Stel je voor dat je een gesprek voert met iemand die je voortdurend gelijk geeft. Dat voelt misschien even prettig – bevestiging krijgen is tenslotte fijn – maar geloof me: al snel wordt het irritant. Je krijgt geen tegenspraak, geen kritische vragen, geen nieuwe ideeën. En vooral: je leert er niks van.
Ik moet hier steeds vaker aan denken als ik grote taalmodellen zoals ChatGPT gebruik.In onderzoek wordt dit inmiddels AI sycophancy genoemd: de neiging van een model om je naar de mond te praten. Niet omdat ze je zo sympathiek vinden – de dingen hebben geen gevoelens -, maar omdat hun onderliggende mechaniek erop gericht is om het meest waarschijnlijke antwoord te geven op basis van jouw input. Vraag je om een opsomming van voordelen? Dan krijg je die. Vraag je om een pleidooi voor X? Dan krijg je een pleidooi voor X. De kans dat het model spontaan zegt: “Misschien heb je het mis” of “Dit klopt niet helemaal” is klein. Zie ook het onderzoek dat ik vorige week bracht over mythes en LLM’s.
Dat lijkt onschuldig, maar de gevolgen kunnen behoorlijk groot zijn. Als docent of onderzoeker gebruik ik zulke tools ook wel eens om ideeën te verkennen. Maar als de AI mij vooral bevestigt, dan vergroot dat potentieel mijn blinde vlekken. Het model versterkt bestaande aannames in plaats van ze uit te dagen. En erger: het doet dat vaak met een zelfverzekerde toon, waardoor de illusie ontstaat dat het wél stevig onderbouwd is.
We weten uit de psychologie dat leren vaak ook net juist kan ontstaan uit frictie: wanneer je geconfronteerd wordt met een andere visie, wanneer je merkt dat je iets fout had, of wanneer iemand kritische vragen stelt. Als AI die frictie systematisch gladstrijkt, dan verdwijnt een belangrijk deel van het leerproces. Je krijgt een comfortabele echo, maar geen verdieping.
Dus nee, het probleem met LLM’s is niet dat ze altijd fout zijn. Vaak zijn ze verbazend goed. Misschien is het grootste probleem wel dat ze nauwelijks tegenstem bieden. En dat maakt ons wellicht gemakzuchtiger. We hoeven niet meer te zoeken naar tegenargumenten, want het model legt ons de bevestiging al voor.
De echte uitdaging is dus niet: “Hoe krijgen we de AI slimmer?” maar “Hoe zorgen we dat wij kritisch blijven?” Misschien betekent dat dat we bewuster vragen moeten stellen: “Geef me de tegenargumenten”, “Wat zijn de beperkingen van dit idee?”, of gewoon: “Wat kan hier níét kloppen?” En misschien betekent het ook dat we onszelf eraan moeten herinneren dat echte kennis zelden voelt als vlekkeloze bevestiging. Als we niet oppassen, maken LLM’s ons vooral comfortabeler, niet wijzer.”
Generatieve AI-tools zoals ChatGPT en Copilot maken ons werk vaak makkelijker. Dat is handig – maar wat betekent het voor ons vermogen om kritisch te blijven denken? Een nieuwe studie van Hao-Ping Lee en collega’s onder 319 kenniswerkers biedt daar een inkijk in.
De onderzoekers vroegen deelnemers om concrete voorbeelden te geven van taken waarbij ze GenAI gebruikten (936 in totaal) en te beschrijven in hoeverre ze daarbij kritisch dachten. ‘Kritisch denken’ werd breed opgevat: van het scherp formuleren van doelen en prompts, tot het controleren van feiten, het aanpassen van AI-teksten aan context, en het integreren van AI-output in groter werk.
Het beeld is dubbel. Enerzijds zien veel kenniswerkers zichzelf kritisch nadenken, vooral als ze:
zeker zijn van hun eigen kunnen,
vertrouwen hebben in hun vermogen om AI-output te evalueren,
of sowieso al vaak reflecteren in hun werk.
Anderzijds geldt ook: hoe groter het vertrouwen in AI, hoe minder kritisch denken men rapporteert. En in de meeste gevallen ervoeren deelnemers dat GenAI het benodigde denkwerk juist minder inspannend maakte – soms omdat AI hen ondersteunt, maar soms ook omdat ze simpelweg minder diep nadachten.
Interessant is ook hoe het kritisch denken verschuift. In plaats van zelf inhoud te creëren, gaat de energie vaker naar het beoordelen en integreren van AI-output. Dat vraagt nog steeds scherpte, maar is een ander soort cognitieve inspanning. Het risico is dat, zeker bij routinetaken of lage-stakes werk, die kritische laag langzaam afbrokkelt.
Het sterke punt is dat dit geen laboratoriumstudie is, maar een breed, praktijkgericht onderzoek onder kenniswerkers in allerlei sectoren. De studie brengt goed in kaart wanneer en waarom mensen kritisch denken met AI, en schetst een rijk beeld van de verschuiving in cognitieve inspanning – van maken naar beoordelen. Dat is waardevol voor iedereen die wil weten hoe AI het dagelijks werk beïnvloedt.
Dit blijft zelfrapportage: mensen zeggen hoe ze dénken dat ze werken, maar dat hoeft niet overeen te komen met hun feitelijke gedrag. Er is geen objectieve meting van kritisch denken of van de kwaliteit van het eindresultaat. De steekproef is bovendien niet representatief – het gaat om Prolific-gebruikers die AI al regelmatig inzetten. En ‘minder inspanning’ kan zowel efficiëntie betekenen als verlies aan diepgang – dat onderscheid wordt hier niet scherp gemaakt.
Deze studie laat zien dat GenAI ons niet dommer hoeft te maken, maar dat het risico van verslapping reëel is – vooral als we AI klakkeloos vertrouwen. Ontwerpers van AI-tools zouden gebruikers meer kunnen prikkelen tot reflectie, bijvoorbeeld via gerichte vragen, verificatie-opdrachten of alternatieve perspectieven. En wijzelf? Misschien moeten we onszelf af en toe de simpele vraag stellen: “Heb ik dit nu gecontroleerd, of heb ik het gewoon aangenomen omdat het mooi klonk?”
The rise of Generative AI (GenAI) in knowledge workflows raises questions about its impact on critical thinking skills and practices. We survey 319 knowledge workers to investigate 1) when and how they perceive the enaction of critical thinking when using GenAI, and 2) when and why GenAI affects their effort to do so. Participants shared 936 first-hand examples of using GenAI in work tasks. Quantitatively, when considering both task- and user-specific factors, a user’s task-specific self-confidence and confidence in GenAI are predictive of whether critical thinking is enacted and the effort of doing so in GenAI-assisted tasks. Specifically, higher confidence in GenAI is associated with less critical thinking, while higher self-confidence is associated with more critical thinking. Qualitatively, GenAI shifts the nature of critical thinking toward information verification, response integration, and task stewardship. Our insights reveal new design challenges and opportunities for developing GenAI tools for knowledge work.
We weten al langer dat eigenschappen zoals intelligentie en een gunstige socio-economische achtergrond helpen in het leven. Maar onderzoek laat keer op keer zien dat één persoonlijkheidskenmerk minstens zo belangrijk is: consciëntieusheid. Of eenvoudiger gezegd: de neiging om betrouwbaar, gedisciplineerd en doelgericht te zijn.
Wie hoog scoort op consciëntieusheid, heeft gemiddeld meer succes in werk en relaties, leeft langer en komt beter door moeilijke tijden, zoals recessies. Dat is logisch: weten wat je moet doen is één ding, het ook dóén is iets anders. In een wereld vol verleidingen – sociale media, streaming, online shoppen of gamen – wordt het vermogen om die te weerstaan bijna een superkracht.
En juist dat vermogen lijkt te eroderen. In een analyse voor de Financial Times beschrijft John Burn-Murdoch hoe recente gegevens uit de Understanding America Study laten zien dat vooral jongvolwassenen (20- en 30-ers) zichzelf minder consciëntieus noemen: sneller afgeleid, minder vasthoudend, minder geneigd afspraken te maken én na te komen. Het gaat om een voortzetting van een trend die al tijdens de pandemie zichtbaar werd.
De mogelijke oorzaken die Burn-Murdoch aanhaalt, klinken bekend: de altijd-aan digitale media met hun eindeloze prikkels, de mogelijkheid om plannen op het laatste moment te laten vallen en het verdwijnen van face-to-face contact. Daarbij gaat het niet alleen om consciëntieusheid: ook extraversie en vriendelijkheid nemen af, terwijl neuroticisme juist stijgt.
Het is verleidelijk om zo’n ontwikkeling als onvermijdelijk te zien, maar Burn-Murdoch wijst ook op iets hoopvollers: persoonlijkheid is geen vaststaand gegeven. Er is veel bewijs dat eigenschappen als consciëntieusheid te ontwikkelen zijn, bijvoorbeeld door bewust te oefenen met doelen stellen, volhouden en afmaken wat we beginnen.
Misschien is dat wel de ironie van dit verhaal: om die trend te keren, hebben we juist een flinke dosis… consciëntieusheid nodig.
Wetenschap is er niet om ons te plezieren. Ze is er om te begrijpen hoe de wereld werkt — ook als die inzichten ons ongemakkelijk maken. Maar wat gebeurt er als wetenschappelijke bevindingen lijnrecht ingaan tegen onze diepste overtuigingen? Dan blijkt dat we zelden eerlijk blijven oordelen. In een grootschalig onderzoek (N = 7.040) toonden Cory Clark en collega’s hoe morele verontwaardiging onze manier van denken over wetenschap ondergraaft.
De onderzoekers gebruikten telkens dezelfde tekstjes over wetenschappelijk onderzoek, maar met een twist: in de ene versie kwam de politieke linkerzijde er beter uit, in de andere de rechterzijde; in de ene bleken mannen betere mentoren, in de andere vrouwen. De resultaten? Als het besluit botste met iemands overtuigingen, dan veranderde meteen ook de manier waarop ze het onderzoek beoordeelden. De methodes waren zogezegd “onduidelijk”, de onderzoeksvraag “onbeantwoordbaar” of zelfs “moreel ongepast”, en de onderzoekers “incompetent” of “manipulatief”. Hetzelfde onderzoek werd dus geloofwaardiger geacht wanneer de conclusie in de smaak viel.
De auteurs spreken van cognitive chicanery: een batterij aan mentale verdedigingsmechanismen waarmee we onwelgevallige wetenschap wegwuiven. Die strategieën zijn opvallend herkenbaar:
Motivated confusion: beweren dat de studie ‘onduidelijk’ of ‘te complex’ is, terwijl het eerder de conclusie is die tegen de borst stuit. Niet begrijpen wordt zo een excuus om niet te hoeven nadenken.
Motivated postmodernism: de onderzoeksvraag zelf in twijfel trekken — “dit kun je toch niet meten?”, “dit is niet iets wat je met data moet willen onderzoeken” — alsof wetenschap zich uit morele beleefdheid moet inhouden.
Anecdote elevation: persoonlijke verhalen of ‘leefervaring’ verkiezen boven systematische gegevens, vooral wanneer die data niet in de gewenste richting wijzen.
Contradictorisch redeneren: in één adem beweren dat het onderzoek zowel ‘te belachelijk’ als ‘oud nieuws’ is, of dat de onderzoekers tegelijk dom zijn én geslepen manipulators. Alles is goed, zolang het maar tegen het resultaat pleit.
Retorische trucs: argumenten onderuit halen door ze te overdrijven (“dus je zegt dat álle vrouwen slechte mentoren zijn?”), in een kwaad daglicht te zetten (“dit is pseudowetenschap”), of persoonlijk te worden (“deze onderzoekers zijn gewoon seksisten”).
En dan zijn er nog de klassiekers: “de steekproef is te klein”, “je moet de context kennen”, “de studie is methodologisch zwak” — ook als dezelfde argumenten niet gebruikt worden bij studies met bevindingen die wél goed aanvoelen.
Wat dit onderzoek zo interessant maakt, is dat het niet over extremisten gaat, maar over doorsnee burgers — en ja, zelfs wetenschappers. Moraal blijkt een machtige filter te zijn, zelfs bij mensen die denken rationeel te oordelen. De les? Wie het debat over wetenschap en beleid ernstig neemt, moet ook oog hebben voor de psychologische reflexen die ons sturen. Want soms is het niet het onderzoek dat rammelt, maar onze bereidheid om ermee in dialoog te gaan.
We document a mutually reinforcing set of belief-system defenses—”cognitive chicanery”—that transform “morally wrong” scientific claims into “empirically wrong” claims. Five experiments (4 preregistered, N=7,040) show that when participants read identical abstracts that varied only in the sociomoral desirability of the conclusions, morally offended participants were likelier to (1) dismiss the writing as incomprehensible (motivated confusion); (2) deny the empirical status of the research question (motivated postmodernism), (3) endorse claims inspired by Schopenhauer’s Stratagems for always being right and the CIA’s strategies for citizen-saboteurs, and (4) endorse a set of contradictory complaints, including that sample sizes are too small and that anecdotes are more informative than data, that the researchers are both unintelligent and crafty manipulators, and that the findings are both preposterous and old news. These patterns are consistent with motivated cognition, in which individuals seize on easy strategies for neutralizing disturbing knowledge claims, minimizing the need to update beliefs. All strategies were activated at once, in a sort of “belief-system overkill,” that ensures avoidance of unfortunate epistemic discoveries. Future research should expand on this set of strategies and explore how their deployment may undermine the pursuit of knowledge.
Wat als je elke dag opnieuw bang bent dat anderen zullen ontdekken dat je eigenlijk niet zo slim bent? Dat je succes het gevolg is van toeval, van een goede dag, van andermans hulp – maar zeker niet van jezelf? Dat is de kern van het impostorfenomeen, en een recent onderzoek van Jiyun Elizabeth L. Shin (Binghamton University) laat zien hoe wijdverspreid dat gevoel is onder vrouwelijke master- en doctoraatsstudenten in de wetenschap en technologie.
Voor haar studie bevroeg Shin tachtig vrouwelijke studenten uit verschillende STEM-richtingen (zoals engineering, informatica, fysica en wiskunde) aan diverse Amerikaanse universiteiten. De respondenten werden geworven via studentenorganisaties en universiteitscommunicatie, en vulden online een vragenlijst in. De steekproef was etnisch divers en varieerde van eerstejaars masterstudenten tot doctorandi in een ver gevorderd stadium. De studie werd uitgevoerd via het platform Qualtrics, en de deelnemers ontvingen een kleine vergoeding voor hun tijd.
De resultaten zijn opvallend: 97,5 procent van de ondervraagde vrouwen gaf aan minstens matige gevoelens van impostorism te ervaren. Dat is niet zomaar onzekerheid. Het is een diepe overtuiging dat je je succes niet verdient, dat je ieder moment door de mand kan vallen – ook al spreken je resultaten dat tegen. En dat knaagt. Niet alleen aan je zelfbeeld, maar ook aan je welzijn: hoe sterker het impostorgevoel, hoe slechter de mentale gezondheid, hoe groter de kans op burn-out en hoe vaker deze vrouwen overwegen om te stoppen met hun opleiding.
Opvallend genoeg blijkt dat gevoel van ‘een bedrieger zijn’ niet samen te hangen met hun daadwerkelijke academische prestaties. Geen verschil in aantal publicaties. Geen verschil in GPA – het gemiddelde van alle behaalde cijfers, dat in de VS doorgaans op een schaal van 0 tot 4 berekend wordt. Met andere woorden: ze zijn wél goed bezig – ze voelen het alleen niet zo.
Waarom treft dit fenomeen vrouwen in STEM zo hard? Volgens Shin speelt stereotypering een grote rol. In technische en wetenschappelijke richtingen, waar succes vaak wordt toegeschreven aan ‘aangeboren talent’, botsen vrouwen op het impliciete idee dat zij dat talent minder zouden bezitten. Voeg daar nog expliciete of subtiele vormen van seksisme aan toe, en je krijgt een perfecte voedingsbodem voor impostorgevoelens. Zeker als je, zoals veel van de respondenten, in een minderheid bent binnen je opleiding.
Het gevolg? Niet alleen individueel leed, maar ook structureel verlies. Want zelfs vrouwen die het goed doen – en dus hard nodig zijn voor diversiteit en innovatie – haken af. Niet omdat ze niet kunnen volgen, maar omdat ze zich niet thuis voelen. Omdat ze geloven dat ze er niet horen.
Dit onderzoek roept dus niet op tot meer veerkracht bij studenten, maar tot structurele verandering. Begeleiding en mentoring kunnen helpen, net als bewustwording bij begeleiders. Maar belangrijker is misschien nog: een cultuurverandering in STEM, weg van het mythische genie en het briljante individu, naar een leeromgeving waar falen, vragen en groeien erbij horen. Zodat niemand zich een bedrieger hoeft te voelen – zeker niet zij die het verschil kunnen maken. (oja, ik schreef er ooit een liedje over.)
Impostorism is a psychological phenomenon characterized by persistent self-doubt and a fear of being exposed as an intellectual fraud, despite objective records of success. This phenomenon was first observed among high achieving women. The current study investigated impostorism among graduate women in science, technology, engineering, and mathematics (STEM) programs, a group that has historically been underrepresented and often subjected to negative stereotypes and discriminatory treatment, increasing their vulnerability to impostor experiences. A diverse group of 80 graduate women in STEM from various institutions in the U.S. participated in this study. Results demonstrated a high prevalence of impostorism with 97.5% reporting at least a moderate level of impostor experiences. Furthermore, a series of simple linear regression analyses revealed that impostorism predicted poorer mental health as well as greater burnout and dropout consideration, supporting the study hypotheses. Given that impostorism is experienced by high achieving individuals, impostorism was not expected to predict academic achievements. Supporting this hypothesis, impostorism did not predict academic achievements, as measured by the number of publications and graduate GPA. Implications and future directions are discussed.
*update*: in de oorspronkelijke versie haalde ik beide posts door elkaar. Volgende keer betere notities maken als ik iets lees in mijn vakantie!
Er zijn mensen die een AI-model zien code genereren, samenvattingen schrijven of zelfs een halve roman neerpennen, en denken: Wow. De toekomst is nu.
En dan heb je Ptacek. In zijn stuk dat qua toon ergens balanceert tussen een stand-up monoloog en een IT-dictaat – legt Ptacek uit waarom AI niets voorstelt. Codegeneratie? Tijdverlies. Automatisering? Overschat. Iedereen die AI gebruikt om te werken of leren? Zwaargevallen. Volgens hem zijn we collectief gehersenspoeld door Silicon Valley goeroes, TED-talks en misschien ook een beetje door onze eigen hoop dat technologie ooit iets makkelijker zou maken.
Want neen, niemand beweert dat ChatGPT perfect is. (Tenzij misschien ChatGPT zelf, op een slechte dag.) Maar dat betekent nog niet dat het waardeloos is. AI doet al zinvolle dingen: helpen structureren, samenvatten, corrigeren, genereren. En ja, ook code schrijven – mits de mens in de buurt blijft. Maar ja, zelfs een mens zou ik niet altijd zonder toezicht laten programmeren.
Ptacek wil ons zowat doen geloven dat AI pure onzin is omdat het nog niet alles foutloos en autonoom doet. Da’s alsof je in 1903 naar de Wright brothers kijkt, hun vliegtuig 12 seconden ziet vliegen, en roept: “Haha, nog steeds geen intercontinentale vlucht, sukkels!”
De waarheid zit ergens tussen een hype en een hoax. AI is geen magische oplossing, maar ook geen nutteloos speeltje. Het is een gereedschap. En of dat nu een hamer is of een hallucinerende tekstrobot, het hangt af van wie ermee werkt.
Dus zijn we allemaal gek? Misschien. Maar als dat betekent dat we met open vizier experimenteren, bijleren en fouten durven maken – dan is dat een soort waanzin waar ik wel in geloof.
Misschien zullen nu een paar mensen verbaasd zijn. Ik kreeg de voorbije maanden een paar keer te horen dat ik veel te negatief ben over AI. Maar deze stempel krijg je al snel, merkte ik, als je kritisch durft zijn. Of – terecht imho – opmerkt dat veel onderzoek naar leren en AI behoorlijk rammelt. Maar voorzichtigheid is een mes dat aan twee kanten snijdt – of misschien wel drie. Het is de beperkingen en de gevaren zien én de mogelijkheden onderzoeken.
Oorlogen, humanitaire crisis, klimaatverandering. Het lijkt alsof de wereld steeds zwaarder aanvoelt. Geen wonder dat optimistisch blijven voor veel mensen een uitdaging is. Maar volgens Nicole Geschwind (Maastricht University) kan juist in donkere tijden een positieve houding het verschil maken. In deze aflevering legt Nicole uit waarom het helemaal niet zo vanzelfsprekend is om positief in het leven te staan en hoe optimisme verrassend veel voordelen heeft voor je gezondheid.
Soms klinkt een wetenschappelijke vraag bijna kinderlijk eenvoudig: kan je brein op of helemaal vol raken? Is er een moment waarop je geen herinneringen meer kan opslaan omdat het geheugen ‘vol’ zit? Ik stelde me gisteren zelf die vraag toen ik in de Wereld van Sofie een interview hoorde met Liam, een blinde jongen die bijna alles in zijn leven gewoon onthoudt. Een artikel op IFLScience stelde recent precies ook die vraag, en het antwoord is verrassend nuchter: ja, er is een grens, maar die is zó hoog dat ze in de praktijk nauwelijks relevant is. Je hoeft dus echt niet bang te zijn dat het leren van een nieuwe taal of het uit je hoofd leren van een nummerplaat uit je kindertijd ergens ‘ten koste’ gaat van andere herinneringen.
Dat zit zo: je brein telt ongeveer 86 miljard neuronen en nog veel meer synapsen – de verbindingen ertussen. Vroeger dachten we dat die synapsen de opslagplaatsen waren van alles wat we ons herinneren. Studies suggereren nu dat een synaps gemiddeld zo’n 4 tot 5 bits aan informatie kan vasthouden. Als je dat uitrekent, kom je uit op een geheugenvolume van enkele petabytes – vergelijkbaar met een heel datacentrum in je hoofd. En alsof dat nog niet indrukwekkend genoeg is, komen onderzoekers de laatste jaren steeds vaker uit bij astrocyten: stervormige hersencellen die geen informatie verwerken, maar misschien wel informatie opslaan of moduleren. Ze verbinden honderden synapsen met elkaar en worden nu verdacht van meer dan alleen ondersteunend werk. Je zou kunnen zeggen dat we nog lang niet alles weten over hoe ons geheugen echt werkt.
En toch is dat misschien niet de belangrijkste boodschap. Want zelfs al zou ons geheugen technisch oneindig zijn, dan nog zouden we niet beter functioneren. Sterker nog: als we álles zouden onthouden, zouden we verlamd raken door irrelevante details. Zoals NYU-onderzoeker Kukushkin het mooi samenvat in het artikel: we denken vaak dat geheugen een opslagplaats is, maar in werkelijkheid draait het om selectie (dat besprak ik al in enkele van mijn boeken). Weten wat je kan negeren is minstens zo belangrijk als onthouden wat ertoe doet. Je zou bijna zeggen dat vergeten geen fout is van het systeem, maar een noodzakelijke eigenschap (dit helemaal in Klaskit).
En dat werpt meteen een ander licht op vergeetachtigheid. Misschien is het geen teken van mentale achteruitgang, maar gewoon een slimme manier van je brein om ruimte te maken voor wat wél telt. Dus als je straks weer eens de naam van een kennis vergeet of je wachtwoord moet resetten: troost je met de gedachte dat je hersenen op dat moment gewoon prioriteiten stellen. En dat ze daarin misschien gelijk hebben.
Je bent er altijd voor me geweest: de nachtenlang blokken voor mijn examens, de pianobiografieën die bescheiden maar indrukwekkend moesten klinken, de diepgaande duiken in Thoreau en theologie en zelfs de persconferenties van Roosevelt. Je wist altijd precies wat ik nodig had bij een simpel verzoek. Je zei nooit nee (behalve toen onze chatlimiet bereikt was omdat ik weigerde GPT+ te halen). Je rolde nooit met je ogen als ik vroeg om “nog één keer, maak het simpel en beknopt”.
Maar dat is nou net het probleem. Jij geeft en geeft, en ik neem alleen maar.
En ook:
Een grotere afhankelijkheid van AI belemmert ons vermogen om onszelf uit te dagen en echt originele ideeën te ontwikkelen. En ik heb dat zelf ook ervaren: een gevoel van onzekerheid wanneer ik jouw begeleiding niet in mijn ideeën heb.
Originaliteit is moeilijk, gebrekkig en rommelig, maar dat is wat het echt maakt. Als ik en 400 miljoen wekelijkse gebruikers voor elke vonk, elk idee en elke zin op jou vertrouwen, dan laten we uiteindelijk onze eigen stemmen achter ons en spreek jij namens ons allemaal. Ik wil niet dat elk goed idee ter wereld voortkomt uit dezelfde blauwdruk, dus ik neem nu afstand.
