Con
respecto a la determinación de causalidad, debemos ser siempre
extremadamente cautelosos. Como ya dijimos la existencia
de correlación
no implica causalidad. En el mejor de los casos, los estadísticos
pueden establecer una ‘correlación’ entre diferentes
elementos, esto es, que los elementos que se están midiendo se
comportan como si estuvieran relacionados. Y por cierto, también
pueden establecer que no hay ninguna relación entre los objetos
estudiados. Pero la estadística no puede establecer
causalidad. En otras palabras, no se puede inferir causalidad sobre la base de una
correlación empírica.
El hecho de que dos variables parezcan estar correlacionadas no necesariamente
significa que una esté causando a la otra. Para empezar, la relación
podría ser falsa o casual. Pero la relación entre las variables
también puede ser el resultado de una tercera variable que ‘causa’ o
explica las otras dos, y que por lo tanto lleva a que las dos variables
causadas por esta tercera parezcan estar relacionadas entre sí.
Por ejemplo, si en una escuela primaria uno midiera la relación
entre las habilidades aritméticas de los estudiantes y las estaturas
de estos, se concluiría que, de hecho, existe una correlación
positiva entre estatura y habilidades aritméticas, es decir, mientras
mayor es la estatura de los estudiantes, mayores son sus habilidades
aritméticas. Sin embargo, sabemos que la altura no hace que los
estudiantes aprendan matemática ni que el aprendizaje de la aritmética
hace que los estudiantes sean más altos. En este caso, que es
muy evidente, hay un tercer factor que explica la correlación
entre las mejores habilidades aritméticas y la estatura de los
estudiantes: la “edad” de los estudiantes. De modo que no
es que los estudiantes más altos sean mejores para la aritmética,
sino que los estudiantes de más edad, o sea en los niveles más
altos, tienden a ser más altos y a tener mayores habilidades aritméticas.
Hay un tercer factor que explica las dos variables y que por este motivo
parecen estar relacionadas, pero en realidad no hay ninguna relación
entre ellas.
Desafortunadamente, la mayoría de nosotros tenemos la tendencia
a inferir automáticamente una relación de causalidad sobre
la base de una correlación. Pero para sostener una causalidad
se debe siempre ir más allá de los hechos empíricos
y buscar una explicación o “teoría” aceptable
que conecte convincentemente las variables involucradas. Una teoría
es a un conjunto de hechos o datos, lo que un edificio es a un montón
de ladrillos. Una teoría, que desde luego debe resistir sistemáticamente
las pruebas empíricas, es la que proporciona la base para hablar
de una relación causal entre variables y así darle significado
real a los datos.
En
los siguientes párrafos presentamos algunos ejemplos específicos
para la educación que deberían ayudarlo a pensar un poco
más acerca de las relaciones de causalidad entre las variables.
Los ejemplos tratan de subrayar la necesidad, como usted bien sabe, de
ser muy cautelosos al extraer conclusiones sobre la base de una correlación.
- Los
cambios a largo plazo en la remuneración de los maestros
primarios y las tasas de matrícula primaria están correlacionados.
En la mayor parte del mundo, a partir de los años sesenta han
aumentado tanto las remuneraciones reales de los maestros primarios
como las tasas de matrícula, ¿pero significa esto que
el aumento de los salarios de los maestros constituye la “causa” del
aumento de las matrículas en educación primaria?
No necesariamente.
En
primer lugar, una tercera causa podría explicar la correlación
entre las dos variables. En general, tres décadas de desarrollo
económico a su vez han originado mayores presupuestos para la
educación y esto ha permitido que los países aumenten simultáneamente
las remuneraciones de los maestros primarios y las matrículas.
En segundo lugar, y lo que es muy importante, hay explicaciones más
plausibles para el crecimiento simultáneo de las tasas de
matrícula
primaria y la remuneración real de los maestros primarios,
aunque esto último podría tener algún efecto
indirecto al mejorar la calidad de la enseñanza.
-
En
muchos países en desarrollo, aunque no en todos, los
alumnos de las escuelas privadas tienden a tener mejor rendimiento
que los estudiantes de escuelas públicas en pruebas de rendimiento
en matemática y lectura. ¿Significa esta correlación
entre el tipo de escuela y el rendimiento de los estudiantes que
las escuelas privadas (escuelas relativamente autónomas, manejadas
en forma relativamente autónoma por administradores privados)
imparten una mejor enseñanza de matemáticas y lectura
a los niños que las escuelas públicas (escuelas con
poca autonomía, manejadas por funcionarios públicos
supervisados atentamente y regulados en forma rigurosa)? No necesariamente.
La autonomía de la administración de las escuelas y el
conjunto de incentivos asociados con ello podría constituir
una parte de la explicación, pero otras variables tendrían
también gran peso en ayudar a explicar las diferencias en los
resultados de aprendizaje de los estudiantes en escuelas privadas y
públicas en países en desarrollo. Una explicación
alternativa, y bastante razonable, es el hecho de que en los países
en desarrollo, los niños de las escuelas privadas tienden a
provenir de estratos socioeconómicos más altos que los
niños de las escuelas públicas y por lo tanto son factores
independientes de las escuelas los que tienden a explicar las diferencias
en los resultados. Otra explicación razonable es que las escuelas
privadas tienen mayores recursos por estudiante que las públicas.
Desde luego, esto no descarta que la autonomía de las escuelas
privadas para determinar la política educacional, junto con
su mayor responsabilidad frente a las familias de los estudiantes,
también ayude a explicar porqué los estudiantes de las
escuelas privadas obtienen, en gran parte de los países
en desarrollo, mejores resultados.
|
