Explicación Científica Traducido

18/8/2019 https://translate.googleusercontent.
com/translate_f
Explicacion Cientifica
Publicado por primera vez el viernes 9 de mayo de 2003; revisión sustantiva mié 24 sep 2014
Las cuestiones relativas a la explicación científica han sido un foco de atención filosófica desde los tiempos
presocráticos hasta el período moderno. Sin embargo, la discusión reciente realmente comienza con el
desarrollo del modelo Deductivo-Nomológico ( DN ). Este modelo ha tenido muchos defensores (incluidos
Popper 1935, 1959, Braithwaite 1953, Gardiner, 1959, Nagel 1961), pero sin duda la declaración más
detallada e influyente se debe a Carl Hempel (Hempel 1942, 1965 y Hempel & Oppenheim 1948). Estos
documentos y la reacción a ellos han estructurado la discusión posterior sobre la explicación científica en un
grado extraordinario. Después de algunas observaciones generales a modo de antecedentes y orientación
(Sección 1), esta entrada describe el DN modelo y sus extensiones, y luego pasa a algunas objeciones bien
conocidas (Sección 2). A continuación, describe una variedad de intentos posteriores para desarrollar
modelos alternativos de explicación, incluidos los modelos de Relevancia estadística de Wesley Salmon
(Sección 3) y Causal Mechanical (Sección 4) y los modelos unificacionistas debido a Michael Friedman y
Philip Kitcher (Sección 5). La Sección 6 proporciona un resumen y discute las instrucciones para el trabajo
futuro.
1. Antecedentes e introducción.
2. El modelo DN
2.1 La idea básica
2.2 El papel de las leyes en el modelo DN
2.3 Explicación estadística inductiva
2.4 Motivación para el modelo DN : Expectabilidad nómica y una cuenta de causalidad de
regularidad
2.5. Comprensión explicativa y expectativa nómica: contraejemplos a la suficiencia
2.6 La estrategia de estructura oculta
3. El modelo SR
3.1 La idea básica
3.2 El modelo SR y los eventos de baja probabilidad
3.3 ¿Qué explican las teorías estadísticas?
3.4 Relaciones de causalidad y relevancia estadística
4. El modelo mecánico causal
4.1 La idea básica
4.2 El modelo CM y la relevancia explicativa
4.3 El modelo CM y los sistemas complejos
4.4 Desarrollos más recientes
5. Una explicación unificacionista de la explicación.
5.1 La idea básica
https://translate.googleusercontent.com/translate_f 1/46
18/8/2019 https://translate.googleusercontent.com/translate_f
5.2 Ilustraciones del modelo unificacionista

5.3 Las ilustraciones criticadas
5.4 La heterogeneidad de la unificación
5.5 La concepción del ganador-Take-All de la unificación explicativa
5.6 La epistemología de la unificación
6. Teorías pragmáticas de explicación
6.1 Introducción
6.2 Empirismo constructivo y la teoría pragmática de la explicación
6.3 Explicación como acto illocucionario
6.4 Reflexiones finales sobre teorías pragmáticas
7. Conclusiones, temas abiertos y direcciones futuras
7.1 El papel de la causalidad
7.2 Explicación y otras metas epistémicas
7.3 ¿Un modelo único de explicación?
Bibliografía
Herramientas académicas
Otros recursos de internet
Entradas relacionadas
1. Antecedentes e introducción.
Como será evidente, la "explicación científica" es un tema que plantea una serie de cuestiones
interrelacionadas. Alguna orientación de fondo será útil antes de pasar a los detalles de modelos
competidores. Una presuposición de la discusión más reciente ha sido que la ciencia a veces proporciona
explicaciones (en lugar de algo que no llega a la explicación, por ejemplo, "mera descripción") y que la
tarea de una "teoría" o "modelo" de explicación científica es caracterizar el estructura de tales explicaciones.
Por lo tanto, se supone que existe (en algún nivel de descripción general y abstracto adecuado) un tipo o
forma de explicación única que es "científica". De hecho, la noción de " explicación científica " sugiere al
menos dos contrastes: primero, un contraste entre esas "explicaciones" que son características de la
"ciencia" y aquellas explicaciones que no son, y, segundo, un contraste entre "explicación" y algo más. Sin
embargo, con respecto al primer contraste, la tendencia en gran parte de la literatura filosófica reciente ha
sido suponer que existe una continuidad sustancial entre el tipo de explicaciones encontradas en la ciencia y
al menos algunas formas de explicación encontradas en métodos no científicos más comunes. contextos,
donde este último incorpora de manera más o menos incipiente características que están presentes en una
forma más detallada, precisa, rigurosa, etc., en el primero. Se supone además que es tarea de una teoría de la
explicación capturar lo que es común a las formas de explicación tanto científicas como al menos algunas
más comunes. Estas suposiciones ayudan a explicar (lo que de otro modo puede sorprender al lector como
curioso) por qué, como ilustrará esta entrada, las discusiones de explicación científica a menudo se mueven
de un lado a otro entre ejemplos extraídos de la ciencia de buena fe (por ejemplo, explicaciones de las
trayectorias de la planetas que atraen a la mecánica newtoniana) y ejemplos más hogareños que involucran
el vuelco de los tinteros.
Con respecto al segundo contraste, la mayoría de los modelos de explicación asumen que es posible que un
conjunto de afirmaciones sean verdaderas, precisas, respaldadas por evidencia, etc., y sin embargo no
explicativas (al menos de todo lo que el buscador de explicaciones típico es probable querer explicado). Por
ejemplo, todas las explicaciones de la explicación científica que se describen a continuación estarían de
acuerdo en que una descripción de la apariencia de una especie particular de ave del tipo que se encuentra
en una guía de aves no es, por precisa que sea, una explicación de nada de interés para los biólogos (por
ejemplo , el desarrollo, los rasgos característicos o el comportamiento de esa especie). En cambio, tal cuenta
es "meramente descriptiva". Sin embargo, diferentes modelos de explicación proporcionan diferentes
explicaciones de en qué consiste el contraste entre lo explicativo y lo meramente descriptivo.
Un punto relacionado es que, si bien la mayoría de los teóricos de la explicación científica han propuesto
modelos que pretenden cubrir al menos algunos casos de explicación que no consideraríamos como parte de
la ciencia, sin embargo, han asumido alguna restricción implícita sobre los tipos de explicación que tienen
buscó reconstruir. A menudo se ha observado que la palabra "explicación" se usa en una amplia variedad de
formas en el inglés ordinario: hablamos de explicar el significado de una palabra, explicar los antecedentes
de las teorías filosóficas de explicación, explicar cómo hornear un pastel, explicar por qué uno tomó una
determinada decisión (cuando esto es para ofrecer una justificación) y así sucesivamente. Aunque los
diversos modelos discutidos a continuación a veces han sido criticados por su fracaso en capturar todas estas
formas de "explicación" (ver, por ejemplo, Scriven, 1959), está claro que nunca tuvieron la intención de
hacer esto. En cambio, su explicandum previsto es, más o menos, explicaciones de por qué suceden las
cosas, donde las "cosas" en cuestión pueden ser eventos particulares o algo más general, por ejemplo,
regularidades o patrones repetibles en la naturaleza. Los paradigmas de este tipo de explicación incluyen la
explicación del avance en el perihelio de mercurio proporcionada por la Relatividad General, la explicación
de la extinción de los dinosaurios en términos del impacto de un gran asteroide al final del período
Cretácico, la explicación proporcionada por la policía sobre por qué ocurrió un accidente de tránsito (el
conductor estaba bebiendo y había hielo en la carretera), y la explicación estándar proporcionada en los
libros de texto de economía de por qué los monopolios, en comparación con las empresas en mercados
perfectamente competitivos, aumentarán los precios y reducirán la producción .
Finalmente, algunas palabras sobre el trasfondo epistemológico / metodológico más amplio de los modelos
que se describen a continuación. Muchos filósofos piensan en conceptos como "explicación", "ley", "causa"
y "apoyo a los contrafactuales" como parte de una familia o círculo de conceptos interrelacionados que son
de carácter "modal" . Por razones familiares "empiristas", Hempel y muchos otros defensores tempranos del
modelo DN consideraron que estos conceptos no se entendían bien, al menos antes del análisis. Se supuso
que sería "circular" explicar un concepto de esta familia en términos de otros de la misma familia y que, en
cambio, deben explicarse en términos de otros conceptos externos a la familia modal, conceptos que más
obviamente satisfacen (qué fueron tomadas como estándares empiristas de inteligibilidad y
comprobabilidad. Por ejemplo, en la versión de Hempel del modelo DN , la noción de una "ley" juega un
papel clave en la explicación del concepto de "explicación", y su suposición es que las leyes son solo
regularidades que cumplen ciertas condiciones adicionales que también son aceptables para empiristas
Como veremos, estos estándares empiristas (y la falta de voluntad para emplear conceptos modales como
primitivos) han seguido desempeñando un papel central en los modelos de explicación desarrollados
posteriormente al modelo DN .
Hay muchas preguntas históricas interesantes sobre el modelo DN que permanecen en gran parte sin
explorar. ¿Por qué surgió la "explicación científica" cuando lo hizo como un tema importante para la
discusión filosófica? ¿Por qué los filósofos de la ciencia "empiristas lógicos" que defendieron el modelo DN
estaban tan dispuestos a aceptar la idea de que la ciencia proporciona "explicaciones", dada la tendencia de
muchos escritores anteriores en la tradición positivista a pensar en la "explicación" como algo bastante
subjetivo o Materia "metafísica" y para contrastarla desfavorablemente con la "descripción", que
consideraban como un objetivo más legítimo para la ciencia empírica? ¿Y por qué la discusión, al menos
inicialmente, se organizó en torno a la "explicación" en lugar de la "causalidad", ya que (como
observaremos) a menudo es la última noción la que parece ser de interés central en los debates posteriores y
dado que la noción anterior parece ( para muchas sensibilidades contemporáneas) algo vago y mal definido?
Al menos parte de la respuesta a esta última pregunta parece ser que (nuevamente, como se explica con más
detalle a continuación), Hempel y otros defensores del modelo DN heredaron el empirismo estándar o los
escrúpulos humeanos sobre la noción de causalidad. Asumieron que las nociones causales son solo
(científica o metafísicamente) aceptables en la medida en que sea posible parafrasearlas o volver a
describirlas de manera que satisfagan los criterios empíricos de significado y legitimidad. Una forma obvia
de hacer esto era considerar que las afirmaciones causales equivalen a afirmaciones sobre la obtención de
"regularidades" (es decir, patrones de asociación uniforme en la naturaleza). Es solo esta idea la que captura
el modelo DN (ver más abajo). Parte del atractivo inicial del tema de la "explicación científica" fue, por lo
tanto, que funcionaba como un sustituto más respetable (o punto de entrada) para el tema problemático de la
[ 1]
causalidad . Otra motivación fue el interés de Hempel y otros primeros defensores del modelo DN en
formas de explicación como la "explicación funcional" (que se cree que se emplea en ciencias especiales
como la biología y la antropología) que obviamente no eran causales. Esto también hizo natural enmarcar la
discusión en torno a una amplia categoría de explicación en lugar de nociones más limitadas de "causalidad"
(cf. Hempel, 1965b).
Lecturas recomendadas : Salmon (1989) es una excelente encuesta crítica de todos los modelos de
explicación científica discutidos en esta entrada. Pitt (1988) y Ruben (1993) son antologías que contienen
varios artículos influyentes.
2. El modelo DN
2.1 La idea básica
De acuerdo con el deductivo-nomológica Modelo, una explicación científica consiste en dos grandes
“constituyentes”: un explanandum , una frase “que describe el fenómeno a explicar” y un explanans , “la
clase de esas sentencias que se aducen para explicar el fenómeno "(Hempel y Oppenheim, 1948, reimpreso
en Hempel, 1965, p. 247). Para que las explicaciones expliquen con éxito la explicación, se deben cumplir
varias condiciones. Primero, "el explanandum debe ser una consecuencia lógica de los explanans" y "las
oraciones que constituyen los explanans deben ser verdaderas" (Hempel, 1965, p. 248). Es decir, la
explicación debe tomar la forma de un argumento deductivo sólido en el que el explicando se sigue como
una conclusión de las premisas en los explicandos. Este es el componente "deductivo" del modelo. En
segundo lugar, las explicaciones deben contener al menos una "ley de la naturaleza" y esta debe ser una
premisa esencial en la derivación en el sentido de que la derivación de la explicación no sería válida si se
eliminara esta premisa. Este es el componente "nomológico" del modelo: "nomológico" es un término
filosófico de arte que, suprimiendo algunas sutilezas, significa (aproximadamente) "legal". En su
formulación más general, el modelo DN está destinado a aplicarse tanto a la explicación de "regularidades
generales" como a "leyes" tales como (para usar los ejemplos de Hempel y Oppenheim) por qué la luz se
ajusta a la ley de refracción y también a la explicación de eventos particulares, concebidos como que
ocurren en un momento y lugar particulares, como la apariencia doblada de los remos parcialmente
sumergidos de un bote de remos en una ocasión particular de observación. Como ilustración adicional de
una explicación de DN de un evento en particular, considere una derivación de la posición de Marte en
algún momento futuro de las leyes de movimiento de Newton, la ley del cuadrado inverso de Newton que
rige la gravedad, e información sobre la masa del sol, la masa de Marte y la posición actual y la velocidad
de cada uno. En esta derivación, las diversas leyes newtonianas figuran como premisas esenciales y se
utilizan, junto con la información apropiada sobre las condiciones iniciales (las masas de Marte y el sol,
etc.), para derivar el explanandum (la posición futura de Marte) a través de un argumento deductivamente
válido. Los criterios de DN se cumplen así.
2.2 El papel de las leyes en el modelo DN

La noción de un argumento deductivo sólido es (posiblemente) relativamente clara (o al menos algo que
puede considerarse entendido desde el punto de vista de caracterizar la explicación científica). Pero, ¿qué
pasa con el otro componente principal del modelo DN : el de una ley de la naturaleza? La intuición básica
que guía el modelo DN es algo así: dentro de la clase de generalizaciones verdaderas, podemos distinguir
entre las que son solo "accidentalmente verdaderas" y las que son "leyes". Para usar los ejemplos de
Hempel, la generalización
(2.2.1) Todos los miembros de la Junta Escolar de Greensbury para 1964 son calvos
es , si es cierto, solo accidentalmente. A diferencia de,
(2.2.2) Todos los gases se expanden cuando se calientan a presión constante
Es una ley. Por lo tanto, de acuerdo con el modelo DN , la última generalización se puede utilizar, junto con
la información de que alguna muestra particular de gas se ha calentado a presión constante, para explicar
por qué se ha expandido. Por el contrario, la generalización anterior (2.2.1) junto con la información de que
una persona en particular n n es miembro de la junta escolar de Greensbury de 1964, no puede usarse para
explicar por qué n n es calvo.
Si bien este ejemplo puede parecer lo suficientemente claro, ¿qué es exactamente lo que distingue las
generalizaciones accidentales verdaderas de las leyes? Este ha sido el tema de una gran discusión filosófica,
[2 ]
la mayor parte de la cual debe estar fuera del alcance de esta entrada. Por las razones explicadas en la
Sección 1, Hempel supone que una explicación adecuada debe explicar la noción de ley en términos de
[ 3]
nociones que se encuentran fuera de la familia modal. En su (1965) considera una serie de propuestas
[ 4]
familiares que tienen este personaje y los encuentra a todos con ganas, señalando que el problema de
caracterizar la noción de derecho ha resultado ser "altamente recalcitrante" (1965, p.338). Sin embargo,
parece justo decir que su suposición subyacente es que, en el fondo, las leyes son solo generalizaciones
excepcionales que describen regularidades que cumplen ciertas condiciones distintivas adicionales que
actualmente no puede formular.
En décadas posteriores, ha habido una serie de otros criterios propuestos para la ley. Aunque cada propuesta
[5 ]
tiene sus adherentes, ninguna ha ganado aceptación general . ¿Qué implicaciones tiene esto para el
modelo DN ? Una posible evaluación es que todo lo que el modelo de DN realmente requiere es que haya un
acuerdo en una amplia gama de casos particulares sobre qué generalizaciones son leyes. Si tal acuerdo
existe; poco importa para el modelo DN si no podemos formular criterios completamente generales que
distingan entre leyes y generalizaciones accidentalmente verdaderas en todos los casos posibles. Por
ejemplo, incluso sin una descripción adecuada de la legalidad, seguramente podemos estar de acuerdo en
que (2.2.2) es una ley y (2.2.1) no lo es, y esto es todo lo que necesitamos para concluir que (2.2.2) puede
figurar en DN explicaciones mientras que (2.2.1) no puede.
Desafortunadamente, sin embargo, las cosas no siempre son tan sencillas. Una cuestión importante
planteada por el modelo DN se refiere al estado explicativo de las llamadas ciencias especiales: biología,
psicología, economía, etc. Estas ciencias están llenas de generalizaciones que parecen desempeñar un papel
explicativo y, sin embargo, no satisfacen muchos de los criterios estándar de legalidad. Por ejemplo, aunque
la ley de segregación (M) de Mendel (que establece que en los organismos de reproducción sexual, cada una
de las dos formas alternativas (alelos) de un gen que especifica un rasgo en un locus en un organismo dado
tiene 0.5 probabilidades de terminar en un gameto ) es ampliamente utilizado en modelos de biología
evolutiva, tiene una serie de excepciones, como el impulso meiótico. Un punto similar es válido para los
principios de la teoría de la elección racional (como la generalización de que las preferencias son
transitivas) que figuran centralmente en la economía. Otras generalizaciones ampliamente utilizadas en las
ciencias especiales tienen un alcance muy limitado en comparación con las leyes paradigmáticas, se
mantienen solo en regiones espacio-temporales restringidas y carecen de una integración teórica explícita.
Existe un considerable desacuerdo sobre si tales generalizaciones son leyes. Algunos filósofos (p. Ej.,
Woodward, 2000) sugieren que tales generalizaciones satisfacen muy pocos criterios estándar para contar
como leyes, pero sin embargo pueden figurar en explicaciones; Si es así, aparentemente se deduce que
debemos abandonar el requisito de DN de que todas las explicaciones deben apelar a las leyes. Otros (por
ejemplo, Mitchell, 1997), enfatizando diferentes criterios para la legalidad, concluyen que las
generalizaciones como (M) son leyes y, por lo tanto, no amenazan el requisito de que las explicaciones
deben invocar leyes. En ausencia de una explicación de las leyes más basada en principios, es difícil evaluar
estas afirmaciones en competencia y, por lo tanto, es difícil evaluar las implicaciones del modelo DN para
las ciencias especiales. En términos más generales, en ausencia de una explicación generalmente aceptada
de la legalidad, la justificación del contraste fundamental entre leyes y no leyes que está en el corazón de lo
que requiere el modelo DN no está clara: es difícil evaluar la afirmación de que todas las explicaciones debe
citar leyes, sin una explicación clara de qué es una ley y qué contribuye a una explicación exitosa. Como
mínimo, proporcionar una cuenta de este tipo es un elemento importante de los asuntos pendientes para los
defensores del modelo DN .
2.3 Explicación estadística inductiva

El modelo DN está destinado a capturar la explicación a través de la deducción de las leyes deterministas y
esto plantea la pregunta obvia del estado explicativo de las leyes estadísticas. ¿Dichas leyes explican en
absoluto y, de ser así, qué explican y bajo qué condiciones? En su (1965) Hempel distingue dos variedades
de explicación estadística. La primera de estas, la explicación deductiva-estadística ( DS ), implica la
deducción de "una uniformidad estadística más estrecha" de un conjunto más general de premisas, al menos
una de las cuales involucra una ley estadística más general. Dado que la explicación DS implica la
deducción del explanandum de una ley, se ajusta al mismo patrón general que la explicación DN de
regularidades. Sin embargo, además de la explicación DS , Hempel también reconoce un tipo distintivo de
explicación estadística, que él llama explicación inductiva-estadística o IS , que implica la subsunción de
eventos individuales (como la recuperación de una persona en particular de la infección por estreptococos)
bajo (lo que él considera como) leyes estadísticas (como una ley que especifica la probabilidad de
recuperación, dado que se ha tomado penicilina).
Si bien el explicativo de una explicación de DN o DS se puede deducir de los explicativos, no se puede
deducir que algún individuo en particular, John Jones, se haya recuperado de la ley estadística anterior y de
la información de que ha tomado penicilina. A lo sumo, lo que se puede deducir de esta información es que
la recuperación es más o menos probable. En la explicación IS , la relación entre explanans y explanandum
es, en palabras de Hempel, "inductiva", en lugar de deductiva, de ahí el nombre de explicación inductiva-
estadística. Los detalles del relato de Hempel son complejos, pero la idea subyacente es más o menos la
siguiente: una explicación IS será buena o exitosa en la medida en que sus explicaciones confieran una alta
probabilidad en su resultado explicativo.
Por lo tanto, si es una ley estadística que la probabilidad de recuperación del estreptococo, dado que uno ha
tomado penicilina, es alta, y Jones ha tomado penicilina y se recuperó, esta información puede usarse para
proporcionar una explicación IS de la recuperación de Jones. Sin embargo, si la probabilidad de
recuperación es baja (por ejemplo, menos de 0.5), dado que Jones ha tomado penicilina, entonces, incluso si
Jones se recupera, no podemos usar esta información para proporcionar una explicación IS de su
recuperación.
2.4 Motivación para el modelo DN : Expectabilidad nómica y una

cuenta de causalidad de regularidad
¿Por qué suponer que todas (o incluso algunas) explicaciones tienen una estructura DN o IS ? Hay dos ideas
que juegan un papel motivador central en la discusión de Hempel (1965). El primero conecta la información
proporcionada por un argumento DN con una cierta concepción de lo que es lograr comprender por qué
sucede algo: apela a una idea sobre el objeto o punto de dar una explicación. Hempel escribe
... una explicación de DN responde a la pregunta " ¿ Por qué ocurrió el fenómeno explicativo ?" Mostrando
que el fenómeno fue el resultado de ciertas circunstancias particulares, especificadas en C 1 , C 2 , ..., C k C1,
C2, ..., Ck , de acuerdo con las leyes L 1 , L 2 , ..., L r L1, L2, ..., Lr . Al señalar esto, el argumento muestra
que, dadas las circunstancias particulares y las leyes en cuestión, era de esperar que ocurriera el fenómeno ;
y es en este sentido que la explicación nos permite entender por qué ocurrió el fenómeno. (1965, p. 337,
cursiva en el original)
Uno puede pensar que la explicación de IS implica una generalización natural de esta idea. Si bien una
explicación IS no muestra que el fenómeno explicativo era de esperar con certeza, sí hace lo siguiente:
muestra que el fenómeno explicativo es al menos esperado con alta probabilidad y de esta manera
proporciona comprensión. En términos más generales, tanto los modelos DN como IS comparten la idea
común de que, como dice Salmon (1989), "la esencia de la explicación científica puede describirse como
una expectativa nómada , es decir, la expectativa sobre la base de conexiones legales" (1989 , p. 57).
La segunda motivación principal para el modelo DN / IS tiene que ver con el papel de las afirmaciones
causales en la explicación científica. Existe un desacuerdo considerable entre los filósofos acerca de si todas
las explicaciones en la ciencia y en la vida ordinaria son causales y también desacuerdo sobre en qué
[ 6]
consiste la distinción (si la hay) entre explicaciones causales y no causales . Sin embargo, prácticamente
todos, incluido Hempel, están de acuerdo en que muchas explicaciones científicas citan información sobre
las causas. Sin embargo, Hempel, junto con la mayoría de los primeros defensores del modelo DN , no está
dispuesto a tomar la noción de causalidad como primitiva en la teoría de la explicación, es decir, no estaba
dispuesto a decir simplemente que X X figura en una explicación de Y Y si y sólo si X X causa y y . En
cambio, los partidarios del modelo DN generalmente han buscado una explicación de la causalidad que
satisfaga los requisitos empiristas descritos en la Sección 1. En particular, los defensores del modelo DN
generalmente han aceptado una teoría de la causalidad de Humean o de regularidad en general, según la cual
(muy aproximadamente) todas las afirmaciones causales implican la existencia de cierta regularidad
correspondiente (una "ley") que vincula la causa con el efecto. Esto se toma para mostrar que todas las
explicaciones causales "implican", tal vez solo "implícitamente", que tal ley / regularidad existe y, por lo
tanto, que las leyes están "involucradas" en todas esas explicaciones, tal como lo afirma el modelo DN
.
Para ilustrar esta línea de argumento, considere
(2.4.1) El impacto de mi rodilla en el escritorio provocó la caída del tintero.
(2.4.1) es una llamada explicación causal singular, presentada por Michael Scriven (1962) como un
contraejemplo a la afirmación de que el modelo DN describe las condiciones necesarias para una
explicación exitosa. Según Scriven, (2.4.1) explica el vuelco del tintero a pesar de que ninguna figura de ley
o generalización explícitamente en (2.4.1) y (2.4.1) parece consistir en una sola oración, en lugar de un
argumento deductivo. La respuesta de Hempel (1965, 360ff) es que la aparición de "causado" en (2.4.1) no
debe dejarse sin analizar ni tomarse como explicativo tal como está. En cambio (2.4.1) debe entenderse
como "implícitamente" o "tácitamente" alegando que existe una "ley" o regularidad que vincula los
impactos de rodilla con el vuelco de los tinteros. Según Hempel, es la afirmación implícita de que alguna de
esas leyes sostiene que "distingue" (2.4.1) de "una mera narrativa secuencial" en la que se dice que el
derrame sigue el impacto pero sin ninguna afirmación de conexión causal: una narrativa eso (piensa
Hempel) claramente no sería explicativo. Esta ley de vinculación es la premisa nomológica en el argumento
DN que, según Hempel, se afirma "implícitamente" en (2.2.1).
Hay dos formas relacionadas pero distintas de entender este argumento, ambas sugeridas por porciones de la
discusión de Hempel. Según el primero, la afirmación de Hempel es que la estructura subyacente real de
(2.4.1) es algo así como:
(2.4.2) ( L ) (L) Cada vez que las rodillas golpean las mesas en las que se asienta un tintero y se
cumplen otras condiciones K K (donde K K especifica que el impacto es lo suficientemente fuerte,
etc.), el tintero se volcará. (La referencia a K K es necesaria ya que el impacto de las rodillas en la
mesa con tinteros no siempre resulta en una inclinación).
( I ) (I) Mi rodilla impactó tablas en las que se sienta un tintero y otras condiciones K K se cumplen.
( E ) (E) El tintero se vuelca.
Por lo tanto, en la medida en que es explicativo, (2.4.1) "implícitamente" satisface los requisitos de DN / IS
después de todo; es un argumento de DN / IS (es decir, 2.4.2) disfrazado.
Hay una segunda interpretación del argumento de Hempel que, a diferencia de la primera interpretación, no
requiere que pensemos en el contenido completo de (2.4.2) como algo implícito en (2.4.1). En cambio,
(2.4.2) reproduce el papel de un ideal contra el cual (2.4.1) debe medirse. (2.4.2) explica en detalle qué
información obtener una explicación completa, totalmente adecuado para E E tendría que contener,
información que está presente en (2.4.1) sólo de manera parcial o incompleta. En esta visión del asunto,
pensamos en (2.4.1) como un bosquejo explicativo (cf. Hempel, 1965b, 423ff) que transmite parte de la
información transmitida por (2.4.2) o apunta en la dirección de explicación completa (2.4.2). Idealmente, las
explicaciones causales singulares como (2.4.1) deberían reemplazarse por explicaciones de DN explícitas
como (2.4.2).
Sin embargo, en cualquiera de las interpretaciones, la idea básica es que una explicación adecuada del papel
de las afirmaciones causales en la explicación conduce a través de una teoría de causalidad humeana o de
regularidad, a la conclusión de que, al menos idealmente, las explicaciones deben satisfacer el modelo DN /
IS . Llamemos a esta línea de argumento el argumento de "estructura oculta" en reconocimiento del papel
que asigna a una estructura de DN oculta (o al menos no explícita) que se afirma que está asociada con
(2.4.1).
Esta estrategia se examinará en la sección 2.6, pero permítanme comentar primero una característica de la
discusión hasta ahora que puede parecer desconcertante. Los límites de la categoría "explicación científica"
están lejos de ser claros, pero si bien (2.4.1) es posiblemente una explicación, no es lo que uno suele pensar
como "ciencia", sino que es una afirmación de la "vida ordinaria" o "sentido común". Esto plantea la
pregunta de por qué los partidarios del modelo DN / IS no responden simplemente al supuesto
contraejemplo (2.4.1) al negar que se trata de una instancia de la categoría "explicación científica", es decir,
al afirmar que el DN / El modelo IS no es un intento de reconstruir la estructura de explicaciones como
(2.4.1), sino que solo se aplica a explicaciones que se consideran propiamente "científicas". El hecho de que
los defensores del modelo DN no adopten con frecuencia esta respuesta es una indicación de la medida en
que, como se señaló en la sección 1, se supone implícitamente en la mayoría de las discusiones de
explicación científica que existen importantes similitudes o continuidades en la estructura entre
explicaciones como (2.4.1) y explicaciones que son más obviamente científicas y que estas similitudes
deben ser capturadas por alguna cuenta común que se aplique a ambos. De hecho, es una característica
sorprendente no solo de Hempel (1965) sino de muchos otros tratamientos de explicación científica que
gran parte de la discusión se centra en explicaciones causales singulares similares a la "vida ordinaria"
similares a (2.4.1), siendo la suposición tácita que las conclusiones sobre la estructura de tales explicaciones
tienen implicaciones bastante directas para comprender la explicación en la ciencia.
2.5. Comprensión explicativa y expectativa nómica:

contraejemplos a la suficiencia
Como se explicó anteriormente, ejemplos como (2.4.1) son posibles contraejemplos de la afirmación de que
el modelo DN proporciona las condiciones necesarias para la explicación. También hay una serie de
contraejemplos conocidos de la afirmación de que el modelo DN proporciona condiciones suficientes para
una explicación científica exitosa. Aquí hay dos ilustraciones.
Asimetrías explicativas . Hay muchos casos en los que una derivación de un explicandum E E de una ley L
L y las condiciones iniciales I I parecen explicativas, pero una derivación "hacia atrás" de I I de E E y la
misma ley L L no parece explicativa, aunque el último, como el primero, parece cumplir con los criterios
para una explicación exitosa del DN . Por ejemplo, se puede deducir la longitud s s de la sombra proyectada
por un asta de la bandera desde la altura h h del poste y el ángulo θ del sol sobre el horizonte y las leyes
sobre la propagación rectilínea de la luz. Esta derivación cumple con los criterios de DN y parece
explicativa. Por otro lado, una derivación (2.5.1) de h h de s s y θ θ y las mismas leyes también cumple con
los criterios de DN pero no parece explicativo. Ejemplos como este sugieren que al menos algunas
explicaciones poseen características direccionales o asimétricas a las que el modelo DN es
insensible.
Irrelevancias explicativas . Una derivación puede satisfacer los criterios de DN y, sin embargo, ser una
explicación defectuosa porque contiene irrelevancias además de las asociadas con las características
direccionales de la explicación. Considere un ejemplo debido a Wesley Salmon (Salmon, 1971, p.34):
(2.5.2) ( L ) (L) Todos los hombres que toman píldoras anticonceptivas regularmente no quedan
embarazadas
( K ) (K) John Jones es un hombre que ha estado tomando píldoras anticonceptivas regularmente
( E ) (E) John Jones no logra quedar embarazada
Es discutible que ( L ) ( L) cumpla con los criterios de legalidad impuestos por Hempel y muchos otros
escritores. (Si se quiere negar que L L es una ley, se necesita una base de principios y generalmente
aceptada para este juicio y, como se explicó anteriormente, no está claro cuál es esta base). Además, (2.5.2)
es ciertamente un buen deductivo argumento en el que L L aparece como premisa esencial. No obstante, la
mayoría de la gente juzga que ( L ) ( L) y ( K ) (K) son ninguna explicación de E E . Hay muchas otras
ilustraciones similares. Por ejemplo (Kyburg 1965), es presumiblemente una ley (o al menos una
generalización de apoyo contrafactual y excepcional) que todas las muestras de sal de mesa que han sido
hechizadas al ser tocadas con la varita de una bruja se disuelven cuando se colocan en agua. Uno puede usar
esta generalización como premisa en una derivación de DN que tiene como conclusión que alguna muestra
hexagonal particular de sal se ha disuelto en agua. Pero una vez más, el hechizo es irrelevante para la
disolución y tal derivación no es una explicación.
Un diagnóstico obvio de las dificultades planteadas por ejemplos como (2.5.1) y (2.5.2) se centra en el papel
de la causalidad en la explicación. Según este análisis, para explicar un resultado debemos citar sus causas y
(2.5.1) y (2.5.2) no lo hacen. Como dice Salmon (1989, p.47), "un asta de bandera de cierta altura provoca
una sombra de una longitud determinada y, por lo tanto, explica la longitud de la sombra". Por el contrario,
"la sombra no causa el asta de la bandera y, en consecuencia, no puede explicar su altura". Del mismo
modo, tomar píldoras anticonceptivas no causa que Jones no quede embarazada y es por eso que (2.5.2) no
es una explicación aceptable. En este análisis, lo que muestran (2.5.1) y (2.5. 2) es que una derivación puede
satisfacer los criterios de DN y, sin embargo, no puede identificar las causas de una explicación; cuando esto
sucede, la derivación no será explicativa.
Como se explicó anteriormente, los defensores del modelo DN no considerarían este diagnóstico como muy
esclarecedor, a menos que estén acompañados de alguna explicación de la causalidad que no tome
simplemente esta noción como primitiva. (De hecho, el salmón proporciona dicha cuenta, que
consideraremos en la Sección 4.) Sin embargo, debemos tener en cuenta que una lección aparente de (2.5.1)
y (2.5.2) es que la cuenta de regularidad de causalidad favorecida por DN los teóricos es, en el mejor
incompleta: la ocurrencia de c c , e correo y la existencia de una cierta regularidad o ley vinculación (o x x 's
que tiene la propiedad P P y x x ' s que tiene la propiedad Q Q y algunos abogados vincularlos) es no una
condición suficiente para la verdad de la afirmación de que c c causada e e o x x 's que tiene P P es
causalmente o explicativo relevante para x x ' s que tiene Q . De manera más general, si se aceptan los
contraejemplos (2.5.1) y (2.5.2), se deduce que el modelo DN no establece condiciones suficientes para la
explicación. Explicar un resultado no es solo una cuestión de demostrar que es nomicamente
esperable.
Hay dos posibles reacciones que uno podría tener a esta observación. Una de ellas es que la idea de que la
explicación es una cuestión de expectativa nómica es correcta en la medida de lo posible, pero que también
se requiere algo más. Según esta evaluación, el modelo DN / IS establece una condición necesaria para una
explicación exitosa y, además, una condición que es una parte no redundante de un conjunto de condiciones
que son en conjunto suficientes para la explicación. Sin embargo, otra característica independiente, X X (
que tendrá en cuenta las características direccionales de la explicación y asegurará el tipo de relevancia
explicativa que aparentemente falta en el ejemplo de control de natalidad) debe agregarse al modelo DN
para lograr una cuenta exitosa de explicación. La idea es, por tanto, que la Expectabilidad Nómica + X = +
X = Explicación. Algo así como esta idea está respaldada por los modelos unificacionistas de explicación
desarrollados por Friedman (1974) y Kitcher (1989), que se analizan en la Sección 5 a continuación.
Una segunda conclusión posible, es más radical que el DN en cuenta el objetivo o razón de ser de la
explicación se equivoca de alguna manera mucho más fundamental y que el DN modelo no indica tampoco
de las condiciones necesarias para la explicación exitosa. Como se señaló anteriormente, a menos que se
acepte el argumento de la estructura oculta, esta conclusión es fuertemente sugerida por ejemplos como
(2.4.1) (“El impacto de mi rodilla causó el vuelco del tintero”) que parecen involucrar una explicación sin la
cita explícita de una ley o una estructura deductiva. Para evaluar si el modelo DN / IS proporciona las
condiciones necesarias para la explicación, debemos considerar la estrategia de estructura oculta con más
detalle.
2.6 La estrategia de estructura oculta

Puede parecer que el argumento de la estrategia de estructura oculta de que las explicaciones causales
singulares como (2.4.1) son explicaciones implícitas de DN / IS o bocetos de tales explicaciones es, en el
mejor de los casos, relevante para la pregunta de si el modelo DNIS proporciona una reconstrucción
adecuada de esto. tipo particular de explicación. De hecho, sin embargo, la estrategia de Hempel de tratar
las explicaciones como dispositivos para transmitir información, pero de una manera "parcial" o
"incompleta", sobre explicaciones subyacentes "ideales" de una forma prima-facie bastante diferente que
están al menos parcialmente ocultas epistémicamente de aquellos que usan la explicación original, no ideal,
han seguido siendo muy populares en las teorías recientes sobre la explicación científica. Esta estrategia
forma la base, por ejemplo, para el contraste de Peter Railton (1978, 1981) entre un "texto explicativo ideal"
que contiene toda la información causal y nomológica relevante para algún resultado de interés y las
explicaciones "no ideales" como ( 2.4.1 ) que realmente damos. Según Railton, estos últimos proporcionan
"información explicativa" en virtud de transmitir información sobre alguna porción o aspecto limitado del
texto ideal y son explicativos en virtud de hacerlo. La estrategia de estructura oculta también juega un papel
importante en la explicación unificacionista de la explicación desarrollada por Philip Kitcher (1989), quien
también insiste en que debemos "distinguir entre lo que se dice en una ocasión en la que se brinda
información explicativa y la explicación subyacente ideal" (Kitcher , 1989, p. 414.) De hecho, cualquier
explicación de la explicación que, como el modelo unificacionista de Kitcher, insiste en que las leyes (o
generalizaciones de considerable generalidad) y la estructura deductiva son condiciones necesarias para una
explicación exitosa necesitarán apelar a algo como una estrategia de estructura oculta dado que
generalmente se acepta que hay muchas explicaciones aparentes que no se ajustan a tales condiciones en su
estructura abierta.
Aunque la estrategia de estructura oculta merece más atención de la que puede recibir aquí, varios puntos
parecen claros. Primero, la noción de una explicación "que transmite información sobre" otra explicación
"subyacente" requiere una explicación considerable. Dependiendo de lo que se entiende que significa
"subyacente", es discutible que haya muchas explicaciones subyacentes (2.4.1) - (i) la explicación (2.4.2),
suponiendo que la condición K K puede especificarse de forma no trivial de manera, (ii) una explicación a
nivel de la física clásica que hace referencia a las leyes que rigen las colisiones inelásticas, el
comportamiento de los líquidos cuando no están confinados a contenedores, etc., y (iii) una explicación en
la que el comportamiento de todo el sistema se caracteriza en términos de alguna teoría física más
fundamental (mecánica cuántica, teoría de supercuerdas, etc.). ¿ Todas estas explicaciones están implícitas
en (2.4.1) o (2.4.1) transmiten información parcial sobre todas ellas? ¿ En qué sentido "implícito" o
"transmite información sobre" podría ser esto cierto?
Railton (1981) sugiere que una afirmación explicativa proporciona información sobre un texto ideal
subyacente si el primero reduce la incertidumbre sobre algunas de las propiedades del texto, en el sentido de
descartar dentro o fuera de varias posibilidades relacionadas con su estructura. Como Railton reconoce, esta
propuesta tiene muchas consecuencias contradictorias. Para usar el propio ejemplo de Railton, "el texto
ideal relevante contiene más de 10 2 102 palabras en inglés", si es cierto, cuenta como una explicación para
un episodio de desintegración radiactiva (1981, p. 246). Del mismo modo, la afirmación de que X X e Y Y
están correlacionados contará como una explicación parcial de X X e Y Y en el supuesto plausible de que
esta afirmación transmite la información de que una de las tres posibilidades es probable que sea verdad: X
X causa Y Y o Y Y causan X X o tienen una causa común y, por lo tanto, reduce la incertidumbre sobre el
contenido del texto subyacente ideal. Esto contrasta con el juicio generalizado de que las correlaciones en sí
mismas no son explicativas. De hecho, en una opinión como la de Railton, incluso la afirmación de que
algún resultado no tiene causas o no se rige por ninguna ley cuenta como una "explicación" de ese resultado,
suponiendo que esa afirmación sea cierta. De hecho, tal afirmación es aparentemente máximamente
explicativa, ya que transmite todo lo que hay que decir sobre el texto explicativo ideal asociado con ese
evento. Ejemplos como estos sugieren que no todas las afirmaciones que reducen la incertidumbre sobre el
contenido de un texto explicativo ideal deben considerarse como explicativas en sí mismas; tal punto de
vista permite contar demasiado como explicación.
¿Es plausible considerar el texto que contiene todos los detalles completos de la información causal y
nomológica relevante para algún resultado como al menos un "ideal" contra el cual se deben juzgar las
diversas explicaciones candidatas de ese resultado? Supongamos que se nos presenta una explicación de la
economía o la psicología que no apela a ninguna generalización que estamos preparados para contar como
una ley, pero que subyace a esta explicación "no ideal" es un conjunto increíblemente complejo de hechos
descritos en términos de mecánica clásica. y electromagnetismo, junto con las leyes relevantes de estas
teorías. Si, como casi seguramente será el caso, esta "explicación" subyacente es computablemente
insoluble y está llena de detalles irrelevantes (consulte la sección 4 a continuación para obtener más
información sobre lo que esto podría significar), uno podría preguntarse en qué sentido es un ideal contra el
cual Se debe medir la explicación original. ¿Será realmente mejor la explicación económica según si
transmite tanta información como sea posible sobre estos detalles subyacentes?
Finalmente, considere la conexión entre explicación y comprensión. Normalmente se piensa en una
explicación como algo que proporciona comprensión. De manera relacionada, parte de la tarea de una teoría
de la explicación es identificar esas características estructurales de las explicaciones (o la información que
transmiten) en virtud de las cuales proporcionan comprensión. Por ejemplo, como se señaló anteriormente,
el modelo DN conecta la comprensión con la provisión de información sobre la expectativa nómada: la idea
es que entender por qué ocurre un resultado es una cuestión de ver que era de esperar sobre la base de una
ley. El problema que esto plantea para la estrategia de estructura oculta es que la información asociada con
la estructura oculta supuestamente subyacente a las explicaciones "no ideales" como (2.4.1) es típicamente
desconocida o epistemicamente inaccesible para aquellos que usan la explicación. Es difícil ver cómo esta
estructura o información puede contribuir a la comprensión si se oculta epistémicamente de esta manera.
Por ejemplo, parece plausible que muchos (si no casi todos) usuarios de (2.4.1) (tanto aquellos que podrían
ofrecerlo como explicación como aquellos destinatarios que lo toman para proporcionar comprensión)
desconocen la estructura de DN que subyace. —De hecho, es plausible que muchos usuarios carezcan de la
noción de una ley de la naturaleza y de un argumento deductivamente válido y, por lo tanto, cualquier
noción de que haya un argumento DN (desconocido) subyacente (2.4.1). Si este es el caso, ¿cómo puede
funcionar la mera obtención de esta estructura de DN , independientemente de la conciencia de alguien de
su existencia, para proporcionar comprensión cuando se utiliza (2.4.1)? En cambio, parece que las
características de (2.4.1) que lo dotan de importancia explicativa, que lo convierten en una explicación,
deben ser características que puedan ser conocidas, comprendidas o reconocidas por quienes utilizan la
explicación. Un punto similar se mantendrá para muchas otras explicaciones de candidatos que no se ajustan
a los requisitos de DN , como las explicaciones de ciencias como la economía y la psicología que parecen
carecer de leyes.
¿Qué podemos concluir de esta discusión sobre la estrategia de estructura oculta? Si la estrategia falla, habrá
una gran cantidad de explicaciones aparentes que no satisfacen las condiciones necesarias para la
explicación impuesta por el modelo DN / IS . Por otro lado, es posible que haya formas de desarrollar la
estrategia de estructura oculta que responda adecuadamente a las dificultades descritas anteriormente. Si es
así, la idea de que los requisitos de DN / IS son al menos condiciones necesarias para una explicación ideal
puede ser defendible después de todo, aunque los contraejemplos de la suficiencia del modelo señalado
permanecerán.
Lecturas sugeridas . La declaración más autorizada y completa de los modelos DN e IS es probablemente
Hempel 1965b. Esto se reproduce en Hempel, 1965a, junto con una serie de otros documentos que abordan
varios aspectos del problema de la explicación científica. Además de las referencias citadas en esta sección,
Salmon, 1989, pp. 46ff describe una serie de contraejemplos conocidos de los modelos DN / IS y discute su
importancia.
3. El modelo SR
3.1 La idea básica
Gran parte de la literatura posterior sobre la explicación ha sido motivada por intentos de capturar las
características de relevancia causal o explicativa que parecen quedar excluidas de ejemplos como (2.5.1) y
(2.5.2), típicamente dentro de las limitaciones empiristas descritas anteriormente. El modelo de relevancia
estadística ( SR ) de Wesley Salmon (Salmon, 1971) es un intento muy influyente de capturar estas
características en términos de la noción de relevancia estadística o relaciones de dependencia condicional.
Dada alguna clase o de la población A A , un atributo C C será estadísticamente relevante a otro atributo B
B si y sólo si P ( B | A . C ) ≠ P ( B | A ) P (B | AC) ≠ P (B ∣ A): es decir, si y solo si la probabilidad de B B
condicional en A A y C C es diferente de la probabilidad de B B condicional en A A solo. La intuición
subyacente en el modelo SR es que las propiedades estadísticamente relevantes (o la información sobre las
relaciones estadísticamente relevantes) son explicativas y las propiedades estadísticamente irrelevantes no lo
son. En otras palabras, la noción de una propiedad que hace la diferencia para un explanandum se
desempaqueta en términos de relaciones de relevancia estadística.
Para ilustrar esta idea, suponga que en el ejemplo de las píldoras anticonceptivas (2.5.2) la población
original T T incluye ambos sexos. Entonces
P ( Embarazo ∣ T. Macho. Toma píldoras anticonceptivas) = P (Embarazo ∣ T. Macho) = 0 P (Embarazo ∣ T.
Macho. Toma píldoras anticonceptivas) = P (Embarazo ∣ T. Macho) = 0
mientras
P ( Embarazo ∣ T. Femenino. Toma píldoras anticonceptivas) ≠ P (Embarazo ∣ T. Femenino) P (Embarazo ∣
T. Femenino. Toma píldoras anticonceptivas) ≠ P (Embarazo ∣ T. Femenino)
asumiendo que no todas las mujeres de la población toman píldoras anticonceptivas. En otras palabras, si
usted es un hombre en esta población, tomar píldoras anticonceptivas es estadísticamente irrelevante para
saber si queda embarazada, mientras que si es mujer es relevante. De esta manera podemos capturar la idea
de que tomar píldoras anticonceptivas es irrelevante para el embarazo entre los hombres, pero no entre las
mujeres.
Para caracterizar el modelo SR más precisamente, necesitamos la noción de una partición homogénea. Una
partición homogénea de A A es un conjunto de subclases o células C i Ci de A A que son mutuamente
excluyentes y exhaustivas, donde P ( B | A . C i ) ≠ P ( B | A . C j ) P (B | A.Ci) ≠ P (B ∣ A.Cj) para todos los
C i ≠ C j Ci ≠ Cj y donde no se puede realizar ninguna partición estadísticamente relevante de ninguna de las
celdas A , C i A, Ci con respecto a B B , es decir, no hay atributos adicionales D k Dk en a a de tal manera
que P ( B | a . C i ) ≠ P ( B | a . C i . D k ) P (B | A.Ci) ≠ P ( B ∣ A.Ci.Dk) .
En el modelo SR , una explicación de por qué algún miembro x x de la clase caracterizada por el atributo A
A tiene el atributo B B consiste en la siguiente información:
i. la probabilidad previa de B B dentro de A A : P ( B ∣ A ) = p P (B ∣ A) = p .
ii. Una partición homogénea de A A con respecto a B B , ( A . C 1 , ..., A . C n ) (A.C1, ..., A.Cn) , junto
con la probabilidad de B B dentro de cada célula de la partición : P ( B | A . C i ) = p i P (B | A.Ci) =
pi y
iii. La celda de la partición a la que pertenece x x .
Para emplear uno de los ejemplos de salmón, supongamos que queremos construir un SR explicación de por
qué x x que tiene una infección por estreptococos = S S , se recupera rápidamente = Q Q . Deje T ( - T ) T
(−T) según si x x es (no es) tratado con penicilina, y R (- R ) R (−R) = según si el sujeto tiene una cepa
resistente a la penicilina. Supongamos, en aras del argumento, que no hay otros factores relevantes para la
recuperación rápida. Hay cuatro posibles combinaciones de estas propiedades: T . R T.R , - T . R −TR , T .−
R T. − R , - T .− R −T. − R , pero supongamos que
P ( Q | S . T . R ) = P ( Q | S .- T . R ) = P ( Q | S .- T .- R ) ≠ P ( Q | S . T .- R ). P (Q ∣ STR) = P (Q ∣ S. −
TR) = P (Q ∣ S. − T. − R) ≠ P (Q ∣ ST − R).
Es decir, la probabilidad de recuperación rápida, dado que uno tiene estreptococos, es la misma para
aquellos que tienen la cepa resistente, independientemente de si reciben tratamiento o no, y también la
misma para aquellos que no han sido tratados. Por el contrario, la probabilidad de recuperación es diferente
(presumiblemente mayor) entre aquellos con estreptococos que han sido tratados y no tienen la cepa
resistente.
En este caso [ S (. T . R ∨ - T . R ∨ - R .- T )] [S. (TR ∨ -TR ∨ -R.-T)] , [ S . T .- R ] [ST-R] es una partición
homogénea de S S con respecto a Q Q . La explicación SR de la recuperación de x x consistirá en una
declaración de la probabilidad de recuperación rápida entre todos aquellos con estreptococos (esto es (i)
arriba), una declaración de la probabilidad de recuperación en cada una de las dos celdas de las arriba
partición ((ii) anterior), y la célula a la que x x pertenece, que es S . T . R S.TR ((iii) anterior).
Intuitivamente, la idea es que esta información nos dice acerca de la relevancia de cada una de las posibles
combinaciones de las propiedades T T y R R para la recuperación rápida entre aquellos con estreptococos y
es explicativa por esta razón.
3.2 El modelo SR y los eventos de baja probabilidad
El modelo SR tiene una serie de características distintivas que han generado una discusión sustancial.
Primero, tenga en cuenta que de acuerdo con el modelo SR , y en contraste con el modelo DN / IS , una
explicación no es un argumento, ya sea en el sentido de un argumento deductivamente válido en el que el
explanandum se sigue como una conclusión de los explanans o en el sentido de un argumento inductivo en
el que el explanandum sigue con alta probabilidad de los explanans, como en el caso de la explicación IS .
En cambio, una explicación es un conjunto de información que es estadísticamente relevante para una
explicación. Salmon argumenta (y toma el ejemplo de control de natalidad (2.6.2) para ilustrar) que los
criterios que debe cumplir un buen argumento (por ejemplo, los criterios que aseguran la solidez deductiva o
algún análogo inductivo) son simplemente diferentes de los que debe cumplir una buena explicación. Entre
otras cosas, como dice Salmon, "las irrelevancias [son] inofensivas en los argumentos pero fatales en las
explicaciones" (1989, p. 102). Como se explicó anteriormente, al asociar una explicación exitosa con la
provisión de información sobre relaciones de relevancia estadística, el modelo SR intenta acomodar esta
observación.
Un segundo punto, estrechamente relacionado, es que el modelo SR se aparta del modelo IS al abandonar la
idea de que una explicación estadística de un resultado debe proporcionar información de la que se
desprende que el resultado ocurrió con alta probabilidad. Como el lector puede verificar, la declaración del
modelo SR anterior no impone un requisito de alta probabilidad; en cambio, incluso los resultados muy
improbables se explicarán siempre que se cumplan los criterios para la explicación de RS . Suponga que, en
el ejemplo anterior, la probabilidad de recuperación rápida del estreptococo, dado el tratamiento y la
presencia de una cepa no resistente, es bastante baja (p. Ej., 0.2). No obstante, si se cumplen los criterios (i )
- (iii) anteriores (una partición homogénea con valores de probabilidad correctos para cada celda de la
partición), podemos usar esta información para explicar por qué x x , que tenía una cepa no resistente de
estreptococo y fue tratado, se recuperó rápidamente. De hecho, de acuerdo con el modelo SR , podemos
explicar por qué alguna x x que es A A es B B , incluso si la probabilidad condicional de B B da A A y la
celda C i Ci a la que x x pertenece ( p i = P ( B | A . C i )) (pi = P (B | A.Ci)) es menor que la probabilidad
previa ( p = P ( B | A )) (p = P (B | A)) de B B en a a . Por ejemplo, si la probabilidad previa de
recuperación rápida entre todos aquellos con cualquier forma de strep es 0,5 y la probabilidad de
recuperación rápida de las personas con una cepa resistente que están sin tratar es de 0,1, es posible que, no
obstante, explicar por qué y y , que cumpla con estos últimos condiciones (- T . R ) (-T) , se recuperó
rápidamente (suponiendo que hizo) citando la célula a la que pertenece (el hecho de que tenía la cepa
resistente y era no tratada), la probabilidad de recuperación dado que cae en esta celda y el otro tipo de
información descrita anteriormente. En términos más generales, lo que importa en el modelo SR no es si el
valor de la probabilidad del resultado explicativo es alto o bajo (o incluso alto o bajo en comparación con su
probabilidad previa) sino más bien si los supuestos explicativos citan todos y solo estadísticamente factores
relevantes y si las probabilidades que invoca son correctas. Una consecuencia de esto, que Salmon respalda
al reconocer que muchos lo considerarán poco intuitivo, es que en el modelo SR , las mismas explicaciones
E E pueden explicar tanto un explanandum M M como explicaanda que son inconsistentes con M M , como
- M −M . Por ejemplo, las mismas explicaciones explicarán por qué un sujeto con estreptococo y ciertas
otras propiedades (por ejemplo, T T y - R −R ) se recupera rápidamente, si lo hace, y también por qué no se
recupera si no lo hace. Por el contrario, en los modelos DN o IS , si E E explica M , E M, E no puede
explicar también - M −M .
La intuición de que, al contrario del modelo IS , el valor que un candidato explica explica a un resultado
explicativo no debería importar la bondad de la explicación que proporciona, puede motivarse de la
siguiente manera. Considere una moneda genuinamente indeterminista que está fuertemente sesgada ( p =
0.9 ) ( p = 0.9) hacia las caras cuando se arroja. Suponga que si no se arroja la moneda tiene una
probabilidad de 0.5 de estar en la posición cara o cruz y que si la moneda se lanza o no es el único factor
que es estadísticamente relevante para saber si es cara o cruz. Según el modelo IS , si la moneda se lanza y
sale cara, podemos explicar este resultado apelando al hecho de que la moneda fue lanzada (ya que bajo esta
condición la probabilidad de caras es alta) pero si la moneda es lanzada y surge colas no podemos explicar
este resultado, ya que su probabilidad es baja. La intuición contraria que subyace al modelo SR es que
entendemos ambos resultados igualmente bien. El sesgo de la moneda y el hecho de que la moneda ha sido
lanzada son los únicos factores relevantes para cualquier resultado y esos factores son comunes a ambos
resultados, una vez que hemos citado el lanzamiento (y especificado los valores de probabilidad de cara y
cruz al lanzar) , no dejamos nada fuera que influya en ninguno de los resultados. De manera similar,
argumenta Salmon, si es realmente cierto que la partición en el ejemplo que involucra la recuperación rápida
del estreptococo es objetivamente homogénea, si no hay otros factores que sean estadísticamente relevantes
para la recuperación rápida además de si el sujeto ha sido tratado y tiene una cepa resistente Entonces, una
vez que hemos especificado la probabilidad de recuperación rápida bajo todas las combinaciones de estos
factores, y la combinación de factores que posee el sujeto cuya recuperación (o no, según sea el caso) que
queremos explicar, hemos especificado toda la información relevante a la recuperación y en este sentido
[ 7]
explicó completamente el resultado para el tema.
3.3 ¿Qué explican las teorías estadísticas?

Al evaluar estas afirmaciones, será útil dar un paso atrás y preguntar qué es lo que estos modelos
competitivos de explicación estadística ( modelo IS de Hempel y modelo SR de Salmon ) están destinados a
ser reconstrucciones. En la literatura sobre este tema, dos clases de ejemplos o aplicaciones ocupan un lugar
destacado. Primero, hay ejemplos extraídos de la mecánica cuántica ( QM ). Supongamos, por ejemplo, que
una partícula tiene una probabilidad p p que está estrictamente entre 0 y 1 de penetrar una barrera potencial.
Los modelos de explicación estadística suponen que si la partícula penetra la barrera, QM explica este
resultado: los modelos IS y SR están destinados a capturar la estructura de tales explicaciones. En segundo
lugar, hay ejemplos extraídos de aplicaciones biomédicas (o epidemiológicas) y de ciencias sociales: la
recuperación del estreptococo o, por citar una de las ilustraciones extendidas de Salmon (Salmon, 1971), los
factores relevantes para la delincuencia juvenil en niños adolescentes.
Esto es, por decir lo menos, una clase heterogénea de ejemplos. En el caso de QM , la comprensión habitual
es que los diversos resultados de variables no ocultas establecen que cualquier teoría empíricamente
adecuada de los fenómenos de la mecánica cuántica debe ser irreductiblemente indeterminista. Por lo tanto,
es plausible que cuando usamos la ecuación de Schrödinger para derivar la probabilidad de que una
partícula con cierta energía cinética atraviese una barrera potencial de cierta forma, esta representación
satisface la condición de "homogeneidad objetiva" del modelo SR : no hay más variables omitidas que
afectarían la probabilidad de penetración de barrera. Por el contrario, parece bastante improbable que esta
condición de homogeneidad se satisfaga en la mayoría (de hecho, en alguna) de las ilustraciones biomédicas
y sociológicas que han figurado en la literatura sobre explicación estadística. En el caso de la recuperación
del estreptococo, por ejemplo, es muy plausible que haya muchos otros factores además de los dos
mencionados anteriormente que afecten la probabilidad de recuperación; estos factores adicionales incluirán
el estado del sistema inmune del sujeto, varias características de el nivel general de salud del sujeto, el
carácter preciso de la cepa de la enfermedad a la que está expuesto el sujeto (resistente frente a no resistente
es casi seguramente una dicotomía de grano demasiado grueso) y así sucesivamente. Del mismo modo para
episodios de delincuencia juvenil. En estos casos, en contraste con los casos de la mecánica cuántica,
carecemos de una teoría o cuerpo de resultados que delimite los factores que son potencialmente relevantes
para la probabilidad del resultado que nos interesa. Por lo tanto, en ejemplos realistas de conjuntos de
factores estadísticamente relevantes de la biomedicina y las ciencias sociales, es poco probable que se
satisfaga la condición objetiva de homogeneidad, o en ningún sentido práctico.
Una diferencia relacionada se refiere a la forma en que la evidencia estadística figura en estos dos tipos de
aplicaciones. Algunos fenómenos de la mecánica cuántica, como la desintegración radiactiva, son
irreductiblemente indeterministas. Por el contrario, en las aplicaciones biomédicas y científicas sociales, si
bien la evidencia relevante es "estadística", generalmente no hay una suposición correspondiente de que los
fenómenos de interés sean irreductiblemente indeterministas. Esto es particularmente claro en relación con
los ejemplos científicos sociales (como los factores de riesgo de delincuencia juvenil) que Salmon analiza.
Aquí, la metodología relevante implica el llamado modelo causal o técnicas de ecuación estructural. Al
menos en la forma más directa de aplicar tales procedimientos, las ecuaciones que rigen si un individuo en
particular se convierte en delincuente juvenil son (si se interpretan literalmente) deterministas. De acuerdo
con tales enfoques, los fenómenos que se modelan parecen indeterministas porque algunas de las variables
que son relevantes para su comportamiento, cuya influencia se resume mediante el llamado término de
error, son desconocidas o no se miden. La información estadística sobre la incidencia de la delincuencia
juvenil entre individuos en diversas condiciones desempeña el papel de evidencia que se utiliza para estimar
los parámetros (los coeficientes) en las ecuaciones deterministas que se toman para describir los procesos
que rigen el inicio de la delincuencia. Un punto similar es válido para al menos muchos ejemplos
[ 8]
biomédicos .
Varias conclusiones preliminares son sugeridas por estas observaciones. Primero, está lejos de ser obvio que
debamos tratar de construir un modelo único y unificado de explicación estadística que se aplique tanto a la
mecánica cuántica como a los fenómenos macroscópicos como la delincuencia o la recuperación de una
infección. En segundo lugar, y de manera relacionada, aunque la explicación en QM satisface la condición
de homogeneidad objetiva, es dudoso que el tipo de "explicaciones estadísticas" encontradas en las ciencias
sociales y biomédicas lo hagan. En otras palabras, si se impone una condición de homogeneidad objetiva en
la explicación estadística, no está claro que haya ejemplos de explicación estadística exitosa fuera de la
mecánica cuántica.
Con estas observaciones en mente, volvamos a la pregunta de qué se explica por las teorías estadísticas, ya
sea mecánica cuántica o macroscópica. Como hemos visto, tanto Hempel como Salmon, así como la
mayoría de los contribuyentes posteriores a la literatura sobre explicación estadística, han tendido a suponer
que las teorías estadísticas que asignan una probabilidad a algún resultado estrictamente entre 0 y 1 deben
interpretarse como explicaciones de ese resultado. . Dado este punto de partida común, Salmon es bastante
persuasivo al argumentar que es arbitrario sostener, como lo hace Hempel, que solo se pueden explicar los
resultados individuales con alta probabilidad. Pero, ¿por qué deberíamos aceptar el punto de partida? ¿Por
qué no tomar el argumento de Salmon como una razón para rechazar la idea de que las teorías estadísticas
explican los resultados individuales, ya sea de alta o baja probabilidad? Si adoptamos este punto de vista, no
necesitamos concluir que una teoría como QM no sea explicativa. En cambio, podemos tomar la explicación
de QM como hechos sobre las probabilidades o los valores de expectativa de los resultados en lugar de los
resultados individuales en sí. Desde este punto de vista, las explicaciones explicadas por QM son un
subconjunto (propio) de las que pueden derivarse de él; al menos a este respecto, las explicaciones
proporcionadas por QM son como explicaciones DS en estructura. Woodward (1989) argumenta que esta
interpretación nos permite decir todo lo que legítimamente podríamos querer decir sobre las virtudes
explicativas de QM . Si esto es correcto, no hay una necesidad obvia de una teoría separada de la
explicación estadística de los resultados individuales del tipo que Hempel y Salmon intentaron idear (pero
vea la nota al pie 7).
En el caso de la delincuencia juvenil y las técnicas de modelación causal es, en todo caso, aún más intuitivo
que lo que se explica no es, por ejemplo, por qué un niño en particular, Albert, se convirtió en un
delincuente juvenil, sino algo más general, por ejemplo, por qué La incidencia esperada de delincuencia es
mayor entre ciertos subgrupos que otros. De nuevo, tales explicaciones son deducibles del sistema de
ecuaciones utilizado para modelar la delincuencia juvenil. Tomar esta visión de lo que se explica por las
teorías estadísticas nos permite evitar varias consecuencias poco intuitivas del modelo de Hempel (por
ejemplo, que se explican los resultados de alta probabilidad pero no de baja probabilidad) y del modelo de
Salmon (por ejemplo, las mismas explicaciones E E explica ambos M M y - M −M . Por lo menos, aquellos
que han tratado de construir modelos de explicación estadística de resultados individuales deben
proporcionar una explicación más detallada de por qué se necesitan tales modelos y de las características de
[ 9]
la teoría científica que están diseñados para capturar.
3.4 Relaciones de causalidad y relevancia estadística

Como acabamos de ver, el modelo SR plantea una serie de preguntas interesantes sobre la explicación
estadística de los resultados individuales, preguntas que son importantes independientemente de los detalles
del modelo SR en sí. Esta sección se apartará de tales preguntas y se centrará en la motivación raíz del
modelo SR . Podemos tomar esto como dos ideas: (i) las explicaciones deben citar relaciones causales y (ii)
las relaciones causales son capturadas por las relaciones de relevancia estadística. Incluso si se acepta (i), un
[ 10 ]
problema fundamental con el modelo SR es que (ii) es falso, como un cuerpo sustancial de trabajo
ha dejado en claro que las relaciones casuales están muy poco determinadas por las relaciones de relevancia
estadística. Consideremos otro ejemplo de Salmon (1971): un sistema en el que la presión atmosférica A A
es una causa común de la aparición de una tormenta S S y la lectura de un barómetro B B con ninguna
relación causal entre B B y S S . Salmon afirma que en tal un sistema B B y S S serán correlacionados pero
que B B es estadísticamente irrelevante para S S dado A A -es decir, P ( S | | A . B ) = P ( S | A ) P (S | |
AB) = P (S ∣ A) . Por el contrario, (reivindicaciones salmón) A A sigue siendo relevante para S S dado B B -
es decir, P ( S | A . B ) ≠ P ( S | B ) P (S | AB) ≠ P (S | B) . Del mismo modo, S S es irrelevante para B B
dado A A pero A A sigue siendo relevante B B dado S S . De esta manera, el modelo SR de Salmon intenta
capturar la idea de que A A es explicativa (y causalmente) relevante para S S mientras que B B no lo es y
que A A es explicativa y causalmente relevante para B B mientras que S S no lo
es.
Estas disputas sobre la conexión entre las afirmaciones causales y las relaciones de relevancia estadística
son consecuencias de un principio más general llamado condición de Markov causal , que se ha discutido
[11 ]
ampliamente en la literatura reciente sobre causalidad. Un conjunto de variables que se encuentran en una
relación causal y una distribución de probabilidad asociada sobre esas variables satisfacen la condición
Causal Markov si y solo si está condicionado a sus causas directas, cada variable es independiente de todas
las demás, excepto posiblemente por sus efectos. Dos puntos relevantes han surgido de la discusión de esta
condición. El primero, que fue observado por el propio Salmon en un trabajo posterior al suyo (1971), es
que hay circunstancias en las que la condición Causal Markov falla y, por lo tanto, las afirmaciones causales
no implican la eliminación de las relaciones descritas anteriormente. Esto puede suceder, por ejemplo, si las
[ 12 ]
variables a las que se aplica la condición se caracterizan de manera insuficientemente precisa. La
segunda observación más fundamental es que, dependiendo de los detalles del caso, muchos conjuntos
diferentes de relaciones causales pueden ser compatibles con las mismas relaciones de relevancia
estadística, incluso suponiendo que la condición Causal Markov se cumpla. Por ejemplo, una estructura en
la que B B causa A A que a su vez causa S S , si asumimos la condición Causal Markov (es decir, hacemos
suposiciones como la relación de causalidad de conexión de Salmon y las relaciones de relevancia
estadística), conducirá exactamente a la misma relevancia estadística relaciones como en el ejemplo en el
que a a es una causa común de B B y S S . Del mismo modo, si S S provoca A A que a su vez provoca B B .
En estructuras con más variables, esta subdeterminación de las relaciones causales por relaciones de
relevancia estadística puede ser mucho más extrema. Por lo tanto, una lista de relaciones de relevancia
estadística, que es lo que proporciona el modelo SR , no necesita decirnos qué relaciones causales son
operativas. En la medida en que esa explicación tenga que ver con la identificación de las relaciones
causales de las que depende un resultado explicativo, el modelo SR no logra capturarlas por
completo.
Las lecturas seleccionadas . Salmon, 1971a proporciona una declaración detallada y defensa del modelo
SR . Este ensayo, así como los documentos de Jeffrey (1969) y Greeno (1970) que defienden opiniones
ampliamente similares al modelo SR , se recogen en Salmon, 1971b. Se puede encontrar una discusión
adicional del modelo, así como una caracterización más reciente de la "homogeneidad objetiva" en Salmon,
1984. Cartwright, 1979 contiene algunas críticas influyentes al modelo SR . Los teoremas que especifican el
alcance preciso de la subdeterminación de las afirmaciones causales por la evidencia sobre las relaciones de
relevancia estadística se pueden encontrar en Spirtes, Glymour y Scheines, 1993, 2000, capítulo 4.
4. El modelo mecánico causal

4.1 La idea básica
En un trabajo más reciente (especialmente, Salmon, 1984) Salmon abandonó el intento de caracterizar la
explicación o las relaciones causales en términos puramente estadísticos. En cambio, se desarrolló una
cuenta nueva a la que llamó la mecánica causal ( CM ) modelo de explicación, una cuenta que es similar en
contenido y espíritu a los llamados procesos teorías de la causalidad de la especie defendida por filósofos
como Philip Dowe (2000) . Podemos pensar en el modelo CM como un intento de capturar el "algo más"
involucrado en las relaciones causales y explicativas más allá de los hechos sobre la relevancia estadística,
nuevamente al tratar de permanecer dentro de un marco amplio de Hume.
El modelo CM emplea varias ideas centrales. Un proceso causal es un proceso físico, como el movimiento
de una pelota de béisbol a través del espacio, que se caracteriza por la capacidad de transmitir una marca de
forma continua. ("Continuo" en general, aunque tal vez no siempre, significa "continuo espacio-temporal").
Intuitivamente, una marca es una modificación local de la estructura de un proceso, por ejemplo, un rasguño
en la superficie de una pelota de béisbol o una abolladura. defensa del automóvil Un proceso es capaz de
transmitir una marca si, una vez que la marca se introduce en una ubicación espacio-temporal, persistirá en
otras ubicaciones espacio-temporales incluso en ausencia de más interacción. En este sentido, el béisbol
transmitirá la marca de desgaste de un lugar a otro. Del mismo modo, un automóvil en movimiento es un
proceso causal porque una marca en forma de abolladura en un guardabarros se transmitirá por este proceso
de una ubicación espacio-temporal a otra. Los procesos causales contrastan con los pseudoprocesos que
carecen de la capacidad de transmitir marcas. Un ejemplo es la sombra de un objeto físico en movimiento.
La idea intuitiva es que, si intentamos marcar la sombra modificando su forma en un punto (por ejemplo,
alterando una fuente de luz o introduciendo un segundo objeto oclusivo), esta modificación no persistirá a
menos que intervengamos continuamente para mantenerla como la sombra ocupa sucesivas posiciones
espacio-temporales. En otras palabras, la modificación no será transmitida por la estructura de la sombra en
sí, como lo haría en el caso de un proceso causal genuino.
Debemos tener en cuenta para futuras referencias que, como se caracteriza por Salmon, la capacidad de
transmitir una marca es claramente una noción contrafáctica, en varios sentidos. Para empezar, un proceso
puede ser un proceso causal incluso si de hecho no transmite ninguna marca, siempre que sea cierto que si
se marcara adecuadamente, transmitiría la marca. Además, la noción de marcado implica un contraste
contrafactual: un contraste entre cómo se comporta un proceso cuando se marca y cómo se comportaría si
no se marca. Aunque Salmon, como Hempel, siempre ha sospechado de los contrafácticos, su opinión en el
momento en que introdujo por primera vez el modelo CM era que los contrafácticos involucrados en la
caracterización de la transmisión de la marca eran relativamente poco problemáticos, en parte porque
parecían experimentalmente comprobables de una manera bastante forma directa No obstante, la
dependencia del modelo CM , tal como se formuló originalmente, en contrafactual muestra que no satisface
completamente las restricciones de Humean descritas anteriormente. En un trabajo posterior, descrito en la
Sección 4.4 a continuación, Salmon intentó construir una versión del modelo CM que evita por completo la
dependencia de los contrafactuales.
El otro elemento importante en el modelo de Salmon es la noción de una interacción causal . Una
interacción casual implica una intersección espacio-temporal entre dos procesos causales que modifica la
estructura de ambos: cada proceso tiene características que no habría tenido en ausencia de la interacción.
Una colisión entre dos autos que abolla ambos es una interacción causal paradigmática.
Según el modelo CM , una explicación de algún evento E E rastreará los procesos e interacciones causales
que conducen a E E (Salmon llama a esto el aspecto etiológico de la explicación), o al menos una parte de
estos, además de describir el procesos e interacciones que componen el evento en sí (el aspecto constitutivo
de la explicación). De esta manera, la explicación muestra cómo E E "encaja [s] en un nexo causal " ( 1984,
p.9).
La sugerencia de que la explicación consiste en “encajar” un explanandum en un nexo causal no nos da
ninguna caracterización muy precisa de lo que la relación entre E E y otros procesos causales e
interacciones debe ser si la información sobre este último es explicar E E . Sin embargo, parece bastante
claro cómo se debe aplicar la idea intuitiva a ejemplos específicos. Suponga que una bola blanca, puesta en
movimiento por el impacto de un palo de taco, golpea una bola ocho estacionaria con el resultado de que la
bola ocho se pone en movimiento y la bola blanca cambia de dirección. El impacto del palo también
transmite un poco de tiza azul a la bola blanca que luego se transfiere a la bola ocho al impactar. El taco, la
bola blanca y la octava bola son procesos causales, como lo demuestra la transmisión de la marca de tiza, y
la colisión del taco con la bola blanca y la colisión del taco y las ocho bolas son interacciones causales. . La
idea de Salmon es que citar tales hechos sobre procesos e interacciones explica el movimiento de las bolas
después de la colisión; por el contrario, si una de estas bolas proyecta una sombra que se mueve sobre la
otra, esto será causal y explicativamente irrelevante para su movimiento posterior, ya que la sombra es un
seudoproceso.
4.2 El modelo CM y la relevancia explicativa

Como lo ilustra el ejemplo de la bola blanca, el modelo CM toma como paradigmas de ejemplos de
interacción causal tales como colisiones en las que hay "acción por contacto" y no hay espacios espacio-
temporales en la transmisión de la influencia causal. Hay pocas dudas de que las explicaciones en las que no
existen tales lagunas (ninguna "acción a distancia") a menudo nos parecen particularmente satisfactorias .
[ 13 ]
Sin embargo, como lo muestra Christopher Hitchcock en un documento informativo (Hitchcock, 1995),
incluso aquí el modelo CM deja de lado algo importante. Considere el libro de texto de primaria
"explicación científica" del movimiento de las bolas en el ejemplo anterior después de su colisión. Esta
explicación procede derivando ese movimiento de la información sobre sus masas y velocidad antes de la
colisión, la suposición de que la colisión es perfectamente elástica y la ley de la conservación del momento
lineal. Por lo general, pensamos que la información transmitida por esta derivación muestra que es la masa y
la velocidad de las bolas, en lugar de, por ejemplo, su color o la presencia de la marca de tiza azul, lo que es
explicativamente relevante para su movimiento posterior. Sin embargo, es difícil ver qué en el modelo CM
nos permite elegir el impulso lineal de las bolas, a diferencia de estas otras características, como
explicativamente relevante. Parte de la dificultad es que para expresar tales juicios relativamente finos de
relevancia explicativa (que es el momento lineal en lugar de las marcas de tiza lo que importa) necesitamos
hablar sobre las relaciones entre propiedades o magnitudes y no está claro cómo expresar tales juicios en
términos de hechos sobre procesos e interacciones causales. Tanto el momento lineal como la marca de tiza
comunicada a la bola blanca por el taco son marcas transmitidas por el proceso causal continuo espacio-
temporal que consiste en el movimiento de la bola blanca. Ambas marcas se transmiten a través de una
interacción a la bola ocho. Parece que no hay nada en la noción de transmisión de marca de Salmon o en la
noción de un proceso causal que le permita a uno distinguir entre el momento explicativamente relevante y
la marca de tiza azul explicativamente irrelevante.
Irónicamente, como Hitchcock continúa señalando, se puede hacer una observación similar sobre el ejemplo
de las píldoras anticonceptivas (2.5.2) originalmente diseñado por Salmon para ilustrar el fracaso del
modelo DN para capturar la noción de relevancia explicativa. Los procesos causales continuos espacio-
temporalmente que transmiten marcas, así como las interacciones causales, funcionan cuando el señor Jones
ingiere píldoras anticonceptivas: las píldoras se disuelven, los componentes ingresan al torrente sanguíneo,
se metabolizan o procesan de alguna manera, etc. Del mismo modo, los procesos causales continuos
espacio-temporal (aunque diferentes procesos) están en funcionamiento cuando la mujer Sra. Jones toma
píldoras anticonceptivas. Sin embargo, las píldoras son irrelevantes para el Sr. Jones que no está embarazada
y son relevantes para el Sr. Jones que no está embarazada. Una vez más, parece que la relevancia o
irrelevancia de las píldoras anticonceptivas para el hecho de que el Sr. o la Sra. Jones no quede embarazada
no se puede capturar simplemente preguntando si los procesos que conducen a estos resultados son procesos
causales en el sentido de Salmon. Un punto similar es válido para el ejemplo de sal hexadecimal (2.6.3 ):
existen procesos causales continuos espacio-temporales que van desde la varita de la bruja que toca la
muestra de sal hasta los iones individuales de Na y Cl formados cuando la sal se disuelve, pero esto no es
suficiente para que el hechizo sea causal (o explicativo) relevante para la disolución.
Una forma más general de plantear el problema revelado por estos ejemplos es que aquellas características
de un proceso P P en virtud de las cuales califica como un proceso causal (capacidad de transmitir la marca
M M ) pueden no ser las características de P P que son causalmente o explicativamente relevante para el
resultado E E que queremos explicar ( M M puede ser irrelevante para E E con alguna otra propiedad R R
de P P siendo la propiedad que es causalmente relevante para E E ). Entonces, si bien la transmisión de
marcas puede ser un criterio que distinga correctamente entre procesos causales y pseudoprocesos , no
proporciona los recursos para distinguir las características o propiedades de un proceso causal que son
causal o explicativamente relevantes para un resultado. y esas características que son
irrelevantes.
4.3 El modelo CM y los sistemas complejos

Un segundo conjunto de preocupaciones tiene que ver con la aplicación del modelo CM a sistemas que se
apartan en varios aspectos de paradigmas físicos simples como la colisión descrita anteriormente. Hay
varios ejemplos de tales sistemas. Primero, hay teorías como la teoría gravitacional newtoniana que
implican "acción a distancia" en un sentido físicamente interesante. En segundo lugar, hay una serie de
ejemplos de la literatura sobre causalidad que no implican formas de acción físicamente interesantes a
distancia, pero que posiblemente impliquen interacciones causales sin intervenir procesos espacio-
temporales continuos o transferencia de energía y momento de causa a efecto. Estos incluyen casos de
[ 14 ]
causalidad por omisión y causalidad por "doble prevención" o "desconexión". En todos estos casos, una
aplicación literal del modelo CM parece arrojar el juicio de que no se ha proporcionado ninguna
explicación, que la teoría gravitacional newtoniana no es explicativa, etc. Muchos filósofos se han mostrado
reacios a aceptar esta evaluación.
Sin embargo, otra clase de ejemplos que plantean problemas para el modelo CM implica explicaciones
putativas del comportamiento de sistemas complejos o de "nivel superior", explicaciones que no citan
explícitamente los procesos causales continuos espacio-temporales que implican la transferencia de energía
e impulso, aunque podamos piensa que tales procesos están funcionando en un nivel más "subyacente". La
mayoría de las explicaciones en disciplinas como la biología, la psicología y la economía se incluyen en esta
descripción, al igual que varias explicaciones físicas directas.
Como ilustración, suponga que un mol de gas está confinado a un contenedor de volumen V 1 V1 , a presión
P 1 P1 y temperatura T 1 T1 . Luego se deja que el gas se expanda isotérmicamente en un recipiente más
grande de volumen V 2 V2 . Una manera estándar de explicar el comportamiento de la su gas velocidad de
difusión y su presión posterior de equilibrio P 2 P2 -appeals a las generalizaciones de la termodinámica-por
ejemplo fenomenológicos, la ley de los gases ideales, ley de difusión de Graham, y así sucesivamente.
Parece que Salmon considera que las explicaciones putativas basadas en al menos la primera de estas
generalizaciones no son explicativas porque no trazan procesos causales continuos: piensa en las moléculas
[ 15 ]
individuales como procesos causales, pero no en el gas en su conjunto. Sin embargo, es simplemente
imposible rastrear los procesos e interacciones causales representados por cada una de las moléculas 6 × 10
23 6 × 1023 que forman el gas y las sucesivas interacciones (colisiones) que experimenta con cada otra
molécula. El tratamiento mecánico estadístico habitual, que Salmon presumiblemente consideraría
explicativo, no intenta hacer esto. En cambio, hace ciertas suposiciones generales sobre la distribución de
las velocidades moleculares y las fuerzas involucradas en las colisiones moleculares y luego las utiliza,
junto con las leyes de la mecánica, para derivar y resolver una ecuación diferencial (la ecuación de
transporte de Boltzmann) que describe el comportamiento general del gas Este tratamiento se abstrae
radicalmente de los detalles de los procesos causales que involucran moléculas individuales particulares y,
en cambio, se enfoca en identificar variables de nivel superior que se agregan a muchos procesos causales
individuales y que figuran en patrones generales que gobiernan el comportamiento del gas.
Este ejemplo plantea una serie de preguntas. ¿Qué requiere el modelo CM en el caso de sistemas complejos
en los que no podemos rastrear procesos causales individuales, al menos a un nivel detallado? ¿Cómo
exactamente el modelo mecánico causal evita la conclusión (desastrosa) de que cualquier explicación
exitosa del comportamiento del gas debe trazar las trayectorias de las moléculas individuales? ¿La
explicación mecánica estadística descrita anteriormente rastrea con éxito los procesos e interacciones
causales o especifica un mecanismo causal en el sentido exigido por el modelo CM , y en caso afirmativo,
qué implica exactamente el seguimiento de los procesos e interacciones causales en relación con dicho
sistema? Tal como están las cosas ahora, tanto el modelo CM como las teorías del proceso de causalidad que
son sus descendientes más recientes están incompletas.
Hay otro aspecto de este ejemplo que es digno de comentario. Incluso si, por imposible , se produjera una
cuenta que rastreara las trayectorias moleculares individuales, hay importantes aspectos en los que no
proporcionaría el tipo de explicación del comportamiento macroscópico del gas que probablemente estamos
buscando, y no solo porque tal cuenta sería demasiado compleja para ser seguida por una mente humana.
Hay una gran cantidad de diferentes trayectorias posibles de las moléculas individuales además de las
trayectorias realmente tomadas que producirían el resultado macroscópico, la presión final P 2 P2 , que
queremos explicar. Esta información es ciertamente explicativamente relevante para el comportamiento
macroscópico del gas y nos gustaría que nuestra explicación explicativa tenga en cuenta este hecho. En
términos generales, dadas las leyes que rigen las colisiones moleculares, se puede demostrar que casi todas
(es decir, todas excepto un conjunto de medida cero) de las posibles posiciones iniciales y momentos
compatibles con el estado macroscópico inicial del gas, como se caracteriza por P 1 P1 , T 1 T1 y V 1 V1 ,
conducirán a trayectorias moleculares de manera que el gas evolucionará hacia el resultado macroscópico en
el que el gas se difunde a un estado de equilibrio de densidad uniforme a través de la cámara a la presión P 2
P2 . Del mismo modo, existe una amplia gama de diferentes microestados del gas compatibles con cada uno
de los otros valores posibles para la temperatura del gas y cada uno de estos estados conducirá a una presión
final diferente P 2 ∗ P2 ∗ . Si solo rastreamos los procesos causales (en forma de trayectorias moleculares
reales) que conducen a P 2 P2 , como lo requiere el modelo CM , no podremos representar o capturar esta
información sobre el rango completo de condiciones bajo las cuales P 2 P2 y se producirán alternativas a
esto.
Un punto similar es válido para las explicaciones del comportamiento de otros tipos de sistemas complejos,
como los estudiados en biología y economía. Considere la explicación estándar, en términos de un
desplazamiento hacia arriba de la curva de oferta, con una curva de demanda sin cambios, para el aumento
en el precio de las naranjas después de un congelamiento. Subyacentes al comportamiento de este mercado
están los procesos e interacciones causales individuales espacio-temporales continuos en el sentido de
Salmon: hay una miríada de transacciones individuales en las que el dinero de alguna forma se intercambia
por bienes físicos, todos los cuales implican transferencias de materia o energía. es el intercambio de
información sobre intenciones o compromisos de compra o venta a varios precios, todo lo cual debe tener
lugar en algún medio físico e implicar transferencias de energía, etc. Sin embargo, también parece claro que
producir una descripción completa de estos procesos (suponiendo por el argumento de que era posible hacer
esto) producirá poca o ninguna idea de por qué estos sistemas se comportan como lo hacen. Nuevamente,
esto no se debe solo a que cualquier "explicación" de este tipo abrume nuestras capacidades de
procesamiento de información. También es el caso de que gran parte de la información contenida en dicha
descripción será irrelevante para el comportamiento que estamos tratando de explicar, por la misma razón
que una descripción detallada de las trayectorias moleculares individuales contendrá información que es
irrelevante para el comportamiento. comportamiento del gas. Por ejemplo, mientras que la descripción
detallada de los procesos causales individuales involucrados en la operación del mercado de naranjas
presumiblemente describirá si los consumidores individuales compran naranjas en efectivo, cheque o tarjeta
de crédito, si la información sobre la congelación se comunica por teléfono o correo electrónico, y así
sucesivamente, todo esto es una primera aproximación irrelevante para el precio de equilibrio: dadas las
curvas de oferta y demanda, el precio de equilibrio será el mismo siempre que haya un mercado en el que
los consumidores puedan comprar naranjas por algún medio. , la información sobre la congelación y los
[16 ]
precios está disponible para compradores y vendedores de alguna forma, y así sucesivamente. Además,
aquellos factores que son explicativamente relevantes para el precio de equilibrio, como la forma de las
curvas de oferta y demanda, no están en ningún sentido evidentes conectados por procesos continuos
espacio-temporales al precio (no está claro cuál es esta afirmación incluso significa), aunque como se
enfatizó anteriormente, los procesos desconocidos que subyacen al logro del equilibrio son
presumiblemente espaciotemporalmente continuos.
Una vez más, el problema es cómo una cuenta como la de Salmon puede capturar esta característica de una
explicación exitosa del comportamiento de los sistemas complejos: cómo la cuenta nos guía a encontrar el
nivel "correcto" de descripción de los fenómenos que estamos tratando de explicar. De hecho, como lo
ilustran los ejemplos anteriores, los requisitos que Salmon impone a los procesos causales, y en particular el
requisito de continuidad espacio-temporal, a menudo parecen alejarnos del nivel correcto de descripción. El
nivel en el cual la restricción de continuidad espacio-temporal se respeta más obviamente (el nivel en el
cual, por ejemplo, describimos a un consumidor particular como el intercambio de efectivo por naranjas o
un productor como un acuerdo por teléfono con un minorista para vender a un precio determinado ) parece
ser el nivel incorrecto para lograr la comprensión.
4.4 Desarrollos más recientes

En un trabajo más reciente (p. Ej., Salmon, 1994), impulsado en parte por el deseo de evitar ciertos
contraejemplos adelantados por Philip Kitcher (Kitcher, 1989) a su caracterización de la transmisión de
marcas, Salmon intentó crear una teoría de la explicación causal que evita por completo cualquier apelación
a contrafactuals. En esta nueva teoría que está influenciada por la teoría del proceso conservado de
causalidad de Dowe (Dowe, 2000), Salmon definió un proceso causal como un proceso que transmite una
cantidad no nula de una cantidad conservada en cada momento de su historia. Las cantidades conservadas
son cantidades tan caracterizadas en física: momento lineal, momento angular, carga, etc. Una interacción
causal es una intersección de líneas mundiales asociadas con procesos causales que implican el intercambio
de una cantidad conservada. Finalmente, un proceso transmite una cantidad conservada de A A a B B si
posee esa cantidad en cada etapa sin ninguna interacción que implique un intercambio de esa cantidad en el
intervalo medio abierto ( A , B ] (A, B] .
Uno puede dudar de que esta nueva teoría realmente evite la confianza en los contrafactuales, pero una
dificultad aún más fundamental es que todavía no trata adecuadamente el problema de relevancia causal o
explicativa descrito anteriormente. Es decir, todavía enfrentamos el problema de que la característica que
hace que un proceso sea causal (transmisión de una cantidad conservada u otra) puede decirnos poco acerca
de qué características del proceso son causales o explicativas relevantes para el resultado que queremos
explicar. Por ejemplo, una bola de billar en movimiento transmitirá muchas cantidades conservadas
(momento lineal, momento angular, carga, etc.) y muchas de estas pueden intercambiarse durante una
colisión con otra bola. ¿Qué es lo que nos da derecho a destacar el impulso lineal de las bolas, en lugar de
estas otras cantidades conservadas como la propiedad que es causalmente relevante para su movimiento
posterior? En los casos en que parece que no hay leyes de conservación que rijan la propiedad
explicativamente relevante (es decir, casos en los que las variables explicativamente relevantes no son
cantidades conservadas), esta dificultad parece aún más aguda. Propiedades como "haber ingerido píldoras
anticonceptivas", "estar embarazada" o "ser una muestra de sal hexadecimal" no figuran en las leyes de
conservación. Si bien se puede decir que tanto las píldoras anticonceptivas como la sal hexadecimal son
procesos causales porque ambas consisten, en algún nivel subyacente, en procesos que implican de manera
inequívoca la transmisión de cantidades conservadas como masa y carga, esta observación por sí sola no nos
dice qué, si cualquier cosa, sobre estos procesos subyacentes es relevante para el embarazo o la disolución
en agua.
En un artículo aún más reciente (Salmon, 1997), Salmon admitió este punto. Estuvo de acuerdo en que la
noción de un proceso causal no puede por sí misma capturar la noción de relevancia causal y explicativa.
Sin embargo, sugirió que esta noción se puede capturar adecuadamente apelando a la noción de un proceso
causal e información sobre las relaciones de relevancia estadística (es decir, información sobre las
relaciones de dependencia (in) dependencia condicionales e incondicionales), y esta última captura el
elemento de dependencia causal o explicativa que faltaba en su cuenta anterior:
Ahora diría que (1) las relaciones de relevancia estadística, en ausencia de información sobre la conexión de
procesos causales, carecen de importancia explicativa y que (2) conectan los procesos causales, en ausencia
de relaciones de relevancia estadística, también carecen de importancia explicativa. (1997, p.476)
Esta sugerencia no se desarrolla en detalle en el artículo de Salmon, y no es fácil ver cómo se puede hacer
que funcione. Notamos anteriormente que las relaciones de relevancia estadística a menudo determinan en
gran medida las relaciones causales entre un conjunto de variables. ¿Qué razón hay para suponer que apelar
a la noción de un proceso causal, en el sentido de Salmon, siempre o incluso generalmente eliminará esta
indeterminación? También notamos que la noción de un proceso causal no puede capturar nociones de
relevancia de grano fino entre las propiedades, que puede haber relevancia causal entre propiedades cuyas
instancias (al menos en el nivel de descripción en el que se caracterizan) no están vinculadas por espacio -
temporalmente continuo o transferencia de cantidades conservadas, y que las propiedades pueden estar
vinculadas sin ser causalmente relevantes (recuerde la marca de tiza que se transmite de una bola de billar a
otra). Siempre y cuando sea posible (¿y por qué no debería serlo?) Que diferentes afirmaciones causales
impliquen los mismos hechos sobre las relaciones de relevancia estadística y que estas afirmaciones difieran
de formas que no se pueden cobrar por completo en términos de las nociones de Salmon de los procesos
causales e interacciones, esta nueva propuesta también fallará.
Lecturas seleccionadas: Salmon, 1984 proporciona una declaración detallada del modelo Causal
Mechanical, tal como se formuló originalmente. Salmon, 1994 y 1997 proporcionan una reformulación del
modelo y responden a las críticas. Para una discusión y crítica del modelo CM , ver Kitcher, 1989,
especialmente pp. 461ff, Woodward, 1989 y Hitchcock, 1995.
5. Una explicación unificacionista de la explicación.

5.1 La idea básica
La idea básica de la explicación unificacionista es que la explicación científica es una cuestión de
proporcionar una explicación unificada de una gama de fenómenos diferentes. Esta idea es indudablemente
intuitivamente atractiva. La unificación exitosa puede exhibir conexiones o relaciones entre fenómenos que
anteriormente se pensaba que no estaban relacionados y esto parece ser algo que esperamos que se den
buenas explicaciones. Además, la unificación de la teoría claramente ha jugado un papel importante en la
ciencia. Ejemplos paradigmáticos incluyen la unificación de Newton de las teorías de movimiento terrestres
y celestes y la unificación de Maxwell de la electricidad y el magnetismo. La pregunta clave, sin embargo,
es si nuestra noción intuitiva (o nociones) de unificación puede hacerse más precisa de una manera que nos
permita recuperar las características que creemos que deberían tener buenas explicaciones.
Michael Friedman (1974) es un importante intento temprano para hacer esto. Posteriormente se demostró
que la formulación de Friedman de la idea unificacionista sufría varios problemas técnicos (Kitcher, 1976) y
el desarrollo posterior del tratamiento unificacionista de la explicación se ha asociado más estrechamente
con Philip Kitcher (especialmente Kitcher, 1989).
Comencemos por presentar parte del vocabulario técnico de Kitcher. Una oración esquemática es una
oración en la que parte del vocabulario no lógico ha sido reemplazado por letras ficticias. Para usar los
ejemplos de Kitcher, la oración "Los organismos homocigotos para el alelo falciforme desarrollan anemia
falciforme" se asocia con una serie de oraciones esquemáticas que incluyen "Los organismos homocigotos
para A A desarrollan P P " y "Para todos X X si X X es O O y A A entonces X X es P P ”. Las instrucciones
de relleno son instrucciones que especifican cómo completar las letras ficticias en oraciones esquemáticas.
Por ejemplo, las instrucciones de relleno pueden indicarnos que reemplacemos A A con el nombre de un
alelo y P P con el nombre de un rasgo fenotípico en la primera de las oraciones esquemáticas anteriores. Los
argumentos esquemáticos son secuencias de oraciones esquemáticas. Las clasificaciones describen qué
oraciones en argumentos esquemáticos son premisas y conclusiones y qué reglas de inferencia se usan. Un
patrón de argumento es un triple ordenado que consiste en un argumento esquemático, un conjunto de
conjuntos de instrucciones de relleno, uno para cada término del argumento esquemático y una clasificación
del argumento esquemático. Cuantas más restricciones imponga un patrón de argumento a los argumentos
que lo instancian, más estricto se dice que es.
Hablando en términos generales, la idea rectora de Kitcher es que la explicación es una cuestión de derivar
descripciones de muchos fenómenos diferentes usando tan pocos y tan estrictos patrones de argumento
como sea posible una y otra vez: cuantos menos patrones se usen, más estrictos son, y mayor A medida que
se derivan las diferentes conclusiones, más unificadas nuestras explicaciones. Kitcher resume esta vista de
la siguiente manera:
La ciencia avanza nuestra comprensión de la naturaleza mostrándonos cómo derivar descripciones de
muchos fenómenos, utilizando el mismo patrón de derivación una y otra vez, y al demostrar esto, nos
enseña cómo reducir la cantidad de hechos que tenemos que aceptar como últimos. (p.432).
Kitcher no propone una teoría completamente general de cómo las diversas consideraciones que describe
(número de conclusiones, número de patrones y rigurosidad de los patrones) deben intercambiarse entre sí,
pero sugiere que a menudo será suficientemente claro cuáles son estas consideraciones. implican sobre la
evaluación de explicaciones de candidatos particulares. Su estrategia básica es tratar de demostrar que las
derivaciones que consideramos explicaciones buenas o aceptables son ejemplos de patrones que, en
conjunto, obtienen mejores resultados de acuerdo con los criterios que se acaban de describir que los
patrones instanciados por las derivaciones que consideramos explicaciones defectuosas. Siguiendo a
Kitcher, definamos la tienda explicativa E ( K ) E (K) como el conjunto de patrones de argumentos que
unifica al máximo K K , el conjunto de creencias aceptadas en un momento particular de la ciencia. Mostrar
que una derivación particular es una explicación buena o aceptable es, entonces, una cuestión de mostrar
que pertenece a la tienda explicativa.
5.2 Ilustraciones del modelo unificacionista
Como ilustración, considere el tratamiento de Kitcher del problema de las asimetrías explicativas (recuerde
la Sección 2.5). Nuestras prácticas explicativas actuales, llamadas P P, están comprometidas con la idea de
que las derivaciones de la altura de un asta de bandera a lo largo de su sombra no son explicativas. Kitcher
compara P P con una sistematización alternativa en la que tales derivaciones se consideran explicativas.
Según Kitcher, P P incluye el uso de un único patrón de explicación de "origen y desarrollo" ( OD ), según
el cual las dimensiones de los objetos-artefactos, montañas, estrellas, organismos, etc. se remontan a "las
condiciones bajo las cuales el se originó el objeto y las modificaciones que ha sufrido posteriormente
”(1989, p. 485). Ahora considere las consecuencias de agregar a P P un patrón adicional S S (el patrón de
sombra) que permite la derivación de las dimensiones de los objetos a partir de hechos sobre sus sombras.
Dado que el patrón OD ya permite la derivación de todos los hechos sobre las dimensiones de los objetos, la
adición del patrón de sombra S S a P P aumentará el número de patrones de argumento en P P y no nos
permitirá derivar ninguna conclusión nueva. Por otro lado, si tuviéramos que eliminar OD de P P y
reemplazarlo con el patrón de sombra, no tendríamos un cambio neto en el número de patrones en P P , pero
seríamos capaces de obtener muchas menos conclusiones de las que obtendríamos con OD , ya que muchos
objetos no tienen sombras (o suficientes sombras) de las cuales derivar todas sus dimensiones. Por lo tanto,
OD pertenece a la tienda explicativa, y el patrón de sombra no.
El tratamiento de Kitcher de otros casos problemáticos familiares es similar. Por ejemplo, señala que
creemos que una explicación de por qué una muestra de sal se disuelve en agua que hace un llamamiento al
hecho de que la sal está hexadecimal y la generalización ( H ) ( H) de que toda la sal hexadecimal se
disuelve en agua es defectuosa, en menos en comparación con la explicación estándar que atrae solo a la
generalización de que ( D ) (D) toda la sal se disuelve en agua. Sugiere que la "base para esta creencia" es
que la derivación que atrae a ( H ) ( H) crea una instancia de un patrón de argumento que pertenece a una
totalidad de patrones que es menos unificador que la totalidad que contiene la derivación que atrae a ( D )
(D) . En particular, una tienda explicativa que contenga ( H ) ( H) pero no ( D ) (D) tendrá un conjunto de
consecuencias más restringido que una tienda que contenga ( D ) (D) pero no ( H ) (H) , ya que este último
pero no el primero permite la derivación de hechos sobre la disolución de sal no hexadecimal en agua. Y la
adición de ( H ) ( H) a una tienda explicativa que contiene ( D ) (D) aumentará el número de patrones sin
ninguna ganancia compensatoria en lo que se puede derivar.
Kitcher reconoce que no hay nada en el relato unificacionista per se que requiera que toda explicación sea
deductiva: "no hay impedimento en principio para el uso de argumentos no deductivos en la sistematización
de nuestras creencias". Sin embargo, "la tarea de comparar el poder unificador de las diferentes
sistematizaciones parece aún más formidable si se consideran los argumentos no deductivos " y en parte por
esta razón Kitcher respalda la opinión de que "en cierto sentido, toda explicación es deductiva " ( p.448) .
¿Cuál es el papel de la causalidad en esta cuenta? Kitcher afirma que "el 'porque' de la causalidad siempre se
deriva del 'debido' a la explicación" (1989, p. 477). Es decir, nuestros juicios causales simplemente reflejan
las relaciones explicativas que caen de nuestros intentos (o los de nuestros antepasados intelectuales) de
construir teorías unificadas de la naturaleza. No hay un orden causal independiente más allá de esto que
nuestras explicaciones deben capturar. Al igual que muchos otros filósofos, Kitcher se toma muy en serio,
incluso si al final no respalda por completo, el empirista estándar o las preocupaciones de Humean sobre la
accesibilidad epistémica y la inteligibilidad de las afirmaciones causales. Tomar las nociones causales,
contrafácticas u otras que pertenecen a la misma familia como primitivas en la teoría de la explicación es
problemático. Kitcher cree que es una virtud de su teoría que no hace esto. En cambio, Kitcher propone
comenzar con la noción de unificación explicativa, caracterizada en términos de restricciones en las
sistematizaciones deductivas, donde estas restricciones pueden especificarse de una manera bastante general
que es independiente de las nociones causales o contrafácticas, y luego mostrar cómo las afirmaciones
causales aceptar derivar de nuestros esfuerzos de unificación.
5.3 Las ilustraciones criticadas

Como se señaló al comienzo de esta sección, la idea de que la explicación está relacionada de alguna
manera con la unificación es intuitivamente atractiva. No obstante, la forma particular de Kitcher de cobrar
esta conexión parece problemática. Considere el tratamiento de Kitcher del ejemplo de asta de bandera. Esto
depende en gran medida de la verdad contingente de que algunos objetos no proyectan suficientes sombras
para recuperar todas sus dimensiones. Pero parece ser parte no solo del sentido común, sino de la teoría
física actualmente aceptada de que sería inapropiado recurrir a hechos sobre las sombras proyectadas por los
objetos para explicar sus dimensiones incluso en un mundo en el que todos los objetos proyectan suficientes
sombras que todos Sus dimensiones podrían ser recuperadas. No está claro cómo la cuenta de Kitcher puede
recuperar este juicio.
El asunto se vuelve más claro si enfocamos nuestra atención en un ejemplo variante en el cual, a diferencia
del ejemplo en la sombra, claramente hay tantas derivaciones hacia atrás de efectos a causas como
derivaciones de causas a efectos. Considere, siguiendo a Barnes (1992), una teoría simétrica en el tiempo
como la mecánica newtoniana, aplicada a un sistema cerrado como el sistema solar. Llame derivaciones del
estado de movimiento de los planetas en algún momento futuro t t a partir de información sobre sus
posiciones actuales (en el tiempo t 0 t0 ), masas y velocidades, las fuerzas que inciden en ellos en t 0 t0 y las
leyes de la mecánica predictiva . Ahora contraste tales derivaciones con derivaciones retrodictivas en las
que los movimientos actuales de los planetas se derivan de la información sobre sus velocidades y
posiciones futuras en t t , las fuerzas operativas en t t , y así sucesivamente. Parece que habrá tantas
derivaciones retrodictivas como derivaciones predictivas, y cada una requerirá premisas exactamente del
mismo tipo general: información sobre posiciones, velocidades, masas, etc. y las mismas leyes. Por lo tanto,
el patrón o patrones instanciados por las derivaciones retrodictivas se ven exactamente tan unificados como
el patrón o patrones asociados con las derivaciones predictivas. Sin embargo, normalmente pensamos en las
derivaciones predictivas y no en las derivaciones retrodictivas como explicativas y el estado presente de los
planetas como la causa de su estado futuro y no al revés. De nuevo, está lejos de ser obvio cómo las
consideraciones que tienen que ver con la unificación podrían generar una asimetría tan explicativa.
Una posible respuesta a este segundo ejemplo es morder la bala y argumentar que desde el punto de vista de
la física fundamental, realmente no hay diferencia en la importancia explicativa de las derivaciones
retrodictivas y predictivas, y que es una virtud, no una virtud. defecto, del enfoque unificacionista que
reproduce este juicio. Sea lo que sea que se diga a favor de esta respuesta, no es de Kitcher. Su afirmación
es que nuestros juicios ordinarios sobre las asimetrías causales pueden derivarse de la explicación
unificacionista. El ejemplo que acabamos de describir arroja dudas sobre esta afirmación. En términos más
generales, arroja dudas sobre la afirmación de Kitcher de que uno puede comenzar con la noción de
unificación explicativa, entendida de una manera que no presupone nociones causales, y usarla para derivar
el contenido de juicios causales.
5.4 La heterogeneidad de la unificación

Esta conclusión se ve reforzada por una consideración más general: la unificación, como figura en la
[17 ]
ciencia, es una noción bastante heterogénea, que abarca muchos tipos diferentes de logros. Algunos tipos
de unificación consisten en la creación de un esquema clasificatorio común o vocabulario descriptivo donde
antes no existía un esquema satisfactorio, como cuando los primeros investigadores como Linneo
construyeron sistemas integrales y de principios de clasificación biológica. Otro tipo de unificación implica
la creación de un marco matemático común o formalismo que se puede aplicar a muchos tipos diferentes de
fenómenos, como cuando los sistemas de ecuaciones ideados por Lagrange y Hamilton se desarrollaron por
primera vez en relación con la mecánica y luego se aplicaron a dominios como el electromagnetismo. y
termodinámica. Aún otros casos involucran lo que podría describirse como unificación física genuina,
donde los fenómenos previamente considerados como de causas o explicaciones bastante diferentes se
muestran como el resultado de un conjunto común de mecanismos o relaciones causales. La demostración
de Newton de que las órbitas de los planetas y el comportamiento de los objetos terrestres que caen
libremente cerca de la superficie de la Tierra se deben a la misma fuerza de gravedad y se ajustan a las
mismas leyes del movimiento fue una unificación física en este sentido.
De estos tres tipos de actividades, solo el tercero, la unificación física, parece tener mucho que ver
intuitivamente con la explicación, al menos si pensamos que la explicación implica la cita de relaciones
causales. En particular, dependiendo de los detalles del caso, el tipo de unificación asociada con la adopción
de un esquema clasificatorio puede decirnos poco sobre las relaciones causales. Además, como los estudios
históricos han dejado en claro, un punto similar es válido para la unificación formal o matemática: el hecho
de que podamos construir un marco matemático común para tratar una gama de fenómenos diferentes no
asegura de ninguna manera automáticamente que hayamos identificado algún conjunto de factores causales
comunes responsables de esos fenómenos, es decir, que hemos producido una explicación física unificada
de ellos. Por ejemplo, el simple hecho de que podamos describir tanto el comportamiento de un sistema de
masas gravitantes como el funcionamiento de un circuito eléctrico mediante las ecuaciones de Lagrange no
significa que hayamos logrado una explicación común del comportamiento de ambos o que tengamos
Gravitación "unificada" y electricidad en cualquier sentido físicamente interesante.
Estas consideraciones plantean la siguiente pregunta: ¿La explicación de Kitcher de la unificación es
suficientemente discriminatoria o matizada para distinguir esas unificaciones que tienen que ver con la
explicación de otros tipos de unificación? La preocupación es que no lo es. La concepción de la unificación
subyacente a la explicación de Kitcher parece estar en el fondo de la economía descriptiva o la compresión
de la información, derivando tanto de la menor cantidad de patrones de inferencia como sea posible.
Muchos casos de unificación clasificatoria y puramente formal que implican un marco matemático común
parecen encajar en esta caracterización. Considere esquemas para la clasificación biológica y esquemas para
la clasificación de objetos geológicos y astronómicos como rocas y estrellas. Si sé que los individuos
pertenecen a una determinada categoría clasificatoria (por ejemplo, X X s son mamíferos u osos polares),
puedo usar esta información para obtener una gran cantidad de sus otras propiedades ( X X s tienen columna
vertebral, corazones, nacen sus crías). vivo, etc.) y este es un patrón de inferencia que puede usarse
repetidamente para muchos tipos diferentes de X X s. Pero a pesar de la voluntad de algunos filósofos de
considerar tales derivaciones como explicativas, es una práctica científica común considerar tales esquemas
como "meramente descriptivos" y decirnos poco o nada acerca de las causas o mecanismos que explican por
[ 18 ]
qué X X tienen columna vertebral o corazón. .
Los numerosos procedimientos estadísticos (análisis factorial, análisis de conglomerados, técnicas de
escalamiento multidimensional) proporcionan otra ilustración del mismo punto general que permite resumir
o representar grandes cuerpos de información estadística de una manera económica y unificada y obtener
datos estadísticos más específicos. de un conjunto de suposiciones mucho más pequeño mediante el uso
repetido del mismo patrón de argumento. Por ejemplo, conociendo la "carga" de cada una de n n pruebas de
inteligencia en un solo factor común g g , se puede obtener un número mucho mayor ( n ( n −1) / 2) (n (n −
1) / 2) de conclusiones sobre correlaciones por pares entre estas pruebas. Una vez más, sin embargo, es
dudoso que por sí misma esta "unificación" nos diga algo sobre las causas del rendimiento en estas
pruebas.
5.5 La concepción del ganador-Take-All de la unificación

explicativa
Otra dificultad fundamental con el relato unificacionista se deriva de su dependencia de lo que podría
llamarse una concepción de unificación "el ganador se lleva todo". Por un lado, parece que cualquier
versión plausible de ese relato debe arrojar la conclusión de que las generalizaciones y teorías a veces
pueden ser explicativas con respecto a algún conjunto de fenómenos, aunque se conocen explicaciones más
[19 ]
unificadoras de esos fenómenos . Por ejemplo, la ley de Galileo se puede usar para explicar hechos sobre
el comportamiento de los cuerpos que caen, a pesar de que proporciona una explicación menos unificadora
que las leyes de la mecánica newtoniana y la teoría gravitacional, estas últimas son a su vez explicativas a
pesar de que las explicaciones que proporcionan son menos unificadas. que las proporcionadas por la
Relatividad general, las teorías de Coulomb y Ampere son explicativas a pesar de que las explicaciones que
proporcionan son menos unificadas que las explicaciones proporcionadas por la teoría de Maxwell, y así
sucesivamente. Si rechazamos esta idea, debemos adoptar la conclusión de que en cualquier dominio solo la
teoría más unificada que se conoce es explicativa en absoluto; todo lo demás no es explicativo. Llame a esto
la concepción ganadora de la unificación explicativa.
La concepción del ganador se lleva todo por la idea aparentemente muy natural, que uno pensaría que el
unificacionista desearía respaldar, que una explicación puede proporcionar menos unificación que alguna
alternativa y, por lo tanto, ser menos profunda o menos buena, pero aún así calificar como algo explicativo.
Sin embargo, el tratamiento de Kitcher de los problemas de irrelevancia explicativa y asimetría explicativa
parece requerir solo esta concepción. ¿Por qué no podemos apelar al hecho de que esta muestra particular de
sal ha sido hechizada para explicar por qué se disuelve? Según Kitcher, cualquier tienda explicativa que
contenga una generalización sobre la disolución de la sal hexagonal estará "menos unificada" que una tienda
explicativa competitiva según la cual la disolución de la sal se explica apelando a la generalización de que
toda la sal se disuelve en agua. Del mismo modo, la razón por la que no podemos explicar la altura de un
asta de bandera en términos de la longitud de su sombra es que las explicaciones de longitudes de objetos en
términos de hechos sobre sombras no pertenecen al "conjunto de explicaciones" que "colectivamente
proporciona lo mejor sistematización de nuestras creencias ”(1989, p. 430). Este análisis requiere
claramente la idea del ganador de que una explicación T 1 T1 que es menos satisfactoria desde el punto de
vista de la unificación que alguna alternativa competitiva T 2 T2 no es explicativa , en lugar de ser
simplemente menos explicativa que T 2 T2 . Si Kitcher rechazara al ganador, tome toda la idea y sostenga
que incluso si T 2 T2 está más unificado que T 1 T1 , no se deduce automáticamente que T 1 T1 no es
explicativo, entonces su solución a los problemas de irrelevancia explicativa y asimetría ya no estaría
disponible: su conclusión debería ser que una "explicación" de la falta de embarazo del Sr. Jones en
términos de su ingestión de píldoras anticonceptivas es realmente explicativa, aunque menos que la
explicación alternativa que invoca su género, y de manera similar para una derivación de la altura de un asta
de bandera de la longitud de su sombra.
Intuitivamente, el problema es que necesitamos una teoría de la explicación que capture varias posibilidades
diferentes. Por un lado, hay generalizaciones y explicaciones putativas asociadas (como la generalización
que relaciona la presión barométrica con la ocurrencia de tormentas y la generalización que relaciona el
hexadecimal de la sal a su disolución en agua) que no son explicativas en absoluto; caen por debajo del
umbral de la explicación. Por otro lado, por encima de este umbral hay algo más parecido a un continuo:
una generalización puede ser explicativa pero proporcionar explicaciones menos profundas o buenas que
alguna alternativa. Lo que acabamos de ver es que el relato unificacionista tiene dificultades para capturar
simultáneamente ambas posibilidades. O bien no hay un umbral (cada derivación es explicativa hasta cierto
punto y es solo que algunas derivaciones pertenecen a sistematizaciones que son menos unificadoras y, por
lo tanto, menos explicativas que otras) o no hay un continuo (solo las sistematizaciones más unificadoras
son explicativas).
5.6 La epistemología de la unificación

Recordemos que, según Kitcher, el conocimiento causal deriva de nuestros esfuerzos de unificación. Sin
embargo, como también reconoce Kitcher, es muy inverosímil que la mayoría de los individuos pasen
deliberadamente y conscientemente por el proceso de comparar las sistematizaciones deductivas
competidoras con respecto al número y la rigurosidad de los patrones y el número de conclusiones para
determinar cuál es el más unificador. Su respuesta a esta observación es sostener que la mayoría de las
personas adquieren conocimiento causal al absorber el "saber" de sus comunidades, donde este saber refleja
los esfuerzos sistemáticos previos de unificación. Él escribe que "nuestro conocimiento causal cotidiano se
basa en nuestra absorción temprana de la imagen teórica del mundo que nos ha legado nuestra tradición
científica" (1989, p. 469)
¿Cómo se supone que funciona esta sugerencia? Si bien es cierto que los seres humanos individuales
adquieren una cantidad sustancial de conocimiento causal por transmisión cultural, también es obvio que no
todo el conocimiento causal se adquiere de esta manera. Algunos conocimientos causales que los individuos
adquieren implican aprender de la experiencia. Además, a menos que estemos dispuestos a hacer
suposiciones extremadamente inverosímiles sobre la innatoidad de un gran número de creencias causales
específicas, el stock de conocimiento causal transmitido socialmente debe haberse adquirido inicialmente de
una manera en la que el aprendizaje de la experiencia desempeñara un papel importante. La pregunta que
surge entonces es cómo se supone que este proceso de aprendizaje a partir de la experiencia funciona desde
una perspectiva como la de Kitcher sobre la fuente de nuestro conocimiento causal. Si, como afirma
Kitcher, "la idea de que un individuo justifica los juicios causales que hace al reconocer los patrones de
argumento que mejor unifican sus creencias es claramente absurda" (1989, p. 436), lo que es ¿Qué ocurre a
nivel individual cuando las personas aprenden de la experiencia? Una posibilidad es que, aunque los
individuos no pasan conscientemente por el proceso de comparar el grado de unificación alcanzado por las
sistematizaciones alternativas cuando adquieren un nuevo conocimiento causal al aprender de la
experiencia, pasan por este proceso tácita o inconscientemente, tal vez debido a alguna disposición general
de La mente para buscar la unificación. Sin embargo, Kitcher no parece respaldar esta idea y no encaja muy
bien con su énfasis en la transmisión social de información causal. Además, parece que incluso la
unificación inconsciente requiere habilidades cognitivas muy sofisticadas (construcción y comparación de
diferentes sistematizaciones deductivas, etc.) que no es plausible atribuir a muchos aprendices causales,
como los niños pequeños.
Una interpretación natural de los pasajes citados anteriormente y otros en Kitcher (1989) es la siguiente: un
proceso social de comparar sistematizaciones alternativas de creencias y extraer sus consecuencias
deductivas ocurre a nivel comunitario, con grupos de personas discutiendo entre sí sobre qué Las
sistematizaciones deductivas generales unifican mejor las creencias de la comunidad en su conjunto. Las
creencias causales particulares se justifican a nivel comunitario al demostrar que son parte de la mejor
sistematización general de las creencias de la comunidad, y luego se transmiten de la comunidad común a
los individuos a través de un proceso de transmisión social.
Un problema obvio con esta imagen es que el proceso de justificación de toda la comunidad aún debe ser
llevado a cabo de alguna manera por actores individuales. Si, como parece ser el caso, hay muchas
sociedades que poseen una cantidad sustancial de conocimiento causal y explicativo, pero en el que nadie
posee un concepto explícito o claramente articulado de un argumento deductivamente válido o es muy hábil
para extraer las consecuencias deductivas de creencias o posee versiones explícitas de los conceptos de
Kitcher de número y rigurosidad de patrones de argumento, ¿cómo se supone que se forman exactamente las
creencias de la comunidad que reflejan el funcionamiento de estas nociones? Si, como admite Kitcher, es
psicológicamente poco realista suponer que los seres humanos individuales pasan deliberadamente y
conscientemente por el proceso de comparar sistematizaciones alternativas cuando adquieren creencias
causales a través de la experiencia, ¿por qué es más realista suponer que este proceso ocurre de alguna
[20 ]
manera? a través de las interacciones de actores individuales a nivel comunitario ?
Hay una segunda dificultad relacionada. Supongamos, por el bien del argumento, que es deseable tener un
sistema de creencias unificado en el sentido de Kitcher, ya sea porque la unificación está conectada a la
explicación y esta última es intrínsecamente valiosa o porque la unificación está conectada a otros objetivos
(por ejemplo, la confirmación) que son deseable. Todavía no es obvio por qué sería valioso tener un
conjunto de creencias que sean un subconjunto apropiado de las creencias que comprenden un sistema tan
unificado, que es lo que la mayoría de las personas parecen tener, dadas las opiniones de Kitcher sobre la
transmisión del conocimiento causal . Recordemos imagen básica de Kitcher: cuando adquiero la creencia
de que, por ejemplo, si la sal se hexed es causalmente irrelevante para determinar si se disuelve y que si se
coloca en el agua es causalmente relevante, adquiero un fragmento del conjunto de la comunidad
sistematización S S . Sin embargo, la adición de un fragmento de S S o incluso una serie de fragmentos de S
S a mi tienda creencia puede no resultar en mi tener un sistema de creencias que es unificada, o lo que
facilita objetivos epistémicos se asocian con la unificación. Por supuesto, si termino agregando todo o la
mayor parte de S S a mi tienda de creencias, tendré en ese punto un conjunto de creencias que está unificado
y que trae consigo todos los beneficios de la unificación. Pero, como Kitcher está de acuerdo, no es realista
suponer que la mayoría de las personas posee algo como la sistematización completa S S que mejor unifica
todas las creencias en su comunidad. Esto parece ser cierto, por ejemplo, de nuestra propia comunidad
epistémica, en la que el conocimiento, especialmente el conocimiento científico, está muy disperso entre un
pequeño grupo de expertos y en el que la mente de una sola persona (y aún menos la mente del miembro
típico) contiene o opera de acuerdo con la sistematización que mejor unifica las creencias de toda la
comunidad. Más en general, parece poco probable que las diferentes porciones B i Bi de la sistematización
comunidad S S que varios individuos i i adquirir por medio de la transmisión cultural será en cada caso
sistematizaciones altamente unificados. En resumen, es un problema importante con la historia de
transmisión cultural que es difícil ver cómo la unificación podría ser cognitiva o prácticamente valiosa a
menos que caracterice los sistemas de creencias de los individuos y no solo de la comunidad. Sin embargo,
tomar el tipo de unificación que Kitcher asocia con el conocimiento causal y explicativo para caracterizar
los sistemas de creencias individuales parece prima-facie psicológicamente poco realista. Esto no quiere
decir que no hay forma de dar sentido a la adquisición de conocimiento causal en la imagen unificacionista,
pero se necesita decir mucho más sobre cómo funciona esto.
Lecturas seleccionadas : La declaración más detallada de la posición de Kitcher se puede encontrar en
Kitcher, 1989. Salmon, 1989, pp. 94ff. contiene una discusión crítica de la versión de Friedman de la
explicación unificacionista de la explicación, pero termina defendiendo un "acercamiento" entre los
enfoques unificacionistas y el propio modelo mecánico causal de Salmon . Woodward, 2003, contiene
críticas adicionales de la versión de Kitcher del unificacionismo.
6. Teorías pragmáticas de explicación

6.1 Introducción
A pesar de sus muchas diferencias, los relatos de Hempel (centrados ahora solo en el modelo DN en lugar
del modelo IS ), Salmon, Kitcher y otros discutidos anteriormente comparten en gran medida una
concepción general común de lo que debería implicar el proyecto de construir una teoría de la explicación y
( en un grado considerable) qué criterios debe cumplir dicha teoría para que tenga éxito. Digamos que una
teoría de la explicación contiene elementos "pragmáticos" si (i) esos elementos requieren una referencia
irreducible a hechos sobre los intereses, creencias u otras características de la psicología de quienes
proporcionan o reciben la explicación y / o (ii) referencia irreducible al "contexto" en el que se produce la
explicación. (Para lo que esto significa, ver más abajo). Aunque los escritores discutidos anteriormente están
de acuerdo en que los elementos pragmáticos juegan algún papel en la actividad de dar y recibir
explicaciones, asumen que hay un núcleo no pragmático en la noción de explicación que es el tarea central
de una teoría de explicación para capturar. Es decir, se supone que esta noción central puede especificarse
de una manera que no requiera referencia a las características de la psicología de los explicadores o sus
audiencias y que pueda caracterizarse en términos de características que no son contextuales en el sentido de
que son lo suficientemente generales, abstractos y "estructurales" como para que podamos verlos en una
variedad de explicaciones con diferentes contenidos y en una variedad de contextos diferentes. A menudo,
pero no siempre, se afirma que muchos aspectos de estas características se pueden capturar formalmente, a
través de relaciones como implicación deductiva o relevancia estadística. Además, estos escritores ven el
objetivo de una teoría de la explicación, como capturar la noción de una explicación correcta , como en "la
(o una) explicación del efecto fotoeléctrico es tal y tal" en oposición a la noción de una explicación
considerado explicativo por una audiencia particular o no, un asunto que presumiblemente depende de
consideraciones tales como si la audiencia comprende los términos en los que se enmarca la explicación.
Finalmente, como se señaló en la Introducción a esta entrada, los escritores de esta tradición no han tenido
como objetivo capturar todas las diversas formas en que la palabra "explicación" se usa en inglés ordinario.
En cambio, se han centrado en una clase de ejemplos mucho más restringida en la que lo que interesa es
(algo así) explicar "por qué" ocurrió algún resultado o fenómeno general, en lugar de explicar, por ejemplo,
el significado de una palabra o cómo resolver Una ecuación diferencial. La motivación para esta restricción
es simplemente el juicio de que es más probable que surja una teoría interesante y no trivial si se restringe
su alcance de esta manera. Para facilitar la referencia, llamemos a esto la concepción "tradicional" de la
tarea de una teoría de la explicación.
Algunos o todos estos supuestos y objetivos se rechazan en forma pragmática o, como a veces también se
los llama explicaciones "contextuales" de explicación. Los primeros contribuyentes a este enfoque incluyen
a Michael Scriven (por ejemplo , 1962 ) y Sylvan Bromberger (por ejemplo, 1966), con declaraciones más
sistemáticas, debido a que van Fraassen (1980) y Achinstein (1983) aparecieron en la década de 1980. Dado
que no siempre está claro cuáles son los puntos de desacuerdo entre las cuentas pragmáticas y tradicionales,
algunas observaciones orientadoras sobre esto serán útiles antes de pasar a los detalles. Los defensores de
los enfoques pragmáticos de la explicación generalmente enfatizan el hecho de que si el suministro de un
determinado cuerpo de información a alguna audiencia produce comprensión o un sentido de inteligibilidad
o es apropiado o esclarecedor para esa audiencia depende del conocimiento de fondo y los intereses de los
miembros de la audiencia y de otros factores que tienen que ver con el contexto local. Por ejemplo, una
explicación de la desviación de la luz de las estrellas por el sol que atrae a las ecuaciones de campo de la
Relatividad general puede ser muy esclarecedora para un físico capacitado, pero ininteligible para el laico
debido a sus antecedentes. Factores de este tipo se agrupan como "pragmáticos" y su influencia se toma para
ilustrar al menos una forma en que las consideraciones pragmáticas entran en la noción de explicación.
Tomada en sí misma, la observación que acabamos de describir parece completamente indiscutible y no está
en conflicto con los enfoques de explicación que generalmente se consideran paradigmáticamente
tradicionales. De hecho , como se señaló anteriormente, escritores como Hempel y Salmon coinciden
explícitamente en que la explicación tiene una dimensión pragmática en el sentido que se acaba de describir;
de hecho, Hempel invoca el papel de los factores pragmáticos en varios puntos para abordar los
[21 ] [22 ]
contraejemplos prima facie del modelo DN . Esto sugiere que, a menudo al menos , lo que es distintivo
de los enfoques pragmáticos de la explicación no es solo la idea de que la explicación tiene una "dimensión
pragmática", sino más bien la afirmación adicional y mucho más fuerte de que el proyecto tradicional de
construir un modelo de explicación perseguido por Hempel y otros tiene sido poco exitosos (y tal vez está
obligado a no tener éxito) y que esto es así debido a factores pragmáticos o contextuales juegan un papel
central y no eliminable en la explicación de una manera que se resiste a la incorporación en los modelos de
tipo tradicional. Desde este punto de vista, gran parte de lo distintivo de las cuentas pragmáticas (incluidas
las cuentas de van Fraassen y Achinstein que se analizan a continuación) es su oposición a las cuentas
tradicionales y su diagnóstico de por qué las cuentas fallan: fallan porque omiten elementos pragmáticos o
contextuales. Será importante tener en cuenta este punto en lo que sigue porque existe una cierta tendencia
entre los defensores de las teorías pragmáticas a argumentar como si la superioridad de su enfoque se
estableciera simplemente por la observación de que la explicación tiene una dimensión pragmática; en
cambio, parece más apropiado pensar que el problema real es si los enfoques tradicionales son inadecuados
en principio debido a su descuido de la dimensión pragmática de la explicación.
Una segunda cuestión se refiere a una importante ambigüedad en la noción de "pragmático". Según una
comprensión natural de esta noción, una consideración pragmática es aquella que tiene que ver con la
utilidad o utilidad al servicio de algún objetivo relacionado con los intereses humanos, donde estos intereses
son en algún sentido relevantes "prácticos". Llame a esta noción "pragmático 1 ". En esta interpretación, el
modelo DN de Hempel podría caracterizarse correctamente como una teoría pragmática 1 (o que contiene
elementos pragmáticos 1 ) ya que vincula estrechamente la información explicativa con la provisión de
información que es útil para fines de predicción y predicción ciertamente califica como un objetivo
pragmático . Por razones similares, la teoría de la explicación de Woodward (2003) también podría contarse
como una teoría pragmática 1 , ya que conecta la explicación con la provisión de información que es útil para
la manipulación y el control, objetivos indudablemente útiles. Como sugieren estos ejemplos, modelos de
explicación que aspiran a metas tradicionales pueden ser pragmáticos 1 teorías.
Sin embargo, en el contexto de las teorías explicativas, la etiqueta "pragmático" suele sugerir un conjunto de
asociaciones algo diferente. En particular, "pragmático" se usa típicamente para caracterizar consideraciones
que tienen que ver con hechos sobre la psicología (intereses, creencias, etc.) de aquellos involucrados en
proporcionar o recibir explicaciones y / o caracterizar consideraciones que involucran el contexto local, a
menudo con la sugerencia que ambos conjuntos de consideraciones pueden variar en formas complejas e
idiosincrásicas que resisten la incorporación al tipo de teoría general que buscan los modelos tradicionales.
[23 ]
Llame a este conjunto de asociaciones "pragmático 2 ". Ni la teoría de Hempel ni la de Woodward es
pragmática 2 . En particular, como lo ilustra el ejemplo del modelo DN , el hecho de que una teoría sea
pragmática 1 en el sentido de que apela a hechos sobre objetivos generalmente compartidos por los seres
humanos (como la predicción) para ayudar a motivar un modelo de explicación no impedir el intento de
construir modelos de los objetivos tradicionales de explicación satisfactoria y no requiere compromiso con
la idea de que la explicación debe ser entendida como una pragmática 2 noción. Debemos tener cuidado de
distinguir estas dos formas diferentes de pensar acerca de la dimensión "pragmática" de la explicación.
Finalmente, como se enfatizó anteriormente, una preocupación por la pragmática de la explicación,
naturalmente, se conecta con un interés en la "psicología" de la explicación, y esto a su vez sugiere la
relevancia de los estudios empíricos de tipos de información que varios sujetos (personas comunes,
científicos) encontrar explicativo, tratar como proporcionar "comprensión", las distinciones que los sujetos
hacen entre explicaciones, etc. Aunque existe una creciente literatura en esta área, los defensores filosóficos
más prominentes de los enfoques pragmáticos de la explicación hasta ahora han tendido a no hacer uso de
ella. A este respecto, vale la pena señalar que esta literatura psicológica va mucho más allá de los truismos
encontrados en la discusión filosófica sobre diferentes personas que encuentran diferentes tipos de
información explicativa dependiendo de sus intereses. En particular, los psicólogos han estado muy
interesados en explorar características generales o patrones estructurales presentes en la información que
varios sujetos encuentran explicativa. Por ejemplo, Lombrozo (2010) encuentra evidencia de que los sujetos
prefieren explicaciones que apelen a relaciones que son relativamente estables (en el sentido de continuar
[24 ]
manteniéndose en circunstancias cambiantes ) y Lien y Cheng (2000) presentan evidencia de que en los
casos en que el explicando E E tiene un solo candidato causa C C , los sujetos prefieren niveles de
explicación / descripción causal que maximizan Δ p = Pr ( E ∣ C ) −Pr ( E ∣ no- C ) Δp = Pr (E ∣ C) −Pr (E ∣
no-C) .
Observe que en ambos casos se trata de relaciones o patrones del tipo que los relatos tradicionales de
explicación intentan capturar. Como muestran estos ejemplos, no hay incompatibilidad necesaria entre el
proyecto de tratar de formular una explicación explicativa que satisfaga los objetivos tradicionales y un
interés en la psicología de la explicación. Puede ser que los sujetos encuentren cierto tipo de información
explicativa o comprensiva, porque ciertas características estructurales del tipo que las cuentas tradicionales
intentan caracterizar están presentes en esa información; de hecho, esto es lo que sugieren los documentos
de Lombrozo y Lien y Cheng.
En el mismo sentido, también deberíamos distinguir el proyecto general de investigar la psicología empírica
de la explicación (que puede llevarse a cabo con una variedad de compromisos diferentes sobre la mejor
teoría de la explicación) de la afirmación más específica de que la caracterización de lo que es una relación
explicativa entre los explicadores y el explicativo debe darse en términos "psicológicos" en el sentido de
que esto requiere una referencia irreducible a hechos psicológicos sobre audiencias particulares, como los
caprichos de lo que les interesa. En general, si hay Las regularidades robustas que conectan características
estructurales u objetivas en los cuerpos de información con si esa información es considerada explicativa
por varios sujetos debe considerarse como una cuestión empírica y no como algo que se puede resolver
desde el sillón. Se podría ser cierto que no hay tales regularidades y que lo que la gente encuentra
explicativo o productivo de la comprensión varía enormemente, dependiendo de sus intereses y de otros
factores psicológicos, pero esto es algo que hay que demostrar, no asumido desde el principio de la
investigación .
6.2 Empirismo constructivo y la teoría pragmática de la explicación

Una de las explicaciones pragmáticas recientes más influyentes de la explicación está asociada con el
empirismo constructivo. Esta es la tesis, defendida por Bas van Fraassen en su libro de 1980, The Scientific
Image , de que el objetivo de la ciencia (o al menos la ciencia "pura") es la construcción de teorías que sean
"empíricamente adecuadas" (es decir, que rindan una descripción verdadera o correcta de observables) y no,
como suponen los realistas científicos, teorías que pretenden contar historias literalmente verdaderas sobre
inobservables. Relacionadamente, la "aceptación" de una teoría involucra solo la creencia de que es
empíricamente adecuada (van Fraassen, 1980, p. 12). La explicación de Van Fraassen de la explicación, que
se presenta en varios artículos y, más completamente, en el Capítulo Seis de su (1980) está destinada a
encajar con esta concepción general de la ciencia: es una concepción según la cual la explicación per se no
es una objetivo epistémico de la ciencia "pura" (la adecuación empírica es el único objetivo), sino más bien
una virtud "pragmática", que tiene que ver con la "aplicación" de la ciencia. (Tenga en cuenta que, en la
medida en que se considere que la aplicación de la ciencia es una cuestión “pragmática” (es decir,
pragmática 1 ) y la idea de que la explicación es pragmática a este respecto se utiliza para motivar la
adopción de una pragmática (pragmática 2). ) teoría de la explicación, tenemos una transición entre las dos
nociones de "pragmático" distinguidas anteriormente.) Debido a que la explicación es una virtud meramente
pragmática, una preocupación por la explicación no es algo que pueda exigir a los científicos ir más allá de
la creencia en la adecuación empírica de su teorías sobre la creencia en la verdad literal de las afirmaciones
sobre entidades no observables.
Según van Fraassen, las explicaciones son respuestas a las preguntas y aclarar la lógica de las preguntas es
fundamental para construir una teoría de la explicación. Las preguntas pueden tomar muchas formas
diferentes, pero cuando la pregunta de interés es una pregunta de "por qué", las consultas explicativas
generalmente tomarán la siguiente forma: una consulta sobre por qué algún explicativo P k Pk en lugar de
cualquiera de los miembros de un contraste X X (un conjunto de posibles alternativas a P k Pk ) obtenido.
Además, la pregunta supone una "relación de relevancia" R R. Una respuesta A A a esta pregunta tomará la
forma “ P k Pk en contraste con (el resto de) X X porque A A , donde A A tiene la relación de relevancia R
R a [ P k , X ] [Pk, X] ". Para usar el ejemplo de van Fraassen, considere "¿Por qué está deformado este
conductor?" Dependiendo del contexto, el contraste deseado podría tener que ver con, por ejemplo, por qué
este conductor en particular está deformado en contraste con algún otro conductor que no esté deformado o,
alternativamente, podría tiene que ver con por qué este conductor en particular está deformado ahora cuando
anteriormente no estaba deformado. La relación de relevancia R R también depende del contexto y la

información que el interlocutor está interesado en obtener. Por ejemplo, R R podría involucrar información
causal (la pregunta podría ser una solicitud de la causa de la deformación) pero también podría tener que ver
con información sobre la función, si el contexto era uno en el que se suponía que la forma del conductor
juega un papel funcional en una central eléctrica que el interlocutor quiere saber. Por lo tanto “contexto”
entra en la explicación tanto por jugar un papel en la especificación de la clase de contraste X X y la
relevancia relación R R . van Fraassen describe varias reglas para la "evaluación" de las respuestas. Por
ejemplo, P k Pk y A A deben ser verdaderos, los otros miembros de la clase de contraste no deben ser
verdaderos, A A debe "favorecer" (aumentar la probabilidad condicional de) P k Pk frente a las alternativas,
y A A debe compararse favorablemente con otras respuestas a la misma pregunta, una condición que en sí
misma tiene varios aspectos que incluyen, por ejemplo, si A A favorece el tema más que estas otras
respuestas y si A A está excluido por otras respuestas. Sin embargo, también deja en claro (como sugiere el
ejemplo anterior) que una variedad de relaciones de relevancia diferentes pueden ser apropiadas
dependiendo del contexto y que la evaluación de las respuestas también depende del contexto. Además,
niega explícitamente que haya algo distintivo en la categoría de explicación científica que tenga que ver con
su estructura o forma; en cambio, una explicación científica es simplemente una explicación que hace uso
de información que es (o al menos es tratada como ) basado en una teoría
"científica".
Van Fraassen resume su punto de vista de la explicación (y hace gestos ante sus motivos para rechazar los
enfoques objetivistas) de la siguiente manera
La discusión de la explicación salió mal al principio cuando la explicación fue concebida como una relación
como la descripción: una relación entre una teoría y un hecho. Realmente, es una relación de tres términos
entre teoría, hecho y contexto. ¡No es de extrañar que ninguna relación única entre teoría y realidad haya
logrado ajustarse a más de unos pocos ejemplos! Ser una explicación es esencialmente relativo para una
explicación es una respuesta ... se evalúa frente a una pregunta, que es una solicitud de información. Pero
exactamente ... lo que se solicita difiere de un contexto a otro. (1980, p. 156)
Van Fraassen comienza su capítulo de explicación con una breve historia que proporciona un buen punto de
entrada sobre cómo pretende que funcione su cuenta. Recuerde de la sección 2.5 que un contraejemplo bien
conocido del modelo DN implica la afirmación de que uno puede explicar la longitud S S de la sombra
proyectada por un asta de bandera en términos de la altura H H del asta de bandera pero que
(supuestamente) no se puede explicar H H en términos de S S , a pesar del hecho de que se puede construir
un DN derivación de S S a H H . Esto se toma comúnmente para mostrar que el modelo de DN ha dejado de
lado algún factor relacionado con las características direccionales o asimétricas de la explicación, por
ejemplo, tal vez una asimetría en la relación entre causa y efecto que debería incorporarse al modelo de
explicación. En la historia de van Fraassen, se ofrece primero una explicación causal directa del tipo
habitual de S S en términos de H H (aunque el objeto en cuestión es una torre en lugar de un asta de
bandera). Luego se avanza una segunda explicación, según la cual la altura de la torre se "explica" por el
hecho de que fue diseñada para proyectar una sombra de cierta longitud. Presumiblemente, la moraleja que
debemos extraer es que a medida que el contexto y tal vez la relación de relevancia R R varían,
ambos
H explica S H explica S
y
S explica H S explica H
son explicaciones aceptables (legítimas, apropiadas, etc.). Además, dado que estas variaciones en el
contexto y la relación de relevancia activan variaciones en lo que es de interés para el explicador y su
audiencia, se nos alienta a concluir que las asimetrías explicativas tienen su origen en hechos psicológicos
sobre los intereses y las creencias de fondo de las personas, más que en , digamos, alguna asimetría que
existe en la naturaleza independientemente de estos. Los pragmáticos sobre la explicación piensan que una
conclusión similar es válida para otras características de la relación de relevancia explicativa que los
filósofos han tratado de caracterizar en términos de modelos tradicionales de explicación.
Una respuesta obvia a esta afirmación, hecha por varios críticos (por ejemplo, Kitcher y Salmon, 1987, p.
317), es que el ejemplo no involucra realmente un caso en el que, dependiendo del contexto, H H explique
causalmente S S y S S causalmente explica H H . En cambio, aunque H H explica causalmente en S S , es
(algo así como) el deseo de una sombra de longitud S S (en lugar de S S ) lo que explica (o al menos explica
causalmente) la altura (o la elección de altura) para la torre. O, si se prefiere, en el último caso se nos da
algo así como una explicación funcional (pero no una explicación causal) para la altura de la torre, en el
sentido de que se nos dice cuál es la función prevista de esa elección de altura. En cualquiera de estos
diagnósticos, este no será un caso en el que si H H proporciona una explicación causal de S S o si en cambio
S S proporciona una explicación causal de H H cambia dependiendo de los factores que tienen que ver con
los intereses del hablante o audiencia u otros factores contextuales. Si es así, la historia sobre la torre no
muestra que la asimetría presente en el ejemplo del asta de la bandera debe tenerse en cuenta en términos de
factores pragmáticos. Puede contabilizarse de alguna otra manera. De hecho, aunque la discusión debe estar
más allá del alcance de este ensayo, se han propuesto una serie de posibles candidatos para una explicación
no pragmática de las asimetrías causales, tanto en filosofía como fuera de ella (por ejemplo, en la literatura
de aprendizaje automático) . Estos candidatos incluyen asimetrías en la conectividad causal del tipo descrito
en Hausman (1998), asimetrías estadísticas de varios tipos (p. Ej., Spirtes, Glymour y Scheines, 2000) y
asimetrías en la dependencia informativa (p. Ej., Janzing, 2012 ). Todas estas propuestas pueden estar
equivocadas, pero es difícil ver cómo se muestra que están equivocadas solo por el tipo de observaciones
adelantadas por van Fraassen en la historia de la torre y la sombra. En lugar mostrando que están
[ 25 ]
equivocados requeriría críticas detalladas de la propuesta a sí mismos .
Salmon y Kitcher (1987) han presentado una crítica mucho más general contra la versión de van Fraassen de
una teoría pragmática. Básicamente, su queja es que la relación de relevancia R R en la cuenta de van
Fraassen es completamente ilimitada, con la consecuencia (lo que consideran obviamente inaceptable) de
que para cualquier par de proposiciones verdaderas P P y A A , la respuesta A A es relevante para P P a
través de alguna relevancia relación y por lo tanto “explica” P P . Por ejemplo, de acuerdo con salmón y
Kitcher, podríamos definir una relación de “influencia astral” R * R * , que cumplan requisitos de van
Fraassen por ser una relación relevancia, tal que el tiempo t t de la muerte de una persona se explica en
términos de R ∗ R ∗ y la posición de varios cuerpos celestes en t t . Aquí puede parecer que van Fraassen
tiene una respuesta inmediata. Como se señaló anteriormente, desde el punto de vista de van Fraassen, el
conocimiento previo y, en el caso de la explicación científica, el conocimiento científico actual, ayuda a
determinar cuáles son las relaciones de relevancia aceptables y las respuestas aceptables a las preguntas
planteadas en las solicitudes de explicación, tales conocimientos y las expectativas. que lo acompañan son
parte del contexto relevante cuando se solicita una explicación de la hora de la muerte. Obviamente, la
influencia astral no es una relación de relevancia aceptable o legítima según la ciencia moderna; por lo
tanto, la apelación a dicha relación no se considera explicativa por la teoría de Van Fraassen. En términos
más generales, se podría argumentar que el conocimiento científico disponible proporcionará restricciones
sobre las relaciones de relevancia y las respuestas que excluyen la preocupación de "todo vale" planteada
por Salmon y Kitcher, al menos en la medida en que el contexto es uno en el que se busca una "explicación
científica" .
Si bien esta respuesta puede parecer lo suficientemente plausible en la medida en que llega, resalta la
medida en que gran parte del trabajo de distinguir lo explicativo de lo no explicativo en la cuenta de Van
Fraassen proviene de una apelación muy general a lo que se acepta como legítimo. información de
antecedentes en la ciencia actual. Dicho de otra manera, esto genera la preocupación de que una vez que uno
va más allá de la maquinaria formal de van Fraassen con respecto a las preguntas y respuestas (que el
mismo Van Fraassen reconoce es relativamente poco restrictivo), uno se queda con una cuenta según la cual
una explicación científica es simplemente cualquier explicación que emplee afirmaciones de ciencia actual y
una relación de relevancia actualmente aprobada científicamente. Incluso si de otra manera es inaceptable,
esta propuesta es, si no exactamente trivial, al menos bastante deflacionaria: proporciona mucho menos de
lo que muchos esperaban de una teoría explicativa. En particular, en los casos (de los cuales hay muchos
ejemplos) en los que hay una discusión o disputa en curso en alguna área de la ciencia, no sobre si alguna
teoría o modelo propuesto es cierto, sino sobre si explica algún fenómeno, no es fácil para ver cómo la
propuesta incluso pretende proporcionar orientación. Por otro lado, la réplica obvia que podría hacerse en
nombre de van Fraassen es que no habrá un tratamiento más ambicioso que satisfaga las expectativas
asociadas con explicaciones más tradicionales (incluida una demarcación de las explicaciones de los
candidatos en las que son "correctas" y " incorrecto ") es posible: una teoría como la de Van Fraassen es tan
buena como parece. Si no hay una teoría de explicación defendible que incorpore una relación de relevancia
no trivialmente restrictiva, no puede ser una buena crítica de la teoría de Van Fraassen de que no
[26 ]
proporciona esto .
Entonces, al menos desde la perspectiva de Van Fraassen, los modelos tradicionales no están en una mejor
posición que la suya para proporcionar dicha orientación.
Un último punto sugerido por la teoría de van Fraassen es este. Al considerar las teorías pragmáticas, es
muy importante exactamente dónde se afirma que los elementos "pragmáticos" entran en la explicación. Un
punto en el que tales consideraciones parecen entrar claramente es en la selección o caracterización de lo
que una audiencia quiere que se explique. Esto se refleja en la teoría de van Fraassen en la elección de un P
k Pk y un contraste asociado clase X X . Obviamente, si estamos buscando una explicación de por qué, por
ejemplo, este conductor en particular ahora está doblado cuando anteriormente era recto o si en cambio
queremos saber por qué este conductor está doblado mientras que otro conductor es recto es un asunto que
depende de nuestro intereses. Sin embargo, este tipo particular de "relatividad de intereses" (y los
fenómenos asociados que tienen que ver con el papel del enfoque contrastivo en la caracterización de
explicando, que realmente solo sirven para especificar más exactamente qué explicando en particular
[ 27
queremos que se explique) parece algo que puede ser fácilmente reconocido por las teorías tradicionales
]
. Después de todo, no es una amenaza para el DN u otros modelos con aspiraciones tradicionales similares
que una audiencia pueda estar interesada en una explicación del efecto fotoeléctrico pero no la desviación
de la luz de las estrellas por el sol y otra audiencia pueda tener los intereses opuestos. Lo que sería una
amenaza para el DN modelos similares y sería un argumento que una vez que algunos explanandum E E
está completamente especificado, ya sea explanans M M explica E E (es decir, si existe una relación
explicativa entre H H y E E ) es en sí "relativo a los intereses". Es natural interpretar que Van Fraassen hace
esta última afirmación, tanto en relación con las asimetrías explicativas como en general.
6.3 Explicación como acto illocucionario

Otra explicación pragmática muy influyente de la explicación se centra en el acto de explicar y trata esto
como un acto ilocucionario, en el sentido en que esa noción se usa en la teoría del acto del habla. La
declaración más sistemática de este enfoque se debe a Peter Achinstein (ver especialmente, Achinstein,
1983). Al igual que muchos otros teóricos pragmáticos, Achinstein está interesado en capturar una noción
muy amplia de explicación, que incluye no solo explicaciones causales (y no solo respuestas a preguntas de
por qué), sino nociones tales como explicar el significado de la palabra, las reglas del ajedrez, la función de
alguna estructura biológica, etc. Su relato es demasiado complejo para describirlo con todo detalle; todo lo
que se puede intentar aquí es un bosquejo muy aproximado,
El punto de partida de Achinstein es lo que implica que alguien explique algo a otro. Según Achinstein, en
tales episodios la intención de la persona que hace la explicación es crucial: en particular, al explicar el
explicador debe tener la intención de hacer algo (aproximadamente, un cierto tipo de pregunta indirecta q q
corresponde al algo explicado) "comprensible ". Una explicación (entendida como el producto de un acto
explicativo) se define como un par ordenado, "uno de cuyos miembros es un tipo de acto que explica q q
[como arriba] ... y cuyo otro miembro es una proposición que proporciona una respuesta a la pregunta q q .
”(2010, p. xi). Por ejemplo, la explicación de Newton de por qué ocurren las mareas está representada por el
par ordenado: (Las mareas ocurren debido a la atracción gravitacional de la luna: explicando por qué
ocurren las mareas). Achinstein distingue entre explicaciones "correctas" y "buenas". "Una explicación
correcta es aquella en la que el miembro proposicional del par ordenado es verdadero" (2010, xi). Sin
embargo, una explicación correcta puede no ser buena porque, por ejemplo, es inapropiada de varias
maneras para las habilidades e intereses de la audiencia a la que se dirige. La noción de una buena
explicación se caracteriza además en términos de un conjunto de instrucciones para la construcción de la
explicación, donde estas instrucciones son sensibles a los intereses, creencias, etc. de la audiencia. Dichas
instrucciones pueden especificar, por ejemplo, que se busca una explicación causal en lugar de algún otro
tipo de explicación o que la explicación buscada debe hacer referencia a las microentidades. Una
característica muy importante de la posición "pragmática" de Achinstein es que no existe un conjunto único
de instrucciones universales que sea apropiado para todos los públicos y contextos, ya sea en la ciencia o en
otros lugares. Por lo tanto, las cuentas tradicionales que pretenden proporcionar tales instrucciones son (a
este respecto) erróneas. Achinstein escribe
Ahora déjame ofrecerte una conjetura. Supongamos que, siguiendo los pasos de Hempel y Salmon, usted
formula un conjunto de criterios objetivos y no pragmáticos que cree que todas las explicaciones científicas
deben satisfacer para ser altamente evaluados. Estos criterios serán universales en el sentido de que no
variarán de una explicación a la siguiente, sino que serán aplicables a todas las explicaciones científicas.
También son universales en el sentido de que no deben incorporar suposiciones o presupuestos empíricos
específicos que los científicos puedan hacer en un campo o contexto, pero no en otro. Por lo tanto, podrían
incluir el uso de leyes, factores causales e hipótesis cuantitativas, la satisfacción de algún criterio de
unificación o simplicidad, etc. Mi conjetura es que sea cual sea el conjunto de criterios objetivos, no
pragmáticos y universales que propongas, podrás encontrar o construir contraejemplos, pero como un
conjunto de condiciones necesarias y un conjunto de condiciones suficientes. (2010, p. 137)
Achinstein ilustra esta afirmación con referencia a la explicación de Rutherford de 1911 sobre la dispersión
de partículas alfa. La explicación de Rutherford recurrió a suposiciones sobre la estructura atómica, en
particular, que la carga positiva de un átomo se concentra en su núcleo cuyo volumen es pequeño en
comparación con el volumen total del átomo, para derivar una expresión cuantitativa de la magnitud de la
dispersión en varios anglos. Según Achinstein, otras explicaciones competitivas (p. Ej., Una explicación que
acaba de dar la expresión cuantitativa que rige la dispersión pero que no conecta esto con las afirmaciones
sobre la estructura atómica) puede satisfacer los diversos criterios tradicionales de bondad explicativa
encontrados en la literatura de filosofía de la ciencia (tales explicaciones puede tener una estructura de DN ,
describir causas, ser unificador, etc.) pero no obstante será menos bueno que el de Rutherford. La
explicación de Rutherford es buena (o tan buena como es) porque proporciona una explicación "en el nivel
subatómico de la materia de una manera que los físicos de la época estaban interesados en explicar la
dispersión " (2010, p. 136, cursiva en el original). En otras palabras, para explicar los aspectos en los que la
explicación de Rutherford es buena (o mejor que la de los competidores), debemos hacer una referencia
irreductible a los intereses de los físicos en ese momento. En este sentido, la explicación de Achinstein de
"buena explicación" es, como él dice, "fuertemente pragmática". Su "conjetura" captura muy bien gran parte
(aunque quizás no todo ) de lo que está en juego entre explicaciones pragmáticas y tradicionales, no
puramente no pragmáticas. La cuestión central es si uno puede capturar los aspectos en los que la
explicación de Rutherford es mejor que las alternativas en términos de una relación explicativa que puede
especificarse independientemente de los intereses de (y quizás otros hechos psicológicos relacionados con)
audiencias particulares y también independientemente de un contexto irreductiblemente "contextual
"Hechos (como la afirmación de que en este caso una buena explicación requiere referencia al nivel
subatómico, pero no hay nada más general que decir, independientemente de los hechos sobre los intereses
de las personas, sobre por qué las explicaciones a este nivel son preferibles). Un argumento convincente
para la segunda alternativa presumiblemente necesitaría (al menos) examinar las cuentas tradicionales
existentes y demostrar que no tienen éxito. Este es un proyecto que Achinstein emprende en su (1983 ),
como era de esperar, los juicios sobre si él hace el caso por el fracaso de las cuentas objetivistas difieren.
6.4 Reflexiones finales sobre teorías pragmáticas

Hasta ahora hemos tratado las cuentas "pragmáticas" y "tradicionales" como posibilidades diametralmente
opuestas. Esto corresponde a cómo se presentan estas cuentas, tanto por sus defensores como por sus
detractores. Sin embargo, vale la pena (y proporciona información adicional sobre ambos enfoques)
considerar la posibilidad de que algunas de las ideas asociadas con cada una puedan combinarse, ampliando
así el espacio de posibles enfoques para la explicación. Primero, podemos distinguir la afirmación de que la
explicación tiene elementos irreductiblemente "contextuales" de la afirmación de que estos elementos
contextuales deben entenderse en términos de hechos sobre la psicología (intereses, etc.) de las partes en la
explicación. Una posibilidad alternativa es que la explicación sea irreductiblemente contextual, pero que
estos elementos contextuales deben entenderse de manera no psicológica, más o menos en términos del
papel de hechos empíricos particulares en la explicación, donde la relevancia de estos hechos resiste la
captura por medio de los recursos empleados en el DN y otros modelos tradicionales (es decir, resiste la
captura en términos de relaciones, como implicación deductiva, relevancia estadística, etc.) El ejemplo de
Achinstein proporciona una posible ilustración de la explicación de la dispersión de partículas alfa en
términos de hechos sobre la estructura nuclear. Como se señaló anteriormente, el propio Achinstein piensa
que, en este caso, la bondad de la explicación depende del contexto porque depende de hechos psicológicos:
en particular, la bondad de la explicación refleja el hecho de que los físicos están particularmente
"interesados" en explicaciones atractivas para la energía nuclear. estructura. Una posibilidad alternativa es
que la explicación tenga elementos irreductiblemente "contextuales" en el sentido de que hay algo acerca de
los detalles empíricos de este caso particular que hace que los hechos sobre la estructura nuclear sean
explicativamente relevantes para la dispersión, pero donde esta relevancia no puede capturarse
completamente en términos de las características estructurales abstractas (criterios "objetivos", no
pragmáticos y universales de Achinstein) en los que se centran los modelos tradicionales de explicación. Por
lo tanto, esta posibilidad implica una noción no psicológica de "contextual" que contrasta con la idea de que
la relación explicativa puede especificarse de una manera "independiente del contenido". Para explicar esta
noción de independencia de contenido, considere el modelo DN . Este modelo es independiente del
contenido en el sentido de que afirma que, mientras exista una cierta relación estructural abstracta entre los
explanans ( C i , L i ) (Ci, Li) y el explanandum E E , no importa qué se complete específicamente para C i
Ci , L i Li y E E , la estructura resultante es una explicación. Un contextualista sobre la explicación en el
sentido no psicológico afirmaría en cambio que para cualquier candidato independiente del contenido para
la relación explicativa que especificamos (si esa especificación es en términos de relaciones deductivas o
probabilísticas o cualquier otra cosa similarmente formal y abstracta o con aspiraciones similares a la
universalidad) habrá ejemplos que ejemplifiquen esta estructura que sean explicativos y ejemplos que no lo
sean; en este sentido, el contenido particular que completamos para el candidato explica la importancia de si
tenemos una explicación.
Una analogía adicional puede ayudar a desarrollar esta idea. John Norton (p. Ej., De próxima publicación)
ha abogado en una serie de documentos lo que él llama una "teoría material de la inducción". Su opinión es
que la confiabilidad de varias inferencias inductivas depende de los supuestos empíricos ("materiales")
específicos asociados de una manera que impide la formulación de cualquier lógica universal de inducción;
no existe una forma universal de argumento inductivo que garantice la confiabilidad, independientemente
del contenido particular de eso entra en ese argumento. Sin embargo, no es parte del punto de vista de
Norton que el apoyo inductivo es de alguna manera un asunto subjetivo o relativo a los intereses, etc. de
audiencias particulares; son hechos empíricos de un tipo no psicológico (excepto, por supuesto, cuando las
relaciones de interés evidencial se refieren a psicología hipótesis) que sustentan las relaciones de evidencia.
Podríamos decir que, en su opinión, la inferencia inductiva es "contextual" en el sentido de que no es
independiente del contenido, pero que tampoco requiere una caracterización psicológica.
La posibilidad bajo consideración es que una afirmación similar podría ser cierta para la explicación. Quizás
sea cierto, por ejemplo, que para capturar los aspectos en los que la explicación de Rutherford es buena, es
necesario invocar, además del contenido relativamente general: requisitos independientes sobre la
unificación, derivabilidad de las leyes, etc., restricciones que tienen que ver con hechos materiales "locales"
más específicos sobre la estructura atómica, en el sentido de que nada contará como una explicación de la
dispersión alfa que no invoque tales hechos y que otras explicaciones con la misma forma que no invoquen
la estructura atómica no contarán como explicativas . Pero quizás estas limitaciones adicionales tienen que
ver con hechos sobre cómo es el mundo en lugar de, como sugiere Achinstein, hechos sobre lo que más
interesaba a los físicos de la época. Una visión de este tipo podría capturar (o conceder) algunas de las
afirmaciones realizado por enfoques pragmáticos sobre el papel de los elementos contextuales en la
explicación, pero evitaría algunas de las tendencias subjetivas o psicológicas en tales enfoques. Sería
"contextual" en el sentido de que la teoría material de inducción de Norton es contextual.
Un pensamiento estrechamente relacionado es que si uno se inclina a incorporar elementos contextuales en
la teoría de la explicación, queda una gama de posibilidades sobre cómo podrían combinarse con elementos
más universalistas. Como se sugirió anteriormente, en lugar de pensar en estos dos conjuntos de elementos
como simplemente opuestos entre sí, puede ser mejor pensar en términos de que los dos trabajan juntos de
manera sinérgica. Como ilustración, considere la noción de unificación. Puede ser que no podamos
proporcionar una caracterización adecuada de esta noción y su papel en la explicación en términos
puramente formales, completamente independientes del contenido, por ejemplo, en términos tales como
derivar muchas conclusiones de unos pocos supuestos básicos o reemplazar teorías con muchos parámetros
libres por teorías. que tienen solo unos pocos de esos parámetros. No obstante, puede ser cierto que una vez
que se utilizan restricciones locales empíricas o materiales para restringir la clase de teorías candidatas a
comparar con respecto a la unificación que logran, algo así como contar suposiciones básicas o número de
parámetros libres (o más plausiblemente algo en el mismo espíritu pero más sofisticado) proporciona
información útil sobre el grado de unificación alcanzado. Nuevamente, la analogía con las teorías del
razonamiento inductivo es sugerente. Ciertamente, no es el caso que todos los intentos de proporcionar
teorías formales o generales en esta área estén equivocados o condenados al fracaso; los diversos
tratamientos de inferencia estadística y aprendizaje automático son contraejemplos obvios a esta sugerencia.
Por otro lado, las teorías exitosas en esta área no son completamente universales o independientes del
contenido; en cambio, en muchos casos producen resultados que parecen razonables o normativamente
correctos en un cierto rango de aplicaciones o cuando se satisfacen ciertas condiciones de fondo empíricas,
pero no en otras situaciones. En otras palabras, tales teorías son sensibles al contexto y contienen elementos
que parecen objetivos y estructurales. Quizás algo así resulte ser cierto para la "explicación".
Las lecturas seleccionadas . van Fraassen (1980), especialmente el Capítulo Seis y Achinstein (1983) son
declaraciones clásicas de enfoques pragmáticos para la explicación. Estas cuentas pragmáticas se discuten y
critican en Salmon (1989). La cuenta de van Fraassen también se discute en Kitcher y Salmon (1987). De
Regt y Dieks (2005) es una defensa reciente de lo que los autores describen como una explicación
"contextual" de la comprensión científica y que aborda algunos de los temas en la literatura de "pragmática
de la explicación".
7. Conclusiones, temas abiertos y direcciones futuras

¿Qué podemos concluir de este recuento de algunos de los intentos recientes más prominentes para construir
modelos de explicación científica? ¿Qué asuntos importantes permanecen abiertos y cuáles son las
direcciones más prometedoras para el trabajo futuro? Por supuesto, cualquier esfuerzo en el inventario
reflejará un punto de vista particular, pero con esta advertencia en mente, varias observaciones parecen
plausibles, incluso si no son completamente indiscutibles.
7.1 El papel de la causalidad

El primero se refiere al papel de la información causal en la explicación científica. Es un juicio plausible,
[28 ]
aunque de ninguna manera inevitable . que muchas de las dificultades que enfrentan los modelos
descritos anteriormente se derivan de su dependencia de lo que parecen ser tratamientos inadecuados de
causalidad y relevancia causal. Los problemas de las asimetrías explicativas y la irrelevancia explicativa
descritas en la sección 2.5 parecen mostrar que la celebración de una ley (entendida como una regularidad)
entre C C y E E no es suficiente para que C C cause E E ; por lo tanto, no es una condición suficiente para C
C a la figura en una explicación de E E . Si el argumento de la sección 3.3 es correcto, el problema
fundamental con el modelo SR es que la información de relevancia estadística es insuficiente para capturar
completamente la información causal en el sentido de que diferentes estructuras causales pueden ser
consistentes con la misma información sobre las relaciones de relevancia estadística. De manera similar, el
modelo CM enfrenta la dificultad de que la información sobre los procesos e interacciones causales también
es insuficiente para capturar completamente las relaciones de relevancia causal y que hay una variedad de
casos en los que las relaciones causales se mantienen entre C C y E E (y, por lo tanto, en las que C C figuras
en una explicación de e e ), aunque no existe un proceso causal de conexión entre C C y e e . Finalmente, un
problema fundamental con los modelos unificacionistas es que el contenido de nuestros juicios causales no
parece caerse de nuestros esfuerzos de unificación, al menos cuando la unificación se entiende en la línea
que defiende Kitcher. Por ejemplo, como se discutió anteriormente, las consideraciones que tienen que ver
con la unificación no explican por sí mismas por qué es apropiado explicar los efectos en términos de sus
causas en lugar de viceversa.
Como mínimo, estas observaciones sugieren que el progreso en conexión con la "explicación científica"
puede requerir más atención a la noción de causalidad y una integración más exhaustiva de las discusiones
[29 ]
de explicación con la creciente literatura sobre causalidad, tanto dentro como fuera de la filosofía. Las
explicaciones contrafácticas de la causalidad pueden ser prometedoras a este respecto (cf. Woodward,
2003).
¿Significa esto que un enfoque en la causalidad debería reemplazar por completo el proyecto de desarrollar
modelos de explicación o que los filósofos deberían dejar de hablar de explicación y en su lugar hablar solo
de causalidad? A pesar de la centralidad de la causalidad en la explicación, es discutible que subsumir
completamente a este último en el primero pierde conexiones con algunos problemas importantes. Por un
lado, las afirmaciones causales en sí mismas parecen variar mucho en la medida en que son
explicativamente profundas o esclarecedoras. Las afirmaciones causales encontradas en la mecánica
newtoniana parecen más profundas o más satisfactorias desde el punto de vista de la explicación que las
afirmaciones causales de la variedad "la roca rompió la ventana". Por lo general, se supone que tales
diferencias están relacionadas con otras características, por ejemplo, cuán general, estable, coherente con el
conocimiento de fondo es una afirmación causal. Sin embargo, como hemos señalado, no todos los tipos de
generalidad, estabilidad, etc. parecen explicativamente relevantes (o relacionados con la bondad
explicativa). Entonces, incluso si uno se enfoca solo en la explicación causal, queda el importante proyecto
de tratar de entender mejor qué tipo de distinciones entre las afirmaciones causales son importantes para la
bondad en la explicación. En la medida en que esto sea así, los tipos de inquietudes que han animado los
tratamientos tradicionales de explicación no parecen ser enteramente subsumibles en relatos estándar de
causalidad.
También está la importante cuestión de si todas las formas legítimas de por qué la explicación son causales.
Por ejemplo, algunos escritores (por ejemplo, Nerlich, 1979) sostienen que existe una variedad de
explicaciones físicas que son "geométricas" en lugar de causales, en el sentido de que consisten en explicar
fenómenos apelando a la estructura del espacio-tiempo en lugar de a hechos sobre fuerzas o transferencia de
energía / momento. (Nerlich toma explicaciones causales en física que tienen que ver con esto último).
Según Nerlich, explicar la trayectoria seguida por una partícula libre al notar que sigue una geodésica en el
espacio-tiempo es una ilustración de una explicación geométrica más que causal. Una teoría de la
explicación realmente satisfactoria debería proporcionar una respuesta basada en principios a la pregunta de
si toda la explicación debe ser causal (y de acuerdo con qué noción de causal es así o no), en lugar de
simplemente asumir una respuesta afirmativa (o negativa) a esta pregunta. Nuevamente, en la medida en que
existan formas de explicación no causales, la explicación seguirá siendo un tema que es al menos algo
independiente de la causalidad.
7.2 Explicación y otras metas epistémicas

Noretta Koertge (1992) señaló que, aunque la literatura sobre la explicación es inmensa, comparativamente
poca atención se ha prestado, en la construcción de los diferentes modelos de la competencia de explicación,
a la cuestión de lo que se van a utilizar para la o cuál es su punto de mayor o El propósito es (aparte de
capturar "nuestra" noción de explicación). De manera similar, los escritores sobre explicaciones no siempre
han prestado la atención adecuada a cómo la explicación en sí misma está conectada o interactúa con (o es
distinta de) otras metas de investigación, por ejemplo, cuál es la conexión entre la bondad explicativa y otras
metas de investigación frecuentemente propuestas. como apoyo probatorio, predicción, control de la
naturaleza, simplicidad, etc. Un resultado es que a veces no está claro cómo evaluar la importancia de
nuestros juicios intuitivos sobre la bondad de varias explicaciones o determinar qué es lo que hace que
demos un juicio en lugar de otro. Por ejemplo, como hemos señalado, la mayoría de las personas juzga
intuitivamente que no se puede explicar la altura de un poste apelando a la longitud de su sombra.
Sin embargo, un defensor decidido del modelo DN (por ejemplo, Hempel, 1965, págs. 353–4) bien puede
preguntarse por qué deberíamos estar tan impresionados por tales juicios intuitivos. Tal vez nuestra
evaluación preanalítica esté confundida o equivocada de alguna manera o tal vez refleje consideraciones
meramente pragmáticas que no deberían tener lugar en la teoría de la explicación. Una forma de responder a
este escepticismo sería proporcionar una explicación sin preguntas sobre qué importancia se perdería o
dejaría de lado si no distinguiéramos entre explicaciones de longitudes de sombra en términos de alturas de
postes y "explicaciones" que se ejecutan en el direccion opuesta. (Tenga en cuenta que, en la medida en que
nos interese meramente la predicción, las dos inferencias parecen estar a la par. "No mendigar preguntas"
significa que no solo decimos que la altura causa la sombra y no al revés , pero que proporcionemos una
explicación más detallada de en qué consiste esta diferencia y por qué es importante.) Una posible respuesta
sería atractiva para el objetivo epistémico de tener información relevante para la manipulación y el control;
uno puede manipular la longitud de la sombra, entre otras cosas, manipulando la altura del poste pero no a la
inversa. Esta diferencia es real independientemente de las intuiciones de uno sobre la explicación en los dos
[ 30 ]
casos .
Independientemente de lo que uno piense acerca de esta respuesta en particular, el punto más general es que
una forma de avanzar en la evaluación de modelos competitivos de explicación es centrarse menos (o no
solo) en si capturan nuestros juicios intuitivos y más en el tema de si y por qué el tipo de información que
requieren es valioso (y alcanzable) y cómo esta información se relaciona con otros objetivos que valoramos
en la investigación.
Como otra ilustración, considere el modelo CM . Es probable que subyazca a este modelo un cierto juicio en
el sentido de que rastrear los procesos causales y sus interacciones es un objetivo digno de investigación.
Ahora, por supuesto, uno podría tratar de defender este juicio simplemente afirmando que la identificación
de las causas es un objetivo importante y que las teorías del proceso causal dan la explicación correcta de la
causa. Pero una forma de proceder más esclarecedora y menos cuestionadora sería preguntar cómo se
relaciona este objetivo con otros valores epistémicos. Por ejemplo, ¿cuál es la conexión entre el objetivo de
identificar procesos causales y construir teorías unificadas? ¿O entre la identificación de procesos causales y
el descubrimiento de información relevante para la predicción o la manipulación y el control ? ¿Son estos
los mismos objetivos? ¿Metas independientes pero complementarias? ¿Objetivos competitivos en el sentido
de que la satisfacción de uno puede dificultar la satisfacción del otro? Obviamente, uno puede hacer
preguntas similares sobre el objetivo de la unificación.
La necesidad de tratamientos de explicación que relacionen esta noción más adecuadamente con otros
conceptos y objetivos es particularmente relevante en relación con el papel de las leyes en la explicación,
que es otro tema en la agenda para el trabajo futuro en esta área. El relato de las leyes que muchos filósofos
consideran actualmente más prometedor es la teoría de Mill-Ramsey-Lewis ( MRL ). Según esta teoría, las
leyes son aquellas generalizaciones que figuran como axiomas o teoremas en la sistematización deductiva
de nuestro conocimiento empírico que logra la mejor combinación de simplicidad y fuerza (donde la fuerza
[31 ]
tiene que ver con el rango de verdades empíricas que son deducibles ) . Es natural conectar esta
concepción de las leyes con enfoques unificacionistas de la explicación: si las leyes son generalizaciones
que juegan un papel central en el logro de las sistematizaciones deductivas simples (y presumiblemente
unificadas), entonces al apelar a las leyes en explicación, logramos la unificación explicativa: esto hace que
[32 ]
sea inteligible por qué es deseable que las explicaciones invoquen leyes . Si se pudiera hacer funcionar
una cuenta en este sentido, tendríamos una especie de historia integrada sobre leyes y explicaciones que en
gran parte falta en la cuenta de DN , una historia sobre qué leyes están directamente relacionadas con una
idea sobre el punto de explicación . Por supuesto, siguen existiendo problemas reales (algunos de los cuales
se discutieron anteriormente) con la explicación unificacionista de la explicación y, para el caso, con la
[ 33 ]
teoría de las leyes de LMR , pero la cuenta integrada que resultaría de unir los dos, sin embargo, podría
tomarse para ilustrar el tipo de cosas a las que deberíamos apuntar.
7.3 ¿Un modelo único de explicación?

Otra cuestión general se refiere a la medida en que es posible construir un modelo único de explicación que
se ajuste a todas las áreas de la ciencia. Es indiscutible que la práctica, lo que se explica es aceptado como
una explicación, ¿cómo se explica por objetivos interactuar con los demás, qué tipo de información
explicativa se cree que es alcanzable, sean detectables comprobable etc .- varía de manera significativa a
través de diferentes disciplinas. No obstante, todos los modelos de explicación analizados anteriormente son
de aspiración "universalista": afirman que un modelo único de explicación de "talla única" se ajusta a todas
las áreas de investigación en la medida en que tengan un reclamo legítimo para explicar. Aunque la posición
extrema de que la explicación en biología o historia no tiene nada interesante en común con la explicación
en física parece poco atractiva (y en cualquier caso ha atraído poco apoyo), parece razonable esperar que se
dedique más esfuerzo en el futuro al desarrollo de modelos de explicación que es más sensible a las
diferencias disciplinarias. Idealmente, tales modelos revelarían puntos en común entre las disciplinas, pero
también deberían permitirnos ver por qué la práctica explicativa varía como lo hace en diferentes disciplinas
y la importancia de tal variación. Por ejemplo, como se señaló anteriormente, los biólogos, en contraste con
los físicos, a menudo describen sus objetivos explicativos como el descubrimiento de mecanismos en lugar
del descubrimiento de leyes. Aunque es concebible que esta diferencia sea puramente terminológica,
también vale la pena explorar la posibilidad de que haya una historia distintiva que contar sobre qué es un
mecanismo, ya que los biólogos entienden esta noción y cómo la información sobre los mecanismos
contribuye a la explicación.
Un punto estrechamente relacionado es que al menos algunos de los modelos descritos anteriormente
imponen requisitos de explicación que pueden ser satisfactorios en algunos dominios de investigación pero
que son inalcanzables (en cualquier sentido prácticamente interesante) en otros dominios o, en la medida en
que pueden ser alcanzable, no tiene una relación discernible con los objetivos de investigación generalmente
aceptados en esos dominios. Por ejemplo, señalamos anteriormente que muchos científicos y filósofos
sostienen que hay pocas leyes, si es que hay alguna, que se descubran en biología y ciencias sociales y del
comportamiento. Si es así, los modelos de explicación que asignan un papel central a las leyes pueden no
ser muy esclarecedores sobre cómo funciona la explicación en estas disciplinas. Como otro ejemplo, incluso
si suponemos que la partición en clases de referencia objetivamente homogéneas recomendadas por el
modelo SR es un objetivo alcanzable en relación con ciertos fenómenos de mecánica cuántica, puede ser que
(como se sugirió anteriormente) simplemente no sea un objetivo que pueda se logrará de manera no trivial
en economía y sociología, disciplinas en las que la inferencia causal de las estadísticas también ocupa un
lugar destacado. En tales disciplinas, puede ser que las particiones estadísticamente relevantes adicionales
de cualquier población o subpoblación de interés sean casi siempre posibles, de modo que la actividad de
encontrar tales particiones está limitada solo por los costos de recopilar información adicional. Una
evaluación similar puede ser válida para la mayoría de las aplicaciones del modelo CM a las ciencias
sociales.
Bibliografía
Achinstein, P., 1983, The Nature of Explanation , Nueva York: Oxford University Press.
Achinstein, P., 2010, Evidencia, Explicación y Realismo: Ensayos en Filosofía de la Ciencia
, Nueva York: Oxford University Press.
Barnes, E., 1992, "Unificación explicativa y el problema de la asimetría". Philosophy of
Science , 59: 558–71.
Braithwaite, R., 1953, Explicación científica , Cambridge: Cambridge University Press.
Bromberger, S., 1966, 'Why Questions', en Mind and Cosmos: Ensayos in Contemporary
Science and Philosophy , R. Colodny, (ed), Pittsburgh: University of Pittsburgh Press.
Cartwright, N., 1979, 'Causal Laws and Effective Strategies' Noûs , 13: 419–437.
Cartwright, N., 1983, Cómo mienten las leyes de la física , Oxford: Clarendon Press.
Cartwright, N., 2004, 'De la causalidad a la explicación y de regreso' en B. Leiter (ed.) El
futuro de la filosofía Oxford: Oxford University Press.
De Regt, H. y Dieks, D., 2005, "Una descripción contextual de la comprensión científica",
Synthese 144: 137-170.
Dowe, P., 2000, Causación física , Cambridge: Cambridge University Press.
Earman, J., 1986, A Primer on Determinism , Dordrecht: Reidel.
Friedman, M., 1974, 'Explicación y comprensión científica', Journal of Philosophy , 71: 5–
19.
Gardiner, P., 1959, La naturaleza de la explicación histórica , Oxford: Oxford University
Press.
Gardiner, P. , ( ed.), 1952, Teorías de la historia . Nueva York: The Free Press.
Goodman, N., 1955, Realidad, Ficción y Pronóstico , Cambridge, MA: Harvard University
Press.
Greeno, J., 1970, 'Evaluación de hipótesis estadísticas utilizando la información transmitida',
Philosophy of Science , 37: 279–93. Reimpreso en Salmon, 1971b.
Hall, N., 2004, 'Two Concepts of Causation', en Causation and Counterfactuals . J. Collins,
N. Hall y L.Paul (eds), Cambridge: MIT Press, págs. 225–276.
Hausman, D., 1998, Causal Asymmetries , Cambridge: Cambridge University Press.
Hausman, D. y Woodward, J., 1999, «Independence, Invariance, and the Causal Markov
Condition.», British Journal for the Philosophy of Science , 50: 521–583.
Hempel, C., 1965a, Aspectos de la explicación científica y otros ensayos en la filosofía de la
ciencia , Nueva York: Free Press.
Hempel, C., 1965b, 'Aspectos de la explicación científica'. En Hempel 1965a, 331-496.
Hempel, C., 1942, "La función de las leyes generales en la historia", Journal of Philosophy ,
39: 35–48; reimpreso en Hempel 1965b, pp. 231–244.
Hempel, C. y P. Oppenheim., 1948, 'Studies in the Logic of Explanation.', Philosophy of
Science , 15: 135-175. Reimpreso en Hempel, 245-290, 1965a.
Janzing, D., Mooij, J., Zhang, K., Lemeire, J., Zscheischler, J., Daniusis, D., Steudel, B. y
Scholkopf, B., 2012. "Enfoque geométrico de la información para la inferencia causal Instrucciones ”,
Inteligencia Artificial 182–183: 1–31.
Jeffrey, R., 1969, 'Explicación estadística versus inferencia estadística' en N. Rescher (ed.),
Ensayos en honor de Carl G. Hempel . Dordrecht: D. Reidel. Reimpreso en Salmon, 1971b.
Hausman, D., 1998, Causal Asymmetries , Cambridge: Cambridge University Press.
Hitchcock, C., 1995, 'Discussion: Salmon on Explanatory Relevance.', Philosophy of Science
, 62: 304-20.
Kitcher, P., 1989, "Unificación explicativa y la estructura causal del mundo", en Explicación
científica , P. Kitcher y W. Salmon, 410–505. Minneapolis: University of Minnesota Press.
Kitcher, P and Salmon, W., 1987, "Van Fraassen on Explanation", Journal of Philosophy 84:
315–330.
Koertge, N., 1992, "Explicación y sus problemas", British Journal for the Philosophy of
Science , 43: 85–98.
Kyburg, H., 1965, 'Comment.', Philosophy of Science , 32: 147-51.
Lewis, D., 1973a, Counterfactuals , Cambridge, MA: Harvard University Press.
Lewis, D., 1973b, 'Causation.', Journal of Philosophy , 70: 556–67. Reimpreso con Postdatos
en Lewis, 1986, 159-213.
Lewis, D., 1986, Philosophical Papers, Volumen II , Oxford: Oxford University Press.
Lewis, D., 2000, 'Causation as Influence', Journal of Philosophy , 97: 182-197.
Lien, Y. y Cheng, P., 2000, "Distinguir las causas genuinas de las espurias: una hipótesis de
coherencia", Cognitive Psychology , 40: 87–137.
Lombrozo, T., 2010, "Pluralismo causal-explicativo: cómo las intenciones, las funciones y
los mecanismos influyen en las adscripciones causales", Cognitive Psychology, 61: 303–32.
Mitchell, S., 1997, 'Pragmatic Laws' PSA 96 (Suplemento a la filosofía de la ciencia , 64 (4):
S468 – S479.
Morrison, M., 2000, Unifying Scientific Theories , Cambridge: Cambridge University Press.
Nagel, E., 1961, The Structure of Science: Problems in the Logic of Scientific Explanation ,
Nueva York: Harcourt, Brace and World.
Nerlich, G., 1979, '¿Qué puede explicar la geometría?' British Journal for the Philosophy of
Science , 30: 69–83.
Norton, J., de próxima publicación, "Una disolución material del problema de la inducción",
Synthese .
Pearl, J., 2000, Causalidad: modelos, razonamiento e inferencia , Cambridge: Universidad
de Cambridge.
Pitt, J. (ed.), 1988, Teorías de la explicación . Nueva York: Oxford University Press.
Popper, K., 1959, The Logic of Scientific Discovery , Londres: Hutchinson.
Psillos, S., 2002, Causal Asymmetries , Stocksfield, Reino Unido: Acumen Publishing.
Railton, P., 1978, 'A Deductive-Nomological Model of Probabilistic Explanation.',
Philosophy of Science , 45: 206–26.
Railton, P., 1981, 'Probabilidad, explicación e información', Synthese , 48: 233–56.
Ruben, D., (ed.), 1993, Explicación , Oxford: Oxford University Press.
Salmon, W., 1989, Four Decades of Scientific Explanation , Minneapolis : University of
Minnesota Press.
Salmon, W., 1971a, 'Explicación estadística', en Explicación estadística y relevancia
estadística , W. Salmon, (ed.), 29-87, Pittsburgh: University of Pittsburgh Press.
Salmon, W. , 1989 , Four Decades of Scientific Explanation , Minneapolis: University of
Minnesota Press.
Salmon, W., 1984, Explicación científica y la estructura causal del mundo , Princeton:
Princeton University Press.
Salmon, W., 1994, "Causalidad sin contrafactuales", Philosophy of Science , 61: 297–312.
Salmon, W., 1997, 'Causalidad y explicación: una respuesta a dos críticas', Philosophy of
Science , 64: 461-477.
Salmon, W., (ed.), 1971b, Explicación estadística y relevancia estadística , Pittsburgh:
University of Pittsburgh Press.
Salmon, W. y Kitcher, P., (eds.), 1989, Minnesota Studies in the Philosophy of Science, Vol.
13: Explicación científica , Minneapolis: University of Minnesota Press.
Schaffer, J., 2000, 'Causation by Disconnection.', Philosophy of Science , 67: 285–300.
Scriven, M., 1959, "Truismos como fundamento de explicaciones históricas", en Gardiner
(ed.).
Scriven, M., 1962, 'Explicaciones, predicciones y leyes', en Explicación científica, espacio y

tiempo (Minnesota Studies in the Philosophy of Science: Vol. 3), H. Feigl y G. Maxwell (eds), 170 –
230. Minneapolis: University of Minnesota Press.
Sober, E., 1983, 'Equilibrium Explanation', Philosophical Studies , 43: 201–210.
Sober, E., 1999, 'The Multiple Realizability Argument Against Reductionism' Philosophy of
Science , 66: 542–564.
Sober, E., 2003, 'Two Uses of Unification', en F. Stadler, ed., Institute Vienna Circle
Yearbook 2002 , Dordrecht: Kluwer.
Spirtes, P. Glymour, C. y Scheines, R., 1983, Causation, Prediction and Search , Nueva
York: Springer-Verlag. Segunda edición, 2000. Cambridge: MIT Press.
Woodward, J., 1989, 'The Causal / Mechanical Model of Explanation.', In Scientific
Explanation . Minnesota Studies in the Philosophy of Science, volumen 13 , P. Kitcher y W. Salmon
(eds.), 357–383.
Woodward, J., 2000, "Explicación e invarianza en las ciencias especiales", British Journal
for the Philosophy of Science , 51: 197–254.
Woodward, J., 2003, Making Things Happen: A Theory of Causal Explanation , Oxford:
Oxford University Press.
Woodward, J., 2003, Making Things Happen: A Theory of Causal Explanation , Nueva York:
Oxford University Press.
Woodward, J., 2006, " Causalidad sensible e insensible", The Philosophical Review .115: 1–
50.
Van Fraassen, B., 1980, The Scientific Image. Oxford: Oxford University Press

Explicación Científica Traducido

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Explicación Científica Traducido

Загружено:

Авторское право:

Доступные форматы

18/8/2019 https://translate.googleusercontent.

5.2 Ilustraciones del modelo unificacionista

2.2 El papel de las leyes en el modelo DN

2.3 Explicación estadística inductiva

2.4 Motivación para el modelo DN : Expectabilidad nómica y una

2.5. Comprensión explicativa y expectativa nómica:

2.6 La estrategia de estructura oculta

3.2 El modelo SR y los eventos de baja probabilidad

3.3 ¿Qué explican las teorías estadísticas?

3.4 Relaciones de causalidad y relevancia estadística

4. El modelo mecánico causal

4.2 El modelo CM y la relevancia explicativa

4.3 El modelo CM y los sistemas complejos

4.4 Desarrollos más recientes

5. Una explicación unificacionista de la explicación.

5.2 Ilustraciones del modelo unificacionista

5.3 Las ilustraciones criticadas

5.4 La heterogeneidad de la unificación

5.5 La concepción del ganador-Take-All de la unificación

5.6 La epistemología de la unificación

6. Teorías pragmáticas de explicación

6.2 Empirismo constructivo y la teoría pragmática de la explicación

anteriormente no estaba deformado. La relación de relevancia R R también depende del contexto y la

6.3 Explicación como acto illocucionario

6.4 Reflexiones finales sobre teorías pragmáticas

7. Conclusiones, temas abiertos y direcciones futuras

7.1 El papel de la causalidad

7.2 Explicación y otras metas epistémicas

7.3 ¿Un modelo único de explicación?

Scriven, M., 1962, 'Explicaciones, predicciones y leyes', en Explicación científica, espacio y

Вам также может понравиться