Si trabajas en investigación en psicología o ciencias sociales, probablemente hayas oído hablar de la crisis de replicabilidad. Durante años, el debate se ha mantenido a partir de estudios puntuales y opiniones encontradas. Pero en abril de 2026, la revista Nature ha publicado de forma simultánea cuatro estudios que ofrecen la evaluación más ambiciosa y sistemática realizada hasta la fecha. El proyecto se llama SCORE, y sus resultados nos obligan a reflexionar sobre cómo hacemos ciencia.
¿Qué es SCORE y por qué importa?
SCORE son las siglas de Systematizing Confidence in Open Research and Evidence. Se trata de un proyecto financiado por DARPA con aproximadamente 8 millones de dólares, coordinado por el Center for Open Science (COS). Lo que lo hace único es su escala: 865 colaboradores evaluaron cerca de 3.900 afirmaciones científicas procedentes de las ciencias sociales y del comportamiento. No estamos ante un estudio de laboratorio ni ante una revisión narrativa, sino ante un esfuerzo industrial de verificación científica.
Los resultados se publicaron en el volumen 652 de Nature, el 2 de abril de 2026, en cuatro artículos complementarios. Cada uno aborda una dimensión distinta de la fiabilidad científica: reproducibilidad, replicabilidad y robustez. Juntos, componen un diagnóstico integral del estado de la evidencia en nuestras disciplinas.
Las tres erres de la credibilidad científica
Antes de entrar en los resultados, conviene aclarar tres conceptos que a menudo se confunden:
- Reproducibilidad: ¿Se pueden obtener los mismos resultados a partir de los mismos datos y el mismo código de análisis? Es la prueba más básica: si otro investigador ejecuta tu script con tus datos, ¿llega a las mismas cifras?
- Replicabilidad: ¿Se obtienen resultados similares cuando se repite el estudio con datos nuevos? Aquí se recoge una muestra independiente y se aplica el mismo procedimiento para ver si el efecto se mantiene.
- Robustez: ¿Las conclusiones resisten cuando se analizan los mismos datos con métodos estadísticos alternativos? Un resultado robusto no depende de una decisión analítica particular.
Una contribución importante de SCORE es demostrar que estas tres dimensiones son relativamente independientes entre sí. Un estudio puede ser reproducible pero no replicable, o replicable pero no robusto. La credibilidad científica es multidimensional, y evaluarla requiere examinar cada erre por separado.
Reproducibilidad: el problema del código y los datos
El estudio de Miske y colaboradores examinó 600 artículos de ciencias sociales y del comportamiento. El dato más alarmante fue el punto de partida: solo el 20% de los artículos incluían tanto los datos como el código de análisis necesarios para intentar reproducir los resultados. Es decir, en ocho de cada diez estudios publicados, ni siquiera era posible verificar si los números del artículo eran correctos.
Pero aquí viene la parte más interesante. Cuando los datos y el código estaban disponibles de forma completa, la tasa de reproducibilidad alcanzó el 91%. Sin embargo, cuando los materiales eran parciales y los analistas tuvieron que reconstruir los procedimientos, la tasa se desplomó al 38%. La diferencia entre compartir o no compartir tus materiales no es un matiz: es la diferencia entre que tu trabajo sea verificable o no.
Replicabilidad: la mitad de los efectos no sobreviven
El estudio de Tyner y colaboradores intentó replicar 164 artículos de ciencias sociales. Los resultados confirman lo que estudios anteriores habían sugerido, pero a una escala sin precedentes: aproximadamente la mitad de los efectos originales estadísticamente significativos no alcanzaron significación estadística en la replicación, un problema directamente ligado a la tiranía del valor p.
Más revelador aún es lo que ocurrió con los tamaños del efecto. En promedio, los efectos replicados fueron menos de la mitad del tamaño reportado originalmente. Esto significa que, incluso cuando un efecto sí se replica, su magnitud real es considerablemente menor de lo que sugería el estudio original. Para quienes diseñamos estudios o calculamos tamaños muestrales, este dato tiene implicaciones directas: si basamos nuestros cálculos de potencia en efectos publicados, probablemente estemos infraestimando el tamaño de muestra necesario.
Robustez: cuando el método estadístico importa más de lo que creemos
Aczel y colaboradores evaluaron la robustez de 100 artículos sometiendo cada conclusión a análisis estadísticos alternativos. El resultado: solo el 74% de las conclusiones estadísticamente significativas se mantuvieron significativas cuando se utilizaron métodos diferentes (herramientas como la p-curve y valor evidencial ayudan a detectar estos problemas).
Esto significa que una de cada cuatro conclusiones depende de la elección metodológica particular del investigador. No es que el análisis original estuviera necesariamente mal hecho, sino que la conclusión no era lo suficientemente sólida como para resistir un enfoque analítico diferente pero igualmente válido. Para los revisores y los lectores, esto subraya la importancia de que los autores justifiquen sus decisiones analíticas y, cuando sea posible, presenten análisis de sensibilidad.
Las políticas de las revistas funcionan
El estudio de Brodeur y colaboradores, enmarcado en el Institute for Replication, aporta una nota de optimismo. Sus datos muestran que en las revistas que exigen compartir datos y código, el 85% de los estudios fueron reproducibles. Además, documentaron un cambio notable en las prácticas de la comunidad: mientras que en 2014 solo el 59% de los artículos compartían datos o código, entre 2021 y 2023 esa cifra subió a aproximadamente el 90%.
Este hallazgo es fundamental porque demuestra que las políticas editoriales tienen un impacto real. No se trata solo de buenas intenciones: cuando las revistas exigen transparencia, los investigadores la adoptan, y la ciencia resultante es más fiable.
¿Qué significa esto para tu investigación?
Si estás preparando un estudio, una tesis o un artículo en psicología o ciencias sociales, los resultados de SCORE tienen implicaciones prácticas concretas:
- Comparte siempre tus datos y tu código. La diferencia entre un 91% y un 38% de reproducibilidad habla por sí sola. Utiliza repositorios como OSF o GitHub. Muchas revistas ya lo exigen, y las que no lo hacen lo valorarán positivamente.
- No confíes ciegamente en los tamaños del efecto publicados. Si planificas un estudio basándote en efectos de la literatura, considera que la magnitud real podría ser la mitad o menos. Calcula tu tamaño muestral con estimaciones conservadoras.
- Incluye análisis de sensibilidad. Demuestra que tus conclusiones no dependen de una decisión analítica particular. Prueba con diferentes especificaciones del modelo, criterios de exclusión o métodos estadísticos y reporta los resultados.
- Pre-registra tus estudios. En un contexto donde la mitad de los efectos no se replican, el pre-registro en OSF protege tu credibilidad al demostrar que no has manipulado tus hipótesis o análisis después de ver los datos.
- Valora la transparencia como ventaja competitiva. Las revistas de mayor impacto están adoptando políticas de datos abiertos. Anticiparte a estas exigencias fortalece tu manuscrito y acelera el proceso de revisión.
Una ciencia más honesta, no una ciencia en crisis
Es tentador leer estos resultados como una condena a las ciencias sociales. Pero la lectura más precisa es otra: la comunidad científica está invirtiendo recursos sin precedentes en evaluar y mejorar sus propias prácticas. SCORE no es una acusación, es un diagnóstico. Y como todo buen diagnóstico, es el primer paso hacia la mejora.
Los datos muestran que las herramientas para producir ciencia más fiable ya existen: compartir datos, compartir código, pre-registrar, y aplicar análisis de sensibilidad. No se trata de revolucionar la metodología, sino de adoptar prácticas que ya han demostrado su eficacia. La ciencia que sobrevive a la verificación no es la ciencia perfecta; es la ciencia transparente.
Si necesitas orientación sobre cómo implementar estas prácticas en tu investigación, desde el pre-registro hasta la preparación de repositorios de datos y código, puedo ayudarte a fortalecer tu trabajo para que resista cualquier escrutinio.
Referencias
- Tyner, S. et al. (2026). Replicability of social and behavioural science claims in a large-scale assessment. Nature, 652, 143-150.
- Aczel, B. et al. (2026). Robustness of social and behavioural science conclusions. Nature, 652, 135-142.
- Miske, O. et al. (2026). Reproducibility of social and behavioural science articles. Nature, 652, 126-134.
- Brodeur, A. et al. (2026). Replication games: reproducibility and replicability across the social sciences. Nature, 652, 151-156.
- Center for Open Science. SCORE Project. https://www.cos.io/