En el sector del medio ambiente no es muy común que se adopte un marco de evaluación de impacto que permita identificar y cuantificar las causas de algún resultado. Cuando escuchamos que se hace una evaluación ambiental, generalmente se refiere al monitoreo de algunos indicadores, lo cual no tiene que ver con la medición de las causas que originan un resultado (Ferraro, 2009).
En la era de la IA, que está profundamente basada en modelos predictivos a partir de correlaciones, es necesario también voltear a la causalidad. Es una frase muy conocida la de correlación no es causalidad, para explicarla es fácil tomar varios ejemplos, por ejemplo, en la Figura 1 se muestra el promedio de ataques de tiburón por mes y las ventas de helado; uno estaría tentado a decir que la venta de helados provoca más ataques de tiburón, pero en realidad hay un tercer factor que está explicando ambos fenómenos, el cual seguramente ya se imaginó, es el verano. Este es un ejemplo absurdo, pero que en otros contextos se cae en la misma falacia. En los medios es común encontrar este tipo de relaciones entre fenómenos correlacionados pero que no se causan uno al otro. Adams et al. (2017) muestra evidencia sobre que a las personas se nos dificulta distinguir entre causalidad y correlación que se muestran en las noticias. Aquí una muestra de ello: “Dejar a los niños dormir tarde provoca adolescentes con obesidad”; este argumento seguramente es falso porque hay un tercer factor, probablemente la laxitud de los padres, que explica ambos fenómenos. Ejemplos como este, abundan en los medios de comunicación.
Figura 1. Ataques de tiburón y ventas de helados.
Fuente: https://alandahealth.com/2020/05/11/the-difference-between-correlation- and-causation/
Otro ejemplo interesante es el fenómeno abordado por David Card, a quien se le otorgó el premio Nobel de Economía en 2021 por su trabajo precisamente relacionado con la causalidad. Este premio fue compartido con Joshua Angrist and Guido Imbens por sus contribuciones al mismo tema. Card analiza el fenómeno de los salarios en Miami a principios de los ochenta, cuando hubo una migración masiva de Cuba hacia Miami en el que migrantes llegaban en botes. Al mismo tiempo, ocurrió una disminución importante en los salarios. Naturalmente, las personas culpaban a los migrantes de causar una disminución de los salarios por incrementar el volumen de la mano de obra poco calificada. No obstante, Card generó evidencia contundente de que este no era el caso, en la Figura 2 se muestran los salarios a través del tiempo observados para Miami y para un “Miami sintético”, que se construye con un algoritmo a partir de información de otros estados de Estados Unidos. El “Miami sintético” representa algo que se le conoce como contrafactual y se refiere a lo que “hubiera pasado”. Esto es cuál hubiera sido la trayectoria de los salarios si no hubiera habido migración masiva. Lo que se concluye de la gráfica (y del estudio de Card) es que no hubo un impacto de la migración en los salarios, había otras condiciones macroeconómicas que explicaban la disminución de salarios.
Fuente: Presentación de David Card en la Universidad Iberoamericana el 2 de marzo de 2023.
Si no adoptamos una perspectiva de causalidad en nuestros análisis, corremos el riesgo de tomar decisiones equivocadas. El sector medioambiental requiere fortalecer sus capacidades para identificar causas a los grandes problemas medioambientales. Las metodologías de evaluación de impacto llevan décadas de desarrollo, e incluso existen materiales abiertos al público con un lenguaje sencillo que permiten entender cómo aplicarlas en la práctica. Herramientas como esta, de lenguaje accesible al público en general, permiten informar de mejor manera la toma de decisiones y evitar caer en falacias de causa falsa.
Referencias
Adams, R. C., Sumner, P., Vivian-Griffiths, S., Barrington, A., Williams, A., Boivin, J., … & Bott, L. (2017). How readers understand causal and correlational expressions used in news headlines. Journal of experimental psychology: applied, 23(1), 1.
Ferraro, P. J. (2009). Counterfactual thinking and impact evaluation in environmental policy. New directions for evaluation, 2009(122), 75-84.