Mesures humanes. IV. Abusos estadístics, una postdata personal

There are three kinds of lies: lies, damned lies and statistics

atribuït a Benjamin Disraeli

Do not put your faith in what statistics say

until you have carefully considered what they do not say

William W. Watt

Qui segueixi regularment Malaprensa o Wonkapistas sabrà els excessos que es cometen amb els estudis estadístics a la premsa generalista: errors en la interpretació de gràfics i percentatges, extracció de conclusions que no es deriven necessàriament dels resultats, menysteniment dels marges d'error, mostreigs insuficients... Malauradament, el problema s'estén també a àmbits especialitzats.

Stephen Jay Gould es queixa de que si bé existeixen assaigs on es qüestionen les dades obtingudes en els tests QI i les conseqüències que se n'extreuen, aquests no incideixen mai en la matemàtica subjacent: l'anàlisi factorial. Per això dedica tot el capítol 6 del La falsa medida del hombre –més de 70 pàgines– a explicar de forma planera, servint-se de representacions gràfiques, què és i què no és l'anàlisi factorial, així com a exposar els greus errors conceptuals en que van incórrer els seus principals desenvolupadors: Charles Spearman, Cyril Burt i L.L. Thurstone.

Les crítiques de Gould no m'han sorprès perquè coincideixen amb la meva experiència personal. Sense ser ni de bon tros un expert, durant el període en que vaig treballar com a investigador l'estadística multivariant va ser una de les eines fonamentals en la meva recerca. En l'àrea de la química computacional i, més concretament, en el disseny de fàrmacs assistit per ordinador i les relacions quantitatives estructura-activitat (QSAR), l'anàlisi factorial i llurs variants eren emprats freqüentment i es cometien també molts dels abusos que Gould denuncia.

La idea general del QSAR és que poden trobar-se descriptors de l'estructura molecular que presentin una bona correlació amb determinades propietats físico-químiques, amb l'activitat farmacològica o amb la toxicitat. Aquests descriptors poden ser utilitzats en un conjunt conegut de dades per a construir un model matemàtic (normalment mitjançant regressions multilineals, però també amb mètodes no lineals, com les xarxes neuronals) i ser aplicat posteriorment per a predir aquesta propietat en un conjunt de molècules d'estructura similar del que es desconeix el valor.

La majoria d'investigadors d'aquesta àrea s'havia centrat en la tasca de trobar descriptors adients per a cada cas, renunciant gairebé sempre a explicar perquè aquell conjunt de variables semblava relacionat amb la propietat estudiada. La simple correlació de les dades, reforçada per algunes validacions estadístiques addicionals, era condició suficient per a que els editors de les revistes de l'especialitat consideressin el treball d'interès i el publiquessin. A més, les dades que no eren ben descrites pel model matemàtic (outliers) s'eliminaven sovint amb explicacions pobres i sui generis.

Els treballs científics podien agrupar-se en dos grans blocs, depenent del tipus de descriptors utilitzat: un format per grans conjunts de propietats amb significació físico-química real i un algorisme de selecció d'aquell subconjunt que millor correlacionava; i un altre on els descriptors finals s'obtenien després d'aplicar algun tractament estadístic (anàlisi de components principals, escalat multidimensional). Malgrat que aparentment els resultats posseïen una significació estadística –es calculava el coeficient de correlació r², el coeficient de predicció q² per leave-one-out, es realitzava un test d'aleatorietat–, els científics cometien alguns dels errors comentats anteriorment: una pseudo-reïficació (assumir que les bones correlacions comporten que els components principals descriuen una realitat subjacent a les dades, sense preguntar-se què representen, en el cas que representin alguna cosa) i sobretot, confondre correlació amb causalitat. Hi havia en alguns casos, a més, seriosos problemes metodològics, com la sensible dependència dels resultats de paràmetres de configuració del model o el biaix en el test d'aleatorietat en aplicar-lo només sobre el subconjunt òptim i no sobre l'inicial.

En aquesta etapa, l'únic article que em va ser rebutjat va ser precisament un on qüestionava aquestes males pràctiques. Els comentaris dels referees foren pobres i pecaven de corporativistes, sense entrar a rebatre el fons de la crítica formulada, i em desmotivaren a enviar l'article a alguna altra revista. Després de llegir a Gould tinc la certesa de que les meves crítiques eren encertades, però que encara es quedaven curtes i no arribaven al fons de la qüestió. Alguns dels errors conceptuals –els més subtils i conseqüentment, aquells que és més fàcil no percebre com a errors– podien aplicar-se als meus propis treballs.

Mesures humanes. III. La crítica de Gould

Les objeccions de Stephen Jay Gould als intents de classificar i jerarquitzar científicament els éssers humans són molt més penetrants que la simple repulsió moral i afecten no només a les conclusions que s'extreuen dels resultats, sinó a les bases mateixes de la concepció dels experiments.

Hi ha una crítica directa a la creença de que la intel·ligència és quelcom unitari, heretable i immodificable. No hi ha un suport empíric suficient per a cap de les tres afirmacions i, a més, aquestes són independents entre si. El concepte d'un factor general d'intel·ligència és fruït de la cosificació dels conceptes abstractes, que té l'origen en els inicis de l'anàlisi factorial i en el terme estadístic conegut com a g de Spearman. L.L. Thurstone va provar el 1935 com aquest factor apareix com a subproducte de la particular estructura interna de l'anàlisi factorial; és a dir, que la g de Spearman representava només una de les infinites possibles solucions al sistema d'equacions, arbitrària al capdavall, i que una simple rotació dels eixos feia desaparèixer el factor sense minva d'informació. Malauradament, la consideració de que el primer component principal derivat de les correlacions entre tests mentals (això és la g de Spearman) constitueix una entitat física real encara continua tenint defensors. L'innatisme i l'heretabilitat de la intel·ligència (de nou termes que no són necessàriament sinònims) és quelcom que al llarg de la història ha aparegut més com una premisa inconscient que no pas com una conclusió que es derivés dels estudis. Els tests d'intel·ligència són compatibles tant amb la concepció innatista com amb l'ambientalista, i el fet de decantar-se per la primera es deu principalment als prejudicis dels investigadors. Per últim, la immutabilitat d'aquesta propietat és la condició necessària per a extraure les conseqüències polítiques desitjades. Gould ens mostra com aquests dos darrers elements foren en la majoria de casos els veritables motius per a l'estudi sistemàtic de la intel·ligència humana. El que realment sembla donar-se és que les diferències intergrupals són de la mateixa magnitud que les intragrupals; i en qualsevol cas, l'heretabilitat d'una propietat entre individus d'un mateix grup res no diu sobre les diferències entre grups, que podrien deure's a factors ambientals. Finalment, que un tret sigui innat i heretable no vol dir que no pugui ser corregit.

Juntament amb aquesta andanada, hi ha també una crítica de fons a dos mals molt estesos: l'obsessió per la quantificació i la taxonomia (filla del positivisme del tombant de segle) i la incomprensió del significat profund –i per tant, de l'abast i les limitacions– de les eines matemàtiques emprades en les ciències, singularment en les ciències socials.

L'objecte de les ires de Gould és una hidra de mil caps dels que ni tan sols els més grollers podem dir que han estat tallats, com testimonien les publicacions que encara avui continuen apareixent sobre el mateix tema. L'any passat el doctor en Psicologia Richard Lynn publicà un llibre anomenat Race Differences in Intelligence: an Evolutionary Analysis, on insisteix en les mateixes falòrnies: el QI mitjà al món és de 90 (equivalent al d'un nen de 14 anys) i decreix geogràficament de nord a sud, existeixen significatives diferències en la intel·ligència dels membres de les diferents races (essent els subsaharians i els aborígens australians els menys dotats), hi ha una relació entre intel·ligència i mida del cervell... Naturalment, Lynn extrau conseqüències de totes aquestes observacions: per exemple, la impossibilitat objectiva d'estendre el model de civilització occidental als països de l'Amèrica llatina, el Magrib o l'Àfrica negra. Llegint la recensió de J. Philippe Rushton, estusiasta admirador de Lynn i autor ell mateix d'un libel similar, hom s'adona que tots els errors metodològics denunciats a La falsa medida del hombre, així com els pitjors prejudicis racistes, sexistes i classistes disfressats d'una falsa objectivitat científica, semblen presents en aquest estudi.

Gould rebat convincentment les principals tesis defensores del determinisme biològic, però en cert sentit fa trampa: ha preparat al lector per estar en guàrdia contra qualsevol temptació d'innatisme, i utilitza aquesta ben treballada defensa psicològica per carregar contra un adversari modern –que podríem anomenar sociobiologista– del qui desfigura les hipòtesis, tot utilitzant la fal·làcia argumentativa coneguda com a argumentum ad logicam o, més popularment, «home de palla» (recurs que, d'altra banda, també empren els seus oponents amb ell). Les modernes teories neodarwinistes com la sociobiologia o la psicologia evolutiva han de ser sotmeses a crítica, i se'ls ha d'exigir la falsabilitat i el contrast empíric que requereix tota proposició científica. Fins ara, la major part de les obres divulgatives d'aquestes teories contenen barrejades interessants observacions amb especulacions amb insuficient recolzament experimental. Alguna teoria subsidiària d'aquestes, com la memètica, ni tan sols pot dir-se pròpiament que sigui una teoria científica. En qualsevol cas, les reflexions sobre la sociobiologia contingudes en el capítol de conclusions de La falsa medida del hombre són molt ponderades i interessants.

A Wikipedia pot trobar-se un interessant resum sobre aquest debat (l'entrada de l'enciclopèdia ja avança que «the neutrality and factual accuracy of this article are disputed»), i un sobre la recepció de l'obra de Gould i la polèmica a la que donà lloc.

La principal lliçó de La falsa medida del hombre és la importància d'assumir l'autosuggestió del científic en el seu treball en base als seus propis prejudicis inconscients. Això, no obstant, no és un cant al relativisme o a la inexistència de la veritat i l'objectivitat, sinó a la necessitat d'una avaluació curosa de les dades, una revisió atenta de les conclusions i una discussió lliure i fonamentada. Havent-me esplaiat en un exemple manipulat interessadament pel conservadurisme, voldria assenyalar-ne també un de molt actual que es dóna en l'altre pol de l'espectre polític: el canvi climàtic global com a conseqüència de l'acció de l'home (i en concret, de les emissions de diòxid de carboni i altres gasos d'efecte hivernacle). Sense entrar en detalls que escapen a l'abast d'aquesta sèrie de posts, en part de la informació que es difon trobem molts dels vicis denunciats: pobres models matemàtics per caracteritzar sistemes molt complexos (caòtics; és a dir, no lineals i críticament dependents de les condicions inicials), equacions que orienten els resultats, insuficients dades del passat per traçar tendències fiables, extrapolacions estadístiques poc fonamentades, confusió entre correlació i causalitat, reduccionisme (en el concepte de temperatura global, per exemple), teories que pretenen explicar un fet i el seu contrari (inatacables; no falsables i per tant, no científiques)... A la web es poden trobar articles (I, II, III, IV i V, per exemple) on s'exposen raonables objeccions a moltes de les afirmacions dels climatòlegs de l'IPCC. Precisament per tractar-se d'un problema important, cal exigir un rigor que la politització d'ambdues parts sembla fer impossible.

(cont.)

Mesures humanes. II. El quocient d'intel·ligència

Gould prossegueix el recorregut històric pel concepte del quocient d'intel·ligència (QI). Tot i que les mesures del segle anterior començaven a presentar problemes ineludibles per als investigadors, les idees subjacents (les desigualtats congènites entre races i altres grups humans) es mantenien intactes.

Alfred Binet, decebut pels resultats que obtenia dels experiments craniològics, va ser el primer en plantejar, entre 1905 i 1908, una mesura quantitativa de la intel·ligència humana mitjançant diversos tests. Binet va tenir molt clar des del principi la interpretació i les limitacions que presentava el seu indicador: les puntuacions obtingudes en els tests no definien res innat o permanent; l'escala era una guia aproximada i empírica per identificar nens amb problemes d'aprenentatge, i no podia ser usada per establir una jerarquia entre nens normals; els resultats no indicaven el motiu de les dificultats dels nens, i fossin les que fossin, aquests haurien d'utilitzar-se com a base d'un programa especial de reforç. Binet encara va fer un altre servei a la metodologia científica: en un article de 1900 alertava del risc que suposaven els prejudicis inconscients del científic a l'hora de planificar els experiments, fer les mesures i analitzar els resultats.

Malgrat les cauteles de Binet, ben aviat els seus successors van desvirtuar totalment els seus conceptes. H.H. Goddard, que introduí als Estats Units l'escala de Binet, no només cosificà el concepte d'intel·ligència i introduí el concepte d'edat mental, sinó que l'atribuí una naturalesa genètica. Promogué restriccions a la immigració, el confinament i mesures eugenèsiques d'esterilització dels que ell anomenava dèbils mentals. Lewis M. Terman fou el popularitzador del QI, anomenat des d'aleshores escala d'Stanford-Binet i normalitzada al voltant de la centena. Terman, que posseïa els mateixos prejudicis que els seus predecessors, era partidari de simplificar els tests i de fer-los passar a tots els nens americans. Una simple prova de trenta minuts podia estigmatitzar a un nen per a la resta de la seva vida, ja que Terman pretenia utilitzar els resultats per a cercar l'ocupació òptima per a les capacitats intel·lectuals de cadascú. La manca de rigor científic de Terman també es posa de manifest pel forassenyat projecte de calcular retrospectivament el QI de grans personalitats del passat. Robert M. Yerkes, en el context de la Primera Guerra Mundial, va aconseguir la complicitat dels cercles governamentals per aplicar els tests mentals a 1.750.000 reclutes de l'exèrcit dels Estats Units. La monografia de Yerkes sobre aquest programa és tan detallada que permet detectar els greus defectes procedimentals de les proves. De nou s'intentaven donar explicacions tortuoses a aquells fenòmens que no encaixaven amb la teoria: per exemple, en les proves realitzades a immigrants s'observà una correlació entre el QI i el temps d'estada al país. En lloc de preguntar-se si els tests no estarien esbiaixats pel grau de coneixement de la llengua anglesa i dels costums del país d'acollida, Yerkes pel contrari afirmava que això evidenciava que els immigrants que arribaven en les successives onades migratòries eren cada cop més estúpids. C.C. Brigham va publicar el 1923 un llibre on sintetitzava els resultats de Yerkes, molt utilitzat pels propagandistes del racisme científic. Cal dir en descàrrec de Goddard, Terman i Brigham que amb el pas del temps es retractaren públicament de moltes de les seves idees inicials, o al menys les silenciaren.

El context històric va recloure aquestes idees en un oblidat bagul durant força temps; només es podria citar com a rellevant l'estudi Bias in mental testing (1979) d'Arthur Jensen. L'any 1994, però, van experimentar una revifalla arran de la publicació de The Bell Curve, de Richard J. Herrnstein i Charles Murray. Gould aprofita la revisió de l'edició del seu llibre per incloure un capítol nou on dóna resposta a aquesta obra, que per altra banda no aportava cap novetat ni en els principis en els que es basava ni en les conclusions a les que arribava.

(cont.)

Mesures humanes. I. La craniometria al segle XIX

Stephen Jay Gould és un paleontòleg famós per la seva tasca de divulgador de la ciència, molt especialment de la teoria de l'evolució. L'editorial Crítica ha editat en castellà tots els seus llibres. Entre ells es compta La falsa medida del hombre (The mismeasure of man, 1981; edició revisada de 1996), un al·legat contra el concepte d'intel·ligència com quelcom unitari, heretable i immodificable. En els darrers dos-cents anys ha existit un corrent de pensament que ha intentat provar científicament la desigualtat congènita entre races i grups socials, amb les terribles conseqüències que tots coneixem. Ho he dit en alguna altra ocasió: tan interessant com els problemes filosòfics en si, ho és la seva història. Abans de centrar-me en les conclusions de l'autor, val la pena resumir l'interessant repàs històric que fa a aquesta matèria.

El llibre s'inicia amb els poligenistes americans del segle XIX, decidits a demostrar científicament que les diverses races humanes que poblaven la Terra constituïen de fet espècies diferents. Louis Agassiz, taxonomista entestat en fer de cada petita diferència una evidència per a la segregació, en fou el gran teoritzador, i Samuel George Morton, craniòleg, aportà les evidències empíriques. Morton recollí més de mil cranis humans, i va establir una jerarquia racial basada en la mida promig, que calculava omplint la cavitat cranial de perdigons de plom. Gould demostra –basant-se en les dades brutes de Morton– com el científic va falsejar algunes dades i adaptar-ne unes altres a fi de que casessin amb les seves expectatives a priori. El mostreig de Morton, així com el tractament de les dades, presentava un biaix (inconscient, potser) que produïa que els seus resultats semblessin confirmar els seus prejudicis racials.

La craniologia seguí progressant i amplià el seu radi d'acció a mesures més elaborades que la simple capacitat cranial. Robert Bennett Bean mesurà les diferències entre dues parts del cos callós del cervell (el genoll i l'espleni), i també trobà clares diferències entre blancs i negres. Franklin P. Mall va repetir els càlculs de Bean assegurant-se de no conèixer la raça del crani abans de fer la medició. Els seus resultats no indicaven cap diferència racial significativa, i va poder comprovar com Bean havia alterat o arrodonit els valors a conveniència. Paul Broca va perfeccionar les tècniques de mesura, aconseguint dades molt fidedignes. D'entre totes les mesures possibles del cos humà, Broca escollia aquelles que li confirmaven les conclusions a les que volia arribar, seguint un argument circular. Per a totes les excepcions que anaven apareixent a mesura que es tenien més mostres (races inferiors amb cervells grans, homes prominents amb cervells petits, criminals de cervell voluminós...), Broca trobava una justificació sui generis.

La mesura de l'índex cranial i la divisió entre dolicocèfals (cranis allargats) i braquicèfals (cranis realtivament curts) provocà una encesa polèmica que afectava l'orgull nacional. Els científics alemanys i nòrdics sostenien que la dolicocefàlia (pròpia dels teutons) era un símptoma d'evolució humana, mentre que Broca i els representants francesos (majoritàriament braquicèfals), ofesos, es negaven a acceptar-ho. Com es veu, la jerarquització biològica començava per la raça, però ràpidament s'estenia al sexe, la classe social i fins i tot a la nacionalitat (cal recordar com quaranta anys després d'aquesta polèmica, el doctor Robert recuperaria aquests principis per sostenir la diferència cranial entre catalans i espanyols).

Després del cervell, els científics es dedicaren a medir altres magnituds del cos humà. Ernst Haeckel establí el recapitulacionisme (sintetitzada en la sentència «l'ontogènia recapitula la filogènia»), pel qual cada individu travessa, al llarg del seu creixement, una sèrie d'estadis que es corresponen amb les diferents formes adultes dels seus avantpassats. Així, els adults negres i les dones estarien en un estadi evolutiu equivalent al dels nens de raça blanca. E.D. Cope i G. Stanley Hall es dedicaren a recollir proves d'això. Cap a l'any 1920 Louis Bolk proposaria la teoria oposada, la neotènia: els trets adults dels avantpassats es desenvolupen més ràpid en els descendents, per a convertir-se en trets juvenils d'aquests. En altres paraules, els trets dels nens de l'actualitat corresponen a trets adults dels seus avantpassats. Malgrat que la neotènia era absolutament antagònica al recapitulacionisme, sorprenentment (o no tant) ambdues arribaven a la mateixa conclusió: la raça blanca era la més avançada evolutivament (i dins d'aquesta, el sexe masculí i la classe social alta).

A finals del segle XIX les mesures s'extengueren als trets externs i es vincularen amb conductes antisocials. Així nasqué l'antropometria criminal de Cesare Lombroso. Lombroso sostenia que molts delinqüents presentaven unes característiques anatòmiques comunes i ben determinades, que permetien als investigadors reconèixer-los si es posseïen les tècniques científiques adequades. La delinqüència passava a tenir doncs un component innat i hereditari: els criminals serien éssers humans als qui una constitució innata els faria comportar-se com salvatges, irremeiablement incapaços de viure entre gent civilitzada. La teoria de Lombroso, que arribà a tenir una gran consideració (però també decidits adversaris), va servir per condemnar persones en un judici sense més proves que la semblança física de l'acusat a una tipologia preestablerta.

(cont.)