De Container Bias

 

De container bias

 

Dr. G. Otte

 

Inleiding

Wat vaak opvalt in publieke  discussies over maatschappelijk “gevoelige” thema’s is dat ze  snel tot splitting, polarisatie en verhitte debatten aanleiding geven (zoals thans in de discussie pro- of contra vaccinatie weer eens het geval is). We stellen daarbij keer op keer vast  hoe gemakkelijk schijnbaar logische conclusies uit cijfermateriaal (de beruchte statistieken) mensen op een totaal verkeerd spoor kunnen zetten. Bepaalde psychologische factoren zoals de strijd voor het grote gelijk en de daar psychologisch sterk bij aansluitende “confirmation bias” (het verschijnsel  waarbij men vooral in het debat de argumenten laat doorwegen die de eigen visie ondersteunen en de andere scotomiseert of minimaliseert) zorgen ervoor dat het verkeerde spoor lang en soms vastberaden (eerder vaak verbeten) aangehouden kan worden.

Disclaimer:

Het is expliciet niet de bedoeling van dit artikel om mensen te beschuldigen of te kleineren en met alle zonden van Israël te beladen maar gewoon om een illustratie te brengen van een vorm van bias die,  als men er niet op getraind is, niet altijd gemakkelijk te herkennen valt. Men spreekt van de container of categorische bias of met een geleerd woord de  class imbalance bias” en zoals men zal zien is het effect vaak zeer subtiel. Men loopt er als het ware in met de ogen wijd open.

Ik illustreerde dit in mijn boekje (psychiatrie met kleine p)  in een hoofdstuk dat ik hierbij de lezer ter illustratie gratis aanbiedt.

 

Wat is die CIB (Class Imbalance Bias) ?

 

Het is een sublieme manier van de statistische doodzonde: een sample gebruiken dat niet representatief is voor de populatie maar dan wel zo sluw verpakt dat men het niet altijd snel door heeft. Voel U niet depressief als het U zou overkomen: niemand is er immuun voor

Men kan dat allemaal zeer theoretisch gaan uitleggen maar een verhaal is vaak duidelijker dan een ellenlange complexe uitleg.

 

Welkom in Eagle Rock

 

We spreken over een  (denkbeeldig) stadje genaamd Eagle Rock, gelegen  ten zuidwesten van Boston met een bevolking van 1800 zielen meestal afgestudeerden van MIT die werken in cybersecurity  voor de Amerikaanse regering. Een snood land ten noorden van zuid Korea geleid door een dictatoriale panda ( ook totaal denkbeeldig nvdr) heeft in een ondergronds labo ten zuidwesten van Junghen  een virus van het corona type  ontwikkeld de zogenaamde Ill3- variant dat mensen een jarenlang persisterend postviraal cognitief “brain fog” syndroom bezorgt. Niet de meest geschikte hersentoestand om waakzaam en vigilant te programmeren of te analyseren. Er is geen natuurlijke weerstand tegen deze infectie m.a.w ieder die het virus binnenkrijgt zal dit syndroom gaan vertonen.

 

Gelukkig heeft de CIA, waakzaam als altijd, tijdig onraad geroken en is gestart  met de ontwikkeling van een vaccin. Helaas stond dit nog niet volledig op punt toen agenten van de dictator het virus al in de waterbedeling van het stadje aanbrachten. Er zat dan ook niet veel anders meer op dan ervanuit te gaan dat iedereen besmet was en dat men best iedereen,  van kind tot volwassene het vaccin zou toedienen. Met een ongezien efficiëntie werd dit collectief vaccinatieprogramma uitgerold en op enkele dagen was zowaar 99.7% gevaccineerd. in totaal bleven dus 0.3 3% dwz +/- 5 personen door allerlei omstandigheden zonder vaccinatie.

Rond het vaccin was er nogal wat beroering gezien het gebaseerd was op een nieuwe siRNA technologie, de bijwerkingen ervan niet bekend waren, de efficiëntie niet 100% zou zijn  en gans de ontwikkeling ervan met de nodige haast gebeurde maar iets is altijd beter dan niets en dus was er een positieve aanvaarding. Nood breekt wet.  

Bijwerkingen van belang traden gelukkig niet op maar de bescherming was slechts 90% (wat op zichzelf niet eens zo slecht is).

De situatie in Boston

In een groot Bostons ziekenhuis zag men op de opname afdeling evenwel een toestroom van patiënten uit Eagle Rock met een griepachtig syndroom, spierpijn en sufheid waarvan 5 niet en zowaar 180 wel het omstreden vaccin hadden gekregen.

Stel dat men het voorgaande verhaal niet te lezen krijgt en enkel de cijfers van de “container” nl de kliniek uit Boston. Dan ziet men een stroom van 185 patiënten met een 37 keer meer gevaccineerde !

Men zou voor minder een schrik opdoen om zich te laten vaccineren nietwaar.

Een ander voorbeeld uit het domein van ML (machine learning) is een deep learning neuraal netwerk dat getraind werd om wolven te onderscheiden van honden. Gezien evenwel de meeste foto’s van wolven genomen waren in de winterse toendra  (sneeuw op de achtergrond) leerde het algoritme vooral de associatie wit en wolf.  Goede data met goed gebalanceerde klas verdeling is dus wel essentieel zeker wanneer dergelijke bias kan resulteren in onfair raciale, gender of ander maatschappelijk debat. Verder voorbeelden daarvan in het hoofdstuk uit psychiatrie met kleine p in bijlage.

 

Referenties

 

Hoofdstuk 13: de categorische fallacy