Natuurkunde, scheikunde en biologie zijn wetenschappelijke vakgebieden die bij de meeste mensen een beeld oproepen van mensen in labjassen die technische dingen doen. Maar ook bij victimologie gebruiken we vaak techniek en wiskunde.
Misschien denk je bij victimologie niet zo snel aan labjassen en techniek; we doen immers onderzoek naar mensen die nare dingen meemaken. Mensen die slachtoffer zijn geworden door gebeurtenissen op hun werk, door oorlog of in het verkeer. We beantwoorden vragen als: ‘hebben soldaten die eerder nare dingen meemaken, misschien sneller kans op het krijgen van een posttraumatische stress-stoornis’, of ‘welke persoonlijke eigenschappen vergroten de kans dat ambulance medewerkers herhaaldelijk slachtoffer worden’.
Ingewikkelde modellen
Vraagstukken die je misschien niet direct associeert met techniek. Maar achter het beantwoorden van deze vragen gaat veel techniek en wiskunde schuil. De metingen die ik doe gebeuren aan de hand van vragenlijsten, die met analysetechnieken tot stand komen. Vervolgens maak ik ingewikkelde statistische modellen, waarbij alle variabelen die iets te maken hebben met mijn vraag zijn ingevoegd. Ook de tijd speelt vaak een belangrijke rol; als je wilt weten of het één het ander veroorzaakt, dan moet wel het één voor het ander voorkomen.
Een technisch verhaal maken van de vraag in hoeverre posttraumatische stress voorkomt onder politieagenten ziet er ongeveer als volgt uit:
Hierboven zie je een statistisch model dat weergeeft waarmee het krijgen van posttraumatische stress (PTSD Symptoms) samenhangt. Alle pijltjes geven onderlinge verbanden weer tussen alle variabelen die er toe doen. Ook staat er bij iedere pijl een getal, allemaal tussen de -1 en 1. Hoe verder het getal van de 0 af staat, des te meer doet het ertoe. In dit model drukt het uit hoe sterk een verband is tussen 2 variabelen. Bijvoorbeeld vanuit werkomgeving (Work Environment) loopt een pijl naar posttraumatische stress met het getal .36 (wat staat voor 0,36). Van alle ‘coëfficiënten’ (zoals zo’n getal heet) in dit model, staat deze het verst af van de nul, en is daarmee een van de betere ‘ voorspellers’ van posttraumatische stress. Dit betekent dus dat het krijgen van posttraumatische stress afhangt hoe positief of negatief iemand zijn werk omgeving ervaart. Denk dan bijvoorbeeld aan hoe goed je het kunt vinden met je collega’s, hoe de werkdruk is en of je de ondersteuning krijgt die je nodig hebt.
Kan je zelf ook nog bedenken hoe de verbanden verlopen, en welke variabelen samenhangen met het krijgen van posttraumatische stress?
Blinde berekeningen
Een belangrijk deel van wat ik doe tijdens mijn onderzoek is samen met collega’s dit soort modellen in elkaar zetten om te ‘verklaren’ hoe een bepaald psychologisch proces werkt en daarover artikelen schrijven. Dat betekent dat ik veel werk met getallen, programmeren en me vaak bezig houd met wiskunde. Hoewel je geen volleerd wiskundige hoeft te zijn, is het wel belangrijk om te weten wat je doet en niet volledig te vertrouwen op de computerprogramma’s die tegenwoordig blind alle berekeningen voor je uitvoeren.
Het door machines laten doen van rekenwerk kent vele voordelen maar als je de uitkomsten niet juist interpreteert en eventuele fouten er niet uit haalt, kan dat kwalijke gevolgen hebben. Het probleem met computers is dat je alles er wel kunt in stoppen, ook foute dingen, maar de fouten die je er in stopt worden er niet door de computer uitgehaald. Dus je moet zelf altijd inschatten in hoeverre het klopt wat er uitkomt.
Big data
Aanstormende studenten die kiezen voor een psychologie, sociologie of gezondheidswetenschappen verkijken zich nog al eens op hoe belangrijk deze statistiek is voor onderzoek doen en om iets bij te dragen aan je vakgebied. Statistiek, programmeren, informatica, het zijn vakken waar de gemiddelde psychologiestudent niet warm voor loopt. Maar in de toekomst worden deze kwaliteiten steeds belangrijker voor het doen van wetenschappelijk onderzoek binnen victimologie en veel andere sociale wetenschappen. De modellen worden steeds ingewikkelder en maken gebruik van steeds grotere datasets.
‘Big data’ wordt steeds belangrijker in alle onderzoeken. Big data zijn enorme datasets, die gebruik maken van allerlei verschillende bronnen en vaak zijn ze grotendeels ongestructureerd. Een goed voorbeeld is twitterdata, waarmee bijvoorbeeld bekeken kan worden hoe er gedacht wordt over bepaalde maatschappelijke thema’s zoals rassendiscriminatie. Om de miljoenen berichten te vinden en te analyseren die over dit thema gaan heb je zeer geavanceerde analysetechnieken nodig.
Het vraagt dus steeds meer van onderzoekers die met dit soort data aan de slag gaan. Daardoor zijn mensen die juist affiniteit hebben met wiskunde en informatica, de juiste mensen voor het doen van onderzoek binnen victimologie. Dus, mocht je ooit nog het gevoel hebben dat je psychologie, criminologie of victimologie toch wel erg interessant vindt, maar je hart vooral uit gaat naar programmeren en wiskunde, geef dan niet op! Je hebt veel kans om een talentvolle onderzoeker te worden in de wereld van de victimologie!