óCX(IJ.(I)V, Revista de Fílosofla, 1994. n• 8.

83· 107

Explicando la explicación*

ANTONI O J . DI ÉGUEZ'

Resumen: En el presente trabajo se anali7.an y Abstract: The three main modcls that have bcen
evalúan los tres modelos principales que han sido proposcd to account for scientific explanation are
propuestos para dar cuenta de la explicación cien· hcre analyzed and evaluated: 1he <:overing-law
tfnca: el modelo de explicación por cobertura legal. model, the statistical-relcvance model (c,o mpleted
el modelo de la relevancia e.s t.adfstica (completado wilh the causal/rnechanical model) and thc crotctic
con el modelo mecánico/causal) y el modelo ero- model. Th~ models follow each olher in a proccss
tético. Estos modelos se han sucedido en un proceso of increasing conceptual refinemenL The last two
de creciente refinamiento conceptual. Los dos úl· have solved somc of the problcms thatthe covering-
timos han surgido corno respuesta a las di ficultades law modcl presented, but thcy have given risc to
en las q ue se vera envuelto e l modelo de cobertura mhcrs. Nonc of thcm achieves to establish the ne·
legal. y han conseguido resolver algunas de ellas. cessary and sufficicnt ronditions LO determine whcn
aunque han dado lugar a otras. Ninguno de ellos wc face a scicntific cxplanation. but taken as
consigue, sin embargo. establecer las condiciones idealization~. thcy do not lack utility.
necesarias y suficientes para detem tinar cuándo Key words: Scicnti fic cxplanation. covcring-law
estamos ante unn explicación cicntílíca, pero tO· model. statiMical-relevancc rnodel, erotctic rnodel,
mudos como idealizaciones no carecen de utilidad. causalily.
Palabras clave: Explicación científica, modelo de
cobertura legal. modelo de relevancia estadfstica.
modelo erotético, causalidad.

l. El concepto de explicación

De los temas clásicos en Filosofía de la Ciencia. el de la explicación ciemífica es uno de Jos que
más discusión, más li teratura y más ejemplos pintorescos ha generado (W.C. Salmon [ 1990] recoge
en su revisión de las cuatro últimas décadas una bibliografía sobre el tema con más de quinientos
trabajos). Según una concepción ampliamente difundida, las ciencias empíric:ts 1ienen dos objetivos
básicos -que, como veremos después, algunos consideran dos caras de la misma moneda. Estos
objetivos son explicar los fenómenos que despiertan la curiosidad del ser humano y predecir
nu evos fenómenos para, sobre todo. propiciar un control de los mismos. Es decir. las ciencias
empíricas no se conforman con descubrir y describir lo que ocurre con una precisión cada vez
mayor. sino que buscan también un conocimiento sislemático que englobe los fenómeno~ dispersos

Este trabajo tuvo su origen en una confere ncia pronunciada~~~ la Universidad de Murcia e l 1 de febrero de 1':193 pam el
curso de doctorado • Aspectos metodológicos de la Investigación Cicnt ifica•. dirigido por el profesor Wenceslau
Gonzálcz.
•• Dirección para correspondencia: Antonio J. Diéguez Luccna. Dcpto. de Filosofía. Facuhad de Filosofía y Lett<l\.
Universidad de Mtllaga, 29071, Málaga.
84 Antonio J . Diégutz

y permita encontrar casos similares no observados con anterioridad. Curiosamente, e n muchas

ocasiones se oye o se lee que la ciencia sólo debe interesarse acerca del cómo y no acerca del por
qué de los fenómenos. Sin embargo, esta vieja máxima positivista encierra una grave incompren-
sión del papel de la cie ncia. Cuando fue propuesta sólo quería decir que la ciencia debe desenten-
derse de las causas últimas o metafísicas --como la causa de la gravedad en la mecánica de
Newton- y no que la ciencia deba abandonar toda búsqueda de leyes causales y convertirse en un
me morándum de observaciones recogidas en leyes empíricas.'
Explicar significa etimo lógicamente extender, desenvolver. desplegar. En su acepción corriente
se entiende que explicar un hecho es aclarar por qué se produjo. lo que, por lo general, consiste en
señalar la causa del hecho: aunque también puede consistir en otras cosas. como dar más detalles
sobre el mismo, por ejemplo. El res ultado de la expli cación debe ser siempre una comprensión
mejor del hecho. Esto se consigue mediante su incorporación al cuerpo de conocimientos previos a
través de cienos lazos que lo muestran como algo racionalmente aceptable dado ese mismo cuerpo
de conocimientos y las circunstancias que concurrieron en el caso.
La explicación científica no es algo radicalmente distinto de la explicación ordinaria; no obstante,
en virtud del mayor rigor del discurso científico, la explicación científica es más específica y ha de
cumpli.r condiciones más estrictas que la explicación ordinaria. No debe extraña.r por ello si ciertas
características propia~ de la explicación científica no son compartidas por cualquiera otra modalidad de
explicación en contextos extracicntíficos. Lo que pueda decirse acerca de explicar científicamente un
hecho no tiene por qué ser aplicable a explicar el significado de un poema o expl icarle a alguien quCilO
habla nuestro idioma que se nos ha roto el radiador del coche. En lo que sigue nos ceñimos a la
explicación científica exclusivamente, si bien algunas cosas sean generali zables a otras explicaciones.

2. Modelos genera les de explicación científica

La tarea que ha interesado a los filósofos de la ciencia ha sido la de buscar una estructur.t común
a la dive.rsidad de tipos de explicación en la ciencia, y para ello han formulado difere ntes modelos
de explicación. Por .razón de espacio y en aras de la claridad expositiva analizaremos sólo los tres
principales.

2.1. Modelo lie explicación por coberlura legal

El primer modelo general de explicación que se ensayó y el que más intluencia ha tenido fue el
modelo por cobertu.ra legal ( covering law model). Aunque se pueden encontrar antecedentes clá-
sicos (e.g. Aristóteles), los que lo propusieron inicialmente fueron J.S. Mili 11843], N.R. Campbell
[ 1920] y K.R. Popper [1934j y los que lo desarrollaron fueron C.G. Hempel y P. Oppenheim
[ 1948]. Para dicho modelo explicar un fenómeno es proporcionar un argumento en el que el

John SIUan Mili ádvinió ya clarameme del error que suponía desterrar de la ciencia la iden de causa. 1al como habla
hecho Comtc. Para Mili , <'01110 después para los neoposilivistas. la caus:oción es un cierto lipo de relación constante de
sucesión fonnulable en leyes, y no debe ser arrojada por lu lx>rda junio con las causas entendidas como principios del
ser al modo de lll mclnffsicnlrlldicionat. Kuhn 119771de.<cribe lo sucedido como la sustiwción de un concepto estrecho
de causa entendida como un agc111c activo por un concepto amplio pam el que In causa de un fenómeno es aquello que
explica su ocurrencia.
 E.rplicondo k1 ~xplicoci6n 85

fenómeno en cuestión aparezca como conclusión de unas premisas que incluyan de manera implí-
cita o expHcita al menos una ley general -de ahí el nombre del modelo. En otras palabras: <<La
pregunta '¿por qué sucede el fenómeno?' deberá interpretarse como '¿De acuerdo con qué leyes
generales y condiciones antecedentes se produce el fenómeno?'» (Hcmpel [1965/1979), p. 248). De
modo similar, si lo que se ITata de explicar es una ley en lugar de un fenómeno aislado (las leyes de
Keplcr o la ley de Galileo sobre la caída de los graves, pongamos por caso), el procedimiemo a
seguir es subsumirla bajo una ley más general (leyes newtonianas de la mecánica, por ejemplo).
Cuando es posible deducir el fenómeno a partir de la ley (o una ley a partir de otra ley más
general) este tipo de explicación recibe el nombre de explicación deductivo-nomológica (abre-
viadamente D-N), pero como no siempre es posible esto, hay. según veremos a continuación. otros
tipos de explicación pertenecientes también al modelo de cobertura legal.
De acuerdo con la presentación de Hempel, una explicación deductivo-nomológica consta de
dos partes: el explanandum o enunciado descriplivo del fenómeno que se desea explicar y el
explanans o enunciados a partir de los cuales se deriva el explanandum como conclusión. El ex-
planans está a su vez formado por una o varias leyes generales (L1, ~. ~, ••• ,L.) y por enunciados
que describen las condiciones iniciales cuya concurrencia provoca la aparición del fenómeno (C, C2,
C3 , ...,C,). El esquema de este modo de explicación sería el sigu iente:

Enunciados explanames

E Enunciado explanandum

La explicación deductivo-nomológica cumple dos requisitos que Hempel cree imprescindibles

en cualquier explicación científica: el requisito de la re/e,•ancia e.1plicariva ( expi01Wtory relevance)
y el requisito de la comrastabilidad (testabilicy).l El primero exige que la información aducida
proporcione una buena base para creer (good grounds for believing) que el fenómeno a explicar
tuvo o ha de tener lugar; el segundo pide que los enunciados que componen la explicación sean
empíricamente contrastables. La explicación deductivo-nomo lógica cumple el primer requisito con
creces. toda vez que el explanans ofrece el fundamento lógico más fuerte posible para concluir el
explanandum. a saber, lo implica dcductivamente. Por lo tanto, aceptada de hecho la información
contenida en el explanans. ha de concluirse por necesidad el acaecimieoto del fenómeno en cues-
tión. El segundo requisito es también satisfecho. pues el explanans implica que el fenómeno ha de

2 En 11948] Hcmpcl y Oppenhcim habfan cs1ablecido tres requisitos lógicos para la explicación. a los qu~ en 11 965]
Hempcl :t~;~dió un cuano de carác1cr crnpfrico. E.~tos requisitos, de fonna resumida. son:
(R 1) El ~xplmwndum debe ser consecuencia lógica del explanans.
(R2) El ~.cp/anmrs debe contener lcye• generales exigidas realmenlc para la derivación del explanantlllm.
(R3) El explano11S debe ser conlrastable mediante experimento u observación.
( R4) L.'IS ornciones que constituyen el uplonattr han de ser verdaderas.
(Rl ) y (R2) equivaldrían • lo que en 119661 Hempelllama requisito de la relevancia explicativa. y (R3). al requisito de
la contraStabílidad. (R4) caracteriza a la ~.rplicadonu ,·erdoderos o corrc:c1as. La omisión de és1e úhimo nos deja sólo
con txp/icadonts potencio/es. En ellas se cumplen los tnos rcquisilos lógicos pero no se sabe aún si el u p/onans será
verdadero y dará lugar a una explicación correcta. Este cuano requisilo resulta bastante sorprendcme por su extremada
exigencia, y su aceptación conduce a consecuencias extrañas. Si no se puede hablar de explicaciones corrccras hasta
estar seguros de la verdad de sus premisas y. dado que es imposible eswblcccr la verdad definitiva eJe una ley general
como lns que han de fonnar parte de las premisas según (R2), nunca csmremos autorizados para hablar de explicaciones
corrccu&s.
86 Antonio J . Diéguez

producirse bajo ciertas condiciones. y eso es perfectamente contrastable. Si en tales condiciones el

fenómeno no se produce, la explicación habrá quedado invalidada por la experiencia. En realidad,
según Hempel, toda explicación que cumpla el requisito de la relevancia cumple también el de la
contrastabilidad, aunque no a la inversa.
En cuanto a las leyes que forman parte de las explicaciones deductivo-nomológicas, habrán ele
ser enunciados universales verdaderos de la forma: 'En todos los casos en que están dadas las
condiciones de tipo F, se clan también las condiciones de tipo G'. Pero eso sólo no basta. No todo
enunciado universal verdadero es una ley científica. Para serlo es necesario además que sirva para
justificar Jos Uamados 'enunciados condicionales contrafácticos' o también los ·enunciados con-
dicionales subjumivos'.
En efecto, la mayor parte de los enunciados universales que el ser humano formula normalmen-
te son meras generalizaciones empíricas acerca de situaciones accidentales concretas, como, por
ejemplo. 'todos los cuervos son negros· , 'todos los planetas del Sistema Solar miden más de 2.500
Km. de diámetro' o 'todos Jos alumnos del curso B son rubios·. Ninguno de estos enunciados
proporciona por sí mismo justificación suficiente para establecer con seguridad los enunciados
condicionales: 'si x fuera un cuervo. entonces sería negro ', 'si y fuera un planeta del Sistema Solar.
entonces mediría más de 2.500 Km. de diámetro', o 'si z fuera un alumno del curso B, entonces
sería rubio· , donde o bien se sabe positivamente que x no es un cuervo, y no es un planeta del
Sistema Solar y z no es un alumno de la clase B (condicional contrafáctico), o bien no se sabe nada
de esto (condicional su~juntivo). Los enunciados w1ivcrsales citados podrían ser verdaderos y, sin
embargo. eso no nos asegura que lo sean también los correspondientes condicionales contrafácticos
o subjuntivos.
Hay, en cambio, otros enunciados universales, como 'todo cuerpo ejerce sobre otro una fuerza
de atracción directamente proporcional al producto de sus masas e inversamente proporcional al
cuadrado de la distancia que los separa· o 'todo cuerpo sumergido en un fluido eXcperimenta un
empuje hacia arriba igual al peso del fluido que desaloja'. que mantienen una relación muy distinta
con sus respectivos enunciados condicionales. Una vez que esos enunciados universales son admitidos
como verdaderos, quedan inmed iatamente justificados estos otros: 'si x fuera un cuerpo situado a
cierta distancia de otro, entonces ejercería sobre éste una fuerza de atracción directamente proporcional
al producto de sus masas e inversamente proporcional al cuadrado de la distancia' y 'si y fuera un
cuerpo sumergido en un fluido. entonces experimentaría un empuje hacia arriba igual al peso del
fluido que desaloja'. Basta con que los primeros sean verdaderos para que se concluya la verdad de
los segundos, o, lo que es igual. las razones que hay para sustentar la verdad de los primeros son las
mismas que para sustentar la verdad de los segundos. A esta clase de enunciados universales es a la
que pertenecen las leyes científicas.
Una de las características más notables que se atribuye a la explicación dcductivo-nomológica
es que su estructura lógica es la misma que la de la predicción en las ciencias, con la única salvedad
del orden en el procedimiento. En la explicación tenemos el explanandum (fenómeno concreto) y
buscamos el explanans conveniente (leyes y condiciones iniciales); en la predicción tenemos las
leyes y las condiciones iniciales y buscarnos un fenómeno futuro que se siga de ellas. Se afirma así
que tenemos una explicación de 1111 fenómenos si y sólo si lo hubiésemos podido predecir. El mismo
argumento que nos sirve para explicar el fenómeno una vez que sabemos que éste se ba producido
nos habría permitido predecirlo antes de que se produjera. La diferencia entre explicar y predecir es
únicamente pragmática, se reduce al momento en que se formula el argumento: si se formula antes
de conocer el fenómeno, predecimos, si se formula después, explicamos.
 Explicando la explicación 87

Por otra pane, Hempel estima que la explicación deductivo-nomológica proporciona una aclara-
ción del concepto de causa y de explicación causal. Según Hempel, por 'causa' debe entenderse el
«conjunto más o menos complejo de circunstancias y hechos que podría describirse por un conjunto
de enunciados C 1, C2•••• , c•.
» ([1965/1979], p. 344). A su vez, por explicación causal debe enten-
derse la que «afirma implícitamente que hay leyes generales, digamos L,, Ll,.... L,. en vinud de las
cuales la aparición de los antecedentes causales mencionados en C 1• C1...., Cl es una condición
suficiente para la aparición del hecho señalado en el explanandum.» (lbidem). Así pues, toda ex-
plicación causal no es más que una explicación deductivo-nomológica más o menos disimulada
e incompleta. Pero lo contrario no sucede: no toda explicación deductivo-nomológica es una
explicación causal. Dijimos que además de los hechos paniculares también las leyes pueden ser
explicadas deductivo-nomológicamente siendo subsumidas por leyes más genemles; en este caso
carecería de sentido afinnar que una ley es la causa de otra; que, por ejemplo, las leyes de la
mecánica de Newton son la causa de las leyes de Kepler. Por otra pane, hay explicaciones D-N de
hechos singulares que no son explicaciones causales. Cuando se explica el hecho de que un péndulo
tarde dos segundos en cada oscilación diciendo que su longitud es de 100 centímetros y que el
período r de un péndulo está relacionado con su longitud 1 por la ley r = 2rr. Viii.
donde g es la
aceleración de la gravedad, no parece muy correcto concluir que la longitud de l 00 cm. sea la causa
del período de 2 segundos (nótese que si se hiciera esto, sería igua lmente pos ible conclu ir que la
causa de que mida lOO cm. es qu e tiene un periodo de 2 segundos, puesto que la ley expresa una
coexistencia de fen6meoos y no una sucesión). Para que una explicación D-N sea causal, l;as leyes
del I!Xplanans deben ex presar una sucesión entre dos tipos de fenómenos.
Por razones fácilmeme apreciables la explicación deductivo-nomológica no es aplicable en
muchos ámbitos de las ciencias, especialmente en la biología y en las ciencias humanas y sociales.
Son raras las ocasiones en las que logramos obtener dentro de tales ciencias leyes universales como
las anteriormente citadas, es decir, leyes que expresen una conexión permanente y sin excepciones
entre los hechos. La mayor pane de las leyes que encontramos en ellas son leyes probabilfslicas. o
sea, leyes que expresan una conexión probable entre los hechos. Se dirá quizás que todas las leyes
científicas son meramente probables. ya que los datos sobre los que se apoya su afirmación son
siempre limitados y no llegan a conferirles más que una probabilidad mayor o menor. Pero esta
consideración no elimina la distinción entre los dos tipos de leyes. Es verdad que toda ley empírica
sólo puede contar con un cieno apoyo en los hechos y no con una fundamentac ión plena y
demostrativa. sin embargo eso no impide que las leyes adopten unas veces la forma de enunciados
universales y otras no consigan más que una forma probabilística. Puede darse el caso de que el
fundamento empírico que tengamos para afumar que 'todo A es B' no sea más sólido ni más
amplio que el que nos lleve a sostener que 'la probabilidad de que en las condiciones C se produzca
el resultado F es x', pero esa es una cuestión que únicamente afecta a la seguridad con que pueden
ser admitidas esas leyes en razón de nuestro conocimiento de ellas, no a su forma lógica.
Cuando, por las razones que sea, sólo se dispone de leyes probabilísticas o estadísticas, las
explicaciones resultantes no serán ya deduclivo-nomológicas, porque el apoyo que el explanans
proporciona al explanandum carecerá de la fuerLa necesaria para ello. Hempel denomina a este tipo
de explicaciones 'explícaciones proba bilísticas' o también 'explicaciones inductivo-estadísticas'
(abreviadamente 1-S). 3 Las diferencias básicas que este modelo presenta con respecto a la explicación
D-N son dos: en primer lugar. Jos enunciados legaliformes contenidos en el explanans son, como

3 Hcmpcl habl:a también de explicaciones deductivo-estadísticas. Estas se dan cuando una ley esaadfsaica es explicada ¡>Or
(derivada de) otras leyes estadísticas más generales. Por su menor imponancia no las tratamos ;1qur.
88 Antonio J. Dié11un

decimos. leyes probabilísticas en vez de enunciados universales, y, en segundo lugar, como conse-
cuencia de ello. los enunciados del explanans no implican deducüvamente al explanandum, sino que
lo apoyan inductivamente. Este carácter inductivo de la explicación probabilíst ica opera un efecto
importante sobre su capacidad para predecir eventos fururos. Una explicación de este tipo se reduce
a predecir un fenómeno dentro de los límites de una probabilidad dada, es decir. efectúa una
·predicción racional', pero no una predicción científica en sentido técnico. Por eso, la no aparición
del fenómeno predicho no conduce necesariamente al rechazo de la ley. El esquema de una
explicación probabiHstica sería como sigue:

p (G.F) = r
i es un caso de F
[r]
i es un caso de G

El primer enunciado del explanans es la ley probabilística y significa que en una larga se rie de
ocurrencias de F, la proporción de casos que han dado como resultado G es igual a r, donde r es un
mímero comprendido entre O y 1! Obsérvese que en este esquema la línea que separa el exp/anans
del explanandum es doble y lleva junto a ella el número r encerrado entre corchetes. Ese es el m<>do
de simboli7.ar que la relación entre ambos no es deductiva, sino inducti va, y que e l grado de
probabilidad que los enunciados explanames prestan al explanandum es precisamente r. Es de su-
poner además que para que la explicación sea válida r debe ser mayor de 0,5. y cuanto más cercano
a 1 mejor.' Valga como ilustración este ejemplo:•

La probabilidad de que sane un individuo que sufre una infección

por estreptococos y es tratado con penicilina es de 0,8.
Juan sufrió una infección por estreptococos y fue tratado con pe-
nicilina.
[0.81
Juan sanó.

Hay una diferencia adicional entre las explicaciones 1-S y las D-N que surge del carácter
probabilístico de las primeras. Las explicaciones J-S adolecen de cierta ambigüedad epistémica que
no se presenta en las explicaciones D-N. Imaginemos, por seguir con el ejemplo, que Juan sufrió
una infección por una cepa de estreptococos resistentes a la penicilina, o bien que Ju an es un
octogenario de cora1.ón débil. En tales circ unstancias, la probabilidad de que un individuo sane si es

4 Esta imcrprcl:lción corresponde al concepto de probabilidad estadística. el cual debe ser diferenciado del de ,,·obahi·
=
lidad inducti•·a o ltlgim. La probabilidad inductiva viene definida por el enunciado,. (II. K¡ r . el cual afinna que tu
hipótesis fl es corroborada en grado r por los hechos que enuncia K.
5 En la posd3ta de 1976 a la traducción alemana de s u f 1965). Hcmpcl sostiene que él nunca interpretó que fucru necesaria
una alta probabilidad para que hubiera explicación 1-S. Sin embargo, como h:o señalado Salmon ) 19841. si se abundona
csw interprcmción resulta difícil mamcner en pie el modelo de explicación por cobenura legal.
6 Este ejemplo fue propuesto por Hcmpct hace varia.~ décadas. en la actualidad hay muchas cepas de estreptococos que se
han vuelto rcsistemes a la pc.nicilina y la probabilidad de recuperación seña mucho menor.
 Explicando la explicación 89

tratado con penicilina es muy baja, y, por tamo, la probabilidad de que 110 sane es muy alla (pon-
gamos 0.8). De ello resulta el siguiente razonamiento explicativo:

La probabilidad de que 110 sane un individuo que sufre una infección

por estreptococos resistentes a la penicilina y es tratado con penicilina
es de 0,8.
Juan sufrió una infección por estreptococos resistentes a la penicili·
na y fue tratado con penicilina.
[0,8)
Ju an 110 sanó.

Lo paradójico en todo esto es que en ambos casos las premisas son aceptadas como verdadems
y, sin embargo, dan como casi seguras conclus iones que son contradictorias. Esto es algo que no
podría ocurrir en la explicación O-N, pues en un razonamiento deductivo s i las pre misas se aceptan
como verdaderas, la conclusión es también verdadera y su negación falsa, y no cabe derivar este
enunciado falso de otras premisas aceptadas a su vez como verdaderas. En otras palabras. mientras
que a partir de premisas que contengan leyes estadísticas aceptadas como verdaderas es pos ible
atribuir una alta probabilidad a dos conclusiones contradictorias, no es posible deducir enunciados
contradictori()S a partir de premisas verdaderas.7
Para solventar esta dificultad Hempel propone el requisito de la máxima especific:aci6n. No es
un requisito formal que deban cumplir las explicaciones 1-S, se trata más bien de un requi sito para
su aplicación en una determinada «Situación cognoscitiva>>. Según dicho requisito, «sería deseable
que una explicación aceptable se basara en un enunciado de probabilidad estadística perteneciente
a la más restringida clase de referencia de la cual sea miembro el hecho particular e n consideración.
según nuestra infonnación total.>> (Hempel [1965\1979], p. 391). En el ejemplo que nos ocupa, si
además de saber que Juan sufrió una infección por estreptococos, sabemos que la cepa que lo
infectó es resistente a la penicilina, deberíamos incluir esta información en los razona mientos
explicativos e n los que fuera relevante, ya que hace que Juan pertene7.ca a una clase de referencia
más restringida que la de los simples infectados por estreptococos, y la~ generalizaciones estadís-
ticas que se hagan sobre esta clase restringida podrían ser diferentes de las que se hicieran sobre la
clase más amplia de los infectados comunes. Una vez aceptado este requisito estamos en condicio-
nes de rechazar el primero de los dos razonamientos explicativos sobre Juan, pues no recoge toda
la información relevante disponible.S En resumen, la explicación 1-S ha de estar siempre referida a
una dete rminada situación cognoscitiva -es lo que Hempel llama relati11idad epistémico de la ex-
plicación estadfstica-. mientras que en las explicaciones 0-N el explanans implica el explal1an-
dum independicntememe de lo que sepamos en cada momento, y su aceptabilidad depende sólo de

7 Expresándo lo con más pn.>cisión. la ambigüedad epistémica de la explicación 1-S se basa en el hecho de que en la lógica
deductiva se pueden añadir nuevos tém1inos al amecedente de una implicación sin que ello pcnurbe su validez. pero no
e
sucede 1() mismo en la lógica inductiva. Si A implica B, eJJionces la conjunción de A y implica R. Sin embargo. por
e
alta que sea la probabilidad de B dado A. eso no tiene ninguna inlluencia sobre la probabilidad de B dados A y jumos.
Tampoco el condicional de lenguaje natural sigue la citada ley de la implicación deductiva.
8 En la explicación D·N e l requisito de la máxima especificación es satisfecho necesariamente, ya que están basudas en
leyes universales del tipo 'todo A es B', y si lodo A es B, no puede haber un subconjunto de A en el que la probabilidad
de U sea distinta de l. Toda la información relevante en una explicación 0 -N está incluida en lns premisas.
90 Antortio J. Diésuet

la verdad de sus premisas, aunque. por supuesto, podamos equivocamos al tomar por verdadera una
explicación D-N que una información posterior muestre falsa en realidad.
No obstante, a pesar de las diferencias. la explicación 1-S conserva grandes si militudes con la
explicación D-N. El rasgo más sobresaliente que companen es el objetivo final de subsumir
(deductiva o inductivamente} un fenómeno bajo una ley (universal o estadística}. Por esa razón
ambos tipos de explicación caen bajo el apelativo de ' modelo general de explicación por cobenura
legal' .9 Wesley C. Salmoo ([ 1984], p. 29) resume así las características de este modelo comunes a
la explicación D-N y a la 1-S:
l. La explicación es un argumento con una forma lógica correcta (deductiva o inductiva).
2. Al menos una de las premisas tiene que ser una ley (universal o estadística).
3. Las premisas tienen que ser verdaderas, y
4. La explicación tiene que satisfacer el requisito de la máxima especificación.
El modelo que acabamos de exponer fue propuesto por sus defensores como un ideal lógico
mejor o peor encamado por las explicaciones formuladas normalmente en la ciencia. Seria vano
esperar que cualquier explicación científica venga estructurada exactamente en las formas descri -
tas. Es muy frecuente, por ejemplo, encontrar explicaciones elípticas en las que se dan por su-
puestas ciertas leyes y no se las menciona en el exp/anans. e incluso explicaciones parciales o
esbozos de explicación, que se encuentran lejos de las explicaciones completas en cuanto a su rigor
y elaboración. Pero en todos los casos - según Hempel- se presupone el carácter subsumible del
e.vplanandum bajo una ley.

2.2. Críticas al modelo de explicación por cobertura legal

Las críticas que se han formulado contra el modelo de explicación por cobertura legal han
estado centradas especialmente en el primero de los requisitos que Hempel exigía a toda explicación:
el requisi to de la relevancia explicativa. Recordemos que éste pedía que la información explicativa
aducida proporcione una buena base para creer que el fenómeno ha ocurrido u ocurrirá.
Para empezar, hay quien niega que dar una buena base para creer en la ocurrencia de algo
signifique siempre explicar ese algo. Esto es panicularmentc claro en los casos de asimetría
explicativa, cuando tenemos dos e nunciados equivalentes uno de los cuales sirve par.t explicar el
otro pero no al contrario. Usando un ejemplo anterior, el tener una longitud de 100 cm. (junto con
la ley que relaciona el período con la longitud de un péndulo) explica por qué el período del
péndulo es de 2 seg.; pero tener un período de 2 seg. no explica por qué el péndulo mide 100 cm.
Ahora bien, ambos enunciados proporcionan una buena base para creer en el otro. Por consiguiente,
tener un período de 2 seg. proporciona una buena base para creer que la longitud del péndulo es de
100 cm., pero no «explica» esa longitud (cf. Bromberger [1966}).
Como se ve , esta critica afecta a la tesis de la identidad estructural entre explicación y predic-

9 Algunos. como von Wright. insisten no obstante en las diferencias. En su fl97l/1979J. escribe: •Los dos modelos son
mucho más dispares de lo que a menudo se piensa. Un contenido primordial del modelo nornológico·dcductivo es el de
explicar por qué unas detenninadas cosas han tenido lugar. De modo que. en segundo ténnino. también nos indica por
qué hnblan de esperarse toles cosas. Bien podían haberse <-<perado por cuanto que tenían que ocurrir. Con el modelo
probubilrstico-inductivo se invicnen lós papeles. Explica en primer lugar por qué se habla de esperar (O no) lo ocurrido.
Sólo en un segundo término procede a explicar el por qué de lo ocurrido, a saber •debido a» su alta probabilidad.
Consider(l preferible, en cualquier caso. decir simplemente que el modelo probnbilístic()-inductivo justifica dctcm1inadas
expectativas y predicciones, en vez de decir que explica lo que ocurr~.• (p. 34)
 Explicando la explicación 91

ción, pues implica que hay ocasiones en las que podemos predecir fenómenos para los que no
tenemos una explicación. A este respecto l. Scheffler [1957] y [1963) y M. Scriven [1959] señala-
ron que una predicción científica podría basarse en un conjunto de datos sin necesidad de recurrir
a ninguna ley, careciendo. por tanto, de capacidad explicativa. Pongamos por caso que después de
muchos ensayos con diferentes metales comprobamos que la resistencia eléctrica de todos ellos
aumenta conforme aumenta la temperatura. A panir de ahí es posible predecir que el aumento de la
temperatura de un metal no analizado alln comportará un aumento de su resistencia eléctrica. y eUo
sin utilizar ninguna ley científica.
Quizás una respuesta a esta crítica sería hacer notar que para Hempel el requisito de la relevan-
cia explicativa es una condición necesaria. pero no suficiente, de la explicación científica. Y.
efectivamente, él mismo cita un ejemplo para mostrar cómo puede darse una buena base para creer
algo sin que se esté dando al mismo tiempo una explicación: el corrimiento hacia la parte roja del
espectro luminoso que experimenta la luz procedente de las galaxias lejanas proporciona una buena
base para creer que esas galaxias se alejan velozmente de nosotros, sin embargo no explica por qué
se alejan. Pero, aún aceptando esta precisión, quedaría todavía por aclarar por qué en algunas
ocasiones en las que aportamos una buena base para creer que algo ha ocurrido u ocurrirá estamos
e xplicando y en otras ocasiones no lo estamos haciendo.
Una segunda crítica planteada, inversa de la anterior. es que no toda explicación proporciona
una buena base para creer que algo sucederá, o lo que es igual, que no toda explicación es
pote ncialmente una predicción. Scriven [ 1962] ha destacado que a veces un hecho X queda
adecuadamente e xplicado si se encuentra para él una respuesta del tipo ' la única causa de X es A',
y a pesar de ello esta respuesta no siempre habría permitido una predicción del hecho si éste no
hubiese sido conocido. Así, sabemos que la única causa de la paresia (cierto ti po leve de parálisis)
es la sífilis no tratada, por lo que podemos explicar que alguien la padezca señalando que s ufrió de
sífilis y no recibió tratamiento. Pero sucede que sólo un porcentaje reducido de sifilíticos no
tratados la manifiestan, de modo que no es posible predecir que un sifilítico determinado la
desarro llará. Más bien la predicción que correspondería hacer es que no la desarrollará. puesto que
las probabilidades de que no la desarrolle son mayores. Sobre este mismo punto. Toulmin [1961]
aduce que la teoría de Darwin posee un gran poder explicativo que le permite explicar el origen de
las especies por la variación y la selección natural, pero dicha teoría no proporciona ningún
instrumento para predecir la aparición de una nueva especie.
Hempel tiene respuesta para estos dos ejemplos. Con respecto al primero. afirma que justamente
por ser la paresia una secuela muy rara de la sífilis, la infección sifilítica no tratada no puede ser por
sí sola una explicación adecuada de ella, contra Jo que Scriven piensa. La sífilis es una condición
necesaria para desarrollar la paresia, no una condición suficiente. Y «una condición que es nómi-
camente necesaria para la producción de un hecho, en gene.ral no lo explica» (( 1965/1979], p. 364):
sería algo así como expl icar que un hombre ganó la lotería diciendo que había comprado antes un
décimo. En cuanto a la objeción de Toulmin, Hempel intenta elim inarla di stinguiendo entre la
historia de la evolución y la 1eoría de los mecanismos subyacentes de la mutación y la selección
natural. La historia de la evolución es una narración hipotética que de.fcribe las etapas evolutivas y.
po r lo tanto, no tiene un carácter explicativo. La teoría de la selección natural, en cambio, sí lo
tie ne. He mpel considera que si dispusiéramos de los datos pertinentes, dicha teoría podría explicar.
por ejemplo, por qué desaparecieron los dinosaurios, aunque fuera de forma probabilística, y eso
significa que ¡hubiéramos podido predecir su desaparición (probabilísticamente) antes de que ésta
se produjera!
92 AnumitJ J. Diéguez

No parece. sin embargo, que esta respuesta de Hempel sea suficiente. Como dice van Fraassen,
en ella se presupone que. al menos en el nivel macroscópico, vivimos en un mundo determinista y
que descubriendo todos los factores que desconocemos tanto la paresia como la desaparición de los
dinosaurios habrían podido ser predichos con cierta seguridad. Pero existen casos en los que no
cabe pensar que haya una información más completa que nos permita hacer una predicción. La vida
media del uranio U 238 es de 4,5 · 109 años. La probabilidad de que un trozo pequeño de uranio emita
radiación en un intervalo corto de Liempo es muy baja. Supongamos, no obstante, que la emite.
Diríamos que ese hecho -<tue hubiésemos sido incapaces de predecir- es explicado por la teoría
atómica. dado que el material era uranio y que, según la mencionada teoría, ese material posee una
determinada estructura atómica que hace posible la desintegración espontánea. La física atómica
está llena de ejemplos en los que un fenómeno con una probabilidad muy baja es explicado en
términos de la estructura atómica de los materiales (cf. van Fraassen ( 1980], p. 105).
Por su parte. Salmon [ 1971 ], ll984] y l1990] ha señalado que el requisi to de la máxima
especificación para las explicaciones 1-S es insuficiente porque, si bien garantiza que roda la in-
formación relevante sea incluida en la explicación, no asegura que sólo se incluya información
relevante. Puede haber argumentos que cumplan el requisito y proporcionen un allo grado de
probabilidad a su conclusión y. sin embargo, no den lugar a una explicación científica satisfactoria.
Supongamos, por ejemplo, que se nos dice que las personas que cogen un resfriado tienen una alta
probabilidad de recobrarse en una quincena si toman vitamina C. Ahora bien, el uso de la vitamina
C no explica la curaciótJ del resfriado puesto que casi todos los resfriados desaparecen por sí solos
en dos semanas. En todo caso podría decirse meramente que el uso de la vitamina C es relevante
para la duración y severidad del mismo.
En la explicación D-N aparece un problema similar en la medida en que también en ella una
información relevante puede proporcionar una buena base para creer algo y no ser una explicación
de ese algo. Salmon lo ilustra con el siguiente ejemplo: Juan evitó quedarse embarazado durante el
año pasado porque estuvo tomando regularmente las píldoras anticonceptivas de su esposa, y todo
hombre que toma píldoras anticonceptivas evita el embarazo. Aquí se cu mplen todos los requisitos
de la explicac ión D-N, incluido el de la relevancia. tal y como Hempel lo formula. ya que el
explanans está formado por enunciados verdaderos que implican deductivamente el explanandum.
proporc ionando, por tanto, una buena base para creer que el explanandum ha sucedido. Sin em-
bargo. la infom1ación aducida es realmente irrelevante, porque Juan no se habría quedado embarazado
de todas maneras. Salmon cree que el requisito de la relevancia debería hacer honor a su nombre y
exigir que el explanans proporcione una base buena y relevante para el explanandum, es decir, que
incluya toda la información relevante y sólo información relevante para el mismo. Precisamente, el
modelo de explicación que Salmon elabora intenta evitar este tipo de problemas.
Todavía es posible sacar de lo dicho una conclusión adicional. Del ejemplo de la pares ia citado
por Scriven se sigue que una alta probabiljdad no es una condición necesaria para tener una
explicación científica legítima. Del ejemplo de la vitamina C citado por Salmon se sigue que una
alta probabilidad no es una condición suficiente para tener una explicación científica legítima. La
conclusión es obvia: una alta probabilidad del explanandum dado el explanans no es una condición
necesaria ni suficiente para la explicación estadística. Por ello Salmon sustituye este requisito por el
de la relevancia estadística (cf. Salmon [1984], p. 32).
 Explicando la explicaci6n 93

2.3. Modelo de la relevancia estadística

El modelo de la relevancia estadística (staJistical-relevance model, abreviadamente S-R) fue

propuesto por Salmoo 11971] como intento de superar las deficiencias que el modelo de explicación
por cobenura legal presentaba en los referente sobre todo a la explicación 1-S. Aunque está muy
ligado al modelo de Hempel -también es un modelo de cobenura legal. ya que e l explanans está
fonnado por leyes (estadísticas)- difiere de él en aspectos imponantes. Ante todo, para Salmon, la
explicación no es (o no es siempre) un argumento, sino un conjunto de enunciados, o. más
precisamente, un conjunto de factores estadísticamente relevantes. 10 Se establece que un factor es e
estadísticamente relevante para un fenómeno 8 bajo las circunstancias A si y sólo si la probabilidad
e
de 8 dado A es distinta en la presencia de que en su ausencia:

P(BIA·e) "* P(8/A)

Según el criterio de Hempel P(8/A -e} debía ser alta para que la explicación fuese válida. Pero
ejemplos como e l de la paresia mostraban que este requis ito era muy fuerte y que con una
probabi lidad baja cabía también hablar de explicación. El modelo de Salmon recoge esta crítica al
no exigi r siquiera que la probabilidad de 8 dado A en presencia de e sea mayor que la probabi lidad
de 8 dado A, sólo que sea significativamente distinta. Se comprende entonces por qué para Salmon
las explicaciones no son argumentos. Al abandonarse e l requisito de la alta probabilidad, e l
expl01w11s no permite inferir, aunque sea probablemente, que el suceso ocurrió y, por tanto, que
debía esperarse. Únicamente pennite establecer «qué clase de espectativas habrían sido razonables
y bajo qué circunstancias debía esperarse» ([197 1], p. 79).
e
Como para que la probabilidad del suceso en presencia de sea distinta que en su ausencia
tiene que ocurrir que o bien sea mayor o bien que sea menor, eso significa que habrá factores
posi1ivame111e relevames y factores negativamente refe,•antes para el fenómeno, y que ambos serán
explicativos con el mismo derecho. No hay problema en entender por qué los factores positivamen te
relevantes sirven para explicar un fenómeno. Fumar treinta cigarrillos diarios es positivamente
relevante para sufrir un cáncer de pulmón. luego en la explicación del cáncer de pulmón desarro-
llado por un individuo es lógico que aparezca como factor el hecho de que era un gran fumador.
Más difíci l resulta entender cómo los factores negativamente relevantes - los que bajan la proba-
bilidad de la ocurrencia de un evento-- pueden servir para explicar. De nuevo un ejemplo nos lo
aclara. Supongamos que un jugador novato de golf golpea una bola con el palo dándole una
trayectoria desviada. pero, por un feliz accidente. la bola rebota en una rama y se introduce
inesperadamente en el agujero. Sea A el golpe con el palo de golf, D el choque de la bola con la
rama y E la caída de la bola en el hoyo. El caso es que P(EIA) > P(EIA·D). Es decir, la probabilidad
de que, jugando al golf, una bola entre en el hoyo es mayor si no golpea antes una rama que si la
golpea. Por lo tanto, el golpe en la rama es negativamente relevante para su inLroducción en el hoyo.
Sin embargo, en estas circunstancias explica por qué la bola, que llevaba una trayectoria desviada,
entró en él. 11
10 Uno de los primeros en defender que las explicaciones 110 tenían por qué ser argumentos fue R. Jeffrey [19691.
Asimismo, Achínsteín [19831 desarrolla un modelo llocucionario ceoorodo en los acws de explicación. en el que las
explicaciones no son argumentos ni enunciados. Para una mejor comprensión de los Ctlnccptos estad(s1icos expuestos u
continuación vé:tsc Rcichcnbach 119561, pp. 186-205. Salmones deudor en grnn medida de t:t• ideas de Rcichcnbach.
aunque éste no las aplicara al análisis de la explicación.
1t A eslll podrlamos añ<~dir que. aunque golpear en la rama es negativamente relevante pnra que uno bola en ore eu el hoyo.
94 Antonio J. Diégutz

Para el modelo de Salmon la manera correcta de demandar una explicación de un hecho no es

mediante la pregunta ·¿por qué ocurre que x es 8?'. sino más bien mediante esta otra: •¿por qué x,
que es un miembro de la clase A, es un miembro de la clase B?'; y la respuesta adecuada sería: ·x
es también C, donde C es relevante para B dado A'. Esto es, en lugar de preguntar '¿por qué x
sanó?', habría que preguntar ' ¿por qué x, que sufrió una infección por estreptococos, sanó?', siendo
la respuesta 'x fue tratado con penicilina y la penicilina hace sanar a los infectados por estreptoco-
cos'.
De acuerdo con todo ello, para Salmon la explicación consiste en un conjunto de leyes de
probabilidad empírica que relacionan las clases A y 8, junto con un enunciado que afirma que x está
incluido en una clase C relevante para B dado A:

P(81A·C) = p 1
P(8/A-C1) = p 1

P(81A·C.J =P.
x e C4 (1 ~ k ~ n)

Para que La explicación sea válida debe cumplir además dos condiciones:'2
a) que los valores de probabilidad Pr ···.P. sean todos diferentes.
b) que cada partición de A (A·C,, A·Cr··· A·C.) sea homogénea con respecto a B, es decir, que
ninguna de las casillas de esta partición sea a su vez susceptible de subdivisión en algún modo
relevante para la ocurrencia de B.
La condición a) impide que se introduzcan subdivisiones irrelevantes, dejando pasar sólo las
relevantes. En efecto, teniendo en cuenta que un factor relevante es el que hace variar La probabi-
lidad «a priori» de que un x que es A sea también B. si un determinado factor no introduce ninguna
variación en la probabilidad con respecto a otro factor, entonces es irrelevante. La condición b) es
análoga al requisi to hempcliano de la máxima especificación y exige que se introduzcan rodas las
subdivisiones relevantes. No obstante, Salmon recalca que esta condición ofrece una diferencia
filosófica fundamental con respeclO a Hempel. El requisito de Hempel era epistémicamente relativo,
ya que lo que fuera relev¡¡nte dependia de una situación cognoscitiva dada, en cambio el requisito
de Salmon pide que la partición e n casillas hecha en el explanans sea objetivameme homogénea, sin
ningún tipo de relatividad epistémica.
Aplicando ahora esto al ejemplo de la infección (¿por qué x. que sufrió una infección por es-
treptococos, sanó?), y siendo
se convierte en posi1ivamen1e relevan le cuando se sabe que la 1rayec1oria de la bola era desviada con respecto al hoyo
an1cs de golpear en la rama. En efeclo si llamamos E a la caf<b en el hoyo de una bola que partió con ~raycc1oria
de.•viada. en1onccs P(E.IA) < P(EIA·D). En hacer eso consis1e csendalmeme el mltodo de lo r~condicionolización .m·
cesi•·a al que acude Salmon para solventar los problemas de la relevancia negativa: •La idea básica que hay IraS el
método de la rccondicionalización sucesiva es que una vez que ha sucedido un cveruo panicular en la cadena causal. no
impor1a qué o1ros evemos podrian haber sucedido pero no lo hicieron• (1 1984). p. 197. cf. pp. 199·200). No se ve claro,
sin embargo. cómo pueda ese método resolver el contraejemplo de N. Cartwrighl (e f. supra, nota 14). Los problemas
que se derivan de las relaciones de rclevanc i;~ negativa han llevado :t algunos. como Tuomcla 11981]. a negar que ten~an
capacidad explicativa alguna.
12 En su ( 1984 ) Salmon hace un11CXI>OSieíón más detallada que incluye haSla ocho condiciones. Para nuestros propósil os.
y por mor de la simplicid~,d. esta camctt..:rización básica que ofrecemos es sul'icitntc.
 Explicando la explicaci6n 95

A: la clase de los que sufren infección por estreptococos.

8: la clase de los que sanan de una infección por estreptococos.
C,: la clase de los que son tratados con penicilina.
C 1 : la clase de los que no son tratados con penicilina.
la explicación quedaría así:

P(BIA·C1) = 0,8
P(BIA·C2) = O
x ~e,

Donde se nos dice que x sanó porque pertenecía a la clase C, de los tratados con penicilina, y
pertenecer a dicha clase es un factor relevante para que se sane de una infección por estreptococos. u
Cuando nos encontremos con el caso límite de que una de las probabilidades P. de las leyes
estadísticas del exp/anans tiene el valor 1 y las restantes O, estaremos ante una situación similar a la
expl icacióo O-N de Hempel. Sal mon supone, pues, que, a todos los efectos prácticos, las leyes
universales que aparecen en la explicación O-N son leyes estadísticas a las que se atribuye proba-
bilidad l.
Una posible objeción contra este modelo de explicación es la que sostiene que las meras
correlaciones estadísticas no explican nada en realidad. Un rápido descenso en el barómetro está
altamente correlacionado con la llegada de una tormenta, pero no explica por qué se produce la
tormenta. La respuesta de Salmon a esta objeción consiste en aJirrnar que un factor C. que es re-
levante para la ocurrencia de 8 en la presencia de A, puede ser <<apartado» o <<vuelto irrelevante>>
(screened off) en presencia de otro factor D. Dada una serie de días (A) en un lugar determinado, la
probabilidad de que ocurra una tormenta (8 ) es diferente de la probabilidad de que ocurra una

13 Obsérvese que si la probabilidad hubiera sido menor de 0,5,1a explicación seguirla siendo válida. Esto se aprecia en el
ejemplo de la paresia (¿por qué x. que es un ser sifilílico. sufrió una p~ia'l):
Sean
A: la clase de los que han padecido sífilis.
B: la clase de los que sufren paresia.
e,: la clase de los que han padecido sffilis s in lrnlamienlo.
e,: la clase de los que no h:on P"dccido sffilis sin 1ra1amien1o.
P(81A·C1 ) = 0,25
P(81A·C, ) =O
xE e,
Es1a explka.<:i6n mueslta quo. aunque padecer la sítilis sin IIíllamicnlo no au1oriza para inferir que se sufrirá de paresia.
sin embargo, es un factor relevan le que explica que ts1a apare-zca. No imporuo 1an1o que~ alribuya al fenómeno uno a.ha
probabilidad como que "" apor1c infonnación rclevanle para su ocurrencia.
Ahora se puede ver 1ambién qué es lo que fallaba. según Sal111011. en el ejemplo de la vi1amina C.
Sean
A: la clase de los que padecen resfriado.
8 : la clase de los que se recuperan del resfriado en una quinceno.
e,: la da.~e de los que loman vi1amina C.
e,: la clase de los que no loman vilamina c.
P(81A.C1) = 0.99
P(8 /A ·C, I = 0.99
X E C1
En es1e ejemplo se incumple la condición a). pucslo que la probabilidud de r<-cupcmrse del re-~friado en una quinccn:oes
igual se tome vi1amína e o no.
96 Antonio J. o;¿gun

tormenta si ha habido poco antes un fuerte descenso barométrico (C). Luego es cieno que C es
estadísticamente relevante para 8 dado 11. Pero si añadimos el hecho de que en la zona ha habido
también un descenso en la presión atmosférica (D), entonces se toma irrelevante el que ese des-
censo haya sido registrado en un barómetro. En presencia de D y A, C resulta irrelevante para B.

P(BIA·CD) = P(BIAD)

Cuando un factor irrelevante ha sido «apanado» de esa manera, no debe ser incluido en el
explanans.
En resumen, para el modelo S-R, explicar la ocurrencia de un fenómeno consiste en señalar que
se dieron una serie de factores relevantes para dicho fenómeno. No se trata, como dijimos, de
factores que hacen altamente probable y esperable su ocurrencia, sino de factores que modifican la
probabilidad de que el fenómeno se produzca sin ellos.
Sin embargo. unos años más tarde, en [ 1978). Salmon cambia sus tancialmente de opin ión al
respecto, reniega del modelo S-R como caracterización adecuada de la explicación científica y
añade que se necesita algo más que señalar factores estadísticamente relevantes para tener una
explicación.•• El cambio toma cuerpo especialmente en su libro de 1984 Sciemijic Explanarion and
rhe Causal Strucrure of the Wor/d, donde introduce modificaciones imponantes en el modelo S-R
y propone sustituirlo por uno nuevo al que llama ' modelo mecánico/causal' (causallmechanical
model). Considera allí que las relac iones estadísticas especificadas en el modelo S-R constituyen.
eso sí. la base estadística para una explicación científica, pero que esa base ha de ser complementada
po r ciertos factores causales para constituir una explicación científica satisfactoria (cf. 11984], pp.
34 y 100). Así pues, no basta con mostrar los factores estadísticamente relevantes para la produc-
ción del fenómeno. Salmon ahora piensa que las relaciones estadísticas entre observables tienen por
sí solas poca o ninguna fuer¿a explicativa. Es necesario mostrar además que esos factores son
relevantes en virtud de ciertas relaciones causales que mantienen con el fenómeno. La significación
explicativa de las relaciones de relevancia estadística sería indirecta: residiría en el hecho de
constituir una ev idencia en favor de las relaciones causales:

Ahora me parece -escribe~ que la explicación es un asunto con dos niveles. En el

nivel más básico es necesario, para los propósitos de la explicación, subsumir el evento
a ser explicado bajo el conjunto apropiado de relaciones de relevancia estadística. tal
como exigía el modelo S-R. En el segundo nivel, según me parece. las relaciones de
relevancia estadística invocadas en el primer nivel han de ser explicadas en términos de
relaciones causales. Desde esta postura, la explicación es incompleta hasta que se hayan
proporcionado los componentes causales del segundo nivel. (p. 22)

14 Este cambio de opinión no es ajeno a las agudas criticas que recibió el modelo 5-R. Quizá el contmejemplo má.~ citado
sea el de Nancy Cartwright 11979]. que muestra que la relevancia estadística no es suficiente para proporcionar una
explicación. El que se haya rociado hiodra venenosa con un deroliantc de un 90% de erectividad es relevante para
explicar la muene de esta hiedra venenosa, puesto que la probabilidad de que muera es mayor si es rociada con el
dcfoli:uuc que si no lo es. Ahora bien. el lO% de las plantas pcnnanecen vivas. Y resulta que el que huyan • ido rociadas
oon el ctefoliante ¡es relevante parn ex plicar su supervivencia! , yrt que Ja probabilidnd de que sobrevivan una vez
rociadas con deroliante e~ menor (y. por ende. distinta) que si no hubicrun sido rociadas. Sin embargo. lt1 preg unta ·¿por
qué está aún viva esta planta?· no puede ser contestada diciendo 'porque fue rociada con defoliante'.
 E..fplic'ando la explicari6n 97

El modelo de explicación por cobertura legal de Hcmpel y el modelo crotético de van Fraassen.
al que aludiremos después, se encuadran en lo que Salmon denomina en esta obra 'concepción
epistémico de la explicación'. Para tal concepción explicar un fenómeno es derivarlo inferencial-
mente de algunas regularidades que se dan en la naturaleza, sin que impone realmente qué tipo de
mecanismos subyacentes originan esas regularidades. A esta concepción Salmon opone la concepción
óntica de la explicación, en la que se incluye su modelo mecánico/causa1.'5 Para ella. explicar
consiste en exhibir el fenómeno a ser explicado ocupando su lugar en los patrones (pallems) y
regularidades que estructuran el mundo (cf. p. 239); o dicho de otro modo, consiste en identificar la
causa del fenómeno y exhibir la relación causal entre esta causa y el fenómeno a explicar (cf. p.
122). La concepción óntica ve el mundo como una caja negra con inputs y owputs observables. La
explicación debe dejar al descubierto los mecanismos subyacentes de producción y propafiacíón
que conectan los inpws con los owputs. Explicar eventos es mostrar cómo encajan en la estructura
causal del mundo (cf. p. 276).
Por lo tanto, para la concepción óntica no es suficiente subsumir el fenómeno bajo una serie de
regularidades. Y no es suficiente porque no todas las regularidades tienen poder explicativo. Antes
de Newton Jos marinos sabían que las mareas están relacionadas con la posición y las fases de la
luna, pero esa regularidad conocida no tenía capacidad para explicar nada: más bien al contrario.
era ella la que demandaba una explicación. y fue la ley de la gravitación de Newton la que la
proporcionó. Así, hay regularidades legaliformes con poder explicativo y otras que necesitan ser
explicadas. Es más, hay regularidades que son pseudo-procesos y regularidades que son procesos
causales. 16 Los pseudo-procesos no pueden explicar nada porque son parasitarios de los procesos
causales y son explicados por éstos. Sólo los procesos causales explican. La diferencia entre ambos
está en que los procesos causales son capaces de transmitir señales (y. por tanto, son capaces de
transmitir energía, infomtación e influencia causal), mientras que los pseudo-procesos no lo son.
También se puede decir que los procesos causales transmiten su propia estructura y que los pseudo-
procesos no la transmiten. Un coche circulando por la carretera en un día soleado es un proceso
causal, la circulación de su sombra es un pseudo-proceso. Si el coche colisiona con un muro. llevará
las señales de la colisión después de que ésta haya ocurrido. En cambio. si su sombra colisiona con
el muro, se deformará momentáneamente, pero recuperará la forma después. 11
El concepto de causa que Salmon tiene en mente es, según propia intención. un concepto
básicamente humcano. elaborado a partir de las ideas 4ue Reichenbach expone en su obra The
Direction of Time.' 8 La transmisión o propagación de una señal en un proceso causal desde un

15 Salmon habla lambién de la conc~pci6n modal de la expl icación. represeolada por D.H. Mellor 119761 y G.H. von
Wrighl 11971]. No obslarHe. la considera subsidiaria de la epislémica. ya que se reduce a susliluir la idea de que el
eJCIJtanandum es lógicamcnle necesario dado el e.<planans, por lu itle;1 de que es fí.I'ÍC<Ifne/lle necesario. lo que. según
Salmon. le conduce a mayores dilicuhades que a la concepción e1>is1émica. La dis1inción emre concepción cpi~1émica
y concepción óntica de la explicación la lOmó Salmon de CofTa [1 977].
16 Para Salmon.las enlidadcs básicas que conforman la causación son los procesos. en lugar de los evemos. como s uele ser
lo habi1ual. Los evemos están localiT.ados en el espacio y en elliempo: los procesos se ex1ienden espaciO·lemporalmeme.
son series de evenlOS cominuos. En un diagrama espacio-lcmporal. los evemos son punlos y los sucesos >On líneas.
Heurfslicamenu: es mejor hablar de pwcesos que de eventos. porque los procesos lienen un carácler comínuo que cvila
ltl cueslión de la relación emre los consliiUyenles de los mismos. En cambio, analizar la causalidad como una relación
cn1re even1os conduce al problema de eslablecer cómo están cuusalmeme relacionados unos evenlos con otros.
17 Van Fraassen objela que lambién la sombra propaga señales en es1c sentido. como, J>Or ejemplo. que «su fom1a cslá
relacionada en lodo momento con la fonna del coche de algún modo !opológicamenle definible. y que es negra•
(119801. p. 120).
18 En efeclo. el análisis de la causalidad que hace Salmon en su 11984] eSiá inspirado en el principio de causa común de
98 Antonio .1. Dilguer

punto A hasta un punto 8 dentro del mismo proceso se define como el hecho de que la señal
aparezca en cada punto entre A y 8 sin interacciones adicionales, hecho que puede ser visto como
una especie de conjunción constante. Si un proceso es capaz de transmitir una señal, entonces
puede transmitir cambios en su estructura, y si puede transmitir cambios en su estn1ctura, es capaz
de propagar influencias causales. La propagación de la influencia causal es esa conexión misteriosa
entre causa y efecto de la que Hume hablaba. Al caracterizar la transmisión de una señal en los
términos citados no se viola la teoría de Hume, puesto que no se recurre a ningún tipo de «poder
oculto» proscrito por dicha teoría. Por su parte, si los procesos causales son los medios a través de
los cuales se propaga la influencia causal. la producción de la señal -el cambio de estructure~ que
constituye esa influencia- obedece a la interacción de dos procesos causales:

Una señal es un a modificación en un proceso, y si esta modificación persiste, la señal

se transmite. Las modificaciones en los procesos ocurren cuando se cruzan con otros
procesos; si las modificaciones persisten más allá del punto de intersección, entonces la
intersección constituye una interacción causal y la interacción ha producido señales que
son transmitidas. ([ 1984], p. 170).

Con ello Salmon da por caracterizados los dos conceptos causales básicos: el de producción y el
de propagación.t9
El modelo mecánico/causal presenta, ya en su versión inicial de 1978, una deficiencia que ha
sido denunciada por van Fraassen en su [ 1980]. En una explicación causal -sostiene van Fraassen-
no es necesario mencionar todos los factores estadísticamente relevantes que de una u otra manera
forman parte de la red causal , sino sólo aquéllos que son importantes o destacados (salient), y es a
éstos a los que llamamos comúnmente la causa del fenómeno. Para explicar la extinción del alce
irlandés. hay una gran cantidad de factores estadísticamente relevantes -altura, distribución de los
recursos alimenticios. hábitos migratorios, fauna y flora del entorno. etc.-, que habrían posibilita-
do su supervivencia si hubieran sido distintos. y que, sin embargo, no incluimos en la explicación.
Basta con decir que el proceso de selección sexual favoreció a los machos de grandes cuernas y que
esas cuernas fueron un obstáculo para la supervivencia en el entorno que el alce ocupaba. Los otros

Rcichenbach. Es1c principio afinna que «una dependencia es1adfstica de dos evemos simuháneos requiere una exl>lica-
ción en 1ém1inos de una causa común• (e f. Rcichcnbach 119561. p. 63). Reichenbach señala además una dislinción enlre
'inOucncia causar (ro11sa/ influrtl<'r) e 'indicio causar (cot~sol illdicatioll}. El indicio causal puede ser identificado con
la relevancia es1adls1ica posi1iva. pero la innuencia causal se explica recurriendo a la transferencia de una señal (cf. p.
205). Ahora bien. es necesario añadir que. si bien Salmon coinci!k con Reichenbach en accp1ar una concepción
probabilística de la causalidad. se separa de és1e al imcrprclar dicha causalidad probabilística en ténninos de propcnsio·
nes. Eso no significa. empero. que en su opinión lodo el cálculo probabilíst.ico sea imerprctablc como propensiones. sólo
lo son las probabilidades causales: •Las propensiones son probabilidades causales. y. como tales, juegan un papel
indispensable en los mecanismos causales probabilfsticos del universo. Sin embargo. no 1odas las probabilidades son
causales de este modo. y por eso es un error. en mi opinión, in1entar dtfinir ·probabilidad' en términos de propensiones»
([ 1984], p. 205).
19 Una duda queda. en mi opinión. en el aire. Es posible que. al considerar los procesos como enlidades básicas de la
causación, Salmon sólo haya desplazado el problema de la relación entre causa y efec1o de la propagación del efecto
causal a la producción del mismo. En efeclo. suponiendo que los procesos tengan un carác1er continuo y no discreto, la
innuencia causal no tiene que •saltar» de un punto a o1t0 dentro del proceso, y. por tan1o, el mamenimien1o o
pennanenciu de la señal a lo largo del proceso -digamos entre el pun1o A y el punto 8- no es algo que haya de ser
explicado a su ve1. causalmemc; pero ¿qué decir de la producción de la señal en el cruce de dos procesos? La conexión
en1re el cruce de los prooesos (causa) y la producción de la seftal (efecto) sigue siendo un misterio sin aclarar.
 Explicando la explicación 99

factores citados no son causas cspúrias ni son «apartados» por el desarrollo de las grandes cuernas;
contribuyeron igualmeme a la exlinción del alce, pero no son los factores más destacados.
Ahora bien, ¿cómo saber en cada caso cuáles son Jos factores desLacados que hay que tener en
cuema para elaborar una explicación? Según van Fraassen, sólo el contexto nos lo puede decir. Un
factor causal es destacado para una persona dependiendo de su oriemación, de sus intereses. etc. O
sea, no hay un criterio objetivo para determinar la importancia de un factor causal. Dicha importan-
c ia posee una índole pragmática y contextua!. Para apoyar esta tesis, van Fraassen recurre a un
conocido texto de N.R. Hanson:

Existen tantas causas de x como explicaciones de x. Adviértase que un médico podría

afmnar que la muerte del peatón paduano [atropellado por el carruaje de Galileo) acaeció
como consecuencia de una «hemorragia múltiple». un abogado que ello se debió a
<<negligencia por parte del conductor», un constructor de carros la achacaría a «Un
defecto en la construcción de los frenos del carro». y a la <<presencia de arbustos
demasiado al!os en aquella curva» el urbanista. (Hanson [ 1958/1985], p. 142).

La conclusión que saca van Fraassen es que los factores explicativos han de ser elegidos de
entre un elenco de factores objetivamente relevantes, y que esa elección viene condic ionada por
otros factores que dependen del contexto en el que se pida la explicación. Existe, pues, una
dependencia pragmática en la explicación que Salmon no tiene en cuenta, aunque eso no quita para
que su modelo tenga validez para algunos tipos de explicación.
La réplica de Salmon (L1984], pp. 126 y ss.) malinterpreta, minimiza y deja realmente sin
responder la cuestión. Salmon cree encontrar respuesta al ejemplo de Hanson diciendo que el
médico, el abogado, el constructor y el urbanista eligen una clase inicial de referencia distinta (el
médico y el abogado eligen a los seres humanos, el constructor a los carruajes, el urbanista al
mobiliario urbano), y eso les lleva a una diferente partición del explanandum. Pero la explicación
que todos buscan es la misma, en el sentido de que todos buscan el mismo conjunto de factores
estadísticamente relevantes. Cierto que cada uno está interesado en un detcmlinado factor relevante.
pero <<el hecho de que una persona esté más interesada que otra en un factor relevante particular no
significa que ambos estén buscando o encontrando diferentes explicaciones del mismo hecho»
([ J9841, p. 130). En cuanto al ejemplo de van Fraassen, Salmon lo explica recordando que no todos
los antecedentes son relevantes. Así, para expl icar por qué alguien que duerme se despierta,
aduciremos el sonido del despertador, pero no que antes se había ido a dormir. <<La moraleja es
simple -escribe. Las condiciones necesarias antecedentes que son relevantes tienen importancia
explicativa, si no han sido apartadas (screened ojf); las condiciones antecedentes irrelevantes no la
tienen» (p. 128).
Sin embargo, lo que van Fraassen afirma no es que haya condiciones antecedentes irrelevantes que
puedan ser apartadas (está c laro que las hay), sino que hay condiciones relevantes, no apartadas, que no
son usadas en la explicación. No está diciendo que el médico, el abogado, el constructor y el urbanista
no puedan ponerse de acuerdo en el conjunto de factores estadísticamente relevantes; esrá diciendo
que, en función del contexto, sólo eligen algunos de ellos para su explicación y que Jo que signifique
'A es causa de B' varía en cada situación en la se pronuncia el enunciado. A eso Salmon no da
respuesta; se limita a reconocer la importancia de esos factores pragmáticos para la identificación de las
cuestiones sobre las que interroga la explicación, pero añade que <<Obviamente de todo ello no se sigue
que [...]la explicación misma tenga que encamar rasgos pragmáticos» (p. 130).
100 Antonio J. Diéguez

2.4. El modelo erotético de van Fraassen

El modelo de explicación por cobertura legal se centra, como vimos, en los aspectos lógicos de
la explicación, o, si se quiere. en los aspectos sintácticos y semánticos (los relacionados con la
forma lógica y la verdad de las premisas). Los ru.-pectos pragmáticos (los relacionados con las
personas que intervienen en el proceso explicativo) son explícitamente tenidos por secundarios. El
propósito de Hempel es precisamente «elaborar un concepto no pragmático de explicación. un
concepto abstraído - por así decir- del pragmático» (Hempel [ 1965\1979], p. 418). El modelo de
cobertura legal sería una reconstrucción lógica e idealizada de las explicaciones que realmente
presentan los científicos, obviando las variaciones que los factores pragmáticos y contextuales
introducirían en ellas. Tampoco el modelo de Salmon concede un lugar central a esos factores, tal
como acabamos de explicar.
Michael Scriven [ 1962] fue uno de los primeros en mantener que sin incluir los aspectos
pragmáticos de forma suficiente, ningún modelo de explicación podría ser fructífero ni interesante.
Un intento reciente de elaborar una teoría de la explicación que cuente con esos factores es el de
Bas C. van Fraassen 11 9801. Este autor adviene en primer lugar que el concepto de explicación
no tiene por qué depender del concepto de verdad, como pretendía el modelo de cobertura legal
- recordemos que dicho modelo exigía que las leyes del expfanans fueran enunciados legales
verdaderos. El enunciado ' la teoría T explica el hecho E' no comporta ninguna afi rmación acerca
de si fa teoría es verdadera. empíricamente adecuada o aceptable. La teoría del Oogisto, por ejemplo,
explicaba los fenómenos de combustión y, sin embargo, hoy sabemos que era una teoría errónea.
«Por lo tanto, decir que una teoría explica un hecho u otro es afirmar una relación entre esta teoría
y ese hecho que es independiente de la cuestión de si el mundo real, como un todo, encaja en la
teoría>> (van Fraassen Ll980], p. 48).
Marcando distancias con los modelos anteriores, van Fraassen sostiene que una explicación no
es un argumento (como en el modelo de cobertura legal), ni un conjunto de enunciados (como en el
modelo S-R), sino una comestación a una pregunta-por qué (an answer ro a why-question) (cf. p.
134).20
Es necesario distinguir entre contestación (answer) y respuesta (response ].!' Casi todo puede
valer como respuesta a una pregunta, pero no toda respuesta es propiamente una contestación, y hay
respuestas que son mejores contestaciones que otras a una pregunta. Una contestación directa a una
pregunta es la que proporciona suficiente información para contestar la pregunta, pero no más.
Las preguntas-por qué, expresadas por una interrogación en un contexto dado, vienen determinadas
por tres factores: el asunto Pt (tapie). que es la proposición que aparece en la pregunta; la clase de
comraste X (contrast-cfass), que es el conjunto de alternativas posibles entre las cuales se incluye
el asunto (X= (P1 .. .. . P4, ... l): y la relación de relevancia R (refemnce refation), que es el respecto-
en-el-que se pide una razón y que determina lo que contará como un posible factor explicatjvo.
Expresándolo en símbolos. una pregunta-por qué Q viene dada por

20 Van f'raasscn torna como punto de referencia en su análisis de la lógica de las preguntas la tcorra de N.O. B~l nap
(19761. así como el trabajo de S. Brombergcr 11966).
21 Traduzco de esta manera los dos vocablos ingleses porque 'contestar· tiene en caste llano un sentido más fuerte que
'responder'. ·contestar' significa, además de 'responder'. 'comprobar' y ·confinnar'.
 Explicando Jo ~xplicoci6n 101

Imaginemos que se pregunta '¿por qué se ha muerto Juan'!'. El asunto P• de la pregunta sería:
' Juan se ha muerto'. La clase de conrrastc X podría ser: 'Juan se ha muerto, Pedro se ha muerto,
Carlos se ha muerto, etc.', o bien: 'Juan se ha muerto, Juan no se ha muerto'. La relación de
relevancia R se.rían los eventos 'conducentes a' ('/eading up ro') la muerte de Juan, como una grave
enfermedad, un accidente, el suicidio, «incluso los hechizos lanzados por las brujas (puesto que la
evaluación de lo que es una buena contestación viene después)>> ([1980], p. 142).
Habida cuenta de que ciertas preguntas-por qué pueden tener el mismo asunto y diferente clase
de contraste, e incluso diferentes factores relevantes, no debemos intentar averiguar qué es relevante
para dicho asunto o para dicha clase de contraste, sino qué es relevante (en ese contexto) para el
asunto con respecto a la clase de contraste. Dicho brevemente, una proposición A es llamada re-
levame para Q si A mantiene la relación R con el par < P1 , X >.
En función de ello se define una contestación directa (direct answer) a la pregunta Q ¿por qué
P.? del siguiente modo:

P• en comraste con (el resto de) X porque A

o , abreviadamente:
porque A

donde ' porque ' s ignifica que A es relevante, en este contexto. para la cuestión; es decir, que A posee
la relación R con < P•. X> .
Pero. como hemos dicho, no basta con dar una respuesta relevante para contestar satisfactoria-
mente a una pregunta. ¿Cómo evaluar entonces si una respuesta es una buena contestación a una
pregunta? Toda pregunta surge en un contexto en el que hay un cuerpo K de teorías aceptadas e
información fáctica. Ese contexto determina si es posible o no plantear la pregunta e incluso qué es
lo que se pregunta. Preguntas que surgen en un contexto pueden carecer de sentido en otro contexto
diferente: la pregunta de por qué sigue la flecha moviéndose después de ser disparada pierde
sentido en el paso de la física aristotélica a la física newtoniana. La evaluación de las respuestas ha
de hacerse, por consiguiente, a la luz del contexto K. Hay al menos tres maneras de evaluar la
contestación 'porque A' en el contexto K:

l.· Viendo si la proposición A es aceptable o es probable que sea verdadera. Si el contexto K

implica que A es falsa entonces 'porque A ' no es una buena respuesta a la pregunta.
2.- Viendo en qué medida A es favorable para el asunto P, en contra de los otros miembros de
la clase de contraste. (Aquí es donde encontraría aplicación el criterio de Salmen de la relevancia
estadística).
3.- Comparando ' porque A' con otras posibles respuestas a la pregunta, y eso en tres aspectos:
3.1.- Viendo si A es más probable que las otras (dado el contexto cognoscitivo K).
3.2.- Viendo si A es más favorable para el asunto P, que las otras.
3.3.- Viendo si A se vuelve total o parcialmente irrelevante por las otras respuestas. (Aquí
encontrarían aplicación las consideraciones de Salmen sobre el «apartamiento» (screening
off)).

Sigamos con el ejemplo de la muerte de Juan y demos como respuesta a la pregunta planteada
' porque tomó 1O g. de arsénico' .11 Como antecedente informativo K tendre mos la proposi ción
22 Para e l ejemplo y su análisis me baso en Achinstein [1983/19891. pp. 21 2 y ss.
!02 Amonio J. Diéguez

'cualquier persona que toma 10 g. de arsénico muere', y sabremos además que Juan tomó realmente
la citada cantidad de arsénico. Según esto, ¿es bu.ena La respuesta que hemos dado?
El primer procedimiento de evaluación es satisfecho porque, por hipótesis, aceptamos A como
verdadero: Juan tomó arsénico. Si como clase de contraste se toma X= {Juan murió, Juan no mu-
rió}. es obvio que, dado K, tomar 10 g. de arsénico es favorable para 'Juan murió ' y no lo es para
'Juan no murió', con lo que se satisface también el segundo modo de evaluación. En cuanto al
tercero, comparemos la respuesta dada con esta otra:

'porque Juan fue atropellado por 1111 coche'

en la que la proposición subrayada es A·. Supongamos que, dado el antecedente informativo K.

P(AIK) = 0,9
=
P(A'!K) 0,8

Puesto que A es más probable que A' dado K, se satisface la condición 3.1.
Supongamos ahora que K incluye la información de que el 95% de los atropellados por un coche
mueren. Entonces,

P(P, 1 A·K) = 1
P(P, 1 A' K )= 0,95

Como A es más favorable para PL que A·. se satisface 3.2.

Por último, A· no «aparta» a A volviéndola irrelevante para P,. En efecto,

P(P, 1 A·A'·K) = l y
P(P,I A'·K) = 0.95
luego

con lo que se cumple 3.3.

Por lo tanto, ' Juan tomó 10 g. de arsénico' es una buena explicación de por qué murió Juan.
Obsérvese que aquí, en consonancia con lo dicho por Scriven,la explicación. o más precisamente.
el explanans 'porque A', no contiene leyes o regularidades estadísticas. Estas pertenecen al back-
ground de conocimiento K.
Según van Fraassen, la explicación no debe ser entendida como una relación suí generis entre la
teorfa y los hechos. La información que proporciona un científico cuando se le pide una explicación
es del mismo tipo que la que proporciona cuando se le pide una descripción. Asimismo, llamar
científica a una explicación no es decir nada sobre la forma o la clase de la información aducida,
sino sólo que la explicación toma esta información de la ciencia y que los criterios con los que se
evalúa son aplicados usando una teoría científica (cf. [1980], pp. 155-156).
Además, el error de los modelos anteriores está, según su opinión, en haber concebido la
explicación como una relación diádica entre teoría y hechos, c uando en realidad es una relación
 Explicando la explicación 103

triádica e ntre teoría, hechos y contexto. Una explicación es una respuesta a una pregunta-por qué y
debe ser evaluada en función de la información que la pregunta demanda. Pero esta información
solicitada varía con el contexto. Decir que una teoría explica un hecho es una manera resumida de
decir que hay una proposición que es una contestación, relativa a esa teoría, para la demanda de
información sobre ciertos hechos relevantes, y que comporta una comparación entre el hecho que
ocurrió y otras alternativas (contextualmente especificadas) que no ocurrieron (p. 156).
El modelo de van Fraassen pem1ite superar dificultades en las que tropezaban los dos anterio-
res.23 No obstante. tampoco él está exento de problemas. En relación al segundo criterio para la
evaluación de las respuestas. Salmon ([1984]. pp. 108-109) ha insistido en que no sólo pueden ser
explicados los miembros de la clase de contraste que se ven favorecidos, también pueden serlo los
desfavorecidos. Según su ejemplo. tenemos una población de flores de guisante en la que la
probabilidad de ser de color rojo es de 3/4, la de ser blanca es 1/4 y es de valores muy pequeños
para cualquier otro color. La clase de contraste X contiene: 'la flor es roja', 'la flor es blanca·. 'la
flor es de otro color·. El cuerpo previo de conocimientos K contiene la genética mendeliana. Y la
explicación A de por qué una flor es de deternúnado color especifica el carácter genético de la
población de flores. Todo ello valdría tanto para explicar por qué una determinada flor es roja como
para explicar por qué es blanca. Sin embargo, según los criterios de van Fraassen. e l color rojo es
favorecido en el contexto K, por lo que sólo podríamos explicar por qué la flor es roja y no de otro
color. Se trata, como vemos, de una objeción similar a la hecha anterionnente contra la tesis de que
sólo las probabilidades altas tienen poder explicativo. Por otro lado (en [ 19901, pp. 136-137).
Salmon rechaza como errónea la idea que él mismo compartiera anteriormente de que toda demanda
de una explicación puede ser formulada como una pregunta-por qué. Diversos autores habían ya
señalado que detenninadas explicaciones científicas responden más bien a preguntas de camo-(es)·
posible ( how·possi/Jiy) - por ejemplo, '¿cómo es posible que los gatos al caer desde cierta altura
lleguen siempre sobre sus pies al suelo?'- , o a preguntas de cómo-(fue)-en-realidad (lww actual/y)
-por ejemplo, '¿cómo llegó a haber mamíferos en Nueva Zelanda?'. Además, según Salmon, la
caracterización formal que van Fraassen ofrece de la relación de relevancia R no impone a ésta ninguna
restricción, lo que significa que, en principio, podríamos elegir cualquier relación por peregrina que
fuera entre un asunto P, y cualquier proposición verdadera A. y considerar que 'porque A' es una
explicación de P• (cf. [1990], pp. 141-142).2•
También Achinstein piensa que el modelo de van Fraassen no pasa algunos de los contraejemplos
que afectaban a los otros modelos. Volvamos al ejemplo del arsénico y supongamos que, aunque
Juan tomó 1O g. de arsénico, fue inmediatamente atropellado por un coche y murió a consecuencia
del atropello, permaneciendo todo lo demás igual. La respuesta ·porque tomó 1O g. de arsénico '
cumpliría todas las condiciones puestas por van Fraassen para ser una buena respuesta, y no así la
respuesta 'porque fue atropellado por un coche' . Sin embargo, sabemos que la respuesta correcta es

23 Pasa con éxico el ejemplo que N. Canwrighc oponía al modelo S-R: elimina el uso de defolínncc como explicación de la
.wpervivencia de 1;~ híedm, pues dicho uso favorece la ocra altemaciva en la clase de referencia. csco es. la muerte de la
planea. Pcnnicc dar ctaenca también de los casos de asimccría explicativa. como el ejemplo del péndulo o el del máscil .
24 Salmon pone un ejemplo en el que P, es ·John F. Kennedy murió cl22 de Noviembre de 1963', Res la innuenciu uscral
y i\ es una descripción verdadera de la sicuación de los cuerpos celesces el día del nacimienm de Kennedy. El considcm
que los criccrios que establece van Fmassen para evaluar la respuesca así dada en función del eonccxco K 110 sólo no tclldrlnn
por qué descare aria, sino que incluso podrían reforzarla. En mi opinión. sin embargo, eso no es nsl. Basca con ver que,
dado el eontexco cognoscitivo en el que nos movemos en la actualidad. los criccrios 3.1. 3.2 y sobre codo 3.3
descarcurfa11 sin lugar a dudas la respuesta A de este ejemplo. No obscanre. ciene razón Salrnon al alim>ar que van
Fr:wssen no nclura en absoluto en qué consiste una relación de relevancia satisrclcCOria.
104 Antonio J. Diéguez

esta última. De ahí concluye Achinstein que las condiciones de probabilidad que establece van
Fraassen no son suficientes para garantizar la verdad de las respuestas a una demanda de explica-
ción (cf. [ 1983/1989], p. 215).
Finalmente, podríamos decir que no siempre expücar es explicar desde una teoría, como
defiende van Fraassen. La investigación desarrollada en los años 50 por la American Cancer So-
ciety mostró q ue fumar produce cáncer basándose en la constatación de regularidades estadísticas
empíricas y no en alguna teoría sobre las causas del cáncer. Aunque se carezca de una tal teoría, si
poseemos esos datos estadísticos, podemos explicar por qué un individuo que fuma más de tres
paquetes diarios durante varios años desarrolla un tumor. No conoceremos los mecanismos causales
mediante los que el tabaco produce el tumor. pero sabremos al menos que la causa del mismo ha
sido el tabaco.l.l

3. ;,Es posible un modelo general de explicación científica?

Es evidente que desde sus inicios hasta llegar al modelo mecánico/causal de Salman o el
modelo de van Fraassen, la discusión sobre la explicación científica ha propiciado un afinamiento
en los conceptos y los argumentos, y nos ha brindado una comprensión más profunda de los
entresijos lógicos y epistemológicos de la explicación. Ha habido un avance en el análisis si por ta l
se e nti ende que los modelos han sido criticados mediante objeciones sutiles y han debido encont rar,
con mejor o peor fortuna, respuestas para esas críticas. El reconocimiento de que probabilidades
bajas también explican y que, por tanto, la explicación no tiene por qué ser un argumento (Jeffrey
y Salman); la introducción de análisis contextuales y pragmáticos en la de termin ación del signifi-
cado de una demanda explicativa y en la evaluación de s us respuestas (Scriven y van Fraassen); la
elaboración de una teoría de la causación basada en el conocimie nto científico (Salmon); el
desarrollo de la lógica e rotética (Bromberger, Belnap, van Fraassen) ...; todo ello, se esté o no de
acuerdo con los resultados obtenidos, ha significado un perfeccionamiento de los puntos de vista
iniciales. No se puede decir. sin embargo, que un modelo haya superado definitivamente a otro o
que haya contado con el apoyo sin reservas de la mayoría de los filósofos.
Todos los modelos (los tres presentados y otros más que podrían citarse) tienen puntos débiles,
muchos de los c uales ya han sido mencionados. Al modelo de cobertura legal se le considera pieza
fundamental de la llamada «Concepción Heredada», y depende en sus fundamentos de los princi-
pios positivistas que caracterizaban a la misma (cf. Brown [ 1977]). Corno es de sobra sabido. esos
principios han sido c uidadosa y sistemáticamente desmontados por toda la filosofía de la ciencia
posterior al Círculo de Viena. El golpe de gracia para los presupuestos positivistas de este modelo
fue dado por P.K. Feyerabend en «Explicación, reducción y empirismo» y por T.S. Kuhn en La
eslructura de las revoluciones ciemificas, obras ambas aparecidas en 1962. En la medida en que el
modelo de cobertura lega l es deudor de dichos s upuestos, no puede ser salvado sin ellos.
El modelo S-R fue declarado insuficiente por su propio creador en beneficio de una interpretación
mecánico/causal, c uyos presupuestos realistas sobre el concepto de causa y los mecanismos de la
causación están en el centro de la polémica contemporánea sobre el papel de las teorías científicas.
Ni que decir tiene que nada garantiza que el realismo sea verdadero y sus rivales falsos. Además,

25 Et Salmon de 119841negarra que hubiera cxptkación sin el conocimiento de esos mecanism<>Hausalcs. También Suppe
I19R81 niega que el cilado estudio sobre el cáncer explique por qué alguien lo desarrolla.
 Explicando lo uplicoci6n 105

este modelo exige la atribución de probabilidades a cada partición de la clase A a la que pertenece
el fenómeno a explicar, y no siempre es posible hacer esto en la ciencia.
Tampoco la introducción de factores pragmáticos y la sustitución del concepto de verdad por el
de adecuación empírica resuelve definitivamente las cosas. El creacionismo era empíricamente
adecuado en 1860 y no podía ser rechazado frente al darwinismo atendiendo sólo a factores
pragmálicos. Las explicaciones del creacionismo eran desde este punto de vista tan buenas como
las del darwinismo (cf. Gasper [1990], p. 291).
Por otra parte, los tres modelos suponen que explicar es responder a una pregunta-por qué o a
una pregunta que puede reformularse mediante un '¿por qué?'. Pero es muy cuestionable que todas
las explicaciones científicas puedan reducirse a eso. Hay ocasiones en que las preguntas acerca del
cómo, del dónde o del qué presuponen cosas muy distintas de las preguntas-por qué. Y hay
ocasiones en que una teoría puede expücar el cómo pero no el porqué de un fenómeno (cf. F. Suppe
[ 1988), pp. 137 y ss.). Además, en la historia y en las ciencias sociales encontramos explicaciones
basadas en la racionalidad de los agentes humanos que no parecen obedecer a los patrones explicativos
usuales en las ciencias naturales.
Si, por consiguiente, lo que esperamos de un modelo de explicación científica es que establezca
las condiciones necesarias y suficientes para determinar cuándo tenemos una explicación en las
ciencias y cuándo no, bemos de admitir el fracaso de todos ellos en conseguirlo. Achinstein ( 1983 j
ha puesto de re lieve algunas razones de este fracaso.
No hay nada de extraño en que un proyecto semejante no haya llegado hasta ahora a buen puerto.
El concepto de explicación está estrechamente ligado al concepto de causación, como ha quedado claro
en las páginas precedentes, y, desde que Hume nos despertó del sueño dogmálico, todo intento de
penetrar en este último concepto sólo ha generado perplejidades. Las discusiones escolásticas dentro de
la Concepción Heredada para dirimir si los condicionales contrafácticos permiten diferenciar la uni-
versalidad accidental de la universalidad nómica son buena prueba de ello.
Los modelos deben interpretarse simplemente como ideales simplificadores con cierto poder
heurístico. No debe pensarse que la pluralidad de explicaciones concretas que encontrarnos en las
distintas disciplinas científicas han de encajar en ellos necesariamente. Ni tampoco debe creerse
que son modelos permanentemente válidos. Al fin y al cabo. los criterios para decidir qué cuenta
como una buena explicación dependen de las teorías aceptadas en cada momento, y éstas están
sujetas a cambios históricos radicales (cf. Kuhn [19771. p. 54). Como ha escrito Toulmin ([ 1972/
1977], p. 166). «el núcleo de los recientes argumentos sobre el cambio conceptual en la ciencia es
la comprensión de que ningún ideal único de 'explicación' o justificación racional --como las que
Platón y Descartes hallaron en la geomerría formal- es universalmente aplicable a todas las
eiencias en todas las épocas».

(Marzo de 1994)

REFERENCIAS

ACHrNSTEJN, P. [ 1983]: The Nature of Explanation, 01\ford: 01\ford University Press. (Yers. cast.:
La naturaleza de la explicación, México: F.C.E., 1989).
BELNAP, N.O .. Jr. Y J.B. STEEL,Jr. (1976]: The Logic ofQuestions and Answers, New Haven:
Yale University Press. ·
106 Antonio J. Diég11t!

BROMBERGER, S. [1966]: «Why-Queslions», en R.G. Colodny (ed), Mind and Cosmos, Pitts-
burgh: University of Piusburgh Press, pp. 86-111.
BROWN, H.l. [1977]: Perception. Theory and Commirme/11. The New Philosophy of Science,
Chicago, lll.: Precedent Publishing. (Vers. cast.: La nueva filosofía de la ciencia, Madrid:
Tccnos, 1983).
CAMPBELL, N.R. [1920]: Physics: The Elements, Cambridge: Cambridge University Press. (Re-
impreso como Fotmdations of Science, New York: Oover, 1957).
CARTWRIGHT , N. [1979]: «Causal Laws and Effective Strategies», Noús, 13.
COFFA, J.A. , [1977]: <<Probabilities: Reasonable or True?», Philosophy ofScience, 44, pp. 186-198.
FEYERABEND. P.K. [1962]: «Explanation, Reduction and Empiricism>>, en H. Feigl y G. Maxwe-
11 (eds), Mirmesota Studies in the Philosophy of Science, vol. IIL, Minneapolis: University of
Minnesota Press, pp. 28-97. (Vers. cast.: Límites de la ciencia. Explicación. reducción y empi-
rismo, Barcelona: Paidós, 1989).
GASPER, Ph. [ 1990]: «Explanation and Scientific Realism», en D. Knowles (ed), Explanation and
its Limits. Cambridge: Cambridge University Press, pp. 285-295.
HANSON, N.R. [1958]: Pauems of Discovery, Cambridge: Cambridge University Press. (Vers.
cast. Patrones de descubrimiento. Observación y explicación. Madrid: Alianza, 1985).
HEMPEL, C.G. [1965]: Aspects of Sciemific Explanation and Other Essays inthe Philosophy of
Science. New York: Free Press. (Vers. cast.: La explicación científica. Estudios sobre la filosofía
de la ciencia , Buenos Aires: Paidós. 1979).
- [19661: Philosophy of Nawral Science, Englewood Cliff, N.J.: Prentice Hall. (Vers. cast.: Fi-
/osofla de la ciencia natural. Madrid: Alianza. 1976.
HEMPEL, C.G. y P. OPPENHEfM [1948): <<Studies in the Logic of Explanation», Philosoplry of
Science, 15, pp. 135-178. (Reproducido con añadidos en Hempel [ 19651).
JEFFREY, R.C. [1969]: «Statistica1 Ellplanation vs. Statislica.l lnference», en N. Rescher (ed.),
Essays in Honor ofC.G. Nempel. Dordrecht: Reidel. (Reimpreso en W.C. Salmon et al. [ 1971],
pp. 19-28).
KUHN, T.S. ( 1962]: The Structure ofScienLific Revolutions, Chicago: Univcrsity of Chicago Press.
(Vers. cast., La estructura de las revoluciones ciemíjicas, México: F.C.E .• 1971.
- [ 1977): The Essemia/ Tension, Chicago: Chicago University Press. (Vers. cast.: La tensión
esencial, México: F.C.E.. 1982).
MELLOR. D.H. [ 1976]: «Probable Explanation» Australasian Journal of Phylosophy, 54, pp. 231-
241.
MILL. J.S. Il843]: System o[Logic: Raciotinative and lnductive. (Reeditado por J.M. Robson (ed),
Collected Works of.lohn Stuart Mil/, vols. Vll y VIII. Toronto: University of Toronto Press.
POPPER, K.R. [1934]: Logik der Forschung, Wien: Springer. (Vers. cast. de la ed ición inglesa: La
lógica de la invest{gación científica, Madrid: Tecnos, 1962).
REICHENBACH. H. [1956): The Direction ofTime, Berkeley: University of California Press.
SALMON. W.C. [1978]: «Why ask. ' Why?'?>>, Proceedings and Addresses of tire American Phi-
losophical Association, 51, pp. 683-705.
-119841: Sciemific Explanation and the Causal Strucwre of the World, Princenton. KJ.: Prin-
ccnton University Press.
- [ 1990): Four Decades of Sciemific Exp/anation, Minneapolis: Minnesota University Press.
(Incluido también en P. Kitcher y W.C. Salmon (cds.) [ 19891: Scientific Explanation, Minne-
apolis: Minnesota University Press, pp. 3-2 19).
 Explicando la explicación 107

SALMON, W.C. et al. [1971]: Stmistical Explanation and Statistica1 Relevance, Pittsburgh: Uni-
versity of Pittsburgh Press.
SCHEFFLER, L [1957]: <<Explanation, Prediction, and Abstraction>>, Brit. J. Phi/. Sci., 7, pp. 293-
309.
- l l 963]: The Anatomy of lnquiry: Philosophical Studies in the The01y of Science, New York: A.
Knopf.
SCRlVEN, M. [1959]: <<Explanation and Prediction in Evolutionary Theory>>, Science, 130, pp. 477-
482.
-[1962]: «Explanations, Predictions, and Laws>>, en H. Feigl y G. MaxweU (eds.). Minnesota
Studies in the Philosophy of Science, voL lll, Minneapolis: University of Minnesota Press, pp.
170-230.
SUPPE, F. (1988]: «A Nondeductivist Approach to Theoretical Explanation>>, en A. Grilnbaum y
W.C. Salmon (eds), The Limitations of deductivism, Berkeley: University of California Press,
pp. 128-166.
TOULMIN, S. [1961]: Foresight and Understanding, London: Hutchinson.
-r 1972]: Human Understanding. vol. l. The Collective Use and Evolution of Conceprs. Oxford:
Oxford University Press. (Vers. cast. La compresnsión humana. El uso colectivo y la evolución
de los conceptos, Madrid: Alianza, 1977).
TUOMELA, R. [ 1981]: «lnductive Explanation>>, Synthese, 48, pp. 257-294.
VAN FRAASSEN. B.C. [1980]: T1te Scientific lmage, Oxford: Oxford University Press.
YON WRIGHT, G.H. [ 1971]: Explanation and Undersranding, London: Comen University Press.
(Vers. cast.: Explicación y comprensión, Madrid: Alianza, 1979).