Inleiding

Wetenschap is historisch geworteld in empirische waarnemingen. Van Galileo’s telescoop tot Darwin’s veldstudies: de kern van wetenschappelijke vooruitgang ligt in het observeren van de natuur, het registreren van patronen en het testen van hypothesen. Maar in steeds meer wetenschappelijke domeinen, van klimaatmodellen tot stikstofberekeningen, lijkt deze fundamentele aanpak plaats te maken voor een nieuwe werkelijkheid: modellen en simulaties hebben de plaats ingenomen van metingen en waarnemingen.

Deze verschuiving is niet zonder gevolgen. In plaats van modellen te gebruiken als instrumenten om de realiteit beter te begrijpen, worden ze steeds vaker gezien als de realiteit zelf. In dit essay betoog ik dat deze omkering van methodologie – waarin modellen belangrijker worden dan de waarnemingen waarop ze oorspronkelijk gebaseerd waren – niet alleen de wetenschap ondermijnt, maar ook leidt tot problematisch beleid, zoals te zien is in het stikstofdebat in Nederland.

De Rol van Modellen in de Wetenschap

Wetenschappelijke modellen zijn in essentie abstracte representaties van de werkelijkheid. Ze helpen ons complexe systemen te begrijpen door wiskundige formules en aannames te combineren met bestaande waarnemingen. Wanneer goed gebruikt, kunnen modellen waardevolle inzichten bieden, bijvoorbeeld in meteorologie, aerodynamica of epidemiologie.

Maar een fundamenteel probleem ontstaat wanneer modellen niet langer worden gezien als hulpmiddelen, maar als de ultieme bron van waarheid. Dit probleem wordt versterkt door een onderliggende wetenschapsfilosofische kwestie: inductie versus deductie.

• Inductieve wetenschap vertrekt vanuit waarnemingen en bouwt daaruit conclusies op.
• Deductieve wetenschap start met een theorie en probeert deze te toetsen aan de werkelijkheid.

In de moderne wetenschap is een gevaarlijke tendens zichtbaar: modellen worden opgesteld binnen een theoretisch kader (deductie), en vervolgens worden waarnemingen alleen nog maar gebruikt om het model te valideren – niet om het te falsificeren. Dit leidt tot een gesloten systeem waarin afwijkende data worden weggefilterd of genegeerd.

Het Stikstofdossier als Case Study

Het stikstofbeleid in Nederland wordt grotendeels bepaald door modellen zoals AERIUS en het OPS-model van het RIVM. Deze modellen berekenen stikstofdepositie op Natura 2000-gebieden en vormen de basis voor beleid dat de landbouw zwaar raakt.

Een aantal fundamentele problemen komen hierbij naar voren:

1. Gebrek aan Empirische Validatie
   • Er is een schrijnend gebrek aan grootschalige, onafhankelijke metingen van de feitelijke stikstofdepositie. In plaats daarvan worden berekende emissies doorgerekend via modellen, zonder systematische verificatie.
2. Overmatige Betrouwbaarheid op Kleine Getallen
   • Het systeem werkt met marges die soms zo klein zijn dat ze binnen de meetonnauwkeurigheid vallen. Als een boerderij enkele molen stikstof minder uitstoot volgens het model, kan dit net het verschil maken tussen een vergunning krijgen of niet – terwijl de daadwerkelijke metingen zelden worden uitgevoerd.
3. Beleid Gebaseerd op Theoretische Voorspellingen
   • De onzekerheid in stikstofmodellen is groot, maar toch worden deze modellen gebruikt als harde basis voor juridisch bindend beleid. Hierdoor ontstaan juridische situaties waarin een virtuele berekening meer impact heeft dan de realiteit op het veld.

De Valstrik van Computationele Dogma’s

Waarom gebeurt dit? Waarom blijven beleidsmakers en wetenschappers vasthouden aan modellen, zelfs wanneer empirische waarnemingen erop wijzen dat ze onbetrouwbaar zijn?

Een belangrijke factor is de technocratisering van de wetenschap. In veel wetenschappelijke disciplines hebben computationele methoden en complexe simulaties het veldwerk vervangen. Dit leidt tot een epistemologische verschuiving waarin wetenschappelijke autoriteit niet langer berust op observaties, maar op de beheersing van complexe modelberekeningen.

Dit fenomeen is niet uniek voor stikstof, maar manifesteert zich ook in andere beleidsdomeinen zoals klimaatwetenschap. De parallellen met het klimaatdebat zijn treffend: ook daar zien we dat klimaatmodellen steeds vaker worden gepresenteerd als onbetwistbare waarheid, terwijl feitelijke meetgegevens slechts een ondergeschikte rol spelen.

De Gevaren van Modeldominantie

Wanneer wetenschappers hun modellen als ‘de waarheid’ beschouwen, leidt dit tot een aantal fundamentele problemen:

1. Bevestigingsbias
   • Wetenschap vereist falsificatie: modellen moeten worden getoetst en kunnen worden weerlegd door metingen. Wanneer een model leidend wordt, verliezen we het vermogen om het kritisch te evalueren.
2. Politieke Instrumentalisering
   • Modellen kunnen gemakkelijk worden aangepast aan politieke doelen. Parameters en scenario’s kunnen zodanig worden gemanipuleerd dat ze een gewenst resultaat opleveren. Dit ondermijnt het vertrouwen in de wetenschap.
3. Dogmatisering van Wetenschap
   • Als modellen leidend worden, kunnen wetenschappers die alternatieve hypotheses aandragen worden weggezet als ‘ontkenners’ of ‘dissidenten’. Dit creëert een wetenschappelijke monocultuur waarin afwijkende inzichten worden onderdrukt.

Hoe Wetenschap Weer Wetenschap Kan Worden

Om wetenschap te herstellen naar haar oorspronkelijke kern – waarneming, falsificatie en open debat – is het essentieel om enkele fundamentele stappen te zetten:

1. Empirische Data Prioriteren
   • In plaats van modellen als uitgangspunt te nemen, moeten we eerst uitgebreide metingen doen en vervolgens modellen gebruiken om deze data te interpreteren – niet andersom.
2. Modellen Openstellen voor Kritiek
   • Wetenschappelijke modellen mogen niet worden gezien als onaantastbaar. Ze moeten voortdurend worden getoetst en, indien nodig, herzien of verworpen.
3. Ruimte voor Wetenschappelijk Pluralisme
   • Wetenschap floreert bij diversiteit in ideeën. Het onderdrukken van alternatieve visies, puur omdat ze buiten het gangbare narratief vallen, schaadt de vooruitgang.
4. Beleid Gebaseerd op Werkelijkheid
   • Beleidsmakers moeten zich realiseren dat een model slechts een hulpmiddel is en geen vervanging voor directe waarnemingen.

Conclusie

Het stikstofdebat in Nederland laat zien wat er misgaat wanneer modellen belangrijker worden dan metingen. De fundamentele wetenschappelijke methode – gebaseerd op waarneming, hypothesevorming en falsificatie – wordt vervangen door een modelgedreven realiteit waarin beleidsbeslissingen worden genomen op basis van theoretische voorspellingen in plaats van harde data.

Deze verschuiving is symptomatisch voor een bredere trend in de wetenschap, waarbij complexe modellen en computationele simulaties de plaats innemen van empirische waarnemingen. Dit is niet alleen een methodologisch probleem, maar ook een filosofisch en maatschappelijk vraagstuk.

Als we wetenschap willen redden van dogmatisering en politisering, moeten we terug naar de basis: “Laat de data spreken.”