Un método infalible para validar fenómenos psíquicos: un desafío abierto a the telepathy tapes

The telepathy tapes presentó una historia intrigante sobre niños autistas no verbales que pueden leer la mente de sus padres. En palabras de Ky Dickens, creadora de este podcast, la telepatía es solo la punta del iceberg cuando se trata de las habilidades psíquicas de estos niños. Al profundizar en la historia, empiezas a encontrar testimonios de cómo, supuestamente, los niños telepáticos pueden leer la mente de personas que están lejos o incluso eventos en un futuro distante.

Una de las principales críticas es que estos niños escriben con la ayuda de alguien más, y que son los cuidadores quienes, por decirlo de alguna manera, ponen palabras en la boca de estos niños. Sin embargo, la primera temporada del podcast presenta un entramado muy complejo que no se explica por la simple ayuda de los cuidadores.

Cuerpo de evidencia

Escuché la historia, y honestamente me encantó. Hay buenas razones para creer en fenómenos psíquicos: evidencia científica. Una revisión sistemática y un meta-análisis de estudios sobre visión remota encontró que los individuos evaluados por su capacidad para percibir y describir detalles sobre un objetivo distante o no visto sin depender de la entrada sensorial o el conocimiento previo lograron una tasa de aciertos que fue un 19.3% mayor de lo esperado por azar (con un intervalo de confianza del 95%: 13.6%–25%). Esta revisión incluyó 36 estudios controlados realizados hasta diciembre de 2022.

Por supuesto, el escepticismo está justificado—y con razón. Las revisiones sistemáticas y los meta-análisis son tan sólidos como la calidad de los datos que sintetizan. Si los estudios subyacentes son defectuosos, sesgados o metodológicamente insostenibles, las conclusiones resultantes inevitablemente reflejarán esas debilidades. Los resultados agregados pueden enmascarar fallos críticos en experimentos individuales, como controles inadecuados, sesgo de publicación o interpretación subjetiva de los resultados. Esa fue mi suposición a priori cuando decidí examinar estudios individuales para evaluar su metodología y determinar si sus hallazgos se mantienen bajo escrutinio. También decidí leer trabajos que «desacreditaban» los experimentos de visión remota para «ahorrar algo de mi tiempo».

Estudios individuales

A continuación, presentaré el protocolo «promedio» para los experimentos de visión remota:

  1. Se elige o genera un conjunto de imágenes / ubicaciones / objetivos y se coloca en sobres sellados.
  2. Se asigna un número a cada uno de estos sobres.
  3. Se genera un número al azar para elegir uno de esos sobres.
  4. Una persona que no sabe qué contiene el sobre guía una sesión de visión remota y se le pide al observador remoto generar impresiones (escribir, dibujar o modelar).
  5. Un juez que no sabe cuál es el objetivo clasifica las impresiones basándose en la descripción del observador remoto.
  6. Se realiza un análisis estadístico para comprobar si el número de aciertos es significativamente diferente de lo que se esperaría por azar o algo similar.

Muestras

Antes de pasar al análisis estadístico, quiero proporcionar algunos ejemplos de objetivos e impresiones de diferentes estudios donde se describe claramente el enmascaramiento entre los pasos 1 y 4 (nota: algunos de mis favoritos):  

Técnicas de enmascaramiento Objetivo Impresión

1. Aislamiento entre el observador remoto y los seleccionadores de objetivos (visual, acústica y eléctricamente).

2. El observador remoto no sabía cómo se seleccionó el objetivo ni quién lo seleccionó.

3. El objetivo se seleccionó después de aislar al observador.

4. Los experimentadores abrieron una página del diccionario de manera arbitraria y seleccionaron la palabra de cara que podría ser dibujada. (IEEE)

5. Objetivo sellado en sobre desconocido para el observador remoto y el facilitador de la sesión.

Imagen 1 Imagen 2
1 a 5 Imagen 3 Imagen 4

1, 2, 3, 5,

6. Objetivo elegido por una persona fuera del equipo de investigación.

Imagen 5 Imagen 6

1, 2, 5.

7. Localización aleatoria a 30 minutos en coche desde el centro de investigación (de entre más de 100 ubicaciones).

Campos de tenis Imagen 7
1, 2, 5, 6 y 7 (Nature) La torre Hoover de Stanford «La zona—tengo un lugar—parece que sería la torre Hoover».
1, 2, 5, 6 y 7 Un muelle para barcos «Lo que estoy mirando es un pequeño embarcadero o muelle a lo largo de la bahía. Está en aquella dirección (señalando). Sí, veo los pequeños botes, algunas lanchas motorizadas, algunos pequeños barcos de vela…»

1, 2, 3 y 5 (JSE)

PD: Los observadores sabían que los objetivos eran rocas.

«La muestra (F) es un hermoso ejemplar de halita cristalina, que es sal, y en esta forma casi pura es prácticamente transparente (de hecho, se parece mucho al cuarzo). Tiene una hermosa división cúbica en parte de la muestra, y puedo ver a través de ella. Esta muestra fue tomada en St. Thomas, Nevada. La halita se forma a partir de capas de evaporita sedimentarias.»

RV1. «Creo que me conformaré con un trozo de cristal de algún tipo, formado por goteo y evaporación. Ubicación por estado específico: ¿Norte de Nevada?»

RV2. «Tengo la impresión de que podría ‘mirar’ a través de él. Mi superposición analítica está proporcionando muchas alternativas. Maldición, desearía que se quedara quieto. Cristal, cristal, cristal de bola, vidrio, cristal claro cristal.»

Los textos son traducciones mías. Pueden leer el original en inglés aquí.

El caso contra la visión remota

La mayoría de las críticas se han centrado en los errores que podrían haber ocurrido DESPUÉS de que se realizara el dibujo, los cuales podrían sesgar las estimaciones estadísticas. Scott y sus colegas, por ejemplo, escribieron varias notas extensas sobre cómo los jueces podrían haber recibido sugerencias indirectas acerca del objetivo correcto. Todos estos artículos tienen ese espíritu de «¡te atrapamos!«. Sin embargo, ya sea cierto o no, las sugestiones al juez no puede explicar la calidad de los resultados anteriores. Por eso he presentado algunos ejemplos en esta entrada, para que ustedes puedan verlo por sí mismos.

Ciertamente, se puede discutir la precisión de algunas estimaciones estadísticas, pero no se puede negar que al menos algunos de estos sujetos que «ven con sus ojos cerrados», por decirlo de alguna manera, están definitivamente sintonizando algo. Para una breve visión general del debate estadístico, recomiendo este video en inglés de la ex presidenta de la Asociación Estadística Americana, Jessica Utts, irónicamente etiquetada por Google como «parapsicóloga» por el simple hecho de presentar sus hallazgos.

Un nuevo paradigma científico

Lo que es interesante acerca de los hallazgos positivos sobre la visión remota es que refutan nuestras suposiciones sobre el espacio-tiempo. En uno de los experimentos, el espectador remoto identificó con precisión dos piscinas, una rectangular y una circular, cerca de un tanque de agua muy prominente, el cual no estaba en la ubicación objetivo. Sin embargo, dicho tanque había estado allí años antes de que se realizaran los experimentos. ¿Estaba el espectador remoto mirando al pasado?

El escenario alternativo, la visión remota del futuro, también ha sido ensayado. Puedes leer uno de los artículos científicos al respecto, pero si no hablas inglés, fíjate en las figuras y los pies de foto. La calidad de esos emparejamientos es muy similar a los resultados presentados anteriormente.

Mi reto a the telepathy tapes

Una de los problemas que encontramos en the telepathy tapes , particularmente de los videos que se compartieron en la página para miembros, es la presencia de señales auditivas, visuales y cinéticas por parte de los cuidadores. Sin embargo, si esta telepatía funciona de alguna manera como lo hace la visión remota—y muchas de las historias en el podcast ciertamente sugieren que estas percepciones no están limitados por el espacio-tiempo—podemos aplicar un protocolo actualizado que asuma competencia y elimine cualquier señalización potencial del presente.

Componentes

Una transmisión en vivo o cámara con sello de tiempo que muestre (1) al niño, accediendo a lo que sea que use para comunicarse, y (2) un monitor con un generador de imágenes aleatorias en una habitación separada.

Protocolo

  1. Se le explica al niño que debe acceder a la información que sus padres verán en unos minutos.
  2. El niño adivina lo que se muestra en el paso número 3. Él o ella puede usar la ayuda del cuidador de la forma que deseen. No se requiere cegado en esta etapa, los padres pueden guiar al niño tanto como quieran. Por lo tanto, se preserva el vínculo y el ambiente que se había reconocido como necesario por el podcast.
  3. Ejecutamos el generador de imágenes, números o palabras aleatorios y luego el cuidador entra en la habitación para ver la imagen.

Un juez podría juzgar si las imágenes corresponden a la respuesta en el paso número 2, pero las palabras o números seguramente revelarán coincidencias exactas sin necesidad de un juez y calcular la significancia estadística sería intrascendente.

Cursos gratuitos para empezar a investigar

Existen muchos recursos en internet para ayudarte a mejorar tus capacidades de investigador. Uno de mis portales favoritos es Coursera, que ofrece miles de cursos (la mayoría gratuitos) de las mejores universidades del mundo. La mayoría de cursos están en inglés y, aunque se anuncian como subtitulados, no todos los videos se encuentran en español. He finalizado algunos cursos ahí y quiero recomendarles tres en particular:

  1. Entendiendo los métodos de investigación
  2. Gestión de datos en la investigación clínica
  3. Escritura científica

Entendiendo los métodos de investigación

Este curso te ayudará a entender las bases de la metodología de investigación.  En particular, me gusta mucho su explicación de la revisión sistemática de la literatura, puesto que dan perspectivas diversas como biomedicina y ciencias sociales. Al final del curso, entenderás todo lo que debes haber hecho antes de formular tu pregunta de investigación y podrás tener un borrador de un plan de investigación.

Dicta: University of London & SOAS University of London
Duración: 4 semanas (10-15 horas todo el curso)
URL: https://www.coursera.org/learn/research-methods/ 

Gestión de datos en la investigación clínica

Toda investigación necesariamente involucra datos. Uno hace una pregunta y debe organizar información sistemáticamente para contestarla. Los datos de investigación son objeto de escrutinio por parte de quienes los financian, requieren estándares adecuados para funcionar en los programas de análisis y, muchas veces, deben ser resguardados porque contienen información confidencial. Este curso te enseña todo lo que necesitas saber al respecto. Además, usa la plataforma REDCap para transformarse en un taller práctico. Recuerda que nuestra universidad es parte del consorcio REDCap y puedes aplicar tus conocimientos inmediatamente después de hacer el curso. Estarás en capacidad de diseñar encuestas, crear bases de datos y mucho más.

Dicta: Vanderbilt University
Duración: 6 semanas (2-4 horas por semana)
URL: https://www.coursera.org/learn/clinical-data-management

Escritura científica

Es el último curso que realicé y cambio totalmente la forma en que escribo mis manuscritos. El curso te brinda las herramientas necesarias para transformar una escritura aburrida en una pieza magistral y dinámica que atrapa al lector. Cuenta también con módulos que te enseñan a escribir aplicaciones para grants, boletines para la prensa y cartas de recomendación.

Dicta: Stanford University
Duración:  8 semanas (3-5 horas por semana)
URL: https://www.coursera.org/learn/sciwrite

El costo del «open science»

Revisando uno de los documentos pos-cumbre de la FLOK Society, el de Ciencia colaborativa, abierta, libre y común, me siento algo incómodo con algunos de sus argumentos. Una traducción del texto original en inglés quedaría algo así:

A diferencia de otros factores de producción, sin embargo, el conocimiento no es un recurso escaso porque no se agota con su uso. De hecho, el reto de tratar al conocimiento como un recurso capital es que el conocimiento es altamente fungible. Es decir, el conocimiento puede ser fácilmente digitalizado, incrementado, y transmitido como información a casi cero costo. Como un bien público, cualquier número de personas puede construir, consumir y utilizar el conocimiento sin necesidad de agotar su valor (Stiglitz, 1999).
La escasez puede ser una condición previa para la economía de la oferta y la demanda, pero el conocimiento en sí mismo no es un recurso escaso.[1]

La negrilla es mía y está ahí para señalar los puntos que encuentro como conflictivos, uno por no contar con un respaldo adecuado de evidencia y otro por requerir un amplio debate sobre realidades y expectativas sobre gestión del conocimiento. Previamente en el artículo se mencionan el acceso abierto a publicaciones y los datos abiertos como nuevas oportunidades de generación de conocimiento, pasamos también por concebir al conocimiento como una materia prima de donde se extrae nuevo valor agregado, y desde este punto de vista es comprensible pensar que habiendo más y más datos disponibles se los podría «minar» y fácilmente ampliar el pool de conocimiento actual.

Mi cuestionamiento parte de que no en todas las áreas de la investigación científica se puede elaborar nuevos datos a partir de los existentes en la misma proporción y donde se hace esto a veces conduce a nuevas necesidades que implican un alto costo de investigación. En mi campo, por ejemplo, se puede argumentar que las revisiones sistemáticas aportan ciertamente nuevas luces sobre el valor real de la información que está publicada y se pueden establecer nuevas guías de tratamiento que reduzcan gastos públicos o privados, mejoren la tasa de supervivencia de los pacientes o eviten efectos adversos por prescripción indebida, por citar unos pocos ejemplos. Quienes hemos leído revisiones sistemáticas, sin embargo, sabemos que una de las conclusiones más frecuentes es «se necesitan más estudios». ¿Qué significa esto y cuál es la implicación real de esto si hablamos en términos de creación de conocimiento?

Hace casi un año ya, Forbes publicó un artículo donde examinaba cuál es el costo promedio de una innovación famacéutica (en base a un estudio realizado en 98 empresas). Uno de los factores a tener en cuenta es que el 95% de las investigaciones farmacéuticas no arrojan un producto funcional. Así, el costo de generar un medicamente varía entre 385 millones de dólares — para pequeñas compañías que lograron convencer  a un gran inversionista una vez eludido cierto riesgo de inversión — hasta 4 ó 5 mil millones por cada nueva medicina producida. Esto puede sonar excesivo, muy seguramente una parte sustancial de esta inversión va a engordar bolsillos, pero si uno entra a un laboratorio farmacéutico entenderá que muchos de los costos sí tienen que ver con los montos necesarios para infraestructura, personal, y sobretodo las 4 fases que comprenden un ensayo clínico experimental, tres de las cuales suceden previas a la comercialización del medicamento.

Uno podría argumentar entonces que la revisión sistemática de un sólo medicamento puede producir nuevos resultados a un costo cercano a $0, y que podemos difundir eso a la velocidad de la luz poniéndolo a disposición de toda la gente con acceso a Internet y llamar a la liberación de toda la información científica, pero el asunto es que para que eso haya sido posible primero se gastaron millones de dólares en el mundo material. Si queremos asegurar el desarrollo científico y el incremento del pool de conocimientos, debemos garantizar un ingreso mínimo y flexible a la investigación. Los otros elementos de la apertura científica nos ayudarán a no poner un sobreprecio a esta cifra mediante la implementación de procesos más eficientes producto de la transparencia. Si ese ingreso se debe obtener a través del acceso a la información, mediante impuestos a los centros de investigación o la población en general, es otra discusión.

El ejemplo anterior no es, lo admito, una muestra significativa de todos los campos de la ciencia. En cada uno de los campos corresponderá hacer un ajuste según sus necesidades. Incluso el de la medicina farmacológica podría variar enormemente el momento en que seamos capaces de simular mediante computación todos los efectos de una droga en la totalidad de la población con un índice de confianza alto, reduciendo drásticamente el costo, pero las preguntas a responder son las mismas:

  1. ¿qué cantidad de dinero necesito garantizar para investigación si requiero mantener su sostenibilidad?
  2. En base a la situación económica de mi economía de escala (país, región, continente) ¿de dónde puedo obtener ese ingreso? ¿es más eficiente cargarlo al artículo mediante instrumentos como el derecho de autor o financiarlo con impuestos directos? ¿Obtendré más renta posterior con innovaciones subsecuentes al «liberar» mi patente o debo proteger mi invención al tener poca capacidad de evolucionar en futuros productos?

Si me preguntan, no hay consenso, además de haber muchos intereses, existen muchos prejuicios e ignorancia sobre el tema. Lo más apropiado sería realizar un amplio debate público, al menos con los actores clave y posteriormente definir una metodología para hacer este cálculo. Si me preguntan, se debería establecer un modelo matemático que permita su aplicabilidad en varios campos. Creo que entonces podríamos heredar a la siguiente generación (metafóricamente hablando) una cantidad significativa de conocimiento liberado, una deuda específica en pos de liberar conocimiento y de asegurar la sostenibilidad de futuras investigaciones y una metodología que permite lidiar con la débil frontera entre lo tangible y lo intangible.
Referencias:
[1] Barandiaran, X.E. & Araya, D. (2014) Free/Libre, Open and Collabor­ative Science (v.1.0). Buen Conocer ­ FLOK Society Policy Document 1.2. Quito: IAEN (Instituto de Altos Estudios Nacionales).

Open Science