Tagarchief: data

Landelijke Meldkamer Samenwerking en het Nieuwe Melden

De wereld verandert continu. Technologische ontwikkelingen en nieuwe toepassingen daarvan in de maatschappij volgen elkaar in rap tempo op. Nieuwe communicatiemiddelen tussen mensen onderling, met bedrijven en de overheid zorgen voor nieuwe mogelijkheden voor het melden van ongevallen en noodsituaties. Het ministerie van Justitie en Veiligheid, de hulpverleningsdiensten (in de vorm van de LMS, de Landelijke Meldkamer Samenwerking) en TNO onderzoeken binnen het programma ?Het Nieuwe Melden? samen hoe de overheid zich slimmer kan organiseren en beter gebruik kan maken van de kansen die nieuwe communicatievormen bieden voor het melden van veiligheidsincidenten. De kennis die deze onderzoeken oplevert, draagt eraan bij om nu en in de toekomst burgers in nood sneller en effici?nter te helpen en de ambulancezorg, brandweer, marechaussee en politie beter te faciliteren bij hulpverlening en bestrijding van crisis en rampen.

Bijeenkomst op de CCR Summit 2018

Visie vormen en experimenteren

Visievormend en experimenteel onderzoek is de kern van de aanpak van Het Nieuwe Melden. Met visievormend onderzoek brengen we de huidige trends en transities in kaart en bedenken samen met de verschillende stakeholders in het meldkamerdomein hoe hier effectief op ingespeeld kan worden. Met experimenten onderzoeken we de invloed van technologische ontwikkelingen op de meldkamer en het meldproces. We beantwoorden vragen als: ?Hoe sturen we hulpverleners voorbereid op weg met big data?? of ?Welke input kunnen sensoren leveren aan de meldkamer??. In het programma werken we nauw samen met de LMS. De LMS, de ‘scale-up’ van het programma Landelijke Meldkamer Organisatie, is het nieuwe organisatieonderdeel van de politie en werkt van en voor alle partijen in het meldkamerdomein. E?n van de belangrijke opdrachten van de LMS is het moderniseren en vernieuwen van meldkamerprocessen, -systemen en ?organisatie, onder andere met sensoren, datascience en netcentrisch opereren. In samenwerking met het meldkamerveld kunnen we onderzoek doen met impact ? waarin de eindgebruiker wordt meegenomen. We vertellen graag meer over de trends en transities en lichten twee recente experimenten toe.

Trends

Er zijn verschillende trends in kaart gebracht die van invloed zijn op het meldproces:

  • Smart community: We leven in een smart community, waarin informatie-uitwisseling explosief toeneemt en mensen altijd en overal met elkaar verbonden zijn. Dit betekent dat er meer kanalen komen via welke burgers meldingen kunnen of willen doen. In deze genetwerkte samenleving is iedereen steeds meer altijd en overal met elkaar verbonden. Daarnaast wordt burgerparticipatie, bijvoorbeeld via sociale media, gemakkelijker.
  • Vermenging digitale en werkelijke wereld: De digitale en werkelijke wereld versmelten, waarbij er een toenemende afhankelijkheid is van digitale systemen. De digitale wereld is in staat tot steeds betere nabootsing of zelfs ?verbetering? van de echte wereld. Denk hierbij bijvoorbeeld aan Augmented Reality of Mens Machine Interfaces. Activiteiten en systemen in het digitale domein krijgen daarmee steeds meer invloed op onze activiteiten in de fysieke wereld. Digitale veiligheid zal daarmee steeds meer impact hebben op de fysieke veiligheid van de burger.
  • Beeldcultuur: We leven in een beeldcultuur, waar de technologie in een stroomversnelling zit en de behoefte aan beeld steeds groter wordt. De impact van deze trend is momenteel al voelbaar in de meldkamers, die steeds vaker toegang hebben tot (live-)beelden uit de regio. Bij dit toenemende aanbod moet rekening gehouden worden met de regie ? voegt het beeld nog wat toe aan reeds ontvangen informatie en in hoeverre draagt het bij aan snellere hulpverlening? Daarnaast is het van belang om de impact op de centralist te duiden; beelden kunnen schokkender zijn of juist een melding afzwakken.
  • Autonome besluitvorming: Er is steeds meer sprake van autonome besluitvorming op basis van data. Wanneer er geen gebruik gemaakt wordt van de toenemende input van data ten behoeve van veiligheid zal de burger zich afvragen waarom niet. Aan de andere kant moet er ook geen overload zijn aan data of beslismodellen die het hulpverleningsproces kunnen verstoren.
  • Digital trust: We worden ons bewust van de keerzijde van het opslaan en transporteren van data, mede omdat de kwetsbaarheid voor digitale veiligheidsincidenten groter wordt en het onderscheid tussen nep en echt steeds moeilijker. Privacy zal soms opgegeven moeten worden ten behoeve van veiligheid, maar waar ligt deze grens? Transparantie over welke gegevens waarvoor worden gebruikt blijkt hierin een belangrijke factor. Daarnaast moeten nieuwe databronnen (zoals beeld) die aangewend worden voor besluitvorming betrouwbaar zijn.
  • Smarter world: We leven in een smarter world, waarin ?dingen? steeds slimmer worden en mens-machine interfaces steeds intu?tiever. Veiligheidsdiensten moeten dus steeds beter kunnen communiceren met dingen in plaats van mensen. Op deze manier zouden slimme voer-, vaar- en vliegtuigen of gebouwen zelf meldingen kunnen doen.

Transities

Om in te spelen op de hierboven beschreven trends en ontwikkelingen zijn verschillende transities voor de meldkamer gedefinieerd: van beperkte gegevens naar relevante multimediale informatie, van volgend naar voorspellend, van menselijke naar kunstmatige intelligentie, van begrensd naar virtueel grenzeloos, van intern hi?rarchisch naar extern genetwerkt, van blind vertrouwen naar transparantie. Aan deze transities worden samen met stakeholders, zoals de verschillende kolommen en het ministerie, actierichtingen gedefinieerd die eind dit jaar gepubliceerd zullen worden.

Transities op de weg naar Het Nieuwe Melden

Beeld in de meldkamer

?Ja mevrouw, ik zie het?!? Een nieuw geluid op de 112-meldkamer tijdens het experiment ?Melden met beeld?. In oktober is een onderzoek uitgevoerd in de Meldkamers Noord-Nederland en Noord-Holland om te onderzoeken wat de invloed is van het gebruik van beelden bij 112-meldingen. Beeld kan namelijk het proces versnellen en de juistheid van informatie vergroten maar mogelijk ook tijd kosten om te interpreteren en afleiden van wat wordt gezegd. Centralisten van verschillende disciplines deden mee aan twee experimenten. Het eerste (quasi) experiment richtte zich op het effect van beeld op het proces en met name op de snelheid, juistheid en volledigheid van de verwerkte informatie. Elke centralist handelde tijdens het experiment acht cases af waar tijdens de intake beeldmateriaal aan werd toegevoegd. Op die manier konden onderzoekers van TNO de prestaties van de centralisten die eerder de cases hebben afgehandeld zonder beeldmateriaal worden vergeleken met de prestaties van de centralisten die wel beeldmateriaal kregen aangeboden. Het tweede experiment was verkennend van aard en richtte zich op de emotionele en cognitieve impact van beeld op de centralist. De eerste conclusies en inzichten van de experimenten worden nu verwerkt en later dit jaar gepresenteerd. Want, de toekomst komt in beeld.

Voorspellen van meldingen

Het voorspellen van de spoedvraag is een ander voorbeeld van een experiment, dit keer in samenwerking met de meldkamer Rotterdam. In dit experiment wordt een algoritme ontwikkelt om 112-meldingen te voorspellen op basis van historische en live bronnen. Verschillende databronnen kunnen gebruikt worden door zogeheten ?machine learning algoritmes? om trends te ontdekken en voorspellingen te doen. Politie, brandweer en ambulance maken al gebruik van voorspellende algoritmes om te bepalen waar de kans op incidenten het grootst is. Maar deze algoritmes zijn nu nog voornamelijk gebaseerd op historische incident data. De vraag is of andere (live) databronnen zoals weer en verkeer kunnen worden benut om beter te kunnen anticiperen op de spoedvraag. Deze vraag wordt op het moment van schrijven getoetst waarbij experts van politie, brandweer en TNO samenwerken om voor dit probleem werkbare oplossingen te realiseren.

Conclusie

Door een gedegen visie te vormen over de nabije en verdere toekomst en te leren van experimenteren in de praktijk geeft het onderzoeksprogramma Het Nieuwe Melden inzicht in de meldkamer van de toekomst: wat is er mogelijk en hoe pakken we dit aan? Een mooie uitdaging waar nu en in de komende jaren hard aan gewerkt wordt. Doet u mee?

[slideshare id=124470879&doc=20178ccrsummitmagazinev1-181130084220]

Bron: RB&W

Criminelen zijn zo voorspelbaar als 125 bij 125 meter

Met behulp van software criminelen op heterdaad betrappen, of voorkomen dat ze toeslaan: het lijkt science fiction, maar het gebeurde allang in Amsterdam.?Een landelijk virtueel raster met vakken van 125 bij 125 meter. Per vlak worden meldingen van bijvoorbeeld inbraken en roofovervallen bijgehouden. Dat is, in het kort, de gedachte achter CAS, het Criminaliteits Anticipatie Systeem.????

Predictive Policing is het voorspellen van misdaadrisico?s met behulp van software, op grond van grote hoeveelheden data die aan elkaar worden gekoppeld. Sinds meer dan een jaar gebruikt de politie het Predictive Policing systeem CAS. Nu wordt het landelijk uitgerold.

Wat zijn de voordelen van dit systeem en wat kunnen we er in de toekomst van verwachten? Kritische kanttekeningen zijn er ook te maken, Marc Schuilenburg vind het zelfs onzin. Onderstaand interview met Arnout de Vries, onderzoeker bij TNO, duidt de zin van de onzin in predictive policing:

Waar gebruikt de Nederlandse politie Predictive Policing voor?

?Om ?eenvoudige?, maar veel voorkomende misdaden als inbraak en zakkenrollen te voorkomen.?

“Een crimineel breekt het liefst in op bekend terrein, in een bekend huistype. En dat doet hij vaak op dezelfde manier, bijvoorbeeld met een breekijzer”, legt Arnout de Vries uit. Hij is onderzoeker bij kenniscentrum TNO en vanaf het begin betrokken bij deze ontwikkeling.

Door data over eerdere inbraken te combineren, kun je de volgende inbraak voorspellen, zegt De Vries. Op basis van 250 soorten data, bijvoorbeeld de sociale samenstelling van de buurt, het aantal caf?s en zelfs ook het weer wordt zo de kans op nog een incident berekend.

“Als je weet dat er in een straat steeds wordt ingebroken via openstaande ramen op zonnige dagen, dan kun je daar als politie rekening mee houden.”

Toch is De Vries verrast dat het systeem nu al landelijk ingezet gaat worden. “Het is gek dat ze het nu al uitrollen, want het is nog niet bewezen dat het systeem ook echt een verschil maakt op straat. We weten dat de voorspellingen aardig kloppen, maar niet of er ook meer boeven door worden gevangen, of dat de veiligheid hierdoor verbetert.”

Wat betekent CAS voor het werk van een politieagent?

?De agenten gaan nog steeds op pad, maar gerichter. Het systeem geeft aan waar en wanneer het risico op een misdaad groot is, maar schrijft niet voor wat de agenten moeten doen. Ga je er bijvoorbeeld naartoe, of hang je camera?s op? De leidinggevende bepaalt altijd al waar de agenten naartoe gaan. Die beslissing is nu deels gebaseerd op de risicobepaling van CAS.?

Werkt het systeem goed?

?De ervaringen in Amsterdam zijn positief, maar wetenschappelijk onderbouwde resultaten zijn er nog niet. We weten dus niet met welk percentage de misdaad is gedaald door dit systeem.?

Welke data gebruikt de politie bij Predictive Policing?

“Ze gebruiken de misdaadgegevens van de politie zelf, in combinatie met andere data. Denk aan de evenementenkalender of de weersvoorspellingen. Is het druk in de binnenstad? Doen mensen hun ramen open? Ook de woonplaats van veelplegers wordt erin meegenomen, want binnen een straal van twee kilometer rondom hun woning is de kans groot dat er iets gebeurt. CAS gebruikt nu al meer dan honderd soorten data.?

Hoe meer data ze gebruiken, des te beter de voorspelling?

?Dat is maar de vraag. Je zou bijvoorbeeld sociale media kunnen gebruiken om de meest actuele gegevens in je rekenmodel te stoppen. Bij TNO denken we echter dat het gebruik van nog meer gegevens op een zeker moment alleen zorgt voor optimalisatie in de marge. De opbrengst wordt steeds kleiner. Er bestaat bovendien een risico dat de politie zelf het zicht verliest op het model: hoe meer data je gebruikt, des te complexer worden de berekeningen. Willen we een situatie, waarin de politie zelf geen idee meer heeft waarom het systeem een locatie als risicovol aanwijst??CAS richt zich vooral op inbraken en zakkenrollen.

Het huidige systeem benut ook de adressen van veelplegers. Dat doet het op een schaal van 500 tot 1000 meter. Daar kun je ethisch gezien nog wel het nodige van vinden, zegt De Vries. “Zeker als die mensen hun straf al hebben uitgezeten.”

Komt er een uitbreiding naar andere criminaliteit?

?Zo?n uitbreiding kan zeker, maar is complex en vereist dat je fors inzet op data science. Het is de vraag of de politie hiervoor het geld en de expertise heeft.?

Ook is er volgens De Vries niet genoeg duidelijk over het ‘waterbed-effect’. Dus of criminaliteit zich door de extra controles in de rode vakjes niet simpelweg naar andere gebieden verplaatsen. ?”Mij valt op dat sommige burgemeesters daar erg simpel in zijn. Die denken: zolang de inbraak niet in mijn stad is, is dat veiligheidsprobleem opgelost.”

Werkt Predictive Policing altijd beter dan de intu?tie van een agent?

?De software bevat het collectieve geheugen van de politie, dat is meer dan het individu kan onthouden. Maar er kleven ook risico?s aan het gebruik van wiskundige modellen. Zo kan er een tunnelvisie ontstaan, doordat de software zich baseert op data uit het verleden. Als het systeem agenten een wijk in stuurt, zullen deze in veel gevallen wel wat vinden. Als het systeem vervolgens redeneert dat het risico in die wijk groter is dan elders, stuurt het de agenten er nogmaals heen. Zo kan onterecht het idee ontstaan dat die wijk crimineler is dan andere wijken. Die versterkende redeneringsloop kun je onder andere doorbreken door agenten af en toe willekeurig een wijk in te sturen.”

?De software bevat het collectieve geheugen van de politie, dat is meer dan het individu kan onthouden?

Critici van Predictive Policing zijn bang dat onterecht mensen op worden gepakt. Is die angst terecht?

?Een veel gebruikt voorbeeld is dat iemand ten onrechte wordt aangehouden, omdat hij ?s nachts toevallig met een schroevendraaier rondloopt over straat. Ook ?racial profiling? kan het systeem insluipen: mechanismen, waardoor mensen met een etnische achtergrond vaker worden aangehouden. Stel bijvoorbeeld dat de eerder genoemde wijk toevallig erg multicultureel is. Je moet je bewust zijn van de data het systeem ingaan en welke juist ontbreken. Eigenlijk zou een onafhankelijke ethische ICT-commissie het systeem moeten toetsen.?

Prescriptive Policing zou de volgende stap kunnen zijn. Wat houdt dat in?

?Predictive Policing zegt alleen op welk moment je waar moet zijn. Prescriptive Policing voorspelt welke maatregel het meest effectief is gebleken in die context. Het politiesysteem bevat een schat aan gegevens die nu onbenut blijft. Met smartphones kun je bijvoorbeeld meten waar agenten geweest zijn en wat ze gedaan hebben. Welk effect heeft dat gehad??

Is de politie hier klaar voor?

?De Nederlandse politieleiding stuurt nu juist erg aan op professionele vrijheid van de agenten. Als die vrijheid wordt ingeperkt door software, zal dat lastig te accepteren zijn. Bovendien is er een enorme allergie voor cijfers: een kopje koffie drinken in een buurthuis is niet in cijfers uit te drukken, toch kan het enorm nuttig zijn. Het is heel belangrijk dat agenten en leidinggevenden de toegevoegde waarde van het systeem zelf gaan ervaren. Die mindset is nog belangrijker dan de dataset.?

Is het nog een optie om deze technologie?n links te laten liggen?

?Gezien de effici?ntie van de bedrijfsvoering ligt het voor de hand om toch op predictive en prescriptive policing in te zetten. De politie weet momenteel niet wat allerlei interventies opleveren. Zowel de politiek als de samenleving verwacht dat resultaten aantoonbaar gehaald zijn. En de politie moet steeds meer doen met minder. Deze technologie stelt je daartoe in staat. Wat ook sterk meespeelt, is dat het bedrijfsleven deze systemen wel heel snel accepteert. De beveiliging van steeds meer openbare ruimten, zoals voetbalstadions, bedrijventerreinen en pompstations, raakt geprivatiseerd. Dat kan ertoe leiden dat de politie straks wordt verdrongen door technieken die veel effectiever werken.?

Tien mythen over predictive policing

  1. Crimineel gedrag is niet te voorspellen?
    Criminelen zijn vaak net zulke gewoontedieren als andere mensen. Na een succesvolle woninginbraak zijn ze bijvoorbeeld geneigd het in een vergelijkbare woning in dezelfde omgeving nog eens te proberen. Dergelijke patronen maken woninginbraak redelijk voorspelbaar.
  2. Robots zullen agenten vervangen
    Predictive policing maakt gebruik van algoritmes om agenten te helpen misdaden te voorkomen. De agenten worden niet vervangen door machines, hoewel hun rol kan veranderen.
  3. Met predictive policing maken boeven geen kans meer
    Het algoritme van Predictive Policing wijst plaatsen aan op de kaart: hier is de kans op een misdaad hoog. Welke actie de politie vervolgens het best kan ondernemen, is vaak minder duidelijk. Nieuwe analyses van veel cases (big data) kunnen inzicht geven in de effectiviteit van verschillende maatregelen, want boeven blijven creatief.
  4. Voor een goede voorspelling zijn data nodig van iedereen
    De politie analyseert al jarenlang processen verbaal om inzicht te krijgen in misdaadnetwerken. Predictive Policing doet dit ook, maar koppelt meer gegevens in tijd en plaats. Het is niet nodig gebleken om van alle burgers data te verzamelen om te voorspellen op welke plaatsen het risico op een misdaad groot is.
  5. Predictive Policing is een gedachtenpolitie die je oppakt voordat je iets doet
    Met Predictive Policing wil de politie misdrijven voorkomen door op tijd actie te ondernemen. Dat wil niet zeggen dat onschuldige burgers worden opgepakt voordat ze iets hebben gedaan. Wel is het belangrijk dat Predictive Policing zich baseert op data die onbevooroordeeld en controleerbaar zijn.
  6. Predictive Policing helpt misdaad de maatschappij uit
    Predictive Policing biedt geen oplossing voor alle soorten misdaad. Risico?s, veiligheid en politiewerk zijn niet volledig uit te drukken in cijfers, waardoor computermodellen soms tekortschieten. De menselijke benadering van de agent blijft belangrijk en misdaad zal altijd blijven bestaan.
  7. Gezond verstand van de wijkagent is altijd beter dan een stukje software
    ?Gezond verstand? bevat vaak meer vooroordelen dan software gebaseerd op objectieve statistische modellen. Het is wel belangrijk dat de modellen zelf niet onbedoeld bevooroordeeld zijn. Predictive Policing werkt ter aanvulling van gezond agentenverstand.
  8. Predictive Policing is oude wijn in nieuwe zakken
    Vroeger gebruikte de politie prikborden met een regiokaart om de criminele ?hotspots? aan te geven, uitgaande van misdaadcijfers uit het verleden. Predictive Policing doet hetzelfde, maar op digitale kaarten die de toekomst tonen. Er worden ook veel meer gegevens aan elkaar gekoppeld. Het is dus eerder nieuwe wijn in oude zakken.
  9. Predictive Policing is plug & play
    Predictive Policing lijkt zo simpel: je haalt de criminaliteitsgegevens door een computer en?er rolt een kaart met rode vakjes uit. Organisatorisch vereist de toepassing echter een cultuurverandering. De agenten moeten hun denk- en werkwijze aanpassen.
  10. Agenten laten zich niet sturen door een algoritme
    Wanneer agenten zelf ervaren dat Predictive Policing een meerwaarde heeft, zullen ze de technologie eerder accepteren.

Bronnen: TNO Time, NOSop3, BNR, De Correspondent

Rellen voorspellen via Twitter?

Engelse onderzoekers van de universiteit in Cardiff schrijven in ACM Transactions on Internet Technology (maart 2017) over hun pogingen om op basis van tweets te voorspellen wanneer en waar er rellen uitbreken. Bij veel van die rellen is achteraf vaak gemakkelijk vast te stellen wat er allemaal op sociale media over gepost is, dat is allemaal te monitoren en bij te houden. Maar een ?end-to-end integrated event detection framework? om gebeurtenissen te detecteren, liefst ?mogelijk ontwrichtende??

De wetenschappers onderzochten vooral tweets voorafgaande aan de Londense rellen van augustus 2011 en concluderen op basis daarvan dat ?our system can perform as well as terrestrial sources, and even better in some cases?. Een veelbelovende uitspraak waar we meer over willen weten.

In de afgelopen jaren is er toegenomen interesse in het detecteren van gebeurtenissen met behulp van publiek toegankelijke gegevens (open source) op het internet, zoals Twitter, Facebook en YouTube. Het publiek plaatst op deze platformen?real-time reacties op gebeurtenissen in de ?echte wereld?, waardoor ze sociale sensoren worden van echte gebeurtenissen (met onder andere?’facts &?feelings‘). Automatisch te detecteren en categoriseren gebeurtenissen, zoals?kleinschalige incidenten, is een niet-triviale taak. Maar het is van zeer grote waarde voor diensten die de openbare veiligheid moeten bewaken, zoals de lokale politie.

Om dit verder te onderzoeken gebruikten de onderzoekers van Cardiff een?eventdetectie raamwerk dat vijf hoofdcomponenten omvat: het verzamelen van gegevens, pre-processing, classificatie, online clustering en samenvatten. De integratie van classificatie en clustering zorgt ervoor dat gebeurtenissen worden gedetecteerd en verwante (kleinere) incidenten die sociale veiligheid bedreigen of kunnen sociale orde verstoren groepeert. Ze evalueerden het concept met een verscheidenheid aan functies die werden afgeleid van Twitter-berichten, namelijk tijd, ruimte, en tekstuele inhoud. ?Ze gebruikten parameters die werden opgebouwd (zgn ground truth) op basis van inlichtingen van?de London Metropolitan Police, die een lijst had met daadwerkelijke gebeurtenissen en incidenten tijdens die rellen, en laten zien dat het systeem de gebeurtenissen op social media allemaal kan vinden, in sommige gevallen zelfs beter dan wat de politie had geregistreerd.

Het idee dat sociale media, zoals Twitter, de toekomst zouden kunnen voorspellen heeft een controversi?le voorgeschiedenis. In de afgelopen jaren hebben verschillende groepen beweerd dat ze alles kunnen voorspellen, vari?rend van de uitslag van de verkiezingen tot de omzet van?nieuwe films in de bioscoop. Er is dan ook zeker wat af te dingen op deze digitale glazen bollen. Daarom is het interessant te zien hoe dit nieuwe onderzoek stand houdt.

Ook onderzoeker?Nathan Kallus van het MIT, het?Massachusetts Institute of Technology, uit Cambridge claimt dat hij een manier heeft ontwikkeld om gedrag van het publiek bij bijeenkomsten kan?voorspellen met behulp van uitingen op Twitter. Hij heeft een analyse gedaan op de staatsgreep in Egypte uit?2013 en zegt dat de burgeroorlog in verband met dit evenement duidelijk voorspelbaar was.

Het is op zich logisch dat er indicatoren te vinden zijn op social media over toekomstig voorgenomen gedrag van menigten. Mensen plaatsen vaak hun plannen vooraf om te ontmoeten en hun acties?te co?rdineren met behulp van sociale media.?Het is eerder zaak de juiste indicatoren uit het grote publieksgedrag eruit te vissen.?Kallus zegt dat dit mogelijk is door eerst de tweets te vinden over?toekomstige gebeurtenissen en deze vervolgens te vergelijken met trendanalyses die daarmee samenhangen. “Het ontstaan van menigten kun je zien aankomen door?trends in social media gegevens,” zegt hij. Recorded Future, gevestigd in Cambridge, is het bedrijf dat dergelijke gegevens voor hem beschikbaar kon stellen. Zij zoeken in 300.000 verschillende online bronnen in zeven verschillende talen over de hele wereld.?Kallus gebruikte deze gegevens om?protesten te voorspellen. “We kwamen erachter dat de massale informatie een voorspeller kan zijn voor toekomstige protesten van?menigten,” zegt hij. Kallus definieert een belangrijk protest als iets dat veel meer media aandacht genereert dan normaal. Hij analyseert vervolgens de media aandacht?om te zien wanneer de?protesten eigenlijk plaatsvinden en zoekt naar Twitter activiteiten die voorafgegaan zijn aan die protesten. Zo zoekt hij?voorspellende indicatoren, om hiermee vervolgens te zoeken naar?soortgelijke activiteiten om te bezien of er voorspellende waarde vanuit kan gaan. Op deze manier ontstaat er een lerende machine die steeds betere voorspellingen kan doen.

Toch nuanceert hij in zijn onderzoek nog weinig. Want we zijn er natuurlijk nog lang niet met goede voorspellingen. Zo is het nu wel mogelijk gebleken om Twitter activiteit te correleren aan echte protesten, maar het is ook nodig om valse positieven uit te sluiten. Er kunnen significante Twitter trends zijn die niet leiden tot protesten.?Dan is er de vraag of tweets betrouwbaar zijn. Bij grote bewegingen met (inter)nationale gevolgen zien steeds meer propaganda, geruchten en ironie?in de berichtgeving. Hoe ga je om met deze toenemende ruis en volumes? Ook de vraag of de gegevens wel representatief zijn voor de gehele bevolking blijft in zijn onderzoek onbeantwoord. Tenslotte is er nog de?aard van de voorspelling. Mooi dat je voorspellingen kan doen met terugwerkende kracht, maar hoe blijf je voorspellen in het social media landschap dat continu aan verandering onderhevig is?

[slideshare id=75178359&doc=canwepredictariot-disruptiveeventdetectionusingtwitter-170419121908&type=d]

[slideshare id=31384853&doc=predictingcrowdbehaviorwithbigpublicdata-140219070751-phpapp01&type=d]

Bronnen: Charged Affairs, LinkedIn, ScienceMagazine,?Predicting Crowd Behavior with Big Public Data

Geen nieuwe Project X door slimme inzet mens en techniek

Door?, Fast Moving Targets?en eerder geplaatst op MarketingFacts

De politie is in de kern een informatiefabriek. En waar die informatie vroeger handmatig werd verzameld, vastgelegd en geanalyseerd, gaat dat tegenwoordig meer en meer met behulp van computers. Big data, artificial intelligence en crowdsourcing zijn niet meer weg te denken.?Frank Smilda, sectorhoofd regionale informatieverzameling, constateert drie grote veranderingen: de impact van het web, de rekenkracht van computers en de snelheid van informatie.

Een paar jaar terug, in 2012, ging het nog goed mis met de inschatting van de kracht van het web. Een op Facebook openbaar aangekondigd feestje in Haren bracht meer dan 5000?mensen op de been. Burgemeester en politie werden totaal overvallen door de opkomst. Vandaag de dag zou dat veel lastiger zijn. Het web wordt 24 uur per dag?gemonitord. Bij verdachte activiteiten wordt die informatie direct gedeeld met de politie ter plekke.

?Wanneer je iets virtueel ziet wat?impact kan hebben op de fysieke wereld, maak je heel snel de koppeling met de wijkagent die direct op pad gaat en gaat onderzoeken wat er aan de hand is. Dat gaat nu veel sneller dan in 2012. Er zijn daarna nog veel Project X-achtige aankondigingen geweest en die hebben we allemaal in de kiem kunnen smoren.”

?In de grote steden kunnen we nu al ? van de woninginbraken voorspellen?

De komst van ??n nationale politie is voor het verzamelen en delen van informatie van enorme waarde. ?We hadden altijd 25 regio?s en moesten dus op 25 manieren in systemen kijken. Er is nu ??n systeem. We kunnen in ??n systeem alle vragen stellen en antwoorden ophalen. Dat is ongekend, dat hebben we in Nederland nog nooit gehad. We kunnen er ook allerlei analyses op los laten. Stel: er vindt een overval plaats en het signalement luidt: rood petje, zwarte Audi, groene jas. Dan krijg je wanneer je in het nationale systeem kijkt, met de snelheid van Google, antwoord. Dat is de wereld waar we in leven. Dat kun je direct koppelen aan social media, maar ook aan andere antecedenten.?

Op dit moment werken 3300 mensen in de politie intelligence, zo?n 5 procent van de totale politiecapaciteit.

Door middel van data science software kunnen in luttele seconden analyses worden gemaakt. Het gaat zelfs zo ver dat er ook voorspellingen van misdaad kunnen worden gegeven. ?We kunnen vrij goed voorspellen waar in grote steden bijvoorbeeld woninginbraken of straatroven zullen gaan plaatsvinden. Per wijk, per straat, in de ochtenddienst of in de late dienst. Het begon met heatmaps, de historie en nu koppelen we daar voorspellingen aan. Daar heb je wel veel data voor nodig. In de grote steden kunnen we nu al een derde van de woninginbraken voorspellen. Daar kun je dan weer intelligent je inzet van blauw op plegen.?

Daarmee volgt de politie de trend in de zorg: voorkomen in plaats van genezen. ?Natuurlijk mensen zullen altijd ziek worden en misdaad blijft bestaan, maar er is zoveel meer intelligentie mogelijk met big data, slimme software en mensen om daar verbetering in te brengen.?

?Wet- en regelgeving loopt achter?

De praktijk leert dat veel organisaties problemen hebben met technische ontwikkelingen. En ook binnen de politie zijn er ongetwijfeld agenten te vinden die menen dat er niks boven het oude handwerk gaat. Maar tegelijkertijd biedt de organisatie veel ruimte voor experimenteren en vernieuwen.

?De wet- en regelgeving loopt natuurlijk achter, maar met rugdekking en wat budget kan je veel. Zelf heb ik bijvoorbeeld ge?xperimenteerd met het online zetten van een moordzaak naar aanleiding van het boek over de wisdom of the crowd. Ik dacht: er is veel interesse in dat soort type zaken, waarom zou je het niet online brengen? In het begin was er veel twijfel. We zijn toch begonnen met een cold case en we hebben het publiek gevraagd mee te denken. Dan zie je een hele nieuwe dynamiek ontstaan. Nu begint dat veel normaler te worden. We moeten dan wel het hele spel opnieuw leren.?

In Noord-Nederland, de regio waar Smilda werkzaam is, werd onlangs een zogenaamde innovatie-expeditie gestart. ?We kregen allerlei innovatietools aangereikt binnen ons team en daar zijn vier hele interessante initiatieven uit tevoorschijn gekomen.?

Bijvoorbeeld een app die gebruikt kan worden bij de 40.000 jaarlijkse vermissingen die Nederland telt. De app, nu nog in ontwikkeling, maakt optimaal gebruik van de inzet van burgers. ?Het?legt een raster over een geografisch gebied en dan kun je met bewoners die mee helpen zoeken afspreken in welk?raster zij zoeken. Als ze iets zien of vinden vullen ze dat in binnen?de app. Dan verwerken wij dat weer met onze politie informatie. Het klinkt logisch, maar dat is er nog niet.?

Het veronderstelt ook een andere manier van werken. De politie moet kennis delen en verder durven los laten. ?Dat is wel het leuke van de politieorganisatie: als je dit soort idee?n hebt, krijg je de ruimte om te pitchen en geld bij elkaar te brengen om kennis en kunde te bundelen.?

Bronnen: Marketingfacts

Informatiegestuurd politiewerk in de praktijk

igp

De politie staat met informatiegestuurd werken op een keerpunt: van informatiegestuurd politiewerk naar politiewerk in een informatie(gestuurde) maatschappij. De afgelopen jaren is er veel tot ontwikkeling gekomen. Wie had bijvoorbeeld bij de start van het lectoraat intelligence, zeven jaar geleden, voor mogelijk gehouden dat de politie op straat real-time toegang heeft tot gegevens uit verschillende systemen? Wie kon toen vermoeden dat de politie met een druk op de knop alle incidenten in de wijk van de afgelopen week op een kaart te zien krijgt? Wie had gedacht dat de politie de kans op veelvoorkomende criminaliteit redelijk kan berekenen? Hoewel er nog verbeteringen mogelijk en nodig zijn, is de politie er de afgelopen jaren in geslaagd het politiewerk meer informatiegestuurd te maken. Tegelijkertijd is dit slechts een eerste stap, de basis, op weg naar een effectieve en effici?nte politie in de informatiemaatschappij. Politiewerk in een informatiemaatschappij stelt andere eisen. Alles en iedereen genereert informatie, mensen en objecten hebben sensoren die voortdurend met internet verbonden zijn. Alles en iedereen is dus ook met elkaar verbonden. De genetwerkte samenleving is daardoor meer dan partners die samenwerken. Net zo goed als dat we zeven jaar geleden niet voor mogelijk konden houden waar we nu staan, kunnen we dat nu niet voor de komende zeven jaar. We kunnen wel, en moeten ook wel, net zoals zeven jaar geleden, stappen zetten met de kennis die we nu hebben over politiewerk en over de maatschappij.

Seminar politieacademie

Op woensdag 22 maart jl. werd een seminar georganiseerd waarin dit keerpunt in informatiegestuurd politiewerk centraal stond. Het keerpunt is beschreven in het boek ?Informatiegestuurd politiewerk in de praktijk? (zie hieronder). Dit boek werd tijdens het seminar gepresenteerd en aan alle deelnemers uitgereikt. Pieter-Jaap Aalbersberg, politiechef Eenheid Amsterdam en portefeuillehouder Intelligence, gaf?tijdens het seminar een beschouwing hierop. Mari?lle den Hengst, lector Intelligence aan de Politieacademie, gaf een overzicht van het keerpunt door de lessen uit zeven jaar onderzoek samen te vatten en te vertalen naar wat dat betekent voor informatiegestuurd politiewerk in de toekomst. Daarmee nam zij tevens afscheid als lector Intelligence. Hiermee markeert het seminar niet alleen een inhoudelijk keerpunt, maar ook een persoonlijk keerpunt voor haar.

Download of lees het hele boek hier online.

Bronnen: De politieacademie

Predictive policing: lessen voor de toekomst

ppHoorn

?It?s not how many people you catch, it?s how many crimes you prevent.?

Van alle politiestrategie?n mag predictive policing zich misschien wel het meest verheugen in de belangstelling van burgers en professionals. Grofweg tekent die belangstelling zich op twee manieren af. Aan de ene kant zijn daar degenen die vooral veel heil zien in deze nieuwe strategie voor het functioneren van de politie. Zij verwachten (of hopen) dat de politie dankzij predictive policing effectiever en effici?nter criminaliteit zal weten te bestrijden. Met name door te voorkomen dat criminaliteit gepleegd wordt, daarbij niet zelden verwijzend naar de film Minority report uit 2002. Een film waarin een speciale eenheid van de politie, Pre-Crime genaamd, met behulp van helderzienden toekomstige misdadigers arresteert. Het zal de lezer niet verbazen dat deze hoopvolle verwachting binnen de politie op veel bijval kan rekenen.

Aan de andere kant van het spectrum staan mensen die vooral bezorgd zijn over predictive policing. Zij zien deze ontwikkeling als een bedreiging voor de privacy, waarbij afwijkend gedrag maatgevend is, en niet strafbaar gedrag. In combinatie met verruimde bevoegd- heden voor opsporings- en veiligheidsdiensten en allerlei andere technologische ontwikkelingen tekent voor hen het beeld van big brother zich steeds meer af, waarbij iedere burger als een potenti?le verdachte gevolgd wordt door een gedachtepolitie. Voor de burger- rechtenorganisatie Bits of Freedom voldoende reden de politie de Big Brother Award 2015 uit te reiken.

Weliswaar sterk verschillend naar de wijze waarop dit zich uit, tonen beide groepen hiermee hun geloof in de werking van predictive policing. Beide kanten nemen aan dat predictive policing werkt, waarna de aandacht uitgaat naar hoe die uitwerking te beschouwen. Dit verraadt een sterke nadruk op het eerste woord ? predictive ? van deze nieuwe politie- strategie. En vermoedelijk is dit ook de reden voor de grote belangstelling. Al sinds mensenheugenis spreekt voorspellen immers sterk tot de verbeelding. Maar met een voorspelling van criminaliteit alleen zijn we er nog niet.?Sterker, het gaat juist om wat er vervolgens mee gedaan wordt. In onderstaand?rapport benadrukken de auteurs dan ook predictive policing als een nieuw intelligence-initiatief, waarbij het vooral gaat om veranderende werkprocessen. Ze?ontwikkelden hiervoor een procesmodel en onderwierpen vervolgens alle stappen, van data naar resultaat, aan een nader onderzoek. Hoe goed een voorspelling immers ook mag zijn, het resultaat staat of valt met wat er vervolgens mee gedaan wordt.

pp2

Lees of download hier het rapport:

[slideshare id=73217737&doc=predictivepolicing-lessenvoordetoekomst-170316163022&type=d]

Bronnen: Politieacademie

Predictive Policing: te vroeg, te snel of precies op tijd?

pp1

Onderstaand onderzoek naar de invloed van de fasen van technologie?n op predictive policing op beleidsvorming bij de Nationale Politie is gedaan door Melissa Kont,?Erasmus Universiteit Rotterdam.

In dit onderzoek is onderzocht of predictive policing zich bevindt in de laatste fase van technologische ontwikkelingen. Filosoof, Alan Drengson, stelt dat technologische ontwikkelingen bepaalde fasen doormaken en dat de menselijke houding tegenover technologie, de fasen onderscheidt. De theorie stelt dat de laatste fase, appropiate technology, leidt tot succesvolle implementatie van technologie?n. Mocht predictive policing zich in deze fase bevinden, dan zou dat kunnen leiden tot een versterkend effect op de Advocacy Coalition Framework van Sabatier en Smith. In dit onderzoek zou dat betekenen dat predictive policing een versterkend effect heeft op advocacy coalities, die betrokken zijn bij predictive policing, invloed uitoefenen op beleidsvorming bij de Nationale Politie. Hiertoe is een documentenonderzoek uitgevoerd en zijn interviews afgenomen met de politie en betrokken actoren. Uit de voortgekomen data blijkt dat predictive policing zich niet in de fase van appropiate technology bevindt. Hierdoor is er geen sprake van een versterkend effect van advocacy coalities op beleidsvorming bij de politie. De betrokken actoren spreken van verschillende voordelen en mogelijkheden rondom predictive policing, maar niet van een systeem dat de menselijke ontwikkeling kan bevorderen en een onmisbaar systeem is in de samenleving. Om vast te stellen in welke fase predictive policing zich dan wel bevindt, vereist vervolgonderzoek.

Hoofdstuk 1: Probleemstelling

1.1.De glazen bol van de politie

?De organisatieontwikkeling bij de politie is een beetje als surfen. Soms is het even wachten op de juiste golf. In sommige coalities zijn die golven klein en is het surfen niet spectaculair. Maar die juiste golf waar op gewacht wordt komt, en dan wordt ervoor gegaan. Dat is niet eenvoudig, maar al die andere, kleine golfjes in de windstille periodes hebben de organisaties gelouterd. Nu staat het getij, de wind en de stroming goed? (Spelier, 2011).

Henk Pethke, senior-adviseur Ministerie Veiligheid en Justitie, doet deze uitspraak op 08 april 2011 over de ontwikkeling van de reorganisatie bij de politie (Spelier, 2011). De politie staat in de huidige, steeds verder globaliserende, informatiesamenleving voor een grote uitdaging. Sinds de invoering van de reorganisatie, kampt de Nationale Politie met moeilijkheden om het nieuwe beleid succesvol uit te voeren. Daarnaast is er sprake van financi?le druk bij de politie; de effectiviteit moet omhoog (Jonker, 2015). De politie moet meer zien te realiseren met dezelfde middelen. Ook zijn er nieuwe vormen van criminaliteit ontstaan door ontwikkeling van nieuwe technologie?n. Criminelen weten elkaar digitaal makkelijker te vinden en kunnen in groten getale criminele activiteiten uitvoeren (Prins, 2004). De aanslagen in Parijs en Brussel zijn hier een treurend voorbeeld van.

?L? o? il n’y a pas de gendarmes, une certaine race d’honn?tes gens est capable de tout.? (Mauriac, 1968). Vertaalt stelt Frans schrijver en Nobelprijswinnaar Mauriac dat waar geen politie is, een bepaald slag ?nette mensen? tot alles in staat is.

Mocht de uitspraak van Francois Mauriac juist zijn, dan is het de vraag of de politie door alle bezuinigingen en nieuwe vormen van criminaliteit wel is opgewassen tegen de huidige criminelen. Nieuwe vormen van criminaliteit vragen om nieuwe vormen van aanpak in de huidige informatiesamenleving. Als altijd en overal aanwezig door de bezuinigingen niet realistisch is, is altijd op de juiste locatie dat dan wel; is criminaliteit voorspelbaar?

Het bepalen waar en wanneer politie inzet ertoe doet is het terrein van predictive policing. Dit wordt bepaald aan de hand van statistische voorspellingen om te kunnen anticiperen op criminele incidenten. De informatie die resulteert vanuit de statistische voorspellingen, kan misdaad voorkomen of de heterdaadkracht vergroten, dat is gebaseerd op harde feiten afkomstig uit data analyses (Noort, 2016). Een voorwaarde voor het succesvol kunnen inzetten van predictive policing is dat gegevens over criminele activiteiten ontgrendeld worden in een datawarehouse, en dat andere data hieraan gekoppeld kunnen worden (Doeleman, 2014).

Momenteel wordt het Criminaliteits Anticipatie Systeem ingezet om criminaliteit te voorspellen en de politie inzet erop te baseren. De toegepaste technologie kan leiden tot verandering in beleid bij de politie. Zo zou succesvolle resultaten van CAS kunnen leiden tot uitbreiding van het systeem naar meerdere Nederlandse steden (Rienks, 2015). Om tot beleidsvorming rondom predictive policing te kunnen komen, moeten verschillende betrokken actoren tot een gezamenlijk besluit komen. In dit onderzoek zal onderzocht worden welke actoren betrokken zijn bij dit proces en wat de invloed is van deze actoren op beleidsvorming. Daarbij wordt onderzocht wat de invloed is van predictive policing op de invloed van de betrokken actoren. Als predictive policing uitgebreid wordt naar andere steden in Nederland, is het van grote waarde om te weten welke actoren die uitbreiding kunnen voorkomen of ondersteunen. Het is daarom interessant onderzoek te doen naar de invloed van predictive policing op beleidsvorming bij de Nationale Politie.

Doelstelling in dit onderzoek is:

Het toetsen van de theorie over de fasen van technologie op predictive policing door interviews en bureauonderzoek bij betrokken actoren.

Vraagstelling in het onderzoek is:

Wat is de invloed van de fasen van technologie op predictive policing op beleidsvorming bij de Nationale Politie?

1.2.Relevantie

Predictive policing is ontstaan door de politie in Los Angeles. De succesvolle resultaten hebben geleid tot uitbreiding naar andere steden en landen. Er is al veel onderzoek gedaan naar de toepassing van dit nieuwe systeem en de voordelen ervan. Echter, betreft dit onderzoek een toetsing door gebruik te maken van al bestaande theorie over technologie. Er is nog geen wetenschappelijke literatuur bekend over de toetsing van de theorie van Drengson op predictive policing. Veelal baseert literatuur over predictive policing zich op de invloed ervan op criminaliteit. Dit onderzoek is wetenschappelijk relevant, omdat het een basis betreft om te kijken of predictive policing zich in de juiste ontwikkelingsfase bevindt van technologie?n. De resultaten kunnen een basis vormen voor verdere wetenschappelijk onderzoek.

Daarnaast is dit onderzoek maatschappelijk relevant, omdat wordt onderzocht in welke fase van technologie predictive policing zich bevindt. Hierdoor kan gekeken of predictive policing wel past in de huidige maatschappij. Predictive policing staat in lijn met het alom bekende dilemma van de rechtstaat: aan de ene kant wil de burger zich zo veilig mogelijk voelen, maar aan de andere kant daar zo weinig mogelijk privacy voor opgeven. Daarom wordt onderzocht of de samenleving klaar is voor dit systeem. Ook biedt predicitive policing kansen voor een veiligere samenleving en kan de effectiviteit van de politie vergoot worden. Dit is een belangrijke kans in tijden van financi?le druk; er kan immers meer met minder worden gerealiseerd.

1.3.????? Structuur

Het onderzoek bestaat uit vijf hoofdstukken, waarbij in het laatste hoofdstuk de hoofdvraag wordt beantwoord. Hiertoe zal in hoofdstuk twee alle gebruikte theorie?n voor het onderzoek worden toegelicht. Het theoretisch kader wordt vervolgens gebruikt om in hoofdstuk drie het conceptueel model te schetsen. De verwachtingen van het onderzoek zullen worden besproken aan de hand van het conceptueel model. Vervolgens zal in hoofdstuk drie, de operationalisatie plaatsvinden. De variabelen zullen in dit gedeelte van het onderzoek meetbaar worden gemaakt aan de hand van indicatoren in het codeerschema. Daarnaast wordt in hoofdstuk drie de methodologie besproken waarbij belangrijke keuzes omtrent het onderzoek worden toegelicht. In hoofdstuk vier worden de resultaten gepresenteerd waaruit vervolgens de analyse volgt in hoofdstuk vijf. Tot slot wordt in hoofdstuk zes aan de hand van de conclusie antwoord gegeven op de hoofdvraag en zal de discussie een kritische reflectie schetsen op het onderzoek.?

pp5

Hoofdstuk 2: Theoretisch Kader
Om in kaart te brengen welke theorie al bestaat omtrent de opgestelde probleemstelling, zullen een aantal theorie?n worden toegelicht. Deze theorie?n zijn zo gekozen om een sterke ondersteuning mogelijk te maken voor het onderzoek.

Het begrip technologie zal allereerst met de theorie van Val Dusek?(Dusek, 2006) worden toegelicht aan de hand van drie karakteristieken over technologie. Vervolgens volgt de theorie van Alan Drengson (Drengson, 1982) waarin vier fasen over technologische ontwikkeling worden toegelicht. Hierin is het meest kenmerkende onderscheid de menselijke houding tegenover technologie. Om beleidsvorming toe te kunnen lichten zal gebruik worden gemaakt The Advocacy Coalition Framework van Sabatier en Smith (Sabatier, 2014).

2.1.????? Val Dusek
Val Dusek noemt drie karakteristieken om technologie te omschrijven, namelijk technologie als hardware, technologie als regels en technologie als systeem. De drie karakteristieken zullen hieronder worden toegelicht:

  • Technology as hardware bevat alle technologie als machines en gereedschap. Hierbij kan gedacht worden aan computers, energiecentrales en fabrieken. Technologie als hardware is concreet en grijpbaar, het is om ons heen (Dusek, 2006).
  • Technology as rules wordt door Jacques Ellul, Frans filosoof en socioloog, omschreven als organisatorische methodes, managementtechnieken en het denken op een mechanistische wijze (Ellul, 1964). Hierbij wordt technologie beschreven als regels in plaats van grijpbare middelen (Dusek, 2006).
  • Technology as system houdt in dat technologie moet dienen als technologisch middel om het begrip technologie eraan toe te schrijven. Zo zijn technologische middelen die honderden jaren geleden werden gebruikt als technologie, maar nu enkel dienen als museumstukken om te bezichtigen, niet als technologie. Binnen technology as system is een samenleving van gebruikers, onderhouders en reparateurs van technologie dan ook een vereiste. Technologie moet immers onderhouden worden om de oorspronkelijke doel te kunnen realiseren (Dusek, 2006).

Dusek licht drie karakteristieken van technologie toe om het begrip technologie te omschrijven. Alan Drengson neemt deze karakteristieken op in zijn theorie. Hierin maakt hij onderscheid in verschillende fasen van technologie, waarin ook de drie karakteristieken van Dusek zijn opgenomen.

2.2.????? Alan Drengson
Alan Drengson beschrijft vier stages van technologie (Drengson, 1982) welke hieronder zullen worden toegelicht:

  1. Technological anarchy houdt in dat technologie en technologische kennis enkel dienen als instrumenten en nagestreefd moeten worden om macht en welvaart te realiseren en om de natuur te kunnen temmen. Technologie dient hierbij als middel en moet ingezet worden waar mogelijk om de doelen na te kunnen streven (Drengson, 1982). De overheid behoort een kleine rol te spelen en zou technologische ontwikkelingen de vrijheid moeten geven om plaats te vinden. Alleen de marktsector bepaalt welke technologie?n blijven bestaan (Drengson, 1982). Technologie krijgt in deze fase zekere autonome kenmerken op een grote schaal. Technologie, oorspronkelijk bedoeld om bepaalde wensen en doelen na te streven, wordt in dit proces een doel op zichzelf. Technolgische anarchie verliest in dit proces haar machtspositie en maakt hierdoor de weg vrij voor technophilia, een structuur met technocratische kenmerken (Drengson, 1982).
  2. Technophilia is de liefde voor technologie, waarbij mensen verliefd worden op hun eigen mechanische kennis, op hun technieken en trucs en de technische apparatuur en processen (Drengson, 1982). Drengson beschrijft technophilia als volgt:

?It is like the love of adolescence (Drengson, 1982).? De producten van technologie worden niet meer enkel gebruikt als productieve instrumenten, maar ook als speelgoed van de mens; technologie wordt een spel van het leven. Als gevolg hiervan, heeft technologie de neiging om de mens te controleren, aangezien de mens niet in staat is om zichzelf van technologie te distanti?ren. De mens kan niet objectief kijken naar technologie (Drengson, 1982). De liefde voor technologie verandert in dit proces naar het streven van technologie in alle vormen van het alledaagse leven, zoals onderwijs, overheid, zorg en seks. In dit geval wordt gesproken van technocratie, aangezien technologie nu een regerende kracht is, waarbij het in de samenleving louter draait om mechanisme (Drengson, 1982).

  1. Technophobia ontstaat wanneer men zich realiseert dat alleen mensen en menselijke waarden de gevaren van technologie kan tegenhouden. Een reactie hierop is dat technophobia tracht om het menselijk leven van alle technologie te ontdoen (Drengson, 1982). Er heerst een onbewust verlangen om terug te keren naar de menselijke controle over technologie, complexe technologie?n worden wantrouwt te en een ?do-it-yourself? houding tegenover technologie is ontstaan (Drengson, 1982). Uiteindelijk is het doel van deze fase om technologie?n op grote schaal te be?indigen en technologie opnieuw onder menselijke controle te houden. De fase technophobia zet de basis voor de volgende fase.

Hoewel in de eerste fase werd gedacht dat maximale ontwikkeling van technologie het leven gemakkelijker zou maken, is onvoldoende rekening gehouden met de innovatie en planning van de technologie. Dit werd namelijk vaak gedaan door personeel dat onvoldoende begrip had van verantwoordelijkheid over complexe en machtige technologie?n. Of omdat personeel in situaties werd gebracht waarbij verantwoordelijkheid uitdragen in moeilijkheden werd gebracht (Drengson, 1982). Hierdoor wordt in de fase van technophobia de autonomie van de mens boven technologische autonomie geplaatst. In de fase van technophobia is het een vereiste de relatie tussen technologie en mens te begrijpen (Drengson, 1982). Vanuit dit gezichtspunt kan technophobia worden gezien als een van de fases, waarin groei inhoudt dat men zich bewust wordt van het gebruik van technologie op een reflectieve, kritische wijze (Drengson, 1982).

  1. Appropiate technology is de laatste fase van technologische ontwikkeling. Deze fase omvat een rijpingsproces van de wederzijdse relatie tussen technologie, mens en wereld. Appropiate technology vereist dat men nadenkt over eigen doelen en waarden, voordat men zich inzet voor de ontwikkeling van nieuwe technologie?n, of zelfs voor de voortzetting en het gebruik van bepaalde oudere technologie?n (Drengson, 1982). In de fase van appropiate technology wordt men steeds beter in het beheersen van technologie als instrument, om eigen doeleinden te bereiken. In deze fase behoren technologie?n volgens Drengson (1982) aan bepaalde eisen te voldoen. Allereerst moet er behoud van diversiteit zijn. Ten tweede moeten technologie?n goedaardige interactie tussen mensen, hun machines en de biosfeer promoten. Tot slot, moet de menselijke ontwikkeling bevorderd worden door het gebruik van technologie, technologie is in deze fase een onmisbaar systeem. Wanneer wordt voldaan aan de bovengenoemde vereisten, worden de technologische processen een leven verbeterend deel van een significante reeks van waarden. Arbeid wordt in dit geval zinvol werk, waarbij technologie wordt ontworpen om individuele personen, ecologische integriteit en culturele gezondheid te verbeteren (Drengson, 1982).

Volgens Drengson (1982) is appropiate technology de meest complete fase, aangezien meer relevante waarden worden aangehaald. Ook brengt deze fase het object en subject samen in een verantwoordelijke, wederzijdse interactie. In deze fase is er de mogelijkheid tot verdere technologische ontwikkeling, op een manier dat de negatieve gevolgen van de moderne geschiedenis van de mensheid kan oplossen (Drengson, 1982). Daarnaast brengt approtiate technology volgens Dengson (1982), technologie dichterbij. De meeste systemen zijn te centraal volgens Drengson (1982), door appropiate technology kan technologie veel meer toegepast worden op een lokaal probleem of situatie.

Dusek en Drengson zijn van belangrijke waarde geweest in theorie over technologie. De theorie van Sabatier en Smith wat hieronder zal worden toegelicht, is een theorie over beleidsvorming wat van groot belang is in de publieke sector.

2.3.????? Sabatier & Smith

Advocacy Coalition Framework is een beleidsvorming model, gebaseerd op het gebruik van diverse instrumenten door concurrerende coalities binnen een beleidssubsysteem (Cairney, 2013). Tijdens dit proces spelen externe actoren een belangrijkere rol dan interne actoren, doordat de externe actoren meer invloed hebben op het beleidsvorming proces. Het model is afkomstig van Sabatier en Smith en volgens het model is beleidsevolutie het product van verschillende coalities om juridische en politieke instrumenten in te zetten om doelen te bereiken en om tot een gewenst beleid te komen (Sabatier, 2014).

Binnen het ACF beleidsmodel is het van belang de belangrijkste concepten van het model te beschrijven om tot een beleidsproces te kunnen komen. Een eerste concept is ?advocacy coalitions?. Dit zijn coalities bestaande uit hele diverse leden met verschillende functies die een gezamenlijk doel willen bereiken binnen het politiek systeem?(Sabtier, 2007). Leden kunnen journalisten of onderzoekers zijn, maar ook vakbonden, ambtenaren of belangenorganisaties. Daarnaast spelen de belangen van de coalities een belangrijke rol binnen het proces, doordat deze belangen diep geworteld zijn binnen de leden van de coalitie. Ieder coalitie binnen het politiek systeem wil de eigen belangen vertalen in beleid en gelijke belangen tussen coalities zorgt ervoor dat er samenwerking plaatsvindt. Om overtuiging van de eigen standpunten te realiseren worden politieke instrumenten en sturende mechanismen ingezet (Cairney, 2013). Voorbeelden hiervan zijn publicaties van evaluatierapporten, technische informatie dat wordt gepolitiseerd, wijziging in wetgeving of participatie in agentschappen. De instrumenten worden bewust en rationeel ingezet door coalities om de eigen belangen te realiseren in subsystemen?(Cairney, 2013) .Subsystemen zijn issue-specifieke netwerken en zijn actief in de regering omdat verkozen ambtenaren verantwoordelijkheid over beleidsvorming overdragen aan bureaucraten, die op hun beurt, regelmatig overleggen met leden van advocacy coalitions zoals belangengroepen. Hierdoor stelt ACF dat externe actoren meer invloed uitoefenen op politieke kwesties dan interne actoren binnen het politiek systeem. Hieronder vallen ook veranderingen in de omgeving zoals veranderingen in de publieke opinie en veranderingen in sociaaleconomische condities (Sabtier, 2007).

m1

Zoals bovenstaand schema toont ontstaat beleid volgens Sabatier doordat coalities, eigen waarden en instrumenten omzetten naar strategie?n. Deze strategie?n be?nvloeden keuzes die gemaakt worden door beleidsmakers. De veranderingen in het beleidsproces komt volgens ACF tot stand, doordat advocacy coalitions invloed uitoefenen op beleid (Sabtier, 2007). Volgens het ACF is bijna altijd sprake van een dominante coalitie die de meeste instrumenten en sturingsmechanismen in bezit heeft. Externe veranderingen kunnen openingen bieden voor coalities om beleidsveranderingen door te duwen in het subsysteem, aangezien actoren dan eerder geneigd zullen zijn om de eigen beleidsvisie aan te passen. Bemiddeling tussen coalities om tot nieuw beleid te komen versoepelt in dit geval. De overheid kan de bemiddelde strategie overnemen, waardoor een beleidsverandering in werking treedt (Sabtier, 2007).

Hoofdstuk 3: Operationalisatie, onderzoeksontwerp en methodologische verantwoording
Om tot een succesvolle analyse te komen van de invloed van de fasen van technologie voor predictive policing op veranderingen van beleidsvorming bij de Nationale Politie zal in dit hoofdstuk allereerst het conceptueel model worden getoond. In dit model worden de variabelen in vereenvoudigde vorm geschetst. Daarnaast blijkt uit dit model wat de verwachte uitkomsten zijn. Vervolgens zullen de variabelen in het conceptueel model meetbaar worden gemaakt, door deze te operationaliseren. Ook zal de strategie van het onderzoek en de methodes die hiertoe worden toegepast, worden beschreven. Tot slot zal beargumenteerd worden in hoeverre dit onderzoek valide en betrouwbaar is.

3.2. ? ? ?Conceptueel model

m2

Bovenstaand conceptueel model toont de concepten die onderzocht zullen worden binnen dit onderzoek. Daarnaast worden verwachte richtingen getoond in het model. De verwachtingen zijn:

Advocacy coalities zoals beschreven in de theorie van Sabatier hebben veel invloed op beleidsvorming. In dit onderzoek is de verwachting dat advocacy coalities invloed uitoefenen op beleidsvorming. De verwachte invloed is sterker wanneer predicitive polcicing zich bevindt in de fase van approtiate technology. Drensgon stelt namelijk dat de fase appropiate technology de beste fase is om technologische ontwikkelingen toe te passen in de samenleving, omdat in deze fase de meeste acceptatie aanwezig is voor technologie. Hierdoor heeft de variabel approtiate technology een medi?rend effect op beleidsvorming.

De verwachting van dit onderzoek volgens de toegelichte theorie?n is:

De invloed van advocacy coalities die predicitive policing nastreven op beleidsvorming, is groter wanneer de fase van appropiate technology van toepassing is op predicitive policing.

 

3.2.????? Operationalisatie
De variabelen in het conceptueel model zullen worden geoperationaliseerd aan de hand van het operationalisatieschema. In dit schema worden de variabelen weergegeven en als subcode worden meetbare indicatoren gepresenteerd. Daarnaast is gebruik gemaakt van subsubcodes, waardoor een variabel verder kan worden gespecifieerd.

m3

3.3. ? ? ?Strategie

In dit onderzoek is gekozen voor het gebruik van kwalitatief onderzoek. Om de hoofdvraag te beantwoorden is namelijk kennis vereist over verschillende inzichten. Daarnaast zijn de uitkomsten van de hoofdvraag minder goed te voorspellen, vergeleken met kwantitatief onderzoek. Er is ook geen sprake van cijfers, waardoor de data ook niet statistisch verwerkt kan worden, wat wel gebeurt bij kwantitatief onderzoek (Doorewaard, 2015).

Tijdens dit onderzoek is er sprake van een deductieve nadruk. In het onderzoek wordt immers empirie getoetst aan wetenschappelijke theorie, waarbij van theorie naar data wordt gewerkt. Daarnaast worden de belangrijkste concepten in de theorie geoperationaliseerd om de betrouwbaarheid en validiteit te garanderen (Doorewaard, 2015).

Het onderzoek betreft een enkelvoudige casestudy, waarbij getracht wordt om diepgaand inzicht te verkrijgen in predictive policing bij de Nationale Politie door middel van methodentriangulatie. Er is sprake van een smal domein, er zullen acht individuele interviews worden afgenomen bij de Nationale politie en betrokken actoren. De respondenten zijn werkzaam bij de politie en zijn selectief gekozen om verschillende inzichten mogelijk te maken, ofwel een strategische steekproef (Doorewaard, 2015). Doordat het afnemen van acht interviews met belangrijke sleutelfiguren bij politie-eenheden niet werd toegestaan door de communicatieafdeling van de Nationale Politie, vanwege de drukte door de reorganisatie en kwesties bij de politie rondom publicaties met gevoelige informatie, is gekozen om vijf interviews af te nemen met betrokken actoren. Hierbij is gekozen voor TNO en Risbo vanwege de kennis over technologie?n, die worden ingezet bij de politie en vanwege kennis over samenwerkingen. Daarnaast is ook gekozen voor een interview met een ICT-jurist vanwege de juridische aspecten rondom predictive policing.

De interviews zijn semi-gestructureerd, waarbij gebruik wordt gemaakt van een vragenlijst dat flexibel wordt gehanteerd. Het is de bedoeling om de respondent zoveel mogelijk aan het woord te laten en als interviewer enkel te sturen in het gesprek, wanneer te veel van de vragenlijst wordt afgeweken. Op basis van de operationalisering zijn interviewvragen en ?topics opgesteld en zijn te raadplegen in bijlage 8.1. Daarnaast zal een bureauonderzoek worden uitgevoerd, wat bestaat uit het boek Predictive policing: kansen voor een veiligere toekomst (Rienks, 2015) en de publicatie van het Inrichtingsplan Nationale Politie (Justitie, 2012) en mogelijk andere relevante literatuur. Rutger Rienks is zelf werkzaam als intelligenceprofessional bij de politie en geeft weer welke kansen en mogelijkheden de auteur ziet omtrent predictive policing. In het Inrichtingsplan van de Nationale Politie gebruikt (Justitie, 2012) wordt beleidsvorming bij de Nationale Politie beschreven en verschillende samenwerkingen met hun doelen beschreven.

  • Validiteit en betrouwbaarheid

Om de kwaliteit van het onderzoek te meten wordt gebruik gemaakt van de indicatoren validiteit en betrouwbaarheid. De validiteit wordt onderverdeeld in interne validiteit en externe validiteit. Vervolgens wordt de betrouwbaarheid van dit onderzoek beoordeeld.

De interne validiteit meet of er wordt gemeten wat gemeten wilt worden. In dit onderzoek wordt voldaan aan de interne validiteit, omdat alle stappen in het onderzoek op elkaar zijn gebaseerd. De belangrijkste concepten in het theoretisch kader leidt tot het conceptueel model. Vervolgens worden de variabelen in het conceptueel model geoperationaliseerd, waaruit de interviewvragen worden opgesteld. De data afkomstig van de interviews, leiden mede tot een antwoord op de hoofdvraag.

De externe validiteit meet of de uitkomsten uit het onderzoek generaliseerbaar zijn over andere organisaties, dan wel andere sectoren. Dit onderzoek betreft een casestudy waarbij wordt getracht diepgaand informatie te verkrijgen over de Nationale politie. De verkregen informatie is daarom niet te betrekken op andere organisaties. De resultaten zijn gebaseerd op data verkregen van de Nationale Politie en betrokken actoren en daarom zijn de resultaten enkel te betrekken op politie in Nederland. Predictive policing wordt in iedere samenleving anders, of niet uitgevoerd. De resultaten zijn daarom niet extern valide.

De betrouwbaarheid meet of dezelfde resultaten verkregen worden, wanneer hetzelfde onderzoek opnieuw wordt uitgevoerd. De betrouwbaarheid is in dit onderzoek gering. Immers worden medewerkers ge?nterviewd en kunnen medewerkers na verloop van tijd van mening veranderen. Ook kunnen ontwikkelingen omtrent predictive policing optreden waardoor het beeld van predictive policing verandert. Om de betrouwbaarheid toch te kunnen waarborgen, worden twee soorten methoden van onderzoek toegepast. Hierdoor wordt uit meerdere bronnen data verkregen, namelijk documenten over predictive policing.

pp3

Hoofdstuk 4: Context en Bevindingen
In dit deel van het onderzoek worden de bevindingen uit het onderzoek gepresenteerd. Allereerst zal er een context beschrijving plaatsvinden en vervolgens zullen de resultaten verkregen uit interviews worden besproken.

4.1.????? Context
Predictive policing is de toepassing van verschillende analytische technieken, met name kwantitatieve technieken om risico?s van criminele activiteiten te kunnen bepalen en criminele activiteiten te kunnen voorkomen door het doen van statistische voorspellingen. De term is in 2008 geintroduceerd door politiechef William Bratton van de Los Angeles Police Department (Perry, 2013, p.1). Inmiddels zijn er vele ontwikkelingen geweest rondom de voorspellingstool. In Amsterdam wordt het Criminaliteits Anticipatie Systeem (CAS) gebruikt om High Impact Crimes mee te voorspellen. Onder High Impact Crimes vallen woninginbraak, straatroof en overvallen (De Vries, 2016). CAS doet voorspellingen op basis van criminaliteitsgegevens, maar ook andere variabelen, zoals de dichtstbijzijnde snelwegenoprit en bekende criminele bedrijven in het gebied, worden gebruikt als input voor de voorspelling (Rienks, 2015, p.23). Daarnaast worden in vier grote steden in Nederland pilots uitgerold, waarbij predictive policing systemen worden gebruikt bij de politie. Het predictive policing model kan een goede duiding kan geven van het risico, maar ook maatregelen voorstellen om deze risico?s zo goed en effici?nt mogelijk te neutraliseren. De komst van predictive policing zou de ?pre-recherche? introduceren, waarbij niet wordt gericht op waarheidsvinding, maar op waarheidsvinding in de toekomst (Rienks, 2015, p.24).

De reorganisatie van de Nationale Politie heeft ertoe geleid dat de politie voor grote problemen is komen te staan?(Lieshout, 2014). In het Inrichtingsplan van de Nationale Politie wordt verwezen naar het doel van de Nationale Politie; bijdragen aan een veiliger samenleving. Hiertoe zijn strategische doelen opgesteld waarbij samenwerking met interne partijen, maar ook met externe partijen van groot belang is, om de doelen te realiseren (Justitie, 2012). In het plan wordt gesproken van samenwerkingen met de gemeente, burgers en politieacademie maar ook van internationale samenwerkingen. Rienks (2015) sluit aan op de voordelen van samenwerkingen door te stellen dat criminaliteit verandert en de ingevoerde data dus moet mee veranderen om de voorspelling up-to-date te houden. Zoveel mogelijk data zou de voorspelling sterker kunnen maken qua impact. Samenerkingen op verschillende gebieden, met verschillende actoren kan dus een grote bijdrage leveren aan predictive policing. Door het volgen van soortgelijke delicten zouden er ook geografische patronen kunnen ontstaan, waaruit verwachtingen kunnen worden afgeleid over een eventueel volgend delict (Rienks, 2015, p.64). Een uitdaging is hierbij het interpreteren van data naar concrete beleidsstappen.

Juridische aspecten om de bevoegdheden van de politie te garanderen zijn vastgelegd in wetten, zoals de Wet Politie Gegevens, die bepaalde vormen van verwerking en verstrekking van politiegegevens mogelijk maakt en hierover waarden en condities vaststelt. Rienks (2015, p.79) stelt het volgende over inbeslagname van gegevens in juridische zin:

?De inbeslagname van gegevens in juridische zin is trouwens nog een lastig geval. Want volgens artikel 94 van het Wetboek van Strafvordering zijn alleen voorwerpen (onder andere die de ?waarheid aan de dag kunnen brengen?) vatbaar voor inbeslagname. Een gegeven is in deze context geen voorwerp. Gegevens zijn een abstract begrip. Gegevensdragers kunnen daarentegen wel in beslag worden genomen. Dus bij het vermoeden dat de gegevens, vastgelegd op een gegevensdrager, kunnen worden gebruikt voor waarheidsvinding, is slechts deze drager vatbaar voor inbeslagname.

?4.2.???? Bevindingen interviews

Om een helder overzicht te bieden van de bevindingen, zullen per actor de bevindingen worden gepresenteerd. Hierbij wordt onderscheid gemaakt tussen de actor politie en onderzoeksinstelling TNO, Risbo en een ICT-jurist als actor.

De medewerkers van de politie zijn te spreken over de voordelen van predictive policing. Het programma CAS zou volgens de innovatiemakelaar ertoe kunnen leiden dat politie inzet wordt gebaseerd op het programma en dit op een effectieve en effici?nte wijze kan gebeuren. De generalist spreekt ook van voordelen voor capaciteitsmanagement. De projectleider zegt hierover kort:

?Ja de voordelen zijn denk ik dat je anders dan gebaseerd op trends, intelligenter met je informatie omgaat.?

De projectleider voegt hier wel aan toe dat tijdens de pilot, dat de echte concrete voorspelling redelijk laat werd gedaan door het programma CAS. De aard van de interventie naar aanleiding van het predictive signaal, wordt daardoor moeilijk om op aan te passen. Daarnaast spreekt de innovatiemakelaar van bepaalde aannames intern bij de politie:

?Dus je kunt bij wijze van spreken uitrekenen waar en wanneer het zal plaatsvinden. Dat is best een gek idee voor politiemensen die uit de praktijk komen. En zeggen: ?Ja het is toch een beetje je instinct want je kijkt naar de omgeving en je denkt dit is mogelijk en dat niet.? Dus die eigen subjectieve invulling maakt ook wel dat ze het lastig vinden om te doorleven, om te denken, ja misschien zit er wel een systeem in, misschien zit er wel een patroon in.??

Ook de andere medewerkers spreken hierover, en stellen dat dit ook voor een deel uit onwetendheid komt. Zo stelt de projectleider dat in de beginfase van de pilot in Hoorn de medewerkers nogal sceptisch waren over de voorspellingen, omdat de variabelen waarmee werd gewerkt, nog onbekend waren. Over andere actoren, betrokken bij predictive policing, stelt de innovatiemakelaar dat het heel goed mogelijk is dat er andere belangen invloed uitoefenen op de samenwerking:

?Een gemeente heeft naast veiligheid natuurlijk ook leefbaarheid. Die moeten ook hun budget rondkrijgen dus die willen ook dingen doen waarvan politie zegt: ?Hey dat vraagt best wel veel inzet van ons voor de veiligheid.? Belangen zijn niet altijd helemaal gelijk. Er kan dan weleens gebeuren dat de gemeente zegt: ?Ik zie hier dat een tool een bepaalde verhoogde onveiligheid voorspelt, maar ik ga het toch doen, want ik wil mijn gemeente die kermis gunnen of die feestweek.??

De projectleider is het hier volkomen mee eens, en voegt eraan toe dat de beste resultaten wellicht ook behaald kunnen worden als het samen wordt gedaan met de gemeente, besturing, handhavers, maar misschien ook wel nog meer als de maatschappij er ook bij wordt betrokken. De innovatiemakelaar bespreekt tevens een ander voordeel van predicitive policing en stelt dat predictive policing niet een totaal nieuw systeem is:

?We weten niet tot op huishoudniveau hoe het zit met de beveiliging, sloten en honden. Dat weten we gelukkig niet, dat hoeft ook helemaal niet. Maar we weten wel: waar zijn de mensen gemiddeld wel thuis en waar zijn ze gemiddeld niet thuis overdag? Maar dat weet een inbreker ook als hij vier keer op een dag rondfietst door een wijk. Zo doen ze die dingen. Predictive policing is dus niet nieuw in die zin, maar het systematisch onderbouwen met data wat we nu op grote schaal kunnen verzamelen en die combineren en naast elkaar leggen. Ja, voor een deel zeggen mensen ja ik herken dit van mijn onderbuik gevoel maar dat is niet overal waar. Want er zijn ook mythes in de criminaliteitsbestrijding en die kunnen we nu mooi ontkrachten.?

Het onderbuik gevoel wordt ook besproken door de andere medewerkers. Er wordt door alle politiemedewerkers veel waarde gehecht aan de inzichten van ervaren agenten. Volgens de generalist, wordt hier zelfs onvoldoende aandacht aan besteedt. De projectleider zegt het volgende erover:

?Wat we gezien hebben bij die pilots van CAS wel hebben gezien dat het wel heel belangrijk is om al die verschillende bronnen van informatie, van onderbuik gevoel tot gewoon de klassieke manier van hotspots, die trendanalyses, te bundelen met de informatie die CAS oplevert. Maar je niet verlaten op 1 bron, dus als in we hebben nu CAS dus we gaan nu alleen daarmee plannen. Ten eerste, stuit je dan ook echt op weerstand, want mensen zeggen dan krijg je: ?Mijn gevoel zegt wat anders en ik vertrouw mijn gevoel meer dan een vaag kaartje wat ik uit de computer krijg.? Dus dat soort weerstanden, maar tegelijkertijd, en ten tweede zie je dat je ondanks het gebruik van big data en intelligentie systemen dat je niet volledig daarop kunt vertrouwen.?

Tot slot zou predictive policing volgens alle politiemedewerkers nog veel meer kunnen bieden dan dat het nu doet en kan het effect van predictive policing veel groter en uitgebreider zijn dan op dit moment. Er zullen hier nog wel een aantal ontwikkelingen vooraf moeten gaan volgens de projectleider. Zo zal data beter aangeleverd moeten worden en is het ook vrijwel onmogelijk om van een causaal verband te spreken tussen predictive policing en het effect op de buitenwereld, omdat vele andere factoren ook van invloed kunnen zijn en het niet altijd duidelijk is welke factor, wat voor invloed speelt. De innovatiemakelaar zegt over de toekomst van predictive policing dat er verwacht wordt, dat intelligenter gestuurd zal worden op de inzet van de capaciteit en dat dit iets vraagt van de operationale medewerker, maar voegt daaraan toe:

?Daarnaast is er een leidinggevende laag, die moet daarop gaan sturen. Dit is wat we zien, daarom verwachten we dat en daarom vragen we jou: ?wil je vooral op die fiets in die wijk?? Daar gaat gewoon ingebroken worden, we kunnen het gewoon uittellen en de meeste inbraken zijn overdag dus fiets vooral overdag als burger. Of met een scootertje, jij ziet er heel jong uit, dus trek lekker kleding aan waarbij je tussen die jongeren in blendt. Ga op dat pleintje zitten en kijk dan of je die kerel te pakken kan krijgen.?

pp4

Maar de innovatiemakelaar ziet hierin ook meer schakels waaronder:

?Welke ketenpartners zijn hier van belang? Want misschien hoef je er niet als politie te zijn. Misschien kun je bij een wijk wat geteisterd wordt door inbraken, de groenvoorziening vragen om juist daar te gaan schoffelen, want ja er moet toch iemand wat zien. Het kan ook zo zijn en nu ben ik misschien wat achterdochtig, dat als wij het patroon weten van de groenvoorziening en we denken nou dat is toch ook toevallig die zijn altijd in de wijk aan het schoffelen waar wordt ingebroken. Dan moet je een andere vraag stellen natuurlijk haha.?

De generalist deelt in het interview ook mee dat de komende vijf jaar predictive policing zich zeker zal uitbreiden naar meerdere delen van het land. Echter, moet er dan nog het een en ander gebeuren. De projectleider spreekt ook over positieve effecten in de toekomst, maar stelt ook dat het programma CAS tegenwoordig ook kaarten aanbiedt in heel veel andere teams in het land. Echter, wordt dit gedaan zonder begeleidende methode van gebruik. Hierdoor gaat ieder team er op zijn eigen manier mee om en dan wordt het vaak gebruikt als een hotspot kaart, terwijl CAS meer zou kunnen bieden. De projectleider zegt het volgende hierover:

?Daarmee doe je iets als predictive policing te kort, want het wordt dan gebruikt als een soort trendanalyse. En dat vind ik te kort en dat is jammer. Er zit meer in.?

De actor onderzoeksinstellingen wijst ook op bepaalde voordelen, die ook worden gedeeld door de politiemedewerkers. Alle respondenten die werkzaam zijn bij TNO wijzen op de voordelen voor politie inzet en de onderzoeker bij Risbo stelt daarnaast:

?Ik denk natuurlijk meteen aan de preventie. Kijk van oudsher is de politie heel erg reactief van aard. Er gebeurt een bepaald incident, mensen doen daar al dan niet aangifte op en de politie gaat dan rechercheren om te kijken kan ik het misdrijf, incident, ect. opsporen. Je loopt daarmee achter de feiten aan. Het grote voordeel van predictive policing is dat je aan die preventieve sfeer wijkt. Dus je probeert incidenten voor te zijn, erop te anticiperen, op gedragingen van burgers, groepen, terroristen.?

Echter, hebben de vier respondenten wel hun bedenkingen van de effectiviteit op dit moment. Volgens de program manager bij TNO, is predictive policing slechts een signaal, waarvan de impact op het moment nog relatief bescheiden ligt. Het signaal is niet dwingend, slechts suggestief en de overige respondenten sluiten zich ook hierbij aan. Daarnaast spreekt de program manager van TNO van belangen die een negatieve invloed kunnen hebben op de ontwikkeling van predictive policing:

?Uh ja, ten eerste kan het natuurlijk stigmatiserend zijn. Als je in een bepaalde wijk, bepaalde tijdsstip veel aanwezig gaat zijn met politiemensen. Dat is het lastige van je baseren op historische data, je bevestigt het, je typeert het. Dus dat kan een effect zijn. Wat ook een effect kan zijn, is dat politiemensen op straat zich heel erg gestuurd voelen. Dat hangt heel erg van de implementatie af, van hoe je dat doet. Als je het ?rescriptief? (voortschrijvend) gaat gebruiken, dan kunnen agenten het als lastig ervaren, het is verlies van vrijheid. Omdat je als een marionet van de ene naar de andere kant moet hollen. Door het systeem geregeerd worden. Dus dat kan een effect zijn.?

Ook is predictive policing volgens een medewerker bij TNO momenteel een hype, doordat heel veel mensen nog niet precies zouden weten hoe die voorspellingen werken. Echter, is volgens de TNO medewerker, men wel al heel snel blij met het programma, zonder echt een goede effectmeting te doen.

Een andere medewerker van TNO spreekt over belangrijke aspecten bij het gebruik van predictive policing:

?Dan liggen er wel maatschappelijk / ethische vragen. Als je nou eigenlijk niet echt begrijpt wat een tool doet en je laat je politiemensen erop inzetten. Je levert je dus over naar artificial intelligence, dus daarmee is een stapje gezet naar een moeilijk te controleren overheidsoptreden. En daarmee verlies je ook als het ware de regie, want machines doen dan het werk. Zo ver is het natuurlijk nog niet. De huidige tool is redelijk eenvoudig. Maar dat zet wel aan het denken.?

De respondenten van TNO en Risbo spreken over samenwerkingen met de politie en de TNO medewerkers stellen dat er sprake is van nauwe contacten. Zo zitten medewerkers van TNO ook bij de politie aan tafel om te overleggen. Echter, door de drukte van de reorganisatie medewerkers er ook voor kiezen om via het ministerie te helpen. Tijdens de interviews spreken de respondenten van verschillende belangen om mee te werken aan predictive policing. Hierbij speelt financieel belang een rol, maar stelt een respondent ook over samenwerkingen met de gemeente en de private beveiliging:

?Zeker, gemeentes zijn heel erg ge?nteresseerd in dit soort ontwikkelingen. Want heel veel dingen die je kunt veranderen om criminaliteit terug te dringen is niet iets wat de politie alleen kan. Dus de gemeente is een hele interessante. Het andere is, heel veel dingen die je doet voor de politie, kun je een op een kopi?ren naar private beveiligers. Ook als je een bedrijventerrein wilt bewaken, is het interessant om te weten of het nu op vrijdagavond populaire tijd is in dat bepaalde gebied. Dus moet ik daar nu een mannetje extra heen sturen? Dus ook met dat soort partners, zijn we ook bezig om te kijken: hoe kunnen we dit voor jullie inzetten??

Belangen kunnen volgens de onderzoeker bij Risbo ook hele andere doelen hebben:

?Maar daarnaast, informatie kan ook een politieke perspectief hebben. Informatie is ook een potentiele bron van macht, er komen allemaal strategische gedragingen uit. Op het moment dat je met verschillende actoren, data, kennis deelt. Dat kan gevoelig liggen, want iedereen heeft een bepaald kennismonopolie. En om dat te delen, ja dat kan bepaalde weestanden oproepen.?

De respondenten spreken allen van bepaalde barri?res. Zo wordt gesproken over juridische barri?res zoals etnisch profileren en het invoegen van bepaalde variabelen aan de voorspellingstool die in een rechtszaak in twijfel getrokken kunnen worden. Zo licht de ICT-jurist toe dat dit soort zaken nieuw zijn en nog vrij onbekend terrein. Een medewerker van TNO vertelt hierover dat er ook geen jurisprudentie bekend is over predictive policing en dat uiteindelijk juridisch zal blijken of wat de politie doet ook wettelijk mag. Tot slot bespreekt de onderzoeker bij Risbo van nog andere mogelijke belemmeringen:

?Dus als je puur uitgaat van de techniek dan denk ik dat je heel weinig barri?res hebt. Maar je hebt natuurlijk ook een andere kant en dat is natuurlijk wat wel een rem kan zijn. Als je kijkt naar de politie, de Nationale Politie, de reorganisatie, heeft geleid tot bepaalde knelpunten, onzekerheden, dingen die niet helemaal goed lopen. Mensen die onzeker zijn over hun baan. Dus zijn er wel een aantal organisatorische belemmeringen om dit soort dingen in de organisatie in te voeren uit te rollen, over alle politie-eenheden. Dat is een barri?re. Je hebt natuurlijk ook een financi?le barri?re, je kan bijvoorbeeld inzetten op predictive policing, maar dat is een aspect en je kunt ook op tal van andere dingen inzetten. En uiteindelijk is er een budget kwestie, waar ga je op investeren??

pp2

Hoofdstuk 5: Analyse
In dit deel van het onderzoek worden de resultaten getoetst aan de theoretische concepten die eerder in het onderzoek zijn behandeld. Hiertoe worden de bevindingen gebruikt om te kunnen reflecteren op het conceptueel model in dit onderzoek.

Uit de bevindingen blijkt dat de verschillende actoren bepaalde belangen delen maar er ook grote verschillen bestaan in een aantal aspecten rondom predictive policing. De interviews tonen aan dat alle respondenten te spreken zijn over de voordelen. Veiligheid wordt tijdens de meeste interviews aangehaald als een gedeeld belang om samen te werken, maar autonomie en kennismonopolie zijn belangen die kunnen leiden tot barri?res in het samenwerkingsproces. Uit de interviews blijkt dus dat er wel degelijk advocacy coalities zijn die predictive policing nastreven. Ook worden verschillende instrumenten aangehaald tijdens de interviews om beleidsvorming bij de politie te be?nvloeden. Hoewel het bij de meeste respondenten blijft bij een adviserende taak, worden verschillende actoren genoemd die wel degelijk politieke en juridische invloed uitoefenen op beleidsvorming bij de politie. Daarnaast wordt gesproken van andere wegen die bewandeld kunnen worden om alsnog enige invloed te kunnen uitoefenen. Het gebruik van gepolitiseerde technische informatie en publicaties van evaluatierapporten is tevens een instrument, dat ingezet kan worden bij onderzoeksorganisaties.

Verschillende actoren proberen dus op verschillende manieren invloed uit te oefenen op beleidsvorming bij de politie. Hiertoe hebben actoren verschillende belangen. Dit kunnen belangen zijn om samenwerkingen omtrent predictive policing met de politie te realiseren, zoals financi?le belangen of het stimuleren van het maatschappelijk debat rondom ethische kwesties. Maar ook kan er sprake zijn van tegenstrijdige belangen waardoor er barri?res optreden in de ontwikkeling van predictive policing.

Daarnaast zou de onderzochte data, getoetst worden aan de laatste fase van de theorie van Drengson. Uit de toetsing blijkt dat predictive policing zich niet bevindt in de fase van appropiate technology, de laatste fase. Om te kunnen spreken van appropitate technology moet sprake zijn van het gebruik van het systeem als instrument om bepaalde doelen te bereiken. Interviews tonen aan dit het geval is; alle respondenten stellen dat predictve policing belangrijke doelen kan realiseren bij de Nationale Politie. Het vergroten van efficiency en effectiviteit is een van de meest genoemde voordelen. De mogelijkheden en diversiteit zijn groot, er worden voorbeelden aangehaald waarbij mogelijke toekomstige terroristische aanslagen voorkomen kunnen worden. Ook blijkt het voorspelbare tool bruikbaar in meerdere organisaties, zoals de Belasting om belastingontduiking effectiever op te sporen. Het systeem zou dus ook, indien verdere ontwikkeling plaatsvindt, lokale en specifieke criminaliteitsproblemen kunnen oplossen. Er is daardoor ook sprake van diversiteit in het gebruik van predictive policing op het gebied van criminaliteit. Hoewel het systeem nu nog vrij simpel wordt gebruikt, tonen de interviews klaarblijkelijk aan dat er grote mogelijkheden denkbaar zijn. De menselijke attitude is kenmerkend voor scheiding tussen verschillende fasen. Wanneer de menselijke attitudes over mogelijke barri?res en gevaren worden besproken in de ontwikkeling van predictive policing, blijkt uit de interviews dat er een bepaalde angst heerst om gestuurd te worden door een technologisch systeem. Verlies van de eigen menselijke autonomie en onvoldoende kennis van het daadwerkelijke programma, heeft hier invloed op. Respondenten zijn momenteel kritisch over de daadwerkelijke effecten van het voorspellende programma en zien predictive policing merendeels als een signaal dat genegeerd kan worden als de politiecapaciteit ontoereikend. In de toekomst is de kans groot, dat predicive policing grote invloed kan hebben op beleid, vanwege de diversiteit en effectiviteit. Echter, kan er aan de interviews momenteel nog niet vastgesteld worden dat predictive policing een onmisbaar systeem is in de samenleving. Het technologisch systeem, wat in dit onderzoek predictive policing voorstelt, is daardoor niet een systeem dat menselijke ontwikkeling bevordert. De data in dit onderzoek toont aan dat de menselijke houding tegenover predictive policing niet overeenkomt met de fase van appropiate technology. Predictive policing bevindt zich dus niet in de laatste fase. Drengson stelt over de fasen waarin technologie?n kunnen worden geplaatst, dat appropiate technology de beste fase is voor implementatie van beleidsvorming. Uit de data in dit onderzoek blijkt dat de implementatie nog niet volledig succesvol is. De belangen van de actoren wegen mee in deze implementatie.

Aan het eind van het conceptueel model werd een verwachting geschetst aan de hand van de theoretische concepten. De verwachting was het volgende:

De invloed van advocacy coalities die predicitive policing nastreven op beleidsvorming, is groter wanneer de fase van appropiate technology van toepassing is op predicitive policing.

Deze verwachting is niet uitgekomen in dit onderzoek. Dit onderzoek heeft namelijk geleid tot resultaten waaruit blijkt dat predictive policing zich niet in de gestelde fase bevindt. Hierdoor kan de verwachting niet worden bevestigd. De fase waarin predictive policing zich bevindt, zorgt er juist voor dat respondenten kritisch kijken naar de toepassing. Een deel van de respondenten geven aan juist door middel van onderzoek, de politie te adviseren een meer terughoudende positie aan te nemen in de ontwikkelingen rondom predictive policing. Er zijn momenteel nog juridische barri?res waaruit moet blijken of de voorspellende technologie wel is toegestaan in de samenleving. Daarnaast zijn er barri?res in de samenleving en intern bij de politie zelf. Draagvlak en sturing door technologie zijn veel aangehaalde argumenten. Een deel van de actoren wenst dat de experimenteerfase wordt verlengd in plaats van uitbreiding plaatsvindt naar meerdere steden, zoals de politie dat wenst. Verschillende instrumenten worden ingezet om de eigen belangen van de coalities te realiseren in dit proces. Zo blijkt uit de interviews dat er sprake is van een eigen website van de onderzoeksinstelling waarin verschillende kritische onderzoeken van de politie aan het licht worden gebracht. Als achterliggende belang van de website wordt gesproken van het stimuleren van het maatschappelijk debat en de zin en onzin rondom predictive policing te onderscheiden. De actoren onderling proberen dus het beleid te be?nvloeden. Echter, bevindt predictive policing zich mogelijk in een fase waardoor actoren niet meewerken aan verdere uitbreiding zoals de politie dat wenst. Er wordt juist invloed uitgeoefend door actoren om een meer terughoudende positie te realiseren bij de politie. De actoren geven verschillende argumenten om het debat te stimuleren, van juridische tot aan organisatorische argumenten.

pp7

Hoofdstuk 6: Conclusie
In dit deel van het onderzoek, wordt antwoord gegeven op de hoofdvraag. De hoofdvraag zal allereerst herhaald worden, waarna aan de hand van de analyse een antwoord gegeven zal worden op de hoofdvraag.

Om tot de conclusie te komen zal allereerst de hoofdvraag hieronder worden geformuleerd:

Wat is de invloed van de fasen van technologie op predictive policing op beleidsvorming bij de Nationale Politie?

Het onderzoek heeft aangetoond dat predictive policing zich niet in de fase appropiate technology bevindt. Er wordt niet voldaan aan alle vereisten om te kunnen spreken van deze fase. Bij de toepassing van het systeem ontbreekt de bevordering van de menselijke ontwikkeling en het ervaren van een onmisbaar systeem tijdens het gebruik. De menselijke houding tegenover het voorspellingstool wijst op een meer terughouding en meer experimenten om effecten te verduidelijken van preditcive policing op de criminaliteit en samenleving. Hierdoor heeft predictive policing niet een versterkend invloed op beleidsvorming bij de politie. Uit de interviews blijkt wel enthousiasme voor voorspelbare programma?s, maar wordt ook gewezen op de gevaren. Predictive policing wordt op dit moment gezien als een programma met veel mogelijkheden maar tevens serieuze ethische kwestie in de huidige informatiesamenleving. De menselijke houding is kritisch naar deze vorm van technologie. Overgeleverd worden aan een technologisch systeem, waarbij de eigen autonomie wordt ingekort, stuit tot veel weerstand bij betrokken actoren. Dit wordt versterkt, doordat er onvoldoende kennis is over de technologie. De totstandkoming van de voorspelling is voor veel gebruikers nog een raadsel en daardoor wordt het enkel als een voorspellend signaal gezien onder de meeste respondenten. Verschillende inzichten zijn hierop mogelijk, de discussie blijven voeren tussen betrokken actoren is dan ook van groot belang om tot gezamenlijk beleid te kunnen komen. De betrokken actoren zijn in staat om invloed uit te oefenen op beleidsvorming bij de politie, door de inzet van verschillende instrumenten.

Uit dit onderzoek blijkt dan ook dat de Advocacy Coalition Framework van toepassing is op beleidsvorming bij de Nationale Politie. Echter, kan er geen versterkend invloed van predictive policing vastgesteld worden op beleidsvorming bij de politie. Er is in dit onderzoek sprake van invloed vanuit de betrokken actoren om de experimenteerfase te verlengen. De theorie van Drengson benoemt vier fasen waarin de laatste fase is getoetst in dit onderzoek. Echter, blijkt uit de analyse dat er sprake is van een andere fase. De eerste fase stelt dat ontwikkelingen worden gediend als instrument om macht en welvaart te realiseren. De tweede fase stelt dat er een liefde ontstaat voor technologie, waarin technologie een spel van het leven wordt. De derde fase technophobia benoemt de angst voor bepaalde technolgische ontwikkelingen en stelt als belangrijk kenmerk dat de mens de behoefte heeft om de technologie zelf te sturen in plaats van dat de mens wordt gestuurd door de technologie. Dit is een overeenkomst met de data en zou kunnen verklaren waarom actoren een verlening van de experimenteerfase wensen. Doordat er geen onderzoek is gedaan naar de eerste drie fasen, kunnen hieruit geen conclusies over worden getrokken.

Om tot deze conclusie te komen zijn er acht interviews afgenomen met betrokken actoren die voldoende kennis hebben van predictive policing om een eigen inzicht te bieden aan de onderzoeker met betrekking tot het onderwerp predictive policing, beleidsvorming bij de politie en betrokken actoren in dit proces. In dit onderzoek is gekozen om enkel de laatste fase te toetsen door gebrek aan tijd en data. Hierdoor kan in dit onderzoek niet worden getoetst in welke fase predictive policing zich dan wel bevindt. De toetsing op andere fasen binnen de theorie van Drengson vereist vervolgonderzoek.

pp6

Hoofdstuk 7: Discussie

In dit afsluitend deel van het hoofdstuk zal een kritische reflectie plaatsvinden op het onderzoek dat is uitgevoerd. Hierbij zullen kanttekeningen worden geplaatst op het onderzoek.

Allereerst kan kanttekeningen worden geplaatst bij het lage aantal respondenten met een functie binnen de politie. Het afnemen van interviews met sleutelfiguren bij de politie bleek een lastige taak. Hierdoor is gekozen betrokken actoren te benaderen. Meer sleutelfiguren binnen de politie op het gebied van predictive policing en beleid, had meer diepgaand inzicht kunnen bieden. Daarnaast kunnen acht respondenten weinig zijn om te onderzoeken welke actoren er zijn betrokken bij samenwerking omtrent predictive policing. Om de belangen van de betrokken actoren allemaal afzonderlijk te meten, zijn meer interviews vereist. Doordat kennisinstellingen veel informatie tot beschikking hadden over de politie en betrokken actoren, is gekozen om deze actor te interviewen. In de samenleving spelen veel meer actoren een rol bij beleidsvorming omtrent predictive policing.

Daarnaast kunnen er bedenkingen worden geplaatst bij de toetsing op louter de laatste fase van de theorie van Drengson. Door beperkte tijd en enkel acht interviews is gekozen om de overige fasen niet toetsen. Echter, had het veel waarde kunnen toevoegen aan het onderzoek als wel gesteld kon worden in welke fase predictive policing zich dan wel bevindt. De invloed op beleidsvorming zou in dat geval beter onderzocht kunnen worden.

Literatuurlijst

Cairney, P. (2013, Oktober 30). Paul Cairney. Opgehaald van Policy Concepts in 1000 words: The Advocacy Coalition Framework: https://paulcairney.wordpress.com/2013/10/30/policy-concepts-in-1000-words-the-advocacy-coalition-framework/

De Vries, A. & Smit. S. (2016, april 25). Predictive policing: een overzicht. Opgehaald van socialmediadna: http://socialmediadna.nl/predictive-policing-overzicht/

Doeleman, D. W. (2014). Predictive policing – wens of werkelijkheid? het Tijdschrift voor de Politie, 29-42.

Doorewaard, P. V. (2015). Het ontwerpen van een onderzoek. Amsterdam: Boom Lemma uitgevers.

Drengson, A. R. (1982, Summer). Four Philosophies of Technology. Philosophy Today, 103-117.

Dusek, V. (2006). Philosophy of Technology: An Introduction. In V. Dusek, Philsophy of Technology: An Introduction (pp. 26-37). USA, UK, Australia: Blackwell Publishing.

Ellul, J. (1964). In The Technological Society (J. Wilkinson, Vert., pp. 333-343). New York: Alfred A. Knopf, Inc. and Random House, Inc.

Jonker, J. (2015, augustus 31). Rem op reorganisatie politie. De Telegraaf.

Justitie, M. V. (2012). Inrichtingsplan Nationale Politie. kwartiermaker Nationale Politie.

Lieshout, L. v. (2014, november 15). De vijf grootste problemen van de politie. Opgehaald van nrcreader: http://www.nrcreader.nl/artikel/7368/de-vijf-grootste-problemen-van-de-politie

Mauriac, F. (1968). Le nouveau bloc-notes 1961-1964. Frankrijk: Flammarion.

Noort, W. (2016, april 15). Slimme stad of dataslurper. NRC.nl.

Paul A. Sabatier, C. M. (2014). Theories of the policy process. Boulder: Westview Press.

Prins, J. (2004). Tehcnologie en de nieuwe dilemma’s rond identificatie. Justiti?le Verkenningen, 1-47.

Rienks, R. (2015). Predictive Policing: Kansen voor een veiligere toekomst. Apeldoorn: Politieacademie Apeldoorn.

Sabtier, W. (2007). The Advocacy Coalition Framework: Innovations and Clarifications. Boulder: Wetsview Press. Opgehaald van The Advocacy Coalition Framework: Innovations and Clarifications: http://collectivememory.fsv.cuni.cz/CVKP-29-version1-priloha_2_FF.pdf

Spelier, R. (2011). Onderweg naar nationale politie?! Utrecht: Department Bestuurs- en Organisatiewetenschap.

Walter L. Perry, B. M. (2013). Predictive Policing: The Role of Crimecasting in Law Enforcement Operations. RAND Corporation.

Bijlage

Bijlage 8.1.: Kwalitatieve vragenlijst

Appropiate technology

  1. Wat is predicitive policing en wat is het doel van het gebruik ervan?
  2. Wat zijn de voordelen van predictive policing?
  3. Hoe wordt predicitive policing gebruikt in het dagelijks leven?

Advocacy coalition framework

  1. Welke coalities zijn betrokken bij beleidsvorming omtrent preventief opsoringsbeleid?
  2. Wat zijn de belangen van die coalities?
  3. Welke instrumenten hebben zij om beleidsvorming te be?nvloeden (zowel meewerken als beleid hinderen)?
  4. Wat is het belang voor de desbetreffende organisatie om mee te werken met de politie?
  5. Op wat voor manier komen de coalities tot een gezamenlijk standpunt?

Veranderingen in beleidsvorming

  1. Hoe is beleid omtrent predictiev policing ontstaan?
  2. Hoe ziet u predictive policing over vijf jaar?
  3. Wat voor invloed heeft predictive policing gehad op beleidsvorming?
  4. Wat voor effect kan het nog hebben op beleidsvorming?

Bekijk, download of print het onderzoek hier:

[slideshare id=69627654&doc=bachelorscriptiemelissakont-161129090425&type=d]

Of bekijk het onderzoek uit Chicago naar de effecten van Predictive Policing daar:

[slideshare id=65229286&doc=predictionsputintopractice-aquasi-experimentalevaluationofchicagospredictivepolicingpilot-160822101738&type=d]

Bronnen: The Verge, Mic

Predictive policing predicts police harassment, not crime

 

Geen spoed, wel WhatsApp

400politie-whatsapp

Vanaf vorige?week?is het in de politie eenheid Zeeland-West-Brabant mogelijk om via WhatsApp vragen te stellen of meldingen te doen. Het Politie WhatsApp nummer 06 – 52 52 83 36 is geopend?in het bureau in Roosendaal?waar?Sectorhoofd Wiebe Leverman met het eerste bericht de WhatsApp meldapplicatie. De pilot loopt alleen in de eenheid Zeeland-West-Brabant en niet bij andere politie eenheden in Nederland. Het is ook niet hetzelfde als Buurtpreventie WhatsApp, maar een nieuw kanaal om te melden richting politie.

De politie biedt meerdere manieren om meldingen te doen. Via internet, telefoon en aan het bureau kon al gemeld worden. Deze manieren blijven. Nu komt daar deze manier bij. Het is een proef van 18 maart tot 30 juni. Daarna gaat de politie Zeeland-West-Brabant evalueren of het een goed kanaal is voor meldingen en wordt gekeken of het moet worden doorgezet.

De burger stuurt via telefoonnummer 06 – 52 52 83 36 een WhatsAppbericht met zijn melding. Dat kan zijn over overlast, afspraken, aanrijding materieel, zorgmeldingen etc. De politiemedewerker neemt contact op met melder. In principe eerst via WhatsApp, maar terugbellen of eventueel mailen is ook een optie. De melding wordt zoals gewoonlijk opgenomen in de politiesystemen.

De berichten worden uitgelezen van 07.00 uur tot 22.00 uur, 7 dagen in de week. Het is dus niet bedoeld voor 112 spoedmeldingen.

Uit deze pilot zal moeten blijken of de voordelen opwegen tegen de nadelen. Voordelen zijn natuurlijk dat het aansluit op een groeiende behoefte. Er zijn al 10 miljoen WhatsApp gebruikers in Nederland en zeker onder de jongere generatie is bellen geen tweede natuur meer. SOS Wat doe jij? is zelfs een campagne en app voor jongeren om te leren 112 te bellen.

Een ander groot voordeel is dat in tegenstelling tot andere social media er een telefoonnummer bekend is. Na een app-melding kan er dus altijd nog (terug)gebeld worden. Dat mechanisme zal ook het misbruik wat tegengaan. Als de politie je kan terugbellen of je met je telefoonnummer opsporen

De vraag is echter hoe burgers dit nummer in WhatsApp gaan gebruiken. Als het nummer ineens onderdeel wordt van een WhatsApp buurtgroep krijgt de politie wel erg veel meldingen binnen. De politie zal dus wel enige regie moeten voeren en burgers duidelijk maken hoe om te gaan met het nieuwe kanaal.

Nadelen zitten dus in de hoek van verwachtingsmanagement (hoe snel reageert men, neemt men alle meldingen wel in behandeling?) en wetgeving. Met name privacywetging komt in het geding omdat WhatsApp meldingen voordat ze naar de politie gaan eerst langs computersyststemen in de VS gaan (van WhatsApp en de uiteindelijke eigenaar Facebook). Als je dus gevoelige zaken wilt melden, hoe zit het dan? Hoe zit het met de wet politiegegevens? En er zijn mogelijk vreemde consequenties, zoals reclame in Facebook en zometeen WhatsApp die gebaseerd is op de inhoud van je meldingen.?Kortom, nog genoeg vragen om te onderzoeken, en daar is een pilot ook voor. Het is een mooie eerste stap van de analoge wereld van bellen naar digitaal melden middels data.

Bekijk hieronder het item van RTL Editie NL erover:

Gemeenten

Met?een aantal gemeenten konden burgers ook al contact opnemen via WhatsApp.?Appcare, de nieuwe naam voor webcare via WhatsApp, is hot.?Uit een?jaarlijkse onderzoek naar sociale media en gemeenten blijkt dat 11 procent van de 393 gemeenten WhatsApp gebruikt als extern communicatiekanaal. Met zo’n?10 miljoen?Nederlandse gebruikers is het eigenlijk gek dat WhatsApp niet eerder voet aan de grond kreeg bij de overheid. Iedereen kent en gebruikt het.

Zowel Terneuzen als Lelystad geven aan dagelijks ongeveer 5 ? 10 gesprekken via WhatsApp te voeren. De vragen verschillen volgens hen niet heel erg van die van andere kanalen als telefoon, Twitter of Facebook. Veruit de meeste vragen zijn eenvoudige vragen (openingstijden, aanvraag paspoorten & huwelijken) en door het Klant Contact Centrum (KCC) of Burgerzaken prima te beantwoorden.

De kans op escalatie is via WhatsApp minder groot dan bijvoorbeeld op Facebook. Daar willen andere mensen zich nog wel eens in gesprekken voegen. Dat het medium niet alleen voor jongeren is, blijkt uit de leeftijdsverdeling van WhatsAppcontacten van de gemeente Terneuzen. Zo appten zij ook al eens met iemand van 80 jaar.

Ervaringen bij WhatsApp als webcarekanaal gemeenten

Van Groningen tot…

Inwoners van Groningen kunnen bijvoorbeeld?via de populaire berichtendienst vragen stellen aan de gemeente.

Wethouder dienstverlening Ton Schroor: ?We willen aansluiten bij de communicatiekanalen die inwoners zelf al gebruiken. En omdat veel mensen al whatsappen, is het een heel laagdrempelige en makkelijke manier om met de gemeente in contact te komen.?

Gesprekken via WhatsApp worden ervaren als persoonlijk, omdat het een ??n-op-??n contact is, in tegenstelling tot Twitter en Facebook, aldus de gemeente. De ervaring van de gemeenten die al met WhatsApp werken is zeer positief, de klanttevredenheid is hoog.

Het is niet mogelijk om naar dit nummer te bellen of een sms te sturen. De gemeente probeert tijdens werkdagen zo snel mogelijk en uiterlijk binnen 24 uur de WhatsApp-berichten te beantwoorden.?WhatsApp-berichten worden door het Klant Contact Centrum behandeld tijdens de uren waarop de gemeente telefonisch bereikbaar is, van maandag t/m vrijdag van 8.30 tot 17.00 uur.

…Maastricht

Ook de gemeente Maastricht is vanaf vandaag ook via WhatsApp bereikbaar. Naast brief, telefoon, e-mail en publieksbalie was het ook al mogelijk om contact op te nemen via Facebook en Twitter. Met de toevoeging van WhatsApp wil het stadsbestuur inspelen op de toenemende behoefte van inwoners om digitaal in contact te komen met de gemeente. Ook wil de gemeente optimaal bereikbaar zijn voor de groeiende (internationale) studentenpopulatie. Wethouder Aarts, portefeuillehouder dienstverlening: ?We willen het onze inwoners en ondernemers zo makkelijk mogelijk maken. Door meerdere contactmogelijkheden aan te bieden, verlagen we de drempel en komen we tegemoet aan de diversiteit van de stad.? Het voordeel van WhatsApp voor gebruikers is dat ze een bericht kunnen sturen wanneer het hen uitkomt. Zelfs ?s nachts of in het weekend. Met een foto of video kunnen ze hun vraag of melding bovendien verduidelijken. De gemeente kan vervolgens snel antwoorden en waar nodig reageren met een hyperlink, zodat de gebruiker zelf zijn of haar zaken digitaal kan afhandelen. De gemeente beantwoordt alle vragen en meldingen binnen 24 uur, met uitzondering van weekenden.

Laagdrempelige communicatie

Burgemeester Penn-te Strake, portefeuillehouder communicatie: ?Communicatiemiddelen zijn constant in verandering. De afgelopen 10 jaar zijn de communicatiemogelijkheden enorm toegenomen. Wij willen beschikbaar zijn via de middelen waar onze inwoners, zeker studenten, veel gebruik van maken.? Op dit moment hoort de gemeente Maastricht bij een beperkte groep gemeenten die experimenteert met WhatsApp als servicekanaal. De eerste resultaten van andere gemeenten zijn positief.

Op Frankwatching heeft HowAboutYou?een boodschappenlijstje gemaakt om aan de slag te gaan:

  1. Een SIM-kaart met 06-nummer
  2. Een profielfoto die als avatar getoond wordt op de smartphone van de ontvanger
  3. Een goede statusmelding (?Hey there, I?m using WhatsApp? is niet handig, vermelding van webcaretijden wel)
  4. Een duidelijke voicemailmelding die gebruikers de weg wijst naar het juiste telefoonnummer van de gemeente (doorschakelen, maar leidt tot extra gesprekskosten)
  5. Een browser die emoticons ondersteunt (niet alle browsers laten de?Smiley WhatsApp,?Thumbs Up Whatsapp,en Drol met ogen WhatsApp zien)
  6. Je online mediamonitor waarmee je ook je webcare organiseert, inregelen voor WhatsApp (ga vooral niet zelf sleutelen of met een telefoon aan de gang)
  7. Een rapport om de prestaties te volgen (hoeveel, hoe snel, hoeveel in ??n keer beantwoord, etc.)

Bronnen: Roosendaal Op Internet, GIC, Frankwatching

 

 

 

 

 

Nieuwe media, nieuwe melden

melden

Je ligt onder je bed en je kunt 112 niet bellen omdat een indringer in je huis rondloopt. Of je bent slechthorend en verstaat de instructies van de centralist niet. Wat doe je dan? Je post tekst- of beeldberichten op social media. Maar die komen niet terecht bij de meldkamer, omdat de systemen hier niet op zijn ingericht. TNO?er Arnout de Vries ziet het met lede ogen aan. Hij is dan ook razend enthousiast als hem om hulp wordt gevraagd.

“Meldingen die burgers via social media doen, bereiken de meldkamer echter niet”

De Vries is expert op het gebied van social media en veiligheid. Hij heeft via onderzoek aangetoond dat hulpverleners ter plaatse effectiever handelen als zij informatie van social media tot hun beschikking hebben. Vervolgens helpt hij bij de realisatie van real time intelligence centers in de nieuwe 112-meldkamers. Van daaruit worden hulpverleners 24/7 voorzien van real time social media informatie. Meldingen die burgers via social media doen, bereiken de meldkamer echter niet.

Laat staan dat tekst- en beeldberichten direct naar de meldkamer gestuurd kunnen worden; er is geen digitaal loket. De ICT-systemen lopen achter bij de nieuwe mogelijkheden die er zijn. Terwijl burgers verwachten dat dit al lang geregeld is. Die kloof moet overbrugd worden voordat burgers en bedrijven hun eigen meldkamer gaan organiseren. Dat risico is volgens De Vries levensgroot aanwezig.

Modernisering meldproces

De technologische en maatschappelijke ontwikkelingen gaan razendsnel. Dat zet de overheid onder druk. Het ministerie van Veiligheid en Justitie en de kwartiermakersorganisatie Landelijke Meldkamer Organisatie (LMO) vragen daarom De Vries om hulp. Zij willen weten waar zij rekening mee moeten houden bij het moderniseren van het meldproces. Welke nieuwe manieren van melden zijn er nu al en welke gaan er in de toekomst ontstaan? Welke kansen biedt dat? Hoe integreer je dat in toekomstbestendig beleid? Om deze vragen te beantwoorden stelt De Vries een klein multidisciplinair team samen van TNO-collega?s. Zij zijn futuroloog, weten veel van het meldkamerdomein, zijn thuis in strategic business analysis en roadmapping of zijn expert op het gebied van nieuwe ICT-toepassingen en veiligheid. Met elkaar verkennen zij de toekomst. Als eerste kijken zij naar de manier waarop de maatschappij zich de komende jaren ontwikkelt. Vier verschillende leefwerelden worden geschetst, met ieder een andere uitwerking op het meldproces.

Toekomstgerichte scenario’s

Voor De Vries wordt het op dat moment duidelijk dat ?het nieuwe melden? van veiligheidsincidenten niet alleen gevolgen heeft voor de LMO in oprichting, maar ook voor de politie. Op zijn advies wordt de politie daarom mede-opdrachtgever. Vervolgens stelt hij samen met zijn teamgenoten toekomstgerichte scenario?s op en gaat daarover de discussie aan met professionals uit het meldkamer- en politiedomein. Dit is een beproefde methodiek om bouwstenen te krijgen voor de roadmap die De Vries wil opstellen. Maar dat blijkt nog een behoorlijke klus te zijn. Zij lopen namelijk tegen de complexiteit van het meldkamer- en politiedomein aan.

Veel partijen willen meedenken en hun mening geven

Veel partijen willen meedenken en hun mening geven. Door hun jarenlange kennis en ervaring weten De Vries en zijn mensen hiermee om te gaan en het te benutten. Zij worden daarbij geholpen door hun opdrachtgevers, die stelling durven nemen en met andere partijen zaken helder afstemmen.

In de startblokken

De Vries en zijn team leveren als resultaat een visie op ?het nieuwe melden? en een roadmap richting 2025. Aan de hand van vier toekomstige leefwerelden laat de roadmap zien welke stappen op korte en lange termijn nodig zijn om het nieuwe melden mogelijk te maken. De Tweede Kamer zal deze routekaart in ontvangst nemen. De Vries is trots op de resultaten. Samen met zijn team heeft hij opnieuw een aanzet tot verandering gegeven. Maar hij denkt ook al weer verder. Om de roadmap te realiseren is het nodig om te experimenteren, te innoveren, te verbinden en samen te werken met het bedrijfsleven. Ook dat pakt De Vries graag op. Energiek heeft hij de eerste stappen alweer gezet?

Om de roadmap te realiseren is het nodig om te experimenteren, te innoveren, te verbinden en samen te werken met het bedrijfsleven.

Bronnen: TNO Time

Wie belt er nog?

De manier waarop we communiceren verandert. Dit heeft invloed op de manier van het?melden van gebeurtenissen aan politie, brandweer, ambulancezorg en bijvoorbeeld?gemeenten. Als er iets bedreigends gebeurt bel je nu natuurlijk 112 of 0900-8844.?Kan het wachten, dan doe je een melding via het web. Maar hoe ziet ?Het Nieuwe Melden??er in 2025 uit?

Het ministerie van Veiligheid en Justitie en de Landelijke Meldkamer Organisatie (LMO) hebben TNO gevraagd waar zij rekening mee moeten houden bij het moderniseren van het meldproces. Welke nieuwe manieren van melden zijn er nu al en welke gaan er in de toekomst ontstaan? Welke kansen biedt dat? Hoe integreer je dat in toekomstbestendig beleid? Om deze vragen te beantwoorden heeft een team van TNO-experts een roadmap 2025 voor het meldkamer- en politiedomein ontwikkeld. Aan de hand van toekomstverkenningen beschrijven zij welke stappen gezet moeten worden om vernieuwende manieren van melden mogelijk te maken.

Dit boekje dat vandaag aan de Tweede Kamer is aangeboden schetst een langere termijn visie en roadmap voor het (spoedeisend) melden in?het domein van de openbare orde, veiligheid en ambulanzezorg. Het beschrijft ?Het Nieuwe?Melden? in uiteenlopende toekomstige leefwerelden en stelt de vragen: wie wil je zijn en?wie moet je zijn als overheid in 2025 (visie), welke keuzes maak je dan om burgers te?bedienen in het (nieuwe) meldproces en hoe kom je daar (roadmap)?

Op de weg naar Het Nieuwe Melden voorziet TNO een aantal transities. Deze transities zijn?al in gang gezet, maar er is nog een innovatieve weg te gaan. De toekomstverkenning in?dit boekje is daarom geen eindpunt, maar is bedoeld als startpunt voor een discussie over?dienstverlening en het melden in de toekomst, waaraan ?lle overheden, markt- en?ketenpartijen en ook burgers deelnemen. Op naar een toekomst waarin burgers kunnen?blijven bouwen op de dienstverlening van de overheid.

Bronnen: TNO, Tweede Kamer