Hc 10

Question 1

Experts vs modellen

Answer 1

Eenvoudige regressie analyses of lineaire modellen kunnen beslissingen van experts veranderen door betere voorspellingen te doen; de vraag is of regressiemodellen causale verbanden kunnen blootleggen die verborgen kunnen zijn voor toevallige of deskundige observatie
- We weten dat regressiemodellen hier inderdaad toe in staat zijn; wanneer experts denken dat een factor belangrijk is voor het recidiverisico, kan een regressiemodel dit met meer betrouwbaarheid vaststellen dan ons klinisch inzicht dat kan

Question 2

Tabel = een overzicht van de domeinen waarin experts goede of slechte voorspellingen doen; we zien dat klinische psychologen en rechters geen goede voorspellingen doen, wat natuurlijk geen goed teken is;

Answer 2

PLAATJE

Het verschil tussen beroepen met een goede of slechte voorspellende waarde, komt doordat de beroepen in de linker rij de mogelijkheid hebben om snel
feedback te krijgen op hun beslissingen, waardoor ze hun beslissingen kunnen kalibreren op basis van de feedback. Bij de beroepen in de rechter rij is dit niet zo; zij moeten vaak lang wachten voordat ze na kunnen gaan of hun voorspelling klopte of niet

Question 3

Kan het zijn dat onafhankelijke toetsen of beslisregels gebaseerd op statistische voorspellingen beter presteren dan de beslissingen van traditionele deskundigen die hun beslissingen baseren op ervaring en intuïtie?

Answer 3

Martin et al. (2004) hebben hier onderzoek naar gedaan. In deze studie is er specifiek gekeken naar de rechtspraak; ze hadden gekeken naar verschillende zaken die voor zouden komen voor het Hooggerechtshof in oktober 2002. Hierbij hebben ze geprobeerd om de uitkomst van die zaken te voorspellen. Later hebben ze deze voorspellingen vergeleken met de werkelijke beslissingen

Question 4

Om dit te doen hebben ze twee methoden gebruikt: (martin et al)

Answer 4

1. Een statistisch prognosemodel; deze werkte op basis van informatie die ze gekregen hadden van eerdere beslissingen van het Hooggerechtshof
2. Een deskundig oordeel van juridische academici en professionals; ze hadden aan 83
   experts gevraagd om op basis van de beschikbare informatie een oordeel te vellen

Om manipulatie van de resultaten te voorkomen, hebben Martin et al. zowel de computer- als de deskundige voorspellingen al op een website geplaatst, vóór de bekendmaking van het besluit van het Hooggerechtshof

Question 5

In het onderzoek wilden Martin et al. de voorspellende kracht testen ten opzichte van de werkelijke uitkomst, maar ze wilden het ook tegen elkaar testen—>

Answer 5

ze wilden vergelijken welke de betere voorspellingen deed; het statische model of de experts
- Er werd gevonden dat statistische modellen in 75% van de gevallen de uitkomst correct voorspelden, terwijl experts dit in 59% van de gevallen deden; deze studie liet zien dat de voorspellingen van complexe zaken beter voorspeld kan worden door een statistisch model dan door een expert (statistisch model > expert)

Question 6

Hoe is het mogelijk dat een statistisch model in vergelijking met advocaten en deskundigen, die een bredere kennis hebben en toegang hebben tot gedetailleerdere informatie over de zaken, beter voorspelde?

Answer 6

Is dit resultaat slechts een anomalie (fout)? Heeft het misschien iets te maken met overmoedigheid in de juridische beroepsgroep?; Deze vraag interesseerde vooral Paul Meehl, die hierover dan ook een boek schreef; “Klinische Versus Statistische Voorspelling”. In dit boek keek hij welke beslissingen het best gemaakt konden worden door statistische modellen, en welke door klinische experts

Question 7

Anomalie

Answer 7

een feit, verschijnsel, tegenspraak of theorie die binnen een bepaald model of paradigma niet verklaard kan worden

Question 8

De eerste vraag die Meehl zichzelf stelde was “Wat is beter? Een statistisch model of een klinische inschatting?”; Om deze vraag te beantwoorden heeft hij een meta-analyse uitgevoerd op basis van 136 mens-tegen-machine onderzoeken. Hij veronderstelde hierbij dat er drie basisregels moesten zijn om deze vergelijking te kunnen doen

Answer 8

1. Beide methoden moeten op dezelfde dataset of gegevensreeks worden gebaseerd
2. Kruisvalidatie zou vereist moeten zijn
3. Er moet een expliciete voorspelling zijn van succes, recidive of herstel

Question 9

1. Beide methoden moeten op dezelfde dataset of gegevensreeks worden gebaseerd

Answer 9

• Een klinische rechter en een statistisch model moeten exact dezelfde gegevens
gebruiken om beslissingsstrategieën of regels af te kunnen leiden
• Maar deze basisregel houdt er geen rekening mee dat clinici eerdere ervaring en kennis
hebben; je kunt klinische kennis dus niet gelijk stellen aan de kennis die een
statistisch model heeft

Question 10

2. Kruisvalidatie zou vereist moeten zijn

Answer 10

• Kruisvalidatie = de toepassing van de beslisregel op nieuwe gevallen; de beslissingen die je maakt moeten ook toepasbaar zijn op andere (doel)gebieden
• Deze toepassing is essentieel, want er moet worden aangetoond dat een procedure werkt waar het nodig is; in gevallen waar de uitkomst onbekend is

Question 11

3. Er moet een expliciete voorspelling zijn van succes, recidive of herstel;

Answer 11

het hoeft niet per se te gaan over recidive (het kan ook gaan om het wel of niet hebben van kanker)

Question 12

Door het vergelijken van deze 136 onderzoeken kwam Meehl tot de volgende conclusies:

Answer 12

• Over het algemeen had de gemiddelde deskundige het ongeveer 2/3 van de tijd goed (66.5%) - Statistische modellen hadden daarentegen een slagingspercentage van bijna 3/4 (73.2%)
• Maar bij 8 van de 136 studies werd gevonden dat experts het beter deden dan statistische
  modellen
  • Meehl en Grove concludeerden echter dat de verklaring voor deze ‘afwijkende’ studies
  kon liggen aan het feit dat deze resultaten ontstaan zijn door een combinatie van random steekproeffouten; ze denken dus dat ondanks de resultaten, de experts het niet beter doen dan statistische modellen
• Meer dan 20 studies ondersteunen de superioriteit van lineaire statistische modellen. Dit was om verschillende redenen een verrassing voor Meehl:
  • Meehl was zelf een clinicus
  • De vergelijkingen waren erg eenvoudig; hoe is het mogelijk dat modellen met zulke
  makkelijke vergelijkingen deze moeilijke beslissingen kunnen maken?
  • Men had altijd aangenomen dat het klinisch oordeel te complex was om in een lineaire
  vergelijking te ‘stoppen’

Question 13

Ten opzichte van statistische modellen hebben clinici wel drie voordelen:

Answer 13

1. Theorie-gemedieerde oordelen
2. Clinici zijn in staat om complexe voorspellende oplossingen te detecteren
3. Clinici hebben de mogelijkheid om zeldzame gebeurtenissen te gebruiken

Question 14

1.Theorie gemedieerde oordelen

Answer 14

Onze oordelen kunnen beïnvloed worden door theorieën. Dit betekent dat wanneer clinici genoeg informatie hebben over relevante oorzakelijke invloeden, deze gemeten kunnen worden en er een (verklarings)model bestaat dat specifiek genoeg is
- Maar er zijn redenen waarom we aan dit potentiële voordeel kunnen twijfelen; we kunnen te veel redeneren vanuit bepaalde theorieën, wat kan zorgen voor biases
• Het kan dus zowel een voordeel als een nadeel zijn

Question 15

2) Clinici zijn in staat om complexe voorspellende oplossingen te detecteren

Answer 15

Voorlopig zijn mensen nog steeds de meesters in het herkennen van sommige complexe figuraties (gezichtsuitdrukkingen); mensen kunnen hele complexe patronen sneller herkennen dan statistische modellen, omdat het menselijk brein geprogrammeerd is om overal patronen in te zien

Question 16

3) Clinici hebben de mogelijkheid om zeldzame gebeurtenissen te gebruiken

Answer 16

Wanneer iemand verlamd is vanaf de middel na het plegen van een delict, kan een mens inschatten dat een high-security instelling niet nodig is, omdat de persoon nu mindervalide is en hierdoor heel moeilijk nieuwe delicten kan plegen. Een computer kan deze zeldzame gebeurtenis niet inschatten en zal de persoon gewoon scoren voor een high-security afdeling; mensen kunnen rekening houden met zeldzame gebeurtenissen
- Als het huidige geval een uitzondering is op de statistische trend, kan een mens die informatie gebruiken om de trend te omzeilen (en dus een andere beslissing of voorspelling te doen)
- Het is in theorie mogelijk om deze zeldzame gebeurtenissen in te bouwen in actuariële methoden, maar om dit te kunnen doen heb je zoveel zeldzame gebeurtenissen nodig, dat dit bijna onmogelijk is; je kan als clinicus nooit elke zeldzame gebeurtenis bedenken (er zijn zoveel verschillende dingen die kunnen gebeuren)

Question 17

Ten opzichte van statistische modellen hebben clinici twee nadelen:

Answer 17

1. Menselijke invloeden
2. Overmoed

Question 18

Menselijke invloeden

Answer 18

Externe invloeden (honger, vermoeidheid, onwetendheid, toevallige schommelingen, vooroordelen) kunnen de beslissingen van experts positief of negatief beïnvloeden; het menselijk oordeel is dus onderhevig aan bepaalde systematische gebreken (biases):
- Motivationeel; in de hoop de gewenste overtuiging te ondersteunen denk je soms niet kritisch genoeg na over de gevolgtrekkingen
- Cognitief; je probeert altijd accuraat te zijn, maar kan misleid worden door je normale manier van denken

Question 19

Overmoed

Answer 19

De meest prominente fout is overmoedigheid; overmoed = een ongerechtvaardigde overtuiging dat jouw voorspelling juist is. Het gaat hierbij niet om één specifiek geval, maar over een systematische overschatting van je kunnen! Het lijkt dus een beetje op confirmation bias
- Overmoedigheid is iets waar statistische modellen geen last van hebben
- Voorbeeld van wat overmoedigheid NIET is, omdat het een enkel geval is; als je 80% zeker
weet dat je een 9 haalt op één vak, maar je haalt een 8
- Voorbeeld van wat overmoedigheid WEL is; als je 80% zeker weet dat je in elk van de 100
lessen een 9 haalt, en je in meer dan 20 van de lessen een 8 haalt

Question 20

Bij risicotaxatie speelt overmoed een grote rol in hoe accuraat je bent;

Answer 20

een onderzoek van Desmarais et al. (2010) heeft gekeken naar de START (risicotaxatie-instrument) en de mate van overmoedigheid van de clinici die het instrument af nam. Hierbij werd er aan de clinici gevraagd wat ze van hun eigen beslissingsvermogen vonden, waarna ze werden ingedeeld in een groep met lage/gemiddelde overmoedigheid en hoge overmoedigheid
- Plaatje = bij het voorspellen van alle vormen van agressie, scoren de mensen met een lage overmoedigheid .79, terwijl de mensen met een hoge overmoedigheid maar .68 scoren; clinici met een hoge overmoedigheid voorspellen slechter dan clinici met een lage overmoedigheid. Hoe minder overmoedig je dus bent, hoe beter je voorspellingen zijn; deze bevinding zie je in de hele tabel terug
PLAATJE

Question 21

Er zijn vier manieren om overmoedigheid te vermijden:

Answer 21

1. Voorspellingen in onbekende domeinen vermijden; je moet niet denken dat als je goed
   bent in risicotaxatie op het gebied van agressieproblemen, je ook goed bent in risicotaxatie
   op het gebied van zedendelicten
2. Vooral als het vertrouwen hoog is, stel dit naar beneden bij; wees kritisch naar jezelf toe
3. Uitdagen van je eigen overtuigingen; bedenkt redenen waarom je het mis kan hebben
4. Maak gebruik van uitgesplitste oordelen in plaats van holistische oordelen; we kunnen
   wel gericht oordelen, maar als het gaat over een groter geheel zijn onze oordelen vaker verkeerd

Question 22

Er zijn verschillende redenen waarom regressiemodellen het beter doen dan experts:

Answer 22

1. Modellen leiden altijd tot dezelfde conclusie voor een gegeven dataset
   • Het maakt bij modellen niet uit op welk tijdstip de analyse gedaan wordt, ze zullen altijd
   op dezelfde conclusie uitkomen. Dit is bij mensen niet het geval (honger hebben, toe zijn aan pauze, persoonlijke omstandigheden)
2. Omdat modellen toegang hebben tot alle data, kunnen ze beter nagaan welk gewicht aan
   individuele factoren moet worden toegekend bij het maken van een voorspelling
   • Mensen wijzen gewicht toe aan factoren op basis van hun klinische blik, en hier zit een
   mate van subjectiviteit in. Modellen hebben geen last van deze subjectiviteit
3. Statistische regressies hebben geen ego’s of gevoelens, in tegenstelling tot zelfingenomen
   experts
4. Statistische voorspellingen door modellen zijn niet overmoedig
5. Modellen gebruiken consequent dezelfde voorspellers en wegingen van voorspellers,
   deskundigen doen dit niet

Question 23

Bij experts VS. statistische modellen speelt feedback een belangrijke rol:

Answer 23

• Feedback en base rate
• Geheugen

Question 24

Feedback en base rate

Answer 24

• Bij modellen zit feedback ‘ingebouwd’ in het systeem, maar bij experts is dit niet zo. Bij hen ontbreekt vaak de feedback over de juistheid van hun eigen oordelen, waardoor ze vaak niet weten of een voorspelling correct is geweest of niet

Question 25

Geheugen

Answer 25

• Modellen vormen perfecte geheugens van hoe dingen in vergelijkbare gevallen gelopen zijn. Daarnaast kunnen modellen een grotere en bredere steekproef ondervragen dan een mens (of een kleine groep mensen) ooit kan doen; modellen kunnen ontelbaar veel gevallen meenemen in de weging van factoren • Experts hebben geen perfect geheugen

Question 26

Onderzoek heeft aangetoond dat wanneer deskundigen feedback krijgen over hun oordelen, hun voorspellingen verbeteren;

Answer 26

ze krijgen meer inzicht in hoe goed hun voorspellingen of oordelen zijn, waar de verbeterpunten liggen en hoe ze hun beslissingen kunnen bijstellen - Zonder feedback vertonen experts juist meer overmoedigheid; dit laat zien hoe belangrijk het is om feedback een onderdeel te maken in het beslissingsproces. Op deze manier blijf je namelijk scherp op je eigen kunnen

Question 27

Wanneer welke aanpak?

Answer 27

Meehl vraagt zich af wanneer we ons ‘hoofd’ (experts) zullen gebruiken in plaats van de ‘formule’ (modellen). Volgens hem is er namelijk overtuigend bewijs dat de statistische methode bijna altijd beter is dan het klinisch oordeel. Meehl stelt om deze reden dan ook dat we alleen gebruik kunnen maken van het klinisch oordeel als het ‘zo duidelijk is als een gebroken been’; maar waarom blijven clinici zich dan verzetten tegen statistische voorspellingen, zoals blijkt uit de ontwikkeling van de 3e en 4e generatie risicotaxatie-instrumenten?

Question 28

Volgens Meehl en Grove (1996) zijn er zes redenen voor de weerstand van clinici tegen de statistische voorspelling:

Answer 28

1. Er kan vrees zijn voor technologische werkloosheid als gevolg van de vervanging van clinici door formules 2. Het professionele zelfbeeld van de clinici wordt bedreigd door een formule die iedereen kan toepassen, en betere resultaten kan behalen dan de clinici zelf 3. De meeste clinici zijn gehecht aan hun theorieën en modellen, en als ze zien dat een a-theoretische formule hun theoretische voorspellingen overtreft, veroorzaakt dat cognitieve dissonantie 4. Clinici hebben de (onjuiste) perceptie dat het gebruik van een formule de cliënten ontmenselijkt 5. Mensen voelen zich ongemakkelijk bij het feit dat een door een computer uitgevoerd model beter kan presteren dan een mens bij een cognitieve taak 6. Clinici kunnen slecht opgeleid zijn en een gebrek aan empirisch denkvermogen hebben

Question 29

Neurorecht

Answer 29

de studie naar hoe neurowetenschap gebruikt wordt, gebruikt zou kunnen worden, of gebruikt zou moeten worden in het rechtssysteem

Question 30

De volgende neurobiologische factoren kunnen een invloed hebben op delinquent en recidiverend gedrag:

Answer 30

- Verworven hersenletsel; traumatisch en niet-traumatisch - Neurologische stoornissen - Genetische afwijkingen; MAO-A gen Deze afwijkingen worden vaak gerapporteerd bij delinquente populaties. Als er bij iemand een neurobiologische tekortkoming aanwezig is, moet je kijken of dit mogelijk gerelateerd is aan het index delict. Wanneer dit inderdaad het geval is, moet dit meegenomen worden in de risicobeoordeling en -beheersing

Question 31

Diagnose en behandeling

Answer 31

De vraag is tot in hoeverre we de neurowetenschappen kunnen gebruiken om tot een betere diagnose te komen, en een betere behandeling te ontwerpen voor een persoon. Het gebrek aan inzicht in de verschillende biologische en cognitieve factoren die bijdragen aan antisociaal gedrag, belemmert namelijk de ontwikkeling van ‘gepersonaliseerde’ behandelingsprogramma’s die goed aansluiten bij de behoeftes van verschillende soorten antisociale personen. Dit komt omdat oppervlakkig vergelijkbaar gedrag (= het gedrag dat we kunnen zien) veel verschillende oorzaken kan hebben (agressief gedrag kan veel verschillende oorzaken hebben) - Mensen met niet-aangeboren hersenletsel; de cognitieve stoornissen van deze doelgroep zijn uniek en vragen een andere aanpak in behandeling. Cognitieve stoornissen zijn namelijk geassocieerd met antisociaal gedrag en vroegtijdig stoppen met behandeling, vooral in de forensische populatie. Bij behandeling is het belangrijk een onderscheid te maken tussen de directe relatie van het hersenletsel en gedrag (antisociaal gedrag veroorzaakt door schade aan de prefrontale cortex) en de indirecte relatie (het ontremd gedrag door ernstige planningsstoornissen). Bij zulke casussen moet je je afvragen, als iemand dusdanige schade heeft, in hoeverre heeft het dan nut om hen bepaalde behandelingen aan te bieden? Misschien is een andere aanpak namelijk beter

Question 32

Om meer vat te krijgen op een betere diagnose en behandeling voor individuen, is er de biocognitieve vingerafdruk ontwikkeld

Answer 32

= houdt rekening met de volledige cognitieve en biologische opbouw van een individu

Question 33

Biologische vingerafdruk is als volgt opgebouwd

Answer 33

1. In eerste instantie heb je verschillende typen van neurowetenschappelijke data waaruit de exploratiefase ontstaat (genetica, neuroimaging en cognitie-data) 2. Vervolgens ga je met de gegevens van deze drie verschillende methodes op zoek naar patronen om de variatie in de populatie te kunnen verklaren; dit doe je door middel van statistische modellen, waarbij je kijkt naar individuele verschillen en niet uitgaat van groepen 3. In de volgende stap ga je op zoek naar de vingerafdruk van die persoon; met die kennis kan je individuen classificeren. Als je in staat bent om specifieke kenmerken aan het licht te brengen per individu kan dit namelijk handvaten bieden voor behandeling 4. De volgende stap is om de vingerafdruk informatie die we hebben mee te nemen naar de klinische praktijk. Op die manier kan je diagnoses verbeteren, maar kan je ook de behandeling specifiek aanpassen. De vraag is of we dit ook kunnen doen voor risicotaxatie

Question 34

Neurowetenschap bewijs

Answer 34

- Traumatisch hersenletsel bij kinderen verhoogt risico op delinquent gedrag - Gedetineerden met een slecht neurocognitief functioneren hebben meer kans om uit te vallen bij behandeling; je moet er voor zorgen dat de behandeling goed aansluit bij het leervermogen van de delinquent - Gebruik van beschikbare neurobiologische informatie in forensische vragen voor het inschatten van de: • Strafrechtelijke verantwoordelijkheid • Risicotaxatie • Risicobeheersing

Question 35

Neurowetenschap valkuilen

Answer 35

- Moet je met grote voorzichtigheid gebruiken, net als risicotaxatie; over heel veel dingen hebben we nog niet genoeg kennis, waardoor we extra voorzichtig moeten zijn - Wetenschap en recht gebruiken verschillende niveaus van beschrijving en verklaring van menselijk gedrag; de forensische psychologie en het rechtssysteem gebruiken verschillende termen, waardoor communicatie lastig kan zijn - Psycho-juridische denkfout = - Psychiatrische stoornissen vertonen een dimensionale structuur; in de psychologie valt een stoornis op een continuüm, maar in het rechtssysteem heb je wel of geen stoornis, en is het dus dichotoom i.p.v. dimensioneel - Extrapolatie van kennis op groepsniveau om conclusies te trekken over het individu

Question 36

Psycho-juridische denkfout

Answer 36

de fout om aan te nemen dat het identificeren van een biomechanische oorzaak op zichzelf een excuses vormt voor het delict gedrag; rechters denken vaak dat een cognitieve stoornis een ‘excuus’ is voor het plegen van een delict

Question 37

It wasn’t me, it was my brain

Answer 37

We weten dat neurowetenschappelijke resultaten steeds meer gebruikt worden in de rechtszaal; Kim de Gelder heeft op een kinderdagverblijf kinderen en begeleiders vermoord. Tijdens het proces zei de verdediging dat hij psychotisch was en dus ontoerekeningsvatbaar moet zijn geweest. Hierdoor kon hij niet verantwoordelijk gesteld worden voor zijn daden. Echter bleek het dat er onvoldoende bewijs was om vast te stellen dat Kim de Gelder inderdaad ontoerekeningsvatbaar was. Hierdoor concludeerde de rechter dan ook dat hij wel degelijk toerekeningsvatbaar was voor zijn daden. Maar Kim de Gelder had zo’n goede advocaat, dat hij tijdens zijn proces toch ontoerekeningsvatbaar is verklaard

Question 38

Het hebben van hersenletsel kan zowel een voordeel als een nadeel zijn:

Answer 38

- Voordeel; verzachtende omstandigheden t.a.v. de straf - Nadeel; de persoon blijft gevaarlijk aangezien het brein niet verandert, waardoor hij of zij langer opgesloten zit

Question 39

Neurowetenschappen; conclusie

Answer 39

Neurowetenschappelijke inzichten kunnen worden gebruikt om: - Risico’s en behoeften bij individuen aan het licht te brengen - De responsiviteit bij risicotaxatie en risicomanagement te verbeteren Echter wordt het vaak niet gebruikt, omdat: - Er veel praktische en ethische overwegingen gemaakt moeten worden - Neurowetenschappelijk bewijs altijd kritisch bekeken moet worden in de rechtszaal Maar bedrog speelt geen rol, want een biologische maat kun je niet manipuleren

Question 40

Het verbeteren van risicomanagementpraktijken kan volgens Viljoen et al. (2018) op verschillende manieren:

Answer 40

- Training in risicomanagement (i.p.v. risicotaxatie!) - Gestructureerde richtlijnen aanbieden voor risicomanagement - Ervoor zorgen dat er een implementatie komt van de risicomanagement-strategieën Wanneer we dit doen zal er een betere afstemming zijn op de risico- en behoefte principes van delinquenten

Question 41

in 2019 is er een vervolgstudie gedaan door Viljoen et al., waarbij ze keken naar het ePect van het gebruik van een gestructureerd risicomanagement plan. Hierbij wilden ze onderzoeken of het onmiddellijk uitwerken van zo’n plan na de risicotaxatie ervoor zou zorgen dat de risicofactoren en behoeften beter aansluiten op je behandeling; hierbij hadden ze twee groepen met elkaar vergeleken:

Answer 41

1. Een groep die bestond uit een risicotaxatie-instrument en geen gestructureerd plan 2. Een groep die bestond uit een ander risicotaxatie-instrument met wel een gestructureerd plan —> Ze vonden geen verschil - De relatie tussen de uitkomstvariabele en risicoprincipes was even groot in het ongestructureerde plan als in het gestructureerde plan hierna is ze verder gaan kijken, waarbij duidelijk werd dat de percentages van de ‘high needs targeted’ veel hoger liggen in de gestructureerde groep dan in de ongestructureerde groep; iets wordt beter geïdentificeerd en er wordt beter gehandeld wanneer er sprake is van een gestructureerd plan PLAATJE

Question 42

Implementatie

Answer 42

“de processen die de kloof overbruggen tussen de beslissing om een nieuwe praktijk aan te nemen en het geëngageerde gebruik van deze praktijk” je wil dus een brug maken van de oude manier naar de nieuwe manier

Question 43

Volgens Viljoen et al. is implementatie erg belangrijk;

Answer 43

Een effectieve implementatie-aanpak is belangrijk voor een succesvolle integratie van de nieuwe methode in de praktijk

Question 44

een voorbeeld van een framework is het Consolidated Framework for Implementation Research (CFIR); PLAATJE

Answer 44

model wat gehanteerd wordt om de implementatie te kunnen structureren, waarbij er wordt gekeken welke factoren een rol kunnen spelen bij de implementatie. het heeft vijf verschillende hoofddomeinen, waarbij we deze hoofddomeinen zien als de initiële organisatiestructuur

Question 45

3 hoofddomeinen CFIR

Answer 45

1. Outer setting = factoren buiten het ‘doelbedrijf’ (bij risicotaxatie zijn de overheid en rechters outer settingen, die hebben zelf niks te maken met risicotaxatie, maar hebben er om de een of andere reden wel een link mee) 2. Inner setting = beslissingen die gemaakt worden binnen het ‘doelbedrijf’, en die dus een grote rol spelen in het implementatieproces 3. Individuals involved = welke personen zijn betrokken? Wie moeten leren omgaan met de nieuwe praktijk? • Wanneer mensen tegen de nieuwe praktijk zijn, probeer je deze over te halen om het toch eens te worden met de nieuwe aanpak

Question 46

Een risicotaxatie-instrument kan nog zo goed werken, maar een effectieve implementatie is cruciaal, en misschien nog wel belangrijker dan het instrument zelf;

Answer 46

als de implementatie verkeerd is gelopen, en professionals dus maar een dotje doen en niet gestructureerd te werk gaan, is de risicotaxatie uiteindelijk ook niks waard; “At the end of the day, the best, most efficacious, most reliable, and valid risk instrument will fail – and miserably – without proper implementation.” (Schlager, 2009)

Question 47

Toepassen van risicotaxatie; Werkt het?

Answer 47

Maar de vraag is nu nog of het werkt: - Is er een naleving van de risico (risk) en behoefte (need) principes? - Is het nuttig voor risicomanagement? - Worden instrumenten gebruikt om het risicomanagement te sturen?

Question 48

Er is een systematisch review gedaan door Viljoen et al. (2018), waaruit de volgende dingen naar voren kwamen:

Answer 48

- Onderzoek naar het nut is schaars vergeleken met onderzoek naar voorspellende validiteit; het bewijs van het effect van de instrumenten op de beroepspraktijk is indirect, en er zijn inconsistente bevindingen - Er werd vastgesteld dat professionals gemengde meningen hadden over het nut voor risicomanagement; de opleidingen en handleidingen zijn vooral gericht op hoe je items scoort en niet op hoe je de interventies opstelt - Er was een gemengd gebruik van instrumenten voor risicomanagement: - Er is een matige naleving van risico principes na het gebruik van instrumenten; er is wel onzekerheid of dit toe te schrijven is aan het gebruik van instrumenten of aan iets anders - Het kan zijn dat er vanuit de professional een beperkte inachtneming is van de behoefte (need) principes bij het gebruik van instrumenten: - Het bewijs dat instrumenten geweld en overtredingen verminderen was inconsistent: - Disconnectie theorie risicotaxatie van wat er in de praktijk gebeurt; er is een disconnectie van de theorie naar de praktijk

Question 49

Er was een gemengd gebruik van instrumenten voor risicomanagement:

Answer 49

• Afhankelijk van de vraag of risicobeoordelaars directe controle hebben over beslissingen over risicomanagement; heeft te maken met wie de risicotaxatie uitvoert VS. de persoon die de risicomanagement beslissingen neemt. In de praktijk is dit namelijk niet altijd dezelfde persoon

Question 50

Het kan zijn dat er vanuit de professional een beperkte inachtneming is van de behoefte (need) principes bij het gebruik van instrumenten:

Answer 50

• Onvoldoende aandacht voor risicotaxatie • Focus op behoeften met een ‘grote impact’; maar de behoeften met een kleine impact kunnen samen optellen tot iets groots en belangrijks (je moet de kleine zaken dus ook aanpakken) • Diensten om behoeften aan te pakken zijn eenvoudigweg niet beschikbaar; iemand met verslavingsproblematiek die geen behandeling kan krijgen omdat er op dat moment geen gespecialiseerde therapeut is • Beperkte naleving patiënten; veel patiënten zijn niet bereid om mee te werken

Question 51

Het bewijs dat instrumenten geweld en overtredingen verminderen was inconsistent:

Answer 51

• Misschien is er een onrealistische verwachting dat risicotaxatie instrumenten geweld direct kunnen vermijden • De doeltreffendheid kan verschillen per setting, populatie of instrument

Question 52

Disconnectie theorie risicotaxatie van wat er in de praktijk gebeurt; er is een disconnectie van de theorie naar de praktijk

Answer 52

• De conclusie van Viljoen et al; “Het gebruik van risicotaxatie instrumenten is geen garantie voor goede risicomanagementpraktijken of vermindering van geweld” • Maar: op dit moment is er niks anders, dus risicotaxatie instrumenten zijn wel de “Best available practice!”