Het stuk van gisteren ging over de hindsight bias. Dit stuk is de bijsluiter: verwante denkfouten die het achterafverhaal geloofwaardiger maken en het ‘logisch’ laten klinken. Nu niet opnieuw de hoofdzaak, maar het netwerk eromheen.
Je ziet ze vaak in dezelfde beweging. Iemand wijst op de uitkomst, plakt er een oordeel aan, en daarna volgt een verhaal dat die uitkomst moet verklaren. Dat verhaal voelt overtuigend, juist omdat meerdere biases tegelijk hun werk doen. Onderstaande lijst is bedoeld als naslag: twaalf familieleden, dicht bij elkaar in effect en in misbruik. Per item een korte duiding en een controlevraag.
Inhoud
- Outcome bias
- Severity effect
- Moral luck
- Choice-supportive bias
- Cognitive dissonance reduction
- Self-serving en group-serving bias
- Overconfidence
- Confirmation bias
- Congruence bias
- Narrative fallacy
- Post hoc ergo propter hoc
- Selection bias en survivorship bias
A. Outcome bias, resultaatbias
Waar het misgaat:
- Je beoordeelt de kwaliteit van een beslissing aan de uitkomst, niet op basis van wat redelijk was met de informatie van toen.
Controlevraag: Als ik de uitkomst wegdenk, blijft de beslissing dan nog steeds verdedigbaar?
B. Severity effect, schade maakt streng
Waar het misgaat:
- Hoe groter de schade, hoe harder het oordeel over de eerdere zorgvuldigheid wordt, terwijl de ex ante situatie identiek kan zijn.
Controlevraag: Zou ik dezelfde norm hanteren als het gevolg klein was gebleven?
C. Moral luck, toeval als morele versterker
Waar het misgaat:
- Twee mensen handelen hetzelfde, alleen de één krijgt pech. Toch schuift het oordeel vaak mee met de pech.
Controlevraag: Beoordeel ik de handeling, of beoordeel ik het toeval dat eraan vastplakte?
D. Choice-supportive bias, keuze mooier maken
Waar het misgaat:
- Na een keuze herinner je vooral de pluspunten van jouw optie en de minpunten van de alternatieven. Je eigen keuze krijgt achteraf een glanslaag.
Controlevraag: Kan ik drie serieuze redenen geven waarom het alternatief óók verstandig kon zijn?
E. Cognitive dissonance reduction, zelfrechtvaardiging
Waar het misgaat:
- Als feiten wringen met je zelfbeeld, maak je het verhaal passend. Twijfel wordt weggepoetst, motieven worden netter, eerdere kanttekeningen verdwijnen.
Controlevraag: Welke zin of aantekening van toen zou nu ongemakkelijk zijn om hardop voor te lezen?
F. Self-serving en group-serving bias, reputatiebescherming
Waar het misgaat:
- Succes is ‘competentie’, falen is ‘omstandigheden’. Voor groepen geldt hetzelfde: wij waren goed, zij waren het probleem.
Controlevraag: Als een ander dit deed, zou ik dezelfde uitleg accepteren?
G. Overconfidence, overschatting door schijnbegrip
Waar het misgaat:
- Wie achteraf denkt dat het ‘duidelijk’ was, gaat ook denken dat hij het de volgende keer weer ‘duidelijk’ zal zien. Begrip wordt verward met voorspelbaarheid.
Controlevraag: Welke concrete voorspelling deed ik toen, met kans en voorwaarden, zwart op wit?
H. Confirmation bias, bevestigingsbias
Waar het misgaat:
- Je zoekt, onthoudt en herkauwt vooral wat je bestaande overtuiging ondersteunt. Achteraf vind je altijd wel één zin die ‘klopte’.
Controlevraag: Wat was het sterkste tegenargument dat ik toen zag, en waar is het gebleven?
I. Congruence bias, toetsen op bevestiging
Waar het misgaat:
- Je test hypotheses met vragen die bevestiging kunnen opleveren, in plaats van actief te zoeken naar weerlegging.
Controlevraag: Welke uitkomst had mijn idee onderuit gehaald, en heb ik daar serieus naar gezocht?
J. Narrative fallacy, verhaalbias
Waar het misgaat:
- Losse feiten worden een strak plot met oorzaak, bedoeling en les. Complexiteit wordt montage, toeval wordt noodzaak.
Controlevraag: Welke feiten passen slecht in het verhaal, en wat gebeurt er als ik die centraal zet?
K. Post hoc ergo propter hoc, na elkaar is niet daardoor
Waar het misgaat:
- Omdat B na A kwam, voelt het alsof A de oorzaak was. Het is een klassieke ruggengraat van ‘verklaren achteraf’.
Controlevraag: Welke alternatieve oorzaken zijn minstens zo plausibel, en hoe zou ik ze onderscheiden?
L. Selection bias en survivorship bias, scheve dataset
Waar het misgaat:
- Je kijkt naar wat zichtbaar is: winnaars, incidenten, dossiers die boven komen drijven. De stille meerderheid blijft buiten beeld, en de conclusie wordt vanzelf ‘onvermijdelijk’.
Controlevraag: Welke gevallen zie ik niet, en hoe verandert mijn oordeel als ik die meereken?
Wie dit praktisch wil gebruiken, kan één simpele discipline kiezen: maak de ‘toen’-versie vindbaar. Leg vóór de afloop vast welke aannames je hanteert, welke signalen je wel en niet meeneemt, welke alternatieven je ziet, en wat jou van gedachten zou doen veranderen. Dan kun je later toetsen zonder dat het verhaal van nu de feiten van toen opslokt.
Een uitkomst is geen argument; hooguit een aanleiding om je aannames terug te lezen.