Acceder al contenido principalAcceder al menú principal

Logo de la UAMUniversidad Autónoma de Madrid

Acceso al BOUAM. Enlace externo. Abre en ventana nueva.

Artículos

Las Ciencias Sociales son ciencias “duras”

21/01/2019
De Carlos Manuel Fernández Márquez

En este artículo para UAM Gazette, Carlos Manuel Fernández Márquez, experto en modelos computacionales aplicados a sistemas socioeconómicos, describe las principales limitaciones que dificultan el estudio riguroso de los sistemas sociales. Estas limitaciones, argumenta el autor, demuestran que las Ciencias Sociales son más duras de lo que comúnmente se considera.

 

Por Carlos Manuel Fernández Márquez

Es habitual pensar que las Ciencias Sociales son ciencias blandas en comparación con la Física o las Matemáticas. Algunos llegan incluso a pensar que las Ciencias Sociales ni siquiera pueden catalogarse como tales, aun cuando empleen el método científico. Este mito se ha diseminado gracias a la aparente imprecisión y falta de formalismos matemáticos de las Ciencias Sociales. No obstante, esta laxitud no es por placer ni por falta de capacidad matemática de los investigadores sociales, sino por la dificultad adicional que comportan los sistemas que estos estudian.

Prueba de lo anterior es la creciente participación de laureados físicos y matemáticos en el estudio de sistemas sociales (principalmente económicos). Estos científicos, al igual que sus homólogos sociales, se han topado con la cruda y controvertida realidad: las Ciencias Sociales son incluso más duras que la Física.

A continuación, describiremos las principales limitaciones con las que se encuentra todo investigador social. Por ser la disciplina del autor de estas líneas, nos centraremos en la Economía –sin que ello suponga pérdida alguna de generalidad–.


1. Autorreferencialidad

La primera piedra en el zapato es la denominada autorreferencialidad de los sistemas sociales, que alude al hecho de que los seres humanos somos tanto los objetos de observación como los observadores. Esta propiedad provoca que, por precisa que sea una teoría, pueda quedar automáticamente invalidada en el momento de ser formulada. La explicación es simple: los sujetos de observación somos nosotros mismos (los seres humanos), por lo que, como seres racionales que somos, podemos cambiar nuestro comportamiento al conocer la nueva teoría, provocando que la teoría quede obsoleta.

Un ejemplo ilustrativo podría ser el siguiente. Imaginen que fuésemos capaces de desarrollar un modelo matemático que prediga con exactitud los movimientos de la bolsa de valores. Aunque fuera posible, el simple hecho de conocer el desarrollo futuro de los activos de la bolsa haría que los inversores actuaran en consecuencia y, por tanto, la bolsa se desviaría de lo predicho por el modelo. En cambio, en el caso de los sistemas físicos, esta propiedad no suele estar presente (salvo en algunas áreas como la de la Física Cuántica). Así, estudiar los movimientos planetarios no afectará su comportamiento futuro, simplificando notablemente su estudio.


2. Dependencia temporal

La segunda limitación es la dependencia temporal que suelen presentar los sistemas sociales, lo cual se refiere a que el estado futuro del sistema depende de sus estados pasados. Esto puede explicar por qué dejan de funcionar políticas económicas que en el pasado tuvieron éxito. Por ejemplo, si los ciudadanos han perdido la confianza tras aplicar medidas fallidas para salir de una crisis, las medidas correctas tendrán muy difícil su éxito, puesto que la falta de confianza de los consumidores tiende a deprimir aún más la economía. Sobre el papel es difícil tener en cuenta toda una infinidad de factores que hacen que cada situación sea única e irrepetible.


3. Alta interdependencia

En los sistemas sociales todo depende de todo, por lo que es difícil aislar las causas y los efectos colaterales de ciertas políticas. Uno podría bajar el salario de un obrero para ahorrar costes, pero otros efectos se pueden desencadenar que reduzcan la productividad de este, haciendo que al final el coste total para la empresa no mejore o incluso empeore. Por otra parte, si la bajada de salarios es generalizada en la economía, el consumo bajará, luego los ingresos de la empresa y vuelta a empezar en una espiral de precarización de la economía.

Como vemos, esta es una característica que puede hacer que un efecto se amplifique varios órdenes de magnitud. Sobre el papel, es difícil predecir si se producirán efectos colaterales de gran envergadura (como el proceso de precarización), puesto que la “bola de nieve” crezca o se desvanezca depende del efecto amplificador del “toma y daca” entre agentes altamente interdependientes. De esta manera, una pequeña imprecisión puede ser amplificada echando por tierra las predicciones, lo que otorga una gran incertidumbre intrínseca a estos sistemas. El poder predictivo de los modelos sociales queda seriamente afectado.


4. Alta no linealidad

Los sistemas sociales suelen presentar comportamientos altamente no lineales, en ocasiones debido a la gran interdependencia entre sus partes que amplifican los efectos. La alta no linealidad dificulta notablemente la resolución matemática. Hay dos formas de enfrentar este problema.

La primera, la tradicional, que consiste en simplificar en exceso el sistema para que sea resoluble matemáticamente. El problema es que se puede obtener un modelo muy elegante, pero sin contacto con la realidad. Un ejemplo es asumir (como de hecho es habitual) que los consumidores toman las decisiones de manera independiente, sin ser afectados por las decisiones de los demás. Otro sería asumir que todos los productores compiten solo en precio, todos con un producto idéntico. La segunda, la heterodoxa y cada vez más usada, que consiste en recurrir a simulaciones computacionales para estudiar el sistema. En este caso, el modelo puede ser más realista, pero se pierde generalidad y rigor. 


5. Prejuicios

Dado que el ser humano es el objeto de estudio de las Ciencias Sociales, los prejuicios que tiene sobre sí mismo pueden nublar la objetividad de los investigadores. En la teoría del consumidor se ha asumido tradicionalmente que el individuo valora a la hora de hacer la compra todas las posibles cestas que puede hacer. Esto para nada es posible, ni siquiera como aproximación, ya que en un hipermercado pueden haber más de 10.000 productos diferentes. Elegir tomar o no una unidad supondría valorar  posibles combinaciones (esto es un número de 3.000 dígitos).


6. Sesgos intencionados

En sexto lugar encontramos los sesgos intencionados, introducidos en la investigación por motivos ideológicos. Teorías sesgadas (o directamente manipuladas) pueden ser empleadas para justificar políticas que favorezcan a ciertos colectivos. Así, por ejemplo, los contratistas que trabajan para el sector público estarán contentos de que haya teorías que justifiquen la mayor eficiencia de la subcontratación.

Otro ejemplo lo encontramos en la teoría del consumidor. Si partes de la idea de que el consumidor es racional y sabe siempre lo que le conviene, no tiene sentido hacer normativas para protegerlo, como la garantía de dos años en productos, pues se asumiría que sabría que los productos de baja calidad no serían adquiridos y quien lo hagan es porque le saldría a cuenta a pesar de su baja vida útil. Estos intereses no están presentes en las Matemáticas o la Física, y dificultan notablemente la investigación de calidad en Ciencias Sociales y, en particular, las económicas, donde los conflictos de intereses son notorios.


7. No replicación

En séptimo lugar nos encontramos con la dificultad para replicar experimentos sociales. El principal motivo es la dificultad para aislar los factores bajo estudio. Mientras que en un experimento físico generalmente podemos mantener constantes todas las variables que no están bajo estudio (para anular su efecto), en un sistema social esto se torna esencialmente imposible.

Para comprobar qué material conduce mejor la electricidad, podemos mantener constantes: el grosor de los cables, la temperatura, la humedad, el voltaje y demás, dejando únicamente el tipo de material como variable a medir. En cambio, si queremos comprobar si la productividad influye en la tasa de desempleo, siempre habrá factores difíciles de controlar: el desarrollo tecnológico de cada sociedad, los tipos de industrias o la cultura empresarial, solo por citar algunos. Contar con una versión muy limitada de la experimentación reduce notablemente la eficacia del método científico, el cual está basado en formular hipótesis y contrastarlas con las observaciones en un proceso iterativo.


8. Factores cualitativos

En las Ciencias Sociales están presentes numerosos factores cualitativos, los cuales son difíciles de formalizar. La temperatura, la conductividad, el voltaje, los amperios y demás magnitudes son cuantitativas y fáciles de formalizar. En contraposición, en las Ciencias Sociales tenemos numerosas variables cualitativas, como la cultura, las creencias religiosas, los estilos de vida, la ideología o la psicología humana (y social) que influyen en casi cualquier decisión humana y son muy difíciles de modelizar.


9. Transversalidad

Para ser estudiados, los sistemas sociales han sido divididos en diferentes disciplinas, como la Psicología, la Sociología, la Economía o la Antropología. Dentro de cada una estas encontramos además subdivisiones en áreas de conocimiento. Si bien estas divisiones tienen sentido común y organizativo, a veces son un tanto artificiosas, puesto que el conocimiento de estas disciplinas y áreas está habitualmente solapado, siendo necesario colaborar entre distintos expertos para estudiar determinados fenómenos.

Así, por ejemplo, un economista puede necesitar la ayuda de un psicólogo o de un experto en neurociencia para estudiar el comportamiento del consumidor. En cambio, en las Ciencias Naturales cada disciplina presenta un menor número de interacciones con las demás (salvo con las Matemáticas), y su estudio se puede llevar a cabo por separado con poca o ninguna coordinación entre expertos de diferentes áreas o disciplinas.

En definitiva, se pone de manifiesto que las Ciencias Sociales no son blandas, sino intrínsecamente duras, con numerosas limitaciones que dificultan su estudio riguroso, motivo por el cuál, la creciente participación de investigadores provenientes de Ciencias Naturales no ha supuesto una revolución científica, muy a pesar de las enormes expectativas que habían puestas en ellos.

No obstante, la ayuda de nuevos métodos de investigación como son los modelos computacionales (Agent-Based Modelling), el uso masivo de micro datos (Big Data), la inteligencia artificial (para identificación de patrones) y, sobre todo, una mayor consciencia sobre las dificultades antes mencionadas, tanto por parte de los investigadores como de la propia sociedad, pueden ayudar a allanar el terreno, posibilitando una prometedora revolución en las Ciencias Sociales.

 


Carlos Manuel Fernández Márquez

Investigador de la Universidad Autónoma de Madrid en el departamento de “Análisis Económico: Economía Cuantitativa”. Cuenta con un doble perfil en ingeniería y economía. Sus líneas de investigación se centran en el estudio de propiedades emergentes a través de simulación computacional ABM (Agent-Based Models) aplicados a sistemas socio-económicos de dinámica no lineal como: las innovaciones, las dinámicas industriales, los modelos macro microfundamentados, la piratería de software o los modelos espaciales del votante.