La leyenda de que Charles Darwin ideó la teoría de la evolución gracias a los pinzones que observó en las Islas Galápagos en 1835 es sólo eso, una leyenda**. Ni siquiera menciona la palabra pinzón* en su libro «El Origen de las Especies» (1859) y en su «Diario de Investigaciones» (1839) los menciona de pasada. Gracias a la minería de datos se ha reconstruido el origen de esta leyenda: El libro «Los pinzones de Darwin» (1947) del biólogo evolutivo David Lack. Un origen mucho más reciente de lo que muchos piensan.

Los autores del estudio son Werner Max (Instituto Max Planck de Investigación en Estado Sólido, Stuttgart, Alemania) y Lutz Bornmann (Administración General de la Sociedad Max Planck, Munich, Alemania). El nuevo trabajo realizado por ordenador confirma (o mejor dicho queda validado por) el realizado a mano por el psicólogo Frank Sulloway, «The legend of Darwin’s finches,» Nature 303: 372-372, 1983. El nuevo artículo es Werner Marx, Lutz Bornmann, «Tracing the origin of a scientific legend by Reference Publication Year Spectroscopy (RPYS): the legend of the Darwin finches,» Scientometrics, AOP Dec 2013 (arXiv:1311.5665 [stat.AP]). Me he enterado, como no, gracias a KFC, «The Legend of Darwin’s Finches Unmasked,» arXiv Blog, 04 Dec 2013.

** [PS 01 Feb 2015] La palabra «leyenda» no gusta a algunos lectores. Charles Darwin recogió especímenes de 18 genotipos de pinzones de las Galápagos durante su viaje del HMS Beagle en 1835. Gracias al ornitólogo John Gould descubrió que estaban estrechamente relacionados entre sí. Hay indicios de que Darwin quiso usar los pinzones como ejemplo en su Origen de las especies, porque creía que apoyarían su tesis. Pero no estaba del todo seguro de ello y los patrones que observó no presentaban un caso claro de selección natural. Por ello no los mencionó como ejemplo de su tesis en su famoso libro. Ello no quita que fueran un elemento más que tuvo en consideración a la hora de desarrollar sus ideas. Un análisis moderno de los 18 genotipos de pinzones recogidos por Darwin en Kenneth Petren et al., «Multilocus genotypes from Charles Darwin’s finches: biodiversity lost since the voyage of the Beagle,» Philos Trans R Soc Lond B Biol Sci. 365: 1009-1018, 2010 Apr 12; doi: 10.1098/rstb.2009.0316.

Lo que me gustaría dejar claro es que esta entrada en mi blog no va sobre Darwin, sino sobre la técnica cienciométrica RPYS. Una revisión más reciente de esta técnica y sus implicaciones en K. Brad Wray, Lutz Bornmann, «Philosophy of science viewed through the lense of “Referenced Publication Years Spectroscopy” (RPYS),» Scientometrics, 31 Oct 2014, doi: 10.1007/s11192-014-1465-6, arXiv:1410.3461 [cs.DL].

El método de minería de datos utilizado ha sido bautizado con el pomposo nombre de Espectroscopía de Citas por Año de Publicación (RPYS, siglas de Reference Publication Year Spectroscopy). Los autores afirman que permite revelar el origen de leyendas científicas. La técnica RPYS requiere una base de datos que permita búsquedas complejas de citas a artículos, por ello no se puede aplicar al Web of Science (WoS) de Thomson Reuters (que contiene artículos publicados desde 1900). En su lugar han usado el Science Citation Index (SCI) que se accede a través de la base de datos SCIsearch de STN International, aunque está limitado a artículos publicados desde 1974.

El primer paso del algoritmo RPYS es seleccionar todas las publicaciones que mencionan un término específico («Darwin finches» en este caso). El segundo paso es determinar las referencias más citadas (con al menos 10 citas); se han obtenido 689 artículos posteriores a 1974 (limitación de SCI). El tercer paso es extraer de estos artículos las referencias a artículos históricos (anteriores a 1974); el más antiguo es de 1800. Finalmente, se determina la desviación absoluta respecto a la mediana del número de referencias citadas en los dos años anteriores, el actual y los dos anteriores.

La desviación respecto a la mediana muestra picos que pueden ser asignados a la publicaciones más relevantes. Como muestra la figura, en el caso de los «pinzones de Darwin» aparece un pico en el año 1859 (año de publicación de «El Origen de las Especies» de Darwin), otro en 1871 (año de publicación de «El origen del hombre y la selección en relación con el sexo» de Darwin), y otros de menos pronunciados (como en 1937, el año de publicación de «La genética y el Origen de las Especies» de Theodosius Dobzhansky). Pero el pico más importante está en el año 1947, en el que se publicó «Los pinzones de Darwin» de David Lack. Por tanto, todo indica que este libro es el origen de la leyenda.

¿Funcionará la técnica RPYS con otras leyendas científicas? Quién  sabe. En mi opinión la técnica utilizada es muy simple y tiene una «trampa» de base: los autores ya sabían la respuesta correcta gracias al trabajo de Sulloway.

(*) Como indica Fer137 en los comentarios, Darwin menciona la palabra «pinzón» en «El Origen de las Especies» pero no se refiere a los pinzones que observó en las Galápagos.

Coda final. Esta entrada participa en la VIII Edición del Carnaval de Humanidades, alojado en el blog ::ZTFNews de Marta Macho (@MartaMachoS); aquí otras contribuciones. También participa en la XXVII Edición del Carnaval de Biología, alojado en el blog La Aventura de la Ciencia de Daniel Martín Reina (@monzonete).