Stereotype threat: wat het bewijs werkelijk laat zien

Het Nederlandse onderzoek dat de discussie veranderde

In 2015 poolden Paulette Flore en Jelte Wicherts 47 effectgroottes uit onderzoek onder schoolgaande meisjes. Zij vonden een gemiddeld effect van −0,22 dat significant van nul verschilde, maar ook meerdere aanwijzingen voor publicatiebias, en concludeerden dat die bias de literatuur over stereotype threat bij scholieren ernstig zou kunnen vertekenen. Zij riepen op tot één grote replicatiestudie.

Drie jaar later voerden Flore, Joris Mulder en Wicherts die zelf uit, als registered report: opzet, steekproefomvang en analyse werden vastgelegd en beoordeeld vóórdat er data waren, wat de ruimte wegneemt waarin publicatiebias ontstaat. De deelnemers waren 2.064 Nederlandse middelbare scholieren van 13 en 14 jaar. De uitkomst: geen algemeen effect van stereotype threat op wiskundeprestaties, en geen van de gemodereerde effecten die de theorie voorspelde.

Waar het idee vandaan komt

Claude Steele en Joshua Aronson publiceerden in 1995 een reeks experimenten in het Journal of Personality and Social Psychology. Hun voorstel: waar een negatief stereotype over je groep op jou van toepassing zou kunnen zijn, wordt het besef daarvan een extra last — en die last, niet het vermogen, drukt de prestatie op een moeilijke test.

Twee eigenschappen verklaren het succes van het begrip. Het is situationeel, en wijst dus naar iets wat veranderd kan worden in plaats van naar de getoetste personen. En je hoeft het stereotype niet te geloven: weten dat het bestaat is genoeg.

De bewering die niet in het originele onderzoek stond

Sackett, Hardison en Cullen legden in 2004 in American Psychologist vast dat het werk uit 1995 breed verkeerd wordt weergegeven: alsof het wegnemen van stereotype threat het verschil in testprestatie tussen Afro-Amerikaanse en witte studenten zou wegnemen. Dat liet het niet zien. De scores waren statistisch gecorrigeerd voor eerdere SAT-prestaties, zodat het resultaat in feite luidde: zonder stereotype threat verschillen de groepen ongeveer zoveel als hun eerdere SAT-scores doen verwachten. De auteurs waarschuwden uitdrukkelijk tegen de lezing dat stereotype threat de voornaamste oorzaak van zulke verschillen zou zijn.

Wat de rest van de literatuur vindt

Nguyen en Ryan kwamen in 2008 uit op een gemiddeld effect van 0,26, met zulke sterke moderatoren dat de omstandigheden minstens zo bepalend zijn als het verschijnsel zelf. Stoet en Geary bekeken in 2012 de replicatiepogingen van het bekende experiment over vrouwen en wiskunde: van de studies die hadden kúnnen repliceren deed 55 procent dat, de helft daarvan vertroebeld door statistische correctie voor eerdere wiskundecijfers — van de onvertroebelde experimenten repliceerde 30 procent.

Voor echte examens is het overzicht van Shewach, Sackett en Quint uit 2019 het relevantst. Zij zonderden de studies af met omstandigheden die op een echte toetssituatie lijken en vonden daar d = −0,14 over 45 steekproeven en 3.532 personen; in werkelijke selectiesituaties lagen de waarden tussen nul en −0,14. Hun conclusie voor toelatings- en selectietoetsen: het effect loopt van verwaarloosbaar tot klein.

Wat hieruit níét volgt

Niet dat het verschijnsel niet bestaat. Het laboratoriumeffect is vaak opgewekt, en examenspanning is echt. Een zwak gemiddelde in een meta-analyse zegt niets over wat één persoon ervaart.

En niets over waarom groepen gemiddeld verschillen op tests. Dat hoort er expliciet bij, omdat de replicatiestand soms wordt aangehaald alsof die de vraag in een andere richting beslecht. Dat doet hij niet. Dat één voorgestelde verklaring zwakker is dan beweerd, is geen bewijs vóór een concurrerende verklaring — de vraag blijft staan waar hij stond. Deze pagina neemt daarover geen standpunt in, en niets erop mag zo gelezen worden.

Wat het betekent voor je eigen score

De praktische les is smaller dan de theorie en nuttiger. Een redeneertest meet hoe je presteerde op één moment, onder de omstandigheden van dat moment. Vermoeidheid, een rumoerige kamer, een telefoon die afgaat, een onbekend vraagformat en gewone spanning verschuiven die prestatie — daarom is één getal een schatting met een foutmarge. Hoe groot die marge is staat in hoe nauwkeurig IQ-tests zijn, en waar de test op mikt in hoe IQ-tests werken.

Het patroon komt in de psychologie vaker voor: een opvallend resultaat krijgt een pakkende naam, de naam reist verder dan het bewijs, en de voorzichtige versie volgt jaren later met veel minder aandacht. Hetzelfde geldt voor growth mindset, en de denkgewoonten erachter staan in cognitieve bias.

Verantwoording

Deze pagina is informatief. Zij vat gepubliceerd onderzoek samen, inclusief de plaatsen waar dat onderzoek zichzelf tegenspreekt, en is geen psychologisch, medisch of onderwijskundig advies.

Onze IQ-test meet redeneerprestatie onder de omstandigheden waarin iemand hem maakt. Hij meet geen stereotype threat, is geen diagnostisch instrument, en uit geen enkele uitslag valt af te leiden waarom iemand scoorde zoals hij scoorde.

IQ Revealed is niet verbonden aan en wordt niet onderschreven door de American Psychological Association, Tilburg University, de Society for the Study of School Psychology, Elsevier, Taylor & Francis, het College Board, Google of enige op deze pagina genoemde tijdschriften, uitgevers, instellingen of onderzoekers. Zij worden genoemd zodat elke bewering te herleiden is tot het werk waaruit zij komt.