Moeras

Veel metaforen die mensen voor kennis gebruiken idealiseren het begrip wel een beetje: een boom heeft structuur en groeit, containers zijn handig om dingen netjes in op te bergen, in netwerken is alles met alles verbonden, een kennisstroom gaat ergens heen. Dat zijn natuurlijk mooie eigenschappen, maar het zijn misschien meer eigenschappen waarvan we zouden willen dat kennis ze bezit dan dat dat ook daadwerkelijk zo is. Deze metaforen schilderen kennis eigenlijk af als het mooiste meisje van de klas, waar we jammer genoeg toch nooit mee gaan trouwen. Daarom gooi ik het nu eens over een totaal andere boeg. Wat als we kennis niet vergelijken met iets moois en verhevens, maar eerder met de stinkende, natte en zompige werkelijkheid van het moeras?

Als ze het durven toegeven zullen veel onderzoekers zullen het wel een treffende vergelijking vinden denk ik. Ik voel me bijvoorbeeld vaak als een soort Baron von Munchausen die zichzelf aan de eigen haren uit het moeras trok; met dat verschil dat het hem wèl lukte. Steeds als ik iets nieuws probeer te begrijpen is het zoeken naar houvast en structuur. Het lukt je wel eens ergens een takje vast te pakken om wat houvast te hebben; of om ergens een beetje vaste grond onder je voeten te voelen, maar je hoeft maar één stap te zetten en je zakt weer helemaal weg in de modder.

Ook als je geen onderzoeker bent, kun je iets met deze metafoor. Denk eens aan de voorzichtigste eerste stapjes die je soms zet om iets te begrijpen dat helemaal nieuw voor je is. Je probeert nieuwe begrippen altijd terug te brengen tot dingen die je al kent, maar omdat dat maar ten dele lukt kun je je behoorlijk verloren voelen. Er is geen overzicht: je krijgt je hoofd er nooit helemaal omheen; je hebt geen vaste grond om op te staan. Uiteindelijk krijg je natuurlijk wel meer begrip, je leert de omgeving van het nieuwe idee beter kennen, er ontstaan olifantenpaadjes waarlangs je weet dat het begrip benaderbaar is. Zo komt het langzaam binnen bereik. Maar owee als iemand een onverwachte vraag weet te stellen, dan ben je weer helemaal verloren. Als je het idee weer langs een nieuwe weg moet bereiken is de kans op natte voeten weer levensgroot.

Als een van de weinige kennismetaforen benadrukt het idee van kennis als een moeras hoe moeilijk leren en onderzoeken werkelijk zijn; hoe lastig, onvindbaar en slecht begaanbaar de wegen naar een nieuwe kennis – in je hoofd of in de wereld – kunnen zijn. Misschien verklaart dat waarom sommigen het opgeven en liever blijven bij wat ze al weten en kunnen, dan dat ze iets nieuws leren.

Dat geldt niet alleen voor individuen. Ook wetenschappelijke disciplines hebben hier last van, waardoor ze soms naar binnen gericht kunnen zijn. De filosoof Imre Lakatos beschreef disciplines eens als dingen met een harde kern van onbetwijfelbare waarheden, met daaromheen een ontwikkelingsgebied dat groter of kleiner kan zijn afhankelijk van de ouderdom van de discipline.

Het beeld van een vestingstad in een verder vrij onbegaanbaar moerasgebied dringt zich dan op. Binnen de discipline is vaste grond: in de vesting bestaan structuren en zekerheden, maar daarbuiten –tussen disciplines in- is het terrein veel onbegaanbaarder. Als wetenschapper heb je een keuze: blijf je veilig binnen de stad om er binnen de spelregels en structuren een betere plek van te maken, of ga je buiten de poorten op ontdekkingstocht uit. Mensen die kennis zien als een gebouw of als een boom, bekijken de kennis zoals die binnen de discipline is opgebouwd. Vaak zullen het ook mensen zijn die liever binnen de stad aan het werk zijn, dan ze er op uit trekken om de drassige omgeving te verkennen.

Geef ze eens ongelijk. Het moeras is koud en nat, je kunt er verdwalen en de kans dat je er een schat vind, of een nieuwe woonplek is bijzonder klein. Maar, nodig is dit soort werk net zo goed. Echt nieuwe kennis, of een brug of begaanbare weg tussen disciplines ligt misschien niet voor het grijpen, maar het is de moeite meer dan waard. Als de buurman niets nieuws wil leren en almaar vast blijft houden aan zijn eigen ideeën dan beschouwen we dat als lui of dom, terwijl we ons niet druk maken als wetenschappers datzelfde gedrag  vertonen.

Meer lezen?

Ik schreef over de voor- en nadelen van wetenschappelijke disciplines in helpt specialiseren. Ik besprak eerder andere metaforen voor kennis zoals de kenniscontainer, kennisstroom, kennisboom, kennisnetwerken en de geheugenmachine.

Ongezond

Als de dokter een medicijn voorschrijft dan mag je hopen dat hij zich goed geïnformeerd heeft, dat de werkzaamheid van het medicijn is aangetoond en dat de bijwerkingen bescheiden zijn – en bekend. Misschien wil je ook nog dat het medicijn beter werkt, of anders toch goedkoper is, dan andere medicijnen op de markt. Om dat allemaal mogelijk te maken bestaat er een praktijk die evidence based medicin heet. Maar in de praktijk van ‘bewezen medicijnen’ gaat zoveel mis dat doctoren eigenlijk geen fatsoenlijke medische beslissingen kunnen nemen.

Dat betoogt, althans, Ben Goldacre in zijn boek “Bad Pharma”. Het is een dikke pil waarin hij de praktijk van evidence based medicin helemaal afpelt. Hij laat zien hoe het zou moeten gaan, welke waarborgen er zouden moeten zijn en op hoeveel plekken het ook mis gaat. Als je evidence based medicin een warm hart toedraagt kan je van Goldacre’s betoog behoorlijk in de put raken, maar om het systeem te kunnen repareren moet je de fouten eerst blootleggen. Of, zoals Goldacre het brengt: “daylight is often a good disinfectant”.

Wat is er mis? Om dat te begrijpen moet je iets weten van de basisprincipes achter evidence based medicin. De gedachte is dat medicijnen grondig worden getest voordat ze (mogen) worden voorgeschreven. Dat gebeurd in zogenaamde “randomised controled trials”. Het medicijn wordt aan een groep patiënten gegeven en een andere groep patiënten krijgt een nepmedicijn – een placebo -, of een concurrerend medicijn. Zo kan de werkzaamheid van het medicijn worden bewezen en kunnen doctoren het daarna met een gerust hart voorschrijven.

Het kernprobleem in deze praktijk is missing data. In essentie is het doen van een medische trial een kwestie van tellen. Hoeveel patiënten zijn gezond geworden in de groep die het medicijn kreeg? Hoeveel in de controlegroep? Is er geen verschil, dan werkt het medicijn niet; is het er wel, dan werkt het. Maar, wat nou als je niet iedereen meetelt? Stel je voor dat je, bijvoorbeeld, mensen die gezond worden van het medicijn wèl telt en mensen waarvoor het niets doet niet. Dat lijkt flauw: alleen de gezonde mensen tellen, maar het is volgens Goldacre precies wat de farmaceutische industrie vaak doet.

Missing data ontstaat grofweg op 2 manieren. Ten eerste worden er flink wat trials uitgevoerd, maar niet gerapporteerd. Neem Reboxetine, antidepresiva. Het medicijn had een positief resultaat in één trial waar 254 patienten aan meededen. Maar, toen onderzoekers gingen graven wisten ze zes, niet gepubliceerde, trials op te sporen met in totaal meer dan 2500 patiënten – zonder resultaat. Werkt Reboxitine? Waarschijnlijk niet. En in ieder geval niet zo goed als dat doctoren die alleen toegang hebben tot de gepubliceerde data denken.

Missing data kan ook in een trial ontstaan, vaak vanwege praktische ingewikkeldheden. Hoe moet je bijvoorbeeld omgaan bij mensen die uitvallen tijdens een trial. Tel je ze bij de groep voor wie het medicijn niet geholpen heeft? Dat kleurt je uitslag negatiever in dan misschien nodig. Of tel je ze helemaal niet mee en doe je alsof ze zich nooit ingeschreven hebben? Dat lijkt een neutrale keuze, maar dat is het niet. Omdat mensen die ziek worden van het medicijn of de bijwerkingen, vaker afhaken is de kans heel reëel dat het juist een positieve kleuring aan de resultaten geeft. Of wat te doen met trials die vroegtijdig gestopt worden? Niemand wil natuurlijk dat een trial langer duurt dan nodig. Mensen slikken experimentele medicijnen en noodzakelijkerwijs slikt een groep zieke mensen helemaal geen medicijn. Maar als je stopt zodra een trial een voldoende positief resultaat heeft is de kans op een positief resultaat ook groter. Bij een negatief resultaat ga je door, waardoor het nog positief kan worden, maar bij een positief resultaat niet. Ook dan tel je gezonde patiënten zwaarder mee.

Deze problemen spelen in alle trials, niet alleen die die door de farmaceutische industrie worden uitgevoerd, maar daar gaat het, misschien niet helemaal onverwacht, wel veel vaker mis. Uit onderzoek blijkt dat als een trial is uitgevoerd door de fabrikant van een medicijn, in plaats van door een onafhankelijke instantie, de kans ongeveer 4 keer zo groot is dat er een positief resultaat uit komt. Dat hoeft geen fraude te zijn: het gaat eerder om ondeugdelijk onderzoek. Fabrikanten van medicijnen kunnen niet tellen. Of eigenlijk is het erger: ze rekenen zich rijk. En ja… verreweg de meeste trials worden uitgevoerd door de industrie. Een positieve trial is immers nodig om een medicijn op de markt te krijgen.

Allebei de vormen van verkeerd tellen zijn volstrekt gangbaar, maar ze vertroebelen het beeld voor doctoren op een ontoelaatbare manier. Feitelijk hebben doctoren, door het oppoetsen van trial data door de industrie, geen basis om deugdelijke medische beslissingen op te nemen. Ze kunnen niet weten of een medicijn werkzaam is omdat de meeste informatie waarop ze zich moeten baseren ontbreekt en omdat die informatie waar ze wel beschikking over hebben alleen bestaat omdat het de fabrikant van het medicijn goed uit kwam. We praten hier niet over één medicijn of een beperkte groep maar voor veel, zo niet alle, medicijnen op de markt. En dat in een praktijk die over leven en dood gaat.

Dat is misselijkmakend natuurlijk. Dus zoekt Goldacre naar oorzaken. Hoe komt het toch dat zoveel data verloren gaat en achter gehouden wordt? Bij zo’n onderzoek komt de farmaceutische industrie er natuurlijk slecht af, maar ook de instanties die de goedkeuring voor medicijnen verlenen, academische tijdschriften, ethische commissies en de overheid laten volgens Goldacre veel te veel steken vallen. Door de bewijslast bij de industrie te leggen en door het ontbreken van waarborgen waardoor alle data ook beschikbaar zijn blijkt de praktijk van evidence based medicin wel heel schraal af te steken bij de ideeën die er aan ten grondslag liggen. En erg gezond is dat niet.

Meer lezen?

Bad Pharma is een bedachtzame aanklacht tegen misstanden in de praktijk evidence based medicin, het staat vol met feiten en inzichten waar ik in dit korte blogje natuurlijk geen recht aan kon doen. Lees het.

Dit is de eerste keer dat ik over evidence practice schrijf. Over de statistiek achter trials sprak ik (indirect) in groepsidentificaties en eerlijk vergelijken. Over de de werelbeelden die achter een diagnose schuil kunnen gaan sprak ik in verkoudheid.

Eerdere boekreviews gingen over Little Science, Big Science van Derek de Solla Price, The Meme Machine van Susan Blackmore , Laboratory Life en Science in Action, beide van Bruno Latour.

A Priori

Ik was laatst in een supermarkt en moest kiezen tussen grapefruits en sinaasappels. Zonder veel nadenken nam ik de grapefruits. Natuurlijk had ik even online kunnen gaan om uit te zoeken welke van de twee gezonder zijn. Of ik had na kunnen gaan hoeveel van beide opties ik het meest gegeten heb in de afgelopen tijd. Of ik had mijn vrouw kunnen appen met de vraag welke zij het lekkerst vind. In al die gevallen had ik meer complete informatie gehad en vermoedelijk een beter besluit genomen. Maar ik deed het niet. Genoeg is genoeg, ook als het om informatie gaat.

Zo gaat het natuurlijk steeds. We nemen verreweg de meeste beslissingen in ons leven met incomplete informatie en daar maken we ons meestal niet druk over. Toch zullen de meesten zeggen dat je beslissingen, als het enigszins kan, moet nemen op basis van de beste informatie die je kunt krijgen. Je moet er niet aan denken dat een dokter zich onvoldoende informeert voor hij een besluit om je te laten opereren of dat een rechter op basis van een half gelezen dossier een straf uitdeelt.

Toch was het juist een berichtje over de rechtspraak – ze willen er algoritmes inzetten om de strafmaat te helpen bepalen – dat voor mij de vraag de vraag opriep of je altijd wel alles moet willen meewegen. Het korte antwoord was nee. Vaak moet je dat niet willen, zeker in de rechtspraak niet.

Vergeef me dat ik om dat toe te lichten er even wat wiskunde bijhaal. Het gaat hier om de wet van Bayes. Thomas Bayes was een Engelse predikant uit de 18e eeuw die de basis legde voor een speciaal soort kansrekening. Hij vroeg zich af hoe je bewijs uit een reeks experimenten mee kon nemen in de kansrekening. Zijn ideeën zijn ook zonder wiskundige basis goed te begrijpen.

Hoe groot is de kans dat er bij jou thuis ingebroken wordt? Er zijn zo’n 45.000 inbraken per jaar in Nederland en zo’n 7,5 miljoen huizen. Dat maakt de kans dat er in een willekeurig huis in Nederland ingebroken wordt zo’n 0,6 procent. Niet erg veel.

Nu zijn er natuurlijk veel redenen te bedenken waarom inbrekers jouw huis sneller zullen uitkiezen. Misschien heb je een hoekhuis, slechte sloten of woon je in een slechte buurt. Als die eigenschappen kun je meewegen in de statistiek. Je kijkt hoeveel vaker er in hoekhuizen ingebroken word, hoeveel vaker in slechte buurten en hoeveel vaker in huizen met slechte sloten en je vermenigvuldigd dit met de algemene kans dat er ergens ingebroken wordt. Misschien kom je dan zelfs wel op 2 of 3 procent uit.

Bayes zou zeggen dat de kans van 0,6 procent dat er in je huis ingebroken wordt de kans vooraf is of de a priori kans. De kans nadat je alle relevante omstandigheden hebt meegewogen is de kans achteraf ofwel de a posteriori kans. Of om de inleiding er nog maar eens bij te halen: a priori zijn sinaasappels even goed als grapefruits, maar als ik meeweeg dat grapefruits iets gezonder zijn, ik ze weinig gegeten heb de laatste tijd en mijn vrouw een voorkeur heeft voor grapefruits winnen ze, a posteriori, de strijd om mijn voorkeur.

De wet van Bayes geeft ons krachtig wiskundig gereedschap om van ruwe inschattingen vooraf, meer verfijnde en precieze inschattingen ‘achteraf’ te maken, door kennis van omstandigheden in te brengen. En dat is precies wat die algoritmen waar de rechtspraak gebruik van wil maken doen.

Stel dat je voor de rechter komt vanwege een licht vergrijp zoals winkeldiefstal. Om je strafmaat te bepalen weegt de rechter allerlei omstandigheden. Misschien werd je er toe verleid doordat je foute vrienden hebt of misschien omdat in de schulden zit. Misschien denkt de rechter dat er een grote kans op recidive (herhaling) is omdat je het al eens gedaan hebt of misschien verwacht de rechter dat je nu je een keer gepakt bent het niet meer zal doen. De rechter past geen vaste straf toe op een vast vergrijp, maar wikt en weegt omstandigheden.

Dat laatste kan enorm verbeterd worden met de Bayesiaanse wiskunde die die algoritmen gebruiken. Er bestaat al een databank met alle gegevens van verdachten: zijn ze bijvoorbeeld man of vrouw, allochtoon of autochtoon, arm of rijk?; van heel veel rechtszaken uit het verleden is dit bekend. Vervolgens kun je met de wet van Bayes in de hand uitrekenen wat de invloed is van al die eigenschappen op recidive – en zo wiskundig bewijs gebruiken bij het bepalen van de strafmaat voor een allochtone, arme vrouw die iemand beroofd heeft.

Je kan dit natuurlijk zien als een verbetering. De rechter woog omstandigheden al mee bij het bepalen van de strafmaat maar nu is ze in staat dit op een preciezere manier te doen. Je zou het ook als een zorgelijke ontwikkeling kunnen opvatten. Het gebruik van algoritmes het proces mechaniseert dat proces. En de rechter gaat zwaarder tillen aan die aspecten die je kan meten (zoals recidive) en minder aan onmeetbare aspecten (zoals sociale invloed).

Maar, ik hoop dat het voorbeeld ook meer fundamentele vragen oproept. Verdien je als vrouw een lichtere straf omdat andere vrouwen minder vaak opnieuw de fout ingegaan zijn? Of verdien je als allochtoon een zwaardere straf omdat andere allochtonen notoire recidivisten bleken? Als het goed is voelt dat idee niet helemaal goed. Ineens blijkt de weging van individuele omstandigheden af te hangen van allemaal groepslidmaatschappen. Dat gaat tegen het gelijkheidsbeginsel in. Het is klassenjustitie.

Als je als individu voor de rechter staat dan wil je je als individu beoordeeld worden. Maar, vreemd genoeg moet de rechter dan heel terughoudend moet zijn met het wegen van persoonlijke omstandigheden. Want hoewel de rechter niet letterlijk Bayesiaanse wiskunde gebruikt, is het onderliggende denkproces natuurlijk vergelijkbaar. Elke inschatting over een ‘omstandigheid’ is gebaseerd op groepslidmaatschap: andere gevallen waar die ‘omstandigheden’ ook speelden. De paradoxale conclusie is dus dat als je wil dat de rechter je als individu beoordeeld, dat deze je persoonlijke omstandigheden niet mee zou moeten wegen en de rechter juist op basis van onvolledige informatie een besluit kan nemen. Het gelijkheidsbeginsel vraagt eigenlijk om de a priori benadering: vaste straffen voor elk vergrijp.

Meer lezen?
In glazen bol besprak ik het gebruik van algoritmen bij de politie al kritisch. In groepsidentificaties en in eerlijk vergelijken lichte ik de relatie tussen groepslidmaatschappen en individuen al eens door. In IQ en waarheidsinjecties besprak ik al eens wat de impact kan zijn van een overdreven focus op metingen.

De zwarte dozen van Latour

Hoe komen wetenschappelijke feiten eigenlijk tot stand? Door experimenten. Althans dat is het antwoord dat veel mensen zullen geven. Het is ook een mooi beeld. Zo’n experiment heeft iets puurs. Feiten openbaren zich in alleen in laboratoria omdat zij daar, dankzij de inventiviteit van de wetenschappers die er werken, losgekoppeld worden van alle rommelige context waar ze zich normaal in verstoppen. Dat is romantische onzin natuurlijk. Want wat kom je eigenlijk tegen als de totstandkoming van feiten wetenschappelijk gaat onderzoeken?

Ik schreef al eens over Bruno Latour’s onderzoek naar de werking van de wetenschap in Lableven. Latour laat, dat zal je niet verbazen, weinig heel van de romantische ideeën die veel mensen hebben over de wetenschap. In dit blogje bespreek ik zijn meest bekende werk, waar ik ooit de naam voor deze blog van geleend heb: “Science in Action”.

Het ideaalbeeld dat veel mensen hebben van wetenschap wordt gevoed door hoe we over wetenschap schrijven. Wetenschappers zelf, maar ook wetenschapsfilosofen, richten zich eerder op hoe wetenschap zou moeten zijn dan op hoe wetenschap is. Latour stelt zich anders op. Hij zegt dat wetenschap alleen begrepen kan worden door de praktijk te bestuderen. Dat doet hij dus ook, eerst in “Laboratory Life” en later in “Science in Action”. Latour laat daar zien dat wetenschappelijke feiten niet ontdekt, maar dat ze in de loop der tijd gesponnen worden.

Zwarte dozen…
Om dit te verduidelijken gebruikt Latour het begrip van de zwarte doos. Het begrip zwarte doos wordt gebruikt voor technologie die te complex is om helemaal te begrijpen. We kennen de input en de output, maar hoe de machine er in slaagt de vertaalslag tussen die twee te maken blijft verborgen. Het maakt niet uit hoe het van binnen werkt; we vertrouwen gewoon op de output.

Wetenschappelijke feiten, zoals de dubbele helix structuur van DNA, zijn net als die zwarte dozen. Toen DNA voor het eerst werd ‘ontdekt’ was het helemaal niet zo helder en zeker wat die structuur was of wat het belang er van was. Nu zien we de dubbele helix als een gegeven en is de complexe context van ontdekking voor ons verborgen. De dubbele helix is een zwarte doos geworden.

We kennen die wetenschap van de zwarte dozen goed. We leren de zwarte dozen op school: de aarde is rond, de zon een ster, dingen vallen door zwaartekracht, soorten ontstaan in evolutie, erfelijkheid, genetica, dna. Allemaal dingen die je niet in twijfel hoeft te trekken. We zien de wetenschap vervolgens graag als een proces dat zulke onbetwistbare kennis oplevert. Wat kan het anders zijn? De andere kant: de wetenschap in actie; het rommelige proces waarin die feiten tot stand komen is minder bekend. Hoe word een feit een feit? We moeten de zwarte dozen weer open zien te maken.

Doen we dat met de ‘dubbele-helix-doos’ dan zien we het gepuzzel van Watson en Crick. Er zijn mensen die geloven in een drievoudige helix en mensen die denken dat het helemaal geen helix kan zijn. Watson en Crick hebben het ook niet helemaal uitgedoktert: kan het chemisch wel? En als het zo zou zijn, helpt het de biologie dan verder? We zien de baas van Watson, die vindt dat ze zich met belangrijkere dingen bezig moeten houden. We zien hoe Watson en Crick zelf stukje bij beetje in het idee gaan geloven en hoe ze langzaam de een na de ander in het lab weten te overtuigen. Ze publiceren de structuur; het komt in het prestigieuze tijdschrift Nature.

Het spinnen van feiten…
Het geloof in de dubbele helix is dus langzaam gegroeid, in steeds bredere kring. Wanneer wordt de dubbele helix een feit? Hoeveel wetenschappers moeten er dan in geloven? Of was het al een feit en worden al die mensen daardoor overtuigt? Of zijn dit misschien twee kanten van dezelfde medaille die op een dag omklapt? Om deze vragen te beantwoorden onderzoekt Latour hoe wetenschappers elkaar overtuigen van hun gelijk: hij onderzoekt wetenschappelijke retoriek.

Je kunt de rijping van wetenschappelijke ideeën tot feiten goed volgen door wetenschappelijke retoriek te bestuderen. Wetenschappers kunnen bevindingen meer of minder feitelijk opschrijven. Een feitelijke vorm is: “de zon staat in het centrum van het heelal”. Een minder feitelijke vorm: “Galileo Galilei, beweert, tegen de algemeen geaccepteerde ideeën van Aristoteles in, dat de zon in het midden van het heelal staat”. In het tweede geval ga je vanzelf twijfelen hoe het zit met de aarde en de zon. Die twijfel word gezaaid door de context van ontdekking mee te geven. Galileo zou er ook naast kunnen zitten, zeker omdat hij de grote Aristoteles tegen spreekt. Door alle context weg te laten word het juist meer een feit. Wetenschap in actie is onzeker en speculatief, gestolde wetenschap niet.

In wetenschappelijke papers kun je goed zien dat de discussie nog in volle gang is. Wetenschappers trekken meestal een heel blik overtuigingstechnieken open om hun gelijk te krijgen. Ze staven hun beweringen met referenties naar anderen die soortgelijke dingen beweren; ze dekken zich in tegen wetenschappers die anders beweren; ze bouwen hun betoog gelaagd op zodat hun bewering zo waterdicht en feitelijk mogelijk overkomt. Dat maakt wetenschappelijke papers zo moeilijk om te lezen. In een luchtig betoog schiet je veel gemakkelijker gaten. Dat komt wetenschappers die hun prille ideeën geaccepteerd proberen te krijgen natuurlijk niet goed uit.

Uit het bestuderen van het publicatieproces trekt Latour de conclusie dat of een wetenschappelijke bewering als feit gezien wordt of juist niet, eigenlijk vooral afhankelijk is van anderen. Hoe slim je experiment ook is, of hoe baanbrekend je ideeën: wat uitmaakt is hoeveel wetenschappers naar jouw paper refereren, welke dat zijn en hoe feitelijk ze in je in die referenties aanhalen. Feiten ontstaan in een sociaal proces tussen wetenschappers. Het helpt zeker als je de natuur aan je kant hebt staan, maar de kunst is allereerst om andere wetenschappers te overtuigen.

Misschien vind je deze analyse van wetenschappelijke literatuur wat onbevredigend. Je kunt wel stellen dat feiten ontstaan in het sociale publicatieproces, maar al die publicaties gaan toch ergens over? Moeten we niet, als we willen weten hoe feiten tot stand komen, graven naar de echte bron van die kennis: het laboratorium?

Dus neemt Latour ons mee het lab in. Maar, ook het bezoek aan het laboratorium kan een teleurstellende ervaring zijn. Het lab staat op zichzelf weer vol met zwarte dozen. Als we in het lab om een reproductie van een belangrijke grafiek uit het artikel vragen, zien we op een bepaalde manier meer dan in het artikel staat. We kunnen nu echt zien hoe de grafiek tot stand komt: door een complexe setup van apparatuur, elektronica, protocollen. Maar we zien ook minder dan in het artikel, want we moeten elke stap in het proces en elk apparaat doorgronden en vertrouwen om een klein beetje zicht te krijgen op de ‘werkelijkheid’ achter de grafiek. Het lab staat zelf weer vol met zwarte dozen. Eigenlijk is de enige manier om echt grip te krijgen op het experiment zelf een even ingewikkeld lab te bouwen het experiment na te doen. Het is deze strijd tussen laboratoria die we in de literatuur terugzien.

Als we een experiment gaan bekijken verwachten we de naakte feiten te kunnen zien: we verwachten een openbaring van de natuur. Maar in werkelijkheid zien we, net als in het artikel, een zorgvuldig geconstrueerde, vaak uiterst kwetsbare, schakel in technische en theoretische argumentatie. Net als in het wetenschappelijke artikel is de natuur in het lab alleen indirect aanwezig.

Vooruit: je mag hopen dat de natuur uiteindelijk het debat tussen wetenschappers beslecht, maar zolang de kennis nog in ontwikkeling is, is óf en hoe de natuur zich via het experiment laat kennen juist het onderwerp van de discussie. Totdat wetenschappers het hier over eens zijn, kan de natuur het debat niet beslissen. Latour stelt daarom dat je als je wetenschap in actie bekijkt wel relativist moet zijn: hoe we de natuur zien is de resultaat van de wetenschappelijke controverse – het is een sociaal proces. Terwijl je als je naar gestolde wetenschap kijkt wel realist moet zijn: uiteindelijk hebben we na veel discussie en een reeks ingewikkelde experimenten de natuur begrepen zoals hij écht is. Want, hoe indirect ook, als de natuur in al die experimenten niet een rol gespeeld had, was de controverse nooit geëindigd.

Tolken in groeiende netwerken….
Is het stollen van speculaties tot feiten nog beter te volgen? Daarvoor moeten we volgens Latour het lab weer uit en proberen om het sociale proces tussen wetenschappers in meer detail te bestuderen. Stel je voor dat je een onderzoeker bent die van een controverse een zwarte doos wil maken. Dan zal je anderen mee moeten krijgen. Je zult moeten zorgen dat anderen geïnteresseerd raken in jouw ideeën en dat ze jouw feiten-in-wording willen, of wel moeten gebruiken. Dat kan natuurlijk door aan te sluiten bij de interesses van anderen of door mensen te overtuigen dat wat jij doet in hun belang is. Ook zal je tot op zekere hoogte hun gedrag moeten controleren. Als anderen je werk op een heel andere manier gebruiken dan jij had voorzien ben je daar niet persé beter mee af.

Naast een inhoudelijke dimensie heeft wetenschap dus ook een politieke dimensie. De een is niet te begrijpen zonder de ander. Het is een proces waarin je gelijktijdig mensen moet aanhaken bij je project, ze tot op zekere hoogte moet controleren, terwijl je de realiteit definieert. Die buitenkant van de wetenschap is zeker zo belangrijk als de binnenkant. De peperdure laboratoria waarin wetenschappelijke ontdekkingen gedaan worden, bestaan bij gratie van mensen die er in willen investeren, mensen die op hun beurt hun eigen agenda’s najagen. Latour licht dit toe aan de hand van Lyde, de grondlegger van de geologie.

Lyde leefde in een tijd waarin het als een feit beschouwd werd dat de aarde door God geschapen was en waar je de geschiedenis van de aarde alleen kon bestuderen aan de hand van de bijbel. Hij had dus geen wetenschappelijke collega’s (hooguit vijandig gestemde), maar had die wel nodig om zijn werk niet als een theorietje van een overenthousiaste amateur weg te laten zetten. Omdat hij geen wetenschappelijke gemeenschap om zich heen had, kon hij ook geen financiering regelen, kon hij geen studenten opleiden en ga zo maar door. Er was geen netwerk waarbinnen de piepjonge geologische wetenschap kon groeien.

Lyde slaagde er ondanks die beperkingen in om iets van de grond te krijgen, maar er zijn natuurlijk veel meer onderzoekers die er voortijdig -soms zelfs al tijdens hun promotie- mee stoppen. Als we als karikatuur kijken naar de prof die nauwelijks onderzoek aan het doen is, maar zijn tijd besteed aan netwerken, financiering regelen en ambassadeurschap en die vergelijken met de onderzoeksassistent die dag in dag uit in het lab aan het zwoegen is om de natuur haar geheimen te ontfutselen, dan moeten we concluderen dat ze niet zonder elkaar kunnen bestaan. In het geval van Lyde in de vorm van één persoon, in de moderne wetenschap als een hele machinerie binnen universiteiten en onderzoeksinstituten.

Dat betekent ook dat een groot deel van de mensen die cruciaal zijn in het wetenschappelijke proces helemaal geen wetenschapper zijn. Ze vervullen een rol om het netwerk klaar te maken en in te zetten voor de nieuwe kennis. Het is volgens Latour ongepast om de wording en verspreiding van wetenschappelijke kennis los van elkaar te zien. Nieuwe kennis wordt niet in het lab gemaakt en sijpelt dan door naar de samenleving, ze vormt zich in een breed netwerk van verschillende groepen met verschillende belangen. Daarom is het onderliggende proces beter te begrijpen als een vertaling dan als een verspreiding. Bij een verspreiding denk je aan de situatie waarbij feiten eerst definitief gemaakt worden en daarna uitgedeeld. Maar zo schetst Latour het niet. Een feit komt tot stand door dat verschillende groepen, die er allemaal iets anders mee willen en voor wie het allemaal iets anders betekend, het als zodanig gaan gebruiken. Elk van die groepen heeft een eigen vertaling nodig.

Actie op afstand…
Toch is het niet vreemd dat mensen willen investeren in wetenschap. Ze maakt actie op afstand mogelijk. Als Latour zich buigt over hoe wetenschappelijke kennis verschilt van alledaagse kennis, stelt hij dat wetenschappelijke kennis eigenlijk gecomprimeerde ervaringskennis is.

Toen de ontdekkingsreizigers in Azië aankwamen kenden ze het landschap minder goed dan de oorspronkelijke inwoners. Maar dankzij hun instrumenten konden ze dit wel beter in kaart brengen en relateren aan stukken van de wereld die de Aziaten niet kenden. De dammen die in de Nederlandse delta gebouwd zijn beter dan dammen die je op basis van ervaring zou bouwen, omdat een schaalmodel de ingenieurs in staat heeft gesteld allerlei dingen uit te proberen en bloot te stellen aan alle voorkomende weertypen. Dit zou op de werkelijke schaal nooit mogelijk zijn en zo kunnen de ingenieurs meer ervaring opdoen dan dammenbouwers zonder modellen.

Hier komen de zwarte dozen wel weer om de hoek kijken. De cartografen kunnen alleen maar kaarten maken door instrumenten die samenballingen zijn van de kennis van anderen. De waterkundigen gebruikten theorie van anderen over turbulentie. Ze zijn geholpen met het collectieve en cumulatieve karakter van de wetenschap.

Wetenschap is volgens Latour te zien als het verzamelen, coderen en circuleren van sporen. Actie over afstand wordt mogelijk door de gebeurtenissen van ver weg en lang geleden mee te nemen naar het hier en nu. Ervaring moet mobiel worden, zodat het niet uit maakt waar ze is opgedaan. Ze moet stabiel worden zodat ze onderweg niet kan veranderen of verweken. En ze moet combineerbaar worden, zodat verschillende ervaringen opgeteld en samengebald kunnen worden. De rol van inscripties, grafieken, formules, wiskunde en modellen is precies dit: zorgen dat je representaties van de werkelijkheid mobiel, uniform en herbruikbaar worden.

Dit mag wat kosten want de voorkennis over de natuur die zo ontstaat helpt de volgende serie wetenschappers. Het is alsof ze de verschijnselen waar ze mee te maken hebben al kennen, omdat ze voort kunnen bouwen op gecodeerde ervaring. Tegelijkertijd, schept deze manier van werken, het steeds verder coderen en samenballen van kennis een afstand tussen de wetenschap en datgene wat ze bestudeerd. Sommigen vinden het vermogen tot voorspellen de grote kracht van de wetenschap, maar zulke voorspellingen zijn niet het zelfde als de praktijk, ze raken de werkelijkheid nooit helemaal.

Wat wetenschappers kunnen voorspellen is alleen hoe hun eigen instrumenten zich in de buitenwereld zich zullen gedragen. Doctoren, bijvoorbeeld, hebben veel van die instrumenten. Ze vormen feitelijk een extensie van het wetenschappelijke netwerk. Zonder die instrumenten kan dokter zijn kennis niet of nauwelijks aanwenden. Zo is ook een landkaart in de praktijk niet veel waard als er niet er niet een hele reeks richtingwijzers op de grond bestaan die een verbinding leggen tussen de echte en de wetenschappelijke werkelijkheid van de kaart. De lange, technische arm van de wetenschap vereist specifieke kennis en technologie.

Wetenschap in actie…
In Science in Action zet Latour een nieuwe theorie van de wetenschap en de totstandkoming van feiten neer, door precies na te gaan hoe wetenschappers te werk gaan. Hij traceert hoe feiten ontstaan uit discussie tussen specialisten, hoe wetenschappers zich moeten organiseren om dit mogelijk te maken en wat er in de samenleving veranderd door deze praktijken.

Wetenschappers vormen hun ideeën in nauwe fragiele netwerken, die uiteindelijk hun tentakels tot diep in de samenleving kunnen uitspreiden. Daarvoor is het wel nodig van hun ideeën een zwarte doos te maken die iedereen wil en kan gebruiken zonder er nog vragen over te stellen. Dat is een door en door sociaal en technisch proces. Waarin ideeën, mensen, belangen en apparatuur een allesbepalende rol spelen. Latour doet een poging de zwarte dozen open te maken, maar wat er uit komt is zo’n complex en subtiel spinsel dat, eerlijk gezegd, de behoefte de dozen dicht – en de feiten dus de feiten te laten – haast onweerstaanbaar is.

Meer lezen?
In Lableven bespreek ik het boek Laboratory Life van Bruno Latour. Andere boekbesprekingen op deze blog vind bijvoorbeeld je in de taalpragmatiek van Herbert Clark en in Big Science.

Het netwerkkarakter van kennis besprak ik eerder in kennisnetwerken en sociale kennisnetwerken.

Glazen Bol

Zou het nu toch werkelijkheid worden? Dat iedereen – of vooruit, misschien alleen bedrijven – gaan beschikken over een glazen bol waarin ze de toekomst kunnen zien? Ik las in de krant dat het algorithme oprukt in de bestuurspraktijk. Het “wenkende perspectief” is predictive policing. Met data komen we er straks achter waar in de stad bijstandsfraude, hennepaanplant of schoolverzuim het grootst is. Het bericht liet zien hoe big-data plannetjes werkelijk overal de kop op steken en ook hoe weinig we na blijken te denken over de vraag hoe wenselijk dat eigenlijk is.

Wenkend perspectief. Het zong nog wel even door mijn hoofd. Ik dacht ècht? Predictive policing? Onwillekeurig moest ik aan de film Minority Report denken. Drie “precogs” – een soort helderziende dames – liggen in een tank met draden aan hun hoofd en stellen de politie in staat misdaden te voorspellen; en zodoende ook te voorkomen. Tot dat de precogs voorspellen dat een van de politieagenten, gespeeld door Tom Cruise, zelf een moord zal begaan. Spanning alom.

Dat beeld van die precogs is heel treffend. Het is magisch, technisch, realistisch. Niemand weet precies hoe die precogs kunnen voorspellen, maar de draden aan hun hoofd suggereren dat het allemaal heel hightech is – en dat het heus wel zal kloppen wat de dames voorzien. En wat maakt het ook uit dat we niet weten hoe het werkt, als de voorspellingen maar juist blijken te zijn. De vraag die in Minority Report aan de orde komt is “wat als de politie een hele goede glazen bol had”? Technische snufjes helpen om dat idee voor de moderne mens geloofwaardig te maken.

En daar staan we dan, met onze big data en algoritmes. Daarmee kunnen we de mensen van passende advertenties voorzien, we kunnen verkiezingen kantelen – en als het een beetje meezit kunnen we binnenkort wat criminelen oppakken, nog voordat ze hun misdaad begaan hebben! Niemand weet precies hoe die algoritmen werken – ook de makers niet, maar het perspectief lonkt alvast.

Wat moeten we hiervan denken? Ik was deze week bij een praatje van een mevrouw van Google, die een goede uitleg gaf van hoe dit soort algoritmes werken, maar ook een ontnuchterend verhaal hield over die hele big data hype. In een notendop was haar boodschap om er niet teveel achter te zoeken: big data is gewoon statistiek, maar dan beter. En: science fiction is een verkeerde raadgever als het om het begrijpen van nieuwe technologieën gaat.

Met dat eerste ben ik het eens, maar met dat laatste niet. De verwachtingen rondom big data zijn duidelijk overspannen. Het is gewoon statistiek en hoewel het aardig lukt om een idee te krijgen van welk boeken we interessant vinden zijn veel andere problemen nog veel te moeilijk voor computers. Maar, science fiction geeft ons wel degelijk een inkijkje in wat er kan gebeuren als we ons teveel door die ontwikkelingen laten meeslepen. Minority Report legt het probleem, of eigenlijk de twee problemen, van het gebruik van zulke voorspellingen feilloos bloot.

Het eerste probleem is natuurlijk dat voorspellingen alleen maar accuraat kunnen zijn als we ze niet gebruiken. We kunnen voorspellen wat er allemaal voor naars gaat gebeuren door de klimaatverandering, maar als we daardoor de klimaatmaatregelen gaan treffen die er voor zorgen dat het lekker koel blijft op aarde, dan komen die voorspellingen niet uit.

We voorspellen wat het klimaat gaat doen in de hoop het nog te kunnen veranderen. Maar als we het veranderen klopt de voorspelling niet meer. We kunnen dus niet tegelijkertijd een betrouwbare voorspelling doen en naar die voorspelling handelen. Het gebruik van de voorspelling haalt de basis – de aanname dat de dingen grosso modo hetzelfde blijven- onder de voorspelling weg.

Het tweede probleem is dat het oneerlijk is om iemand te straffen voor iets waarvan alleen maar voorspelt is dat hij het gedaan heeft. In Minority Report worden criminelen opgepakt voordat ze hun misdaad gedaan hebben: en dus gestraft voor iets wat helemaal niet gebeurd is. Iedereen voelt aan dat daar iets niet in de haak is; hoe nauwkeurig die precogs ook mogen zijn.

Jammer genoeg doen we dit vaak genoeg. We voorspellen studiesucces om studiekeuze te bepalen, waarmee we het behalen van een slechte studievoorspelling afstraffen met een mindere opleiding.

Als voorspellingen alleen geldig zijn in een wereld die niet te beïnvloeden is, is het niet goed om het lot van mensen er van afhankelijk te maken. We zadelen ze dan op met dingen die nog niet gebeurd zijn en dankzij de voorspelling misschien ook wel niet gaan gebeuren. Hoe goed we ook in voorspellen kunnen worden, het gebruik ervan deugt gewoon niet.

Veel van de dingen die misschien gaan kunnen met big data en algoritmen moeten we dus helemaal niet willen. We gaan onszelf voor de gek houden door stevig in te zetten op voorspellingen en die we vervolgens intensief willen gebruiken. En die twee dingen gaan niet samen. Er is niets lonkends aan predictive policing, het is een nachtmerrie.

Gelukkig is er die andere vaststelling van de big data specialisten: het zal zo’n vaart niet lopen. Die big-data voorspellingen worden nooit zo goed als dat we nu denken en we zullen, met vallen en opstaan, ook wel leren om er verstandig mee om te gaan.

Anderzijds, dit zijn natuurlijk ook maar voorspellingen.

Meer lezen?

In in opdracht van de tijd, ga ik uitgebreider in op wat er mis kan gaan als je switcht van voorspellen naar beinvloeden. In IQ ga ik dieper in op de nadelen van het voorspellen van studiesucces.

De taalpragmatiek van Herbert Clark

Mensen die deze blog al een tijdje volgen hebben het misschien allang gespot: ik ben een Clarkiaan. Wees gerust: dat is geen sekte van enge mannetjes die met blogberichtjes geld uit hun gehersenspoelde publiek proberen te kloppen, maar een zelfverzonnen woord voor mensen die Herbert Clark’s “Common Ground” theorie aanhangen. Mensen zoals ik dus. Omdat ik jullie al verschilende keren op een gedachtenspoor a-la Clark heb proberen te zetten, vond ik het hoog tijd eens uit de kast te komen en uit te leggen hoe die pragmatische taaltheorie van hem eigenlijk in elkaar steekt.

Een pragmatische benadering

De manier waarop mensen als Herbert Clark naar taal kijken kan je eigenlijk in één zinnetje samenvatten.

Taal is wat we ermee doen. 

Vooruit, dat is misschien wat cryptisch, maar de kern is dat pragmatici taal proberen te begrijpen door te kijken wat mensen ermee proberen te bereiken, in plaats van het als iets zelfstandigs te bestuderen.

Vergelijk het met de vraag “wat is een vork?”. Veel mensen zullen zeggen dat een vork een metalen ding met drie of vier tanden is. Die mensen bekijken een vork als iets met een bepaalde vorm. Waar het ding toe dient – of hoe het in de wereld is gekomen – is dan even minder relevant. Pragmatici bekijken de vork anders. Zij zeggen dat een vork iets is waar je eten mee van je bord kan prikken en in je mond kan stoppen. Dan bekijk je dus de functie, of wat mensen ermee doen in plaats van de vorm. Hoeveel tanden het ding heeft of van welk materiaal het gemaakt is doet er even minder toe.

Zo zit het dus ook met taal. Je kunt de vorm van een taal zoals de gramatica of de spelling als iets wat op zichzelf staat bestuderen òf je kunt je richten op taalgebruik en bestuderen wat mensen met taal doen.

Dat  laatste is bij taal een handige keuze. In het geval van een vork kan je aan de vorm wel zien wat mensen er mee doen. Maar, bij taal is dat niet zo. Waarvoor zouden Hindi sprekers dit woord bijvoorbeeld voor gebruiken: कार? Dat is eigenlijk niet te raden en dat komt omdat de vorm van een woord in letters en klanken meestal helemaal los staat van de betekenis.

Welke klanken je gebruikt om iets over te brengen is eigenlijk willekeurig. Maf is dat, als je er over nadenkt: het is alsof het helemaal niet uit maakt of je je eten van je bord prikt met een vork of met een koffiemok. Allebei werken ze even goed. Toch is dat in talen zo en zijn de betekenissen van de verschillende woorden dus eigenlijk gewoon ‘afgesproken’.

Dat roept de vraag op hoe dit soort ‘afspraken’ tot stand komen en om dat te begrijpen moeten we naar taalgebruik kijken. Herbert Clark legt dat in vier stappen uit: hij stelt (1) dat samenwerking cruciaal is voor het gebruik van taal, hij wijst (2) op het belang van gedeeld begrip in de samenwerking die voor taalgebruik nodig is, (3) op het ontstaan van gedeeld begrip bij het gebruiken van taal en als afgeleide daarvan (4) het ontstaan van betekenissen van woorden en uitdrukkingen. Laten we die eens één voor één bekijken.

1 taal gebruiken is samenwerken

Taalgebruik staat volgens Clark altijd in het teken van gemeenschappelijke actie. Je gebruikt taal omdat je samen met je luisteraar ergens uit wil komen. Je wil iets kopen van iemand; of je wil afspraken maken over het eten; of je wil je studenten iets bijbrengen. Steeds is het nodig dat jij iets met taal doet en dat de ander: de verkoper, je huisgenoot of je studenten hun best doen om jou te begrijpen en verder te helpen. Het is alsof je de tango danst: als spreker heb je misschien de leiding, maar als je partner zich niet op jou instelt en met je meedanst dan kom je alsnog nergens.

In het tabelletje hieronder vind je die samenwerking uitgewerkt in wat Clark een actieladder noemt. Stel je voor dat je een frietje gaat halen, de friettent binnen loopt en vraagt “een friet mèt graag”. Volgens Clark moet je dan op vier niveaus samenwerken.

Spreker Luisteraar
Gedeeld project doet een voorstel overweegt het voorstel
Gedeeld begrip gebruikt betekenis begrijpt betekenis
Communicatie presenteert signaal identificeert signaal
Uitvoering maakt geluid hoort geluiden

Op al deze niveaus kan het mis gaan. Neem deze uitwisseling:

  • Jij: “een friet mèt graag!”
  • Baliemedewerker: “wat zei je?”

Hier is de uitvoering mislukt. Jij bent er niet in geslaagd je voor de baliemedewerker verstaanbaar te maken.

Het kan ook in de communicatie zitten.

  • Jij: “een friet mèt graag!”
  • Baliemedewerker: [gaat gewoon verder met zijn werk]
  • Jij: “hé ik had het tegen jou hoor”
  • Baliemedewerker: “Oh sorry. Een frietje mèt, toch?”

Hier heeft de baliemedewerker je wel gehoord, maar niet doorgehad dat je iets met hem wilde regelen. Hij miste het signaal: “ik heb het tegen jou”.

Of neem deze:

  • Jij: “een friet mèt graag!”
  • Baliemedewerker: “sorry hoor, maar met wat?”

Hier gaat het mis op het gedeeld begrip. Jij bedoeld waarschijnlijk een friet met mayonaise, maar de baliemedewerker is, vreemd genoeg, nog niet zo ver ingevoerd dat hij weet wat je bedoeld.

Of neem deze:

  • Jij: “een friet mèt graag!”
  • Baliemedewerker: “dat is dan 3,75!”
  • Jij: “oh shit ik ben mijn portemonnee vergeten”

Hier gaat het mis op het gezamenlijke project. Jullie begrepen elkaar prima, maar voor een transactie is nu eenmaal geld nodig en dat was er even niet.

De actieladders laten zien dat je zelfs bij zoiets simpels als het bestellen van een frietje nauw moet samenwerken op verschillende niveaus. Dat weten we omdat het op al die niveaus mis kan gaan. Tegelijkertijd hebben we het vaak feilloos door en kunnen het op tijd herstellen.

2 voor taalgebruik is gedeeld begrip van belang

Alledaags taalgebruik vereist dus intensieve samenwerking. Volgens Herbert Clark is dat alleen mogelijk door de common ground -het gedeeld begrip – die spreker en luisteraar hebben. Met common ground bedoeld Clark alles waarvan spreker en luisteraar weten dat ze het allebei weten. De volgende interactie laat het belang daarvan zien.

  • Jij: verkoopt u ook friet?
  • Baliemedewerker: [kijkt je verdwaast aan]

Als het goed is komt deze uitwisseling niet vaak voor. Als je een friettent in loopt mag je er van uitgaan dat ze er friet verkopen. Jij en de baliemedewerker weten dat allebei. Het is dan ook heel onverwacht als je dat nog eens gaat vragen en dat roept dat aan de andere kant verwarring op. Gedeeld begrip bepaalt dus wat je wel en niet vraagt of vertelt en ook hoe de ander zal reageren.

Met de meeste mensen die je tegenkomt heb je veel gedeeld begrip. Het zijn bijvoorbeeld allemaal Nederlanders, waardoor je weet dat ze de taal machtig zijn, dat ze een basisidee hebben van belangrijke personen en gebeurtenissen in de geschiedenis en het nieuws. Als je ze op straat tegen komt mag je er vanuit gaan dat ze zien wat jij ziet, en daar kan je een in een gesprek op voortbouwen.

Wat gedeeld begrip is verschilt van persoon tot persoon. Mijn vrouw en ik weten meer van elkaar dan mijn studenten en ik. Daar moet ik rekening mee houden. Als ik mijn studenten iets vertel over mijn laatste vakantie dan zal ik daar veel uitgebreider op ingaan dan bij mijn vrouw. Als ik iemand tegen kom uit een heel ander land wordt het veel lastiger communiceren. Zonder een goede inschatting van wat de ander weet is het lastig een soepel gesprek op te zetten.

3 als we taal gebruiken ontstaat gedeeld begrip.

Ik ben een fanatieke skeelerraar en nu ik je dat verteld heb is het gedeeld begrip. Ik wist allang dat ik een fanatieke skeelerraar ben en nu weet ik zeker dat jij het ook weet. Maar, ik mag er genoegzaam vanuit gaan dat er nog meer gedeeld begrip is ontstaan. Je weet nu dat ik aan buitensport doe dat ik vermoedelijk ook kan schaatsen en nog wat dingen. Die komen dus mee met het gedeeld begrip.

Je reactie is erg belangrijk voor het gesprek. Blijkt daar uit dat je ook een skeelerraar bent, dan weet ik dat je je net als ik druk maakt over asfalt, routes en wieltjes en kan ik ‘dieper’ in de materie duiken. Er komt een hele berg gedeeld begrip bij. Blijkt dat je niet skeelert dan weet ik dat alles wat ik over skeeleren ga vertellen waarschijnlijk nieuw voor je is.

Elke zinnetje dat we wisselen krijgen we dus meer vaste grond onder de voeten. We weten beter wat de ander allemaal weet en wat nog niet en dat maakt het makkelijker om het gesprek te voeren. Het gedeeld begrip groeit elke wisseling: je bouwt voort op het gedeeld begrip wat je al hebt en je bouwt nieuw gedeeld begrip op.

4 betekenis geven doe je samen 

Het is duidelijk dat we taal gebruiken om te communiceren, dat gedeeld begrip daar een centrale rol in speelt en dat betekenissen van woorden gedeeld begrip zijn. Maar wat nou als we geen gedeeld begrip hebben? Dan worden de betekenissen gevormd door ons taalgebruik. Anders gezegd: taal onstaat doordat we er mee doordat we er mee communiceren. Bekijk het volgende voorbeeld bijvoorbeeld.

  • Persoon 1:  Je weet toch dat roken ongezond is?
  • Persoon 2: YOLO man, YOLO!
  • Persoon 1: YOLO?
  • Persoon 2: Je leeft maar één keer! chillex!
  • Persoon 1: Nou dan leef ik liever één keer kort.

Op een bepaalde manier gaat deze interactie over of roken iets is dat je moet laten omdat het ongezond is of niet. Maar in de interactie wordt ook het begrip YOLO geïntroduceerd voor persoon 2. Het had betekenis voor persoon 2, die waarschijnlijk weet dat het een afkorting is en wat die betekend, maar niet voor persoon 1 die het begrip voor het eerst hoort.

Het koppel repareert het gebrek aan gedeeld begrip in beurt 3 en 4. Uit beurt 5 kunnen we opmaken dat persoon 1 de betekenis van YOLO nu begrepen heeft. Persoon 1 weet waarschijnlijk niet dat YOLO een afkorting is die als woord gebruikt wordt, maar wel dat het een woord is dat door jongeren gebruikt word en in de plaats gekomen is van het oude gezegde “pluk de dag”.

Wat we hier gezien hebben is dus het ontstaan van een betekenis van YOLO. Mensen leren wat woorden betekenen doordat ze in gesprekken gebruikt worden en doordat ze daaruit oppikken hoe ze gebruikt worden. Het gevolg is dat iedereen nieuwe woorden kan introduceren of woorden kan veranderen. Door het gewoon te gebruiken pikken anderen het vanzelf op. Al snel gaan mensen om je heen het ook gebruiken. Als je hier heel erg invloedrijk in bent wordt het woord onderdeel van de standaardtaal.

Clark in actie

Voor Clark zijn betekenissen dus geen vaststaande eigenschappen van woorden, maar iets dat steeds opnieuw gevormd wordt door sprekers en luisteraars – in de duizenden gesprekjes die we voeren in ons leven. Taal is wat we er mee doen.

Daarom is taal per definitie iets levends en veranderlijks. Als jij en ik ervoor kiezen om het woord snups te gaan gebruiken voor iedereen die alleen betekenissen uit de Dikke van Dale accepteert, dan begrijpen jij en ik elkaar prima; en daar kan geen snups iets aan veranderen. Ooit komt het woord misschien zelfs in de Dikke van Dale en dan moeten zelfs de snupsen het woord snups accepteren.

Dat taal meestal niet zo snel veranderd komt omdat het handiger is te communiceren in taal die iedereen begrijpt en nieuwe taal dus maar mondjesmaat doorsijpelt. Je merkt ook dat nieuwe betekenissen heel sterk in kleine groepen ontstaan en gecultiveerd worden. Collega’s, jongeren, of eigenlijk alle mensen die veel met elkaar omgaan ontwikkelen een eigen taal, met gelijksoortige uitspraak (dialect) en eigen woorden (jargon) die buiten die groep slecht verstaan of begrepen worden.

Het is precies die connectie tussen groepslidmaatschap en betekenisvorming die ik in mijn andere Clarkiaanse blogjes besprak.

Meer lezen?

Ik schreef over de turbulente geschiedenis van het woord nep in betekenisdrift. Ik sprak over het ontstaan van jargon in jargon en over kantoorbubbels in spiegelpaleis.

In de wetenschapsfilosofie komt Bruno Latour het dichtst bij Clarks, talige benadering, zijn werk besprak ik in lableven. Herbert Clark ontvouwd zijn theorie in het boek Using Language, dat ik van harte aanbeveel.

कार betekent auto, volgens Google Translate, tenminste.

IQ

Ik houd een lijstje bij met slechtst begrepen wetenschappelijke begrippen en bijna bovenaan, ver boven relativiteit, staat IQ. Mensen schijnen over IQ onder andere te geloven dat het echt bestaat, dat we weten wat het is – èn dat we er nuttige dingen mee kunnen doen. Allemaal hardnekkige misverstanden. IQ vormt een perfect voorbeeld van wat er allemaal mis kan gaan als je iets gaat meten.

Even een prikkelend feitje over IQ: het IQ van de wereldbevolking gaat al jaren omhoog. Dit stijgende IQ wordt het Flynn effect genoemd, naar de psycholoog James Flynn die liet zien dat de gemiddelde Amerikaan tussen 1932 en 1978 zo’n 10% slimmer was geworden. Of Amerikanen nog steeds elk jaar slimmer worden durf ik niet te zeggen, maar de rest van de wereld wordt dat blijkbaar wel.

Dat is natuurlijk heel erg fijn voor ons allemaal. Maar het roept ook heel erg veel vragen op. Want was het IQ niet een meting van een aangeboren eigenschap? Is intelligentie niet het best te begrijpen als een soort van talent om moeilijke dingen te snappen, te leren en misschien om in het algemeen handige dingen te doen? Hoe kan het dat de genen van onze soort zo snel veranderen dat we in razend tempo slimmer worden? Is er soms een sterke selectiedruk op intelligentie in onze maatschappij?

Het antwoord laat zich raden: intelligentietests meten helemaal geen intelligentie. Tenminste niet als je dat ziet als een aangeboren leertalent. IQ tests stellen vast hoeveel lastige puzzels je in een bepaalde tijd kan oplossen. Ze meten dus breinprestaties op een bepaald moment en niet het leertalent wat daarvoor gezorgd heeft. Breinprestaties zijn van natuurlijk van veel meer dingen afhankelijk dan je aangeboren talenten. Heb je meer scholing gehad, of specifieke IQ test training? Dan doe je het beter op IQ tests.

Nu zou je kunnen zeggen dat breinprestaties op een bepaald moment een aardige voorspeller kunnen zijn van leervermogen gedurende een bepaalde tijd, maar dan ga je er wel vanuit dat leervermogen een constante is. Dat hoeft natuurlijk niet zo te zijn.Steeds als je iets leert veranderd je brein een beetje. Zou een dergelijke verandering niet ook kunnen zorgen dat je daarna gemakkelijker nieuwe dingen leert? Met andere woorden: zou het kunnen dat je leertalent afhankelijk is van wat je leert?

Veel wetenschappers denken tegenwoordig van wel. Dit wordt fluïde intelligentie genoemd. Onderwijs verhoogt niet alleen je vermogen om puzzels op te lossen, maar ook je vermogen om te leren om puzzels op te lossen. Intelligentie is helemaal niet alleen aangeboren: je kan ook leren om intelligent te zijn.

Daarmee blijft er weinig over de aannames achter de inteligentietest: intelligentie is een aangeboren eigenschap, die je kunt meten. Dat zou allemaal niet uitmaken als IQ tests een aardige voorspelling zouden geven van dingen waar je wat aan hebt in het leven: bijvoorbeeld studiesucces of succes in een toekomstige baan. Maar ook dat blijkt tegen te vallen: IQ tests kunnen bar-weinig voorspellen. Niet alleen omdat de IQ tests zelf niet deugen, maar ook omdat er meerdere soorten intelligentie zijn en omdat heel andere menselijke eigenschappen zoals doorzettingsvermogen of een houding ten aanzien van leren veel belangrijkere voorspellers blijken te zijn van later succes.

Ik heb zelf veel te danken aan een IQ test. Mijn basisschooldocent dacht dat ik beter naar de Mavo kon, maar de IQ test die ik deed wees Havo uit en daar ging ik dus heen. Op de Havo – en later op de universiteit – ontwikkelde ik vervolgens veel van mijn huidige talent om te leren. Ik dank mijn IQ aan een IQ test. Want stel je eens voor dat die test Vmbo had uitgewezen, dan was ik vast lang zo slim niet geworden. IQ test worden dus eigenlijk verkeerd gebruikt. We doen alsof IQ tests iets belangrijks kunnen voorspellen, maar, ze veroozaken dingen.

Dat is niet erg als ze positieve dingen zouden veroorzaken, zoals in mijn geval, maar vaker gebeurd het tegenovergestelde. We gebruiken de IQ test tegen de laatbloeiers in onze samenleving. Heb ben je niet snel genoeg slim geworden, dan krijg je dankzij het gebruik van de IQ test geen kans meer om van een dubbeltje naar een kwartje te groeien. Naar vind ik dat.

Als we de balans op maken voor IQ tests komen we op het volgende ontluisterende lijstje. IQ tests maken op basis van breinprestaties op een bepaald moment een schatting van het gemiddelde leervermogen tot dan toe, waarbij de omgeving weggedacht is en het feit dat leertalent kan veranderen weggedacht wordt. Vervolgens doen we net alsof dat IQ allerlei successen kan voorspellen, terwijl we allang beter weten. IQ meten is koffiedik kijken in psychologie-vermomming.

Dat roept de vraag op hoe het zo ver heeft kunnen komen… Hoe verklaren we de populariteit van de IQ test als het ding zo overduidelijk niet deugt?  Een deel van het antwoord is dat we pas sinds kort weten wat er allemaal mis is met IQ tests. Je hebt behoorlijk wat tijd nodig om te meten hoe goed een test studiesucces kan voorspellen en wat eventueel betere voorspellers zijn. Ook het idee van fluïde intelligentie is vrij nieuw en hoe fluïde onze intelligentie precies is, is niet bekend. Dat maakt het moeilijk inschatten wat je wel en niet uit een IQ kan voorspellen.

Toch denk ik dat er een belangrijkere reden is voor de aanhoudende populariteit van IQ en de IQ test en dat is deze: het meten van dingen maakt ze tastbaar. Dingen die je in een getal kan uitdrukken zijn echt. Kilometertellers maken afstanden tastbaar, klokken maken de tijd tastbaar en IQ tests maken intelligentie tastbaar.

Veel van ons hebben wel eens een IQ test gedaan. Als ik zelf een IQ van 120 heb, dan moet intelligentie wel bestaan. Hoe kan je het anders meten? Dat is misschien een cirkelredenering, maar tegen de achtergrond van mijn eigen IQ van 120, lijken die verhaaltjes over fluïde intelligentie en slechte voorspellende waarde echt een beetje geneuzel. Mijn indrukwekkende IQ staat immers zo vast als een huis.

Mijn voorspelling is dus dat IQ tests, ondanks de aanzwellende kritiek, nog tot in jaar en dag tot de vaste uitrusting van de psychologen blijft behoren. Werkgevers willen weten wat het IQ is van het personeel dat ze gaan aannemen. De mensen willen weten wat hun IQ is. Dus blijven we het meten en als we het kunnen meten dan zal het wel bestaan.

En laat dat dan een les zijn voor als je zelf eens iets onzichtbaars aan de man wil brengen: of het nou om astrologie, aardstraling, één of ander -isme of om boze geesten gaat… Zorg voor een betrouwbare meting en je zit gebeiteld!.

Meer lezen?

In waarheidsinjecties betoog ik dat we teveel proberen te meten in deze samenleving. In doeloorzaken bespreek ik een andere tactiek om moeilijke dingen te begrijpen. In evolutiesnelheid stel ik misverstanden rondom de evolutietheorie aan de kaak.