Abstract

Resumen: Las bases de datos incompletas a menudo hacen que los científicos de la conservación estimen datos por medio de opinión experta u otros procedimientos de puntuación, calificación y clasificación. Al mismo tiempo, la complejidad de l ecosistema ha conducido al uso de algoritmos y modelos matemáticos cada vez más sofisticados para auxiliar a la teoría, planificación y toma de decisiones en conservación. El entendimiento de las limitaciones impuestas por las escalas de medición de los datos de conservación es importante para el desarrollo de teorías y políticas de conservación sólidas. En particular, cuando son aplicados inapropiadamente a datos estimados, los métodos de valoración de la biodiversidad, los algoritmos de planificación sistemática de la conservación, los SIG y otras medidas de la conservación pueden conducir a conclusiones basadas en números artificiales y no en evidencia empírica. En este trabajo se describe la teoría representativa de la medición, y se incluyen definiciones de los conceptos claves de escala, tipo de escala y significado. La medición representativa considera que la medición implica la asignación confiable de números a entidades empíricas. Estas asignaciones forman escalas que están organizadas en una jerarquía de tipos de escala. Una afirmación que involucre escalas es significativa si su valor de veracidad es invariable bajo cambios de escala dentro de un tipo de escala. Apliqué estos conceptos a tres ejemplos de prácticas de medición en la literatura sobre conservación. Los resultados de mis análisis sugieren que los científicos de la conservación no siempre investigan el tipo de escala de los datos estimados y por lo tanto pueden derivar resultados que no son significativos. Reconociendo la complejidad de la observación y la medición en biología de la conservación, así como las restricciones que impone la teoría de la medición, los ejemplos son acompañados por sugerencias para la estimación informal del tipo de escala para datos de conservación y para realizar análisis y síntesis significativos de esta información.