Pablo Ballesteros Pérez - Escritura académica

Con motivo de esta desconfianza también, los artículos son antes sometidos a un primer escrutinio en sus aspectos formales. Este suelen realizarlo los propios editores de las revistas. Si el artículo se asemeja al canon tal como lo entienden en su respectivo campo científico, entonces puede ser enviado a revisión externa. Los revisores serán a continuación los encargados de juzgar la solidez científica y la relevancia de las contribuciones. Desafortunadamente, la otra cara de la moneda es que en ocasiones es más fácil publicar artículos que reportan ciencia nefasta, incluso falsa [16], que artículos mal escritos con contribuciones pioneras. Esto ocurre porque los artículos «formalmente» correctos tienen muchas más posibilidades de pasar el filtro del editor. Si los revisores no son realmente expertos, el artículo podría colar y ser eventualmente publicado. No pasa con mucha frecuencia, pero pasa.

Fruto de esta realidad es por la que unos estudiantes del MIT decidieron a modo de broma crear un generador de artículos falsos [17]. El generador se llama SCIGen y escribe de forma automática artículos inventados en el área de ciencias de la computación. Lo hicieron porque la estructura de los artículos es relativamente rígida en muchos campos científicos. La popularidad que alcanzó este generador de artículos encierra otra lección: escribir correctamente un artículo es casi tan importante como las contribuciones del mismo. Esto fue precisamente lo que concluyó el trabajo de Cyril Labbé. Cyril era un científico en computación francés que generó un programa que rastreaba dónde se habían publicado artículos generados por SCIGen. En 2012 (y por aquel entonces SCIGen aún era poco conocido) su programa encontró más de ciento veinte artículos publicados en conferencias de Springer y IEEE [18]. SCIGen también generó muchos artículos que fueron aceptados en revistas depredadoras, incluso en algunas buenas revistas (v.gr. [19]). Eso sí, estos últimos han sido convenientemente retirados (que no retractados).

Pero estábamos hablando de las condiciones necesarias para que un investigador pueda publicar y de la necesidad de tener resiliencia a la crítica. Debes notar que no he dicho «resistencia», sino «resiliencia». El Diccionario de la Real Academia Española [20] define resiliencia como: «Capacidad de adaptación de un ser vivo frente a un agente perturbador o un estado o situación adversos». Cuando hablo de resiliencia, por tanto, me refiero a que vas a tener que aprender a encajar múltiples comentarios negativos sobre tus trabajos, aunque a veces sean injustos. También vas a tener que aprender de ellos, adaptarte y salir adelante con una versión mejorada de lo que hiciste en primer lugar.

La resiliencia entonces, supone un cambio actitudinal. Vas a tener que dominar tu ego cuando recibas críticas corrosivas que denigren tu trabajo. Esto nos ha pasado y nos sigue pasando a todos. Está claro que hay revisores buenos y revisores muy malos. Pero ambos son las mismas personas que leerán tu trabajo una vez publicado. Adaptarse (hasta cierto punto) a aquellos que pueden entender bien poco de lo que has escrito es con frecuencia la mejor estrategia en la fase de revisión.

Consideraciones finales (I): Tener algo que contar

Al proponer las tres condiciones hemos hablado de muchas cosas, pero hay muchas otras que he omitido. Ya te dije que no quería perder el tiempo mencionando lo obvio. Sin embargo, tal vez valga la pena constatar que no me he dejado nada importante por el camino. Este capítulo es el más personal de todos los de este libro. Lo he escrito prácticamente en primera persona porque te hablaba directamente a ti. Los siguientes capítulos serán algo distintos puesto que pasaremos a hablar de tu escritura y tu investigación, es decir, de tu trabajo.

La primera cosa obvia que hemos mencionado solo tangencialmente es que, para reportar ciencia, hay que tener antes algo que contar. Uno no se sienta y empieza a escribir un artículo sin haber realizado experimentación, un trabajo de campo o sin haber recopilado datos. No obstante, no le doy tanta importancia a esta fase previa por dos motivos principales. El primero es porque en esta fase inicial los investigadores inexpertos suelen contar con el apoyo de otros (p. ej., sus supervisores u otros coautores). En esta fase el investigador tiene una sensación menor de encontrarse perdido. En realidad esto es una ilusión, porque las fases tempranas de la investigación condicionan enormemente la calidad y utilidad de los resultados posteriores. No obstante, incluso cuando los investigadores se sienten perdidos, asumen que es su deber seguir probando hasta reubicarse. De alguna manera, parece que tenemos más asumido que las fases iniciales de la investigación implican bastantes dosis de prueba y error.

El segundo motivo por el que no he mencionado la importancia de tener algo que contar es porque, cuando detectamos errores en la experimentación al escribir el artículo, deberemos ser capaces de volver atrás y corregirlos. Es decir, cuando aprendas a escribir bien, serás capaz de encontrar los puntos débiles de tu investigación durante su ejecución. Entonces solo tendrás que volver a la experimentación, corregirla, ampliarla o rediseñarla. Esto puede ser oneroso, pero cuanta más experiencia tengas al escribir, mayor capacidad de anticipación tendrás. Es decir, con el tiempo operarás con anticipación desde el principio y diseñarás todo con las miras puestas en su eventual publicación. Esto te ahorrará no solo mucho tiempo, sino que te permitirá generar fácilmente muchas otras ideas con las que seguir publicando.

Consideraciones finales (II): Ontología y Epistemología

Antes de finalizar este capítulo me gustaría incluir un comentario sobre algo que suele causar confusión, especialmente a estudiantes hispanohablantes que cursan su doctorado en el extranjero. No es un aspecto puramente personal, pero te evitará parecer un ignorante cuando hables con otros angloparlantes sobre tu investigación. Debes tener en cuenta que las instituciones de primer nivel a veces otorgan mucho peso formal a dos cosas llamadas «ontología» y «epistemología». La ontología se preocupa del estudio de los seres o cosas que existen. La epistemología comprende la teoría de los fundamentos y métodos del conocimiento científico.

Es probable que estas definiciones las olvides y por eso te voy a dar otras más sencillas. Sé que no son totalmente correctas, pero al menos tendrás alguna posibilidad de recordarlas cuando alguien te pregunte acerca de ellas. Simplificando enormemente, la ontología es el estudio de lo que hay, de lo que existe. La epistemología estudia cómo conocemos y llegamos a comprender lo que existe.

En la ontología existen dos paradigmas principales: el positivismo y el interpretativismo. Estas son dos formas de entender la realidad, por eso también las llamamos epistemologías [21]. El positivismo intenta encontrar leyes generales o universales basándose en la observación. Esto quiere decir que se intenta encontrar las relaciones causa-efecto y los posibles vínculos entre los elementos estudiados. La investigación en ciencias e ingenierías es casi toda positivista. La estadística es una de las disciplinas más utilizadas en el enfoque positivista porque permite describir cómo se comportan los elementos y cómo se afectan los unos a los otros. En el positivismo entonces, los elementos existen al margen del que los estudia (nosotros), por eso se le llama también «objetivismo».

El interpretativismo, por otro lado, es mucho más común en estudios sociales y/o cualitativos. El interpretativismo intenta conocer el significado y las razones por las que los elementos analizados se comportan de una manera determinada. Por ejemplo, cuando se estudia un fenómeno social, se podría abordar su análisis a través de cómo se comporta el grupo de individuos en su conjunto y cómo influencia otros sistemas (enfoque positivista). También se podría interrogar a los individuos acerca de por qué se comportan de esa manera y cómo podrían comportarse de manera diferente (enfoque interpretativista). Cada epistemología puede estudiar el mismo fenómeno a distintos niveles. Por tanto, ambas epistemologías son complementarias.