In de vraag van Foodlog wat modellen zijn en wat de getallen betekenen die ze opleveren, ligt al een aanname besloten. De veronderstelling is dat modellen altijd wiskundige constructies zijn. Ik zou echter willen stellen dat ieder mens elke dag modellen gebruikt. Neem de manier waarop we de wereld waarnemen met onze ogen. We zien geen driedimensionaal beeld, nee, in ons brein wordt uit de beelden een 3D representatie van de realiteit geconstrueerd. Daarbij gebruikt ons brein een model van de wereld. Uit de talloze voorbeelden van gezichtsbedrog moge duidelijk zijn dat dat model niet altijd een goede weergave van de werkelijkheid is. Uit dit voorbeeld volgen een aantal aspecten die mijn inziens bij alle modellen een rol spelen.

Datamodellen en fenomeenmodellen
Ten eerste zijn naar mijn mening modellen niets meer of minder dan een beschrijving of representatie van de realiteit. Zelfs de welbekende natuurwetten uit de fysica zijn niets meer dan (zeer betrouwbaar gebleken) beschrijvingen van de realiteit.
Ten tweede zitten in alle modellen (ook die in ons brein) aannames. Neem de hierboven gelinkte optische illusie van de Ames kamer. De illusie is onder andere dat ons brein aanneemt dat bij rechthoekige ramen de hoeken altijd 90 graden zijn, en dat klokken altijd rond zijn.
Ten derde zijn modellen gebaseerd op een afgebakend deel van de realiteit. Als we over een sloot springen, gebruiken we een model van de werkelijkheid waarin de zwaartekracht op aarde verwerkt is. Ons brein hoeft immers alleen een model van de werkelijkheid op aarde te hebben. Maar op de maan zou je met de afzetkracht die je met dat model bepaald hebt veel verder springen.
En tot slot is het voor het bepalen van de betrouwbaarheid van het model van belang dat het getoetst is aan de realiteit. Als ik inschat dat een naderende bus ver genoeg weg is om nog veilig te kunnen oversteken, is het vrij cruciaal dat de representatie van de 3D wereld om me heen in mijn brein klopt, want daarmee schat ik de afstand en snelheid van de bus in.

De trend om te sturen op ongevalideerde modellen vind ik zorgelijk, want dat is alsof je via een spiegel probeert te bepalen of je nog voor die naderende bus kunt oversteken, zonder te weten of je misschien te maken hebt met een lachspiegel
Als we dit toespitsen op wiskundig modellen, denk ik dat het nuttig is om een extra onderscheid te maken tussen twee belangrijke soorten modellen, namelijk datamodellen en fenomeenmodellen.

Datamodellen zijn abstracte representaties van ruwe data. Denk hierbij aan het soort model dat uit observationele data (gecorrigeerd voor verstorende factoren zoals leeftijd en BMI) berekent wat het relatieve risico op darmkanker is als je veel rood vlees eet. Dit soort modellen wordt zeer veel gebruikt in voedingswetenschap.

Fenomeenmodellen zijn van een heel andere orde, want deze beschrijven een fenomeen als zodanig. Dit kunnen fysieke modellen zijn, zoals een schaalmodel van een vliegtuig in een windtunnel, of een geïdealiseerde representatie van een fenomeen zoals de eerder genoemde natuurwetten. In de voedingswetenschap kun je denken aan modellen die pogen te beschrijven hoe obesitas ontstaat, zoals het energiebalans model of het metabool model.

Voorspellende waarde
Het grote verschil tussen datamodellen en fenomeenmodellen is hun voorspellende waarde. Daar waar het genereren van data altijd beïnvloed wordt door omstandigheden en individuele datapunten niet te voorspellen zijn, mag je van fenomenen verwachten dat ze stabiel en reproduceerbaar zijn, en op verschillende manieren waarneembaar zijn. Daardoor hebben fenomeenmodellen voorspellende waarde, en datamodellen meestal niet of veel minder. Dit verschil is cruciaal, want tegenwoordig wordt er nogal losjes omgegaan met modellen. Uit datamodellen wordt bijvoorbeeld de conclusie getrokken dat rood vlees kankerverwekkend is, of dat koffie kanker zou voorkomen, maar een eenduidig idee over hoe dit dan zou komen ontbreekt grotendeels. Met andere woorden: er is geen helder fenomeenmodel waardoor de voorspellende waarde zeer twijfelachtig is.

Modellen zijn overal, maar niet alle modellen zijn even bruikbaar of betrouwbaar
Een tweede probleem waar naar mijn indruk steeds vaker zonder veel omhaal overheen wordt gestapt, is dat er zonder validatie geen enkele zekerheid is over de betrouwbaarheid van een model. Om die reden moeten bij vliegtuigen alle veiligheidskritische ontwerpkeuzes gevalideerd worden met een praktijktest. Zeg nou zelf: zou jij in een vliegtuig stappen waarvan alleen met een model bepaald is hoeveel gewicht de vleugels kunnen dragen, of is het toch wel een veilig gevoel dat dergelijke modellen met praktijktesten gevalideerd worden? Toch lijkt validatie in veel gevallen niet meer noodzakelijk te worden gevonden. Denk aan modellen waarmee het vermeende effect van de avondklok werd voorspeld, stikstofdepositiemodellen waarmee de toekomst van complete bedrijven en families wordt bepaald, of de datamodellen op basis waarvan verzadigd vet nog altijd buiten de schijf van vijf valt (hetgeen bepalend is voor bijvoorbeeld de menu’s in gezondheidsbewuste verzorgingshuizen). De trend om te sturen op ongevalideerde modellen vind ik zorgelijk, want dat is alsof je via een spiegel probeert te bepalen of je nog voor die naderende bus kunt oversteken, zonder te weten of je misschien te maken hebt met een lachspiegel. Zonder validatie ken je de eigenschappen van die spiegel niet.

Modellen zijn dus overal, maar niet alle modellen zijn even bruikbaar of betrouwbaar. Om te beoordelen hoe betrouwbaar de resultaten van een model zijn, kun je kijken of ze überhaupt voorspellende waarde kunnen hebben (een fenomeen of slechts data beschrijven), of ze gevalideerd zijn en, zo ja, binnen welke afbakeningen. Ik denk dat het hanteren van deze vuistregels iedereen in staat stelt om een redelijk oordeel te vellen over de betrouwbaarheid van veel conclusies die op basis van modellen getrokken worden.

In Wat is ...? gaan we met bekende en minder bekende mensen op zoek naar wat hen motiveert om te ontdekken of we elkaar van daaruit weer kunnen vinden. De introductie tot de modellenreeks vind je hier. Waarom we dit doen lees je in De ontdekking van de ander.

Dit artikel afdrukken