Wat te vertrouwen in een "post-waarheid"-wereld

Alleen als je echt openstaat voor de mogelijkheid om fout te zitten, kun je ooit leren, zegt onderzoeker Alex Edmans. In een verhelderende toespraak onderzoekt hij hoe het bevestigingsvooroordeel -- de neiging om alleen informatie te accepteren die je persoonlijke overtuigingen ondersteunt -- je op een dwaalspoor kan brengen op sociale media, in de politiek en daarbuiten. Hij biedt drie praktische hulpmiddelen om bewijs te vinden dat je echt kunt vertrouwen . (Tip: stel in je leven iemand aan als advocaat van de duivel.)

Belle Gibson was een gelukkige
jonge Australische.

Ze woonde in Perth en
ze was gek van skateboarden.

Maar in 2009 vernam Belle dat ze
hersenkanker had en vier maanden te leven.

Twee maanden chemo en bestraling
hadden geen effect.

Maar Belle was vastbesloten.

Ze was haar hele leven
een vechter geweest.

Als zesjarige moest ze al koken
voor haar broer met autisme

en haar moeder die multiple sclerose had.

Haar vader was er niet.

Dus vocht Belle terug,
met oefeningen, met meditatie

en door vlees in te ruilen
voor groenten en fruit.

Ze herstelde volledig.

Belle's verhaal ging viraal.

Het werd getweet, geblogd, gedeeld
en bereikte miljoenen mensen.

Het toonde de voordelen van het mijden
van traditionele geneeskunde

tegenover dieet en lichaamsbeweging.

In augustus 2013 startte Belle
een gezonde-voeding-app,

The Whole Pantry,

die binnen een maand
200.000 keer werd gedownload .

Maar Belle's verhaal was een leugen.

Belle had nooit kanker gehad.

Mensen deelden haar verhaal
zonder ooit te checken of het waar was.

Dit is een klassiek voorbeeld
van een bevestigingvooroordeel.

Wij aanvaarden een verhaal kritiekloos

als het bevestigt wat wij vinden
dat waar zou moeten zijn.

En we verwerpen ieder verhaal
in tegenspraak ermee.

Hoe vaak zien we dit niet

in de verhalen
die wij delen en negeren?

In de politiek, in het bedrijfsleven,
bij gezondheidszorg-advies.

In 2016 was ‘post-waarheid’ het woord
van het jaar van The Oxford Dictionary.

En de erkenning dat we nu
in een post-waarheid-wereld leven,

heeft geleid tot een broodnodige nadruk
op het controleren van de feiten.

Maar de clou van mijn lezing

is dat alleen het controleren
van de feiten niet volstaat.

Zelfs als Belle's verhaal waar zou zijn,

dan was het net zo irrelevant.

Waarom?

We kijken eens naar een van de meest
fundamentele technieken in de statistiek.

Hij heet Bayesiaanse gevolgtrekking.

De zeer eenvoudige versie is dit:

Waar we om geven is:
"Ondersteunen de data de theorie?"

Verhogen de data onze overtuiging
dat de theorie waar is?

Maar in plaats daarvan vragen we:

"Zijn de gegevens
in overeenstemming met de theorie?"

Maar het in overeenstemming
zijn met de theorie

betekent niet dat de gegevens
de theorie ondersteunen.

Waarom?

Door een cruciaal,
maar vergeten derde punt:

de data kunnen ook overeenstemmen
met rivaliserende theorieën.

Maar door het bevestigingsvooroordeel

overwegen we
die rivaliserende theorieën nooit,

daarvoor koesteren we
onze eigen lievelingstheorie te zeer.

Laten we dit eens toepassen
op het verhaal van Belle.

Wat we willen weten is:

ondersteunt Belle's verhaal
de theorie dat diëten kanker geneest?

Maar in plaats daarvan vragen we:

"Is Belle's verhaal consistent
met de theorie dat dieet kanker geneest?"

En het antwoord is: ja.

Als dieet kanker genas, zouden we
verhalen als dat van Belle tegenkomen.

Maar zelfs als dieet geen kanker geneest,

zouden we nog steeds verhalen
als dat van Belle tegenkomen.

Eén enkel verhaal waarbij
een patiënt schijnbaar zichzelf genas

doordat er in de eerste plaats
een verkeerde diagnose werd gesteld.

Net als dit: zelfs al was roken
slecht voor je gezondheid,

toch vind je altijd wel
één roker die 100 werd.

(Gelach)

Ook dit: zelfs al was onderwijs
goed voor je inkomen,

dan vind je altijd nog één multimiljonair
die niet naar de universiteit ging.

(Gelach)

Het grootste probleem met het verhaal
van Belle is niet dat het vals was.

Het is dat het slechts één verhaal is.

Er kunnen duizenden andere verhalen zijn
waar alleen diëten mislukte,

maar die we nooit horen.

Wij delen de uitschieters
omdat ze nieuw zijn,

en daardoor nieuws.

We hebben het nooit
over de alledaagse gevallen.

Ze zijn te gewoon,
ze zijn wat normaliter gebeurt.

Dat is de ware 99 procent die we negeren.

Net als in de samenleving

mag je niet enkel kijken
naar die één procent uitschieters,

en de 99 procent, de alledaagse, negeren.

Want dat is het tweede voorbeeld
van bevestigingsvooroordeel.

Wij aanvaarden een feit als data.

Het grootste probleem is niet
dat we leven in een post-waarheid-wereld;

het is dat we leven
in een post-data-wereld.

Wij verkiezen één enkel verhaal
boven hopen data.

Verhalen zijn krachtig
en brengen dingen tot leven.

Men raadt aan elke talk
met een verhaal te beginnen.

Ik deed het ook.

Maar één enkel verhaal
is zinloos en misleidend,

tenzij het wordt ondersteund
door een massa data.

Maar zelfs die massa data

kan nog steeds niet genoeg zijn.

Het kan nog steeds consistent zijn
met rivaliserende theorieën.

Ik leg het uit.

Een klassiek onderzoek
van psycholoog Peter Wason

geeft je een set van drie getallen

en vraagt je om te denken
aan de regel die ze genereerde.

Als je krijgt: 2, 4, 6,

wat is dan de regel?

De meeste mensen zouden denken
aan opeenvolgende even getallen.

Hoe zou je het testen?

Nou, je kon andere sets van opeenvolgende
even getallen voorstellen:

4, 6, 8 of 12, 14, 16.

En Peter zou zeggen deze sets ook werken.

Maar weten dat deze sets ook werken

en weten dat misschien honderden sets van
opeenvolgende even getallen ook werken,

vertelt je niets.

Want dit is nog steeds in overeenstemming
met rivaliserende theorieën.

Misschien is de regel:
eender welke drie even getallen.

Of elke drie oplopende getallen.

Dat is het derde voorbeeld
van het bevestigingsvooroordeel:

data aanvaarden als bewijs,

ook al zijn ze in overeenstemming
met rivaliserende theorieën.

Data zijn alleen maar
een verzameling van feiten.

Het bewijs is data

die één theorie ondersteunen
en andere theorieën uitsluiten.

De beste manier
om jouw theorie te ondersteunen,

is proberen ze te weerleggen,
door advocaat van de duivel te spelen.

Dus test iets als 4, 12, 26.

Als je nu een ja krijgt,

zou dat je theorie weerleggen
van opeenvolgende even getallen.

Toch is deze test krachtig,

want als je een nee kreeg,

sloot dat de regel
‘elke drie even getallen’ uit,

evenals ‘elke drie oplopende getallen’

Het zou de rivaliserende theorieën,
maar niet uit de jouwe uitsluiten.

Maar de meeste mensen zijn te bang
om 4, 12, 26 te testen

omdat ze geen ja willen krijgen,

wat zou bewijzen dat hun
lievelingstheorie niet klopte.

Bevestigingsvooroordeel gaat niet alleen

over het niet zoeken naar nieuwe data,

maar ook over
een verkeerde interpretatie

van reeds verzamelde data.

En dat geldt buiten het lab
voor belangrijke, echte-wereld-problemen.

Hier is Thomas Edisons beroemde uitspraak:

"Ik heb niet gefaald,

ik heb 10.000 manieren gevonden
die niet werken."

Erachter komen dat je fout zit,

is de enige manier om erachter
te komen wat juist is.

Stel dat je toelatingen
tot de universiteit moet beheren

en het jouw theorie is
dat alleen studenten met goede cijfers

uit rijke families het goed doen.

Dus laat je alleen deze studenten toe.

En ze doen het ook goed.

Maar dat is ook in overeenstemming
met de rivaliserende theorie.

Misschien doen alle studenten
met goede cijfers het goed,

rijk of arm.

Maar je test die theorie nooit,
omdat je nooit arme studenten toelaat

omdat je je ongelijk
niet wil bewezen hebben.

Wat hebben we geleerd?

Een verhaal is geen feit,
omdat het misschien niet waar is.

Een feit is geen data,

het kan niet representatief zijn
als het om slechts één datapunt gaat.

En data zijn geen bewijs --

ze geven misschien geen ondersteuning

als ze consistent zijn
met rivaliserende theorieën.

Dus, wat doe je dan?

Je staat op een keerpunt van je leven,

je moet beslissen over
een strategie voor jouw bedrijf,

of hoe jouw kind op te voeden

of over een regime voor jouw gezondheid,

hoe zorg je ervoor dat je geen verhaal,

maar wel bewijs hebt?

Ik geef jullie drie tips.

De eerste is om actief te zoeken
naar andere gezichtspunten.

Lees en luister naar mensen
waar je het flagrant niet mee eens bent.

90 procent van wat ze zeggen
kan naar jouw mening verkeerd zijn.

Maar wat als 10 procent juist is?

Zoals Aristoteles zei:

"Het kenmerk van een goed opgeleide man

is de mogelijkheid
om met een gedachte te spelen

zonder die te moeten accepteren."

Omring jezelf met mensen die je uitdagen,

en creëer een cultuur
die actief dissidentie aanmoedigt.

Sommige banken
hadden last van groepsdenken:

personeel dat de leningsbeslissingen
van het management niet durfde aanvechten,

wat bijdroeg aan de financiële crisis.

Duid in een vergadering iemand aan
om advocaat van de duivel te zijn

tegen jouw lievelingsidee.

En hóór niet alleen
een ander gezichtspunt --

luister er ook naar.

Zoals psycholoog Stephen Covey zei:

"Luister met de bedoeling om te begrijpen,

niet met de bedoeling om te antwoorden."

Een afwijkend standpunt
is iets om van te leren,

niet iets om tegen in te gaan.

Wat ons brengt

bij de andere vergeten punten
in de Bayesiaanse gevolgtrekking.

Want van data kun je leren,

maar leren is slechts ten opzichte
van een beginpunt.

Als je uitging van de volledige zekerheid
dat jouw lievelingstheorie waar moet zijn,

dan zal je standpunt niet veranderen --

ongeacht welke data je te zien krijgt.

Alleen als je echt openstaat

voor de mogelijkheid
dat je het fout kan hebben,

kun je ooit leren.

Zoals Leo Tolstoj schreef:

"De moeilijkste onderwerpen

kunnen worden verklaard aan de domste man

als hij er zich nog
geen idee over heeft gevormd.

Maar het eenvoudigste ding

kan niet duidelijk worden gemaakt
aan de meest intelligente man

als hij er vast van overtuigd is
dat hij het al weet."

Tip nummer twee is
‘luisteren naar experts’.

Nu is dat misschien wel het meest
impopulaire advies dat ik je kan geven.

(Gelach)

De Britse politicus Michael Gove
deed de beroemde uitspraak

dat de mensen in dit land

genoeg hadden van experts.

Een recente opiniepeiling toonde aan

dat meer mensen
hun kapper zouden vertrouwen --

(Gelach)

of de man in de straat

dan de leiders van bedrijven,
gezondheidszorg en zelfs goede doelen.

Zo prefereren we een door een mama
ontdekt recept om tanden wit te maken,

of luisteren we naar de ideeën
van een actrice over vaccinatie.

We houden van mensen

die er geen doekjes om winden,
mensen met buikgevoel.

Die noemen we authentiek.

Maar met buikgevoel
alleen kom je niet ver.

Buikgevoel zou je vertellen

om nooit water te geven
aan een baby met diarree,

omdat het er de andere kant
toch maar zou uitlopen.

Expertise vertelt je wat anders.

Je zou nooit je operatie toevertrouwen
aan de man in de straat.

Je wil een expert die jarenlang
bezig was met operaties

en de beste technieken kent.

Maar dat moet dan gelden
voor elke belangrijke beslissing.

Politiek, het bedrijfsleven,
gezondheidsadvies

vereisen deskundigheid, net als chirurgie.

Waarom worden dan experts zo gewantrouwd?

Nou, een van de redenen is
dat men ze ziet als wereldvreemd.

Een CEO-miljonair kan onmogelijk
spreken voor de man in de straat.

Maar ware kennis is te vinden bij bewijs.

En bewijs komt op vóór de man in de straat

en tegen de elites.

Omdat bewijs je dwingt om het te bewijzen.

Bewijs voorkomt dat de elites
hun eigen visie opleggen

zonder bewijs.

Een tweede reden waarom deskundigen
niet worden vertrouwd,

is dat de mening van deskundigen
vaak uiteenloopt.

Voor elke expert die beweerde
dat het verlaten van de EU

slecht zou zijn voor Groot-Brittannië,

vindt een andere
dat het juist goed zou zijn.

De helft van de zogenaamde
deskundigen zit dan verkeerd.

En ik moet toegeven

dat de meeste door deskundigen
geschreven papers fout zijn.

Of op zijn best dingen beweren

die niet echt ondersteund
worden door bewijs.

Dus kunnen we een deskundige
niet zomaar geloven op zijn woord.

In november 2016 haalde een studie

over de wedde van bestuurders
de nationale krantenkoppen.

Hoewel geen van de kranten
die de studie vermeldden

de studie zelfs gezien had.

Ze was zelfs nog niet gepubliceerd.

Ze geloofden de auteur
enkel op zijn woord,

net zoals met Belle.

Het betekent ook niet dat we
zomaar een studie kunnen uitkiezen

die ons standpunt ondersteunt --

wat weer bevestigingsvooroordeel zou zijn.

Het betekent ook niet dat
als zeven studies A geven

en drie B geven,

dat A waar moet zijn.

Waar het om gaat is de kwaliteit,

en niet de kwantiteit van deskundigheid.

Dus moeten we twee dingen doen.

Ten eerste moeten we kritisch kijken
naar de geloofsbrieven van de auteurs.

Net zoals je de geloofsbrieven van
een chirurg ook kritisch zou onderzoeken.

Zijn ze echt deskundig in de zaak

of hebben ze een persoonlijk belang?

Ten tweede moeten we
bijzondere aandacht besteden

aan papers gepubliceerd
in de top-wetenschappelijke tijdschriften.

Wetenschappers worden
er vaak van beschuldigd

niet met beide voeten
op de grond te staan.

Maar deze onthechting laat je toe
jaren te besteden aan een studie.

Om een resultaat echt vast te spijkeren,

de rivaliserende theorieën uit te sluiten,

en correlatie en causaliteit
te onderscheiden.

En wetenschappelijke tijdschriften
werken met peer review,

waarbij een paper
rigoureus onderzocht wordt --

(Gelach)

door 's werelds grootste geesten.

Hoe beter het tijdschrift,
hoe hoger de lat.

De meest elite-tijdschriften
verwerpen 95 procent van de papers.

Nu is academisch bewijs niet alles.

Ervaring in de echte wereld
is ook van cruciaal belang.

En peer review is niet perfect,
fouten worden gemaakt.

Maar iets dat gecheckt werd,
is beter te vertrouwen

dan iets ongecontroleerds.

Als we een studie accepteren
omdat we de bevindingen leuk vinden,

zonder rekening te houden van wie ze is
en of ze werd doorgelicht,

is er een enorme kans
dat die studie misleidend is.

Degenen die beweren deskundig te zijn,

moeten de beperkingen
van ons analyseren doorhebben.

In zeer zeldzame gevallen kan iets
bewezen of met zekerheid voorspeld worden,

maar het is zo verleidelijk

om een ongenuanceerde,
ongegronde bewering te doen.

Het is makkelijker ze in een krantenkop
of in een tweet van 140 tekens te steken.

Maar zelfs bewijs is soms geen bewijs.

Het is misschien niet universeel,

het is misschien niet
in alle omstandigheden toepasselijk.

Zeg dus niet:

"Van rode wijn leef je langer.",

wanneer bewijs laat zien dat rode wijn

alleen maar gecorreleerd is
met een langere levensduur.

En dan alleen bij mensen
die ook nog sporten.

Tip nummer drie is:
"Pauzeer voordat je iets deelt."

De eed van Hippocrates zegt:
"Ten eerste, doe geen kwaad."

Wat we delen is potentieel besmettelijk,

dus wees heel voorzichtig
met wat je rondstrooit.

Ons doel moet niet zijn
om likes of retweets te krijgen.

Anders delen we alleen de consensus;
we dagen iemands denken niet uit.

Anders delen we alleen wat goed klinkt,

ongeacht of het bewijs is.

In plaats daarvan moeten
we het volgende vragen:

Als het een verhaal is, is het dan waar?

Als het waar is, is het dan ook
ondersteund door solide bewijs?

Zo ja, van wie komt het,
wat zijn hun geloofsbrieven?

Is het gepubliceerd,
en hoe streng is het tijdschrift?

En stel jezelf dan de hamvraag:

als dezelfde studie werd geschreven door
dezelfde auteurs met dezelfde referenties

maar met een tegenovergestelde conclusie,

zou je dan nog steeds bereid zijn
om het te geloven en te delen?

Het behandelen van elk probleem --

zij het de economie van een land

of het gezondheidsprobleem
van een individu --

is moeilijk.

Daarom moeten we ervoor zorgen

dat we het allerbeste bewijs hebben
om ons te leiden.

Alleen als het waar is,
kan het een feit zijn.

Alleen als het representatief is,
kunnen het data zijn.

Alleen als het ondersteunend is,
kan het bewijs zijn.

En alleen met bewijs kunnen we
van een post-waarheid-wereld

naar een pro-waarheid wereld gaan.

Dank je wel.

(Applaus)