Confianza en la ciencia: temas y tendencias de investigación de un paradigma emergente

Trust in science: research themes and trends in an emerging paradigm

Francisco Javier Jiménez-Loaisa

Universidad de Alicante, Departamento de Sociología I, Grupo de Investigaciones Sociológicas (GIS-UA)

jimenez.loaisa@ua.es
http://orcid.org/0000-0001-6802-7830

Diana Jareño-Ruiz

Universidad de Alicante, Departamento de Sociología I, Grupo de Investigaciones Sociológicas (GIS-UA)

diana.jareno@ua.es
http://orcid.org/0000-0001-9482-8017

Pablo de-Gracia-Soriano

Universidad de Alicante, Departamento de Sociología I, Grupo de Investigaciones Sociológicas (GIS-UA)

pablo.dgsoriano@ua.es
http://orcid.org/0000-0002-4809-4742

RESUMEN

ABSTRACT

CONTENIDO

1. INTRODUCCIÓN  ⌅

A lo largo de la última década, el término “confianza en la ciencia” (trust in science, en inglés) ha adquirido una creciente notoriedad en las diferentes bases de datos bibliográficas, como Web of Science, Scopus o Google Scholar (Reif et al., 2024Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6.). Este hecho revela un creciente interés investigador acerca de esta cuestión: para algunos autores, un nuevo paradigma de investigación, enfocado en la confianza en la ciencia, estaría surgiendo tanto de los estudios clásicos de percepción social de la ciencia y la tecnología (Reif y Guenther, 2021Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.; Jiménez-Loaisa y Jareño-Ruiz, 2024Jiménez-Loaisa, F. J., y Jareño-Ruiz, D. (2024). Confianza en la ciencia: características bibliométricas de una línea de investigación emergente e implicaciones para los estudios de percepción social de la ciencia. En Crescenza, G., y Fiorucci, M. (eds.). Educación e innovación al servicio de la mejora del conocimiento. Aula Magna/McGrawHill, pp. 325-342.) como de los estudios sobre comunicación de la ciencia, ligado a las limitaciones del modelo de déficit cognitivo (Radrizzani et al., 2023Radrizzani, S., Fonseca, C., Woollard, A., Pettit, J., y Hurst, L. (2023). Both trust in, and polarization of trust in, relevant sciences have increased through the COVID-19 pandemic. PLoS ONE, 18(3), e0278169. DOI: https://doi.org/10.1371/journal.pone.0278169.; Drummond y Fischhoff, 2017Drummond, C., y Fischhoff, B. (2017). Individuals with greater science literacy and education have more polarized beliefs on controversial science topics. PNAS, 114(36), 9587-9592. DOI: https://doi.org/10.1073/pnas.1704882114.; Kahan et al., 2012Kahan, D. M., Peters, E., Wittlin, M., Slovic, P., Ouellette, L. L., Braman, D., et al. (2012). The polarizing impact of science literacy and numeracy on perceived climate change risks. Nature Climate Change, 2, 732-735. DOI: https://doi.org/10.1038/nclimate1547.; Bauer, 2009Bauer, M. W. (2009). The evolution of public understanding of science-discourse and comparative evidence. Science, Technology and Society, 14(2), 221-240. DOI: https://doi.org/10.1177/097172180901400202). Asimismo, durante los últimos años se ha podido observar un importante desarrollo teórico y metodológico de este incipiente paradigma (Blöbaum, 2021Blöbaum, B. (2021). Some thoughts on the nature of trust: concept, models and theory. En Blöbaum (2021). Trust and Communication. Springer. DOI: https://doi.org/10.1007/978-3-030-72945-5.; Hendricks et al., 2021Hendriks, F., Distel, B., Engelke, K. M., Westmattelmann, D., y Wintterlin, F. (2021). Methodological and practical challenges of interdisciplinary trust research. En Blöbaum, B. (ed.). Trust and Communication. Springer International Publishing/Springer Nature. DOI: https://doi.org/10.1007/978-3-030-72945-5_2.) a la manera kuhniana de la ciencia normal, es decir, en clave de progreso lineal sobre una serie de axiomas compartidos por la comunidad científica de investigadores (Kuhn, 1962Kuhn, T. (1962). La estructura de las revoluciones científicas. Fondo de Cultura Económica.; O’Doherty, 2022O’Doherty, K. C. (2022). Trust, trustworthiness, and relationships: ontological reflections on public trust in science. Journal of Responsible Innovation, 10(1). DOI: https://doi.org/10.1080/23299460.2022.2091311.).

Para el caso español, a pesar de una cierta tradición investigadora, ligada al lanzamiento bianual de la encuesta de percepción social de la ciencia y la tecnología de la Fundación Española para la Ciencia y la Tecnología (FECYT), el paradigma emergente de los estudios sobre confianza en la ciencia no ha tenido una recepción clara. Los datos de esta encuesta han permitido el estudio de cuestiones tales como la cultura científica (Quintanilla et al., 2018Quintanilla, M. A., Escobar, M., y Santos-Requejo, L. (2018). Perfiles de cultura científica ciudadana. Sus características y su relación con prácticas no científicas. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Santos-Requejo et al., 2016Santos-Requejo, L., Escobar, M., y Quintanilla, M. A. (2016). Dimensiones y modelos de cultura científica: implicaciones prácticas para la financiación y la demarcación de la ciencia. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.), las profesiones científicas (Fernández et al., 2018Fernández, M., Cárdenas, J., y Sánchez, M. I. (2018). El estatus científico de profesiones y prácticas: una comparación entre ciencias experimentales, ciencias sociales y pseudociencias. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Giachi et al., 2016Giachi, S., Iturrarte, D., y Fernández, M. (2016). Ciencia, tecnología y “clases creativas”. La influencia de la creatividad ocupacional en la percepción de la ciencia y la tecnología. En Percepción social de la ciencia y la tecnología 2016. FECYT.), la brecha de género en el campo científico (Ortega, 2018Ortega, E. (2018). De la brecha de género al análisis interseccional de disciplinas STEM. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Sáinz y Martínez-Campos, 2016Sáinz, M., y Martínez-Cantos, J. L. (2016). Desigualdades de género en la percepción social de la ciencia y la tecnología en función de la edad y el nivel educativo. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.) y las imágenes o representaciones sociales de la ciencia (Robles y De Marco, 2018Robles, J. M., y De Marco, S. (2018). Postmaterialismo y comunitarismo como predictores de la percepción de la ciencia y la tecnología. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Van den Eynde, 2016Van den Eynde, A. M. (2016). La imagen de la ciencia en España a través de la lente del modelo PICA. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.), así como la percepción social de desarrollos tecnocientíficos controvertidos y sus factores explicativos (Lobera y Torres-Albero, 2018Lobera, J., y Torres-Albero, C. (2018). La tecnociencia como campo de controversia. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Lobera et al., 2018Lobera, J., Hornsey, M., y Díaz-Catalán, C. (2018). Los factores que influyen en la reticencia a la vacunación en España. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Boudet et al., 2018Boudet, H., Lobera, J., y Torres-Albero, C. (2018). La percepción social del ‘fracking’ en España. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.; Lobera y Torres-Albero, 2016Lobera, J., y Torres-Albero, C. (2016). Factores sociales de la oposición a aplicaciones tecnocientíficas controvertidas. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.; Espluga, 2016Espluga, J. (2016). Percepciones de riesgo en aplicaciones biotecnológicas. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.), entre otras cuestiones relevantes. No obstante, las diferentes encuestas lanzadas por la FECYT no incluyeron explícitamente preguntas sobre confianza en la ciencia en sus cuestionarios hasta su edición de 2022.

Debido a este notable vacío, esta investigación tiene como objetivo principal identificar los principales temas y tendencias de investigación en torno a la confianza en la ciencia. Con ello, se pretende justificar la relevancia de este paradigma de investigación emergente y la necesidad de seguir ahondando en el estudio de este fenómeno.

Metodológicamente, se incide en la pertinencia del método documental y bibliométrico para el estudio de temas y tendencias de investigación. Como viene siendo habitual, el análisis bibliométrico se apoya en técnicas de visualización de redes sociales (González Alcaide y Gómez Ferri, 2014González Alcaide, G., y Gómez Ferri, J. (2014). La colaboración científica: principales líneas de investigación y retos de futuro. Revista Española de Documentación Científica, 37(4), e062. DOI: https://doi.org/10.3989/redc.2014.4.1186.). Además, con objeto de profundizar en el análisis visual de los temas de investigación y las relaciones entre ellos, se recurre a técnicas propias del análisis de redes sociales (ARS) para el cálculo de indicadores que permitan una comprensión más profunda y detallada del lugar que ocupa cada tema de investigación en este incipiente paradigma.

Los resultados muestran un importante crecimiento de la productividad científico-académica en relación con el fenómeno de la confianza en la ciencia, especialmente a partir de los años 2019-2020. Los temas de investigación son relativamente diversos, identificándose ocho clústeres temáticos y destacando cuestiones como la integridad de la investigación, la comunicación científica, el cambio climático, la infodemia y el Covid-19. Tanto por el valor de los indicadores estructurales como por los valores de centralidad local y global, el tema de investigación más relevante tiene que ver con la reciente pandemia de Covid-19 y fenómenos afines, como la reticencia a la vacunación, las teorías de la conspiración o los procesos de toma de decisiones.

En la discusión, se muestra cómo el debate teórico-metodológico que ha dado forma al paradigma actual de la confianza en la ciencia se inicia, al menos, durante la pasada década y, por tanto, previamente al estallido de la pandemia de Covid-19. No obstante, parece evidente que este acontecimiento ha acelerado la investigación sobre la confianza en la ciencia, contribuyendo al desarrollo del nuevo paradigma. Por último, se argumenta que su desarrollo está ligado a la posibilidad de aplicar los marcos teóricos y metodológicos a nuevos problemas asociados a la relación entre ciencia y sociedad, y a la incorporación del constructo teórico de la confianza a las encuestas de percepción social de la ciencia.

Finalmente, en las conclusiones, se hace una breve síntesis y recapitulación de los resultados de la investigación.

1.1. La emergencia de un nuevo paradigma

Las actitudes sociales hacia la ciencia han sido objeto de interés de las diferentes ciencias sociales preocupadas por la relación entre ciencia y sociedad. Las encuestas de percepción social de la ciencia y la tecnología han sido la herramienta fundamental a través de las cuales multiplicidad de investigadores han podido abordar esta cuestión (Reif y Guenther, 2021Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.). La explotación de los datos de este tipo de encuestas dio lugar a los estudios sobre comprensión pública de la ciencia (public understanding of science) que, a lo largo de la década de los ochenta del pasado siglo prefiguraron el llamado modelo de déficit cognitivo (Radrizzani et al., 2023Radrizzani, S., Fonseca, C., Woollard, A., Pettit, J., y Hurst, L. (2023). Both trust in, and polarization of trust in, relevant sciences have increased through the COVID-19 pandemic. PLoS ONE, 18(3), e0278169. DOI: https://doi.org/10.1371/journal.pone.0278169.). El hallazgo sobre el que se sustenta este modelo es la correlación positiva existente entre el nivel de conocimiento científico declarado o demostrado por los individuos y las actitudes favorables hacia la ciencia (Allum et al., 2008Allum, N., Sturgis, P., Tabourazi, D., y Brunton-Smith, I. (2008). Science knowledge and attitudes across cultures: a meta-analysis. Public Understanding of Science, 17(1), 35-54. DOI: https://doi.org/10.1177/0963662506070159.). Del mismo modo, un bajo nivel de conocimiento científico explicaría las actitudes sociales desfavorables hacia la ciencia. De ahí la denominación del modelo de déficit cognitivo.

En términos kuhnianos, este modelo configura el paradigma de la investigación sobre las relaciones entre ciencia y sociedad hasta, al menos, la pasada década. Aunque el estudio de la confianza en la ciencia puede remontarse, al menos, hasta Barber (1987)Barber, B. (1987). Trust in science. Minerva, 25(1-2), 123-134. DOI: https://doi.org/10.1007/BF01096860., nuevas investigaciones en torno a un hipotético declive de la autoridad cultural de la ciencia y la creciente politización de la ciencia en la esfera pública (Gauchat, 2011Gauchat, G. (2011). The cultural authority of science: public trust and acceptance of organized science. Public Understanding of Science, 20(6), 751-770. DOI: https://doi.org/10.1177/0963662510365246.; 2012Gauchat, G. (2012). Politicization of science in the public sphere: a study of public trust in the United States, 1974 to 2010. American Sociological Review, 77(2), 167-187. DOI: https://doi.org/10.1177/0003122412438225.), pusieron la cuestión de la confianza en el centro de la explicación sociológica de la relación entre ciencia y sociedad. La investigación empírica en torno a la ciencia politizada, relativa a cuestiones controversiales como las vacunas o el cambio climático, mostró las debilidades del modelo de déficit cognitivo para explicar las actitudes sociales hacia la ciencia. Variables como la religiosidad, el nivel de ingresos, la ideología o la identificación partidista, adquirían mayor poder explicativo de las actitudes hacia la ciencia, en detrimento del logro educativo, nivel de estudios, de conocimiento, de información o, en definitiva, de lo que se conoce como alfabetización científica (Drummond y Fischhoff, 2017Drummond, C., y Fischhoff, B. (2017). Individuals with greater science literacy and education have more polarized beliefs on controversial science topics. PNAS, 114(36), 9587-9592. DOI: https://doi.org/10.1073/pnas.1704882114.; Kahan et al., 2012Kahan, D. M., Peters, E., Wittlin, M., Slovic, P., Ouellette, L. L., Braman, D., et al. (2012). The polarizing impact of science literacy and numeracy on perceived climate change risks. Nature Climate Change, 2, 732-735. DOI: https://doi.org/10.1038/nclimate1547.). De acuerdo con estas, un mayor o menor nivel de conocimiento no explica una actitud positiva o negativa hacia la ciencia. Por tanto, la comprensión pública de la ciencia deja de ser determinante de las actitudes hacia la ciencia, y el viejo paradigma empieza a ser sustituido por el paradigma de la confianza (Parikh, 2021Parikh, S. (2021). Why we must rebuild trust in science: Pew Trust. Disponible en: https://www.pewtrusts.org/en/trend/archive/winter-2021/why-we-must-rebuild-trust-in-science.; Bates et al., 2010Bates, S. R., Faulkner, W., Parry, S., y Cunningham-Burley, S. (2010). ‘How do we know it’s not been done yet?!’ Trust, trust building and regulation in stem cell research. Science and Public Policy, 37(9), 703-718. DOI: https://doi.org/10.1093/spp/37.9.703.; Bauer, 2009Bauer, M. W. (2009). The evolution of public understanding of science-discourse and comparative evidence. Science, Technology and Society, 14(2), 221-240. DOI: https://doi.org/10.1177/097172180901400202).

En esta línea, Hendriks et al. (2016)Hendriks, F., Kienhues, D., y Bromme, R. (2016). Trust in science and the science of trust. En Blöbaum, B. (ed.). Trust and communication in a digitized world: models and concepts of trust research, 143-159. Springer International Publishing/Springer Nature. DOI: https://doi.org/10.1007/978-3-319-28059-2_8. han señalado la centralidad de la confianza en el contexto de la actividad científica y de la relación entre la sociedad y la ciencia, o entre el público lego y los (sistemas) expertos. En relación a esta última cuestión, estos autores apuntan que la creciente complejidad del conocimiento científico es, en gran medida, incompatible con la comprensión o entendimiento público de la ciencia. Desde una concepción estricta de la dicotomía entre legos y expertos, similar a la de Ulrich Beck (1986)Beck, U. (1986). La sociedad del riesgo: hacia una nueva modernidad. Paidós. y criticada desde la sociología del conocimiento científico (Wynne, 1996Wynne, B. (1996). May the sheep safely graze? A reflexive view of the expert-lay knowledge divide. En Lash, S., Szerszynski, B., y Wynne, B. (eds.). Risk, environment and modernity: toward a new ecology, 44-83. Sage, DOI: https://doi.org/10.4135/9781446221983.n3.; Irwin, 2001Irwin, A. (2001). Sociology and the environment: a critical introduction to society, nature and knowledge. Cambridge Polity Press.) y ciertas posturas epistemológicas (Funtowicz y Ravetz, 2000Funtowicz, S., y Ravetz, J. (2000). Ciencia posnormal: ciencia con la gente. Icaria.), Hendriks et al. (2015)Hendriks, F., Kienhues, D., y Bromme, R. (2015). Measuring laypeople’s trust in experts in a digital age: the Muenster Epistemic Trustworthiness Inventory (METI). PLoS One, 10(10), e013909. DOI: https://doi.org/10.1371/journal.pone.0139309. afirman que el público lego no dispone de las herramientas cognitivas necesarias para juzgar los avances y desarrollos científicos actuales, las cuales únicamente son accesibles tras largos periodos de formación y especialización. La distancia creciente entre el conocimiento de los legos y el de los (sistemas) expertos, obliga a los primeros a confiar en los segundos a la hora de posicionarse -social, política, moralmente, etc.- frente a los nuevos avances científicos y tecnológicos. Con esto, la comunicación científica adquiere un papel protagónico como mediador entre el público y la ciencia (Intemann, 2023Intemann, K. (2023). Science communication and public trust in science. Interdisciplinary Science Reviews, 48(2), 350-365. DOI: https://doi.org/10.1080/03080188.2022.2152244.; Parejo-Cuellar et al., 2023Parejo-Cuellar, M., Flores-Jaramillo, S., y Carcaboso-García, E. (2023). Tendencias en producción científica sobre comunicación de la ciencia durante el período 2017-2021. Revista Española De Documentación Científica, 46(4), e368. DOI: https://doi.org/10.3989/redc.2023.4.2003.). La confianza en la ciencia es, por tanto, un mecanismo de reducción de la incertidumbre y la complejidad (Luhmann, 1979Luhmann, N. (1979). Trust and power. Wiley.).

Como sea, el locus central de este paradigma es el conflicto social y cultural articulado en torno a las actitudes públicas hacia la ciencia (Fernández Prados, 2003Fernández Prados, J. S. (2003). El valor de la ciencia y de la tecnología en la cultura española contemporánea. En Bericat, E. El conflicto cultural en España: acuerdos y desacuerdos entre los españoles. CIS.), vehiculadas por el constructo teórico de la confianza. La hipótesis general de partida es el declive o crisis de la confianza pública en la ciencia (Oreskes, 2021Oreskes, N. (2021). Why trust in science?. Princeton University Press. DOI: https://doi.org/10.1515/9780691222370.; Yearley, 2000Yearley, S. (2000). Making systematic sense of public discontents with expert knowledge: two analytical approaches and a case study. Public Understanding of Science, 9, 105-122. DOI: https://doi.org/10.1088/0963-6625/9/2/302.; Holton, 1993Holton, G. (1993). Science and anti-science. Harvard University Press.). En esta línea, destaca la investigación seminal de Gauchat (2012)Gauchat, G. (2012). Politicization of science in the public sphere: a study of public trust in the United States, 1974 to 2010. American Sociological Review, 77(2), 167-187. DOI: https://doi.org/10.1177/0003122412438225.. En este trabajo, conducido en los Estados Unidos, se analizaron las diferencias grupales en torno a la confianza en la ciencia entre 1974 y 2010, encontrando diferencias significativas entre quienes se identificaban como conservadores, moderados y liberales. Los niveles de confianza permanecían estables en todo el período para el conjunto de grupos estudiados, salvo en el caso de los conservadores, cuyos niveles de confianza pasaron de ser elevados a inicios del período a ser los más bajos al final del mismo. Las consecuencias de esta división sociopolítica en torno a la autoridad cultural de la ciencia y el papel social de los expertos en la formación de políticas públicas, constituyen el núcleo de problemas prácticos a los que este paradigma trata de dar respuestas.

De acuerdo con O’Doherty (2022)O’Doherty, K. C. (2022). Trust, trustworthiness, and relationships: ontological reflections on public trust in science. Journal of Responsible Innovation, 10(1). DOI: https://doi.org/10.1080/23299460.2022.2091311., el nuevo paradigma articulado en torno a la noción de confianza en la ciencia se caracteriza por un fundamento ontológico y epistemológico común en la mayoría de investigaciones: el fenómeno de la confianza es un atributo individual, intrapsíquico, dirigido hacia objetivos específicos, de naturaleza cuantitativa y mensurable. En este mismo trabajo, O’Doherty realiza una crítica a esta conceptualización, señalando que este enfoque, centrado en la confianza, no considera la confiabilidad de los individuos y las instituciones; no reconoce la confianza como un fenómeno relacional y pasa por alto las condiciones históricas y materiales que caracterizan las relaciones entre las personas y las instituciones científicas; y tiende a la manipulación burocrática de los públicos en lugar de fomentar auténticas relaciones de confianza. No obstante, parte de estas críticas en torno a la conceptualización de la confianza en la ciencia están asimiladas dentro del programa de investigación en cuestión (Besley y Tiffany, 2023Besley, J. C., y Tiffany, L. A. (2023). What are you assessing when you measure “trust” in scientists with a direct measure? Public Understanding of Science, 32(6), 709-726. DOI: https://doi.org/10.1177/09636625231161302.; Besley et al., 2021Besley, J. C., Lee, N. M., y Pressgrove, G. (2021). Reassessing the variables used to measure public perceptions of scientists. Science Communication, 43, 3-32. DOI: https://doi.org/10.1177/1075547020949547.; Blöbaum, 2021Blöbaum, B. (2021). Some thoughts on the nature of trust: concept, models and theory. En Blöbaum (2021). Trust and Communication. Springer. DOI: https://doi.org/10.1007/978-3-030-72945-5.; Hendriks et al., 2021Hendriks, F., Distel, B., Engelke, K. M., Westmattelmann, D., y Wintterlin, F. (2021). Methodological and practical challenges of interdisciplinary trust research. En Blöbaum, B. (ed.). Trust and Communication. Springer International Publishing/Springer Nature. DOI: https://doi.org/10.1007/978-3-030-72945-5_2.; Reif y Guenther, 2021Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.; Weingart y Guenther, 2016Weingart, P., y Guenther, L. (2016). Science communication and the issue of trust. Journal of Science Communication, 15(5), C01. DOI: https://doi.org/10.22323/2.15050301.).

2. MÉTODO Y MATERIALES  ⌅

2.1. Extracción y tratamiento de los datos

La extracción de los datos se realizó a través de la base de datos bibliográficos Scopus, el día 10 de febrero de 2024. La ecuación de búsqueda utilizada fue la siguiente: TIT-ABS-KEY (“trust in science” OR “trust in scientists”). Dado que el objetivo de la búsqueda consistía en obtener el número más elevado posible de publicaciones actuales relacionadas con la investigación sobre la confianza en la ciencia, únicamente se aplicaron dos restricciones: 1) una restricción temporal al período 2014-2023, y 2) restricción de publicaciones de carácter no-científico como notas editoriales, cartas al editor, documentos de datos, etc.

Los metadatos extraídos de estas publicaciones, en especial las palabras clave, fueron tratados haciendo uso de una hoja de cálculo. Los registros de palabras clave fueron normalizados para evitar duplicidades. Es decir, para evitar que un mismo término apareciera repetido con dos denominaciones diferentes (por ejemplo, “covid-19” y “coronavirus”), o para evitar que un mismo término apareciera unas veces en singular y otras en plural). Además, se optó por eliminar las palabras clave “trust in science”, “trust in scientists”, “trust” y “science”, dado que no aportaban valor a la posterior representación gráfica y análisis de los datos. Por último a este respecto, se estableció que el mínimo de ocurrencias o apariciones de una palabra clave fuera de, al menos, cinco. Con ello, se evitó la posterior representación en la red de palabras clave cuya aparición resultaba anecdótica.

2.2. Visualización de los datos e identificación de comunidades temáticas

Para la representación gráfica de las relaciones entre palabras clave se utilizó la versión 1.6.20 del software de análisis bibliométrico VOSviewer (van Eck y Waltman, 2016Van Eck, N. J., y Waltman, L. (2016). VOSviewer manual: version 1.6.6. Disponible en: https://www.vosviewer.com/download/f-33r2.pdf.). Este tipo de representaciones son conocidas como redes de coocurrencia de palabras clave, y permite la identificación de los temas de investigación más relevantes, así como la identificación de clústeres semánticos (Callon et al., 1983Callon, M., Courtial, J. P., Turner, W. A., y Bauin, S. (1983). From translations to problematic networks: an introduction to co-word analysis. Social Science Information, 22, 191-235. DOI: https://doi.org/10.1177/053901883022002003.).

VOSviewer permite la manipulación de los algoritmos que emplea para la representación gráfica de las redes de coocurrencia y la detección de comunidades temáticas. El método de normalización empleado para ello fue el método LinLog/modularity, asignando los valores 1 y -1 a la atracción y repulsión, respectivamente, para la representación espacial de los nodos. Para la definición de las comunidades, se definió el valor de la resolución del procedimiento de clustering en 1.00, y se limitó a 5 el número mínimo de palabras clave que podían conformar un clúster temático.

En cuanto a la resolución, cabe destacar que su valor puede oscilar entre 0.1 (baja resolución) y 2 (alta resolución). Si la resolución es baja, los clústeres identificados tenderán a ser de gran tamaño, agrupando una mayor cantidad de palabras clave y creando comunidades temáticas más difusas. En cambio, si la resolución es alta, se identificarán mayor número de clústeres de menor tamaño, pero mejor definidos temáticamente. En este caso, se optó por una resolución media-alta tras la evaluación de la coherencia semántica de las comunidades resultantes de la aplicación de una menor o mayor resolución.

Por último, se utilizó la función overlay que ofrece este programa para representar tendencias de investigación. Esta función permite visualizar la evolución temporal de los temas de investigación, a partir de la fecha de publicación de los documentos de los que se extrajeron las palabras clave.

2.3. Análisis de la red de coocurrencia y las comunidades

A pesar de que VOSviewer es una potente herramienta para la representación gráfica de redes y para detectar comunidades, únicamente ofrece una serie de indicadores básicos para su análisis. Concretamente, los indicadores que proporciona son el número de ocurrencias (o veces que aparece una palabra clave), el número de enlaces (equivalente a la noción de grado utilizado en ARS) y la fuerza total de los enlaces (equivalente, en este caso, a la noción de grado con pesos). Por este motivo, se recurrió al software libre Gephi, en su versión 0.10, para el cálculo de indicadores relevantes para el análisis e interpretación de las redes generadas con VOSviewer. Los indicadores utilizados y su descripción pueden ser consultados en detalle en la Tabla I de los materiales suplementarios.

3. RESULTADOS  ⌅

La búsqueda bibliográfica conducida en Scopus arrojó un total de 623 documentos una vez aplicados los filtros de búsqueda. A lo largo del período estudiado (2014-2023), se aprecia una tendencia positiva, que se acelera a partir de los años 2019 y, especialmente, 2020. A partir de 2021 y hasta final del período, la tendencia sigue siendo positiva, aunque se aprecia una desaceleración notable en relación con el período 2019-2021 (véase la Figura 1 de los materiales suplementarios para mayor detalle).

En cuanto a la red de coocurrencia de palabras clave generada por VOSviewer, está formada por 171 nodos y 1702 enlaces. Cada nodo representa una palabra clave y cada enlace representa la relación entre dos palabras clave. La red es una red pesada y no dirigida. El peso de cada nodo representa el número de ocurrencias de cada palabra clave, de manera que proporciona una imagen rápida de la importancia de cada nodo en el conjunto de la red. El conjunto de los 171 nodos ha sido agrupado en 8 clústeres o comunidades semánticas, determinadas por la proximidad temática de las palabras clave. En el siguiente subapartado se describe cada una de estas comunidades.

Los valores de los indicadores de redes pueden consultarse en detalle en las Tablas II, III, IV y V de los materiales suplementarios.

3.1. Descripción de las comunidades temáticas

Clúster 1. Integridad de la investigación científica. El primer clúster identificado está compuesto por 38 nodos y 108 enlaces, y se articula en torno a publicaciones centradas en la integridad de la investigación científica. La palabra clave más frecuente es research integrity (17 ocurrencias), acompañada por otros términos relevantes como research ethics, transparency, objectivity y communication. En términos de tamaño, constituye el clúster más amplio de toda la red, aunque presenta una densidad relativamente baja. Su grado medio es de 5.684, lo que indica que cada nodo (palabra clave) se conecta, en promedio, con unas seis palabras clave distintas. A pesar de su baja densidad, el valor del coeficiente de agrupamiento promedio refleja una conectividad moderada, lo que sugiere que se trata de una comunidad temática coherente y bien estructurada dentro del conjunto de la red.

Clúster 2. Confianza en la ciencia y Covid-19. Este clúster está constituido por 30 nodos y 117 enlaces, y representa de manera clara la investigación que aborda la confianza en la ciencia en el contexto de la pandemia de Covid-19. La palabra clave más frecuente de toda la red es Covid-19 (115 ocurrencias), la cual se encuentra estrechamente vinculada con otras como vaccine hesitancy, public health, vaccination o conspiracy theories. Este es el clúster con mayor grado medio (7.8), lo que sugiere una elevada interconectividad temática. Además, presenta un alto coeficiente de agrupamiento promedio (.687), lo que refuerza la idea de que se trata de una comunidad bien definida y consolidada, con una intensa producción científica articulada en torno a este eje temático.

Clúster 3. Comunicación pública de la ciencia. Formado por 27 nodos y 75 enlaces, este clúster se centra en el campo de la comunicación de la ciencia, con science communication como palabra clave principal (49 ocurrencias). Entre los términos asociados destacan education, epistemic beliefs, knowledge, public perceptions y science literacy. Su grado medio revela que cada término se conecta, en promedio, con más de cinco palabras clave diferentes. El coeficiente de agrupamiento promedio sugiere una comunidad temática fuertemente cohesionada, en sintonía con el hecho de que se trata de un campo consolidado, con una amplia tradición investigadora en la intersección entre ciencia, educación y sociedad.

Clúster 4. Cambio climático y controversias científicas. Este clúster agrupa 26 nodos y 71 enlaces y gira en torno a las controversias científicas y sociales relacionadas con el cambio climático, siendo esta la palabra clave más destacada (28 ocurrencias). Otras palabras clave vinculadas incluyen public opinion, risk perception, polarization y policy support. Con un grado medio de 5.462 y un coeficiente de agrupamiento promedio de .569, se trata de una comunidad bien definida, con conexiones temáticas sólidas que reflejan la relevancia del cambio climático como eje articulador del debate sobre confianza en la ciencia y políticas públicas.

Clúster 5. Desinformación y redes sociales. Con 19 nodos y 58 enlaces, este clúster se estructura en torno a la temática de la desinformación, siendo misinformation la palabra clave central (30 ocurrencias). Entre los términos relacionados se encuentran disinformation, infodemics, fake news, social media y Covid-19 pandemic. Se trata del segundo clúster más interconectado de la red, con un grado medio de 6.105 y un coeficiente de agrupamiento promedio de .805. Estos valores indican una comunidad temática altamente cohesionada, en la que se desarrolla una línea de investigación especializada que conecta la confianza en la ciencia con los desafíos informativos en entornos digitales y contextos de crisis sanitaria.

Clúster 6. Ideología política y confianza en la ciencia. Este clúster, formado por 14 nodos y 21 enlaces, recoge investigaciones centradas en la influencia de la ideología política sobre la confianza en la ciencia. La palabra clave principal es political ideology (12 ocurrencias). Aunque se trata de una comunidad temática pequeña y con escasa densidad, aborda un eje transversal de gran relevancia: la influencia de las orientaciones ideológicas en los niveles de confianza en el conocimiento científico. Esta línea de investigación, aunque aún incipiente, pone de manifiesto la importancia de variables sociopolíticas en la comprensión de la relación entre ciudadanía y ciencia.

Clúster 7. Percepción pública de la ciencia y la tecnología. Este clúster está compuesto por 9 nodos y 18 enlaces, y presenta una elevada densidad relativa. Su núcleo temático es public perception of science and technology (7 ocurrencias), acompañado de otras palabras clave como public understanding of science, science and media, risk communication y citizen science. Este clúster registra el coeficiente de agrupamiento más alto de toda la red (.814), lo que refleja una comunidad fuertemente cohesionada. Ello resulta coherente con la larga trayectoria de los estudios sobre percepción pública de la ciencia, articulados en torno a marcos consolidados como el paradigma PUS (Public Understanding of Science) y su revista homónima de referencia.

Clúster 8. Compromiso público y comunicación de riesgos. El último clúster identificado incluye 8 nodos y 10 enlaces. Su eje central es public engagement (6 ocurrencias), vinculado con términos como risk y mass communication. Este clúster se sitúa en una posición intermedia entre los clústeres 5 y 7, aglutinando estudios centrados en el compromiso ciudadano con la ciencia, la percepción del riesgo y su difusión a través de los medios de comunicación. A pesar de su menor relevancia estructural dentro de la red (grado medio de 2.5), presenta un coeficiente de agrupamiento promedio elevado (.714), lo que indica una comunidad temática claramente delimitada.

3.2. Centralidad de las principales comunidades temáticas

En el subapartado anterior se han descrito las distintas comunidades temáticas que estructuran la investigación sobre la confianza en la ciencia. Se han detallado las palabras clave más representativas de cada clúster, así como diversos indicadores de agrupamiento y estructura que permiten identificar la tendencia de estos términos a formar comunidades cohesivas. En el presente subapartado, el análisis se centra en la centralidad de los clústeres dentro del conjunto de la red, atendiendo tanto a medidas de centralidad local como global de las palabras clave más relevantes de cada comunidad

El clúster con mayor centralidad en la red es el Clúster 2, centrado en la investigación relacionada con la pandemia de Covid-19. La palabra clave Covid-19 no solo es la más frecuente, sino también la más central del conjunto de la red, tal y como lo evidencian todos los indicadores de centralidad. En términos de centralidad local, Covid-19 presenta el mayor valor de centralidad de grado (79) y de grado ponderado (221). Esto indica, respectivamente, que es el término con mayor número de conexiones directas y que dichas conexiones se producen con palabras clave de elevada centralidad. En lo que respecta a la centralidad global, Covid-19 alcanza los valores más altos en centralidad de cercanía (.625), intermediación (.264) y vector propio (.729). Estos resultados implican que se trata del nodo más próximo al resto de términos de la red, con mayor capacidad para actuar como intermediario entre comunidades y con conexiones más relevantes desde el punto de vista estructural. En consecuencia, aunque constituye una comunidad temática claramente delimitada, la investigación sobre Covid-19 actúa como un eje transversal que conecta múltiples líneas de investigación relacionadas con la confianza en la ciencia, funcionando como un verdadero puente entre comunidades temáticas.

El Clúster 3, relativo a la comunicación pública de la ciencia, ocupa la segunda posición en términos de centralidad. La palabra clave science communication presenta una centralidad de grado de 52 y una centralidad de grado ponderado de 83, situándose como la segunda palabra clave con más conexiones directas y la tercera con más conexiones ponderadas. En cuanto a los indicadores de centralidad global, los valores de cercanía, intermediación y vector propio confirman su papel como un nodo transversal dentro de la red, con capacidad tanto para integrarse en múltiples comunidades como para establecer conexiones relevantes con otros temas clave de investigación. Esto refleja el carácter interdisciplinar y consolidado del campo de la comunicación de la ciencia, que se articula como un punto de convergencia entre diversas aproximaciones al estudio de la confianza científica.

El Clúster 5, centrado en la temática de la desinformación, también destaca por su relevancia estructural. La palabra clave misinformation presenta un valor de centralidad de grado de 39 —el tercero más alto de la red—, pero sobresale especialmente en la centralidad de grado ponderado, donde ocupa el segundo lugar con un valor de 84. Esto sugiere que, aunque está conectada con menos términos que science communication, sus vínculos se establecen con palabras clave altamente conectadas, situándola más cerca del núcleo estructural de la red, dominado por el tema del Covid-19. En cuanto a los indicadores de centralidad global, misinformation mantiene valores similares en cercanía y vector propio respecto a science communication, aunque su centralidad de intermediación es menor, lo que implica una menor capacidad para actuar como nexo entre comunidades temáticas. En este sentido, la investigación sobre desinformación ocupa un lugar central en la red, tanto a nivel local como global, aunque con una función más especializada que integradora.

Por último, la Figura 2 complementa este análisis mediante una visualización cronológica de los temas de investigación, lo que permite identificar las tendencias actuales en el estudio de la confianza en la ciencia. Se observa que los focos principales de atención en la literatura reciente se sitúan en torno al Covid-19, la salud pública, la vacunación y las teorías de la conspiración. En segundo lugar, también se aprecia un creciente interés en fenómenos como la desinformación, la falta de información y el papel de las redes sociales. Estos hallazgos confirman la relevancia actual de los Clústeres 2 y 5, no solo como núcleos estructurales de la red, sino también como polos de atracción para la producción científica reciente.

En conjunto, tanto los indicadores estructurales de agrupamiento como los indicadores de centralidad (local y global) coinciden en señalar que los Clústeres 2 y 5 constituyen las comunidades temáticas más dinámicas y centrales en la investigación contemporánea sobre la confianza en la ciencia. Desde una perspectiva cronológica, estos clústeres representan las líneas de investigación más relevantes y activas en la actualidad, revelando una especialización temática creciente y una fuerte interrelación entre salud pública, crisis sanitarias y desinformación científica.

4. DISCUSIÓN  ⌅

El estudio de la confianza en la ciencia constituye un paradigma de investigación emergente, que hasta la fecha parece haber evolucionado a la manera kuhniana de la ciencia normal. No obstante, este desarrollo “normal” no es sinónimo de linear y aproblemático. Blöbaum (2021)Blöbaum, B. (2021). Some thoughts on the nature of trust: concept, models and theory. En Blöbaum (2021). Trust and Communication. Springer. DOI: https://doi.org/10.1007/978-3-030-72945-5. ha señalado la dificultad a la que se enfrenta la construcción teórica rigurosa y sistemática en un contexto investigador caracterizado por lo que el sociólogo de la ciencia Robert K. Merton habría llamado raw empiricism (para una revisión de la literatura, véase Jiménez-Loaisa et al., 2024Jiménez-Loaisa, F. J., Jareño-Ruiz, D., y de-Gracia-Soriano, P. (2024). The science of trust in science: COVID-19 and its implications for “trust”. En Visvizi, A., Troisi, O., y Corvello, V. (eds.). Research and Innovation Forum 2023. Springer Proceedings in Complexity, 673-683. Springer. DOI: https://doi.org/10.1007/978-3-031-44721-1_51.). El resultado es la proliferación de diversos modelos teóricos no exhaustivos e incompletos, aunque con un fondo común (Mayer et al., 1995Mayer, R. C., David, J. H., y Schoorman, F. D. (1995). An integrative model of organizational trust. The Academy of Management Review, 20(3), 709. DOI: https://doi.org/10.2307/258792.; Grosser et al., 2016Grosser, K. M., Hase, V., y Blöbaum, B. (2016). Trust in online journalism. En Blöbaum, B. (ed.). Trust and communication in a digitized world. Springer, 53-73. DOI: https://doi.org/10.1007/978-3-319-28059-2_3.; Wintterlin y Blöbaum, 2016Wintterlin, F., y Blöbaum, B. (2016). Examining journalist’s trust in sources: an analytical model capturing a key problem in journalism. En Blöbaum, B. (Ed.). Trust and communication in a digitized world. Springer, 75-90. DOI: https://doi.org/10.1007/978-3-319-28059-2_4.). Del mismo modo, si la teoría ha de guiar la investigación empírica, los instrumentos desarrollados hasta la fecha para la observación del fenómeno de la confianza en la ciencia son asimismo imperfectos (Gillespie, 2015Gillespie, N. (2015). Survey measures of trust in organizational contexts: an overview. En Lyon, F., Möllering, G., y Saunders, M. (eds.). Handbook of research methods on trust. Edward Elgar Publishing, 225-239. DOI: https://doi.org/10.4337/9781782547419.00031.; Reif y Guenther, 2021Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.; Besley y Tiffany, 2023Besley, J. C., y Tiffany, L. A. (2023). What are you assessing when you measure “trust” in scientists with a direct measure? Public Understanding of Science, 32(6), 709-726. DOI: https://doi.org/10.1177/09636625231161302.; Reif et al., 2024Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6.).

El notable peso de la investigación empírica, al margen del desarrollo teórico y conceptual del campo, parece justificado por el contexto en el que la investigación sobre la confianza en la ciencia se ha desarrollado. Como se ha visto, la pandemia de Covid-19 ha acelerado la investigación, multiplicándose el número de publicaciones sobre la cuestión de la confianza en la ciencia. En una situación como la recientemente vivida, caracterizada por una alta complejidad e incertidumbre, en el que la toma de decisiones políticas y sociales han de llevarse a cabo partiendo de conocimientos profundamente imperfectos, puede entenderse que la investigación empírica haya avanzado al margen de la investigación teórica. La urgencia por publicar es, en este caso, la urgencia por comunicar resultados de investigación que pueden ser útiles para apoyar los procesos de toma de decisiones. No obstante, también puede haber sido el resultado de cierto oportunismo investigador bajo la lógica académica imperante, en virtud de la cual se esgrime el lema publish or perish.

En cualquier caso, el amplio volumen de investigación empírica acumulada representa una oportunidad para la investigación teórica y la posterior vuelta a la investigación empírica, bajo presupuestos más firmes y herramientas metodológicas más finas. Tal y como han mostrado Reif y Guenther (2021)Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118., la investigación sobre confianza en la ciencia depende en gran medida de las encuestas de percepción social de la ciencia y la tecnología, lanzadas habitualmente desde organismos públicos o financiados públicamente. Estas encuestas presentan la ventaja de ser representativas, pero muestran debilidades en cómo miden la confianza en la ciencia. En muchas ocasiones, estas recurren a preguntas de un solo ítem. Si bien esta forma de medir la confianza en la ciencia permite la comparación sencilla a través del tiempo y entre distintos países, no da cuenta de la naturaleza multidimensional de este fenómeno (Besley y Tiffany, 2023Besley, J. C., y Tiffany, L. A. (2023). What are you assessing when you measure “trust” in scientists with a direct measure? Public Understanding of Science, 32(6), 709-726. DOI: https://doi.org/10.1177/09636625231161302.; Besley et al., 2021Besley, J. C., Lee, N. M., y Pressgrove, G. (2021). Reassessing the variables used to measure public perceptions of scientists. Science Communication, 43, 3-32. DOI: https://doi.org/10.1177/1075547020949547.; Weingart y Guenther, 2016Weingart, P., y Guenther, L. (2016). Science communication and the issue of trust. Journal of Science Communication, 15(5), C01. DOI: https://doi.org/10.22323/2.15050301.; Pardo y Calvo, 2002Pardo, R., y Calvo, F. (2002). Attitudes toward science among the European public: a methodological analysis. Public Understanding of Science, 11(2), 155-195. DOI: https://doi.org/10.1088/0963-6625/11/2/305.). En otras ocasiones, los diferentes niveles y dimensiones de este constructo teórico son recogidos sólo parcialmente en los cuestionarios, por lo que no permiten construir y evaluar modelos teóricos exhaustivos (Reif y Guenther, 2021Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.).

Estas debilidades de las encuestas de percepción social han conducido a diferentes investigadores a crear diferentes herramientas para una mejor aproximación al fenómeno. Es el caso del Trust in Science and Scientists Inventory de Nadelson et al. (2014)Nadelson, L., Jorcyk, C., Yang, D., Jarratt Smith, M., Matson, S., Cornell, K., y Husting, V. (2014). I just don’t trust them: the development and validation of an assessment instrument to measure trust in science and scientists. School Science and Mathematics, 114(2), 76-86. DOI: https://doi.org/10.1111/ssm.12051.. Esta escala formada por 21 ítems pretende medir con mayor precisión la confianza en la ciencia y los científicos, aunque ha sido igualmente criticada por confundir objetos de referencia y niveles de análisis (véase Reif et al., 2024Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6.). Una escala alternativa es la Stereotype Content Model de Fiske and Dupree (2014)Fiske, S. T., y Dupree, C. (2014). Gaining trust as well as respect in communicating to motivated audiences about science topics. Proceedings of the National Academy of Sciences of the United States of America, 111(Sup. 4), 13593-13597. https://doi.org/10.1073/pnas.1317505111., que reduce el fenómeno de la confianza en la ciencia a dos dimensiones de análisis: competencia (referida a la habilidad de los científicos) y entusiasmo (referido al compromiso con la ciencia). Basándose en esta escala y en las tres dimensiones de la confianza definidas por Mayer et al. (1995)Mayer, R. C., David, J. H., y Schoorman, F. D. (1995). An integrative model of organizational trust. The Academy of Management Review, 20(3), 709. DOI: https://doi.org/10.2307/258792., a saber, experticia, integridad y benevolencia, Hendriks et al. (2015)Hendriks, F., Kienhues, D., y Bromme, R. (2015). Measuring laypeople’s trust in experts in a digital age: the Muenster Epistemic Trustworthiness Inventory (METI). PLoS One, 10(10), e013909. DOI: https://doi.org/10.1371/journal.pone.0139309. desarrollaron el Muenster Epistemic Trustworthiness Inventory (METI), que recoge las dimensiones anteriores, adaptadas al caso del conocimiento científico y proponiendo su medición a través de diferenciales semánticos.

Las herramientas para medir la confianza en la ciencia se han ido refinando en este proceso de intercambio académico. En este sentido, la última expresión de este debate teórico-metodológico es la reciente propuesta de Reif et al. (2024)Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6., desarrolladores de la Public Trust in Science Scale (PuTS). Apoyada en la teoría sociológica, la investigación en comunicación y la investigación psicológica sobre la confianza, Reif et al. (2024)Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6. se apoyan especialmente en Giddens (1990)Giddens, A. (1990). The consequences of modernity. Stanford University Press. y Luhmann (1979)Luhmann, N. (1979). Trust and power. Wiley. para definir la confianza como un mecanismo de reducción de la incertidumbre y el riesgo futuro, asociado a expectativas positivas hacia un objeto de confianza dado (en este caso, la ciencia). A las dimensiones anteriormente señaladas (Hendriks et al., 2015Hendriks, F., Kienhues, D., y Bromme, R. (2015). Measuring laypeople’s trust in experts in a digital age: the Muenster Epistemic Trustworthiness Inventory (METI). PLoS One, 10(10), e013909. DOI: https://doi.org/10.1371/journal.pone.0139309.), Reif et al. (2024)Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6. incorporan dos dimensiones nuevas, fundamentadas en la investigación empírica: la transparencia y el diálogo o apertura al público. Además, señalan tres niveles de análisis: el nivel macro, referido a los sistemas expertos o la ciencia en general (véase Luhmann, 1979Luhmann, N. (1979). Trust and power. Wiley.); el nivel meso, referido a las instituciones u organizaciones científicas; y, por último, el nivel micro, referido a los científicos individuales. De esta manera, el concepto de confianza en la ciencia queda descompuesto en un total de cinco dimensiones y tres niveles de análisis. Para la operacionalización de las dimensiones y niveles, véase el ya citado artículo de Reif et al. (2024)Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6..

Como se ha podido mostrar, los debates acerca de la conceptualización y medición de la confianza en la ciencia son previos al aumento significativo de la producción académica derivada de la pandemia de Covid-19. No obstante, la emergencia de este nuevo paradigma -todavía en construcción- se ha visto acelerada en los últimos años debido a este fenómeno. La evolución del mismo probablemente quede ligada a dos condiciones: la capacidad de extrapolar el marco teórico y metodológico de la investigación a nuevos problemas asociados a la relación entre ciencia y sociedad, más allá de la reciente pandemia; y a la capacidad de las encuestas de percepción social de la ciencia y la tecnología para incorporar este constructo a sus cuestionarios, como mecanismo institucionalizador de este paradigma, y como facilitador del acceso a datos representativos y de calidad al conjunto de la comunidad investigadora.

5. CONCLUSIONES  ⌅

Los resultados muestran una tendencia creciente de la investigación sobre confianza en la ciencia, de acuerdo con la idea de paradigma emergente que brota de los estudios de percepción social de la ciencia y de la comunicación de la ciencia.

La emergencia de este nuevo paradigma está marcada por diferentes temas de investigación que conforman comunidades temáticas claramente delimitadas, aunque interrelacionadas entre sí. Estas versan sobre la integridad de la investigación, el Covid-19, la comunicación de la ciencia, el cambio climático, la desinformación, las ideologías políticas, la percepción social de la ciencia, la comunicación del riesgo y el compromiso público con la ciencia. Por el número de ocurrencias de las palabras clave representativas de cada clúster, los temas más recurrentes son el Covid-19, la comunicación de la ciencia y la desinformación.

Además de por el número de ocurrencias, la investigación sobre confianza en la ciencia en relación al Covid-19, la comunicación de la ciencia y la desinformación se posicionan como los principales focos de interés investigador, ocupando posiciones de mayor centralidad tanto local como global en el conjunto de la red temática.

En consonancia con el aumento exponencial del número de documentos publicados sobre confianza en la ciencia a partir de los años 2019-2020, los temas de investigación más boyantes tienen que ver con el Covid-19 y la desinformación, en detrimento de problemas de investigación “clásicos” como el cambio climático o la comunicación de la ciencia.

Con este trabajo, se ha realizado un bosquejo de la investigación sobre la confianza en la ciencia, un problema de investigación cuya relevancia ha sido demostrada a lo largo de los últimos años, a la luz de la pandemia del Covid-19. Las investigaciones llevadas a cabo entre el 2020 y el momento presente han señalado la potencia de la confianza en la ciencia como variable explicativa de la aceptación o rechazo de las recomendaciones de los expertos en materia de salud, tanto en relación con medidas no farmacológicas como el uso de mascarillas o el distanciamiento interpersonal (Matta et al., 2022Matta, S., Rogova, N., y Luna-Cortés, G. (2022). Investigating tolerance of uncertainty, COVID-19 concern, and compliance with recommended behavior in four countries: the moderating role of mindfulness, trust in scientists, and power distance. Personality and Individual Differences, 186. DOI: https://doi.org/10.1016/j.paid.2021.111352.; Hromatko et al., 2021Hromatko, I., Tonkovic, M., y Vranic, A. (2021). Trust in science, perceived vulnerability to disease, and adherence to pharmacological and non-pharmacological COVID-19 recommendations. Frontiers in Psychology, 12. DOI: https://doi.org/10.3389/fpsyg.2021.664554.; Dohle et al., 2020Dohle, S., Wingen, T., y Schreiber, M. (2020). Acceptance and adoption of protective measures during the COVID-19 pandemic: the role of trust in politics and trust in science. Social Psychological Bulletin, 15(4). DOI: https://doi.org/10.32872/spb.4315.) como en relación con las actitudes hacia la vacunación (Tehrani y Perkins, 2022Tehrani, S. O., y Perkins, D. (2022). Community health resources, globalization, trust in science, and voting as predictors of COVID-19 vaccination rates: a global study with implications for vaccine adherence. Vaccines, 10(8). DOI: https://doi.org/10.3390/vaccines10081343,; Wynen et al., 2022Wynen, J., Op de Beeck, S., Verhoest, K., Glavina, M., Six, F., Van Damme, P., Beutels, P., Hendrickx, G., y Pepermans, K. (2022). Taking a COVID-19 vaccine or not? Do trust in government and trust in experts help us to understand vaccination intention? Administration & Society, 10(54), 1875-1901. DOI: https://doi.org/10.1177/00953997211073459.; Baratucci et al., 2022Baratucci, M., Pagliaro, S., Ballone, C., Teresi, M., Consoli, C., Garofalo, A., de Giorgio, A., y Ramaci, T. (2022). Trust in science as a possible mediator between different antecedents and COVID-19 booster vaccination intention: an integration of Health Belief Model (HBM) and Theory of Planned Behavior (TPB). Vaccines, 7(10). DOI: https://doi.org/10.3390/vaccines10071099.). La importancia de la confianza pública en la ciencia como factor explicativo de las actitudes sociales procientíficas o anticientíficas, plantea la necesidad de reflexionar en torno a este fenómeno y de hacer extensiva la investigación a otras áreas y dominios.

6. MATERIALES SUPLEMENTARIOS  ⌅

El material suplementario de este artículo, incluyendo figuras y tablas, se encuentra en la siguiente dirección: http://hdl.handle.net/10045/153204

7. FINANCIACIÓN  ⌅

Este trabajo ha sido realizado en el marco del proyecto “Percepción del riesgo y confianza en torno al conocimiento experto y la política basada en la evidencia entre la población estudiantil universitaria de la Comunitat Valenciana”, con código ACIF/2021/00672, financiado por la Generalitat Valenciana a través de la Conselleria d’Innovació, Universitats, Ciència i Societat Digital.

8. DECLARACIÓN DE CONTRIBUCIÓN DE AUTORÍA  ⌅

Francisco Javier Jiménez-Loaisa: Conceptualización, Investigación, Metodología, Curación de datos, Redacción-borrador original.

Diana Jareño-Ruiz: Conceptualización, Metodología, Redacción-revisión.

Pablo de-Gracia-Soriano: Conceptualización, Metodología, Redacción-revisión y edición.

9. DECLARACIÓN DE CONFLICTOS DE INTERÉS  ⌅

Los/as autores/as de este artículo declaran no tener conflictos de intereses financieros, profesionales o personales que pudieran haber influido de manera inapropiada en este trabajo.

10. REFERENCAS  ⌅

Allum, N., Sturgis, P., Tabourazi, D., y Brunton-Smith, I. (2008). Science knowledge and attitudes across cultures: a meta-analysis. Public Understanding of Science, 17(1), 35-54. DOI: https://doi.org/10.1177/0963662506070159.

Baratucci, M., Pagliaro, S., Ballone, C., Teresi, M., Consoli, C., Garofalo, A., de Giorgio, A., y Ramaci, T. (2022). Trust in science as a possible mediator between different antecedents and COVID-19 booster vaccination intention: an integration of Health Belief Model (HBM) and Theory of Planned Behavior (TPB). Vaccines, 7(10). DOI: https://doi.org/10.3390/vaccines10071099.

Barber, B. (1987). Trust in science. Minerva, 25(1-2), 123-134. DOI: https://doi.org/10.1007/BF01096860.

Bates, S. R., Faulkner, W., Parry, S., y Cunningham-Burley, S. (2010). ‘How do we know it’s not been done yet?!’ Trust, trust building and regulation in stem cell research. Science and Public Policy, 37(9), 703-718. DOI: https://doi.org/10.1093/spp/37.9.703.

Bauer, M. W. (2009). The evolution of public understanding of science-discourse and comparative evidence. Science, Technology and Society, 14(2), 221-240. DOI: https://doi.org/10.1177/097172180901400202

Beck, U. (1986). La sociedad del riesgo: hacia una nueva modernidad. Paidós.

Besley, J. C., Lee, N. M., y Pressgrove, G. (2021). Reassessing the variables used to measure public perceptions of scientists. Science Communication, 43, 3-32. DOI: https://doi.org/10.1177/1075547020949547.

Besley, J. C., y Tiffany, L. A. (2023). What are you assessing when you measure “trust” in scientists with a direct measure? Public Understanding of Science, 32(6), 709-726. DOI: https://doi.org/10.1177/09636625231161302.

Blöbaum, B. (2021). Some thoughts on the nature of trust: concept, models and theory. En Blöbaum (2021). Trust and Communication. Springer. DOI: https://doi.org/10.1007/978-3-030-72945-5.

Boudet, H., Lobera, J., y Torres-Albero, C. (2018). La percepción social del ‘fracking’ en España. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Callon, M., Courtial, J. P., Turner, W. A., y Bauin, S. (1983). From translations to problematic networks: an introduction to co-word analysis. Social Science Information, 22, 191-235. DOI: https://doi.org/10.1177/053901883022002003.

Dohle, S., Wingen, T., y Schreiber, M. (2020). Acceptance and adoption of protective measures during the COVID-19 pandemic: the role of trust in politics and trust in science. Social Psychological Bulletin, 15(4). DOI: https://doi.org/10.32872/spb.4315.

Drummond, C., y Fischhoff, B. (2017). Individuals with greater science literacy and education have more polarized beliefs on controversial science topics. PNAS, 114(36), 9587-9592. DOI: https://doi.org/10.1073/pnas.1704882114.

Espluga, J. (2016). Percepciones de riesgo en aplicaciones biotecnológicas. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.

Fernández Prados, J. S. (2003). El valor de la ciencia y de la tecnología en la cultura española contemporánea. En Bericat, E. El conflicto cultural en España: acuerdos y desacuerdos entre los españoles. CIS.

Fernández, M., Cárdenas, J., y Sánchez, M. I. (2018). El estatus científico de profesiones y prácticas: una comparación entre ciencias experimentales, ciencias sociales y pseudociencias. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Fiske, S. T., y Dupree, C. (2014). Gaining trust as well as respect in communicating to motivated audiences about science topics. Proceedings of the National Academy of Sciences of the United States of America, 111(Sup. 4), 13593-13597. https://doi.org/10.1073/pnas.1317505111.

Funtowicz, S., y Ravetz, J. (2000). Ciencia posnormal: ciencia con la gente. Icaria.

Gauchat, G. (2011). The cultural authority of science: public trust and acceptance of organized science. Public Understanding of Science, 20(6), 751-770. DOI: https://doi.org/10.1177/0963662510365246.

Gauchat, G. (2012). Politicization of science in the public sphere: a study of public trust in the United States, 1974 to 2010. American Sociological Review, 77(2), 167-187. DOI: https://doi.org/10.1177/0003122412438225.

Giachi, S., Iturrarte, D., y Fernández, M. (2016). Ciencia, tecnología y “clases creativas”. La influencia de la creatividad ocupacional en la percepción de la ciencia y la tecnología. En Percepción social de la ciencia y la tecnología 2016. FECYT.

Giddens, A. (1990). The consequences of modernity. Stanford University Press.

Gillespie, N. (2015). Survey measures of trust in organizational contexts: an overview. En Lyon, F., Möllering, G., y Saunders, M. (eds.). Handbook of research methods on trust. Edward Elgar Publishing, 225-239. DOI: https://doi.org/10.4337/9781782547419.00031.

González Alcaide, G., y Gómez Ferri, J. (2014). La colaboración científica: principales líneas de investigación y retos de futuro. Revista Española de Documentación Científica, 37(4), e062. DOI: https://doi.org/10.3989/redc.2014.4.1186.

Grosser, K. M., Hase, V., y Blöbaum, B. (2016). Trust in online journalism. En Blöbaum, B. (ed.). Trust and communication in a digitized world. Springer, 53-73. DOI: https://doi.org/10.1007/978-3-319-28059-2_3.

Hendriks, F., Distel, B., Engelke, K. M., Westmattelmann, D., y Wintterlin, F. (2021). Methodological and practical challenges of interdisciplinary trust research. En Blöbaum, B. (ed.). Trust and Communication. Springer International Publishing/Springer Nature. DOI: https://doi.org/10.1007/978-3-030-72945-5_2.

Hendriks, F., Kienhues, D., y Bromme, R. (2015). Measuring laypeople’s trust in experts in a digital age: the Muenster Epistemic Trustworthiness Inventory (METI). PLoS One, 10(10), e013909. DOI: https://doi.org/10.1371/journal.pone.0139309.

Hendriks, F., Kienhues, D., y Bromme, R. (2016). Trust in science and the science of trust. En Blöbaum, B. (ed.). Trust and communication in a digitized world: models and concepts of trust research, 143-159. Springer International Publishing/Springer Nature. DOI: https://doi.org/10.1007/978-3-319-28059-2_8.

Holton, G. (1993). Science and anti-science. Harvard University Press.

Hromatko, I., Tonkovic, M., y Vranic, A. (2021). Trust in science, perceived vulnerability to disease, and adherence to pharmacological and non-pharmacological COVID-19 recommendations. Frontiers in Psychology, 12. DOI: https://doi.org/10.3389/fpsyg.2021.664554.

Intemann, K. (2023). Science communication and public trust in science. Interdisciplinary Science Reviews, 48(2), 350-365. DOI: https://doi.org/10.1080/03080188.2022.2152244.

Irwin, A. (2001). Sociology and the environment: a critical introduction to society, nature and knowledge. Cambridge Polity Press.

Jiménez-Loaisa, F. J., y Jareño-Ruiz, D. (2024). Confianza en la ciencia: características bibliométricas de una línea de investigación emergente e implicaciones para los estudios de percepción social de la ciencia. En Crescenza, G., y Fiorucci, M. (eds.). Educación e innovación al servicio de la mejora del conocimiento. Aula Magna/McGrawHill, pp. 325-342.

Jiménez-Loaisa, F. J., Jareño-Ruiz, D., y de-Gracia-Soriano, P. (2024). The science of trust in science: COVID-19 and its implications for “trust”. En Visvizi, A., Troisi, O., y Corvello, V. (eds.). Research and Innovation Forum 2023. Springer Proceedings in Complexity, 673-683. Springer. DOI: https://doi.org/10.1007/978-3-031-44721-1_51.

Kahan, D. M., Peters, E., Wittlin, M., Slovic, P., Ouellette, L. L., Braman, D., et al. (2012). The polarizing impact of science literacy and numeracy on perceived climate change risks. Nature Climate Change, 2, 732-735. DOI: https://doi.org/10.1038/nclimate1547.

Kuhn, T. (1962). La estructura de las revoluciones científicas. Fondo de Cultura Económica.

Lobera, J., y Torres-Albero, C. (2016). Factores sociales de la oposición a aplicaciones tecnocientíficas controvertidas. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.

Lobera, J., Hornsey, M., y Díaz-Catalán, C. (2018). Los factores que influyen en la reticencia a la vacunación en España. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Lobera, J., y Torres-Albero, C. (2018). La tecnociencia como campo de controversia. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Luhmann, N. (1979). Trust and power. Wiley.

Matta, S., Rogova, N., y Luna-Cortés, G. (2022). Investigating tolerance of uncertainty, COVID-19 concern, and compliance with recommended behavior in four countries: the moderating role of mindfulness, trust in scientists, and power distance. Personality and Individual Differences, 186. DOI: https://doi.org/10.1016/j.paid.2021.111352.

Mayer, R. C., David, J. H., y Schoorman, F. D. (1995). An integrative model of organizational trust. The Academy of Management Review, 20(3), 709. DOI: https://doi.org/10.2307/258792.

Nadelson, L., Jorcyk, C., Yang, D., Jarratt Smith, M., Matson, S., Cornell, K., y Husting, V. (2014). I just don’t trust them: the development and validation of an assessment instrument to measure trust in science and scientists. School Science and Mathematics, 114(2), 76-86. DOI: https://doi.org/10.1111/ssm.12051.

O’Doherty, K. C. (2022). Trust, trustworthiness, and relationships: ontological reflections on public trust in science. Journal of Responsible Innovation, 10(1). DOI: https://doi.org/10.1080/23299460.2022.2091311.

Oreskes, N. (2021). Why trust in science?. Princeton University Press. DOI: https://doi.org/10.1515/9780691222370.

Ortega, E. (2018). De la brecha de género al análisis interseccional de disciplinas STEM. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Pardo, R., y Calvo, F. (2002). Attitudes toward science among the European public: a methodological analysis. Public Understanding of Science, 11(2), 155-195. DOI: https://doi.org/10.1088/0963-6625/11/2/305.

Parejo-Cuellar, M., Flores-Jaramillo, S., y Carcaboso-García, E. (2023). Tendencias en producción científica sobre comunicación de la ciencia durante el período 2017-2021. Revista Española De Documentación Científica, 46(4), e368. DOI: https://doi.org/10.3989/redc.2023.4.2003.

Parikh, S. (2021). Why we must rebuild trust in science: Pew Trust. Disponible en: https://www.pewtrusts.org/en/trend/archive/winter-2021/why-we-must-rebuild-trust-in-science.

Quintanilla, M. A., Escobar, M., y Santos-Requejo, L. (2018). Perfiles de cultura científica ciudadana. Sus características y su relación con prácticas no científicas. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Radrizzani, S., Fonseca, C., Woollard, A., Pettit, J., y Hurst, L. (2023). Both trust in, and polarization of trust in, relevant sciences have increased through the COVID-19 pandemic. PLoS ONE, 18(3), e0278169. DOI: https://doi.org/10.1371/journal.pone.0278169.

Reif, A., y Guenther, L. (2021). How representative surveys measure public (dis)trust in science: A systematization and analysis of survey items and open-ended questions. Journal of Trust Research, 11(2), 94-118.

Reif, A., Taddicken, M., Guenther, L., Schröder, J. T., y Weingart, P. (2024). The Public Trust in Science Scale (PuTS): A Multilevel and Multidimensional approach. DOI: https://doi.org/10.31219/osf.io/bp8s6.

Robles, J. M., y De Marco, S. (2018). Postmaterialismo y comunitarismo como predictores de la percepción de la ciencia y la tecnología. En Percepción Social de la Ciencia y la Tecnología 2018. FECYT.

Sáinz, M., y Martínez-Cantos, J. L. (2016). Desigualdades de género en la percepción social de la ciencia y la tecnología en función de la edad y el nivel educativo. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.

Santos-Requejo, L., Escobar, M., y Quintanilla, M. A. (2016). Dimensiones y modelos de cultura científica: implicaciones prácticas para la financiación y la demarcación de la ciencia. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.

Tehrani, S. O., y Perkins, D. (2022). Community health resources, globalization, trust in science, and voting as predictors of COVID-19 vaccination rates: a global study with implications for vaccine adherence. Vaccines, 10(8). DOI: https://doi.org/10.3390/vaccines10081343,

Van Eck, N. J., y Waltman, L. (2016). VOSviewer manual: version 1.6.6. Disponible en: https://www.vosviewer.com/download/f-33r2.pdf.

Van den Eynde, A. M. (2016). La imagen de la ciencia en España a través de la lente del modelo PICA. En Percepción Social de la Ciencia y la Tecnología 2016. FECYT.

Weingart, P., y Guenther, L. (2016). Science communication and the issue of trust. Journal of Science Communication, 15(5), C01. DOI: https://doi.org/10.22323/2.15050301.

Wintterlin, F., y Blöbaum, B. (2016). Examining journalist’s trust in sources: an analytical model capturing a key problem in journalism. En Blöbaum, B. (Ed.). Trust and communication in a digitized world. Springer, 75-90. DOI: https://doi.org/10.1007/978-3-319-28059-2_4.

Wynen, J., Op de Beeck, S., Verhoest, K., Glavina, M., Six, F., Van Damme, P., Beutels, P., Hendrickx, G., y Pepermans, K. (2022). Taking a COVID-19 vaccine or not? Do trust in government and trust in experts help us to understand vaccination intention? Administration & Society, 10(54), 1875-1901. DOI: https://doi.org/10.1177/00953997211073459.

Wynne, B. (1996). May the sheep safely graze? A reflexive view of the expert-lay knowledge divide. En Lash, S., Szerszynski, B., y Wynne, B. (eds.). Risk, environment and modernity: toward a new ecology, 44-83. Sage, DOI: https://doi.org/10.4135/9781446221983.n3.

Yearley, S. (2000). Making systematic sense of public discontents with expert knowledge: two analytical approaches and a case study. Public Understanding of Science, 9, 105-122. DOI: https://doi.org/10.1088/0963-6625/9/2/302.