¿Es ciencia la sociología? El método en lo social

⏱️ En 30 segundos: «Eso no es ciencia» es una pereza: lo social sí tiene método —encuestas que miden, experimentos aleatorizados que prueban causas—, solo que juega en modo difícil. Verás las tres trampas que lo complican (la correlación disfrazada de causa, el objeto de estudio que te lee y reacciona, y los hallazgos que no siempre replican) y por qué una ciencia que caza sus propios errores en público es más de fiar, no menos.

El gancho: dos maneras de reírse de un titular

Todos hemos leído el titular «un estudio demuestra que la gente feliz gana más dinero», y todos hemos hecho una de estas dos cosas: creérnoslo entero o descartarlo con un bufido («bah, sociología, eso no es ciencia»). Las dos reacciones son perezosas. La interesante está en medio, y es la que enseña esta pieza: sí, hay un método científico para estudiar lo social; y sí, es genuinamente más difícil que estudiar una piedra que cae. Saber por qué es más difícil —y qué trucos ha inventado la ciencia social para no engañarse— te convierte en un lector mucho más afilado de todo lo que empieza por «según un estudio…».

Vamos a la pregunta de frente. ¿Qué le pediríamos a algo para llamarlo ciencia? Que mida, que ponga a prueba sus ideas contra la realidad, que acepte equivocarse y se corrija. La física lo hace con planos inclinados; la sociología, la antropología y la economía del comportamiento lo hacen con encuestas, experimentos y matemáticas. La diferencia no está en si tienen método, sino en que su objeto de estudio —nosotros— es mucho más resbaladizo que una bola de acero.

Sí tiene método: encuestas que miden y experimentos que prueban

Empecemos por lo básico, porque aquí ya hay más ciencia de la que la fama concede. La herramienta más famosa de lo social, la encuesta, no es «preguntar a cuatro amigos». Bien hecha, es un prodigio de matemática aplicada: con una muestra aleatoria de apenas mil o dos mil personas se puede retratar a un país de cuarenta millones con un margen de error de un par de puntos. Suena a magia, pero es pura teoría de la probabilidad —la misma que hace que, para saber si una sopa está salada, baste con probar una cucharada bien removida, no tragarse la olla—. El secreto no es el tamaño, es la aleatoriedad: que cada persona tenga la misma probabilidad de caer en la muestra. Cuando eso se rompe (encuestas de web solo para quien se molesta en responder), la sopa está mal removida y el número miente, por muchos miles que sean.

Y lo social experimenta, no solo observa. Aquí está el salto de calidad de las últimas décadas. La economía del desarrollo, por ejemplo, dejó de discutir en el sofá «¿sirven los libros de texto gratis para que los niños aprendan más?» y empezó a hacer lo que hace un laboratorio de medicamentos: un ensayo controlado aleatorizado (RCT, por sus siglas en inglés). Coges cien escuelas, echas a suerte cuáles reciben el programa y cuáles no, y comparas. Como el sorteo reparte por igual todo lo demás —familias, maestros, clima—, la única diferencia sistemática entre los dos grupos es el programa; si aparece una brecha, es él quien la causó. Esa metodología, importada de la medicina al terreno social, le valió el Nobel de Economía de 2019 a Abhijit Banerjee, Esther Duflo y Michael Kremer, y cambió cómo se decide qué políticas contra la pobreza funcionan de verdad y cuáles solo suenan bien. (Duflo y Banerjee lo cuentan en Poor Economics, 2011.)

Con esto ya deberíamos jubilar el «eso no es ciencia». Lo que sigue es la parte honesta: por qué, aun con estas herramientas, lo social juega en modo difícil.

Trampa nº1: correlación no es causa (los helados y los ahogamientos)

Este es el error más caro de todo el campo, y el que más titulares infla. El ejemplo de manual: en verano se venden más helados y también se producen más ahogamientos. Los datos «correlacionan» limpiamente: mes con más helados, mes con más ahogados. ¿Prohibimos el helado para salvar vidas? Evidentemente no. Hay una tercera causa —el calor del verano— que empuja a la vez las dos cosas: más gente comprando helados y más gente metiéndose al agua. El helado y el ahogamiento van de la mano sin que uno toque al otro. Se llama variable de confusión, y está agazapada detrás de casi todos los «estudios dicen que…» mal contados.

Distinguir «van juntos» de «uno causa el otro» parece de sentido común, pero durante décadas la estadística no tenía un lenguaje formal para hacerlo. Lo construyó, sobre todo, el informático Judea Pearl, que ganó el premio Turing (el «Nobel de la computación») por su trabajo en inferencia causal. Su aportación, contada en The Book of Why (2018), fue darnos un álgebra de flechas —los diagramas causales— para escribir qué influye en qué y, con ello, saber qué hay que medir y qué hay que «bloquear» para que una correlación delate de verdad una causa. La lección para el lector de a pie es sencilla y poderosa: cada vez que oigas «X se asocia con Y», pregúntate en voz alta ¿y no habrá un verano escondido moviendo las dos?. Aciertas más veces de las que crees.

Trampa nº2: la reflexividad (el electrón no lee el periódico, tú sí)

Aquí llega la diferencia más profunda entre estudiar átomos y estudiar personas, y conviene saborearla. Un electrón no sabe que lo estás midiendo, no cambia de opinión y no lee lo que publicas sobre él. Una persona, sí. El objeto de estudio de lo social te lee y reacciona. A esta propiedad se la llama reflexividad, y lo complica todo.

El caso más elegante lo formuló el sociólogo Robert K. Merton, que en 1948 acuñó la profecía autocumplida: una creencia falsa que, por el mero hecho de creerse, se vuelve verdadera. Su ejemplo era un banco sano al que corre el rumor —falso— de que va a quebrar; los clientes, asustados, corren a sacar su dinero todos a la vez, y el banco, que era solvente, quiebra de verdad por el pánico. La predicción se cumplió porque se hizo. En lo físico eso no pasa: anunciar que un cometa va a chocar no altera su órbita. En lo social, anunciar una recesión puede provocarla; publicar que una escuela es «de las malas» puede ahuyentar a los buenos maestros y hundirla. El propio acto de medir mueve lo medido.

Ojo con la conclusión, porque es fina: la reflexividad no vuelve lo social «menos científico», lo vuelve más difícil. Es como pedirle a un termómetro que mida la temperatura de un líquido que se calienta o se enfría según lo que marque el termómetro. Sigue siendo física; solo que has entrado en un nivel de dificultad superior. Que lo social conviva con eso y aun así saque conclusiones sólidas es, si acaso, un mérito, no una tacha.

Trampa nº3: la crisis de replicación (y por qué es una buena noticia)

Llegamos al episodio que más honra a estas disciplinas, aunque a primera vista parezca lo contrario. Hacia 2011, un grupo de psicólogos empezó a hacerse una pregunta incómoda: los experimentos famosos que llenan los manuales, esos resultados llamativos que todos citamos… ¿vuelven a salir si se repiten con cuidado? Para averiguarlo montaron un esfuerzo colectivo enorme, la Open Science Collaboration, y en 2015 publicaron el veredicto en Science: repitieron 100 experimentos publicados en las mejores revistas y menos de la mitad replicaron. Un mazazo.

¿Por qué fallaban tantos? El culpable no suele ser el fraude, sino un vicio sutil llamado p-hacking. Funciona así: un investigador recoge datos y, buscando la significación estadística (el famoso «p < 0,05», el umbral convencional para poder decir «esto no es casualidad»), va probando análisis —quita un par de sujetos raros, mira solo a las mujeres, agrupa las respuestas de otra forma— hasta que algo cruza la línea mágica. No miente en ningún paso; simplemente, si torturas los datos lo suficiente, acaban confesando cualquier cosa. Sumado a que las revistas solo publicaban resultados «positivos y bonitos» (el sesgo de publicación), el campo se llenó de hallazgos que eran, en el fondo, casualidades disfrazadas.

Y aquí viene el giro que hay que subrayar con rotulador: la ciencia social detectó su propia enfermedad y se puso el tratamiento. La cura se llama pre-registro: antes de tocar un solo dato, publicas en abierto qué hipótesis vas a probar y exactamente qué análisis vas a hacer. Así te atas las manos: ya no puedes ir «pescando» un resultado bonito, porque tu plan está sellado y con fecha. A eso se suman muestras mucho más grandes, compartir los datos para que cualquiera verifique, y el propio hábito de replicar como rutina. Una disciplina que se somete a esta autopsia en público y cambia sus reglas no es una disciplina débil: es una disciplina adulta.

Qué nos llevamos

La sociología —y sus primas la antropología, la psicología o la economía del comportamiento— sí es ciencia: mide con muestreo, prueba con experimentos aleatorizados y usa matemática seria. Pero juega en modo difícil por tres razones que conviene llevarse grabadas: sus correlaciones esconden veranos disfrazados (correlación no es causa), su objeto de estudio te lee y reacciona (reflexividad), y sus hallazgos tienen que sobrevivir a que otros los repitan (replicación). Que sea más difícil que la física no la degrada; la hace más admirable cuando acierta.

Y hay una moraleja que va más allá del laboratorio, útil para tu dieta informativa diaria: una ciencia que se autocorrige en público, que caza sus propios errores y cambia sus reglas, es más de fiar, no menos. Desconfía del campo que nunca revisa nada y presume de tener siempre razón; fíate más del que, como la psicología tras 2015, es capaz de decir «la mitad de lo que dábamos por bueno no aguantó, y así lo vamos a arreglar». La duda metódica no es la grieta de la ciencia social: es su cimiento.

Desde aquí, el hilo natural es preguntarse qué descubre esta ciencia cuando funciona bien: por ejemplo, que bajo la enorme diversidad de culturas late un núcleo común a toda la humanidad, lo que veremos en Lo que toda cultura comparte.

Fuentes

Open Science Collaboration (2015, Science) — «Estimating the reproducibility of psychological science» (la crisis de replicación: <50% replicó).
Judea Pearl & Dana Mackenzie (2018), The Book of Why — inferencia causal, diagramas causales, correlación vs causa.
Abhijit Banerjee & Esther Duflo (2011), Poor Economics — experimentos aleatorizados (RCT) en economía del desarrollo; Nobel de Economía 2019 (con Michael Kremer).
Robert K. Merton (1948, The Antioch Review) — «The Self-Fulfilling Prophecy» (reflexividad y profecía autocumplida).
Joseph P. Simmons, Leif Nelson & Uri Simonsohn (2011, Psychological Science) — «False-Positive Psychology» (p-hacking).
Brian Nosek et al. / Center for Open Science — pre-registro y ciencia abierta como remedio.