Betrouwbaar!

We zeggen het wellicht veel te weinig tegen elkaar en tegen onszelf: wij zijn over het algemeen genomen zeer betrouwbaar! Ras, kleur, religie, sekse, seksuele geaardheid, politieke voorkeur, het maakt allemaal niets uit: mensen zijn ongelooflijk betrouwbaar! Dát is maar goed ook, want de mensheid staat voor grote opgaven, waarvoor saamhorigheid, loyaliteit en betrouwbaarheid nog meer van belang zijn dan ooit te voren. Uit het Intergovernmental Panel on Climate Change (IPCC) 2018 – rapport, dat de opwarming van de planeet in kaart brengt, blijkt bijvoorbeeld dat de (negatieve) effecten van de opwarming vooral gevolgen hebben voor kwetsbare mensen in arme landen, en de zwakkeren in rijke landen. Als we ons niet met elkaar anders gaan gedragen, dan brengt onze cultuur en technologische inventiviteit ons ten val...

Even terug naar die betrouwbaarheid. Stel je voor, je woont in Groningen, en je spreekt overmorgen af met een oom in Wanaka, een klein stadje in Nieuw Zeeland, om 17:00 uur in de middag, zodat je mee kan eten, een avond vol vertellingen met elkaar zal hebben en daarna kan overnachten, om de volgende dag naar Albert Town door te reizen om andere familieleden op te zoeken. Hoe onwaarschijnlijk het ook is, de kans dat je elkaar op het afgesproken tijdstip treft, is erg groot. Echter, talloze mensen moeten zich hiertoe als betrouwbare "partners" opstellen, in tientallen onderdelen van alle noodzakelijke (sub) plannen en activiteiten. Niet alleen piloten en stewardessen, maar ook kelners, onderhoudsmonteurs, medeweggebruikers, medepassagiers etc. Iedereen dient zich aan de talloze (geschreven en ongeschreven) regels te houden. Er hoeft maar één sukkel op de verkeerde weghelft te rijden, en het hele plan valt met jouw hele toekomst in duigen. Maar dat gebeurt hoogstwaarschijnlijk niet. Nogmaals, we kunnen feitelijk blindelings op elkaar vertrouwen, en dat mag ook wel eens gezegd worden. 

Natuurlijk komen we allemaal wel eens bedrogen uit. Ook - vaak onbedoeld - bedriegen we allemaal wel eens. Vaak een dierbare, meestal onszelf. En natuurlijk zijn het de "dissonanten" - de zaken die bedrieglijk mis gaan, die altijd op onze aandacht kunnen rekenen. Televisieseries, boeken en kranten staan er vol mee, juist omdat dissonanten invarianten vormen in onze haast eindeloos (variante) betrouwbaarheid. Maar betrouwbaarheid is niet per definitie juist. Helaas kunnen we heel betrouwbaar volkomen de verkeerde kant uit bewegen en ten onder gaan. De geschiedenis staat vol met voorbeelden van een haast "gemachineerd" gebrek aan argument, overzicht en wijsheid. Bijvoorbeeld met het oog op de opwarming van de planeet wordt dit pijnlijk duidelijk. Onze betrouwbaarheid hebben we zoals gezegd heel hard nodig om de toekomst echt veilig te stellen. Vliegen, bijvoorbeeld, is wellicht op termijn niet houdbaar. Gelukkig kunnen we in de toekomst, even betrouwbaar als nu per vliegtuig, ook een paar weken later met onze oom in Nieuw Zeeland afspreken, in plaats van zoals nu overmorgen!

Argument Based Practice

In deze blog wil ik het idee van argument based practice toepassen op autisme. Veel toegepaste wetenschap wordt vanuit vermeende "evidentie" bedreven, en daarbij speelt het argumenteren vaak minder vanzelfsprekend een rol dan je zou verwachten. In de psychopathologie worden "empirisch" kenmerken gekoppeld aan een (vermeend) syndroom, en vervolgens wordt evidentie gezocht voor de aan- of afwezigheid van deze kenmerken. Omdat het accent hierbij veel ligt op de "evidentie", en vaak niet op het argumenteren, bestaat het risico van afvink lijstjes en stereotypie. In argument based practice spelen evidentie en argument samen een rol, maar ligt het laatste woord altijd bij het argument.

Autisme, of preciezer, Autistisch Spectrum Stoornis (ASS) wordt gediagnosticeerd aan de hand van het psychiatrische handboek DSM 5. Er zijn 5 criteria: 1. Blijvende tekorten in de sociale communicatie en interactie, 2. Beperkte zich herhalende gedragspatronen, beperkte interesses en activiteiten (onder meer "zeer beperkte, gefixeerde interesses die abnormaal intens of gefocust zijn") 3. De verschijnselen zijn aanwezig vanaf de vroegste kindertijd (maar worden soms pas later onderkend), 4. De verschijnselen veroorzaken klinisch significante lijdensdruk of beperkingen in het sociale of beroepsmatige functioneren of in het functioneren op andere belangrijke levensgebieden en 5. De stoornissen kunnen niet beter verklaard worden door een verstandelijke beperking of globale ontwikkelingsachterstand en de sociale communicatie moet minder zijn dan past bij het cognitieve niveau.

Echter, de criteria blijken dermate ambigu, dat niet zonder meer vast te stellen is of iemand ASS "heeft", of niet. Dit is opmerkelijk, want in het algemeen is aan de hand van criteria van tal van zaken wel eenduidig vast te stellen of iets of iemand er aan voldoet of niet: het wel of niet aanwezig zijn van een waterstofatoom in een verbinding (water wel, roest niet), het wel of niet bezitten van een vrouwelijk geslachtsorgaan (mannen niet, vrouwen wel), het wel of niet hebben van bloederziekte, of PKU, etc. Om vast te stellen of iemand aan de criteria voor ASS voldoet of niet, is een gespecialiseerde arts nodig - die een lange en moeilijke opleiding heeft gedaan - terwijl een Nederlands kind van 6 kan vaststellen of iemand met een Limburgs of Gronings accent spreekt.

Voor het argument is het van belang dat niet zomaar door iedereen vastgesteld kan worden of een specifiek persoon wel of niet aan de kenmerken van ASS voldoet (ondanks dat de kenmerken in de DSM in een lijstje staan). Dat komt omdat een verondersteld kenmerk (bv tekorten in de sociale communicatie) zich op meerdere manieren kan manifesteren: iemand kan bijna niet praten, een ander raakt niet uitgepraat over zijn/haar (onbegrepen) fascinaties.

Hoe dan ook, er zijn mensen ("autisten") die door psychiaters zijn gediagnosticeerd met ASS. De meeste mensen hebben geen diagnose ASS. Sommige daarvan zouden hem wellicht kunnen krijgen. Als we ons nu beperken tot mensen met de diagnose, dan kunnen we ons afvragen of die dan allemaal op een soortgelijke wijze buiten de samenleving staan?

Een korte rondgang door het praktijkland geeft als antwoord een eenduidig nee. Sommige mensen die ooit een diagnose ASS kregen, zijn wereldberoemd, zoals "Brainman" Daniel Tammet (onder meer gediagnosticeerd door dè autisme-expert bij uitstek, prof. Baron-Cohen). Daniel heeft ondertussen een kleine boekenkast vol geschreven met bestsellers en treedt als spreker over de hele wereld op. Andere succesvolle mensen met de diagnose ASS zijn in uiteenlopende disciplines makkelijk te vinden, van rocksterren tot Nobelprijswinnaars, van filmsterren tot ondernemers. Kinderarts Hans Asperger, naast collega Kanner in 1944 dé "uitvinder" van de diagnose autisme, beschreef bij zijn eigen patiëntjes al het op jeugdige leeftijd gefascineerd zijn door iets wat door de buitenwereld moeilijk te begrijpen was. Eén van zijn patiëntjes werd later een wereldberoemde professor in de sterrenkunde (Fritz V.).

Echter, als je gaat kijken naar mensen met een diagnose ASS, kom je naast deze uitzonderlijke talenten ook gediagnosticeerden tegen die niet succesvol zijn en soms zelfs geheel buiten de samenleving staan. De NVA (Nederlandse Vereniging voor Autisme) heeft samen met de Vrije Universiteit in Amsterdam becijferd, dat 19 % van de volwassen autisten geen structurele daginvulling heeft (geen werk, geen dagbehandeling). Zijn dit dan de ernstigst getroffen mensen met een diagnose ASS? Dan is het goed te kijken hoe het met de cognitieve kwaliteiten binnen deze groep zit, aangezien Hans Asperger zoals gesteld van meet af aan de bijzondere cognitieve kwaliteiten als kerneigenschap heeft gezien.

Inderdaad, veel mensen binnen deze zwaarst getroffen groep hebben boven gemiddelde intellectuele kwaliteiten: 63 % heeft een IQ boven de 115, 20 % boven de 130 (dus hoogbegaafd). Een IQ van 130 of hoger komt in de normale populatie ongeveer 2,5 keer per 100 mensen voor. Evidentie voor de koppeling tussen de diagnose ASS en een hoge cognitieve capaciteit is ook elders snel te vinden. Zo is ItVitae (landelijk bekend als opleider van mensen met hoogbegaafdheid én een diagnose autisme naar een baan in de hightech ICT industrie) al enkele jaren na oprichting tot aan de nok toe gevuld met kandidaten! Ook een twee jaar geleden door een huisarts met autisme opgezet register voor artsen met autisme, telde al na enkele maanden meer dan 100 "leden" in Nederland. Maar een argument based practice verifieert niet alleen, ze falsifieert ook. En dan dreigt het hele "kaartenhuis" om te vallen!

Wellicht is de goedkoopste hypothese dat de mensen die allemaal beroemd zijn geworden met een diagnose, per abuis hun diagnose hebben gehad. Wellicht werd hun (hoog) begaafdheid, of eigenheid (genialiteit) in de vroegkinderlijke periode verward met autisme, waar ze later overheen groeiden. Maar als er in een groep met ASS structureel vaker een hoog IQ voorkomt, zou autisme dan ook een IQ enhancer kunnen zijn? Niet zonder meer, want er zijn ook mensen met diagnose die geen hoog IQ hebben, of niet duidelijk over cognitieve talenten beschikken. In de zwaarst getroffen groep (de "thuiszitters") waar we het zojuist over hadden, heeft 32,3 % van  een IQ lager dan 115, waarvan zelfs een deel lager dan 85 (7,3%, in de normale populatie is dat ruim 2 keer zoveel: 16%)!

Er is dus een aanpassingsstoornis, die alleen vastgesteld kan worden door zeer goed opgeleide professionals, maar of het hebben van de diagnose tot isolatie, of prestatie leidt (tot handicap of "Nobelprijs"), is niet op voorhand duidelijk: beide komt voor. Dan kan je je afvragen wat het vaakst voorkomt.

"Handicap", zullen veel psychiaters en psychologen zeggen. Echter, er zijn minstens evenveel mensen met de diagnose te vinden die blij zijn met hun prestaties. Kortom, op deze manier komen we er ook niet uit! Natuurlijk is er na enkele decennia van alles in kaart gebracht: mensen met diagnose gemiddeld intelligenter dan "normale" mensen, leiden meer aan depressie, verslaving en Obsessive Compulsive Disorder. In de hoogst scorende groep hoogbegaafden, komt de diagnose ASS significant vaker voor dan in de "gewone" bevolkingsgroep, etc. LHBT komt significant vaker voor binnen de groep mensen met een diagnose ASS, dan in de "gewone" bevolkingsgroep. Maar als je de onderzoeken bekijkt die gedaan zijn naar andere "aandoeningen" (bijvoorbeeld hoogbegaafdheid, of hyper sensitiviteit, niet eens een "officiële" diagnose), dan vind je soortgelijke afwijkende samenhangen met betrekking tot eigenschappen als intelligentie, (overige) psychopathologie, LHBT, zelfmoord, etc).

Ondertussen is autisme net zozeer een "diagnose" van het publiek, als van psychologen en psychiaters. Bijvoorbeeld in tientallen series schitteren "autisten" (of op Asperger geïnspireerde karakters) in de hoofdrol: the Bridge, the Good Doctor, Bones, Elementary, Sherlock, ... de diagnose is ondertussen misschien wel meer eigendom gemaakt door het publiek, dan dat ze nog wetenschappelijk is. Daar zijn redenen toe: gebrek aan eenduidigheid en gebrek aan argument.

Concluderend, er is geen eenduidig beeld en geen eenduidige situatie. We hebben een aandoening die slechts door een klein percentage zeer hoog opgeleide professionals mag worden vastgesteld. Deze aandoening laat een veelheid aan mogelijke toekomstscenario's toe met betrekking tot kwaliteiten, geluk, succes en factoren zoals als co-morbiditeit. De goedkoopste conclusie is dat de diagnosticerende beroepsgroep zelf de oorzaak is van de verwarrende situatie. Dat er iets anders is aan sommige mensen, die minder vanzelfsprekend de aansluiting vinden tot school, werk, hobby etc., daar is men het vaak wel over eens, ook al kan dat best tijdelijk zijn en door andere factoren dan een vermeende stoornis veroorzaakt worden (een vechtscheiding waar een schoolkind midden in zit, of slechte voeding, of (sociale) hygiëne, bijvoorbeeld).

Timmerman!

Stel je voor, hamers en zagen die zelfstandig architectonische meesterwerken creëren, waarin wij mensen ook nog eens zeer aangenaam kunnen verpozen? U kunt zich er niet veel meer bij voorstellen dan een toegevoegde episode aan de Walt Disney film "the beauty and the beast"? Dan begrijpt u vast mijn verbazing dat ik vorige week op een (para-) medisch congres was, waar enkele zorgprofessionals serieus uitspraken te geloven dat AI systemen zoals IBM's "lerende" computer (Watson) artsen minstens ten dele overbodig zullen maken.

Sinds mensenheugenis hebben onze voorouders gereedschappen gehad. En inderdaad, een hamer is sterker dan een mensenvuist. Meer algemeen, door het gebruik van een "arm" (natuurkundig: de momentstelling) hebben we hefbomen in zeer uiteenlopende vormen (van klassieke hefbomen tot katrollen, van wielen tot krukassen) die, al dan niet met die andere grote uitvinding - de controle over het vuur - tot reusáchtige versterking van onze menselijke krachten en snelheid hebben geleid. Taal (waaronder logica, wiskunde en data) is zelfs een nog krachtiger gereedschap dan de controle over het vuur en de hefboom. Maar een machine die uit een grote hoeveelheid "beschikbare" gegevens de meest gewenste patronen kan selecteren  en daar predicties vanuit kan genereren, is net zo min een dokter, of een fysiotherapeut, als dat een hamer een timmerman is.

Bij machineleren zijn mensen - bijvoorbeeld artsen en fysiotherapeuten - verantwoordelijk voor de beschikbare data, en voor het definiëren van de gewenste uitkomsten. Voordat we hierover beschikken is er veel denkwerk, experimenteren, kennis en inzicht noodzakelijk. En kennis en inzicht blijft voortdurend afhankelijk van doorontwikkelingen, dus van vakmensen. Om machines nieuwe patronen te laten vinden, of zelfs goede predicties in een specifieke context te kunnen laten doen en te "interpreteren" en kunnen beslissen wat in deze specifieke context hiermee te doen, is juist een vakvrouw of man nodig. De kwaliteit van ons werk kan door toepassing van gereedschappen toenemen, maar door dom en blind vertrouwen kan het ook tot vreselijke excessen leiden. Bij innovatie is er altijd een terechte angst voor de gevolgen, zeker omdat die op voorhand niet te overzien zijn. Maar met het verbeteren van de gereedschappen in de bouw, bijvoorbeeld, is de totale omzet van de bouwproductie alleen maar enorm toegenomen de afgelopen paar duizend jaar. Het bezit van een hamer en zaag maakt iemand  niet tot een goede timmerman. Juist als AI meer een onderdeel van het medische vak wordt, worden de eisen aan de dokters nog hoger. Kortom, artsen en fysiotherapeuten zullen met de inzet van machine leren niet overbodig worden, maar hooguit nog betere professionals, met een nog groter aandeel in de gezondheidszorg.

Machineleren en Facebook.

Terugkomend op de blog van 14 dagen geleden, gaan we hier verder in op machineleren. Gedragingen van mensen op de sociale media, kunnen gemeten worden en in verband gebracht worden met resultaten van (psychologische) testen. Eén van de meest beroemde voorbeelden vormt het onderzoek van Youyou et al. (2015) waarin zij het geven van een like op een item in verband brachten met de 5 kenmerken van persoonlijkheid die het Big5 persoonlijkheidsmodel onderscheidt: extraversie, vriendelijkheid, openheid, zorgvuldigheid en emotionele stabiliteit. Wat is er nodig om een machine te kunnen laten "leren" welke items indien ze geliked worden bijdragen aan welk aspect van persoonlijkheid?

Ten eerste moeten items minimaal 25 likes hebben, het liefst aanzienlijk meer. Ten tweede moeten we van heel veel gebruikers zowel alle likes hebben, als de uitslagen van een Big5 persoonlijkheidstest. De persoonlijkheidstest vormt het uitgangspunt, want de machine (het algoritme) wordt vanuit deze data gesuperviseerd. Mensen die extravert zijn, bijvoorbeeld "liken" items met spetterende actie wel, en meer statische beelden niet (of iets willekeurig anders). Het algoritme stelt een op zichzelf eenvoudige vergelijking op: 

Vriendelijkheid = a(item-x) + b(item-y) ... zn(item-n) 

Dit wordt het least absolute shrinkage and selection operator (Lasso) algoritme genoemd. De coëfficiënten (a, b etc.) in de vergelijking kunnen een positieve of een negatieve waarde hebben. Waardering van plaatje item-x, of gebeurtenis item-y hangt positief, of negatief samen met de eigenschap vriendelijkheid. Juist doordat er heel veel data is, kan met het algoritme vrij precies ingeschat worden welke items positief, of negatief laden op elk van de 5 vermeende persoonskenmerken, en welke eigenschappen er in feite niet toe doen. Van eigenschappen die er niet toe blijken te doen, of slechts een beetje, wordt de coëfficiënt op 0 gezet (shrinkage, krimpen). Van de eigenschappen die er wel toe doen, wordt vervolgens de coëfficiënt systematisch versterkt. Op deze wijze "construeert" het algoritme dus als het ware een reeks items waarvan het wel of niet "liken" geldt als een alternatieve versie van de persoonlijkheidstest. Het aantal componenten in de Lasso vergelijking wordt gelimiteerd: coëfficiënten boven een bepaalde waarde (criterium) worden "versterkt", beneden een bepaalde waarde op 0 gezet en zo uit de vergelijking gehaald. Het criterium kan aan de hand van het maximaal aantal toegestane componenten worden bepaald.

In het onderzoek van Youyou et al kon het algoritme vanaf 70 likes de persoonlijkheid beter voorspellen dan vrienden, bij 150 likes beter dan familieleden en bij 300 likes beter dan de proefpersoon zelf. Uiteraard werkt dit alleen bij items die zeer veel in de sociale netwerken zijn gedeeld en indien er van een grote groep mensen de resultaten van de 5 subschalen van de big5 bekend zijn. Echter, en daar zit het gevaar van dit type onderzoek, de fit wordt nooit beter dan het model dat als supervisor geldt, dus hier de Big5 persoonlijkheidstest. Het gegeven dat de Big 5 ooit ontworpen is door middel van Likertscale vragen die via een 5 factorenanalyse model zijn gerangschikt, draagt bij aan de onderscheidenheid van de 5 sub schalen, maar zegt niets over de werkelijkheid van de persoonlijkheidsstructuur. Juist omdat de big 5 op grond van factoranalyse is ontstaan, is het niet gek dat de 5 items tamelijk onderscheidend samenhangen met andere patronen van menselijk gedrag.

Het zou een denkfout zijn, om in het vinden van correspondentie tussen de 5 persoonlijkheidsfactoren en door patroonherkenners gevonden clusters een rechtvaardiging van het persoonlijkheidsmodel te vinden. We weten bijvoorbeeld niet of de eigenschappen wel echt over bijvoorbeeld introversie of extraversie gaan, of iemand niet beide eigenschappen tegelijk kan bezitten, maar afhankelijk van de context 1 van de 2 eigenschappen kan tonen, of de eigenschappen over de tijd veranderen, of zelfs wat de eigenschappen precies betekenen. Het machineleer algoritme kent de persoon niet beter dan de collega's, de vrienden of de persoon zelf. De machine kan "slechts" na voldoende "supervised learning" trials (iteraties) de correlatie tussen het klikgedrag op Facebook en de gescoorde Big5 factoren beter bepalen dan personen. Predictief vervangt ze hiermee de Big5 vragenlijst. Maar dichter bij de persoonlijkheid van mensen dan met de Big5 vragenlijst komen we hier niet mee. Garbage in stays garbage out. Met andere woórden, uiteindelijk blijft psychologie een vak van het verhaal, van het argument, ook al kan datamining/machineleren enorm helpen!

Gepersonificeerde Informatie bulb? Nee, geglobaliseerde kokervisie!

Afgelopen week las ik het boek de Succes Illusie van Richard Engelfriet, een aanrader. Niet alleen toont hij haarfijn op humoristische wijze aan hoe futurologen feitelijk vooral onzin verkopen, ook spoorde het boek mij aan wat meer in de wetenschappelijke literatuur met betrekking tot zaken als disruptieve start-ups, de long-tail en de vermeende informatiebulb te duiken. Bij deze enkele bevindingen.

De natuurkundige Chris Anderson postuleert in 2004 een theorie dat door het internet veel boeken en artiesten een kans krijgen, waardoor grote hits en bestsellers een relatief kleiner aandeel in het totale artiestensucces krijgen. Hij stelt dat door het internet de productiekosten (maken en distribueren) van bijvoorbeeld een boek of muziekalbum zo laag zijn geworden, dat niet alleen veel meer artiesten en schrijvers hun producten uit zullen brengen, maar er ook succesvolle nichemarkten ontstaan. Hij noemt het de long tail. Als de "verkoopcijfers" (of streaming-cijfers) op de y-as worden uitgezet, en alle "producten" (releases) op de x-as, zal er na de eerste hoge (steile) berg  (de superhits, ofwel blockbusters) een hele lange staart (de long tail) ontstaan, die steeds hoger zal worden, omdat de producten in de staart als "niches" ontdekt zullen worden. Bijvoorbeeld Aslander en Witteveen schrijven in hun boek Nooit af (2015) vele bladzijden over dit fenomeen, dat volgens hun al heeft gezorgd voor "disruptie" (ontregeling) van de bestaande markten.

Echter, hoe aannemelijk de long-tail gedachte ook klinkt, het is simpelweg niet waar. Sterker nog, het omgekeerde is feitelijk het geval; er is al zeker 10 jaar een beweging zichtbaar waarin steeds minder producten (hits, blockbusters) een steeds groter aandeel hebben in al het succes. Al in 2008 toont onderzoek aan de Harvard universiteit van Elberse aan dat "Although no one disputes the lengthening of the tail (clearly, more obscure products are being made available for purchase every day), the tail is likely to be extremely flat and populated by titles that are mostly a diversion for consumers whose appetite for true blockbusters continues to grow." (p9).

Nu, tien jaar later is deze constatering veelvuldig bevestigd in empirisch onderzoek naar de streaming van producten op het internet. In dit onderzoek, waarbij algoritmes worden ingezet om de streaming van producten te meten, concluderen bijvoorbeeld in 2013 Zhong & Michahelles: "Our results suggest that Google Play is more of a "Superstar" market strongly dominated by popular hit products than a "Long-tail" market where unpopular niche products aggregately contribute to a substantial portion of popularity." (p. 499). Voor YouTube geldt dan al dat 80% van de streaming slechts 10 % van het repertoire betreffen. Blockbusters en superstars (apps, games, muziek, boeken en films) maken een nog steeds toenemend deel van de totale "omzet" uit. Anders gesteld, obscure nicheproducten kunnen makkelijker dan ooit verspreid worden, maar blijven uit zicht totdat ze "toevallig" ontdekt worden en opgepakt worden door de blockbuster kanalen, die nu meer macht hebben dan ooit te voren.

Dit alles heeft consequenties voor hoe we kijken naar de psychologische  beïnvloeding die het internet op individuen heeft. De gedachte dat iedereen door de gebruikte sociale-media-algoritmes zo op zijn/haar wenken wordt bediend dat hij/zij in een informatiebulb zou belanden, gaat waarschijnlijk beperkt op (hooguit alleen met betrekking tot Facebook vrienden). Misschien is er op Facebook, YouTube of Instagram nog voor een ieder iets van een individuele versie van de wereld, waarin we leven onder "gelijken" in denken, doen en laten, maar de superhits (en super memes) en blockbusters zijn ook hier voor iedereen hetzelfde. Daarnaast heeft ook Facebook slimme "nerds" in dienst, die onder meer memes ontwerpen, die met gemak dwars door iedere vriendenkringen heen breken (Nguyen, 2017). Een soort centraal geregisseerde afdeling van de nieuwsredactie, die de lokale krantjes van standaard professionele inhoud voorziet. Betaalde berichten - adverteerders - worden hier weer aan gekoppeld en bereiken zo gegarandeerd een groot publiek (King, 2015). Daarbij worden de grote, invloedrijke bedrijven steeds machtiger.

Er is dus dus geen artistieke disruptie, net zo min als een ondernemende disruptie: kleine en frisse start-ups die de grote bedrijven challangen is een sprookje, 90% van alle start-ups bestaat na 3 jaar niet meer en alleen al in Amerika maakte 50 jaar geleden grote bedrijven 35% van het Bbp, nu is dat ruim verdubbeld (72%). Van alle tijden is dat er soms nieuwkomers op de markt komen die het wel lukt om delen van de markt over te nemen, zoals Ford dat 110 jaar geleden deed van Wagoneer en de Maffia van eerdere syndicaten (om Uber - buiten de wet opereren, mensen uitbuiten - een plekje te geven). Of een nieuwe popster, die eerst een paar jaar in de lange staart zat.

Tot slot nog wat persoonlijk en dus exemplarisch "bewijs" van een gemonopoliseerde mark. Op Spotify krijg ik nog steeds, terwijl ik naar moderne componisten luister, suggesties om naar boze rappende mannen te luisteren, terwijl deze muziek me echt niet blij maakt en Spotify me onmogelijk op luisteren kan hebben "betrapt". Op Netflix krijg ik - terwijl ik graag naar Britse en Scandinavische series kijk - vooral Amerikaanse blockbusters voorgeschoteld, omdat ik naar series als "Sorjonen" en "the Bletchley Circle" keek. Psychologisch worden we wellicht meer dan we beseffen juist allemaal dezelfde richting in gemarcheerd. Daarmee is onze gepersonificeerde informatiestulb een persoonlijk verpakte geglobaliseerde kokervisie!

 

Anderson, C. (2004). The long tail. Wired magazine, 12(10), 170-177. 

Aslander, M., Witteveen, E. (2015). Nooit af. Amsterdam: Business Contact 

Elberse, A. (2008). Should you invest in the long tail?. Harvard business review, 86(7/8), 88., p. 9 

Engelfriet, R. (2017). De Succesillusie. Zaltbommel: Haystack. 

King, L. (2015). Innovators in digital news. IB Tauris. 

Nguyen, D. (2017). What Makes Something Go Viral? [Video file]. Retrieved from https://www.ted.com/talks/dao_nguyen_what_makes_something_go_viral  

Zhong, N., & Michahelles, F. (2013, March). Google play is not a long tail market: an empirical analysis of app adoption on the Google play app market. In Proceedings of the 28th Annual ACM Symposium on Applied Computing (pp. 499-504). 

 

Op naar een argument based practice!

In de krant lees ik dat data gedreven een misdaad oplossen in Frankrijk geen betere resultaten oplevert dan klassiek recherche werk. Maar .... heeft justitie dan ooit anders dan data-gedreven gewerkt? Het is niet te hopen. Laten we ons proberen iets voor te stellen bij niet data-gedreven werken. Sprookjes? In de middeleeuwen werden soms vrouwen met rood haar in verband gebracht met tegenspoed (ziekte, mislukte oogsten, etc.) en belandden ze soms als heksen in het gevang (of erger). Maar zelfs dit is op data gebaseerd, de empirische waarneming rood haar. Dus een data gedreven praktijk.... Men is ook weer met heksenvervolging gestopt toen de verwachte resultaten uitbleven. Opnieuw: datagedreven. In het artikeltje wordt duidelijk dat men doelt op de inzet van datamining en machine-leren. Nu blijkt dat in Frankrijk, waar de politie al geruime tijd met datamining algoritmes werkt, het aantal opgeloste misdrijven ten opzichte van ouderwets recherche werk niet is veranderd. Maar dat zegt toch niet dat datamining geen toekomst heeft!

Datamining is per definitie altijd data gedreven, op data gebaseerd. Een slechte database geeft dan ook onduidelijke en daarmee onherkenbare/onwerkbare patronen of resultaten. Met andere woorden, in laatste instantie is het altijd het verhaal, of argument dat bijvoorbeeld een door machine leren ontdekt patroon verbindt met de toename van inzicht. Dat inzicht kan dan leiden tot het oplossen van een probleem, bijvoorbeeld het vangen van een boef. En verhalen/argumenten worden gevoed met data. In datamining spreekt de data als het ware terug, door (sub)patronen manifest te maken, die op het blote oog (lees: met het geschoolde kenmechanisme, binnen het gangbare verhaal) nog niet zichtbaar waren. Deze patronen moeten vervolgens in een bijgestelde versie van het argument weer een plaats krijgen. Ter illustratie een paar voorbeelden.

Uit data van het pingedrag (uur van de dag, ligging van de automaten en kennis van pinnen op andere dagen) kan soms feilloos een dipje in het pinnen bij een drukke automaat in verband worden gebracht met een vertraagde trein, of een regenbui. Of het veranderde zoekgebracht van een jonge vrouw kan in verband gebracht worden met een nog niet ontdekte zwangerschap, of het zoekgedrag op Google met een zich verspreidende griepepidemie.. In een onderzoek van Tandera et al. (2017) bleken de onderzoekers met machine leeralgoritmes op grond van de gebruikersprofielen en data van Facebook in staat met een gemiddelde accuraatheid van 74.17% de persoonlijkheid kunnen voorspellen binnen het big 5 persoonlijkheid model (verhaal/argument). In een volgende blog kom ik op dit onderzoek terug.

In datamining wordt juist zo mooi de beperkte reikwijdte van evidence based practice zichtbaar; het geeft in patronen en subpatronen die het genereert een noodzaak om een argument (verhaal) te maken, waarmee oorzakelijkheid (causatie) en samenhang (correlatie) van elkaar kunnen worden onderscheiden. Een behandeling waar 70% van de patiënten (of leerlingen) beter van wordt (of iets van opsteekt) is evidence based, maar een datamining algoritme zal ook een subgroep ontdekken die geen baat bij de behandeling heeft (bv 20 %) en een sub patroon met een groep die van de behandeling (of didactiek) juist slechter wordt (10%). Door deze gegevens in een (tentatief) argument te plaatsen, zal blijken dat er andere data nodig is, bijvoorbeeld of de ziekte al een keer eerder is behandeld (geen effect), of zelfs vaak (negatief effect).

Geloof in data op zich (dus zonder argument)  is van dezelfde orde als het geloof in de koppeling tussen haarkleur en tegenspoed, of tussen zwarte katten en ongeluk. Wellicht is het dan zelfs verontrustend dat met "bijgeloof" even veel misdaden worden opgelost in Frankrijk als met traditioneel recherchewerk. Maar laten we aannemen dat bij de Franse politie de experts op het gebied van datamining bekwaam zijn en daarom de datamining op argumentatiegestuurde wijze hebben uitgevoerd. In de discussies rond de mogelijkheden van machine leren en datamining wordt vaák de beïnvloeding met data registratiesystemen (camera's met gezichtsherkenning, bijvoorbeeld) verward met de (zuivere) data-analyse. De meting als interventie kan zeer effectief zijn. Op die gedachte zijn natuurlijk ook sociale puntensystemen (Facebook likes, beoordelingen, etc) gebaseerd. Het betreft gedragsbeinvloeding.

Iedere oplossing, of het nu een behandeling, een didactiek of een misdadiger voor het gerecht krijgen betreft, is altijd gebaseerd twee zaken: 1. data en 2. een "verhaal", dat als kader of argument dient. Binnen de context van zo'n verhaal kan data worden getransformeerd tot informatie, informatie tot kennis (het telkens bijgestelde verhaal: theorie) en kennis, tenslotte, tot wijsheid, een overstijgende "algemeenheid of waarheid" (paradigma). Zonder kader geen data en zonder data geen verhaal (zelfs een sprookje moet om mee geleefd te kunnen worden aansluiten bij talloze "feitelijkheden"). Het is wellicht tijd dat we beseffen dat alleen kijken naar de feiten onmogelijk is, we doen dat altijd vanuit een verhaal dat data transformeert tot "feiten". Bij evidence based practice is het verhaal - de kennis - (tijdelijk) door de feiten bewezen. Het accent ligt op de feiten. Het is hierom, dat we meer aandacht mogen hebben voor het verhaal en gaan van een zuiver (dus onmogelijk) practice based practice naar een argument based practice!

Als-Dan-Anders

Mensen hebben een cognitief ingebouwd mechanisme om succes of falen te verklaren vanuit (een keten van) als-dan-anders regels (conditionele algoritmes). Als een bepaald liedje een hit wordt, dan zal het wel "beter" (origineler, spannender, muzikaler, etc) zijn dan bijna alle andere liedjes (anders was het geen hit). Vul voor "liedje" iets willekeurig anders in, bijvoorbeeld film. Of als een kind het goed doet op school, zal het wel slimmer zijn dan de minder goed presterende kinderen. Zonder dat we het door hebben, baseren we meningen en zelfs sociaal wetenschappelijke "feiten" vaak op dergelijke causale constructies. We gaan bijvoorbeeld op zoek naar de geheime ingrediënten van een hit, of van succes. Maar kan onze sociale werkelijkheid wel logisch worden geadstrueerd? Is Madonna de beste popster van onze tijd en zijn mensen die niet in de westerse vooruitgang geloven nog niet verlicht?

Nee! Of iemand met bijvoorbeeld een liedje succes heeft, of niet, is van zeer veel op zich tamelijke arbitraire factoren en omstandigheden afhankelijk. Een aantal hiervan kan door een productiemaatschappij worden bedacht. Men meent deze dan ook te kunnen controleren (aansluiten bij een collectief gevoel na een bepaalde gebeurtenis, jaargetij, etc), maar de meeste factoren zijn "toeval". De overgang van bijvoorbeeld popmuzikant naar popster, betreft een discontinuïteit, een faseovergang. Hetzelfde geldt voor de overgang van schoolkind naar probleemkind (of naar kind met erkenning voor een vermeend talent). Ook hier bestaan erkende determinanten (school, gezin, hulpverlening). Het je gelijk halen lijkt achteraf verzekerd: het is een hit geworden, dus het was het beste liedje op dat moment. En daarmee wordt het succes onderdeel van de soundtrack van onze collectieve levens, en zitten we er voor de rest van onze levens aan vast. Dat kan mooi zijn, maar oók uiterst vervelend.

Want niet alleen (toevallig) succes creëert zichzelf, ook pech en ongeluk worden door ons als-dan-anders denken gemakkelijk in stand gehouden. Dit kan een reden zijn om mee te gaan in een niet bewezen praktijk waarin niettemin veel mensen geloven. Het geloof in succes als gevolg van de aanpak in combinatie met het feit dat niemand continu pech heeft, zal leiden in een gunstigere interpretatie van nieuwe gebeurtenissen. Dit mechanisme werkt volop in de ggz. Als iemand zich zo down voelt, dat hulp gezocht wordt, kan het waarschijnlijk makkelijker (iets) beter, dan nog slechter worden. De therapie, waar de dokter en de omgeving in geloven, krijgt de credits, onafhankelijk van de inhoud. Iets doen waarin geloofd wordt werkt, vooral omdat vanuit ongelukkig toeval het gemiddeld genomen makkelijker beter zal worden. Het maakt niet uit of de aanpak bestaat uit gesprekken met een sjamaan, homeopathie (druppels die zo verdund zijn dat ze onmogelijk nog sporen kunnen nalaten), gebedsgenezing, of gedragstherapie. Het verschil met placebo is het collectieve geloof in het werkingsmechanisme, waardoor framing helpt nieuwe gebeurtenissen te interpreteren als stappen in de verbetering, de weg naar (meer) succes, of geluk. Gebedsgenezing en homeopathie zullen niet door veel hedendaagse academisch geschoolde artsen en psychologen worden "geloofd" en dus beleden, vandaar dat "wetenschappelijk bewijs" hiervoor niet geleverd wordt.

Waar het mij om gaat, is om stil te staan bij ons menselijk onvermogen om succes en falen los te zien van degene die het betreft en onze eigen controle (in het vervolg van mijn blog over de creërende werking in de psychologie van het gebruik van meerkeuze en Likert-schalen). Wij zijn net als de vogels die een nest in een boom langs een weg hebben, en iedere af en toe passerende auto wegjagen. Ze hebben 100% succes, nog nooit heeft een auto het nest "gegrepen". Zolang er niet teveel auto's rijden, zullen de diertjes het geloof in hun acties houden en deze praktijk volhouden. Ook onze controle is veel meer illusoir dan we doorhebben. Zo beschouwen we het vaak al te gemakkelijk als onze verdienste dat we leven in een wereld waarin we het over het algemeen makkelijk hebben en toegang hebben tot fantastisch onderwijs, voedsel en andere levensbronnen. Als dat al iemands verdienste is, is het vooral die van de mensen die vroeger leefden, en het in veel opzichten veel minder makkelijk hadden. En ons geluk vereist een onevenredige belasting van de planeet en levert voor andere culturen soms regelrecht ongeluk op. Het is hierom van belang dit eenvoudige psychologische mechanisme - het eeuwige gelijk van ons ingebakken als-dan-anders denken - te proberen te begrijpen!