Op zoek naar een methode

  • log

Een voorbeeld: als ik zou willen modelleren hoe de invloed van de rechtspraktijk is geëvolueerd gedurende het het verloop van de pandemie in Nederland kan ik een tijdlijn gebruiken om relevante instituties voor mijn speelgoedwereld te selecteren en om de momenten te lokaliseren waarop ze iets ondernemen, misschien zelfs adaptief gedrag vertonen. Qua methode is dat bruikbaar voor de bouw van een speelgoedwereld voor Nederland, maar we moeten die methode uitbreiden om te kunnen vaststellen welke speelgoedwereldvariant qua @proxytruths-benadering de beste is.

Denkend aan de positie die de game industrie zich inmiddels heeft verworven ligt het voor de hand om het bouwen van speelgoedwerelden die de pandemie in een juridische omgeving beogen te simuleren zoiets als het bouwen van een COVID-game te noemen in plaats van het bouwen van een speelgoedwereld. Ik kan de kwaliteiten van de terminologie nog niet overzien en zal de termen door elkaar gebruiken.

Ik ontleen de tijdlijn voor het bouwen van COVID-game-NL aan een grafiek. Eigenlijk twee grafieken, want in COVID-game-NL werd gekeken naar COVID-game-CN waar het allemaal een paar weken eerder begon. Ik zet, op basis van WHO data, twee pandemie-tijdlijnen naast elkaar, één voor China en één voor Nederland. Beide gaan over de hele periode die begint in december 2019 en eindigt als ik dit schrijf, begin maart 2021. Zie Fig. 1.

De grafiekjes geven aantallen per dag in de vorm van lopende weekgemiddelden. Voor het lezen van de grafieken is vooral de schaal van belang (de kolom uiterst links). De aantallen nieuwe doden per dag zijn de ruwe getallen (de zwarte lijn). De aantallen nieuwe geregistreerde besmettingen per dag (de rode lijn) zijn gedeeld door 33 (om de rode en de zwarte lijnen in een enkele grafiek te kunnen tonen). Dat vertekent een beetje. De top van de eerste golf in China bijvoorbeeld zou, in één en hetzelfde plaatje, een beetje lager uitkomen dan de Nederlanse, bijvoorbeeld. De titelregel bevat de naam van de betreffende jurisdictie, de populatiegrootte waarmee is gerekend, het aantal doden gedurende de weergegeven periode en hoeveel doden dat per miljoen inwoners is. Over het geheel genomen heeft Nederland per miljoen inwoners 300 keer meer COVID doden dan China. De pandemie is in die twee landen verschillend aangepakt. Ik probeer na te gaan welke mechanismen daarbij welke rollen hebben gespeeld.

Op zoek naar aanwijzingen

Om mijn aanpak op basis van Durkheim serieus te nemen roep ik Fig. 2 in herinnering. Ik verbind dag 0 van Fig. 1 met het centraal gelegen beginpunt van de spiraal en werk verder in gedachten langs die lijn om wat ik kan beredeneren aan de hand van Fig. 1 een plek in Fig. 2 te geven. (Ik gebruik daarbij de wetenschap dat een tijdvak in de grafiekjes van Fig.1 gelijk is aan bijna 7 weken.) Verder neem ik aan dat kennis van epidemische modellen als het SIR en het SIRD model bekend is – met name de exponentiële vormen die de groei van besmettingen in het begin van een pandemie zullen laten zien en die is gerelateerd aan het vermogen van wie besmet is meerdere andere personen te besmetten voordat hij weer beter of dood is.

China

Kijkend naar Fig. 1 wordt in de derde week (rond 16 januari) duidelijk dat de aantallen besmettingen en doden merkbaar en exponentieel aan het groeien slaan. De aantallen besmettingen bereiken een piek in week 7 (rond 13 februari) om in week 8 (vanaf 20 februari) exponentieel te dalen. Aannemende dat het twee weken duurt voordat de effecten van maatregelen in de statistieken zichtbaar worden zijn rond 30 januari maatregelen genomen (lock-downs + testen + quarantaines) die een week later zijn versterkt (de bouw van noodhospitalen in Wuhan). Aan de grafiek is niet goed te zien of en zo ja wanneer de maatregelen zijn beëindigd. (De piek in week 15 is een administratieve correctie.) Voor de rest zou de grafiek op een andere schaal moeten worden bestudeerd om te zien wat verder aan de orde is gekomen qua maatregelen. Misschien zijn er 3 of 4 lokale lock-downs geweest om lokale uitbraken onder controle te brengen. Die zou ik dan rond 20 juni, 27 november en 13 januari verwachten. Het grote verschil met Nederland is natuurlijk dat in China het virus vanaf week 14 onder controle is terwijl dat in Nederland in week 60 nog allerminst het geval is. In China is het instellen van strenge lockdowns steeds ingezet om beginnende COVID uitbraken te beteugelen, aangevuld met massaal testen en gecontroleerde quarantaines, ook van wie het gebied uit- en inreizen. De lockdown in Wuhan werd opgeheven op 8 april (week 14): aan de grafiek te zien was het virus in China vanaf dat moment onder controle.

Fig. 3 Durkheim’s heuristic in China

Het lijkt erop dat een COVID-game-CN met hoge @proxytruth waarde kan worden gebouwd met enkele eenvoudige middelen: effectieve en dekkende bottom-up en top-down communicatie waarbij normatieve top-down communicatie wordt gehandhaafd en door de hele bevolking wordt gevolgd, aangevuld met (1) hoogwaardige gezondheidszorg en, wanneer nodig, (2) social distancing, (3) massaal testen, (4) (gecontroleerde) quarantaines bij symptomen of positieve testen, (5) lock-downs, (6) controles bij de grenzen, (7) doortastend investeren en (8) adequaat reageren bij random uitbraken van besmettingen. Om eerlijk te zijn verwacht ik niet dat zo’n spel moeilijk te maken is en evenmin dat het boeiend zal zijn om te spelen – behalve wanneer de werkelijkheid gaat afwijken. Daarop kan worden in het spel worden geanticipeerd met het introduceren van stochastisch opdoemen van besmettingen, gevolgd door quarantaine-maatregelen, testexplosies, reisbeperkingen en, als dat nodig blijkt, een locale lock-down. Het voorspellen van dat laatste wordt vermoedelijk een belangrijk onderwerp voor (het nader te bespreken ontwerp van) een @proxytruths-gebaseerde evaluatiemethode voor COVID-games. De plaatsing van die maatregelen in Fig. 3 levert als meerwaarde de mogelijkheid om een intuitie te registreren over welke soort @proxytruth bij de verwezenlijking van de maatregel een voorname rol spelen. Ik kom daar nog op terug.

Nederland

Kijkend naar Fig. 1 wordt in de tiende week (rond 10 maart) duidelijk dat de aantallen besmettingen en doden merkbaar en exponentieel aan het groeien slaan. De aantallen besmettingen bereiken een piek in week 14 (rond 8 april) om daarna min of meer lineair te dalen. Aannemende dat het twee weken duurt voordat de effecten van maatregelen in de statistieken zichtbaar worden, zijn rond 26 maart maatregelen genomen (lock-downs + testen + quarantaines). We kunnen aan de grafiek niet zien wanneer de maatregelen zijn verzwakt, maar het is aannemelijk dat dit gebeurd is voordat een nieuwe golf zich aandiende rond 17 juli. Op basis van de top in de tweede golf moet rond 20 oktober een maatregel genomen zijn die maar beperkt heeft gewerkt: rond 1 december zette een derde golf in nog voordat de tweede was uitgewerkt. Van die golf is de top bereikt rond 23 december, zodat te verwachten valt dat rond 10 december extra maatregelen zijn genomen. Inmiddels is rond 10 februari een eind gekomen aan de neerwaartse tendens in de dagelijkse aantallen nieuwe besmettingen. Vandaag, 2 maart 2021 zijn toch de maatregelen verlicht. Het lijkt erop dat grote delen van de burgerij er niet meer tegen kunnen en/of er niet meer in geloven. Er is één lichtpunt: het aantal sterfgevallen per dag blijft nog wel een beetje afnemen, vermoedelijk omdat er inmiddels een vaccin is en er begonnen is met het vaccineren van kwetsbare ouderen.

Fig. 3 Durkheim’s heuristic in the Netherlands

In een later bericht besteed ik aandacht aan of ik de vluchtige analyse van de Nederlandse tijdlijn kan beoordelen aan de hand van geregistreerde observaties. Nu eerst een andere kwestie. Het lijkt erop dat ik veel moeilijker een COVID-game-NL met een hoge @proxytruth waarde kan ontwerpen dan een goede COVID-game-CN. In Nederland staan in beginsel dezelfde maatregelen op het repertoire als in China. Alleen kijken we er in Nederland soms anders naar dan in China. Het gaat om de maatregelen 2 t/m 5 (distancing t/m lockdown). Die hebben in Nederland veel minder een publiekrechtelijk karakter dan in China. Onze ‘intelligente’ lockdown wordt in China niet begrepen en gezien als een softe lockdown tegen een levensbedreigende, explosieve pandemie. Daartegenover staat dat in Nederland de ‘harde’ Chinese lijn wordt beschouwd als incompatibel met onze cultuur.

Fig. 2 en Fig. 3 geven een aanknopingspunt om te onderzoeken of we één model kunnen maken dat twee spelen kan opleveren met hoge @proxytruths waarden. Misschien dat dat aanknopingspunten oplevert voor het vinden van een methode die helpt bij het bepalen van wat de beste versies van spelen zijn. Mijn stelling is voorlopig dat het analyseren van tijdlijnen in termen van Durkheims heuristiek een goed begin is, onderweg naar een meer volledige methode.