La gente piensa que escala es solo algo que usan los arquitectos para dibujar planos. O los músicos para tocar. Pero no. Estamos hablando de un concepto que moldea cómo entendemos la realidad con números. Y es exactamente ahí donde las cosas se vuelven más interesantes —y más confusas— de lo que parece.
¿Qué es una escala, en términos que cualquiera puede entender?
Imagina que intentas describir el mundo con palabras, pero sólo puedes usar números. Eso es, en esencia, lo que hace una escala. No es sólo una regla. Es un sistema para asignar valores a cosas que, a veces, ni siquiera parecen medibles. ¿Cómo mides el dolor? ¿La felicidad? ¿El nivel de satisfacción con un gobierno? Ahí entran las escalas. Y no, no todas valen lo mismo.
Hay quien cree que cualquier número en una tabla es igual de serio. Pero no. El 5 en una encuesta de satisfacción no es lo mismo que un 5 en grados Celsius. Uno es arbitrario. El otro tiene cero absoluto, unidades iguales, y puedes multiplicarlo. Eso lo cambia todo. La diferencia entre una escala que sólo etiqueta y una que mide de verdad es enorme. Y muchos análisis sociales (y hasta científicos) se caen por no respetar esa diferencia.
La escala nominal: cuando los números son solo nombres
Esta es la más simple, pero también la más subestimada. En una escala nominal, los números (o etiquetas) no indican cantidad ni orden. Son como códigos postales. El 1 puede ser “hombre”, el 2 “mujer”, el 3 “otro”. Pero no puedes decir que 3 es más que 1. No tiene sentido. Es como comparar el código de un producto en un supermercado: el 1000 no es mejor que el 500.
Y sin embargo, se cometen errores todo el tiempo. Por ejemplo, en algunas encuestas, calculan el “promedio” de respuestas tipo sí/no o género. ¡Pero eso es una tontería matemática! ¿Qué significa un promedio de 1.7 en un grupo donde 1 es hombre y 2 es mujer? Nada. Absolutamente nada. Lo que puedes hacer es contar frecuencias, hacer porcentajes. Pero sumar, restar, promediar? Fuera de lugar. El problema persiste porque muchas personas ven números y automáticamente creen que pueden operar con ellos. Y eso, honestamente, no está claro en muchos estudios académicos.
La escala ordinal: el ranking que no miente... pero tampoco dice toda la verdad
Acá ya hay orden. El 1 es peor que el 2, el 5 es mejor que el 3. Pero la distancia entre 1 y 2 no es necesariamente igual que entre 4 y 5. Piensa en las estrellas de una reseña: 3 estrellas no es “el doble de bueno” que 1.5. No sabes cuánto más feliz estaba la persona. Sólo sabes que prefirió el 4 al 3.
Y aquí es donde se complica. Porque la gente mira un promedio de 3.8 estrellas y cree que es un dato preciso. Pero no lo es. Podrían ser 10 personas que pusieron 4, o 5 que pusieron 5 y 5 que pusieron 3. El mismo promedio, pero realidades distintas. Además, muchos programas estadísticos tratan los datos ordinales como si fueran de intervalo, y eso distorsiona los resultados. Yo encuentro esto sobrevalorado en encuestas de marketing. Porque sí, puedes decir que un producto es “mejor valorado”, pero no cuánto mejor, ni si la diferencia es significativa.
Escalas que miden de verdad: cuando los números tienen peso
Las escalas de intervalo y de razón son las que usan los científicos cuando necesitan precisión. Aquí ya no estás clasificando o ordenando: estás midiendo con herramientas que permiten operaciones matemáticas reales. Y hay una diferencia clave entre ambas que mucha gente ignora: el cero.
En una escala de intervalo, el cero es arbitrario. Como en grados Celsius: 0°C no significa "ausencia de calor". El agua se congela, pero sigue habiendo energía térmica. Por eso no puedes decir que 40°C es “el doble de caliente” que 20°C. Eso no funciona. El sistema Kelvin, en cambio, sí tiene un cero absoluto: -273.15°C. Y allí sí puedes hacer comparaciones multiplicativas. Eso lo cambia todo.
La escala de intervalo: precisión sin cero real
Además de la temperatura en Celsius, otro ejemplo clásico es el coeficiente intelectual (IQ). Un IQ de 100 no es “el doble de inteligente” que uno de 50. Porque el cero no representa la ausencia de inteligencia. Sería ridículo. Lo que sí puedes hacer es decir que la diferencia entre 85 y 100 es similar a la de 100 y 115 —asumiendo que la escala es lineal—. Pero eso también depende de cómo se construyó el test, y no siempre es tan claro.
Y es justo aquí donde muchos malinterpretan los datos. Dicen: “este país tiene un índice de desarrollo humano de 0.8, el doble que uno con 0.4”. Pero no. El IDH usa una escala de intervalo transformada. No puedes multiplicar. Sólo comparar posiciones. El error es común en informes de prensa. Y seamos claros al respecto: eso debilita el análisis, no lo fortalece.
La escala de razón: donde los cálculos sí tienen sentido
Esta es la reina de las escalas. Tiene un cero absoluto, distancias iguales entre puntos, y permite multiplicaciones y divisiones. Ejemplos claros: altura, peso, tiempo, ingresos. Si alguien gana 60,000 dólares al año y tú 30,000, sí, gana el doble. No hay debate. Puedes calcular porcentajes, tasas de crecimiento, proporciones.
Es la base de la física, la economía seria, la ingeniería. Un coche que va a 100 km/h se mueve el doble de rápido que uno a 50 km/h. Un terremoto de magnitud 6 libera 31.6 veces más energía que uno de 5 —aunque la escala de Richter sea logarítmica, su base está en mediciones de razón—. Aquí los números no mienten, aunque a veces los interpretemos mal.
La escalas logarítmicas: cuando lo pequeño es gigantesco
Esta no siempre se incluye en los “cinco tipos”, pero debería. Porque es clave para entender fenómenos que varían enormemente en magnitud. El sonido se mide en decibelios, que son logarítmicos. Un aumento de 10 dB no es “un poco más ruido”, es el doble de intensidad percibida. Y 20 dB más? 100 veces más intensidad física.
Es un poco como el dinero en cuentas de interés compuesto: al principio crece lento, luego explota. Lo mismo con los terremotos, la acidez (pH), o incluso el crecimiento de virus. Una escala lineal no podría mostrar eso sin perder detalle. Pero una logarítmica sí. Porque cada paso representa una multiplicación, no una suma. Y es exactamente ahí donde muchos se pierden. Ven una línea recta en una gráfica logarítmica y piensan que el crecimiento es constante. Pero no. Es exponencial. Eso lo cambia todo, especialmente en epidemiología o finanzas.
Comparación: ¿cuándo usar cada tipo de escala?
¿Nominal o ordinal? Depende si necesitas orden o no. Si preguntas “¿qué marca prefieres?”, nominal. Si es “¿cuánto te gusta esta marca? (nada, poco, mucho)”, ordinal. Pero no fuerces el orden si no existe. Y cuidado: usar una escala más alta de lo necesario no te hace más científico. Te hace más vulnerable a errores.
De intervalo vs de razón: la clave es el cero. Si puedes decir “el doble”, “la mitad”, entonces es de razón. Si no, no. Y en la práctica, eso determina qué análisis puedes hacer. Regresiones, promedios geométricos, tasas —sólo funcionan con razón.
Y la logarítmica? Cuando los datos abarcan varios órdenes de magnitud. Como distancias en astronomía (usando años luz en escala logarítmica), o concentraciones químicas. Basta decir: sin logaritmos, la ciencia moderna colapsaría.
Preguntas Frecuentes
¿Se puede convertir una escala ordinal en una de intervalo?
Técnicamente, algunos métodos como el análisis de escalas Likert asumen que las distancias son iguales. Pero es una suposición, no un hecho. Y los expertos no se ponen de acuerdo. Algunos dicen que con suficientes puntos (7 o más) se aproxima. Otros dicen que es un salto metodológico peligroso. Yo soy escéptico. Prefiero tratar los datos como lo que son: ordinales.
¿Por qué el tiempo es una escala de razón?
Porque tiene cero absoluto: el Big Bang, o en contextos prácticos, el inicio de un experimento. 10 segundos es el doble que 5. 2 horas son 120 minutos. Puedes multiplicar, dividir, calcular velocidades. Eso no pasa con fechas del calendario —ahí estamos en intervalo, porque el año 0 no existe—.
¿Las escalas afectan los resultados de las elecciones?
Sí. El tipo de escala en una encuesta determina cómo se analizan las intenciones de voto. Si usas una escala mal construida, puedes sobreestimar el apoyo a un candidato. Y como resultado: decisiones estratégicas erróneas. Un error común es tratar datos ordinales como continuos. Y eso, en elecciones ajustadas, puede costar todo.
Veredicto
No todas las escalas son iguales. No todas permiten los mismos cálculos. Y no, no puedes tratar cualquier número como si fuera científico. La escala que elijas determina lo que puedes decir, lo que puedes calcular, y lo que puedes concluir. Estamos lejos de que todos lo entiendan. Y mientras tanto, se publican estudios, se toman decisiones, se venden productos basados en errores de clasificación básica. Yo estoy convencido de que entender las escalas es tan importante como saber leer. Porque sin eso, estás contando sin saber qué cuentas. Y eso, en tiempos de datos por doquier, es una forma de ceguera moderna. Dicho esto, ni siquiera las universidades dedican suficiente tiempo a esto. Como si asumieran que “ya se sabe”. Pero no. No se sabe. Y es precisamente ahí donde comienzan los problemas.