Data zijn een alomtegenwoordig facet 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, komt voort uit ruim vijftien jaar leven en werken met data, zowel als ontwerpers als als mensen.
In plaats van een leerboek of gids voor ontwerpers, hadden we een meer toegankelijke verkenning van de menselijke kant van data voor ogen, verlevendigd door de perspectieven van experts en praktijkmensen uit vele disciplines – van geneeskunde en wetenschap tot kunst, cultuur en belangenbehartiging. In een tijd waar we het allemaal over hebben AIde klimaatcrisis, surveillance en privacy, en hoe technologie onze keuzes vormgeeft, wilden we data niet herformuleren als iets kouds of afstandelijks, maar als iets diep persoonlijks: een hulpmiddel dat we (als mensen) kunnen gebruiken om onszelf en de wereld beter te begrijpen. Het boek onderzoekt wat wij datahumanisme 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 belangrijk zijn voor het begrijpen van informatie als 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 volle breedte 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 onderwerpen zoals motivatie, vrijgevigheid, heroverweging en potentieel. Hij is ook de auteur van zes boeken, waaronder de best verkochte Denk nog eens na: de kracht van weten wat je niet weet. In dit gesprek vertelt Adam over het leren van de pandemie; datum 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 vinden het vaak erg moeilijk om gegevens te accepteren die hun intuïtie of ervaring uitdagen. Ik zou ze altijd zeggen dat als het bewijsmateriaal niet overeenkomt met jouw ervaring, je niet meteen moet zeggen dat de gegevens onjuist zijn. Het kan zijn jij bent een uitschieter dat jouw ervaring niet representatief is en dat de data feitelijk een trend laten zien waar jij simpelweg niet in past.
Veel van mijn werk heeft betrekking op de manier waarop mensen sociaal-wetenschappelijk onderzoek interpreteren, want daar confronteer ik het grote publiek. Eén ding dat ik vaak zie, zijn mensen die een onderzoek lezen en dan bedenken: nou ja, dat onderzoek is gedaan met een steekproef van slechts een paar duizend mensen in die branche of dat land, en de resultaten daarom terzijde schuiven. Dit zijn feitelijk de voorkeur voor bevestiging en de voorkeur voor wenselijkheid. U moet niet op uw persoonlijke mening vertrouwen op basis van rigoureus bewijsmateriaal dat bij veel mensen is verzameld.
In een artikel waarvoor je schreef De Bewaker, u beschrijft dat u met een vriend ruzie maakte over de werkzaamheid en veiligheid van het COVID-19-vaccin. Je schreef: “Ik was het slachtoffer geworden van wat psychologen binaire vooroordelen noemen. Dat is wanneer we een complex spectrum nemen en het in twee categorieën oververeenvoudigen. Als we betere argumenten willen, moeten we op zoek gaan naar de grijstinten.” Dat is min of meer waar je het over hebt. Met dit alles in gedachten: wat is het nut van data?
De analogie die ik gebruik is geneeskunde. Tegenwoordig hebben we evidence-based geneeskunde, maar ooit probeerden artsen problemen op te lossen via aderlatingen en lobotomie. 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.
Kijk nu eens hoe we gegevens uit de geneeskunde interpreteren. Als je alle gerandomiseerde gecontroleerde onderzoeken naar het gemiddelde effect van ibuprofen op pijnvermindering zou samenvatten en de resultaten zou uitdrukken in termen van een correlatie van -1 tot +1, zouden de meeste mensen denken dat de correlatie 0,7 of 0,8 zou zijn. We hebben tenslotte veel Advil in de wereld. Maar in werkelijkheid bleek uit een analyse dat de gemiddelde correlatie 0,14 was. Dat is voor veel mensen schrikbarend laag, maar het feit dat het om een klein effect gaat, betekent niet dat het onbeduidend is. Dat is de eerste les: patronen in gegevens hoeven niet groot te zijn om consistent te zijn. Je speelt dat effect uit op miljoenen en miljoenen mensen, en veel mensen zullen ervan profiteren. En dat voordeel zal breed verspreid worden.
Ten tweede heeft de behandeling niet bij iedereen hetzelfde effect. Er zijn onvoorziene omstandigheden. Dus in plaats van te vragen of Advil effectief is, zullen 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 hebben deze mensen gemeen?
De laatste les uit de geneeskunde is dat wat effectief is, in de loop van de tijd evolueert. De problemen die we proberen aan te pakken, kunnen veranderen. We moeten ons bewijsmateriaal actualiseren en ons afvragen: wat zijn de best beschikbare gegevens over een bepaalde vraag of om een bepaald probleem op te lossen? Is er een reden waarom wat 10, 20, 30 jaar geleden waar was, vandaag de dag misschien niet waar is? Ik baseer mijn mening nog steeds liever op sterk bewijs dat oud is dan helemaal geen bewijs, maar we moeten in de gaten houden hoe de dingen evolueren naarmate onze context verandert.
Nauwkeurig. Wat is de context? Wat zijn de nuances? Gegevens zijn een momentopname. Morgen of over een maand kan het anders zijn. Vooral als we gegevens op een zeer specifieke en gedefinieerde manier weergegeven zien, gaan we ervan uit dat deze de absolute macht hebben om altijd een situatie weer te geven. Dit werd uiteraard een probleem tijdens de pandemie.
Ik denk dat de grootste boodschap over de pandemie met betrekking tot de rol van data is dat experts en overheidsfunctionarissen opmerkelijk slecht werk hebben geleverd bij het communiceren van onzekerheid en onvoorziene omstandigheden. Ik had kunnen weten dat dit zou gebeuren. Hoofdstuk 8 in mijn boek Denk nog eens nawat ik vóór de pandemie schreef, ging over hoe je het vertrouwen niet kunt verliezen als je zegt: ‘Er moet meer onderzoek worden gedaan’, of ‘Hier zijn de eerste conclusies, maar er zijn omstandigheden waaronder deze mogelijk niet standhouden’, of ‘Dit is wat onze eerste experimenten suggereren. Nadat we meer experimenten hebben gedaan, zullen we onze conclusies bijwerken.’ En laat mensen weten hoe dat proces eruit ziet en hoe het wetenschappelijk onderzoek niet alleen wordt gedaan, 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 zei tegen mij: “Eén onderzoek zegt dit en één onderzoek zegt het tegenovergestelde!” Mijn antwoord is dat je niet beide kanten even zwaar moet wegen. Je moet sterk bewijs zwaarder wegen dan zwak bewijs.
We moeten veel genuanceerder zijn in de manier waarop we communiceren. We moeten duidelijk maken waar er onzekerheid bestaat. We moeten benadrukken waar er hulpdiensten zijn. 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 eerder een zwak argument geloven van iemand die ze vertrouwen, dan een sterk argument van iemand die ze niet vertrouwen. Een van de manieren waarop u een betrouwbare bron kunt worden, is door heel duidelijk uw onzekerheid toe te geven, intellectuele nederigheid te tonen en waar nodig uw twijfel 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 is. Ook voor ons, gegevens is de meerderheid.
Een datum of datapunt is één stukje informatie. Gegevens zijn de verzamelingen van deze waarnemingen.
Om het onderwerp een beetje te veranderen: je hebt in het verleden gesproken over de relatieve kracht van data versus verhalen om mensen te beïnvloeden en meningen te veranderen. Het is ook iets waar we in ons werk veel over nadenken. Wanneer denk je dat een echt krachtige statistiek geschikt is, versus wanneer een menselijk verhaal effectiever zou zijn? En wanneer kunnen ze gecombineerd worden?
Het is een valse dichotomie om te zeggen dat ze niet gecombineerd kunnen worden. Mijn visie op verantwoord gebruik 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 een beetje afstand te nemen van onze eigen perspectieven. Ze dompelen ons niet alleen onder in het verhaal, maar dompelen ons ook onder in een personage. We worden meegesleept in verhalen en we hebben de neiging ze meer te ervaren dan te beoordelen. Soms kan dat ervoor zorgen dat mensen minder streng zijn in het onderzoeken van data, en dat wordt een probleem als de verhalen niet door data worden aangestuurd.
Hoe verrassender de gegevens, hoe groter de kans dat deze 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 socioloog Murray Davis schreef in zijn klassieke artikel ‘That’s Interessant!’, mensen zijn geïntrigeerd als je hun zwakke intuïties ter discussie stelt, terwijl ze defensief worden als je hun sterke intuïties in twijfel trekt. Er zijn dus nuances.
Vanuit een visueel perspectief proberen we verhalen te verankeren in meer geaggregeerde gegevens, maar deze vervolgens op te splitsen door er een paar gegevenspunten uit te halen die de context kunnen verklaren. Als je dit op een verhalende manier doet, kan het toegankelijker worden, zoals bij een plot in 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 hen vervolgens hun aannames te laten omdraaien. 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. Het opent hun geest een beetje: ze bedenken redenen die ze overtuigend vinden en worden zo actieve deelnemers aan de dialoog. In plaats van jouw standpunt te verkondigen of hun standpunt te vervolgen, betrek je ze bij het proces van denken als een wetenschapper en het genereren van hypothesen. Daar geniet ik van.
Deadline van Fast Company Wereldveranderende ideeënprijzen is vrijdag 14 november om 23:59 uur PT. Solliciteer vandaag nog.
