Data: waar kun je op vertrouwen in een post-waarheid wereld?

Alleen als je écht openstaat voor de mogelijkheid dat je een fout maakt, zul je ooit iets leren. Dat zegt onderzoeker en hoogleraar financiën aan de London Business School Alex Edmans. In zijn Ted Talk, What to trust in a "post-truth" world, onderzoekt hij concepten als post-waarheid, post-data en biedt hij praktische hulpmiddelen om informatie te beoordelen op betrouwbaarheid. En of je nu, net als Edmans, gelooft dat we in een post-waarheid tijdperk leven, of juist vindt dat dit iets van alle tijden is; de opkomst van sociale media betekent dat we ons allemaal een weg moeten banen in zeeën van informatie waarvan een deel onvermijdelijk onbetrouwbaar en onjuist is.

Screen Shot 2020 10 28 at 10 57 15

Alex Edmans spreekt in zijn Ted Talk over vertrouwen in een post-waarheid wereld

Het verhaal van Belle Gibson

Belle Gibson is een 24 jarige Australische die onverwachts verschrikkelijk nieuws krijgt. Ze heeft kanker. Bestraling en chemotherapie lijken niet te helpen, het ziet er somber uit voor Belle. Maar Belle is een vechter. Ze schrapt vlees en vis uit haar dieet, eet vooral groenten, beweegt en mediteert elke dag. Het onwaarschijnlijke gebeurt: Belle wordt beter. En dat gaat niet onopgemerkt voorbij. Haar verhaal wordt miljoenen keren gedeeld op sociale media. Belle wordt het gezicht van een beweging gericht op wellness en zelfgenezing. Ze brengt een kookboek uit en lanceert een app die in de eerste maand maar liefst 200.000 keer wordt gedownload.

Screen Shot 2020 10 28 at 10 56 45

Belle's kookboek The Whole Pantry

Wat blijkt? Belle’s verhaal is niet waar. Ze was nooit ziek en heeft alles verzonnen. Talloze mensen deelden haar verhaal online zonder ooit te controleren of het waar was.

Dit is een klassiek voorbeeld van confirmation bias, stelt Edmans. We accepteren klakkeloos wat in lijn ligt met onze overtuigingen en wijzen overige standpunten af. We accepteren daarmee dus een verhaal als feit zonder dit te verifiëren. Edmans neemt ons mee in de meest voorkomende vormen van confirmation bias.

Waar kun je op letten als het gaat om confirmation bias?

1. Verhalen voor feiten aanzien

Iedereen heeft confirmation bias, jij en ik ook. Dat is ook niet gek, elke dag worden we overspoeld met méér informatie dan we ooit kunnen verwerken, onderzoeken en onbevooroordeelde conclusies over kunnen trekken. We zijn dus aangewezen op onze eigen standpunten en geven onbewust de voorkeur aan verhalen die ons wereldbeeld bevestigen. Heel menselijk, maar des te belangrijker om je hiervan bewust te zijn en verhalen altijd te controleren op juistheid.

Maar alleen checken op feitelijkheid is niet genoeg, aldus Edmans. Want zelfs als Belle’s verhaal wél waar was, was dit niet relevant.

Waarom? Dat heeft te maken met een fundamentele techniek in statistiek, genaamd Bayesiaanse gevolgtrekking. Gesimplificeerd betekent dit het volgende: we zijn altijd op zoek naar data die onze theorie of hypothese ondersteunen, maar in plaats daarvan kijken we per ongeluk alleen of de data consistent zijn met onze hypothese. En daarin schuilt een wezenlijk verschil: want data die enkel consistent zijn met onze theorie kunnen immers ook consistent zijn met andere theorieën. En door onze confirmation bias zijn we nu juist geneigd die andere theorieën over het hoofd te zien, onbewust willen we immers graag dat de data onze theorie ondersteunen.

Neem bijvoorbeeld de theorie dat een dieet in het geval van kanker leidt tot zelfgenezing. Als deze inderdaad ondersteund wordt door data zou je meer verhalen lezen zoals die van Belle.

Maar wat als de data de theorie niet zouden ondersteunen? Dan zou je alsnog het verhaal van Belle kunnen zien: één enkel geval waarin dieet leidt tot zelfgenezing. Een uitzondering.

Er zijn immers ook verhalen van mensen die twee pakjes sigaretten per dag roken en 100 jaar oud worden, of multimiljonairs die nog nooit een dag hebben gestudeerd. Deze verhalen zijn wat statistici uitbijters (outliers) noemen. Één enkel datapunt dat relatief ver buiten de overige data ligt.


2. Feiten voor data aanzien

Het grootste probleem met Belle’s verhaal is dus niet dat het niet waar is, maar vooral dat het slechts één verhaal is. Er zijn waarschijnlijk duizenden verhalen waar enkel dieetaanpassingen kanker niet genazen, maar die hebben we nooit gehoord. We zijn namelijk vooral geneigd om de uitzonderingen te delen. De verhalen die nieuw zijn, en daarmee nieuwswaardig. De gewone alledaagse verhalen delen we minder. Die zijn immers ook niet bijzonder, die zijn wat er altijd al gebeurt.

We leven niet alleen in een post-waarheid wereld, we leven in een post-data wereld, stelt Edmans. Één enkel verhaal heeft keer op keer onze voorkeur boven betrouwbare data. En verhalen zijn natuurlijk ook krachtig. Verhalen geven kleur, spreken tot onze verbeelding, maken ons aan het lachen of juist huilen. Maar een enkel verhaal kan ook misleidend zijn of betekenisloos, tenzij het wordt ondersteund door betrouwbare data.


3. Data en bewijs met elkaar verwarren

Zelfs data die in lijn lijken met een bepaalde theorie zijn niet altijd genoeg, aldus Edmans. Er bestaat namelijk altijd een mogelijkheid dat data ook consistent zijn met andere theorieën. Misschien ken je het klassieke statistische voorbeeld van het ijsje wel? Wat blijkt uit grootschalige data: wanneer er meer ijs wordt verkocht zijn er ook meer verdrinkingen. Betekent dit dan automatisch dat die verdrinkingen worden veroorzaakt door het eten van ijs?

Nee, want hoewel de data een samenhang lijken te vertonen zijn er meerdere verklaringen mogelijk. Het eten van ijs zou namelijk verdrinken kunnen veroorzaken, of verdrinking zou het eten van ijs kunnen veroorzaken. Daarnaast is het mogelijk dat de data puur toevallig overeenkomen of dat het eten van ijs en verdrinkingen samenhangen met een andere oorzaak. Dat is in dit voorbeeld het geval, beiden hangen namelijk samen met hoge zomerse temperaturen.

Verwar data daarom nooit met bewijs. Data zijn een verzameling van feiten. Bewijs ondersteunt de ene theorie, en sluit de andere uit. Wil je zeker weten dat je data een theorie echt ondersteunen? Probeer dan juist het tegendeel te bewijzen. Stap in de rol van advocaat van de duivel en onderwerp de data aan een nauwkeurig onderzoek. Confirmation bias is namelijk niet alleen het niet openstaan voor nieuwe data, maar ook misinterpretatie van data wanneer je deze hebt.


Screen Shot 2020 10 28 at 10 45 43

Nog een voorbeeld van incorrecte logica waarin data en bewijs met elkaar verward worden. In de bovenstaande grafiek zie je dat de sterke wereldwijde afname van het aantal piraten over de laatste 180 jaar lijkt te leiden tot een stijging van de gemiddelde temperatuur op de aarde. Grafiek via PSY

Van post-waarheid naar pro-waarheid

Wanneer je op een keerpunt staat in het leven en een belangrijke beslissing moet nemen waarin je afhankelijk bent van betrouwbaarheid van informatie raadt Edmans je aan om op de volgende 3 dingen letten:


1. Ga actief op zoek naar andere meningen

Het liefst meningen die anders zijn dan de jouwe. Aristoteles zei ooit: het teken van een ontwikkelde geest is met een gedachte te kunnen spelen, zonder deze te accepteren. Ga het gesprek aan en luister naar anderen met de intentie om te begrijpen, niet om te reageren. Draag bij aan een cultuur waar mensen elkaar durven uit te dagen, ideeën kritisch kunnen worden benaderd en verschil van mening mag bestaan.

De grootste vijand van kennis is niet onwetendheid, maar de illusie van kennis
Stephen Hawking

Stephen Hawking

2. Luister naar experts

Een impopulair advies in deze tijd, waarin we geneigd zijn om eerder te luisteren naar mensen die we kennen of ons onderbuikgevoel dan naar expertise. Maar realiseer je dat onderbuikgevoel niet altijd klopt. Onderbuikgevoel zegt je misschien dat je niet te veel moet drinken tijdens blaasontsteking om pijn te verminderen. Expertise vertelt juist het tegenovergestelde. Je zou een belangrijke operatie waarschijnlijk niet zomaar door de buurman laten doen, maar daarvoor de allerbeste meest ervaren arts willen. Deze houding moet gelden voor alle belangrijke beslissingen in ons leven, stelt Edmans. Of het nu gaat om gezondheid, politiek, ouderschap of werk.

3. Denk goed na voor je iets deelt

Bekijk of het betrouwbaar is: een verhaal is immers niet altijd een feit, misschien is het niet waar. Een feit is niet altijd data, misschien is het niet representatief. Data zijn niet altijd bewijs, misschien ondersteunen de data ook andere theorieën.

Vraag je af: als dezelfde studie, gedaan door dezelfde mensen, met dezelfde data het tegenovergestelde resultaat zou vinden, zou ik het dan nog geloven? En zou ik het dan nog delen?

Je kunt de volledige Ted Talk, What to trust in a "post-truth" world door Alex Edmans hier bekijken.