Als het morgen mooi weer lijkt te worden, leg ik andere kleding klaar dan wanneer er regen komt. Voorspellingen zijn superhandig in het dagelijks leven. Ze helpen ons om ons voor te bereiden op de toekomst en voorkomen verrassingen.
Verreweg het handigst zijn natuurlijk voorspellingen over menselijk gedrag. Als ik weet dat iedereen morgen in goud gaat investeren, is het handig om dat vandaag al te doen, nu de prijs nog vrij redelijk is. Het is fijn om een beetje op het gedrag van de kudde te kunnen anticiperen om mijn eigen gedrag daar handig op af te stemmen.
Je voelt ’m al: het grote verschil tussen voorspellingen over de natuur en voorspellingen over menselijk gedrag is dat de natuur zich niets aantrekt van hoe wij die voorspellingen gebruiken, terwijl voorspellingen over menselijk gedrag juist wél beïnvloeden wat mensen doen. Daarmee zijn voorspellingen over menselijk gedrag -ik trek even het gezicht van een of andere techniekfilosoof- niet neutraal.
De beruchte ‘wet’ van Moore Het meest spectaculaire voorbeeld van een zelfvervullende voorspelling is de ‘Wet van Moore’. Gordon Moore bekeek in de jaren zestig de ontwikkeling van computerchips. Die werden steeds kleiner en krachtiger. Er bleek een exponentieel verband te zijn: elke twee jaar verdubbelde de rekenkracht per vierkante centimeter. Moore voorspelde dat die trend nog jaren door zou zetten – en dat is precies wat er gebeurde.
Het verbluffende van de wet van Moore is niet dat de computerchips na zijn voorspelling nog een tijdje lang in exponentieel tempo kleiner werden. Nee, het verbluffende is dat we, nu we 60 jaar verder zijn, nog steeds discussiëren of de technische ontwikkeling nu eindelijk eens begint te vertragen. De wet van Moore was veel langer geldig dan wie dan ook voor mogelijk had gehouden. In je telefoon zit meer rekenkracht dan er nodig was om een man op de maan te zetten. Zo sterk is deze ontwikkeling geweest.
Hoe kan dit? Is Moore misschien toch op een natuurwet gestuit? Heeft Gordon Moore verder kunnen zien dan anderen? Niemand denkt dat. Sociologen zijn het erover eens dat de wet van Moore een zelfvervullende voorspelling is. Omdat we collectief geloven dat de chips blijven krimpen, gaan we ons zo organiseren dat ze inderdaad gaan krimpen.
#hoedan? Hoe werkt dat? Harro van Lente schrijft er mooi over, vind ik. Hij zegt dat dit soort toekomstverwachtingen over technologische ontwikkelingen drie rollen vervullen.
Ten eerste geven ze legitimiteit aan technische ontwikkelingen. Wil je een omvangrijk onderzoeksprogramma financieren om chips te laten krimpen, dan is het wel handig dat er een gedeeld geloof is dat het kan. En het helpt dat je denkt dat als jullie niet met kleinere chips komen, dat de concurrent het dan wel doet.
Ten tweede zijn collectieve verwachtingen richtinggevend. In principe kun je met de ontwikkeling van een computerchip alle kanten op. Je kunt een chip duurzamer willen maken, of multifunctioneler, of nou ja, bedenk nog maar wat nuttige eigenschappen voor computerchips. Maar omdat we met zijn allen denken dat kleinheid is wat écht telt, zetten we alles op alles om dat te bereiken.
Ten slotte hebben verwachtingen over technologische ontwikkeling ook een coördinerende werking. Als iedereen denkt dat de toekomst zit in nog kleinere minichips, dan kunnen we ook veel beter samenwerken die te ontwikkelen. Misschien is er wel leverancier die extra kleine minichiponderdeeltjes kan leveren, zolang er maar vraag naar is. Nou, die vraag is er, want we geloven allemaal in de grote minichipopgave.
En nu? Maar als dit zo werkt… Als je met een handige voorspelling kunt zorgen dat iets daadwerkelijk gebeurt, kunnen we dat dan niet wat gerichter inzetten? Kunnen we dan niet wereldvrede voorspellen? Of een oplossing voor de klimaatcrisis of het verlies aan biodiversiteit? Misschien hebben we wat overtuigingskracht nodig, maar Moore liet zien dat het ogenschijnlijk onmogelijke binnen handbereik ligt.
Het antwoord is helaas nee. Voor wereldvrede is het min of meer geprobeerd. In zijn boek The End of History voorspelde Francis Fukuyama dat uiteindelijk alle landen zouden evolueren naar een liberale democratie. Volgens hem was dat namelijk het winnende systeem. En niet onbelangrijk: het is ook het meest vredelievende systeem. Fukuyama had behoorlijk wat overtuigingskracht, want met de val van de Muur vers in het geheugen, wilde iedereen graag geloven dat deze voorspelling het zou maken. Daar lag het niet aan.
Het probleem is, denk ik, dat wereldvrede – net als het invoeren van liberale democratie – niet echt past binnen het type samenwerking dat de Wet van Moore beschrijft. Op een bepaalde manier zitten er andere ‘spelregels’ in het technisch-economisch complex die het makkelijk maken alle neuzen dezelfde kant op te krijgen. Maar politieke ontwikkelingen zijn blijkbaar aan andere dynamieken onderhevig.
Toeval Eigenlijk denk ik dat het vaak toeval is wanneer een zelfvervullende voorspelling zijn werk gaat doen. Je kunt wel een paar randvoorwaarden benoemen—zoals dat er een breed gedragen geloof moet zijn in de voorspelling, en dat deze moet aansluiten bij wat mensen toch al willen. Maar de waarheid is toch: soms gaat het vliegen en soms niet.
Daarmee is de zelfvervullende voorspelling een prima verklaring voor hoe dingen kunnen gaan, maar ook een verklaring die je niet als instrument kunt inzetten. Je kan voorspellen zoveel je wil, maar je kunt maar zeer ten dele bepalen wat mensen met die voorspelling gaan doen. Wat dat betreft is het verschil tussen menselijk gedrag en natuurwetten minder groot dan je zou denken.
Meer lezen?
Het idee dat voorspellingen eerder de bedoeling hebben om de wereld te vormen dan om ze te voorspellen besprak ik al een aantal keer. Bijvoorbeeld in: Toekomstindustrie, IQ, en In opdracht van de tijd. Over voorspellingen in ‘pure’ vorm sprak ik in Peilingen.
De wet van Moore en met name wat het exponentiele karakter ervan allemaal met ons doet besprak ik eerder in Verandersnelheid.
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.
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.
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!
Inhaar, 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.
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 algoritme 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 opduiken en hoe weinig we er bij stilstaan hoe wenselijk dat eigenlijk is.
Wenkend perspectief. Het zong nog wel even door mijn hoofd. Ik dacht: écht? 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. Totdat 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 goed uitlegde 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 te veel achter te zoeken: big data is gewoon statistiek, maar dan beter. En: sciencefiction 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 welke 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 te veel 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 ervoor 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 voorspeld is dat hij het gedaan heeft. In Minority Report worden criminelen opgepakt voordat ze hun misdaad gedaan hebben; ze worden 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 ervan 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 machines ook leren voorspellen, 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, 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 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 beïnvloeden. In IQ ga ik dieper in op de nadelen van het voorspellen van studiesucces. In zelfvervullend ga ik dieper in op de self-fulfilling prophecy.
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 natuurlijk van veel meer dingen afhankelijk dan je aangeboren talenten. Heb je meer scholing gehad, of specifieke IQ-testtraining? 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 verandert 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 niet alleen aangeboren: je kan ook leren om intelligent te zijn.
Daarmee blijft er weinig over de aannames achter de intelligentietest: 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 dus 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 veroorzaken dingen.
Dat is niet erg als ze positieve dingen zouden veroorzaken, zoals in mijn geval, maar vaker gebeurt het tegenovergestelde. We gebruiken de IQ-test tegen de laatbloeiers in onze samenleving. 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 opmaken 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 een beetje 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-test 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 blijven 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. In zelfvervullend bespreek de self-fulfilling prophecy in meer detail.
In 1917 brak in Rusland een zeer gewelddadige en langdurige revolutie uit. Geïnspireerd door het boek “Das Kapital” van Karl Marx, greep de Bolsjewistische partij van Vladimir Lenin de macht. Het zou het begin worden van meer dan een halve eeuw communisme.
“In opdracht van de tijd”, zo zagen Lenin en de zijne hun revolutionaire werk. Karl Marx had in “Das Kapital” de mechanismen van het kapitalisme blootgelegd en vastgesteld dat het systeem zich onvermijdelijk ten gronde zou richten, hetgeen weer zou ontaarden in een revolutie waarin de werkende klasse de macht greep. De “opdracht” die “de tijd” aan Lenin gegeven had, was het in gang zetten van deze onvermijdelijke revolutie. Met de kennis van nu lijkt het misschien een wat merkwaardige rechtvaardiging voor een revolutie: de geschiedenis die er toch wel aan komt te willen bespoedigen. Maar Lenin was intellectueel gezien de minste niet. In de visie van Karl Marx zouden die laatste jaren van het kapitalisme met veel onderdrukking gepaard gaan. Het was dus niet onredelijk om er maar alvast mee te beginnen.
Vooruit: er is wel van alles mis met die redenering, maar ze is zeker niet uitgestorven. We gebruiken nog elke dag volop argumenten van deze vorm. Hoog tijd voor een nadere beschouwing dus.
Het probleem met het argument van Lenin is dat er een volledig verschillend wereldbeeld schuilt achter de twee verschillende poten waar het op rust. De theorie van Marx, waar Lenin zich op baseerde is deterministisch van karakter. In een deterministisch wereldbeeld is de toekomst volledig voorspelbaar, zolang je maar weet hoe die er nu uit ziet en wat de mechanismen zijn waarlangs deze zich ontwikkeld. Volgens Marx kon het niet anders gaan dan dat het kapitalisme zichzelf ten gronde zou richten, dat zat in het systeem ingebakken. In een deterministisch wereldbeeld spelen menselijke acties een minimale rol. Ook die zijn ingegeven door de grotere krachten in het universum en dus geen ‘vrije’ keuzes van een individu of van een groep. Dat Lenin een determinist was is overigens niet vreemd: in die tijd was bijna iedereen een determinist.
De tweede poot van het argument rust juist op een wereldbeeld waar menselijke acties er alles toe doen. Laten we dit het constructivistische wereldbeeld noemen. Volgens constructivisten is de toekomst is het gevolg van menselijke keuzes. De Bolsjewieken waren in zoverre constructivisten dat ze geloofden dat door hun acties de revolutie versneld zou kunnen worden. Daarmee haalden ze natuurlijk wel de deterministische poot onderuit. Het is kiezen of delen: menselijk handelen doet er toe of het doet er juist niet toe. Als menselijk handelen de revolutie kan versnellen, is de revolutie dus ook niet onvermijdelijk. Er zijn verschillende manieren om het argument van Lenin te redden, maar in de kern is het kreupel.
En het is een type argument dat nog elke dag gebruikt wordt. Mogelijk ook door jou. Veel mensen gebruiken het bijvoorbeeld in verband met technologie. In de jaren 70 van de twintigste eeuw bracht Jacques Ellul de visie naar voren dat technologie deterministisch is. Technologie zou volgens Ellul zijn eigen ontwikkelingspad uitstippelen en zich niet door mensen laten sturen. Volgens Ellul was het de technologie die onze denkbeelden bepaalde en de economische krachten om zich heen vormde, niet andersom. Dit zogenaamde technologisch determinisme is niet meer in de mode, maar in het alledaagse leven is het niet zo’n gekke visie. Wij, gewone consumenten uit Nederland, hebben immers niet veel invloed op alle nieuwe gadgets die uit Silicon Valley komen stromen. Ten opzichte van de technologische ontwikkelingen lijken we machteloos te staan. Mijn moeder liet zich vaak ontvallen dat ‘de vooruitgang’ nu eenmaal niet te stoppen was.
En omdat de ontwikkelingen niet te stoppen zijn ondernemen we actie. Een collega van me is druk bezig te verkennen hoe iPads in het onderwijs in te passen zijn. Niet omdat hij daarin gelooft. Hij vindt de inpassing van die apparaten vaak eerder een verarming van het onderwijs dan een verrijking. Maar zijn school is voorhoedeschool. iPads ‘zijn de toekomst’ – als ze daar niet in meegaan haalt de tijd ze in en doen ze hun leerlingen tekort. Een ander voorbeeld is streaming muziek. Veel mensen stappen er op over, niet omdat ze CD’s slecht vinden, maar omdat het de toekomst is. Oven een paar jaar zijn CD’s toch niet meer te krijgen; en trouwens, de jeugd luistert alles al online. De crux is natuurlijk dat we met deze redenering de toekomst die we alleen maar denken te voorspellen ook helpen te veroorzaken. Ongeveer zoals Lenin de revolutie die hij voorspelde zelf in gang zette. Het is wat door psychologen een selffulfilling prophecy genoemd wordt.
Trends, technologisch of niet, zijn namelijk niet autonoom. Trends sturen zichzelf niet, ze worden door ons gestuurd. Trends zijn het gevolg van de keuzes die we collectief maken. Trends geven een indicatie van gemiddelde veranderingen in menselijk gedrag weer, meer niet. Het is pas als wij ze als onvermijdelijke ontwikkelingen gaan zien dat ze dat ook worden. iPads zijn alleen maar de toekomst omdat wij ze in ons onderwijs in proberen te passen. CD’s zijn niet meer te koop omdat we gaan streamen. Lenin startte de revolutie misschien omdat hij er toch aan zat te komen, maar kwam er toch vooral omdat Lenin hem startte. We zijn, kortom, vaak precies zo afhankelijk van ontwikkelingen en trends als dat we zelf willen.
Of het nu een manke rechtvaardiging is of niet, ook vandaag de dag doen we nog erg veel dingen “in opdracht van de tijd”. Daarmee maken we onszelf afhankelijk van onze eigen voorspellingen (of waanbeelden) over de toekomst. Als we een rechtvaardiging zoeken om aan iets nieuws te beginnen is de vraag dus niet of ‘het er aan zit te komen’. De vraag is of we het willen. Als dat zo is moeten we zeker mee in de ontwikkeling en als dat niet zo is zeker niet. Niemand kan het tij in zijn eentje keren, maar samen kunnen we dat wel en hoe minder serieus we voorspellingen over de toekomst nemen hoe sterker we staan.
En ja, Lenin wilde revolutie. Hij dacht niet alleen dat de revolutie onvermijdelijk was, hij dacht ook dat er een heilstaat op zou volgen. Wat dat betreft haalde de tijd hem in.
Meer lezen?
Dit is mijn eerste blogje over het kennen van de toekomst. Ik wel schreef al eerder over determinisme in EPR. In waarheidsinjecties schreef ik al over, en brak een lans voor idealisme. In waardendragers over menselijke gevoeligheid voor autoriteiten.
Kennis in Actie 