Data zijn een alomtegenwoordig aspect van het moderne bestaan, maar het huidige discours eromheen is vaak te technisch, academisch en ontoegankelijk voor de gemiddelde persoon. Spreek gegevens uithet boek dat ik zojuist samen met mijn co-auteur Phillip Cox heb gepubliceerd, is het resultaat van ruim vijftien jaar leven en werken met data, zowel als ontwerpers als als mensen.
In plaats van een leerboek of handleiding voor ontwerpers, hadden we een meer toegankelijke verkenning van de menselijke kant van data voor ogen, tot leven gebracht door de perspectieven van experts en praktijkmensen uit vele disciplines, van geneeskunde en wetenschap tot kunst, cultuur en belangenbehartiging. In een tijdperk waarin iedereen praat NAAR DEDoor de klimaatcrisis, surveillance en privacy, en de manier waarop technologie onze keuzes vormgeeft, wilden we data niet herformuleren als iets kouds of afstandelijks, maar als iets diep persoonlijks: een hulpmiddel dat wij (als mensen) kunnen gebruiken om onszelf en de wereld beter te begrijpen. Het boek onderzoekt wat wij Data Humanism noemen, een benadering die context, nuance, verhaal en imperfectie terugbrengt naar de kern van de manier waarop we data verzamelen, ontwerpen en communiceren.
In dit fragment reflecteert organisatiepsycholoog en bestsellerauteur Adam Grant op de manier waarop we gegevens interpreteren en communiceren, vooral in tijden van onzekerheid, en waarom verhalen en emoties net zo essentieel zijn voor het begrijpen van informatie als de statistieken zelf.
Adam Grant is de Saul P. Steinberg hoogleraar management en hoogleraar psychologie aan de Wharton School van de Universiteit van Pennsylvania. Toch dekt die indrukwekkende titel nauwelijks de volledige reikwijdte van zijn activiteiten. Adam is een academisch onderzoeker, een bekroonde leraar, een bestsellerauteur, een podcaster en een publieke intellectueel. Hij is geïnteresseerd in grote menselijke thema’s zoals motivatie, vrijgevigheid, overdenken en potentieel. Hij is ook de auteur van zes boeken, waaronder de bestseller Denk nog eens na: de kracht van weten wat je niet weet. In dit gesprek vertelt Adam over het trekken van lessen uit de pandemie; gegeven tegen gegevens; en hoe abstracte getallen tot zeer reële menselijke uitkomsten kunnen leiden.
Als psycholoog die gedrag in organisaties bestudeert, zijn data een hulpmiddel dat je dagelijks gebruikt. Wat denk je dat mensen het meest fout doen als het gaat om data?
Mensen hebben vaak moeite met het accepteren van gegevens die hun intuïtie of ervaring uitdagen. Ik wil ze altijd vertellen dat als het bewijsmateriaal niet overeenkomt met jouw ervaring, je niet meteen moet zeggen dat de gegevens onjuist zijn. Dat zou het kunnen zijn jij bent een uitbijter is, dat uw ervaring niet representatief is en dat de gegevens feitelijk een trend laten zien waar u eenvoudigweg niet in past.
Veel van mijn werk gaat over hoe mensen sociaalwetenschappelijk onderzoek interpreteren, omdat ik daar met het grote publiek in contact kom. Eén ding dat ik vaak zie, is dat mensen een onderzoek lezen en zich vervolgens voorstellen dat het onderzoek is uitgevoerd onder een steekproef van een paar duizend mensen in deze branche of dat land, en om die reden negeren ze de resultaten. Dit is een voorkeur voor bevestiging en een vooroordeel over fundamentele wenselijkheid. U moet uw persoonlijke mening niet vertrouwen op basis van rigoureus bewijsmateriaal dat van veel mensen is verzameld.
In een artikel waarvoor je schreef De Bewaker, beschrijf hoe u met een vriend de effectiviteit en veiligheid van het COVID-19-vaccin bespreekt. Je schreef: “Ik ben het slachtoffer geworden van wat psychologen binaire vooringenomenheid noemen. Dat is wanneer we een complex spectrum nemen en het in twee categorieën oververeenvoudigen. Als we betere argumenten willen hebben, moeten we op zoek gaan naar grijstinten.” Dat is ongeveer waar je het over hebt. Met dit alles in gedachten: wat is het nut van de gegevens?
De analogie die ik gebruik is geneeskunde. Tegenwoordig hebben we evidence-based geneeskunde, maar ooit probeerden medische professionals problemen op te lossen door middel van aderlatingen en lobotomieën. Dankzij gerandomiseerde gecontroleerde onderzoeken en zorgvuldige longitudinale onderzoeken hebben we nu veel veiligere en betrouwbaardere behandelingen. Met evidence-based geneeskunde leven mensen langer en zijn ze gezonder.
Laten we nu eens kijken hoe we medische gegevens interpreteren. Als je alle gerandomiseerde gecontroleerde onderzoeken naar het gemiddelde effect van ibuprofen op pijnverlichting zou samenvatten en de resultaten zou uitdrukken als een correlatie van -1 tot +1, zouden de meeste mensen denken dat de correlatie 0,7 of 0,8 zou zijn. We hebben tenslotte genoeg Advil in de wereld. Maar in werkelijkheid bleek uit een analyse dat de gemiddelde correlatie 0,14 was. Voor veel mensen is dit een verrassend kleine waarde, maar het feit dat het een klein effect is, betekent niet dat het onbelangrijk is. Dat is de eerste les: patronen in de gegevens hoeven niet groot te zijn om consequenties te hebben. Reproduceer dit effect op miljoenen en miljoenen mensen en veel mensen zullen hiervan profiteren. En dat voordeel zal breed verspreid worden.
Ten tweede heeft de behandeling niet bij iedereen hetzelfde effect. Er zijn onverwachte gebeurtenissen. Dus in plaats van te vragen of Advil effectief is, willen we vragen: voor wie is het effectief? Wanneer is het effectief? Deze vraag van wanneer en voor wie stelt ons in staat naar de gegevens te kijken en te zeggen: dit is reëel, maar alleen onder bepaalde omstandigheden. Nu moeten we weten hoe wijdverspreid deze omstandigheden zijn. Voor sommige mensen is dit reëel. Wat zijn de gemeenschappelijke kenmerken van die mensen?
De ultieme les van de geneeskunde is dat wat effectief is, in de loop van de tijd evolueert. De problemen die we proberen te behandelen kunnen veranderen. We moeten ons bewijsmateriaal bijwerken en ons afvragen: wat zijn de beste beschikbare gegevens over een bepaalde vraag of om een bepaald probleem op te lossen? Is er een reden waarom wat tien, twintig, dertig jaar geleden waar was, vandaag de dag misschien niet meer van toepassing is? Ik zou mijn mening nog steeds liever baseren op solide, oud bewijs dan op geen bewijs, maar we moeten in de gaten houden hoe de zaken evolueren naarmate onze context verandert.
Precies. Wat is de context? Wat zijn de nuances? De gegevens zijn een momentopname. Morgen, of over een maand, kunnen de zaken anders zijn. Vooral als we zien dat gegevens op een zeer precieze en gedefinieerde manier worden weergegeven, gaan we ervan uit dat ze de absolute macht hebben om altijd een situatie weer te geven. Dit is natuurlijk een probleem geworden tijdens de pandemie.
Ik denk dat het grootste gevolg van de pandemie met betrekking tot de rol van data is dat experts en ambtenaren buitengewoon slecht werk hebben verricht in het communiceren van onzekerheid en onvoorziene omstandigheden. Ik had moeten weten dat dit zou gebeuren. Hoofdstuk 8 in mijn boek Denk nog eens nadat ik vóór de pandemie schreef, ging over het niet verliezen van vertrouwen als je zegt: ‘Er moet meer onderzoek worden gedaan’, of ‘Hier zijn de eerste conclusies, maar er zijn omstandigheden waaronder ze misschien niet standhouden’, of ‘Dit is wat ons eerste bewijs suggereert. Zodra we meer tests hebben gedaan, zullen we onze conclusies bijwerken.’ En laat mensen weten hoe dit proces eruit ziet en hoe wetenschappelijk onderzoek niet alleen wordt uitgevoerd, maar ook wordt verzameld.
Dit is waarschijnlijk het nuttigste wat ik tegen een vriend van mij heb gezegd, die na ruim drie jaar debatteren zeer sceptisch staat tegenover vaccins. Hij vertelde me: “Eén onderzoek zegt dit en één onderzoek zegt het tegenovergestelde!” Mijn antwoord is dat je beide kanten niet gelijk moet beoordelen. Je moet sterk bewijs zwaarder wegen dan zwak bewijs.
We moeten veel genuanceerder zijn in de manier waarop we communiceren. We moeten duidelijkheid bieden waar er onzekerheid bestaat. We moeten benadrukken waar zich onverwachte gebeurtenissen voordoen. We moeten net zo open zijn over wat we niet weten als over wat we wel weten. Een van de dingen die we tijdens COVID-19 hebben gezien, is dat de geloofwaardigheid van de bron de geloofwaardigheid van de boodschap domineert. Mensen zullen veel gemakkelijker een zwak argument geloven van iemand die ze vertrouwen dan een sterk argument van iemand die ze niet vertrouwen. Een van de manieren om een betrouwbare bron te worden, is door uw onzekerheid heel duidelijk toe te geven, intellectuele nederigheid te tonen en waar nodig uw twijfels te uiten. Ik hoop dat we die les niet steeds opnieuw hoeven te leren.
Wat is jouw persoonlijke definitie van data?
Gegevens zijn informatie die wordt verzameld door middel van systematische en rigoureuze observatie.
We vinden het leuk dat je data zegt Ik ben. Ook voor ons, gegevens het is meervoud.
Een stukje data, of datapunt, is informatie. Gegevens zijn de verzamelingen van die waarnemingen.
Om het onderwerp iets te veranderen: u hebt in het verleden gesproken over de relatieve kracht van data versus verhalen om mensen te beïnvloeden en van gedachten te veranderen. Dit is ook iets waar wij in ons werk veel over nadenken. Wanneer denk je dat een echt krachtige statistiek geschikt is, versus wanneer een menselijk verhaal het meest effectief zal zijn? En wanneer kunnen ze gecombineerd worden?
Het is een valse dichotomie om te zeggen dat ze niet gecombineerd kunnen worden. Mijn mening over het verantwoord gebruiken van verhalen is dat we moeten beginnen met de gegevens en vervolgens verhalen moeten vinden die de gegevens verhelderen.
Verhalen zijn vaak effectiever in het oproepen van emoties. Ze stellen ons in staat om een beetje afstand te nemen van onze perspectieven. Ze dompelen ons niet alleen onder in het verhaal, maar dompelen ons ook onder in een personage. We worden meegesleept in verhalen en hebben de neiging ze meer te ervaren dan dat we ze waarderen. Soms kan dit ervoor zorgen dat mensen minder rigoureus zijn in het analyseren van data, en dit wordt een probleem als verhalen niet door data worden aangestuurd.
Hoe verrassender de gegevens, hoe groter de kans dat ze de aandacht trekken. Als je gegevens hebt die de intuïtie van mensen op de proef stellen, is de kans veel groter dat je hun nieuwsgierigheid wekt. Maar je moet voorzichtig zijn, want, zoals de socioloog Murray Davis schreef in zijn klassieke artikel ‘Interesting!’, mensen zijn geïntrigeerd als je hun zwakke intuïties in twijfel trekt, terwijl ze defensief worden als je hun sterke intuïties in twijfel trekt. Er zit dus een nuance in.
Vanuit visueel oogpunt proberen we de verhalen te verankeren aan meer geaggregeerde gegevens, maar deze vervolgens te desaggregeren door een aantal gegevenspunten te extraheren die de context kunnen verklaren. Door het verhalend te doen, kan het toegankelijker worden, zoals de plot van een boek. Het is echt fascinerend.
Een andere manier om een verhaal over data te vertellen is door te beginnen met wat mensen zouden verwachten, en ze vervolgens hun aannames te laten herzien. Mensen vinden die reis vaak onthullend en verhelderend, en het kan een emotionele boog worden.
Iets anders dat ik heb geleerd, is om een verrassend resultaat te presenteren en mensen vervolgens te vragen hoe ze het zouden verklaren. Dit opent hun geest enorm: ze bedenken redenen die ze overtuigend vinden en worden zo actieve deelnemers aan de dialoog. In plaats van jouw standpunt te verkondigen of dat van hen na te streven, betrek je ze bij het proces van denken als een wetenschapper en het genereren van hypothesen. Ik vind het echt leuk.
