Het beïnvloeden van de werkelijkheid is moeilijk. We kunnen onmogelijk de wereld volledig naar onze hand te zetten. Onze kennis is onvoldoende, omdat het aantal doorslaggevende kenmerken te groot is. In het domein gedrag variëren deze zelfs van plaats tot plaats en van tijdstip tot tijdstip. Daardoor kunnen de verbanden in het gedragsdomein elke keer anders zijn. Gedrag is nog moeilijker te verklaren dan de kennisdomeinen fysieke bouwstenen en werking waarin de verbanden tussen actie en reactie in altijd hetzelfde zijn. Toch laten we dezelfde (wetenschappelijke) aanpak los op beide domeinen.
Bij oppervlakkige beschouwing is de aanpak helder. Aan het gestructureerd onderzoeken van de begrippen en verbanden stellen we de eis dat deze duidelijk, nauwkeurig, verifieerbaar en consistent dienen te zijn. Maar echt maatgevend zijn de eisen niet. De wijze waarop we tot selectie van de kenmerken komen is niet echt van belang. Als Dmitri Mendelejev al dromend tot het periodiek systeem der elementen komt, is de vraag niet hoe hij tot zijn idee komt, maar of zijn idee correct is. Of zoals Paul Feyerabend het zegt: “The idea that science can, and should, be run according to fixed and universal rules, is both unrealistic and pernicious. It is unrealistic, for it takes too simple a view of the talents of man and of the circumstances which encourage, or cause, their development.”13.3-1Paul Feyerabend (1975) Against Method: Outline of an Anarchist Theory of Knowledge Dat Albert Einstein de gevolgen van de vaste lichtsnelheid visualiseert in zijn dagdromen, is niet belangrijk. Wat telt is de uitkomst. Klopt de theorie? Helaas blijken ook de uitkomsten moeilijker te toetsen te zijn dan op het eerste gezicht lijkt. Behalve formele abstracties zoals 1 plus 1 is 2, bestaat absolute objectiviteit niet, omdat een waarneming altijd gebonden is aan een zienswijze. Is een Siamese tweeling enkelvoud of meervoud; één persoon of twee personen? Gekozen kenmerken bouwen bovendien voort op andere kenmerken en zijn daarmee altijd gebonden aan een zienswijze die stoelt op een samenhangend stelsel van modellen en theorieën (paradigma). Weliswaar door meerdere mensen aanvaard, en de best mogelijk beschrijving op een moment, maar het is niet de absolute waarheid. Die bestaat niet. De dij-waarnemer is namelijk altijd afhankelijk van de ik- en wij-waarnemer. Zelfs de ogenschijnlijke objectieve falsificatie-eis van Karl Popper verliest aan betekenis bij kansberekening en toepassing van verschillende paradigma’s.13.3-2Karl Popper (1935, 1972) The Logic of Scientific Discovery Als een verschijnsel zich af en toe voordoet, is dan de waarneming nog met zekerheid te voorspellen (kwantum theorie)? Bestaat zwaartekracht wel als we uitgaan van andere aannames (Erik Verlinde).13.3-3https://insidetheperimeter.ca/a-new-view-on-gravity-and-the-dark-side-of-the-cosmos-erik-verlinde-public-lecture
Het vereenvoudigen van de werkelijkheid zorgt voor meer verwarring. De complexe werkelijkheid classificeren we met vormen, gebeurtenissen en verbanden. Bij het classificeren kiezen we een kenmerk en vullen de hiërarchie in. Uit de vele hiërarchieën die mogelijk zijn, kiezen we de eenvoudigste.
Om oorzaak en gevolg te begrijpen isoleren we één variabele: we houden alle factoren constant, behalve één. Het constant houden van alle invloeden is echter in praktijk moeilijk waar te maken. Het aantal invloeden is gewoon te groot. Daarom neigen onderzoekers in deterministische wetenschappen naar een steeds kleiner onderzoeksgebied. Dit voorkomt theoretische uitglijders en praktische problemen.
Ook gedragswetenschappers proberen complexe modellen te vermijden en de nadruk te leggen op enkelvoudige verbanden. Het onderzoeken van het verband tussen «a» en «b» vinden ze prima, maar niet het verband tussen «a» tot met «z». Maar in probabilistische wetenschappen lokt dit juist problemen uit. De route naar de eindtoestand staat centraal en bestaat vrijwel altijd uit meerdere aansluitende stappen. Alleen door alle stappen tussen «a» tot en «z» te benoemen is een oorzakelijk verband tussen alle stappen te schetsen. Gedragswetenschappers dienen daarom bovenop classificaties de routes te beschrijven om aanspraak te maken op objectiviteit.
Door de neiging enkelvoudige relaties te beschrijven, blijven gedragswetenschappers vaak steken in het onderzoeken van simpele uitspraken. Dit is helaas een goede voedingsbodem voor frauderende wetenschappers die gemakkelijk weg kunnen komen met hun zelf verzonnen verbanden tussen twee variabelen en het weglaten van onwelgevallige resultaten. Niemand kan op basis van de achterliggende modellen of op basis van gezond verstand aantonen dat ze gelijk of ongelijk hebben.
Dit is niet verwonderlijk. De eisen herhaaldelijk toets- en waarneembaar zijn te beperkt in het kennisdomein gedrag. Mensen kunnen de toekomst voorspellen en kunnen daarmee telkens voor ander gedrag kiezen om hun doelen te bereiken. Als de situatie ook maar een beetje verandert, is van herhaalbaarheid al geen sprake meer. Ook met de waarneembaarheid is het slecht gesteld. We kunnen alleen het uiteindelijke gedrag vaststellen, niet de overwegingen die leiden tot dit gedrag. Dit onvermogen om de achterliggende oorzaak waar te nemen, verbloemen we door het gedrag in te delen in categorieën en te gissen naar de oorzaak van gedrag. De resultaten hiervan voldoen echter niet. Het voorspellend vermogen van deze verklaringen is te laag om door te gaan als wetenschappelijk. De theorieën over gedrag staan niet voor niets volop ter discussie.13.3-4https://alforto.nl/raamwerk/grondslagenvanpsychologieenpsychometrie13.4-5Thomas S. Kuhn (1970) The Structure of Scientific Revolutions blz. 160
Een reddingsboei lijkt het inzetten van statistische berekeningen om verbanden tussen classificaties te leggen en de geldigheid van voorspellingen te vergroten. Bijvoorbeeld dat een Nederlander 70 liter bier per jaar drinkt, onder te verdelen naar leeftijd, geslacht, tijdstip, locatie, soort, enzovoort. Met statistische methoden is dan een uitspraak te doen over de kans dat een vijfentwintigjarige vrouw op een zomerse dag alcoholvrij bier drinkt. De kans formuleren we als een regel, vervolgens combineren we meerdere statistische regels met elkaar en geven het een klinkende naam en een krantenkop om het verworven inzicht over te brengen. De verbanden tussen classificaties zijn en blijven echter classificaties en geen routes. Het is nuttig voor totalen – hoeveel bier moeten we in totaal produceren? –, maar faalt schromelijk bij enkelvoudige transacties. Zodra we de exacte tijd en plaats toevoegen, is de voorspellende waarde zeer beperkt of zelfs afwezig.
Nog belangrijker is dat het verband tussen de categorieën niet te toetsen is. Bekend is het verband tussen het aantal verdrinkingen en de ijsconsumptie. Die hebben geen oorzakelijk verband. Beide kennen warm weer als onderliggende oorzaak en niet elkaar.
Dit weerhoudt de adverteerders er niet van groot in te zetten op classificatie. Door de toenemende computerkracht is het steeds gemakkelijker om gedetailleerd te classificeren. De verwachting dat de eigenaar van een mobieltje vandaag een alcoholvrij biertje drinkt, krijgt meer zekerheid na de combinatie van «Vind ik leuk» op Facebook en de clicks op biermerk A. Erg handig om te weten waar reclame-uitingen effectief zijn. Het is en blijft echter een classificatie, geen theorie.
Ook de inzet van kunstmatige intelligentie (artificial-intelligence, AI) verandert niets aan deze constatering. AI stelt de gebruikers in staat om nog meer relaties te leggen en informatie te ontlenen aan bijvoorbeeld grote verzamelingen foto’s. Ja, op de foto staat biermerk A, dus gecombineerd met de «Vind ik leuk» en de clicks neemt de zekerheid van verwachting toe. AI heeft grote waarde. Het is doeltreffend en doelmatig bij werkzaamheden die starten bij het classificeren van kenmerken, zoals in de geneeskunde. Iemand heeft de ziekte van Wilson als een bruingroene, fijnkorrelige pigmentring in het hoornvlies van het oog zichtbaar is. Door een computer dit te laten opsporen, kunnen we patiënten sneller ontdekken. Van theorievorming is echter geen sprake. Bij dertig procent van de patiënten ontbreekt de ring. Hoe sporen we die op? AI draagt hiervoor geen fundamentele oplossing aan, anders dan nog meer verbanden tussen classificaties te leggen op meerdere verschillende lagen. Deze deep learning voegt hiërarchische lagen toe en is daardoor in staat gecompliceerde relaties af te leiden, maar het is en blijft een classificatie. Programma’s begrijpen niets, ze passen regels toe en vinden patronen. Dit is geen wetenschap in de zin van het verklaren van gegevens en het stellen van vragen. Toch kunnen dergelijke regels na grondige testen een prima basis zijn. We hadden bijvoorbeeld al goede regels voor het bouwen van bruggen lang voordat de theorie van de zwaartekracht bestond.
Zelfs generatief ontwerp is in wezen het zoeken van de beste classificatie. Een computerprogramma zoekt bij generatief ontwerp de oplossing door alle mogelijke uitkomsten af te lopen en aan de hand van criteria zoals gewicht of sterkte de beste oplossing te kiezen gegeven een doel en beperkingen. Het kan geen nieuw doel bedenken, of nieuwe routes om de beperkingen te omzeilen. Het kan alleen geweldig goed zoeken in een oplossingsruimte. Sneller en beter dan mensen, maar dat maakt het programma niet intelligent.
Hoe we het ook wenden of keren, voorspellen op basis van gedragsindelingen (classificaties zoals karaktereigenschappen) mislukt bijna altijd omdat zowel de vrijheid om routes en doelen te kiezen geen onderdeel zijn van de voorspelling. Vele gedragsbeschrijvingen, zoals het Enneagram, zijn slechts willekeurige verzamelingen van classificaties die (meestal) niet voldoen aan de Wetten van Abstractie. Deze gedragsbeschrijvingen doen geen geldige voorspellingen. Daarom noemen we het Enneagram en vergelijkbare beschrijvingen geen wetenschappelijk theorie; de voorspellende waarde ontbreekt. Theorieën in het domein gedrag zijn alleen voorspellend als de route en het doel onderdeel zijn van de theorie.
Een verband tussen categorieën is zonder verklarende route niet toetsbaar. Een conclusie afleiden uit een categorie is daardoor nooit een goede basis voor een theorie.
Gedragsvoorspellingen lijken tot nu toe verdacht veel op simpele weersvoorspellingen zoals «Na regen komt zonneschijn». Laten we deze stelling eens wetenschappelijk onderzoeken zoals de psychologie dat doet. We doen een flink aantal waarnemingen en zien dat in vijfennegentig van de honderd gevallen de zon schijnt na een regenbui. De regel is daarmee bevestigd, als we de normen van de psychologie volgen. De uitkomst bewijst immers dat de uitspraak statistisch relevant is en een goede voorspelling biedt. Elke meteoroloog begrijpt dat deze voorspelling statistisch juist is, maar dat een veel nauwkeurigere voorspelling te maken is. Met complexe weermodellen die de achterliggende mechanismen beschrijven, is betrouwbaar te voorspellen of de zon tevoorschijn komt. En dat is beduidend waardevoller dan de uitspraak “Na regen komt zonneschijn”.
Door het voorspellende vermogen van de mens zijn gedragsvoorspellingen niet eenduidig te beredeneren vanuit het waargenomen gedrag. Achter een boom staan, zegt bijvoorbeeld op zich niets. Wat is ons doel? Verstoppen we ons of overvallen we? Daarom hoort niet het beschrijven van gedrag centraal te staan, maar het beschrijven van de factoren die leiden tot gedrag. Vergelijk het met het ontleden van het product 210, waarbij 210 staat voor een gedragsvorm. Vele berekeningen leiden tot 210, bijvoorbeeld 130+80 en 45+165. Wellicht juist, maar niet de kern rakend als de oorspronkelijke som 1 x 2 x 3 x 5 x 7 was. Het vinden van deze priemgetallen is de heilige graal van de gedragswetenschappen. De priemgetallen in dit voorbeeld staan voor de denkprocessen die leiden tot gedrag. Nogmaals, niet de uitkomst staat centraal, maar de factoren die leiden tot gedrag.
De echte uitdaging voor de gedragswetenschappen is niet het handhaven van de klassieke wetenschappelijke methode, maar het ontleden van routes van levensvormen met voorspellend vermogen. De richtingen van objectieve verklaringen in deterministische en probabilistische domeinen zijn hierbij elkaars tegenpolen. In deterministische vakgebieden is de richting: kleiner onderzoeksgebied en minimale invloeden. In probabilistische vakgebieden is de richting: volledige routebeschrijving en beschrijving van alle belangrijke factoren. Bij Fysieke bouwstenen en Werking van levensvormen beschrijft een theorie deterministische verbanden tussen twee of meerdere toestanden met classificaties. In de kennisdomeinen Gedrag en Evenwicht beschrijft een theorie de routekeuze naar een doel, gebruikmakend van besturingsmechanismen en classificaties.
Vorige pagina Volgende pagina Naar inhoudsopgave