición como verdadera.

Ley científica

Enunciado que describe una relación constante y universal en la naturaleza, frecuentemente expresado en términos matemáticos. Las leyes científicas son generalizaciones empíricamente verificadas que permiten predecir con precisión el comportamiento de un sistema en determinadas condiciones.

Mediación científica

Proceso de traducir y adaptar el conocimiento científico para hacerlo accesible y comprensible a un público no especializado. Implica no solo simplificar conceptos complejos, sino también contextualizar la información y hacerla relevante para la audiencia objetivo.

Medicina basada en la evidencia

Enfoque de la práctica médica que enfatiza el uso de evidencia científica rigurosa para tomar decisiones sobre el cuidado de pacientes individuales. Contrasta con las terapias alternativas, que a menudo carecen de respaldo empírico sólido.

Método científico

Proceso sistemático utilizado en la investigación para adquirir conocimiento. El método científico incluye etapas como la observación, la formulación de hipótesis, la experimentación controlada, el análisis de datos y la interpretación de resultados para llegar a conclusiones que puedan ser replicadas y verificadas.

Modelo

Representación simplificada de un fenómeno o sistema complejo que permite su análisis, predicción o explicación. Los modelos pueden ser matemáticos, conceptuales o físicos, y buscan captar las características más relevantes de un sistema sin incluir todos sus detalles.

Modelización matemática

Uso de lenguaje y estructuras matemáticas para describir fenómenos del mundo real. Suscita debates sobre la naturaleza de la relación entre las matemáticas y la realidad física, y sobre el poder predictivo de los modelos abstractos.

Modelo científico

Representación simplificada de un fenómeno o sistema complejo. Plantea cuestiones sobre la relación entre la abstracción y la realidad, y cómo los modelos pueden generar conocimiento válido a pesar de sus simplificaciones.

Modelo de déficit

Enfoque en la comunicación científica que asume que el público carece de conocimientos científicos y que esta carencia puede solucionarse simplemente proporcionando información. Este modelo ha sido criticado por ser unidireccional y no considerar el conocimiento y contexto del público.

Modelo mental

Representación interna de cómo funciona un sistema o concepto. En filosofía de la mente y ciencia cognitiva, plantea preguntas sobre cómo construimos y usamos representaciones internas del mundo para razonar y tomar decisiones.

▲

N-S

Necesidad ontológica

Concepto que se refiere a aquellas características o propiedades que un ente debe poseer para existir como tal. En epistemología, plantea cuestiones sobre cómo podemos conocer y distinguir entre las propiedades necesarias y las contingentes de las entidades.

Nominalismo

Posición filosófica opuesta al esencialismo que niega la existencia de universales o esencias abstractas, afirmando que solo existen individuos particulares. En el contexto epistemológico, el nominalismo desafía la idea de que podemos tener conocimiento de esencias universales, sugiriendo que nuestro conocimiento se limita a particulares y sus relaciones.

Objetividad

Cualidad del conocimiento o de los juicios que son independientes de las emociones, creencias o preferencias del observador. La objetividad es una meta clave en el método científico, que busca asegurar que los resultados reflejen la realidad de manera imparcial y sin distorsiones subjetivas.

Observación

Proceso sistemático de recolección de datos mediante la percepción directa de un fenómeno. La observación puede realizarse a través de los sentidos o mediante instrumentos que amplíen la capacidad humana, como telescopios o microscopios, y es esencial para el desarrollo de teorías científicas basadas en hechos empíricos.

Paradigma científico

Conjunto de teorías, métodos y supuestos compartidos por una comunidad científica en un momento histórico dado, que orienta la investigación y la interpretación de los fenómenos. Introducido por Thomas Kuhn, este concepto sugiere que el conocimiento científico está influenciado por factores sociales e históricos, más allá de la mera acumulación de datos empíricos. Los paradigmas guían la ciencia normal hasta que surgen anomalías que llevan a una crisis y eventualmente a una revolución científica.

Pensamiento crítico

Proceso de análisis y evaluación objetiva de información para formar un juicio. Implica la capacidad de cuestionar suposiciones, reconocer sesgos y evaluar la calidad de la evidencia, siendo fundamental para contrarrestar el pensamiento conspirativo.

Pensamiento mágico

Creencia en conexiones causales entre acciones y eventos que no pueden ser justificadas por la razón y la observación. En las pseudociencias y terapias alternativas, se manifiesta en la atribución de efectos curativos a prácticas sin base científica.

Posverdad

Situación en la que los hechos objetivos son menos influyentes en la formación de la opinión pública que las apelaciones a la emoción y las creencias personales. Los actores involucrados en una estrategia de posverdad inducen una distorsión deliberada de la realidad, manipulando creencias y emociones con el fin de influir en la opinión pública y en actitudes sociales. En el contexto científico, la posverdad representa un desafío significativo para la comunicación efectiva de hallazgos científicos, ya que la información especulativa y emocional puede prevalecer sobre la evidencia basada en datos.

Predicción

Proyección o inferencia sobre eventos futuros basándose en un modelo teórico o un conjunto de datos. Las predicciones pueden ser probabilísticas o deterministas y se utilizan para probar la validez de teorías científicas mediante la comparación con resultados empíricos.

Propiedad intrínseca

Característica fundamental de un objeto o entidad que posee independientemente de sus relaciones con otras cosas. En el contexto del esencialismo, las propiedades intrínsecas se consideran parte de la esencia de una cosa, contribuyendo a su identidad y naturaleza básica.

Prospectiva

Construcción de narrativas plausibles sobre futuros alternativos. Implica consideraciones filosóficas sobre la naturaleza del tiempo, la causalidad y la agencia humana en la configuración del futuro, así como sobre el papel de la imaginación en la generación de conocimiento.

Racionalismo

Corriente filosófica que sostiene que la razón, y no la experiencia sensorial, es la principal fuente del conocimiento. El racionalismo enfatiza el papel del pensamiento lógico y el razonamiento deductivo para llegar a verdades universales, incluso en ausencia de datos empíricos directos.

Realidad simulada

Concepto filosófico que sugiere que la realidad percibida podría ser una simulación avanzada. Desafía las nociones fundamentales de realidad y conocimiento, cuestionando la fiabilidad de nuestras percepciones y la naturaleza de la existencia.

Realismo metafísico

Posición filosófica que sostiene que existe una realidad objetiva independiente de nuestras percepciones o creencias sobre ella. En epistemología, el realismo metafísico implica que es posible obtener conocimiento verdadero sobre la naturaleza fundamental de la realidad, aunque este conocimiento pueda ser difícil de alcanzar o verificar.

Redes de actores

Enfoque teórico propuesto por Bruno Latour y Michel Callon que considera la ciencia como una red de actores humanos y no humanos (instrumentos, instituciones, etc.). Enfatiza cómo las interacciones entre estos actores dan forma al conocimiento científico.

Replicabilidad

Criterio fundamental en la investigación científica que se refiere a la capacidad de reproducir los resultados de un estudio bajo condiciones similares. La replicabilidad asegura la solidez de los hallazgos científicos y contribuye a la validación independiente de las teorías.

Sesgo

Error sistemático o tendencia que afecta los resultados de una investigación, ya sea en el diseño, la recolección de datos o la interpretación de los resultados. Los sesgos pueden originarse en expectativas del investigador, en la selección de la muestra o en los instrumentos de medición utilizados.

Sesgo algorítmico

Errores sistemáticos en sistemas de IA que pueden llevar a resultados injustos o discriminatorios. Refleja cómo los sesgos humanos pueden incorporarse inadvertidamente en la tecnología, cuestionando la objetividad percibida de los sistemas automatizados.

Sesgo de confirmación

Tendencia a buscar, interpretar, favorecer y recordar información de una manera que confirme o apoye las creencias o hipótesis previas. En el contexto de las teorías conspirativas, lleva a los individuos a aceptar evidencia que apoya sus creencias mientras descartan información contradictoria y explicaciones más plausibles.

Sesgo de supervivencia

Error lógico de concentrarse en las personas o cosas que "sobrevivieron" a algún proceso y pasar por alto aquellas que no lo hicieron. En las terapias alternativas, lleva a sobrevalorar anécdotas de éxito, ignorando los casos de fracaso o empeoramiento.

Simulación computacional

Proceso de crear modelos digitales de sistemas complejos para estudiar su comportamiento. Plantea cuestiones epistemológicas sobre la relación entre los modelos virtuales y la realidad, y cómo el conocimiento derivado de simulaciones puede validarse y aplicarse al mundo real.

Simulación cognitiva

Recreación de procesos mentales humanos en sistemas artificiales. Plantea interrogantes sobre la naturaleza de la cognición, la conciencia y la posibilidad de replicar verdaderamente el pensamiento humano en máquinas.

Singularidad tecnológica

Hipotético punto futuro en el que la IA superará la inteligencia humana, llevando a cambios impredecibles. Suscita debates sobre los límites del conocimiento humano y la naturaleza de la inteligencia.

Superinteligencia artificial

Hipotética forma de IA que superaría significativamente la inteligencia humana en prácticamente todos los dominios. Plantea preguntas filosóficas sobre los límites del conocimiento humano y la posibilidad de formas de inteligencia radicalmente diferentes.

Suspensión del juicio

Estado mental en el que una persona ni acepta ni rechaza una proposición debido a la falta de evidencia suficiente. Los evidencialistas sostienen que, en ausencia de evidencia clara, es racional suspender el juicio en lugar de formar una creencia sin fundamento.

▲

T-Z

Teoría

Conjunto coherente de proposiciones o principios que explican un fenómeno o un conjunto de fenómenos. Las teorías científicas son respaldadas por evidencia empírica y ofrecen una estructura conceptual para interpretar y predecir eventos observables, manteniéndose abiertas a ser refinadas o refutadas mediante nuevas pruebas.

Teoría de la conspiración

Explicación de eventos o circunstancias que invoca una conspiración por parte de actores poderosos, a menudo en contra de la explicación oficial o mayoritaria. Estas teorías tienden a persistir a pesar de la falta de evidencia sólida o la presencia de evidencia contradictoria.

Triangulación

Estrategia metodológica que consiste en emplear múltiples métodos, fuentes de datos o perspectivas teóricas para estudiar un fenómeno. La triangulación busca aumentar la validez y fiabilidad de los hallazgos al contrastar diferentes enfoques que convergen en una misma conclusión.

Validez

Criterio que se refiere a la capacidad de un método o instrumento de investigación para medir lo que se pretende medir. Un método válido proporciona resultados precisos y pertinentes para el fenómeno estudiado, lo que garantiza que las conclusiones extraídas sean fiables.

Variable dependiente

Variable que se mide en un experimento para observar cómo se ve afectada por los cambios en la variable independiente. Representa el efecto o resultado en un experimento, y su variación depende de la manipulación de las variables causales.

Variable independiente

Variable que el investigador manipula o controla en un experimento para observar su impacto sobre la variable dependiente. Es la causa o el factor de interés cuya relación con otras variables se estudia para establecer inferencias causales.

Verdad

Cualidad de un enunciado que se corresponde con la realidad o con los hechos. Existen diferentes teorías de la verdad, como la teoría de la correspondencia (una proposición es verdadera si refleja la realidad), la teoría de la coherencia (verdad como consistencia con un sistema de creencias) y la teoría pragmática (verdad como utilidad en la práctica).

Verificación

Proceso de corroborar una hipótesis o teoría mediante la comparación de sus predicciones con datos empíricos. La verificación busca confirmar la validez de las proposiciones científicas a través de la observación o la experimentación, aunque algunas teorías pueden ser más susceptibles de falsación que de verificación.

▲

Bibliografía

Abramo, Giovanni, Andrea Ciriaco D’Angelo, y Gianluca Murgia. 2017. “The Relationship among Research Productivity, Research Collaboration, and Their Determinants”. Journal of Informetrics 11 (4): 1016–30. https://doi.org/10.1016/j.joi.2017.09.007.

Aghion, Philippe, Peter Howitt, y Susanne Prantl. 2015. “Patent Rights, Product Market Reforms, and Innovation”. Journal of Economic Growth 20 (3): 223–62. https://doi.org/10.1007/s10887-015-9114-3.

Aksnes, Dag W., y Gunnar Sivertsen. 2023. “Global Trends in International Research Collaboration, 1980-2021”. Journal of Data and Information Science 8 (2): 26–42. https://doi.org/10.2478/jdis-2023-0015.

Alodat, Abdelsalam M., Lamis F. Al-Qora’n, y Muwafaq Abu Hamoud. 2023. “Social Media Platforms and Political Participation: A Study of Jordanian Youth Engagement”. Social Sciences (Basel, Switzerland) 12 (7): 402. https://doi.org/10.3390/socsci12070402.

Andersen, Kim, Jakob Ohme, Camilla Bjarnøe, Mats Joe Bordacconi, Erik Albæk, y Claes de Vreese. 2020. Generational gaps in political media use and civic engagement: From baby boomers to generation Z. London: Routledge.

“AR6 Synthesis Report: Climate Change 2023”. s/f. Ipcc.ch. Consultado el 19 de septiembre de 2023. https://www.ipcc.ch/report/sixth-assessment-report-cycle/.

Arditi, David. 2019. “Digital Demagogue: Authoritarian Capitalism in the Age of Trump and Twitter: By Christian Fuchs, London, UK, Pluto Press, 2018, 320 Pp., 99.00/25.00 (Hard/Softcover), ISBN 978-0-7453-3798-2”. New Political Science 41 (4): 664–74. https://doi.org/10.1080/07393148.2019.1680190.

Asma, Stephen T. 2019. The emotional mind: The affective roots of culture and cognition. Cambridge, MA and London, England: Harvard University Press.

Barassi, Veronica. 2016. “Datafied Citizens? Social Media Activism, Digital Traces and the Question about Political Profiling”. Communication and the Public 1 (4): 494–99. https://doi.org/10.1177/2057047316683200.

Benkler, Yochai, Robert Faris, y Hal Roberts. 2018a. Network propaganda: Manipulation, disinformation, and radicalization in American politics. Nueva York, NY, Estados Unidos de América: Oxford University Press.

———. 2018b. “Network propaganda: Manipulation, disinformation, and radicalization in American politics”. Oxford University PressNew York. https://doi.org/10.1093/oso/9780190923624.001.0001.

Benson, Ophelia, y Jeremy Stangroom. 2007. Why truth matters. Continuum International Publishing Group.

Bently, Lionel, Brad Sherman, Dev Gangjee, y Phillip Johnson. 2022. Intellectual Property Law. Londres, Inglaterra: Oxford University Press.

Bessen, James, y Michael J. Meurer. 2009. Patent Failure: How Judges, Bureaucrats, and Lawyers Put Innovators at Risk. Princeton, NJ, Estados Unidos de América: Princeton University Press.

Boland, Lawrence A. 1996. Critical economic methodology: A personal odyssey. Routledge. https://doi.org/10.4324/9780203978955.

Boykoff, Maxwell T. 2015. “Consenso y oposición al cambio climático”. Revista Mètode. el 21 de mayo de 2015. https://metode.es/revistas-metode/monograficos/consenso-y-oposicion-al-cambio-climatico.html.

Broussard, Meredith. 2018. Artificial unintelligence: How computers misunderstand the world. The MIT Press.

Brown, Nina, Laura Tubelle de Gonzalez, y Thomas McIlwraith. 2018. Perspectives: An Open Invitation to Cultural Anthropology.

Bucchi, Massimiano. 2008. Handbook of public communication of science and technology. Londres, Inglaterra: Routledge.

Bunge, Mario Augusto. 2002. Crisis y reconstrucción de la filosofía. Barcelona: Editorial Gedisa.

Burkle, Martha, y Cristobal Cobo. 2018. “Redefining knowledge in the digital age”. Journal of new approaches in educational research 7 (2): 79–80. https://doi.org/10.7821/naer.2018.7.294.

Calancie, Larissa, Leah Frerichs, Melinda M. Davis, Eliana Sullivan, Ann Marie White, Dorothy Cilenti, Giselle Corbie-Smith, y Kristen Hassmiller Lich. 2021. “Consolidated Framework for Collaboration Research Derived from a Systematic Review of Theories, Models, Frameworks and Principles for Cross-Sector Collaboration”. PloS One 16 (1): e0244501. https://doi.org/10.1371/journal.pone.0244501.

Caluwaerts, Didier, Kamil Bernaerts, Rebekka Kesberg, Lien Smets, y Bram Spruyt. 2023. “Deliberation and polarization: a multi-disciplinary review”. Frontiers in political science 5. https://doi.org/10.3389/fpos.2023.1127372.

Castells, Manuel. 2015. Networks of Outrage and Hope: Social Movements in the Internet Age. 2a ed. Oxford, Inglaterra: Polity Press.

Choi, Bernard C. K., y Anita W. P. Pak. 2006. “Multidisciplinarity, Interdisciplinarity and Transdisciplinarity in Health Research, Services, Education and Policy: 1. Definitions, Objectives, and Evidence of Effectiveness”. Clinical and Investigative Medicine. Medecine Clinique et Experimentale 29 (6): 351–64. https://www.proquest.com/scholarly-journals/multidisciplinarity-interdisciplinarity/docview/196425990/se-2.

Coady, David. 2012. What to Believe Now: Applying Epistemology to Contemporary Issues. Chichester, Inglaterra: Wiley-Blackwell.

Collins, Jannette. 2005. “The Future of Academic Publishing: What Is Open Access?” Journal of the American College of Radiology: JACR 2 (4): 321–26. https://doi.org/10.1016/j.jacr.2004.07.018.

Cutter, Asher D. 2023. Evolving Tomorrow: Genetic Engineering and the Evolutionary Future of the Anthropocene. Londres, Inglaterra: Oxford University Press.

D’Agostino, Fred. 2009. Naturalizing Epistemology: Thomas Kuhn and the `essential Tension’. Basingstoke, Inglaterra: Palgrave Macmillan.

Dahlgren, Peter. 2013. The Political Web: Media, Participation and Alternative Democracy. Basingstoke, Inglaterra: Palgrave Macmillan. https://doi.org/10.1057/9781137326386.

Davies, Martin. 2021. The Enlightenment and the Fate of Knowledge: Essays on the Transvaluation of Values. Londres, Inglaterra: Routledge.

Desmond, Hugh, y Grant Ramsey. 2023. Human Success: Evolutionary Origins and Ethical Implications. Londres, Inglaterra: Oxford University Press.

Dunlap, Riley E., Aaron M. McCright, y Jerrod H. Yarosh. 2016. “The Political Divide on Climate Change: Partisan Polarization Widens in the U.s”. Environment 58 (5): 4–23. https://doi.org/10.1080/00139157.2016.1208995.

Eagle, Morris N. 2007. “Psychoanalysis and Its Critics”. Psychoanalytic Psychology: The Official Journal of the Division of Psychoanalysis, American Psychological Association, Division 39 24 (1): 10–24. https://doi.org/10.1037/0736-9735.24.1.10.

Easley, Robert F. 2005. “Ethical Issues in the Music Industry Response to Innovation and Piracy”. Journal of Business Ethics 62 (2): 163–68. https://doi.org/10.1007/s10551-005-0187-3.

Edwards, Aled. 2016. “Perspective: Science Is Still Too Closed”. Nature 533 (7602): S70–S70. https://doi.org/10.1038/533s70a.

“Fables and models”. 1999. En The Dappled World, 35–48. Cambridge University Press.

Fan, Jianqing, Yingying Fan, Jinchi Lv, y Fan Yang. 2022. “SIMPLE-RC: Group network inference with non-sharp nulls and weak signals”. https://doi.org/10.48550/ARXIV.2211.00128.

Feller, Irwin. 1990. “Universities as Engines of R&D-Based Economic Growth: They Think They Can”. Research Policy 19 (4): 335–48. https://doi.org/10.1016/0048-7333(90)90017-z.

Fenwick, A., y G. Molnar. 2022. “The Importance of Humanizing AI: Using a Behavioral Lens to Bridge the Gaps between Humans and Machines”. Discover Artificial Intelligence 2 (1). https://doi.org/10.1007/s44163-022-00030-8.

Filipe, Angela, Alicia Renedo, y Cicely Marston. 2017. “The Co-Production of What? Knowledge, Values, and Social Relations in Health Care”. PLoS Biology 15 (5): e2001403. https://doi.org/10.1371/journal.pbio.2001403.

Finniss, Damien G., Ted J. Kaptchuk, Franklin Miller, y Fabrizio Benedetti. 2010. “Biological, Clinical, and Ethical Advances of Placebo Effects”. Lancet 375 (9715): 686–95. https://doi.org/10.1016/s0140-6736(09)61706-2.

Fishkin, James S. 2011. “Making deliberative democracy practical”. En When the People Speak, 95–105. Oxford University Press.

FitzPatrick, William J. 2022. Ethical Realism. Cambridge, Inglaterra: Cambridge University Press.

Flaxman, Seth, Sharad Goel, y Justin M. Rao. 2016. “Filter Bubbles, Echo Chambers, and Online News Consumption”. Public Opinion Quarterly 80 (S1): 298–320. https://doi.org/10.1093/poq/nfw006.

Floridi, Luciano. 2014. The Fourth Revolution: How the Infosphere Is Reshaping Human Reality. Londres, Inglaterra: Oxford University Press.

Fuchs, Christian. 2018. Digital Demagogue: Authoritarian Capitalism in the Age of Trump and Twitter. Londres, Inglaterra: Pluto Press.

Garrett, R. Kelly. 2009. “Echo Chambers Online?: Politically Motivated Selective Exposure among Internet News Users”. Journal of Computer-Mediated Communication: JCMC 14 (2): 265–85. https://doi.org/10.1111/j.1083-6101.2009.01440.x.

Gazmararian, Alexander F., y Dustin Tingley. 2023. Uncertain Futures: How to Unlock the Climate Impasse. Cambridge, Inglaterra: Cambridge University Press.

Giri, Leandro, Pablo Melogno, y Hernán Miguel. 2023a. Perspectives on Kuhn: Contemporary Approaches to the Philosophy of Thomas Kuhn. Cham, Suiza: Springer Nature.

Gold, E. Richard, y Julia Carbone. 2010. “Myriad Genetics: In the Eye of the Policy Storm”. Genetics in Medicine: Official Journal of the American College of Medical Genetics 12: S39–70. https://doi.org/10.1097/gim.0b013e3181d72661.

Habermas, Jurgen. 1994. Historia y Critica de La Opinion Publica. Editorial Gustavo Gili.

Hill, Charles W. L. 2007. “Digital Piracy: Causes, Consequences, and Strategic Responses”. Asia Pacific Journal of Management 24 (1): 9–25. https://doi.org/10.1007/s10490-006-9025-0.

Hmielowski, Jay D., Lauren Feldman, Teresa A. Myers, Anthony Leiserowitz, y Edward Maibach. 2014. “An Attack on Science? Media Use, Trust in Scientists, and Perceptions of Global Warming”. Public Understanding of Science (Bristol, England) 23 (7): 866–83. https://doi.org/10.1177/0963662513480091.

Hoggan, James. 2009. Climate cover-up: The crusade to deny global warming. Greystone Books.

Holt, Kristoffer, Tine Ustad Figenschou, y Lena Frischlich. 2019. “Key Dimensions of Alternative News Media”. Digital Journalism 7 (7): 860–69. https://doi.org/10.1080/21670811.2019.1625715.

Holyoak, Keith James, y Robert G. Morrison, eds. 2012. The oxford handbook of thinking and reasoning. Nueva York, NY, Estados Unidos de América: Oxford University Press.

Jenkins, Henry. 2008. Convergence Culture: Where Old and New Media Collide. Nueva York, NY, Estados Unidos de América: New York University Press.

Jones, Candace, Mark Lorenzen, y Jonathan Sapsed, eds. 2015. The oxford handbook of creative industries. Oxford University Press.

Jones, Candace, Mark Lorenzen, Jonathan Sapsed, y Martin Kretschmer. 2015. “Copyright and its Discontents”. En The Oxford Handbook of Creative Industries. Oxford University Press.

Kellert, Stephen H., y Helen E. Longino, eds. 2006. Scientific Pluralism. 3a ed. Mineápolis, MN, Estados Unidos de América: University of Minnesota Press.

Khan, Salman, Muzammal Naseer, Munawar Hayat, Syed Waqas Zamir, Fahad Shahbaz Khan, y Mubarak Shah. 2022. “Transformers in Vision: A Survey”. ACM Computing Surveys 54 (10s): 1–41. https://doi.org/10.1145/3505244.

Koc-Michalska, Karolina, Darren G. Lilleker, y Thierry Vedel. 2016. “Civic Political Engagement and Social Change in the New Digital Age”. New Media & Society 18 (9): 1807–16. https://doi.org/10.1177/1461444815616218.

Kuhn, Thomas S. 1979. The essential tension: Selected studies in scientific tradition and change (edic. orig.: 1977). Chicago, IL, Estados Unidos de América: University of Chicago Press.

———. 1987. Black-body theory and the quantum discontinuity, 1894-1912. Chicago, IL, Estados Unidos de América: University of Chicago Press.

———. 2012. The structure of scientific revolutions: 50Th anniversary edition (edic. orig.: 1962). 50a ed. Chicago, IL, Estados Unidos de América: University of Chicago Press.

Laakso, Mikael, Patrik Welling, Helena Bukvova, Linus Nyman, Bo-Christer Björk, y Turid Hedlund. 2011. “The Development of Open Access Journal Publishing from 1993 to 2009”. PloS One 6 (6): e20961. https://doi.org/10.1371/journal.pone.0020961.

Lackey, Jennifer. 2020. The epistemology of groups. Cary, NC, Estados Unidos de América: Oxford University Press. https://doi.org/10.1093/oso/9780199656608.001.0001.

Ladyman, James. 2001. Understanding philosophy of science. Routledge. https://doi.org/10.4324/9780203463680.

Latour, Bruno. 1992. Ciencia en acción: cómo seguir a los científicos e ingenieros a través de la sociedad. Barcelona: Labor.

Laudan, Larry. 1996. Beyond positivism and relativism: Theory, method, and evidence. Filadelfia, PA, Estados Unidos de América: Westview Press.

Leaf, C. 2013. The Truth in Small Doses: Why We’re Losing the War on Cancer-and How to Win It. Simon and Schuster.

Lessig, Lawrence. 2008. Remix: Making Art and Commerce Thrive in the Hybrid Economy. Londres, Inglaterra: Bloomsbury Academic.

Levitin, Daniel J. 2017. Weaponized Lies: How to Think Critically in the Post-Truth Era. Nueva York, NY, Estados Unidos de América: Penguin.

Levy, Neil. 2022. Bad beliefs: Why they happen to good people. Londres, Inglaterra: Oxford University Press.

Lloyd, Elisabeth A., y Eric Winsberg, eds. 2018. Climate Modelling: Philosophical and Conceptual Issues. 1a ed. Cham, Suiza: Springer International Publishing.

Lom, Petr. 2001. The limits of doubt: The moral and political implications of skepticism. Albany, NY, Estados Unidos de América: State University of New York Press.

Longino, Helen E. 2018. The fate of knowledge. Princeton, NJ, Estados Unidos de América: Princeton University Press. https://doi.org/10.2307/j.ctv2tvzv0.

Lupton, Deborah. 2019. Data Selves: More-than-Human Perspectives. Oxford, Inglaterra: Polity.

Lynch, Michael P. 2001. Truth in context: An essay on pluralism and objectivity. Cambridge, MA, Estados Unidos de América: Bradford Books.

———. 2004. True to Life: Why Truth Matters. Londres, Inglaterra: MIT Press.

Lynch, Michael P., y Jeremy Wyatt. 2021. The Nature of Truth, second edition The Nature of Truth, second edition: Classic and Contemporary Perspectives. Londres, Inglaterra: MIT Press.

Macmillan, Fiona. 2013. Copyright, the creative industries, and the public domain. Oxford University Press.

Malaspina, Cecile. 2018. An Epistemology of Noise. Londres, Inglaterra: Bloomsbury Academic.

Marshall, Lee. 2004. “The Effects of Piracy upon the Music Industry: A Case Study of Bootlegging”. Media, Culture, and Society 26 (2): 163–81. https://doi.org/10.1177/0163443704039497.

McIntyre, Lee C. 2015. Respecting truth: Willful ignorance in the internet age. New York: Routledge.

McIntyre, L. 2023. On disinformation: How to Fight for Truth and Protect Democracy. MIT Press.

McIntyre, Lee C., y Lee McIntyre. 2021. The scientific attitude: Defending science from denial, fraud, and pseudoscience. HighBridge Audio.

Meadows, Donella H., Jorgen Randers, y Dennis L. Meadows. 2004. The Limits to Growth: The 30-Year Update. Londres, Inglaterra: Earthscan.

Medero, Kristina, Kelly Merrill Jr, y Morgan Quinn Ross. 2022. “Modeling Access across the Digital Divide for Intersectional Groups Seeking Web-Based Health Information: National Survey”. Journal of Medical Internet Research 24 (3): e32678. https://doi.org/10.2196/32678.

Merkel, Angela. 1998. “The Role of Science in Sustainable Development”. Science (New York, N.Y.) 281 (5375): 336–37. https://doi.org/10.1126/science.281.5375.336.

Mitchell, Sandra. 2009. Unsimple Truths: Science, Complexity, and Policy. Chicago, IL, Estados Unidos de América: University of Chicago Press.

Molas-Gallart, Jordi, Pablo D’Este, Oscar Llopis, y Ismael Rafols. 2016. “Towards an Alternative Framework for the Evaluation of Translational Research Initiatives”. Research Evaluation 25 (3): 235–43. https://doi.org/10.1093/reseval/rvv027.

Müller, Oliver, y Stefan Rotter. 2017. “Neurotechnology: Current developments and ethical issues”. Frontiers in systems neuroscience 11. https://doi.org/10.3389/fnsys.2017.00093.

“Nomological machines and the laws they produce”. 1999. En The Dappled World, 49–74. Cambridge University Press.

O’Doherty, Kieran C. 2017. “Deliberative Public Opinion: Development of a Social Construct”. History of the Human Sciences 30 (4): 124–45. https://doi.org/10.1177/0952695117722718.

Onguny, Philip Oburu. 2019. “Mediated political participation and competing discourses of online civic engagement”. Journal of development and communication studies 6 (1): 36–47. https://doi.org/10.4314/jdcs.v6i1.3.

Oreskes, Naomi. 2021. Why Trust Science? Editado por Stephen Macedo. Princeton, NJ, Estados Unidos de América: Princeton University Press. https://doi.org/10.1515/9780691189932.

Oreskes, Naomi, y Erik M. Conway. 2020. Mercaderes de la duda: Cómo un puñado de científicos ocultaron la verdad sobre el calentamiento global. CAPITÁN SWING LIBROS.

Parra, Sergio. 2022. “El 99,9 % de los estudios científicos lo confirma: el cambio climático está causado por el ser humano”. National geographic, el 2 de noviembre de 2022. https://www.nationalgeographic.com.es/ciencia/999-estudios-cientificos-confirma-cambio-climatico-esta-causado-por-ser-humano_18994.

Peels, Rik. 2023. Ignorance: A Philosophical Study. Nueva York, NY, Estados Unidos de América: Oxford University Press.

Popper, Karl. 1993. Logica de La Investigacion. Tecnos.

“Privilege and repression in the digital era: Rethinking the sociopolitics of the digital divide”. 2003. Race, Gender & Class 10 (4): 145. https://www.proquest.com/docview/218807872.

Redman, S., T. Greenhalgh, L. Adedokun, S. Staniszewska, y S. Denegri. 2021. “Co-Production of Knowledge: The Future”. BMJ (Clinical Research Ed.), n434. https://doi.org/10.1136/bmj.n434.

Rich, Alexander S., y Todd M. Gureckis. 2019. “Lessons for Artificial Intelligence from the Study of Natural Stupidity”. Nature Machine Intelligence 1 (4): 174–80. https://doi.org/10.1038/s42256-019-0038-z.

Robards, Brady, y Siân Lincoln. 2017. “Uncovering Longitudinal Life Narratives: Scrolling Back on Facebook”. Qualitative Research: QR 17 (6): 715–30. https://doi.org/10.1177/1468794117700707.

Rosenfeld, Richard, y Robert Fornango. 2017. “The Relationship between Crime and Stop, Question, and Frisk Rates in New York City Neighborhoods”. Justice Quarterly 34 (6): 931–51. https://doi.org/10.1080/07418825.2016.1275748.

Russell, Stuart, y Peter Norvig. 2019. Artificial Intelligence: A Modern Approach. Pearson Higher Education.

Samaržija, Hana, y Quassim Cassam, eds. 2023. The Epistemology of Democracy. Londres, Inglaterra: Taylor & Francis.

Sampat, Bhaven, y Heidi L. Williams. 2019. “How Do Patents Affect Follow-on Innovation? Evidence from the Human Genome”. American Economic Review 109 (1): 203–36. https://doi.org/10.1257/aer.20151398.

Scharre, Paul. 2023. Four Battlegrounds: Power in the Age of Artificial Intelligence. Nueva York, NY, Estados Unidos de América: WW Norton.

Shmerling, Robert H. 2020. “The Placebo Effect: Amazing and Real”. Harvard Health. el 22 de junio de 2020. https://www.health.harvard.edu/blog/the-placebo-effect-amazing-and-real-201511028544.

Stea, Jonathan N., y Stephen Hupp. 2023. Investigating Clinical Psychology: Pseudoscience, Fringe Science, and Controversies. Routledge.

Sunstein, Cass R. 2006. Infotopia: How many minds produce knowledge. Nueva York, NY, Estados Unidos de América: Oxford University Press.

———. 2017. #republic: Divided Democracy in the Age of Social Media. Princeton, NJ, Estados Unidos de América: Princeton University Press.

Swan, Melanie. 2012. “Sensor Mania! The Internet of Things, Wearable Computing, Objective Metrics, and the Quantified Self 2.0”. Journal of Sensor and Actuator Networks 1 (3): 217–53. https://doi.org/10.3390/jsan1030217.

“The Power of the Placebo Effect”. 2021. Harvard Health. el 13 de diciembre de 2021. https://www.health.harvard.edu/mental-health/the-power-of-the-placebo-effect.

Theocharis, Yannis, Shelley Boulianne, Karolina Koc-Michalska, y Bruce Bimber. 2023. “Platform Affordances and Political Participation: How Social Media Reshape Political Engagement”. West European Politics 46 (4): 788–811. https://doi.org/10.1080/01402382.2022.2087410.

Tight, Malcolm. 2020. “Higher Education: Discipline or Field of Study?” Tertiary Education and Management 26 (4): 415–28. https://doi.org/10.1007/s11233-020-09060-2.

United Nations. s/f. “Cambio climático | Naciones Unidas”. Consultado el 19 de septiembre de 2023. https://www.un.org/es/global-issues/climate-change.

Vallor, Shannon. 2016. Technology and the Virtues: A Philosophical Guide to a Future Worth Wanting. Londres, Inglaterra: Oxford University Press.

Van Dijck, Jose. 2014. “Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology”. Surveillance & society 12 (2): 197–208. https://doi.org/10.24908/ss.v12i2.4776.

Walker, Daniel M., Jennifer L. Hefner, Naleef Fareed, Timothy R. Huerta, y Ann Scheck McAlearney. 2020. “Exploring the Digital Divide: Age and Race Disparities in Use of an Inpatient Portal”. Telemedicine Journal and E-Health: The Official Journal of the American Telemedicine Association 26 (5): 603–13. https://doi.org/10.1089/tmj.2019.0065.

Wei, Mingkun. 2020. “Research on Impact Evaluation of Open Access Journals”. Scientometrics 122 (2): 1027–49. https://doi.org/10.1007/s11192-019-03306-6.

Weingart, Peter, y Marina Joubert. 2019. “The conflation of motives of science communication — causes, consequences, remedies”. Journal of Science Communication 18 (03): Y01. https://doi.org/10.22323/2.18030401.

Weisberg, Herbert I. 2014. Willful Ignorance: The Mismeasure of Uncertainty. Hoboken, NJ, Estados Unidos de América: Wiley-Blackwell.

Williams, Daniel. 2022. “Signalling, Commitment, and Strategic Absurdities”. Mind & Language 37 (5): 1011–29. https://doi.org/10.1111/mila.12392.

Williams, Heidi L. 2016. “Intellectual Property Rights and Innovation: Evidence from Health Care Markets”. Innovation Policy and the Economy 16: 53–87. https://doi.org/10.1086/684986.

Williston, Byron. 2023. The Ethics of Climate Change: An Introduction.

Wilson, Edward O. 1999. Consilience. Nueva York, NY, Estados Unidos de América: Random House.

Yang, Riyan, Lin Li, Wensheng Gan, Zefeng Chen, y Zhenlian Qi. 2023. “The Human-Centric Metaverse: A Survey”. En Companion Proceedings of the ACM Web Conference 2023. New York, NY, USA: ACM.

Zhang, Lin, Beibei Sun, Fei Shu, y Ying Huang. 2022. “Comparing Paper Level Classifications across Different Methods and Systems: An Investigation of Nature Publications”. Scientometrics 127 (12): 7633–51. https://doi.org/10.1007/s11192-022-04352-3.

Zhou, Ruoying, y Puay Tang. 2020. “The Role of University Knowledge Transfer Offices: Not Just Commercialize Research Outputs!” Technovation 90–91 (102100): 102100. https://doi.org/10.1016/j.technovation.2019.102100.

Zittrain, Jonathan. 2009. The future of the internet--and how to stop it. New Haven, CT, Estados Unidos de América: Yale University Press.

Zuboff, Shoshana. 2019. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. Nueva York, NY, Estados Unidos de América: PublicAffairs. ■