Introducción

La distinción entre subjetividad y objetividad ha sido central en la filosofía de la ciencia desde sus orígenes. La objetividad en la ciencia se refiere a la idea de que los resultados de una investigación deben ser independientes de las creencias, emociones o perspectivas individuales de los científicos. En otras palabras, la ciencia objetiva busca describir el mundo tal como es, sin la interferencia de interpretaciones personales o contextuales. Este ideal de la ciencia objetiva se ha vinculado estrechamente con el método científico, que promueve la observación, la experimentación controlada y la verificación externa como mecanismos para evitar la influencia de factores subjetivos (Popper, 1972).

Sin embargo, el concepto de objetividad no es tan sencillo ni tan alcanzable como podría parecer a primera vista. Algunos filósofos de la ciencia, como Thomas Kuhn (1970), sostienen que lo que consideramos ‘objetivo’ en ciencia está condicionado por las teorías, los paradigmas y las perspectivas predominantes en una época determinada. Según Kuhn, los paradigmas científicos no solo estructuran el conocimiento en un campo, sino que también influyen en la interpretación de los hechos y los fenómenos, lo que implica que la objetividad no es absoluta, sino relativa al marco de referencia teórico en el que se encuentra el científico.

Por otro lado, la subjetividad se refiere a la interpretación personal que un individuo realiza sobre los hechos y las realidades que percibe, en función de sus experiencias, valores y contexto cultural. En ciencia, la subjetividad se puede manifestar de diversas formas: en la elección de los problemas de investigación, en la formulación de hipótesis, en la interpretación de los datos y en la elaboración de conclusiones.

En la historia de la ciencia, ha existido una fuerte presión por alcanzar la objetividad en la investigación. Desde los tiempos de Galileo Galilei y René Descartes, la ciencia ha buscado un conocimiento que fuera independiente de la percepción humana, basado en hechos verificables y observaciones objetivas (Gould, 2002). Este impulso hacia la objetividad se puede entender en el contexto de la Revolución Científica, cuando se consolidaron los métodos experimentales y se priorizó la observación empírica como la principal fuente de conocimiento. La idea de que la ciencia debe ser imparcial y desinteresada ha influido profundamente en la forma en que los científicos llevan a cabo su trabajo y en cómo se evalúan sus descubrimientos.

La objetividad científica se ha vinculado tradicionalmente con la idea de ‘valor-neutralidad’, que implica que los científicos deben realizar su trabajo sin que sus juicios personales o prejuicios ideológicos interfieran en el proceso de investigación (Douglas, 2009). Sin embargo, la noción de valor-neutralidad ha sido cuestionada por diversos estudiosos, quienes argumentan que los valores culturales y sociales influyen en todos los aspectos de la ciencia, desde la elección de los problemas de investigación hasta las implicaciones éticas de los resultados obtenidos (Harding, 1991).

1. Críticas a la objetividad absoluta

El concepto de objetividad absoluta ha sido cuestionado a lo largo de los siglos por filósofos como Immanuel Kant, quien sugirió que nuestra percepción de la realidad está mediada por estructuras cognitivas inherentes a la mente humana, lo que significa que todo conocimiento está condicionado por las capacidades de los sujetos que lo generan (Kant, 1781). En el contexto de la ciencia, esta perspectiva sugiere que la ‘objetividad’ no es un reflejo de la realidad tal como es, sino una construcción social y culturalmente determinada, influida por las perspectivas y limitaciones del sujeto que observa.

Uno de los puntos más controvertidos acerca de la objetividad en la ciencia es la crítica que Kuhn (1970) ofrece a la idea de que la ciencia progresa de manera lineal hacia una mayor objetividad y verdad. Según Kuhn, la ciencia no avanza simplemente a través de un proceso acumulativo de descubrimientos, sino que está organizada en revoluciones científicas, donde un paradigma dominante es reemplazado por otro. Esta ruptura de paradigmas implica que los valores y las creencias del científico influyen en la interpretación de los hechos, ya que el cambio de paradigma no es simplemente un avance hacia una mejor comprensión, sino una reconfiguración de las categorías y los enfoques con los cuales se observa la realidad.

Aunque el ideal de la objetividad científica sigue vigente, las teorías y descubrimientos científicos no son completamente neutrales. En el proceso de formulación de teorías, los científicos suelen estar influenciados por sus presupuestos epistemológicos, sus hipótesis previas y los paradigmas existentes. Según Feyerabend (1975), los avances científicos no siguen una metodología estrictamente objetiva, sino que dependen de una mezcla de intuición, creatividad e incluso caos. En este sentido, la subjetividad del científico juega un papel crucial en la construcción de teorías que son, en última instancia, reconstrucciones del mundo, no meras representaciones exactas.

Además, como señala Latour (1987), los hechos científicos no existen de manera independiente de las prácticas científicas y de los actores involucrados en la producción de conocimiento. Según su enfoque, la ciencia no es un proceso de descubrimiento de verdades preexistentes, sino una construcción social y colectiva, influida por las interacciones entre científicos, instituciones y tecnología. De esta manera, los procesos de validación y aceptación de teorías científicas están profundamente afectados por factores subjetivos, como el poder de las instituciones científicas y las presiones sociales.

2. La Historia de la subjetividad en la ciencia

La historia de la ciencia está marcada por un continuo esfuerzo por separar la subjetividad humana de los procesos de descubrimiento de la ‘verdad objetiva’. Sin embargo, la interacción entre la subjetividad y la ciencia ha sido más compleja y significativa de lo que inicialmente se pensó. Aunque los filósofos y científicos de la modernidad temprana, como Galileo y Descartes, abogaron por una ciencia basada en la objetividad y la razón, más tarde pensadores y científicos comenzaron a cuestionar si la ciencia podía realmente escapar de las influencias subjetivas inherentes a los seres humanos.

2.1. La Ciencia de la revolución científica: Galileo y Descartes

La Revolución Científica del siglo XVII marcó un punto crucial en el desarrollo de la ciencia moderna. Durante este período, figuras clave como Galileo Galilei y René Descartes promovieron la idea de que la observación empírica y la razón eran los caminos seguros para conocer la realidad, libres de las influencias de la superstición y la metafísica. Según Galileo, el conocimiento debía basarse en observaciones directas de la naturaleza, utilizando el método experimental y cuantitativo para descifrar las leyes del universo (Gulick, 1994).

Por otro lado, Descartes, en su obra Meditaciones Metafísicas (1641), postuló que la razón humana debía ser el fundamento de todo conocimiento verdadero, y que, mediante la duda metódica, el sujeto podría alcanzar certezas indudables. Descartes pensaba que los humanos podían alcanzar un conocimiento absolutamente objetivo mediante el uso de la razón, sin que las emociones o los prejuicios subjetivos interfirieran. Sin embargo, esta postura radicalmente objetivista pasó por alto el hecho de que incluso el proceso de razonar está condicionado por la subjetividad humana, que no es completamente independiente de las experiencias personales y culturales.

2.2. El enfoque empírico y la ‘objetividad’ en los siglos XVIII y XIX

A lo largo de los siglos XVIII y XIX, con la consolidación de la ciencia empírica, la objetividad comenzó a ser vista como el ideal al que debían aspirar los científicos. Filósofos como John Locke y David Hume destacaron la importancia de la experiencia sensorial en la adquisición del conocimiento, aunque Hume también advirtió que nuestras percepciones sensoriales están sujetas a interpretaciones personales que pueden ser erróneas o distorsionadas (Hume, 1748). A pesar de estas advertencias, el empirismo y el positivismo, que se convirtieron en corrientes dominantes, seguían promoviendo la idea de que los datos empíricos, si se recolectaban y analizaban de manera adecuada, podrían proporcionar una representación objetiva y no sesgada de la realidad.

En este contexto, la ciencia del siglo XIX se desarrolló bajo la premisa de que la observación y la experimentación eran los principales métodos para alcanzar la ‘verdad objetiva’. La figura de Charles Darwin y su teoría de la evolución fue un ejemplo de cómo la ciencia podía transformar nuestras concepciones del mundo natural de manera ‘objetiva’, al margen de creencias religiosas o dogmáticas (Gould, 2002). Sin embargo, incluso en este período, la interpretación de los datos científicos estaba influenciada por las concepciones previas y los paradigmas de los científicos, como lo demuestra la resistencia a las ideas de Darwin por parte de la comunidad científica tradicional.

2.3. Thomas Kuhn y la revolución en la historia de la ciencia

A mediados del siglo XX, el filósofo Thomas Kuhn introdujo una nueva visión de la ciencia en su influyente obra La Estructura de las Revoluciones Científicas (1970). Kuhn desafiaba la concepción tradicional de que la ciencia avanzaba de manera gradual y acumulativa hacia un conocimiento cada vez más objetivo. Según Kuhn, la ciencia no progresa de manera lineal, sino a través de cambios radicales en los paradigmas científicos, que son marcos teóricos compartidos por la comunidad científica en un momento determinado.

Kuhn sostenía que los científicos, dentro de un paradigma establecido, están influenciados por las creencias y suposiciones dominantes, lo que significa que su visión de la realidad está condicionada por los marcos conceptuales dentro de los cuales trabajan. Estos marcos influyen en la forma en que los científicos interpretan los datos y en qué preguntas consideran importantes (Kuhn, 1970). La idea de que el conocimiento científico es relativo al paradigma vigente implica que la ciencia está marcada por una subjetividad estructural, ya que los científicos trabajan bajo la influencia de teorías y creencias que, aunque se consideran objetivas, están sujetas a cambios cuando se produce una crisis paradigmática.

En este sentido, Kuhn destacó que las revoluciones científicas —como la transición de la física clásica a la relativista de Einstein o de la visión geocéntrica a la heliocéntrica de Copérnico— no son simples avances objetivos hacia una verdad más precisa, sino que son transformaciones radicales en las concepciones científicas, impulsadas por factores subjetivos como las creencias, las presiones sociales y los intereses científicos.

2.4. El desafío de Paul Feyerabend: La ciencia como construcción social

En la década de 1970, Paul Feyerabend, desafió aún más la noción de una ciencia objetiva y racional. En su obra Contra el Método (1975), Feyerabend argumentaba que no existía un único método científico que pudiera garantizar el conocimiento verdadero, sino que la ciencia estaba basada en una pluralidad de enfoques y métodos que no necesariamente eran objetivos ni racionales. Según Feyerabend, la idea de un método único y ‘correcto’ para la ciencia era una forma de dogmatismo, y sostenía que la ciencia debía ser entendida como un campo de conocimiento abierto, donde las ideas y las prácticas, muchas veces subjetivas y desordenadas, podían contribuir a la creación de nuevos conocimientos.

Feyerabend también subrayó que las ciencias sociales y humanas, a diferencia de las ciencias naturales, estaban mucho más influenciadas por factores sociales, políticos y culturales, lo que implicaba que las ciencias no podían, ni deberían, pretender ser completamente objetivas. La crítica de Feyerabend señaló que la objetividad científica era, en muchos casos, una construcción ideológica utilizada para consolidar el poder de la comunidad científica y su autoridad sobre otros tipos de conocimiento.

2.5. La ciencia contemporánea: nuevas perspectivas y la subjetividad en los resultados científicos

Hoy en día, la cuestión de la subjetividad en la ciencia sigue siendo un tema de debate relevante. Con el auge de las ciencias de la computación, la inteligencia artificial y el análisis de grandes volúmenes de datos, se presenta la pregunta de si estos avances pueden ayudar a reducir la influencia de la subjetividad en la investigación científica. Sin embargo, a pesar del aparente objetivismo que promete la tecnología, los algoritmos y los modelos estadísticos aún son diseñados por seres humanos, lo que implica que siguen estando sujetos a las interpretaciones y prejuicios de quienes los crean (O’Neil, 2016).

En la actualidad, también hay una mayor conciencia de los efectos de los valores sociales y culturales en las ciencias, especialmente en disciplinas como la biología, la psicología y las ciencias sociales, donde los investigadores han comenzado a reflexionar más sobre cómo su contexto cultural y social influye en las preguntas que se hacen y en las respuestas que ofrecen (Haraway, 1988). Así, mientras la ciencia sigue buscando maneras de alcanzar la objetividad, no podemos ignorar que está profundamente entrelazada con los factores subjetivos que la constituyen.

3. La subjetividad en los métodos científicos

La ciencia, aunque se basa en métodos sistemáticos y rigurosos para la recolección de datos y la validación de teorías, no está completamente libre de subjetividad. En efecto, la elección de los problemas de investigación, la formulación de hipótesis, el diseño experimental, la interpretación de los resultados y la publicación de los hallazgos están todos, en mayor o menor medida, marcados por la subjetividad de los científicos. La influencia de la subjetividad no se limita a los factores emocionales o personales de los investigadores, sino que también incluye los sesgos culturales, ideológicos y epistemológicos que guían sus decisiones.

3.1. La elección de los problemas de investigación

Una de las primeras maneras en que la subjetividad se infiltra en el proceso científico es en la selección de los problemas que se investigan. Las preguntas que los científicos consideran relevantes o importantes están influenciadas por sus intereses personales, sus contextos sociales y sus concepciones epistemológicas. Según Robert Merton (1973), las investigaciones científicas no son simplemente impulsadas por una curiosidad objetiva por descubrir la verdad, sino que también están motivadas por una serie de intereses y valores que son específicos del contexto cultural y social en el que se realizan. Por ejemplo, durante la Guerra Fría, gran parte de la investigación científica en los Estados Unidos y la Unión Soviética se centró en cuestiones de seguridad nacional y militar, lo que influyó significativamente en el tipo de problemas que se abordaron y en los enfoques que se utilizaron (Kuhn, 1970).

Además, los problemas de investigación pueden ser seleccionados en función de la disponibilidad de financiamiento o del apoyo institucional. El financiamiento para la investigación científica suele estar dirigido por agencias gubernamentales, organizaciones privadas y universidades, que tienen sus propias prioridades y agendas. Así, las investigaciones que reciben apoyo tienden a estar alineadas con los intereses de estas instituciones, lo que puede introducir un sesgo en la dirección de la ciencia (Shapin, 1995).

3.2. La formulación de hipótesis y la interpretación de los datos

La formulación de hipótesis es otro momento en el que la subjetividad entra en juego. Los científicos a menudo comienzan sus investigaciones con un marco teórico que guía su formulación de hipótesis. Este marco, que está basado en teorías previas, puede influir de manera significativa en las expectativas del investigador. Es posible que los científicos busquen confirmar lo que ya esperan encontrar, lo que puede generar sesgos en la forma en que recopilan e interpretan los datos (Nickerson, 1998). Este fenómeno, conocido como ‘sesgo de confirmación’, se refiere a la tendencia de los científicos a favorecer la información que confirma sus hipótesis previas y a descartar o minimizar los datos que las contradicen.

La interpretación de los datos también está influenciada por los valores y supuestos previos del investigador. Como señala Feyerabend (1975), los datos científicos no son simplemente ‘observaciones desnudas’ del mundo, sino que siempre están impregnados de interpretaciones teóricas. Incluso en los campos de la física y la química, donde las mediciones son altamente cuantificables y controladas, los investigadores no pueden evitar interpretar los datos a través del lente de sus teorías y expectativas. Esta subjetividad se extiende a la forma en que se presentan los resultados, ya que los científicos a menudo eligen qué aspectos de los datos resaltar y qué detalles omitir para hacer que sus resultados sean más convincentes o alineados con las teorías existentes (Kuhn, 1970).

3.3. El diseño experimental: control de variables y selección de muestras

El diseño experimental es una parte fundamental del método científico, que busca controlar las variables y aislar los efectos de la variable independiente. Sin embargo, el diseño de un experimento está lejos de ser una tarea objetiva e imparcial. La selección de las variables a controlar, los métodos de recolección de datos y la elección de la muestra de participantes o materiales están todos sujetos a decisiones que pueden ser influenciadas por suposiciones teóricas, intereses personales o limitaciones prácticas.

En la investigación psicológica, por ejemplo, la selección de muestras es un tema importante de discusión. Los experimentos psicológicos suelen realizarse en estudiantes universitarios, quienes no representan de manera equitativa a la población general. Este sesgo en la selección de la muestra ha sido señalado como un problema importante en la psicología experimental (Arnett, 2008). La falta de diversidad en las muestras puede influir en la generalización de los resultados, ya que los hallazgos obtenidos en una muestra homogénea pueden no ser aplicables a otras poblaciones.

Además, el control de variables es una tarea compleja que a menudo requiere tomar decisiones sobre qué factores son relevantes para el experimento y cuáles se pueden omitir. Estas decisiones están influenciadas por las teorías existentes, los intereses del investigador y las limitaciones técnicas. Por ejemplo, en la investigación médica, el control de variables como la edad, el género o el estado de salud de los participantes puede ser esencial, pero las decisiones sobre qué variables controlar no siempre son objetivas, sino que están condicionadas por el paradigma científico vigente y los intereses del investigador (Harding, 1991).

3.4. La revisión por pares: Un mecanismo para minimizar la subjetividad

Uno de los mecanismos establecidos para mitigar la subjetividad en la ciencia es el proceso de revisión por pares, en el que otros científicos evalúan la calidad y la validez de un estudio antes de su publicación. La revisión por pares se considera un mecanismo esencial para asegurar la calidad y la objetividad de la ciencia, pero también está sujeta a críticas. La revisión por pares no es un proceso completamente imparcial, ya que los revisores pueden estar influenciados por sus propias creencias, teorías y experiencias previas (Bennett, 2005).

Además, la cultura de la publicación científica y el sistema de méritos asociados con las publicaciones pueden inducir a los científicos a enfocar sus investigaciones hacia áreas que son más aceptadas o populares dentro de la comunidad científica, en lugar de explorar ideas más innovadoras o arriesgadas. El ‘sesgo de publicación’ es otro factor que refuerza la subjetividad en la ciencia. Los resultados negativos o aquellos que no siguen las expectativas científicas dominantes a menudo se publican con menos frecuencia, lo que puede dar una imagen distorsionada de los avances científicos (Sterne et al., 2011).

3.5. La Ciencia y sus Implicaciones Sociales: La Subjetividad en el Uso del Conocimiento

El conocimiento científico no solo está marcado por la subjetividad en su producción, sino también en su aplicación. Las decisiones sobre cómo utilizar el conocimiento científico están influenciadas por valores sociales, políticos y económicos. Por ejemplo, las decisiones sobre el uso de la biotecnología, la ingeniería genética o la inteligencia artificial dependen no solo de datos científicos, sino también de las valoraciones éticas y sociales de sus posibles consecuencias (Douglas, 2009). Los científicos, al igual que las instituciones que patrocinan la investigación, no pueden escapar de la subjetividad inherente a sus contextos históricos y sociales, lo que significa que la ciencia siempre estará en interacción con las sociedades en las que se produce y se aplica.

4. La subjetividad en la interpretación de los resultados científicos

La interpretación de los resultados científicos es una de las áreas donde la subjetividad de los investigadores se manifiesta de forma más evidente. A pesar de los esfuerzos por lograr la objetividad, los datos no hablan por sí mismos; son los científicos quienes les asignan significado y contexto. Esto significa que la interpretación está influenciada por una serie de factores subjetivos, que incluyen las expectativas previas, las creencias, los marcos teóricos y la presión por publicar resultados innovadores o positivos. La subjetividad no solo puede alterar la forma en que se interpretan los datos, sino que también tiene implicaciones para la teoría y las prácticas científicas.

4.1. El efecto de las expectativas en la interpretación de los datos

Las expectativas previas de los científicos juegan un papel crucial en la interpretación de los resultados. Este fenómeno, conocido como sesgo de confirmación, se refiere a la tendencia de los científicos a interpretar los datos de manera que confirme sus hipótesis o creencias previas, en lugar de desafiar estas suposiciones. El sesgo de confirmación es una forma común de distorsión cognitiva que no se limita solo al ámbito de la ciencia, sino que está presente en la vida cotidiana de todos los seres humanos, pero sus efectos en la investigación científica pueden ser especialmente problemáticos.

Nickerson (1998) argumenta que este sesgo se manifiesta cuando los investigadores buscan, seleccionan o interpretan los datos de manera que los respalden, mientras que, a menudo, no prestan la misma atención a los datos que podrían contradecir sus hipótesis. Esto puede generar un círculo vicioso en el que los investigadores no solo reafirmaron sus creencias, sino que también avanzan teorías que no se corresponden con la totalidad de los datos observados. En la práctica, este tipo de sesgo puede afectar la validez de los estudios científicos, ya que puede dar lugar a conclusiones equivocadas que son el resultado de una interpretación selectiva.

4.2. Los marcos teóricos y su influencia en la interpretación de los resultados

Otro factor subjetivo que influye en la interpretación de los resultados científicos es el marco teórico dentro del cual se realiza la investigación. Las teorías existentes en un campo determinado guían la forma en que se entienden los fenómenos y las relaciones causales, y los resultados son interpretados a través de estos marcos. Si bien la teoría es fundamental para dar sentido a los datos, también puede limitar la interpretación, ya que los científicos tienden a ajustar los resultados a sus modelos preexistentes, incluso cuando estos no encajan perfectamente con las observaciones.

Según Kuhn (1970), los paradigmas científicos desempeñan un papel crucial en la orientación de la investigación y la interpretación de los datos. Durante una ‘revolución científica, cuando un nuevo paradigma reemplaza a uno antiguo, las mismas observaciones pueden ser interpretadas de manera completamente diferente, lo que demuestra que la interpretación científica está condicionada por los marcos teóricos dominantes. Por ejemplo, antes de la aceptación de la teoría de la relatividad de Einstein, los fenómenos astronómicos observados se interpretaron dentro del paradigma newtoniano de la gravedad. Posteriormente, el mismo tipo de fenómenos fue interpretado de una manera completamente distinta bajo el nuevo paradigma relativista, lo que muestra cómo la ciencia puede ser profundamente subjetiva, dependiendo de la teoría vigente en un momento determinado.

4.3. La influencia de la cultura y el contexto social

La interpretación de los resultados científicos también está influenciada por los contextos sociales y culturales en los que se lleva a cabo la investigación. Las ciencias no se producen en un vacío; están marcadas por las ideologías, valores y preocupaciones del tiempo y lugar en los que se desarrollan. Según Harding (1991), la ciencia refleja las jerarquías sociales y las relaciones de poder de su contexto histórico. Por ejemplo, durante siglos, las ciencias naturales estuvieron dominadas por perspectivas eurocéntricas y masculinas, lo que tuvo un impacto significativo en la interpretación de los datos y en los tipos de investigaciones que se consideraban valiosas.

Un claro ejemplo de esto se observa en la historia de la biología, donde las interpretaciones científicas del papel de las mujeres y las minorías en la evolución estuvieron profundamente influenciadas por los prejuicios de género y raciales prevalentes en la sociedad. Los estudios realizados en la época victoriana, por ejemplo, a menudo utilizaban una visión sesgada para justificar las desigualdades sociales y de género, interpretando los datos biológicos de manera que apoyaran las estructuras de poder existentes (Daston & Galison, 2007). La influencia de las normas sociales sobre la interpretación científica no solo limita la objetividad de la investigación, sino que también produce narrativas científicas que perpetúan prejuicios y estereotipos.

4.4. La presión por publicar resultados positivos

En la ciencia contemporánea, la presión por publicar resultados positivos y novedosos es una fuerza poderosa que puede distorsionar la interpretación de los resultados. Este fenómeno está relacionado con lo que se conoce como la ‘cultura de la publicación’, que está impulsada por el sistema de méritos académicos. Los investigadores se enfrentan a incentivos para obtener resultados que sean sorprendentes, innovadores o confirmatorios, y estas expectativas pueden inducir a sesgos en la interpretación y en la presentación de los datos. En su estudio sobre la ciencia y los intereses, Latour (1987) observa que los científicos a menudo se sienten obligados a presentar sus hallazgos de una manera que maximice el impacto, lo que puede llevar a una interpretación sesgada o selectiva de los datos.

El ‘sesgo de publicación’ es otro factor importante que afecta la interpretación científica. Los estudios con resultados negativos o que no confirman las hipótesis preexistentes tienen muchas menos probabilidades de ser publicados. Esto crea una distorsión en la literatura científica, ya que los resultados que se publican tienden a ser aquellos que ofrecen apoyo a las teorías actuales, mientras que los estudios que no pueden replicar esos resultados o que muestran efectos nulos son descartados o no se publican (Sterne et al., 2011). Este sesgo en la publicación contribuye a la subjetividad en la ciencia, ya que da una visión distorsionada de la realidad, al concentrarse solo en los hallazgos positivos y a menudo ignorar la complejidad de los datos negativos o ambiguos.

4.5. La subjetividad en la ciencia contemporánea y el posmodernismo

En la ciencia contemporánea, el cuestionamiento de la objetividad sigue siendo un tema recurrente, especialmente dentro de la corriente del posmodernismo. El filósofo y sociólogo de la ciencia Bruno Latour (1987) argumenta que la ciencia no es un proceso puramente racional que descubra verdades universales, sino que es un ‘teatro’ donde los científicos, los instrumentos y las instituciones colaboran para construir lo que se considera conocimiento verdadero. Según Latour, las decisiones que toman los científicos, las intervenciones tecnológicas y las relaciones de poder entre científicos y otras partes interesadas son todas influencias que contribuyen a la construcción de la verdad científica, y todas estas influencias son intrínsecamente subjetivas.

La crítica posmoderna también ha cuestionado la noción de una ‘verdad objetiva’ en la ciencia, sugiriendo que todas las interpretaciones científicas están profundamente contextualizadas y mediadas por las estructuras de poder, ideologías y prácticas sociales. Haraway (1988) introduce el concepto de ‘conocimiento situado’, que resalta cómo todo conocimiento es influenciado por la perspectiva del investigador, y que la ciencia no puede escapar de las influencias históricas, sociales y culturales.

5. Enfoques para mitigar la subjetividad en la ciencia

A pesar de que la subjetividad es un componente inherente al proceso científico, los investigadores y las instituciones científicas han desarrollado diversas estrategias para mitigar sus efectos negativos. El objetivo es garantizar que los hallazgos sean lo más objetivos y fiables posible, minimizando la influencia de los sesgos y asegurando la integridad del conocimiento científico. A continuación, se abordan algunos de los enfoques más efectivos para reducir la subjetividad en la ciencia.

5.1. Revisión por pares: Un mecanismo de control de calidad

Uno de los enfoques más comunes para mitigar la subjetividad en la ciencia es la revisión por pares, un proceso en el que otros expertos del mismo campo revisan el trabajo de un investigador antes de que sea publicado. Este proceso busca identificar errores, sesgos o interpretaciones erróneas en el trabajo presentado, y así asegurar que los resultados sean sólidos y válidos. Aunque la revisión por pares no elimina por completo la subjetividad, ya que los revisores también pueden estar influenciados por sus propios sesgos, es un paso importante para reducir las distorsiones y aumentar la objetividad del trabajo científico.

La revisión por pares contribuye a identificar posibles sesgos en el diseño experimental, en la selección de datos y en la interpretación de los resultados. Además, proporciona un espacio para que los revisores señalen aspectos del trabajo que podrían haber sido pasados por alto o interpretados de manera errónea. Según Lee et al. (2013), la revisión por pares actúa como un ‘filtro’ que ayuda a garantizar la validez y la integridad de la investigación científica. Sin embargo, algunos críticos argumentan que este proceso también está sujeto a sesgos, como el sesgo de confirmación o el sesgo de publicación, donde los revisores prefieren trabajos que se alinean con las teorías predominantes (Fraser et al., 2018).

5.2. Replicación de estudios: Un pilar de la ciencia reproducible

Otro enfoque importante para mitigar la subjetividad en la ciencia es la replicación de estudios, que consiste en repetir experimentos o investigaciones para comprobar si los resultados obtenidos previamente se pueden reproducir bajo las mismas condiciones. La replicación es crucial para confirmar que los hallazgos de un estudio no son fruto de errores aleatorios, sesgos o interpretaciones erróneas. Si un estudio no puede ser replicado, esto pone en duda la validez de los resultados originales y sugiere que pueden haber sido afectados por la subjetividad.

El concepto de replicación se ha convertido en un tema de discusión prominente, especialmente en campos como la psicología y la medicina. En los últimos años, numerosos estudios han destacado la crisis de replicabilidad en la ciencia, donde muchos resultados no pueden ser replicados, lo que pone en evidencia la posible presencia de sesgos en los estudios originales. Open Science Collaboration (2015) llevó a cabo un estudio de replicación masiva en psicología, encontrando que solo el 36% de los estudios originales se replicaron con éxito. Este tipo de iniciativas subraya la importancia de la replicación como un medio para asegurar que los resultados científicos no se vean influidos por la subjetividad de los investigadores.

5.3. Transparencia en la metodología y los datos

La transparencia es otra estrategia fundamental para reducir la subjetividad en la ciencia. Publicar los datos crudos, los protocolos experimentales y los métodos utilizados en la investigación permite que otros investigadores puedan revisar y evaluar los resultados de manera más objetiva. La transparencia también incluye el registro previo de los experimentos, conocido como ‘registro de estudios’, que ayuda a prevenir la manipulación selectiva de los datos y asegura que los resultados no sean interpretados de manera sesgada.

Iniciativas como Open Science han promovido la apertura de los datos y la metodología en muchos campos científicos. Según Nosek et al. (2015), la apertura de los datos no solo facilita la replicación de estudios, sino que también permite a la comunidad científica identificar posibles errores o sesgos que pudieron haber afectado los resultados. La práctica de pre-registro (registrar las hipótesis, los métodos y los planes de análisis antes de realizar el experimento) también ayuda a minimizar la manipulación de los resultados y asegura que las conclusiones no estén influenciadas por expectativas preconcebidas.

5.4. Diversidad de perspectivas en la investigación

Fomentar la diversidad en la comunidad científica es otro enfoque clave para mitigar los sesgos subjetivos. La diversidad no solo se refiere a la inclusión de diferentes géneros o razas, sino también a la diversidad de enfoques, teorías y métodos dentro de un campo. La inclusión de diferentes perspectivas puede ayudar a contrarrestar los sesgos inherentes que provienen de marcos teóricos y culturales dominantes. De acuerdo con Longino (2002), la ciencia se beneficia enormemente de la pluralidad de voces, ya que los diferentes puntos de vista pueden cuestionar las suposiciones no examinadas y ofrecer nuevas interpretaciones de los datos.

La diversidad también se extiende al tipo de investigaciones que se realizan. En muchas ocasiones, las investigaciones se concentran en problemas que afectan a las poblaciones privilegiadas, mientras que las cuestiones que afectan a grupos marginados pueden ser pasadas por alto. Un enfoque inclusivo y diverso puede asegurar que se aborden una variedad de problemas, y que los resultados no estén sesgados por los intereses de un solo grupo social, económico o político (Harding, 1991).

5.5. Educación en pensamiento crítico y métodos científicos

Una de las formas más efectivas de mitigar la subjetividad en la ciencia es la formación en pensamiento crítico y en los métodos científicos. Los científicos deben ser conscientes de sus propios sesgos y de cómo estos pueden influir en su investigación. Esto requiere una educación profunda en el pensamiento crítico, en la evaluación de la evidencia y en la importancia de la objetividad en la ciencia.

Según Kuhn (1970), los científicos no solo deben ser buenos técnicos, sino también pensadores críticos que puedan cuestionar sus propias suposiciones y teorías. La educación en ciencia debe incluir la enseñanza de cómo identificar y corregir los sesgos, así como cómo desarrollar y aplicar métodos científicos rigurosos que minimicen la influencia de la subjetividad.

La educación también debe incluir la enseñanza de la ética en la ciencia, para que los científicos sean conscientes de las implicaciones de sus hallazgos y cómo estos pueden influir en la sociedad. Esto incluye la conciencia de los sesgos que pueden surgir al investigar cuestiones sensibles, como la genética, la raza o el género.

6. El futuro de la subjetividad en la ciencia

La subjetividad en la ciencia ha sido, históricamente, un tema de debate constante, especialmente en un momento donde la ciencia se enfrenta a desafíos y oportunidades sin precedentes en la sociedad contemporánea. Con el advenimiento de nuevas tecnologías, la globalización y el cambio en las formas de hacer y comunicar ciencia, las implicaciones de la subjetividad se están transformando. A continuación, se exploran las posibles direcciones hacia las que se encamina la subjetividad en la ciencia, considerando el impacto de la tecnología, la evolución de la ética científica y los movimientos sociales que están reconfigurando el paisaje científico.

6.1. Impacto de la inteligencia artificial y el big data

El futuro de la subjetividad en la ciencia está estrechamente ligado a las innovaciones tecnológicas, particularmente a la inteligencia artificial (IA) y el big data. Estas tecnologías tienen el potencial de transformar cómo se recopila, procesa y analiza la información científica, lo que podría reducir la influencia de los sesgos humanos en el proceso de investigación. Por ejemplo, los algoritmos de IA pueden ayudar a identificar patrones en grandes volúmenes de datos de manera más eficiente y sin la intervención directa de los investigadores, lo que podría llevar a una mayor objetividad en los resultados (Angwin et al., 2016).

Sin embargo, aunque la IA puede minimizar algunos de los sesgos humanos, también existe el riesgo de que los propios algoritmos estén influenciados por sesgos inherentes en los datos que procesan. Como señala O’Neil (2016), los algoritmos de IA pueden replicar y amplificar los prejuicios sociales y raciales presentes en los datos con los que son entrenados. Este fenómeno, conocido como sesgo algorítmico, plantea una nueva dimensión de subjetividad en la ciencia que deberá ser cuidadosamente gestionada en el futuro.

El big data también plantea desafíos en términos de interpretación y selección de los datos. Aunque la disponibilidad de grandes cantidades de información puede mejorar la precisión de los modelos científicos, la forma en que se interpretan y seleccionan esos datos sigue estando influenciada por las decisiones humanas. Por lo tanto, el futuro de la ciencia debe incorporar no solo la recolección masiva de datos, sino también una reflexión crítica sobre los procesos mediante los cuales se eligen esos datos y se les da sentido (Boyd & Crawford, 2012).

6.2. Ética y subjetividad: Nuevos desafíos y oportunidades

La ética en la ciencia está evolucionando a medida que surgen nuevas áreas de investigación y nuevas capacidades tecnológicas. En particular, los avances en campos como la biotecnología, la edición genética y la inteligencia artificial presentan desafíos éticos únicos. Las decisiones científicas sobre cómo se deben usar estas tecnologías están fuertemente influenciadas por valores subjetivos, como las creencias sociales, las normativas culturales y las expectativas políticas.

Uno de los debates éticos más relevantes en la ciencia contemporánea es el relacionado con la edición genética. La capacidad de modificar el genoma humano a través de tecnologías como CRISPR-Cas9 ha desatado discusiones sobre los límites de la ciencia y la moralidad de ciertas intervenciones. La subjetividad juega un papel crucial en estas discusiones, ya que las decisiones sobre qué modificaciones son ‘aceptables’ están profundamente influenciadas por valores éticos, religiosos y sociales (Gunsalus et al., 2017).

Asimismo, la ética de la inteligencia artificial también presenta una serie de desafíos relacionados con la subjetividad. Los algoritmos de IA utilizados en áreas como el diagnóstico médico o la toma de decisiones en políticas públicas dependen de los valores y las perspectivas de quienes los diseñan. Es fundamental que las futuras generaciones de científicos, ingenieros y filósofos colaboren para garantizar que la IA no amplifique los sesgos de los sistemas sociales y que sus aplicaciones en la ciencia sean responsables y éticas (Binns, 2018).

6.3. Ciencia abierta y participativa: Democratización del conocimiento

El movimiento hacia la ciencia abierta y participativa, impulsado por la transparencia y el acceso libre a los datos y los resultados de la investigación, está remodelando la relación entre los científicos y la sociedad. La ciencia abierta promueve la colaboración entre científicos y no científicos, permitiendo que el conocimiento sea accesible y comprensible para un público más amplio. Esto puede ayudar a mitigar algunos de los sesgos subjetivos que afectan la ciencia, ya que involucra a diversas perspectivas y permite una mayor supervisión y crítica externa (Boulton, 2015).

La ciencia participativa también está en auge, donde los ciudadanos comunes participan activamente en la recopilación de datos científicos, especialmente en áreas como la biología ambiental o la astronomía. Esto no solo democratiza el proceso científico, sino que también introduce nuevas formas de ver los problemas y aporta diversas perspectivas que pueden contrarrestar los sesgos inherentes al conocimiento científico tradicional (Haklay, 2013).

La creciente participación del público en la ciencia tiene el potencial de hacer que la investigación científica sea más inclusiva y menos susceptible a los sesgos de los investigadores. Además, este enfoque puede abrir nuevas líneas de investigación que antes se pasaban por alto debido a la falta de perspectiva y experiencia en temas marginalizados.

6.4. Subjetividad en las ciencias sociales y humanidades: Un cambio de paradigma

Las ciencias sociales y humanidades han experimentado, en las últimas décadas, un cuestionamiento más explícito de la objetividad científica, reconociendo que las perspectivas y valores subjetivos son inevitables en la producción de conocimiento. Esto ha dado lugar a un cambio de paradigma en la investigación social, donde se valora cada vez más el contexto, la reflexividad y las múltiples perspectivas en el análisis de fenómenos humanos.

Autoras como Donna Haraway (1988) argumentan que la ciencia debe reconocer sus propios límites y las perspectivas subjetivas que influyen en la investigación. Esta idea ha dado lugar a la epistemología feminista, que desafía la noción de que la ciencia puede ser completamente objetiva y propone en su lugar un enfoque más inclusivo que reconozca las diversas voces y experiencias. En el futuro, las ciencias sociales seguirán desempeñando un papel fundamental en la reflexión crítica sobre el conocimiento científico, contribuyendo a una visión más matizada de la objetividad y la subjetividad en la ciencia.

6.5. Educación y formación científica: La preparación para el futuro

La educación científica está desempeñando un papel clave en cómo los futuros científicos abordarán la subjetividad. Los programas educativos en ciencia deben enseñar a los estudiantes no solo sobre los métodos científicos rigurosos, sino también sobre la importancia de reconocer y gestionar los sesgos personales, sociales y culturales. Fomentar la conciencia crítica sobre los propios prejuicios y su influencia en la investigación es un paso crucial para mitigar la subjetividad.

Además, la formación en ética científica debe convertirse en un componente esencial en la educación científica, ya que los desafíos éticos de la ciencia moderna están cada vez más vinculados a la subjetividad. Los futuros científicos deben estar equipados para tomar decisiones responsables que no solo sean científicamente válidas, sino también socialmente justas y equitativas.

Conclusión

A lo largo de este análisis, hemos observado cómo la subjetividad es un componente inevitable de la ciencia, influenciada por las experiencias personales, los valores culturales, las creencias y las perspectivas de los investigadores. Aunque la ciencia se ha caracterizado históricamente por su intento de alcanzar la objetividad y la neutralidad, es evidente que las subjetividades no pueden eliminarse por completo de los procesos científicos. Sin embargo, a pesar de esta ineludible subjetividad, es posible adoptar enfoques y estrategias que permitan mitigar sus efectos y garantizar la integridad científica.

A través de este estudio, se han identificado varios enfoques clave que ayudan a reducir la subjetividad en la ciencia. La revisión por pares, aunque no libre de sus propios sesgos, sigue siendo una herramienta esencial para garantizar la calidad y la veracidad de los estudios científicos (Lee et al., 2013). La replicación de estudios y la transparencia metodológica son prácticas fundamentales para comprobar la validez de los hallazgos y reducir las influencias subjetivas en la interpretación de los datos (Nosek et al., 2015). Además, la promoción de la diversidad dentro de las comunidades científicas y el fomento de un pensamiento crítico en los investigadores pueden ayudar a cuestionar las suposiciones preconcebidas y abrir nuevas perspectivas sobre los problemas científicos (Harding, 1991; Kuhn, 1970).

Sin embargo, a medida que avanzamos hacia el futuro, nuevas dimensiones de subjetividad emergen debido a los avances tecnológicos. La inteligencia artificial (IA) y el big data, aunque prometen reducir ciertos tipos de sesgo, también traen consigo el riesgo de amplificar los prejuicios preexistentes en los datos y los algoritmos que alimentan estas tecnologías (O’Neil, 2016). La ética de la ciencia, en particular en áreas como la genética y la IA, enfrenta desafíos complejos donde las decisiones de los científicos sobre lo que es ‘moral’ o ‘aceptable’ están profundamente marcadas por valores subjetivos (Gunsalus et al., 2017).

Otro aspecto importante que emerge es el concepto de ciencia abierta y participativa, que ha permitido democratizar el conocimiento científico y ampliar la participación de diversos actores en el proceso de investigación. Estos enfoques buscan contrarrestar los sesgos subjetivos al involucrar a diferentes voces y perspectivas en la creación de conocimiento, lo que potencia una mayor inclusividad y transparencia (Boulton, 2015). Sin embargo, incluso en un contexto de mayor participación, se necesita una constante vigilancia para evitar que los sesgos inherentes a las estructuras de poder y a las dinámicas sociales influyan en los resultados de la investigación.

En este sentido, la educación científica juega un papel crucial en el futuro de la ciencia. Los investigadores deben ser formados no solo en los métodos científicos, sino también en la reflexividad crítica, reconociendo la influencia de sus propias creencias, valores y perspectivas en sus investigaciones. La conciencia ética y la capacidad para gestionar los sesgos serán habilidades esenciales para las nuevas generaciones de científicos (Binns, 2018).

Finalmente, a pesar de los esfuerzos por reducir la subjetividad, es importante reconocer que la subjetividad misma no es necesariamente negativa. Puede ser una fuente de creatividad, innovación y nuevas formas de pensar en la ciencia, siempre que sea reconocida y gestionada de manera adecuada. La subjetividad, si se aborda de forma consciente, puede enriquecer la ciencia, abriendo nuevas avenidas de investigación y desafiando las estructuras dominantes del conocimiento. En este sentido, el futuro de la ciencia podría estar marcado no solo por su capacidad para alcanzar la objetividad, sino también por su habilidad para integrar las diversas subjetividades que emergen dentro de la sociedad humana.

Reflexiones finales sobre el futuro de la ciencia

La subjetividad en la ciencia no es una cuestión que pueda ser resuelta de manera definitiva, sino un aspecto que deberá seguir siendo gestionado de manera consciente y reflexiva. La ciencia debe avanzar reconociendo su naturaleza humana y el papel que juega la interpretación en la construcción del conocimiento. Las futuras generaciones de científicos deberán estar preparadas para enfrentar estos desafíos, adoptando enfoques más inclusivos, éticos y transparentes, para garantizar que la ciencia continúe siendo un instrumento confiable de comprensión y transformación del mundo.

Referencias[1]

• Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016). Machine bias: There’s software used across the country to predict future criminals. And it’s biased against blacks. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
• Arnett, J. J. (2008). The neglected 95%: Why American psychology needs to become less American. American Psychologist. 63(7), 602–614.
• Bennett, M. (2005). The role of peer review in scientific publishing. Nature Reviews Molecular Cell Biology. 6(10), 742–750.
• Binns, R. (2018). The ethics of artificial intelligence: A key consideration for science and technology. Cambridge University Press.
• Boulton, G. (2015). The open science movement: A new era for collaborative research. Springer.
• Boyd, D., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society. 15(5), 662–679. https://doi.org/10.1080/1369118X.2012.678878
• Daston, L., & Galison, P. (2007). Objectivity. Zone Books.
• Douglas, H. (2009). Science, policy, and the value-free ideal. University of Pittsburgh Press.
• Feyerabend, P. (1975). Against method. New Left Books.
• Fraser, A. J., Short, H., & Edwards, M. J. (2018). Editorial peer review in the age of open science. Nature Communications. 9, 2880. https://doi.org/10.1038/s41467-018-05398-w
• Gould, S. J. (2002). The structure of evolutionary theory. Harvard University Press.
• Gunsalus, C. K., et al. (2017). The ethics of human gene editing: An analysis of the debates surrounding CRISPR-Cas9. Oxford University Press.
• Haklay, M. (2013). Citizen science and the challenge of participatory research. International Journal of Digital Earth, 6(3), 218–232. https://doi.org/10.1080/17538947.2012.736977
• Haraway, D. (1988). Situated knowledges: The science question in feminism and the privilege of partial perspective. Feminist Studies. 14(3), 575-599.
• Harding, S. (1991). Whose science? Whose knowledge? Thinking from women’s lives. Cornell University Press.
• Hume, D. (1748). An enquiry concerning human understanding. A. Millar.
• Kant, I. (1781). Critique of pure reason. (J. M. D. Meiklejohn, Trans.). Macmillan.
• Kuhn, T. S. (1970). The structure of scientific revolutions (2nd ed.). University of Chicago Press.
• Latour, B. (1987). Science in action: How to follow scientists and engineers through society. Harvard University Press.
• Lee, C., & Lee, M. (2013). Review bias in peer review and open review. Journal of Information Science. 39(4), 513-522.
• Longino, H. E. (2002). The science as social knowledge: Values and objectivity in scientific inquiry. Princeton University Press.
• Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175–220.
• Nosek, B. A., et al. (2015). Promoting an open research culture. Science. 348(6242), 1422-1425. https://doi.org/10.1126/science.aab2374
• O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown Publishing Group.
• Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science. 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
• Popper, K. (1972). The logic of scientific discovery. Harper & Row.
• Shapin, S. (1995). The scientific revolution. University of Chicago Press.
• Sterne, J. A. C., Egger, M., & Smith, G. D. (2011). Systematic reviews in health care: Meta-analysis in context. BMJ Books.

[1] Para la revisión bibliográfica que se tomó como fuente para la redacción del artículo se utilizaron la Inteligencia Artificial ChatGPT 4 y DeepSeek, que en conjunto contribuyeron con aproximadamente el 60 % de referencias, del año 2000 a la fecha, es decir, las más actuales. El resto de las fuentes bibliográficas utilizadas en la redacción son textos clásicos en el tema del desarrollo de la ciencia. Por lo que cabe resaltar la utilidad de las inteligencias artificiales como herramienta para recabar información sobre algún tema en específico, sin perder de vista que cada fuente fue corroborada para ser incluida en el artículo sometido. (Serrano, 2025)