📈 economie

The Optimal Intensity of Performance Evaluation

Dit artikel transformeert de wetten van Goodhart en Campbell naar een geparametriseerd drempelmodel om aan te tonen dat universitaire prestatiebeoordeling een omgekeerde U-relatie vertoont met organisatorische effectiviteit, waarbij een kritiek kantelpunt wordt geïdentificeerd waar excessieve intensiteit tot disfunctie leidt en drie kwalitatieve hefbomen worden voorgesteld om deze effecten in diverse institutionele contexten te mitigeren.

Oorspronkelijke auteurs: Zhongjun Wang

Gepubliceerd 2026-09-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Zhongjun Wang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

In de moderne universiteit is een stille spanning gegroeid tussen het verlangen om succes te meten en de realiteit van wat dat succes daadwerkelijk creëert. Decennialang hebben bestuurders vertrouwd op cijfers — aantallen gepubliceerde artikelen, citatiecijfers en subsidiebedragen — om de kwaliteit van onderzoek en onderwijs te beoordelen. Deze aanpak rust op een simpel uitgangspunt: als je het kunt meten, kun je het beheren. Echter, een langdurige observatie in de economie en sociale wetenschappen waarschuwt dat deze logica een breekpunt heeft. Wanneer een maatstaf het primaire doel wordt, beginnen mensen te optimaliseren voor de cijfers zelf in plaats van voor de onderliggende waarde die de maatstaf bedoelde te vertegenwoordigen. Dit fenomeen, vaak Goodharts wet genoemd, suggereert dat een metriek ophoudt een goede maatstaf te zijn zodra het een doel wordt. In de academische wereld heeft dit geleid tot zorgen dat faculteitsleden minder tijd besteden aan diepgaand, moeilijk geleerd werk en meer aan activiteiten die simpelweg hun scores een boost geven, een proces dat doelverschuiving wordt genoemd. De vraag waar universiteiten vandaag de dag voor staan, is niet of ze metrieken moeten gebruiken, maar hoeveel er te veel is voordat het systeem tegen zichzelf begint te werken.

Een nieuwe studie door Zhongjun Wang transformeert deze abstracte waarschuwing in een concreet, meetbaar kader. In plaats van het falen van prestatiebeoordeling als een vage mogelijkheid te behanden, bouwt het onderzoek een wiskundig model om precies aan te wijzen waar de balans doorslaat. De kernbevinding is dat de relatie tussen hoe intensief een instelling haar personeel evalueert en de werkelijke kwaliteit van de output een specifieke vorm volgt: een omgekeerde U. Aanvankelijk helpt het toevoegen van striktere evaluatie. Het verheldert verwachtingen, stemt inspanningen af en verbetert de coördinatie. Maar dit voordeel houdt niet eeuwig stand. Het model identificeert een kritieke drempel, een specifiek punt van intensiteit waarboven het systeem vervalt in disfunctie. Zodra universiteiten deze lijn overschrijden, groeien de kosten van strategisch publiceren of het negeren van onderwijs zo snel dat ze elke resterende voordelen overtreffen, waardoor de instelling slechter achterblijft dan wanneer zij helemaal geen metrieken had gebruikt.

Het onderzoek stopt niet bij het identificeren van de gevarenzone; het biedt een manier om er doorheen te navigeren door de oplossing op te splitsen in drie onderscheidende instrumenten. De studie betoogt dat het simpelweg vervangen van "kwantitatieve" cijfers door "kwalitatieve" meningen een te bot instrument is. In plaats daarvan splitst het de rol van menselijk oordeel op in drie specifieke hefbomen: peer review, waarde-afstemming en procedurele rechtvaardigheid. Peer review, waarbij experts het werk direct beoordelen, fungeert als een schild dat de gevaarlijke drempel verder opschuift, waardoor instellingen meer metrieken veilig kunnen gebruiken. Het afstemmen van metrieken op de specifie specifieke missie van de universiteit — of dat nu onderwijs, onderzoek of dienstverlening is — verhoogt het plafond van wat bereikt kan worden. Ten slotte zorgt het waarborgen dat het evaluatieproces eerlijk aanvoelt voor de faculteit voor een vermindering van de basisweerstand en de onderliggende wrok die energie uit het systeem drainen. Deze drie elementen zijn niet uitwisselbaar; elk lost een ander deel van het probleem op, en het gebruik van het verkeerde element zal de ineenstorting niet voorkomen.

Om te begrijpen hoe deze afbraak in de loop van de tijd plaatsvindt, gebruikt de auteur een dynamisch model dat bijhoudt hoe het gedrag van de faculteit verschuift. De simulatie laat zien dat zodra de intensiteit van de evaluatie de kritieke drempel overschrijdt, er een subtiele maar krachtige verandering optreedt in de academische cultuur. Zelfs als het aantal publicaties blijft stijgen, begint de werkelijke kwaliteit van het werk naar beneden te dalen. Dit gebeurt omdat de druk om te presteren op de metrieken zo overweldigend wordt dat het de sociale normen van de werkplek verandert. Wat ooit werd beschouwd als een kleine afslag, wordt een standaardpraktijk, en de collectieve inspanning van de universiteit verschuift van het creëren van werkelijke waarde naar het optimaliseren van de score. Het model toont aan dat deze divergentie niet onmiddellijk is; het versnelt naarmate meer mensen meedoen aan het spel, wat een feedbackloop creëert waarin het systeem de verkeerde gedragingen steeds zwaarder beloont.

De studie verduidelijkt ook waarom sommige universiteiten onder hoge druk omgevingen lijken te overleven terwijl andere instorten. De drempel is geen vast getal voor iedereen; het hangt af van het ontwerp van de instelling. Universiteiten met sterke peer-reviewsystemen en eerlijke procedures kunnen een hogere intensiteit van meting verdragen voordat ze tegen de muur aanlopen. Daarentegen bereiken systemen die zwaar leunen op ruwe cijfers zonder deze waarborgen veel sneller het punt van disfunctie. Het onderzoek suggereert dat de huidige trend van toenemende metrieken, gedreven door wereldwijde ranglijsten en concurrentie, veel instellingen gevaarlijk dicht bij of zelfs voorbij deze limiet brengt. Het model impliceert dat het simpelweg verminderen van het aantal metrieken niet genoeg is; de oplossing vereist het opbouwen van de capaciteit voor hoogwaardig menselijk oordeel om het systeem te bufferen.

Uiteindelijk biedt dit werk een diagnostisch instrument voor universiteitsbestuurders en beleidsmakers. Het verplaatst het debat weg van de binaire keuze tussen "metrieken versus geen metrieken" en naar een meer genuanceerde vraag van ontwerp. De studie suggereert dat er een optimale intensiteit voor evaluatie bestaat, een 'sweet spot' waar verantwoording de prestaties verbetert zonder de contraproductieve gedragingen te triggeren waar Goodharts wet voor waarschuwt. Door de drempel te behandelen als een variabele die beheerd kan worden door middel van betere peer review en eerlijkere processen, biedt het onderzoek een weg vooruit. Het geeft aan dat het doel niet is om meting te elimineren, maar om ervoor te zorgen dat de intensiteit van die meting onder het punt blijft waarop het begint met het vernietigen van de waarde die het probeert te meten. De bevindingen worden gepresenteerd als een reeks toetsbare proposities, die uitnodigen tot verdere gegevensverzameling om de exacte locatie van deze drempels voor verschillende soorten instellingen te verfijnen, maar de centrale boodschap is duidelijk: er is een limiet aan hoeveel we kunnen meten voordat we de verkeerde dingen gaan meten.

Technische Samenvatting: De Optimale Intensiteit van Prestatiebeoordeling

Probleemstelling
Prestatiebeoordeling is een centraal sturingsinstrument geworden in het hoger onderwijs, maar het vakgebied mist een formeel begrip van het punt waarop de intensiteit van de beoordeling niet langer voordelig is en de organisatiedoelen begint te ondermijnen. Hoewel de Wet van Goodhart (1975) en de Wet van Campbell (1979) breed worden aangehaald als retorische waarschuwingen dat "een maatstaf een doel wordt en ophoudt een goede maatstaf te zijn", blijven zij interpretatieve metaforen in plaats van kwantificeerbare modellen. Bestaande literatuur documenteert metrieke overbelasting en doelverschuiving kwalitatief, maar faalt in het leveren van een formeel model van de niet-monotone relatie tussen beoordelingsintensiteit en uitkomsten, met name een model dat institutionele drempels en endogene mitigatiemechanismen incorporeert. Bijgevolg kunnen beleidsmakers niet bepalen wanneer beoordeling helpt of schaadt, noch kunnen zij onderscheid maken tussen verschillende soorten kwalitatieve beoordeling.

Methodologie
Het artikel ontwikkelt een formeel drempelmodel dat organisatie-economie, motivatiepsychologie en beleidsanalyse voor het hoger onderwijs integreert. De methodologie verloopt via drie afzonderlijke formuleringen:

Statisch Univariaat Model: Het model definieert organisatorische effectiviteit $U(k)$ als het nettoresultaat van een afstemmingsvoordeel $U_1(k)$ en een disfunctionele kostenpost $U_2(k)$ , waarbij $k$ de beoordelingsintensiteit vertegenwoordigt.
- Afstemmingsvoordeel: Gemodelleerd als een concave exponentiële functie $A(1 - e^{-\alpha k})$ , wat de afnemende marginale meeropbrengsten van coördinatie en feedback weerspiegelt.
- Disfunctionele Kosten: Gemodelleerd als een stuksgewijze functie. Onder een kritieke drempel $k_0$ groeien de kosten lineair. Boven $k_0$ versnellen de kosten exponentieel door twee versterkende feedbackmechanismen: een sociaal-normatief effect (waarbij het manipuleren van de regels genormaliseerd wordt) en een organisatorisch-amplificatie-effect (waarbij het management de metrieken intensiveert als reactie op kortetermijnwinsten).
- Resultaat: Deze structuur levert een omgekeerde U-vormige relatie op tussen intensiteit en effectiviteit, met een "break-even punt" waar excessieve beoordeling de organisatie slechter maakt dan wanneer er geen beoordeling zou zijn.
Bivariante Uitbreiding (Kwalitatief Oordeel): Het model introduceert een gewicht $w$ voor kwalitatief oordeel, waarbij dit wordt gedecomposeerd in drie niet-uitwisselbare hefbomen:
- Peer Review ( $w_p$ ): Verhoogt primair de drempel $k_0$ door informatie-asymmetrie te verminderen.
- Waardeoriëntatie ( $w_v$ ): Verhoogt primair het plafond van het voordeel $A$ door metrieken af te stemmen op institutionele missies.
- Procedurele Rechtvaardigheid ( $w_j$ ): Vermindert primair de basislijn van de disfunctionele kosten $B$ door weerstand te mitigeren.
- Deze formulering vervangt het ongedifferentieerde debat over "kwantitatief versus kwalitatief" door een geparametriseerde ontwerpplaats waarin specifieke hefbomen specifieke parameters verschuiven.
Dynamische Drift-Diffusie Laag: Om de temporele evolutie van gedrag te vangen, gebruikt het artikel een Fokker–Planck-vergelijing.
- Mechanisme: De inspanning van de faculteit wordt gemodelleerd als een dichtheidsverdeling $e(x,t)$ over een kwaliteitspectrum $x \in [0,1]$ , waarbij $x=0$ pure metriek-optimalisatie is en $x=1$ werkelijke waardecreatie.
- Drift: Boven de drempel $k_0$ wordt een drift-snelheidsterm geactiveerd die de verdeling van de inspanning richting laagwaardige metriek-optimalisatie duwt.
- Resultaat: Deze laag toont aan dat zelfs wanneer de metrieke scores ( $M(t)$ ) stijgen, de werkelijke waarde ( $V(t)$ ) monotoon afneemt, wat een dynamisch micro-fundament biedt voor de Wet van Goodhart.

Belangrijkste Resultaten

Omgekeerde U-relatie: Het model bevestigt dat organisatorische effectiviteit een omgekeerde U-curve volgt ten opzichte van de beoordelingsintensiteit. Er bestaat een optimale intensiteit $k^{**}$ en een break-even punt $k_{be}$ waarboven de netto nuttigheid negatief wordt.
Bestaan van Drempels: Er bestaat een kritieke institutionele drempel $k_0$ . Onder dit punt groeit disfunctie lineair; boven dit punt versnelt disfunctie exponentieel door sociaal-normatieve kantelpunten.
Differentiatie van Hefbomen: Kwalitatief oordeel is geen monolithische oplossing. Peer review is het primaire mechanisme om de duurzame drempel $k_0$ te verhogen; waardeoriëntatie verhoogt het maximale potentiële voordeel; en procedurele rechtvaardigheid verlaagt de basislijn van de administratieve kosten.
Dynamische Divergentie: In regimes waar $k > k_0$ , voorspelt het model een progressieve divergentie waarbij de metrieke scores toenemen terwijl de werkelijke organisatorische waarde afneemt, gedreven door een verschuiving in de verdeling van de inspanning van de faculteit naar het optimaliseren van metrieken.

Zes Falsifieerbare Proposities
Het artikel destilleert het model tot zes toetsbare proposities met specifieke identificatiestrategieën voor empirisch onderzoek:

Niet-monotoniciteit: Beoordelingsintensiteit en effectiviteit volgen een omgekeerde U-vorm (toetsbaar via institutionele paneldata).
Drempeleffect: Disfuncties ontstaan snel voorbij een kritieke drempel (toetsbaar via difference-in-differences met hervormingen zoals de Chinese "Break Five Onlys").
Moderatie: Kwalitatief oordeel verhoogt de drempel $k_0$ (toetsbaar via mediatiemodellen).
Differentieel Effect: Peer review verhoogt $k_0$ sterker dan procedurele rechtvaardigheid (toetsbaar via interactietermen in hiërarchische regressie).
Dynamische Adaptatie: De divergentie tussen metrieke scores en werkelijke waarde versnelt in de tijd wanneer $k > k_0$ (toetsbaar via event studies).
Heterogeniteit: De drempel $k_0$ varieert per loopbaanfase (lager voor beginnende onderzoekers) en discipline (hoger in kwantificeerbare STEM-velden).

Betekenis en Claims
Het artikel claimt drie primaire bijdragen te leveren aan de wetenschap over het hoger onderwijs:

Formalisering van Metafoor: Het zet de Wetten van Goodhart en Campbell om van interpretatieve metaforen naar een geparametriseerd, falsifieerbaar drempelmodel. In tegenstelling tot eerdere economische modellen (bijv. Rablen, 2010) die steunen op individuele referentiepunten, identificeert dit model een institutionele drempel waar disfunctie versnelt.
Decompositie van Kwalitatieve Beoordeling: Het gaat voorbij het binaire debat "kwantitatief versus kwalitatief" door drie onderscheidende, niet-uitwisselbare hefbomen te identificeren (peer review, waardeoriëntatie, procedurele rechtvaardigheid) die via specifieke mechanismen opereren. Dit maakt gerichte beleidsontwerp mogelijk in plaats van generieke oproepen voor "meer kwalitatieve beoordeling".
Dynamisch Mechanisme: Door een Fokker–Planck drift-diffusie laag te integreren, verklaart het model hoe en waarom metrieke scores en werkelijke waarde in de loop van de tijd uiteenlopen, wat een gedragsmatig micro-fundament biedt voor de exponentiële kosten van disfunctie.

Het artikel positioneert zichzelf als een diagnostisch instrument in plaats van een voorschrijvend oordeel. Het stelt dat de "optimale" intensiteit geen universele constante is, maar een functie van institutionele ontwerpparameters. Het model dient als een kader om te diagnosticeren of een specifiek beoordelingssysteem (bijv. de Chinese "Break Five Onlys", de Britse REF, of Amerikaanse prestatieafhankelijke financiering) opereert binnen een duurzaam regime of een drempel naar disfunctie heeft overschreden. De auteur benadrukt dat de kwantitatieve waarden (bijv. $k_0 = 0,5$ ) illustratief zijn en empirische kalibratie vereisen, maar dat de kwalitatieve voorspellingen over het bestaan van een drempel en de richting van de drift robuust zijn over variaties in parameters.

Meer zoals dit