Hoe test je een gedragsinterventie in de echte wereld?

Stel dat een organisatie medewerkers wil stimuleren om stagiairs te begeleiden. In interviews zeggen veel collega's dat ze het belangrijk vinden om kennis over te dragen. Ze herkennen zich in de gedachte dat je zo een nieuwe generatie verder helpt. Een communicatieteam maakt daarom een campagne rond trots, ontwikkeling en betekenisvol werk.

Na de campagne vinden medewerkers het onderwerp sympathieker. Het intranetbericht wordt goed gelezen. Toch verandert het aantal begeleidingsmomenten nauwelijks. Het probleem kan dan twee kanten op: de boodschap raakte het verlangen om bij te dragen, maar niet de weerstand tegen tijdverlies. Of de bereidheid is toegenomen, maar er zijn nog steeds geen uren vrijgemaakt in het rooster.

Dat onderscheid maakt het verschil tussen een campagne-evaluatie en een gedragsinterventie-evaluatie. De eerste vertelt iets over bereik, begrip en waardering. De tweede moet aantonen of het beoogde gedrag vaker, beter of langer plaatsvindt. Het feit dat mensen zich positief uitlaten over een verandering is op zichzelf geen bewijs dat die verandering is opgetreden.

Bij gedragsverandering werken twee onderzoekslagen samen. De associatieve laag onderzoekt wat een handeling of situatie voor mensen betekent. Denk aan 'samen iets bijdragen', maar ook aan 'extra werk', 'gedoe', 'risico' of 'ik ben er niet goed genoeg voor'. De gedragslaag onderzoekt wat mensen in de relevante situatie daadwerkelijk doen.

Die twee lagen mogen niet door elkaar lopen. Een associatie kan veranderen zonder dat mensen handelen. Gedrag kan ook veranderen doordat het proces makkelijker wordt, terwijl de onderliggende associatie nauwelijks verschuift. Een overzichtsstudie naar interventies die impliciete metingen veranderden, vond geen vanzelfsprekende doorvertaling naar feitelijk gedrag. De precieze bevindingen gelden voor de onderzochte interventies en meetinstrumenten, niet als oordeel over iedere vorm van associatieonderzoek [1].

Daarom hoort bij iedere associatieve hypothese een afzonderlijke gedragsvoorspelling. Niet alleen: de associatie 'tijdverlies' wordt zwakker. Maar: bij medewerkers die daadwerkelijk tijd in hun rooster krijgen, stijgt het aandeel dat binnen acht weken minimaal één begeleidingsmoment uitvoert. De eerste uitspraak gaat over een mogelijk mechanisme. De tweede over een observeerbare uitkomst.

'Draagvlak vergroten' klinkt als een doel, maar is geen nauwkeurige gedragsmaat. Hetzelfde geldt voor 'duurzamer worden', 'meer eigenaarschap' of 'betere adoptie'. Maak het concreet met vijf onderdelen: wie, doet wat, waar, wanneer en binnen welke periode?

In het fictieve stagebegeleidersvoorbeeld luidt de primaire uitkomst: het aandeel daarvoor geschikte, uitgenodigde medewerkers dat binnen acht weken ten minste één werkelijk uitgevoerd begeleidingsmoment heeft voltooid. Spreek vooraf af hoe een begeleidingsmoment wordt geregistreerd, wanneer iemand meetelt en hoe je omgaat met medewerkers die op vakantie gaan of de organisatie verlaten. De teller is het aantal medewerkers dat het gedrag uitvoert. De noemer is de vooraf gedefinieerde groep geschikte, uitgenodigde medewerkers.

Kies daarnaast secundaire uitkomsten, zoals aanmeldingen, bijgewoonde introducties, tevredenheid van stagiairs en bereidheid om het later opnieuw te doen. Maak het verschil duidelijk: een aanmelding is een tussenstap, geen uitgevoerd begeleidingsmoment. Daarmee voorkom je dat de eenvoudigst meetbare klik de plaats inneemt van de uitkomst die de organisatie werkelijk zoekt.

Een interventie begint niet met een poster, training of nieuwe knop. Zij begint met een diagnose. Interview betrokkenen, kijk naar het bestaande proces, observeer momenten waarop gedrag vastloopt en onderzoek relevante associaties. Vergelijk mensen die het gewenste gedrag wel vertonen met mensen die dat niet doen, zonder te veronderstellen dat één verschil meteen de oorzaak is.

Voor een stagebegeleider kunnen positieve associaties zijn: vakmanschap doorgeven, gezien worden en iemand vooruithelpen. Negatieve associaties kunnen zijn: extra administratie, fouten maken, geen tijd of aangesproken worden op het resultaat van een ander. Zulke voorbeelden zijn hypotheses, geen gemeten Neurofactor-uitkomsten.

Stel vervolgens drie concurrerende verklaringen op. Misschien missen medewerkers de motivatie. Misschien durven ze het niet omdat ze zich onvoldoende bekwaam voelen. Misschien willen ze wel, maar ontbreekt de gelegenheid. Het COM-B-raamwerk onderscheidt voor gedragsdiagnose vermogen, gelegenheid en motivatie, zonder te stellen dat elk mechanisme met één instrument definitief te isoleren is [2]. Bekijk bijvoorbeeld welke signalen vóór het gedrag optreden, hoe vaak ze voorkomen en welke groepen erdoor worden geraakt.

De verleiding is groot om alles tegelijk te veranderen: een nieuwe campagne, minder formulieren, een andere managerboodschap én meer beschikbare tijd. Werkt het daarna beter, dan weet je nog niet waardoor. Begin daarom bij de kleinste zinvolle verandering die de belangrijkste veronderstelde barrière aanpakt.

Voorbeeldhypothese: medewerkers vinden begeleiden zinvol, maar koppelen het aan verlies van productieve tijd. Een vooraf gereserveerd begeleidingsuur verlaagt de praktische en ervaren drempel, waardoor meer medewerkers daadwerkelijk een eerste begeleidingsmoment uitvoeren.

Schrijf vooraf op wat er moet gebeuren als de hypothese klopt. Welke associatie zou kunnen veranderen? Welk gedrag moet veranderen? Wanneer is die verandering zichtbaar? En welke alternatieve verklaring kan hetzelfde patroon veroorzaken? Dit maakt de interventie controleerbaar in plaats van achteraf overtuigend verteld.

Het sterkste bewijs ontstaat niet uit een mooie grafiek, maar uit een eerlijke vergelijking. In de praktijk zijn drie routes bruikbaar. Welke je kiest, hangt af van uitvoerbaarheid, privacy, het aantal deelnemers en de kans dat groepen elkaar beïnvloeden.

Een gewone voor-en-na-meting is vaak nuttig om te zien of er iets verandert, maar onvoldoende om vast te stellen waardoor het veranderde. Misschien begon intussen een drukke stageperiode, wijzigde het management het beoordelingssysteem of was er een extern evenement. De Medical Research Council benadrukt juist daarom dat evaluatie van complexe interventies niet alleen een effectvraag is, maar ook de uitvoering en context moet meenemen [3].

Let op bij teams: als de interventie op teamniveau wordt toegepast, mag je niet doen alsof alle medewerkers statistisch volledig onafhankelijk zijn. Clusteronderzoek vraagt om een passend ontwerp, voldoende clusters en een analyse die de clustering verwerkt [4]. Twee teams naast elkaar vergelijken is meestal een leerzame pilot, maar geen solide causale effecttest.

Een goede veldtest heeft een kort protocol. Dat hoeft geen academisch boekwerk te zijn, maar moet vóór uitvoering wel de beslissende keuzes vastleggen.

1. Primaire uitkomst: welk gedrag telt als succes, bij wie en op welk moment?
2. Vergelijking: wat ontvangt de controlegroep en op welk niveau vindt toewijzing plaats?
3. Startniveau: hoe vaak gebeurt het gedrag nu, gemeten op dezelfde manier in alle groepen?
4. Minimaal relevant effect: welke verbetering is organisatorisch de moeite waard, los van een p-waarde?
5. Steekproef en meetduur: hoeveel observaties en, bij teamtesten, hoeveel teams zijn nodig om dat effect met redelijke precisie te kunnen schatten?
6. Analyse: bereken je procentpunten, aantallen, herhaling of tijd tot de eerste handeling; hoe behandel je ontbrekende gegevens?
7. Neveneffecten: neemt werkdruk toe, daalt kwaliteit of wordt een groep benadeeld?
8. Uitvoering: hoe controleer je of de interventie werkelijk is aangeboden en ontvangen?

Vooraf vastleggen is belangrijk. Wie pas na afloop kiest welke van tien metingen de 'succesmaat' was, vergroot de kans op een misleidend positief verhaal. Een pilot kan eerst aantonen dat metingen en processen uitvoerbaar zijn. Een latere effecttest moet zoveel mogelijk volgens een vastgelegd plan worden uitgevoerd. De TIDieR-richtlijn helpt om de interventie zelf voldoende precies te beschrijven om haar te kunnen herhalen [5].

Meet je alleen gedrag, dan weet je mogelijk dat iets werkt maar nog niet waarom. Meet je alleen een associatie, dan weet je mogelijk iets over betekenis maar niet of de gekozen interventie het gedrag verandert. Daarom is een driedeling bruikbaar.

Neurofactor kan waar relevant associatieonderzoek, eye tracking, EEG of real-world observatie inzetten om onderdelen van de reactie te begrijpen. Maar een oogbeweging, een veranderde associatie of een EEG-respons vervangt nooit de meting van het concrete gedrag wanneer je effect wilt aantonen. De methode volgt uit de vraag, niet andersom.

Onderstaande casus is volledig fictief en bedoeld om de onderzoeksopzet te illustreren. Er worden geen onderzoeksresultaten van Neurofactor of een klant gepresenteerd.

Een organisatie heeft genoeg ervaren medewerkers om stagiairs te begeleiden, maar te weinig medewerkers melden zich aan. In het vooronderzoek klinkt dezelfde spanning steeds terug: 'ik vind het belangrijk' naast 'ik heb er geen ruimte voor'. Het team heeft twee mogelijke verklaringen: de rol voelt te weinig gewaardeerd of de planning maakt de stap te zwaar.

In plaats van uitsluitend een campagne te maken, kiest de organisatie één eerste interventie: een vast, zichtbaar begeleidingsblok in de bestaande werkplanning, gecombineerd met een heldere instructie over aanmelden. De controleconditie behoudt de bestaande planning en informatie. Als de roosteraanpassing door hele teams gedeeld wordt, is een teamgerichte toewijzing logisch, mits er genoeg vergelijkbare teams zijn en de analyse daarop is ingericht. De verantwoordelijke onderzoeker controleert vooraf de haalbaarheid en benodigde omvang.

Vooraf gedefinieerde primaire uitkomst: welk aandeel geschikte, uitgenodigde medewerkers heeft binnen acht weken één begeleidingsmoment uitgevoerd? Secundair: aanmeldingen, annuleringen, herhaald gedrag, ervaren werkdruk en associaties met begeleiden. Implementatiecheck: waren de gereserveerde uren echt beschikbaar of werden ze alsnog gevuld met ander werk?

Stel, zuiver ter illustratie, dat 18 van de 100 medewerkers in de controleconditie een eerste begeleidingsmoment uitvoeren en 25 van de 100 in de interventieconditie. Dan is het ruwe verschil 7 procentpunten (18% tegenover 25%). Dat is niet hetzelfde als '39% meer medewerkers' zonder context, en zeker niet automatisch een bewezen effect. Voor een conclusie zijn toewijzing, steekproefgrootte, clusterstructuur, onzekerheidsmarge en eventuele ontbrekende registraties nodig. De aantallen hier zijn verzonnen om te laten zien hoe je de uitkomst leest.

De betere vraag na die test is niet of de nieuwe aanpak populair was. De betere vraag is of de aanpak voldoende extra uitgevoerde begeleidingsmomenten opleverde om de benodigde planning, inzet en eventuele neveneffecten te rechtvaardigen.

Een associatiemeting en een gedragsmeting kunnen elkaar aanvullen, maar ze hoeven niet dezelfde kant op te bewegen. Het helpt om vooraf vier uitkomsten te voorzien.

Zelfs de eerste combinatie bewijst niet dat de veranderde associatie het gedrag veroorzaakte. Daarvoor is aanvullend onderzoek naar de causale route nodig. Ook een nulresultaat is geen bewijs dat een interventie nooit werkt: de test kan te klein, te kort of slecht uitgevoerd zijn geweest.

Presenteer naast de uitkomst altijd de absolute verandering, de onzekerheid en de praktische betekenis. Bij een conversie van 18% naar 25% is het absolute verschil 7 procentpunten. Het relatieve verschil is ongeveer 39%, maar klinkt groter zonder te zeggen waar je vanaf komt. Daarom horen beide getallen, de aantallen erachter en bij voorkeur een 95%-betrouwbaarheidsinterval bij elkaar.

Een betrouwbaarheidsinterval geeft aan hoe precies de geschatte effectgrootte is onder het gekozen model. Een interval dat zowel een relevant negatief als een relevant positief effect toelaat, is geen basis voor een stellige succesclaim. Evenmin betekent een statistisch aantoonbare minieme verbetering vanzelf dat de investering de moeite waard is. Spreek vóór de test af wat een waardevol effect is en bereken de haalbare meetomvang daarbij.

Kijk ook naar wie wel en niet meedeed. Was het effect alleen zichtbaar onder enthousiaste vrijwilligers? Werd de moeilijk bereikbare groep überhaupt bereikt? Veranderde de registratie halverwege? Waren er extra kosten, wachttijden of kwaliteitsproblemen? Een interventie kan een primaire KPI verbeteren en tegelijk nieuwe weerstand creëren. Die uitkomst hoort in het besluit.

In het veld kun je niet alle factoren stilzetten. Juist daarom moet je ze zichtbaar maken. Let minimaal op deze valkuilen:

• Tegelijkertijd veranderende omstandigheden: een nieuwe leidinggevende, een campagne of seizoendrukte valt samen met de interventie.
• Besmetting tussen groepen: medewerkers uit de controlegroep nemen het nieuwe rooster over.
• Selectie: alleen de meest gemotiveerde medewerkers doen mee aan de meting.
• Onvolledige uitvoering: de maatregel staat op papier, maar wordt niet consequent toegepast.
• Veranderende registratie: de organisatie telt na de interventie aanmeldingen in plaats van uitgevoerde momenten.
• Een te vroege conclusie: de eerste week ziet er anders uit, maar na enkele weken keert het oude patroon terug.
• Te veel subgroepen achteraf: je zoekt net zolang tot ergens een opvallend positief verschil verschijnt.

Voorkom deze fouten door de context te documenteren, de bestaande werkwijze stabiel te houden waar mogelijk en alle afwijkingen van het protocol vast te leggen. Onderzoek naast of een interventie werkt ook hoe zij werd uitgevoerd en voor wie zij werkte [3, 5, 6].

Deze methoden hebben een andere functie dan de primaire effectmeting. Associatieonderzoek kan een verborgen drempel zichtbaar maken of laten zien of een betekenis na een interventie anders wordt opgeroepen. Eye tracking kan onderzoeken of iemand het beslissende routebord, de instructie of de knop überhaupt ziet. EEG kan onder een passend protocol aanwijzingen geven over de temporele respons op een stimulus of een ervaring. Geen van die signalen geeft op zichzelf het percentage mensen dat de gewenste handeling uitvoert.

Hun toegevoegde waarde zit in de verklaring en optimalisatie. Een veldexperiment kan aantonen dat versie B beter presteert. Aanvullende metingen kunnen helpen begrijpen of aandacht, weerstand, vertrouwen, mentale inspanning of context bij dat resultaat een rol spelen. Daarbij moeten ook die verklaringen als hypotheses worden getoetst. Onderzoek naar impliciete metingen laat zien dat relaties met gedrag context- en instrumentafhankelijk zijn [1, 7].

Voor veel organisaties is de passende volgorde daarom: eerst het gedrag definiëren, dan de relevante associaties en frictie onderzoeken, vervolgens een gerichte interventie ontwerpen en ten slotte in het veld controleren of het werkelijke gedrag verandert. Geen enkel instrument krijgt automatisch de rol van sluitend bewijs.

1. Beschrijf het beslismoment. Wie moet waar welke handeling uitvoeren en welke keuzecontext hoort daarbij?
2. Leg de associatieve spanning vast. Welke beloning trekt aan, welke betekenis of angst houdt tegen, en wat is nog onzeker?
3. Kies één eerste interventie. Beschrijf precies wat verandert en wat verder gelijk blijft.
4. Leg uitkomst en vergelijking vast. Definieer de primaire gedragsmaat en bepaal de controlegroep of best beschikbare tegenfeitelijke vergelijking.
5. Bereid de uitvoering voor. Check privacy, toestemming waar relevant, capaciteit, registratie, randomisatie en meetnauwkeurigheid.
6. Meet en analyseer volgens plan. Rapporteer aantallen, absolute effecten, onzekerheid, uitvoering, associaties en neveneffecten.
7. Neem een besluit en test opnieuw. Opschalen bij voldoende bewijs; aanpassen bij een aannemelijk maar onvolledig effect; niet opschalen als resultaat, veiligheid of uitvoerbaarheid onvoldoende zijn.

Een veldtest is niet bedoeld om de oorspronkelijke gedachte te bevestigen. Hij is bedoeld om de organisatie in staat te stellen een betere keuze te maken, ook wanneer de eerste gedachte niet klopt.

Een interventie moet de belangen en autonomie van de betrokkenen respecteren. Dat geldt extra bij medewerkers en andere groepen waarin de machtsverhouding ongelijk kan zijn. Maak de gedragsdoelstelling en de onderzoeksopzet passend transparant, vermijd ongeoorloofde druk, zorg voor redelijke alternatieven en beoordeel negatieve bijeffecten.

Wanneer persoonsgegevens worden verwerkt, zijn onder de AVG een geldige rechtsgrond, doelbinding, dataminimalisatie, passende informatievoorziening en beveiliging nodig. Toestemming om aan onderzoek deel te nemen is niet automatisch hetzelfde als de AVG-rechtsgrond voor gegevensverwerking; laat die afweging waar nodig juridisch toetsen. Verwerk associatieve, gedrags- of neurodata niet breder dan noodzakelijk en rapporteer bij voorkeur op geaggregeerd niveau [8].

Een gedragsinterventie kan een overtuigend verhaal opleveren zonder een overtuigend effect te hebben. Het omgekeerde kan ook: een stille procesaanpassing verandert het gedrag, terwijl er nauwelijks iets verschuift in wat mensen zeggen of associëren. De opdracht is daarom niet om één meting tot winnaar uit te roepen, maar om de lagen op de juiste plaats te zetten.

Associatieonderzoek maakt zichtbaar welke betekenis een keuze krijgt. Een goede veldtest laat zien of de gekozen interventie, vergeleken met een eerlijke tegenhanger, werkelijk iets verandert aan die keuze. Pas wanneer je die twee naast elkaar legt, kun je van gedragsinzicht naar onderbouwde gedragsverandering gaan.

• Waarom mensen iets verstandig vinden en toch niet doen - over de kloof tussen intentie en gedrag.
• Communicatie, proces of omgeving: welke gedragsinterventie kies je? - over de diagnose vóór de interventie.
• Associaties in gedragsverandering - de overzichtspagina van de subserie.
• Onderzoeksmethoden van Neurofactor - over associatieonderzoek, real-world metingen en aanvullende methoden.