Fraude en fraudebestrijding in de wetenschap

Fraude en fraudebestrijding in de wetenschap

Stel eens dat een onderzoeker de data verzint waarop hij zijn analyses uitvoert en dat hij vervolgens de resultaten als ‘waarheidsgetrouw’ naar buiten brengt. Geen discussie over de vraag of dit fraude is. Het is echter een extreem geval. Er zijn talrijke voorbeelden te geven van dataverzameling en –bewerking die wel discussie oproepen. Dit draagt ertoe bij dat fraudebestrijding in de wetenschap minder eenvoudig is dan op het eerste gezicht lijkt.

Fraude
Stel: een arbeidsmarktonderzoeker gebruikt data die afkomstig zijn van een grootschalige survey onder de Nederlandse bevolking, uitgevoerd door het CBS. Bekend is dat bij zulke surveys vaak ‘de onderkant’ van de steekproef wordt gemist. Laaggeschoolden, degenen met lagere inkomens en anderstaligen zijn doorgaans minder in staat of bereid om mee te doen aan een interview. De onderzoeker weet dit. Toch gebruikt hij zonder voorbehoud de beschikbare data. Terwijl de wetenschappelijke integriteit zeker in het geding is, is niet eenvoudig te zeggen of hier fraude plaatsvindt. Mogelijke andere kwalificaties zijn: ‘pragmatisch handelen’ of ‘onzorgvuldig handelen’. Een ander voorbeeld: een onderzoeker verwijdert een of twee ‘uitbijters’ uit een bestand met, zeg, 1.000 waarnemingen. Moet kunnen, dagelijkse praktijk. Maar bij welk aantal waarnemingen is de verwijdering van uitbijters dubieus? Is dit het geval indien de onderzoeker twaalf landen onderling vergelijkt en er dan één verwijdert, ook als hij dit keurig vermeldt?

Juist grensgevallen nodigen uit tot een scherpe definiëring. Toch ontbreekt deze in het recente rapport Zorgvuldig en integer omgaan met wetenschappelijke onderzoeksgegevens van een eerbiedwaardige KNAW-commissie. Wel worden vormen van integriteitsschending vermeld: Fabrication (het verzinnen van data), Falsification (het manipuleren van data) en Plagiarism (het zonder bronvermelding overnemen van ideeën van anderen). Vreemd genoeg wordt alleen de eerste vorm nader omschreven als fraude; alsof de andere daar niet onder vallen. Misschien slechts een kwestie van naamgeving, maar het wekt de indruk dat het een minder ernstig is dan het ander. Ik zou me daartegen willen verzetten. Datamanipulatie is minder ‘extreem’ dan het verzinnen van data, maar qua potentiële gevolgen voor het wetenschapsbedrijf niet minder ernstig.

Geen heldere definitie dus in het KNAW-rapport, wel de constatering dat er sprake is van een grijs gebied van uiteenlopende wetenschappelijke gedragingen die verschillend kunnen worden beoordeeld (p. 13). De beoordeling in dit grijze gebied loopt dan van ‘onzorgvuldig’ tot ‘frauduleus’. Kortom, geen helderheid maar genoeg reden tot zorg. Ook en vooral omdat de praktijk ons kortgeleden een aantal voorbeelden aanreikte die aantonen dat wetenschapsfraude niet louter een academische kwestie is.

 

Fraudebestrijding in de wetenschap
Genoeg aanleiding om in te grijpen dus. Althans, als we even voorbijgaan aan de al langer beschikbare richtlijnen voor integer wetenschappelijk handelen (bijvoorbeeld van de VSNU en van onze eigen universiteit). Ons College van Bestuur treedt op, door nader onderzoek te (laten) doen naar mogelijke fraudegevallen binnen de eigen muren en door de instelling van een commissie. De laatste, de EUR Werkgroep Wetenschappelijke Integriteit, inventariseert wat de faculteiten doen aan het voorkomen/bestrijden van wetenschappelijke regelovertreding en aan de bevordering van correct gedrag. Heel goed, zo kunnen we ‘in huis’ van elkaar leren.

Welke sanctietoepassing is denkbaar wanneer de regels en richtlijnen toch worden overtreden? Het is misschien nuttig eerst onderscheid te maken tussen negatieve sancties, bestraffing, en positieve sancties, beloning. Wat de laatste betreft: de ultieme positieve sanctie voor integer wetenschappelijk handelen is dat, na een zorgvuldige (!) peer review, publicatie van het onderzoek plaatsvindt. Erkenning voor degene die zich aan de regels houdt. Negatieve sanctionering zou zo veel mogelijk publiekelijk moeten plaatsvinden en de sancties dienen fors te zijn. Zo krijgt de wetenschappelijke gemeenschap een signaal dat overtreding traceerbaar is, en wordt de ernst ervan benadrukt. Concreet valt te denken aan een forse financiële claim door een benadeelde instelling. Dat is in elk geval de universiteit die reputatieschade opliep door een frauderende medewerker. Ik kan me indenken dat iedere (nieuwe) medewerker een verklaring ondertekent zich te houden aan de regels en richtlijnen, en bij overtreding daarvan de financiële sanctie te zullen aanvaarden.

Sanctietoepassing is dus mogelijk en wenselijk. Als het daarbij blijft, is er echter – bijna letterlijk – sprake van half werk. Dit heeft vooral te maken met wat hierboven is gesteld: fraude is lang niet altijd eenvoudig te constateren. Dit beperkt de toepasbaarheid van sanctietoepassing. Om deze reden is interne controle, internalisering of ‘verinnerlijking’ van de integriteitregels, minstens zo belangrijk als externe controle. Het recept ligt voor de hand: in het academische onderwijs moet volop aandacht worden besteed aan de wetenschapsregels en aan het belang ervan. Hoe dichter studenten komen bij eigen wetenschapsbeoefening, dus voor Masterstudenten meer dan voor Bachelorstudenten en voor Mphil-/PhD-studenten weer meer, des te belangrijker het wordt om deze regels in te slijpen. Het is een betrekkelijk eenvoudig te nemen maatregel met zeker op termijn een hoge effectiviteit.

CV

Justus Veenman is als hoogleraar Economische Sociologie en directeur van de capaciteitsgroep Toegepaste Economie verbonden aan de Erasmus School of Economics. Zijn onderzoek richt zich op sociale ongelijkheid, in het bijzonder in het onderwijs en op de arbeidsmarkt. Zijn publicaties zijn onder meer te vinden op de website van Ercomer, waar hij fellow is.

Vergelijk @count opleiding

  • @title

    • Tijdsduur: @duration
Vergelijk opleidingen