Fundamentos del Paradigma Neurocuántico y Métodos de Asociación Estadística

El Paradigma Neurocuántico

Existen proposiciones obtenidas por la lógica que, aunque se encuentran dentro de la realidad, están completamente vacías de ella. Hemos asignado a la razón pura y a la experiencia la estructura del sistema como el trabajo de la razón (realidad interna).

Ontología

Se asume una realidad fuera y una realidad dentro. Existe una Realidad Fuera (RF) que ocurre de manera simple, pero de causación completa y dependiendo del estado anterior. Esa realidad proyecta una luz que se recibe de forma discreta y en infinitas direcciones, lo cual implica que hay un único hecho proyectado infinitas veces.

Epistemología

Se fundamenta en el constructivismo. La RF es percibida por el sujeto, por lo cual no es vista directamente. Lo que se observa es una representación virtual que construye el cerebro mediante la energía recibida del exterior, la cual es filtrada por el propio sistema cognitivo.

La Realidad Dentro (RD) se forma en torno a los estímulos recibidos: fotones, ondas sonoras y moléculas traducidas en olores y sabores.

Metodología

La relación entre la RF y la RD se aborda desde diversas áreas del conocimiento, como la sociología, las matemáticas y la física. Por lo tanto, el positivismo, postpositivismo, teoría crítica y constructivismo podrían considerarse paradigmas filosóficos, ya que no hacen referencia a una base material y objetiva. En contraste, la propuesta del paradigma neurocuántico se considera científica, dado que se fundamenta en una base material y objetiva.

Asociación Lineal y Estadística

La asociación lineal se aplica cuando las variables son numéricas y se cruzan de dos en dos. Al tratarse de variables numéricas, el primer paso es observar su relación a través de un gráfico de dispersión (X-Y). Posteriormente, se calcula la covarianza de las variables y su estandarización, conocida como el coeficiente de correlación de Pearson.

La interpretación de r debe realizarse acompañada del gráfico de dispersión, ya que la relación debe ser considerada lineal. Este coeficiente indica la asociación o dispersión lineal de los puntos respecto a una línea imaginaria (la recta de regresión lineal o ajustada por mínimos cuadrados).

Proceso metodológico

• Gráfico de dispersión X-Y: Representación de dos variables numéricas en un sistema de coordenadas cartesianas de dos dimensiones.
• Cálculo de la covarianza: Medida de la variación conjunta.
• Cálculo del coeficiente r: Estandarización de la covarianza.

Consideraciones sobre la causalidad

La covarianza y la correlación no implican causalidad, por lo que no es necesaria la definición de dependencia e independencia entre las variables. Una alta asociación puede ser indicativa de la existencia de una relación, mientras que la falta de asociación supondría la no existencia de la misma.

El análisis de asociación debe realizarse únicamente cuando la relación entre variables sea lineal o considerada lineal, sin importar que sea dispersa. En cualquier otro caso, no es aplicable. La relación entre las variables debe responder a la ecuación: y = a + bx.