© Rosa Snijders

Cijfers spreken niet voor zich, maar wie leert ons ze te verstaan?

1 Connectie

Werkvelden

Technologie
43 Bijdragen

We worden gebombardeerd met cijfers die niet uit zichzelf een transparant en eenduidig verhaal vertellen. Ze vragen om uitleg, een vertaling in woorden. Anders gezegd: cijfers hebben een tolk nodig. Miriam Rasch constateert daarom droogjes: ‘zodra iemand zegt dat de cijfers voor zich spreken, kun je beter op je hoede zijn.’

‘Ik geef u heel veel cijfers en ik begrijp dat die abstract zijn.’ Ik vond het een opmerkelijke uitspraak van minister Hugo de Jonge in de persconferentie eind september. Een terechte uitspraak, ook. We worden gebombardeerd met cijfers die niet uit zichzelf een transparant en eenduidig verhaal vertellen, hoe graag we dat ook zouden willen. Ze spreken misschien wel, maar dat betekent niet dat we ze zomaar verstaan. Ze vragen om uitleg, een vertaling in woorden. Die kregen we ook van de minister: de cijfers, ging hij verder, ‘betekenen dat mensen met een andere ziekte dan corona langer moeten wachten op een behandeling’. Een uitleg die me even opmerkelijk in de oren klonk, omdat hij de aandacht direct van de ene ziekte naar de andere verlegde.

Cijfers zijn zo bepalend, op alle niveaus, dat ze kunnen ‘lezen’ niet vroeg genoeg kan worden aangeleerd

Ik krijg met enige regelmaat de vraag ‘wat we onze kinderen moeten leren’ als het om technologie gaat. Moeten ze kunnen programmeren (niet per se, wat mij betreft), weten hoe een algoritme werkt (een beetje), begrijpen wat er met hun data gebeurt (min of meer)? Dat soort concrete zaken zou vooral, denk ik, door een meer elementaire kennis gestut moeten worden: inzicht in de rol van cijfers en kwantificatie in de toepassing van moderne technologie, en in de samenleving als geheel. Naast mediawijsheid en digitale geletterdheid zou ik willen pleiten voor iets als cijferwijsheid. Cijfers zijn zo alomtegenwoordig en bepalend op alle niveaus, van je sociale media-status en de verzameling van persoonsgegevens tot het pandemiebeleid, dat ze kunnen ‘lezen’ niet vroeg genoeg kan worden aangeleerd.

Wie dat de kinderen goed kan bijbrengen, is wel de vraag. Scholen zelf zijn dol op cijfers, die ze weinig kritisch als instrument gebruiken om kinderen te monitoren en beoordelen, en om sturing te geven aan docenten en hun lesinhoud. Dat maakt de school een wat paradoxale omgeving om kinderen of studenten cijferwijsheid aan te leren, net zoals het moeilijk is om ze bij te brengen dat je zuinig op privacy moet zijn wanneer de school ondertussen zelf alle mogelijke data van diezelfde kinderen verzamelt en met anderen deelt. Het leren van cijferwijsheid vraagt – net als andere wijsheden allicht – ook om zelfreflectie bij de onderwijzende instanties. Dat is niet erg, het kan juist een startpunt zijn van een gezamenlijk gesprek over de vraag wat we eigenlijk meten en met welk doel.

Schuiven met drempels

Onder cijferwijsheid zou het lezen en uitleggen van statistische gegevens en grafieken vallen, maar ook begrip van de meer systemische kenmerken van cijfers. Zoals hoe ze ertoe uitnodigen ze als drempel te gebruiken: als eenmaal een bepaalde waarde is bereikt, dan gebeurt er iets.

Een voorbeeld van zo’n drempel is het inmiddels fameuze R-getal, dat uitdrukt hoeveel mensen een besmet persoon op zijn beurt gemiddeld infecteert. In de woorden van minister De Jonge: ‘Dat getal, dat R-getal [dat ten tijde van De Jonges toespraak op 1,3 stond, MR], betekent dat elke 100 besmette mensen het virus aan ongeveer 130 anderen doorgeven in vier of vijf dagen. Dat getal betekent dus dat steeds meer mensen ziek worden.’ Let op het woord betekenen dat hier zo nadrukkelijk herhaald wordt: cijfers moeten kennelijk worden vertaald.

"Waar de drempelwaarde ligt is een kwestie van interpretatie: wat noemen we goed en wat niet meer?"

De bekendste cijferdrempel in het onderwijs is die van de beoordeling: een bepaald cijfer betekent een voldoende, daaronder heb je onvoldoende gepresteerd. Die grens is niet in steen gebeiteld. Op mijn middelbare school lag de drempel bijvoorbeeld op 5,5 en op de universiteit op 5,6. En de drempel wordt van lieverlede een sturend principe. Je kunt een tot in detail uitgewerkte maatstaf hebben, lopend van 1 tot 10 en met een cijfer achter de komma, maar uiteindelijk ligt het zwaartepunt bij de drempel. Dat geldt zowel voor wie gemeten wordt, zoals de zesjesstudent, als voor wie hem hanteert. 

Ook op een andere manier is de grens tussen een voldoende en onvoldoende vloeibaar te noemen. Al naar gelang de resultaten die een toets oplevert, is de drempel makkelijk aan te passen. Niet iedereen mag zakken, want dat zou betekenen dat de toets niet deugt of de lessen zinloos waren. Als iedereen zonder moeite hoge cijfers haalt, is er net zo goed iets mis. Waar de drempelwaarde ligt is een kwestie van interpretatie: wat noemen we goed en wat niet meer? 

‘Objectieve’ data blijken zich goed te lenen voor manipulatie

Het schuiven met deze waarde is niet alleen aan de orde bij schoolresultaten. Politiek geograaf Louise Amoore heeft beschreven hoe dit ook gebeurt bij ingrijpende beslissingen die met behulp van data worden genomen. Ook als het gaat om de bewegingsvrijheid van mensen, denk aan politiecontroles of in de rechtspraak. Data worden daarbij ingezet om de waarschijnlijkheid te berekenen van bijvoorbeeld ontsnappingsgevaar of de kans op recidive. Als de data net onder de drempel blijven, is het niet ongebruikelijk om die grenswaarde handmatig wat te verschuiven, zodat er alsnog een beslissing uitrolt – gewoonlijk in het nadeel van degene die onder surveillance staat. Zo blijken ‘objectieve’ data zich goed te lenen voor manipulatie.

Van oordeel naar veroordeling

Ook als de waarschijnlijkheid van wat gemeten wordt nét over de drempel heen gaat, is het ‘computer says no’. De kans wordt afgerond tot een gegeven. Hoe fijnmazig de data ook zijn, met alle verschillende factoren die zij meten en wegen, uiteindelijk komt er in zo’n geval een eenduidig antwoord uit. Deze ja/nee-logica van de drempel lijkt me zelfs in verband te brengen met de huidige polarisatie. Je bent voor of je bent tegen, je hoort erbij of niet, die boodschap zit in deze geabstraheerde, cijfermatige manier van beslissen ingebakken.

Onderbouwen of argumenteren is niet meer nodig, het is kiezen of delen, goed of fout

In een recent essay in NRC Handelsblad legde Bas Heijne het verband tussen online ratings en cancel culture: het is niet verwonderlijk dat een jarenlang regime van elkaar (online) beoordelen met duimpjes en sterrensystemen uiteindelijk leidt tot uitsluiting van de ander én opsluiting in het eigen gelijk. Dat zulk oordelen gebeurt in cijfers helpt niet mee. Aantallen sterren en ballen, scores en swipes gelden als glasheldere communicatiesystemen die elke discussie terugbrengen tot de kern. Onderbouwen of argumenteren is niet meer nodig, het is kiezen of delen, goed of fout. 

Tegelijkertijd kenmerken cijfers zich door onstuitbare groei. Hun eigen reproductiegetal is nogal hoog. Er is altijd meer dat geteld of gekwantificeerd kan worden, elk cijfer is weer uit te splitsen in onderpopulaties, subcategorieën, deelbeoordelingen. Alsof meer cijfers automatisch meer inzicht en kennis opleveren.

Dat is niet evident. Uit een grote studie naar de voorspelbaarheid van de menselijke levensloop met behulp van machine learning, bleek dat modellen die gebruik maakten van duizenden variabelen niet per se betere resultaten opleverden dan modellen die het met vier variabelen moesten stellen. Niet omdat de levensloop eenvoudiger in elkaar zit dan die duizenden variabelen doen vermoeden, integendeel. Econoom Louis Raes, die deel uitmaakte van het onderzoeksteam, wijt het in een artikel op Binnenlands Bestuur aan ‘het rare wezen’ dat de mens is. Een net uitgezet met vier piketpaaltjes weet ons blijkbaar even goed (of slecht) te vangen als een ingewikkeld systeem met 12.942 variabelen.

"De bezitter van de data en de samensteller van de cijfers hebben macht, maar degene die ze mag toelichten niet minder"

Cijfers snoeren ons soms de mond

Te veel cijfers verhinderen het zicht, scheppen soms alleen maar verwarring: nog meer informatie waartoe je je moet verhouden en een mening over moet hebben. Maar het ene getal dat alleszeggend moet zijn en in een oogopslag vertelt wie of wat je voor je hebt, doet dat evenzeer. Zoals dat R-getal, of het scriptiecijfer dat steeds vaker opduikt op cv’s, alsof het een wettig bewijs van kunnen is.

De vraag is waarop ze het zicht verhinderen, of als je het positief wilt stellen, wat ze zouden moeten verhelderen. Dat is dezelfde vraag als die naar de betekenis van de cijfers. En wie die uitleg mag geven (‘dat betekent…’) is van groot belang. De bezitter van de data en de samensteller van de cijfers hebben macht, maar degene die ze mag toelichten niet minder. Ook het weigeren van uitleg is een machtsmiddel. Zodra iemand zegt dat de cijfers voor zich spreken, kun je beter op je hoede zijn. Dan blijkt het getal pas echt versluierend te werken, versluierend voor macht. 

We moeten leren begrijpen hoe cijfers werken en welke macht ze kunnen geven. De crux van cijferwijsheid is het inzicht dat cijfers uit zichzelf niet communiceren. Al zijn ze nog zo nuttig, iemand moet uitleggen waarom en waarvoor ze nuttig zijn, welke selectie bij hun presentatie is gemaakt, welke uitsnede van de werkelijkheid ze weergeven – en wij moeten dat leren begrijpen, want ook dat gaat niet vanzelf. Pas dan kunnen de cijfers gaan fonkelen van betekenis.

Kunnen we die rijkdom aan interpretaties leren waarderen in plaats van die als bedreigend te ervaren?

Cijferwijsheid is daarom in de grond de kunst van het interpreteren. Dat wil niet zeggen dat anything goes. Slecht uitgevoerde interpretaties, ook van getallen, kunnen hopeloos de plank misslaan. Wat een onderschatting van het R-getal kan betekenen, weten we inmiddels uit ervaring.

Interpretaties zijn niet zweverig of ongefundeerd, juist niet. Ze vragen om argumenten en uitleg, ze zijn het resultaat van denkwerk dat gedeeld wordt. Ze bewegen van detail naar context en weer terug, nemen bestaande kennis, traditie en verwachtingen mee. Hun complexiteit betekent tegelijk dat ze altijd voorlopig en onvolledig zullen blijven. Ze kunnen doorslaggevend zijn, maar nooit allesverklarend: er zijn altijd meer, en andere, interpretaties mogelijk. 

Kunnen we die rijkdom leren waarderen in plaats van als bedreigend te ervaren? De kunst van het interpreteren, en dus cijferwijsheid, vraagt om openheid, het toelaten van (de mogelijkheid van) andere interpretaties. Dat hoeft niet in de weg te staan van duidelijk beleid, wel van polarisatie. ‘Ik heb me afgevraagd hoe we met zijn allen communiceren,’ aldus Diederik Gommers in het AD. ‘Ik bedoel dat we niet alleen maar moeten focussen op getallen, die besmettingsaantallen, de dagelijkse wisselkoersen, want dat is wat ik vooral zie.’

Opnieuw een opmerkelijke uitspraak, een die uitnodigt tot verdere gedachtenwisseling. Cijfers zouden inderdaad een start- in plaats van eindpunt van een open gesprek kunnen zijn. In het beste geval gaat zo’n gesprek gepaard met nieuwsgierigheid of zelfs verwondering. Iets wat niet alleen kinderen te leren hebben.

Miriam Rasch
Miriam Rasch
Wil weten wat het betekent mens te zijn in een door data geregeerde wereld – daarom schrijft en denkt ze erover.
Gevolgd door 221 leden