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, 2021). 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., 2023). 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., 2008). 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), 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, 2011; 2012), 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, 2017; Kahan et al., 2012). 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, 2021; Bates et al., 2010; Bauer, 2009).

En esta línea, Hendriks et al. (2016) 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) y criticada desde la sociología del conocimiento científico (Wynne, 1996; Irwin, 2001) y ciertas posturas epistemológicas (Funtowicz y Ravetz, 2000), Hendriks et al. (2015) 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, 2023; Parejo-Cuellar et al., 2023). La confianza en la ciencia es, por tanto, un mecanismo de reducción de la incertidumbre y la complejidad (Luhmann, 1979).

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, 2003), 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, 2021; Yearley, 2000; Holton, 1993). En esta línea, destaca la investigación seminal de Gauchat (2012). 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), 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, 2023; Besley et al., 2021; Blöbaum, 2021; Hendriks et al., 2021; Reif y Guenther, 2021; Weingart y Guenther, 2016).

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.

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, 2016). 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., 1983).

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.

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.

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.

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.