La aniquilación o exterminio sistemático y deliberado de un grupo social por motivos raciales, políticos o religiosos se conoce como genocidio. Algunos los tenemos muy cerca en el tiempo –como el de Ruanda o la antigua Yugoslavia. Otros influenciaron parte de la geopolítica después de la segunda guerra mundial como el de los judíos. Sabemos que entre 1975 y 1979 en Camboya los jemeres rojos liderados por Pol Pot exterminaron, como poco, a dos millones de personas. Los hay que sucedieron hace muchos años y que aún siguen coleando, como el del gobierno de los Jóvenes Turcos con los armenios: valga como muestra la orden de captura del gobierno de Erdogan al escritor Dogan Akhanli de origen turco (pero pasaporte alemán). Mientras estás leyendo esto, en Myanmar la minoría musulmana Rohingya es perseguida y, por desgracia, la lista anterior no es una lista completa.
La ciencia política lleva décadas tratando de analizar cuáles son los factores que explican que se produzcan genocidios. Se han propuesto muchas variables –desde la diversidad étnica a una guerra civil, pasando por si ha habido conflictos con el país vecino o el tamaño de la población, entre muchos otros. La literatura académica especializada proporciona trabajos muy sólidos con los más diversos y originales diseños de investigación. Pero lo que suelen hacer estos trabajos, y no es poco, es explicar. Y la explicación viene después de que haya acontecido un evento, cuando lo queremos darle sentido, entenderlo.
Pero, ¿y si pudiéramos predecir? Si además de explicar, pudiéramos predecir, podríamos avanzar o planificar soluciones ante algunas situaciones complejas. Obviamente, a no ser que seamos la bruja Lola, predecir en ciencias sociales es difícil. Hay toda una parte de los estudios de opinión que ofrecen posibles resultados electorales y, en ocasiones, la prensa los recoge. De hecho, en nuestro país algunos, como Kiko Llaneras, ofrecen sus predicciones (y explican cómo llegan a ellas, algo que es de agradecer).
En cualquier caso, predecir los resultados electorales es una tarea compleja. Pero hay dos razones por las que predecir un evento como un genocidio es todavía más difícil. En primer lugar, un genocidio es un evento binario; esto es, sucede o no. En segundo lugar, como los genocidios, afortunadamente, son eventos muy poco habituales –de hecho, lo son significativamente menos que las guerras civiles o los golpes de estado- tenemos una gran concentración de no casos (o ceros) en la matriz de datos, lo que conlleva todavía más dificultades en la estimación de un modelo predictivo.
En un documento de trabajo muy reciente, los profesores Benjamin Goldsmith y Charles Robert Butcher, de la Australian National University y de la Norwegian University of Science and Technology, respectivamente, nos muestran cómo predecir un evento raro o poco frecuente como un genocidio. No voy a entrar en los aspectos técnicos del trabajo (es de libre acceso y lo tienes disponible aquí). Entre otras cosas, Goldsmith y Butcher evalúan las predicciones que hicieron para el periodo 2011-15; y nos ofrecen sus predicciones para el periodo 2016-20.
Respecto a las predicciones para 2011-2015, el top 15 de entre 142 países, de mayor a menor riesgo fueron: República Centroafricana, República Democrática del Congo, Chad, Somalia, Angola, Myanmar, Sri Lanka, Ecuador, Burundi, Afganistán, Siria, Guinea, Camerún, Uganda y Libia. Esta lista la realizan a partir de las 19 variables para las que han recopilado datos desde 1974 hasta 2010. Cuando realizaron la predicción, entre 2011 y 2012, la República Centroafricana y Myanmar no eran países en los que se esperaran conflictos. Sin embargo, su predicción se ajustó a la realidad.
Para evaluar el porcentaje de acierto de las predicciones para el periodo 2011-2015, basta con pensar en una matriz de 2x2. En un lado, se presentan los resultados del modelo: si se predice genocidio o no. En el otro lado, se observa la realidad y se ve si ha habido genocidio o no. De entre los cuatro posibles resultados, dos son aciertos y dos son errores. Los aciertos son dos: el modelo predecía que en un país no se produciría un genocidio y no se produjo (escenario 1); y el caso afirmativo: se predecía genocidio y sucedió (escenario 2). Los errores son falsos positivos –se predecía un genocidio y no se produjo- y falsos negativos (no se predecía genocidio y efectivamente sucedió). Como explicaba más arriba, en tanto que estamos hablando de eventos poco habituales, es más fácil acertar con el escenario 1 que con el escenario 2. Así las cosas, en un 90% de los casos, Goldsmith y Butcher predicen correctamente un 90% de los casos del escenario 1 hasta un 50% del escenario 2, el más complejo por ser el menos habitual.
En lo que respecta a las predicciones hasta 2020, los 15 países con mayor riesgo de sufrir un genocidio son: República Centroafricana, Libia, Ecuador, Chad, Siria, Jordania, Sri Lanka, la Republica Democrática del Congo, Arabia Saudí, Somalia, Líbano, Irak, Emiratos Árabes Unidos, Angola y Honduras. Según sus resultados indican que estos son los casos de mayor riesgo y en los que se debería estar más alerta. Como anécdota, entre los 142 países analizados España ocupa la posición 115, entre Lituania y Bangladesh.
Goldsmith y Butcher no son los primeros en intentar predecir genocidios. Pero, de momento, sus resultados son los que mejor se aproximan a la realidad. Además, en un tiempo, podremos evaluar cuan precisas han sido sus previsiones. Como los autores cuentan, queda mucho trabajo por hacer, como mejorar la calidad de los datos con definiciones más precisas y homogéneas.
La importancia de este trabajo es capital por su impacto: predecir puede ser fundamental para los decisores políticos porque puede condicionar las acciones y políticas de los gobiernos y sus agencias de seguridad. Es evidente, que en la decisión sobre si prevenir o no –y cómo hacerlo-, entran en juego muchos valores. Pero no es menos cierto, que las políticas reactivas a las que estamos habituados también conllevan ciertos valores. A mi modo de ver, intentar evitar genocidios es algo que está en el interés de todos.