Evidence Integration: Triangulation Across Measurements That See Different Things / Integración de evidencias: triangulación entre mediciones que observan cosas diferentes

English

Scientific confidence often increases when different methods, data sources or measurement systems with different error structures support the same bounded conclusion. This is triangulation, not simple replication and not numerical averaging of heterogeneous evidence. The inferential value comes from partial independence of the routes: weaknesses in one method should not be expected to generate the same result in another for the same reason. This article defines evidence integration as structured comparison of non-equivalent evidence streams. It distinguishes triangulation from proxy substitution, meta-analysis and repeated measurement, and introduces a convergence matrix that records what each method measures, its principal assumptions, its characteristic failure modes and the claim component it constrains. Convergence can reduce the plausibility of explanations tied to one method-specific artefact, whereas disagreement can localise hidden assumptions or reveal that the methods are not targeting the same quantity. Integration is strongest when heterogeneity is designed rather than accidental.

Español

La confianza científica suele aumentar cuando métodos, fuentes de datos o sistemas de medición distintos, con estructuras de error diferentes, respaldan la misma conclusión acotada. Esto es triangulación, no simple replicación ni promedio numérico de evidencias heterogéneas. El valor inferencial procede de la independencia parcial de las rutas: no debería esperarse que las debilidades de un método generen el mismo resultado en otro por la misma razón. Este artículo define la integración de evidencias como comparación estructurada de corrientes de evidencia no equivalentes. Distingue la triangulación de la sustitución por proxies, el metaanálisis y la medición repetida, e introduce una matriz de convergencia que registra qué mide cada método, sus supuestos principales, sus modos de fallo característicos y el componente de la afirmación que restringe. La convergencia puede reducir la plausibilidad de explicaciones ligadas a un artefacto específico de un método, mientras que el desacuerdo puede localizar supuestos ocultos o revelar que los métodos no apuntan a la misma magnitud. La integración es más fuerte cuando la heterogeneidad es diseñada y no accidental.

INF-011 · Version / Versión 0.2.