La información es poderosa en la era de internet y la difusión masiva de contenido. Sin embargo, más importante que la información en sí es la interpretación que le damos. Estas toneladas de artículos, opiniones y datos que nos llegan deben someterse a un filtro analítico, a una crítica escéptica, y para ello debemos recurrir a la ciencia para evaluar, tomar las mejores decisiones y expresar nuestras opiniones, especialmente si se trata de decisiones y políticas públicas que afectan a miles de personas.
Por lo tanto, entender dónde, cuándo y, sobre todo, como Interpretar la información que recibimos cobra suma importancia, tanto desde una perspectiva individual como colectiva. En estas interpretaciones se producen numerosos errores, lo que lleva a decisiones erróneas que pueden causar daños incalculables a ciudades, estados e incluso países.
Una de las principales causas de interpretaciones erróneas en textos y artículos es la errónea adopción del concepto de correlación y su peligrosidad para la adopción de políticas públicas y decisiones de gran impacto. Véase, por ejemplo, el artículo en el enlace: «Posible correlación detectada entre la contaminación atmosférica y las muertes por Covid-19». Al analizar este titular, varios lectores pensaron de inmediato: para combatir la Covid-19, debemos reducir la contaminación atmosférica, lo que provocará una disminución del contagio y, en consecuencia, del número de muertes por el virus. Por lo tanto, estos lectores, si hubieran ocupado un alto cargo público, habrían tomado decisiones equivocadas, creando políticas que no habrían tenido el efecto deseado ni un resultado satisfactorio.
¿Por qué se equivocaron estos lectores? Porque La correlación nunca debe confundirse con la causalidad.Decir que la contaminación atmosférica y las muertes por COVID-19 están correlacionadas nunca será lo mismo que afirmar que un alto nivel de contaminación atmosférica causa más muertes por COVID-19. En otras palabras, dos variables (en el ejemplo, la contaminación atmosférica y las muertes por COVID-19) que covarían no necesariamente tienen una relación de causa y efecto. Para hacer esta diferencia aún más evidente, considere el absurdo ejemplo del sitio web tylervigen.com: la altísima correlación (recuerde que el valor matemático máximo de una correlación es 1) entre la tasa de divorcios en el estado de Maine y el consumo per cápita de margarina en Estados Unidos: 0,9926.
Los divorcios pueden considerarse problemas sociales y burocráticos, que generan más procesos legales y, por lo tanto, exigen mano de obra y costos para las arcas públicas. Por lo tanto, las administraciones públicas deberían considerar maneras de reducir las tasas de divorcio y, según el gráfico anterior, esto debería hacerse... reducir el nivel de compras de margarinaQuizás el mayor resultado que un gerente puede lograr con esta línea de razonamiento es ser removido de su puesto, ¿no está de acuerdo?
Ejemplos extravagantes como el mencionado podrían ser más fáciles de etiquetar como erróneos, pero volvamos al caso del COVID-19: la contaminación del aire. causar ¿Más muertes por el virus? Un funcionario público que responda afirmativamente a esta pregunta se equivoca y podría tomar decisiones también desacertadas. Siguiendo este razonamiento, ¿debería prohibirse la circulación de vehículos contaminantes que (de hecho) provocan un aumento de los niveles de contaminación para reducir el número de muertes por COVID-19?
Algunos lectores notarán una cuestión, que es la más sorprendente e irónica de las decisiones públicas: Este gerente podría ser capaz de reducir los casos y muertes por coronavirus gracias a esta prohibición, emergiendo así como un héroe.Pero no porque los niveles de contaminación causen más muertes por COVID-19, sino precisamente porque están correlacionados positivamente, es decir, varían de forma similar. Para hablar de causalidad, hay que añadir una tercera variable a la ecuación: aislamiento social.
Se puede afirmar que el aislamiento social causar una disminución en la circulación de personas en las calles, lo que causar un menor número de vehículos en las vías públicas, lo que a su vez causar una disminución de los niveles de contaminación. Por otro lado, el aislamiento causar una disminución en la interacción interpersonal, lo que causar Una disminución en la tasa de infección por COVID-19 y, en consecuencia, en el número de muertes. Ambas variables en el titular están disminuyendo, lo que indica una correlación, no causa y efecto.
Esta es El principal consejo para analizar titulares e información que nos llega Diariamente: la causalidad implica que una variable causa otra y, por lo tanto, no es necesaria ninguna otra variable para que se produzca esta relación. Por lo tanto, cuando lea una noticia como «Posible correlación detectada entre la contaminación atmosférica y las muertes por COVID-19», busque otras variables que puedan estar asociadas y, así, encuentre la verdadera relación de causa y efecto. En este caso, por ejemplo, La alta densidad de población provoca una mayor contaminación del aire y también conduce a más interacciones sociales y, en consecuencia, a una mayor propagación del virus.No es que la contaminación cause más muertes por COVID-19, sino que la alta densidad de población causa ambos problemas. Nos bombardean a diario con información, a veces cierta y a veces no tanto. Se debe aplicar el pensamiento crítico y analítico. Titulares y noticias como la presentada ayudan a evitar problemas modernos recurrentes y extremadamente importantes, como tomar decisiones equivocadas, difundir información falsa y apoyar campañas que no surtirán los efectos deseados. Al recibir cualquier tipo de información, especialmente aquella que afirma relaciones causales (el medicamento x mejora la situación y, la reducción de x previene que y ocurra, entre otras), siempre pregunta Y busquen respuestas más realistas. En otras palabras, nunca confundan causalidad y correlación, ni relación con causa y efecto.
