Cuando alguien interpreta mal un dato político, la explicación fácil es que le faltan matemáticas. Dan Kahan y su equipo sospechaban otra cosa: que la persona sabe la matemática de sobra y la aplica distinto según lo que el resultado signifique para sus creencias. Para separar las dos hipótesis, montaron un problema estadístico con la misma estructura numérica y dos disfraces.
La misma tabla, dos etiquetas
Participaron 1.111 adultos estadounidenses. A cada uno se le daba una tabla de resultados de un supuesto estudio, con cuatro casillas de números elegidas para que la comparación intuitiva, mirar solo qué cifra es mayor, diera la respuesta equivocada. Para acertar había que comparar proporciones, no totales. En una versión, la tabla iba sobre una crema para un sarpullido: mejora o empeora. En otra, con los mismos números recolocados, iba sobre si prohibir llevar armas en público subía o bajaba la delincuencia. Y esa segunda tenía dos variantes repartidas al azar: en una, la respuesta correcta era que la prohibición reduce el crimen; en la otra, que lo aumenta.
Con la crema, el patrón fue el esperado: cuanta más soltura numérica, más aciertos, sin que la ideología pintara nada. Entre los mejores con los números, acertaba en torno a tres de cada cuatro. Con las armas, todo se torció. Los aciertos bajaban y se repartían según la conveniencia: cada bando resolvía mejor la variante cuya respuesta correcta le daba la razón y peor la que se la quitaba. Y la distancia entre bandos no se estrechaba entre los más hábiles con las cifras. Se ensanchaba.
Usar la cabeza para defender, no para averiguar
Kahan lo llama numeracidad motivada. La misma capacidad que debería afinar la lectura de los datos se pone, cuando el tema toca la identidad, al servicio de la conclusión que ya se prefería. No es que la gente lista con los números deje de razonar bien. Razona bien en las dos direcciones, según convenga, y solo frena a mirar con lupa los datos que le molestan.
La consecuencia incomoda a cualquier plan de comunicación que se resuma en "expliquemos mejor las cifras". Si el problema no fuera la falta de capacidad analítica, más gráficos y más estadística no lo arreglan solos. El sesgo no vive en la falta de herramientas. Vive en para qué se usan cuando la conclusión ya pesa antes de mirar la tabla.
Qué se le discute
El patrón básico se ha repetido, también con otros temas cargados. Lo que sigue en debate es la lectura. Kahan lo cuenta como protección de la identidad, pero hay quien lo explica de forma menos dramática: cada persona llega con creencias previas distintas sobre las armas y razona a partir de ellas, lo cual, visto de cerca, se parece bastante a actualizar de forma normal, no a una avería mental.
La tarea, además, es artificial. Una tabla falsa, sin nada en juego, con una trampa conocida donde la respuesta intuitiva es la mala. Puede exagerar cada cuánto pasa esto con datos reales presentados sin truco. Y "informar mejor no sirve" no se sostiene entero: corregir bulos con datos sí mueve a la gente en otros experimentos.
Lo que aguanta es la parte concreta: en asuntos que tocan la pertenencia, tener más soltura numérica no garantiza una lectura menos sesgada de los datos, y a veces la sesga más.
«Los sujetos con más soltura numérica usaron su capacidad de razonamiento cuantitativo de forma selectiva, para ajustar la interpretación de los datos al resultado más afín a su posición política.»
Kahan, Peters, Dawson & Slovic (2017)
Ante un dato estadístico sobre un tema político, prueba a preguntarte cómo lo mirarías si el mismo número apoyara la postura contraria a la tuya. Si notas que le pedirías más pruebas, o que buscarías el fallo con más ganas, esa diferencia es la medida de cuánto pesa la conveniencia en tu lectura. No se quita del todo, pero notarla ya cambia algo.