Desde Judith Curry, en Twitter:

Un estudio imprescindible. Que tiene mucho que ver con la entrada reciente …

Allí veíamos que no se le puede llamar “evidencia empírica” a lo que afirman muchos científicos. Ni siquiera a lo que afirman todos ellos. Y veíamos también que es de risa llamar “evidencia empírica” al resultado de modelos climáticos cuyo nivel de acierto no esté contrastado, y repetidamente contrastado. Un modelo no es más que una hipótesis. Y aunque los científicos más jetas, y prácticamente todos los divulgadores, aseguren que esos modelos sólo son leyes físicas muy bien conocidas, te están engañando. Son leyes físicas … junto a un montón de asunciones, parametrizaciones, y ajustes (tuneado, en la jerga). El resultado es que no hay la menor “evidencia empírica” para atribuir el Calentamiento Global Acojonante a las emisiones de CO2; ni como causa de la mayor parte; ni como causa principal.

Este estudio de hoy describe el mecanismo por el que se pueden engañar los científicos. Y a menudo lo hacen.

Abstract (traducido -pm):

En el proceso científico ciertas aseveraciones acumulan soporte suficiente como para tenerse por hechos establecidos. Desgraciadamente, no todas las que alcanzan el estatus de hechos resultan ciertas. En este estudio modelamos el proceso dinámico por el que las aseveraciones se canonizan como hechos por la repetida confirmación experimental. La confianza de la aseveración constituye un proceso de Márkov [–>]: cada resultado publicado sucesivamente mueve el grado de certidumbre, hasta que se acumula suficiente evidencia para aceptar la aseveración como un hecho, o rechazarla como falsa. En nuestro modelo, el sesgo de publicación [–>] -en el que los resultados positivos se publican con preferencia a los negativos- influencia la distribución de los resultados publicados. Hallamos que cuando los lectores no conocen el grado de sesgo de publicación,  y por tanto no pueden tenerlo en cuenta, afirmaciones falsas son a menudo canonizadas como hechos. Si no se publica una fracción significativa de resultados negativos, el proceso científico hará una pobre labor al discriminar las afirmaciones falsas de las verdaderas.   Este problema se exacerba cuando los científicos se dedican al p-hacking, al minado de datos [–>], y otras conductas que incrementan la tasa a la que se publican falsos positivos. Sin embargo, cuando los resultados negativos se hacen más fáciles de publicar según una afirmación se acerca a ser aceptada como hecho, es más fácil distinguir lo verdadero de lo falso. Hasta el punto que el modelo represente correctamente la práctica académica, habrá un serio problema con la validez de los supuestos hechos en algunas áreas de investigación científica.

canonizacion-hechos-falsos

Aquí hay que tener en cuenta algo muy importante. En general en toda la ciencia, y ya muy en particular en la Ciencia del Cambio Climático Acojonate.

En general, modelo o  no modelo, este es un problema simplemente obvio, en teoría y en la realidad, que deja claro que un “consenso científico” -digamos militante- no da más confianza en las afirmaciones de los científicos, sino menos. No puedes separar la verdad de la fantasía. Si tienes un debate científico puedes comparar la evidencia de un lado y el otro, y elegir. Con un consenso estás perdido. Salvo que te dediques a mirar las predicciones, que en general nadie hace.

Y en el caso del cuento del clima no es sólo que se observe un consenso militante de primer grado, con los consabidos insultos, agresiones y ostracismo para los que osan poner un pie un poco fuera de la raya. Mucho más allá de un sesgo -digamos natural- de publicación, en el cuento del clima está plasmada, en comunicaciones por escrito, una extendida práctica de bloquear conscientemente la publicación de los estudios que no gustan. Y el borrado de esas comunicaciones para intentar no dejar rastro. Se trata, no ya de un consenso militante, sino directamente cafre.

Esto no es exactamente una forma de mentir. Es una forma de engañarse. Pero inevitablemente lleva a engañar a los que te creen.

Merece la pena leer, al menos, la introducción del estudio. Lo plasma, y con ejemplos, de una forma que se entiende muy fácil el mecanismo. Se ve. Pero es muy largo como para que lo traduzca.