Tagarchief: kenmerken

Over social media en maatschappelijke verschuivingen – pt 1/3

Welke invloed heeft de digitalisering van de maatschappij op de gepercipieerde legitimiteit van de politie? In een drieluik analyseren David Langley, José Kerstholt, Arnout de Vries en Caroline van der Weerdt de uitwerking van verschillende aspecten van digitalisering.  Deel 1: social media en maatschappelijke verschuivingen.

De wereldwijde aandacht voor het optreden van de politie bij de aanhouding van George Floyd uit Minneapolis heeft de legitimiteit van de Amerikaanse politie serieuze schade toegebracht. Een agent knielde bijna negen minuten lang op Floyd’s nek met dood als gevolg. Aandacht voor deze zaak kwam in de eerste instantie niet via traditionele media, maar via filmpjes van burgers die via sociale media werden gedeeld. Het beeld van geïnstitutionaliseerd racisme en arbitrair machtsmisbruik werd gelijk breed gedeeld, mede omdat het één van een lange reeks soortgelijke incidenten in de VS is.

Mitch Henriquez
Ook in Nederland protesteerden na de dood van George Floyd mensen op het Malieveld in Den Haag en in andere steden. Meerdere betogers legden een relatie met de dood van de Arubaan Mitch Henriquez in 2015 nadat de politie hem lange tijd in een nekklem hield. Ook toen circuleerde een filmpje op sociale media en ontstond er veel maatschappelijk ophef. Die beelden krijgen bij een eventueel nieuw incident snel weer aandacht en vormen een optelsom van bewijs dat ook onze politie haar macht ver te buiten kan gaan. Deze incidenten laten zien dat nieuwe technologieën en interactiemogelijkheden de manier waarop burgers en organisaties met elkaar omgaan drastisch kan veranderen.

Herijking na incident
Legitimiteit is de algemene perceptie of aanname dat de activiteiten van, in dit geval, de politie wenselijk, passend of geschikt zijn (Suchman, 1995). De Nederlandse politie geniet over het algemeen een bijzonder hoge legitimiteit (van der Veer, et al., 2013). Daar denken de meeste mensen in hun dagelijks leven niet over na, maar zij dragen deze positieve perceptie op impliciete wijze met zich mee. Totdat een incident zich voordoet – zoals in de voorbeelden hierboven – en er een proces van expliciete herevaluatie plaatsvindt. Het herijken van de legitimiteit van een organisatie vindt plaats op twee verschillende niveaus (Bitektine & Haack, 2015).

Figuur 1. Model van hoe de gepercipieerde legitimiteit van een organisatie ontstaat uit een wisselwerking tussen het maatschappelijke macroniveau en het individuele microniveau (ontleend aan Bitektine & Haack, 2015). De vetgedrukte lijnen laten zien hoe burgers’ percepties van een organisatie (zoals de politie) opnieuw geëvalueerd worden en, wanneer die meningen afwijken van het collectieve oordeel, ze  actie nemen en meningen uiten, bijvoorbeeld via sociale media. Wanneer genoeg burgers dit doen, worden kranten, experts en politici beïnvloed en kan het collectieve oordeel worden bijgesteld.

Individuele oordelen
Op het collectieve macroniveau van de samenleving wordt de legitimiteit van de politie gezien als een vorm van validiteit. Dat betekent dat er een mening ontstaat die gedeeld wordt door de meerderheid van partijen die worden gezien als erkende autoriteiten zoals politici, journalisten en vakexperts. Op het individuele microniveau is de perceptie van legitimiteit een kwestie van individuele oordelen. Deze oordelen kunnen op zeer uiteenlopende gedachten zijn gebaseerd – de ene persoon gaat uit van een eigen ervaring met de politie, de andere van het algehele gevoel van veiligheid, en weer een andere van de opvatting hoe het nu is ten opzichte van vroeger.

Maatschappelijke verschuiving
In de gedigitaliseerde samenleving verdient dit laatste niveau – de rol van individuele uitingen van persoonlijke oordelen – bijzondere aandacht. Wanneer namelijk genoeg mensen een mening uiten die afwijkt van het collectieve validiteitsbeeld, kan er een maatschappelijke verschuiving optreden. Vroeger was het zeer lastig om voldoende uitingen, van bijvoorbeeld onvrede over de politie, bij elkaar te krijgen – zoals tijdens een protestmars op de Dam. Tegenwoordig is het juist bijzonder makkelijk voor duizenden individuen tegelijk om onvrede te uiten, waardoor organisaties die het betreffen in een lastig parket terecht kunnen komen (Broek, Langley & Hornig, 2017). Daarnaast gaat die onvrede doorgaans gepaard met veel tegengeluid en verontwaardiging, zoals ook wordt geïllustreerd in de zaken van George Floyd en Mitch Henriquez.

Nieuwe kansen
Een sterke legitimiteitsperceptie is dus een behoorlijke uitdaging in een digitale samenleving. Om legitimiteit te handhaven of te verbeteren moet de politie zich daarom mengen in de online discussies, of het nu om onvrede of lof gaat. Daarbij kan het gaan om reacties als het geven van openheid, het tonen van begrip of het in perspectief plaatsen van specifieke gevallen. De digitale media kennen vele innovaties, waardoor het speelveld en de spelregels voortdurend veranderen. Dit biedt nieuwe kansen, zoals de mogelijkheid om meer transparantie te geven en meer betrokkenheid van burgers te stimuleren. Maar het biedt ook nieuwe uitdagingen, zoals het aanleren van vaardigheden om als organisatie en als individuele agenten de nieuwe digitale media op een coherente wijze in te zetten.

Opnieuw uitvinden van rol
De overkoepelende les van bovenstaande is dat communicatie in de digitale samenleving dusdanig is veranderd dat allerlei organisaties – de politie niet uitgezonderd – de eigen rol en relatie tot burgers opnieuw moeten uitvinden. De onderlinge verbondenheid van de maatschappij zorgt er steeds vaker voor dat de handelwijzen en rol van de politie ter discussie worden gesteld. Dit vraagt meer dan een kleine aanpassing als een sociale media cursus. Het voortdurend herzien en verbeteren van de relatie met de burgers is niet eenvoudig, zeker gezien de verdeeldheid van de samenleving rondom maatschappelijke discussies, zoals die over zwarte piet. Het houdt een structurele aanpassing in van hoe de politie in verhouding staat tot burgers die vandaag de dag een zeer hoge mate van verbondenheid en zelfbepaling genieten.

Slacktivisme bedreigt bestaansrecht organisaties
Dat consumenten via sociale media een koersbepalende beweging op kunnen zetten, heeft ook het bedrijfsleven in de afgelopen jaren moeten onderkennen. Online kan iedereen namelijk activist worden vanuit de luie stoel (daarom ook wel “slacktivisme” genoemd; “slack” is lui). Eén van de eerste voorbeelden hiervan was de campagne van Greenpeace in 2010 tegen de bouw van twee kolencentrales in de Eemshaven. Via de website keken tientallen duizenden Nederlanders naar nepreclames van Nuon en Essent die de milieuprestaties van deze energiebedrijven aan de kaak stelden. Met één klik konden de slacktivisten boze e-mails versturen naar de hoofdkantoren.
Al snel gingen de desbetreffende bedrijven hun plannen herzien, onder andere door een “constructieve dialoog” met milieuorganisaties. En het idee van ING uit 2014 om klantdata commercieel in te gaan zetten kon meteen weer in de ijskast toen massa’s mensen hier online op reageerden. Protestorganisaties zoals ‘petities.nl’ worden slimmer en weten steeds beter de macht van de massa te verzamelen en te richten. Ondanks het feit dat het bedrijfsleven een ander perspectief op legitimiteit kent, vooral bepaald door vraag en aanbod, wordt er flink geworsteld met de omgang met het online publiek dat het bestaansrecht van een organisatie danig aan kan tasten.

Prof. dr. José Kerstholt is senior onderzoeker maatschappelijke veiligheid bij TNO en Universiteit Twente.
Ir. A. de Vries is senior onderzoeker maatschappelijke veiligheid bij TNO.
Drs C.A. van der Weerdt is senior consultant consumer behaviour bij TNO.
Prof. dr. ir. David J. Langley is senior onderzoeker bij TNO en hoogleraar Internet, Innovatie en Strategie aan de Rijksuniversiteit Groningen.

Referenties
Bitektine, A., & Haack, P. (2015). The “macro” and the “micro” of legitimacy: Toward a multilevel theory of the legitimacy process. Academy of Management Review, 40(1), 49-75.
Broek, T., van den Langley, D., & Hornig, T. (2017). The effect of online protests and firm responses on shareholder and consumer evaluation. Journal of Business Ethics, 146(2), 279-294.
Suchman, M. C. (1995). Managing legitimacy: Strategic and institutional approaches. Academy of Management Review, 20: 571–610.
Veer, L., van der, Sluis, A., van, Walle, S. van de, & Ringeling, A. (2013). Vertrouwen in de politie. Trends en verklaringen. Erasmus Universiteit Rotterdam. https://www.regioburgemeesters.nl/publish/pages/216/2013_07_vertrouwen_in_de_politie_trends_en_verklaringen_-_erasmus_univ.pdf

Bron: Tijdschrift voor de Politie

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