Start ] Omhoog ]

Leiden plaatjes tot andere daden? Deel 2

‘Onthoud de twee procent’ 

Dr Frans E.J. Gieles, februari 2018

Een vraag 

Als iemand die met kinderen werkt betrapt wordt op het zien en bewaren van plaatjes of films van kinderen in een seksuele sfeer, wordt hij meteen van die functie afgehaald, want…, ja, want wat? ‘Zo iemand’ gaat natuurlijk ook seksueel aan kinderen zitten, meteen of later, of heeft dit ‘natuurlijk’ al gedaan – zegt men dan.

Is dit zo? Leiden dergelijke afbeeldingen tot seksuele daden – of houden ze de mensen daar juist vanaf? Beide opvattingen circuleren al jaren. Laten we de wetenschap eens om een antwoord vragen. Hiertoe besprak ik in deel 1 al een recent beperkt onderzoek.

In dit Deel 2 een wat ouder, veel gelezen en meer omvangrijk, dus ingewikkelder onderzoek– gevolgd door een beschouwing.

Contact Sexual Offending by Men With Online Sexual Offenses; Michael C. Seto, R. Karl Hanson & Kelly M. Babchishin; in: Sexual Abuse – A Journal of Research and Treatment; 2010 (online) & 2011 (paper version).
* PDF version

Twee meta-analyses 

Dit onderzoek bespreekt twee meta-analyses, analyses van analyses ofwel het onderzoek van onderzoeksprojecten. Door meerdere onderzoeken te onderzoeken, wordt een veel groter aantal onderzochte personen bereikt dan in een enkelvoudig onderzoek.

De eerste meta-analyse bespreekt in hoeverre online offenders, daders van online seksueel kindermisbruik, voordien ook contact offenders zijn geweest, daders van offline seksueel kindermisbruik. Hiertoe werden 24 onderzoeken onderzocht die tezamen 4.987 mensen hebben onderzocht – onthoud voor het geheugen maar gemakshalve een 5.000 mensen.

Van hen had een op de acht, 12%, hiervóór een veroordeling achter de rug, maar bij zelfrapportage gaf meer dan de helft, 55%, toe een dergelijk delict begaan te hebben.

Eén van deze onderzoeken kwam beduidend hoger uit (Bourke & Hermandez 2009), namelijk op 24% respectievelijk 85% (in plaats van 12% en 55%). De kritiek op dat onderzoek is dat er alleen mensen in een kliniek werden onderzocht, bepaald niet representatief dus, en dan nog in een staatskliniek waarin zij onder druk werden gezet om, als teken van voortgang of succes van de behandeling, eerdere misdrijven te bekennen – of deze hiertoe te verzinnen, zeiden de critici met kennis van dit type ‘behandeling’.
Scherper nog was de kritiek op de rechters en politici die deze getallen gebruikten om langere straffen, strengere klinieken en scherper toezicht op te leggen respectievelijk wettelijk mogelijk te maken.

Intussen geven deze getallen op zich al aan dat er een groot dark number is op dit gebied.

De tweede meta-analyse onderzocht of de mensen die voor een online delict waren veroordeeld, daarna ook overgingen tot een offline contact delict.

  • Dit waren er 2%.
  • 3,4% van hen werden opnieuw op kinderporno betrapt, terwijl
  • 4,6% het wat vagere ‘nieuw seksueel delict van seksuele aard’ had gepleegd.

Hiertoe werden 9 onderzoeken onderzocht die tezamen 2.630 mensen onderzochten, ruim de helft van het aantal hierboven.

Van die 9 onderzoeken waren er 2 NA = Not applicable, hier niet toepasbaar; van de 7 wel bruikbare onderzoeken kwamen er

  • vijf uit op nul, dus 0% recidivisten,
  • een op 4% en
  • een op 3,9%,
  • gepleegd door resp. 14 en 11 mensen = 25 mensen.

Je zou zeggen: dit is minder dan 1% van die 2.630 mensen, maar in een meta-analyse is de berekening van de kans hierop beduidend ingewikkelder. Deze komt dan uit op 2% - uitleg hiervan volgt hierna.

Opnieuw blijkt dat het percentage contact-delicten eerst nog relatief hoog is, dat men dan naar plaatjes gaat kijken – en dat het percentage daarna fors daalt tot een relatief laag percentage.

De conclusie van de auteurs is toch onontkoombaar: dat er blijkbaar vrij veel online daders bestaan met een relatief laag risico van, ofwel kans op, een offline contact-delict daarna.

De statistiek 

In een meta-analyse moet er heel wat meer berekend worden, vooral omdat de omvang van de steekproeven danig kan verschillen in de verschillende onderzoeken.

  • In de eerste meta-analyse lopen deze uiteen van 30 tot 870,
  • in de tweede meta-analyse van 72 tot ook 870.

Ook de omvang van het waargenomen verschijnsel kan per onderzoek (hier pi genoemd) danig verschillen.
Een ‘gewoon gemiddelde’ zegt dan niets of vertekent het resultaat omdat een gemiddelde van 30 mensen statistisch gesproken een andere waarde heeft dan dat van 870 mensen. Daarom wordt er een ‘gewogen gemiddelde’ berekend (hier p. genoemd) waarin de grotere steekproeven meer meetellen dan de kleinere.

Omdat de verschillende onderzoeken ook sterk kunnen verschillen in hun uitkomsten, wordt er ook gekeken naar de mate waarin die verschillen voorkomen, ofwel wordt de mate van variabiliteit berekend (hier Q genaamd). Is dit getal hoger dan men statistisch gezien bij toeval kan verwachten, dan wordt er een variantie stabilisator berekend (hier Ă genoemd) die de verschillen als het ware naar elkaar toetrekt.

Voordien worden de zogeheten outliers, de extreem hoge en/of extreem lage uitkomsten vaak weggelaten. Een extreem hoge uitslag zou immers het gemiddelde omhoog trekken, een extreem lage uitslag zou het gemiddelde omlaag trekken. Men neemt dan aan dat die extreme cijfers voortkomen uit bijvoorbeeld een te kleine of een niet representatieve steekproef – of door onbekende oorzaken.

Dan moet er naast het retrospectief, terugkijkend, in de steekproeven waargenomen, vastgestelde (fixed) gewogen gemiddelde nog een prospectief, vooruitkijkend, berekend (random) gemiddelde worden bereikt dat de kans aangeeft in hoeverre het bestudeerde verschijnsel nu en later voor kan komen in de populatie.

Het scheelt maar één lettertje, maar je hebt hierin de variatie en de variantie.

  • Het eerste, de variatie, slaat op de in het onderzoek(retrospectief, terugkijkend) waargenomen gegevens in de steekproef - hier het fixed model genoemd: vastgesteld dus.
  • o Het tweede, de variantie, slaat op de prospectief, vooruitkijkend, berekende kans op het nu en later voorkomen van het bestudeerde verschijnsel in de populatie – hier het random model genoemd: statistisch berekend dus.

Tussen beide uitkomsten kan verschil zitten omdat het tweede model doorgaans lager uitkomt dan het eerste. Dit komt omdat het aantal personen in de populatie beduidend hoger is dan dat in de steekproef.
Vervolgens wordt er een berekening op losgelaten die er voor zorgt dat er een eindcijfer komt dat beide modellen combineert tot één uitkomst die tussen de beide vorige uitkomsten zal liggen.

Kijken we naar de cijfers van de tweede meta-analyse, dan zien we een contact-delict-recidive van

  • vijf maal 0%,
  • eenmaal 4% en
  • een maal 3,9%.

Dit kun je in een assenstelsel tekenen als een lijn die dan ineens naar boven loopt. Je ziet dan hoeken waarvan de grootte in een geometrisch getal uit te drukken is.

In de berekening wordt de uitkomst ‘nul’ iets omhoog geschroefd, omdat men aanneemt dat, als men maar qua recidive lang genoeg doorzoekt bij veel meer mensen, men altijd wel iets zal vinden. De hogere getallen worden iets omlaag geschroefd, omdat men aanneemt dat men, als men maar steeds meer personen onderzoekt, de soep als het ware dunner wordt en men dus minder vindt van het verschijnsel dat onderzocht wordt.

Het eindresultaat is hier dat dat de grillige lijn in het assenstelsel links wat omhoog gaat en rechts wat omlaag gaat, tot er een mooie rechte lijn overblijft, met een hoek van 0 graden, hier hoger getekend dan 0%, maar lager dan 4%: twee procent. Die lijn is niet zichtbaar in het artikel zelf, maar wel eruit te concluderen en vermeld als “2%”.

Twee procent

Onthoud dus maar die twee procent: de kans dat een online delict in de populatie, nu en later, gevolgd wordt door een offline contact delict. Twee procent is beduidend lager dan het beroemde recidivecijfer inzake seksuele delicten met kinderen van afgerond 14%, en heel wat lager dan het algemene recidivecijfer van 70%.

Beschouwing 

Nu kan men tegenwerpen dat die 2% misschien wel niet verschilt van de algemene prevalentie (de mate van het voorkomen) van offline contact-delicten, dus dat het niets uitmaakt omdat het hiermee niet contrasteert.

Dit kan wel kloppen, maar in de rechtszaken dienaangaande speelt het algemene wetenschappelijk bewezen prevalentiecijfer geen rol; het gaat daar om één persoon en diens risico van ofwel kans op een erna volgend delict, online maar vooral een offline contact delict.
In die setting zien we een ander gegeven dat wel contrasteert, namelijk met de algemeen aangehangen verwachting dat ‘Zo iemand natuurlijk altijd ook seksueel aan kinderen gaat zitten’, met een kans van zo niet 100%, dan toch wel daar in de buurt. Of dit nu ook waar is, dit was onze begin-vraag.
Nee, beste mensen, rechters en anderen: twee procent.

Hier komt nog iets bij, namelijk de manier waarop het risico op deze of andere recidive wordt ingeschat. Net zoals er twee modellen zijn, zoals we al zagen,

  • het fixed model ofwel in deze steekproef/-proeven dan wel bij deze persoon naar eer en geweten geschatte risico versus
  • het random model ofwel het statistisch berekende model dat de kans aangeeft op, in dit geval, recidive.

Het random ofwel het statistische model zien we hier terug bij de Stat-onderzoeken, steeds met een jaartal erachter, de volgende versie ervan dus. Hierbij vinkt de onderzoeker factoren af, te weten statische (dus onveranderlijke) en dynamische (dus veranderbare) factoren.
Het andere model noemen we hier de klinische methode. Hier praat men, de clinicus, uitvoerig, langdurig en diepgaand met de persoon in kwestie. Men zoekt geen factoren, men zoekt naar de persoon.

Een hele discussie, die tussen beide modellen.
Als we het over een steekproef hebben, komt de random, de statistische methode altijd lager uit dan de fixed, de vastgestelde methode. Als we het over personen hebben, valt de klinische methode bijna altijd lager uit dan de statistische methode; de laatste gaat immers bij voorbaat al uit van die statische factoren, dus men vindt altijd wel iets, enige kans van misschien, laten we zeggen, 25% = wel, dus 75% = niet. De klinische methode zoekt uit of de persoon in kwestie bij die 25% (= wel) hoort of bij die 75% (= niet).

Hierbij mogen we dan nog opmerken dat de statistische methode relatief eenvoudig is: men moet het (dikke!) handboek goed kennen, naast zich leggen, en dan gaan afvinken. Dit kan in principe gedaan worden door een net afgestudeerde jonge psychologe.
De klinische methode vergt meer: een ervaren clinicus met de beroemde ‘klinische blik’, die ook om levenservaring vraagt, kennis van zichzelf, van de mens, van de samenleving en het onderhavige verschijnsel, waarover veel is gelezen en lang is nagedacht.

Daarom zeg ik dan: beide methoden hebben hun kracht en zwakte, dus pas altijd beide methoden toe, maar laat de klinische methode zwaarder wegen.

Start ] Omhoog ]