Ciclo PAS

PAS es el acrónimo de Problemática - Análisis - Solución, fases de un ciclo de evaluación de eventos para formulación de soluciones.

Fig. 1. Etapas del proceso de investigación científica; diagrama simplificado de Nahikian, 1964.

---

La formulación de un pronóstico (o la síntesis de las conceptualizaciones existentes)

Los modelos tienden a asociarse básicamente con conjuntos de relaciones matemáticas complejas entre componentes de un sistema o con réplicas físicas a escala de dos o más componentes de un sistema real. Sin embargo, los modelos no son otra cosa que conjuntos de hipótesis acerca del funcionamiento de elementos reales consideradas integralmente. Su utilidad está en que permiten establecer predicciones acerca del comportamiento de la realidad sin necesidad de efectuar en ésta manipulaciones de sus componentes elementales o predecir el estado futuro de uno o más de los elementos del sistema a partir de sus estados actuales.

En este sentido los modelos hacen parte del proceso de conocimiento científico de la realidad. Es decir parten de hechos reales observables y sus verificaciones deben regresar a esa realidad con una ganancia en conocimiento. El siguiente diagrama, simplificado de Nahikian, Howard. 1964.[1] ilustra el proceso.

[Fliessendes Objekt]

El punto de partida es una realidad observable, componentes entrelazados por relaciones de causa - efecto o covarianza; estas relaciones se traducen, mediante enunciados lógicos, matemáticos o estadísticos, a hipótesis, modelos o teorías que permiten predecir el estado de un componente con base en el conocimiento del estado de otros componentes. Éstas deben ser objeto de verificación mediante uno o más de los siguientes tipos de actividades:

• diseño de experimentos: manipulación in situ o en laboratorio de ciertos componentes y medición de la respuesta de otros,
• documentación de eventos reales: comparaciones espaciales o temporales del comportamiento de un componente dado o
• simulación física o numérica de un fenómeno o proceso.

La comprobación, si se aceptan las hipótesis planteadas (los modelos y teorías son conjuntos de hipótesis), es el retorno a la realidad observable con una ganancia en conocimiento. Este conocimiento puede ser en muchas ocasiones por defecto (carencia de correspondencia entre la realidad observable y las predicciones y resultados), lo cual exige la revisión del proceso investigativo: formulación de nuevas hipótesis y realización de nuevas verificaciones.

Ciclo problemática-hipótesis-solución

Este esquema simple del proceso de investigación científica se puede expandir y aplicarse al entendimiento de fenómenos ecológicos en general, tal como fue planteado por Poole (1974)[2] y utilizarse en la solución de problemas relacionados con la planificación. En el esquema de la figura 2. se presenta el ciclo problemática-hipótesis-solución, modificado de Dyner (1993)[3] y se ilustra a continuación con ejemplos referentes a la problemática de la Ciénaga Grande de Santa Marta (CGSM), realistas pero no necesariamente exactos.

A. Formulación de problemática^[1] : enunciado explícito del conflicto a resolver, v.gr.:

• cuáles son los cambios limnológicos (físicos, químicos y biológicos) esperados en diferentes hábitats del complejo CGSM como consecuencia del ingreso contínuo de caudales variables de agua dulce con altas concentraciones de sedimentos al sistema salobre actual.
• qué los determina, v. gr. el caudal (volumen por unidad de tiempo) de agua dulce que ingresa, la duración del pulso, el nivel de agua en el complejo, su salinidad actual, etc.
• cómo es el comportamiento temporal de tales cambios, v. gr., inmediatos, retardados, efímeros, transitorios, permanentes, recurrentes…
• afectan estos cambios la existencia de recursos biológicos actualmente aprovechados e inducen el desarrollo de otros potencialmente aprovechables
• puede predecirse la magnitud y duración de los eventos retardados (reducción o cambio en la composición de los recursos pesqueros, p. ej.) con base en el conocimiento de eventos inmediatos o transitorios (crecientes, estiaje, mar de leva, estratificación, proliferación de una o varias especies de vida corta…)

…

B. Diagramas de causalidad: traducción de la problemática a relaciones de causa– efecto o de correlación entre variables (los diagramas se modifican como consecuencia de la aceptación o rechazo de las hipótesis). v.gr.:

• agua dulce más fría, rica en sedimentos + aguas salobres más cálidas ? estratificación química estable y térmica inversa inestable + floculación de sedimentos ? hipoxia béntica temporal ? nuevo estado de equilibrio ? reemplazo de organismos bentónicos eurihalinos por organismos estenohalinos…
• los sedimentos floculados se depositan sobre suelos hipersalinos ? protosuelos aluviales ? plantas herbaceas terrestres estenohalinas reemplazan las eurihalinas…
• reducción prolongada o permanente de salinidad + aumento de turbidez ? reducción de diversidad/poblaciones de crustáceos y moluscos de interés pesquero + incremento de diversidad/poblaciones de peces iliófagos…

…

C. Hipótesis: expresión verificable de la relación causa–efecto o de correlación entre dos variables, p. ej.: áreas distales y proximales al caño Clarín no difieren en cuanto a:

• composición y diversidad de fauna bentica o en cuanto a composición y diversidad de flora herbácea anual
• composición y diversidad de fauna béntica es constante para diferentes caudales del caño Clarín y para diferentes duraciones de influjo
• biomasa moluscos/esfuerzo de captura permanece constante

…

D. Datos: valores cualitativos o cuantitativos (con base en fuentes primarias o secundarias) de los parámetros de las variables involucradas en una hipótesis. p. ej.:

• listas de abundancia o biomasa/especie de fauna béntica (o de flora herbácea terrestre) de áreas análogas a diferentes distancias del caño Clarín y en diferentes condiciones de caudal y de duración de caudales
• producción pesquera de zonas análogas a diferentes distancias del caño Clarín y en diferentes condiciones de caudal y de duración de caudales

…

E. Procesamiento: Traducción de datos a información mediante herramientas numéricas, matemáticas o estadísticas. Normalmente implica la estructuración de bases de datos para su selección y aglomeración.

• cálculo de índices de diversidad o curvas de especies–esfuerzo de muestreo de zoobentos (o de flora herbácea terrestre) de áreas análogas a diferentes distancias del caño Clarín y en diferentes condiciones de caudal y de duración de caudales…
• análisis de varianza/covarianza entre caudales, duraciones de caudal y abundancia, biomasa, diversidad… de zoobentos o flora herbácea…producción pesquera…

…

F. Análisis: Verificación de las hipótesis con base en la información generada en la etapa de procesamiento. Aceptación de hipótesis verdaderas, rechazo de las falsas y reformulación de hipótesis alternas.

G. Alternativas de solución: normalmente el ciclo problemática-análisis-solución regresa a la problemática mediante la simulación de modificaciones a las variables para inducir respuestas del sistema en la dirección deseada. En el caso de una monitoría limnológica de la CGSM, cuyo objetivo terminal se definió como facilitar la toma de decisiones para su manejo adecuado, dichas variables pueden ser (a manera de ejemplo):

• la precisión de las predicciones sobre cambios retardados y permanentes, p. ej. sobre los recursos pesqueros
• la oportunidad de las predicciones (con qué antelación a la ocurrencia del evento se puede efectuar la predicción)
• la facilidad de implementación del esquema de monitoría (datos-procesamiento-análisis) y sus costos
• el grado de cooperación interinstitucional requerido y de participación comunitaria deseable
• la flexibilidad en el diseño que permita modificaciones sobre la marcha como resultado del proceso mismo de monitoría

H. Selección de alternativas: escogencia de la solución más adecuada para resolver la problemática mediante análisis multiobjetivo, programación dinámica o cualquier otro método. De nuevo, en el caso de la monitoría limnológica de la CGSM se requiere (a manera de ejemplo segun los citerios anteriores) un esquema de monitoría preciso, oportuno, de fácil implementación y bajo costo, con participación de las diversas entidades, de la ciudadanía y flexible en su ejecución. Es muy posible que ningún esquema cumpla óptimamente con estos criterios, por tanto la selección exige la ponderación, mediante técnicas de análisis multiobjetivo, de las diferentes variables para obtener el conjunto de soluciones sub-óptimas que cumplan con el objetivo terminal previsto. Por otra parte, el criterio mismo de flexibilidad impone una verificación contínua de las hipótesis, rechazo de aquellas que resultaren falsas y formulación de hipótesis alternas y por tanto un ajuste permanente del esquema de monitoría. Este procedimiento es equivalente a una programación dinámica.

---

Apostillas

1. ^  La información para esta descripción es tomada de dos asesorías al proyecto Prociénaga [[GL|]]. gl, para las cuales se empleó la metodología PAS. Se recomienda al lector no familiarizado examinar la figura 3. y si es posible leer las referencias citadas.

---

[1] Nahikian, Howard M. 1964. A modern algebra for biologists. The University of Chicago Press. Chicago [2] Poole, Robert W. 1974. An introduction to quantitative ecology. McGraw-Hill. New York. [3] Dyner R., Isaac. 1993. Dinámica de sistemas y simulación continua en el proceso de planificación. Colciencias, Universidad Nacional de Colombia. Medellín.

---

PAS es el acrónimo de Problemática - Análisis - Solución, fases de un ciclo de evaluación de eventos para formulación de soluciones. El ciclo PAS es un enfoque conceptual que puede utilizarse para adelantar investigaciones de evaluación, planeamiento y manejo de recursos y en general análisis de procesos en los cuales intervienen y concurren factores diversos no siempre explícitos. El ciclo PAS se deriva del proceso de investigación científica, definido por ejemplo por Nahikian, 1964, aplicado al entendimiento de fenómenos ecológicos en general Poole, 1974 y utilizado en la solución de problemas relacionados con la planificación, Dyner, 1993.

En la figura 2., modificada de Dyner, 1993 se presentan los pasos del ciclo. Estos se agrupan en cuatro subciclos para los propósitos de la mayoría de estudios de planeación y manejo:

Fig. 2. Ciclo simplificado problemática - análisis - solución: se muestran los 4 subciclos típicos de una investigación. Ver detalles en texto

I. Acopio de información. Parte de la formulación de la problemática [A], el establecimiento de un diagrama de causalidad preliminar [B] que permite el planteamiento de hipótesis [C] y define la información requerida para su verificación [D].

II. Diagnóstico. Los datos resultantes de la etapa [D] deben ser procesados [E] y analizados [F] para verificar las hipótesis [B] y ajustar el diagrama de causalidad [B].

III. Formulación de políticas y estrategias (soluciones a la problemática). La identificación y evaluación de los cambios [A] generados bajo diferentes escenarios de desarrollo [G] es simulada por el diagrama causal [B]. El doble flujo G-B indica la característica iterativa del proceso para identificar, evaluar y eliminar soluciones.

IV. Jerarquización y selección de soluciones óptimas (recomendaciones). Las alternativas de solución del conjunto derivado del subciclo anterior [G] deben ser compararadas [H] para perfilar las recomendaciones que permitan un manejo adecuado de la problemática inicialmente planteada [A].

El desarrollo de los subciclos I., II. y III. permite atender la exigencia de considerar el componente ambiental como un condicionate previo al desarrollo. El subciclo IV por su parte, permite un acercamiento a una planificación intersectorial e integral. A partir de este enfoque conceptual se definen las actividades requeridas para el estudio y las precedencias y secuencias que constituyen la programación. A continuación se define brevemente cada uno de los pasos del ciclo y se ilustra con ejemplos realistas aplicados a una problemática particular, la de la recuperación de la Ciénaga Grande de Santa Marta después de la reapertura de los caños Clarín, Torno y Almendro a la ciénaga Grande de Santa Marta.^[2]

Representación esquemática de las relaciones hidrológicas y limnológicas de la ciénaga Grande de Santa Marta tomado de: García Lozano, 1996, 1999a

Pasos del ciclo

Diagrama causal

Consideraciones básicas para la formulación del diagrama causal

Un diagrama causal es la representación gráfica de las relaciones múltiples de causa - efecto entre las diversas variables que intervienen en un proceso. En este caso se representan los actores y factores de la transformación ambiental de una región dada como un sistema abierto, es decir con fuentes y sumideros (variables independientes y derivadas, ambas exógenas al sistema causal analizado).

Las variables a considerar en el ejemplo (figura 2.) son económicas (empleo, crecimiento, tasas de inversin, demanas de bienes y servicios, actividad minera, industrial o constructiva, etc.), sociales (interés en conservación, en desarrollo alternativo, en uso no consuntivo de recursos, etc.) o ambientales (alteración o reposición de estructura y dinámica, exportación de contaminantes, consumo de recursos, etc.). Pero pueden ser de cualquier índole, e. g., políticas, culturales, etc. siempre y cuando se puedan distinguir de otras participantes en el proceso.

Las variables se definen ad hoc, es decir para el sistema en cuestión. Las variables iniciales independendientes son las fuentes exógenas (representadas por rectángulos grises con las esquinas redondeadas) y las dependientes finales son los sumideros, representados éstos por rectángulos rojos con esquinas redondeadas. Sin embargo, cambios en una variable cualquiera originan cambios (estímulos o retardos) en todas las variables encadenadas, de tal manera que la lectura de un diagrama causal puede comenzar por cualquier variable. Para la correcta lectura del diagrama causal de la figura 2. se debe considerar además las siguientes reglas:

1. todas las celdas contienen variables (elementos simples o complejos que cambian en el tiempo o en el espacio).
2. la lectura de dos celdas comunicadas con una flecha verde es así: "incrementos en la variable A (celda de donde parte la flecha verde) se traducen en incrementos en la variable B (celda que recibe la flecha verde)". Esto significa que el incremento en una variable al inicio de una cadena de causalidad se traduce en incrementos en todas las variables conectadas mediante flechas verdes con esa variable.
3. la lectura de dos celdas comunicadas con una flecha roja es similar pero el efecto es inverso, así: "incrementos en la variable A (celda de donde parte la flecha roja) se traducen en reducciones en la variable B (celda que recibe la flecha roja)". Esto significa que el incremento en una variable al inicio de una cadena de causalidad se traduce en reducciones en todas las variables de las celdas siguientes a la cual se conecta con una flecha roja y en similares reducciones en las celdas subsiguientes si están conectadas con flechas verdes y en aumentos si están conectadas con flechas rojas. Es decir el efecto de una flecha roja es el de cambiar el sentido (+ ó -) de la relación.
4. las variables pueden ser positivas v. gr.:
   - crecimiento de áreas urbanizadas
   - incremento de demanda de materiales de construcción
   - desarrollo de tipologías urbanas X
   - aumento de los niveles de contaminantes en el aire, etc.
   
   o puden ser negativas, v. gr.:
   - reducción del espacio público
   - disminución del tamaño de las viviendas
   - eliminación de áreas para intercambio social
   - deterioro de la capacidad de ahorro etc.
5. muchas veces es necesario replantear un diagrama invirtiendo las variables para que no se presenten aparentes contrasentidos ilógicos al leer el diagrama completo. Cuando esto se hace, es necesario también cambiar el color de las flechas. Es decir una variable se puede reemplazar por su complemento, v. gr.:
   - crecimiento de áreas urbanizadas vs. reducción de áreas rurales
   - disminución del tamaño de las viviendas vs. aumento de la densidad de habitantes por vivienda
6. En ocasiones se pueden enlazar con una flecha (del color apropiado) dos variables complementarias para hacer más explícita la relación entre dos variables, por ejemplo en la relación:

disminución del tamaño de las viviendas ? incremento de enfermedades infecto-contagiosas en la población infantil

se podría cuestionar la aseveración implícita; ésta se haría más clara, más intuitiva, si se representa así:

disminución del tamaño de las viviendas ? aumento de la densidad de habitantes por vivienda (hacinamiento) ? incremento de enfermedades infecto-contagiosas en la población infantil

Se puede cambiar la estructura (colores de las flechas) y las relaciones implícitas siguen siendo las mismas:

aumento del tamaño de las viviendas ? aumento de la densidad de habitantes/vivienda? incremento de enfermedades infecto-contagiosas en la población infantil aumento del tamaño de las viviendas ? disminución de la densidad de habitantes/vivienda ? reducción de enfermedades infecto-contagiosas en la población infantil

Las anteriores reglas y consideraciones se harán más claras al leer y verbalizar las relaciones implícitas, lo cual se efectuará a continuación.

Aplicación de solución (-ones) a problemática

^  Los ejemplos se toman de dos asesorías brindadas por L. C. García Lozano a Prociénaga (proyecto de restauración de la Ciénaga Grande de Santa Marta) en 1996 y 1999.

Ejemplos

• Planicie aluvial del Magdalena
• EIA vía al mar Chocó 1996
• Ciénaga Grande de Santa Marta
• Chingaza
• EsS Lima
• BAC-Yacyretá
• Vivienda y hábitat en AMVA
• Minería provincia de BsAs