Prospectiva

1. Método Delphi
2. Método de analogía
3. Extrapolación
4. Aplicar un modelo estadístico
5. Aplicar un modelo causal
6. Evaluar y describir la incertidumbre

 Cuando miramos hacia el futuro, podemos elegir nuestro punto de vista de entre varias alternativas, del mismo modo que al estudiar el pasado. Estas visiones alternativas comprenden:

• El enfoque normativo es una descripción de un futuro deseable, pero que quizás después podría convertirse en real. Esto es básicamente la misma acción que planificar o desarrollar una actividad o el diseño de objetos, cuyos métodos están bien documentados en la bibliografía y no precisan ser tratados aquí.
• Las imágenes descriptivas del futuro son de dos tipos,
1. Escenarios de posibles futuros. Después pueden ser usadas por nosotros o por otros para ilustrar posibles alternativas, para ayudar a seleccionar lo mejor de ellos y a realizarlos.

Las "Utopías" son esos "posibles futuros", escritas en estilo de ficción.
2. El futuro probable. La predicción puede ser usada para ayudar a la gente a prepararse para lo inevitable. Una predicción corriente de este tipo es la del tiempo que hará mañana.

En el pronóstico, las preguntas típicas que intentamos responder son

• ¿Qué ocurre al objeto "A" en el tiempo "B" si la evolución se deja continuar sin interferir?
• ¿Que sigue a esto si recurrimos a la manipulación "C" ?

Método Delphi

Podemos en ocasiones conseguir nombres y direcciones de expertos que vivan lejos y a los que sería difícil entrevistar. Para consultar a tales expertos, podemos recurrir a un cuestionario en lugar de a la entrevista. Si deseamos preguntar a varias personas simultáneamente, podríamos considerar el  uso del método Delphi.

En al método Delphi, el investigador dirige preguntas idénticas a un grupo de expertos, pidiéndoles que den sus suposiciones sobre el futuro desarrollo del tema específico. En el siguiente paso, el investigador hace un sumario de todas las respuestas que ha recibido, las envía a sus correspondientes y les pregunta si algún experto quiere revisar su respuesta original.
Puesto que es difícil hacer sumarios de algo distinto de respuestas cuantitativas, las preguntas que se usan en el procedimiento Delphi suelen ser cuantitativas, como "¿Cuál será el precio del crudo en dentro de 20 años?" Sobre la base de este tipo de respuestas, el investigador será capaz de calcular por ejemplo las medias y los rangos. Una ventaja del método es que siempre se puede usar el rango como una medida de la fiabilidad del pronóstico.
Por supuesto, nada impide que se usen preguntas cualitativas o de cualquier otro tipo si la naturaleza del objeto así lo exige.

Si los encuestados se prestan al esfuerzo suplementario, se les puede pedir que justifiquen su opinión, especialmente si difiere de la de la mayoría.

El procedimiento Delphi se repite normalmente hasta que los encuestados ya no tengan intención de ajustar sus respuestas.

El método Delphi no es muy fiable. Después, con los resultados de cuestionarios, suele que se había predicho el curso real de los acontecimientos notablemente mal. La mayoría de incluso eminentes especialistas puede equivocarse, y aquellas pocas personas que podrían haber hecho una predicción correcta, tal vez nunca se habrían seleccionado para el grupo Delphi de expertos. "Si hubieras predicho el colapso del muro de Berlín un año antes de que ocurriera, habrías mostrado que no eres un experto en política."

Método de la analogía

Casos típicos del método de la analogía son las predicciones de economías nacionales. El sistema foráneo se toma de los EE.UU o cualquier otro país "desarrollado", y este modelo se aplica entonces para predecir la economía nacional de un país "menos desarrollado". Las variables típicas pronosticadas de este modo están vinculadas a la producción industrial, el Producto Nacional Bruto, y a cifras que describan el consumo, como el número de coches y la cantidad de tráfico.

En los ejemplos de más arriba los sistemas se describen con variables cuantitativas; sin embargo, podemos igualmente usar el método de la analogía incluso cuando nuestros modelos son cualitativos. Un ejemplo de esto es el libro de Alvin Toffler The third wave [La tercera ola] (1980), donde la analogía de la ola es usada para describir la evolución desde la sociedad agrícola a la industrial, y más tarde a la sociedad de la información.-- Oswald Spengler, en el libro Untergang des Abendlandes [La decadencia de Occidente], explica cómo las culturas antiguas de Egipto, Roma y muchos otros países se desarrollaron como plantas o animales que nacieron, crecieron, florecieron, declinaron y murieron; Spengler hizo la predicción de que la cultura occidental, de forma analóga, seguiría el mismo patrón.

Extrapolación

La base para una extrapolación será el conocimiento sobre el reciente desarrollo del fenómeno. Necesitaremos al menos dos  (aunque habitualmente tenemos más) observaciones secuencias hechas en puntos conocidos en el tiempo. Las observaciones son habitualmente registradas como variables cuantitativas, medidas con algún tipo de escala. En otras palabras, nuestro material consiste en una serie cronológica.

Si tenemos más de dos observaciones, tenemos la opción de elegir el número de observaciones sobre el que basaremos la extrapolación. Si sentimos que las últimas observaciones tienen mejor capacidad predictiva que las anteriores, puede que prefiramos hacer caso omiso de las primeras observaciones. Una alternativa es dar más peso a las últimas observaciones que a las primeras. Si decidimos usar un amplio número de observaciones (en otras palabras, estamos extrapolando la tendencia) probablemente desearemos hacer los cálculos con un programa de análisis de regresión.

El método de extrapolación se aplica típicamente a las variables cuantitativas. Además, la predicción muchas veces se desarrolla también en términos verbales cualitativos, para hacer más fácil que sea aprehendida. Un ejemplo es el libro Megatrends de Naisbitt (1982).

No obstante, nada impide extrapolar tendencias que se describan enteramente en términos cualitativos. El principio es el mismo:

1. comenzamos con dos o más observaciones que se hicieron en distintos puntos en el tiempo,
2. nos fijamos en las diferencias entre ellas,
3. añadimos estas diferencias (tal vez ulteriormente ampliadas) al informe de la última observación,
4. y aquí tenemos nuestro pronóstico.

La debilidad innata de toda extrapolación estriba en que éstas sólo puden atender a aquellos procesos o fuerzas que están ya interviniendo. Siempre ignoran los impactos nuevos que empiezan a actuar sólo en el presente o en el futuro. Con frecuencia se da una situación en que gradualmentre habrá más y más nuevos impactos. En tales circunstancias, el método de la extrapolación suele dar resultados útiles sólo para periodos relativamente de corto plazo.

Aplicar un modelo estadístico

• La Curva de Gauss es una opción posible si esperamos que el fenómeno tenga lugar sólo una vez.
• La curva de seno cíclico es algo habitual cuando el fenómeno tiene lugar varias veces secuencialmente, como pueda ser cuando tiene lugar un ritmo anual.
• La curva de seno decreciente, cuya oscilación disminuye su intensidad con el tiempo, aproximándose a una línea recta hacia su final.

Ejemplos históricos famosos de predicción sobre la base de modelos matemáticos fueron sólo los cálculos astronómicos en la antigua Mesopotamia, y los de Ptolomeo en Grecia. Los más, tal vez todos, de estos primeros científicos creían que la tierra era el centro del universo y que el sol, la luna y los planetas simplemente se movían en torno a ella. Sin embargo, los modelos matemáticos de estos movimientos aparentes eran acertados y produjeron predicciones correctas de las salidas y puestas del sol y de la luna, así como de eclipses.

Si ahora una de las  variables independientes (x en la ecuación y = ax + b) es el tiempo, sólo es necesario insertar cualquier punto en el tiempo futuro en el lugar de la variable independiente, y obtendremos un pronóstico del la variable dependiente.

Algunas veces la serie cronológica que deseamos extrapolar incluye simultáneamente varios tipos de variación. Junto a la tendencia, que se trató más arriba, suele haber uno o varios tipos de variación estacional. Si este es el caso, el método normal es analizar primero la serie cronológica, dividiéndola en sus componentes discernibles. Tras esto, continuamos haciendo pronósticos separados para todos los componentes (la tendencia y las distintas variaciones estacionales, si procede) y solamente en la última fase recombinamos los componentes.
Si, por ejemplo, deseamos pronosticar, el consumo de energía para calefacción de un edificio industrial, nuestro análisis de datos pasados revelará probablemente que la variación del consumo ha estado siguiendo simultáneamente varios patrones. Algunos patrones se deben al ritmo de trabajo de la empresa, que normalmente varía con tres frecuencias: a lo largo del año, semanalmente y con un ritmo diario, y quizás con respecto a las coyunturas del negocio. Por otra parte, puede haber tendencias lineales, causadas quizás por un cambio gradual a máquinas mayores, o alternativamente a métodos y máquinas con ahorro energético. -- El pronóstico se hace ahora estimando todas las variaciones cíclicas, una por una, calculando entonces sus continuaciones, y finalmente combinando todas estas a la vez con una extrapolación de la tendencia.

  Suele ser ventajoso el usar un método para el pronóstico para el corto plazo y otro para los periodos de largo plazo. Para el futuro próximo, se usa con frecuencia la extrapolación lineal, mientras que ocurre con frecuencia que el sentido común, la investigación, u otra fuente de conocimiento general, nos dicen que la evolución que estamos pronosticando está sujeta a límites preestablecidos que dictan los acontecimientos más próximos, sino más bien un futuro más distante. Podemos, por ejemplo, estar estudiando el crecimiento de una planta sabiendo que el crecimiento constante alcanzará en su momento un fin.
Si este es el caso, podemos combinar dos métodos de pronóstico: extrapolamos sólo los valores más cercanos, mientras que basamos el pronóstico de los valores posteriores sobre una ley general. Un ejemplo típico de tales desarrollos a largo plazo son:

• La curva-s es habitual si el crecimiento tiene límites naturales, como es el caso de las plantas, y con los recursos naturales de la tierra,
• La "curva de catástrofe" describe el fin de un desarrollo que ha tenido un comienzo gradual, suave, pero para el que, sin embargo, se prevé que irá al final hacia una completa extinción, tal vez abrupta.

Aplicar un modelo causal

El método más exacto de predicción, es decir, el modelo causal, es posible si hemos obtenido -mediante investigación-, un modelo que muestre cómo los atributos y variables que han de predecirse dependen entre sí. En el mejor caso una de las variables en el modelo es el tiempo: entonces introducimos el año correcto en el modelo, e inmediatamente se convierte en el pronóstico deseado.
Si el tiempo no se incluye en el modelo causal, el modelo puede seguir siendo de ayuda, porque solemos poder predecir el desarrollo de sus variables más fácilmente que el futuro del sistema entero.

El modelo causal suele ser tan complicado que se maneja mejor usando un ordenador. Incluso entonces, necesitaremos habitualmente una presentación ilustrativa de nuestro modelo para clarificar nuestro pensamiento y finalmente presentarlo en el informe. En dicha ilustración necesitaremos un sistema de notación para describir las distintas relaciones lógicas entre las variables. El programa de ordenador normalmente será capaz de mostrar el modelo, usando sus notaciones incorporadas. Si no podemos encontrar sistemas de notación ya listos para usar, podemos idear uno.

Un famoso ejemplo de modelo causal amplio fue creado por el llamado Club de Roma en 1972. Este modelo, publicado en el libro Los límites al crecimiento, consiste en docenas de variables, incluyendo la población mundial, tasa de nacimientos, producción industrial y agrícola, los recursos no renovables y la contaminación. En el modelo, los niveles, o cantidades físicas que pueden ser medidas directamente, se indicaron con rectángulos, las tasas que influyen en esos niveles con válvulas, y las variables auxiliares que influyen en las ecuaciones de las tasas con círculos. Los lapsos de tiempo se indicaron con secciones dentro de rectángulos. Los flujos reales de gentes, bienes, dinero, etc. se representaron por flechas continuasy las relaciones causales con flechas discontinuas. Las nubesrepresententan fuentes o "pilas" (salidas de material) que no son importantes para el comportamiento del modelo.

El Club de Roma comenzó a formar su "Modelo mundial" construyendo primero cinco submodelos. Éstos se concentraron en las cinco "cantidades básicas": población, capital, alimento, recursos no renovables restantes (medidos fracción restante ahora de las reservas de 1900), y polución. Uno de los subsistemas incluyó las relaciones causales y los bucles de respuesta entre población, capital, agricultura y polución (fig. de la derecha). Finalmente los investigadores combinaron los cinco submodelos y así crearon el modelo mundial final, parte del cual se ilustra abajo.

Cuando se usa un modelo causal como base de nuestra predicción, debemos tener en mente que el modelo normalmente ha sido producido estudiando cierta población, lo que significa que el modelo es válido sólo en ese contexto. No debemos generalizar de forma demasiado poco escrupulosa y afirmar que el modelo será también válido en el entorno futuro que estamos pronosticando.
Si, no obstante, pretendemos simplemente hacer eso, debemos considerar cuidadosamente lo siguiente:

• ¿Qué aspectos del entorno futuro van probablemente o posiblemente a diferir del contexto del objeto original de estudio?
• si estas diferencias pueden influir nuestros resultados.

Evaluar y describir la incertidumbre

Una vez que el investigador ha desarrollado para él mismo una aproximación de la probabilidad del pronóstico, la próxima tarea es revelar esta probabilidad igualmente a su público. Muchos métodos habituales de presentación del pronóstico (como los diagramas) son muy exactos, de hecho su exactitud con frecuencia se corresponde mal con la incertidumbre del pronóstico. En lugar de ello, el investigador debe seleccionar una presentacion del pronóstico que de la impresión correcta del grado de incertidumbre. Hay, de hecho, varios métodos que pueden usarse para describir el error probable o la posibilidad de que llegue a cumplirse un pronóstico:

• La variación probable. Esta es de hecho la manera normal cuando se usa el método Delphi, que prácticamente siempre produce un amplio conjunto de distintas profecías hechas con varios métodos. Si las preguntas en cuestionario del método Delphi son cuantitativas, podremos calcular una expresión para la dispersión de las respuestas, como puede ser su rango. A veces, será también posible calcular la probabilidad de que el resultado factual no exceda el rango.
• Una curva difusa. Esto puede realizarse dibujando la curva como una línea gruesa o hecha a mano.
• Una escala difusa. Por ejemplo, el Club de Roma deliberadamente escogió el omitir las escalas de las variables y también hizo la escala horizontal un tanto vaga (consistiendo sólo de los valores 1900 y 2100). Esto era porque querían indicar que los valores numéricos eran aproximados (ibid., p. 123).
• Explicación verbal, incluso cuando el pronóstico ha sido cuantitativo, puede ser usada para describir la probabilidad del pronóstico. El inconveniente es que la gente tiene distintas nociones de lo que pueda significar "probable", por ejemplo.
• Escenarios paralelos.

Hay otro escenario del mismo libro (fig. 36) que se muestra a la izquierda. Aquí las reservas supuestas de recursos fueron duplicadas, mientras que todas las otras suposiciones se mantuvieron idénticas al escenario "estándar". La industrialización puede ahora alcanzar un nivel más alto. Las grandes plantas industriales emiten polución en tales tasas, sin embargo, que los mecanismos de absorción del entorno llegan a estar saturados. Entonces la polución causa un inmediato incremento en la tasa de mortalidad y una caída en la producción de alimentos.

Un tercer escenario de Los límites al crecimiento (fig. 44, a la derecha) es idéntico al "estándar", excepto en que la población se supone que permanece constante tras 1975. La producción industrial continúa creciendo exponencialmente hasta que la reducción de los recursos no renovables lleva a un repentino colapso del sistema industrial.

Sobre la cuestión de informar sobre la investigación, se incluye un capítulo separado.