In een eerdere post berichtte ik dat onderzoek had uitgewezen dat experts evenveel fouten maken als beginnelingen. Daar is geen woord van gelogen, maar enige nuance is op zijn plaats. Beginnelingen maken namelijk andere fouten dan experts.
Kleine en grote fouten bestaan niet, maar dat wil niet zeggen dat de ene fout gelijk is aan de andere. Wetenschappers hebben fouten op verschillende manieren proberen in te delen. De taxonomie van Jens Rasmussen en die van James Reason vormden de basis. Dieter Zapf en zijn collega’s bouwden daar op voort en kwamen met een indeling waarbij naar twee kenmerken van fouten werd gekeken: in welke fase van de actie trad de fout op? En hoe ingewikkeld was de taak waarin de fout optrad?
Typen is een klassiek voorbeeld van een (voor de meeste mensen) sterk geautomatiseerde taak. SMSen inmiddels ook. En schaatsen, fietsen, skiën—het hangt er een beetje van af waarin u over de jaren ervaring heeft opgebouwd. Hoe dan ook, we hebben de vaardigheden moeten leren, ons eigen gemaakt. Ooit was dat een heel gedoe, waar bij nagedacht moest worden. Pas na flink wat oefenen gaat het als vanzelf.
Alle acties kun je grofweg in drie fasen opdelen: planning, uitvoer en feedbackinterpretatie. In elk van deze fasen kan een fout optreden. Bij het typen van een stuk tekst valt dat onderscheid nauwelijks nog te maken. Het is niet zo dat ik denk “Alle acties kun je …” betekent: eerst shift indrukken, vasthouden tot en met de “A” middelste rij uiterst links, shift los, “L” middelste rij uiterst rechts, etc. Direct op dit plan zou de uitvoer volgen—het daadwerkelijk indrukken van de toetsen, en ten slotte, op het scherm controleren of ik daadwerkelijk “Alle acties kun je …” heb getypt en niet bijvoorbeeld “Alle a ctoes kun b je”. Het is –als je bedacht hebt wat er moet komen te staan—doen en onderweg corrigeren, in één moeite door.
Bij sterk geautomatiseerde taken is het dus moeilijk onderscheid te maken tussen planning, uitvoer, en feedbackinterpretatie. Bij semi-geautomatiseerde taken, en bij taken die volledige aandacht vereisen is dat anders. Denk bij semi-geautomatiseerde taken bijvoorbeeld aan autorijden. Afslaan: koppeling in, terugschakelen, koppeling laten opkomen en afremmen op de moter, dan de bocht om. We hebben het ooit stap voor stap geleerd, maar voeren het riedeltje inmiddels gedachteloos uit. Uiteraard vooraf & tijdens wel de spiegels gebruiken. Maar, laten we wel wezen— it’s not rocket science.
Een overtuigende tekst schrijven is dat wel. Een idee wetenschappelijk toetsen. Achterhalen waarom in *^%*@-naam bestanden gewist zijn, en belangrijker—hoe ze terug te halen. Wat er aan de hand kan zijn met de patiënt die niet reageert op een behandeling die past bij het ziektebeeld.
Het blijkt dat naarmate taken een groter rocket science gehalte hebben er vaker fouten in de planning optreden. Dat is het lastige stuk. De uitvoer, als het plan er eenmaal ligt, en feedbackinterpretatie gaan meestal goed. Temeer omdat we weten dat we met iets moeilijks bezig zijn, aandacht erbij houden dus!
Bij (semi-)geautomatiseerde taken is de planning bijna een gegeven. Vaak genoeg gedaan, doe ik nu ook even, “appeltje-eitje”, vertel mij niks. Daar komt nauwelijks nog denkwerk aan te pas. Juist dan blijken de uitvoer en feedbackinterpretatie de grootste valkuilen. Een telefoontje, een vraag van een collega, drukte, multi-tasken, allemaal ingrediënten waardoor gemakkelijk een klein, maar mogelijk cruciaal deeltje van het plan over het hoofd gezien wordt.
Dan de beginners. De taken waarbij u inmiddels kunt bogen op jarenlange ervaring, opgebouwde expertise en verdieping zijn voor hen zo nieuw en lastig dat ze alle zeilen moeten bijzetten. Het is, in ieder geval voorlopig, rocket science. Beginnelingen werken geconcentreerd en denken wel twee keer na, maar dat volstaat nog niet. Goede intenties, maar de manier van aanpak was toch net niet goed.
Andere fouten dus. De ene niet erger dan de andere. Ten minste niet als je kijkt naar hoe serieus de gevolgen (kunnen) zijn.