ICITECH (Instituto de Ciencia y Tecnología del Hormigón)

2013-05-03 09.20.32

El Instituto ICITECH (Instituto de Ciencia y Tecnología del Hormigón) es un Centro de Investigación de la Universidad Politécnica de Valencia creado en 2005, que agrupa a los profesores e investigadores cuya actividad investigadora se centra en el hormigón. Actualmente forman parte del instituto un total de 63 miembros, de los cuales 32 son profesores, 14 son investigadores contratados y el resto personal técnico de apoyo a la investigación y de administración.

La finalidad del Instituto es la investigación del hormigón, tanto desde el punto de vista de los materiales constituyentes como el de las estructuras, en una amplia gama de aspectos como el proceso de fabricación, el comportamiento fisco-químico, mecánico o medioambiental, la sostenibilidad o el comportamiento, diseño, construcción y mantenimiento de las estructuras.
Los objetivos son fomentar y promover la investigación de calidad a través de la realización de proyectos de I+D, potenciar la investigación aplicada, la transferencia de tecnología y de conocimiento a las empresas afines y la participación de socios industriales.

Las instalaciones de ICITECH se ubican en un nuevo edificio que alberga una gran losa de carga de 500 m2 junto con un muro de reacción horizontal en L de 14×6 m y 13 m de altura y con puntos de anclaje tanto en la losa como en el muro de 500 kN situados a un metro de distancia entre sus ejes. Además, dispone de una instalación oleohidráulica constituida por 6 grupos motobomba que proporcionan 250 bares un caudal de 1560 litros/min y dos puentes grúa de 10 t cada uno que permite manejar elementos de hasta 20 t por toda la superficie de la nave. Este conjunto permite realizar ensayos a escala real de estructuras con muy diversas tipologías de carga. Además de esta gran instalación, el edificio incluye laboratorios de química y de materiales con un total de 175 m2, tres cámaras húmedas: una de 117 m3 y dos de 57 m3, central de aire comprimido, gas natural, dióxido de carbono y aire seco.

 

Os paso a continuación un pequeño dossier que hemos preparado para explicar lo que hace nuestro grupo de investigación sobre optimización heurística relacionado con temas de hormigón (proyecto HORSOST) y con el mantenimiento de activos e infraestructuras. Esta actividad se encuentra enmarcada dentro del ICITECH, del Máster Oficial en Ingeniería del Hormigón (acreditado con el sello EUR-ACE)  y del Programa de Doctorado en Ingeniería de la Construcción de la Universidad Politécnica de Valencia (verificado por ANECA).

Descargar (PDF, 5.75MB)

¿Qué es la metodología de la superficie de respuesta?

La Metodología de la Superficie de Respuesta (RSM) es un conjunto de técnicas matemáticas y estadísticas utilizadas para modelar y analizar problemas en los que una variable de interés es influenciada por otras.  El propósito inicial de estas técnicas es diseñar un experimento que proporcione valores razonables de la variable respuesta y, a continuación, determinar el modelo matemático que mejor se ajusta a los datos obtenidos. El objetivo final es establecer los valores de los factores que optimizan el valor de la variable respuesta. Esto se logra al determinar las condiciones óptimas de operación del sistema.

La diferencia entre (RSM) y un diseño experimental corriente estriba en que un diseño experimental por si solo tiene como objetivo localizar el tratamiento “ganador” entre todos aquellos que se han probado. En cambio, RSM pretende localizar las condiciones óptimas de operación del proceso. Ello supone un reto para el investigador, requiere una estrategia más completa e incluye la posibilidad de efectuar varios experimentos secuenciales y el uso de técnicas matemáticas más avanzadas.

Os dejo a continuación un vídeo explicativo que espero os aclare la metodología.

Otro vídeo complementario al anterior es el siguiente:

Referencias:

  • Box, G. E. P., Wilson, K. G. (1951), On the experimental attainment of optimum conditions,Journal of the Royal Statistical Society, B 13, 1-45
  • Cornell, John A. (1984), How to apply Response Surface Methodology, American Society for Quality Control, Milwaukee, WI.
  • Kuehl, Robert O. (2001) Diseño de Experimentos, 2a. Edición, Thomson Learning.
  • Melvin T. A. Response Surface Optimization using JMP Software, < http://www2.sas.com/proceedings/sugi22/STATS/PAPER265.PDF>
  • Montgomery, D. C. (2002), Diseño y Análisis de Experimentos, Editorial Limusa, Segunda Edición.
  • http://www.cicalidad.com/articulos/RSM.pdf
  • http://catarina.udlap.mx/u_dl_a/tales/documentos/lii/peregrina_p_pm/capitulo2.pdf

¿Qué es el ORCID?

OrcidEl post de hoy va dedicado a aquellos de vosotros que os dedicáis a la investigación científica. Vamos a hablar de ORCID,  que es un proyecto abierto, sin ánimo de lucro, comunitario, que ofrece un sistema para crear y mantener un registro único de investigadores y un método claro para vincular las actividades de investigación y los productos de estos identificadores.  ORCID es único por su capacidad de aplicarse a todas las disciplinas, sectores de investigación y fronteras nacionales. Es un centro que conecta a los investigadores y la investigación a través de la incorporación de identificadores ORCID en flujos de trabajo clave, tales como el mantenimiento de los perfiles de investigación, las presentaciones manuscritas, las solicitudes de subvención y las solicitudes de patentes.

En mi caso particular, mis registros de investigador son los siguientes:

orcid.org/0000-0001-5488-6001

Scopus Author ID 23487457600

ResearcherID K-9763-2014

 

Para que tengáis más información, os dejo los siguientes vídeos explicativos:

HORSOST: Un proyecto de investigación sobre sostenibilidad y estructuras

2013-05-03 09.20.32
Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

Creo interesante comentar en este post los resultados que estamos obteniendo de un Proyecto de Investigación financiado por el Ministerio de Ciencia e Innovación que nuestro grupo de investigación llama HORSOST. Su nombre completo describe el contenido del trabajo que estamos desarrollando: “Diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos“.

Se trata de un proyecto que empezamos en el año 2012 y que tiene prevista su finalización a finales del 2014. Nuestro grupo de investigación está formado por seis profesores y varios becarios de investigación del Instituto de Ciencia y Tecnología del Hormigón (ICITECH) de  la Universidad Politécnica de Valencia. En dicho grupo me corresponde el papel de investigador principal. Espero que esta breve descripción os oriente sobre lo que estamos haciendo.

Este proyecto de investigación se encuentra relacionado con otros ya finalizados y otros en marcha, tanto de convocatorias competitivas como de convenios de transferencia tecnológica con empresas (constructoras, empresas de prefabricados, consultoras, etc.).

El objetivo fundamental del proyecto de investigación HORSOST consiste en Continue reading “HORSOST: Un proyecto de investigación sobre sostenibilidad y estructuras”

Tatiana García Segura, primer premio Cemex en sostenibilidad

http://catcemexsost.webs.upv.es/

Hoy me toca hablar de Tatiana García Segura. Es una brillante ingeniera de caminos, canales y puertos, máster en ingeniería del hormigón e investigadora en el Instituto de Ciencia y Tecnología del Hormigón (ICITECH), que acaba de ganar el primer premio de la Cátedra CEMEX SOSTENIBILIDAD a su Tesis Fin de Máster en materia de sostenibilidad y medio ambiente presentada en el curso 2012-13. La tesis se denomina “Métricas para el diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo”, dirigida por Víctor Yepes Piqueras y Julián Alcalá González. Dicho trabajo obtuvo la calificación de 10 sobresaliente con matrícula de honor. De este trabajo ya se han aceptado varios artículos internacionales en revistas científicas de primer nivel. Este premio constituye un espaldarazo al proyecto de investigación HORSOST (BIA2011-23602), financiado por el Ministerio de Ciencia e Innovación, de la cual Tatiana es becaria FPI y yo mismo investigador principal. En este momento Tatiana está desarrollando su tesis doctoral aplicando los resultados obtenidos de su trabajo en el diseño automático de puentes óptimos postesados de sección en cajón basándose en criterios sostenibles multiobjetivo aplicado al ciclo completo de vida de la estructura y utilizando hormigones no convencionales.

Creo que es de interés transcribir a continuación el resumen de dicha Tesis Fin de Máster:

El diseño eficiente de estructuras de hormigón ha estado ligado con la potenciación de sus características resistentes, constructivas y económicas. Durante las últimas décadas ha habido un incremento en la producción científica relacionada con los hormigones no convencionales. Los hormigones de alta resistencia, autocompactables y reforzados con fibras son cada vez más empleados en el ámbito de la ingeniería civil y la arquitectura. Estos materiales tienen ciertas propiedades como son la alta resistencia, la facilidad de colocación y la durabilidad, que le confieren características adicionales al hormigón convencional. A pesar de ello, se ha detectado un vacío en el conocimiento de las métricas que permiten valorar su contribución a la sostenibilidad.

Existen varias herramientas que permiten analizar la sostenibilidad de un proyecto estructural. Algunas de ellas son capaces de medir el impacto global de una construcción, pero no llegan a discernir entre los distintos tipos de hormigones. Otras permiten la comparación entre hormigones, pero no contemplan el ciclo de vida completo de la estructura. En este trabajo se valoran las distintas herramientas existentes y se propone una metodología que sirva para evaluar la sostenibilidad de una estructura.

Para alcanzar dicho objetivo, se aborde en primer lugar un estado del arte de las metodologías existentes. Seguidamente, se lleva a cabo un estudio del ciclo de vida de una estructura de hormigón para detectar los principales puntos a tratar en el análisis posterior. Asimismo, la descripción y evaluación de las propiedades de los hormigones no convencionales nos conduce a una valoración más precisa. Una vez finalizado el estudio de la metodología se proponen cuatro casos prácticos que consideran el uso de cementos con adiciones, hormigones autocompactables, de alta resistencia y reforzados con fibras. Por último se realiza un estudio estadístico de las variables más influyentes.

La metodología propuesta tiene un enfoque multiobjetivo que contempla las características de los hormigones no convencionales. Además, permite analizar el ciclo de vida completo de la estructura, incluyendo su durabilidad. Se comprueba su eficacia para encontrar estructuras más durables, con menor impacto ambiental y económicamente viables. Finalmente se valora el coste y la emisión anual“.

Referencias:

GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2014). Life-cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. International Journal of Life Cycle Assessment, 19(1):3-12. DOI 10.1007/s11367-013-0614-0 (link) (descargar versión autor)

GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures,  11(7):1190 – 1205. ISSN: 1679-7817. (link)

GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92:112-122. DOI: 10.1016/j.engstruct.2015.03.015 (link)

 

Definiciones básicas del diseño de experimentos

Entendemos por experimento al cambio en las condiciones de operación de un sistema o proceso, que se hace con el objetivo de medir el efecto del cambio en una o varias variables del producto. Ello nos permite aumentar el conocimiento acerca del sistema o del proceso.  Asimismo, entendemos por “diseño de un experimento” la planificación de un conjunto de pruebas experimentales, de forma que los datos generados puedan analizarse estadísticamente para obtener conclusiones válidas y objetivas acerca del problema establecido.

En un experimento es muy importante su reproducibilidad, es decir, poder repetir el experimento. Ello nos proporciona una estimación del error experimental y permite obtener una estimación más precisa del efecto medio de cualquier factor.

 

Veamos algunas definiciones importantes en el diseño de experimentos:

  • Unidad experimental: Es la muestra de unidades que es necesario producir en una condición para obtener una medición o dato representativo. Unidad a la cual se le aplica un solo tratamiento (que puede ser una combinación de muchos factores) en una reproducción del experimento.
  • Variables de respuesta: Es la característica del producto cuyo valor interesa mejorar mediante el diseño de experimentos.
  • Factor: Una variable independiente. En la mayoría de las investigaciones se trata con más de una variable independiente y con los cambios que ocurren en la variable independiente, cuando varia una o mas de las variables independientes.
  • Factores controlables: Son variables del proceso que se pueden fijar en un punto o en un nivel de operación.
  • Factores no controlables: Son variables que no se pueden controlar durante la operación normal del proceso.
  • Factores estudiados: Son las variables que se investigan en el experimento para observar cómo afectan o influyen en la variable de respuesta.
  • Confusión: Dos o más efectos se confunden en un experimento si es posible separar sus efectos, cuando se lleva a cabo el subsecuente análisis estadístico.
  • Error aleatorio: Es la variabilidad observada que no se puede explicar por los factores estudiados;  y resulta del pequeño efecto de los factores no estudiados y del error experimental.
  • Error experimental: Componente del error aleatorio que refleja los errores del experimentador en la planificación y ejecución del experimento.
  • Aleatorización: Consiste en hacer experimentos en orden aleatorio; este principio aumenta la posibilidad de que el supuesto de independencia de los errores se cumpla. Asignación al azar de tratamiento a las unidades experimentales. Una suposición frecuente en los modelos estadísticos de diseño de experimentos en que las observaciones o los errores en ellas están distribuidos independientemente. La aleatorización hace válida esta suposición.
  • Repetición: Es correr más de una vez un tratamiento o combinación de factores
  • Bloqueo: Es nulificar o tomar en cuenta en forma adecuada todos los factores que pueden afectar la respuesta observada. Distribución de las unidades experimentales en bloques, de manera que las unidades dentro de un bloqueo sean relativamente homogéneas, de esta manera, la mayor parte de la variación predecible entre las unidades queda confundida con el efecto de los bloques.
  • Tratamiento o combinación de tratamientos: Conjunto particular de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseño seleccionado.

 

El error aleatorio describe la situación de no llegar a resultados idénticos con dos unidades experimentales tratadas idénticamente y refleja:

  • Errores de experimentación
  • Errores de observación
  • Errores de medición
  • Variación del material experimental (esto es, entre unidades experimentales)
  • Efectos combinados de factores extraños que pudieran influir las características en estudio, pero respecto a los cuales no se ha llamado la atención en la investigación.

 

El error aleatorio puede reducirse:

  • Usando material experimental más homogéneo o por estratificación cuidadosa del material disponible.
  • Utilizando información proporcionada por variables aleatorias relacionadas
  • Teniendo más cuidado al dirigir y desarrollar el experimento
  • Usando un diseño experimental muy eficiente.

 

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.

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

Antoni Marí Bernat

Empiezo con Antoni Marí una serie de artículos sobre ingenieros que, de una u otra forma, han influido en mi pensamiento y en mi trayectoria. Valenciano, catedrático de hormigón en la Universidad Politécnica de Cataluña. No he tenido la suerte de tenerlo como profesor, pero, sin duda, siempre que he necesitado alguna cosa de él, siempre me ha tendido una mano y siempre me ha dado un buen consejo. Quisiera destacar su faceta humana y cómo ha sido capaz de conjungar la labor docente, investigadora, profesional y de gestión. Aunque la labor docente y el contacto humano es, quizás, una de características que más me gustaría destacar de él. Dejo aquí un par de entrevistas producidas por Zigurat TV. Espero que os gusten.

Escritura de artículos científicos

En un artículo anterior tuvimos la oportunidad de introducir algunos conceptos básicos sobre lo que es y cómo se estructura un artículo científico. En esta entrada, os dejo un par de Polimedias realizados por la profesora María Milagros del Saz Rubio, de la Universitat Politècnica de València sobre la escritura de artículos académicos en inglés. Creo que son muy interesantes y espero que os gusten.

El primero trata de dar una introducción a las características básicas de la escritura académica.

El segundo se centra en la estructura de los artículos científicos.

¿Qué es un artículo científico?

¿Alguna vez os habéis preguntado cómo se almacena el conocimiento científico hoy en día? Pues sí, se trata de los ARTÍCULOS CIENTÍFICOS. No siempre se ha hecho así, baste recordar las grandes bibliotecas como la de Alejandría, los manuscritos copiados una y otra vez por escribas y monjes, las cartas entre científicos, etc. Sin embargo, son las revistas  y los artículos científicos los que hoy en día se consideran como custodios del acervo científico actual.

Pero, ¿qué es un artículo científico? Se trata de un informe escrito que comunica, por primera vez, los resultados de una investigación. No es nada fácil escribir un artículo de este tipo, puesto que requiere de una rigurosidad, claridad, precisión y concisión muy elevadas. Además, antes de publicarse un artículo científico en una revista de alto impacto científico, este artículo se ve sometido a una rigurosa revisión por otros especialistas en el tema tratado (revisión por pares). Se podría decir que una investigación termina realmente cuando el público especializado tiene acceso a un artículo publicado en una revista científica.

¿Cómo podemos leer o escribir un artículo científico? ¿Por qué es importante escribirlo? ¿Qué estructura tiene?

Para poder contestar brevemente alguna de estas preguntas, vamos a difundir un par de videos explicativos sobre el tema, a sabiendas que nos quedaremos cortos y que en internet existen múltiples enlaces de gran calidad que nos pueden ayudar. También resulta de gran utilidad leer con detenimiento las instrucciones que las propias revistas exigen a sus autores para garantizar un mínimo de calidad en el estilo. No olvidemos que una buena investigación puede quedarse sin publicar si no somos capaces de transmitir bien lo que queremos decir.

 Os paso una plantilla para detectar los errores más frecuentes en los que podemos caer al redactar un artículo científico:

TÍTULO

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Sintaxis equívoca
Uso de términos ambiguos o vagos
Uso de jerga o jerigonza
Uso de abreviaturas y siglas
Falta de brevedad
Título telegráfico o inespecífico
Exceso de preposiciones y artículos
Uso de subtítulos innecesarios
Uso de palabras repetitivas o vacías
Otro tipo de errores detectados

AUTORES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Nombre incompleto, con iniciales que llevan a la confusión
Incluye grados académicos o posiciones jerárquicas en la burocracia institucional
No incluye la institución donde se llevó a cabo la investigación
No figura la dirección postal exacta de cada institución
Cuando hay varios autores, no figura el autor responsable de la correspondencia con la revista
Otros errores

RESUMEN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No existe el resumen
No se puede entender el resumen por sí mismo, sin el contenido del resto del artículo
No incluye los objetivos
No incluye los materiales y métodos
No se incluyen los resultados más relevantes
Incluye información irrelevante
Incluye conclusiones no mencionadas en el texto
Carece de precisión o concisión
No está ordenado adecuadamente
Otros errores

 

PALABRAS CLAVE

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Selección de palabras que no son “clave”
Excesivo número de palabras (más de 10)
Escaso número de palabras (menos de 3)
Términos inespecíficos o ambiguos
Uso de abreviaturas
Uso de preposiciones
Otros errores

INTRODUCCIÓN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Inexactitud en la identificación del problema general
Imprecisión en la definición del problema de investigación
Ausencia de un marco de referencia conceptual
Ausencia o insuficiencia de respaldo bibliográfico
Objetivos demasiados generales, vagos o ambiguos
Supuestos básicos no explícitos
Variables no identificadas
Exclusión de las definiciones de términos principales
Hipótesis mal formuladas
Limitaciones del estudio no explícitas
Falta de enlace con el resto del artículo, explicando su estructura
Otros errores

MATERIALES Y MÉTODOS (este apartado va a depender del tipo de artículo)

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Metodología inapropiada para el objetivo de la investigación
Metodología en desacuerdo con el nivel actual de conocimientos sobre el problema
Imprecisión en la descripción del método de muestreo
Imprecisión en la descripción de los materiales, aparatos, etc.
Imprecisión en la descripción de la metodología
Supuestos básicos de la investigación no explícitos
Falta de orden lógico
Imposibilidad de repetibilidad de la investigación
Otros errores

 

RESULTADOS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Incluir información no pertinente a los objetivos del estudio
Confundir hechos con opiniones
Presentación de los hallazgos sin secuencia lógica
Falta de tratamiento estadístico, o bien es inapropiado o no se entiende
Información insuficiente para justificar las conclusiones
Medios de presentación (tablas, gráficos, etc.) inadecuados o poco claros para justificar las conclusiones
Los cuadros y gráficos carecen de legibilidad y de comprensibilidad
Los cuadros y gráficos repiten información ya expuesta en el texto
Los cuadros y gráficos se utilizan de forma indiscriminada, inadecuada e innecesaria
Los gráficos incluyen muchas series estadísticas juntas o con muchas categorías, lo que dificulta el dibujo e interpretación
Los gráficos se presentan incompletos. Falta de información sobre título, número, escalas, fuente y simbología
Los gráficos son inadecuados, complejos y de difícil interpretación
Exceso de cuadros, material gráfico
Otros errores

 

DISCUSIÓN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Repetir los resultados
No confrontar los resultados
Reformular los puntos ya tratados
Polemizar de forma trivial
Hacer comparaciones teóricas sin fundamento
Hacer conjeturas sin identificarlas como tales y sin relacionarlas estrecha y lógicamente con la información empírica o teórica disponible
Otros errores

 

CONCLUSIONES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No hay conclusiones
Las conclusiones no se justifican por cuanto no se apoyan en los resultados
Las conclusiones no concuerdan con las preguntas de investigación formuladas en la introducción
Otros errores

 

AGRADECIMIENTOS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Falta de concisión en la exposición del agradecimiento
Otros errores

 

REFERENCIAS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No se presentan referencias
Las referencias son exiguas
Las referencias son muy numerosas
Las referencias son obsoletas y muestran la desactualización del autor
Las referencias no están citadas en el texto o se citan equivocadamente
Las referencias se seleccionan sin cuidado y no son pertinentes
Los documentos que respaldan las referencias no son accesibles al lector
Las referencias citadas están incompletas
Se incluyen referencias no aceptables para la comunidad científica (reuniones no publicadas, documentos inéditos, comunicaciones personales, tesis no accesibles…)
Otros errores

 

APÉNDICES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Hacer caso omiso del apéndice e incluir información complementaria – no esencial- en el cuerpo del artículo
Información desordenada
Otros errores

 

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

¿Qué juicios dan soporte a la ciencia? Kant versus Hume.

Retrato de Inmanuel Kant (1724-1804)
Retrato de Inmanuel Kant (1724-1804)

Aunque este blog está fuertemente orientado a la ingeniería, de vez en cuando vamos a reflexionar sobre aspectos que creo de interés. En este caso, vamos hacia los cimientos de la propia ciencia, donde a su vez se apoya una gran parte de la ingeniería actual. Veamos, pues, el pensamiento crítico de Kant frente al empirismo de Hume y las razones por las que Kant argumenta que la metafísica no es posible como ciencia.

El pensamiento de Kant es fruto de la fuerte transformación histórica que se inicia con el Renacimiento y termina con la Ilustración. El antiguo orden social, político, religioso o científico se desvanece antes los nuevos conocimientos geográficos, avances tecnológicos y revolución científica. De esta forma, la filosofía aristotélica focalizada en la naturaleza de las cosas, la ontología, da un giro hacia la preocupación por el conocimiento, la epistemología. Si tuviésemos que identificar un momento de modernidad para la ingeniería civil, tendríamos que bucear en la Ilustración como punto de inflexión. Es el momento del hombre y su conciencia como fundamento último de la verdad, es decir, del conocimiento. Esta modernidad filosófica se nutrió en el racionalismo y el empirismo y desembocó en la Ilustración, como proyecto de transformación y mejora de la humanidad mediante el desarrollo de su propia naturaleza racional.

Kant comparte con Hume la crítica hacia el dogmatismo racionalista que pretendía alcanzar un conocimiento más allá de toda experiencia, puesto que prescindir de la experiencia puede hacer confundir conocimiento con imaginación. Sin embargo, va más allá del empirismo de Hume que reduce el conocimiento al límite de la experiencia. De hecho, Kant postula la evidencia de que estamos en posesión de conocimientos universales y necesarios en las ciencias matemáticas y las ciencias naturales. Si estos conocimientos no vienen de la experiencia, ni tampoco son innatos, como indican los racionalistas, entonces es la propia razón la que los construye por sí misma basándose en la experiencia. Ello permite a Kant distinguir el conocimiento sensible, o “a posteriori”, del conocimiento “a priori”, producido por nuestra propia razón. El término “a priori” no debe entenderse como previo a la experiencia, sino como independiente a ella. Dicho con otras palabras, todo conocimiento comienza con la experiencia, pero no todo viene de la experiencia. Como ejemplos podríamos hablar del espacio o del tiempo, también del concepto de causa-efecto. Un niño no nace con la idea de causalidad, como afirmarían los racionalistas, sino que la experiencia hace que la razón forme dicho concepto por sí misma. De este modo, si para Hume el concepto de causalidad no es conocimiento, sino costumbre o hábito, para Kant será conocimiento “a priori”, puesto que es universal y necesario. Así, la universalidad y la necesidad son la estructura natural de nuestro propio entendimiento.

Así pues, Kant establece la existencia de conocimiento universal y necesario, pues este es el que se comprueba en las ciencias matemáticas y físicas. Si la ciencia es un conjunto de proposiciones o juicios, ¿cuáles de ellos son los que sustentan la ciencia? Para ello, Kant establece la diferencia entre los juicios analíticos y los sintéticos. Los primeros, aunque son juicios “a priori” típicos de la lógica, no amplían el conocimiento, puesto que las conclusiones derivan necesariamente de los supuestos. Los juicios sintéticos sí dan información, amplían el conocimiento, pues la conclusión no se deriva necesariamente de los supuestos. Hume estaría totalmente de acuerdo con Kant en esta división, puesto que los juicios analíticos, serían relaciones entre ideas y los juicios sintéticos serían juicios sobre los hechos. La gran originalidad de Kant es distinguir los juicios sintéticos “a posteriori”, provenientes de la experiencia, de los juicios sintéticos “a priori”, provenientes de la razón. Este tipo de juicios amplían el conocimiento de la realidad, puesto que son universales y necesarios, pero no proceden de la experiencia, sino de la razón. Los ejemplos de este tipo de juicios los podemos ver en las matemáticas o en la física. Estos juicios sintéticos a priori, pese a no provenir de la experiencia, siempre se pueden contrastar empíricamente.

Todo lo anteriormente expuesto nos lleva al problema epistemológico clave para Kant, que será averiguar hasta qué punto es posible que la metafísica pueda ser ciencia, es decir, pueda disponer de un conjunto de juicios o proposiciones que la sustenten. Para ello serían necesarios juicios sintéticos a priori, que puedan adecuarse a las condiciones formales de la experiencia. Si no pueden contrastarse, se tendrían juicios vacíos, sin un objeto posible. En este caso, Kant afirma que se habría construido un juicio que supera nuestra facultad de conocimiento y, por tanto, sería ilegítimo. Eso es lo que ocurre, por ejemplo, con los juicios sobre Dios. Todo ello conduce a Kant a plantear que la metafísica no es posible como ciencia.

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