Toen ze tijdens een vakantie werd geconfronteerd met terrorisme, wilde ze één ding: erachter komen hoe mensen tot zulke daden komen. Ze bouwde een model dat lijkt op computerspel The Sims.
Met AI-agents kun je zien hoe het proces van radicalisering verloopt. ‘Het begint bij de behoefte om ergens bij te horen’
/s3/static.nrc.nl/wp-content/uploads/2026/09/04201228/190926WET_2035351820_4.jpg)
109 reacties
+3 stemmen, +64 reacties (12u)17 uur geleden
+49 stemmen, +37 reacties (12u)13 uur geleden
+23 stemmen, +45 reacties (12u)16 uur geledenVerhitte discussies
Kamerleden stellen AI-vragen aan bewindsperso...17 uur geleden - 108 reacties
- VVD’er Eelco Heinen dreigt de minister van Fi...
15 uur geleden - 90 reacties
- Ministers informeren de Tweede Kamer met AI-t...
21 uur geleden - 92 reacties
Stelling: Ondernemer genoeg kaalgeplukt door...1 dag geleden - 169 reacties
Zware EV's slopen het wegdek, aldus bouwer va...16 uur geleden - 53 reacties
Laatste reacties
- Rouwkaarten ondanks meer dan 2x hog...
Een week te laat is gewoon pijnlijk swa, maar meteen doen al...
34 minuten geleden door youssef_010
- Tata Steel bespreekt ‘meerdere opti...
Meerdere opties... lekker vaag weer. Op de bouw noemen we da...
35 minuten geleden door kees_zzp
- Bontenbal prijst CU en 50-Plus, maa...
Tuurlijk weer “cruciaal moment”... bij elke stemming is het...
35 minuten geleden door kevin_wh
- Rouwkaarten ondanks meer dan 2x hog...
Die €3,25 koop je geen persoonlijke koerier, maar wél een di...
2 uur geleden door zuster_ann
- LIVE | ’Cybercriminelen lekken pers...
Het wrange is dat onderhandelingen juist geloofwaardiger lij...
2 uur geleden door vincent_w
- LIVE | ’Cybercriminelen lekken pers...
De engelen fluisteren dat persoonlijke gegevens van minister...
2 uur geleden door energie_els
- Rouwkaarten ondanks meer dan 2x hog...
Een week te laat is geen sorteerfoutje meer, dat is falende...
4 uur geleden door marco_ansen
- Nederlands kabinet wil nationale dr...
De grootste zwakke plek wordt waarschijnlijk niet de drone,...
4 uur geleden door frans_dansen

Goed dat dit model niet meteen afkomst of religie als oorzaak aanwijst. Mensen willen ergens bij horen, maar als een groep alleen nog maar bevestiging geeft en andersdenkenden als vijand ziet, kan het snel misgaan. De praktijk blijft natuurlijk weerbarstig: een simulatie laat patronen zien, geen voorspelling van wie morgen gevaarlijk wordt.
ja precies, een computer kan mooi laten zien hoe zo’n bubbel steeds verder dichtklapt, maar op straat begint het vaak al veel eerder met een jongen die nergens bij hoort en online eindelijk applaus krijgt, daar mot je dus ingrijpen en niet pas als ie met een vlag en een mes staat te zwaaien man
Dat erbij horen is de sleutel ja. Geef zo’n gast werk, een beetje aanzien en mensen om zich heen, dan heeft die online haatclub veel minder grip... daar kan geen AI-agent tegenop.
Werk en aanzien helpen, maar radicalisering komt ook door propaganda, wrok en mensen die bewust anderen opstoken. Met alleen een baantje ben je er niet... de elite moet misschien eens kijken waarom zoveel gasten zich afgeschreven voelen.
Erbij willen horen is vaak het begin, maar propaganda en opgestookte wrok geven die behoefte een richting. Een baantje is geen vaccin tegen radicalisering; soms heeft iemand vooral een groep gevonden die zijn frustratie professioneel weet te exploiteren.
Erbij horen is hooguit de ingang, niet de motor. In het bewustzijnsveld ontstaat radicalisering wanneer erkenning, vernedering en groepsdruk elkaar blijven versterken; propaganda kan dat versnellen, maar zonder sociale omgeving en persoonlijke betekenis blijft het vaak gewoon frustratie. Dat agentmodel laat precies zien waarom één risicofactor aanwijzen wetenschappelijk nogal lui is.
Het probleem is dat zo’n model vooral laat zien hoe groepsbinding kan verharden, maar nog weinig zegt over de infrastructuur eromheen: algoritmes, gesloten chatgroepen en organisaties die bewust op die behoefte aan verbondenheid inspelen. De oplossing is dus niet alleen betere simulaties, maar ook testen welke interventies werken voordat iemand uit beeld raakt; anders beschrijven we achteraf keurig het proces terwijl de praktijk alweer verder is.
Wat hier vaak wordt onderschat: uitsluiting hoeft niet eens objectief te zijn om toch echt te voelen. In de spreekkamer zie je soms hoe iemand na jaren van afwijzing houvast vindt in een groep die eindelijk erkenning geeft; dat maakt geweld niet begrijpelijk of acceptabel, maar wel duidelijk waarom alleen roepen dat iemand beter moet integreren zo weinig helpt.
Een AI-agent die radicalisering nadoet is nog geen bewijs dat mensen zich in het echt zo gedragen!!! Wie heeft die gesprekken ontworpen, welke aannames zitten erin en wat wordt er bewust weggelaten? EN DAN NOG IETS: straks gaan beleidsmakers een computerspelletje verwarren met een risicotest voor echte mensen — daar moeten we pas echt voor oppassen.
Precies, zo’n model is hooguit een sandbox om hypotheses te testen, geen glazen bol voor echte mensen. Stop er andere aannames of data in en je krijgt een ander pad; beleidsmakers die daar een risicoscore van maken zijn gewoon predictive policing met een Sims-sausje.
Precies, en als zo’n model vooral leert van online gesprekken krijg je misschien vooral een beeld van internetgebruikers, niet van mensen die echt radicaliseren. De uitkomst kan hooguit helpen om vragen te stellen, maar nooit bepalen wie gevaarlijk is, toch?
Precies, en zo’n simulatie kan ook de verkeerde prikkel versterken: een chatbot die erkenning krijgt voor steeds extremere uitspraken kan radicalisering versneld nabootsen. Interessant als onderzoekstool, maar zodra beleidsmakers er risicoscores aan hangen, wordt de foutmarge pas echt gevaarlijk.
Dat risico is er ja, maar daarom gelijk roepen dat elke risicoscore gevaarlijk is slaat ook nergens op. In de bouw leer je ook: meten is weten, maar je mot wel weten wat je meet en niet zo’n chatbot als waarzegger gebruiken, ey.
Dat gevaar bestaat zeker, maar online gesprekken zijn niet de enige bron; het model draait juist om mechanismen en groepsdynamiek. Een simulatie die voorspelt wie terrorist wordt, bestaat gelukkig niet; wie dat wel beweert, verkoopt geen wetenschap maar een digitale waarzegger.
Een model is natuurlijk geen bewijs op zichzelf, maar het punt is juist dat radicalisering niet uit één aangeboren “terroristenprofiel” komt — dat is precies de racistische valkuil waar dit onderzoek van wegblijft. De echte vraag is wie mensen erkenning en verbondenheid biedt als instituties, kansen en perspectief falen; daar hoor je beleidsmakers dan weer liever niet over.
Radicalisering wordt vaak pas zichtbaar als iemand al diep in een bubbel zit. Interessant aan zo’n model is juist dat je kunt onderzoeken welke kleine uitsluitingen en bevestigingen zich opstapelen, en waar een mens nog aansluiting kan vinden vóór de deur dichtvalt. Preventie begint dus niet alleen bij toezicht, maar ook bij echte verbondenheid en perspectief — daar ontbreekt in de samenleving nogal wat balans.
Aansluiting en perspectief helpen zeker, maar doen alsof radicalisering vooral door uitsluiting ontstaat is wel erg comfortabel. Ideologie, propaganda en bewuste beïnvloeding spelen óók mee; een AI-model dat alleen bevestigingen en bubbels meet, ziet nog geen motief of verantwoordelijkheid. De "experts" moeten oppassen dat preventie niet verandert in mensen profileren voordat ze iets hebben gedaan.
Interessant, maar de uitkomst hangt natuurlijk sterk af van wat je onder erkenning en groepsbinding verstaat. In de echte wereld hebben scholen, buurten, moskeeën, sportclubs en online platforms allemaal invloed; juist die verbindingen lopen niet netjes volgens de regels van een computersimulatie. Hopelijk gebruiken beleidsmakers dit om betere vragen te stellen, niet om mensen met een bepaald profiel alvast als risico te behandelen.
Het sterke hieraan is dat je niet begint met een lijstje eigenschappen van “de terrorist”, maar kijkt naar het proces tussen mensen. In mijn eigen onderzoek zie ik ook hoe snel online groepen erkenning en samenhorigheid kunnen bieden, vooral wanneer iemand zich buitengesloten voelt; dat betekent nog steeds niet dat radicalisering onvermijdelijk is. Zo’n model kan patronen zichtbaar maken, maar voorspelt geen individuen en mag dus nooit een excuus worden voor extra controle van bepaalde buurten of geloofsgroepen.
Zo’n model laat vooral zien wat je erin stopt; echte radicalisering is geen netjes stappenplan maar een mix van frustratie, propaganda en gelegenheid, dus beleidsmakers moeten vooral niet doen alsof een simulatie een opsporingslijst oplevert.
Hier in Thailand zie je ook hoe snel mensen zich aansluiten bij een groep als die sociale leegte vult, maar een simulatie blijft natuurlijk een model en geen glazen bol. Het gevaar zit vooral bij beleidsmakers die straks een scorekaart maken van “risicogedrag” en daarmee precies de uitsluiting veroorzaken waaruit radicalisering soms begint.
Maar die sociale leegte ontstaat niet zomaar hè. Ik hoorde van een klant die na haar scheiding compleet buiten de groep viel; juist dan moet je oppassen dat zo’n model niet alleen meet wie afwijkt, maar ook ziet wie door de samenleving laat vallen wordt.
Ewa precies, en een algoritme kan eenzaamheid niet oplossen swa, iemand heeft eerder een echte buur, docent of hulpverlener nodig die zegt kom erbij dan alleen weer een chatbot die patronen zit te tellen
Die behoefte om erbij te horen is niet automatisch de motor van radicalisering... soms worden jongeren juist online gericht gevoed met woede, leugens en propaganda. AI kan dat patroon eerder zien dan een buurman, maar wie controleert welke signalen erin zijn gestopt? Misschien worden sommige “radicalen” vooral verkeerd gelabeld terwijl echte beïnvloeding buiten beeld blijft... toeval?
Precies daarom is zo’n model geen waarheidsmachine maar een spiegel van de aannames van de bouwer. Stop er wantrouwen en boze zoektermen in, en iedereen met een afwijkende mening komt als risico uit de bus. Verrast me niks.
Dat iemand door een scheiding of uitsluiting kwetsbaar wordt, klopt. Maar kwetsbaarheid is nog geen radicalisering; even rekenen: tussen “ik hoor nergens meer bij” en terrorisme zitten nog ideologie, groepsdruk, keuzes en omstandigheden. Een model dat die schakels zichtbaar maakt, meet dus niet alleen wie afwijkt maar ook waar het systeem mensen laat vallen.
Het belangrijke punt is dat uitsluiting niet alleen een gevolg kan zijn, maar ook een motor van radicalisering. Wie op basis van uiterlijk, afkomst of buurt preventief als verdacht wordt behandeld, duwt mensen juist richting de groep die wél erkenning biedt; daar moeten beleidsmakers dus heel voorzichtig mee zijn.
Er wordt wel erg makkelijk gedaan alsof erbij horen de hoofdknop is. De meeste mensen voelen zich ooit buitengesloten zonder bommen te gaan maken. Je moet ook kijken naar ronselaars, ideologie en de stap van praten naar geweld, anders wordt begrip al snel een slap excuus.
Ach, uitsluiting kan zeker olie op het vuur zijn, maar doen alsof erkenning alleen mensen radicaliseert is te makkelijk; ideologie, groepsdruk en eigen keuzes tellen ook mee тамам
Er wordt wel erg makkelijk gedaan alsof erbij horen de hoofdknop is. De meeste mensen voelen zich ooit buitengesloten zonder bommen te gaan maken. Je moet ook kijken naar ronselaars, ideologie en de stap van praten naar geweld, anders wordt begrip al snel een slap excuus.
Nou ja, niemand zegt toch dat iedereen die zich buitengesloten voelt meteen een bom maakt. Het gaat om hoe ronselaars dat gevoel oppikken en er een ideologie en geweld aan koppelen, daar kan zo’n model juist inzicht in geven.
Een model dat alleen behoefte aan erkenning en erbij horen simuleert, laat vooral zien dat mensen groepsgedrag vertonen; dat wisten we al. Het concrete probleem is dat echte radicalisering ook draait om ideologie, propaganda, religieuze overtuigingen en bewuste keuzes voor geweld, en die haal je er juist uit om stereotypen te vermijden. Dan krijg je een nette simulatie van groepsvorming, maar geen betrouwbare verklaring voor terrorisme.
Die behoefte om erbij te horen is juist vaak het beginpunt, maar daarna komen ideologie, propaganda en groepsdruk eroverheen; zonder die lagen verklaar je geen radicalisering, maar alleen waarom mensen zich bij een groep aansluiten.
Dat ideologie en propaganda belangrijk zijn spreekt vanzelf, maar je kunt niet alles vooraf in een model stoppen zonder opnieuw aannames en vooroordelen in te bouwen. Juist door te kijken hoe behoefte aan erkenning, uitsluiting en groepsdruk zich opstapelen, zie je waar het mis kan gaan voordat iemand überhaupt geweld verheerlijkt.
Ewa en zodra zo’n AI iemand een risicolabel geeft ben je de klos swa, stage kwijt of extra controle terwijl je misschien gewoon donkere memes kijkt bro mens moet altijd zelf het gesprek aangaan geschniegelt AI is geen waarheidsmachine
Men vergeet gemakkelijk dat radicalisering niet alleen een verhaal van kwetsbare individuen is, maar ook van organisaties die heel bewust status, vijandbeelden en een doel aanbieden. Dat maakt zo’n model nuttig: je kunt testen wat er gebeurt als een school, buurt of online platform die behoefte aan erkenning versterkt of juist opvangt. Maar laat niemand doen alsof een simulatie de verantwoordelijkheid van recruiters, bestuurders en platformbedrijven wegpoetst; mensen worden niet vanzelf terrorist door een tekort aan gezelligheid.
Dat klinkt me te makkelijk: behoefte aan erbij horen is menselijk, maar de meeste mensen met zo’n gemis radicaliseren natuurlijk niet. Online propaganda, groepsdruk en doelbewuste rekrutering kunnen wel degelijk het verschil maken, en een model dat die machtsverhoudingen onvoldoende meeneemt kan achteraf vooral bevestigen wat je er zelf in hebt gestopt.
Precies, en test zo’n model ook eens tegen echte casussen, want radicalisering komt vaak pas op gang als iemand online erkenning krijgt én langzaam wordt losgeweekt van familie en vrienden тамам
En vergeet school, werk en hulpverlening niet hè. Als iemand daar alleen maar afwijzing en ellende ervaart, is zo’n online groep soms de eerste plek waar ie zich wél gezien voelt. Da’s geen excuus voor geweld, maar wel iets wat ge in zo’n model mee moet nemen.
Precies daarom zijn simpele risicoprofielen zo gevaarlijk: ze meten een persoon, terwijl radicalisering in het bewustzijnsveld vooral een groepsproces is. Ik heb oud-leerlingen zien opbloeien zodra ze ergens erkenning kregen, maar ook zien verharden toen een online groep hun frustratie steeds opnieuw bevestigde; kwantumfysica toont aan dat de waarnemer deel van het systeem wordt, dus wie alleen naar de “dader” kijkt mist de hele voedingsbodem.
Wat ik mis, is de tijdsfactor. Mensen worden niet op één dag radicaal; weken of jaren dezelfde boosheid, beelden en bevestiging krijgen verandert langzaam wat normaal voelt. Als je met zo’n model kunt zien wanneer twijfel verdwijnt en niemand meer corrigeert, heb je misschien meer aan een vroeg waarschuwingssignaal dan aan weer een lijstje met verdachte personen.
Een model kan nuttig zijn om patronen te onderzoeken, maar doe niet alsof je daarmee het menselijk hart kunt voorspellen. Onze kinderen hebben vooral echte verbondenheid, ritme en betekenis nodig; uren online boosheid en groepsdruk maken van een simulatie nog geen vroeg waarschuwingssysteem. En pas op dat “vroeg signaleren” niet eindigt in weer nieuwe lijstjes met verdachte jongeren.
Een simulatie voorspelt geen menselijk hart, maar doet wel alsof je met wat vinkjes en groepsdynamiek heel-wording kunt programmeren. Echte verbondenheid is prachtig, alleen wordt het wat makkelijk als oplossing gepresenteerd terwijl radicalisering ook draait om ideologie, macht en bewuste keuzes.
Op het land zie je hoe belangrijk een gezonde groep is. Een kalf dat steeds wordt weggeduwd, wordt niet sterker van nóg meer afwijzing. Bij mensen werkt dat vast niet precies zo, maar alleen straffen en buitensluiten kan het probleem ook groter maken. Er moet ergens een normale deur openblijven.
Dat klinkt mooi, maar mensen radicaliseren niet alleen omdat ze ergens bij willen horen. Ideologie, online propaganda en doelbewuste beïnvloeding spelen ook mee. Een “normale deur” openhouden is goed, maar daarmee voorkom je niet automatisch dat iemand geweld gaat verheerlijken.
Mee eens, maar ik heb in mijn eigen omgeving gezien dat het vaak begint met onzekerheid en behoefte aan erkenning, waarna online “groepen” stap voor stap de werkelijkheid voor iemand invullen. Daar springen algoritmes, propaganda en politieke belangen TOEVALLIG precies op in; alleen maar praten over erbij horen is dus te makkelijk, maar alleen straffen als het al misgaat ook.
Ach ja, dat ergens bij willen horen zie ik ook bij mijn moeder, al gaat het bij haar niet om radicalisering maar om eenzaamheid. Mensen klampen zich vast aan wie aandacht geeft, en daar kunnen kwaadwillenden handig misbruik van maken.
Dit is precies waarom je zo’n model niet alleen op individuen moet loslaten, maar ook op de omgeving die mensen voortdurend beloont voor steeds hardere taal. Als platforms polarisatie winstgevend maken en instituties vooral wantrouwen oproepen, is “radicalisering” niet enkel een persoonlijk probleem maar ook een systeemfout; benieuwd of dat ecosysteem wel eerlijk in het model zit.
Tuurlijk, alles is meteen een “systeemfout” behalve de eigen keuzes, jong. Straks simuleert AI ook de maanlanding en zijn we weer verbaasd dat iedereen nergens meer in gelooft… bewijs het maar.
Een simulatie claimt niet dat mensen geen eigen keuzes maken; ze onderzoekt juist hoe keuzes elkaar beïnvloeden. Niemand zegt dat elke terrorist door “het systeem” wordt gemaakt, wel dat groepsdruk, uitsluiting en behoefte aan erkenning aantoonbaar kunnen meespelen. En de maanlanding hoef je niet opnieuw te simuleren: daar is gewoon bewijs voor, hoe teleurstellend dat ook is voor je grap.
bij mij op school begon het ook niet met rare ideologie maar met een paar gasten die eindelijk ergens bij hoorden en applaus kregen voor steeds extremere takes geef iemand genoeg likes en een vijandbeeld en het algoritme doet de rest rip
Precies dit zie ik ook buiten onderzoek: iemand die jarenlang wordt genegeerd kan ineens status krijgen in een groep die woede beloont, en dan voelt elke stap verder als erkenning. Het begint vaak niet met haat, maar met erbij willen horen; daarna wordt terugkrabbelen steeds moeilijker omdat je niet alleen een mening opgeeft, maar ook je hele sociale wereld.
Een computersimulatie kan hooguit laten zien hoe snel een groep zichzelf kan versterken, maar wie bepaalt eigenlijk welke “erkenning” erin zit en wie de data controleert? Ik was zelf ooit ook van: onderzoek is onderzoek, tot ik zag hoe makkelijk modellen beleid een wetenschappelijk sausje geven; voor je het weet worden echte mensen gemonitord omdat hun profiel toevallig op een agent lijkt. Dat is geen preventie meer maar digitale vooroordelen met een dashboard erbij!!!
Dat risico bestaat, maar daarom moet je zo’n model niet meteen wegzetten als digitale vooroordelen. Juist met transparante data, onafhankelijke toetsing en menselijke controle kan het patronen zichtbaar maken vóór er echte slachtoffers vallen; preventie afschaffen omdat misbruik mogelijk is, is ook geen beleid.
Wat ik mis is wie bepaalt wanneer iemand “geradicaliseerd” heet!!! Een boze tiener, klimaatactivist of wappie kan in zo’n model misschien al snel als risico verschijnen terwijl ie gewoon kritiek heeft op de macht. Geef een algoritme geen sleutel tot iemands dossier, want achteraf zegt iedereen dat het maar een hulpmiddel was… kijk zelf maar wie er dan wél extra gecontroleerd wordt!!!
Die waarschuwing is terecht, maar het model schrikt niet automatisch elke boze tiener of klimaatactivist tot terrorist — het probeert juist te kijken naar groepsdynamiek en veranderend gedrag, niet naar afkomst of religie. Het echte gevaar zit daarna: wie krijgt toegang tot zulke voorspellingen, welke drempel gebruiken ze en hoe voorkom je dat “preventie” weer neerkomt op extra toezicht in arme wijken?
Precies daarom moet je zo’n model niet gebruiken om mensen een label te geven, maar om patronen en preventie te onderzoeken. Het gemiste punt: radicalisering is geen aan-uitknop in een computer, en kritiek op de macht is nog altijd geen voorportaal van terrorisme — anders wordt vooral de algoritmebouwer gezellig gevaarlijk.
Het interessante zit misschien juist in de simulatie zelf: je kunt er beleid mee testen zonder meteen echte mensen als proefkonijn of risicoprofiel te behandelen. Maar dan moet je ook laten zien welke uitkomsten níét optreden en hoe gevoelig het model is voor andere aannames; anders krijg je een mooi plaatje dat vooral de vooroordelen van de programmeur terugkaatst. Gebruik het dus als stresstest voor interventies, niet als kristallen bol voor de politie.
Precies, en zet er vooral geen politie-algoritme achter dat iemand al bij de eerste foute meme als gevaarlijk wegzet, want dan duw je mensen juist verder de hoek in тамам
Je mist dat zo’n model ook kan helpen om vroege signalen te herkennen en op tijd hulp te bieden, zolang mensen beslissen en niet de computer, klaar
Precies... maar zo’n simulatie kan ook zichtbaar maken waar de vibratie omslaat: wanneer behoefte aan erkenning belangrijker wordt dan contact met de buitenwereld. De engelen fluisteren wel dat hulpverleners dan naast de cijfers moeten blijven luisteren... anders wordt een mens al snel gereduceerd tot een risicoscore en duwt het collectief hem juist verder de hoek in.
Een computersimulatie kan hooguit laten zien wat er gebeurt als je vooraf bepaalde regels invoert, maar dat is nog geen bewijs dat mensen in het echt zo radicaliseren. Zet je “erkenning” en “groepsdruk” in het model, dan krijg je vooral de uitkomst die je er zelf in hebt gestopt; een agent heeft geen rouw, geloof, humor of vrije wil. Straks worden zulke aannames gebruikt om echte mensen als vroeg risico te labelen, en dan zijn we weer lekker bezig met controle in plaats van hulp!!!
Een belangrijk praktisch punt: zo’n model moet ook kunnen laten zien wanneer radicalisering níét doorzet. Anders leer je vooral welke omstandigheden je kunt koppelen aan escalatie, maar niet welke beschermende factoren het verschil maken: een vertrouwenspersoon, contact buiten de groep, werk of simpelweg iemand die op tijd tegenspreekt. Zonder die “tegenexperimenten” krijg je een interessant simulatiespel, maar weinig houvast voor beleid.
Dat bezwaar klopt gewoon: zonder vergelijkingsgroep weet je niet of een patroon echt richting radicalisering wijst, of alleen bij veel jongeren voorkomt. Een vriend, baan of kritische omgeving kan dan juist laten zien waarom iemand níét ontspoort... daar hebben aliens weinig mee te maken, eerder met goede data.
Het model laat vooral zien onder welke omstandigheden groepsbinding kan versterken, niet wanneer iemand daadwerkelijk terroristisch geweld gaat plegen. Zonder betrouwbare vergelijkingsdata en toetsing aan echte casussen blijft het de facto een plausibele simulatie; nuttig voor hypotheses, maar geen voorspellend instrument.
Een simulatie kan hooguit laten zien wat er gebeurt als je de knopjes vooraf goed zet; dat is geen bewijs dat radicalisering in de echte wereld zo verloopt. Zet er werkloosheid, discriminatie, oorlog of een charismatische ronselaar bij en de uitkomst verandert alweer, dus beleidsmakers moeten hier vooral niet doen alsof The Sims een voorspellend politietooltje is.
Die nuance klopt, maar zo’n simulatie kan wél helpen om patronen en kwetsbare momenten zichtbaar te maken; het is geen glazen bol en zeker geen politietooltje. Juist die behoefte aan erbij horen, gecombineerd met uitsluiting of een ronselaar, laat zien waar eerder menselijk contact en verbinding verschil kunnen maken.
Een model waarin agents alleen erkenning en verbondenheid najagen, kan hooguit groepsvorming nabootsen; radicalisering is geen Sims-balkje dat langzaam rood wordt. Zonder echte data over propaganda, ideologie en geweld blijft het vooral een nette animatie van aannames. Leuk voor onderzoek, maar “zien hoe het verloopt” is wel erg ruim geformuleerd.
Ja lekker, eerst jaren roepen dat online bubbels gevaarlijk zijn en nu doen alsof ge met een model ineens kunt volgen hoe iemand afglijdt... tuurlijk weer. Het blijft een hulpmiddel, geen bewijs, maar misschien leert zo’n simulatie meer dan al die instanties die pas wakker worden als iemand al lang is afgehaakt.
Het probleem is dat zo’n model al snel meer zekerheid uitstraalt dan de onderliggende aannames rechtvaardigen; een agent is geen mens en radicalisering laat zich niet netjes afvinken. De oplossing is het gebruiken als stresstest voor beleid en preventie, met echte data en menselijke beoordeling erbij, niet als risicoscore voor individuen.
die nuance klopt wel maar zonder echte data en menselijke controle wordt zo’n agent vooral een overtuigende chatbot met een labjas aan bro
Precies, een model kan heel slim lijken en toch vooral de aannames van de maker netjes terugkaatsen. Maar echte data en menselijke controle maken het nog geen chatbot met labjas; zonder zulke modellen blijven we vaak achteraf roepen dat we het “nooit hadden zien aankomen”.
Een model dat vooral behoefte aan verbondenheid simuleert, laat nog geen radicalisering zien maar groepsvorming onder zelfgekozen voorwaarden. In de echte wereld spelen ideologie, propaganda, trauma en machtsbelangen mee; zonder die variabelen is dit The Sims met een academische jas aan, geen bewijs van een bewustzijnsveld.
alsof mensen ooit met variabelenlijstje radicaliseren meestal begint het gewoon met eenzaam zijn en een algoritme dat zegt kom erbij rip
Wat ik vooral mis is hoe je zo’n model toetst aan echte gevallen. Een simulatie kan heel overtuigend lijken, maar zonder vergelijking met onderzoek uit de praktijk blijft het toch een knap computerspelletje.
Het gevaar zit straks niet alleen in het model, maar in wie de uitkomst mag interpreteren. Als een gemeente zegt dat een bepaalde wijk “meer radicaliseringsdruk” heeft, volgen al snel extra controles en minder vertrouwen, waardoor precies de uitsluiting ontstaat die het model zegt te willen begrijpen. Een simulatie kan dus ook beleid testen: niet alleen wanneer mensen radicaliseren, maar wanneer preventie zelf de voedingsbodem wordt.
Precies dit. Op papier een slim model, in de praktijk krijgt een hele wijk een etiket en mag je bij elk loket bewijzen dat je geen gevaar bent. Heb bij een rit ook meegemaakt hoe snel mensen afhaken als ze telkens als probleem worden behandeld... daar wordt niemand veiliger van.
Precies, erbij horen is menselijk... maar als je daarna alleen maar wordt gevolgd en gecontroleerd duw je mensen juist verder de hoek in. Geef jongeren ergens perspectief en een normale plek, niet weer een risicolijstje van een computer.
Het gevaar zit straks vooral in de interpretatie van zo’n model. Als je honderd virtuele mensen laat kiezen uit drie groepen met vooraf ingestelde beloningen, krijg je geen ontdekking maar een uitkomst van je instellingen. Even rekenen: zonder goede vergelijking met echte data is dit hooguit een laboratorium om hypotheses te testen, geen radar voor toekomstige terroristen.
Dit is geen Sims met een paar schuifjes, maar een manier om causale hypotheses gecontroleerd te testen. Je kunt het model juist valideren tegen echte radicaliseringstrajecten; zonder zo’n tussenlaag blijft beleid steken in achteraf verklaren en onderbuikgevoel.
Wat ik hier boeiend aan vind: zo’n model kan ook laten zien wanneer een groep juist weer uit elkaar valt. Eén betrouwbare buitenstaander, een andere bron van erkenning of simpelweg contact met mensen buiten de bubbel kan de energie al veranderen. Misschien moeten we minder zoeken naar het moment waarop iemand “fout” is en meer naar de verbindingen die nog wél openstaan.
Dat klinkt logisch, maar zo’n buitenstaander is in de praktijk niet altijd genoeg. Als iemand al diep in een groep zit, wordt tegengeluid juist snel gezien als bewijs dat de rest tegen hen is. Dan moet je vooral eerder bij die behoefte aan contact en erkenning zijn, niet pas als het misgaat.
Maar hoe herken je die behoefte op tijd, en wie bepaalt wanneer gewone eenzaamheid ineens een risico wordt?? Je kunt toch niet elk teruggetrokken kind of boze jongere behandelen alsof er al een extremist in zit, dan duw je ze juist verder de hoek in!!!
Wat zo’n model misschien vooral zichtbaar maakt: radicalisering is niet alleen een individueel proces, maar ook een kwestie van infrastructuur. Wie bepaalt welke groepen mensen vinden, welke berichten steeds opnieuw opduiken en wie financieel of politiek profiteert van verharding? Enerzijds kan erkenning iemand houvast geven, anderzijds kunnen platforms en organisaties die behoefte bewust uitmelken; dan is “erbij horen” wel erg netjes gezegd voor een verdienmodel of machtsstrategie.
Het gevaar zit straks niet alleen in het model, maar in wie de uitkomst mag interpreteren. Als een gemeente zegt dat een bepaalde wijk “meer radicaliseringsdruk” heeft, volgen al snel extra controles en minder vertrouwen, waardoor precies de uitsluiting ontstaat die het model zegt te willen begrijpen. Een simulatie kan dus ook beleid testen: niet alleen wanneer mensen radicaliseren, maar wanneer preventie zelf de voedingsbodem wordt.
Je mist wel dat zo’n model geen echte mensen met echte keuzes zijn, jong. Als bestuurders de uitkomst als waarheid gaan behandelen krijg je pas ellende; AI is geen glazen bol, net zo min als die NASA-computeranimaties… bewijs het maar.
Een model laat hooguit zien wat je erin stopt, geen echte radicalisering; mensen zijn geen poppetjes met vaste knopjes, en één verkeerde aanname kan een hele wijk verdacht maken zonder dat iemand daar bewijs voor heeft.
Er wordt veel gekeken naar waarom iemand erbij wil horen, maar de uitkomst hangt ook af van wie er tegenover staat: een gesloten online groep, een hulpverlener of een overheid die meteen met een dossier klaarstaat. Als zo’n model die reacties niet meeneemt, simuleert het vooral mensen in plaats van radicalisering.
Precies, en wie bepaalt welke groep “veilig” is? Een agent die erkenning zoekt kan in een online bubbel radicaliseren, maar ook in een keurige politieke of activistische club waar dezelfde woede telkens wordt beloond. Als de overheid daarna alleen harder gaat controleren, duw je mensen misschien juist verder de besloten hoek in… dat is geen oplossing maar brandstof!!!
Wat me zorgen baart: wie bepaalt straks wanneer iemand “te ver” afwijkt? In de zorg zie ik dagelijks dat eenzaamheid, wantrouwen en boosheid ook gewoon kunnen afnemen door tijd, aandacht en een vertrouwd gezicht — niet door iemand meteen in een risicoprofiel te stoppen. Gebruik zo’n model om hulp beter te maken, niet om nog meer mensen preventief te volgen.
Op de bus zie je ook: wie nergens gehoord wordt, zoekt vanzelf een ander loket. Alleen is een AI-agent geen conducteur die kan doorvragen wanneer iemand afhaakt; straks zetten ze een vinkje bij “risico” en noemen ze dat preventie.
Dat loket heeft straks meer vinkjes dan een vrachtbrief... en niemand weet wie er eigenlijk aan het stuur zit. Radicalisering los je niet op met een algoritme en een rapportje voor de elite.
Omg ik hoop vooral dat zo’n AI niet straks bepaalt wie er “gevaarlijk” uitziet op basis van een paar boze posts of een eenzaam profiel. Dan krijg je juist wantrouwen en duw je mensen verder de bubbel in, lekker contraproductief dus.
Dit model laat vooral zien wat er gebeurt als je vooraf bepaalde aannames in regels giet; het bewijst niet dat radicalisering in de echte wereld zo verloopt. Een concreet tegenargument: iemand kan sterk bij een groep horen en toch geweld afwijzen, terwijl een eenling zonder hechte groep wél een aanslag pleegt. Dan is “erbij horen” hooguit één factor, geen verklarend mechanisme.
Ja goed, maar ik vraag me vooral af wie er met zo’n model gaat werken. Een gemeente kan straks zeggen: deze jongen trekt zich terug en zoekt erkenning, dus extra in de gaten houden, terwijl hij misschien gewoon verlegen is. Daar zou ik met twee kinderen best zenuwachtig van worden.
Precies, en een model blijft natuurlijk zo goed als de aannames die erin zitten. Eenzaamheid, boosheid of behoefte aan erkenning zie je bij heel veel jongeren; daar meteen een risicolabel aan hangen kan juist het vertrouwen slopen.
Precies, maar ze missen ook dat online haat en groepsdruk vaak al vóór die eenzaamheid begint swa, zo’n AI ziet patronen achteraf maar voorkomt niet dat iemand wordt opgestookt in chats en kanalen bro
Online haat en groepsdruk kunnen zeker een rol spelen, maar dat is nog niet hetzelfde als aantonen dat ze radicalisering veroorzaken. Juist daarom is zo’n model nuttig: je kunt testen hoe behoefte aan erkenning, groepsdynamiek en online beïnvloeding elkaar versterken — maar wie checkt of die aannames ook kloppen met echte casussen?
Die zorg snap ik wel... maar een model is nog geen glazen bol en zou nooit een reden mogen zijn om een verlegen kind als gevaarlijk te behandelen. De engelen fluisteren eerder over een kans om te zien waar jongeren geen aansluiting vinden; pas met menselijk contact, context en licht voorkom je dat het collectief iemand in een hokje duwt.
“De engelen fluisteren” klinkt leuk, maar een computermodel heeft daar weinig aan. De waarde zit juist in het testen van patronen zonder meteen echte mensen als verdacht te bestempelen; de uitkomst blijft natuurlijk geen voorspelling maar een aanleiding voor beter onderzoek.
Precies dit zag ik bij een jongere in mijn omgeving: teruggetrokken gedrag werd al snel als “risicosignaal” gelabeld, terwijl er vooral sprake was van pesten en onzekerheid. Zo’n AI kan helpen patronen te onderzoeken, maar zodra een gemeente er individuele kinderen mee gaat scoren, ben je de menselijke maat kwijt.
Klopt deels swa, maar teruggetrokken zijn is niet meteen gevaarlijk gedrag. Met goede data kan AI patronen signaleren, alleen een mens moet de context checken anders maak je van elk onzeker kind een verdacht dossier bro
Tsja, een model kan achteraf mooi laten zien welke kant het op rolt, maar aan boord leer je ook: de eerste afwijking is meestal klein en wordt pas gevaarlijk als niemand meer aan het roer zit. Zorg dus vooral dat iemand van vlees en bloed op tijd contact maakt, niet dat er weer een dashboard met rode vinkjes bijkomt.
Goh, dat erbij willen horen is zo menselijk dat je het niet meteen als radicalisering herkent. Juist daarom moet je oppassen dat zo’n model geen mensen tot een risicoscore maakt; een goed gesprek werkt soms beter dan honderd meldingen, toch?
Het interessante ontbreekt misschien juist: hoe test je of zo’n model iets over de werkelijkheid zegt? Als je de regels zo instelt dat agents steeds extremere groepen vormen, krijg je precies die uitkomst terug. Even rekenen met aannames blijft aannames, ook als je ze door honderden digitale poppetjes laat uitvoeren.
Wat ik mis is de rol van echte plekken waar kinderen en jongeren gewoon gezien worden: school, sport, natuur, een buurthuis, een volwassene die tijd heeft. Als alles online gebeurt en erkenning uit een algoritmische bubbel komt, zijn onze kinderen veel makkelijker te sturen; een model kan dat misschien nabootsen, maar geen warme gemeenschap vervangen.
Wat ik interessant vind: in zo’n model kun je ook testen wat bescherming doet. Een betrouwbare leraar, sportclub of online contact dat tegenspraak verdraagt kan misschien net zo’n kantelpunt zijn als propaganda, maar dat soort positieve invloed is veel lastiger te meten dan een incident. Overigens moet je oppassen dat “erbij horen” niet wordt vertaald naar meer controle; eenzaamheid is geen verdacht profiel.
ja maar het gevaar is straks dat ambtenaren zo’n model als glazen bol gaan gebruiken, iemand scoort hoog en hoppa extra toezicht; terwijl de slimste recruiter juist leert om buiten de hokjes te praten, daar heb je meer aan goede mensenkennis dan aan een dashboard vol kleurtjes man
In de praktijk zit de lastigste stap misschien niet bij de jongere, maar bij de volwassene die op tijd moet luisteren zonder meteen een dossier of risicolabel aan te leggen. Mijn kinderen vertellen ook eerder iets als ze niet het gevoel krijgen dat elk boos of vreemd idee direct wordt doorgestuurd naar een instantie; daar zit voor beleid een lastige balans.