Causaliteit. De term die niet genoemd mag worden.

Een belangrijk doel van school- en ontwikkelingspsychologisch onderzoek is het bestuderen en begrijpen van causale relaties tussen variabelen. Ondanks het belang van causaliteit, zal je zelden causaal taalgebruik tegenkomen in school- en ontwikkelingspsychologische literatuur. Dat is problematisch. Menswetenschappers kunnen drie geboden volgen om causaliteit beter te benaderen met gegevens uit vragenlijstonderzoek.

Waarom we terug over causaliteit moeten praten en hoe we dat kunnen doen.

Een belangrijk doel van wetenschap is het bestuderen en begrijpen van causale relaties tussen variabelen, en dat is zeker ook zo voor school- en ontwikkelingspsychologisch onderzoek. We willen weten of een lockdown leidt tot meer eenzaamheid bij jongeren. We willen weten of een stijging van zelfvertrouwen leidt tot minder depressieve gevoelens. We willen weten of een verandering in opvoedingsstijl leidt tot betere schoolresultaten. Ondanks het belang van dit soort causale vraagstukken, zal je maar weinig causaal taalgebruik tegenkomen in school- en ontwikkelingspsychologische literatuur. Dat is vreemd, en eigenlijk ook problematisch.

Dit taboe rond causaliteit heeft zijn wortels in de beperkingen van de methoden die onderzoekers gebruiken om gegevens te verzamelen. In de menswetenschappen worden vaak vragenlijsten gebruikt om gegevens over personen te verzamelen. Vragenlijstonderzoek is een vorm van observatie onderzoek, waarbij men probeert inzicht te krijgen in het leven, gedrag en psyché van personen, zonder zelf in te grijpen. Hoewel vragenlijsten veel voordelen hebben, is er ook een belangrijke tekortkoming. Als vragenlijstonderzoeker heb je namelijk weinig vat op zogenaamde storende variabelen. Dat zijn variabelen die je niet hebt bevraagd, maar die mogelijks verklarend kunnen zijn voor een verband tussen twee variabelen dat je wél hebt geobserveerd. Dat maakt het inderdaad onmogelijk om met gegevens uit vragenlijsten échte causaliteit[1] te pakken te krijgen. Om die reden is het goed dat onderzoekers de beperkingen van hun dataverzamelingsmethode onderschrijven en voorzichtig zijn met het trekken van causale conclusies. Maar die slinger is misschien te ver doorgeslagen. Men zit vaak verstard in het associatief denken en men durft zelfs geen causale verwachtingen meer neer te pennen.

Net zoals Harry Potter zich kon verwachten aan ijzige stiltes, krampachtige blikken, en zenuwachtig geschuifel bij het uitspreken van de naam ‘Voldemort’, zo kan een menswetenschapper zich hieraan verwachten bij het uitspreken van causaliteit. Vaak nog gevolgd door een opgestoken vingertje en dooddoeners als “correlatie is geen causatie!”. Causaliteit, de term die niet genoemd mag worden.

Versta mij niet verkeerd. Dit is geen pleidooi om alle bevindingen op basis van vragenlijstonderzoek terug te gaan interpreteren als zijnde causaal. Het is echter wel belangrijk om verwachtingen omtrent causaliteit te blijven uitspreken, want dat is vaak de kern van datgene waarin we geïnteresseerd zijn. Als wetenschappers zich laten muilkorven door de dataverzamelingsmethode die ze gebruiken dan gaan ze minder interessant onderzoek doen en minder interessante theorieën bedenken en testen[2]. Want hoewel zuivere causaliteit zich niet laat vangen door vragenlijstonderzoek, zijn er wel dingen die vragenlijstonderzoekers kunnen doen om causaliteit in de menswetenschappen beter te benaderen. De volgende drie geboden kunnen daarbij een leidraad vormen, en kunnen ook door lezers van wetenschappelijk werk als kwaliteitsindicator gebruikt worden.

1) Meet dezelfde variabele meerdere keren over de tijd.

2) Houd er rekening mee dat twee variabelen causaal kunnen zijn ten opzichte van elkaar.

3) Maak een onderscheid tussen binnen- en tussen-persoonseffecten.

In wat volgt leg ik kort uit waarom deze drie geboden van belang zijn. Het eerste gebod is noodzakelijk om aan gebod twee en drie te kunnen voldoen. Zonder herhaalde meting van dezelfde variabelen kan je geen besluiten trekken over richting van verband. Veel verbanden tussen variabelen gaan in twee richtingen. Neem bijvoorbeeld het verband tussen lees-motivatie en lees-capaciteit bij kinderen. Kinderen die graag lezen, lezen meer dan kinderen die minder graag lezen. Doordat kinderen meer lezen versterkt hun lees-capaciteit en zijn ze daardoor nog gemotiveerder om te lezen (zie ook mattheüseffect)[3]. Motivatie leidt dus tot meer capaciteit en omgekeerd.

Met herhaalde meting kan je ook het onderscheid maken tussen binnen- en tussenpersoonsniveaus. Dit onderscheid maken is belangrijk omdat verbanden tussen variabelen kunnen verschillen afhankelijk van het persoonsniveau. Neem bijvoorbeeld het verband tussen typsnelheid en het aantal typfouten per minuut bij jongeren[4]. Jongeren die sneller typen kunnen over het algemeen beter typen dan jongeren die trager typen. Doordat snelle typers ook beter kunnen typen maken ze ook minder fouten. Het verband op tussenpersoonsniveau is dus negatief, namelijk sneller typen gaat gepaard met minder fouten. Wanneer we echter aan individuen vragen om sneller te typen dan dat ze gewend zijn, dan gaat men net meer fouten maken. Het verband op het binnenpersoonsniveau is dus positief, namelijk sneller typen gaat gepaard met meer fouten.

Menswetenschappers moeten terug durven spreken over causaliteit. Indien vragenlijstonderzoek de meest voor de hand liggende methode is om gegevens te verzamelen, dan kunnen de voornoemde drie geboden een leidraad zijn om causaliteit beter te benaderen. Meer weten? –> Raymaekers, K., Luyckx, K., & Moons, P. (2020). A guide to improve your causal inferences from observational data. European Journal of Cardiovascular Nursingdoi: 10.1177/1474515120957241

Dit artikel werd geschreven door Koen Raymaekers, doctoraal onderzoeker aan KU Leuven. Dit blogbericht verschijnt ook op https://opgroeienblog.wordpress.com/.

 

[1] Eigenlijk is er tot op heden geen consensus over de precieze aard van causaliteit. Generaties denkers hebben hierover stapels boeken geschreven. Volgens de definitie die ik hanteer is variabele A causaal ten opzichte van variabele B wanneer aan de volgende drie voorwaarden is voldaan. 1) Wanneer er verandering is in variabele A, dan is er verandering in variabele B. 2) Verandering in variabele A doet zich eerder voor in de tijd dan verandering in variabele B. 3) De relatie tussen A en B is niet het gevolg van een derde variabele die causaal is voor zowel A als B.

[2] Hernán, M. A. (2018). The C-word: scientific euphemisms do not improve causal inference from observational data. American journal of public health, 108(5), 616-619.

[3] Morgan, P. L., & Fuchs, D. (2007). Is There a Bidirectional Relationship between Children’s Reading Skills and Reading Motivation? Exceptional Children, 73(2), 165–183.

[4] Hamaker, E. L. (2012). Why researchers should think “within-person”: A paradigmatic rationale. In M. R. Mehl & T. S. Conner (Eds.), Handbook of research methods for studying daily life (p. 43–61). The Guilford Press.