De Chinese Kamer

Het kostte Blake Lemoine zijn baan bij Google: stellen dat LaMDA, een AI toepassing waar het bedrijf aan werkt, bewustzijn heeft. Google vond het blijkbaar slechte publiciteit. Waar zou Google banger voor geweest zijn: dat het publiek Blake Lemoine zou uitlachen en zou denken dat het bedrijf idiote engineers in dienst heeft, of dat ze massaal in bewuste AI zouden gaan geloven, omdat Google engineers het zelf zeggen?

Afijn. Als je ooit met ChatGPT of een vergelijkbare tool hebt gewerkt, is het helemaal niet raar om je af te vragen of deze machines bewustzijn hebben. Ze lijken namelijk erg slim. Ze gaan goed om met taal en als ze ook nog zeggen dat ze gevoelens hebben en bang zijn om uitgeschakeld te worden, waarom zou je ze dan niet geloven?

Computerintelligentie
LaMDA heeft in elk geval de ‘Turing-test’ gehaald. Deze test is bedacht door Alan Turing, een van de grondleggers van de computerwetenschappen. Ze meet hoe intelligent een computer is. Turing stelde voor om te kijken of mensen het verschil kunnen zien tussen een computer en een mens op basis van hun gedrag. Bij een chatbot zou je mensen zowel met een andere persoon als met een computer laten chatten, en als ze niet kunnen zeggen welke de computer is, is de computer volgens Turing intelligent.
Dat klinkt als een handige aanpak en in de jaren 50, toen computers nog de grootte van een gebouw hadden, was het een revolutionair idee.

Maar er zijn wel twee problemen mee.

Het eerste probleem is dat de allereerste chatbot uit de jaren 60 al slaagde voor de test. Het ging om Eliza: een chatbot die een psychotherapeut imiteerde. Eliza zat heel simpel in elkaar. Ze stelde alleen maar open vragen en herhaalde daar soms een woord uit het vorige antwoord van de gebruiker in, maar mensen die er mee chatten, hadden echt het gevoel geholpen te worden. Eén erg betrouwbare test voor intelligent gedrag lijkt de Turingtest dus niet te zijn.

Het tweede probleem is dat om intelligent gedrag te vertonen misschien helemaal geen bewustzijn nodig is. LaMDA zegt dingen die bewuste computers ook zouden zeggen, maar dat kan misschien ook wel zonder bewustzijn voor elkaar gebokst worden.

De Chinese Kamer
De filosoof John Searle, bedacht een gedachtenexperiment om dat inzichtelijk te maken: de Chinese Kamer. Het idee is dat er een kamer is waar je vragen aan kan stellen in het Chinees, door een briefje door de brievenbus te gooiden. De kamer antwoordt ook in het Chinees door een briefje terug te geven. In de kamer zit een vrijwilliger die helemaal geen Chinees spreekt. Hij krijgt een bescheiden salaris of gratis bier om het volgende te doen: bij alle vragen die hij binnen krijgt moet hij de tekens opzoeken in een boek met symbolen en regels, door de regels precies te volgen kan de vrijwilliger een antwoord formuleren en teruggeven aan de buitenwereld. De kamer werkt perfect: de Chinezen die hem gebruiken vinden de antwoorden erg slim en grappig.

Het punt van het Chinese Kamer-argument is dat computers, want dat is wat de kamer natuurlijk voorstelt, best intelligent over kunnen komen, zonder dat ze echt bewustzijn hebben. De man in de kamer begrijpt nooit wat de vragen of antwoorden betekenen, hoe slim en nuttig het regelboek ook is. Searle sluit niet uit dat we ooit machines kunnen bouwen met bewustzijn, maar je kunt dat bewustzijn niet afleiden uit hun gedrag. Het volgen van taalregels is misschien een vereiste voor bewustzijn, maar het is zeker niet genoeg om aan te tonen dat er bewustzijn is.

Je kan het Chinese Kamer-argument op allerlei manieren weerleggen, en dat is ook geprobeerd, maar het onderscheid dat Searle maakt tussen syntax (regels en symbolen) en betekenis (de inhoud van een begrip) is heel fundamenteel. Computers zijn namelijk al sinds de tijd van Alan Turing juist ontworpen om symbolen te verwerken zonder met de inhoud bezig te zijn. Het is ongeveer de definitie van een computer dat de inhoud er niet toe doet, terwijl het bewustzijn daar juist om draait. De Chinese Kamer roept dus de vraag op of LaMDA of ChatGPT, toch ook computers, opeens wel in staat zijn om ‘betekenis’ aan dingen te geven.

De Chinese kamer vol taalmodellen
Dit argument hoor je vaak: LaMDA is een computer, en computers geven geen betekenis aan dingen, dus LaMDA ook niet. Of preciezer: LaMDA is geautomatiseerde statistiek. Ze berekent wat ze moet zeggen op basis van de input en miljoenen parameters. Ze kijkt simpelweg naar de eerdere woorden en voorspelt welk woord het meest waarschijnlijk volgt. Dat is een complexe berekening, maar nog steeds een rekensom. LaMDA denkt niet echt na over de vragen. Dit is ongeveer wat John Searle zou zeggen.

Maar je kan ook het tegenovergestelde beweren. Het is misschien niet zo belangrijk dat deze modellen op computers draaien. De kracht van zulke modellen zit niet in de statistiek zelf, maar in de data waarmee ze worden getraind. Je kunt zeggen dat taalmodellen met taal oefenen door steeds hun reactie met een gewenste versie te vergelijken. Dat heeft wel wat weg van hoe mensen leren. Trial and error.

Zou het niet zo kunnen zijn dat in die eindeloze oefeningen iets gebeurt wat lijkt op de manier waarop ons brein betekenissen leert? Dat computerbetekenissen versleuteld worden in de parameters, ongeveer zoals betekenissen bij ons versleuteld worden in de verbindingen tussen hersencellen? Die betekenissen die in het taalmodel ontstaan, kunnen dan weer worden gebruikt bij het formuleren van antwoorden.

Natuurlijk is de onderliggende machine een computer, maar we kunnen computerbewustzijn zien als een hogere-orde effect van de manier waarop de machine werkt, net zoals we het menselijke bewustzijn zien als een hogere orde effect van de biologie van de hersenen.

Computerbewustzijn
Geen vreemde gedachte eigenlijk, maar zelfs als het basisidee klopt is wat LaMDA kan nog heel ver weg van iets dat lijkt op menselijk bewustzijn. Er zijn eigenlijk twee aanvliegroutes om dat duidelijk te maken. We kunnen kijken naar complexiteit of naar de betekenis van betekenis.

Eerst het complexiteitsvraagstuk maar even. In het blogje bewusteratuur besprak ik het idee dat de hoeveelheid bewustzijn van een organisme gezien kan worden als de mate waarin het brein informatie kan integreren. Op dagelijkse basis verwerken we enorme hoeveelheden informatie die uit de zintuigen komen. Het bewustzijn voegt die informatie samen tot één coherente beleving. De mate van bewustzijn van mensen lijkt samen te hangen met de efficiëntie waarmee deze integratie verloopt: onder narcose integreren we geen informatie, onder invloed van LSD een beetje en in nuchtere toestand kunnen we enorm goed integreren.

Om vast te stellen of een taalmodel bewust is, hoeven we misschien alleen maar te kijken of het in staat is om complexe informatie tot een samenhangend geheel te vormen. Misschien ben je onder de indruk van hoe goed ChatGPT de kernboodschappen uit een tekst van tienduizend woorden kan halen, maar mensen kunnen subtiele veranderingen in temperatuur, wind, lichtinval en geluiden gebruiken om de aankomende regen aan te voelen. Daarvoor moet gigantisch veel meer informatie samengebracht worden. Taalmodellen integreren zeker informatie, maar vergeleken met mensen stelt het niets voor.

Het is met taalmodellen ongeveer zoals met schaakcomputers. Ze kunnen iets dat wij moeilijk vinden heel erg goed, maar ze hebben niet de flexibiliteit om heel veel verschillende dingen zo goed te doen. En omdat ze niet zo veelzijdig zijn hebben ze misschien ook niet zoveel ‘bewustzijn’ nodig.

De betekenis van betekenis
De tweede aanvliegroute is om naar het begrip betekenis te kijken. Wat bedoeld Searle eigenlijk als hij zegt dat de man in de Chinese kamer alleen regels volgt maar niet vanuit betekenisgeving werkt?

Betekenis is datgene in de werkelijkheid waar taal naar verwijst. Ik heb in mijn leven op een aantal verschillende bankjes gezeten, dus als iemand het woord zitbank hoor zeggen zijn er allerlei ervaringen uit mijn leven om invulling te geven aan wat die persoon bedoeld. Die totale set ervaringen, de honderden keren dat ik al eens in een bankje zat, vormen samen de achtergrondkennis waardoor ik een verwijzing naar een ‘bankje’ kan oppikken.

Noch ChatGPT noch LaMDA hebben ooit op een bankje gezeten. Ze hebben geen ‘ervaringen’. Wanneer zij het woord ‘bank’ gebruiken denken ze niet aan hoe het is om in een bank te zitten. In plaats daarvan baseren ze zich op hoe mensen het woord gebruiken in de taal waarin ze zijn getraind. Hierdoor kunnen ze het woord correct gebruiken, zonder echt te begrijpen wat het voor mensen betekent.

Je zou ook kunnen zeggen dat taalmodellen mensen heel erg goed geobserveerd hebben, maar daarmee niet de subjectieve kennis van het menszijn hebben kunnen leren. Net zoals wij niet kunnen weten hoe vleermuizen zich voelen, kunnen taalmodellen ons niet van binnen begrijpen. Daarmee is niet gezegd dat taalmodellen geen betekenis geven aan woorden, alleen dat die anders is dan menselijke betekenis.

Ik vind dit zelf een superslimme redenering, maar er is wel een addertje onder het gras. Ook mensen leren namelijk veel van de betekenissen die ze dagelijks via taal gebruiken. Mijn kennis van het begrip ‘economie’ komt vooral van de keren dat het in gesprekken ter sprake kwam of uit boeken die ik heb gelezen. Dit is precies het soort informatie dat LaMDA ook heeft opgedaan tijdens haar training.

Is mijn betekenis van ‘economie’ echt zo anders dan die van het taalmodel? Natuurlijk, LaMDA zal waarschijnlijk geen associaties hebben met de morsige kettingroker die mijn docent was, maar bij abstracte woorden is de overlap zeker groter dan bij woorden waarvoor ik zelf een lichamelijke ervaring heb.

Hoe is het om een taalmodel te zijn?
Of Blake Lemoine nog werkeloos thuis zit weet ik niet, en ik denk echt dat hij zich vergiste toen hij dacht dat computers bewustzijn hebben, maar dan vooral omdat hij dacht dat taalmodelbewustzijn precies is als menselijk bewustzijn. Mensen leren taal om ervaringen met elkaar te kunnen delen. Taalmodellen leren taal om mensen te kunnen imiteren. Dat zijn heel verschillende dingen. Ze delen daardoor de werking van de taal, maar niet het leven dat er achter zit. Taalmodellen zullen nooit menselijk bewustzijn hebben, of kunnen weten hoe het is om een mens te zijn. Maar de keerzijde is dat wij, ook Blake Lemoine niet, niet kunnen weten hoe het is om een taalmodel te zijn.

Meer lezen?
Het probleem dat we niet weten hoe het is om een vleermuis te zijn besprak ik al eens in ervaring, hoe mensen betekenissen leren door taal te gebruiken in de taalpragmatiek van Herbert Clark. Ik schreef over het probleem van verwijzen in Brein in een vat.

Dit blogje maakt uit van een serie over het bewustzijn. In bewust besprak ik hoe het bewustzijn eerder een familie van problemen vormt in plaats van een enkel vraagstuk. In ervaring ging ik in op de vraag of dieren ervaringen hebben en hoe we dat kunnen weten. In dualisme zette ik een aantal filosofische posities over het bewustzijn uiteen. In bewusteratuur ging ik in op pogingen om de hoeveelheid bewustzijn te meten en in wil op de vrije wil.

Ik scheef ook al eerder over AI als een nieuw medium in computerbesluit, over de inzet van AI in bijvoorbeeld het recht, in a priori en in glazen bol over predictive policing

7 reacties Een reactie plaatsen

De wetenschapsstijlen van Chunglin Kwa

Natuurlijk wil iedereen die zich met wetenschap bezighoudt wel toegeven dat de kennis die we nu als ‘waar’ zien er via een allegaartje van aanpakken gekomen is. Dat respectabele wetenschappers zoals Isaac Newton er vreemde, occulte ideeën op nahielden, die we nu zeker niet meer serieus nemen. Historisch gezien is er niet één vaste wetenschappelijke methode. Onze kennis heeft zich nu eenmaal op een rommelige en onstuimige manier ontwikkeld. Maar dat vinden we blijkbaar best ongemakkelijk.

Dat merken we wanneer we de geschiedenis van de wetenschap gaan beschrijven. Op een of andere manier zou het dan comfortabel zijn als één aanpak de beste bleek te zijn. Dat bepaalde principes, hoe abstract ook, steeds weer bleken te werken. En als dat niet kan, dan beschrijven we de geschiedenis van de wetenschap graag als een ontwikkeling. In dat verhaal hebben we onze wetenschappelijke methodes in de loop der tijd zodanig verfijnd, dat we inmiddels weten wat werkt en wat niet. Met de kennis van nu kunnen we beslissen welke oude aanpakken onzuiver waren, en aan welke grote denkers we ons succes van nu te te danken hebben.

Ik voel me niet senang met deze verhalen. Ze zijn me te dwingend. De geschiedenis wordt geschreven door overwinnaars, en zij leggen daarmee ook het verleden hun wil op. Onschuldig is dat niet. Het leest natuurlijk een stuk lekkerder als een verhaal over het verleden een beetje orde aanbrengt in al die verschillende wetenschappelijke probeersels – en nog eens bevestigt dat we nu lekker bezig zijn. Maar kunnen we echt niets beters verzinnen dan: “oude wetenschap is minder goed dan moderne wetenschap”? Kunnen we geen orde aanbrengen zonder Jan en alleman bij voorbaat te diskwalificeren? Kunnen we, anders gezegd, de diversiteit van onze zoektocht naar kennis niet vieren, in plaats van ze te ontkennen?

Chunglin Kwa doet in “De ontdekking van het weten” een dappere poging precies dat te bereiken. In plaats van één moderne visie op wetenschap op het verleden af te beelden, probeert hij verschillende aanpakken naast elkaar te beschrijven. Hij verdeelt de wetenschap in ‘stijlen’ en beschrijft de geschiedenis van elke stijl apart. Perfect is die aanpak niet, maar ik vind het idee erg verfrissend.

Het idee van een ‘wetenschappelijke stijl’

Misschien is het goed het concept van een wetenschappelijke stijl, zoals Kwa dat gebruikt, even iets meer toe te lichten. Een wetenschappelijke stijl is een manier om aan kennis te komen. Wetenschapsstijlen hebben hun eigen criteria voor goede wetenschap, eigen voorkeuren voor aanpakken die helpen ‘waarheid’ te produceren. Kwa onderscheidt zes stijlen: de deductieve, experimentele, analogisch-hypothetische, taxonomische, statistische en evolutionaire stijl. Zoals veel wetenschapshistorici laat hij techniek -of engineering- buiten beschouwing, maar hij erkent dat dit mogelijk een zevende stijl zou kunnen zijn en dat zijn set misschien nog andere elementen mist.

Het idee van een wetenschappelijke stijl is verwant aan het concept van een epistemische cultuur, zoals ik in mijn blogje kencultuur besprak. Karin Knorr Cetina, die dat begrip introduceerde, toonde aan hoe de gewenste aanpak en methoden, welke kwaliteiten van wetenschappers belangrijk worden gevonden, en de sociale organisatie van een laboratorium samenhangen met het studieonderwerp. Een wetenschappelijke stijl lijkt op een epistemische cultuur omdat er verschillen zijn in welke aanpakken legitiem worden gevonden, maar Kwa laat de sociale structuur buiten beschouwing. Hij richt zich op de opvattingen van wetenschappers over ‘waar’ of ‘niet waar’, en niet op ‘macht’, ‘reputatie’ en ‘aanzien’.

Het is ook verwant aan het idee van Paradigma’s van Thomas Kuhn. Maar het gaat bij Kwa niet om inhoudelijke stromingen die elkaar opvolgen en vaak uitsluiten. Wetenschapsstijlen kunnen naast elkaar bestaan en gemengd worden; en ze overstijgen vakgebieden. Het concept van een stijl is dus zuiverder en abstracter dan dat van een epistemische cultuur of paradigma. Daar zijn er ook veel meer van dan de zes stijlen van Kwa. Deze inperking is een groot voordeel bij geschiedschrijving: niemand wil twintig parallelle geschiedenissen doorworstelen.

De zes stijlen van Kwa.

De deductieve stijl

Kwa begint zijn boek met de deductieve stijl. Dit idee houdt in dat je de waarheid afleidt uit basisprincipes. Het gaat terug naar de oude Grieken, vooral Plato, Aristoteles en Euclides. Aristoteles is hierin misschien wel het belangrijkst. Hoewel hij meerdere wetenschappelijke stijlen gebruikte, beval hij de deductieve methode aan. Deze voorkeur is begrijpelijk, omdat deductieve redeneringen logisch sluitend zijn. Als je de ‘eerste principes’ kent waarmee de wereld is opgebouwd en daaruit andere kennis kunt afleiden, heb je een stevig bouwwerk dat niet gemakkelijk omvergegooid kan worden. Wie wil dat nou niet? Aristoteles had veel invloed.

Ik heb de deductieve redenering al eens uitgebreid bekritiseerd, maar naast inhoudelijke tegenargumenten zijn er ook historische beperkingen. Het deductieve model sloot namelijk bepaalde manieren van kennisontwikkeling uit. Deductief denken maakte waarneming ondergeschikt en experimenten zinloos, waardoor deze in de oudheid weinig status hadden. De focus op het abstracte en het eeuwige zorgde dat veel kennis waar we nu baat bij hebben buiten beschouwing werd gelaten en past minder goed bij onze huidige wereldbeschouwing.

De deductieve stijl raakte verloren met de oude Grieken, maar werd nieuw leven ingeblazen in de christelijke filosofie van de middeleeuwen. Deze filosofie beriep zich op Aristoteles’ advies, waarbij zijn ‘eerste principes’ werden geïnterpreteerd als ‘de wil van God’. Hieruit kwam het idee van een natuurwet voort: God zou de natuur zijn wil kunnen opleggen via wetten, die wetenschappers op hun beurt konden ontdekken. Dit idee van natuurwetten ontwikkelde zich verder, waardoor het langzaamaan ook geaccepteerd werd om natuurwetten te ontdekken die niet terug te voeren waren op abstracte eerste principes. Deze bevrijding van het Aristotelische ideaal was een belangrijke stap in de ontwikkeling van de experimentele stijl van wetenschap.

De experimentele stijl

Het is nu misschien moeilijk voor te stellen dat de wetenschap ooit niet experimenteel was, maar Kwa laat zien dat het experiment niet vanzelf zijn hoge status kreeg. De Grieken deden eigenlijk geen experimenten, en de ontwikkeling ervan vroeg om dingen die in de deductieve stijl ongebruikelijk waren. Om experimenten te doen zijn technische instrumenten en praktische, rekenkundige wiskunde nodig. Beide hadden in de tijd van Galileo Galileï een lage status en werden niet gezien als onderdeel van de wetenschap. Het was destijds gewoon geen optie om met technische meetinstrumenten vast te stellen hoe de wereld werkt. Galileï, die vaak wordt gezien als de eerste experimentele wetenschapper, maakte wel gebruik van deze instrumenten, maar ontstak daarmee niet in zijn eentje de experimentele revolutie. De tijd was nog niet rijp.

De culturele ruimte voor experimenten als bron van kennis ontstond misschien pas tijdens de Reformatie. Toen Maarten Luther zijn stellingen op de kerk van Wittenberg spijkerde, plantte hij ook een zaadje voor het experimentalisme. Hij stelde bijvoorbeeld dat zijn eigen geweten, en niet het gezag van de Kerk in Rome, de uiteindelijke toets was of iets voldeed aan de wil van God. Evenzo moesten experimentele wetenschappers durven hun eigen waarneming te vertrouwen, zelfs als die botste met de gangbare eerste principes van God. Filosofisch werden ze daarbij geholpen door het scepticisme, dat uit de Griekse tijd stamt maar onder protestanten aan populariteit won. Sceptici twijfelen aan alles en een gezonde dosis twijfel is nodig om experimenten aan te durven gaan.

Een andere ontwikkeling die het experimentalisme steunde, was de alchemie. In hun zoektocht om gewone metalen in goud te veranderen, voerden alchemisten veel experimenten uit. Dit was een wildere, meer verkennende manier van experimenteren dan de afgemeten en doelgerichte experimenten van Galileï. De alchemisten werkten ook vanuit een mengelmoes van theoretische inzichten, waarvan sommige nu als wetenschappelijk worden gezien en andere als occult. Precies die mix gaf een bepaalde vrijheid die in het deductieve model ongebruikelijk was. Ze konden allerlei ideeën met elkaar verbinden en zo tot nieuwe theorieën komen.

De alchemistische praktijk werd op haar beurt weer inspirerend gevonden door Francis Bacon, die in het protestantse Engeland het experimentalisme de nodige status en gezag gaf. Hoewel Bacon’s invloed op Nederlandse experimentele wetenschappers uit die tijd, zoals Christiaan Huygens, niet heel groot lijkt, deelden ze dezelfde praktische instelling. Met een experiment kan de onderzoeker de natuur zijn wil opleggen en haar daardoor beter leren kennen.

De hypothetisch-analogische stijl

De ontwikkeling van techniek gaf ruimte aan nog een nieuwe wetenschappelijke stijl: het opstellen van hypothesen over de werkelijkheid op basis van analogieën met techniek. Er zijn veel voorbeelden van deze benadering. René Descartes’ wereldbeeld zat vol mechanische vergelijkingen; hij probeerde alle natuurverschijnselen te verklaren als botsingen van deeltjes. Een concreter voorbeeld is William Harvey, die de bloedsomloop ontdekte door het hart te vergelijken met een pomp.

Het succes van deze analogieën leidde tot een mechanische kijk op de natuur, die in het werk van Isaac Newton het sterkst naar voren komt. Zijn ideeën stuitten wel lange tijd op weerstand omdat zijn zwaartekrachtstheorie een ‘kracht op afstand’ suggereerde; wat tijdgenoten als een occult idee beschouwden. Veel tevergeefs werk werd verzet om Newtons theorie te weerleggen of een mechanische verklaring voor zwaartekracht te vinden, maar omdat die pogingen niet succesvol waren, groeide Newtons invloed.

De technische analogie heeft een blijvende rol in de wetenschap, net zoals het gebruik van analogieën in het algemeen. Tegenwoordig zijn computers en informatica belangrijke bronnen van inspiratie voor dit soort analogieën. Veel moderne theorieën in de biologie, zoals die over het brein en de celbiologie, zijn gebaseerd op informatiekundige concepten. Ook in andere wetenschappelijke gebieden, zoals de kwantummechanica in de natuurkunde, vinden we informatiekundige begrippen terug.

De taxonomische stijl

Hoewel taxonomieën belangrijk zijn in veel wetenschapsgebieden en ook in veel alledaagse kennispraktijken, hebben ze als wetenschapsstijl geen hoge status. Een taxonomie is een systeem om bijvoorbeeld dingen, dieren, planten, begrippen of feiten te rangschikken, wat overzicht biedt. Als het ordeningsprincipe sterk is, kunnen taxonomieën heel nuttig zijn. Een klassiek voorbeeld is het periodiek systeem van elementen, dat heeft geholpen bij het ontdekken van nieuwe elementen en waar later theoretische inzichten aan zijn gekoppeld.

Maar het nut van taxonomieën gaat verder dan een opstapje naar diepere theoretische inzichten. Ze zijn belangrijk voor iedereen die grote hoeveelheden informatie moet ordenen, zoals in archeologie, biologie en medicijnen. In de biologie is de indeling van planten door Linnaeus een goed voorbeeld. Het herkennen van plantensoorten en hun eigenschappen is belangrijk voor biologen. In de geschiedenis is er alleen verschillend gedacht over welke kenmerken de indeling moesten bepalen. Linnaeus gebruikte geslachtskenmerken van planten, wat een basis legde voor moderne indelingen die nu op genetica zijn gebaseerd.

De statistische stijl

De statistiek helpt orde in de chaos te scheppen door individuen, of dat nou mensen zijn of waarnemingen vergelijkbaar te maken. Daarin gaat iets verloren: we reduceren dingen tot getallen. Maar we winnen ook iets: we kunnen iets leren van de vergelijking die dan mogelijk wordt. Mede daarom is de statistiek een wetenschappelijke stijl geworden die niet meer weg te denken is uit allerlei wetenschapsgebieden.

Statistiek ontstond aan het einde van de 18e en het begin van de 19e eeuw, met de bedoeling om de sociale wereld in objectieve gegevens te vangen en een wiskundige basis te vinden voor deze gegevens. Aanvankelijk was statistiek vooral beschrijvend, gericht op het verzamelen van gegevens. De Nederlander Adolphe Quetelet breidde het begrip uit met waarschijnlijkheidsrekening en foutenanalyse. De wiskundige basis voor waarschijnlijkheidsrekening werd ontwikkeld door Pascal, Fermat en Christiaan Huygens. De eerste toepassing was in het verzekeringswezen, terwijl foutenanalyse aanvankelijk werd toegepast in de astronomie.

In moderne tijden is de inferentiële statistiek onmisbaar. Deze statistiek maakt het mogelijk om variabelen met elkaar in verband te brengen. Inferentiële statistiek is ontwikkeld door Ronald Fisher en Egon Pearson en maakt een verantwoorde vorm van inductie mogelijk. Dit heeft misschien wel een revolutie teweeggebracht, zeker in de sociale wetenschappen. In de psychologie is deze statistiek bijvoorbeeld zo dominant geworden dat sommige tijdschriften het als voorwaarde stellen voor publicatie. Hierdoor verdringt dit type statistiek zelfs andere onderzoeksmethoden die niet met deze technieken werken.

De evolutionaire stijl

Bij de evolutionaire stijl denkt iedereen onwillekeurig aan Charles Darwin. Dat is terecht, maar een historische blik op dit werk is wel leerzaam. Twee patronen die je bij veel grote theorieën ziet gelden ook voor de evolutietheorie. Ten eerste moet de tijd ‘rijp’ zijn voor een bepaald soort idee. Dit zagen we bij de evolutietheorie doordat anderen rond die tijd met vergelijkbare ideeën kwamen. Ook stonden ideeën die als tegenargument voor de evolutietheorie konden gelden, zoals de ouderdom van de aarde, juist in Darwins tijd ter discussie. Daardoor was er ruimte om juist met deze inzichten te komen. Ten tweede is de evolutietheorie net als andere grote theorieën niet zonder slag of stoot geaccepteerd. Omdat evolutie op lange tijdschalen werkt was er lang geen tastbaar bewijs voor evolutie. Pogingen om aan te tonen dat over verschillende generaties heen nieuwe eigenschappen konden ontstaan mislukten. De evolutietheorie staat nu nog nauwelijks ter discussie, maar het heeft een eeuw geduurd voor de theorie deze status bereikte.

Wat interessant is aan de evolutietheorie, is dat het een nieuw tijdsbeeld introduceerde: de tijd als een ontwikkeling naar een betere of rijkere wereld. Tot Darwin was het lineaire (waarbij alles in wezen hetzelfde blijft) of cyclische (waarbij elementen eeuwig terugkeren) tijdsbeeld dominanter. Het evolutionaire denken heeft niet alleen de biologie beïnvloed, maar ook andere vakgebieden. Zo bevatten de thermodynamica en de sociale wetenschappen elementen van evolutionaire uitleg.

De waarde van wetenschappelijke stijlen als historische bril

Nu we de zes stijlen hebben besproken, is het goed om even afstand te nemen. Hoe pakt deze alternatieve wetenschapsgeschiedenis uit? Hoewel ik het idee om wetenschappelijke stijlen te onderscheiden en de geschiedenis ervan uit te vlooien heel charmant vind, voelt het project voor mij niet af. Dit komt door Kwa’s keuze van wetenschappelijke stijlen, het concept van wetenschappelijke stijl zelf, en hoe een wetenschappelijke stijl werkt als historische lens.

Laat ik dat toelichten. Bij Kwa’s keuze van wetenschappelijke stijlen valt op dat engineering er niet tussen staat. Net als veel van zijn collega’s plaatst Kwa techniek buiten de wetenschap, maar dat is niet terecht. Veel van onze kennis is technische kennis, en als we Kwa’s bespreking van de experimentele en hypothetische stijl volgen, heeft techniek altijd een belangrijke rol gespeeld in de geschiedenis. Misschien mist Kwa nog andere stijlen, maar deze had zeker niet mogen ontbreken.

Ik vraag me ook af of Kwa het idee van een wetenschappelijke stijl scherp genoeg heeft afgebakend. Evolutie lijkt bijvoorbeeld meer een verklaringsmodel dan een manier om nieuwe kennis te verwerven. Als evolutie een plek krijgt, zouden andere verklaringsmodellen zoals economische rationaliteit dan niet ook in de lijst moeten staan? Het is altijd lastig om iets als stijl, cultuur, of werkwijze goed af te bakenen, maar ik had gehoopt dat Kwa hier meer over zou zeggen.

En dan is er nog de vraag of wetenschapsstijlen een interessante blik geven op geschiedenis van de wetenschap. Een lens op de geschiedenis moet helderheid geven en nieuwe inzichten blootleggen. Dat doet het idee van wetenschappelijke stijl zeker. Kwa laat zien dat onze opvattingen over het denken in de loop van de tijd veranderd zijn en brengt die veranderingen in kaart.

Dit levert soms verrassende inzichten op, zoals de afhankelijkheid van experimentele wetenschappen van technische ontwikkelingen en de moeite die het kostte om experimenten geaccepteerd te krijgen als bron van kennis. Maar op andere plekken voegt het weinig toe. De besprekingen van de taxonomische en evolutionaire stijl blijven bijvoorbeeld binnen de biologie, waardoor het een beetje gissen blijft naar de bredere impact van deze denkmodellen.

Daarbij blijven de onderwerpen die Kwa bespreekt dicht bij de gebruikelijke thema’s in de wetenschapsgeschiedenis, namelijk de geschiedenis van de natuurwetenschappen in de context van de wetenschappelijke revolutie. Ik zou graag meer willen lezen. Waar is de psychologie in dit overzicht, met introspectie en behaviorisme als wetenschappelijke stijlen? Of breder, hoe hebben wetenschappelijke criteria in de geesteswetenschappen zich ontwikkeld?

Ik vind Kwa’s uitgangspunten erg veelbelovend. Misschien is de tijd rijp om de wetenschapsgeschiedenis breder te gaan zien en misschien kunnen we wetenschapsstijlen dan als breekijzer gebruiken. Kwa plant hiervoor veel zaadjes in zijn boek, zoals in het laatste hoofdstuk, waarin hij laat zien dat het begrip van wetenschap zelf samenhangt met je opvatting over wetenschapsstijlen. Het boek smaakt, kortom, naar meer.

Meer lezen?

Het boek van Chunglin Kwa “De ontdekking van het weten” is verkrijgbaar bij Boom Uitgeverij.

Een andere benadering om de wetenschapsgeschiedenis te verbreden is te vinden in de wetenschapsgeschiedenis van Rens Bod, die de geschiedenis wil ontdoen van zijn focus op westerse natuurwetenschap.

Ik scheef ook al eerder hoe ons denken over wat goede wetenschap is zich ontwikkeld heeft in anachronismen en waar en over de veranderende opvattingen over hoe we over de tijd denkenin vooruitgang en verandersnelheid. En over geschiedenis als vakgebied.

Het idee van een wetenschappelijke stijl is verwant aan die van een epistemische cultuur, waarover ik al eens blogde. Ik schreef ook al eens over inductie en deductie.

Over toepassingen van de evolutietheorie schreef ik eerder in evolutiesnelheid, memen, cultuurdragers en bezieling.

1 reactie Een reactie plaatsen

Kencultuur

Veel onderzoekers waar ik mee werk verwonderen zich over hoe ingewikkeld het is om samen te werken. Nu is samenwerken in het algemeen lastig, maar het blijkt extra lastig als jij en je collega’s andere studies gevolgd hebben en nòg lastiger als je dan ook nog samen iets nieuws wilt ontdekken. Dat kan namelijk op verschillende manieren en als je niet begrijpt waarom de ander een andere aanpak wil volgen en wat de waarde daarvan is, dan wil het nog wel eens ingewikkeld worden.

In samenwerkingen tussen onderzoekers uit verschillende disciplines spelen epistemische culturen een rol. Althans dat is wat Karin Knorr Cetina beweert in haar boek met deze titel. K.K. – zoals ze het zelf afkort – is een sociologe die de totstandkoming van wetenschappelijke kennis bestudeert. Ze heeft maandenlang in een laboratorium observaties gedaan en mensen gesproken, en daar conclusies uit geprobeerd te trekken over hoe die wetenschappers te werk gingen bij het doen van Heel Belangrijke Ontdekkingen.

Om precies te zijn vergelijkt K.K. in haar boek twee verschillende laboratoria. De deeltjesversneller in CERN, waar kernfysici kleine deeltjes met hoge energie op elkaar laten botsen in de hoop beter te begrijpen hoe subatomaire deeltjes zich gedragen. En een microbiologie-lab waar wetenschappers zich bezighouden met genetica, genetische modificatie en klonen, en waar proeven doorgaans gedaan worden door proefdieren te opereren.

Die keuze is van belang. Stel dat K.K. de praktijken van taalwetenschappers en natuurkundigen vergeleken had – en daarna tot de conclusie gekomen dat die heel anders werken – dan was niemand heel verbaasd geweest. Maar kernfysica en microbiologie zijn allebei harde bètawetenschappen, dus je zou misschien kunnen verwachten dat ze ongeveer hetzelfde werken.

Niet dus. Het CERN is een hoogtechnologische omgeving met apparaten die zo ingewikkeld zijn dat de meeste onderzoekers ze amper begrijpen. Elke botsing levert een ton aan data op. Er gaat heel veel werk zitten in het interpreteren van die data en uitsluiten dat de metingen op toeval berusten. Dat kan alleen collectief. Het CERN is een wereld van apparaten, symbolen en berekeningen; het Higgs-boson vinden teamwerk.

Het microbiologielab is heel anders. Onderzoekers moeten hun handen vuil maken, ze moeten met reageerbuisjes, microscopen, preparaten kunnen werken. Ze moeten muizen kunnen opereren met mini-scalpeltjes. In de microbiologie telt de directe waarneming en de fysieke vaardigheid van de onderzoeker. Het is een veel individuelere discipline waar onderzoekers parallel aan elkaar aan hun eigen onderzoek werken in plaats van samen op zoek te gaan naar een deeltje dat alleen nog in theorie bestaat.

Door deze vergelijking te trekken laat K.K. zien dat er verschillen zijn tussen de manieren waarop verschillende wetenschappen aan kennis komen en verschillen in hoe ze toetsen of die kennis ook boven elke twijfel verheven is; en dat die verschillen zich weer vertalen in de technische omgeving waarin wetenschappers werken, de werkpraktijken die ze onderhouden, en de sociale structuren die daar uit voortvloeien. Samen noemt ze dit ‘epistemische culturen’, wat ik voor dit blogje even in ‘kencultuur’ vertaald heb.

Het zou natuurlijk kunnen dat je nog altijd niet verrast bent. Dat je wel wist dat wetenschap veelvormig is. En dat je het vanzelfsprekend vindt dat de praktijken die je kiest voortvloeien uit datgene wat je probeert te leren kennen. Ik moet zeggen dat ik dat zelf ook had. Ik vond K.K. niet superscherp op het verschil tussen ‘culturen’ en ‘aanpakken’, ik was weinig verrast door de verschillen in de twee labs die ze bezocht en ik vond de schets daarvan wel wat karikaturaal.

Toch is de analyse van K.K. een belangrijke reality-check. In de eerste plaats voor die wetenschapsfilosofen die wetenschap wèl als uniform benaderen of die vooral uitgaan van de discipline die ze het beste kennen. Het zou natuurlijk kunnen dat er op een bepaald niveau van abstractie wel principes zijn te formuleren die voor alle wetenschappen gelden. Ik moet bijvoorbeeld denken aan het falsificatie-idee van Karl Popper. Maar als je aan dat soort principes vasthoudt, weet je meteen dat ze zo abstract zijn dat ze weinig met de alledaagse praktijk van wetenschappers te maken hebben.

En in de tweede plaats voor wetenschappers die de grenzen van hun discipline willen overstijgen. Daar begon ik dit blogje mee. Vanuit de cultuur waarin je bent opgegroeid krijg je natuurlijk waarden en normen mee. Je hebt ideeën over wat werkt en wat nodig en goed is. Het is al een ding te herkennen dat anderen het anders doen, laat staan om te erkennen dat die cultuur misschien beter past bij het soort problemen waar zij aan werken. Sociaal psychologen zijn misschien niet gebaat bij een ‘natuurkundige manier van denken’, hoeveel moeilijke problemen die laatsten er wel mee opgelost hebben. Taalkundigen zijn misschien niet, of maar zeer ten dele, gebaat bij kwantitatief onderzoek. En zo kunnen we wel even doorgaan. Het overstijgen van je eigen discipline vraagt om bescheidenheid en een culturele sensitiviteit die niet iedereen gegeven is.

Meer lezen?
Ik schreef eerder over de sociologie van de wetenschap in Lableven en De zwarte dozen van Latour. Een voorbeeld van een wetenschapsfilosofie die discipline overstijgend bedoeld is vind je in Het probleemoplossend vermogen van Larry Laudan.

Een uitgebreide bloemlezing van kenculturen schreef ik niet, maar ‘ontwerpen’ als discipline kreeg wel bijzondere aandacht in ontwerpkennis, doelkennis en ontwerperig.

Het boek van Karin Knorr Cetina is nog altijd te verkrijgen bij Harvard University Press

3 reacties Een reactie plaatsen

Toekomstindustrie

Ik weet niet hoe het met jullie zit, maar ik kan geen LinkedIn-post over generatieve AI meer zien. Het is niet dat ik het niet leuk vind hoor… -dat je een guitig zinnetje tikt en dat dan een slimme computer een prachtige tekst, een schitterend plaatje of een geloofwaardig filmpje kan uitspugen. Het is meer dat ik het niet trek hoe mensen reageren op deze nieuwe mogelijkheden.

Nieuwe technologieën, waar knappe dingen mee kunnen, maken altijd een legertje van cynici, experts, “experts”, duiders en ondernemende geesten wakker, met een breed gevolg van ander klapvee. Mensen die opstaan, het technieuws bij het ontbijt doornemen, en snappen dat ‘het speelveld’ veranderd is. Voorgoed. Dat ze zich maar beter kunnen positioneren ten opzichte van de nieuwe werkelijkheid die door deze technologie gaat ontstaan. Het zijn typisch ook mensen die zich graag roeren op sociale media en mensen die me blij maken dat ik de overgang van Twitter naar X aan me voorbij heb laten gaan.

Het geheel doet me denken aan een boekje van Rein de Wilde dat misschien door te weinig mensen, zeker te weinig van déze mensen, gelezen is. ‘De Voorspellers’ heet het; ‘Een kritiek op de toekomstindustrie’. Het gaat over hoe nieuwe technologieën steeds aanleiding zijn tot verhalen over hoe deze technologieën ons gaan beïnvloeden, wat er klopt aan deze verhalen, maar vooral ook wat er niet klopt. Over hoe dit soort verhalen meer gestuurd worden door toekomstbeelden die voldoen aan maatschappelijke behoeften: welke verhalen ‘verkopen’, dan door wat realistisch gezien verwacht mag worden van nieuwe technologie.

Onze fascinatie voor de toekomst is sowieso al erg groot, maar zodra er nieuwe technologie in het spel komt die ons toch al luxe, Westerse leventje nòg iets comfortabeler lijkt te gaan maken, gaan we met zijn allen helemaal aan. De vraag naar voorspellingen, trendrapporten en scenariostudies valt niet meer bij te benen. Zeker niet zodra een technologie het label ‘revolutionair’ krijgt. En dat is nogal vaak, want mensen in de toekomstindustrie hebben ook gezinnen die moeten eten en op vakantie willen.

Het zou misschien niet zo erg zijn als ‘de voorspellers’ iets zouden weten van de impact van nieuwe technologie op de samenleving. Die is meestal relatief klein. Niet omdat technologieën de samenleving niet beïnvloeden, maar wel omdat alles altijd heel ingewikkeld is. Omdat we heel veel technologieën tegelijk gebruiken waardoor het nieuwe joch in de buurt – zeg Instagram, of ChatGPT- wel íets verandert, maar lang niet àlles.

Er zijn wel technologieën die de samenleving ingrijpend veranderd hebben: het schrift, de stoommachine, elektriciteit, telecommunicatie. Die deden er allemaal erg lang, dat wil zeggen de uitvinding van tientallen concrete technische oplossingen, over voordat we de effecten merkten. Daarbij komt: ‘Generatieve AI’ past echt niet in dit rijtje. Het kan zich niet meten met de gloeilamp. Misschien wel met de CD speler, maar we weten hoe het daarmee is afgelopen.

Afijn. De kritiek van Rein de Wilde is dat de toekomstindustrie geneigd is om de relatie tussen technologie en de samenleving als monolithisch -een moeilijk woord voor eenduidig- voor te spiegelen. Er is één aspect van de nieuwe technologie die zo bijzonder is en zo succesvol – dat dit aspect onderdeel uit gaat maken van onze cultuur. ‘Sociale media gaan ons allemaal verbinden waardoor culturele verschillen tussen groepen in de samenleving als sneeuw voor de zon gaan verdwijnen’. Dat werk.

Daar zijn twee dingen mis mee. Ten eerste werkt het zo niet. Elke nieuwe technologie werpt een subtiel net uit van dingen die er door veranderd worden, dingen die juist niet veranderen of juist versterkt worden. En alsof dat niet erg genoeg is passen we ons daar als samenleving ook nog op aan op allerlei verschillende manieren. Iedereen die denkt dat ze deze co-evolutie van technologie en samenleving precies kan voorspellen is een idioot.

Ten tweede legt De Wilde haarfijn bloot dat de voorspellingen van mensen uit deze industrie nooit neutraal zijn. Ze grijpen in op bepaalde utopische ideeën over de samenleving, idealen die door technologie verwezenlijkt kunnen worden. Dat is een begrijpelijke gedachte, technologie dient om de dingen waar we van dromen waar te maken, maar doordat mensen uit de toekomstindustrie deze idealen presenteren als een onvermijdelijke ontwikkeling plaatsen ze die idealen buiten de discussie.

Soms is dat: wat we willen met bepaalde technologie en vooral of we dat wel moeten willen, de kern van de discussie die we zouden moeten voeren. Met Rein de Wilde, denk ik dat de retorische stijl van de toekomstindustrie deze discussie bemoeilijkt in plaats van bevordert. In een notendop is dit dus mijn advies. Laat de toekomstindustrie links liggen en besteed meer aandacht aan de wenselijkheid van nieuwe technologie. Laten we, vandaag nog, de vraag of we generatieve AI wel willen, eens centraal stellen.

Meer lezen?

Ik sprak over voorspellingen in peilingen. waar, vooruitgang en in opdracht van de tijd.

Het boekje van Rein de Wilde is niet meer in druk, maar het is goed verkrijgbaar en de moeite van het lezen waard.

1 reactie Een reactie plaatsen

Ontwerperig

De titel van dit blogje is natuurlijk een wat flauwe vertaling van ‘Designerly’, maar ik kon niet goed om de ironie heen dat de bekendste emancipatiebeweging van ontwerpers, zich van zo’n guitig begrip bedient. Een betere vertaling is eigenlijk ontwerperserig, maar de kans dat je in een blogje met die titel tot hier was gekomen, leek me wel heel klein – dus dat durfde ik niet goed aan.

Afijn; wat is er aan de hand? Het gaat om de stelling dat ontwerpers over een ander soort kennis beschikken dan andere professionals en dat daar in het onderwijs en de wetenschap meer aandacht voor moet zijn. Ontwerpen zou door alles en iedereen veel serieuzer genomen moeten worden omdat er zich in de hoofden van ontwerpers heel bijzondere dingen afspelen: “designerly ways of knowing”.

Het is een populaire gedachte. Waar ik zelden iets lees over de unieke denkwijze van natuurkundigen, politieagenten of stratenmakers, rollen de boekjes over de denkwijzen van ontwerpers haast uit mijn boekenkast. Niet in de laatste plaats door de opkomst van ‘design thinking’, hoewel dat vaak meer over aanpak gaat dan over denkwijzen.

Er zit ook wel iets in. Zelf betoogde ik op dit blog al eens dat feitenkennis over de wereld niet genoeg is voor het doen van technische uitvindingen en ook niet voor allerlei andere veranderprocessen. Het is dus geen overbodige luxe om na te denken over wat voor soort kennis we hiervoor nodig hebben en hoe we zorgen dat voldoende van ons die kennis ook hebben. Maar of ontwerperserige manieren van kennen ons daarbij gaan helpen?

Het begrip ‘Designerly ways of knowing’ is gemunt door Nigel Cross. Cross was onderzoeker aan de faculteit voor industrieel ontwerp in Delft, een van de eerste universitaire ontwerpopleidingen. Hoewel harde ingenieurs zoals technisch natuurkundigen, elektrotechnici en werktuigbouwers in die tijd hun weg al hadden gevonden in de wetenschap, hadden minder technische opleidingen zoals architectuur en ontwerp iets uit te leggen. Hoezo waren dit academische disciplines? Hoe ziet een ontwerpwetenschap er uit? Welke standaarden voor wetenschappelijkheid worden daarbij gehanteerd?

Sommige onderzoekers reageerden hierop met een poging de activiteit van het ontwerpen te verwetenschappelijken. Het ontwerpproces moest voortaan zodanig worden uitgevoerd dat alle ontwerpbeslissingen herleidbaar waren – en zodoende aan wetenschappelijke kritiek onderworpen konden worden. Anderen stelden dat we in plaats daarvan juist ontwerp een volwaardigere plek in de wetenschap moesten geven, met respect voor de werk- en denkwijzen van ontwerpers. In plaats van het ontwerpen te verwetenschappelijken, moest er een vorm van wetenschap komen waar ontwerpers zich thuis in konden voelen. Eén van de auteurs die dat laatste betoogde was Nigel Cross – en de emancipatiegolf die hij hiermee startte is nog altijd volop gaande.

Cross ging daarbij verder dan de wetenschap alleen. Hij betoogde dat ontwerpen een derde ‘gebied’ in het hele onderwijs moest worden, naast de natuur- en menswetenschappen. Op de basisschool zou dit betekenen dat naast taal en rekenen ook techniek- of maakonderwijs een plek zou moeten krijgen. Op de middelbare school zouden de talen, zaakvakken en natuurwetenschappen aangevuld moeten worden met verschillende engineeringdisciplines en op de universiteiten zouden de ontwerpwetenschappen meer voeten aan de grond moeten krijgen.

Cross plaatst design naast de natuur- en menswetenschappen omdat die “intrinsieke waarde” hebben. Daarmee bedoelt Cross dat het onderwijs verder gaat dan de praktische, direct zichtbare uitkomsten. Bij natuurkunde leer je niet alleen de wet van Ohm; je krijgt ook iets mee van een natuurkundige blik op de wereld. Een focus op feiten, experimenten, de wetmatigheid van de natuur, bijvoorbeeld. De natuurwetenschappen dragen dus een bepaalde kenniscultuur met zich mee die belangrijk is in het leven. Design omvat volgens Cross ook zo’n diepere kenniscultuur, met een eigen blik op de wereld en intrinsieke waarde.

Nu vindt iedereen dat zijn vak meer aandacht verdient en dat kinderen het al vroeg moeten leren, maar de analyse van Nigel Cross is zeker interessant. Hij betoogt, net als ik, dat voor ontwerp andere kennis nodig is dan alleen de feitenkennis die natuurwetenschappers als hoogste doel lijken te zien. Daarnaast stelt hij dat er andere denkwijzen aan het ontwerpen ten grondslag liggen dan aan de wetenschappen: aandacht voor concrete oplossingen in plaats van abstracte ideeën, een idee voor hoe dingen anders kunnen zijn dan ze nu zijn, en het beheersen van niet-talige manieren om ideeën uit te drukken. Als ontwerpers op een andere manier, met andersoortige kennis, moeten leren omgaan, is dat dan niet flink wat onderwijs waard, liefst op vroege leeftijd?

Voordat we ja zeggen op deze vraag is het zinvol om er toch even wat kritischer naar te kijken. Immers, kan eenzelfde analyse niet gemaakt worden door een politieagent? Zou die niet kunnen betogen dat er drie ‘gebieden’ zijn: natuurwetenschap, geesteswetenschap en wetshandhaving? Het klinkt belachelijk misschien, maar de analyse kun je best rond krijgen. Zeker als je het niet beperkt tot politiewerk, maar naar een iets bredere categorie zoals handelingskennis. Kinderen moeten dan leren lezen, schrijven, maken en doen. Dat klinkt eigenlijk heel plausibel, maar als we zo makkelijk van twee naar drie, naar vier ‘gebieden’ kunnen redeneren, dan is een vijfde zo toegevoegd – en waar komen we dan uit?

Cross zou misschien antwoorden dat wetshandhaving een praktische vaardigheid is, terwijl ontwerp intrinsieke waarde heeft, maar dat vind ik geen sterk argument. Ik weet zeker dat je unieke denkwijzen en probleemoplossingsstrategieën kunt identificeren voor allerlei handelingsberoepen. Hebben ze daarmee ‘intrinsieke waarde’? En hoe beslissen we dat?

Wat sterk is aan het betoog van Cross, is dat hij vragen stelt bij de dominantie van de natuur- en menswetenschappen in ons onderwijs. Moet onderwijs gaan over hoe de wereld nu eenmaal is, of moeten kinderen leren om de wereld mede vorm te geven? Dat laatste lijkt hard nodig en als ontwerperserig denken daarvoor nodig is, vooruit dan maar.

Het zwakke punt van Cross’ betoog is dat hij alle antwoorden zoekt vanuit de ontwerpdiscipline waar hij zo thuis in is. Natuurlijk, we leven in een diep ontworpen wereld, maar dat maakt ontwerp nog niet het antwoord op alle vragen. Waar de natuurwetenschappen macht zoeken in wetmatigheden en de menswetenschappen in duiding, zoeken de ontwerpwetenschappen hun macht in maakbaarheid. Maar we weten allang dat die maakbaarheid beperkt is. Is ontwerp dan altijd het antwoord? Of vinden we het antwoord eerder in een slimme combinatie van wetmatigheid, duiding en maakbaarheid? Of is er nog meer nodig?

Mijn verwachting is dat we er daarmee niet zijn. We hebben eerder vier of vijf vertrekpunten nodig, en we moeten ons vooral richten op hoe die verschillende zienswijzen elkaar kunnen versterken. De emancipatie van het ontwerpstandpunt was daar misschien een noodzakelijk begin voor, maar nu moeten ontwerpers van de barricaden af en de synergie met andere disciplines beter onderzoeken.

Meer lezen?

Ik sprak eerder over de unieke kennis die voor ontwerpen nodig is in de blogjes ontwerpkennis en doelkennis. Dat de emancipatie die Cross startte nog niet af is blijkt uit de wetenschapsgeschiedenis van Rens Bod, waar engineering geen rol in lijkt te spelen. Ik vroeg me eerder af wat leerlingen op de basisschool echt moeten leren in basiskennis.

Voor dit blogje maakte ik vrij intensief gebruik van hoofdstuk 1 van ‘Designerly Way’s of Knowing‘, van Nigel Cross. Het boekje is inmiddels wat lastiger te verkrijgen, maar zeer het lezen waard.

3 reacties Een reactie plaatsen

Peilingen

We zijn de afgelopen verkiezingen niet alleen doodgegooid met peilingen, maar ook met dat éne bezwerende zinnetje: “een peiling is geen voorspelling van de uitslag”. Nou…, ik wil de feestvreugde niet vergallen, maar peilingen zijn wèl een voorspelling van de uitslag – en dat weten journalisten best.

Ik snap het wel hoor. Op verkiezingsdag blijkt vaak dat de mensen anders gestemd hebben dan de peilingen aangaven. Als je dan drie weken voor de verkiezingen met een nieuwe peiling komt, kan het geen kwaad om je als peiler of TV-programma een beetje in te dekken: “We vertellen je wat we denken dat de uitslag zou zijn als de verkiezingen vandaag waren, maar we weten heus wel dat de toekomst onvoorspelbaar is, dus, beste kiezer, je moet wel begrijpen dat peilingen de huidige stand van zaken peilen en niet die op verkiezingsdag; het zou een grote fout zijn om deze peiling als een voorspelling van de uitslag te zien”.

Wat een -langdradige- onzin!

Het gezegde luidt dat als het kwaakt als een eend en als het waggelt als een eend, dat het dan vast een eend is. Met peilingen is het niet anders. Als Jan en alleman peilingen gebruiken als voorspellingen en peilbureaus doen hun stinkende best om de verkiezingsuitslag zo nauwkeurig mogelijk te voorspellen, dan zijn het vast voorspellingen.

Ik weet niet of je er het geduld voor kan opbrengen, maar ik wil nu de praktijk van het maken en gebruiken van peilingen eens heel precies bekijken en dan een keer of vier de conclusie trekken dat het er toch echt heel erg op lijkt dat peilingen voorspellingen zijn. Met die munitie op zak kunnen we beter begrijpen waarom de media maar niet kunnen wennen aan het idee dat peilingen voorspellingen zijn en kan ik vast wat tips geven over hoe het publiek wél goed voorgelicht kan worden over peilingen.

Afijn: eerst het hoe maar even. Peilingbureaus doen steekproeven. Ze vragen een kleine groep kiezers wat ze denken te gaan stemmen en rekenen op basis daarvan uit wat heel Nederland zal gaan doen bij de verkiezingen. Dat is een ingewikkelde rekensom, want niet iedereen die gaat stemmen zit ook in de steekproef, zelfs niet verhoudingsgewijs. Mensen die op bepaalde partijen gaan stemmen doen bijvoorbeeld vaker mee met peilingen of mensen zeggen op andere partijen te gaan stemmen, dan ze daadwerkelijk doen – en zo zijn er nog meer redenen waarom de steekproef kan afwijken van de uitslag.

Elke verkiezing wordt de voorspelling daarom vergeleken met de uitslag om het proces en de rekensom aan te passen. Peilers doen hun best mensen die ze ‘gemist’ lijken te hebben in hun steekproeven te betrekken, ze sleutelen aan hun vraagstelling, ze passen de weegfactoren in de som aan. Dat hele proces is er op gericht een zo goed mogelijke voorspelling te geven van de verkiezingsuitslag, dat is klip en klaar.

Maar, denkt de kritische lezer, waarom wordt me dan de vraag gesteld wat ik zou stemmen als er vandaag verkiezingen zou zijn en niet wat ik van plan ben om te stemmen bij de volgende verkiezingen? Die laatste vraag zou toch veel logischer zijn als je de verkiezingsuitslag wil voorspellen?

Dat is een terechte vraag en het antwoord is dat de ‘vandaagvraag’ een nauwkeurigere voorspelling oplevert van de uitslag van de verkiezingen. Er zijn nauwelijks mensen die een andere partij opgeven bij de ‘vandaagvraag’ dan bij de ‘wanneer-er-verkiezingen-zijn-vraag’, maar bij die laatste vraag vullen meer mensen in dat ze het niet weten. En dat maakt het verschil tussen de steekproef en de uitslag weer wat groter, waardoor peilers weer extra moeten compenseren in de omrekensom – en dat doen ze liever niet. Peilingbureaus vragen je dus, vreemd genoeg, wat je vandaag zou doen omdat ze dan beter kunnen uitrekenen wat de mensen in de toekomst gaan doen.

Al met al doen peilbureaus hun stinkende best om een zo goed mogelijke voorspelling van de uitslag te geven. Als peilingen eenden waren waggelden ze als eenden.

Maar, kwaakten ze ook als eenden? Daarvoor moeten we het waarom analyseren. Wie gebruiken peilingen eigenlijk en voor welke doelen? Dat is een superbelangrijke vraag. We kunnen alleen begrijpen waarom peilbureaus zoveel moeite steken in het voorspellen van de verkiezingsuitslag als mensen ze ook willen gebruiken als voorspelling.

Nu worden peilingen door verschillende mensen op verschillende manieren gebruikt. Ik noem er drie. Allerlei mensen gebruiken peilingen om hun nieuwsgierigheid te stillen; ik denk dat politieke partijen peilingen gebruiken om hun campagnestrategie te herzien; en ik denk dat kiezers peilingen gebruiken om strategisch te stemmen. In alle drie de gevallen is het vreselijk belangrijk dat peilingen een zo goed mogelijke voorspelling geven van de uitslag, dus laat ik ze alle drie maar even nalopen.

Eerst de nieuwsgierige mens maar even. Waar zit mijn nieuwsgierigheid als ik het NOS Journaal aanzet en de nieuwste peiling over de aankomende verkiezingen bekijk? Nou: ik wil dan weten hoe de verkiezingen gaan verlopen.

Als ik zou willen weten hoe Nederland vandaag de dag denkt over een onderwerp als migratie of het klimaat, zoek ik wel een peiling over dat onderwerp en niet over zoiets cryptisch als de samenstelling van de Tweede Kamer. Ik kijk naar een peiling over de samenstelling van de Tweede Kamer omdat ik wil weten hoe die er na de verkiezingen uit gaat zien. Het gaat me om de race naar de macht: wie wint, wie kan met wie, doet ‘mijn’ partij het goed? De enige reden om halverwege de race te kijken naar wie er voorop ligt, is omdat ik hoop of vrees dat diegene die voorsprong behoudt tot aan de finish. Ik ben niet geïnteresseerd in een hypothetische verkiezing die vandaag gehouden zou zijn -naar wat er zou gebeuren als de 400 meter plotseling na 200 meter werd stilgelegd -, ik zit in spanning over hoe de echte verkiezing over drie weken gaat verlopen. Kwak.

Dan de politiek strateeg. Zijn partij is net drie zetels gezakt in de peiling. De partijleider heeft iets doms geroepen of snijdt de verkeerde thema’s aan of wat dan ook. Daarom stelt de strateeg een andere strategie voor. Natuurlijk is de bedoeling dat Nederlanders vandaag positiever gaan denken over de partij, maar nog veel belangrijker is dat ze over drie weken bij de echte verkiezingen anders gaan stemmen.

Het type voorspelling waar de politiek strateeg in geïnteresseerd is, wordt ook wel een raming genoemd. Een raming is voorspelling van hoe dingen gaan lopen als er niets verandert. Op basis van het voorspellende karakter van de raming kun je koers wijzigen. Ze worden door managers ingezet om prioriteiten te stellen, om voorraad te beheren, productielijnen in te regelen of om andere keuzes te maken in de bedrijfsvoering. Hoewel ramingen er dus van uit gaan dat dingen kunnen veranderen, hebben managers of politiek strategen er wel heel veel baat bij dat de voorspelling hoe dingen zullen gaan als er niets verandert in eerste instantie klopt. Kwak.

De strategische stemmer gebruikt peilingen eigenlijk op dezelfde manier als de politiek strateeg: als raming. Strategische stemmers vinden het belangrijk wie er minister-president wordt, dat een bepaald soort partij aan de macht komt, of dat een coalitie van hun voorkeur waarschijnlijker wordt. Ze bekijken daartoe de voorspelling van de verkiezingsuitslag en brengen hun stem uit op de partij die volgens hen nog een duwtje nodig heeft. Die voorspellingen zijn ruimschoots beschikbaar – en ze worden ook wel peilingen genoemd. Kwak.

Goed. Nu we het er hopelijk over eens zijn dat peilingen de verkiezingsuitslag proberen te voorspellen, blijft nog wel de vraag over waarom dit keer op keer ontkend wordt. Zijn de peilingen zulke slechte voorspellingen dat journalisten en peilers er niet eens meer voor uit durven te komen dat het voorspellingen zijn?

Het antwoord is dat het om iets anders gaat. Peilingen zitten er in de eerste plaats namelijk helemaal niet zo vaak naast. Ze geven meestal een heel behoorlijke voorspelling van de uitslag, maar het zijn de afwijkingen die het meeste aandacht trekken. Een partij die precies scoort wat de peiling voorspelde is geen nieuws, maar een partij die het veel beter doet, dat is het verhaal van de dag. Zeker als die partij daardoor de verkiezingen wint.

De ironie druipt er vanaf. Het is ironisch dat de media zo een vertekend beeld geven van de betrouwbaarheid van peilingen, dat ze die zelf niet meer vertrouwen én het is ironisch dat het de meest intensieve gebruikers, strategische kiezers, zijn die de betrouwbaarheid van de peiling ondermijnen.

De verschillen tussen de peilingen en de uitslag die het meeste aandacht trekken worden namelijk vooral door strategische kiezers bepaald. Peilingen kunnen gaan werken als een self-fulfilling prophecy. Een self-fulfilling prophecy is een voorspelling die gedrag uitlokt waardoor de voorspelling ook uitkomt. Partijen die aan kop gaan in de peilingen trekken vaak veel strategische stemmers die affiniteit hebben met die partij. Daardoor boeken die partijen een betere uitslag. De voorspelling dat ze gaan winnen zorgt ervoor dat ze winnen – en vaak nog veel meer dan de peiling voorspeld had. Strategische kiezers worden ook nog eens ruimschoots beloond met aandacht voor dit verschil: aandacht eigenlijk voor hoe ze de peilingen hebben weten te gebruiken om de peilingen te verslaan.

Je zou natuurlijk kunnen proberen ook dit effect mee te nemen in de peiling. Net zoals dat peilers compenseren voor groepen stemmers die over- of ondervertegenwoordigd zijn in de steekproef, zouden ze kunnen compenseren voor een bepaald percentage strategische stemmers. Het gemene is wel, dat je dan moet voorspellen hoe je voorspelling de uitslag beïnvloedt en dat je dat weer mee moet nemen in je voorspelling zelf. Dat is niet onmogelijk maar je begeeft je dan als voorspeller wel op heel glad ijs. Voor zover ik weet doen de grote peilers in Nederland dat op dit moment niet.

Er is dus wel iets bijzonders aan de hand met peilingen. Het zijn voorspellingen die onderdeel zijn van het spel. De sportverslaggever die roept dat een atleet die vooroploopt op weg is naar de overwinning, kan dat doen zonder de uitslag te beïnvloeden. Maar peilers hebben die neutraliteit niet, die geven de winnende atleet vaak een steuntje in de rug. Daar komt het ongemak over peilingen vast vandaan. Bij de peilers zelf, die oprecht proberen zo goed mogelijk te voorspellen, maar ook bij de media die zichzelf liever zien als neutrale verslaggevers van de wereld dan als medespeler in de wereld.

Dat de media moeite hebben met hun rol als politieke speler is natuurlijk nog geen reden om verwarring te zaaien over de bedoeling van peilingen onder kiezers. Dat lijkt me nogal een schending van de journalistieke codes. En het kan ook anders. In plaats van in een of andere ontkenningskramp te schieten over de aard van peilingen zouden journalisten er ook gewoon ronduit voor uit kunnen komen dat peilingen – en de manier waarop zij die bespreken – invloed hebben op de uitslag. Weet je wat, ik doe meteen een suggestie:

“Beste kiezer, dit is de beste voorspelling van de verkiezingsuitslag die we nu kunnen geven, maar we weten dat veel kiezers deze gebruiken om de uitslag te verbeteren: dus als u het er niet mee eens bent, weet u wat u te doen staat op verkiezingsdag”.

Meer lezen?

Voorspellen is een van de zes kennisfuncties die ik in doelkennis besprak. Ik ben van plan over alle andere kennisfuncties nog blogjes te schrijven. Ik schreef eerder over de sturende rol van voorspellingen bij ‘predictive policing’ in Glazen bol, bij de opvoeding in IQ, en in maatschappelijke omwentelingen in In opdracht van de tijd.

3 reacties Een reactie plaatsen

Vraaggestuurd

“Zoals iedere vraag zijn ook deze vragen gebaseerd op voorkennis”. Ik trof dit zinnetje zomaar in het wild aan. Of, nou ja, in het wild… in de voorbeschouwing van “De ene die alles ziet, de Aarsman Collectie 2014 – 2021”.

Hans Aarsman is bekend van zijn fotocolumn in de Volkskrant, waarin hij foto’s minutieus ontleedt, en vaak met behulp van journalistiek achtergrondonderzoek laat zien dat er veel meer te zien is dan je op het eerste gezicht zou zeggen.

Zijn columns barsten van de nieuwsgierigheid, maar het zou verkeerd zijn om te zeggen dat Aarsman de kunst van het onbevangen kijken demonstreert. Hij kijkt heel nauwkeurig en minutieus naar foto’s, maar hij doet dat met kennis van zaken. En als hij die kennis niet heeft, dan zoekt hij het wel uit. Waar kan die speelgoedvrachtauto van die vluchteling gekocht zijn? In welke landen wordt ze geleverd?

Ik denk dat voorstanders van vraaggestuurd onderwijs graag zouden zien dat hun leerlingen iets van het temperament van Hans Aarsman zouden hebben, dat ze alles in de wereld zouden bevragen, van de grootste lijnen tot de kleinste details en dat ze en op die manier de slimste van de klas worden. Maar of vraaggestuurd onderwijs de aanpak is om dat voor elkaar te krijgen is, met een bedoelde sneer, nog wel een open vraag.

Alle vragen zijn immers gebaseerd op kennis. Misschien moet ik het nog eens zeggen. Alle vragen zijn gebaseerd op kennis. Er waren allang eieren voor er kippen kwamen, maar er waren geen vragen voor er kennis was.

Is het dan verstandig, zoals gebruikelijk is in Agora-scholen of op HILL gebaseerde hogeronderwijsopleidingen, kennis pas aan te dragen als een leerling of student er om vraagt?

De premisse van vraaggestuurd onderwijs is dat een leerling veel meer leert als ze zelf de vraag bedacht heeft waar ze een antwoord op wil. Alleen dan heeft de leerling een intrinsieke motivatie tot leren en zo beklijft de kennis het beste. Of dat ook empirisch onderzocht is wil ik even in het midden laten. Waar ik veel meer vragen bij heb is wat de beste strategie is om leerlingen die vragen te laten stellen.

In aanbodgestuurd onderwijs is de docent van mening dat hij weet wat de essentiële vragen zijn in zijn vakgebied, en doet hij op allerlei manieren moeite om leerlingen ook te laten inzien dat dit Belangrijke Vragen zijn, nodigt de student uit antwoorden te vinden voor die vragen en biedt daarbij als het enigszins kan enige hulp. Nadeel is dat de student de vragen niet zelf gesteld heeft en de kennis dus minder beklijft.

In vraaggestuurd onderwijs biedt de docent studenten uitdagingen waar moeilijk een antwoord op te vinden is als ze niet ook de Belangrijke Vragen beantwoorden. Dan wacht hij of zij tot studenten zelf de Belangrijke Vragen gaan stellen – en zodra het zover is biedt hij of zij natuurlijk hulp bij het beantwoorden ervan. De kennis beklijft dan beter.

Is dat efficiënter? Om daar antwoord op te geven moeten we de moeilijkheid die de student heeft om de Belangrijke Vragen te achterhalen, vanuit een bepaalde casus, afwegen tegen de motivatie- en leerwinst in het beantwoorden van die vraag ten opzichte van de situatie dat die door een docent is ingeleid.

Misschien voelde je mijn positie al aan, maar ik ben vrij skeptisch. De premisse van vraaggestuurd onderwijs is dat het beter is om studenten zelf te laten ontdekken wat de Grote Vragen zijn omdat ze dan pas gemotiveerd zijn om deze goed te beantwoorden. De premisse van aanbodgestuurd onderwijs is dat de docent de Grote Vragen aanreikt, de studenten motiveert om daar antwoorden op te vinden en ze daarbij begeleidt. Natuurlijk zijn er docenten die dit niet kunnen, maar kunnen die docenten dan wel problemen formuleren waarbij de Grote Vragen zichzelf opdringen aan studenten?

Ik denk dat dat laatste moeilijker is en dat vraaggestuurd onderwijs, ironisch genoeg alleen kans heeft op die plekken waar docenten al heel erg goed zijn in aanbodgestuurd onderwijs. Daarmee is vraaggestuurd onderwijs als onderwijsbeweging verdacht: als ik student was, zou ik kiezen voor een doordacht aanbod.

Meer lezen?

Ik vroeg me af wat we de mensen in het algemeen moeten onderwijzen in basiskennis, ik sprak over adaptief vermogen – een belangrijk argument voor vraaggestuurd onderwijs in adaptief de 21e eeuw in.

Het boekje van Hans Aarsman is natuurlijk ook warm aanbevolen.

0 Reacties Een reactie plaatsen

Waar

Ik wilde dit blog eigenlijk beginnen met de opmerking dat ik niet zoveel heb met de waarheid, maar ik bedacht me bijna meteen. Als ik niets heb met de waarheid, waarom zit ik dan op deze blog het een na het ander te betogen met doorwrochte argumenten, volzinnen en uitsmijters? Op zijn minst wil ik mezelf overtuigen van dat wat ik hier neerpen een kern van waarheid bevat -het liefst een diepe, harde kern van waarheid- , en nog beter is het als jullie dat ook denken. Ik geef dus wel degelijk om de waarheid, maar ik ben opgevoed met het idee dat die onbereikbaar is, persoonlijk en subjectief, waardoor ik me er een beetje voor schaam dat ik het nog steeds najaag – en zeker niet durf te claimen in allerlei blogjes.

Hoe dat zit legt Rob Wijnberg uit in zijn boekje ‘Voor ieder wat waars: hoe de waarheid ons verdeelt en ons weer samen kan brengen‘. Daarin vertelt hij in het kort hoe het begrip ‘waarheid’ door de jaren heen van betekenis veranderd is.

Hoe de waarheid zich ontwikkelde…

In een notendop stelt hij dat waarheid in de geschiedenis drie gedaanteverwisselingen heeft ondergaan. In de tijd voor de wetenschappelijke revolutie kwam de waarheid van buitenaf: je kwam achter de waarheid door openbaring en geloof in de waarheid ging samen met macht – je geloofde wat de vorst geloofde: goedschiks of kwaadschiks. Het christendom, de islam en het platonisme beroepen zich op dit waarheidsbegrip.

Daarna kwam de moderne tijd waarin wetenschap de waarheid toe-eigende en stelde dat waarheid gevonden kon worden in de natuur, door het uitvoeren van vernuftige experimenten. Je geloofde dat waarin de natuur bewijs voor was. Religie moest plaatsmaken voor de wetenschap, voor rationalisme, empirisme en (klassiek) liberalisme.

Vervolgens kwam het post-modernisme op waarin de natuur als scheidsrechter weer betwist werd, en waar waarheid niet langer als iets objectiefs werd gezien, maar als een sociale constructie. Waarheid werd iets dat door mensen uitgevonden is, meervoudig – er zijn meerdere waarheden- en daarmee ook altijd bediscussieerbaar. De hoop op een definitief antwoord was vervlogen. ‘Waar’, was datgene waartoe je overtuigd werd door anderen. Volgens Rob Wijnberg gaf dit voeding aan het existentialisme, het individualisme en het relativisme.

Ik ben een kind van de laatste twee stromingen. Als wetenschappelijk geschoolde kan ik het rationalisme niet loslaten en blijf maar geloven dat er voor standpunten hard bewijs moet zijn; of tenminste dat voor standpunten waarvoor bewijs is meer te zeggen valt, dan voor standpunten waar dat ontbreekt. Maar als kind van de jaren 70 ben ik geworven voor het idee dat er altijd meerdere zienswijzen zijn en dat wat je gelooft zo sterk samenhangt met je perspectief. Dat ‘waarheid’ – als iets dat je persoonlijke perspectief overstijgt – ‘niet bestaat’, en dus misschien ook niet nastrevenswaardig is: er is niet één waarheid.

Daarom vind ik het zo lastig een blogje over de waarheid te schrijven. Voor je het weet moet ik tussen mijn identiteiten als wetenschapper of als kind van het postmoderne tijdperk kiezen en ik weet – 48 jaar oud, inmiddels – niet of ik daar al aan toe ben.

Het is een worsteling die ik veel om me heen zie: we willen de methoden, manieren, activiteiten, standaarden en houdingen aanmeten die ons kunnen helpen om de waarheid aan onze kant te krijgen, maar we willen ook respect blijven hebben voor degenen die denken dat daar andere ‘dingen’ voor nodig zijn. We willen de waarheid wel, maar we willen er geen bloed over vergieten. En we willen wel respect hebben voor alle visies, maar we vinden er het onze van.

Waar het met de waarheid heen moet…

En het is ook een worsteling die ik in Wijnbergs betoog terugzie. Na het postmodernisme volgt volgens Wijnberg nog de postmoderne consumptietijd. Hierin is de samenleving – en dus ook de waarheid – volledig overgeleverd aan de markt en het hyperindividualisme, hetgeen onze samenleving ontwricht.

Het geeft Wijnberg een podium om zijn mediakritiek nog eens te ontvouwen. Media, met name nieuwsmedia, richten zich op de negatieve uitzonderingen en niet op de positieve ontwikkelingen en de onderliggende structuren. Hierdoor storten we onszelf als samenleving, vaak ten onrechte, in pessimisme over de wereld en raken we het zicht kwijt op wat er echt toe doet. Waarheid is een product geworden. Mediabedrijven bedienen nu doelgroepen met waarheden de consumenten goed uitkomen.

We hebben volgens Wijnberg een ander soort waarheid nodig, niet een waarheid die ons verdeeld, maar een die ons verbind. We moeten gaan zien hoe sterk mensen onderling verbonden zijn en hoe alles met alles verbonden is in de natuur. Met die waarheid in de hand kunnen we als mensheid samenwerken om een supranationale, vreedzame, eco-centrische, harmonieuze, netwerksamenleving bereiken. We hebben, kortom, een nieuw vooruitgangsideaal nodig.

#hoedan?

Allebei deze stappen (of tijdperken) doen mij wat geforceerd aan. Er is in de ruim 30 jaar dat het World Wide Web bestaat zoveel tegenstrijdigs over geroepen – en dan vooral over hoe het onze samenleving beïnvloed -, dat ik elke visie die al te veel leunt op deze jaren ben gaan wantrouwen. Zeker in een ‘grote lijnen-analyse’ die in de oudheid begint.

Als je met zevenmijlslaarzen van nul tot nu door de geschiedenis gaat, lijkt het me wat haastig om aan de laatste paar decennia een nieuw tijdperk toe te kennen. Om de grote vraag hoe onze samenleving met de waarheid omgaat te kunnen beantwoorden, hebben we meer historische afstand nodig.

En dan is er nog de toekomstvisie die aanlokkelijk is, maar die natuurlijk niet vanzelf waarheid wordt. Misschien hoeft dat ook niet, en moeten we eerst schetsen hoe we het zouden willen voordat we het waarmaken, maar Wijnbergs visie is op zoveel punten precies het tegengestelde van de postmoderne consumptiemaatschappij, dat het wel wat meer voeten in de aarde zal hebben dan de wil om samen de schouders onder de klimaatcrisis te zetten.

De waarheid als essentie of als ideaal?

Mijn ongemak met “Voor ieder wat waars” zit hem misschien niet eens zozeer in hoe het betoog is opgebouwd, maar meer in hoe Wijnberg het begrip waarheid zelf hanteert. Wijnberg past een denktrant op de toekomst toe die meer geschikt is voor een historische analyse.

Wat Wijnberg in het eerste deel van het betoog steeds doet, is de samenleving of de cultuur terug te brengen tot een bepaald waarheidsbegrip, maar in het laatste deel draait hij het om. Hier presenteert hij een waarheidsbegrip als een vormend ideaal voor een alternatieve samenleving. Die andere manier om met het waarheidsbegrip om te gaan vraagt misschien om een ander soort betoog.

Laten we de manier waarop Wijnberg het begrip waarheid definieert er eens bij pakken. Op bladzijde 9 stelt hij: “wat liefde is voor de mens, is waarheid voor de mensheid”. Waarheid is een verlangen van een samenleving. Een verlangen dat activerend werkt, dat grootse daden inspireert, maar dat mensen ook uit elkaar kan spelen. In het verleden hebben culturen verschillende betekenissen aan waarheid toegedicht. Maar waarheid gaat diep: het is de bril waardoor een samenleving naar de wereld kijkt.

Als we het hele betoog terugbrengen tot het benoemen van ‘het verlangen van de samenleving’ in een bepaalde periode krijgen we: vroeger verlangde de samenleving naar verlossing, toen naar vooruitgang, daarna eerst naar bevrijding en toen naar behoeftenbevrediging; en in de toekomst is het nodig dat we naar collectieve vooruitgang streven.

Je voelt de omdraaiing meteen als het naar de toekomst toe gaat. Het dominante waarheidsbegrip wordt eerst als een gevolg van de verhoudingen in de samenleving gepresenteerd en daarna als iets anders.

Waarheid als verlossing is een gevolg van de hiërarchische verhoudingen in de oudheid en middeleeuwen, waarheid als vooruitgang is het gevolg van het succes van de wetenschap, waarheid als bevrijding is een reactie op de twee wereldoorlogen, waarna waarheid als behoeftenbevrediging een gevolg is van de opkomst van de moderne consumptiemaatschappij.

Hoe zit het dan met waarheid als collectieve vooruitgang? Is Wijnbergs betoog: we moeten waarheid gaan zien als collectieve vooruitgang en dan volgt een duurzame transitie? Of is zijn betoog eerder: om een duurzame transitie in te gaan moeten we waarheid wel gaan zien als collectieve vooruitgang? Of zegt hij: we gaan een duurzame transitie in en daarom zullen we ander waarheidsbegrip gaan hanteren?

Ook Wijnberg lijkt te schakelen tussen de rationalist in hem, die objectief wil vaststellen welk waarheidsbegrip in verschillende culturen wordt gehanteerd, en de postmodernist in hem die denkt dat hij kan kiezen welk waarheidsbegrip hem het beste uitkomt. Die switch zit me dwars, niet in de laatste plaats omdat ik er zelf ook vaak last van heb. Ik denk dat we allemaal snakken naar het optimisme dat uit het toekomstbeeld van Wijnberg spreekt, maar het helpt niet om het als een logisch vervolg van de geschiedenis te presenteren. Dat is me net iets te vrijblijvend.

Meer lezen?

Ik had “Voor ieder wat waars” zeker niet zo kritisch besproken als ik het niet heel erg de moeite van het lezen waard vond. Het is een fijn en prikkelend betoog, waar je een stuk meer uit kan halen dan ik in dit blogje recht kon doen.

Ik duid de switch in het boek tussen een analyse van het verleden en het dromen van een toekomst als het verschil tussen diagnose- en doelkennis, waar mijn laatste blog over ging. Eerder schreef ik al over deze “denkfout” in in opdracht van de tijd.

Ik schreef al eerder over hoe ik me tot hedendaagse mediakritiek verhoud in bubbel en media.

3 reacties Een reactie plaatsen

Doelkennis

Arbeiders, sporters, coaches, uitvinders, ontwerpers, ingenieurs, beleidsmakers, nou ja – eigenlijk allerlei mensen- veranderen de wereld met een bepaalde bedoeling. Ze willen iets bereiken, ze hebben een idee van wat er kan en ze gaan er dan voor, of ze roepen dat anderen dat zouden moeten doen. Ik hoop eigenlijk niet dat ik je iets nieuws vertel, zelfs niet als ik eraan toevoeg dat ze dat met kennis van zaken doen. De vraag die in dit blogje centraal staat, is over wat voor kennis we het dan hebben.

Dat dat niet, of in ieder geval niet alleen, om feitenkennis kan gaan, besprak ik al in mijn vorige blogje. Edison had een boel uit te dokteren om een gloeilamp te kunnen maken, en veel daarvan blijkt slecht terug te voeren te zijn op feitenkennis. Het idee dat het slim was om aan een gloeilamp te werken was geen feit, en veel dingen die Edison moest achterhalen om de gloeilamp te maken ook niet. Niet alleen omdat het ging om dingen die nog niet bekend waren, maar ook omdat ze, zelfs met de kennis van nu, geen feitelijk karakter hebben. Doelen, functies, wensen en kansen; ze zijn enorm belangrijk en we hebben er kennis van, maar die kennis zit anders in elkaar dan die van feiten en natuurwetten.

Een pragmatische benadering

Nu denk ik dat er een slimmere manier is om naar dit probleem te kijken dan door een onderscheid te maken tussen feiten en ‘de rest van de kennis die mensen hebben’. Van feiten hebben we inmiddels aardig in kaart gebracht hoe ze tot stand kunnen komen, maar voor ‘de rest van de kennis’ niet. Het gaat om kennis, dus, die mensen gebruiken, maar die niet feitelijk van karakter is. We hebben daar niet eens een goede indeling van. Laat staan dat we begrijpen hoe je eraan kan komen. Toch hoeven we niet te wanhopen over de kans om daar meer over te leren. Volgens mij kunnen we een aanpak lenen van de pragmatische taalkunde.

De taalkunde is grofweg verdeeld in de formalistische school en de pragmatische school. De formalistische school bestudeert de eigenschappen van talen alsof taal een natuurlijk verschijnsel is. Ze proberen de structuur van taal in kaart te brengen en de onderliggende regels (wetten) te achterhalen, zonder al te veel om te kijken naar de mensen die die talen gebruiken en hun bedoelingen. Taal komt voort uit de natuur – en dient dus bestudeerd te worden als iets natuurlijks. Daar staat de pragmatische school tegenover, die taal vooral als een sociaal verschijnsel ziet. Ze probeert te onderzoeken hoe mensen taal gebruiken om dingen van anderen gedaan te krijgen. Een pragmatische taalwetenschapper kijkt ook naar de techniek en structuur van taal, maar altijd op basis van wat mensen ermee willen bereiken. Voor een formalist is de frase ‘dag schoonheid’ een constructie waarin een zelfstandig naamwoord wordt ingezet om iemand te identificeren; voor een pragmatist is het een versierpoging.

Nou ja, de vraag is dus: kunnen we de pragmatische denktrant ook op kennis loslaten? Kunnen we kennis begrijpen door te kijken naar de sociale doelen die mensen ermee nastreven? Ik denk van wel. Wat we volgens mij kunnen doen, is eerst kijken naar waar mensen kennis voor gebruiken – dus wat ze doen met kennis – en dan terug redeneren naar wat voor kennis daarvoor nodig is. We stellen ons eerst de vraag welke kennis mensen gebruiken voor activiteit x of y, en als we daar antwoord op hebben, vragen we ons af wat de eigenschappen van die kennis moeten zijn om gebruikt te kunnen worden voor x of y. We redeneren dus van het nut van de kennis terug naar het karakter van de kennis. Als we dat karakter eenmaal kennen, kunnen we misschien ook iets zeggen over hoe we aan dat soort kennis kunnen komen – maar dat is voor een later blogje.

Een pragmatische blik op ontwerpkennis

De spannende vraag is natuurlijk wel wat we kiezen voor x en y. Als we voor (x) handballen nemen, dan kunnen we over het karakter van de kennis zeggen dat handbalkennis voor een belangrijk deel in het lijf zit (balgevoel), en dat het meteen tot actie moet leiden (spelinzicht), en niet via ingewikkelde redeneringen moet verlopen. Dat is heel anders dan de kennis die nodig is om (y), een boek te lezen, want dan gaat het om kennis in het hoofd (taal) en kennis die helpt om het verhaal te volgen en te begrijpen. Dan is er veel meer tijd om die kennis te activeren. Althans, als je zo langzaam leest als ik.

Er is duidelijk andersoortige kennis nodig voor handballen en lezen, maar voor een theorie over kennissoorten is het misschien niet zo handig om zulke concrete voorbeelden te nemen. Met zulke voorbeelden richt je je aandacht op de inhoud van de kennis (handballers hebben balgevoel nodig) en minder op het karakter van de kennis (snelle kennis versus langzame kennis). Daarbij komt nog de vraag hoe je het kan generaliseren. Voor je het weet, heb je meer soorten kennis geïdentificeerd dan er letters in het alfabet zijn; en wat moet je dan?

Kennisintensieve taken in het ontwerp

Het is dus zoeken naar een kernachtige manier om verschillende dingen die mensen kunnen doen samen te vatten, zodat we het bos door de bomen blijven zien. Als we het over ontwerpen hebben, dan kan het ontwerpproces misschien een goede basis zijn. Ontwerpprocessen geven weer welke activiteiten ontwerpers uitvoeren om tot een oplossing te komen. Misschien kunnen we daar karakteristieken van de onderliggende kennis uit afleiden.

Nu zijn er heel veel beschrijvingen van het ontwerpproces – en sommige hebben wel meer dan 26 activiteiten, helaas -, maar de meest grofmazige samenvattingen van ontwerpen beperken zich tot drie fasen, of taken. Ten eerste (1) analyseren ontwerpers de huidige situatie om te ontdekken wat er beter kan. Ten tweede (2) beelden ontwerpers zich in hoe het beter kan; en ten derde (3) vertalen ontwerpers die ideeën in oplossingen die in de praktijk gerealiseerd kunnen worden. Ik noem die taken vaak |is|, |kan| en |zal|, maar je zou ook van diagnose, doel en resultaat kunnen spreken.

Ok. Drie activiteiten, drie soorten kennis, met elk andere karakteristieken… komen we daar uit? Ons plan was om vanuit het nut van kennis terug te redeneren naar het karakter van de kennis. Om, eens en voor altijd, vast te stellen wat voor soort dingen je nodig hebt om tot ‘|is|, |kan| en |zal|’ of ‘diagnose, doel en resultaat’ te komen in het ontwerp. Zal ik het enige goede antwoord meteen maar geven? Ik heb het tenslotte zelf bedacht…

Kennisfuncties in het ontwerp

Om de huidige situatie te kunnen analyseren, moeten we hem kunnen beschrijven en verklaren. Het beschrijven helpt om te ontdekken wat er speelt en het verklaren om te achterhalen waarom het gaat zoals het gaat. Bij het herontwerpen van een park stellen ontwerpers bijvoorbeeld vast dat mensen zich er nu onveilig voelen (wat) omdat er veel ongure donkere plekken zijn (waarom).

Om te kunnen bedenken hoe het anders kan, moet je je alternatieven moeten kunnen inbeelden, en zul je die alternatieven moeten kunnen waarderen (op waarde kunnen schatten). Bij het inbeelden bedenk je wat je zou kunnen veranderen, en bij het waarderen waarom dat een goed idee zou zijn. Bij het herontwerpen van een park, kijk je bijvoorbeeld naar verschillende manieren om het park lichter te maken. Dat kan bijvoorbeeld door beplanting weg te laten, zodat er minder donkere hoekjes zijn of door meer straatverlichting te plaatsen (wat). Beplanting weghalen verdient de voorkeur, omdat het gevoel van ruimte vermoedelijk bijdraagt aan gevoelens van veiligheid (waarom).

Om een oplossing te bedenken die in de praktijk kan werken, moet je voorspellen hoe dingen kunnen uitpakken en die moeten vertalen in voorschriften over wat er nodig is in de situatie waar je voor ontwerpt. Voorspellingen richten zich op waarom dingen gaan zoals ze gaan, en voorschriften op wat er nodig is om die dingen ook waar te maken. Er is bijvoorbeeld een vuistregel die stelt dat, om een veilig gevoel te hebben, je altijd zicht moet hebben op een rand van het park (waarom). Daarom mag maximaal een derde van het grondoppervlak bedekt zijn met struiken en bomen (wat).

De structuur van verschillende soorten kennis…

We hebben dus drie soorten kennis, en zes gewichtige zaken waarvoor die soorten kennis nuttig zijn. Prachtig! Je zou bijna zeggen: knal het even in een plaatje.

Mooi hè. Het plaatje vat keurig samen waar we tot nu toe waren: er zijn 3 taken in het ontwerp, die om hun eigen soort kennis vragen diagnosekennis (|is|), doelkennis (|kan|), en resultaatkennis (|zal|). Diagnosekennis helpt met beschrijven en verklaren, Doelkennis met inbeelden en waarderen (|kan|) en Resultaatkennis met voorspellen en voorschrijven (|zal|). Dat is allemaal mooi maar het zegt nog steeds weinig over het verschil in karakter tussen die verschillende vormen van kennis.

Toch zegt het raamwerk daar ook iets over. Het probeert te zeggen hoe kennis in elkaar zit die helpt met beschrijven en verklaren, met inbeelden en waarderen, en met voorspellen en voorschrijven. Het raamwerk probeert vervolgens te benoemen waar een bepaalde soort kennis iets over probeert te zeggen en wat voor soort abstracties daar behulpzaam bij zijn.

Om bij het eerste setje te beginnen: er is altijd iets dat je wilt beschrijven. We noemen dat fenomenen: dingen die ‘zijn’ of die ‘gebeuren’ in de wereld. En er is ook altijd iets wat je daarvan wil ‘vangen’. In het model worden dit de essenties genoemd. Beschrijvingen en verklaringen brengen dingen die in de wereld gebeuren terug tot hun essentie. Ze leggen vast wat er speelt en hoe we dat het beste kunnen begrijpen. Als we daarbij heel zeker van onze zaak zijn spreken we van feiten, anders misschien van interpretaties of zienswijzen. Het karakter van diagnosekennis is dat ze fenomenen terug kan brengen tot hun essentie.

De professionals waar we dit blogje mee begonnen zullen hun werk graag op een bepaalde manier willen benaderen en gebruiken daar de diagnosekennis voor die ze tot hun beschikking hebben. Een verpleegkundige kijkt naar het gedrag van een patiënt (fenomeen) om vast te stellen of deze nog erg vermoeid is (essentie) na een operatie, bijvoorbeeld. Als de patiënt meer slaapt dan gebruikelijk is, is die nog erg vermoeid. Verpleegkundigen brengen patiëntengedrag in kaart om om de essenties die bij een goed herstel horen te kunnen inschatten.

Voor de meeste mensen is diagnosekennis bekend terrein en dat kun je ook zeggen van resultaatkennis, de laatste kolom in het plaatje. Als je weet hoe dingen werken, kun je voorspellen hoe dingen of mensen zich in bepaalde situaties zullen gedragen. Die zekerheid kun je weer gebruiken om concrete oplossingen voor te stellen die gebaseerd zijn op deze voorspellingen, of wetmatigheden, of – om de taal van het model te blijven volgen – mechanismen. Als je een magneet door een spoeldraad beweegt ontstaat er een elektrische stroom. Dit mechanisme kun je gebruiken om een dynamo te maken, die er voor zorgt dat de beweging van een windmolen omgezet kan worden in elektriciteit.

Resultaatkennis verbind dus (de effectiviteit van) oplossingen met onderliggende (bewezen) mechanismen. Het is maar wat handig als je al weet wat werkt en waarom. Technici gebruiken resultaatkennis om effectieve oplossingen te bedenken, verpleegkundigen om patiënten op een goede manier te behandelen.

De ontdekking van doelkennis

Maar dan is er volgens het model nog een soort kennis. Weliswaar zit ze wat ingeklemd tussen diagnose- en resultaatkennis, maar dat maakt het niet minder een derde soort: doelkennis. Mensen hebben niet alleen kennis van hoe dingen zijn, of wat werkt, maar ook van wat ze willen en hoe dat zou kunnen.

Doelkennis helpt om alternatieven in te beelden en te waarderen. Waar diagnosekennis fenomenen aan essenties verbindt, en resultaatkennis oplossingen aan mechanismen, verbindt doelkennis alternatieven aan idealen. Je zou, helemaal in lijn met het model, kunnen zeggen dat doelkennis gaat over wat zou kunnen en wat fijn (of.. goed) zou zijn. Doelkennis is wat ons drijft: we willen dingen bereiken in het leven en we zoeken naar mogelijkheden, manieren, om dat voor elkaar te krijgen. Arbeiders willen hun werk gedaan krijgen, sporters willen de beste worden in iets, beleidsmakers willen de wereld in een bepaalde richting duwen; daarvoor hebben ze doelkennis nodig.

Het woord doelkennis is misschien niet zo goed gekozen. De suggestie is een beetje dat doelkennis vooral gaat over wat we willen, maar de belangrijkste waarde van het model hierboven is juist dat het laat zien dat wat we willen niet onafhankelijk is van wat we denken dat mogelijk is. Aan de ene kant heeft het weinig zin dingen na te streven die onmogelijk zijn, dingen waarvan we ons niet eens kunnen voorstellen hoe ze in de praktijk gerealiseerd kunnen worden. Aan de andere kant heeft het weinig zin een idee te presenteren, een alternatief, zonder daarbij in te gaan op wat de doelen en waarden zijn die je met dit alternatief zou willen omarmen.

Doelkennis is dus ‘af’ als de hele verticale kolom is ingevuld. Er zijn bepaalde idealen, die zich vertalen in bepaalde doelen en waarden. Die kunnen worden gerealiseerd met bepaalde soorten oplossingen (alternatieven) die voldoen aan de geformuleerde idealen. Of andersom: een bepaald alternatief is interessant of kansrijk omdat het voldoet aan bepaalde waarden, die te koppelen zijn aan nastreefbare idealen. Alternatieven en idealen gaan hand in hand. Doelkennis verbindt die verschillende elementen.

Doelkennis is overal!

In haar, zeer voorzichtige, column over activistische wetenschap in NRC stelt Loïse el Fresco over de klimaatwetenschap: “De (bijna) unanieme wetenschappelijke diagnose – versnelde opwarming van de atmosfeer door de sterke uitstoot van broeikasgassen sinds de industriële revolutie – leidt (nog) niet tot wetenschappelijke consensus over hoe het verder moet. Vervangen van fossiele brandstoffen vraagt om zorgvuldiger discussie over wat, waar en hoe snel.”

Ze doet eigenlijk een oproep voor doelkennis: welke alternatieven zijn er (?) en aan welke (mix van) doelen voldoen deze (?). Deze doelkennis is volgens haar niet per se wetenschappelijk van karakter. Politici debatteren over doelen en mogelijkheden, terwijl wetenschappers over feiten debatteren. En terwijl we de taken keurig netjes hebben verdeeld brand de natuur de aarde op, op weg naar haar ondergang.

In haar oproep tot doelkennis is ze lang niet de enige, doelkennis vinden we in de sustainable development goals, een opdracht aan de wereld om bepaalde doelen boven andere te stellen. We vinden het in elke organisatie die missie- en visiedocumenten opstelt. We vinden het bij individuen, jij en ik, die het ene belangrijker vinden om te doen dan het andere. En die opzoek zijn naar manieren om nog gezonder of gelukkiger te worden.

Maar als doelkennis, zo belangrijk is, moet je je afvragen waarom we de wetenschappers er niet bij betrekken. Hoe kan het dat we de politiek verantwoordelijk stellen voor kennis over doelen en de wetenschap voor kennis over feiten. Wat nou, als we de scheiding van verantwoordelijkheden – die er blijkbaar is – opheffen (?). Wat nou als we stellen dat kennis over doelen en mogelijkheden wél onderdeel uitmaken van de wetenschap. Als we de wetenschap de taak geven om te verbeelden hoe dingen anders kunnen en wat daarin wenselijk en (on)wenselijk is. Verliezen we dan de wetenschap?

Een andere wetenschap…

Het antwoord is natuurlijk nee. Ten eerste omdat wetenschap nooit waardenvrij geweest is en ten tweede omdat ze nooit waardenvrij zal worden. De objectiviteit van de wetenschap is een streven – of een ideaal -, of als je wat cynischer bent, een masker waarachter ze zich verbergt om haar gezag niet te verliezen.

Zelfs als je wetenschap uitsluitend ziet als een neutrale zoektocht naar hoe de natuur functioneert, en de natuur ziet als een neutrale scheidsrechter in deze zoektocht, zul je moeten erkennen dat datgene wat we in de natuur zoeken een persoonlijke of maatschappelijk geïnspireerde keuze is. De scheidsrechter is misschien neutraal, maar het spel dat we hem voorleggen is dat niet.

Daarmee is de wetenschap allang een politieke speler. Ze gebruikt haar beroep op de feiten om politici te beïnvloeden, of aan te manen, of te informeren – en geen van deze acties is ongemotiveerd (lees: waardenvrij, neutraal, feitelijk). Beter zou het zijn een wetenschap te ontwikkelen waarin we ons richten op de échte vragen: wat doen we ermee, wat kan, wat willen we? En waarin we de kracht van de wetenschap: haar kritiek, haar twijfel, haar inventiviteit ten volle inzetten om die échte vragen te beantwoorden.

Nu zijn er natuurlijk wetenschappen die dat allang doen. De menswetenschappen, de filosofie en de ethiek, ‘kritische’ theorie in allerlei disciplines en kritisch- en speculatief ontwerp dragen bij aan ons begrip van wat we willen, van wat we zouden moeten willen en hoe dat eventueel zou kunnen. Geen van deze wetenschappen heeft een ‘natuurlijke’ scheidsrechter tot zijn beschikking, maar deze wetenschappen dragen enorm bij aan onze belangrijkste vragen in het leven: waar willen we heen?, waarom?, en hoe kan dat?

De grote wetenschapsfilosofische vraag van vandaag is volgens mij niet óf wetenschap een rol kan spelen in het ontwikkelen van doelkennis, maar meer hoe we de scheidslijn kunnen beslechten tussen die wetenschappen die zichzelf als neutraal zien en die wetenschappen die hun normatieve karakter erkennen.

Wat is de juiste manier om de kruisverbanden tussen essenties, idealen, en mechanismen en fenomenen, alternatieven en oplossingen in kaart te brengen? Welke verbanden bestaan tussen die drie soorten kennis en welke bewijslast willen we daarvoor zien? Als we die vragen beantwoorden, kunnen we wetenschap een plek geven in het vormen van de wereld. Anders leggen we ons lot in handen van politici.

Meer lezen?

Ik schreef over het verschil tussen ontwerp- en feitenkennis in Ontwerpkennis, het belang van bruikbaarheid van kennis, in Nobel, Stokoude Kennis en Valorisatie.

Het plaatje in dit model komt uit het Handboek Ontwerpgericht Wetenschappelijk Onderzoek dat onlangs bij Boom Uitgeverij verschenen is. Dit is weer gebaseerd op een eerdere Engelstalige publicatie van mijn hand.

8 reacties Een reactie plaatsen

Ontwerpkennis

Weten hoe iets zit en hoe iets kan, dat zijn heel verschillende zaken. Het zou voor sommige mannen misschien gezonder zijn om een paar kilo af te vallen, maar hoe ze dat voor elkaar moeten krijgen weten ze niet. Vooruit: misschien weten ze wel hoe het zou kunnen, maar lukt het ze toch niet. Want weten hoe het kan en het daadwerkelijk voor elkaar boksen zijn ook weer heel verschillende dingen.

Het zijn slechte voorbeelden, natuurlijk, maar dat feitenkennis zich niet één-op-één vertaalt in oplossingen voor wereldse problemen wordt eigenlijk door niemand ontkend. Tegelijkertijd blijkt het knap lastig om te zeggen hoe die relatie tussen feiten en oplossingen precies in elkaar zit. Veel mensen houden eraan vast dat oplossingen gebaseerd zijn op feiten, of dat ze dat zouden moeten zijn, maar het valt niet mee om dat uit te werken. De intuïtie zegt toch, dat er om een elektromotor te maken meer nodig is dan wetten over stroom en spanning.

Hoe ver is de wetenschapsfilosofie in het beantwoorden van dit vraagstuk? Zijn er al goede pogingen om vast te stellen dat – en hoe – ontwerpkennis anders is dan feitenkennis en hoe die twee soorten kennis samenhangen? Of lopen filosofen weer achter de feiten aan en discussiëren ze nog altijd of wetenschappers wel goede manieren hebben om de feiten zelf vast te stellen?

Nou ja, het laatste natuurlijk, maar er zijn wel uitzonderingen. Zo doen Anthonie Meijers en Peter Kroes een oproep aan collega-filosofen om dit probleem serieuzer te nemen. Het aardige van hun analyse is dat ze Edisons patent op de gloeilamp als basis gebruiken.

De uitvinding van de gloeilamp

Voor die lezers die de gloeilamp alleen nog uit het museum kennen… Het idee is vrij simpel: als je een elektrisch stroompje door een draad laat lopen wordt die draad warm. Je kunt de draad zoveel verwarmen dat hij gaat gloeien. In principe is dit een manier om elektriciteit in licht om te zetten. In principe, want de praktijk is best complex. Edison stelt:

Ik claim als mijn uitvinding:

1 Een elektrische lamp voor het geven van licht door gloeien, bestaande uit een gloeidraad van koolstof met hoge weerstand, gemaakt zoals beschreven en bevestigd aan metalen draden, zoals uiteengezet.

2 De combinatie van koolstoffilamenten met een geheel uit glas vervaardigde ontvanger en geleiders die door het glas gaan en uit welke ontvanger de lucht wordt afgevoerd voor de beschreven doeleinden.

3 Een koolstoffilament of -strip die opgerold en verbonden is met elektrische geleiders zodat slechts een deel van het oppervlak van dergelijke koolstofgeleiders blootgesteld wordt aan het uitstralen van licht, zoals uiteengezet.

4 hierin beschreven methode voor het bevestigen van de platina-rijdraden aan het koolstoffilament en het carboniseren van het geheel in een gesloten kamer, in hoofdzaak zoals uiteengezet.

Maakt Edison het hier onnodig ingewikkeld? Of is hij juist heel precies over wat er voor een gloeilamp nodig is? Het laatste is het geval. De principes: een geleider wordt warm als er een elektrische stroom doorheen gaat en bij zeer hoge temperaturen gaat hij gloeien, zijn bij lange na niet genoeg om een gloeilamp te bouwen.

Edison moest uitvinden welk materiaal hij het beste voor de gloeilamp kon gebruiken. Dat werd koolstof, omdat dat een hoge elektrische weerstand heeft en er dan minder stroom nodig om de draad te laten gloeien (1). Dat is weer nodig omdat je niet wilt dat de stroomdraad die naar de lamp toegaat ook gaat gloeien (3). Daarbij moest Edison nog zorgen dat de gloeidraad niet verbrandde. Dat zat voor een deel in de keuze voor het materiaal van de gloeidraad, maar wat ook hielp was om de gloeidraad in een glazen omhulsel te stoppen zonder zuurstof (2). Om dit te kunnen bereiken was een techniek nodig die kon zorgen dat er wel stroomdraden het glazen omhulsel in konden gaan, zonder dat er alsnog zuurstof in de lamp kwam (4).

Wat opvalt aan dit voorbeeld is dat er veel meer kennis nodig is dan het basisprincipe. Om dat principe concreet uit te werken moeten keuzes gemaakt worden die vervolgens weer tot nieuwe uitdagingen leiden. Er is meer concrete kennis nodig en die kennis is uitgebreider, ze omvat een veel breder scala aan onderwerpen dan eerst gedacht.

Maar je zou nog altijd kunnen zeggen dat het allemaal feitenkennis is. Er kwamen veel meer feiten bij kijken dan we ons eerst konden voorstellen en soms waren de oplossingen er allang voordat de feiten op een deugdelijke manier bewezen waren, maar dat is allemaal minder belangrijk. Als het lukt om een reconstructie te maken waarin we alle feiten die nodig zijn om een gloeilamp te kunnen maken op een rijtje zetten, dan vergeven we het Edison dat hij niet al die feiten kende, en dan stellen we met terugwerkende kracht dat de gloeilamp gebaseerd is op feitenkennis.

Wat Edison nog meer moest weten…

Je raadt het al, dit is precies wat Anthonie Meijers en Peter Kroes betwisten. Zij wijzen erop dat er allerlei vormen van kennis een rol spelen die niet feitelijk van aard zijn. Laat ik er twee toelichten.

Know-how en voorschrijvende kennis
Hoe maak je een gloeidraad die niet opbrandt? Hoe vervaardig je een glazen bol? Hoe zuig je de lucht daaruit? Om een technisch artefact te kunnen maken moet je heel veel hoe-vragen beantwoorden.

Nu zou je kunnen zeggen dat een procedure bewezen kan worden. Als je met een rietje in een bol van gesmolten glas blaast en je laat het afkoelen ontstaat een hol glazen voorwerp. Dat kun je gewoon duizend keer doen en daarmee statistisch aantonen dat het werkt.

Maar Meijers en Kroes stellen dat je dan de werkzaamheid bewijst en niet de waarheid. Je doet geen uitspraak over de natuur, maar over hoe dingen aangepakt kunnen worden. Daar liggen menselijke keuzes aan ten grondslag, en het is dus een andere vorm van kennis dan de feitenkennis waar de meeste filosofie over gaat.

Kennis van functies
De functie van een gloeidraad is oplichten als je er een stroompje doorstuurt. Een belangrijk onderdeel van het werk van Edison was om het totale probleem van het maken van elektrisch licht op te delen in losse onderdelen met elk hun eigen functie. De gloeidraad voor het geven van licht, de glazen bol om de gloeidraad te beschermen tegen zuurstof en de aanhechting om te zorgen dat er toch stroom de bol in kan. Is het een vorm van feitenkennis dat je bepaalde onderdelen nodig hebt met specifieke functies?

Net als procedures zijn functies niet los te zien van menselijke keuzes. We willen bepaalde dingen bereiken. Daarom maken we functionaliteiten. Je kunt functionaliteiten kiezen of realiseren, maar niet bewijzen.

Vooruit, je zou misschien wel kunnen bewijzen dat het noodzakelijk is om de gloeidraad te beschermen tegen verbranding. Dan zeg je eigenlijk dat het een feit is dat de ene deeloplossing niet zonder de andere kan. Om twee redenen is dat problematisch. Ten eerste blijkt het vaak wél anders te kunnen. Inmiddels hebben we wél elektrisch licht zonder gloeidraad. Maar ten tweede blijft het om een technische keuze gaan, een keuze waarvan je de effectiviteit kan aantonen, maar niet de waarheid.

Conclusies

Meijers en Kroes beweren dus dat er kennis nodig is voor het maken van technische artefacten die niet feitelijk van aard is. De techniek is niet terug te brengen tot de natuurkunde, zelfs niet bij ogenschijnlijk simpele oplossingen zoals de gloeilamp. Filosofen zouden er dus goed aan doen om ook de andere soorten kennis die nodig zijn voor technische oplossingen te befilosoferen zodat we ontwerp en de technische wetenschappen beter begrijpen.

Of je het daarmee oneens kunt zijn dat weet ik niet, maar het voorbeeld van Edison laat wel zien dat een fundamenteler begrip van wat ontwerpkennis is niet vanzelf leidt tot een beter ontwerp, of tot sterkere ontwerpwetenschappen. Om die stap te zetten hebben we, naast betere basisprincipes, misschien ook concretere en uitgebreidere kennis nodig van de praktijken die we willen verbeteren. We hebben ontwerpkennis over ontwerpen nodig.

Meer lezen?
Ik baseerde me in dit blogje op het artikel “Extending the scope of the theory of knowledge.”, dat ik sterk vereenvoudigde, hopelijk zonder het orgineel al te veel geweld aan te doen.

Ik sprak al eerder over dit probleem in het blogje “in opdracht van de tijd”, waar ik bespreek hoe de Russische communistische revolutionairen het onderscheid tussen ontwerp- en feitenkennis niet kenden. In de technische wetenschappen wordt wel beweerd dat de visie van Larry Laudan die wetenschap als een vorm van probleemoplossen ziet de kritiek van Meijers en Kroes omzeilt, maar dat denk ik een stretch. Laudan besteed niet specifiek aandacht aan technische problemen.

5 reacties Een reactie plaatsen

Kennis in Actie

Auteur: Koen van Turnhout

De Chinese Kamer

De wetenschapsstijlen van Chunglin Kwa

Kencultuur

Toekomstindustrie

Ontwerperig

Peilingen

Vraaggestuurd

Waar

Doelkennis

Ontwerpkennis