SocialMediaDNA richt zich op kennisdeling rondom social media, politie en maatschappelijke veiligheid. Onderwerpen vari?ren van de online aspecten van openbare orde, opsporing, vervolging, rechtspraak tot crisisbeheersing en communicatie.
Recherchebureaus die door verzekeraars worden ingezet om te kijken of letselschade daadwerkelijk is ontstaan door een ongeluk of dat er sprake is van fraude. Hoe ver gaan deze bureaus in hun werkwijze? Wat is geoorloofd en wanneer gaat het te ver?
Naar aanleiding van de uitzending over letselschade melden zich nieuwe tipgevers bij De Monitor. Zij zeggen allen te maken hebben gehad met recherchebureaus die door verzekeraars zijn ingezet om fraude aan te tonen. Het gaat om verzekeraars van de tegenpartij. Alle tipgevers zijn buiten hun eigen schuld om slachtoffer geworden van een ongeluk en hebben daar blijvend letsel aan overgehouden. Pijnlijk is dat deze mensen daardoor ook minder goed kunnen functioneren in hun banen. En die schade willen ze uiteraard verhalen op de verzekering van de partij die het ongeluk heeft veroorzaakt. Dat kan soms leiden tot een jarenlange strijd tussen beide partijen. Vooral als het gaat om letsel als een whiplash. Dan lijkt het extra moeilijk om te bewijzen dat het letsel is ontstaan door het ongeluk. De verzekering zet bij verdenking van fraude recherchebureaus in om te kijken in hoeverre er aanleiding is om aan het verhaal van het slachtoffer te twijfelen. Op zich geen rare gedachte, gezien het aantal keer dat er jaarlijks wordt gefraudeerd bij verzekeringen. Maar in het geval van letselschade valt dat verhoudingsgewijs juist mee. En er melden zich mensen bij De Monitor die zeggen dat er nauwgezet onderzoek is gedaan naar hun priv?-leven en zij vragen zich af hoever er gegraven mag worden in je verleden. Wanneer wordt de privacy te veel aangetast om een vermoeden van fraude te onderzoeken? Hoe ver gaan verzekeringen bij privacy-onderzoeken die moeten aantonen dat het letsel minder zwaar is dan slachtoffers claimen?
1.Moet je dit willen als (ver)huurder 2. Ik mag hopen dat software&mens nr de conclusies kijken. https://t.co/JRYWq1mr05
‘Kijk me aan!’ Howard Marks, de man die net nog op het punt stond zijn vrouw en haar minnaar te lijf te gaan met de keukenschaar, ligt gevangen in de houdgreep van een politieagent. Het is exact vier minuten over acht ’s morgens. De vloer is bezaaid met glas. ‘Mr. Marks, bij volmacht van de afdeling PreCrime van Washington D.C. arresteer ik u voor de toekomstige moord op mrs. Marks en mr. Dubin, die vanmorgen plaats zou vinden om vier minuten over acht.’
We schrijven het jaar 2054. Misdaad bestaat niet meer. Drie helderzienden op sterk water, gekoppeld aan een ingenieus computersysteem, voorspellen wie wanneer een moord gaat plegen. Aan politieagent en protagonist Tom Cruise de taak om de criminelen in spe in de kraag te vatten v??r ze de fout in gaan. ‘Is er eigenlijk wel sprake van moord als de daad zelf niet gepleegd is?’ vraagt Colin Farrell in de hoedanigheid van kritisch inspecteur. ‘Het feit dat je iets voorkomt wil niet zeggen dat het niet zou gebeuren wanneer je niet had ingegrepen’, kaatst Cruise terug. Kort daarna rolt de politieagent zelf als toekomstig moordenaar uit het systeem en heeft hij een groot probleem.
Steven Spielbergs Minority Report gaat wellicht niet de geschiedenis in als zijn grootste meesterwerk, maar de film uit 2002 haalt nog zeker wekelijks het nieuws. Zodra het over iets nieuws en futuristisch gaat, gaat het over Tom Cruise en zijn drie telepaten in een badkuip. Meestal is dat niet in positieve zin. De actiefilm geldt voor velen als schrikbeeld van een toekomst waarin privacy non-existent is en de politie in de hoofden van burgers kruipt. Des te opvallender dat het omgekeerde geluid ook steeds vaker te horen is: veiligheidsorganisaties mogen graag naar de film verwijzen als inspiratiebron voor het optuigen van een vergelijkbaar voorspellend systeem – minus de helderzienden weliswaar.
Predictive policing heet dat: het voorspellen van misdaad op basis van grote hoeveel?heden data. En dat is niet iets van een verre toekomst. Politiekorpsen overal ter wereld, inclusief Nederland, maken er al gebruik van.
De kristallen bol is de misdaadbestrijding binnengedrongen. Daarbij wordt de blik steeds verder op de toekomst gericht. De allernieuwste ontwikkeling: preventief straffen. De Amerikaanse staat Pennsylvania werkt momenteel aan een systeem dat rechters helpt bij het bepalen van de strafmaat. Op basis van onder meer iemands criminele verleden (eerdere arrestaties en veroordelingen), geslacht, leeftijd en postcode wordt een voorspelling gedaan over zijn toekomstige wandaden. Is de kans statistisch gezien groot dat een dader ooit opnieuw een vergrijp pleegt, dan kan hij bij voorbaat extra zwaar gestraft worden. Andersom kan een dader aan wie een hemelsblauwe toekomst wordt toegedicht strafvermindering krijgen.
De techniek voor dit soort orakelwerk is al ruimschoots voorhanden. Grote techbedrijven buitelen de laatste jaren over elkaar heen in een wedloop van voorspellende software, waarbij de mogelijkheden duizelingwekkende proporties aannemen. Zo belooft IBM?politiekorpsen preventief naar de crime scene te leiden. In een bijbehorend reclamefilmpje staat een politieagent op z’n dooie gemak, koffie erbij, een overvaller op te wachten die op het punt staat toe te slaan.
Het Amerikaanse veiligheidsbedrijf Intrado ontwikkelde Beware, een systeem dat op basis van onder andere iemands adres, uitingen op sociale media en een eventueel strafblad voorspelt hoe groot de kans is dat hij een misdaad begaat. Een 42-jarige Afghanistanveteraan met PTSS?en een strafblad, die op Facebook schrijft over zijn oorlogservaringen? Het levert een dreigingsscore op van 67 van de 100 punten. Microsoft werkt aan een programma dat niet alleen criminaliteit van ver kan zien aankomen, maar ook van elke individuele gevangene kan voorspellen hoe groot de kans is dat hij of zij, eenmaal op vrije voeten, opnieuw de fout in zal gaan.
Politiekorpsen zijn er blij mee. In onder andere de Verenigde Staten, China, Brazili?, het Verenigd Koninkrijk, Duitsland, Zwitserland en Belgi? wordt met predictive policing gewerkt. Amerika loopt voorop: minstens zestig steden gebruiken een of meer vormen van voorspellende software. ‘Minority Report uit 2002 is de realiteit van vandaag‘, zei William Bratton, hoofd van de politie in New York, vorig jaar tijdens een debatavond over big data en veiligheid.
In Nederland neemt predictive policing ook ‘een enorme vlucht’, schrijven onderzoekers van TNO?in een recente publicatie over het onderwerp. Zo heeft de politie een systeem ontwikkeld dat inbraak en straatroof kan voorspellen. In samenwerking met de Universiteit Twente is informatiegestuurde luchtsteun opgezet: politiehelikopters vliegen preventief naar plekken waar high impact crime als overvallen en inbraken verwacht wordt. De politie werkt ook samen met commerci?le aanbieders van voorspellende software, maar noemt geen namen.
Volgens oud-politiemedewerker Rutger Rienks behoort Nederland internationaal tot de voorhoede. Als afdelingshoofd business intelligence bij de politie was Rienks de afgelopen jaren betrokken bij de eerste stappen naar voorspellend politiewerk. ‘Als je als overheids- of politieorganisatie criminaliteit op deze manier kunt uitbannen, dan lijkt mij dat een droom waar je je hard voor moet maken.’
Het is een omstreden droom. De Nationale Politie kreeg in oktober een Big Brother Award uitgereikt vanwege haar activiteiten rondom predictive policing. Met de prijs zet privacy-voorvechter Bits of Freedom jaarlijks ‘de grofste privacy-schenders’ in de schijnwerpers. Uit het juryrapport: ‘De politie van de toekomst houdt iedere burger non-stop en nauwlettend in de gaten. Daar zijn ze nu al mee begonnen.’ Criminoloog Marc Schuilenburg waarschuwt voor een politie die al te diep in de kristallen bol probeert te kijken: ‘Het gevaar is dat je uitkomt bij een gedachtenpolitie die steeds meer in de stoel van de psychiater gaat zitten en probeert criminele intentie te lezen in bepaald gedrag.’
Ook onderzoekers die zelf met voorspellings?modellen werken zijn kritisch. ‘Wij krijgen wel eens de vraag of we niet met heel evil technologie bezig zijn’, zegt Arnout de Vries. Als onderzoeker bij TNO?werkt hij aan verschillende experimenten rond predictive policing. ‘Misschien is dat wel zo, ja. Maar als je als overheid stil blijft staan en denkt: we houden deze enge technologie liever buiten de deur word je links en rechts door bedrijven ingehaald en sta je nergens. Je ziet politiewerk nu al privatiseren.’
In de VS ligt predictive policing al langer onder vuur. Tegenstanders waarschuwen behalve voor privacy-schending voor de groeiende macht van bedrijven die dit soort veiligheidssystemen aanbieden. De techniek zou bovendien leiden tot etnisch profileren, omdat de voorspellingen vooroordelen in de gebruikte data reflecteren.
Een alomtegenwoordige gedachtenpolitie, nog racistisch ook. Het klinkt nogal onheilspellend. Maar is het dat ook? Er is in Nederland nog weinig bekend over predictive policing. De politie geeft maar mondjesmaat informatie prijs. Wat gebeurt er al? Hoe werkt het precies? En wat kunnen we ervan verwachten?
Mark Jules klapt zijn laptop open en weet wat de toekomst in petto heeft. Jules is vice-president Public Safety Visualization bij multinational Hitachi en zodoende binnen de multinational de man met de glazen bol. Hij is vanmorgen overgevlogen uit Philadelphia en zit nu, zonnebril nog in het schouderlange stroblonde haar, in de bedrijfskantine van Hitachi Data Systems in Zaltbommel. Jules is in Nederland om te praten met ‘ge?nteresseerde partijen’ over de predictive-policingsoftware die het bedrijf sinds kort aanbiedt.
‘Even kijken’, hij zoomt in op de kaart van Washington D.C. en beweegt met zijn muis langs een rijtje delicten: diefstal, fraude, gewelddadige overvallen. De keuze valt op ‘sex crimes’. De kaart van de Amerikaanse hoofdstad, in rasters opgedeeld, kleurt hier en daar donkerrood. In die dieprode vierkantjes, elk goed voor twee huizenblokken, gaat het de komende 24 uur gebeuren. Om erachter te komen wat precies klikt Jules op een van de gekleurde vierkantjes. ‘In dit blok is de kans op een zedendelict vandaag 47 procent.’ Het is dat dit een demo-versie is, zegt Jules, anders kon hij per adres een gedetailleerde voorspelling geven.
Dit is predictive policing in de praktijk: een zo precies mogelijke kansberekening, uitgezet op een kaart. Buienradar, maar dan voor boeven. Het systeem van Hitachi is exemplarisch voor de meeste vormen van voorspellende software. Vertrekpunt: een flinke berg data van een stad of buurt. Historische criminaliteitscijfers, sociaal-geografische informatie over inwoners, adressen van bekende overtreders, data afkomstig van sociale media, het weer, het nieuws. Hoe meer hoe beter, liefst gecombineerd met een netwerk van slimme camera’s die in staat zijn gezichten te herkennen en geluidssensoren die geweerschoten detecteren. Zelflerende algoritmes zoeken vervolgens naar patronen. Blijkt er als het regent stelselmatig minder te worden ingebroken, dan wordt die informatie meegenomen in een voorspelling.
‘Ons systeem vindt correlaties die je als mens nooit gezien zou hebben’, zegt Jules. ‘In een van de steden waar wij werken blijkt rond fietsenrekken meer criminaliteit gepleegd te worden. Geen flauw idee waarom dat zo is. Maar zolang het een betrouwbare voorspelling oplevert, zijn wij tevreden.’ Een voorspelling van Hitachi komt volgens Jules in ongeveer 75 procent van de gevallen uit. ‘Dat is vijftien procent beter dan de meeste andere voorspellingsproducten.’ Of dat waar is, valt niet te controleren. Onafhankelijk onderzoek naar verschillende predictive systemen is nog niet gedaan.
Wordt er in Nederland al met de voorspellende software van Hitachi gewerkt? vraag ik.
‘Nee’, zegt Jules. ‘We werken alleen in de VS.’
‘Jawel hoor’, zegt persvoorlichter Bastiaan van Amstel even later, als Jules door is naar zijn volgende afspraak. ‘We mogen alleen niet alles zeggen. Niet alle partijen voor wie wij werken willen publiekelijk bekendmaken dat ze hiermee bezig zijn.’ Volgens de persvoorlichter zegt Jules daarom voor alle zekerheid niks. ‘Maar ik kan je vertellen dat deze software al op meerdere plekken in Nederland wordt uitgeprobeerd.’ Waar precies? Op hoeveel plekken? En voor wie?
‘Het aantal pilots is op ??n hand te tellen’, zegt Van Amstel. ‘We werken nog niet voor private bedrijven, het gaat om overheidspartijen.’ Met een mysterieuze glimlach: ‘Meer kan ik ?cht niet zeggen.’ Het is typerend voor het onderwerp. Predictive policing is in Nederland in nevelen gehuld. De politie maakt niet bekend met welke commerci?le instellingen wordt samen?gewerkt. Bedrijven kunnen op hun beurt vanwege geheimhoudingsovereenkomsten niet zeggen aan wie ze hun diensten verkopen.
Volgens de Amsterdamse korpschef Pieter-Jaap Aalbersberg moet het debat over predictive policing in alle openheid worden gevoerd. ‘Stel dat wij huiselijk geweld jegens kinderen kunnen voorspellen’, zei hij in oktober bij de uitreiking van de Big Brother Award. ‘Willen we dat? Het dilemma van het kind dat klappen krijgt tegen de methodiek die erachter zit. Dit zijn de debatten waar wij als politie zelf ook mee worstelen.’ Daarom is maatschappelijke discussie over het onderwerp ook zo belangrijk, zegt de korpschef. ‘Het gaat om openheid, want zonder maatschappelijk debat en democratisch besluit ben je niet een democratische samenleving.’
Toch wijst de politie meerdere interview?verzoeken af. Dat is niet uit onwil, zegt een persvoorlichter. ‘Het is nog te vroeg om naar buiten te treden. We zijn momenteel een belangrijke pilot rond predictive policing aan het afronden.’ Pas als er duidelijke cijfers en definitieve plannen zijn, is het tijd voor de pers. Om dezelfde reden wil de politie niet zeggen welke projecten er al lopen of hoeveel er al in wordt ge?nvesteerd.
Toch valt er op basis van gesprekken met betrokkenen en publicaties die recent over het onderwerp zijn verschenen een beeld te vormen van wat er al gebeurt. De politie werkt, zo blijkt, aan minstens acht projecten rond predictive policing. Daarbij gaat het deels om pilots en deels om systemen met voorspelcapaciteiten die al in gebruik werden genomen voor de bijbehorende allitererende modeterm kwam overwaaien uit de VS. De politie opereert zowel zelfstandig als met hulp van buitenaf. Zo wordt er bijvoorbeeld samengewerkt met TNO, dat ook voor de AIVD?en MIVD?de mogelijkheden van voorspellingen op basis van big data verkent.
Een rondgang langs grote spelers levert een rijtje bedrijven op die in Nederland al actief zijn. Zo is volgens een woordvoerder behalve Hitachi ook IBM, een van de marktleiders in de voorspellingsindustrie, ‘betrokken’ bij predictive-?policingprojecten. ‘We kunnen geen uitspraken doen over welke korpsen of over de aard van de projecten.’ Zakelijk dienstverlener Deloitte heeft net een pilot voor de politie afgerond, vertelt medewerker Maurice Fransen. ‘We hebben een soort buienradarkaart van Nederland gemaakt, waarmee je twee weken vooruit kunt zien in welke wijk we inbraken kunnen verwachten.’ De politie wil het model volgens hem ook inzetten voor andere vormen van criminaliteit.
Ook het Franse consultancybedrijf Cap?gemini werkt aan voorspellende projecten, valt af te leiden uit de Nationale Innovatieagenda Veiligheid 2015. Daarin wordt het ‘herkennen en voorspellen van afwijkend gedrag’ een landelijk innovatiespeerpunt genoemd. Cap?gemini gaat een voortrekkersrol vervullen, staat te lezen. Wat dat in de praktijk betekent wil het bedrijf niet zeggen. ‘Vraag maar na bij de politie.’
Met kop en schouders het opvallendste initiatief is de samenwerking met de Nederlandse start-up Pandora Intelligence uit het Gelderse Elst. Mede-oprichter Peter de Kock, ooit filmmaker en nu recherchekundige bij de politie, deed een paar jaar geleden promotieonderzoek naar het voorspellen van terrorisme en kwam met een onorthodoxe aanpak. De Kock legde een database aan van zo’n tweehonderdduizend terroristische incidenten die wereldwijd plaatsvonden en combineerde die met een database van filmscenario’s, boeken en theaterstukken waarin terrorisme voorkomt, opgebroken in scenario-elementen. Fictie kan volgens De Kock een krachtige voorspeller zijn. ‘Neem bijvoorbeeld de aanslagen van 11 september. Een vliegtuig dat zich in een wolkenkrabber boort, zoiets had de Amerikaanse schrijver Tom Clancy al jaren eerder beschreven in een van zijn boeken.’
Zie hieronder het interview dat hij gaf op de dag van zijn promotie in De Wereld Draait Door, met de kern van zijn onderzoek: ??wij zijn [?] nu voor de eerste keer in staat om heel veel data te genereren, heel veel data te wassen [?] Tot voor kort was het belangrijk wie dat opsporingsonderzoek leidde en of die de juiste kennis had. Nu kun je die kennis apart in een database zetten en iedereen heeft daar toegang toe die je daar toegang toe verleent. En dat gaat diegene helpen die de interpretatie moet maken.?
De aanpak is veelbelovend. De Kock liet zijn algoritmes voorspellingen doen op basis van terroristische incidenten die gepleegd waren voor 2007 en vergeleek de uitkomsten met aanslagen die werkelijk plaatsvonden na 2007. Zijn systeem bleek in sommige gevallen vijftig tot zeventig procent beter te kunnen voorspellen dan gangbare methodiek. Dat zijn bijzondere scores bij een ongrijpbaar verschijnsel als terrorisme. Niet gek dus dat veiligheidsorganisaties wereldwijd De Kock weten te vinden. ‘Telkens als er een klap is ergens in het Westen gaat bij mij de telefoon: je moet n? komen praten.’ Ook grote softwarebedrijven als IBM?en Oracle hebben interesse getoond. Toch heeft de politiemedewerker ervoor gekozen zijn voorspeller vooralsnog alleen in te zetten voor zijn eigen werkgever. Dit jaar nog koppelt hij zijn databases aan die van de politie en kan het betere orakelwerk beginnen.
Dat betekent overigens niet dat er straks spontaan een naam, een moordwapen en een locatie uit het systeem komt rollen, zegt De Kock: ‘Het werkt eerder zo: stel, een omstreden politicus houdt een boeksigneersessie, of Obama bezoekt Nederland. Dan kan mijn systeem straks alle potenti?le scenario’s bedenken van mogelijke daders en hun werkwijze.’ Daar kan de politie zich dan alvast op voorbereiden.
Maar dat is later. Wat de politie op dit moment zonder hulp van buitenstaanders onderneemt weet Rutger Rienks, een van de grondleggers van predictive policing in Nederland. Rienks, een jongensachtige dertiger, werkte tot een half jaar geleden bij de politie. Hij schreef voor de politieacademie het boek Predictive Policing: Kansen voor een veiligere toekomst, dat vorig jaar verscheen. Inmiddels werkt Rienks voor de gemeente Amsterdam, maar hij wil best nog eens vertellen over zijn ervaringen bij de politie. Want ja, hij is enthousiast. ‘Ik zie kansen, nou en of. Predictive policing kan ons een hele hoop ellende besparen. Er zitten natuurlijk allerlei haken en ogen aan, maar als je vertrouwen hebt in de modellen die die voorspellingen doen en ze goed toetst, dan kun je een hoop narigheid voorkomen.’
Die haken en ogen, daar heeft de oud-?politiemedewerker nog een leuk verhaal over met een poedel in de hoofdrol. Maar dat komt straks, eerst de voorspellende systemen. Rienks noemt in zijn boek een aantal voorbeelden. Het absolute paradepaardje van de politie is het zogenoemde Criminaliteits Anticipatie Systeem (CAS), dat in 2012 door de Amsterdamse politiemedewerker Dick Willems is ontwikkeld. Door het combineren van onder meer historische criminaliteitscijfers met CBS-data (denk aan inkomensgegevens, uitkeringen, gezinssamenstelling) en adressen van bekende verdachten kan de politie woninginbraken en straatroven voorspellen. Het systeem is in staat ongeveer veertig procent van de woninginbraken en zestig procent van de straatroven te voorspellen. Het cas wordt inmiddels uitgetest in vier steden, het streven is het systeem over heel Nederland uit te rollen. Ook internationaal is de belangstelling gewekt. Vertegenwoordigers uit onder andere Canada en Turkije zijn al op bezoek geweest om er meer over te weten te komen.
In onderstaande uitzending van Factchecker legt Dick Willems van de politie Amsterdam uit hoe het globaal werkt (na ongeveer 9 minuten in de uitzending). Zie ook?hier.
Een vergelijkbaar systeem in samenwerking met de Universiteit Twente stuurt helikopters preventief af op plekken waar veel misdaad wordt verwacht op basis van historische cijfers. Net als bij de meeste vormen van predictive policing gaat het daarbij om high impact crimes als inbraak, overvallen en straatroof. Deze vormen van criminaliteit hebben prioriteit binnen de politie, bovendien laten ze zich makkelijk voorspellen omdat ze relatief veel voorkomen.
Twee andere projecten van de politie vallen op omdat ze voorspellingen doen over individuen. ProKid, een signaleringsinstrument dat in 2013 landelijk werd ingevoerd, voorspelt van kinderen tot twaalf jaar wie de grootste kans maakt op te groeien tot delinquent. Risicotaxatie-instrument RTI-Geweld schat van elke persoon die bij de politie bekend is (bijvoorbeeld vanwege betrokkenheid bij een incident) hoe groot de kans is op toekomstig geweld. ‘Bepaalde vroeger het aantal delicten dat iemand had gepleegd of hij boven aan de lijst kwam’, schrijft politiemedewerker Remco van der Hoorn in het boek van Rienks, ‘nu is dat het feit of hij het grootste risico laat zien in de toekomst weer over de schreef te gaan.’
Tijd voor het verhaal met de poedel. Daarvoor moeten we nog ??n vorm van predictive policing leren kennen: het voorspellen van drugssmokkel. Door gegevens over kentekens en reis?patronen te combineren kan de politie sinds 2011 auto’s opsporen waarvan de kans statistisch gezien groot is dat er drugs mee gesmokkeld wordt. Die aanpak werpt zijn vruchten af: door de controle te focussen op de voertuigen die de computer aanwijst, is het aantal gevonden grammen hero??ne per gecontroleerd voertuig van 5 naar 1027 gestegen. Rienks: ‘Het werkt erg goed. Maar het gaat ook wel eens mis.’
Zo kon het dat een poos geleden een verdachte auto op de snelweg in de buurt van Rotterdam met veel toeters en bellen werd klemgereden. De bestuurder bleek geen drugssmokkelaar, maar een geschokte oudere dame die net een spuitje voor haar poedel had gehaald. Haar pas aangeschafte tweedehands auto was, zo werd later duidelijk, van een smokkelaar geweest. Het nummerbord stond daarom nog in het systeem. De route die ze die dag reed paste toevallig precies in een verdacht reispatroon. ‘De mevrouw heeft een bosje bloemen gekregen als excuses. Maar zo zijn er natuurlijk wel meer verhalen.’
Het incident met de poedel is een goed voorbeeld van een van de nadelen van predictive policing: de kans op foute positieven. Dat zijn personen, plekken of situaties die ten onrechte als risico worden aangemerkt. Bij de ingebruikname van een nieuw systeem kan dat veel voorkomen. Zo bleek bij de evaluatie van de eerste pilots met ProKid dat meer dan ??n op de drie kinderen (36 procent, in totaal 902 kinderen) ten onrechte als risicokind werd aangemerkt door systeem- of registratiefouten. Ze werden door de computer geselecteerd op basis van incidenten die volgens de betrokken wetenschappers ‘irrelevant’ waren, staat te lezen in een evaluatie uit 2011. Dit soort fouten zijn, ook als een systeem al verder ontwikkeld is, moeilijk helemaal uit te sluiten, zegt Rienks. ‘Er bestaan altijd uitzonderingscategorie?n. Een jongeman in een veel te dure auto kan bijvoorbeeld een crimineel lijken, maar het kan ook een professioneel voetballer zijn.’
De uitzondering op de regel: het is ook een van de bezwaren van universitair docent criminologie Marc Schuilenburg van de Vrije Universiteit. Schuilenburg schreef een aantal artikelen over predictive policing en is, zacht gezegd, geen fan. De lijst met problemen die hij voorziet is lang. Om met de basis te beginnen: wetenschappelijk bewijs dat voorspellend politiewerk werkt is dun gezaaid. ‘Bij voorspellingen over plaatsen lijkt het er inmiddels wel op dat het effect kan hebben’, zegt hij. ‘Je ziet in internationale literatuur dat de criminaliteit afneemt als de politie extra gaat surveilleren in een wijk waar veel misdaad wordt verwacht. Hoewel het risico bestaat dat de criminaliteit zich verplaatst naar een andere wijk.’
Een stuk ingewikkelder wordt het als het om personen gaat. ‘Het is nog maar helemaal de vraag of je op basis van algoritmes kunt bepalen wie een misdaad gaat plegen.’ Daarbij zijn de risicoprofielen die veiligheidsorganisaties gebruiken volgens Schuilenburg te breed: ‘Je ziet dat er te veel personen aan de criteria voldoen. Dat levert een enorm lange lijst individuen op, die de politie onmogelijk allemaal in de gaten kan houden. Neem de aanslagen in Parijs en Brussel: alle daders bleken achteraf al in de kaartenbakken te zitten.’
Belangrijker nog: de gegevens waar voorspellingen op gebaseerd zijn, zijn niet altijd van goede kwaliteit. ‘De politiedata die gebruikt worden zijn vaak vuil. Het zijn haastig gemaakte notities of halve verwijzingen.’ Hoe slechter de data, hoe onbetrouwbaarder de voorspelling, wil de criminoloog maar zeggen. Zo staat in een verantwoordingsrapport uit 2014 over het eerder genoemde RTI-Geweld te lezen dat de gegevens waarop de voorspellingen zijn gebaseerd ‘soms erg vervuild’ zijn. ‘Als voorbeeld: iemand die als verdachte aan een incident is gekoppeld, hoeft dit in werkelijkheid niet geweest te zijn.’
Bovendien kunnen de data gekleurd zijn. Daarmee komt Schuilenburg op een vaak gehoorde klacht in de VS: predictive policing zou leiden tot etnisch profileren. ‘Er mogen allerlei slimme algoritmes aan te pas komen, daarmee zijn voorspellende modellen nog niet neutraal.’ De historische criminaliteitscijfers die bij predictive policing standaard worden gebruikt, kunnen bepaalde vooroordelen bevatten, bijvoorbeeld omdat sommige bevolkingsgroepen vaker worden opgepakt voor hetzelfde delict dan andere. Als een algoritme daar patronen in gaat zoeken, kunnen diezelfde vooroordelen weer uit het systeem rollen. Een voorspelling die zichzelf waarmaakt. Schuilenburg: ‘Dat zie je nu ook al gebeuren bij zo’n inbraakvoorspeller van de politie. Daar komen altijd wijken uit waar mensen wonen die al veel met de politie in aanraking zijn gekomen.’
De Wetenschappelijke Raad voor het Regeringsbeleid (WRR) waarschuwt ook voor dit zelfversterkende effect. De raad deed de afgelopen twee jaar in opdracht van de regering onderzoek naar het gebruik van big data door veiligheids?instellingen; eind april verscheen het onderzoeksrapport. Predictive policing komt daarin ook aan bod. ‘Een wijk waarin veel gesurveilleerd wordt, zal prominenter terugkomen in de criminaliteitscijfers. De extra aandacht vergroot de bestaande problemen verder uit, hetgeen weer de basis voor nieuw beleid kan zijn, dat op zijn beurt het (negatieve) beeld verder versterkt.’
Nonsens, vindt Jeffrey Brantingham. ‘Burgers doen aangifte van misdaad bij de politie. Als de politie die gegevens vervolgens gebruikt om preventief in bepaalde buurten te surveilleren en daarmee een buurt veiliger te maken, doet ze toch precies wat de maatschappij vraagt?’
Het is niet de eerste en zeker niet de laatste keer dat Brantingham gevraagd wordt naar de schaduwkant van zijn voorspellingsmodellen. De hoogleraar antropologie in Los Angeles stond hoogstpersoonlijk aan de wieg van predictive policing. ‘Dat was niet gepland: ik deed onderzoek naar iets anders, maar er kwam een techniek uit waar de politie naar smachtte.’ Brantingham onderzocht voor het Amerikaanse leger modellen om aanvallen van rebellen en mogelijke burgerslachtoffers in Irak te voorspellen. Dezelfde software bleek inbraken en straatroof te kunnen voorzien.
Inmiddels staat Brantingham aan het hoofd van een indrukwekkend voorspellings?imperium: PredPol, een bedrijf dat in de VS alleen al in zestig steden actief is en ook in het Verenigd Koninkrijk software verkoopt. De Nederlandse politie heeft ook interesse, zegt Brantingham tijdens een flitsbezoek aan Den Haag. ‘Er zijn gesprekken geweest, maar nog niets formeels.’ Wat betreft die kwestie rond etnische profilering, daar kan de hoogleraar kort over zijn. ‘PredPol maakt geen gebruik van persoonsgegevens. We kijken alleen waar en wanneer iets gebeurd is.’ Racisme, met andere woorden, is uitgesloten. ‘Gemeenschappen krijgen meer politiesurveillance als ze vaker aangifte doen. Ze krijgen dus precies de aandacht waar ze om vragen.’
Toch kan die manier van werken indirect hetzelfde effect hebben, zegt Schuilenburg. Buurten met een slechte reputatie en veel politieaandacht komen eerder als risicolocatie uit de bus. Het gevolg is nog meer politieaandacht, die mogelijk gepaard gaat met etnisch profileren. ‘De politie pakt nu eenmaal eerder een Marokkaan in een hoody op dan iemand zoals ik in een maatpak.’ Dat werd vorige week duidelijk toen Typhoon werd aangehouden. De politie vond de dure auto waarin de rapper van Surinaamse afkomst reed in combinatie met zijn huidskleur verdacht.
De WRR?benoemt daarbij nog een probleem: bij wie ligt de verantwoordelijkheid als een voorspelling de plank volledig misslaat? ‘Aangezien de discriminatie in veel gevallen niet intentioneel is en niet met opzet in het algoritme ingeschreven wordt door de computerprogrammeurs zal het zeer moeilijk te achterhalen zijn wie verantwoordelijk is voor het probleem en om dit te bewijzen in een rechtszaak.’
Op naar Den Haag. Daar wordt op een zogeheten ‘verboden plaats’ gewerkt aan voorspellende modellen. Die verboden plek is een locatie van onderzoeksinstituut TNO?waar aan staats?geheimen wordt gesleuteld. Onderzoekers werken er bijvoorbeeld in opdracht van defensie. Bezoekers moeten hun telefoon bij de receptie achterlaten en mogen alleen onder begeleiding door het gebouw lopen. Het is ook de plek waar Selmar Smit en Arnout de Vries onderzoek doen naar verschillende modellen voor politie en veiligheidsdiensten. De Vries: ‘We proberen uit te zoeken hoe ver we kunnen gaan met voorspellen. Meer kunnen we er niet over zeggen.’
Toch heeft het duo een hoop te vertellen. De onderzoekers publiceerden eind april samen met twee andere collega’s een uitgebreid rapport over predictive policing. ‘Criminelen zijn gewoontedieren’, zegt De Vries. ‘Daardoor kun je makkelijk patronen zien in veel voorkomende vormen van misdaad.’ Hoewel er volgens collega Smit nog meer wetenschappelijk onderzoek moet komen, ‘is het aannemelijk dat predictive policing werkt’. Op dit moment doet tno alleen onderzoek voor overheidspartijen. ‘Maar vanuit de private sector bestaat veel interesse.’ Met name verzekeraars en particuliere beveiligingsbedrijven zien wel brood in een kijkje in de toekomst.
De technologie is veelbelovend, vinden de onderzoekers. Maar ze maken zich ook zorgen. Zo is er de privacy-kwestie. ‘Een goede voorspeller voor inbraken zijn de adressen van bekende inbrekers die net uit de gevangenis komen’, zegt Smit. ‘Maar ja, ze hebben hun straf al uitgezeten. Mag je die gegevens toch gebruiken?’ Andere kwestie: voor het doen van goede voorspellingen zijn data nodig, v??l data. Dat vereist al snel dat meerdere datasets aan elkaar worden gekoppeld. De Vries: ‘Dat is een enorm probleem. Die informatie heb je ooit verzameld met een bepaald doel en nu ga je het ineens voor een ander doel gebruiken, het voorspellen van misdaad.’
Privacy en het verzamelen van grote hoeveelheden data staan per definitie met elkaar op gespannen voet, staat te lezen in het eerder genoemde wrr-rapport. De wet schrijft voor dat gegevens niet voor een ander doel gebruikt mogen worden dan waarvoor ze verzameld zijn, ?n dat er niet meer gebruikt mag worden dan strikt noodzakelijk is. Het grote voordeel van big data-onderzoek zit ‘m nou juist in het ongericht verzamelen en combineren van eindeloze hoeveelheden gegevens, waardoor onverwachte patronen kunnen opduiken. ‘Spanningen met privacy en het gegevensbeschermingsrecht zijn daardoor nooit ver weg.’ Wetgeving schiet daarbij te kort. Of, zoals de wrr het formuleert: er is een ‘mismatch’ tussen wetgeving en het gebruik van big data door veiligheidsorganisaties. Regels over het verzamelen van data zijn er al, maar wat er vervolgens met die gegevens gebeurt, de analyse van die data, moet beter gereguleerd worden, vindt de raad.
Een fundamenteler probleem is dat predictive policing ingaat tegen het idee dat een individu onschuldig is tenzij anders bewezen. ‘De politie is eigenlijk van jou de kans aan het berekenen dat jij verdachte zou kunnen zijn’, zegt De Vries. Dat is in strijd met de onschuldpresumptie – een grondbeginsel van het strafrecht. ‘Het is heel moeilijk daar juridisch mee om te gaan.’
Het gevolg kan zijn dat de politie meer vrijheid krijgt om te handelen zonder rechterlijke controle, zegt Marc Schuilenburg. ‘Normaal gesproken heeft de politie toestemming van de rechter-commissaris nodig om bijvoorbeeld een telefoon te mogen aftappen.’ Bij predictive policing ontbreekt die controle. ‘De politie kan mensen op basis van een voorspelling alvast in de gaten gaan houden, zonder dat daar een zuiver juridische grond voor is’, zegt de criminoloog. ‘Het steeds vroeger willen ingrijpen van de politie schept zo een bijna ongebreidelde vrijheid voor de politie zelf.’
De politie zet met voorspellend politiewerk mogelijk te ruim opsporingsbevoegdheden in, zegt ook Bart Schellekens. Hij is onderzoeker Recht en ICT?bij de Raad voor de Rechtspraak, maar reageert op persoonlijke titel. ‘We moeten ons afvragen of dat past binnen de taak van de politie, en of toezicht en transparantie wel goed geregeld zijn.’ Voor Schuilenburg is dat al niet meer de vraag, maar een zorgwekkende constatering. ‘Met predictive policing rolt de politie een digitaal vangnet uit waarin de rechten van burgers volledig ondergesneeuwd raken aan die van onduidelijke opsporingsbelangen.’
Zo mogelijk nog ingewikkelder wordt het als het voorspellend model afkomstig is van een bedrijf dat het niet wil prijsgeven, zegt De Vries. ‘Mijn grootste zorg is uiteindelijk dat bedrijven de markt overnemen. Daar zit veel meer geld en kan veel meer snelheid gemaakt worden met technologie die al voor het oprapen ligt.’ Alle eerder genoemde risico’s, van etnisch profileren tot privacy-schending, nemen volgens de tno-?onderzoekers alleen maar toe als private partijen de boel overnemen, omdat er veel minder druk is om transparant te opereren. Smit: ‘Dan kan er anarchie ontstaan.’
Zo ver is het nog niet. De Vries: ‘Predictive policing groeit hard, maar staat nog in de kinderschoenen. Of de overheid uiteindelijk de overhand gaat krijgen of het bedrijfsleven gaan we zien. Maar dat de geest uit de fles is als het gaat om het voorspellen van misdaad, is wel duidelijk.’
Het is een veel gehoord geluid als het over voorspellend politiewerk gaat: de opmars van de kristallen bol lijkt onomkeerbaar. Sander Klous, hoogleraar big data aan de Universiteit van Amsterdam en adviseur ‘big data analytics’ bij KPMG, publiceerde onlangs een rapport met de veelzeggende titel Iedereen wil uiteindelijk die voorspellende glazen bol. ‘Het werkt met big data net als met tandpasta’, licht de hoogleraar toe. ‘Eenmaal uit de tube kun je proberen het terug te duwen, maar dat gaat niet lukken.’ Minder kleurrijk gezegd: als data eenmaal beschikbaar zijn, is het vrijwel onmogelijk deze weer terug te trekken. En er wordt steeds meer gemeten en gedeeld, niet in de laatste plaats dankzij smartphones en sociale media. Het valt te verwachten dat daar, nu voorspellingstechniek ?royaal voorhanden is, alleen maar meer gebruik van gemaakt zal worden.
Het sluipende gevaar is wat de WRR?’data?determinisme’ noemt. Het risico dat individuen worden beoordeeld op basis van wat statistisch gezien aannemelijk is dat ze gaan doen, in plaats van wat ze feitelijk gedaan hebben. Marc Schuilenburg heeft er een andere, meer dramatische term voor: ‘de gedachtenpolitie’ – een politieorganisatie meer gericht op intentie dan op de daad zelf. De verschuiving naar intentie is volgens Schuilenburg deel van een bredere ontwikkeling. ‘Het klassieke strafrecht in Nederland was een daadstrafrecht. Er moest een fysieke handeling hebben plaatsgevonden voordat iemand strafbaar was.’ Dat wordt de laatste twintig jaar steeds verder losgelaten. Voorbereidingshandelingen zijn bijvoorbeeld strafbaar geworden. ‘Als ik met een kalasjnikov in m’n hand en een plattegrond van een bank in m’n zak over straat loop, is dat genoeg voor een veroordeling.’ De daad zelf is daarmee opgerekt tot de voorbereiding ervan. ‘Het gevaar is dat de politie steeds eerder in het hoofd van mensen probeert te kruipen, aan bepaalde gedragingen conclusies gaat verbinden en al ingrijpt voor er iets gebeurd is. Terwijl: het is altijd de vraag of die persoon wel tot die daad was gekomen als je niets had gedaan.’
Daarmee raakt Schuilenburg aan de kern van veel vraagstukken rond voorspellend politiewerk: wat als iemand iets anders doet dan verwacht? Het is het klassieke thema van veel sciencefictionfilms en -boeken: predestinatie versus vrije wil. Tom Cruise krijgt er halverwege Minority Report mee te maken. Volgens de helderzienden staat hij deze keer zelf op het punt een man te vermoorden. De daad lijkt onontkoombaar, de politieagent gelooft heilig in zijn voorspellingsmethode. Hij zal ook bijna wel moeten: als hij de moord niet pleegt is hij het levende bewijs dat zijn methodiek niet werkt. ‘Je hebt w?l een keuze’, fluistert een van de helderzienden hem in.
Dat dit soort onwerkelijke dilemma’s geen volslagen fictie meer zijn, bewijst het voorbeeld uit Pennsylvania. Als de staat inderdaad een rekenmodel invoert dat rechters de strafmaat helpt bepalen, dan worden daders preventief afgerekend op een statistisch gegeven. De kans op recidive wordt met behulp van een punten?systeem berekend, aan de hand van onder andere historische criminaliteitsgegevens. Man-zijn alleen al levert daarbij meer punten op, omdat er nu eenmaal vaker mannen dan vrouwen worden veroordeeld. Hetzelfde geldt voor leeftijd: een jongere is een groter risico dan iemand van boven de veertig. Zelfs de woonplek telt mee: een stadsmens gaat vaker de fout in dan een plattelandsbewoner en kan dus strenger worden gestraft. Cijfermatige voorbestemming gaat zo zwaarder wegen dan vrije wil – de kans dat iemand iets anders doet dan wat statistisch voor de hand ligt.
Dezelfde kwestie in een andere vorm speelde bij de Amerikaan Robert McDaniel. In de zomer van 2013 stonden er drie agenten op de stoep van de toen 22-jarige inwoner van Chicago. De stad had net een voorspellend model in gebruik genomen dat moest bepalen welke inwoners de grootste kans maakten betrokken te raken bij een gewelddadig incident. McDaniel stond op de lijst en kreeg prompt bezoek van de politie. De boodschap: we houden je in de gaten, nog ??n misstap en de gevolgen zijn groot. Het incident haalde de krant omdat niet duidelijk was hoe de jongen op de lijst was beland, aangezien hij behalve een aantal arrestaties voor kleine vergrijpen (waaronder het roken van wiet) een schone lei had. ‘Ik heb niets m??r gedaan dan elke andere jongere die in deze buurt opgroeit’, zei McDaniel destijds in de Chicago Tribune. De doorslaggevende factor was waarschijnlijk dat hij wel vrienden had met een uitgebreid strafblad. Omdat sociale netwerken een goede voorspeller van gedrag zijn, telden die mee.
‘Zien we in de Nederlandse rechtbanken binnenkort ook Pennsylvaniaanse toestanden?’ vroeg de minister van Veiligheid en Justitie Ard van der Steur onlangs retorisch bij de ontvangst van het WRR-rapport over big data en veiligheid. ‘Ik zal het nog eens navragen bij de Raad voor de Rechtspraak, maar ik vermoed van niet.’ Tegelijkertijd moeten we ons door dit soort ‘dystopische’ voorbeelden niet laten afschrikken van de mogelijkheden die big data bieden op het gebied van veiligheid, vindt de minister. ‘Als de negentiende-eeuwse boer die zo’n nieuwerwetse trein langs zijn wei vol koeien ziet denderen en denkt: verdomd, straks wordt de melk zuur.’
Dat Nederland die behoudende boer in elk geval niet is, blijkt uit het WRR-onderzoek. Wat de gevolgen daarvan zijn, zal moeten blijken. Volgens Van der Steur moeten we vooral realistisch zijn. ‘Wat geldt voor de zelfrijdende auto’s en drones geldt ook voor big data: het is niet de vraag of het onderdeel wordt van ons dagelijks leven, maar hoe we het vormgeven.’
Dit artikel kwam tot stand met steun van Fonds 1877
Van pesterijen tot regelrechte oorlogvoering op internet: zogeheten trollen nemen bijkans het internet over. Journaliste Jessikka Aro schreef erover en werd zelf slachtoffer. Onderstaand artikel van kristel van Teeffelen stond onlangs in Trouw:
Het is lente vorig jaar als de Finse journalist Jessikka Aro een bizar bericht ontvangt. Een sms van haar ‘vader’ die schrijft dat hij niet is overleden, maar ‘haar observeert’. Aro’s vader leeft al twintig jaar niet meer.
De journalist van het Finse tv-station Yle Kioski noemt het bericht later het dieptepunt van de onlinepesterijen die volgen op haar journalistieke onderzoek naar Russische internettrollen. Dat zijn mensen waarvan wordt verondersteld dat ze worden aangestuurd vanuit het Kremlin om pro-Russische berichten op internet te verspreiden. Het blijft niet bij het sms’je, de 35-jarige Aro krijgt te maken met dreigtelefoontjes en allerlei roddels die over haar verschijnen op sociale media: ze zou voor de Amerikanen werken en drugs dealen. In een filmpje op YouTube wordt ze neergezet als een dom blondje. De pesterijen maken haar leven tot een hel, zei ze onlangs tegen The New York Times.
Wat Aro overkwam, is kenmerkend voor wat internettrollen kunnen veroorzaken. Al bestaat er eigenlijk geen definitie van die term, laat staan dat er cijfers zijn over aantallen (zie hieronder). Zelf denkt de journalist dat ze werd bestookt vanuit de hoek waarop ze haar onderzoek richtte: de pro-Russische trollen. Mensen die doelbewust en herhaaldelijk het maatschappelijke debat proberen te be?nvloeden op sociale media en andere websites, in het voordeel van de Russische regering. Hoewel sommigen dat uit individuele overtuiging doen, is van Rusland bekend dat ook de overheid trollen aanstuurt.
Van die zogenoemde trollenfabriek is niet veel bekend, afgezien van de verhalen die de afgelopen jaren verschenen in verschillende media. Zo vertelde Ljoedmila Savtsjoek, een voormalige trol die haar werkgever vorig jaar voor de rechter sleepte, dat zij dagelijks tientallen reacties op sites en sociale media moest plaatsen waarin ze het opnam voor Poetin en diens beleid. Een andere trol beschreef in de Britse krant The Guardian dat ze over hele gewone dingen moesten schrijven, zoals het bakken van taarten en muziek. Daar moesten ze dan af en toe een politiek bericht tussendoor gooien over hoe fascistisch de regering in Kiev is, bijvoorbeeld.
Verhulde propaganda
De boodschap subtiel verpakken, is onderdeel van de tactiek. Berichten die vanuit de overheid komen, kunnen eenvoudiger aan de kant worden geschoven als overduidelijke propaganda, zegt Jan Melissen, als onderzoeker verbonden aan het instituut voor internationale betrekkingen Clingendael. Dat is moeilijker als het bericht van een gewone burger lijkt te komen, die de politieke boodschap afwisselt met gezellige huis-tuin-en-keuken-berichten. De be?nvloeding gaat dan sluipenderwijs.
Hoe gevaarlijk is die inzet van dergelijke politieke trollen? Dat overheden zieltjes proberen te winnen, ook over de landsgrenzen heen, is niets nieuws, zegt Melissen. Het is door internet alleen een stuk makkelijker geworden. Regimes zijn erachter gekomen dat sociale media een bijzonder krachtige tool voor propaganda zijn. Een ontwikkeling die we volgens hem ‘buitengewoon serieus moeten nemen’.
Daar lijkt ook de Europese Unie sinds vorig jaar van doordrongen. De continue informatiestroom van de Russische trollen wordt gezien als potentieel zo ontwrichtend voor de Europese samenleving, dat er een team is opgericht dat weerwoord moet gaan bieden, de zogenoemde ‘East StratCom Task Force‘. Dat team houdt niet alleen bij wat er allemaal voor onwaarheden vanuit Rusland worden verspreid, ze antwoorden daar ook op door de andere kant van het verhaal te vertellen, door de Europese politiek uit te leggen. Daarnaast worden onafhankelijke media in Rusland vanuit de Task Force ondersteund. Ook Nederland doet daaraan mee. Eind 2015 maakte minister Bert Koenders van buitenlandse zaken bekend dat Nederland daarvoor 1,3 miljoen euro uittrekt.
Maar doen de EU en Nederland met het stimuleren van het pro-Europese tegengeluid niet hetzelfde als Rusland? De ondersteuning van onafhankelijke Russische media is niet bedoeld als tegenpropaganda, stelde Koenders bij de aankondiging vorig jaar. Want dat gaat volgens hem in tegen ‘onze democratische beginselen’. Het geld dat Nederland beschikbaar stelt, is volgens hem ook niet gericht tegen Rusland, maar is ‘voor onafhankelijke media’.
Nepaccounts
Het ondersteunen van het tegengeluid is goed, zegt Arnout de Vries van het Nederlandse onderzoeksinstituut TNO. Al vraagt hij zich af of het voldoende is. Helemaal nu het voor trollen steeds makkelijker wordt om hun impact te vergroten. De Vries doet momenteel onderzoek naar het fenomeen van zogenoemde ‘botfarms‘. Dat zijn grote hoeveelheden accounts op sociale media waar geen gebruiker achter zit, maar een computer. De accounts doen vaak niets anders dan berichten retweeten, maar door de verbeterende technologie schrijven sommige computers inmiddels ook al volledige zinnen. De botfarms zorgen er bijvoorbeeld voor dat ??n persoon, ondersteund door de computer, een grote hoeveelheid accounts kan beheren.
“Uit onderzoek van de Universiteit van Arizona blijkt dat ten minste tien procent van de accounts op Twitter fake is, verantwoordelijk voor bijna een kwart van de berichten op het platform”, zegt De Vries. “Voor trollen zijn die nepaccounts bijzonder effectief. Kijk je naar de activiteiten van terreurgroep IS op sociale media, dan gaat het getal van 100.000 accounts rond. Dat lijkt heel wat. In werkelijkheid zitten er veel fake-accounts bij, waarmee ze hun boodschap kracht bijzetten.”?50% accounts na 2014 inmiddels suspended,?24% van alle tweets komen van bots en bij Facebook zijn de schattingen dat ook tussen de 5 en 11% van alle accounts bots zijn.
Steeds minder trollen kunnen daardoor een steeds grotere impact hebben, waarschuwt De Vries. Dan hebben de Russen straks geen leger meer nodig, maar is ??n bataljon genoeg.
Wat moet het antwoord van de EU daarop zijn? Zelf dan maar trollende botfarms inzetten? De Vries lacht: “Dat is een beetje te controversieel. Ik denk alleen wel dat je als overheid burgers in groten getale nodig hebt om tegengeluiden te laten horen. Maar overheden lijken een beetje beschaamd dat aan hun burgers te vragen. Het is toch alsof je je burgers het strijdveld op het web instuurt.”
En daar kan het er erg persoonlijk aan toe gaan, laat de kwestie met Jessikka Aro zien. Doodsbedreigingen, online speuren naar informatie en daarmee iemand chanteren; het zijn strategie?n die de doorgewinterde trol inzet om tegenstanders uit te schakelen en zijn invloed te doen gelden.
Toch is er volgens Jan Melissen van Clingendael wel een verschuiving gaande. De meeste overheden zetten dan wel geen trollenlegers op, maar ondersteunen burgers of organisaties wel steeds vaker indirect in het verspreiden van hen goedgezinde berichten op internet. “Dat doen ze bijvoorbeeld door organisaties met geld te ondersteunen, of burgers te trainen. Ik ken voorbeelden uit Zuid-Korea en uit Isra?l. Daar traint het ministerie van buitenlandse zaken jonge Isra?li?rs die het online opnemen voor hun land.”
Hoewel het volgens Melissen in een democratie lastig ligt om als overheid te veel te willen sturen op wat burgers online uiten, komt de wens voort uit het idee dat die burgers broodnodig zijn. Vooral als je te maken hebt met tegenstanders die op grote schaal onwaarheden verspreiden.
Trollen in alle soorten en maten
Lang niet alle trollen hebben een politiek motief. Soms zijn het internetters die uit verveling online op zoek gaan naar ruzie, of naar een lolletje. Een trollentruc is bijvoorbeeld om op internetfora onschuldig ogende linkjes achter te laten die in werkelijkheid leiden naar een site met alles behalve onschuldige plaatjes.
Door sommige mensen wordt trollen zelfs gezien als een ware kunst. E?n van hen is de Amerikaanse econoom Noah Smith, die in 2014 een vlammend betoog schreef over waarom hij trots is om een internettrol te zijn. Hij ziet het als een manier om mensen op hun vooroordelen te wijzen, en om de alledaagse sleur te doorbreken.
Maar trollen is lang niet meer zo onschuldig als in de begintijd van internet, erkent ook Smith. Neem het fenomeen dat bekend is onder de naam ‘doxen’, oftewel iemand uit de anonimiteit halen. De Britse schrijver Jamie Bartlett haalt een voorbeeld aan in zijn boek ‘Dark net‘, waarvoor hij in de krochten van internet dook. Een meisje had naaktfoto’s van zichzelf geplaatst op een anoniem forum, waarna een aantal aanwezigen een zoektocht naar haar identiteit begon. Binnen de kortste keren was haar naam, adres en telefoonnummer achterhaald via een studentenlijst van haar universiteit. En waren de naaktfoto’s naar al haar facebookvrienden verstuurd. Volgens Bartlett wordt dat op internet een ‘life ruin’ genoemd: bedoeld om blijvend leed te veroorzaken. En dat alleen maar omdat het kan.
In zekere zin gebruikten ook de trollen die achter Jessikka Aro aangingen die tactiek. Bij Aro lijkt er alleen een politiek motief achter te zitten, de pesterijen begonnen direct nadat ze haar eerste artikel publiceerde over het Russische trollenleger. Maar niet alleen die groep stuurde de roddels rond. Het viel Aro op dat er allerlei mensen aan meededen, waarvan de connectie met Rusland niet altijd duidelijk was. Dat is kenmerkend voor trollen, zegt Arnout de Vries van TNO. “Vaak zie je een sneeuwbaleffect: iemand haalt een grap uit, dat lokt reacties uit en de volgende gaat daaroverheen.”
Ook in Nederland hadden trollen al een aantal keer flink impact. Bijvoorbeeld tijdens de rellen in Haren in 2012 (Project X). Een jongen uit Rotterdam twitterde die avond dat een meisje was overleden. Het was een grap. “Hij slingerde voor de lol leugens de wereld in en wist dat bijzonder goed te timen”, zegt De Vries. “Met alle ellende tot gevolg. De media vallen hulpdiensten onnodig lastig om bevestiging te krijgen en veel ouders bellen 112.” De jongen uit Rotterdam werd opgespoord, maar niet vervolgd omdat wat hij deed niet zomaar strafbaar was. Dat is een probleem bij de aanpak van trollen, stelt De Vries. Ze zijn erg moeilijk aan te pakken, terwijl ze bij grote gebeurtenissen klaarzitten om toe te slaan.
Coen Hoefnagel, portefeuillehouder Opsporingscommunicatie en sectorhoofd DDR in de Eenheid Den Haag, organiseert op 25 mei in Oud-Zuilen een worldcaf?. Een ontmoeting om te bevorderen dat we opsporingscommunicatie vaker benutten als interventiestrategie en de opsporing een gezicht geven in de media. Dertien voorlopers zetten er hun initiatieven in de etalage.
Is de opsporing wel sociaal genoeg in haar communicatie met burgers, vraagt Coen Hoefnagel zich af: ?De meeste zaken worden opgelost dankzij burgers. Dan durf ik te stellen dat we goud op de plank laten liggen. Recent onderzoek met betrekking tot cold cases geeft aan dat maar liefst achthonderd mensen iets weten over een vroegere moord, maar er niets over zeggen. Wat gebeurt er als we ernaar zouden vragen? Als we optimaal gebruikmaken van de grote hoeveelheid video?s en foto’s die beschikbaar zijn??
Inspireren
Alle Nederlandse smartphonegebruikers delen volgens Coen per dag maar liefst een miljoen foto’s met elkaar: ?En negen op de tien Nederlanders is in 2016 actief op sociale media. Daartussen zit ongetwijfeld ook informatie die cruciaal is voor de opsporing. Het goud moet van de plank en dat wil ik het komende jaar met collega?s nog vaker verzilveren. Dit worldcaf? is bedoeld om de opsporing warm te laten lopen voor de kansen die Opsporingscommunicatie biedt en uit te dagen om het komende jaar vaker gebruik te maken van opsporingscommunicatie als interventiestrategie. Opsporing moet een gezicht krijgen in de media. Dertien voorlopers zetten in dit worldcaf? hun initiatief en ervaring in de etalage. Zij hopen de 65 bezoekers te inspireren om hun idee te adopteren en toe te passen.?
Voorbeelden
Hieronder de voorbeelden van de innovatieve initiatieven van collega?s:
Facebook advertising voor getuigen Amsterdamse zaak Nabiel Amzieb
Een lugubere zaak, een gevonden hoofd voor het waterpijpcaf? in Amstelveen. Wellicht daardoor hadden we het binnen 24 uur voor elkaar. Geweldige samenwerking tussen de TGO onderzoeksleider, het OM, afdeling communicatie en mijn kennis van social media. Mijn filosofie? Je moet gaan vissen waar de vissen zwemmen. Burgers zijn actief op Facebook dus zie dat als kans. U kunt dit in een mum van tijd ook zelf realiseren. Het is goedkoop (750 euro), heeft enorm bereik (116.523) en leverde tientallen tips op. Ik vertel u graag over de do?s en don?ts.
Mobiel medialab: kansrijk voor de opsporing
Contact: Ed Sabel (Programma Integraal Mediabeleid en Digitale Media, adviseur innovatie en burgerpanels)
Pas ??n keer is ons mobiele medialab ingezet voor?opsporing. Een gemiste kans want wij komen met onze grote bus letterlijk naar de plaats delict met alle beschikbare communicatietools. Dankzij samenwerking met de imam en met collega?s die Turks en Marokkaans spreken, bezochten in Amsterdam West 350 burgers onze bus om mee te denken over het oplossen van de moordzaak. Buurtbewoners kregen exclusieve beelden te zien. Dit alles leverde 19 bruikbare tips op. Onze tools gaan verder dan vragen naar daderinformatie. Denken in scenario?s, brainstormen, het kan allemaal.
Hand in hand kameraden: samenwerking opsporing en communicatie in Rotterdam
Contact: Angelique Chatta (eenheid Rotterdam, communicatieadviseur) en Jan-Tjeerd de Jong (eenheid Rotterdam, operationeel expert tactische opsporing)
Je hebt iemand in de top nodig die zorgt dat communicatie ook echt geoormerkte capaciteit heeft om de handjes te laten wapperen. Dankzij Piet Melse is onze organisatie zo ingericht dat communicatie ook ondersteunend kan zijn aan de opsporing. De opsporing wordt steeds enthousiaster over het samenwerken en de interventiemogelijkheden. Graag vertellen we u aan de hand van de praktijk hoe succesvolle samenwerking kan ontstaan. Snel kunnen acteren is een must.
OM: ga niet los in de media maar vlieg onder de vlag van opsporing
Contact: Diederik Greive (Openbaar Ministerie, hoofdofficier van justitie)
Opsporingsberichtgeving zet je in om zaken op te lossen. Een effectief opsporingsmiddel. Toch gaan we niet ?los? in de media. Opsporingsbelang en privacy moeten eerst afgewogen worden. Vertrouwen wek je met succesvolle vervolging. Op termijn dus, geen snelle imagowinst. Dat vereist recherchekunde, opsporingscapaciteit en communicatie skills. In de mix. Er zijn mooie communicatie-initiatieven maar geen solide opsporingsbasis. Er moet een breed pallet aan middelen komen. Van digitaal buurtonderzoek, ZSM communities, TGO platforms, een 24/7 politiekanaal tot cold case zaken op het scherm. Dit onder de vlag van opsporing.
Communicatie als interventie bij aanpak ondermijning
Contact: Marloes van Nistelrooij (RIEC Zeeland-West-Brabant en Oost-Brabant, communicatieadviseur)
Those who tell stories rule the world! We zijn het niet gewend, maar als overheid kunnen we veel vertellen over wat we doen. Vanuit het RIEC motiveren we partners om communicatie in te zetten als interventie bij de aanpak van ondermijnende criminaliteit. Er kan meer dan achteraf persberichten versturen. Durf specifieke doelgroepen te benaderen om zo gericht je doel te bereiken. Bijvoorbeeld door ondernemers in hun eigen blad te attenderen op de risico?s die kleven aan het zaken doen met bepaalde mensen. Gewoon door te doen, ontwikkelden we best practices voor het inzetten van communicatie als interventie en experimenteren we hiermee door.
Scenariodenken in mediastrategie Jumbozaak: won journalistiek prijs
Burgers beschermen en niet opsporing was onze eerste prioriteit. Op basis van onze 18 scenario?s hebben we gekozen om vooral de omgeving te alarmeren en burgers te vragen om mee te denken. Het mooie van deze zaak is dat deze crimineel een oude bekende is die zich van een nieuwe techniek bediende, bitcoins. We hebben hem gepakt door de combinatie van oud recherchewerk en nieuwe technologie?n. Samenwerking was onze sleutel tot succes. Zowel met Team High Tech Crime als met de afdeling communicatie. Daarom vind ik deze prijs voor onze communicatiemedewerkers ook echt verdiend.
Basisteam Almelo slagvaardig in opsporen dankzij Facebookpagina
Na vier jaar hebben we 9260 volgers. Wekelijks roepen we hun hulp in en daardoor valt er ook wekelijks wel een succesje te vieren. Een gestolen auto is teruggevonden en dankzij het sporenonderzoek is er een verdachte aangehouden. Van de 10 gevonden fietsen zijn er 7 terug naar de eigenaren. Een agressieve man is opgespoord die met een honkbalknuppel iemand te lijf was gegaan. Met twee collega?s uit blauw onderhouden wij de Facebookpagina. We kleuren niet buiten de lijntjes. Alles waar we niet zeker over zijn, leggen we voor aan onze chef. Mijn advies? Start ook een pagina, het is leuk en makkelijk te doen.
Participatieladder: kunnen we een treetje hoger?
Contact: Nicolien Kop (Politieacademie, lector criminaliteitsbeheersing en recherchekunde)
Uit onderzoek blijkt dat burgers de succesfactor zijn bij het opsporen. Welke mogelijkheden ziet u bij het actief betrekken van burgers bij de opsporing? Waar loop je risico? Van informeren, raadplegen en adviseren naar co-creatie met burgers. Dat zijn de 5 treden van de participatieladder. Lector Nicolien Kop van de Politieacademie heeft praktijkvoorbeelden per trede. Zij gaat met u in gesprek over de dilemma?s per trede. Bij welke trede ligt voor u de grens?
Digitaal buurtonderzoek: een nieuw veelbelovend tool
Contact: Kees van der Kraan (eenheid Amsterdam, programmasecretaris stelselherziening geweldsaanwending) en Adrian Proos (directie communicatie IMDM, business consultant)
Jaarlijks voert de politie 60.000 buurtonderzoeken uit. Vandaag de dag gaat de politie nog altijd langs de deuren. Bewoners worden echter veelal niet bereikt. Aankomend najaar start een pilot die bewoners via de politie-app vraagt of ze iets (verdachts) gezien of gehoord hebben. Nee? Dan wordt er geen verder contact opgenomen met de bewoner. Ja? Dan wordt er contact opgenomen met de bewoner voor opsporingsinformatie. Het digitale buurtonderzoek is een enorme besparing op capaciteit. Doordat betrokken burgers direct bereikt worden, is de kans op kwalitatieve informatie en/of tips groter. Vanaf 1 januari 2017 kan deze tool landelijk worden ingezet.
Naming and shaming van subject in de media
Contact: Erie Hulleman (eenheid Oost-Brabant, ontkleurd projectleider en integraal programmaleider bij de taskforce BZ)
We konden hoog vliegen mede dankzij onze mediastrategie. Die hebben we ingezet als interventie bij de integrale aanpak van huisjesmelkers. Bewust bespelen van de publieke opinie om de ogen de goede kant uit te laten kijken. Is je doel naming en shaming via de krant, dan vergt dat professioneel omgaan met journalisten. Begrip hebben dat we beiden vanuit een andere professionele waarde werken: voor ons is geheimhouding essentieel maar voor de journalist openbaarheid. Dat vergt vooraf niet alleen vertrouwen in elkaar maar ook duidelijke afspraken wat ?off the record? wordt gezegd, dus niet in de krant kan.
Jongerenchat: vraag het de politie
Contact: Kristian Harmelink (eenheid Den Haag, schoolwijkagent)
Onze chat is een gat in de markt voor jongeren die geen contact met de politie hebben maar wel met vragen zitten. Over huiselijk geweld, wapens, dreiging dat een naaktfoto geplaatst wordt. Je vraag appen is laagdrempeliger dan naar het bureau gaan. Als het gaat om opsporingscommunicatie, proberen wij jongeren juist te informeren in de hoop dat ze geen slachtoffer worden. Zo houden we maandelijks thema chats op onderwerpen zoals geldezels, radicalisering en drank en drugs. Zo?n 80 jongeren per week bereiken we op onze twee avonden. We willen meer en daarom hebben we vloggers uitgenodigd om filmpjes te maken over specifieke thema?s.
Videoscreening in Oost: superservice aan de opsporing
Contact: Team Video Expertise Oost-Nederland – VIDEX
In een apart hoekje werkt het team Videx continu aan het bewerken van videobeelden voor onze rechercheurs. Stel: een ondernemer doet aangifte, dan bewerken deze mensen meteen de screenshots, YouTube filmpjes of beelden van social media. Alles waar rechercheurs wat mee kunnen, wordt geoormerkt, gearchiveerd en ingebed in de WPG. Deze service bespaart de opsporing veel capaciteit, de kwaliteit van de beelden is beter en ?last but not least?: beelden verdwijnen niet in laatjes.
Burgers in de bijzondere opsporing? Nieuwe kansen!
Contact: Frank Debije (Landelijke Eenheid, co?rdinator HUMINT)
Door het verbod op de inzet van criminele burgerinfiltranten raakte de inzet van burgers in de bijzondere opsporing deels buiten beeld. De opheffing van dit verbod cre?ert nieuwe mogelijkheden voor deze en andere bijzondere vormen van burgerparticipatie in de opsporing. Politie en OM bundelen hun expertise om een zorgvuldige en integere toepassing van de bijzondere opsporingsmethoden met burgers te kunnen garanderen.
Toekomstbestendig
Een impressie van het tweede opsporingscaf? in de reeks die de School voor Politie Leiderschap organiseert op verzoek van Wim van Amerongen (programmadirecteur Herijking Opsporing). Dit keer was het thema ?Opsporingscommunicatie?. Het worldcaf? is het tweede caf? in de reeks Opsporingscaf??s die de School voor Politieleiderschap samen met het programma Herijking Opsporing organiseert om de opsporing toekomstbestendig te maken. Coen Hoefnagel, als portefeuillehouder opsporing, vertelt in onderstaand?verslag wat hij het komende jaar wil bereiken.
Ambitie: verbinden van opsporing, communicatie en social media
Het wordt nu echt tijd om de idee?n rond opsporing, communicatie en social media om te zetten in toepasbare operationele activiteiten. Dit opsporingscaf? doet me denken aan oude tijden waarin minister de Cock niet alleen zijn successen vierde, maar ook op zoek was naar kritische reflectie aan de bar, in gesprek met ?burgers?. Het lijkt voor de opsporing haast ondenkbaar in deze tijd?
Wat heeft gemaakt dat de opsporing een licht autistische neiging heeft ontwikkeld in verbinding en relatie met de samenleving. Waarom zijn we (nog) niet in staat gebleken structureel sociaal of social burgers te betrekken. De opsporing heeft zichtbaar moeite zich aan te passen aan de veranderende omstandigheden in de fysieke maar zeker in de virtuele wereld. Dat wordt bevestigd in de zelfanalyse ?Handelen naar Waarheid?. Adaptie, leren en actiegerichtheid moeten worden vergroot om als opsporing effectief te kunnen blijven.
Mijn opvatting is dan ook dat de opsporing zich op dit thema 3-dimensionaal moet ori?nteren: Opsporing, tradionelere communicatie en de nieuwe vormen van social media niet als afzonderlijke elementen maar een samenhangend stelsel.
Ik heb dan ook een ambitie langs deze drie lijnen:
De opsporing moet realtime in verbinding met de samenleving komen (fysiek en virtueel) door het aangaan van duurzame relaties met burgers en organisaties in netwerken en platforms;
Opsporingscommunicatie als interventiestrategie moet ?standaard? worden: van een afzetlint op de PD naar een realtime virtueel toegankelijke PD en van een traditioneel buurtonderzoek in de fysieke wereld naar een digitaal buurtonderzoek in de virtuele wereld;
De opsporing moet een herkenbaar gezicht in de samenleving krijgen door het vakmanschap lokaal, regionaal en landelijk weer herkenbaar aan het woord te laten.
Ik hoop dat we met elkaar de ?lef? hebben om een stap te zetten om opsporing, communicatie en social media aan elkaar te verbinden.
-?Coen Hoefnagel; sectorhoofd regionale recherche, eenheid Den Haag
Op 31 mei en 1 juni 2016 vond op The Hague Security Delta Campus in Den Haag, de internationale stad?van vrede, recht en veiligheid het congres Radicalisering & Terrorisme plaats waar ervaringsdeskundigen?en experts werkzaam bij de overheid, wetenschap en het bedrijfsleven samenk wamen om kennis en?ervaringen uit te wisselen over de aanpak van radicalisering en terrorisme om zodoende van elkaar te?leren.
Volgens Rob de Wijk zijn radicalisering en de kans op een terroristische aanslag niet de grootste veiligheidsrisico?s voor Europa. Grotere dreigingen vormen de conflicten aan de oostgrens
van Europa (Oekra?ne) en de toenemende spanningen in de Oost en Zuid-Chinese zee. Rob de Wijk is van oordeel dat het aantal geradicaliseerde jongeren in Europa redelijk ?behapbaar? is. Desondanks vormt een terroristische aanslag een dreiging voor Europa, gezien de grote psychologische effecten van een aanslag op de samenleving.
De grondoorzaken van radicalisering in de Arabische wereld zijn volgens Rob de Wijk gelegen in de grote en snelle veranderingen in de Arabische landen sinds de olie booming business werd. In tijden van veranderingen zoeken mensen naar houvast. In het Westen zijn dit mobiliserende ismes, zoals het communisme of socialisme. In de Arabisch wereld wordt veelvuldig teruggegrepen op de?glorietijd van de Islam. Religie is in veel van deze landen het enige bindmiddel. De voedingsbodem voor het ontstaan van terroristische organisaties krijgt vervolgens een impuls wanneer machtsvacua ontstaan, zoals in Irak en Libi?. Daarnaast dragen ook externe gebeurtenissen bij aan de voedingsbodem voor radicalisering in deze landen. Voorbeelden daarvan zijn de manier waarop gevangen zijn behandeld in Guantanamo Bay en Abu Ghraib en de Amerikaanse invasie in Irak. Er is een patroon zichtbaar in de manier waarop terroristische organisaties tot stand komen en handelen. Terroristische organisaties komen tot stand door zich af te keren van de maatschappij, het cre?ren van een enclave van het ware geloof en vervolgens het voeren van een tegenoffensief tegen de maatschappij. Terroristische organisaties kiezen vaak voor doelwitten van symbolische aard en met een kans op veel slachtoffers. Het openbaar vervoer en luchthavens zijn de populairste doelwitten. Daarnaast geven terroristische organisaties de voorkeur aan simpele methoden om de slagingskans te maximaliseren. Landen die volgens de Rob de Wijk momenteel het meeste risico lopen zijn Frankrijk, het Verenigd Koninkrijk, Duitsland en Belgi?.
Carl Steinmetz is van mening dat de Nederlandse aanpak zich teveel richt op de curatieve, repressieve en individualistische aanpak van radicalisering. Volgens hem is er meer aandacht nodig voor een preventieve en collectivistische aanpak. Hij roept de overheid daarom op om een groter gedeelte van het huidige budget te besteden aan het voorkomen van radicalisering.
Carl Steinmetz over collectivistische preventieve aanpak vanuit maatschappij, grootfamilie en buurt #radicalisering
Carl Steinmetz maakt onderscheid tussen het gedachtegoed en de aanpak van de individualist en de collectivist. De individualist gaat uit van de eigen verantwoordelijkheid en onafhankelijkheid van een persoon. De oorzaak van problematisch gedrag wordt als gevolg bij de persoon gezocht en leidt tot een aanpak welke zich richt op het aanpakken van daders. Voorbeelden hiervan zijn de ?lik op stuk? aanpak, de persoonsgerichte aanpak en het straffen middels gevangenisstraffen. De collectivist gaat daarentegen uit van de onderlinge afhankelijkheid en verbondenheid van personen.
De?oorzaken van problematisch gedrag worden gezocht in het systeem: de familie en maatschappij. Als gevolg richt de aanpak zich op het betrekken van opvoeders, grootfamilie, buurt en maatschappij?voor het bieden van een alternatief. In het specifieke geval van radicalisering richt de collectivistische aanpak zich op het adresseren van risicofactoren van radicalisering. Volgens Carl Steinmetz zijn deze risicofactoren armoede, uitsluiting en immigratieprocessen. Er is sprake van een groeiende groep jongeren die zich ontheemd voelen, zich afzonderen of zich terugtrekken in de eigen gemeenschap, welke vatbaar zijn voor radicalisme. Om tot passende interventies te komen op het onderwerp radicalisering stelt Carl Steinmetz voor om ?vredesbesprekingen? te organiseren tussen individualisten en collectivisten. De agenda zou kunnen bestaan uit het bespreken van de interventies die behoren bij het beperken van de instroom aan radicale jongeren.
Volgens Carl Steinmetz zijn armoede en uitsluiting gemakkelijker aan te pakken, dan radicalisering. Radicale jongeren begeven zich immers onder de radar en vragen om een grote inzet van politie en justitie.
Terrorisme is een wicked problem, omdat er geen eenduidige definitie bestaat van het probleem en het lastig is om tot een eenduidige en sluitende oplossing te komen. Een wicked problem
wordt in de bestuurskunde gekenmerkt door een niet eenduidige probleemdefinitie, de inzet van meerdere instrumenten, een focus op de instrumenten om het probleem te defini?ren, verschillende?belangen en wereldbeelden en veel partijen die iets aan het probleem willen doen. Volgens Edwin Bakker vormt terrorisme geen grote fysieke dreiging, aangezien er jaarlijks vijf tot tien?dodelijke slachtoffers vallen. Het is echter begrijpelijk dat het hoog op de politieke agenda staat gezien de aantallen uitreizigers en de aanslagen in Frankrijk en Belgi?.
Nederland staat bekend om de zogenaamde ?Dutch Approach?, ook wel gekscherend de ?confetti approach? genoemd. Nederland kent een brede benadering, van preventie tot repressie. Ter illustratie:?na de treinkaping bij de Punt was de Nederlandse overheid in gesprek met de Molukse gemeenschap, maar reed zij ook met pantservoertuigen door de wijken. Het mankement van de brede benadering is echter dat er te weinig zicht is op wat werkt. Edwin Bakker pleit voor het meer uitwisselen van ervaringen over wat wel en wat niet werkt om zo van elkaar te leren en interventies te verfijnen. Tot slot pleit Edwin Bakker voor meer aandacht voor het beperken van de hoofddoelstelling van terrorisme, het generen van impact.
Media redacties reflecteren op hun rol, maar meer kritisch vermogen is nodig. Politieke framing is nog belangrijker, media schikt zich vaak
Om het effect van een aanslag te beperken moeten we?werken aan de weerbaarheid van de Nederlandse samenleving. Investeringen in crisiscommunicatie, impactmanagement en het kennen van de partijen die een dempend effect kunnen hebben op de samenleving dragen daar aan bij.
“Brede Nederlandse confetti aanpak te weinig gericht op impact management na aanslag en weerbaarheid maatschappij” #EdwinBakker
In haar functie houdt Nicole Bogers zich voornamelijk bezig met het voorkomen van een terroristische aanslag in Nederland. De politie maakt onderdeel uit van een bredere aanpak, welke beschreven staat in de Nederlandse contraterrorisme-strategie en het actieprogramma integrale aanpak jihadisme. De bijdrage van de politie bestaat uit het verzamelen van informatie over potenti?le dreigingen en netwerken, het voorkomen van de verspreiding van Jihadistisch materiaal, het beschermen van personen, objecten en processen en handhaving en toezicht. De politie zorgt voor de lokale verbinding middels de wijkagent. Daarnaast is de politie een geoefende responsorganisatie in het geval een aanslag plaatsvindt. Wat kun jij bijdragen? Volgens Nicole Bogers kunnen professionals en burgers een bijdrage leveren door bewust te zijn van wat ze zien op straat en zicht te hebben op ontwikkelingen in hun buurt. Nicole Bogers merkt op dat naast het jihadisme, links en rechtsextremisme net zo relevant zijn. Om het ongewone te kunnen zien, moeten we bekend zijn met het gewone. Kleine stukjes informatie kunnen het verschil maken voor de politie.
“Netwerken aanpakken met netwerken. Polarisatie tegengaan en kennis vergroten.” – Nicole Bogers #radicaliseringscongres
Nicole Bogers geeft tot slot de volgende drie boodschappen mee aan professionals:
1) Netwerken kunnen het best worden aangepakt via netwerken. Welk netwerk maakt jij deel van uit en hoe gemakkelijk deel jij informatie?
2) Kennis ontwikkeling, borging en overdracht is belangrijk. Weet jij waar je de juiste informatie kunt vinden en aan wie je om informatie kunt vragen? Draag jij informatie over?
3) Het tegengaan van radicalisering vraagt ook om het tegengaan van polarisatie. We hebben een taak om het midden te verstevigen en te laten horen, ook als professional. Belangrijker dan het wat, is het wie een bijdrage levert in het maken van het verschil.
Massoud Djabani behoorde in de jaren zeventig tot een Iraanse terroristische organisatie en schets een beeld van hoe het proces van radicalisering en indoctrinatie in zijn werk gaat. Preventie is volgens hem enorm belangrijk, aangezien een geradicaliseerde jongere moeilijk meer is te bereiken. Hij pleit voor het vroegtijdig onderwijzen van kinderen in geschiedenis en filosofie om de
weerbaarheid tegen radicaal gedachtegoed te verhogen. Het zaadje van twijfel, wat nodig is voor deradicalisering, is moeilijk te planten als een jongere het radicale pad al is opgegaan. Massoud Djabani deradicaliseerde toen hij drie maanden in een ziekenhuisbed terecht kwam en geen kant op kon. Bij terugkomst in de groep, bemerkte hij al snel dat er geen ruimte was voor zijn kritische vragen. Massoud Djabani beschrijft radicalisering als een proces van vier fasen: werving, isolatie, desori?ntatie en hersenspoeling. In de eerste fase, de werving, worden emoties aangewakkerd, haat gezaaid, een vijandbeeld gecre?erd en wordt de jongere een utopie voorgespiegeld. Na de werving wordt de jongere uit zijn omgeving ge?soleerd. Daarna ontstaat desori?ntatie, waarna de jongere wordt gehersenspoeld. Het hersenspoelen gebeurt in eerste instantie door te manipuleren en emoties aan te wakkeren. Vervolgens wordt de jongere overspoeld met beelden van geweld, wordt hij constant met haat ge?njecteerd en worden vijanden ontmenselijkt. Tot slot is de jongere in de voltooiende fase ge?ndoctrineerd, is zijn identiteit verwisseld en gelooft hij of zij dat het doel alle middelen heiligt. Technieken die terroristische groepen gebruiken om iemand te dissoci?ren zijn het afbreken van identiteit, het geven van een nieuwe naam en het ontmenselijken van anderen. Als gevolg wordt de eigen identiteit als het ware ?ontkoppeld? en dringen misdaden niet door.
Het losmakingsproces van een terroristische groep begint met een zaadje van twijfel, wat tot het herstel van het kritisch denkvermogen leidt. Volgens Massoud Djabani is begeleiding noodzakelijk voor jongeren die zich losmaken van een terroristische organisatie. Deze jongeren hebben een toekomstperspectief en structuur nodig. Daarnaast zijn de jongeren getraumatiseerd en is verwerking van trauma?s noodzakelijk. Tot slot is het noodzakelijk om te investeren in de persoon en zijn of haar kwaliteit te benadrukken.
?
Arnout de Vries en Rolf van Wegberg laten zien dat het ouderwetse beeld van een terrorist achterhaald is. De moderne terrorist gebruikt sociale media voor het rekruteren van nieuwe leden en is actief op het DarkWeb, bijvoorbeeld om aan wapens te komen voor terroristische activiteiten. Arnout de Vries en Rolf van Wegberg brengen de mogelijkheden van nieuwe technieken als gamification, crowdfunding en HD terrorisme in beeld. Tot slot laten zij zien welke kansen het gebruik van sociale media en het DarkWeb bieden voor het online interveni?ren tegen terroristische organisaties.
?
In welke mate is terroristisch gedrag te voorspellen en kunnen we vroegtijdig op dat gedrag anticiperen? Hoe kan de kracht van de computer, middels Artificial Intelligence en Machine Learning,
gecombineerd worden met creativiteit en expert kennis? En wat kunnen we leren van fictief terroristische gedrag uit boeken en films? Pandora Intelligence en TNO hebben hun krachten gebundeld in het aanleggen van een database bestaande uit meer dan 500.000 terroristische incidenten met daarin informatie van terroristische aanslagen en filmscenario?s en verhalen uit boeken over?terroristische aanslagen. De incidenten zijn opgebouwd uit twaalf verhaalcomponenten met onderliggende subcomponenten. De database is op twee manieren innovatief. In de eerste plaats worden?filmscenario?s en verhalen uit boeken gebruikt om beter te kunnen anticiperen op terrorisme en alternatieve scenario?s naar voren te brengen. In de tweede plaats vormt de database de basis voor een model om terroristische scenario?s te voorspellen. Op basis hiervan kan beter worden gereageerd, voorkomen en voorbereid.
Welke type individuen voelt zich aangetrokken tot gewelddadige gemeenschappen, ongeacht de specifieke religieuze of politieke signatuur? Waardoor onderscheiden individuen zich die, als eenling?of als lid van een gemeenschap, waarschijnlijk dader van een gewelddadig delict worden? Hoe kan state-of-the art kennis uit de ontwikkelingspsychologie bijdragen aan een adequate, en vooral tijdige, identificatie van de meest waarschijnlijk gewelddadige individuen binnen bijvoorbeeld een specifieke gemeenschap/organisatie? Victor Kallen laat zien welke factoren gewelddadige daders van niet gewelddadige daders en ?gewone burgers? onderscheiden. Het gaat hier om (agressief en depressief) gedrag als kind, prenatale complicaties, slechte/criminele vrienden/familie, middelengebruik, lage motivatie voor school, wonen in een achterstandswijk, geschiedenis van delinquentie (lid van een bende), gezinsfactoren (opvoedingsstijl, gebrekkig toezicht,
slechte relatie met ouders, mishandeling, verwaarlozing en hoe deze factoren in elkaar grijpen tot een relatief coherent beeld dat de ontwikkeling tot een jong volwassen ?high risk? individu voorspelt.
Interessant leesvoer:?
Evaluatie van de nationale contraterrorisme-strategie 2011-2015,?Universiteit Utrecht in opdracht van het WODC
De evaluatie van de nationale contraterrorisme-strategie maakt inzichtelijk welke bijdrage de strategie 2011-2015 heeft geleverd aan het
verminderen van het risico op aanslagen, het verminderen van de vrees voor aanslagen, en het beperken van de mogelijke schade na
aanslagen.
Onderzoek naar ?Triggerfactoren in het radicaliseringsproces?
Universiteit van Amsterdam, in opdracht van het Ministerie van Sociale Zaken
Het onderzoek Triggerfactoren in het radicaliseringsproces is de eerste grote systematische literatuurstudie die is gedaan naar alles wat over
triggerfactoren bekend is in nationaal en internationaal onderzoek. Uit de studie blijkt dat nooit ??n enkele factor ervoor zorgt dat iemand
radicaliseert.
Onderzoek in opdracht van de Rechtbank Rotterdam ?Bestemming Syri??
Universiteit Leiden en Universiteit van Amsterdam
Het onderzoek Bestemming Syri? brengt de leefsituatie van Nederlanders in gebieden in Syri? die in 2014 niet meer gecontroleerd werden
door het al-Assad regime in kaart. Het onderzoek concludeert dat het overgrote deel van de Nederlandse uitreizigers in 2014 terecht kwam
bij IS of Jabbat al Nusra en dat de meerderheid van Nederlandse mannen is afgereisd om een bijdrage te leveren aan de gewapende strijd.
AIVD-publicatie ?Leven bij ISIS, de mythe ontrafeld?
Volgens de AIVD publicatie maken Nederlanders die afreizen naar ISIS-gebied willens en wetens de keuze om zich aan te sluiten bij een
terroristische groepering. Hiermee ondersteunen zij de gewelddadige strijd voor een islamitische staat. Het leven in ISIS-gebied is echter
zwaar. ISIS ontwikkelt zich steeds meer tot een totalitair regime. ISIS-propaganda schetst een idylle van het leven in het ?kalifaat?, die niet
strookt met de werkelijkheid. Inlichtingenonderzoek laat zien dat de omstandigheden juist erbarmelijk zijn.
Erg subtiel gaat het er bij Internetpesters Aangepakt niet aan toe, maar Peter R. is wel helderder dan de meeste moderators.
Wat doe je wanneer je thuiskomt en je voordeur is beklad met graffiti? ‘Vuile pijpslet’, staat er, of: ‘Lelijke homo, ze moeten je vergassen’. Waarschijnlijk bel je de politie. Vervolgens maak je een sopje en boen je je portiek.
Wat nu als dezelfde tekst op Facebook wordt gezet? Ook dan verwijder je de bedreiging, al doe je vast geen aangifte. Maar waarom eigenlijk niet? Op internet bereikt een bedreiging een veel groter publiek, die mensen leren je voor- en achternaam en kunnen het bericht liken of sharen: extra intimiderend. Je kunt het wel rapporteren, maar Facebookmoderators handelen ondoorgrondelijk – in het social-medialandschap wordt een topless vrouw direct verwijderd, een uitzwaaibetoging met racistische spandoeken kan dagen blijven.
Dan zijn kun je wat hebben aan?Peter R. de Vries en zijn redactieteam. In Internetpesters Aangepakt helpen zij de slachtoffers van ‘internetterreur’. Hij spoort met zijn team de (vaak anonieme) ‘webterroristen’ op en confronteert deze daders met hun gedrag. Elke aflevering draait om ??n zaak. Een Joodse vrouw die op Facebook bedreigd wordt, een meisje dat met wraakporno te maken krijgt, een kind dat wordt gediscrimineerd via YouTube. Of een recente uitzending over Jamilla: al zeven jaar digitaal gestalkt.
De aanpak van Peter R. en zijn team verschilt per casus. In het geval van Jamilla moet de identiteit van de dader achterhaald – via een Marktplaatspost van zijn moeder vindt de redactie zijn adres. In andere afleveringen is de dader al bekend en gaat de redactie zijn of haar gangen na – heeft de pester meer slachtoffers gemaakt?
Ethisch en journalistiek?gezien valt er wel wat aan te merken op het programma. De privacy van de daders is vaak in het geding: hun openbare posts en priv?berichten worden getoond, achternamen weggeblurd maar makkelijk online vindbaar. In een weinig subtiele voice-over dikt Peter R. het leed van de slachtoffers aan: ‘Ik snap wel dit haar leven ontwricht!’ Tegelijkertijd worden de pesters bars neergezet. De jongen die Jamilla romantische berichten blijft sturen, voert ‘een terreurcampagne’. Wanneer hij een vriend vraagt Jamilla ook te schrijven, heet dat ‘zeer geraffineerde manipulatie’. Ook de wederhoor lijkt niet altijd zuiver. In de aflevering over de Joodse vrouw wordt het commentaar van een politiewoordvoerder halverwege weggedraaid – te lang en complex voor de uitzending, waarschijnlijk. Nuance leent zich niet voor de boosheid en morele verontwaardiging die?nu eenmaal het handelsmerk is van Peter R. die vaak ‘Dit is gewoon schandalig!’ roept.
Dat de verhalen nogal zijn aangezet, maakt ze niet minder belangrijk. Internetpesters Aangepakt laat zien hoe desperaat slachtoffers van internetpesten kunnen raken, niet in de laatste plaats omdat moderators noch reguliere autoriteiten willen of kunnen ingrijpen. De grenzen tussen smaad en ironie, bedreiging en pesterijtje zijn vaag, zo luidt het. In Internetpesters Aangepakt geeft Peter R. die grenzen helder aan. Racisme? ‘Dat mag gewoon niet!’ Doodsbedreigingen? ‘Dat is strafbaar!’ Stalking? ‘Kan niet!’ Iemand moet het zeggen. En het kan niet vaak genoeg herhaald.
Petitie
Recentelijker heeft Peter R. de Vries enkele uren na uitzending van het programma?al meer dan genoeg handtekeningen verzameld om het onderwerp op de agenda van de Tweede Kamer te krijgen.?Om het onderwerp bespreekbaar te maken in de Kamer moest De Vries?minstens 40.000 handtekeningen verzamelen. Dinsdagavond om 22.30 uur hadden al 96.000 mensen de online petitie ondertekend.
Sodeju…!!! Een record: meer dan 55.000 handtekening op ??n dag voor internetpetitie… En uitzending op #RTL5 moet nog beginnen.. 20:30.
,,Slachtoffers worden niet beschermd en daders komen overal mee weg”, zegt de Vries. De misdaadverslaggever wil dat er een wet komt die slachtoffers gaat beschermen en dat er iets wordt gedaan met de aangiftes die volgens hem nu veelal op een stapel blijven liggen. ,,Het is een illusie dat er iets met aangiftes wordt gedaan. (…) De aangifte wordt wel genoteerd, maar er wordt vervolgens niks mee gedaan. Het ontbreekt de politie vaak aan mankracht en kennis. Ze begrijpen vaak de fundamentele basisbegrippen van het internet niet.”
Robby Roks heeft verslag gelegd van een langdurig etnografisch onderzoek onder (ex-)leden van de Haagse jeugdbende Rollin 200 Crips. Drs. Robby Roks is als universitair docent verbonden aan de sectie Criminologie van de Erasmus Universiteit Rotterdam. Gedurende het veldwerk heeft de auteur de mogelijkheden van sociale media verkend. Hij laat zien dat de activiteiten van deze jongeren zich in toenemende mate op social media afspelen en dat de grens tussen offline en online steeds moeilijker te trekken is. Posts en foto?s op social media kunnen op eenvoudige wijze door criminologen worden gebruikt voor dataverzameling, terwijl social media ook kunnen dienen als platform om contact te leggen en te communiceren met informanten. Ten slotte staat deze auteur stil bij de ethische dilemma?s en beperkingen die gepaard gaan met het gebruik van deze nieuwe, andersoortige methoden van dataverzameling.
De bovenstaande ?tweets? zijn afkomstig van twee jongeren die ik in?het kader van het veldwerk voor mijn promotieonderzoek vanaf 2011?tot en met 2013 heb gevolgd. Juan en Fernando, twee gefingeerde?namen, hebben allebei deel uitgemaakt van de Rollin 200 Crips, een?Nederlandse ?gang? naar Amerikaans voorbeeld die sinds de jaren?negentig in de media geregeld van zich heeft laten horen. (o.a. in de documentaire Strapped ?n strong uit 2009, maar ook in het boek Crips.nl van Saul van Stapele uit 2003 en diverse artikelen in het tijdschrift Nieuwe Revu, zoals Van Stapele 1998; 2009). Hun tweets?verwijzen naar de toenemende virtualisering van de Nederlandse?straatcultuur. OG, oftewel ?Original Gangster?, is slang die afkomstig is?uit de Verenigde Staten, maar als gevolg van de mondiale verspreiding?van Amerikaanse gang- en straatstijlen ook onderdeel is geworden van?het vocabulaire van jongeren in Nederland. Op Twitter wordt volgens?Juan geclaimd dat mensen ?Tripple OG? zijn: een term die gebruikt?wordt als verwijzing naar een hoge hi?rarchische en respectabele positie?op straat. Fernando lacht uitbundig om de opmerking van Juan en
maakt van Rollin 200 Crips de ?Rollin Twitter Crips?, implicerend dat?de activiteiten van de Crips zich in toenemende mate op social media?afspelen.
In deze bijdrage wil ik laten zien dat social media een relatief onontgonnen?bron van criminologisch relevante data kunnen opleveren. In?het bijzonder wil ik daarbij het belang van deze online praktijken illustreren?voor eigentijds etnografisch onderzoek. Ten slotte sta ik stil bij?de ethische dilemma?s en beperkingen die gepaard gaan met het?gebruik van deze nieuwe, andersoortige methoden van dataverzameling.
Etnografisch onderzoek
Sinds de Chicago School kent etnografisch onderzoek een stevige verankering?in de historie van de criminologie. Door de jaren heen lijkt er?een wisselende belangstelling te bestaan voor deze onderzoeksbenadering,?mede als gevolg van discussies over ethiek (Adler & Adler 1998)?en het tijdsintensieve proces van dataverzameling. In toenemende?mate wordt echter gewezen op de meerwaarde van dit methodologische?perspectief voor de criminologie (Ferrell & Hamm 1998), ook in?Nederland (Schuilenburg e.a. 2011, p. 13-14).
Etnografisch onderzoek vormt niet zozeer een methode van onderzoek,?maar dient gezien te worden als een onderzoeksbenadering die?meerdere methoden behelst. Naast participerende observatie, wordt?veldwerk gekenmerkt door het gebruik van diverse methoden en technieken,?zoals interviewen, maar ook het verzamelen en analyseren van?allerlei persoonlijke documenten. De kern van het verrichten van?etnografisch veldwerk is gelegen in het ?being there?: het langdurig?deelgenoot worden van een gemeenschap, cultuur of setting om deze?leefwereld van binnenuit te begrijpen en te beschrijven (Zaitch e.a.?2010, p. 262-274). Er valt een aantal ontwikkelingen waar te nemen die?inwerken op het centrale uitgangspunt van ?being there?. Allereerst?hebben processen van mondialisering invloed op de betekenis die?wordt gehecht aan de notie van lokaliteit (Wittel 2000). Hannerz pleit?om die reden voor zogenaamde ?multi-sited ethnographies? om recht?te doen aan het feit dat personen, verhalen en objecten steeds mobieler?worden (Hannerz 2003). Een hieraan verwante ontwikkeling betreft?de komst van het internet en de toenemende virtualisering van het?dagelijks leven.
Het internet biedt voor onderzoekers interessante uitdagingen, vooral?in methodologische zin. Ook binnen de criminologie is aandacht voor?het gebruik van internet bij het verrichten van kwalitatief onderzoek?(vgl. Flick 2010). In een themanummer van het Tijdschrift voor Criminologie?(2013) wordt daarbij onder andere gewezen op het gebruik van?online dader- en slachtofferenqu?tes, de opkomst van Big Data, digitale?of virtuele vormen van participerende observatie of het gebruik?van computertechnologie als aanvullend hulpmiddel waarmee respondenten
aan virtuele situaties kunnen worden blootgesteld (Van?Erp e.a. 2013, p. 332-333). Wat opvalt wanneer de mogelijkheden van?de gedigitaliseerde wereld worden verkend, is dat er over het algemeen?een (te) strikte scheiding wordt aangebracht tussen het verrichten?van online en offline onderzoek. Het is de vraag of een dergelijke?binaire scheiding voldoende recht doet aan de werkelijkheid (vgl. o.a.?Leander & McKim 2003; De Jong & Schuilenburg 2006; Murthy 2008;?Ferrell e.a. 2015). Online en offline praktijken raken immers in toenemende?mate verweven met elkaar, een ontwikkeling die nadrukkelijke?consequenties heeft voor het ?being there?. Etnografisch onderzoek?zou anno 2016 niet enkel aandacht moeten hebben voor wat respondenten
offline doen en zeggen, maar tevens proberen te incorporeren?wat zij online doen en zeggen. De mogelijkheden en moeilijkheden die?daarmee gepaard gaan, wil ik illustreren aan de hand van mijn veldwerk??in de h200d? (Roks 2016).
Offline in de h200d
Het startpunt voor mijn onderzoek naar de inbedding van criminaliteit?en identiteit was een kleine wijk in Den Haag, die in de volksmond?bekendstaat als het Vergeten Dorp. Sinds eind jaren tachtig van de?vorige eeuw claimen de Haagse Crips deze buurt als hun territorium?en noemen ze het hun ?h200d?.
?H200d? (uitgesproken als ?hood?) vormt een verbastering van het Engelse ?neighborhood?. Het vervangen van de letters ?O? in het woord door het getal ?200? vormt een verwijzing naar de volledige naam van deze Haagse Crips, de Rollin 200 Crips. Het gebruik van de term ?h200d? dient te worden gezien als een manier waarmee de Rollin 200 Crips de fysieke ruimte van het Vergeten Dorp claimen als hun territorium.
In januari 2011 begon ik mijn veldwerk?in de h200d met het intensiveren van de contacten die ik daar?had opgedaan in een eerder onderzoek (Roks 2007). Omdat mijn gatekeeper?Keylow, de leider en oprichter van deze Haagse Crips, op dat?moment in detentie verbleef, zocht ik naar plekken in de buurt waar?het sociale leven zich afspeelt. In navolging van anderen (o.a. Van
Gemert 1998; De Jong 2007) begon ik in het lokale buurthuis. Daar?bezocht ik, na overleg met de jongerenwerker, een paar keer per week?de inloop van het jongerenwerk. Ongeveer vijftig jongeren tussen de?12 en 20 jaar uit het Vergeten Dorp en omringende buurten kwamen?daar op vaste tijden bijeen in een kleine ruimte van het buurthuis.
Omdat deze inloop alleen werd bezocht door jonge buurtbewoners,?besloot ik ook contact te zoeken met de actieve bewonersorganisatie?die het Vergeten Dorp van oudsher kent. Een halfjaar en een flink aantal?e-mails later kwam ik in contact met de voorzitter en penningmeester?en werd ik uitgenodigd om de maandelijkse vergaderingen?van de bewonersorganisatie bij te wonen.
Toen Keylow een halfjaar na de start van mijn veldwerk weer in vrijheid?werd gesteld, besloot ik meer te investeren in het opbouwen van?relaties met leden van de Crips. Een direct gevolg hiervan was dat ik?minder tijd stak in het onderhouden en uitbouwen van contacten met?jongeren uit de buurt en oudere buurtbewoners. Omdat het buurthuis?bovendien in de zomermaanden gesloten bleef, zorgde dit voor een?extra complicerende factor voor mijn relaties met jongeren uit de?buurt. Ook het contact met de Crips verliep in het begin moeizaam,?ook al had ik al enkele jaren geleden het vertrouwen van mijn gatekeeper?Keylow weten te winnen. Bij afwezigheid van Keylow in de h200d?werd ik niet gegroet en op tijden zelfs opzichtig genegeerd wanneer ik?een gesprek probeerde aan te knopen. Het duurde bij sommige respondenten?meer dan een jaar, waarin ik de buurt meermaals per week?bezocht, voordat ze mijn aanwezigheid in hun nabijheid tolereerden?en mij actief betrokken in gesprekken. Na een jaar waarin vooral de?nadruk op observeren lag en ik bewust niemand van de Crips heb?ge?nterviewd, was ik gedurende de zomermaanden van 2012 in staat
om mezelf te midden van de Crips te begeven. Langzaamaan begon ik?met het systematisch verzamelen van informatie over de individuele?leden van de Crips. Mijn rol verschoof hierbij gradueel richting participerende?vormen van onderzoek in de vorm van gezamenlijke sportactiviteiten?en het luisteren van muziek, maar hoofdzakelijk het hele?dagen rondhangen in de h200d.
Het leggen van contacten in het buurthuis verliep in het begin eveneens?uiterst moeizaam. Tijdens mijn bezoeken aan het buurthuis trof?ik dezelfde jongeren die ik eerder in 2007 had gezien in de buurt, maar?die toen nog hooguit 10 of 11 jaar waren. Bovendien herkende ik een?deel van de bezoekers van het buurthuis van gezicht omdat zij naar?voren komen in de documentaire Strapped ?n strong (2009) over de?Rollin 200 Crips. Naarmate ik vaker in het buurthuis kwam, werd het?contact met sommige jongeren beter. In de periode dat ik meer tijd op?straat met de Crips doorbracht, zag ik deze jongeren echter steeds?minder. Slechts sporadisch trof ik ze nog op straat of in de wijk en het?contact met een deel van hen dreigde te verwateren.
Online in de h200d
Tijdens mijn eerste bezoeken aan de inloop sprong in het oog hoezeer?de jongeren gebruik maakten van sociaalnetwerksites als Hyves en?Twitter via de internetverbinding op de vaste computers in het buurthuis?of op hun mobiele telefoons. Op momenten dat ik niet in het Vergeten?Dorp of in het buurthuis was, probeerde ik de jongeren online te?vinden. Een probleem daarbij was dat lang niet iedereen onder zijn of?haar eigen naam actief is op social media. Na het nodige zoekwerk en?het systematisch doorzoeken van zogenaamde ?followlijsten? en hun?online ?vrienden? vond ik het grootste deel van de jongeren uit de?buurt online. Uiteindelijk heb ik van veertig jongere respondenten die?actief gebruik maken van social media als Twitter, Facebook en Instagram?gedurende drie jaar hun online activiteiten gemonitord, opgeslagen?en geanalyseerd.
Social media bieden mogelijkheden voor verschillende rollen, analoog?aan de methode van participerende observatie in bredere zin. De?nadruk tijdens mijn bezoeken aan de inloop in het buurthuis lag op?observeren. Onder de noemer ?lurking? (Leander & McKim 2003) of??cyberstealth? (Murthy 2008) is dit ook mogelijk online. De socialmedia-accounts?van de jongeren uit de buurt bevatten een scala aan relevante?informatie. Demografische gegevens, zoals leeftijd, afkomst en?woonplaats, waren te vinden op de openbare profielen. Op ?timelines??op Twitter stond daarnaast informatie over school, bijbanen, werk,?hobby?s en andere activiteiten in hun vrije tijd. De interactie tussen?jongeren op social media leerde mij bovendien veel over welke jongeren?met elkaar in contact staan en online veel contact met elkaar?onderhouden.
Door het volgen van hun online praktijken op social media kreeg ik op?een eenvoudige manier veel te weten over deze jongeren. Enigszins tot?mijn verbazing stuitte ik op social media bovendien op informatie?waarvan ik op voorhand niet direct had verwacht deze online te vinden.?In het buurthuis en op straat gingen gesprekken tussen jongeren?onderling geregeld over hun criminele betrokkenheid of hun aanrakingen?met politie. In het begin vonden dergelijke conversaties niet in?mijn aanwezigheid plaats en vielen jongeren stil of deden ze geheimzinnig?wanneer ik in staat was om delen van een gesprek op te vangen.?Met de jongeren sprak ik hoofdzakelijk over meer neutrale onderwerpen,?in het bijzonder omdat ik door enkele jongeren uitgemaakt was?voor ?po-po? of ?scotoe?. Dezelfde jongeren leken op social media veel?minder bezig met het afschermen van hun activiteiten op straat. Sterker?nog: social media werden expliciet gebruikt om de indruk te wekken?van criminele betrokkenheid.
Het eerste thema dat op social media valt waar te nemen, is geweld, in?het bijzonder in de vorm van het tonen van (vuur)wapens of kogels?(zie figuur 1 en 2).
Figuur 1
Figuur 1 is een beeldfragment dat afkomstig is uit de documentaire?Strapped ?n strong (2009), waarop twee jongeren uit de buurt, gehuld?in de voor de Crips kenmerkende blauwe kledingstijl, een volautomatisch?machinegeweer dragen. Het onderschrift ?hoodmovement? verhult?bovendien de mate van trots en identiteit die ontleend wordt aan?het feit dat de jongen afkomstig is uit de wijk waar de Crips hun wortels?hebben. Ondanks de symboliek van de Crips die hier gecommuniceerd?wordt, maakt de jongen in kwestie geen onderdeel uit van de?Rollin 200 Crips. Sterker nog: tijdens mijn onderzoek stond hij lange?tijd op gespannen voet met enkele jongere leden van de Crips.?Figuur 2 is een voorbeeld van een post waarop een vuurwapen wordt?getoond. Er bestaan hierbij verschillen tussen jongeren wat betreft
Figuur 2
hun herkenbaarheid wanneer ze afbeeldingen met vuurwapens of?kogels plaatsen op social media. Gedurende mijn veldwerk viel hierin?een ontwikkeling waar te nemen en verschenen de jongeren steeds?minder met hun gezicht in beeld. Deels was dit het gevolg van verhalen?die er op straat verteld werden over jongeren die door de politie?opgepakt werden vanwege het posten van dergelijke foto?s. Bovendien?bleven afbeeldingen met vuurwapens over het algemeen slechts een?beperkte tijd online staan en werden ze vaak nog dezelfde dag, nadat?de foto?s tientallen likes hadden gekregen, weer verwijderd.?Een tweede veelvoorkomend thema betreft het tonen van grote hoeveelheden?contact geld. Railey toont op figuur 3 dat hij in zijn zak een??bom? heeft bestaande uit diverse gekleurde bankbiljetten.
Figuur 3
Reynaldo plaatste een video op Instagram, waarvan figuur 4 een?snapshot vormt, waarop hij gedurende enkele seconden demonstratief?een stapel geld aan het tellen is. Naast het tentoonspreiden van?hun weelde, laat een deel van deze jongeren er op social media geen?misverstand over bestaan wat de herkomst van deze verdiensten is. In?tweets bieden zij onder andere scooters, televisies, tablets of telefoons?te koop aan, maar wordt er eveneens geadverteerd met diensten op?het gebied van de verkoop van drugs.
Social media worden ook gebruikt om uitdrukking te geven aan het?feit dat de politie op straat beschouwd wordt als ?de natuurlijke vijand?
Figuur 4
(De Jong 2007, p. 67). Met tweets als ?Fuck the Cops?, ?Fucc a popo? en??Fuck de 5?0??presenteren sommige jongeren op wekelijkse basis ? en?een enkeling zelfs dagelijks ? hun aversie tegen de politie.?Over de ontstaansgeschiedenis van deze denigrerende termen voor de politie doen op?internet diverse verhalen de ronde. Door populaire Amerikaanse films, series en (rap)muziek hebben deze termen?een mondiale verspreiding gekregen.
Een enkeling?heeft dit in de vorm van een tatoeage met ?FTP? ? oftewel Fuck The?Police ? zelfs vereeuwigd op zijn lichaam. Een specifiek thema waarin?de relatie met de politie naar voren komt, is ?snitchen?: het geven van?belastende verklaringen bij de politie over anderen, onder andere tijdens?verhoren (Roks 2015). Naast scheldkanonnades richting het?adres van politie, plaatsen de jongeren foto?s online van vrienden die?staande worden gehouden, worden gearresteerd, vrienden die vastzitten?en zich laten fotograferen tijdens hun gevangenisstraf van achter?de tralies (figuur 5), en ook verdachte vrienden worden tijdens rechtszaken?in de beklaagdenbank op de gevoelige plaat vastgelegd.
Figuur 5
Ook de afwikkeling van strafzaken valt online te volgen. Zo doet Jack?eigenhandig verslag van zijn rechtszaak. Hij begint op 11 mei 2011 met?de tweets ?Dood zenuw8tig main?, gevolgd door ?Morgen voorkomen?.?Een dag later brengt hij uitvoeriger verslag uit:
?@paleis van justesie? (12-05-2011 08:49) ?Fuck rechtzaken? (12-05-2011 09:55) ?Fuck werk school allleS !? (12-05-2011 09:55) ?Nu rechtzaak? (12-05-2011 10:33) ?Nu w8ten op uitspraak? (12-05-2011 11:14) ?Vrij kkk gesproken mossssssss !!!!!!!!!!!!!!!!!!!!!!!!? (12-05-2011 13:00) ?Moss eerst 90 dagen zitten nu gewooon vrygesproken? (12-05-2011?13:08)
De eerdergenoemde Fernando plaatst eerst ?OMW rechtzaak?, om vervolgens?figuur 6 op Instagram te plaatsen. De foto, genomen voor het?Paleis van Justitie in Den Haag, is zo bewerkt dat er staat ?Eis van Justitie?,?terwijl de print op de rode trui van Fernando leest: ?FOKDEMCOPS?.
Naast inhoudelijk relevante informatie bieden social media eveneens?mogelijkheden tot het benaderen en werven van respondenten. Zo?werden telefoonnummers en e-mailadressen genoemd in berichten,?geplaatst onder afbeeldingen of gepubliceerd op gebruikersprofielen.?Daarnaast maakten veel jongeren gebruik van social media om met?elkaar af te spreken. Op die manier kreeg ik zicht op locaties in de stad?of buurt waar respondenten zich bevonden of openbare plekken waar?zij veel tijd doorbrachten. Bovendien bieden diverse sociaalnetwerksites?functies die gebruikers in staat stellen om priv?berichten of een?zogenaamde ?DM? (Direct Message) te sturen. Deze mogelijkheden?gebruikte ik om af te spreken met jongeren die ik offline langere tijd?niet had gezien of die ik wat langer een-op-een wilde spreken. Toch?was deze laagdrempelige manier van het leggen van contacten niet?altijd even succesvol en heeft een aantal respondenten nooit gereageerd?op mijn verzoeken, ondanks herhaaldelijke berichten. In die?gevallen probeerde ik hen offline te benaderen.?Ook offline verliep het benaderen van respondenten niet zonder problemen. De centrale?bevindingen in mijn proefschrift baseer ik op een netwerk van 150 respondenten. Van zestig?van deze respondenten heb ik gedetailleerde informatie verzameld, ofwel op basis van
??n (of meerdere) interview(s), ofwel omdat ik ze gedurende drie jaar meermaals op informele?basis heb gesproken en heb geobserveerd.
Beperkingen en dilemma?s: selectie, het gebruik van beelden en?performance
Social media bieden diverse mogelijkheden voor criminologisch?onderzoek, maar het gebruik van deze data dwingt ook tot een reflectie?op de beperkingen en brengt bovendien een aantal ethische
dilemma?s met zich mee. Een aantal van deze methodologische vertekeningen?is vergelijkbaar met de problemen en dilemma?s die inherent?zijn aan de meer klassieke, offline kwalitatieve methoden. Etnografisch?onderzoek kent als evident nadeel dat de nadrukkelijke aanwezigheid?van de onderzoeker en zijn of haar ?selectieve oog? invloed?kunnen hebben op de resultaten van de studie. Naast de beperkte?externe validiteit, gaat het gebruik van deze onderzoeksbenadering
Figuur 6
gepaard met diverse morele, juridische en ethische dilemma?s (Zaitch?e.a. 2010, p. 282-284). De toevoeging van een online dimensie aan?offline praktijken roept een aantal nieuwe vragen op.
De eerste beperking ten aanzien van online vormen van kwalitatief?onderzoek betreft selectiviteit. Tussen de respondenten in mijn studie?bleek een verschil te bestaan in de mate waarin zij actief waren op?social media. Vrijwel iedere jongere maakte gebruik van (meerdere)?social media en plaatste dagelijks meerdere foto?s of berichten. De?online praktijken van respondenten boven de 30 vielen veel minder?goed waar te nemen.?Wel viel er een opmerkelijke gelijkenis waar te nemen tussen wat jongere respondenten?op social media plaatsten en de profielfoto?s op BlackBerry ?Ping? en WhatsApp van?oudere respondenten.
Daarnaast bestond er een duidelijk verschil tussen?welke informatie online werd geplaatst. Sommigen plaatsten allerlei?facetten van hun dagelijks leven online, inclusief (de suggestie van)
hun criminele betrokkenheid, terwijl anderen zich beperkten tot het?reageren op berichten en foto?s van anderen. Als onderzoeker heb ik?hierdoor (slechts) zicht gekregen op een deel van de activiteiten van?deze veertig respondenten op social media. Dit geldt overigens eveneens?voor de offline praktijken van mijn respondenten: ondanks dat ik?getracht heb zo veel mogelijk deelgenoot te worden van hun dagelijks?leven, is er onherroepelijk een deel aan mijn oog onttrokken gebleven.?Het is immers onmogelijk om altijd en overal in het veld aanwezig te?zijn. Daarnaast hebben respondenten, ongeacht hoe hecht of vriendschappelijk?onze relatie in de loop der jaren werd, ook altijd een deel?van hun leven voor mij weten af te schermen.?Een bijkomende uitdaging op social media was dat jongeren zich in?toenemende mate?bewust leken van hun zichtbaarheid en privacy op?internet en zodoende hun profielen en accounts afschermden met de?mogelijkheden die sociaalnetwerksites daartoe bieden. Rond de start van mijn veldwerk was hier nauwelijks sprake van. Tegen het einde van mijn?onderzoek leken respondenten echter veel meer gebruik te maken van de mogelijkheden?die sociaalnetwerksites bieden om hun profielen af te schermen. Om toch toegang?te krijgen tot de inhoud van iemands online profiel of timeline,?dient dan een vriendschaps- of volgverzoek te worden verstuurd. Aan?de veertig respondenten die ik op social media gedurende drie jaar?heb gevolgd, heb ik allemaal een vriendschaps- of volgverzoek verstuurd.?Daarbij kwam het overigens ook voor dat respondenten mij een vriendschaps- of volgverzoek?stuurden.?Op een enkel geval na werden deze verzoeken vrijwel direct?geaccepteerd, naar alle waarschijnlijkheid omdat ik hen, op een enkeling na, ook offline ken of wel eens ontmoet heb. Daarbij was ik online?transparant over mijn identiteit als onderzoeker. Naast persoonlijke
foto?s valt in de profielen van mijn eigen socialmedia-accounts te?lezen dat ik als criminoloog verbonden ben aan de Erasmus Universiteit?Rotterdam.
Het gebruik van de berichten, afbeeldingen en video?s op social media?roept vervolgens de vraag op hoe deze informatie gebruikt kan worden,?in het bijzonder als het gaat om publicatie. Een dergelijk dilemma?doet zich ook voor als het gaat om offline vormen van etnografisch?onderzoek. Het gaat daarbij om ethische afwegingen rondom herkenen?herleidbaarheid, waarbij het de taak van de onderzoeker is om er zo?veel mogelijk zorg voor te dragen dat respondenten geen nadelige?gevolgen ondervinden van hun participatie aan het onderzoek (Van de?Bunt 2015). Op social media spelen deze overwegingen evenzeer,?maar wordt het complexer vanwege de visuele component: veel jongeren?maken immers foto?s en video?s van zichzelf, en elkaar, en plaatsen
deze in veel gevallen op openbaar toegankelijke profielen op internet.?Over de manier van het gebruiken van visuele data woeden discussies?over ethiek (Vanderveen 2010, p. 406-408). Allen (2015) werpt?de terechte vraag op of het anonimiseren van afbeeldingen, iets dat?gemeengoed is als het gaat om de verslaglegging van offline onderzoek,?geen farce maakt van de visuele dimensie van het onderzoek,?omdat het de respondent diens ?stem? ontneemt wanneer foto?s worden?geretoucheerd of ?geblurd?. In deze bijdrage, en in mijn proefschrift,?heb ik tweets geanonimiseerd en gezichten onherkenbaar?gemaakt. Een belangrijke overweging daarbij was dat het gaat om?afbeeldingen waarop strafbare feiten worden gepleegd, afgebeeld of?verbeeld. Ik heb ervoor gekozen om wel de verbeelding van deze?gedragingen, zoals wapens, kogels, grote hoeveelheden contant geld,?drugs en gestolen goederen te tonen, maar zonder gebruikersnaam of?gezicht. Herkenbaarheid van de respondent in kwestie had in dergelijke?gevallen geen meerwaarde of functie.
Een laatste beperking hangt samen met het voorgaande thema. Op?social media is het lang niet altijd duidelijk of afbeeldingen ?echt? of?authentiek zijn. Van Erp e.a. stellen daarnaast de terechte vraag ?of?online beweringen ook offline worden waargemaakt? (Van Erp e.a.?2013, p. 333). Social media bieden een dankbaar podium voor vormen?van ?impression management? (Goffman 1959), iets dat in het bijzonder?zichtbaar wordt als het gaat om online uitingen van straatcultuur?(Van den Broek 2013). In het geval van de voorbeelden in deze bijdrage?is het moeilijk om te achterhalen of we van doen hebben met echte?wapens of echt geld en of diegene die de afbeelding plaatst ook diegene?is die gefotografeerd is, behoudens de gevallen waarin gezichten?of andere duidelijk herkenbare persoonskenmerken zichtbaar zijn. De?informatie op social media lijkt in eerste instantie meer te zeggen over?de indrukken die respondenten willen overbrengen. Dit vormt een?beperking in het analyseren van online praktijken, maar dit geldt in?het bijzonder wanneer enkel wordt afgegaan op wat respondenten?online doen. Over het algemeen is kwalitatief onderzoek in staat om?zicht te geven op het bestaan van verschillen tussen wat mensen zeggen?en wat ze doen. In het geval van etnografisch onderzoek kan dit?bijvoorbeeld door het combineren van gesprekken met het observeren?van gedrag. Social media kunnen hierbij een extra dimensie aanbrengen,?die de onderzoeker in staat stelt om een inschatting te maken van?de manier waarop posts en poses zich verhouden tot offline praktijken,?maar ook andersom.
Conclusie
De prominente plaats van internet in ons dagelijks leven dwingt tot?een reflectie op de rol van online praktijken in wetenschappelijk?onderzoek. Het centrale punt dat ik in deze bijdrage heb willen maken,?is dat social media diverse relatief laagdrempelige, aanvullende mogelijkheden?bieden voor het verzamelen van data en het leggen van contacten?met respondenten. De toenemende mobiliteit en virtualisering?van het dagelijks leven hebben gevolgen voor het klassieke etnografische?uitgangspunt van ?being there?. Het gebruik van social media?kent daarbij beperkingen die in het verlengde liggen van discussies?rondom selectiviteit en ethiek die opgeld doen in offline vormen van?etnografisch onderzoek. Maar bovenal hoop ik dat deze bijdrage heeft?laten zien dat het incorporeren van online praktijken onderzoekers in?staat stelt om beter recht te doen aan het gegeven dat verhalen, ook?criminologisch relevante verhalen, zich niet langer enkel offline afspelen.
Literatuur Adler & Adler 1998
P. Adler & P. Adler, ?Foreword:?Moving backward?, in: F. Ferrell?& M. Hamm (red.), Ethnography?at the edge: Crime, deviance and?field research, Boston: Northeastern?University Press 1998, p. xiixvi.
Allen 2015
L. Allen, ?Losing face? Photo-anonymisation?and visual research?integrity?, Visual Studies (30)?2015, afl. 3, p. 295-308.
Van Erp e.a. 2013
J. van Erp, D.W. Stol & J. van?Wilsem, ?Criminaliteit en criminologie?in een gedigitaliseerde?wereld?, Tijdschrift voor Criminologie?(55) 2013, afl. 4, p. 327-341.
Ferrell & Hamm 1998
J. Ferrell & M.S. Hamm, Ethnography?at the edge. Crime, deviance,?and field research, Boston:?Northeastern University Press?1998.
Ferrell e.a. 2015
J. Ferrell, K. Hayward & J. Young,?Cultural criminology: An invitation,?Londen: Sage 2015.
Flick 2010
U. Flick, ?Kwalitatief onlineonderzoek:?gebruik van internet?,?in: T. Decorte & D. Zaitch (red.),?Kwalitatieve methoden en technieken?in de criminologie, Leuven/Den?Haag: Acco 2010,?p. 407-431.
Van Gemert 1998
F.H.M. van Gemert, Ieder voor?zich. Kansen, cultuur en criminaliteit?van Marokkaanse jongens,?Amsterdam: Het Spinhuis 1998.
Goffman 1959
E. Goffman, The presentation of?self in everyday life, Harmondsworth,?Middelsex: Penguin Books?1959.
Hannerz 2003
U. Hannerz, ?Being there? and?there? and there! Reflections on?multi-site ethnography?, Ethnography?(4) 2003, afl. 2, p. 201-216.
De Jong 2007
J.D. de Jong, Kapot moeilijk. Een?etnografisch onderzoek naar?opvallend delinquent groepsgedrag?van ?Marokkaanse? jongens,?Amsterdam: Aksant 2007.
De Jong & Schuilenburg 2006
A. de Jong & M. Schuilenburg,?Mediapolis. Populaire cultuur en?de stad, Rotterdam: Uitgeverij?010, 2006.
Leander & McKim 2003
K.M. Leander & K.K. McKim,??Tracing the everyday ?sitings? of?adolescents on the Internet: A?strategic adaption of ethnography?across online and offline?spaces?, Education, Communication
& Information (3) 2003, afl. 2,?p. 211-240.
Murthy 2008
D. Murthy, ?Digital ethnography:?An examination of the use of new?technologies for social research?,?Sociology (42) 2008, afl. 5,?p. 837-855.
Roks 2007
R.A. Roks, ?Het is hier toch geen?Amerika?? Reconstructie van de?criminele carri?re van een Nederlandse??gangsta? (ongepubliceerde?masterscriptie), Erasmus?Universiteit Rotterdam 2007.
Roks 2015
R.A. Roks, ?Never snitch broertje,?want de straat hoort het?, Ars?Aequi (64) 2015, afl. 5, p. 422-425.
Roks 2016
R.A. Roks, In de h200d. Een eigentijdse?etnografie over de inbedding?van criminaliteit en identiteit,?Rotterdam: Erasmus School?of Law 2016.
Schuilenburg e.a. 2011
M. Schuilenburg, D. Siegel,?R. Staring & R. van Swaaningen,??Over cultuur en criminaliteit?,?Tijdschrift over Cultuur & Criminaliteit?2011, afl. 1, p. 3-17.
Van Stapele 1998
S. van Stapele, ?Crips?, Nieuwe?Revu (15) 1998, afl. 3, p. 42-47.
Van Stapele 2003
S. van Stapele, Crips.nl: 15 jaar?gangcultuur in Nederland,?Amsterdam: Vassallucci 2003.
Van Stapele 2009
S. van Stapele, ?Papa is een Crip?,?Revu (45) 2009, afl. 14, p. 22-28.
Vanderveen 2010
G. Vanderveen, ?Visuele data en?methoden in de criminologie?, in:?T. Decorte & D. Zaitch (red.),?Kwalitatieve methoden en technieken?in de criminologie, Leuven:?Acco 2010, p. 380-413.
Zaitch e.a. 2010
D. Zaitch, D. Mortelmans &?T. Decorte, ?Participerende?observatie in de criminologie?, in:?T. Decorte & D. Zaitch (red.),?Kwalitatieve methoden en technieken?in de criminologie.?Leuven: Acco 2010, p. 257-309.
Een nieuwe intelligence-paradigma. Zo noemen?veiligheidsbeambten van de Isra?l Defence Force (IDF) de sociale media waarop ze zoeken naar informatie over aanslagen en daders daarvan. Een enkeling gaat zelfs zo ver te stellen dat deze speurtochten op sociale media hebben geleid tot een daling van het aantal incidenten. Luitenant-generaal Gadi Eisenkot zegt dat het nu veel gemakkelijker is om lone wolfs of slapende cellen te vinden. Waar dat voorheen een langdurig opsporingsproces was, kan dat nu veel sneller ? door profielen aan elkaar te koppelen, door te zoeken naar vriendennetwerken, likes en shares. De doelgroep immers, tieners en twintigers die aanslagen willen plegen, is massaal online actief. ?We can build in-depth profiles of past
perpetrators, their motives and inspirations, and based on what they have in common locate those with similar characteristics?. En zo hebben tientallen mensen al thuis bezoek gehad van IDF-medewerkers met de vraag wat ze nu precies bedoelden met die posting op facebook, of met die tweet. ?The same tools through which they are pushed to join jihad could help to stop them before it is too late?, aldus het artikel.
Online?intifada?
Na zes maanden van geweld in Isra?l en de Palestijnse gebieden zijn de Isra?lische veiligheidsfunctionarissen behoedzaam als er gesproken wordt over een afnemende dreiging. Gewelddadige protesten en rellen in de Westelijke Jordaanoever zijn weliswaar afgenomen, en het aantal incidenten waarin mensen worden neergestoken of -geschoten is gehalveerd (twee maanden geleden was dit?gemiddeld ??n per dag). In zes maanden, van oktober 2015 tot maart van dit jaar, waren er 230 aanvallen waarin 34 Isra?li’s en buitenlandse toeristen en 121 Palestijnse aanvallers werden gedood. Velen hebben het gehad over een derde intifada (opstand), hoewel het Isra?lische leger liever de term “beperkte opstand” verkiest. Het voorkomen van bloedvergieten is onwaarschijnlijk, ook al omdat Isra?lische en Palestijnse leiders niet eens in dezelfde kamer kunnen zitten.
De uitdaging voor?de Isra?lische veiligheidsdiensten is echt veranderd. “In de tweede intifada [2000-2005] was er een duidelijke keten van?regie, financiering van aanslagen en rolverdeling” zegt een officier van de Israel Defence Force (IDF). “Je kon?een terroristische cel lokaliseren en uitschakelen. Nu kan iedere?Palestijn een potenti?le verdachte zijn en dat is onwenselijk. Je moet eigenlijk daders kunnen onderscheiden in het Palestijnse publiek.” En dat is veel makkelijker gezegd dan gedaan als je ziet dat de huidige?aanvallers geen eerdere betrokkenheid hadden bij gewelddadige activiteiten, ze vaak als individuen handelen of hoogstens in groepjes van twee of drie vrienden acteren en in sommige gevallen zelfs maar?dertien jaar zijn. De stafchef van de IDF, luitenant-generaal Gadi Eisenkot, gaf drie maanden geleden toe dat de Isra?lische veiligheidsdiensten geen enkele aanwijzing hadden over de aanslagen. Dat is nu iets verbeterd, mede door ongebruikelijke inlichtingenoperaties.
Nieuw intelligence paradigma
Het is?Isra?lische ministers tot nu toe niet gelukt om bedrijven als Facebook te overtuigen?om het aanzetten tot geweld door Palestijnen?van het platform?te verwijderen, maar de inlichtingendiensten?zien de?social media platformen als uitgelezen kans om dreigingen te monitoren. De gemiddelde dader is tussen de?15 en 25 jaar?en de meesten van?hen zijn actief op Facebook en Twitter. Vaak kun je (en zeker achteraf) hun intenties afleiden uit hun online gedrag.
“Het is een nieuw paradigma waarin we zien dat we niet alleen te maken hebben met individuen zonder organisatorisch verband, maar deze daders weten een week of zelfs de dag ervoor nog niet dat?ze een aanval gaan uitvoeren”, aldus de Isra?lische inlichtingendienst. “Wat we wel kunnen doen is analyses gebruiken op basis van rijk gevulde?profielen van daders uit het verleden. Wat was hun motief, wat inspireerde hen om te handelen? Op basis van gemeenschappelijke kenmerken kunnen we deze mensen dan lokaliseren.”
Typische online profielen bevatten vaak beschuldigingen in de richting van Isra?l die de al-Aqsa moskee op de Tempelberg in Jeruzalem “ontheiligde”, klachten over de Palestijnse leiders en berichten over de?”verloren generatie” of persoonlijke woede over een vermoord?familielid, vriend of buur. Dit gedrag gaat vaak gepaard met persoonlijke problemen, zoals gedwongen huwelijken, schuld en sociale uitsluiting. Sommige verdachten gaven tijdens het?verhoor toe dat ze een zelfmoordactie van plan waren en?als “martelaren” wilden eindigen.
Met behulp van speciaal ontwikkelde algoritmen zoekt men nu op social media-accounts van jonge Palestijnen wat al snel een lijst van potenti?le verdachten opleverde. In sommige gevallen heeft het IDF ook aanvallen kunnen stoppen, nog tijdens de voorbereidende handelingen. Tientallen jonge mannen en vrouwen hebben ook “waarschuwingsbezoeken” gehad door de Shin Bet (de inlichtingendienst) waarin zij en hun ouders te horen kregen dat ze in de gaten werden gehouden. Ook worden de namen gedeeld met de Palestijnse autoriteiten. Radicaliserende jongeren op het web worden met de tools op deze manier gestopt voordat ze zich aansluiten bij de Jihad.
“Inlichtingendiensten hebben nog nooit een grote aanslag (zoals de Intifada) kunnen voorspellen”.
Dit is slechts een van de vele interessante uitspraken?uit de genomineerde documentaire over de Shin Bet:
Door: Arnout de Vries en Selmar Smit (beiden werkzaam bij TNO)
Al enige tijd zijn er veel mooie verhalen in diverse media over Predictive Policing. Maar wat is het eigenlijk en werkt het nu echt?
Tijd om de mythes te doorbreken en de diverse oplossingen die er zijn eens op een rijtje te zetten. Ook geven we iets meer theoretische achtergrond voor de liefhebbers, want voor een deel is het oude wijn in nieuwe zakken.
Het Paretoprincipe (?80/20-regel?) en onveiligheid (hot problems).
Delicten (hot crimes): een beperkt aantal soorten delicten vormt het grootste deel van de criminaliteit.
Overlast (hot disorders): een beperkt aantal soorten overlast vormt het grootste deel van alle overlast.
Locaties (hot spots): een groot deel van de criminaliteit en overlast vindt plaats op een beperkt aantal locaties.
Binnensteden, wijken en buurten (hot areas): een groot deel van de criminaliteit en overlast vindt plaats in de binnensteden en in een beperkt aantal wijken en buurten.
Daders (hot shots): een groot deel van de criminaliteit wordt gepleegd door een klein aantal criminelen.
Dadergroepen (hot groups): een groot deel van de criminaliteit wordt gepleegd door een klein aantal criminele samenwerkingsverbanden.
Slachtoffers (hot victims): een klein deel van de slachtoffers is slachtoffer van een groot deel van de delicten.
Tijdstippen (hot times): een groot deel van de criminaliteit en overlast vindt plaats op een beperkt aantal tijdstippen of tijdsperioden.
Buit (hot products): het grootste deel van de diefstallen is gericht op een beperkt aantal buitsoorten.
Voorzieningen (hot facilities): het grootste deel van de criminaliteit wordt gepleegd in een klein deel van de winkels, kantoren, bedrijven, bedrijventerreinen, scholen, sportcomplexen, openbaar vervoer enzovoort.
[Bron: P. Versteegh, e.a. [2010]. ?The best of three worlds. Effectiever politiewerk door een probleemgerichte aanpak van hot crimes, hot spots, hot shots en hot groups.? Politieacademie, Apeldoorn.]
Hot of Hype?
Door de huidige ontwikkelingen neemt predictive policing?een enorme vlucht, ook bij de Nederlandse politie die sinds de vorming van de Nationale Politie in 2013 nu landelijk betere?beschikbaarheid heeft over alle databronnen. Maar ook de complexere ‘Big Data’ ontwikkelingen waarin nieuwe databronnen gebruikt kunnen worden, gecombineerd met verbeterde analysecapaciteiten, visualisatietools en krachtigere smartphones op?straat maken dat predictive policing echt?hot?is. Steeds meer toepassingen zijn denkbaar: van preventie tot handhaving en opsporing waarin door het huidige economische klimaat slimmer gewerkt moet worden (?meer met minder?). Bovendien is de politie dan proactief in plaats van achter de feiten aan te lopen en het gevoel van veiligheid kan stijgen als mensen zien dat de politie boeven altijd net een stapje voor is. Rechercheren verandert in prechercheren. En last but not least wordt de acceptatie van deze technologische aanpak beter, want de politie is al enige tijd toch?vooral een informatie organisatie geworden.
Glazen wazige bol?
Predictive policing als term wordt vooral gebruikt in de VS. Maar wat is het?precies? Heel in het kort: politiewerk doen aan de hand van voorspellingen. Net zoals het voorspellen van beurskoersen een complexe aangelegenheid is, is dat ook met criminaliteit het geval. Maar de politie heeft inmiddels een goudmijn aan gegevens (big data) over misdaden uit het verleden tot haar beschikking. En Big data is een grondstof die nooit opraakt, juist exponentieel groeit. Door hier een diepe analyse op los te laten kan de politie straks in combinatie met verfijnde algoritmen toekomstige misdaden voorspellen. Computer modellen dus die o.a. gebruik maken van misdaadgegevens. Met andere woorden: op grond van predictive policing kunnen mensen straks worden opgepakt nog voor ze een misdaad hebben begaan. Dat is ook eng, want kan dat allemaal zo maar? In veel media wordt om die reden het angstige vergelijk gemaakt met de film?Minority Report.
Bill Bratton, toenmalig korpschef van de LAPD en voorloper op het gebied van predictive policing en real-time crime monitoring, nam zorgen over de wiskundige abacabra weg door te stellen: ?Crime is just a physical process and if you can explain how offenders move and how they mix with their victims, you can understand an incredible amount.? En hij kreeg bijval van antropoloog en grondlegger van Predpol Jeff?Brantingham: ? “The naysayers want you to believe that humans are?too?complex and too random ? that this sort of math?can’t?be done, but humans are not nearly as random as we?think.??
Onlangs was Bill Bratton nog te gast in “Cities for Tomorrow 2015 – Data Mining in the Modern City”, waarin hij kritiek pareerde op het gebruik van deze technologie?n:
Eerst de theorie
Als we weten hoe criminelen denken en doen, dan kunnen we misschien ook voorspellen waar ze gaan toeslaan. En in een vakgebied wat al jaren bestaat, zoals dat van criminologie, ?is er aan dergelijke theorie?n geen gebrek. De ratio, die ook bij criminelen aanwezig is, in combinatie met gelegenheid maakt dat er al snel patronen ontstaan.
Zo zegt de immens populaire routine activity theory?dat criminelen zullen toeslaan op die locatie waar de virtuele cirkels rond criminelen en geschikte slachtoffers elkaar overlappen. Kortom, zo lang er geen grote volksverhuizingen zijn, zullen steeds dezelfde gebieden worden getroffen.
[Bron: Ronald V. Clarke and Marcus Felson M., 1993, ??Introduction?: Criminology, Routine Activity, and Rational Choice??,?Advances in Criminological Theory: Routine Activity and Rational Choice, vol. 5, pp.?1?14]
De rational choice theory zegt daarentegen juist dat criminelen op zoek zullen gaan naar die locatie waar de afweging tussen risico(pakkans) en buit zo gunstig mogelijk is.
De crime pattern theory tenslotte is een derde populaire theorie over crimineel gedrag,die zegt dat 1) criminelen altijd zullen toeslaan in een buurt die ze kennen; vlak bij huis/werk/sportschool, of op de weg daar naar toe en 2) criminelen nooit zullen toeslaan te dicht bij hun eigen huis.
Naast deze drie basistheorie?n, bestaat er nog een vierde belangrijke, de zogenaamde ?blended theory? die, zoals de naam al zegt, hun combinatie is: een crimineel zal toeslaan op een locatie (routine activity theory) langs zijn activiteiten-routes, maar niet te dicht bij huis (crime pattern theory) daar waar de afweging tussen buit en pakkans positief is (rational crime theory).
Voor predictive policing worden deze theorie?n vaak overboord gegooid, en wordt voornamelijk gekeken naar ?near repeats?. Een methode die er vanuit gaat dat er in de buurt van een incident vaak nog een tweede, derde, etc. incident zal volgen. Hoewel dat niet lijkt op de drie eerdere theorie?n zal, zolang de pakkans, buit en activiteiten van criminelen niet veranderen, het effect hetzelfde zijn. Want daar waar al een keer een incident is geweest was blijkbaar de afweging tussen buit en pakkans positief, en was er blijkbaar ook een crimineel aanwezig. Zolang er niets verandert, zal er dus (volgens de drie theorie?n) zich nog een tweede, derde etc. incident zich in de buurt gaan voordoen.
In bijna alle commerci?le pakketten die nu te koop zijn wordt voor deze versimpelde weg gekozen. Vaak wordt er naast dit trekken van cirkels rond incidenten ook nog gekeken naar tijdsaspecten (spatiotemporele analyse), zowel naar trends zoals verplaatsingen, als naar seizoen, weekdag, of zelfs het specifieke tijdstip. Zo is er al jaren een duidelijke piek van inbraken rond kerst, is een werkdag populairder voor het dievengilde dan een weekend, en is het aantal inbraken rond 08:00 ?s ochtends minimaal. Door dit soort aspecten mee te nemen, kun je dus ook inbouwen dat de pakkans, buit of activiteiten van criminelen (uit de basistheorie?n) veranderen gedurende het jaar/maand/dag/uur.
Voeg bij die tijdaspecten ook nog andere kenmerken zoals omgevingsfactoren (demografie etc.) en weersvoorspellingen (een regressie-analyse/data-mining), en afstanden tot vluchtwegen (aantrekkende werking) en politiebureaus (afstotende werking) en je krijgt een complexe formule met tientallen parameters die zo goed mogelijk moeten worden bepaald uit de historische data.
Hoewel het bepalen van de juiste waarde voor al die parameters nog een hele klus is, is een dergelijk voorspelmodel is dus niet echt rocket-science. Toch levert het al behoorlijk goede voorspellingen op en dat is dan ook de rede dat vrijwel alle softwarepakketten op de markt ook (in meer of minder mate) kiezen voor deze aanpak.?En voorspellen is nog maar een klein deel van het hele verhaal, want het handelen op basis van goede voorspellingen is waar de crux zit.?Laten we eens kijken naar hoe een aantal van deze oplossingen het doen.
In de praktijk
Hoe staat het eigenlijk met de huidige ‘state of the art’, zoals die al geadopteerd is door politie organisaties? TNO bekeek in een korte verkenning enkele oplossingen op het gebied van predictive policing. Daar waar een studie van RAND eerder al keek naar de inpassing van predictive policing in het politiewerk, bespreken wij hieronder een aantal oplossingen die vandaag de dag al gebruikt worden. Een echte gedegen vergelijking vraagt om meer degelijk onderzoek, want de getallen die leveranciers afgeven zijn vaak ontdaan van alle context en niet objectief vastgesteld. Predpol schijnt er zelfs een nogal? dubieuze strategie van gemaakt te hebben om hun klanten vooral zoveel mogelijk positieve verhalen naar buiten te laten brengen. SF Weekly deed uit de doeken hoe de contracten eisen dat politie de technologie promoot, los van de behaalde resultaten.
Maar al zouden de cijfers wel kloppen, de beoogde effecten kan de software niet voorspellen: resultaten uit het verleden bieden geen enkele garantie voor de toekomst. En er zijn nog steeds operationele diensten nodig om boeven te vangen, dat doen de algoritmes niet.
Maar hoe vergelijken de oplossingen dan onder de motorkap? Volledige transparantie staan niet alle leveranciers zomaar toe, omdat hun concurrentiepositie dan gevaar loopt. Toch zal de maatschappij (en de wet) wellicht gaan eisen dat algoritmes volledig transparant zijn, want waarom ben je aangehouden of kwam de politie eigenlijk op jouw spoor?
Onderstaand overzicht helpt veiligheidsorganisaties om een keuze te maken in bestaande oplossingen. Het is verre van volledig, want de markt trekt stevig aan tot een mogelijk oerwoud aan oplossingen. Daarnaast ontbreekt een veelheid aan selectiecriteria, die bovendien per organisatie verschillend zullen zijn. De context en het doel van het gebruik, de bevoegdheden, de beschikbare data, organisatorische en financi?le (on)mogelijkheden alswel het toekomstperspectief bepalen welk middel het beste zal passen.
Predpol
De ontwikkeling van PredPol?begon al in 2008 bij de politie van Los Angeles doordat topchef Bill Bratton het aandurfde om wiskundige technieken toe laten in de politiepraktijk. Samen met?Jeff Brantingham?van de universiteit UCLA hadden ze het idee om de algoritmes die aardbevingen konden voorspellen op basis van het verleden toe te passen op oude misdaadstatistieken. Het bleek een gouden greep. Waar voorheen intelligence gestuurde politie (ook wel Intelligence Led Policing) nog bleef steken bij het maken van hotspotkaartjes, kon men nu ineens veel meer dan alleen een lijntje in een grafiek doortrekken. Een veelvoud aan invloedsfactoren (zoals variaties in criminaliteitstypen, plaatsen en tijden) kon ineens worden meegewogen en de voorspellingen leken beter te zijn. Het kon al snel anderhalf tot twee keer beter risicogebieden inschatten dan politieanalisten deden.
In November 2011, benoemde?TIME?Magazine?predictive policing om deze reden ??n van de 50 beste inventies van 2011. Deze?oplossing is?PredPol?gaan heten en inmiddels is?de software?voor een aardig?bedrag te koop (zo?n 100 kEuro per jaar). De software analyseert oude misdaadstatistieken ? voor accuratesse zijn er wel zo?n paar duizend nodig ? en plot die op een kaart, waarin het surveillancegebied is opgedeeld in echt kleine vakjes (van 45 vierkante meter). Zo kan de politie dus per vakje zien wat er daar allemaal is gebeurd en wat er vermoedelijk gaat gebeuren, waarbij zelfs de weersvoorspellingen worden meegewogen. Dat is wel iets anders dan de misdaadanalist met gekleurde spelden en een stadsplattegrond. In een blinde proef ? de ene dag gingen agenten op pad met een traditionele hotspotkaart en de dag erop met een van PredPol ? bleek al snel dat Predpol tot betere resultaten leidde. Niet alleen meer arrestaties, maar vooral dalende misdaadcijfers.
In feite is dit niet veel anders dan wat een bedrijf als Amazon doet: goed kijken naar de klant en precies uitvinden hoe die koopt, wat die koopt en waarom die koopt. Dit maakt het voor Amazon mogelijk toekomstig gedrag te voorspellen (en het koopgedrag te bevorderen). Welke algoritmen Amazon hiervoor gebruikt is trouwens onduidelijk (dat is bedrijfsgeheim).
PredPol maakt het eenvoudiger om effici?nt en effectief te surveilleren. Het gaat daarbij zeker ook om het voorkomen van een misdrijf. Juist omdat de politie gericht surveilleert op de plekken waar het telt zullen op die plekken minder misdaden worden gepleegd. Niet meer blauw op straat maar gerichter blauw op straat. Dat is althans de theorie. De cijfers laten zien dat die theorie klopt: in het gebied dat door PredPol in Los Angeles wordt bestreken daalde de misdaad met 13%. In Santa Cruz, waar ze het ook gebruiken om hotspots te identificeren, ging het aantal inbraken met 27% omlaag. Hier zijn voor 60.000 inwoners ? en 150.000 in het hoogseizoen ? slechts 94 politiemensen beschikbaar, en geld voor meer personeel is er niet. Predictive policing zal daarom groot worden. Het scheelt mankracht.
De politie uit Kent heeft ook een eigen studie uitgevoerd waarin PredPol 6 maanden lang werd gebruikt. Ze concludeerden dat PredPol een hitscore haalde van 8.47, wat betekent dat er over die periode in 8.47% van de geselecteerde vakjes ook daadwerkelijk een inbraak heeft plaatsgevonden. Dat klinkt als niet zo veel, maar was bijna 60% hoger dan wanneer eenzelfde aantal vakjes handmatig werd gekozen door analisten.
Kent is Predictive policing software breder gaan inzetten na deze kleine test in 2013, waarin het ondervond dat misdaad op straat met 6% afnam. Toch nam misdaad in het eerste jaar daarna toe, iets dat de politie van Kent wijdt aan een slechte implementatie in een periode waarin ook niet alle misdaadgegevens volledig voorhanden waren. Inmiddels lijken de resultaten beter met een afname van 140.000 naar 100.000 misdaden.
In het Amerikaanse Richmond is men inmiddels zelfs gestopt met Predpol, ondanks dat het driejarige contract met Predpol nog niet was uitgediend. Reden: gebrek aan bewijs dat het zou werken. Predpol claimde nog dat misdaad omlaag ging door hun software, maar politiechef Chris Magnus spreekt dat tegen en geeft aan dat na een periode van initi?le afname misdaad de laatste tijd weer met dubbele cijfers omhoog gaat.
En succes hangt ook af van het type interventies en sociale acceptatie. Zo ging de politie van Chicago op basis van Predpol preventief huisbezoeken plegen bij veelplegers. Het idee was dat misdaad voorkomen kon worden als deze doelgroep meer informatie over de inmiddels hogere straffen kregen of begeleidingsprogramma?s kreeg om ze aan het werk te krijgen. Deze interventievorm die in de pers al snel het label ?profiling? kreeg leverde veel kritiek van de lokale bevolking op.
Toch wordt het gebruik van PredPol ?steeds populairder, en is het onder andere in gebruik bij de politiekorpsen in de VS zoals Los Angeles, Seattle, Modesto, Alhambra, Santa Cruz, Atlanta en Little Rock, en krijgt het ook in Europa voeten aan de grond zoals in Kent, Verenigd Koninkrijk.
Daily Crime Forecast
Daily Crime Forecast (DCF) is een volledig via het web benaderbare tool die qua functionaliteit niet onder doet voor PredPol. Ook hier vinden we de bekende vlakjes waarbij voor elk uur wordt bepaald wat daar de dreiging is. En net zoals PredPol is er voor het maken van voorspellingen maar heel weinig data nodig. Uit enkel de datum, tijd en positie van eerdere geregistreerde delicten wordt een voorspelmodel gemaakt voor de komende tijd. Is er recent een inbraak geweest in een vakje of ??n van zijn buurvakjes? Dan stijgt daarmee het risico op nog een inbraak. Wordt er in dit vakje vooral ingebroken op maandag? Dan wordt ook dat meegenomen voor de voorspellingen voor alle komende maandagen.
Het pakket is ontwikkeld in samenspraak met het Edmonton Transit System (ETS), maar via hun website kan iedereen een demonstratie bekijken van de functionaliteiten.
Waar PredPol nog een hitscore vermelde die 60% hoger was dan die van een analist, rapporteert DCF een nog veel hoger getal, namelijk 100% beter. Dat zegt op zich nog niets aangezien het voorspellen van misdaad in een stad toch iets heel anders is dan dat van overlast rond een vervoerssysteem. Maar DCF lijkt zeker te werken, niet omdat ze dergelijke hitscores behalen (wat met wat gegoochel met getallen altijd lukt), maar omdat ze ook daadwerkelijk vermelden dat het aantal keren dat een agent handelend kon optreden in de eerste twee jaar steeg met bijna 60%, terwijl het aantal meldingen van slachtoffers juist daalde met 52%. Dat betekent dat een dergelijk systeem niet enkel kan voorspellen wat er gebeurt, maar ook problemen kan voorkomen.
Criminaliteits Anticipatie Systeem (CAS)
Ligt Predictive policing ver van ons bed? Nee, want hier in Nederland gebeurt het ook al. In het programma Politie en Wetenschap werkte de politie van Amsterdam aan een soortgelijk systeem van geavanceerde plannings- en voorspellingsmethoden om te voorspellen welke incidenten waar plaats gaan vinden. En hoe laat. En sinds enige tijd is het Criminaliteits Anticipatie Systeem (CAS) in gebruik genomen op districtsniveau en door zogenaamde ?flexteams in Amsterdam, waar jaarlijks alleen al zo?n 7000 woninginbraken plaatsvinden.
Een voorwaarde is wel dat de data goed beschikbaar gemaakt wordt. Het BVH systeem van de politie (Basis Voorziening Handhaving) bevat veel van die benodigde data. Om voorspellingen te verbeteren kan meer data handig zijn, zoals ?gegevens over vluchtroutes bij overvallen, en in andere gevallen de bevolkingssamenstelling of het type bedrijven dat in die buurt zit. Allemaal relevante indicatoren voor criminaliteitspatronen. Als het aantal bronnen toeneemt wordt het ook ingewikkelder. Patronen in de grotere hoeveelheden meervoudige data zijn complex, waarbij het ook de vraag is of de mens die ermee moet werken het systeem nog snapt. Het maakt een directere (sturing op de) inzet van de politiecapaciteit mogelijk, waardoor effici?ntie en in het bijzonder effectiviteit van de inzet wordt vergroot. Het is niet alleen een instrument voor de politie zelf, maar ook voor het bevoegde gezag en veiligheidspartners.
CAS wordt momenteel gebruikt om High Impact Crimes mee te voorspellen (woninginbraak, straatroof en overvallen). Het systeem deelt de eenheid Amsterdam op in vakjes van 125 bij 125 meter. Gebiedjes waarvan de kans op een incident vooraf al laag kan worden ingeschat, zoals weilanden en open water, worden verwijderd. Van de overblijvende vakjes wordt een grote hoeveelheid gegevens verzameld: criminaliteitshistorie, afstand tot bekende verdachten, afstand tot de dichtstbijzijnde snelwegoprit, soort en aantal bedrijven zoals bekend bij de politie, en demografische en socio-economische gegevens van het CBS.
Van ieder vakje wordt op verschillende peilmomenten geregistreerd welke gegevens er op dat moment bekend zijn. Vervolgens wordt bepaald wat er in de twee weken na de peiling aan incidenten kan plaatsvinden. Er wordt kunstmatige neurale netwerktechnologie toegepast om te bepalen welke combinatie van kenmerken indicatief is voor criminaliteit in de nabije toekomst en het resultaat is dat de vakjes op de kaart indicatief worden ingekleurd; een zgn. heat map waarin hoge scores een warmere kleur krijgen.
In onderstaande uitzending van Factchecker legt Dick Willems van de politie Amsterdam uit hoe het globaal werkt (na ongeveer 9 minuten in de uitzending). Zie ook?hier.
Net zoals bij PredPol is ook van CAS een studie gedaan van de hitscore en daar werd een score van 15% gerapporteerd. Merk op dat beide studies niet onderling zijn te vergelijken omdat, naast dat de gebieden (Amsterdam en Kent) logischerwijs volkomen verschillend zijn ook niet hetzelfde aantal vakjes is geselecteerd. Naast deze 15% direct-hits zijn er ook near-hits, namelijk een inbraak of straatroof die niet in het vakje valt, maar er net buiten. In het geval van woninginbraak is dat percentage 40%, voor straatroof zelfs 60%.
HunchLab
HunchLab?is op veel manieren vergelijkbaar met alle eerdere pakketten. Onder andere Philadelphia PD gebruikt het. Ook HunchLab heeft een webinterface (en zelfs ook speciaal voor tablets), heeft ook de bekende vlakjes, en richt zich ook op near-repeat crimes door middel van het analyseren van misdaadpieken. Maar dit pakket heeft nog een aantal andere interessante features. Hij kan bijvoorbeeld zelf detecteren als er een serie van ?buitengewone? incidenten is. Waarbij buitengewoon betekent dat ze buiten het voorspelde gebied lagen. Met de feature ?Hunch Focus? kan een analist daarna met deze, van de norm afwijkende, incidenten aan de gang. Waren het gewoon incidenten? Of is er meer aan de hand, en bestaat er een trend?
Daarnaast biedt HunchLab de mogelijkheid om, de naam zegt het al, ?hunches? te testen. De gebruiker kan via de interface een bepaald vermoeden beschrijven, waarna de tool gaat kijken in hoeverre dit vermoeden waar is. Wat er daarna met die uitkomsten wordt gedaan, niets? en dat is jammer want wat nou als het systeem daar van zou kunnen leren? De mens-machine interactie zou op deze manier een hele sterke combinatie kunnen opleveren.
Precobs
In Z?rich test men sinds oktober 2014 het Precobs systeem?(Pre Crime Observation System). De ouderwetse prikborden op de muur in het bureau van de kriminalpolizei met een kaart vol punaises zijn al sinds langere tijd opgedoekt. Eenvoudige hotspot software werd al enige tijd gebruikt. Precobs gaat verder en gebruikt slimme algoritmes die als een Zwitsers zakmes diverse doorsnijdingen van Big Data maken, om zo patronen naar boven te halen die agenten op straat kunnen inzien op hun smartphone. Na Zwitserland is ook Duitsland deze software nu aan het testen: in N?rnberg (Beieren) en Berlijn is men al begonnen. Noordrijn-Westfalen heeft interesse, maar is terecht nog zeer kritisch over de echte effecten. Want de getallen en gemeten effecten uit dit artikel komen vooral van de softwareleveranciers en de causaliteit tussen de inzet van de software en de criminaliteitscijfers is nog nauwelijks bepaald. En oorzaak-gevolg is in de aanpak van criminaliteit sowieso al niet eenvoudig, ondanks het sturen op cijfers.
Accenture dat in Londen een pilot doet, heeft voor predictive policing een andere invalshoek gekozen. Anders dan de andere producten richt Accenture zich niet op de locatie, maar op de dader. Op basis van een groot aantal daderkenmerken en activiteit op social media kan hun methode een inschatting maken van de mate van risico die een individu vormt.? In deze specifieke pilot kwamen ze op die manier tot een heat-list van 300 namen. De Londense politie bemerkte dat daar zes nieuwe namen bijstonden, waarvan er vijf in de weken daarna een misdaad pleegden.
IBM zou IBM niet zijn als ze niet met ook op deze markt waren gesprongen. Met hun Jeopardy spelende Watson computers en een beroemd pakket als SPSS is het logisch dat zij er vroeg bij waren. Al in 2005 experimenteerden?ze samen met de universiteit van Memphis met Blue CRUSH (Criminal Reduction Utilizing Statistical History) waar de algehele criminaliteit na een aantal jaar met 30% terugliep, en geweldsmisdrijven met 15%. Memphis behoorde in 2009 nog tot de top 3 van Amerikaanse gevaarlijkste steden. De politie van Memphis beschrijft de successen deels aan deze gerichte aanpak: ?de juiste politie inzet op de juiste plek en plaats?. Blue CRUSH gebruikt misdaadgegevens en surveillancedata om de politie gericht en op tijd naar locaties te sturen om daar (soms in burger) te surveilleren, auto?s staande te houden of undercover operaties te plannen. In oktober 2010 waren er 75% minder autodiefstallen en inbraken in bedrijven daalden met 67%. In 2007 leidde Blue CRUSH met ?Operation HeartBreak Hotel? tot het aanpakken en sluiten van vier motels waar structureel drugshandel, prostitutie, overvallen en moorden plaatsvonden. In 2008 werd door de Memphis politie een Real Time Crime Center van 3 miljoen neergezet. Onderzoek van Nucleus Research wees uit dat de opbrengst (oa het aantal agenten dat nodig is voor het verminderen van criminaliteit) van een dergelijk centrum meer dan 7 miljoen per jaar was.
IBM kiest nu, net als bijvoorbeeld Accenture en BAIR analytics, voor een andere aanpak dan PredPol. Niet een gelikte, black-box oplossing maar een volledig analysepakket waarin de analist zoveel mogelijk informatie tot zijn beschikking heeft. Andere software-giganten zoals Oracle die het veiligheidsdomein bedienen maken een soortgelijke beweging. Gezien de populariteit van Predpol lijkt de keuze van ?het grote publiek? echter al gemaakt, en is er meer behoefte aan een simpele, maar duidelijke user-interface dan aan nog meer informatie en analysemogelijkheden. Ook burgers willen simpelweg weten hoe het zit in hun buurt en krijgen vandaag de dag al misdaadkaarten op maat voorgeschoteld (zgn. Crime Maps) op het web of in een app zodat ook zij kunnen meedenken en doen.
Hoewel het overzicht niet compleet is, zitten er wel wat verschillen in de beschikbare producten. Ook hangen er verschillende prijskaartjes aan. Sommige producten zijn niet meer dan software, anderen bieden aanvullende maatwerkdiensten of zelfs analisten van vlees en bloed als je dat deel wilt uitbesteden. Grote partijen als IBM en Microsoft pakken flink uit en daar betaal je ook voor, terwijl Predpol, BAIR en Accenture de middenklasse bedienen. Aan oplossingen als het door de Nationale politie zelf ontwikkelde CAS hangt geen expliciet prijskaartje maar laat wel zien dat technologische oplossingen in deze fase van ontwikkeling nog ook prima zelf gebouwd kunnen worden.
Onderstaande tabel toont de gebruikte methoden (uit de classificatie van RAND) van de genoemde oplossingen. Besef wel dat dit een momentopname is, want de markt groeit momenteel stevig met nieuwe oplossingsrichtingen en nieuwe spelers.
?
Near repeat
Spatio-temporal
RTM
Data Mining
Predpol
X
X
X
Daily Crime Forecast
X
X
Criminaliteits Anticipatie Systeem (CAS)
X
X
X
X
HunchLab
X
X
X
X
Precobs
X
X
Accenture
X
IBM SPSS Crime Prediction
X
X
X
X
BAIR analytics
X
X
X
De toekomst
Slimme, effectieve en proactieve aanpak tegen misdaad is duidelijk beter dan achter criminelen aanhollen. Predictive policing, tesamen met de ontwikkelingen op het gebied van Big Data (het nieuwe goud voor de politie), is daarom een enorme vlucht aan het nemen. Maar ondanks deze ontwikkelingen, moet het verschil uiteindelijk op straat gemaakt worden: door agenten die met deze uiterst relevante informatie op de juiste tijd en plaats slim kunnen ingrijpen.
De meeste van de genoemde methoden hangen nog in wetenschappelijke hoek, maar de politie in Nederland omarmt het al wel. Onlangs schreef intelligenceprofessional Rutger Rienks er namens de politieacademie een toegankelijk boek over en iets eerder al was predictive policing officieel toegevoegd als innovatiedomein aan de business intelligence roadmap van de Nationale Politie
Hoe hard het gaat toont Silicon Valley, waar al een R2D2 robot agent rondrijdt met de naam Knightscope. Het is een volledig autonome robot op Segway wieltjes die kan horen, zien en luisteren (zelfs in de nacht en op social media) en zelf bepaalt waar hij heen moet op basis van predictive policing software. Het algoritme zal hem op het pad van zakkenrollers zetten in het drukke winkelcentrum en even later naar de parkeerplaats sturen op zoek naar autodieven. Het apparaat registreert nu alleen nog en produceert 90 terabytes aan data per jaar. Praten of ingrijpen doet het (nog) niet. Nu kost het ding nog een paar duizend euro, maar over een paar jaar kun je deze digitale agent voor een paar honderd euro in je robot grasmaaier in je voortuin laten rondrijden. Het gebruik van predictive policing zal in de toekomst democratiseren.
Predictive profiling en meer…
Die trend van voorspelling is al lang aan de gang en groeit vooral flink in commerci?le toepassingen. De meeste mensen weten het niet, maar bedrijven als Facebook werken al met big data en algoritmen om hun klanten te screenen. Ook dat gaat ver. Schrijf je bijvoorbeeld altijd berichtjes aan meisjes van dertien, en gebruik je ook het trefwoord seks een beetje te vaak, dan kan Facebook jou als verdachte aanmerken en de politie inseinen. Dit voorbeeld is trouwens echt gebeurd. Met de politie in de rol van het meisje (op haar computer). Goed, dat een viespeuk wordt opgepakt zullen we allemaal niet zo erg vinden. Maar wat als Facebook straks voorspellingen gaat doen over mogelijk druggebruik, of wie er straks allemaal naar alle waarschijnlijkheid mee zullen doen met nieuwe rellen in Londen. En Facebook kan dit nu al, juist omdat men alles kan volgen. Zonder gerechtelijk bevel om die priv?gegevens in te zien (dat heeft de politie wel altijd nodig). Dat gaat heel ver.
De universiteit van Virginia lukte het om met hun algoritmes 19 van de 25 onderzochte misdaadvormen?in Chicago te voorspellen. Met Twitter als databron.?Vooral bij misdrijven als stalking, diefstallen en mishandeling blijkt Twitter interessante aanknopingspunten op te leveren. Niet met berichten als: ?Ik ga vanavond mijn ex weer eens stalken.? maar met berichtgeving over ?dronken worden? in een bepaalde geografische omgeving blijkt het een voorspellende gave te hebben.
In New York werkt de politie samen met Microsoft aan een zeer geavanceerde analysetool, het Domain Awareness System (DAS). Die kan de beelden van de meer dan 3000 politiecamera?s in de stad analyseren, inclusief alle databases die de politie tot haar beschikking heeft. Het wordt dan mogelijk precies na te gaan waar een verdachte auto in de weken voor een misdrijf is gesignaleerd. New York heeft daartoe ook een?Real Time Crime Center?opgezet dat deze forecasting-technieken gebruikt. In New York wordt onder andere RTMDx gebruikt voor voorspellingen:
In 2013 werd DAS nog aangehaald?bij het vinden van de terroristen na de aanslag tijdens de Boston Marathon. Maar van het systeem konden wij helaas enkel anekdotisch bewijs vinden. Zo zouden de camera systemen die met DAS gekoppeld zijn helpen voor kleine diefstallen waar lokale huiseigenaren erg blij mee waren. Er is echter geen structureel en hard bewijs geleverd dat het DAS systeem structureel voor minder misdaad zorgen.
Peter de Kock promoveerde recent aan de universiteit van Tilburg op het gebruik van scenario?s om terroristische aanslagen te voorspellen. Met een achtergrond aan de filmacademie en voormalige carri?re als cameraman, producent en regisseur onderzocht hij de parallel tussen een filmscenario en een aanslag. Beiden hebben een communicatiedoel, een boodschap die een bepaalde beleving teweeg moet brengen bij het publiek om hopelijk een hoger doel te bereiken. Hij kwam tot een lijst van 12 elementen waar zo?n scenario uit kan bestaan: een hoofdrolspeler, een slechterik, een plaats, een tijdstip, een motivatie, een doel, een middel, een modus-operandi, de tegenstand, symboliek en een dwaalspoor. De in het model verzamelde scenario?s (criminele gebeurtenissen) maken trends en relaties zichtbaar die kunnen worden gebruikt om de aannemelijkheid van toekomstige criminele incidenten te berekenen. Sterker nog, in potentie zouden zelfs alle verzonnen scenario?s uit boeken of films een voorspellende waarde kunnen bevatten. Immers: als een terrorist iets bedenkt, is er een kans dat iemand anders op de wereld het idee weleens uitgewerkt heeft in een stripboek, een misdaadroman of krimi op TV.
Zie hieronder het interview dat hij gaf op de dag van zijn promotie in De Wereld Draait Door, met de kern van zijn onderzoek: ??wij zijn [?] nu voor de eerste keer in staat om heel veel data te genereren, heel veel data te wassen [?] Tot voor kort was het belangrijk wie dat opsporingsonderzoek leidde en of die de juiste kennis had. Nu kun je die kennis apart in een database zetten en iedereen heeft daar toegang toe die je daar toegang toe verleent. En dat gaat diegene helpen die de interpretatie moet maken.?
Kritiek
Het gevaar is wel dat de politie of andere partijen straks allerlei mensen gaat oppakken om vervolgens te zeggen: ja, dat moest van mijn algoritmen.
Evgeny Morozo maakt zich ernstige zorgen over predictive policing en wijdt in zijn laatste boek ?To Save Everything, Click Here? een heel hoofdstuk aan deze ontwikkeling, die bovendien de grootste databron van de wereld (het internet) niet links zal laten liggen in zijn analyses waardoor het allemaal heel eng kan worden.
Straks worden we door Facebook bij de politie aangegeven voordat we ook maar iets hebben gedaan. Of een priv? detective koopt je data. Of op grond van de Nederlandse versie van PredPol staande gehouden terwijl we geheel onschuldig met een gereedschapskist door een buurt lopen waar statistisch op dat moment veel wordt ingebroken. Dan heb je als burger ineens veel uit te leggen. Die algoritmen weten ook niet alles natuurlijk.
Rutger Rienks van de Nationale Politie beschreef een toegankelijke inleiding op predictive policing met een praktijkvoorbeeld van Nederlandse bodem dat deze risico?s mooi weergeeft:
?In 2011 is in Driebergen een systeem ontwikkeld dat op vergelijkbare wijze drugsrunners kon detecteren die hero?ne over de weg vervoerden (Schakel et al., 2012). Het systeem kon op basis van een tweetal waarnemingen een drugsrunner onderkennen. Enerzijds aan het bewegingspatroon van een voertuig dat op en neer reed tussen twee steden binnen een bepaald (kort) tijdsbestek. Anderzijds aan het feit dat het waargenomen voertuig eerder in verband was gebracht met drugsgerelateerde feiten. Meerdere camera?s konden langs een route voertuigen herkennen met behulp van een referentiebestand met voertuigen die met drugs in aanraking waren geweest. Dit ging op eenzelfde wijze als de herkenning van een gestolen voertuig. Zo reikte het systeem ons op een presenteerblaadje aan welke voertuigen ?controlewaardig? waren. Door de controleploeg te richten op de door het systeem aangewezen voertuigen ging het aantal gevonden grammen hero?ne per gecontroleerd voertuig omhoog van 5 naar 1027 gram. Bovendien was de afhandelcapaciteit vele malen kleiner. Metingen hadden van tevoren aangegeven hoeveel voertuigen de politie gemiddeld op een avond kon verwachten. Hierop werd de capaciteit op ingericht.
Ook hier ging niet alles goed. Een dame, die in haar nieuwe tweedehands auto met een klein poedelhondje een spuitje haalde bij een dokter, werd door het systeem aangewezen als drugsrunner. Aangezien de politie de voertuigen niet heel vriendelijk tot stoppen maande, was in dit geval een bosje bloemen achteraf gerechtvaardigd.?
Een?rechter zal hier waarschijnlijk geen genoegen mee nemen. Ook al weten we dat de meeste misdaad voorkomt in arme, multiculturele wijken, de politie kan niet zo maar ineens alle mensen gaan oppakken op grond van een impuls. Er zal toch minstens een aanwijzing moeten zijn dat voortkomt uit het algoritme: het moet immers controleerbaar zijn.
En wat moeten we met zaken die helemaal niet bij de politie worden aangegeven, zoals veel verkrachtingen en geweld? Voorspellend politiewerk is gebaseerd op misdaadstatistieken. Als die er niet zijn zal de software dus alleen voorspellingen kunnen doen over misdaden die ooit zijn aangegeven. En blijft de rest ? zoals veel andere misdrijven ? ongezien (de zgn. dark number). Predictive Policing richt zich om die reden vooral op veelvoorkomende delicten waar een klein aantal mensen een rol in speelt (zoals veelplegers uit de buurt of rondtrekkende dadergroepen); vermogensdelicten zoals woninginbraken en straatroof waar vaak aangifte van wordt gedaan. Maar op termijn, met meer en betere beschikking van vroegtijdigere signalen, valt te verwachten dat ook bijvoorbeeld liquidaties in de onderwereld, een radicaliseringsproces of zelfs een crime-passionele voorspeld kunnen gaan worden.
Technologisch gezien zou Predictive policing exponentieel verder kunnen groeien. Maar vanuit maatschappelijk en organisatorisch oogpunt zit er nog een rem op. Wil de politie wel zoveel gaan vertrouwen op technologie? Is de organisatie er wel klaar voor? Nemen algoritmes en robots het werk van agenten op diverse vlakken zometeen over? En wat zijn eigenlijk de juridische en ethische haken en ogen? Want we weten allemaal dat een 100% betrouwbare voorspelling een illusie zal blijven.
Tot slot: een handreiking
Predictive policing gaat over het slim toepassen van analytische technieken?om misdadigers of misdaden uit het verleden of voor de toekomst te kunnen vinden middels diverse statistische methoden. Kern van deze methodieken is dat op basis van slimme analyses van beschikbare gegevens de politie in die gebieden versterkt aanwezig is waar de kans op een volgend incident het grootst is. Van deze aanwezigheid gaat een aantoonbare preventieve werking uit.
Er is inmiddels voldoende sterk bewijs dat misdaad voorspelbaar is (in statistische zin), omdat criminelen misdrijven plegen in hun ?comfort zone?, maw in gebieden en op manieren die ze kennen en waar ze in het verleden succes mee geboekt hebben.
Evidence based policing
Het rapport van RAND, maar ook dit artikel geeft weer dat er weinig onderzoek is gedaan naar de effectiviteit van predictive policing en ook niet naar de effecten van gerichte inzet van politiecapaciteit op basis hiervan. En dat terwijl de politie, maar ook de overheid in het algemeen, het liefst evidence based werkt. Dat geldt voor de beleidsmatige kant, maar zeker ook voor de operationele inzet die nog steeds op cijfers wordt gestuurd. Want als een nieuwe aanpak niet bewezen werkt, waarom zou je er dan op investeren?
Bewijs voor succesvolle politie interventies is om te beginnen al een hele moeilijke discussie. Het centrum voor evidence-based criminaliteitsbeleid van de George Mason universiteit deed onder leiding van David Weisburd en Cynthia Lum onderzoek?naar 89 evaluaties van politie interventies en maakte een driedimensionale matrix die ook interactief op hun website te gebruiken is. Deze of andere soortgelijke evaluaties zijn echter tot nu toe niet gebruikt in de toepassing van predictive policing.
Het voordeel van predictive policing is dat het vaak in ieder geval eerst theoretisch gevalideerd kan worden: even droogoefenen op getallen en kijken of voorspellingen uit het verleden kloppen met zaken die je zelf ook constateerde zonder die voorspelling. En dat is wel zo veilig. Maar de vertaling van een goede voorspellingsmethodiek van theorie naar praktijk kan heel weerbarstig zijn, laat staan dat behaalde successen zijn toe te schrijven aan de verbeterde predictive policing intelligence.? Want wat als de voorspelling niet uit komt? Kwam dat door een verkeerde voorspelling? Of doordat je uitstekend hebt gehandeld op basis van de kennis uit deze voorspelling, en de crimineel door je aanwezigheid werd afgeschrikt?
Intelligence gestuurd werken
Er is veel veranderd in het omgaan met gegevens. Nog geen 3 jaar geleden werkte men met allerlei gegevens en rapportages nog veel op papier. De tijd is snel gegaan en andere manieren van werken hebben hun intrede gedaan. Zo is er bij de politie al sinds jaren een omslag gemaakt naar informatie gestuurd optreden, net zoals het bedrijfsleven dat al jaren zwaar inzet op business intelligence en zo processen optimaliseert. Maar ook gemeenten blijven niet achter. Grote gemeenten hadden al langer eigen onderzoeksafdelingen die op diverse manieren (middels enqu?teresultaten, meldingen en statistische analyses) input gaven voor beleid en operationele processen.
De gemeente Eindhoven bevindt zich in een transitie naar een informatiegestuurde veiligheidsorganisatie en kent nu een heus intelligence cluster. Dat betekent dat er ten aanzien van de beleidsmatige en operationele aanpak gericht wordt gestuurd op de besluitvorming middels (veiligheids)informatieproducten (intelligence). Op allerlei plekken in het proces worden informatieknooppunten ingericht waar data, methodieken en vooral ook slimme mensen uit diverse instanties zich buigen over veiligheids-en leefbaarheidsproblemen in de buurt, wijk, stad of regio. Middels eenvoudige visualisaties van inzichten worden uitvoerende diensten intrinsiek gemotiveerd zelf ook te werken met deze rijke informatie en er zelf aan bij te dragen. Maar ook andere aandachtsgebiedshouders buiten het domein van veiligheid worden geprikkeld door de voornoemde producten.
Iedereen is op zoek naar verbetering en krijgt met meer data en inzichten een steeds beter begrip en gevoel bij de problematiek in de wijk en kan daarmee gezamenlijk de burger beter van dienst zijn. Samen sta je sterker, met Big Data als steun in de rug.
De politie heeft natuurlijk diverse criminaliteitsgegevens en haar eigen informatie en analyseknooppunten, maar de gemeente wil ook andere zaken berekenen om inzicht te krijgen. Bijvoorbeeld de kans dat iemand slachtoffer wordt, zoals het besmettingsrisico bij woninginbraken, om zo meer aan preventie te kunnen doen. Voorkomen is nog altijd beter dan genezen, en dan zijn niet alleen misdaadcijfers van belang, maar ook meer inzage in mogelijke verklaringen hiervoor. Oorzaken voor woninginbraken kunnen bijvoorbeeld liggen in straatverlichting of veel voorkomen bij bepaalde typen woningen wat weer input geeft voor andere ruimtelijke ordening.
Er is veel discussie over bredere uitwisseling van gegevens en samenwerking. Er zijn namelijk veel gegevens waarvan bekend is dat die er toe doen, maar die niet gebruikt mogen worden om redenen van privacy. Voorspellingen van onveiligheid worden beter als locaties (woonadressen) van veelplegers worden meegenomen. Maar ook risico-profielen van gezinsleden van bekende ‘jeugdcriminelen’ maken een vroegtijdige (en gerichte) preventieve aanpak mogelijk. Ook op een hoger abstractieniveau kunnen geanonimiseerde gegevens over bijvoorbeeld werk en inkomen (uit het Suwinet) helpen om het DNA van de buurt beter te begrijpen en erop in te spelen. Gegevens van de belastingdienst of van woningcorporaties dragen ook bij aan dat inzicht. Doelbinding houdt deze mogelijkheden nu tegen, ook al zou het gaan om geabstraheerde of geanonimiseerde gegevens.
Dataficatie = data fixatie?
Er is exponentieel meer data beschikbaar over de dingen om ons heen en steeds meer dingen uit onze omgeving produceren deze data (Internet of Things). Big Data uit een enorme diversiteit aan bronnen verteld ons steeds meer over menselijk gedrag en kan dit voorspellen. Toch is onze digitale glazen bol met data nog wat wazig. Er wordt hard gewerkt door grote partijen om dit te verbeteren en die ontwikkelingen gaan snel.
De ontwikkelingen zijn exponentieel op velerlei gebied: exponentieel meer data uit exponentieel meer bronnen (alleen al social media kent honderdduizenden verschillende soorten bronnen en dataformaten), steeds meer contexten van toepassing in een complexer wordende maatschappij met steeds meer techniek waar het gedrag van criminelen zich bovendien ook nog op aanpast. Hoe krijg je goede voorspellingen die inspelen op de steeds dynamischere wereld? Vroegsignalering en steeds meer real-time gegevens verwerken is daarin van belang, maar het blijven altijd voorspellingen die getraind zijn op basis van het verleden. Een nieuwe context laat zich moeilijk voorspellen.
Toch is het een gevaarlijke valkuil om vooral aan de technologische ontwikkeling te denken en alleen te blijven werken aan betere computervoorspellingen. Eerder al gaven we aan dat het pareto principe (de 80/20 regel) opgaat in de voorspellingen. Verbeteringen in de techniek zitten dus al snel in de marge. Het is veel belangrijker na te denken over de vraag hoe je met een enigzins betrouwbare voorspelling effectief aan de slag kunt gaan. Het slim inregelen van operationele inzet van mensen en slimme interventies is waar de crux zit. Zonder de juiste acties geen resultaat, hoe goed een voorspelling ook is.
Er zijn daarom al experimenten gaande waarin gekeken wordt hoe ook de juiste inzet door een computer aangestuurd kan worden. Dat gaat verder dan een vrijblijvende voorspelling, maar kent uiteraard ook risico?s. Flitshandel op de beurs laat zien hoe zoiets mis kan gaan, beurskoersen kelderen en worden gemanipuleerd enkel omdat de systemen volledig autonoom functioneren en geen verder besef hebben van context en daarom gewoon uitvoeren hoe ze zijn geprogrammeerd.
Humans in the loop
Toch zou predictive policing meer moeten zijn dan computers die een spelletje cluedo spelen met Big Data en boeven vangen met logisch redeneren. Want boeven aanhouden doen machines nog niet, daarvoor is een goede vertaling naar de operationele inzet van agenten op straat nodig. Heterdaadkracht leunt nog vooral op mensenwerk en daar zit nu juist de crux.
Een belangrijke vraag bij predictive policing is dan ook: Hoe kun je de feedback loop sluiten met informatie van de straat, van professionals en burgers? Ook een goede relatie tussen analisten achter het bureau en agenten op straat die samen zorgen voor het totale intelligence netwerk is essentieel. Zonder mensen sta je nergens met intelligence, en al helemaal in de huidige fase van predictive policing waarin alles nog in de kinderschoenen staat. Human in the loop by design is de essentie van het principe dat wij voorstellen, omdat we de mens als belangrijkste schakel in elke toepassing van predictive policing zien. Alle menselijke schakeltjes moeten ingebakken zitten in het ontwerp van predictive policing: denk aan de analisten, de leiding, beleidsmakers en de agenten op straat. Hoewel de menselijke schakel onder druk staat in de huidige informatiemaatschappij, is veel data die de politie nu gebruikt nog steeds door mensen verzameld, verwerkt en in context geplaatst. Analisten doen vervolgens diverse interpretatieslagen en mensen nemen besluiten op basis van deze adviezen waarna maatregelen door mensen worden genomen, die vervolgens weer door mensen worden beoordeeld op hun effectiviteit. Academici doen al honderden jaren onderzoek naar waarom mensen crimineel worden, en hoe ze zich dan gedragen. Waarom wordt al die informatie, bij al die verschillende mensen, overboord gegooid en platgeslagen tot cirkeltjes rond een positie uit een database?
Het gewoonweg toevoegen van meer data lost dit tekort aan kennis niet op. Correlaties en causale verbanden zijn altijd lastig te bevatten. In gebieden waar veel politie is, is statistisch gezien ook veel misdaad. Dat wil niet zeggen dat misdaad veroorzaakt wordt door de aanwezigheid van politie. Als je maar genoeg data toevoegt is er altijd wel een correlatie te vinden. Zo kun je het aantal moorden met behulp van stoom of hete vloeistoffen al jarenlang perfect voorspellen door middel van de leeftijd van de Miss America van dat jaar. Maar is dat een nog onbegrepen oorzakelijk verband, of gewoon toeval?
Als je de eigen (jarenlang opgebouwde) kennis van academici, analisten en mensen op de straat wil toevoegen betekent dit dat je daar expliciet van te voren al rekening mee moet houden. Dat betekent dat deze rol in de gebruikte methode(n) moeten inbakken anders komt de mens steeds meer langs de zijlijn te staan. Niemand snapt het systeem dan meer en je gaat ingrijpen ?omdat het systeem dat zegt?. Maar is dat wel voldoende voor een ?probable cause? (NL variant hiervan; een redelijk vermoeden hebben) om iemand staande te houden of zelfs aan te houden?
De mens is slimmer tot de het moment van singularity; het moment waarop computers niet alleen sneller of accurater kunnen rekenen, maar ook creatiever, slimmer en bewuster zijn dan mensen. Dat duurt nog minstens een decennium en zelfs dan is het de vraag of je iets dergelijks in handen van een machine wil leggen, want dan komt Minority Report wel heel dichtbij.
Verbreding van de toepassingen
Doordat steeds meer databronnen eenvoudig voor handen komen nemen de toepassingen ook toe. Zo kan alleen al de politie predictive policing methoden uitbreiden van veelvoorkomende criminaliteit en high impact crime naar ondermijning. En naast een thematische aanpak kan het ook in de opsporing individuele zaken helpen. Of een doorbraak leveren in hele reeks van zaken. Van zakkenrollers tot terrorisme, en van preventie en handhaving tot opsporing: mogelijkheden genoeg. En niet alleen de politie profiteert van predictive policing. De genoemde methoden zijn ook toepasbaar voor diverse andere veiligheidspartijen zoals gemeentes, veiligheidsregio?s, belastingdienst, maar ook het bedrijfsleven. Of bijvoorbeeld de Defensiehoek waar men ontdekte dat het gedrag van opstandelingen enigszins leek op dat van georganiseerde criminelen.
Een toepassingsvoorbeeld uit een andere hoek dan de politie is bijvoorbeeld een nieuw computermodel van TNO dat gebruikt werd om overlastsituaties in wijken te voorspellen en interventies te laten berekenen die het beste zouden moeten werken in die specifieke situatie.
De theorie is gebaseerd op Patricia L. en Paul J. Brantingham die zogenoemde crime attractors introduceerden. Dit zijn plaatsen die potenti?le overlastveroorzakers aantrekken, maar niet noodzakelijk zelf overlast veroorzaken. Een voorbeeld hiervan is een bankje in een park. Gekoppeld met de theorie van Richard Wortley die juist een verklaring voor de hoeveelheid criminaliteit in een gebied geeft werd een model gevormd. Deze laatste theorie is gebaseerd op crime precipitators. Dan gaat het om omgevingsfactoren die aanmoedigend werken op personen om overlast te veroorzaken. Een caf? en discotheek zijn daar logische voorbeelden van.
Ieder object, gebouw of gebied in een omgeving kan fungeren als precipitator, attractor, of allebei. Want precipitators cre?ren een bepaald niveau van overlast, terwijl attractors bepalen waar de overlast plaatsvindt. In een analyse voor regio Haaglanden, met data van onder andere hoeveiligismijnwijk.nl en Open Street Map? als databron voor omgevingskarakteristieken, bleken de 4 grootste bronnen van overlast bars, caf?s, fastfoodrestaurants en supermarkten te zijn, en hotels of buurthuizen een effectief middel om overlast te verminderen.
Democratisering
De gemeente Eindhoven gebruikt inzetkaarten die voor diverse doelgroepen gebruikt kunnen worden. Zo weten bijvoorbeeld de BOA?s (Buitengewoon Opsporings Ambtenaar) van stadstoezicht welke thema?s waar en wanneer kunnen spelen, zodat hun operationele inzet effectiever ingezet wordt. En burgers ervaren dit ook zo, men ziet merkbaar meer politie en hulp of toezicht daar waar nodig. Men is vaker en sneller op de juiste plek en tijd dan voorheen. Ook door meer en betere samenwerking en prioriteitstelling tussen instanties.
Maar waarom zijn predictive policing methoden niet ook toepasbaar voor bedrijven of burgers die in een Buurt Interventie Team (BIT) of met hun hond (project WAAKS) een rondje in de wijk doen en gericht kijken op de juiste plek en juiste tijd waardoor preventie veel effectiever zou kunnen worden? Welke informatie kun je hun geven? De vraag is natuurlijk of dat altijd wel gewenst is. Als je op huis-niveau kunt bepalen wat de dreiging is van een inbraak, wil je dan echt naar de bewoners communiceren dat er een grote dreiging is? Zelfs als die dreiging enkel een kans van 1 op 100 is?
Handelingsperspectief
Je staat in het rode vakje, en dan? Moet je nog langer wachten? En hoe veel langer dan? Waar moet je op letten? Waar moet je naar kijken? En wat moet je eigenlijk doen? Predictive policing ontbeert nu nog handelingsperspectief.
Voorspellingen maken is namelijk maar het halve werk. Algoritmes vangen geen boeven, dus het gaat er om wat je daadwerkelijk kunt met de voorspelling. En dat is juist hoe je de waarde van een voorspelling zou moeten bepalen. Het correct voorspellen is namelijk niet het primaire doel, effectief ingrijpen is dat wel. Logischerwijs is de waarde van een voorspelling dus heel iets anders dan de correctheid. Daarom zou ook het doel niet moeten zijn om modellen te ontwikkelen die zo goed mogelijk kunnen voorspellen, maar om modellen te maken die leiden tot een zo groot mogelijk effect als er naar gehandeld wordt.
Je kunt zelfs interventies laten doorrekenen en meenemen in de voorspellingen. Bestaan er aantoonbare verbanden tussen patrouille-routes en inbraken? En kun je die informatie gebruiken om je interventies in te richten? Nog beter is zelfs om niet enkel de patrouille mee te nemen in de voorspelling, maar om juist de effectiviteit van de interventie zelf te voorspellen. Welke actie heeft nu een zo groot mogelijk effect? En logischerwijs hoe, en wat communiceer ik dan naar diegene die de interventie dan gaat uitvoeren?
Privacy, transparantie en rechtmatigheid
Er zijn ook nog een aantal aandachtspunten op het gebied van privacy, transparantie en rechtmatigheid. Allereerst is het van belang om te bekijken wat de toepassing van de analytische software betekent voor de privacy van individuele burgers. Dat is met name het geval wanneer gebruik wordt gemaakt van real-time data. Dit impliceert namelijk dat in meer of mindere mate bewegingen van individuen of groepen gevolgd of inkaart gebracht kunnen worden. Indien gegevens herleidbaar zijn tot individuele personen is er sprake van persoonsgegevens en is de dataprotectiewetgeving van toepassing. Vanuit een breder perspectief zou een analyse op grond van artikel 8 EVRM aangaande het recht op eerbiediging van de persoonlijke levenssfeer van belang zijn. Ook al gaat het om de publieke ruimte, dan nog is de bewegingsvrijheid van het individu een recht dat door dit artikel beschermd wordt, omdat er ook de vrijheid is om jezelf vrij te bewegen. Een inbreuk op het recht op privacy is wel toegestaan, maar in die gevallen moet er een wettelijke basis voor bestaan en dient tevens aan proportionaliteit en subsidiariteit te zijn voldaan. Die toets is niet altijd eenvoudig. In het bijzonder wanneer, zoals in dit overzicht aangegeven, het causale verband tussen predictive policing en een daling van criminaliteit niet altijd eenduidig vast te stellen is.
Wat betreft transparantie is vereist dat beslissingen, zoals een preventief ingrijpen, te verantwoorden zijn. Ze zijn immers gebaseerd op een voorspelling of afweging. Algoritmen die tot een advies leiden zullen niet altijd even doorgrondelijk zijn. Bovendien geven voorspellingen vaak een probabiliteit aan. Het zijn dus geen harde, feitelijke waarheden, ook al zullen ze in een groot deel van de gevallen juist zijn. Juist daarom is het van belang om de systemen als hulpmiddel te gebruiken om effici?nter en gerichter te kunnen werken. De systemen zijn niet per s? leidend, dat is de kennis en kunde van de ervaren politieagent.
Dan moet de rechtmatigheid van de systemen bekeken worden. Welke waarborgen worden ingebouwd in het systeem of in de organisatie die een systeem gebruikt om te zorgen dat er geen vergissingen worden gemaakt? En in het geval dat er toch iets misgaat, hoe wordt dat dan opgelost? De voorspellingen zijn gebaseerd op patronen en wanneer het om specifieke groepen of personen gaat om profielen. Die profielen zijn ook gemiddelden en geen harde waarheden. Het gevolg kan echter wel zijn dat mensen doordat ze aan een profiel voldoen of daarbij worden ingedeeld een ?stempel? krijgen en verdacht zijn. Of op zijn minst extra aandacht krijgen. Dat zijn risico?s die zoveel mogelijk vermeden moeten worden. In de praktijk kan dit immers betekenen dat latente vooroordelen expliciet worden, omdat causale verbanden onbewust aan die vooroordelen worden gekoppeld, ongeacht of dat terecht is. De onvoorspelbaarheid van een systeem maakt dat er ook extra waarborgen tegenover moeten staan. Een belangrijk deel daarvan bestaat uit de rechtmatigheidstoets. Hoeveel waarde of bewijswaarde kan worden toegekend aan een voorspelling van een systeem en hoeveel aanvullend bewijs is vereist? En wat voor bewijs dan?
Vandaag?beginnen?
Gecontroleerd gaan proberen is gelukkig goed mogelijk. Het is een veilige methode. Je kunt zelfs eerst theoretische tests doen voordat je de praktijk ingaat. Je kunt bestaande producten gebruiken maar met de juiste kennis ook zelf aan de slag. De instap is nu nog laag, omdat het nog eenvoudige methoden betreffen. Als je iets vind of bouwt dat lijkt te werken is het van belang om parallel daaraan de mensen in de loop te nemen. Analisten, maar ook mensen die beslissingen mee nemen op leidinggevend niveau en in de uitvoering.
Je kunt?beginnen door een competitieve test uit te voeren, voor een systeem?kiezen en dat langzaam uitrollen. Dat laatste is belangrijk, omdat mensen een gevoel?moeten krijgen voor de mogelijkheden van het systeem. Invoering van Prescriptive Policing?vraagt dus om professionalisering van de politie. Pas als men meetbaar maakt wat het?effect is van een interventie wordt de stap naar het vierde implementatieniveau mogelijk. De?innovatie moet stapsgewijs plaatsvinden in publiek-private samenwerking met leveranciers?en kennisinstellingen, waarbij in Living Labs wetenschappelijke kennis wordt toegepast in de?politieomgeving, samen met technologieleveranciers.
Vooruitkijkend liggen er op meerdere vlakken nog kansen. Bijvoorbeeld de gemeente Eindhoven is goed op weg om een van de vele Smart Cities te worden die gebruik maakt van Big Data mogelijkheden om inwoners beter van dienst te zijn. Maar deze ontwikkelingen moeten nog regionaliseren, om grotere patronen te ontdekken. Een stad als Eindhoven kan veel leren van intelligence uit omliggende gemeenten en andersom, vooral omdat de mensen overal doorheen stromen en criminelen zich ook niet aan de stadsgrenzen houden. Verderop gelegen liggen uiteraard landelijke inzichten en onderlinge benchmarks van gebieden die op elkaar lijken en ook internationale samenwerking.
Door: Arnout de Vries, programmamanager intelligence en social media specialist en Selmar Smit, data scientist, beiden werkzaam bij TNO
Van twitterende wijkagenten tot getuigenoproepen op Facebook. De politie zet vol in op Social Media. En ook steeds vaker in beeld en geluid. Agenten met camera’s op de borst filmen opstootjes, arrestaties en invallen. En dat wordt allemaal op YouTube gezet. Het laat politiewerk in de breedte zien, Niet alleen maar mooi opgepoetste foto’s, maar een realistisch beeld. Maar mag dat ook zomaar?
Het antwoord is over het algemeen ja; je mag filmen in de publieke ruimte. En zolang er zorgvuldig met de beelden wordt omgegaan en er enige regie is op een duidelijke boodschap is er helemaal niets mis mee. De beelden van #Pro247 zijn daarvan een goed voorbeeld. Maar live streaming, zoals het gebruik van Periscope door de politie, ?is een stuk riskanter. Live filmen op een uitgaansavond of in andere operationele activiteiten?is riskant. De kans dat er een situatie ontstaat waar burgers onwenselijk in beeld komen is dan groot. Een aanhouding wil je niet zonder filters of regie online streamen. Burgers kunnen dat wel doen, en als politie kun je bodycams gebruiken, maar live als politie die beelden de digitale ether in slingeren is in zo’n geval een hevige inbreuk op de privacy.
De Rotterdamse politie heeft deze week een filmpje online gezet waarin agenten een dronken man arresteren. Ze probeerden de man te helpen, maar die is daar niet echt van gediend. Als ‘dank’ voor hun hulp krijgen de agenten nog een bak gevloek en gescheld over zich heen. Met dit filmpje hopen ze op iets meer respect.
De filmpjes van de politie Rotterdam zijn populair op hun Youtube-kanaal #PRO247. Doordat de camera op de borst van de agent is geplaatst, lijkt het net alsof de kijker er zelf bij is. Maar het laatste filmpje cre?ert veel ophef op Twitter. Want is het wel goed wat deze agenten doen?
Begrip kweken
“De politie wil laten zien hoe het werkt, onze betrokkenheid tonen, maar ook meer begrip kweken voor ons zware werk” zegt Gerrit van de Kamp, van de politievakbond ACP. “Zo begrijpt de burger beter hoe zwaar het werk van een agent is.”
Privacy
Wel brengt het een aantal privacyvragen met zich mee. De politie Tilburg ging begin deze maand haar ‘horecadienst’ livestreamen. Maar hoe zit het dan met de mensen die gewoon een biertje staan te drinken? Hun gezichten zullen gewoon te zien zijn op de livestream.
“Op zich is het goed dat de politie steeds meer en vaker een kijkje achter de schermen biedt. Wel moet er slim worden omgegaan met de beelden, want niet alles mag zomaar online worden gegooid”, zegt Arnout de Vries van TNO.
De filmpjes zijn te zien op het?Youtube-kanaal van de politie #PRO247
Tilburg
De politie in het centrum van Tilburg was?tijdens hun horecadienst virtueel te volgen op Facebook. Agenten plaatsen?de hele nacht?live updates over wat ze meemaken op straat.
Na succesvolle ‘politie-avonden’ op sociale media?in Eindhoven en Rotterdam vond agent Danny Nooijen dat het tijd was om dit ook in Tilburg in te voeren. Hij?startte woensdag?een Facebook-evenement, waar inmiddels al ruim 550 mensen zich voor hebben aangemeld. Doe je dat, dan krijg je de updates in je timeline te zien. ?Danny:?”we gaan vanavond met foto’s, video’s en tekst laten zien hoe een avondje stappen er vanuit?de politie uitziet.”
Meer begrip voor politie-ingrijpen
Op een normale zaterdagavond zijn er in Tilburg tussen de tien en vijftien agenten in touw om de straten veilig te houden. Ook vanavond is dat het geval, zegt de initiatiefnemer. “Er zijn een paar evenementen in kroegen vanavond, dus wij rekenen op een redelijk drukke avond. Er gebeurt van?alles – van mensen die klappen uitdelen tot wildplassers.”
Doel van de actie is om begrip te cre?ren bij het publiek. “Het respect voor de politie is soms ver te zoeken. Dat is met de komst van sociale media behoorlijk afgezwakt,” zegt?agent Danny. “Vaak zie je dat mensen het niet begrijpen als wij ergens actie ondernemen. We hopen dat dit ze een beeld geeft van onze manier van handelen.”
Wildplassend in beeld… en nu?
En als je nu als wildplasser gepakt wordt, ziet de halve stad dan?gelijk je foto of video op Facebook? “Nee, we blurren dat meteen.?Daar hebben we een app voor – zelfs voor video’s.?Als we iemand aanhouden zullen we er in de beschrijving in algemene termen over spreken. Geen achtergrond van degenen die we aanhouden dus.”
Op stapavonden worden niet alleen?flinke hoeveelheden drank gebruikt, ook?ziet agent?Danny steeds vaker drugs en verdovende middelen. “Mensen vergeten dan hoe ze zich hebben?gedragen. Het kan best goed werken om dat naderhand eens op?beeld te zien.”
In Tilburg is op diverse plekken al cameratoezicht aanwezig. Het in beeld vastleggen van incidenten tijdens uitgaansavonden werkt volgens Danny twee kanten op. “Het is goed voor onze veiligheid, en het kan voor uitgaanspubliek een geruststelling zijn dat ook ons handelen wordt vastgelegd.”
Meekijken in de politieauto tijdens een stapavond:?Video afspelen
Sociale media worden volgens Danny steeds vaker gebruikt in het politiewerk. Zo zetten zijn collega’s vanmorgen?nog een video van een achtervolging online, en worden vragen van Tilburgers via de Facebook beantwoord. “Het is een mooie manier om in contact te komen met de burger.?Op deze manier kunnen we Tilburgers snel bereiken, als we bijvoorbeeld een buurtonderzoek doen en op zoek zijn naar tips.”
Ook vanavond zijn de agenten in Tilburg rechtstreeks te bereiken via sociale media. “Als je in een situatie verzeild raakt?waarbij je ons nodig hebt, kun je ons?via sociale media vinden.?Bel dan?wel eerst even met de meldkamer – maar ons via Facebook of Twitter op de hoogte brengen kan daarna?natuurlijk altijd.”
Meer regie met Cameraad
Met?een dienst als Cameraad kun je op afstand de regie inrichten, zoals ook Nu.nl al doet met live video. Hieronder een filmpje erover:
De tool Cameraad is eigenlijk ontwikkeld voor ooggetuigen die livestreams willen maken, die vervolgens kunnen worden geselecteerd, geregisseerd en gebruikt door nieuwsmedia.?Burgers kunnen via de NU.nl app livestreams versturen naar de redactie. Via een directe audioverbinding met een redacteur worden gebruikers onderdeel van het journalistieke proces.
Met Cameraad kan de redactie door een druk op de knop burgers die zich binnen een bepaalde straal van een nieuwswaardig evenement bevinden (de Vierdaagse of politie-acties) vragen om te filmen met hun telefoon. Deze livestreams kunnen vervolgens, na minimale regie vanuit de redactie, worden toegevoegd aan nieuwsartikelen, maar ook rechtstreeks worden bekeken. Daarmee hoopt Nu.nl zijn nieuwsverslaggeving actueler, rijker en multimedialer te maken. Bij?Meerkat of Periscope zijn de mogelijkheden weliswaar verruimd, maar die zijn nog?niet goed te integreren met bestaande platforms, beide applicaties zijn vooral afgestemd op Twitter.
