Wat moeilijk meetbaar is kan uit het bestuurlijke beeld verdwijnen zonder daarom minder belangrijk te zijn.
De McNamara Fallacy beschrijft een bestuursstijl waarin het meetbare steeds meer aandacht en realiteit krijgt, terwijl relevante maar moeilijk kwantificeerbare aspecten worden genegeerd. De term is afkomstig van Daniel Yankelovich, niet van McNamara zelf.
Wat moeilijk meetbaar is kan uit het bestuurlijke beeld verdwijnen zonder daarom minder belangrijk te zijn.
Yankelovich beschreef een trap: meet wat gemakkelijk meetbaar is; negeer wat niet eenvoudig meetbaar is of geef het een willekeurige waarde; neem vervolgens aan dat het niet belangrijk is; en uiteindelijk dat het niet bestaat.
Yankelovich formuleerde de vier stappen in “The New Odds” (15 oktober 1971), pp. 4–5. Hij verbond ze expliciet met Vietnam. Dit is een historische waarschuwing, geen experimenteel bewezen gedragswet.
Meetbaarheid en beschikbare gegevens sturen de aandacht. Een niet-gemeten aspect kan daardoor uit het beslismodel verdwijnen en later als onbelangrijk worden behandeld.
Te onderzoeken AI-toepassing: AI kan tekst structureren, aantallen berekenen en informatie samenvatten. Of relevante ongemeten dimensies behouden blijven, is een afzonderlijke onderzoeksvraag.
Voorgestelde toets, nog niet uitgevoerd: geef beslissers gestructureerd kwantitatief bewijs en even relevant kwalitatief bewijs. Varieer hoe gemakkelijk machines het kunnen verwerken en hoe AI het samenvat. Meet aandacht, keuzes en de kwaliteit van voorspellingen.
De bestuurlijke vraag is steeds: wat is belangrijk maar niet in deze meetarchitectuur terechtgekomen?
Beschrijf welke verwerking AI uitvoert en welke relevante dimensie buiten de meting blijft. De historische formulering valideert de voorgestelde AI-transfer niet.
Yankelovich (1971), The New Odds — printed pp. 4–5; PDF pp. 5–6
De vierstappenpassage staat in een gedeelde archiefscan van Yankelovichs tekst. De duurzame bewaring van die scan is niet onafhankelijk vastgesteld. De historische formulering is geen empirisch bewijs voor de voorgestelde AI-toepassing.
Help deze case beter maken
We bekijken je bijdrage voordat we de tekst of bronnen aanpassen.