ciencia – El blog de Víctor Yepes

Finalista a la divulgación científica en la Universitat Politècnica de València

Me llena de alegría y gratitud compartir con ustedes que este año soy finalista al Premio a la Divulgación Científica de la Universitat Politècnica de València en la edición de los Premios de Investigación de 2023. Este reconocimiento es muy especial para mí, ya que en mi labor de divulgación busco acercar el fascinante mundo de la ingeniería y la construcción a un público cada vez más amplio y curioso.

El año pasado, tuve el privilegio de recibir dos de los máximos galardones de la UPV: el Premio a la Trayectoria Excelente en Investigación y el Premio al Impacto Excelente en Investigación. Estos premios, que reconocen no solo el trabajo en investigación, sino también el impacto y el compromiso de una carrera dedicada a la ingeniería, se otorgan una sola vez cada 5 años. Esto ha supuesto un gran alivio al saber que, aunque fui nominado este año de nuevo, no soy finalista en ambas categorías al haber recibido ya estos honores en la edición anterior. Además, en 2023 también fui galardonado con el Premio Excelencia Docente del Consejo Social de la Universidad Politécnica de Valencia, un premio que igualmente solo se puede recibir una vez en la trayectoria profesional.

La entrega de premios de este año tendrá lugar el próximo 12 de noviembre a las 18:00 horas en el edificio Nexus del campus de Vera, y la gala estará repleta de ciencia, música y teatro, un evento con el inconfundible sello de la UPV. Desde aquí quiero felicitar a todos los finalistas de este año por su destacada labor en investigación y divulgación.

Aprovecho para agradecer a cada uno de ustedes, quienes han hecho posible que esta labor de divulgación científica sea una realidad. ¡Nos vemos en el camino, y gracias por su apoyo constante!

Los nominados a este premio en esta edición han sido los siguientes 18 investigadores:

• COS GAYÓN, Fernando
• ESCOBAR RAMÓN, Santiago
• ESTEBAN GONZÁLEZ, Héctor
• GARCÍA MARTÍNEZ, Antonio
• GARCÍA SEGOVIA, Purificación
• HERNÁNDEZ FRANCO, Carlos
• HOYAS CALVO, Sergio
• LÓPEZ PÉREZ, Miguel
• MONSORIU SERRA, Juan Antonio
• MULET SALORT, José Miguel
• PEDROCHE Sánchez, Francisco
• PINILLA CIENFUEGOS, Elena
• PORCEL ROLDÁN, Rosa
• REMIRO BUENAMAÑANA, Sonia
• ROJAS BRIALES, Eduardo
• SERRANO CRUZ, José Ramón
• SOLER ALEIXANDRE, Salvador
• YEPES PIQUERAS, Víctor

De entre los nominados, tengo el gran honor de compartir ser finalista con dos grandes en el mundo de la divulgación científica. Para que os hagáis una idea del calibre, tanto de José Miguel Mulet como de Rosa Porcel, os dejo un breve resumen de sus méritos en el ámbito de la divulgación. Este año estoy más que satisfecho de saber que me he rodeado de compañeros de esta relevancia. Para mí es mi mayor premio estar con ellos.

José Miguel Mulet Salort: destacado divulgador científico en el ámbito nacional, ha publicado nueve libros en los últimos 12 años. Este curso ha participado en numerosas charlas y jornadas de divulgación y ha sido invitado al Parlamento Europeo y por el gobierno de México para hablar sobre nuevas herramientas de edición genética. Su labor se extiende a una activa presencia en redes sociales y colaboraciones constantes con medios de comunicación, como su columna de ciencia en El País. Además, es miembro del comité de asesoramiento científico de Mercadona.

Rosa Porcel Roldán: divulgadora especializada en biotecnología vegetal desde 2011 y autora del blog La Ciencia de Amara. Su ensayo Eso no estaba en mi libro de Botánica fue galardonado con el Premio Prismas en 2021 al mejor libro de divulgación científica editado. Recientemente, publicó su segundo libro, Plantas que nos ayudan. Ganadora del Premio Antama de Divulgación Científica, este año ha organizado y participado en diversas conferencias y eventos de divulgación científica, como la Noche Europea de la Investigación, el proyecto Mednight y el Día Internacional de la Mujer y la Niña en la Ciencia.

Víctor Yepes Piqueras: su blog, enfocado en la ingeniería de la construcción, es un referente en el sector tanto en España como en Latinoamérica. Creado en 2012, ha alcanzado casi dos millones de visitas solo en el último año. Cuenta con aproximadamente 34,000 seguidores en X y más de 22,000 en LinkedIn. Su labor divulgativa también incluye colaboraciones en medios de comunicación. Durante el curso 2023/24, ha participado en iniciativas como el podcast UPV Revisado por pares y ha publicado en medios como TechXplore, Apunt, Valencia Plaza y El Confidencial, entre otros.

Los motivos por los que se equivocan estudiantes y profesionales de ingeniería al abordar la resolución de problemas

Resolver problemas en el ámbito universitario o profesional, en áreas tecnológicas, de ingeniería y ciencias, puede plantear una serie de desafíos que pueden conducir a errores. Estos fallos pueden surgir por diversas razones que van desde no comprender el concepto subyacente hasta confiar demasiado en la tecnología.

En un artículo anterior mencioné algunos ejemplos de problemas teóricamente sencillos, pero que marean a nuestros estudiantes. Ahora vamos a analizar detalladamente algunas de estas razones y cómo se relacionan entre sí. También he incluido enlaces a otros artículos del blog donde reflexiono sobre este tipo de cuestiones.

La falta de comprensión del concepto subyacente a un problema es una preocupación fundamental. Esto puede manifestarse de diversas formas, ya sea a través de errores conceptuales, una aplicación incorrecta del concepto o una interpretación errónea del mismo. Esta falta de entendimiento puede empeorar si se carece de experiencia o conocimientos específicos en el campo correspondiente. Cuando un estudiante o profesional se enfrenta a un problema para el que no tiene experiencia previa, puede tener dificultades para aplicar correctamente los principios necesarios para resolverlo.

Los datos son fundamentales para encontrar soluciones, sin embargo, su calidad y disponibilidad pueden ser problemáticos. La falta de datos adecuados, la presencia de información contradictoria o sesgada pueden conducir a conclusiones incorrectas. Asimismo, centrarse excesivamente en utilizar todos los datos disponibles puede distraer de la información realmente importante, al tiempo que validar datos sesgados o inventados puede conducir a conclusiones incorrectas.

El manejo inadecuado de las bases matemáticas también puede ser una fuente de errores (geometría, trigonometría, cálculo o álgebra). Esto puede incluir errores en el cálculo, así como el uso inapropiado de fórmulas o modelos matemáticos. Los problemas reales rara vez tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Además, el uso excesivo de la memoria en lugar de la comprensión de los principios subyacentes puede conducir a errores conceptuales y de selección de modelos de cálculo.

Los aspectos psicológicos también son importantes. El estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración pueden afectar a la capacidad de resolver problemas de manera efectiva. La falta de atención a los detalles, la fatiga y el agotamiento también pueden provocar errores en la resolución de problemas.

Es crucial comprender que los problemas reales pueden ser complejos y no tener necesariamente una solución única. Esto implica la necesidad de tomar decisiones informadas y comprender las limitaciones de los modelos o fórmulas utilizados. Además, la propagación de errores en las operaciones y el uso incorrecto de datos, fórmulas o software pueden dar lugar a resultados erróneos.

La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos una y otra vez. La falta de comunicación o colaboración entre profesionales en entornos de trabajo también puede provocar errores en la resolución de problemas. Confiar ciegamente en la tecnología o en herramientas automatizadas sin comprender en profundidad los principios subyacentes puede ser un problema.

En resumen, resolver problemas en el ámbito universitario o profesional de la ingeniería y las ciencias puede ser un proceso complejo y propenso a errores debido a una variedad de factores interrelacionados. Desde la comprensión del concepto hasta la calidad y disponibilidad de los datos, así como los aspectos psicológicos y técnicos relacionados con la resolución de problemas, es crucial abordar estos desafíos con atención y comprensión para lograr soluciones precisas y efectivas. Desde las universidades debe hacerse todo lo posible para superar este tipo de dificultades y conseguir que nuestros estudiantes adquieran las competencias necesarias para su posterior desarrollo profesional.

Sin querer ser exhaustivo, y sin que estén ordenadas por importancia, aquí os dejo una lista de 30 posibles causas por las cuales nuestros estudiantes en los exámenes o los técnicos en su ámbito profesional, suelen cometer errores al resolver los problemas. Estoy convencido de que hay más causas, pero esto puede ser un buen punto de partida para el debate y la reflexión. En el vídeo que he grabado, me extiendo y explico algo más lo que aquí recojo como una simple lista.

La falta de comprensión del concepto subyacente en un problema puede conducir a errores conceptuales al aplicarlo incorrectamente o interpretarlo de manera errónea.
La inexperiencia o la falta de conocimientos específicos pueden surgir cuando una persona afronta por primera vez un tipo de problema, ya sea durante un examen o en la práctica profesional.
Los problemas relacionados con la disponibilidad de datos pueden presentarse de varias formas, como datos insuficientes, necesarios, innecesarios o contradictorios. A menudo, existe una obsesión por utilizar todos los datos disponibles en el enunciado del problema.
La calidad de los datos también es un factor importante, con la posibilidad de incertidumbre o error en los datos disponibles. Además, dar por válidos datos sesgados, interesados o inventados puede llevar a conclusiones incorrectas. Es necesario un control de calidad de los datos.
Intentar resolver un problema utilizando el enfoque típico visto en clase puede marear a nuestros estudiantes. Los alumnos prefieren resolver un problema típico explicado en clase, a ser posible, con datos parecidos.
El manejo inadecuado de las bases matemáticas, que incluye errores en el cálculo, el uso incorrecto de fórmulas o modelos matemáticos, y la falta de comprensión de los principios subyacentes, puede ser una fuente común de errores. La falta de conocimientos básicos de geometría, trigonometría, álgebra o cálculo básicos son, en ocasiones, escollos. A veces hay dificultades en saber dibujar un esquema para resolver el problema.
Los problemas reales generalmente no tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Esta distinción, que se da claramente entre los estudios de grado y los de máster, es importante tenerla en cuenta.
Los aspectos psicológicos, como el estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración, pueden afectar negativamente la capacidad para resolver problemas de manera efectiva.
La falta de atención o interés, así como la fatiga o el agotamiento, pueden contribuir a errores en la resolución de problemas, al igual que la prisa por resolver el problema.
La complejidad de los problemas puede aumentar cuando se trata de situaciones poco comunes o rebuscadas, lo que requiere un enfoque cuidadoso y creativo para su resolución.
Es crucial comprender la diferencia entre una ley general y una fórmula particular al aplicar normas técnicas que pueden estar basadas en hipótesis o casos específicos.
Utilizar modelos de cálculo inadecuados, ya sean demasiado refinados o demasiado simples para los datos disponibles, puede conducir a soluciones incorrectas.
Carecer de números estimativos para prever el resultado final puede resultar en una falta de comprensión del orden de magnitud del resultado. En este sentido, el uso de nomogramas en la docencia facilita la adquisición de este tipo de habilidad en los estudiantes. Los estudiantes y los profesionales deberían tener un conocimiento del “número gordo” y saber predimensionar.
Es importante ser consciente de la propagación de errores en las operaciones, ya que incluso pequeños errores pueden magnificarse y llevar a resultados incorrectos.
Utilizar fórmulas, datos o tablas en un contexto diferente al que dieron origen puede llevar a interpretaciones incorrectas o a soluciones erróneas.
La extrapolación de resultados a límites no contemplados puede conducir a conclusiones incorrectas o poco realistas.
Utilizar fórmulas empíricas con datos expresados en unidades diferentes a las que funcionan puede generar resultados inconsistentes o incorrectos.
La dependencia excesiva de la memoria en lugar de comprender los principios subyacentes puede conducir a errores en la selección de modelos o fórmulas de cálculo.
Errores conceptuales pueden llevar a la selección incorrecta de modelos o fórmulas de cálculo, lo que resulta en soluciones erróneas.
El uso de software defectuoso o poco contrastado, así como la falta de habilidades para calcular manualmente un problema, pueden resultar en resultados incorrectos. A esto se une un uso inapropiado de la inteligencia artificial.
El mal uso de ecuaciones o fórmulas, como cambiar el nombre de una variable sin entender el concepto subyacente, puede conducir a errores en la resolución de problemas.
La falta de competencia o experiencia en una materia determinada puede resultar en una resolución incorrecta del problema.
Repetir la resolución de problemas de un contexto a otro sin pensar en su validez puede conducir a soluciones inapropiadas.
La falta de comprensión del problema, la pregunta o el tipo de resultado esperado puede resultar en soluciones incorrectas debido a la falta de comprensión lectora, capacidad analítica o de síntesis.
La utilización de unidades defectuosas, notaciones o convenciones específicas puede llevar a interpretaciones erróneas o a soluciones incorrectas.
La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos errores una y otra vez.
La falta de comunicación o colaboración en entornos de trabajo entre profesionales puede contribuir a errores en la resolución de problemas.
La confianza excesiva en la tecnología o herramientas automatizadas puede llevar a la falta de comprensión de los principios subyacentes y a la comisión de errores.
La falta de revisión o verificación de los cálculos realizados por parte de un tercero independiente puede resultar en soluciones incorrectas.
La falta de conocimiento del contexto del problema, incluyendo las restricciones, puede conducir a soluciones subóptimas o incorrectas.

Os paso un vídeo donde he desarrollado las ideas anteriores, con ejemplos, y he dejado algunas de mis reflexiones al respecto. Espero que os guste.

Os dejo un podcast sobre este tema (en inglés), generado por una IA sobre el vídeo.

Aquí tenéis un mapa conceptual que también os puede ayudar.

Premio a la Trayectoria Excelente en Investigación y Premio al Impacto Excelente en Investigación

Ayer, jueves 9 de noviembre de 2023, recibí dos de los premios más importantes en el ámbito de la investigación en nuestra universidad. Se trata del Premio a la Trayectoria Excelente en Investigación y el Premio al Impacto Excelente en Investigación, ambos otorgados por la Universitat Politècnica de València.

Son unos premios muy especiales, pues se concede a nivel personal y es un reconocimiento valorado por aquellos que nos dedicamos a la investigación. Además, solo se conceden una vez cada cinco años, siendo un premio al que no debes presentar ninguna candidatura, por lo que fue una auténtica sorpresa. El prestigio de estos premios lo dan los excelentes finalistas que han competido conmigo que, en mi modesta opinión, tienen méritos más que merecidos para ello. Teniendo en cuenta que la Universitat Politècnica de València cuenta con casi 3.000 investigadores, el hecho de estar premiado en dos de las categorías más relevantes, es un logro que agradezco mucho. Muy agradecido por ello.

El Premio a la Trayectoria Excelente en Investigación reconoce al personal investigador de la UPV que disponga de un índice de actividad investigadora en, al menos, los últimos años (2018 al 2021), dentro de su área de conocimiento. El Premio al Impacto Excelente en Investigación reconoce al personal investigador de la UPV cuyo conjunto de publicaciones científicas de los últimos 10 años haya obtenido un alto grado de reconocimiento en la comunidad científica internacional. Estos reconocimientos se unen al recibido en el mes de junio de este mismo año al Premio Excelencia Docente 2023 del Consejo Social de la Universitat Politècnica de València. Este año, desde luego, es irrepetible.

El esfuerzo ha sido enorme durante estos últimos años, y nada de esto hubiera sido posible sin el equipo de investigación que ha trabajado conmigo en la realización de sus respectivas tesis doctorales. No hay mayor satisfacción que ver cómo muchas carreras académicas y profesionales han salido de nuestro pequeño grupo. A diferencia de otros grupos, el nuestro realiza investigación “artesanal”, muy cuidada y con medios muy ajustados a nuestro trabajo.

Y cómo no, se lo agradezco a mi familia, sin cuyo apoyo constante y paciencia, no hubiera sido posible dedicar el tiempo necesario a este menester.

Os dejo algunas fotografías y un vídeo del evento. Muchas gracias a todos.

Aquí os dejo los enlaces a algunos medios de comunicación que se han hecho eco de estos premios.

https://www.upv.es/noticias-upv/noticia-14377-ii-premios-inv-es.html

https://www.lasprovincias.es/comunitat/cientificos-brillantes-universitat-politecnica-20231110003549-nt.html

https://www.europapress.es/valencia/noticia-upv-reconeix-les-seues-33-cientifics-mes-excellents-els-ii-premis-dinvestigacio-20231110133651.html

Cuando una “campaña experimental” se convierte en un desperdicio de tiempo y dinero

https://www.laensa.com/probetas-hormigon/

Reconozco abiertamente que me recorre cierto escalofrío cuando escucho por algún sitio que se está desarrollando una “campaña experimental“, a menudo en laboratorios donde, por desgracia, cada ensayo cuesta muchísimo tiempo y dinero. Me viene a la mente una campaña militar a gran escala donde, para conseguir un objetivo, se sacrifica lo que sea necesario. Cuando igual una pequeña fuerza de operaciones especiales sería suficiente.

Lo digo porque no es la primera vez que me encuentro con algún estudiante de máster o doctorado que quiere iniciar ensayos para cubrir, literalmente, las variaciones posibles en ciertos rangos, de un número de factores que influyen en un problema determinado. Y tampoco me es ajeno el típico estudiante que acude a mi despacho a pedirme consejo porque no sabe qué hacer con las montañas de datos generados, no siendo capaz de interpretar con herramientas estadísticas rigurosas.

Pero este problema no solo ocurre en determinados ámbitos científicos, sino que es habitual en empresas, procesos industriales y laboratorios de todo tipo. Cuento esto porque encuentro de vez en cuando a un doctorando que ha dedicado, por ejemplo, más de cinco años en recoger datos que luego, a la postre, se acumulan en hojas de cálculo y son difíciles de interpretar porque no se sabía exactamente cuál era la pregunta de investigación que se quería resolver.

También es muy típico encontrar en las empresas a técnicos expertos en un proceso determinado “con mucha experiencia”, que realmente lo que ha hecho es aprender con los años, y sobre todo, de sufrir en sus carnes muchos errores. Este tipo de experiencia, basada en el error, no es la más barata, ni mucho menos.

Afortunadamente, cada vez son menos los que se enfrascan directamente a ensayar todas las combinaciones posibles en los valores de ciertas variables. Para eso disponemos de una rama del conocimiento denominada diseño de experimentos que permite no solo ahorrar recursos (tiempo, espacio de laboratorio, dinero, etc.), sino también es capaz de sacar muchísima más información de los datos cuando se dedica algo de tiempo a hacer un buen diseño experimental. No digo con esto que existan campañas experimentales bien diseñadas, sino que aún perviven prácticas que, por puro desconocimiento, son utilizadas aún en demasiadas ocasiones.

Veamos un ejemplo sencillo que nos permite aclarar las ideas. Imaginemos un proceso que solo depende de 4 factores. Si de cada factor queremos analizar 5 niveles, una “campaña experimental” exhaustiva nos obligaría a tomar 5^4 = 625 observaciones. Este número tan elevado puede ser inviable. ¿Cómo podemos reducir el número de observaciones? Se podría reducir el número de factores o el número de niveles a estudiar .

Un buen diseño de experimentos puede reducir muchísimo el número de observaciones necesarias ofreciendo, a su vez, información muy valiosa. Por ejemplo, un diseño factorial a dos niveles, ya sea completo o fraccionado, sería suficiente en la mayoría de los casos para estudiar los efectos, las interacciones entre los factores, etc. Invito al lector a revisar en este mismo blog algunos artículos que he escrito al respecto:

¿Qué es el diseño de experimentos?

Definiciones básicas del diseño de experimentos

Incluso, en el caso de que no exista una interacción entre los factores, por ejemplo un diseño en cuadrado grecolatino, para cuatro factores y cuatro niveles, podríamos obtener información valiosa con 16 observaciones en vez de las 256 que serían las necesarias para cubrir todas las combinaciones posibles. En este blog podéis encontrar muchos ejemplos resueltos buscando “diseño de experimentos” en la columna de la izquierda, donde aparece el buscador.

Resumiendo, estoy a favor de las “campañas experimentales”, pero siempre que se basen en un diseño de experimentos previo. Pero mi consejo es que antes de hacer nada, tengamos muy clara la pregunta de investigación que queremos resolver. De hecho, la ciencia experimental trata de llegar a conclusiones generales con datos procedentes de casos particulares, y para eso necesitamos la estadística.

Parafraseando la frase que, según la tradición, estaba grabada a la entrada de la Academia de Platón, yo pondría el siguiente letrero a la puerta de cualquier laboratorio: “NO ENTRE NADIE QUE NO SEPA ESTADÍSTICA”.

Os dejo una conferencia del profesor Xabier Barber de la Universidad Miguel Hernández que os aclarará muchas cosas. Espero que os guste.

Referencias:

Box, G.E.; Hunter, J.S.; Hunter, W.G. (2008). Estadística para investigadores. Diseño, innovación y descubrimiento. Segunda Edición, Ed. Reverté, Barcelona.
Gutiérrez, H.; de la Vara, R. (2003). Análisis y diseño de experimentos. McGraw-Hill, México.
Vicente, M.L.; Girón, P.; Nieto, C.; Pérez, T. (2005). Diseño de experimentos. Soluciones con SAS y SPSS. Pearson Educación, Madrid.

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Siempre han existido grandes inventos

En la clase de “Gestión de la innovación en el sector de la construcción“, del Máster Universitario en Gestión y Planificación en Ingeniería Civil, muchas veces se debate sobre los inventos. Si éstos se deben a mentes brillantes, a la casualidad o a un proceso planificado de innovación en las empresas. Incluso si los inventos o la innovación deben originarse en la investigación y el desarrollo tecnológico. Pero incluso en épocas anteriores al desarrollo del método científico, ya se inventaban cosas.

Os paso un documental donde se muestra cómo los grandes inventos a veces son muy antiguos: la pila eléctrica de Bagdad, las máquinas griegas para hacer cálculos astronómicos, la máquina de vapor de Herón de Alejandría, las técnicas de construcción de las pirámides de Gizeh y del Machu Picchu Inca, o los conocimientos de neurocirugía y de aviación de los indios Nazca, inventos todos ellos que permanecieron ocultos miles de años y que hubieran podido cambiar el destino de la humanidad.

Dos trillones de átomos y las infraestructuras sostenibles

Va siendo habitual mi labor de divulgación en medios de comunicación, sobre todo de la radio. Este es el caso de Radio Nacional de España, donde David Sierra conduce un programa de divulgación científica denominado “Dos trillones de átomos”. Es tremendamente interesante, aunque se emite los domingos de 4:00 a 5:00 horas en la madrugada

En este programa, me realizaron una entrevista sobre las infraestructuras sostenibles, pero hablamos de muchas más cosas como la “dureza de los estudios de ingeniería de caminos”, la errónea visión de la construcción como “cultura del ladrillo”, la “internacionalización de las empresas constructoras españolas”, la “inteligencia artificial”, los “gemelos híbridos” y mucho más. Espero que os guste mi apuesta de la ingeniería como “cultura del bienestar”. Os dejo el podcast por si os interesa.

Dos trillones de átomos y una pregunta de un niño sobre el balasto

Pues dentro de dicha sección hay un hueco para preguntas curiosas. Un niño quería saber sobre “esas piedrecitas blancas que se encuentran en la vía del tren“. Pues bien, ha sido una buena excusa para realizar divulgación sobre la técnica de la ingeniería, en este caso, ferroviaria. Como veréis el lenguaje utilizado está deliberadamente alejado del que utilizamos entre ingenieros o en el mundo académico y trata de explicar, con palabras muy llanas, qué es el balasto y para qué sirve. Usé en este caso la metáfora de la “cama del fakir” para intentar explicar cómo se pueden transmitir las altas cargas del material móvil al terreno sin que se superen las tensiones admisibles. Os dejo el podcast por si os interesa.

Editor por una semana de @cienciaUPV, en Instagram

Uno está acostumbrado a batallar como editor o revisor en revistas internacionales. Es una labor habitual para un profesor que se dedica a la investigación. Sin embargo, he recibido un encargo especial: ser editor invitado de @cienciaUPV, el perfil oficial en Instagram de la Universitat Politècnica de València dedicado exclusivamente a mostrar la actividad científica desarrollada por la institución.

La idea es muy sencilla y rompedora: cada semana, una persona distinta -siempre ligada a la actividad científica en la UPV- tomará las riendas del perfil y podrá publicar aquellas imágenes y textos que desee. Siempre, con libertad editorial para el autor y propietario de la cuenta durante esos días, tratando de conferir ese enfoque personal y único al perfil. A mí me ha tocado la semana del 18 al 24 de junio de 2018.

De este modo, el personal docente e investigador (PDI) de la UPV mostrará cómo es su día a día, sus temas y líneas de investigación, los resultados obtenidos… siempre con una perspectiva que permita a los ciudadanos acercarse y aproximarse para conocer la importancia y necesidad para la sociedad de la investigación en la universidad pública. Por supuesto, y como no puede ser de otra forma en un medio social, también tendrán cabida las reflexiones, las experiencias y cualquier publicación de corte más personal.

Esta idea supone un auténtico reto. Yo ya tengo una cuenta en Instagram @vyepesp, donde suelo subir imágenes relacionadas con la ingeniería, la arquitectura, paisajes, etc. Pero ahora el tema es diferente, se trata de difundir la investigación y las tareas habituales.

¿Por qué Instagram? El crecimiento exponencial de la plataforma Instagram en todo el mundo, con más de 800 millones de usuarios activos cada mes en la actualidad, invita a diversificar la presencia de nuestra institución en este medio social para intentar conectar con grupos de interés más específicos o poder incrementar el número de contenidos compartidos.

@cienciaUPV es una actividad financiada por la Fundación Española para la Ciencia y la Tecnología (FECYT) del Ministerio de Economía, Industria y Competitividad. Se enmarca dentro del programa de actividades del proyecto ConCiénciate: UCC+i Universitat Politècica de València que llevará a cabo el Área de Comunicación de la UPV, a través de su Unidad de Cultura Científica e Innovación (UCC+i), hasta marzo de 2019.

El proyecto incluye un gran número de actividades de comunicación y divulgación científica, como el taller Cocinando con ciencia el futuro, que tendrá lugar este viernes 25 de mayo; el programa El Laboratorio del running, que se emite todas las semanas en UPVRadio; la serie Mujeres científicas, que arrancará el próximo mes de junio; o los talleres conCiencia Química, que se llevarán a cabo durante el próximo curso académico.

Por tanto, os espero. Invitamos a toda la comunidad universitaria a seguir al perfil, interaccionar con la cuenta y, sobre todo, enviar contenidos interesantes para que puedan ser difundidos y compartidos con el mayor número de personas posibles.

Para saber más:

http://www.upv.es/noticias-upv/noticia-10073–cienciaupv-en-es.html

Necrológica: Ha fallecido el Profesor Carlos A. Brebbia

Tengo que hacerme eco del fallecimiento del profesor Carlos A. Brebbia (1948-2018), hecho acaecido el pasado sábado 3 de marzo de 2018. Tuve la oportunidad de coincidir con él en varios congresos donde me invitó a formar parte del Comité Científico, como el “International Conference on High Performance and Optimum Design of Structures and Materials HPSM/OPTI“, organizados por Wessex Institute. Junto con el Profesor Santiago Hernández y los profesores Kravanja y De Wilde, formaban parte de la presidencia de estos congresos. Os dejo a continuación un breve obituario sobre su persona. Descanse en paz.

Carlos was born in Rosario, Argentina, where he completed his first engineering degree, after being educated at Military Colleges in Santa Fe and Buenos Aires. He spent two years after graduation as part of a small team setting up an Institute of Applied Mechanics. Following this he registered at the University of Southampton in England for a higher degree, arranging to carry out his research partly at MIT. This experience set up the basis for his long and close association with the USA.

After obtaining his PhD at Southampton University he worked for the Central Electricity Research Laboratories in the UK, a leading research establishment at the time. He left the Laboratories to take up an academic position at the University of Southampton where he rose from Lecturer to Senior Lecturer and Reader. During his time at Southampton he took leave to become Visiting Professor at many other Universities, including an academic year at Princeton. After having been appointed Full Professor of Engineering at the University of California, Irvine, he decided to resign his position and return to the UK to set up the Wessex Institute, of which he was the Founder and Director.

Carlos is renowned throughout the world as the originator of the Boundary Element Method, a technique that generates important research work at the Wessex Institute. He has written many scientific papers, been author of 14 books, co-author of numerous volumes and editor or co-editor of over 500. He also published two non-scientific books, “The New Forest. A Personal View” and “Patagonia, a forgotten Land”. A book on the Paraguayan War in the 19th Century was a work in progress at the time of his death.

He founded several successful international Journals including the International Journals of Safety and Security, Design & Nature and Ecodynamics, Sustainable Development and Planning, Computational Methods and Experimental Measurements, Energy Production and Management, Heritage Architecture, Transport Development and Integration, and the new International Journal of Environmental Impacts.

He established two International prizes, the highly regarded Prigogine Medal for Ecological Systems Research, co-sponsored by the University of Siena; and the George Green Medal, supported by Elsevier and co-sponsored by the University of Mississippi.

Carlos ran a successful WIT programme of international scientific conferences in different locations throughout the world. He helped the Institute to develop academic links with first class institutions around the world, which has resulted in many more research programmes and collaborative projects.

Carlos held many special honours, including the Medaille de la Ville de Paris, Echelon Argent; Medaille of the Masonnet Foundation, University of Liege, Belgium; Fellow of the Institution of Mechanical Engineers in the UK; Fellow, and Founding President of the American Society of Civil Engineers UK Chapter; Honorary PhD at the University of Bucharest; Fellow of the Royal Society of Arts;and Member of the European Academy of Sciences and Arts.

In parallel with his academic career, Carlos was a highly successful entrepreneur and founded the Computational Mechanics International Ltd group of companies in 1976. This group’s activities have grown to include software development, engineering consultancy, property investment and publishing. The group works closely with WIT and is responsible for the publishing programme of the Institute which includes, in addition to the conference proceedings, a series of monographs and edited books by some of the foremost scientists in the world.

Whilst we grieve the enormous loss of our Founder and Chairman, whose hard work, determination and achievements during his career are truly inspirational, we know that his earnest desire was for all that he has worked tirelessly to build over many years, to continue to flourish. To this we are firmly committed and so we welcome the continued and future collaboration of our friends and colleagues around the world.

Carlos is survived by his wife, Carolyn, his son Alexander and daughter Isabel, and six grandchildren.

Jerga, falacias y encuestas electorales: Las hipótesis en la investigación científica

Muchas veces la jerga que utilizan determinados colectivos o profesiones confunden al común de los mortales. La creación de un lenguaje jergal propio es habitual en todo grupo humano muy cerrado, con contacto estrecho y prolongado entre sus integrantes, y con una separación muy nítidamente marcada entre “dentro” y “fuera”. Un ejemplo es la jerga médica, donde la precisión necesaria para describir una enfermedad requiere de una traducción simultánea al enfermo. Otras veces existen consultores que, escudándose en neologismos, tecnicismos o anglicismos, venden mejor sus ideas o productos. No menos confuso es el lenguaje estadístico, sobre todo cuando se trata de encuestas electorales. Este lenguaje confuso, y en numerosas ocasiones deliberadamente difícil de entender, oculta ideas o conceptos sencillos. Este es el caso de las hipótesis en la investigación científica y las pruebas de hipótesis empleadas en la estadística.

Todos esperamos de un jurado que declare culpable o inocente a un acusado. Sin embargo, esto no es tan sencillo. El acusado es inocente hasta que no se demuestre lo contrario, pero el dictamen final solo puede decir que no existen pruebas suficientes para declarar que el acusado sea culpable, lo cual no es equivalente a la inocencia. Además, es fácil intuir que el jurado no es infalible. Puede equivocarse culpando a un inocente y también absolviendo a un culpable. Lo mismo ocurre con un test de embarazo o de alcoholemia, puede dar un falso positivo o un falso negativo. ¿Qué significa que una encuesta afirma que el partido “A” va a ganar las elecciones? De esto trata una prueba de hipótesis, pero vayamos por partes.

Una hipótesis puede definirse como una explicación tentativa de un fenómeno investigado que se enuncia como una proposición o afirmación. A veces las hipótesis no son verdaderas, e incluso pueden no llegar a comprobarse. Pueden ser más o menos generales o precisas, y abarcar dos o más variables, pero lo que es común a toda hipótesis, es que necesita una comprobación empírica, es decir, se debe verificar con la realidad. Pero ahora viene el problema: ¿en cuántos casos necesitamos para verificar una hipótesis? Siempre quedará la duda de que el caso siguiente negará lo planteado en la hipótesis. Por tanto, nos encontramos ante un método inductivo donde el reto será generalizar una proposición partiendo de un conjunto de datos, que denominaremos muestra.

Este tipo de hipótesis son, en realidad, hipótesis de investigación o de trabajo. Pueden ser varias, y suelen denominarse como H1, H2, …, Hi. Se trata de proposiciones tentativas que pueden clasificarse en varios tipos:

a) Descriptivas de un valor o dato pronosticado

b) Correlacionales

c) De diferencia de grupos

d) Causales.

En estadística, se llaman hipótesis nulas aquellas que niegan o refutan la relación entre variables, denominándose como H0. Estas hipótesis sirven para refutar o negar lo que afirma la hipótesis de investigación. Por ejemplo, si lo que quiero comprobar es la relación existente entre la relación agua/cemento con la resistencia a compresión a 28 días de una probeta de hormigón, entonces la hipótesis nula es que no existe una relación entre ambas variables. La idea es demostrar mediante una muestra que no existen pruebas suficientemente significativas para rechazar la hipótesis nula que indica que no existe relación entre dichas variables. Sin embargo, en un lenguaje menos formal, lo que realmente queremos es verificar que existe dicha relación. Sin embargo, también existen hipótesis alternativas, que son posibilidades diferentes de las hipótesis de investigación y nula. Así, si nuestra hipótesis de investigación establece que “esta silla es roja”, la hipótesis nula es “esta silla no es roja”, pero las hipótesis alternativas pueden ser: “esta silla es verde”, “esta silla es azul”, etc. Realmente, la hipótesis alternativas no son más que otras hipótesis de investigación. Curiosamente, en investigación no hay una regla fija para la formulación de hipótesis. Hay veces que solo se incluye la hipótesis de investigación, en otras ocasiones se incluye la hipótesis nula y, en otras, también las alternativas.

Pero, ¿se puede afirmar que un partido va a ganar las elecciones según una encuesta?, o dicho de otro modo, ¿se puede probar que una hipótesis es, con toda rotundidad, verdadera o falsa? Desgraciadamente, no se puede realizar dicha afirmación. Lo único que se puede hacer es argumentar, a la vista de unos datos empíricos obtenidos de una investigación particular, que tenemos evidencias para apoyar a favor o en contra una hipótesis. Cuantas más investigaciones, más credibilidad tendrá, y ello solo será válido para el contexto en que se comprobó. De ahí la importancia de elegir una muestra que sea suficientemente representativa de la población total. Por tanto, solo podemos argumentar la validez de las hipótesis desde el punto de vista estadístico. Las pruebas de hipótesis sirven para este cometido.

A continuación os dejo una figura donde se describe, de forma muy resumida, lo que es una prueba de hipótesis. Me gustaría que os fijaseis en que en toda prueba de hipótesis existen dos tipos de errores, el falso positivo (mandar a un inocente a la cárcel) y el falso negativo (exculpar a un culpable). Estos errores deberían ser lo más bajos posibles, pero a veces no es sencillo. Para que ambos errores bajen de forma simultánea, no hay más remedio que aumentar el tamaño de la muestra. Por este motivo, para hacer un examen lo más justo posible, este debería aprobar a los que han estudiado y suspender a los que no. Lo mejor es que el número de preguntas sea lo más alto posible.

Por tanto, ojo cuando el titular de un periódico nos ofrezca una previsión electoral. Hay que mirar bien cómo se ha hecho la encuesta y, lo más importante, saber interpretar los resultados desde el punto de vista estadístico.

Referencias:

Hernández, R.; Fernández, C.; Baptista, P. (2014). Metodología de la investigación. Sexta edición, McGraw-Hill Education, México.