Tagarchief: politiewerk

Over procedurele rechtvaardigheid bij elektronische dienstverlening – pt 2/3

Digitalisering beïnvloedt de perceptie van de legitimiteit van de politie in de samenleving. In een drieluik analyseren David Langley, José Kerstholt, Arnout de Vries en Caroline van der Weerdt deze effecten. Deel 2 over de invloed van elektronische diensten.

Nieuwe technologieën en interactiemogelijkheden veranderen de manier waarop burgers en politie met elkaar omgaan. Denk bijvoorbeeld aan contact met de wijkagent via sociale media of elektronisch aangifte doen. Deze vorm van contact wordt vaak als positief gezien. Zoals bijvoorbeeld de Teteringse wijkagent Willem Janssen: “Het digitale spreekuur is ideaal om snel en makkelijk in contact te komen met de inwoners van Teteringen en de diverse bedrijven op de industrieterreinen in Breda-Noord. Met behulp van de eigen pc/tablet (met webcam) kan vanaf iedere locatie rechtstreeks met mij gesproken worden. Ik hoop met deze extra service ook de forensen in het gebied, die fysiek niet het spreekuur bij kunnen wonen, te bereiken.” De wijkagent beschikt zelf ook over een webcam en is tijdens het gesprek in beeld.[1]

Perceptie
In het eerste artikel zagen we hoe de perceptie van de handelswijzen en rol van de politie een wisselwerking is tussen het collectieve beeld van legitimiteit op macroniveau en, op microniveau, de individuele meningen die via sociale media worden geuit. Deze individuele meningen kunnen de perceptie van een groot aantal mensen, en daarmee het collectieve beeld, (negatief) beïnvloeden.  De kernvraag van dit artikel is hoe de politie via elektronische diensten de perceptie van legitimiteit op een positieve manier kan beïnvloeden.

Gebruikersvriendelijkheid
De politie staat uiteraard niet stil wat betreft digitalisering. Tijdrovende fysieke handelingen worden, waar mogelijk, vervangen door digitale dienstverlening. In veel onderzoek naar de effecten van digitale dienstverlening staan vooral de efficiency en de gebruiksvriendelijkheid van het systeem centraal (Meijer & Thaens, 2010). Over het algemeen blijkt uit dat onderzoek dat naarmate de dienst gebruiksvriendelijker is en de gebruiker ook het nut van de dienst inziet, het vaker wordt gebruikt.

Toename transparantie
Daarnaast is een voordeel van digitale diensten dat burgers op een toegankelijke wijze inzicht kunnen krijgen in het functioneren van de organisatie via bijvoorbeeld informatie over beleid, beslissingen en acties. Transparantie alleen leidt echter niet persé tot meer legitimiteit. Zoals het model van gepercipieerde legitimiteit uit het eerste artikel laat zien, wordt de evaluatie van burgers gevoed door wat ze zelf zien en meemaken. Ook bij een interactie tussen burger en politie via een digitaal loket, is het van belang dat de burgers het gevoel hebben dat zij respectvol worden behandeld.

Procedurele rechtvaardigheid
De gepercipieerde legitimiteit van de politie is een belangrijke voorwaarde voor effectief politiewerk en wordt geassocieerd met effectiviteit, tevredenheid en vertrouwen. Uit onderzoek blijkt dat de perceptie van eerlijkheid en rechtvaardigheid belangrijker is voor de legitimiteit dan de gepercipieerde effectiviteit (Walters & Bolger, 2019). Met andere woorden: de manier waarop de politie omgaat met burgers blijkt belangrijker dan de objectieve resultaten.

Vier principes
Procedurele rechtvaardigheid bestaat uit vier principes: burgers een stem geven door het aanmoedigen van hun participatie, het gevoel geven dat besluitvorming neutraal verloopt, het tonen van waardigheid en respect in de interactie en het laten zien dat motieven betrouwbaar zijn (Mazerolle et al., 2013). Wanneer burgers menen dat de politie volgens deze vier principes te werk gaan dan zullen zij de politie meer zien als een betrouwbare en legitieme instantie voor het handhaven van sociale veiligheid.

Openheid
De perceptie van procedurele rechtvaardigheid is dus een belangrijke factor voor het vergroten van legitimiteit en het zou daarom goed zijn als de politie via digitale kanalen haar procedurele rechtvaardigheid meer zou benadrukken. Zo zou je bijvoorbeeld openheid kunnen geven over besluitvormingsprocessen, evaluaties van burgers ten aanzien van dienstverlening weer kunnen geven, of cijfers laten zien over hoeveel online klachten/aangiften/tips/et cetera er zijn binnengekomen (en behandeld).

Presentatie en perceptie
De perceptie die men van een organisatie heeft is niet per se een waarheidsgetrouwe afspiegeling te zijn van de werkelijkheid. Mensen vormen zich een beeld op basis van eigen ervaringen of dat van anderen en ook hoe de organisatie zich presenteert. De manier waarop de politie zich via digitale diensten presenteert, blijkt inderdaad van belang voor de gepercipieerde legitimiteit (Sillince & Brown, 2009).

Aangescherpte identiteit
Door zorgvuldig je narratief op te bouwen kun je de gepercipieerde legitimiteit beïnvloeden, zoals door doelbewust taal te gebruiken die de positie van de politie benadrukt als lid van, of juist apart van, de leefgemeenschap. Dit is een belangrijke manier om onderliggende waarden te communiceren en actief deel te nemen in het proces dat leidt tot een aangescherpte identiteit.

Burgers betrekken
Om elektronische dienstverlening optimaal te benutten voor het vergroten van legitimiteit is het van belang om actief na te denken hoe de vier aspecten van procedurele rechtvaardigheid tot uiting komen en voortdurend te toetsen of burgers de effecten ook beleven zoals bedoeld. Door burgers mee te laten denken in het gehele ontwerptraject kunnen niet alleen innovatieve ideeën worden opgedaan, maar is de kans ook groter dat het uiteindelijke product aansluit bij hun waarden en behoeften.

Dit is deel 2 van een drieluik over digitalisering en legitimiteit.

Deel 1 Over sociale media en maatschappelijke verschuivingen

Leren van de zorg
Partijen in de zorg proberen steeds meer tegemoet te komen aan de mondigere burger en nieuwe mogelijkheid van de patiënt om aan informatie over ziekte en gezondheid te komen. ICT-innovaties helpen om de burger/patiënt centraal te stellen in het zorgproces, via bijvoorbeeld verschillende platformen. Voorbeelden hiervan zijn de personal health records (PHR’s) waarin patiënten zorgdata kunnen opslaan, artsen hun data kunnen uploaden en er vaak ook de mogelijkheden geboden wordt om zelf preventieve maatregelingen te treffen door middel van eHealth. Een burger kan zo zelf metingen bijhouden over zijn of haar gezondheid, makkelijk contact opnemen met een arts en zelf beschikken over de informatie van deze arts; ook zijn er vele apps die de gezondheid ondersteunen.

Mazerolle, L., Bennett, S., Davis, J., Sargeant, E., & Manning, M. (2013). Procedural justice and police legitimacy: A systematic review of the research evidence. Journal of experimental criminology, 9(3), 245-274.
Meijer, A., & Thaens, M. (2010). Alignment 2.0: Strategic use of new internet technologies in government. Government Information Quarterly, 27(2), 113-121.
Sillince, J. A., & Brown, A. D. (2009). Multiple organizational identities and legitimacy: The rhetoric of police websites. Human Relations, 62(12), 1829-1856.
Walters, G. D., & Bolger, P. C. (2019). Procedural justice perceptions, legitimacy beliefs, and compliance with the law: A meta-analysis. Journal of experimental Criminology, 15(3), 341-372.

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

Maatschappelijke ontwikkelingen en hun implicaties voor Gebiedsgebonden politiewerk: Een verkenning

Bij Gebiedsgebonden Politiewerk (GGP) is het politiewerk ingebed in de samenleving. Kernbegrippen zijn: dichtbij georganiseerd, kennen en gekend worden, werken aan een breed scala van veiligheidsproblemen, zowel reactief, preventief als proactief optreden, samenwerking met uiteenlopende andere partijen en betrokkenheid van burgers. Het Ministerie van Veiligheid en Justitie heeft onderzoek laten doen naar de invloed van maatschappelijke ontwikkelingen op GGP en, indien nodig, hoe deze verder geprofessionaliseerd zou kunnen worden. De meest in het oog springende ontwikkelingen die van invloed zijn op het werk van de politie en het gebiedsgebonden werk daarbinnen zijn:

  • Decentralisaties in het sociaal domein;
  • Digitalisering inclusief sociaal media;
  • Demografische ontwikkelingen, migratie en vluchtelingen;
  • Radicalisering, terrorisme en terreurdreiging;
  • Internationalisering van misdaad en ondermijnende criminaliteit;
  • Groei van toerisme, evenementen en horeca.

In deze rapportage worden de resultaten van het onderzoek beschreven. Per gesignaleerde maatschappelijke ontwikkeling worden de implicaties voor het gebiedsgebonden politiewerk en de daarmee samenhangende mogelijke professionaliseringsnoodzaak geschetst.

Digitalisering en sociale media be?nvloeden het GGP. Daarbij gaat het om de organisatie van het politiewerk, de communicatie onderling en met burgers, omgaan met de berichten en beelden die op internet circuleren en het benutten van data ten behoeve van de optimalisering van het gebiedsgebonden politiewerk. De digitale mogelijkheden hebben direct betrekking op de kern van GGP, namelijk dicht bij de burger staan, weten wat er speelt, tijdig signalen opvangen waarop reacties nodig zijn en in direct contact staan met andere betrokkenen. Goed omgaan met digitale mogelijkheden verhoogt de efficiency en de effectiviteit van GGP. De ontwikkelingen in digitalisering en sociale media stellen aan de politie permanent nieuwe eisen die vragen om competenties in het bijzonder op de volgende terreinen:

  • Effectieve informatie en communicatie via gangbare en aan populariteit winnende sociale media;
  • Kennis van bestaande en nieuwe vormen van cybercrime en de wijze waarop die zich bij de bewoners van de wijken manifesteren;
  • Effectief sociale netwerken opbouwen, onderhouden en benutten;
  • Inwinnen, verwerken, opslaan en analyseren van data ten behoeve van de optimalisering van het GGP; ? omgaan met digitale financi?le administratieve en operationele tools ter ondersteuning van het politiewerk.

[slideshare id=75598435&doc=maatschappelijkeontwikkelingenenhunimplicatiesvoorggp-170502121238&type=d]

Bronnen: WODC

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

 

Predictive policing: politiewerk aan de hand van voorspellingen

knightscope

Afbeelding: Knightscope

De opkomst van nieuwe technologie?n stelt de politie en andere rechtshandhavingsinstanties in staat proactiever en effectiever te opereren. De toepassing van deze technologie?n in het publieke veiligheidsdomein roept echter ook allerlei vragen op met betrekking tot privacy en andere grondrechten van burgers. Het nieuwe?themanummer van Justiti?le verkenningen beoogt enerzijds die nieuwe technologische toepassingen te beschrijven en anderzijds de (mogelijke) consequenties daarvan nader te beschouwen en aan discussie te onderwerpen.

Naast afzonderlijke artikelen over concrete technologische toepassingen (beeldtechnologie, drones) gaat de aandacht uit naar enkele belangrijke trends die alle voortvloeien uit de groeiende beschikbaarheid van ? onderling koppelbare ? grote hoeveelheden data afkomstig uit allerlei bronnen. Bij politiekorpsen wereldwijd heeft dit geleid tot een de groeiende populariteit van predictive policing: politiewerk doen aan de hand van voorspellingen die gebaseerd zijn op een enorme verzameling historische gegevens over o.a. delicten, de plegers ervan en criminaliteitspatronen, gecombineerd met realtime data. Het politieoptreden wordt aldus datagestuurd en meer op preventie gericht. Een stap verder is prescriptive policing, waarbij de data aangeven wat de meest effectieve interventie zou zijn. Met de film Minority Report in gedachten doemen de zwartste scenario?s op: krijgen we een ?gedachtenpolitie? , staat de onschuldpresumptie op het spel? Deze vragen zijn des te prangender wanneer de rechtshandhaving steeds meer wordt overgelaten aan drones en robots. De grote uitdaging in dit verband is hoe ethische, maatschappelijke en juridische waarden al in het ontwerpproces van articifici?le intelligentie toepassingen kunnen worden ingebouwd. Iets soortgelijks speelt met betrekking tot de bescherming van persoonlijke gegevens en priv?-communicatie bij het gebruik van computers en smartphones e.d. Nieuwe Europese wetgeving schrijft voor dat gegevensbescherming wordt ingebouwd in producten en diensten, een principe dat wordt aangeduid met de term Data Protection by Design and Default.

Predictive policing: politiewerk aan de hand van voorspellingen

Door A. de Vries* en S. Smit**

* Ir. Arnout de Vries is senior onderzoeker en adviseur op het gebied van social media en veiligheid en onder andere auteur van het boek ?Social Media: Het Nieuwe DNA?.
** Dr. Selmar Smit is aan de Vrije Universiteit gepromoveerd op het onderwerp machine learning, en sindsdien werkzaam als data scientist bij TNO.

George Orwell waarschuwt in zijn boek 1984 (Orwell 1949) voor een?overheid die haar onderdanen monitort en alles in de gaten houdt. In?de film Minority Report is de ?pre-crime squad? in staat om moorden te?voorspellen en daders preventief op te pakken. De Nederlandse politie?heeft dankzij de omvorming tot Nationale Politie toegang tot alle landelijke,?regionale en lokale databronnen met betrekking tot criminaliteit?en is daarmee een ?informatieorganisatie? geworden. Door verbeterde?analysetechnieken, visualisatietools en computerkracht kan zij?deze ?Big Data? inzetten om criminaliteit te voorspellen en op basis?daarvan op te treden. Moeten we nu vrezen voor onze toekomst? Pakt?de politie voortaan burgers preventief op? Worden systemen leidend?

Het antwoord op al deze vragen is nee. Maar welke kant gaat het dan?wel op?

pred1

Interessante patronen
Politieorganisaties over de hele wereld, en dus ook in Nederland, houden?zich momenteel bezig met de ontwikkeling van predictive policing?? ofwel: politiewerk doen aan de hand van voorspellingen. De reden?daarvoor is dat zij beschikken over ongelofelijk veel digitale gegevens?over misdaden uit het verleden, die met verfijnde algoritmen en diepe?analyse een goudmijn vormen voor het voorspellen van criminaliteit.

Het gevolg daarvan is dat de politie aanwezig kan zijn op plaatsen?waar de kans op een volgend incident het grootst is. Daar komt bij dat deze hoeveelheid beschikbare data exponentieel blijft groeien als?gevolg van databasekoppelingen met veiligheidspartners en het ontstaan?van het ?Internet of Things?, waarbij alles en iedereen aan het?internet gekoppeld is (?Big Data?). Het effect van Big Data-analyses is?al te zien bij commerci?le bedrijven, die verbanden weten te leggen?tussen bijvoorbeeld iemands aankopen, inkomen, leeftijd en postcodegebied.?Ook de politie is op zoek naar dergelijke verbanden, zodat?zij misdaden kan voorspellen.

In de criminologie zijn er voldoende theorie?n over het denken en?doen van criminelen die inzicht geven in dergelijke patronen. Zo zegt?de routine activity theory dat criminelen zullen toeslaan op die locatie?waar de virtuele cirkels rond criminelen en geschikte slachtoffers?elkaar overlappen. Dit leidt tot de gedachte dat steeds dezelfde gebieden?worden getroffen, als er geen maatregelen worden genomen. De?rational choice theory gaat ervan uit dat criminelen een locatie kiezen?waar de afweging tussen risico (pakkans) en buit zo gunstig mogelijk?is. Volgens de crime pattern theory zullen criminelen nooit te dicht bij?hun eigen huis toeslaan, maar altijd in een buurt die ze kennen, vlak?bij huis, werk, sportschool of op de weg daarnaartoe. De blended theory
is een combinatie van de vorige drie: een crimineel zal toeslaan op?een locatie langs zijn ?activiteitenroutes?, maar niet te dicht bij huis en?daar waar de afweging tussen buit en pakkans positief is. Bij predictive?policing worden deze theorie?n vaak overboord gegooid en wordt?voornamelijk gekeken naar de simpele theorie van near repeats: in de?buurt van een incident zal vaak nog een incident volgen zolang er?niets verandert. Hoewel dit op het eerste gezicht niet lijkt op de voorgaande?theorie?n zal, zolang de pakkans, buit en activiteitenroutes?van criminelen niet veranderen, het effect hetzelfde zijn en zullen incidenten?zich in dezelfde buurt blijven voordoen.

Doorontwikkeling informatiegestuurd optreden
Een slimme, effectieve en proactieve aanpak tegen misdaad is duidelijk?beter dan achter criminelen aan hollen; rechercheren verandert in??prerechercheren?. Predictive policing in combinatie met Big Data?neemt daarom logischerwijs een enorme vlucht. En het geeft de Nationale?Politie de mogelijkheid om invulling te geven aan ?meer doen met?minder middelen?. Maar is predictive policing eigenlijk wel nieuw? Nu?al beschikt de politie over slimme analyseteams die een enorme bijdrage?leveren aan het dagelijkse politiewerk door misdaadstatistieken?en andere gegevens, zoals jaargetijden, tijdstippen en locaties, te interpreteren.?Dit leidt onder andere tot hotspotkaarten, waarop locaties te?zien zijn waar specifieke politie-inzet nodig is. Op die manier kan de
politie bijvoorbeeld haar surveillanceteams effectief inzetten. De?gemeente Eindhoven gebruikt dergelijke hotspot- of inzetkaarten om?de effectiviteit van de BOA?s (buitengewoon opsporingsambtenaren)?van Stadstoezicht te verhogen (Van Weerdt & De Vries 2014). Brandweer?Rotterdam-Rijnmond heeft de brandweerradar die voorspelt?waar de volgende brand zich zal voordoen en zorgt vervolgens dat er?een voertuig in de buurt is (Littooij 2015). Een nieuw computermodel?van TNO wordt gebruikt om overlastsituaties in wijken te voorspellen?en interventies te berekenen die het beste zouden moeten werken in?de betreffende specifieke situatie (Smit 2014). De beweging die wij bij?de politie zien, past dan ook in de huidige tijd waarin nieuwe mogelijkheden?ontstaan door het analyseren van Big Data. Het huidige?informatiegestuurd optreden van de politie (intelligence-led policing)?professionaliseert en ontwikkelt zich door naar predictive policing,?waarbij niet alleen gehandeld en gestuurd wordt op basis van informatie?uit het verleden, maar ook gehandeld, gestuurd ?n geanticipeerd?wordt op basis van voorspellingen. Hiervoor is sinds enige tijd het Criminaliteits?Anticipatie Systeem in gebruik bij basisteams, flexteams en?districten door heel Nederland.

pred3

Criminaliteits Anticipatie Systeem (CAS)
Het CAS vindt zijn oorsprong bij de politie Amsterdam. Via het programma?Politie en Wetenschap ontwikkelt zij een geavanceerd plannings-?en voorspellingssysteem. Diverse politiekorpsen in het land?gebruiken het CAS inmiddels voor het voorspellen van high impact?crimes (woninginbraak, straatroof en overvallen). Als voorbeeld?gebruiken we het operationele gebied van de politie Amsterdam. Het?systeem deelt dit gebied op in vakjes van 125 bij 125 meter. Gebiedjes?waarvan de kans op een incident vooraf al laag kan worden ingeschat,?zoals weilanden en open water, worden verwijderd. Van de overblijvende?vakjes wordt een grote hoeveelheid gegevens verzameld: criminaliteitshistorie, afstand tot bekende verdachten, afstand tot de?dichtstbijzijnde snelwegoprit, soort en aantal bedrijven zoals bekend?bij de politie, en demografische en socio-economische gegevens van?het CBS. Van elk vakje wordt op verschillende peilmomenten geregistreerd?welke gegevens er op dat moment bekend zijn. Vervolgens?wordt bepaald wat er in de twee weken na de peiling aan incidenten?kan plaatsvinden. Er wordt kunstmatige neurale netwerktechnologie?toegepast om te bepalen welke combinatie van kenmerken indicatief?is voor criminaliteit in de nabije toekomst. Het resultaat is dat de vakjes?op de kaart indicatief worden ingekleurd, een zogenoemde heat?map, waarin hoge scores een warmere kleur krijgen.

Betrouwbaarheid
Naast het door de politie zelf ontwikkelde CAS zijn er nog diverse?andere softwarepakketten op de markt. Vrijwel alle pakketten kijken?naast near repeats vaak ook naar tijdsaspecten spatiotemporele analyse)?en trends zoals verplaatsingen, seizoenen, weekdagen of weekend?en zelfs specifieke tijdstippen. Verder wordt er gekeken naar kenmerken?als omgevingsfactoren (bijvoorbeeld demografie), weersvoorspellingen,?afstanden tot vluchtwegen (aantrekkende werking) en?locaties van politiebureaus (afstotende werking). Dat levert complexe?formules op met tientallen parameters. Hoe betrouwbaar zijn de voorspellingen?die deze formules opleveren? Kloppen ze wel? Daar is niet?een direct antwoord op te geven. De betrouwbaarheid van de voorspellingen?is logischerwijs ook afhankelijk van de voorspelbaarheid?van de criminelen. Crimineel gedrag blijkt voor veelvoorkomende criminaliteit?zoals inbraken goed te voorspellen. De mens, en dus ook de?crimineel, is een gewoontedier dat succes op succes en ervaring op?ervaring bouwt. Als een bepaald type woning goed te kraken valt, dan?gaan ze daarmee verder. Een bekende omgeving is voor criminelen?prettig, omdat zij dan een betere risico-inschatting kunnen maken en?daarmee de kans op succes vergroten. Grote veranderingen in gedrag?(de modus operandi) of omgeving (nieuwe ?markten?) zonder directe?aanleiding zijn eerder uitzondering dan regel. Rondtrekkend mobiel?banditisme is echter veel lastiger te voorspellen, laat staan impulsieve?misdaden zoals een crime passionnel. Toch kan in algemene zin wel?de betrouwbaarheid van de voorspellingen worden geduid.

Ten eerste is de betrouwbaarheid van een voorspelmodel afhankelijk?van de hoeveelheid incidenten binnen een vakje op de kaart. Het?gedrag van een individu valt moeilijk te voorspellen, maar het gemiddelde?gedrag van een groep is goed mogelijk. Bedrijven als Amazon en?Bol.com gebruiken ditzelfde principe om aanbevelingen te doen. Zij?kunnen niet voorspellen of een individu ge?nteresseerd is in een product,?maar wel dat mensen met een bepaald profiel er gemiddeld vaak?in ge?nteresseerd zijn. Dit geldt ook voor incidenten. Doordat inbraken?relatief vaak voorkomen, levert dit voldoende input op om profielen te?maken en voorspellingen te doen.

Vaak weten analisten zelf al wel wat de kans is op een inbraak in een?specifiek vakje. Maar als dat 80% is, wat is dan de meerwaarde van een?systeem dat voorspelt dat de kans op inbraak de ene dag 75% is en de?andere dag 85%? Daarom is het belangrijk een detailleringsniveau te?kiezen dat klein genoeg is om meerwaarde te hebben ten opzichte van?de intu?tie van een analist. Ook moet de datahoeveelheid groot genoeg?zijn om een bepaald niveau van betrouwbaarheid te halen. Blijkbaar?kan het. Tijdens een test in de Verenigde Staten moesten ervaren analisten?en een predictive policing-systeem aangeven in welke twintig?vakjes een incident zou kunnen plaatsvinden tijdens een dienst. Het?voorspelmodel had twee keer zo vaak gelijk als de analisten (Mohler?e.a. 2015).

Ten tweede zijn de betrouwbaarheid en validiteit van een voorspelmodel?afhankelijk van de hoeveelheid informatie die het herbergt. Met?informatie bedoelen we hier niet alleen databronnen, maar ook kennis?en expertise over gedrag. Zo zullen bijvoorbeeld modellen die uitgaan?van near repeats (een incident zorgt voor een verhoogde kans op nog?een incident in de buurt) beter werken dan modellen die dergelijke?kennis niet meenemen.

Vooral dit tweede aspect lijkt een grenzeloze groei aan voorspelkracht?te bevatten. Er is immers altijd wel een informatiebron te vinden die?we extra kunnen toevoegen. Het eindeloos toevoegen van bronnen?heeft echter niet zoveel zin, omdat de voorspelkracht op een gegeven?moment niet veel meer zal verbeteren. Het gaat daarom met name om?de kwaliteit van bronnen en minder om de hoeveelheid bronnen die?door data-experts en analisten aan het systeem worden toegevoegd.?Goede bronnen leveren continu kwalitatieve en actuele data aan het?predictive policing-systeem, waardoor dit systeem voorspellingen kan?doen op basis van ?verse? data en daarmee een accurate ondersteuning?biedt voor het politiewerk.

Voorspelkracht en effectiviteit
Zelfs als we ervan uitgaan dat gedrag, met genoeg data, is te voorspellen,?betekent dit echter niet dat de voorspellingen van predictive policing?altijd uitkomen. Naast dat voorspellingen enkel een kans aangeven?en geen vaststaand feit, komen voorspellingen niet uit omdat de?politie acteert op de voorspellingen en haar surveillanceteams op?basis daarvan gericht inzet. Die plotselinge aanwezigheid van ??n of?meer agenten be?nvloedt uiteraard het gedrag van een crimineel op?dat moment. Door deze effici?nte en effectieve inzet van agenten op?plekken waar het ertoe doet, zullen minder misdaden worden?gepleegd. Niet meer blauw op straat, maar gerichter blauw op straat is?de theorie achter predictive policing. Dat dit werkt, laten de cijfers?zien. In Los Angeles daalt de misdaad met 13%(*1)?en in Santa Cruz daalt?het aantal inbraken met 27% (*2)?. In Kent ligt de hitscore van de software?? waarbij daadwerkelijk een misdrijf plaatsvond in een geselecteerd?vakje op de kaart ? bijna 60% hoger dan wanneer de vakjes handmatig?gekozen werden door analisten (Kent Police 2013). In Amsterdam ligt?de hitscore volgens de politie-eenheid Amsterdam-Amstelland in 2015?op 15% en het aantal near hits (een inbraak of straatroof die niet in het?voorspelde vakje valt maar er net naast) ligt voor woninginbraken op?40% en voor straatroof op 60%. Een pilot in Londen richt zich niet op?de locatie van een misdrijf maar op de dader. Dat levert een heat list?op van driehonderd namen, waarvan er zes nieuw zijn voor de politie?en waarvan er vijf in de weken daarna een misdaad plegen (Basulto?2014). In Memphis loopt de algemene criminaliteit terug met 30% en?het aantal geweldsmisdrijven met 15% (Greenburg 2009). Als gevolg
daarvan behoort Memphis niet meer tot de top 3 van gevaarlijkste steden?in de Verenigde Staten. Volgens de politie komt dat door de juiste?politie-inzet (bijvoorbeeld surveillance, auto?s staande houden en?undercoveroperaties) op de juiste tijd en plek (Williams 2006). Autodiefstallen?daalden met 75% en inbraken in bedrijven met 67% (Perry?e.a. 2013). Inmiddels heeft de politie van Memphis een Real Time?Crime Center van $ 3 miljoen neergezet om predictive policing een?vaste plaats te geven in haar manier van werken. Volgens onderzoek?van Nucleus Research levert dit centrum jaarlijks meer dan $ 7 miljoen?op (Nucleus Research 2010). Ook New York heeft een Real Time Crime?Center, waar alle databases ?n meer dan 3.000 politiecamera?s worden?geanalyseerd. In Zwitserland en Duitsland is een aantal politiekorpsen?Precobs software aan het testen, het zogenoemde Pre Crime Observation?System (*3).?De politie in Noordrijn-Westfalen is daarentegen zeer kritisch?over de effecten van predictive policing, omdat de positieve cijfers?en gemeten effecten veelal worden geleverd door softwareleveranciers?of politiekorpsen die baat hebben bij het presenteren van gunstige?cijfers. In het Amerikaanse Richmond is men gestopt met deze?werkwijze vanwege gebrek aan bewijs dat het zou werken (Aldax 2015).

Ondanks deze kritische geluiden lijkt het erop dat criminaliteit wel?degelijk goed te voorspellen is. Het staat echter nog wel in de kinderschoenen?en het zijn vooral wiskundigen die zich op dit moment?bezighouden met het ontwikkelen van voorspellende algoritmen. Predictive?policing richt zich om die reden nu nog vooral op veelvoorkomende?delicten waar een klein aantal mensen een rol in speelt (zoals?veelplegers uit een buurt of rondtrekkende dadergroepen) en vermogensdelicten?zoals woninginbraken en straatroof, waar vaak aangifte?van wordt gedaan. Maar op termijn, als de politie beschikt over meer?informatie en betere databronnen, valt te verwachten dat het systeem?ook andere delicten kan voorspellen, zoals liquidaties in de onderwereld?of een radicaliseringsproces. De maatschappij zal echter nooit?helemaal zonder misdaad zijn en voorspellend politiewerk is geen?oplossing voor alle misdaad. Het is geen panacee voor een veilige
maatschappij en veiligheid kan niet volledig worden ?gedataficeerd?.

pred4

Risico?s
Technologisch gezien zou predictive policing exponentieel verder kunnen?groeien. Maar vanuit maatschappelijk en organisatorisch oogpunt?zit er nog een rem op. Wil de politie wel zoveel gaan vertrouwen op?technologie? Is de organisatie er wel klaar voor? Nemen algoritmen en?robots het werk van agenten op diverse vlakken zo meteen over? En?wat zijn eigenlijk de juridische en ethische haken en ogen? 100%?betrouwbare voorspellingen zijn immers een illusie; of nemen we een?foutmarge voor lief en worden onschuldige burgers opgesloten? (*4).?Dit?zijn relevante vragen die beantwoord moeten worden. Wij zien de?voordelen van predictive policing, omdat de politie hiermee effici?nter?en effectiever op de juiste plaats ingezet kan worden. Maar wij zien
ook risico?s. We benoemen er een aantal.

Ten eerste kan predictive policing het risico in zich hebben dat de politie?straks allerlei mensen gaat oppakken om vervolgens te zeggen: ja,?dat moest van onze algoritmen. Straks worden we door Facebook bij?de politie aangegeven voordat we ook maar iets hebben gedaan. Of je?wordt staande gehouden terwijl je geheel onschuldig met een gereedschapskist?door een buurt loopt waar statistisch gezien op dat?moment veel wordt ingebroken. Dan heb je als burger ineens veel uit?te leggen. De rechter zal hier vanuit de onschuldpresumptie geen?genoegen mee nemen en om bewijs vragen op basis waarvan het algoritme?tot de voorspelling is gekomen en vragen naar de reden waarom?de politie dat advies heeft opgevolgd. Daarom zijn en blijven de kennis?en kunde van de ervaren politieagent leidend. Hij zal moeten beoordelen?hoeveel waarde en bewijswaarde kan worden toegekend aan een?voorspelling van het systeem en hoeveel aanvullend bewijs is vereist.

Dat brengt ons bij een tweede risico, dat het systeem te complex wordt?en niet meer door mensen wordt begrepen. Algoritmen vangen echter?geen boeven. Dat doen mensen van vlees en bloed. Zonder mensen?sta je nergens met intelligence, en al helemaal in de huidige fase van?predictive policing waarin alles nog in de kinderschoenen staat.?Human in the loop by design is de essentie van het principe dat wij?voorstellen, omdat we de mens als belangrijkste schakel in elke toepassing?van predictive policing zien. Alle menselijke schakeltjes moeten?ingebakken zitten in het ontwerp van predictive policing: denk aan?de analisten, de leiding, de beleidsmakers en de agenten op straat.?Hoewel de menselijke schakel onder druk staat in de huidige informatiemaatschappij,
zijn veel data die de politie nu gebruikt nog steeds?door mensen verzameld, verwerkt en in context geplaatst. Analisten?doen vervolgens diverse interpretatieslagen en mensen nemen besluiten op basis van deze adviezen, waarna maatregelen door mensen?worden genomen, die vervolgens weer door mensen worden beoordeeld?op hun effectiviteit. Politiemensen zijn daarom in onze visie de
belangrijkste schakel: het systeem doet de basiszaken, de mens?bepaalt wat ermee gebeurt. Een voorspelling is derhalve dus geen bindend?advies, want mensen zijn slimmer dan een systeem dat alleen?met data werkt. Totdat het moment van singularity aanbreekt, waarbij?computers niet alleen sneller of accurater kunnen rekenen, maar ook?creatiever, slimmer en bewuster zijn dan mensen. Dat duurt nog minstens?twee decennia en zelfs dan is het de vraag of je iets dergelijks in?handen van een machine wilt leggen, want dan komt de ?gedachtepolitie??uit Minority Report wel heel dichtbij.

De menselijke factor levert een derde risico op: dat de data in systemen?een gekleurd beeld geven (zogenoemde bias) en algoritmen dus?gekleurde voorspellingen zullen doen. De voorspelling is zo goed als?de data eronder. Wordt het systeem gevoed met vooroordelen ten aanzien?van bevolkingsgroepen of etnische afkomst, dan zal dat zijn effect?hebben op de resultaten. Daarom is het van belang dat de politie niet?alleen op voorspellingen gaat varen en belangrijke beslissingen alleen?daarop gaat baseren. Tunnelvisie ligt dan op de loer, een bekend?dilemma in het politiewerk. Dit risico zal alleen maar toenemen als het?systeem complexer wordt en kennis over de werking afneemt. Wij pleiten?daarom voor transparantie. Het moet inzichtelijk zijn hoe de systemen?en hun algoritmen werken.

Een vierde risico is dat leveranciers die transparantie niet geven omdat?hun concurrentiepositie dan gevaar loopt. Toch zal de maatschappij of?de wet wellicht gaan eisen dat algoritmen volledig transparant zijn,?want waarom ben je aangehouden, of kwam de politie eigenlijk zelf op?jouw spoor? Dat dit belangrijk is, bewijst het grappige voorbeeld van?de Miss America-verkiezingen (Hiltzik 2014). Zo kun je het aantal?moorden met behulp van stoom of hete vloeistoffen al jarenlang perfect?voorspellen door middel van de leeftijd van de Miss America van?dat jaar. Algoritmen zijn dom, voeren uit wat er van ze wordt gevraagd?en leggen verbanden tussen gebeurtenissen, hoe vreemd een dergelijke?relatie ook is. Dergelijke ?fouten? kunnen desastreuze gevolgen?hebben, dat hoeft geen betoog.

Een vijfde risico is dat de predictive policing-systemen informatie platslaan?tot vakjes en cirkeltjes op een kaart, terwijl academici al honderden?jaren onderzoek doen naar waarom mensen crimineel worden en?hoe ze zich dan gedragen. Om deze kennis, maar ook die van analisten?en politiemensen op straat, toe te kunnen voegen moet v??r de implementatie?expliciet worden nagedacht over hoe dit ingebakken kan?worden in het systeem of in aanvullende processen.?Privacy is een zesde risico. Enerzijds omdat voorspellend politiewerk?inbreuk kan maken op de persoonlijke leefomgeving van mensen. Zo?kreeg de politie van Chicago veel kritiek op de preventieve huisbezoeken?die zij aflegde bij veelplegers (Stroud 2014). Anderzijds zijn er veel?gegevens bekend die ertoe doen en voorspellingen beter maken, maar?die niet gebruikt of gekoppeld mogen worden om redenen van privacy.?Als laatste risico noemen we de valkuil om vooral te blijven werken?aan technologische ontwikkeling en betere computervoorspellingen,?terwijl het veel belangrijker is om na te denken over de vraag hoe de?politie effectief aan de slag kan gaan met enigszins betrouwbare voorspellingen.?De crux zit in het slim regelen van de operationele inzet en?slimme interventies.

Prescriptive policing
Het zo goed mogelijk voorspellen van misdrijven is geen doel op zich.?Het gaat erom dat ze worden voorkomen. Om daar inzicht in te krijgen?zal de politie het effect van een voorspelling en de daaropvolgende?inzet moeten gaan meten. Op die manier leert de politie welke inzet?het beste werkt in welke situatie. Daarmee verschuift het politiewerk?van predictive policing naar effect-led policing. Als die kennis over de?effectiviteit van interventies wordt toegevoegd aan het systeem, verschuift?het politiewerk van effect-led policing naar prescriptive policing.?Het systeem kan dan niet alleen voorspellingen doen, maar op?basis van data uit het verleden ook adviseren over welke politie-inzet?in de gegeven situatie het meest effectief zal zijn.

Prescriptive policing werkt alleen als het is toegespitst op een specifiek?gebied. Als het systeem kan bepalen waarom iets op sommige plaatsen?wel werkt en op andere plaatsen niet, dan kan dat ge?xtrapoleerd worden?naar andere gebieden. Zonder de effectiviteit van elke interventie?in dat specifieke vakje te bepalen kan het systeem inschatten wat?waarschijnlijk wel of niet zal werken. Daarvoor moeten wel de relevante?kenmerken van een gebied bekend zijn, en de kenmerken van?interventies. Misschien werkt patrouilleren met de auto niet, maar met?de fiets wel. Of zijn er specifieke agenten die naast patrouilleren ook?andere acties ondernemen die zorgen dat er wel of geen effect is. Dat?maakt prescriptive policing moeilijker, maar tegelijkertijd ook veel
waardevoller. Het biedt de mogelijkheid om de jarenlange kennis en?ervaring in een context te plaatsen en deze te herhalen daar waar de?context gelijk is. Daarbij is het van belang dat een dergelijk systeem?niet dicteert wat er moet gebeuren. Zelfs als het systeem denkt dat de?context gelijk is, dan nog moeten agenten, analisten, leiding of?beleidsmakers vertrouwen op hun jarenlange ervaring en kennis, helemaal?aangezien een dergelijk systeem niet de creativiteit heeft om iets?nieuws te verzinnen. Het kan enkel de lessen uit het verleden zo goed?mogelijk vertalen. De uitkomst mag daarom hoogstens worden gezien?als een suggestie die de basis moet vormen voor een beslissing of discussie.?De mens blijft wat ons betreft de belangrijkste schakel in het?hele proces. Eerder in dit artikel haalden we al het principe ?human in?de loop by design? aan. Ook is er een juridisch argument om dit principe?toe te passen: de Wet bescherming persoonsgegevens stelt in artikel
42 lid 1 dat ?niemand kan worden onderworpen aan een besluit?waaraan voor hem rechtsgevolgen zijn verbonden of dat hem in aanmerkelijke?mate treft, indien dat besluit alleen wordt genomen op?grond van een geautomatiseerde verwerking van persoonsgegevens?bestemd om een beeld te krijgen van bepaalde aspecten van zijn persoonlijkheid?.

Implementatie
Het doel van predictive en prescriptive policing is niet m??r boeven?vangen, maar misdrijven voorkomen door agenten effectief preventief?in te zetten. Dat vergt een cultuuromslag, waarbij het voorkomen van?slachtoffers voortaan centraal staat. Het ?reactief en op heterdaad?oppakken? verandert in ?proactief voorkomen?. Deze omslag vraagt om?sterk intern leiderschap en sturing. Ook zullen de prestatie-indicatoren?van de politie moeten worden aangepast: het gaat niet meer om?het behalen van bepaalde streefcijfers, maar om de effectiviteit van?politieoptreden. De politie wordt niet meer beloond voor haar inzet,?maar voor het effect dat zij bereikt.

De implementatie van beide vormen van policing gaat echter niet?alleen over de organisatiecultuur, maar ook over politiemensen, hun?competenties en hun samenwerking met de voorspellende software.?Daarnaast gaat het over processen, taken, besluitvorming en manier?van leidinggeven. Verder zal tijdens de implementatie veel aandacht?uitgaan naar de juiste informatiebronnen en integriteit van data. Tot?slot speelt techniek een rol in de implementatie, waarbij de ICT-architectuur?ingericht moet worden op deze nieuwe werkwijze, de juiste?software geselecteerd en aangeschaft moet worden en agenten op?straat de juiste tools krijgen aangereikt.

Alles hangt met elkaar samen. Daarom vraagt de implementatie om?een integrale benadering van doel, mens en organisatie, proces, informatie?en techniek. Daarbij onderscheiden we vier implementatieniveaus:?intelligence-led policing (informatiegestuurd optreden), predictive?policing (voorspellen), effect-led policing (effectmeting) en prescriptive?policing (contextgestuurde adviezen). Deze vier niveaus hebben?we in dit artikel toegelicht.

Discussie
In dit artikel hebben we laten zien wat predictive policing inhoudt en?welke mogelijkheden het biedt. De technologie staat nog in de kinderschoenen,?maar de ontwikkelingen gaan razendsnel. De Verenigde?Staten lopen hierin voorop. De Nederlandse politie heeft inmiddels de?eerste stappen gezet om van informatiegestuurd politiewerk te komen?tot voorspellend politiewerk. We hebben ook laten zien dat er risico?s?verbonden zijn aan deze nieuwe werkwijze. In ons boek Van predictive?naar prescriptive policing (Smit e.a. 2016) gaan we daar verder op in.

Wij bevelen daarom aan om niet klakkeloos voorspellende software te?implementeren in het politieproces, maar eerst te discussi?ren over?het doel en de mate waarin de software het politiewerk kan gaan?ondersteunen. Zorg er vervolgens voor dat deze nieuwe werkwijze?gepaard gaat met juridische, ethische en organisatorische waarborgen?en start daarna met kleinschalige experimenten die opgeschaald kunnen?worden tot landelijk niveau. Onderschat de veranderingen niet?die predictive policing met zich meebrengt. Dat vraagt om een goede?overdenking en om draagvlak binnen en buiten de politieorganisatie.

(*1) Scientifically Proven Field Results, 2013-2014, www.predpol.com/results.
(*2) Scientifically Proven Field Results, 2011-2012, www.predpol.com/results.
(*3) Zie IfmPt. 2015-2016, www. ifmpt. de.
(*4) Zie voor een overzicht van de risico?s van predictive policing het recente artikel van Kaya Bouma, ?Buienradar voor boeven? in De Groene Amsterdammer, www.groene.nl/artikel/buienradar-voor-boeven. Over de risico’s van etnisch profileren verscheen recent een artikel van Marc Schuilenburg op www.socialevraagstukken.nl/etnisch-profileren-is-onderdeel-van-vooringenomen-criminaliteitsbeleid.

Literatuur

Aldax 2015
M. Aldax, ?Richmond police chief?says department plans to discontinue??predictive policing? software?,?24 juni 2015.

Basulto 2014
D. Basulto, ?Relax, the futuristic?pre-crime system of ?Minority?Report? is still a long way from?becoming reality?, 6 november?2014.

Greenburg 2009
Z.O. Greenburg, ?America?s most?dangerous cities?, Forbes Magazine?23 april 2009.

Hiltzik 2014
M. Hiltzik, ?See some hilarious?charts showing that correlation is?not causation?, Los Angeles Times?12 mei 2014.

Kent Police 2013
Kent Police, PredPol operational?review ? Initial findings, Kent:?Corporate Services, Analysis?Department, Kent Police 2013.

Littooij 2015
A. Littooij, ?Brandweerradar??(J. D. Award, interviewer), 2015.

Mohler e.a. 2015
G. Mohler, M. Short, S. Malinowski,?M. Johnson, G. Tita,?A. Bertozzi & P. Brantingham,??Randomized controlled field?trials of predictive policing?, Journal?of the American Statistical?Association (110) 2015, afl. 512,?p. 1399-1411.

Nucleus Research 2010
Nucleus Research, IBM SPSS ROI?Case Study: Memphis Police?Department (Document K31),?Boston, MA: Nucleus Research,?Inc. 2010.

Orwell 1949
G. Orwell, Nineteen Eighty-Four,?New York: New American Library?1949.

Perry e.a. 2013
Q. Perry, B. McInnis, C. Price,?S. Smith & J. Hollywood, Predictive?policing ? The role of crime?forecasting in law enforcement?operations, Santa Monica, CA:?Rand Corporation 2013.

Smit 2014
S. Smit, ?Computermodel voorspelt?overlast in woonwijken ? en?wanneer die uitblijft?, Secondant?30 april 2014.

Smit e.a. 2016
S. Smit, A. de Vries, R. van Kleij &?H. van Vliet, Van predictive policing?naar prescriptive policing,?Den Haag: TNO 2016.

Stroud 2014
M. Stroud, ?The minority report:?Chicago?s new police computer?predicts crimes, but is it racist??,?The Verge 19 februari 2014.

Van Weerdt & De Vries 2014
C. van Weerdt & A. de Vries,?Dienstverlening verbeteren met?Big Data. Een verkenning voor?gemeenten. Den Haag: TNO 2014.

Willems & Doeleman 2014
D. Willems & R. Doeleman, ?Criminaliteits?Anticipatie Systeem?,?het Tijdschrift voor de Politie?2014, p. 39-42.

Williams 2006
A. Williams, ?Blue C.R.U.S.H.?walks its beat among community?organizations?, Memphis Daily?News 16 november 2006.

[slideshare id=64129657&doc=jv1603-volledige-teksttcm44-643006-160718154218&type=d]

Bronnen:?Justiti?le verkenningen,?jrg. 42, nr. 3, 2016

Dit artikel is gebaseerd op het boek Van?predictive naar prescriptive policing, uitgegeven door TNO en geschreven door Selmar?Smit, Arnout de Vries, Rick van der Kleij en Hans van Vliet. Dit boek is te downloaden via?www.tno.nl/prescriptive-policing.

 

Is met Predictive Policing de heilige graal gevonden?

Opinie_en_debat_05

Het politiewerk gaat ingrijpend veranderen door de invoering van?Predictive Policing. Door verfijnde algoritmen los te laten op big data over eerdere incidenten ? en die hoeveelheid gegevens neemt alleen maar toe ? kan de politie straks misdaden voorspellen.

Predictive Policing is de heilige graal waar criminaliteits- en terrorismebestrijders naar op zoek zijn. Het biedt de politie de mogelijkheid om d??r aanwezig te zijn waar de kans op een volgend incident het grootst is. De methode werkt preventief. Ook de nationale politie is al aan de slag met deze ontwikkeling.
Algoritmen die aardbevingen voorspellen

Predictive policing komt uit de Verenigde Staten, waar het in de praktijk beter lijkt te kunnen voorspellen dan menselijke analisten. De ontwikkeling begon in 2008 bij de politie van Los Angeles. Samen met Jeff Brantingham (UCLA en PredPol) werkte de politie het idee uit om algoritmen die aardbevingen konden voorspellen, toe te passen op oude misdaadstatistieken. Het bleek een gouden greep. Ineens kon men een veelvoud aan invloedsfactoren (zoals variaties in plaatsen en tijden) meewegen. PredPol claimt hiermee 1,5 tot 2 keer beter risicogebieden in te schatten dan de politieanalisten.

Naast PredPol zijn er meer ontwikkelingen, zoals HunchLab en het?Amsterdamse Criminaliteits Anticipatie Systeem (CAS). En er komen er meer. Invoering van Predictive Policing bij de nationale politie is mogelijk onontkoombaar, maar dat zal niet gemakkelijk zijn. Het vraagt namelijk om een wezenlijke verandering.

Integrale benadering

De ontwikkeling naar Predictive Policing vraagt om een integrale benadering, waarin doel (in welke context en met welk doel gebruiken we het?), proces, informatie, techniek, en mens en organisatie in samenhang met elkaar worden aangepakt.

Predictive policing is in essentie niets anders dan vakjes op een kaart

De politie zal dus tal van vragen moeten oplossen. Hoe betrouwbaar is de informatie die het systeem aanlevert eigenlijk? Wat zijn de juridische en ethische gevolgen van Predictive Policing? En hoe past het in het politieproces? De organisatie bestaat immers traditioneel uit medewerkers, die in hun werk informatie gebruiken, verwerken en leveren. Hoe past een computer daartussen? Is het als een collega die af en toe kritisch met je mee kijkt, of wordt hij de baas die je oplegt wat je moet doen? Technici, analisten, teamleiders, wijkagenten en andere deskundigen moeten samen aan tafel komen om duidelijkheid te krijgen over de (on)mogelijkheden.

Van Predictive Policing naar Prescriptive Policing

Predictive Policing lijkt de heilige graal, maar is in essentie niets anders dan vakjes op een kaart. Om eenvoudiger, effici?nt en effectief te inzet te plegen is handelingsperspectief en dus Prescriptive Policing onontbeerlijk. Prescriptive Policing voorspelt voor een specifieke situatie wat de effecten zijn van bepaalde interventies en een bepaalde inzet van politiemiddelen. Het systeem doet deze suggestie op basis van gegevens uit soortgelijke situaties in het verleden en daarbij gemeten effectiviteit. Daarbij wordt de menselijke factor expliciet meegenomen, want juist het praatje op straat is een hele effectieve ‘interventie’.

Ook de acceptatie door gebruikers is essentieel

Misschien nog wel meer dan bij Predictive Policing is hier een integrale benadering nodig, waarin doel, proces, informatie, techniek en mens en organisatie in samenhang met elkaar worden aangepakt. In feite zijn er 4 opeenvolgende implementatieniveaus, inclusief bijbehorende uitdagingen:

  • Intelligence-led Policing: informatie delen en deze gebruiken om te sturen.
  • Predictive Policing: analisten en wijkteams?trainen in?de omgang met voorspellende informatie.
  • Effect-led Policing: daadwerkelijke?het effect?registreren van verschillende interventies. Dus ook registreren wat er is gedaan, in plaats van alleen wat daar de resultaten van waren.
  • Prescriptive Policing:?de adviezen?accepteren van een systeem. Dit vraagt om aanpassing van de aansturing (cultuur en organisatie-inrichting) op door een systeem voorgestelde interventies.

Tot besluit: een wezenlijke verandering

De komst van Predictive, Prescriptive, en andere vormen van politieoptreden op basis van computeralgoritmen, vraagt om een wezenlijke verandering in het proces van politieoptreden. Niet alleen moeten ze hun plaats vinden in de informatieketen, ook de acceptatie door gebruikers is essentieel. Om te hoge, of te lage, verwachtingen te voorkomen is een integrale benadering nodig, waarin doel, proces, informatie, techniek en mens en organisatie in samenhang met elkaar worden aangepakt.

Publicatie over Predictive Policing
In Van Predictive naar Prescriptive Policing. Verder dan vakjes voorspellen houden Selmar Smit en Arnout de Vries alle aspecten van Predictive Policing en Prescriptive Policing tegen het licht, inclusief de mythen rond dit thema. De publicatie bevat een stappenplan voor een geleidelijke invoering van deze nieuwe ontwikkelingen.

Bronnen: Secondant

Politie en burgers: van informatie delen naar volwaardige samenwerking

attentie whatsapp

Politie en burgers: van informatie delen naar volwaardige samenwerking

Door: Jos? H. Kerstholt, Arnout de Vries & Roy Mente

Samenvatting
De politieorganisatie maakt steeds meer gebruik van de capaciteit, kennis en kunde van burgers, vooral in de context van Gebiedsgebonden Politiewerk (GGPW). Dit artikel geeft een overzicht van de huidige stand van zaken. We concluderen dat sociale media een steeds belangrijker rol spelen in de interactie tussen politie en burgers, wat nieuwe mogelijkheden cre?ert voor verdergaande samenwerking. Implementaties van GGPW, zoals verschillende vormen van burgerparticipatie, lijken vooral effect te hebben op sociaal-psychologische factoren als zichtbaarheid, vertrouwen en legitimiteit. Deze effecten kunnen echter wel de criminaliteitscijfers indirect be?nvloeden.

Een belangrijke pijler van Gebiedsgebonden politiewerk (GGPW, Community Oriented Policing in de Engelstalige literatuur) is de samenwerking met burgers. Ook is er, in contrast met het traditionele politiewerk, een duidelijke verschuiving te zien van handhaving en vervolging naar preventie van criminaliteit (Gill, Weisburg, Telep, Vitter & Bennett, 2014). Algemeen worden voor GGPW drie kernfactoren onderscheiden: samenwerking met burgers, organisatieverandering en het oplossen van problemen. GGPW gaat dus niet over het simpelweg verbeteren van de relatie tussen de politie en burgers, maar het richt zich specifiek op het oplossen van een probleem waarbij ook de capaciteit en expertise van burgers (en mogelijk private partijen) worden ingezet. De organisatieverandering houdt vooral in dat wijkagenten de ruimte moeten hebben om oplossingen af te stemmen op de lokale situatie, hetgeen vanuit de organisatie zo goed mogelijk gefaciliteerd dient te worden.

In een recente internationale studie naar de effecten van GGPW maakten Gill et al., (2014) een onderscheid in vijf indicatoren: criminaliteit, overlast, angst, tevredenheid van burgers en legitimiteit van de politie. De algemene conclusie die zij uit hun analyse trokken is dat GGPW positieve effecten heeft op de tevredenheid van burgers, de perceptie van overlast en verloedering en de legitimiteit van de politie, maar slechts zeer beperkte effecten op (angst voor) criminaliteit. Deze conclusie komt overeen met eerdere bevindingen: beperkte effecten op criminaliteitsreductie, maar positieve effecten op andere uitkomsten als de tevredenheid van burgers en vertrouwen in de politie (Weisburd & Eck, 2004).

Deze conclusies zijn gebaseerd op de directe effecten van GGPW, maar zoals ook is opgemerkt door Gill et al., (2014), zijn er wel aanwijzingen dat een toename van gepercipieerde legitimiteit er ook toe leidt dat burgers eerder meewerken en de criminaliteit afneemt (Bradford, Jackson & Hough, 2013; Mazerolle, Antrobus, Bennett & Tyler, 2013). Daarnaast werd in een recente meta-analyse van Braga, Welsh en Schnell (2015) ook aangetoond dat reductie van overlast en verloedering tot minder criminaliteit leidt. Al met al zijn er dus aanwijzingen dat de korte-termijn effecten van GGPW vooral tot uiting komen in psycho-sociale factoren als beleving en vertrouwen, maar dat deze effecten op de lange termijn wel degelijk een effect hebben op het verlagen van criminaliteit.

Omdat het overzicht van Gill et al. (2014) vooral is gebaseerd op onderzoek in Amerikaanse buurten, geven we in het huidige paper een overzicht van GGPW in Nederland, waarbij we ook aandacht besteden aan de rol van sociale media. We streven daarbij niet naar een?complete weergave van alle evaluaties en effecten, maar het doel is vooral om de huidige stand van zaken te schetsen als basis voor het defini?ren van vervolgstappen die nodig zijn om de samenwerking met burgers (nog meer) te verbeteren naar een volgende generatie van GGPW.

Inleiding

In zowel de VS als Europa is er toenemende aandacht voor Gebiedsgebonden Politiewerk?(GGPW, Community Oriented Policing in de Engelstalige literatuur). In?tegenstelling tot het traditionele politiewerk waarbij het accent op rechts- en?ordehandhaving ligt, is binnen het GGPW-concept het betrekken van burgers in?de preventiefase van groter belang. Uit verschillende overzichtsartikelen komt?naar voren dat GGPW positieve effecten heeft op uitkomsten als de tevredenheid?van burgers, de perceptie van overlast en verloedering en de legitimiteit van de
politie, maar slechts beperkte effecten heeft op de reductie van criminaliteit (Gill,?Weisburg, Telep, Vitter & Bennett 2014; Land, Stokkom & Boutellier 2014; Weisburd?& Eck 2004).

Hoewel de directe effecten van GGPW op criminaliteitsreductie beperkt lijken,?zijn er wel indirecte effecten. Een toename van gepercipieerde legitimiteit leidt er?bijvoorbeeld toe dat burgers eerder meewerken met de politie en dat de criminaliteit?afneemt (Bradford, Jackson & Hough 2013; Mazerolle, Antrobus, Bennett &?Tyler 2013). Daarnaast werd in een recente meta-analyse van Braga, Welsh en?Schnell (2015) ook aangetoond dat reductie van overlast en verloedering tot minder?criminaliteit leidt. Al met al zijn er dus aanwijzingen dat de kortetermijneffecten?van GGPW vooral tot uiting komen in psychosociale factoren als beleving en?vertrouwen, maar dat deze effecten op de lange termijn wel degelijk een effect?hebben op het voorkomen van criminaliteit.
Omdat veel conclusies zijn gebaseerd op onderzoek in Amerikaanse buurten,?geven we in onderhavig artikel een overzicht van GGPW in Nederland, waarbij we?ook aandacht besteden aan de rol van sociale media. We streven daarbij niet naar?een complete weergave van alle evaluaties en effecten, maar het doel is vooral om?de huidige stand van zaken te schetsen als basis voor het defini?ren van vervolgstappen die nodig zijn om de samenwerking met burgers (nog meer) te verbeteren?naar een volgende generatie van GGPW.

Algemeen worden voor GGPW drie kernfactoren onderscheiden: samenwerking?met burgers, decentrale aansturing en het oplossen van problemen. GGPW gaat?dus niet over het simpelweg verbeteren van de relatie tussen de politie en burgers,?maar het richt zich specifiek op het oplossen van een probleem waarbij ook?de capaciteit en expertise van burgers (en mogelijk private partijen) worden ingezet.?De centrale vraagstelling van deze studie is derhalve welke effecten er zijn?gevonden van GGPW op zowel organisatieniveau als de directe samenwerking?met burgers.

1. GEBIEDSGEBONDEN POLITIEWERK
De belangrijkste redenen voor een landelijke implementatie van GGPW in Nederland in de jaren 90 van de vorige eeuw waren dat de politie: 1) meer direct zicht wilde hebben op relevante problemen in de wijk; 2) kon medi?ren tussen relevante belanghebbenden; en 3) meer autoriteit op kon bouwen (Boin, Van der Torre, ’t Hart, & Van der Meulen., 2003; Van der Vijver en Zoomer, 2004). De politie moest uit zijn isolement komen en het vertrouwen van burgers moest toenemen. Dus naast het bevorderen van veiligheid was het doel om via een lokale inbedding van de politie meer legitimiteit en vertrouwen van het publiek op te bouwen.
Binnen een basisteam zijn de wijkagenten sleutelfiguren voor de centrale doelen van GGPW, omdat zij in direct contact staan met de lokale gemeenschap. In principe is er ??n wijkagent per 5000 burgers, en voeren zij voor 80% van hun tijd activiteiten uit ten behoeve van de lokale gemeenschap. De wijkagenten werken daarbij samen met het basisteam, andere delen van de politieorganisatie, externe belanghebbenden en burgers.

Uit de Veiligheidsmonitor van 2014 (CBS, 2014) blijkt dat een kwart van de bewoners (zeer) tevreden is met het functioneren van de politie in de buurt wat ongeveer overeen komt met de cijfers uit 2012 en 2013. Opvallend is dat het grootste deel (42 procent) aangeeft dit niet te kunnen beoordelen. Ongeveer 40 procent van de respondenten vonden dat de politie burgers serieus neemt, bescherming biedt, reageert op problemen in de buurt en haar best doet. Slechts 20% vindt dat de politie contact heeft met bewoners in de buurt en zaken effici?nt aanpakt. Mensen zijn het meest negatief (49%) over de zichtbaarheid van de politie.

2. EFFECT STUDIES
Zowel op organisatieniveau als in de interactie met burgers speelt vertrouwen een centrale rol. Om vertrouwen te kunnen winnen is het noodzakelijk dat de politie zichtbaar en herkenbaar is?op wijkniveau. Uit onderzoek blijkt inderdaad dat het vertrouwen toe kan nemen als men de wijkagent kent (Beunders, Abraham, Van Dijk & Van Hoek 2011). Naast zichtbaarheid en herkenbaarheid zijn ook eerlijkheid en rechtvaardigheid van belang (Flight, Van Andel & Hulshof, 2006). Onderzoek heeft aangetoond dat de perceptie van eerlijkheid en rechtvaardigheid belangrijker is voor de legitimiteit dan de gepercipieerde effectiviteit. Met andere woorden: de manier waarop de politie omgaat met burgers is belangrijker dan de objectieve resultaten (Hough, Jackson, Bradford, Myhill, Quinton, 2010).

2.1 Organisatie
Net als in internationale studies heeft de Nederlandse wijkagent de taak om voor veiligheid in de wijk te zorgen, daarbij samen te werken met andere partijen en burgers te activeren om met hem of haar samen te werken (Van der Vijver & Zoomer, 2004). Effecten van GGPW blijken echter lastig te meten door onder meer de ambigu?teit van het concept en de doelen van GGPW (Terpstra, 2009; Van der Vijver & Zoomer, 2004). Bovendien moet het concept adequaat ge?mplementeerd zijn (Van der Vijver & Zoomer, 2004). Als te vroeg wordt ge?valueerd worden eerder implementatieproblemen gemeten dan de feitelijke effecten. Een laatste complicerende factor is dat GGPW per definitie een samenwerkingsverband is van meerdere partijen, waardoor effecten niet toegeschreven kunnen worden aan ??n afzonderlijke partij.

Hoewel de criminaliteit over de afgelopen jaren is gedaald (in 2014 werd zelfs acht procent minder misdrijven geregistreerd dan in 2013), is het niet duidelijk waar dit precies aan toe moet worden geschreven. Het algemene effect van GGPW had vastgesteld kunnen worden bij de invoering, maar dat heeft alleen in Haarlem plaatsgevonden (Van der Vijver en Zoomer, 2004). De effecten waren daar echter wel positief: minder criminaliteit-gerelateerde problemen, minder angst voor criminaliteit en burgers dachten positiever over de politie.

Als antwoord op het ambigue karakter van GGPW, analyseerde Terpstra (2011) de dagelijkse praktijk van wijkagenten en concludeerde dat er een discrepantie is tussen de theorie en de praktijk. Werkgebieden zijn vaak groot, er is slechts beperkte tijd om op straat door te brengen, en er is in het algemeen weinig beleid over hoe GGPW toegepast zou moeten worden. Hierdoor is het contact met burgers doorgaans beperkt en in de praktijk zijn wijkagenten slechts ge?nteresseerd in ??n specifieke vorm van burgerparticipatie: burgers als bron van informatie.

Rol van sociale media
Door technologische innovaties verandert de interactie tussen burgers en organisaties, zowel priv? als zakelijk. Steeds meer mensen, en ook de organisaties waar zij mee interacteren, gebruiken digitale communicatiemiddelen. Sociale media zijn ontwikkeld om de dialoog met een groot publiek te verbeteren (?many-to-many? interactie?) (Bertot, Jaeger & Hansen, 2012) Door sociale media kan op een snelle manier met een grote groep mensen worden ge?nteracteerd en het toenemende gebruik ervan binnen de politie heeft waarschijnlijk een grote invloed op de relatie met burgers.
Het eerste politie account op Twitter werd geregistreerd op 24 juli 2009 en in maart 2012 waren er 1000 accounts, waarvan 755 van wijkagenten (Meijer, Grimmelikhuijsen, Fictorie, Thaens & Siep, 2012). Die 1000 politieaccounts hadden meer dan 770.000 volgers, dus een gemiddelde van 770 volgers per account. In maart 2011 was dit toegenomen naar 150.000 volgers. In de loop van 2015 zijn er al meer dan 2000 politie accounts met gezamenlijk meer dan 4 miljoen volgers en zit de meerderheid van de wijkagenten op Twitter. Het aantal Twitter accounts en volgers is dus duidelijk snel aan het toenemen wat Twitter en andere social media platformen zoals Facebook, tot een serieuze communicatiemiddelen maakt, zowel voor het uitwisselen van informatie als voor het opbouwen en het onderhouden van een vertrouwensrelatie.

Twitterende wijkagenten spenderen tussen 10 en 30 minuten per dag aan het zelf sturen van een tweet of het reageren op tweets van anderen (Meijer et al., 2012). De inhoud van de tweets gaat over waar ze op dat moment mee bezig zijn, en kan gaan over wijkgerelateerde criminaliteit of aanhoudingen. Ongeveer 80% van de twitterende wijkagenten zegt te twitteren over tips met betrekking tot preventie, een kwart vraagt burgers mee te denken met specifieke vraagstukken, en slechts een klein deel zegt over priv?-zaken te twitteren. Vaak melden wijkagenten overigens wel dat ze met vakantie gaan om daarmee aan te geven dat reacties wat langer op zich kunnen laten wachten of ze verwijzen naar een collega. De wijkagenten hoeven slechts vrij globale richtlijnen te volgen bij het opstellen van tweets, maar vaak wordt hun twittergedrag wel gevolgd vanuit de organisatie en in sommige korpsen heeft het management ook toegang tot de accounts van de wijkagenten. Ook op lokaal niveau volgen wijkagenten elkaar vaak waardoor zij kennis kunnen delen en ook weet hebben van actuele zaken die in andere wijken spelen.

2.2 Burgerparticipatie
Binnen het concept van GGPW is er een breed scala aan mogelijkheden om burgers te betrekken bij politietaken en zo samen te werken aan het verhogen van de veiligheid in de buurt. Land, Stokkom en Boutellier (2014) maakten in een recent overzicht een onderscheid in zeven vormen van burgerparticipatie in het politiedomein:

  • 1) Toezicht: informele sociale controle in de (semi) openbare ruimte waarbij, mogelijk met behulp van technologie, ongewenste situaties gecommuniceerd kunnen worden (bijvoorbeeld buurtwachten en ?Whatsappgroepen);
  • 2) Opsporing: informatie verzamelen ten behoeve van de opsporing van verdachte personen en zo criminaliteit en overlast actief tegengaan (bijvoorbeeld Opsporing Verzocht);
  • 3) Zorg voor de openbare ruimte: verbeteren en verfraaien van de openbare ruimte (bijvoorbeeld bewonersbudgetten, Opzoomer-achtige projecten);
  • 4) Conflictbemiddeling: bewoners met vaardigheden uitrusten om zelf onderlinge conflicten op te lossen en zo de woonoverlast in buurten terug te dringen (bijvoorbeeld buurtbemiddeling);
  • 5) Contactbevordering: contact bevorderen tussen bewoners of tussen bewoners en de politie en zo het onderlinge vertrouwen vergroten (bijvoorbeeld gedragscodes);
  • 6) Informatiebemiddeling: informatie verzamelen en toegankelijk maken (bijvoorbeeld Politie-app);
  • 7) Beleidsbe?nvloeding: vergroten van de zeggenschap van burgers bij de totstandkoming van beleid gepaard aan coproductie in de uitvoering van beleid (bijvoorbeeld Buurt Bestuurt en Veilige Buurten Teams).

De categorisatie die door Land et al. (2014) is voorgesteld hebben we langs twee dimensies gestructureerd: betrokkenheid van burgers en veiligheidsdomein. Voor de betrokkenheid van burgers hebben we de participatieladder gebruikt zoals die in eerste instantie is beschreven door Arnstein (1969). Arnstein (1969) maakte een onderscheid in 8 typen van burgerbetrokkenheid. De onderste sporten van de ladder zijn ?manipulatie? en ?therapie? en aangezien dit geen vormen van participatie zijn zoals hier bedoeld hebben we deze twee vormen buiten beschouwing gelaten. De derde en vierde sport geven burgers een stem: informeren en consulteren. Informeren wordt meestal gedaan via instrumenten als nieuwsberichten, flyers of posters, terwijl het consulteren kan gebeuren via vragenlijsten of openbare bijeenkomsten. Op de vijfde sport (bedaren of tevredenstellen) beginnen burgers wat invloed te krijgen. Op dit niveau kan burgers om advies worden gevraagd hoewel ze geen?daadwerkelijke macht hebben omdat ze geen beslissingen nemen. Op de laatste sporten (6: partnerschap, 7: gedelegeerde macht en 8: burger controle) hebben burgers daadwerkelijk invloed omdat hier sprake is van een herverdeling van de macht via onderhandelingen tussen burgers en machthebbers. Voor ons doel hebben we een driedeling gemaakt voor de mate van burgerparticipatie: 1) informeren en consulteren; 2) adviseren; en 3) co-produceren/ meebeslissen. Daarnaast hebben we een onderscheid gemaakt in het veiligheidsdomein waarbinnen burgerparticipatie plaatsvindt: preventie, handhaving, opsporing en het hogere niveau ?kwaliteit van leven? (zie Tabel 1).

tabel1

Tabel 1: Overzicht vormen van burgerparticipatie gerelateerd aan mate van invloed en domein Informeren/ consulteren Adviseren Co-produceren/ meebeslissen Preventie Informatiedeling Toezicht (bv burgerwacht) Handhaving Alertering (bv Burgernet) Beleidsbe?nvloeding (bv Buurt Bestuurt) Opsporing Burgeronderzoek (bv meedenken met lopende zaken) Kwaliteit van leven Conflictmediatie Zorg openbare ruimtes (bv wijkbudgetten)

De rol van sociale media is voor alle vormen van burgerinitiatieven toegenomen. Daarbij is het van belang om op te merken dat online en offline participatie niet onafhankelijk zijn van elkaar. Online participatie moet gezien worden als een aanvulling op offline participatie in plaats van een vervanging. Een voorbeeld van deze toegevoegde waarde is het?alerteringssysteem Burgernet, een instrument waarmee de politie burgers kan vragen om uit te kijken naar specifieke personen. Burgernet kan via Twitter worden gevolgd en de registratie gebeurt online, maar voor de alertering wordt gebruik gemaakt van de telefoon en SMS en is er sinds kort ook een app. Als burgers na een melding een gezochte persoon hebben gesignaleerd kunnen ze dit aan de meldkamer doorgeven, waardoor de politie mogelijk het zoekgebied weer aan kan passen. Er kan dus een mix van instrumenten worden gebruikt die optimaal is afgestemd op de specifieke situatie die zich voordoet.

1. Informeren en consulteren
De mogelijkheden om informatie met burgers te delen zijn enorm toegenomen met de komst van sociale media. Uit onderzoek van Veltman (2011) bleek bijvoorbeeld dat volgers op Twitter een positiever beeld hebben van de politieorganisatie. Deze positieve effecten werden echter niet alleen voor Twitter gevonden maar eigenlijk in alle gevallen dat de politie gericht informatie deelde met burgers en hen betrok bij lokale politiezaken. Twitter bleek geen toegevoegde waarde te hebben in het vergroten van vertrouwen maar er werd wel een klein effect gevonden op de gepercipieerde legitimiteit van de politie (Boverman, Van Duijn, De Graaf & Ritzema, 2011). Bovendien leidde het gebruik van Twitter tot een toename van gepercipieerde autoriteit, vooral voor wat betreft effectiviteit, zichtbaarheid en controleerbaarheid.

Een voorbeeld van een project in het preventiedomein zijn buurtpreventie- of interventieteams, waarbij burgers surveilleren in een publieke ruimte om vroegtijdig crimineel gedrag te detecteren of om crimineel gedrag te voorkomen (door bijvoorbeeld buurtbewoners te informeren dat er een raam open staat). Het doel is om potenti?le criminelen af te schrikken of aanstootgevend gedrag te be?nvloeden. Deze buurtwachten kunnen ondersteund worden door bijvoorbeeld Whatsapp. Het effect van buurtwachten is tot op heden niet aangetoond omdat de implementatie vaak een combinatie van interventies betrof (een uitzondering hierop vormt een recent onderzoek van de Universiteit van Tilburg waarin werd aangetoond dat het aantal woninginbraken daalde als gevolg van Whatsapp groepen (Akkermans & Vollaard, 2015)). Deelnemers waren echter wel positief over de inzet van buurtwachten, omdat ze meer veiligheid ervaren en hun gevoel van controle over de buurt is toegenomen. Dit geldt echter niet voor alle wijken. Voor sommige wijken nam het gevoel van onveiligheid zelfs toe, mogelijk in wijken waar het niveau van vertrouwen laag is (Eijck, 2013).

Voor burgerparticipatie binnen het opsporingsdomein wordt ook steeds meer gebruik gemaakt van moderne technologie?n als sociale media, apps en Facebook, waardoor zowel snelheid als effici?ntie van de informatie-uitwisseling is toegenomen (Meijer et al. 2012). Via deze communicatiemiddelen wordt burgers meestal gevraagd of ze iets gezien of gehoord hebben, maar burgers zouden ook zienswijzen kunnen genereren over wat er mogelijk gebeurd zou kunnen zijn. Door hun grotere afstand van een zaak, zouden burgers meer onconventionele of creatieve scenario?s (opsporingshypothesen) kunnen verzinnen, wat vervolgens het opsporingsproces een nieuwe impuls kan geven. Zo staat er op de politiesite (politie.nl) een aantal dossiers met informatie over zaken (bijvoorbeeld over de incidenten bij Jumbo-supermarkten in Groningen en Zwolle). Burgers wordt expliciet gevraagd tips te geven of mogelijke scenario?s te genereren. Ook kunnen burgers aangeven of zij op de hoogte willen worden gehouden van het verloop van de zaak.

Binnen de handhaving zijn een scala aan instrumenten beschikbaar die worden ingezet voor het signaleren van specifieke personen, waarvan Burgernet en Amber Alert waarschijnlijk de meest bekende zijn. Amber Alert wordt specifiek ingezet voor vermiste kinderen, terwijl Burgernet meer algemeen wordt ingezet. Hoewel het lastig is om effecten specifiek aan de input van burgers toe te schrijven suggereren Cornelissen en Ferwerda (2010) dat het aantal criminelen dat op heterdaad wordt betrapt toe is genomen door de inzet van Burgernet. Een aanvullend effect is dat burgers zich veiliger voelen door Burgernet omdat hun gevoel van controle is toegenomen. Burgers zijn over het algemeen positief over hun deelname, zijn meer alert op verdachte situaties en hebben een positiever beeld van de politie (Cornelissen & Ferwerda, 2010).

Meijer et al. (2011) onderzochten het verschil tussen Twitter en Burgernet en concludeerden dat Twitter van toegevoegde waarde is op SMS en telefoon. Het gebruik van Twitter had een positief effect op de betrokkenheid van burgers maar omdat er minder aandacht aan Twitter wordt besteed dan aan SMS of de telefoon, beperkte het effect zich tot situaties die minder tijd-kritisch zijn. Twitter kan worden gezien als een technologie die ondersteunend is voor de zwakkere verbindingen in sociale netwerken (weak ties) en is daarmee aanvullend op technologie?n die de sterke verbindingen ondersteunen zoals SMS en telefoon.

2. Adviseren
Bij de middelste categorie van de participatieladder hebben burgers wat meer invloed. Projecten die hier binnen vallen gaan vaak over het vergroten van de leefbaarheid van een wijk. Bij projecten die zich op de openbare ruimte richten kunnen twee subcategorie?n worden onderscheiden: gedragscode projecten en wijkbudgetten (Land et al., 2014). Voor beide subcategorie?n geldt dat het doel is om de sociale en fysieke leefbaarheid van de omgeving te bevorderen. Vooral de fysieke aspecten (schoon, heel en werkzaam) zijn van invloed op gevoelens van veiligheid (Blokland 2009). Een programma in Rotterdam (Opzoomeren, later ?Mensen maken de stad? genoemd) is exemplarisch voor beide subcategorie?n omdat zowel stadsetiquette als wijkbudgetten er onderdeel van uitmaken (Land et al., 2014). In dit programma kunnen burgers allerlei kleinschalige initiatieven bedenken om de leefbaarheid van hun woonomgeving te verbeteren zoals betere verlichting, onderhoud aan voortuinen, maar ook het bevorderen van onderling contact. Basisidee is dat burgers elkaar beter leren kennen door samen activiteiten te ondernemen zoals samen de groenvoorziening onderhouden of het organiseren van buurtfeesten. Daardoor neemt niet alleen de leefbaarheid en veiligheid toe maar ook de sociale cohesie.

3. Co-produceren/ meebeslissen
In de laatste categorie (co-produceren/ meebeslissen) vallen projecten waarin burgers daadwerkelijk invloed hebben op het beleid en problemen gezamenlijk worden aangepakt. Er zijn een aantal projecten in deze categorie waarbij ?Buurt Bestuurt? in Rotterdam waarschijnlijk wel de invloedrijkste is. ?Buurt Bestuurt? begon in 2009 met als belangrijkste doel om het publieke vertrouwen in de lokale overheid (waaronder de politie) te herstellen, om de problemen te identificeren die bewoners het belangrijkste vonden, en om samen oplossingen te bedenken. Als zodanig is het gebaseerd op het Britse ?reassurance policing? concept (Eysink Smeets, Moors, Jans & Schram, 2013).
Burgers die aan ?Buurt Bestuurt? deelnemen hebben het gevoel dat zij een zinvolle bijdrage leveren aan het oplossen van problemen in de wijk, zij ervaren dat de samenwerking met professionals verbetert en hebben ook meer vertrouwen in professionals. Het aantal mensen dat actief bijdraagt aan Buurt Bestuurt is echter vrij klein en niet representatief voor de gehele wijk. Dit lage percentage actieve burgers is waarschijnlijk ook de reden dat er geen meetbare effecten op wijkniveau zijn gevonden (Eysink Smeets et al. 2013).

3. CONCLUSIES

3.1 Organisatie
Wil GGPW succesvol zijn dan moeten oplossingen optimaal zijn afgestemd op de lokale context, en op de behoeften van burgers en andere relevante belanghebbenden. Omdat deze aspecten vari?ren over wijken, hebben wijkagenten discretionaire ruimte nodig: zij moeten de ruimte hebben om, binnen algemene kaders, zelf beslissingen te nemen op basis van hun inschatting van de lokale situatie. Aan de andere kant moet de positie en het functioneren van de wijkagent goed worden ingebed in de organisatiestructuur van de Nationale politie. Voor maximale flexibiliteit is GGPW het best gebaat bij een relatief platte organisatiestructuur, die zo goed mogelijk een genetwerkte vorm van samenwerking faciliteert en ondersteunt.
Onafhankelijk van de organisatiestructuur is vertrouwen een noodzakelijke voorwaarde voor een succesvolle samenwerking tussen burgers en politie. Lokale zichtbaarheid en rechtvaardigheid zijn kernwaarden om het vertrouwen van burgers te bevorderen.
Sociale media kunnen een goede bijdrage leveren aan zichtbaarheid en herkenbaarheid als aanvulling op de fysieke aanwezigheid van agenten in de wijk. Steeds meer wijkagenten gebruiken bijvoorbeeld Twitter en dit heeft een grote impact op de interactie tussen burgers en politie. Door de snelle en directe communicatie kunnen burgers steeds beter betrokken worden, maar aan de andere kant maakt toenemende zichtbaarheid ook kwetsbaarder, onder meer door de vage scheidslijn tussen priv? en zakelijke informatie-uitwisseling.

Dit alles neemt niet weg dat er een duidelijke maatschappelijke trend is om meer gebruik te maken van het enorme potentieel aan capaciteit, kennis en kunde die burgers te bieden hebben. De vraag is daarom niet ?f organisaties met deze trend mee moeten gaan maar meer hoe structuur, cultuur en werkwijze zo goed mogelijk aangepast kunnen worden om de switch naar een meer genetwerkte manier van optreden te kunnen maken.

3.2 Burgerparticipatie
Er is een groot scala aan initiatieven waarin wordt samengewerkt met burgers. We hebben in ons overzicht een onderscheid gemaakt in drie categorie?n die een toenemende invloed van burgers laten zien: informatie/consulteren, adviseren en co-productie/meebeslissen. De meeste?initiatieven bevonden zich in de eerste categorie, wat betekent dat de daadwerkelijke invloed van burgers nog niet zo groot is. Aan de ene kant is dat begrijpelijk omdat de politie, samen met de militaire organisatie, een geweldsmonopolie heeft en burgers slechts tot op zekere hoogte bij kunnen dragen. Aan de andere kant is er wellicht ook wel meer interactie mogelijk en wenselijk om burgers meer te betrekken bij het oplossen van veiligheidsproblemen in hun eigen leefomgeving.
Een algemeen probleem bij participatieprojecten is dat slechts een beperkt aantal burgers bereid is om zich in te zetten en dat die groep niet representatief is voor de totale gemeenschap (hoewel mogelijk wel voor de problemen die er spelen). E?n van de oplossingsrichtingen is om beter aan te sluiten bij de behoeften van burgers. Een mooi voorbeeld is WAAKS, waarbij hondenbezitters worden gevraagd om tijdens het uitlaten van hun hond extra op te letten en verdachte signalen door te geven aan de politie. Een win-win situatie die weinig extra inspanning kost: de hond moet toch worden uitgelaten, de hondenbezitter heeft zijn of haar bijdrage geleverd aan de veiligheid in de wijk en de politie heeft er extra oren en ogen bij.

3.3 Effectmeting
De effecten van (implementaties van) GGPW zijn lastig vast te stellen. Een van de redenen is dat er een focus is op criminaliteitsreductie in plaats van wijk-gerelateerde indicatoren (Van der Vijver & Zoomer, 2004). Criminaliteitsbestrijding wordt nog vaak gezien als het ?echte? politiewerk en is ook makkelijker te meten. Toch was het doel van GGPW, naast het verlagen van criminaliteit, ook om het vertrouwen van burgers en de legitimiteit van de politie te vergroten. Dus een eerste vereiste voor het meten van effecten is dat het doel van GGPW duidelijk wordt vastgesteld. Daarnaast blijkt uit recent onderzoek dat sociaal-psychologische factoren als gepercipieerde legitimiteit en vertrouwen indirect wel een invloed hebben op criminaliteit (Braga et al., 2015; Gill et al., 2014). Ook om deze reden is het van belang om niet alleen naar criminaliteitscijfers te kijken maar ook naar andere indicatoren zoals bekendheid in de buurt en mate van samenwerking in het voorkomen en oplossen van veiligheidsproblemen. Deze meer korte termijn effecten kunnen vervolgens bijdragen aan de meer lange termijn effecten zoals de reductie van criminaliteit.

Referenties
Akkermans, M. & Vollaard, B. (2015) Effect van het WhatsApp-project in Tilburg op het aantal woninginbraken ? een evaluatie. Onderzoeksrapport Universiteit Tilburg.
Arnstein, S. R. (1969) A ladder of citizen participation. Journal of the American Institute of Planners, 35(4), 216-224.
Bertot, J. C., Jaeger, P. T., & Hansen, D. (2012) The impact of polices on government social media usage: Issues, challenges, and recommendations. Government Information Quarterly, 29(1), 30-40.
Beunders, H.J.G., M.D. Abraham, A.G. van Dijk & A.J.E. van Hoek (2011) Politie en publiek. Een onderzoek naar de communicatievormen tussen burgers en blauw. Amsterdam: Reed Business.
Blokland, T. (2009). Oog voor elkaar: veiligheidsbeleving en sociale controle in de grote stad. Amsterdam: Amsterdam University Press.
Boin, R. A., van der Torre, E. J., Paul ’t Hart, & van der Meulen, M. J. (2003) Blauwe bazen: het leiderschap van korpschefs. Politie & Wetenschap.
Boverman, E., Van Duijn, L., De Graaf, P. & Ritzema, J. (2011). Politie, twitter en gezag. Warnsveld: Politie Nederland.
Bradford, B., Jackson, J. & Hough, M. (2013). Police Legitimacy in Action: Lessons from Theory and Practice?, in Reisig, M. & Kane, R. (eds.) The Oxford Handbook of Police and Policing. Oxford: Oxford University Press.
Braga, A. A., Welsh, B. C., & Schnell, C. (2015). Can Policing Disorder Reduce Crime? A Systematic Review and Meta-analysis. Journal of Research in Crime and Delinquency, 52(4), 567-588.
Centraal Bureau voor Statistiek (CBS) (2014). Integrale Veiligheidsmonitor 2014. Zoetermeer.
Cornelissen, A. & H. Ferwerda (2010). Burgerparticipatie in de opsporing. Een onderzoek naar aard, werkwijzen en opbrengsten. Apeldoorn: Politie & Wetenschap en Arnhem: Bureau Beke.
Eijk, G. Van (2013). Veiliger door de buurtwacht? Over de veiligheidsbeleving van burgerparticipanten en het belang ervan voor lokaal veiligheidsbeleid. Tijdschrift voor Veiligheid, 12, 20-33.
Eysink Smeets, M., Moors, H., Jans, M. & Schram, K. (2013). De bijzondere belofte van Buurt Bestuurt. Landelijke Expertisegroep Veiligheidspercepties
Gill, C., Weisburd, D., Telep, C. W., Vitter, Z., & Bennett, T. (2014). Community-oriented policing to reduce crime, disorder and fear and increase satisfaction and legitimacy among citizens: a systematic review. Journal of Experimental Criminology, 10(4), 399-428.
Flight, S., van den Andel, A. & Hulshof, P. (2006) Vertrouwen in de politie. Een verkennend onderzoek. Amsterdam: DSP-Groep.
Hough, M., Jackson, J., Bradford, B., Myhill, A., & Quinton, P. (2010). Procedural justice, trust, and institutional legitimacy, Policing: A Journal of Policy and Practice, 203-210.
Land, M. van der, Stokkom, B. van, Boutellier, H. (2014). Burgers in veiligheid: Een inventarisatie van burgerparticipatie op het domein van de sociale veiligheid [Citizens in security: Inventarisation of citizen involvement in the security domain]. Den Haag: Research and Documentation Centre (WODC) (in Dutch).
Mazerolle, L., Antrobus, E., Bennett, S., & Tyler, T. R. (2013). Shaping citizen perceptions of police legitimacy: A randomized field trial of procedural justice. Criminology, 51(1), 33-63.
Meijer, A.J., Grimmelikhuijsen, S., Bos & Fictorie, D. (2011). Burgernet via Twitter. Onderzoek naar de waarde van dit nieuwe medium. Report University of Utrecht.
Meijer, A.J., Grimmelikhuijsen, S.G., Fictorie, D., Thaens, M. & Siep, P. (2012). Politie & sociale media: Van hype naar onderbouwde keuzen. Apeldoorn: Politie en Wetenschap.
Terpstra, J. (2009). Community policing in practice: ambitions and realization. Policing, 4, 64-72.
Van der Vijver, K., & Zoomer, O. (2004). Evaluating community policing in the Netherlands. European journal of crime, criminal law and criminal justice, 12(3), 251-267.
Veltman, L. (2011). Twitterende wijkagenten en de beleving van burgers: Een onderzoek naar de effecten van een twitterende wijkagent. Masterscriptie Public Administration. Enschede: University of Twente.
Vries de, M.S., Vijver van der, C.D., (2002). Beelden van gezag bij de bevolking en bij de politie, Dordrecht: Stichting Maatschappij Veiligheid en Politie.
Weisburd, D., & Eck, J. E. (2004). What can police do to reduce crime, disorder, and fear?. The Annals of the American Academy of Political and Social Science, 593(1), 42-65.

 

Dit onderzoek werd uitgevoerd in het kader van het Europese project INSPEC2T (Inspiring CitizeNS Participation for Enhanced Community PoliCing AcTions);

Bronnen: Tijdschrift voor Veiligheid 2015 (14)

Digitalisering politiewerk

ipalogoOnderstaand artikel verscheen eerder in het magazine van?IPA-Nederland:

De digitalisering van de samenleving is een gegeven.?Een belangrijk onderdeel van deze ontwikkeling is?de opkomst en het gebruik van internet. Een groot?deel van de Nederlandse bevolking en van het Nederlandse?bedrijfsleven is actief op internet. Omdat?de politie als frontlinieorganisatie midden in de samenleving?staat, is het noodzakelijk op de hoogte te zijn van de ontwikkelingen op het gebied van internet?en in te spelen op de kansen die internet biedt.?Aan alles merk je dat het ons als politie ernst is bij?te blijven en onze medewerkers zodanig toe te rusten,?dat ze de burger op een verantwoorde manier?kunnen helpen bij zaken die op de digitale snelweg?spelen. Verderop in het artikel zal ik ontwikkelingen benoemen, die ons daarbij helpen of moeten gaan?helpen.

Social media: het nieuwe dna
Dit is het boek dat Frank Smilda, kwartiermaker van?de Dienst Regionale lnformatie Organisatie van Noord-Nederland schreef met Arnout de Vries van TNO.?Social media zorgen voor een nieuwe revolutie in de opsporing,?zoals DNA dat dertig jaar geleden was. Maar?social media spelen hierin een dubbelrol. Net als DNA?is het een belangrijke informatiebron. Maar het is tevens?het nieuwe platform waarop de ‘digitale’ rechercheur?en de online Sherlock Holmes (samen) werken aan opsporing.?Social media democratiseren de opsporing en?maakt de rol van burgers hierin nog belangrijker. Dit vereist?een verandering van het ‘DNA’ van iedere agent, een?’gamechanger’ in alle facetten van het politiewerk.

ln ons personeelsblad 24/7 was al een artikel te lezen?over het “Speuren op Social Media”. Daarin konden?we lezen dat de korpsleiding heeft ingestemd met een?meerjarig programma dat als doel heeft het gebruik van?social media in te bedden in alle (operationele) politieprocessen.?Dit is een nobel streven, want we kunnen als?politie natuurlijk niet meer om de digitalisering van de?samenleving heen. ln alle politieprocessen speelt de digitalisering?een rol, of dat nu bij lntake, bij Handhaving?of bij Opsporing is. Martine Vis van de Eenheidsleiding?Rotterdam is landelijk verantwoordelijk voor de inbedding?van social media binnen de politie.

Het programma zelf geeft aan dat social media niet?meer weg te denken zijn uit onze maatschappij. Mensen?gebruiken social media om elkaar te betrekken, te?informeren en te be?nvloeden met in hun kielzog de reguliere media. De gevolgen hiervan kunnen groot zijn:?voor bestuurders, politie, het Openbaar Ministerie, maar?ook voor de burger zelf. Recente voorbeelden zijn de?publieke verontwaardiging over de verdachten van uitgaansgeweld?in Eindhoven (camerabeelden) en een?ogenschijnlijk onschuldige Facebook-uitnodiging die?leidde tot grote ongeregeldheden in Haren (Project X).?Social media brengen nieuwe mogelijkheden met zich?mee, maar ook vele (bestuurlijke) dilemma’s en vragen.?Het proces lijkt soms ongrijpbaar en het is zelfs de vraag?of ‘grip krijgen’ ?berhaupt nog aan de orde is. Veel overheidsorganisaties?worstelen dan ook met de vraag hoe?men moet omgaan met een verschijnsel dat zo snel, invloedrijk?en schijnbaar stuurloos is.

Om de verbinding met de samenleving niet te verliezen,?moet de politie mee gaan in deze ontwikkeling. Social?media bieden de politie daarbij ook nieuwe mogelijkheden?verbinding te maken in de haarvaten van de maatschappij?met online gemeenschappen en individuele?burgers. Korlom, de komst van social media heeft een?nieuwe dimensie aan het politievak toegevoegd.?Het gebruik van sociale media in het politiewerk is een?steeds belangrijker rol gaan spelen. Onderzoek er naar?staat nog slechts in de kinderschoenen. Tegelijkertijd?kunnen we dus ook constateren dat er al veel in gang?is gezet en dat er talloze praktische toepassingen zijn?ontwikkeld. Belangrijk is het om deze initiatieven ook
met elkaar te delen. Ook hierbij kunnen sociale media?een nuttige rol spelen. Met de komst van sociale media?is een dimensie aan het politievak toegevoegd die niet?genegeerd kan en mag worden , maar waar tegelijkertijd?nog een wereld te winnen valt…

Als politie gebruiken we de social media steeds meer?als opsporingsmiddel. Dat symboliseert de ‘z??r opvallende’?opmars van social media bij de politie afgelopen?jaar. Veel politiemensen zijn te vinden op Twitter en ook?de vele filmpjes die via Youtube online zijn gezet, missen?hun doel niet. Deze filmpjes zijn al miljoenen keren
bekeken. Dat maakt het gebruik van social media door?ons als politie tot een krachtig middel waarvan steeds?meer gebruik wordt gemaakt. Mede dankzij successen?worden politiekorpsen enthousiast over het gebruik van?social media en het betrekken van burgers bij het politie?werk. We beginnen opsporingssites en verspreiden opsporingsberichten?via eigen profielen op Faeebook en?Twitter. Daarnaast plaatsen we op YouTube bewakingsbeelden?van misdrijven. Vaak wordt daarin verwezen?naar de traditionele media: opsporingsprogramma’s op de landelijke en regionale televisie. Het jaar 20’13 liet zien dat dit middel steeds vaker wordt ingezet door politiekorpsen over de gehele wereld.

Ontwikkelingen

Buiten de sociale media moeten we?als politie ook op andere gebieden?binnen de digitale wereld thuis raken.?Vanaf 2008 tot 2013 werkte het Programma?Aanpak Cybercrime (PAC)?samen met de toenmalige regio’s die?op het gebied van digitalisering iets?wilden ontwikkelen. Een greep uit?wat er zoal is ontwikkeld en tot stand?gebracht volgt hier onder.

E-learning lntake

Aanleiding
De burger doet steeds meer aangifte?van cybercrime gerelateerde zaken?(zoals hacken, internetfraude, zedendelicten?via MSN).?Het eerste aanspreekpunt van de?burgers hierbij zijn de intakeorganisaties?en de callcenters.?Wanneer Service & lntake en de?Callcenters niet bekend zijn met?deze vormen van criminaliteit, niet?bekend zijn met de terminologie of?niet weten hoe de melding afgehandeld?dient te worden heeft dit twee?grote gevolgen:

  • De burger voelt zich niet geholpen?en blijft wellicht gedupeerd, een?volgende keer zal de burger dan?ook weinig vertrouwen hebben?om weer aangifte te komen doen.
  • Bepaalde (vormen van) criminaliteit?en strafbare feiten worden?niet aangepakt en blijven onopgemerkt.

Maar ook wanneer de melding?geen strafbaar feit betreft zal aan?de burger uitgelegd moeten worden?waarom dat zo is. Burgers en?bedrijven moeten met vragen of advies,?op het gebied van cybercrime?en cybersafety bij de politie terecht?kunnen.

ln een onderzoek van het Lectoraat?Cybersafety van de Noordelijke Hogeschool?in Leeuwarden in 2009?blijkt dat de kennis over computer-?en internetcriminaliteit op grote?schaal ontbreekt bij Service & lntake?eenheden en de Callcenters. Dit?is onwenselijk omdat zij het eerste?contact vormen met de burger (Politie en Cybercrime Intake en Eerste opvolging, Een onderzoek naar de intake van het werkaanbod cybercrime door de?politie – Lectoraat cybersafety, Noordelijke Hogeschool Leeuwarden, 20 maart 2009. Zie het volledige onderzoek onderaan dit blog).

Doelstelling

De doelstelling van dit project is om?alle (toekomstige) medewerkers lntake?en Service (baliemedewerkers,?medewerkers callcenter, etc.) op te?leiden en te voorzien van de kennis?en kunde op het gebied van cybercrime?die voor hun functie nodig is. Zodanig?dat ook het vertrouwen van de?burger en het bedrijfsleven groeien.?ln het district Noord- en Oost- Gelderland?is deze e-learning op grote?schaal aan de medewerkers aangeboden.

Handreiking lntake

De handreiking intake cybercrime,?”Alledaags Politiewerk in een gedigitaliseerde?omgeving” is een praktische?beschrijving van verschillende?facetten die van belang zijn?voor de intake van aangiften cybercrime?door de politie. lntakers van?de politie kunnen de handreiking?gebruiken wanneer zij een aangifte?cybercrime opnemen. De handreiking?richt zicht op algemene kennis.?Het is een informatief boekwerk?en niet normatief. Het boekwerk?geeft geen procedurebeschrijvingen,?schrijft dus niet voor volgens welke?stappen de intake moet verlopen.?De Handreiking is als boekwerk beschikbaar?binnen de Eenheden, maar?is ook te raadplegen op Politiekennisnet.

Open Bronnen

De training Gebruik Open Bronnen?via lnternet (GOBI) stimuleert het?gebruik van open bronnen en bevordert?kennis op het gebied van een?veilig gebruik van internet. Het is?gericht op het opdoen van ervaring?en delen van kennis van het zoeken?binnen open bronnen op internet.?Deze training is in opdracht van politie?Haaglanden en in samenwerking
met het Programma Aanpak Cybercrime?(PAC) ontwikkeld. Doel van de?training is medewerkers binnen alle?processen te faciliteren en te ondersteunen?in hun werk door ze, op?een veilige manier, gebruik te laten?maken van informatie uit open bronnen?op internet in de dagelijkse politiepraktijk.?Tijdens de projectfase in?Haaglanden heeft het project GOBI?geleid tot belangrijke successen.?Een van de successen is dat het gebruik?van informatie uit open bronnen?binnen de projectperiode aan?meer dan 460 zaken een positieve?bijdrage heeft geleverd.?De training is op dit moment beschikbaar?voor het hele land en zal?via het Programma Social Media?verder worden uitgerold.

Vijfdaagse / e-Iearning tactisch?rechercheurs
Vanaf 2009 tot 31 december 2012 is?het Programma Aanpak Cybercrime?actief met stimulering en organisatie?van een opleidingsaanbod voor de?algemene tactische recherche. Dit?aanbod bestaat uit twee trainingen,?namelijk

  • een 5daagse training via contactonderwijs,?die wordt verzorgd?door de Politieacademie en
  • een variant daarop die deels via elearning?plaatsvindt en wordt verzorgd?door de Deloitte Academy.

lnhoudelijk zijn de trainingen vrijwel?gelijk.

Het vijfdaagse trainingsprogramma ‘Digitalisering in de?Opsporingspraktijk’ van de Politieacademie komt voort?uit het Landelijk Project Digitaal Opsporen (LPDO) en is?sinds 2004 in uitvoering. ln opdracht van de Board Opsporing?heeft het PAC in 2008 de training ge?valueerd.?Daaruit bleek de behoefte van de korpsen aan een flexibele?opleidingsvariant. Als antwoord heeft het PAC in?opdracht van de Board Opsporing in 2009 een verkorte,?deels via e-learning te volgen, opleiding voor tactische?rechercheurs en leidinggevenden laten ontwikkelen.?Sinds 1 januari 2010 worden beide opleidingen aan de?korpsen aangeboden.

Compronet
ComProNet – het Community Protection Network – is?een high-tech sensor- en social mediaproject om sneller?hulp te bieden bij incidenten en te zorgen voor meer?heterdaadjes. Het gaat uit van actieve wederkerigheid?(tweerichtingsverkeer).?Binnen ComProNet werken burgers, particuliere en publieke?bedrijven, professionals, politie, brandweer, ambulance?en sensoren samen om criminaliteit terug te?dringen via de smartphone.?De politie is hierin een hulpverlener of ondersteuner en?daarmee nadrukkelijk (net als de burgers) onderdeel van?ComProNet. Hierdoor werken burgers en overheid samen?aan het veiliger maken van de maatschappij. Om?de burger goed te informeren en te betrekken maakt?ComProNet gebruik van slimme software om incidentmeldingen?en aanvullende informatie te ontvangen, te?verwerken en acties uit te zetten. Het systeem bekijkt de?inzetmogelijkheden van deelnemers in de buurt van een incident, die kunnen bijdragen aan de oplossing van het incident en faciliteert de onderlinge communicatie tussen de deelnemers aan een incident.

ComProNetpic

De pilots, die gehouden werden in Groningen, Assen en?op Schipholwaren een groot succes.?Eind 2012 draaide een ComProNet pilot in Assen. Via?de iPhone stonden ondernemers, politie, beveiliging en?gemeente zes weken lang in contact met elkaar, en het?werkte. Het aantal aanhoudingen en boetes steeg, het?gevoel van veiligheid ook. De politie was meestal zeer?snel ter plaatse, gewapend met de juiste informatie, tot?aan foto’s toe. 85% van de heterdaadjes is te danken?aan een burger.?ComProNet is de ideale tool om de opvolging door de?politie te versnellen en te verbeteren. Of ComProNet landelijk?wordt uitgerold is een beslissing die nog door de?nationale politie moet worden genomen. Het PAC heeft?de portefeuillehouder Digitalisering en Cybercrime verzocht?mogelijkheden te zoeken om de functionaliteit van?ComProNet verder te omtwikkelen.?Op dit moment doet de Nationale Politie er nog niets?mee, terwijl het in de uitvoering erg kan helpen heterdaadkracht?te verhogen. Het ligt “op de plank”.?Mochten er vragen bij jullie leven over hetgeen ik in dit?stuk heb uiteengezet dan kunnen jullie me altijd bellen.

Auteur: Bert Veltman,?Ambtelijk secretaris Hoofden Digitale Expertise