¿Qué es el razonamiento inductivo?
El razonamiento inductivo es un tipo de razonamiento donde las premisas apoyan pero no garantizan la conclusión. Va de lo particular a lo general (por ejemplo, “las garzas observadas que se posan en la orilla son blancas. Por lo tanto, todas las garzas que se posan en la orilla deben ser blancas”) . Se basa en datos concretos para extraer conclusiones que pueden ser aplicables a otras situaciones similares.
El razonamiento inductivo se utiliza tanto en ciencia como en la vida cotidiana. A pesar de que sus conclusiones no son tan infalibles como las conseguidas a partir de otros procesos lógicos, como el razonamiento deductivo, puede servir como base de todo tipo de teorías, predicciones, o explicaciones de comportamientos.
Cuando se realiza un proceso de razonamiento inductivo, se dice que la conclusión a la que se llega es más o menos probable en lugar de infalible. Sin embargo, a la hora de aplicar este tipo de pensamiento pueden surgir varios tipos de sesgos, que vuelven los argumentos inválidos.
Características del razonamiento inductivo
- La principal característica del razonamiento inductivo es que se comienza con una serie de datos específicos que se utilizan para crear teorías generales sobre un fenómeno determinado. El método básico para llevar a cabo una inducción es observar una serie de casos concretos y buscar lo que tienen en común.
- Debido a la manera en la que funciona, el razonamiento inductivo se conoce también como “lógica de abajo hacia arriba”. Esto se contrapone a la manera en que funciona la deducción, donde se comienza desde una teoría general que se utiliza para extraer conclusiones sobre una situación concreta.
- Por su naturaleza, las ciencias sociales tienden a utilizar el razonamiento inductivo mucho más que el deductivo. Así, gran parte de las teorías de disciplinas, como la psicología, se han creado observando a un gran número de individuos y generalizando sus características a toda la población.
- Sus conclusiones son probables, no infalibles. Esto ocurre porque, al trabajar con el razonamiento inductivo, siempre se habla de probabilidades.
- No todos los tipos de razonamientos inductivos son igual de fiables. Mientras más grande la muestra y más representativa de la población en general (es decir, más se parezca al conjunto que queremos estudiar), menos probable será que exista algún tipo de error. Por ejemplo, al realizar una encuesta sobre intención de voto, esta será mucho más fiable si se le pregunta a 10.000 personas escogidas al azar que si la encuesta se realiza en una clase universitaria a un grupo de 50 alumnos.
- Pueden producirse errores al aplicarlo. El error más común es basarse en ejemplos que no son realmente representativos de la condición que se estudia. Por ejemplo, muchos críticos de la psicología como ciencia señalan que muchas veces los experimentos se llevan a cabo con estudiantes universitarios, y no con personas corrientes. Otro de los errores más habituales es el de basar las conclusiones en un número muy pequeño de casos, con lo cual los datos están incompletos. Para llegar a conclusiones realmente fiables a través del razonamiento inductivo, es necesario tener como base la mayor cantidad de datos posible.
- Influye el sesgo que se le den a los datos. Incluso cuando hay suficientes datos y la muestra es representativa de la población en general, es posible que las conclusiones sean erróneas debido a los sesgos de pensamiento. En el razonamiento inductivo, algunos de los más comunes son el sesgo de confirmación, el de disponibilidad, y la falacia del jugador.
Tipos
Existen varias maneras de llegar a una conclusión general sobre una población a partir de una serie de datos particulares.
Generalización
La forma más sencilla de razonamiento inductivo es la que se basa en la observación de una pequeña muestra para extraer una conclusión sobre una población más amplia.
La fórmula sería la siguiente: si una proporción de la muestra tiene una característica X, entonces la misma proporción de la población general la tendrá.
La generalización básica suele darse en entornos informales. De hecho, a menudo se produce a nivel inconsciente. Por ejemplo, un estudiante en un colegio observa que de sus 30 compañeros, solo 5 tienen padres separados. Al ver esto, podría hacer una generalización y pensar que solo un pequeño número de adultos están separados.
Sin embargo, existen otras formas más fiables y científicas de generalización. La primera es la generalización estadística. El funcionamiento es similar al de la básica, pero los datos se recogen de manera sistemática en una población más grande, y los resultados se analizan utilizando técnicas matemáticas.
Imaginemos que se realiza una encuesta telefónica a 5.000 personas sobre su afiliación política. De esta muestra, el 70% se identifica como “de izquierdas”. Asumiendo que la muestra es representativa de la población en general, se puede inferir que el 70% de los habitantes de ese país se considerarán también de izquierdas.
Silogismo estadístico
Un silogismo estadístico es una forma de razonamiento inductivo que parte de una generalización para sacar una conclusión sobre un fenómeno concreto. Cuando se utiliza este método, se estudia la probabilidad de que ocurra un resultado y se aplica a un caso individual.
Por ejemplo, en un país en el que el 80% de los matrimonios acaban en divorcio, podemos decir que es muy probable que una pareja que se acaba de casar acabe separándose.
Sin embargo, a diferencia de lo que ocurre con los silogismos en la lógica deductiva, este resultado no es infalible (habría un 20% de posibilidades de que el matrimonio funcione).
Al utilizar silogismos estadísticos, pueden darse dos problemas. Por un lado, es muy fácil ignorar el porcentaje de casos en los que la conclusión a la que hemos llegado no se cumple, y por otro, también es habitual pensar que, como hay excepciones a la regla, no se puede generalizar.
Inducción simple
La inducción simple es una combinación de la generalización y el silogismo estadístico. Consiste en extraer una conclusión sobre un individuo a partir de una premisa que afecta a un grupo al que este pertenece. La fórmula es la siguiente:
Sabemos que un porcentaje X de un grupo tiene un atributo concreto. Para cada individuo que pertenezca a ese grupo, la probabilidad de que también presente este atributo es X. Por ejemplo, si el 50% de los componentes de un grupo son introvertidos, cada individuo tiene un 50% de probabilidades de presentar este rasgo.
Razonamiento por analogía
Otra de las formas más comunes es la que compara dos grupos o individuos distintos para intentar predecir cuáles serán sus similitudes y diferencias. La premisa es la siguiente: si dos individuos comparten una serie de características, será más probable que también sean similares en otras.
El razonamiento por analogía es muy común tanto en disciplinas formales como la ciencia y la filosofía, como en la cotidianidad. Sin embargo, sus conclusiones no siempre son correctas, por lo que generalmente se considera que solo es útil como método auxiliar de pensamiento.
Por ejemplo, imaginemos que observamos a dos individuos y descubrimos que los dos son introvertidos, amantes de la lectura y tienen un temperamento similar. Si más tarde observamos que uno de ellos está interesado en la música clásica, el razonamiento por analogía nos diría que el segundo probablemente también lo estará.
Inferencia causal
Cuando observamos que dos fenómenos se producen siempre al mismo tiempo, se tiende a pensar que uno de ellos es el causante del otro. Este tipo de razonamiento inductivo se conoce como inferencia causal.
Este tipo de razonamiento tiene el problema de que dos fenómenos que se producen al mismo tiempo pueden estar causados por un tercero que desconocemos, llamado “variable extraña”. Por lo tanto, aunque la inferencia causal es muy habitual, no proporciona la evidencia suficiente como para considerarse válida en campos como la ciencia.
Un ejemplo clásico de inferencia causal errónea es el de la relación entre el consumo de helados y el número de muertes causadas por ahogos en el mar. Ambos fenómenos tienden a producirse en mayor medida en ciertas épocas del año, por lo que si usásemos la inferencia causal, podríamos concluir que uno de ellos está causando el otro.
Sin embargo, la explicación lógica es que existe una tercera variable que causa las dos primeras. En este caso, se trataría del aumento de las temperaturas durante los meses de verano, que provoca que la gente tome más helados y que se bañe más a menudo en el mar, aumentando así también las muertes por ahogamiento.
Diferencias con el razonamiento deductivo
Punto de partida
La primera diferencia fundamental entre el razonamiento deductivo y el inductivo es el punto de partida. El razonamiento deductivo es conocido como “lógica de arriba hacia abajo”, pues comienza con una teoría general y se acaba extrayendo una conclusión sobre un caso en concreto.
Por el contrario, el razonamiento inductivo se llama “lógica de abajo hacia arriba”. Esto se debe a que se empieza el razonamiento a partir de datos concretos, y se trata de llegar a una conclusión lógica sobre un fenómeno general.
Argumentos
En lógica, un argumento es un razonamiento compuesto por premisas y una conclusión. En la lógica deductiva, los argumentos pueden ser válidos (si están bien construídos) o inválidos (si las premisas no tienen relación entre sí o la conclusión está mal extraída). Por otro lado, también pueden ser verdaderos (si las premisas son ciertas) o falsos.
Esto no funciona igual en el razonamiento inductivo. En este tipo de lógica, los argumentos pueden ser fuertes (si la probabilidad de que ocurra algo es alta) o débiles. A la vez, los argumentos fuertes pueden ser convincentes (si las premisas son ciertas) o no convincentes.
Validez de las conclusiones
En la lógica deductiva, si las premisas son ciertas y el argumento está bien construído, la conclusión será cierta en absolutamente todos los casos.
En cambio, en el razonamiento inductivo, incluso si el argumento es fuerte y las premisas son ciertas, las conclusiones no serán ciertas siempre. Por ello se habla de argumentos convincentes, y no de argumentos ciertos.
Ejemplos
- Cada vez que Juan come cacahuetes, tose y se siente enfermo. Juan debe ser alérgico a los cacahuetes.
- Un profesor observa que, cuando utiliza una presentación de PowerPoint en una clase, sus alumnos muestran más interés. El profesor llega a la conclusión de que usar PowerPoint le ayudará a aumentar la motivación de sus estudiantes.
- Un abogado estudia cómo se resolvieron casos similares al que tiene entre manos en el pasado, y encuentra una estrategia que siempre ha otorgado buenos resultados. Debido a ello, llega a la conclusión de que si la emplea en su caso también conseguirá cumplir con su objetivo.
- Mi casa es de madera, la de mis padres también, y todas las del pueblo donde nací. Ergo, todas las casas son de madera.
- La Tierra es un planeta y orbita alrededor del Sol. Mercurio es un planeta y orbita alrededor del Sol. Marte y Venus son planetas y giran alrededor del Sol. Probablemente todos los planetas giran alrededor del Sol.
- El hierro es un metal y buen conductor de electricidad. El cobre es también metal y conductor de electricidad. Todos los metales son conductores de electricidad.
- Cuando se suelta una taza, cae. Si se suelta un lápiz, cae. Si se suelta un zapato, cae. Ergo, cualquier objeto que se suelta, cae.
Referencias
- Deductive vs. Inductive. Recuperado de diffen.com.
- Deductive Reasoning vs. Inductive Reasoning. Recuperado de livescience.com.
- Inductive Reasoning Definition and Examples. Recuperado de thebalancecareers.com.
- Examples of inductive reasoning. Recuperado de examples.yourdictionary.com.
- Inductive reasoning. Recuperado de en.wikipedia.org.