In een geglobaliseerde wereld waar afstand in kilometers niet meer van tel is (denk aan de hyperloop van Elon Musk en co.) en technologie een oplossing biedt voor van alles kun je niet anders meer dan openstaan voor diversiteit en inclusie.
Logisch dus dat inclusie en het recht erbij te horen in allerlei geledingen steeds meer aandacht krijgt: in het onderwijs, in onze vrijetijdsbesteding en op de werkvloer.
Helaas evolueren de maatschappelijk normen veel sneller dan taal dat doet. En dus blijven we vaak onbewust vastzitten in taalgebruik dat bepaalde groepen mensen uitsluit, ook al is dat niet zo bedoeld.
Tijdens een babbel is dat minder erg, omdat je dan de context kunt toelichten. Voor webcontent, marketingcontent en bedrijfscommunicatie waar niemand naast staat om uitleg te geven, is dat een ander verhaal. Heb je je potentiële klanten en werknemers eenmaal weggejaagd, dan komen ze waarschijnlijk nooit meer terug …
Voorbeelden van uitsluiting
Een voorbeeld is de male bias en genderneutraliteit – hij, zij, hij/zij, zij/hij of die/zij/hij? Een ander voorbeeld is de manier waarop we mensen met een beperking aanduiden; ‘gehandicapten’ is echt niet meer gebruikelijk. Of denk aan jobs die lang geleden hoofdzakelijk door mannen werden uitgevoerd, waardoor de vacatureteksten voor die jobs ook nu nog een veel te mannelijk taalgebruik vertonen.
Waarom zou je inclusief schrijven?
Tja, niemand verplicht je natuurlijk om na te denken bij wat je schrijft.
Wil jij echt dat jouw organisatie een mannelijke uitstraling heeft en dat er alleen mannen en mensen die zich man voelen komen werken, ga je gang.
Houd je hardnekkig vast aan ‘verpleegsters’ omdat je echt geen mannelijke verpleegkundigen in je ziekenhuis wilt?
Wil je een employer branding die 171 van de 172 nationaliteiten in Antwerpen uitsluit en die van de 530 000 Antwerpenaren er 265 000 met een niet-Belgische herkomst negeert? Doe gerust, als je zeker bent dat je bij de rest van de Antwerpenaren dan voldoende kandidaten vindt voor de job van softwareontwikkelaar, vrachtwagenchauffeur, elektrotechnicus … En voldoende klanten.
Inclusief schrijven, hoe doe je dat?
Nu is het niet gemakkelijk om in je teksten rekening te houden met letterlijk iedereen. Daarom is het cruciaal dat je je doelgroep kent. De doelgroep van je huidige en toekomstige collega’s en de doelgroep van je potentiële klanten.
Pas wanneer je weet met wie precies je communiceert en met wie je in je taalgebruik dus rekening houdt, kun je dat taalgebruik en bij uitbreiding al je content aanpassen.
Hieronder vind je een aantal vuistregels die je voor zowat alle content mag hanteren.
Enkele vuistregels voor inclusief schrijven
✔ Reduceer personen niet tot een bepaald kenmerk (niet: migrant, wel: persoon uit Frankrijk, bv.).
✔ Schrijf korte zinnen voor anderstaligen en mensen die laaggeletterd zijn (ook voor hoogopgeleide mensen leest dat vaak aangenamer).
✔ Voeg ondertiteling toe aan video’s voor mensen met gehoorproblemen.
✔ Geef foto’s een alt-tekst die de foto beschrijft, voor mensen met een visuele beperking.
✔ Schrijf die/zij/hij (België) of hen/zij/hij (Nederland) als je genderneutraal wilt schrijven, of beter nog: vermijd het persoonlijk voornaamwoord helemaal en herschrijf je zin.
✔ Pas op met woorden die een eerder mannelijke of vrouwelijke connotatie hebben, vooral in vacatures (competitief = mannelijk, zorgen = vrouwelijk).
Dit zijn maar een paar praktische richtlijnen die je op teksten en content kunt toepassen. Best veel om aan te denken dus.
Gelukkig leven we in de eeuw van de technologie en bestaan er ook tools die je helpen om biases te detecteren.
Tools die de bias in teksten detecteren
Er zijn verschillende tools op de markt die tekst screenen op inclusie. De meeste zijn gericht op vacatureteksten en de arbeidsmarkt (tiens, hoe zou dat komen?). Sommige daarvan zijn gratis te gebruiken.
Ik vond tot nu toe slechts 1 tool die zich richt op de Nederlandse taal, en dat is Textmetrics. Alle andere zijn hoofdzakelijk voor het Engels ontwikkeld.
Omdat Nederlands en Engels beide Germaanse talen zijn en de neuropsychologische kenmerken van de talen (bijvoorbeeld of een woord als eerder mannelijk of vrouwelijk wordt ervaren) gelijkaardig zijn, ben ik van mening dat je deze tools ook kunt inzetten voor jouw Nederlandse content. Al moet je die dan wel even naar het Engels vertalen, een AI-assistent volstaat voor die taak.
De concrete resultaten
Ik testte de tools die gratis zijn of een proefperiode aanbieden. Dat zijn GenderDecoder (gratis), Word Editor (gratis bij O365), UInclude (proefperiode), ChatGPT (gratis in versie 3) en Textmetrics (proefperiode).
Voor de test gebruikte in Nederlandse en Engelse vacatureteksten uit de IT-sector en een Engelse vacature voor een vrachtwagenchauffeur.
De score voor de vrachtwagenchauffeur
De vacature voor vrachtwagenchauffeur bleek uitstekend te scoren op inclusie algemeen en voor de male bias. Meer nog: de vacature kreeg bij GenderDecoder en UInclude het label feminine-coded. Bij Textmetrics kreeg ze het label neutraal. Vol van mijn eigen vooroordelen – vrachtwagenchauffeur was ooit een eerder mannelijk beroep – had ik dat niet zien aankomen. Daar heeft de uiterste krappe arbeidsmarkt voor vrachtwagenvervoer blijkbaar al aardig haar lesje geleerd.
De score voor de IT-vacatures
De IT-vacatures van verschillende ICT-bedrijven leverden een gemengd resultaat op.
✔️ Eentje kreeg het label strongly feminine bij UInclude en GenderDecoder; bij Textmetrics kreeg dezelfde vacature het label eerder mannelijk.
✔️ Eentje kreeg het label strongly masculine-coded bij GenderDecoder en bij Textmetrics.
✔️ Eentje kreeg het label neutraal bij UInclude en GenderDecoder; bij Textmetrics kreeg dezelfde vacature het label eerder mannelijk.
Het is duidelijk dat het ene bedrijf zich al beter dan het andere bewust is van hoe het bij vrouwelijke werknemers interesse kan wekken voor een job.
Hoe werken die tools nu eigenlijk?
Nu wil je natuurlijk ook weten hoe die resultaten en scores berekend worden.
Voor de male bias is het heel simpel: de tool telt het aantal zogenaamd mannelijke en vrouwelijke woorden in de tekst. Bij een gelijk aantal is de tekst neutraal. Zijn er meer mannelijke dan vrouwelijk woorden, dan is de tekst eerder op mannen gericht (en omgekeerd natuurlijk). Deze werkwijze passen alle tools toe.
Voor je begint te steigeren: of een woord als eerder mannelijk dan wel vrouwelijk wordt gepercipieerd, is gebaseerd op wetenschappelijk neuropsychologisch onderzoek. De woorden competitief, actief, uitdagend bijvoorbeeld worden als eerder mannelijk beschouwd. Samenwerking, empathisch, eerlijk worden als eerder vrouwelijk beschouwd. Betekent dat dat er geen competitieve vrouwen bestaan en geen empathische mannen? Natuurlijk niet. Het gaat om wat statistisch gezien door een meerderheid van lezers emotioneel wordt ervaren.
En die ervaring vindt plaats in ons onderbewuste brein. Je kunt bij het lezen van een vacature niet rationeel aansturen hoe je emotioneel gezien reageert op de woorden competitief of empathisch. Voor je rationele brein nog maar overweegt om er een gedachte aan te wijden, heeft het emotionele brein al beslist of de vacature interessant is of niet.
GenderDecoder
GenderDecoder onderzoekt alleen de male bias in teksten en telt de mannelijke en vrouwelijk woorden.
UInclude
UInclude gaat heel wat verder. De tool screent niet alleen op de male bias. Hij onderzoekt ook age bias, racisme en inclusie in het algemeen.
En nog interessanter: hij geeft suggesties voor verbetering. Bij elk aangeduid woord krijg je een uitgebreide toelichting over hoe het gepercipieerd kan worden en enkele alternatieve woorden.
Textmetrics
Textmetrics biedt nog veel meer. Naast de male bias screent de tool ook op leeftijdsdiscriminatie en inclusie, net zoals UInclude doet. Daarnaast geeft Textmetrics ook het taalniveau van de tekst aan (A1, B1 … tot C2), wat belangrijk is om bijvoorbeeld anderstaligen of laaggeletterde mensen te rekruteren. En de tool biedt ook nog eens inzicht in SEO, geeft een inhoudelijke beoordeling (voor vacatures bijvoorbeeld of alles wat een kandidaat wil weten benoemd werd), geeft advies over de schrijfstijl én geeft suggesties die je rechtstreeks in je tekst kunt importeren.
Word en ChatGPT
Tests met dezelfde vacatures in Word en ChatGPT leverden geen aanvaardbaar resultaat op.
In Word kun je bij de instellingen voor de Editor de optie Inclusief taalgebruik aanvinken.
Bij geen van de teksten werden echter overheersend mannelijke woorden aangeduid, terwijl die bij GenderDecoder en UInclude wel gedetecteerd werden.
Bij ChatGPT gaf ik als prompt de opdracht om de teksten te onderzoeken op de male bias in het woordgebruik. De conclusie van ChatGPT was over het algemeen dezelfde als bij de andere tools, zoals het label neutraal. Wat ontbrak bij ChatGPT was een gedetailleerde lijst van de mannelijke en vrouwelijke woorden, waardoor je eigenlijk niet echt aan de tekst kunt gaan sleutelen.
Conclusie
Wat kun je uit dit alles concluderen?
Dat de tools een grote hulp zijn om je teksten te screenen. En dat ze niet allemaal even goed werken. Textmetrics staat met stip op de eerste plaats. UInlcude springt er ook uit, lijkt echter minder ‘streng’ te zijn in vergelijking met UInclude. Dat kan natuurlijk liggen aan het feit dat UInclude eigenlijk niet gemaakt is voor het Nederlands. GenderDecoder komt op een verdiende tweede plaats én is gratis.
Verder is het voor mijn duidelijk dat ondanks de vuistregels en de screening met behulp van tools inclusief schrijven complex is. De resultaten van de screenings zet je best af tegen de eigenschappen van de doelgroep van jouw tekst, en pas dan kun je woord voor woord gaan wikken en wegen wat past en wat niet.
En een laatste hint: soms wil je, vooral in vacatures, niet inclusief zijn. Niet om te discrimineren, wel om een bepaalde diversiteit in een afdeling te bewaken bijvoorbeeld. In dat geval kun je een tool als GenderDecoder ook omgekeerd gebruiken natuurlijk en vrouwelijke woorden vervangen door mannelijke, om, ik zeg maar wat, meer mannelijke verpleegkundigen aan te trekken.
Toelichting:
Een van de bronnen voor het semantisch onderzoek naar de connotatie van woorden: Semantic gender: Norms for 24,000 Dutch words and its role in word meaning, Hendrik Vankrunkelsven et al., The Psychonomic Society, Inc. 2022