Wat we niet meten, dreigen we niet meer te zien: de blinde vlek van modern bestuur

 

Hedendaagse beleids- en bestuurssystemen zijn in sterke mate gebaseerd op het gebruik van meetbare indicatoren voor analyse, sturing en evaluatie. Deze nadruk op kwantificering heeft onmiskenbare voordelen in termen van vergelijkbaarheid en bestuurbaarheid, maar creëert tegelijkertijd een structurele blinde vlek. Processen die moeilijk te meten zijn, zoals zorg, macht, vertrouwen, kenniskwaliteit en corrigeerbaarheid, blijven systematisch onderbelicht. Wat niet eenvoudig in cijfers te vangen is, verdwijnt naar de achtergrond van beleid en besluitvorming.

Door een dominante focus op meetbare indicatoren ontstaan verkeerde beleidsprioriteiten en onderschatting van risico’s, waardoor essentiële dimensies van het samenleven buiten beeld blijven.

Deze problematiek kan worden begrepen vanuit een analytisch kader waarin meten, weten en sturen nauw met elkaar verweven zijn. In veel contexten is sprake van indicatorgedreven governance, waarbij beleid wordt gestuurd op cijfers, targets en KPI’s. Binnen deze logica treedt het mechanisme op dat bekendstaat als Goodhart’s Law: zodra een maatstaf een doel wordt, verliest zij haar waarde als betrouwbare indicator[1]. Complexe maatschappelijke realiteiten worden bovendien gereduceerd tot meetbare proxies, wat leidt tot epistemische reductie. Tegelijkertijd hebben indicatoren een performatief effect: zij beïnvloeden gedrag en institutionele prioriteiten, waardoor zij mede de werkelijkheid vormgeven die zij beogen te meten. Wat niet wordt gemeten, wordt in deze context ook niet actief gestuurd, wat leidt tot structurele blind spots in governance.

Meten is niet neutraal, maar bepaalt wat zichtbaar, relevant en bestuurbaar wordt binnen instituties.

Institutionele blindheid manifesteert zich op verschillende domeinen. In de vorm van zorgblindheid blijven onbetaalde en relationele vormen van arbeid grotendeels buiten beeld, waardoor sociale reproductie wordt onderschat. Machtsonzichtbaarheid betreft het feit dat informele en diffuse machtsstructuren zoals lobby-invloed en netwerkmacht, zich vaak onttrekken aan kwantitatieve indicatoren. Epistemische blindheid doet zich voor wanneer de kwaliteit van kennis, de rol van desinformatie en het vertrouwen in kennisbronnen moeilijk meetbaar zijn en daardoor onderbelicht blijven. Daarnaast blijven belangrijke kwalitatieve dimensies, zoals vertrouwen, legitimiteit en rechtvaardigheid, buiten bereik van eenvoudige kwantificering. Ten slotte leidt de focus op meetbare output tot een onderschatting van lange termijn en systeemrisico’s, omdat deze zich vaak langzaam en cumulatief ontwikkelen en moeilijk in directe indicatoren te vatten zijn.

De productie van deze blindheid is geen toeval, maar het resultaat van specifieke mechanismen. Meetbaarheid fungeert als selectiecriterium, waardoor alleen datgene wat kwantificeerbaar is beleidsrelevant wordt. Institutionele incentives versterken dit proces, doordat organisaties worden afgerekend op meetbare prestaties. De beschikbare data-infrastructuur bepaalt vervolgens wat überhaupt zichtbaar kan worden gemaakt. Daarnaast leidt politieke vereenvoudiging ertoe dat complexe realiteiten worden gereduceerd tot hanteerbare categorieën. Ten slotte zorgen epistemische hiërarchieën ervoor dat kwantitatieve kennis vaak als superieur wordt beschouwd ten opzichte van kwalitatieve of ervaringsgerichte kennis.

De gevolgen voor beleid en samenleving zijn aanzienlijk. Er ontstaan verkeerde beleidsprioriteiten, waarbij meetbare output zwaarder weegt dan maatschappelijke relevantie. Risico’s, bijvoorbeeld op sociaal, ecologisch of epistemisch vlak, worden onderschat omdat zij onvoldoende zichtbaar zijn in indicatoren. Dit leidt tot oversturing op meetbare prestaties, terwijl onderliggende problemen blijven bestaan of zelfs verergeren. Daarnaast wordt de legitimiteit van instituties aangetast, doordat burgers ervaren dat beleid niet aansluit bij hun realiteit. Het meest fundamenteel is dat de corrigeerbaarheid van het systeem wordt beperkt: problemen die niet worden gemeten, worden niet herkend en kunnen daardoor ook niet effectief worden gecorrigeerd.

Hiermee wordt duidelijk dat institutionele blindheid geen technisch probleem is, maar een structurele beperking van hoe samenlevingen kennis organiseren en gebruiken, met directe implicaties voor rechtvaardigheid, effectiviteit en het vermogen tot zelfcorrectie.

Verbreding van indicatoren: institutionele verdieping en effecten

Een eerste en centrale oplossingsrichting betreft de verbreding van indicatoren. De huidige nadruk op beperkt meetbare grootheden zoals economische output, productiviteit en kosten, leidt tot een versmalling van het beleidsmatig zicht op de samenleving. Essentiële dimensies zoals welzijn, zorg, vertrouwen en legitimiteit blijven hierdoor onderbelicht, terwijl juist deze factoren bepalend zijn voor de kwaliteit en duurzaamheid van sociale en institutionele ordeningen.

Binnen het hier ontwikkelde model vormt de verbreding van indicatoren een essentieel onderdeel van de epistemische dimensie van corrigeerbaarheid. Corrigeerbaarheid vereist immers dat relevante aspecten van de werkelijkheid zichtbaar worden gemaakt en systematisch worden meegenomen in analyse en besluitvorming. Wanneer indicatoren slechts een beperkt deel van de realiteit weerspiegelen, worden ook de mogelijkheden tot correctie structureel ingeperkt.

Een eerste belangrijke interventie betreft de inclusie van welzijn als beleidsindicator. Dit impliceert een verschuiving van eenzijdige economische maatstaven naar bredere evaluatiekaders waarin gezondheid, levenskwaliteit, sociale verbondenheid en mentale welzijn worden meegenomen. Hierdoor ontstaat een completer beeld van maatschappelijke ontwikkeling dat verder reikt dan louter materiële productie.

Een tweede dimensie betreft het opnemen van zorg als expliciete indicator. Door zorgcapaciteit, zorgkwaliteit en verdeling van zorglasten systematisch te meten, wordt sociale reproductie zichtbaar als een centrale factor in het functioneren van samenlevingen. Dit maakt het mogelijk om beleid te ontwikkelen dat rekening houdt met de relationele en intergenerationele dimensies van het samenleven.

Een derde component betreft de integratie van vertrouwen en legitimiteit in indicatorensets. Vertrouwen in instituties, onderlinge sociale relaties en de perceptie van rechtvaardigheid vormen cruciale voorwaarden voor stabiele en effectieve governance. Door deze dimensies expliciet te meten, bijvoorbeeld via surveys, participatieve evaluaties en kwalitatieve analyses, kan beter inzicht worden verkregen in de kwaliteit van institutionele relaties en de mate van maatschappelijke draagkracht.

In termen van effectiviteit leidt dit tot beter geïnformeerde beleidskeuzes, doordat meer relevante dimensies worden meegenomen. In termen van legitimiteit versterkt zij het vertrouwen in instituties, doordat beleid beter aansluit bij de ervaren realiteit van burgers. In termen van gelijkheid maakt zij het mogelijk om ongelijkheden zichtbaar te maken die in traditionele indicatoren verborgen blijven. Voor de corrigeerbaarheid betekent dit dat het systeem beter in staat is om problemen te herkennen en bij te sturen op basis van een meer volledige en genuanceerde weergave van de werkelijkheid.

Tegelijkertijd brengt de verbreding van indicatoren ook spanningen met zich mee. Het meten van complexe en kwalitatieve dimensies zoals welzijn en vertrouwen is methodologisch uitdagend en kan leiden tot discussie over definities en interpretaties. Daarnaast bestaat het risico van overcomplexiteit, waarbij een teveel aan indicatoren de bestuurbaarheid vermindert. Dit onderstreept dat verbreding gepaard moet gaan met zorgvuldige selectie, transparantie en voortdurende evaluatie van indicatoren.

De verbreding van indicatoren is gericht op het realiseren van een meer volledige weergave van de realiteit, waarin niet alleen economische prestaties, maar ook sociale, relationele en institutionele dimensies zichtbaar worden. Daarmee wordt de basis gelegd voor effectiever, rechtvaardiger en corrigeerbaarder beleid.

Combinatie van kwantitatieve en kwalitatieve data: institutionele verdieping en effecten

Een tweede essentiële oplossingsrichting betreft de combinatie van kwantitatieve en kwalitatieve data. Waar kwantitatieve indicatoren waardevol zijn voor vergelijkbaarheid en schaalbaarheid, schieten zij tekort in het vastleggen van complexe, contextgebonden en relationele processen. Het uitsluitend vertrouwen op cijfers leidt daarom tot een reductie van de werkelijkheid, waarbij belangrijke dimensies van ervaring, betekenis en context buiten beeld blijven.

Binnen het hier ontwikkelde model vormt deze combinatie een cruciaal onderdeel van de epistemische verrijking van corrigeerbaarheid. Corrigeerbaarheid vereist immers niet alleen dat fenomenen meetbaar zijn, maar ook dat zij begrijpelijk, interpreteerbaar en contextueel ingebed worden. Door kwantitatieve en kwalitatieve data te combineren, ontstaat een rijker en meer gelaagd beeld van maatschappelijke processen, waardoor signalen van problemen beter kunnen worden herkend en geduid.

Een eerste belangrijke interventie betreft het gebruik van narratieve evaluaties. Dit houdt in dat naast cijfers ook verhalen, casestudies en kwalitatieve analyses worden ingezet om inzicht te krijgen in hoe beleid in de praktijk uitwerkt. Narratieve benaderingen maken het mogelijk om nuance, context en variatie zichtbaar te maken, en om mechanismen te begrijpen die niet direct uit kwantitatieve data af te leiden zijn.

Een tweede dimensie betreft de systematische inzet van ervaringsdata. Door ervaringen van burgers, professionals en betrokken actoren te verzamelen en te analyseren, wordt zichtbaar hoe instituties daadwerkelijk functioneren in het dagelijks leven. Ervaringsdata kunnen onder meer worden verzameld via participatieve processen, interviews, feedbacksystemen en burgerpanels. Zij vormen een belangrijke aanvulling op statistische gegevens, omdat zij inzicht bieden in beleving, toegankelijkheid en rechtvaardigheid.

Dit leidt tot beter geïnformeerde en meer contextgevoelige beleidskeuzes. Omdat burgers zich gehoord en serieus genomen voelen, wordt het vertrouwen in instituties versterkt. Ook wordt het mogelijk om verschillen in ervaring en impact zichtbaar te maken die in cijfers verborgen blijven. Hierdoor beschikt men over een rijkere set van signalen, waardoor problemen niet alleen worden gemeten, maar ook begrepen en aangepakt.

Tegelijkertijd brengt deze benadering ook spanningen met zich mee. Kwalitatieve data zijn moeilijker te standaardiseren en te vergelijken, en kunnen leiden tot interpretatieverschillen. Daarnaast vergt het verzamelen en analyseren van dergelijke data tijd en middelen. Dit onderstreept dat de combinatie van data vraagt om methodologische zorgvuldigheid, transparantie en institutionele capaciteit.

De combinatie van kwantitatieve en kwalitatieve data is gericht op het zichtbaar maken van complexiteit, zodat beleid niet uitsluitend wordt gebaseerd op wat meetbaar is, maar ook op wat betekenisvol en ervaren wordt. Daarmee wordt de corrigeerbaarheid van het systeem versterkt door een rijker en meer realistisch begrip van de samenleving

Reflexieve governance: corrigeerbaarheid van metingen zelf

Een derde essentiële oplossingsrichting betreft de ontwikkeling van reflexieve governance. Waar traditionele governance zich richt op het meten en sturen van maatschappelijke processen, richt reflexieve governance zich op een extra laag: het kritisch evalueren en aanpassen van de meetinstrumenten zelf. Indicatoren en meetkaders worden daarbij niet gezien als neutrale of vaste instrumenten, maar als historisch en normatief bepaalde constructies die voortdurend moeten worden herijkt.

Binnen het hier ontwikkelde model vormt reflexieve governance een kerncomponent van de metacorrigeerbaarheid van het systeem. Corrigeerbaarheid vereist immers niet alleen dat beleid kan worden bijgestuurd, maar ook dat de criteria en indicatoren waarop dat beleid is gebaseerd zelf corrigeerbaar zijn. Wanneer meetkaders star of onkritisch worden toegepast, ontstaat het risico dat fouten zich reproduceren binnen de logica van het systeem zelf.

Een eerste belangrijke interventie betreft de periodieke herziening van indicatoren. Dit houdt in dat indicatorensets niet als definitief worden beschouwd, maar regelmatig worden geëvalueerd op hun relevantie, validiteit en effecten. Nieuwe maatschappelijke ontwikkelingen, inzichten en risico’s moeten kunnen leiden tot aanpassing of vervanging van bestaande meetinstrumenten. Hierdoor blijft het meetkader aansluiten bij een veranderende werkelijkheid.

Een tweede dimensie betreft de kritische evaluatie van meetkaders. Dit omvat het expliciet maken van de aannames, normatieve keuzes en beperkingen die ten grondslag liggen aan indicatoren. Door deze aannames zichtbaar te maken, wordt voorkomen dat indicatoren een schijn van objectiviteit krijgen die hun beperkingen verhult. Kritische evaluatie kan worden versterkt door het betrekken van diverse perspectieven, waaronder wetenschappelijke, professionele en ervaringsgerichte kennis.

In termen van effectiviteit leidt reflexieve governance tot beter afgestemde en relevantere meetinstrumenten. In termen van legitimiteit versterkt zij het vertrouwen in instituties, doordat transparant wordt omgegaan met onzekerheden en beperkingen. In termen van gelijkheid maakt zij het mogelijk om blinde vlekken in bestaande indicatoren te identificeren en te corrigeren. Voor de corrigeerbaarheid betekent dit dat niet alleen beleid, maar ook de kennisbasis van dat beleid voortdurend kan worden aangepast en verbeterd.

Tegelijkertijd brengt reflexieve governance ook spanningen met zich mee. Continue herziening kan leiden tot onzekerheid en vermindering van vergelijkbaarheid over tijd. Daarnaast vergt het institutionele capaciteit en een cultuur van openheid en zelfkritiek. Dit onderstreept dat reflexieve governance vraagt om een balans tussen stabiliteit en aanpasbaarheid, waarbij zowel continuïteit als leervermogen worden gewaarborgd.

Reflexieve governance is gericht op het waarborgen van de corrigeerbaarheid van metingen zelf, zodat indicatoren en meetkaders niet verstarren, maar zich blijven aanpassen aan nieuwe inzichten en maatschappelijke realiteiten. Daarmee wordt de epistemische basis van beleid versterkt en het vermogen tot zelfcorrectie verdiept.

Transparantie van data en aannames: institutionele verdieping en effecten

Een vierde oplossingsrichting betreft de versterking van transparantie van data en aannames. Indicatoren en meetkaders worden in beleidspraktijk vaak gepresenteerd als objectieve en neutrale weergaven van de werkelijkheid. In werkelijkheid zijn zij echter gebaseerd op keuzes: over wat wordt gemeten, hoe dit gebeurt en welke interpretaties worden gehanteerd. Wanneer deze onderliggende aannames impliciet blijven, ontstaat het risico van schijnobjectiviteit, waarbij cijfers een gezag krijgen dat hun beperkingen verhult.

Binnen het hier ontwikkelde model vormt transparantie een cruciaal onderdeel van de epistemische en normatieve dimensie van corrigeerbaarheid. Corrigeerbaarheid vereist immers dat niet alleen de uitkomsten van metingen zichtbaar zijn, maar ook de voorwaarden en aannames waarop deze uitkomsten berusten. Alleen wanneer deze expliciet zijn, kunnen zij kritisch worden geëvalueerd en, indien nodig, worden aangepast.

Een eerste belangrijke interventie betreft het waarborgen van openheid over data en methodologie. Dit houdt in dat de herkomst van data, de gebruikte meetmethoden en de gekozen indicatoren inzichtelijk worden gemaakt voor beleidsmakers, onderzoekers en burgers. Transparantie over deze aspecten maakt het mogelijk om de betrouwbaarheid en relevantie van indicatoren te beoordelen en vergroot de controleerbaarheid van beleid.

Een tweede dimensie betreft het expliciteren van de beperkingen van indicatoren. Geen enkele indicator kan de volledige complexiteit van maatschappelijke processen vastleggen. Door deze beperkingen actief te communiceren — bijvoorbeeld via toelichtingen, onzekerheidsmarges of contextuele duiding — wordt voorkomen dat cijfers worden geïnterpreteerd als volledige of definitieve weergaven van de werkelijkheid.

De transparantie en het vertrouwen in instituties wordt versterkt, doordat zij openheid tonen over hun werkwijze en beperkingen. Tevens draag dit bij aan een eerlijker toegang tot informatie en aan de mogelijkheid voor verschillende actoren om kritisch te participeren in evaluatieprocessen. Fouten, biases en blinde vlekken in meetkaders worden sneller zichtbaar en kunnen worden aangepast.

Tegelijkertijd brengt transparantie ook spanningen met zich mee. Het volledig inzichtelijk maken van data en aannames kan complexiteit vergroten en vraagt om interpretatiecapaciteit bij gebruikers. Daarnaast kunnen politieke en institutionele belangen transparantie beperken. Dit onderstreept dat transparantie niet alleen een technische, maar ook een institutionele en culturele opgave is.

Transparantie van data en aannames is gericht op het voorkomen van schijnobjectiviteit, door inzichtelijk te maken hoe indicatoren tot stand komen en welke beperkingen zij hebben. Daarmee wordt de epistemische kwaliteit van beleid versterkt en de corrigeerbaarheid van het systeem vergroot.

Inclusie van diverse kennisvormen: institutionele verdieping en effecten

Een vijfde oplossingsrichting betreft de inclusie van diverse kennisvormen. In veel beleids- en bestuurspraktijken domineert een beperkt type kennis, vaak kwantitatief, expert-gedreven en institutioneel geproduceerd, terwijl andere vormen van kennis, zoals ervaringskennis en lokale kennis, structureel onderbelicht blijven. Dit leidt tot een eenzijdig beeld van de werkelijkheid en vergroot het risico op epistemische blindheid, waarbij relevante inzichten en signalen niet worden herkend.

Binnen het hier ontwikkelde model vormt de inclusie van diverse kennisvormen een kerncomponent van de epistemische verbreding van corrigeerbaarheid. Corrigeerbaarheid vereist immers dat verschillende perspectieven en ervaringswerelden worden meegenomen in analyse en besluitvorming. Wanneer kennisproductie homogeen is, ontstaan blinde vlekken die het vermogen tot correctie beperken.

Een eerste belangrijke interventie betreft het systematisch betrekken van ervaringskennis. Dit houdt in dat de ervaringen van burgers, professionals en direct betrokkenen worden erkend als waardevolle bron van inzicht. Ervaringskennis maakt zichtbaar hoe beleid en instituties in de praktijk functioneren en waar discrepanties ontstaan tussen norm en uitvoering. Door deze kennis te integreren in beleidsprocessen, wordt de afstand tussen systeem en leefwereld verkleind.

Een tweede dimensie betreft de inzet van lokale kennis. Lokale contexten bevatten vaak specifieke inzichten over sociale, culturele en economische dynamieken die niet zichtbaar zijn in algemene of nationale data. Door deze kennis te betrekken, kan beleid beter worden afgestemd op concrete situaties en wordt voorkomen dat uniforme oplossingen leiden tot ineffectiviteit of uitsluiting.

In termen van effectiviteit leidt dit tot beter afgestemd en contextgevoelig beleid. In termen van legitimiteit versterkt zij het vertrouwen in instituties, doordat verschillende groepen zich erkend voelen in kennis- en besluitvormingsprocessen. In termen van gelijkheid draagt dit bij aan het verminderen van epistemische ongelijkheid, doordat niet alleen dominante kennisvormen worden erkend. Voor de corrigeerbaarheid betekent dit dat het systeem beschikt over een bredere en rijkere kennisbasis, waardoor problemen sneller en vanuit meerdere invalshoeken kunnen worden herkend en aangepakt.

Tegelijkertijd brengt deze benadering ook spanningen met zich mee. Verschillende kennisvormen kunnen uiteenlopende of zelfs conflicterende interpretaties opleveren, en het integreren ervan vraagt om methodologische en institutionele capaciteit. Daarnaast bestaat het risico dat inclusie van kennisvormen symbolisch blijft zonder daadwerkelijke invloed op besluitvorming. Dit onderstreept dat inclusie niet alleen vraagt om participatie, maar ook om reële invloed en institutionele verankering.

De inclusie van diverse kennisvormen is gericht op het verminderen van epistemische blindheid, door ervaringskennis en lokale kennis systematisch te integreren in analyse en besluitvorming. Daarmee wordt de kwaliteit van kennisproductie versterkt en de corrigeerbaarheid van het systeem verdiept.

Benaderingen: voorbij meetbare reductie

Deze benaderingen erkennen dat niet alle relevante maatschappelijke processen volledig te kwantificeren zijn, maar dat zij desondanks actief moeten worden meegenomen in governance en besluitvorming. Zij verschuiven de focus van eenzijdige meetbaarheid naar een meervoudige en reflexieve kennisinfrastructuur.

Binnen het hier ontwikkelde model kunnen deze innovaties worden begrepen als een uitbreiding van de epistemische dimensie van corrigeerbaarheid naar een systeemniveau. Zij maken het mogelijk om ook datgene wat moeilijk meetbaar is, zoals vertrouwen, machtsdynamieken en systeemrisico’s, structureel te betrekken in analyse en sturing.

Een eerste belangrijke interventie betreft het hanteren van het principe dat “what cannot be measured must still be governed”. Dit impliceert dat het ontbreken van meetbaarheid geen reden mag zijn om bepaalde domeinen buiten beleid te laten. In plaats daarvan worden alternatieve vormen van monitoring en evaluatie ontwikkeld, zoals kwalitatieve beoordelingen, expertpanels en deliberatieve processen, die ook niet-kwantificeerbare dimensies kunnen omvatten.

Een tweede dimensie betreft de toepassing van dashboard-benaderingen in plaats van één samengestelde score. Door verschillende indicatoren naast elkaar te presenteren, wordt voorkomen dat complexe realiteiten worden gereduceerd tot één enkel cijfer. Een dashboard maakt spanningen, trade-offs en onderlinge relaties zichtbaar, en ondersteunt een meer genuanceerde en reflexieve vorm van besluitvorming.

Een derde component betreft de ontwikkeling van early warning systems voor niet-meetbare of moeilijk meetbare risico’s. Dit omvat het signaleren van zwakke signalen, trends en kwalitatieve veranderingen die kunnen wijzen op toekomstige problemen, bijvoorbeeld op het gebied van sociale cohesie, epistemische stabiliteit of institutioneel vertrouwen. Dergelijke systemen vergroten het vermogen om proactief te reageren op ontwikkelingen die nog niet volledig in cijfers zichtbaar zijn.

Een vierde dimensie betreft het toekennen van een institutionele rol aan kritische tegenmacht in evaluatieprocessen. Onafhankelijke media, maatschappelijke organisaties en wetenschappelijke actoren kunnen fungeren als externe correctiemechanismen die blinde vlekken in formele meetkaders zichtbaar maken. Door deze actoren structureel te betrekken in evaluatie en monitoring, wordt de kennisbasis van beleid verbreed en versterkt.

Een vijfde oplossingsrichting betreft de inzet van AI-ondersteunde patroonherkenning buiten klassieke indicatoren. Geavanceerde analysetechnieken kunnen helpen om complexe en niet-lineaire patronen te identificeren in grote en diverse datasets, inclusief tekstuele en kwalitatieve bronnen. Dit biedt nieuwe mogelijkheden om signalen te detecteren die niet direct via traditionele indicatoren zichtbaar zijn. Tegelijkertijd vereist dit zorgvuldige regulering en interpretatie, gezien de risico’s van bias en ondoorzichtigheid.

In termen van effectiviteit wordt het mogelijk om een breder scala aan signalen en risico’s te identificeren en te adresseren. In termen van legitimiteit versterkt dit het vertrouwen in instituties, doordat deze erkennen dat niet alles in cijfers te vatten is. In termen van corrigeerbaarheid betekent dit dat het systeem beter in staat is om ook buiten de grenzen van traditionele meetbaarheid te leren en zich aan te passen.

Tegelijkertijd brengen deze innovaties ook spanningen met zich mee. Zij vereisen een grotere tolerantie voor onzekerheid, complexiteit en interpretatie, en kunnen botsen met de behoefte aan eenduidige en snelle besluitvorming. Daarnaast stellen zij hoge eisen aan institutionele capaciteit en epistemische verantwoordelijkheid.

Deze benaderingen markeren een verschuiving van meetbare reductie naar een meervoudige en reflexieve kennisinfrastructuur, waarin zowel kwantitatieve als kwalitatieve vormen van kennis worden geïntegreerd. Daarmee wordt corrigeerbaarheid verdiept tot een vermogen om ook datgene wat moeilijk meetbaar is, systematisch te herkennen, te duiden en te adresseren.

Structurele beperkingen en spanningen: meten, weten en mitigatie

Het gebruik van indicatoren en data in governance is onvermijdelijk en noodzakelijk, maar gaat gepaard met een aantal structurele spanningen die voortkomen uit de aard van meten zelf. Deze spanningen zijn niet volledig op te lossen, maar kunnen wel worden herkend, geadresseerd en gemitigeerd door bewuste institutionele en epistemische keuzes.

Een eerste spanningsveld betreft de verhouding tussen meetbaarheid en complexiteit. Beleidsprocessen vereisen vereenvoudiging om bestuurbaar te blijven, maar deze vereenvoudiging kan leiden tot verlies van nuance en realiteitsgetrouwheid. Complexe sociale processen worden gereduceerd tot indicatoren die slechts een deel van de werkelijkheid weergeven. Deze spanning kan worden verminderd door het combineren van meervoudige indicatoren, dashboards en kwalitatieve aanvulling, zodat vereenvoudiging niet leidt tot eenzijdigheid. Daarnaast kan expliciete erkenning van wat buiten beeld blijft bijdragen aan een realistischer interpretatie van data.

Een tweede spanningsveld betreft de relatie tussen objectiviteit en interpretatie. Data worden vaak gepresenteerd als neutraal, maar zijn altijd het resultaat van keuzes, aannames en normatieve kaders. De interpretatie van data vereist context en duiding, waardoor objectiviteit nooit volledig kan worden gegarandeerd. Deze spanning kan worden gemitigeerd door transparantie over aannames, pluraliteit van interpretaties en betrokkenheid van diverse kennisvormen, zodat data niet als absolute waarheid worden gepresenteerd, maar als onderdeel van een breder interpretatief proces.

Een derde spanningsveld betreft de balans tussen sturing en openheid. Beleidsmakers hebben behoefte aan controle en voorspelbaarheid, terwijl maatschappelijke realiteit gekenmerkt wordt door onzekerheid en dynamiek. Een te sterke nadruk op sturing kan leiden tot oversimplificatie en rigiditeit, terwijl te veel openheid besluitvorming kan bemoeilijken. Deze spanning kan worden verminderd door het ontwikkelen van adaptieve governancevormen, waarin ruimte is voor bijsturing, experimenten en lerende processen, zonder dat de bestuurbaarheid volledig verloren gaat.

Een vierde spanningsveld betreft de verhouding tussen efficiëntie en volledigheid. Snelle besluitvorming vereist compacte en hanteerbare informatie, maar een te sterke nadruk op efficiëntie kan leiden tot het negeren van relevante, maar complexere informatie. Omgekeerd kan een streven naar volledigheid besluitvorming vertragen. Deze spanning kan worden gemitigeerd door het werken met gelaagde besluitvormingsprocessen, waarbij snelle beslissingen worden ondersteund door diepere analyses op de achtergrond, en door het differentiëren naar type besluit en benodigde informatiediepte.

Een vijfde spanningsveld betreft de relatie tussen technologie en menselijke interpretatie. Geavanceerde data-analyse en AI-systemen bieden nieuwe mogelijkheden voor patroonherkenning, maar blijven afhankelijk van menselijke interpretatie voor betekenisgeving en normatieve afweging. Overmatige afhankelijkheid van technologie kan leiden tot verlies van context en verantwoordelijkheid. Deze spanning kan worden verminderd door het waarborgen van menselijke controle, interpretatieve kaders en ethische reflectie, waarbij technologie wordt ingezet als ondersteunend instrument en niet als vervanging van menselijke oordeelsvorming.

Gezamenlijk maken deze spanningen duidelijk dat meten en sturen geen neutrale of technische processen zijn, maar fundamenteel normatieve en epistemische praktijken. Het omgaan met deze spanningen vereist institutionele capaciteit, reflexiviteit en een cultuur waarin onzekerheid en complexiteit niet worden vermeden, maar actief worden geïntegreerd in besluitvorming.

Meten is noodzakelijk, maar altijd beperkt; effectieve governance vereist daarom niet alleen aandacht voor wat meetbaar is, maar ook voor wat buiten meetbaarheid valt, en voor de wijze waarop beide domeinen met elkaar in balans worden gebracht.

Conclusie: meten als voorwaarde én begrenzing van corrigeerbaarheid

De voorgaande analyse maakt duidelijk dat institutionele blindheid niet voortkomt uit een gebrek aan data, maar uit een eenzijdige inrichting van de wijze waarop samenlevingen kennis produceren, waarderen en gebruiken. Meetinstrumenten zijn geen neutrale vensters op de werkelijkheid, maar selectiemechanismen die mede bepalen welke problemen zichtbaar worden, welke belangen beleidsmatig gewicht krijgen en welke ontwikkelingen buiten beeld blijven. Daarmee zijn indicatoren niet slechts technische hulpmiddelen, maar institutionele keuzes met diepgaande normatieve gevolgen.

Juist doordat moderne governance in sterke mate afhankelijk is geworden van indicatoren, ontstaat het risico dat bestuurlijke rationaliteit wordt verengd tot datgene wat eenvoudig kan worden gekwantificeerd. Zorg, vertrouwen, legitimiteit, relationele kwaliteit, machtsconcentraties, epistemische betrouwbaarheid en langetermijnrisico's verdwijnen daardoor gemakkelijk naar de achtergrond, terwijl juist deze factoren in hoge mate bepalend zijn voor de stabiliteit en kwaliteit van democratische rechtsstaten. Goodhart's Law laat zien dat deze reductie bovendien zichzelf versterkt: zodra indicatoren beleidsdoelen worden, gaan instituties zich aanpassen aan de indicator in plaats van aan de onderliggende maatschappelijke werkelijkheid.

Vanuit het perspectief van het relationele mens- en samenlevingsbeeld betekent dit dat corrigeerbaarheid niet uitsluitend afhangt van de beschikbaarheid van informatie, maar vooral van de kwaliteit en pluraliteit van de kennis waarop instituties hun besluiten baseren. Een corrigeerbaar systeem meet daarom niet alleen beter, maar meet ook reflexiever. Het combineert kwantitatieve en kwalitatieve kennis, erkent ervaringskennis naast statistische data, maakt aannames expliciet, evalueert voortdurend zijn eigen meetkaders en accepteert dat niet alles wat bestuurlijk relevant is volledig meetbaar kan worden gemaakt.

Daarmee verschuift de opgave van een cultuur van meten om te sturen naar een cultuur van leren om te corrigeren. Niet de indicator staat centraal, maar de maatschappelijke werkelijkheid waarop zij betrekking heeft. Institutionele kwaliteit wordt uiteindelijk niet bepaald door de precisie van haar cijfers, maar door haar vermogen om ook datgene serieus te nemen wat zich slechts gedeeltelijk laat meten. Alleen een dergelijke reflexieve kennisinfrastructuur maakt het mogelijk om maatschappelijke veranderingen tijdig te herkennen, blinde vlekken te corrigeren en instituties blijvend aan te passen aan een complexe, dynamische en pluriforme samenleving. Daarmee vormt epistemische corrigeerbaarheid een onmisbare voorwaarde voor democratische veerkracht, rechtvaardigheid en duurzame mens- en samenlevingswording.

Lees nu dit actuele boek:

https://www.researchgate.net/publication/410776080_Democratie_herontworpen

---

[1] Charles A. E. Goodhart, ‘Problems of Monetary Management: The U.K. Experience’, in Papers in Monetary Economics, Vol. 1 (Reserve Bank of Australia, Sydney, 1975), 91–121, in het bijzonder p. 116. Goodhart formuleerde het inmiddels klassieke inzicht dat zodra een statistische maatstaf het object van beleid wordt, zij haar bruikbaarheid als indicator verliest. Dit principe staat tegenwoordig bekend als Goodhart’s Law. Zie tevens Marilyn Strathern, ‘“Improving Ratings”: Audit in the British University System’, European Review 5, nr. 3 (1997): 305–321, waarin Goodhart’s Law breder wordt toegepast op prestatiesturing en institutionele evaluatie.