T3. Fraude Científico

He dado algunas vueltas en Google buscando casos de fraudes científicos en el mundo de la ciencia económica (ya que no sabía de primera mano ninguno) y, sin negar la existencia de los mismos, no he encontrado ninguno llamativo. Casi todos los más sonados son de "bata blanca", y no tanto por una mayor concentración de científicos fraudulentos en este campo, sino seguramente por la una capacidad de demostrar la falsabilidad de estos experimentos. El único caso llamativo cercano que he encontrado ha sido uno de la variante "plagio" del fraude científico de un matemático israelí llamado Alexander Spivak al que le fueron retirados hasta 3 papers entre 2014 y 2015 por plagio de varios capítulos a uno de sus supervisores y a otros dos investigadores de la Universidad de Tel Aviv. Sin nada más que añadir. Por estas razones, dado la ausencia casos llamativos "claros" de fraude pero con la certeza de su existencia lo que pasa que en un formato más "gris", prefiero utilizar esta entrada para hablar de esos grises en las ciencias sociales. En concreto, dos aspectos leídos en las lecturas: (a) la implicación personal y (b) el sesgo de los resultados negativos, desde un punto de vista conjunto ya que pienso que existen relación entre ellos. 

Hace un tiempo en un curso de Metaanálisis escuché por primera vez la cuestión del sesgo en la publicación de resultados positivos, es decir, que existía un vacío de resultados negativos que por estadística deberían haber salido (dada una muestra de científicos equis que sigue una distribución normal, la dispersión en torno a la media tiende a ser simétrica a la misma). Sin embargo, uno de los lados presentaba una gran cantidad de calvas o huecos vacíos. Claramente, esto es debido al miedo a ir en contra de lo ilógico o lo ampliamente extendido. Por un lado, está el miedo al error intrínseco de tu investigación, esto es, al "algo he hecho mal": la muestra no es representativa, no habré corregido algún error de estacionalidad, etc.; o, simplemente, me he confundido. ¿Cómo voy publicar algo que puede estar confundido? Dado el caso, tendrías que repasar detenidamente todo el proceso y estar 100% segura de que no existe ningún error en el método. Y, aún así, podrías publicar un falso negativo. Todos sabemos que, por los caminos de la lógica, para demostrar un sí basta con demostrar tu teoría en un caso o un conjunto de casos, pero demostrar un no implica descartar todos los posibles casos. Luego la posibilidad del error intrínseco ya supone un riesgo y un esfuerzo añadido a tu trabajo. Pero es que, por otro lado, tenemos el miedo a la repercusión de publicar algo a contracorriente, algo que va a generar debate científico, cuestionamientos, alusiones y, claro cómo no, también puede tener repercusiones, ya no solo a nivel profesional tiene efectos, sino que puede afectar a la sociedad en su conjunto. Por ejemplo, un descubrimiento que ponga en jaque a un tratamiento médico hasta entonces utilizado. Luego existe un componente moral en las consecuencias de nuestros resultados. Y si, además, los perjudicados somos nosotros como especie, la implicación personal se multiplica. Es decir, si el alga Kombu pudiera dirimir su potencialidad como planta curativa para su extracción y explotación, quizá se lo pensaría. 

En el campo de la redes sociales, esto pasa aún, más considerando la posición ideológica casi inevitable que consciente o inconscientemente ejerce el investigador. Muchas veces los análisis sociales tienen un aliciente justificador, buscan la denuncia de desigualdades, por ejemplo, o de fenómenos dañinos para la sociedad. Otras veces busca soluciones, potencialidades que explotar. En cualquier caso, los resultados se tiñen de juicios de valor. A veces anhelos. El famoso "deber ser" (normativo) de las ciencias sociales en vez del "ser" (positivo). Luego aún partiendo de una posición científica objetiva y rigurosa, es inevitable caer en creencias, ya que el propio ejecutor de la investigación participa como individuo en su muestra y realiza observaciones desde una posición socio-económica concreta. Como decía un profesor de metodología, "siempre pensamos desde algún lugar". Además el mismo conoce la teoría, que le respalda. Por lo que puede resultar chocante encontrarse con afirmaciones contrarias a tus creencias. Por otro lado, se sabe que los resultados sociales calan en las creencias del resto y, a veces, se sucede la temida "profecía autocumplida", esto hace que exista una gran responsabilidad. Además, está el demonio de la pluralidad de realidades (y digo demonio por las dificultades que entabla para el análisis, no por la virtuosidad bajo mi punto de vista de una realidad diversa). Cuando trabajas en una teoría que sabes que aplica a un segmento determinado de la población y que la selección errónea de la muestra puede suponer que ese segmento se quede infrarrepresentado, es una responsabilidad adicional. El tercer componente que me gustaría destacar en torno al miedo a los resultados negativos o posiblemente erróneos y las implicaciones del autor es la presión ejercida por grupos de interés. En el mismo curso de metaanálisis que señalaba al principio, nos enseñaron un estudio en el que se habían agrupado todos los resultados empíricos más relevantes que testaban la clásica relación negativa entre salario y empleo. Resultaba que contra todo pronóstico, el cómputo de estudios realizados arrojaba que la relación era positiva (supongo que debido a la fuerzas vía consumo y no solo desde la demanda de trabajo, cuestiones ya señaladas en otras teorías). Sin embargo, existía un severo sesgo hacia resultados negativos (en este caso, es confuso el lenguaje, quiere decir que afirmaban la relación negativa entre ambas variables) debido al sesgo ideológico impartido por la teoría predominante neoclásica y al interés de ciertos grupos de presión de que esta teoría se crea cierta. 

En definitiva, con esta reflexión me gustaría arrojar dos cuestiones: si el factor moral en la publicación de resultados negativos o contrarios a lo establecido es ciertamente pronunciado en las ciencias sociales, donde el investigador forma parte del experimento; y, dos, si el testeo de las muestras tomadas en las ciencias sociales para declarar la falsabilidad de un resultado se enfrenta a una mayor ambigüedad que en las ciencias puras por la pluralidad de realidades. 

------

Me habría gustado comentar también otras cuestiones "grises" interesantes de las entradas:

- las malas praxis de compañeros;
- la culpa al becario;
- la presión por la financiación de proyectos;
- los titulares sensacionalistas;
- los "cut corners" de datos, que por lo visto suceden con una frecuencia del 70%;
- el Publish or purish; etc.

 pero no se pueden abarcar todas.