¿Cómo la ciencia del comportamiento da sentido a los datos sobre la respuesta del gobierno al Covid-19?

Por Oliver James (@_Oliver_James_) [|], Donald P. Moynihan (@donmoyn) [2], Asmus Leth Olsen (@AsmusOlsen) [3], Gregg G. Van Ryzin (@GGVanRyzin) [4] | Traducción por Gabino Martínez (@GabinoMartnez11) [5].

En las últimas cuatro décadas, dos revoluciones surgieron por separado pero paralelas entre sí. La primera es una revolución en la gobernanza que ha hecho de la cuantificación del desempeño una estrategia central en la gestión de los bienes y servicios públicos. Las reformas del sector público han incorporado esa cuantificación en los procesos internos y externos de rendición de cuentas y contratación. Muchos programas de políticas nacionales e internacionales informan de los progresos realizados en una variedad de métricas (como los Objetivos de Desarrollo Sostenible de las Naciones Unidas). Del mismo modo, la mayoría de los gobiernos locales, las ciudades y los estados tienen algún tipo de informe dirigido a la ciudadanía sobre el rendimiento público basado en dichas mediciones.

La segunda es una revolución en la investigación en ciencias sociales que emplea nuevas teorías conductuales y herramientas experimentales de investigación para comprender mejor cómo pensamos y nos comportamos. En nuestro nuevo libro, establecimos un marco general para conectar estas dos revoluciones con un modelo de comportamiento público. De esta manera, el enfoque en las métricas de desempeño del mundo real revela la utilidad de las teorías de la conducta para entender preguntas a menudo desordenadas y complicadas en la política y la administración, como las que estamos viendo con la crisis de COVID-19.

Los debates sobre el desempeño gubernamental son inherentemente debates sobre números. Una respuesta extrema del gobierno a la mala actuación es amañar los números, o incluso hacerlos desaparecer, como ha hecho Brasil con sus datos de COVID-19. Informamos de la evidencia de que cuando se les pide que tomen decisiones difíciles, las personas expresan el deseo de ver métricas de desempeño pero luego no hacen uso de esos datos o los interpretan de manera sesgada. El empleo de las mediciones de rendimiento por parte de la gente se ve afectado por las características superficiales de los números, el encuadre de la información, la elección de puntos de referencia o comparaciones, el razonamiento motivado y la diferente confianza en las fuentes de información. Estos factores se combinan con las características individuales y el contexto político para conformar las percepciones, los juicios y las decisiones.

Historias vs. métricas

Sin embargo, las historias sobre el desempeño son más convincentes que las métricas para muchas personas. La información numérica sobre el rendimiento es percibida como más objetiva y autorizada por la ciudadanía. Sin embargo, aunque esta es su preferencia declarada, tienen una preferencia revelada por otros tipos de información. Por ejemplo, cuando se les presentan datos de salud e historias de pacientes individuales, encuentran las anécdotas más convincentes y memorables. En el contexto de COVID-19, esto sugiere que la información sobre casos trágicos tenderá a ser más influyente que las cifras en bruto. Las historias, por ejemplo, de un asesor gubernamental errante (o dos) que violan los procedimientos del confinamiento también pueden tener un mayor impacto en el juicio de las personas sobre la seguridad que la representación de los datos basada en evidencia.

El encuadre importa

Las personas no son estadísticos naturales: en nuestro libro mostramos pruebas experimentales de que el encuadre de los datos importa. La gente sufre de negligencia en el denominador, lo que significa que prestan menos atención al denominador en las proporciones. Por ejemplo, la gente se siente menos segura si se le presentan datos de delitos que muestran 4.000 crímenes violentos por cada millón de habitantes en lugar de 0,004 crímenes violentos por habitante, aunque las proporciones son matemáticamente equivalentes. Esta es una de las razones por las que el debate sobre las tasas de mortalidad (por ejemplo, el 1,5% de los infectados podría morir) parece tener menos impacto que la comunicación del número total de muertes.

La política de los datos de desempeño

En nuestro libro, también dedicamos mucha atención considerando la política de datos sobre rendimiento gubernamental. Cuando se les pide que examinen los mismos datos sobre desempeño, tanto los miembros del público como los políticos se dedican a un razonamiento motivado, interpretando los datos para que encajen con sus creencias políticas previas. Por ejemplo, los conservadores tienden a juzgar los datos sobre la Ley de Cuidado Asequible de la era de Obama que muestran un desempeño deficiente en relación con los liberales. La renuencia de determinadas comunidades a hacer frente a las consecuencias para la salud pública de la COVID-19 es coherente con el papel de la protección de la identidad en la interpretación de las métricas sobre la enfermedad. De esta manera, nuestra investigación sugiere que la desvinculación de la COVID-19 de las disputas políticas podría ayudar a crear un consenso sobre los hechos y promover respuestas políticas más efectivas.

En diversos contextos, la ciudadanía tiende a dudar más de los buenos resultados de las políticas y programas públicos cuando los informa el propio gobierno, en contraposición a las fuentes independientes. Es probable que este "efecto de desempeño increíblemente bueno" se agrave en escenarios en que la sociedad es escéptica respecto del sector público y su competencia. En la crisis de la COVID-19, las cuestiones relativas a la confianza en la información procedente de fuentes nacionales e internacionales han sido igualmente evidentes. Proveer de información creíble es fundamental para persuadir a las personas de que presten atención, y especialmente que adopten medidas que supongan un esfuerzo personal, en los esfuerzos por mitigar la crisis por el nuevo coronavirus.

Utilización de los datos para el bien

Nuestra investigación también ofrece algunos consejos prácticos sobre cómo usar la información sobre el comportamiento público para el bien. Volviendo al poder del encuadre, ilustramos que si los políticos pueden encuadrar de forma creíble la métrica en términos de desafíos colectivos, la gente responderá más racionalmente en la manera de interpretar la información. En el caso de la Ley de Atención Asequible en los Estados Unidos, el hecho de preparar a las personas para que piensen en sus necesidades de atención médica (en contraste con un asunto político) aumentó el consenso sobre qué datos deben emplearse y cómo deben interpretarse. Algunas autoridades parecen haber logrado la capacidad de utilizar los datos como parte de una narrativa sobre el colectivo durante la emergencia de la COVID-19. Incluso más allá del momento actual, esos conocimientos son fundamentales para que los gobiernos y las sociedades aprovechen la enorme cantidad de datos sobre desempeño disponibles para mejorar las políticas y los resultados.

. . .

Nota: lo anterior se basa en el nuevo libro de los autores, Behavioral Public Performance, que es de libre descarga (hasta el 24 de junio de 2020).

. . .

Texto publicado originalmente en el Blog de la London School For Economics and Political Science, bajo el título: «Behavioral public performance: Making effective use of metrics about government activity»

 

. . .

[1] Oliver James (@_Oliver_James_) es profesor en el Departamento de Política de la Universidad de Exeter.

[2] Donald P. Moynihan (@donmoyn) es el presidente inaugural de la Escuela McCourt de Política Pública de la Universidad de Georgetown.

[3] Asmus Leth Olsen (@AsmusOlsen) es profesor en el Departamento de Ciencias Políticas de la Universidad de Copenhague.

[4] Gregg G. Van Ryzin (@GGVanRyzin) es Profesor en la Escuela de Asuntos Públicos y Administración de la Universidad de Rutgers.

[5] Gabino Martínez (@GabinoMartnez11) es economista por la Facultad de Economía de la UNAM. Actualmente es Coordinador General de Investigación en BPP A.C.