Bijlage 3 - Onderzoeksrapport ‘Overlastmeldingen door Amsterdammers’.pdf

-

Overlastmeldingen door Amsterdammers Onderzoek en Statistiek

1

In opdracht van: Dienstverlening Projectnummer: 21330 Auteur: Joris Klingen, Sara de Wilde, Kiran Ramlakhan, Nathalie Hesseling E-mailadres: j.klingen@amsterdam.nl, s.wilde@amsterdam.nl, k.ramlakhan@amsterdam.nl , nathalie.bosman@amsterdam.nl Met medewerking van Lotje Cohen en Isabel van Winsen Bezoekadres: Weesperstraat 113-117 Telefoon: 020 251 0333 Postbus 658, 1000 AR Amsterdam data.amsterdam.nl Amsterdam, september 2022 Foto voorzijde: Koningsdag 2022, fotograaf John van Helvert (2022)

2

Inhoud

Samenvatting en conclusie Trends van diverse type meldingen en de plekken waar gemeld wordt De ervaren overlast van Amsterdammers Factoren die het aantal meldingen beïnvloeden De meldingsbereidheid van Amsterdammers Conclusie en aanbevelingen

Inleiding

4 5 5 6 7 8

10

Methode Literatuurverkenning Data-analyse Kwalitatief onderzoek Leeswijzer

10 11 11 11 12

1 Literatuur over overlast en melden

13

1.1 Overlast beleven 13 1.2 Overlast melden: waarom wel of niet? 14 1.3 Achtergrondkenmerken, motivaties en emoties meldingsbereidheid in dit onderzoek 15

2 Analyse SIA-meldingen

18

2.1 Algemene ontwikkelingen 18 2.2 Metingen en subjectieve beoordeling van de openbare ruimte in relatie tot meldingen 21 2.3 Factoren die het aantal meldingen beïnvloeden 25 2.4 Veelmelders 27 2.5 Waardering van afhandeling 29

3 Groepsgesprekken met bewoners 3.1 Ervaren overlast 3.2 Overlast melden 3.3 Niet melden 3.4 Hoe kan de gemeente ervoor zorgen dat Amsterdammers overlast melden?

32 32 34 38 39

Bijlage 1 Literatuur

41

Bijlage 2 Overige resultaten data-analyse

42

Factoren meldingsbereidheid Containeradoptanten

42 44

Bijlage 3 Topiclijst groepsgesprekken

45 3

Samenvatting en conclusie

Als Amsterdammers ergens overlast van ervaren in de openbare ruimte kunnen zij dat melden bij de gemeente. Tussen 2019 en 2021 was er een sterke toename van meldingen: van ruim 250.000 in 2019 tot ruim 400.000 in 2021. Dienstverlening heeft behoefte aan meer verdieping en duidelijkheid over de meldingsbereidheid van Amsterdammers, zodat zij de dienstverlening aan Amsterdammers kan verbeteren. Bovendien heeft de Rekenkamer Metropool Amsterdam (RMA) in 2020 en 2021 onderzoek gedaan naar doeltreffendheid van de afhandeling van meldingen openbare ruimte in Amsterdam en Weesp.1 De conclusies en aanbevelingen van dat onderzoek zijn door Dienstverlening uitgewerkt in een meerjarig actieplan met 15 activiteiten. Eén van de activiteiten is het onderzoeken van de meldingsbereidheid en de achtergrond van het stijgend aantal meldingen. Dienstverlening heeft daarom aan Onderzoek en Statistiek (O&S) gevraagd om een onderzoek naar de meldingsbereidheid van Amsterdammers uit te voeren, waarbij de volgende kernvraag centraal staat: Hoe verhouden de toegenomen meldingen in de stad zich tot de meldingsbereidheid? Om deze vraag te kunnen beantwoorden is het van belang om meer inzicht te krijgen in een aantal aspecten van de onderzoeksvraag:  De trends van diverse type meldingen en de plekken waar gemeld wordt.  De ervaren overlast van Amsterdammers.  De meldingsbereidheid van Amsterdammers.

Methode O&S heeft het onderzoek stapsgewijs uitgevoerd. Allereerst is een korte literatuurverkenning gedaan naar wat uit eerder onderzoek bekend is over het ervaren van overlast en meldingsbereidheid. Deze literatuurverkenning is vervolgens gebruikt om een data-analyse uit te voeren op het meldingenbestand van de gemeente Amsterdam. Het doel van de data-analyse was de trend van (verschillende type) meldingen op verschillende plekken in de stad te doorgronden en de ontwikkelingen van deze meldingen te vergelijken met andere bronnen (zoals metingen van zwerfvuil in de openbare ruimte). Ook is de relatie onderzocht tussen het aantal meldingen en een aantal sociale en fysieke kenmerken van een gebied. Kenmerken van melders konden niet onderzocht worden, omdat hierover geen informatie wordt bijgehouden. Tot slot is, met input vanuit de literatuur en de data-analyse, een drietal groepsinterviews met Amsterdammers uitgevoerd in drie wijken (Bijlmer-Oost, de Dapperbuurt en Buikslotermeer). Met de groepsinterviews is getracht naar boven te brengen welke achterliggende motivaties een rol spelen in het al dan niet melden van overlast, wanneer bewoners iets als overlast ervaren en wat bewoners nodig hebben om laagdrempelig te melden. 1 RMA (2021). Afhandeling meldingen openbare ruimte Amsterdam - Bestuurlijk rapport. Geraadpleegd via

https://publicaties.rekenkamer.amsterdam.nl/afhandeling-meldingen-openbare-ruimte-amsterdambestuurlijkrapport/; RMA (2021). Afhandeling meldingen openbare ruimte Amsterdam – Onderzoeksrapport. Geraadpleegd via https://publicaties.rekenkamer.amsterdam.nl/afhandeling-meldingen-openbare-ruimteamsterdamonderzoeksrapport/

4

Trends van diverse type meldingen en de plekken waar gemeld wordt Stijging in het aantal meldingen, voornamelijk over afval Het aantal meldingen stijgt overal in de stad. Wel zijn er grote verschillen tussen gebieden, zowel in het aantal meldingen als in de onderwerpen waarover wordt gemeld. Veruit de meeste meldingen gaan over afval (meer dan 50% in 2021) en in die rubriek groeide het aantal meldingen ook het sterkst. Voor sommige typen meldingen lijkt er ook een invloed te zijn van de coronacrisis, zoals de toename in het aandeel meldingen van overlast van personen of groepen aan het begin van 2020. De meldingsdichtheid (het aantal meldingen per vierkante kilometer) is vooral groot op de drukke plekken in de stad, zoals Burgwallen-Oost, Rembrandtplein, Leidsepleinbuurt-Noordoost en de Jordaan. Ook de Pijp en het zuidoostelijke deel van stadsdeel West hebben een hogere meldingsdichtheid. Veelmelders verantwoordelijk voor aanzienlijk deel van de niet-anonieme meldingen Ongeveer de helft van de meldingen wordt anoniem gedaan, de andere helft niet. Voor het nietanonieme deel is gepseudonimiseerd berekend hoeveel meldingen er per persoon zijn gedaan. Ruim 60% van deze niet-anonieme melders heeft tussen 2019 en 2021 één melding gedaan. Die meldingen vertalen zich tot 20% van de niet-anonieme meldingen die door burgers zijn gedaan.

Tegelijkertijd zijn er weliswaar weinig (minder dan 0,1%) melders die meer dan 100 meldingen per persoon hebben gedaan tussen 2019 en 2021, maar die groep is wel verantwoordelijk voor 20% van alle niet-anonieme meldingen.2 Het aandeel meldingen van veelmelders (melders die meer dan 100 meldingen deden tussen 2019 en 2021) ligt wat hoger in Centrum, maar over het algemeen is er geen duidelijk verband tussen buurtkenmerken en de aanwezigheid van veelmelders. Wat wel opvalt is dat in sommige buurten meer dan 50% van alle niet-anonieme meldingen van veelmelders komt. Wanneer veelmelders een dusdanige hoeveelheid meldingen voor hun rekening nemen, betekent dat ook dat het beeld van de overlast dat ontstaat vanuit meldingen mogelijk vertekent. De inzichten over overlast worden dan namelijk voor een groot deel bepaald door enkele Amsterdammers. Tegelijkertijd zien we dat de rubrieken waarin veelmelders vooral actief melden niet sterk verschillen van de rubrieken van niet-veelmelders. Dat duidt erop dat als een groot aandeel van de meldingen in een buurt van veelmelders komt, dat niet per se betekent dat de meldingen een vertekend beeld geven van het type overlast dat wordt ervaren.

De ervaren overlast van Amsterdammers Aantal meldingen komt overeen met waardering openbare ruimte, zwerfvuil en aantal verblijvers De toename in het aantal meldingen hangt samen met ‘objectieve’ metingen van potentiele overlast, zoals CROW-scores (metingen van zwerfvuil) en het aantal verblijvers in de stad (verblijversdichtheidsindex), maar ook met subjectieve metingen (enquête Wonen in Amsterdam/MRA) van hoe Amsterdammers de openbare ruimte waarderen. De duidelijkste overeenkomst is te zien in de waardering van de openbare ruimte, die de afgelopen jaren op meerdere overlastthema’s is gedaald. Op wijkniveau is daarnaast te zien dat de meldingen ook

2 Het SIA-systeem wordt ook gebruikt voor interne meldingen, bijvoorbeeld door BOA’s of door een

gastvrouw/gastheer. Deze interne meldingen zijn niet meegenomen in deze aantallen.

5

hoger zijn in gebieden met een hogere verblijversdichtheidsindex 3 Een relatie tussen de vuilgraad (CROW-scores) en het aantal meldingen lijkt minder eenduidig. Ondanks dat het op basis van de CROW-scores iets viezer lijkt de worden in de stad, zijn deze verschuivingen klein in de periode 2017-2020 en lijkt het niet waarschijnlijk dat een toename in het aantal afvalmeldingen direct terug te leiden is tot een toename in bijvoorbeeld zwerfvuil. Van veel andere vormen van overlast zijn geen meetgegevens beschikbaar die een periode bestrijken die lang genoeg is om ontwikkelingen in kaart te brengen. Geïnterviewden ervaren vooral overlast van afval en verkeer Uit de groepsgesprekken met bewoners uit Bijlmer-Oost, de Dapperbuurt en Buikslotermeer blijkt dat zij in hun buurt vooral overlast ervaren van afval (zwerfvuil, bijplaatsingen, kapotte/ volle containers en grofvuil) en verkeer (te hard rijden, hard geluid en parkeerproblematiek). Ook veel andere overlastvormen werden genoemd, maar over afval en verkeer was de overlastbeleving het grootst. De overlast die de geïnterviewden ervaren en de daarbij behorende problematiek wordt door hen soms gerelateerd aan keuzes van de gemeente, zoals het verwijderen van prullenbakken door de gemeente of het vergunnings- en parkeerbeleid.

Factoren die het aantal meldingen beïnvloeden Bevolkingsdichtheid, opleidingsniveau en koopwoningen mede bepalend voor het aantal meldingen. Uit de data-analyse komen verschillende factoren naar voren die samenhangen met het aantal meldingen in een buurt. Deze factoren zijn onafhankelijk van elkaar gemeten en komen weliswaar soms samen voor in een buurt (bijvoorbeeld veel koopwoningen en hoge inkomens), maar kunnen los van elkaar een tegengesteld effect op het aantal meldingen hebben.  Ten eerste blijkt dat een hogere bevolkingsdichtheid van bewoners in een buurt gepaard gaat met minder meldingen per inwoner. Een mogelijke verklaring op basis van de groepsgespreken kan zijn dat bewoners van grotere wooncomplexen (met ook sociale huur) niet (alleen) meldingen doen bij de gemeente maar ook bij de woningcorporatie.  Daarnaast gaat een hoger aandeel hoogopgeleiden in een buurt gepaard met meer meldingen. In de groepsgesprekken noemt een enkeling ook dat er wellicht een relatie is tussen een lager opleidingsniveau en niet melden. Uit de gesprekken komt echter vooral naar voren dat niet melden te maken kan hebben met een taalbarrière of digitale barrière voor bewoners. Ook zou niet iedereen weten waar gemeld kan worden.  In tegenstelling tot wat eerder onderzoek liet zien, blijkt voor Amsterdam dat een groter aandeel koopwoningen in een buurt leidt tot minder meldingen.

Dit effect komt naar voren als we controleren voor andere factoren zoals opleidingsniveau en inkomen. In de praktijk zullen in gebieden met veel koopwoningen ook relatief veel hoogopgeleiden wonen, waardoor het aantal meldingen daar alsnog hoog kan uitvallen.

3 De verblijversindex wordt jaarlijks berekend op basis van statische gegevens, zoals het aantal inwoners, studenten,

OV-reizigers en bezoekers. Deze index is geschikt voor vergelijking over de ruimte, bijvoorbeeld om wijken met elkaar te vergelijken, maar maakt het door de lage frequentie niet mogelijk om het effect van gebeurtenissen zoals een tijdelijke lockdown in kaart te brengen.

6

De meldingsbereidheid van Amsterdammers Wanneer wordt er gemeld? In de groepsgesprekken is een aantal redenen genoemd waarom bewoners wel een melding van overlast maken:  De bewoner kan het zelf niet binnen korte tijd (bijv. 10-15 minuten) oplossen of bewoners kunnen het niet zelf oplossen; de oplossing moet vanuit een andere instantie komen. Bijvoorbeeld straatverlichting dat kapot is of een volle container.  Als men zich eraan irriteert of ergert.  Als het acuut/nodig/terecht is. Over het laatste punt (wanneer is melden nodig en terecht) verschillen de meningen. Sommigen vinden bijvoorbeeld dat alles gemeld moet worden, terwijl anderen dit niet zo zien. Niet iedereen vindt dat alles melden de juiste oplossing is. Zij vrezen dat er een grote druk op de gemeente komt te staan als bewoners van alle (kleine) zaken een melding doen en dat de gemeente dan niet meer alle meldingen kan behandelen. Bewoners zouden volgens hen ook zelf verantwoordelijkheid moeten nemen en af en toe iets moeten opruimen. Geïnterviewden vinden het wel belangrijk dat bewoners die een melding maken gehoord worden: er moet een terugkoppeling komen vanuit de gemeente en de overlast moet worden opgelost. Een kleine groep betrokken bewoners meldt namelijk veel, maar als deze groep het idee krijgt dat problemen niet worden opgelost, zullen zij minder melden.

Redenen om niet te melden lopen uiteen In de groepsinterviews zijn diverse redenen genoemd waarom de geïnterviewden en/of hun buurtbewoners geen melding doen bij de gemeente:  Bewoners kunnen de overlast zelf oplossen.  Bewoners vindt dat melden moeizaam gaat.  Bewoners voelen zich niet in de positie om te melden.  Bewoners hebben geen vertrouwen dat er iets met de melding gebeurt, denken dat het geen zin heeft of voelen zich niet serieus genomen. Dat kan bijvoorbeeld door eerdere ervaringen bij de gemeente (niet per se met melden) waarbij men ‘van het kastje naar de muur is gestuurd’.  Bewoners weten niet hoe zij kunnen melden.  Bewoners weten niet waar zij wat moeten melden: bij de gemeente, de politie of de woningcorporatie.  Bewoners durven niet te melden.  Bewoners ervaren situaties of gedragingen niet als overlast. Een app, sleutelfiguren en duidelijke communicatie (in diverse talen) belangrijk in verhogen meldingsbereidheid Een app om overlast mee te melden zou volgens geïnterviewde bewoners een middel kunnen zijn waarmee meer Amsterdammers overlast melden bij de gemeente. Hiermee zou melden vooral sneller worden. Maar niet alleen moet het melden zelf makkelijker worden gemaakt, ook hoe en waar men kan melden moet breder bekend worden. Volgens diverse bewoners zijn er namelijk mensen die niet weten dat ze kunnen melden en/of niet weten hoe dat kan.

Die onbekendheid komt vooral door een taalbarrière of gebrekkige digitale vaardigheden. Een advies van de deelnemers is dan ook om de mogelijkheid tot melden bij de gemeente op diverse 7

manieren te communiceren en/of een reclamecampagne te starten. Dit kan bijvoorbeeld met flyers of brieven in de brievenbus, banners, posters langs de weg of spotjes op lokale radiozenders, maar ook met een informatiebusje op een plein in de buurt. Deze communicatie moet volgens de geïnterviewden niet alleen in het Nederlands maar ook in verschillende andere talen. Bovendien moet de gemeente zichtbaarder zijn in de wijk om bewoners te helpen met het melden van overlast, maar ook om te helpen bij allerlei andere vragen. Men mist nu een contactpersoon in de wijk, zowel vanuit de gemeente maar bijvoorbeeld ook van de politie. Daarnaast zou een centrale sleutelfiguur in de buurt kunnen helpen. Als buurtbewoners bijvoorbeeld in een groepsapp met de buurt overlast benoemen maar zelf niet zo vaardig zijn in het melden van overlast, kunnen deze sleutelfiguren de melding voor hen doen. Uit de groepsgesprekken blijkt dat sommige bewoners deze taak al op zich nemen voor anderen, maar daar zou meer waardering en bekendheid aan gegeven kunnen worden.

Conclusie en aanbevelingen In het onderzoek stond de volgende vraag centraal: Hoe verhouden de toegenomen meldingen in de stad zich tot de meldingsbereidheid? De afgelopen jaren is het aantal meldingen (stap 5 in figuur 1) fors toegenomen in de stad. Die toename is voor een groot deel gedreven door meldingen over afval. Uit andere indicatoren (metingen en een enquête) blijkt ook dat zwerfvuil in de openbare ruimte is toegenomen. De toename in het aantal meldingen lijkt dus een relatie te hebben met een toename in potentiële overlast (stap 1). Ook in beoordelingen (enquête) van de openbare ruimte zien we een verslechtering (stap 3). Daarmee kunnen we de (voorzichtige) conclusie trekken dat de toename van het aantal meldingen in elk geval voor een deel wordt veroorzaakt door een verminderde tevredenheid over de openbare ruimte en/of meer potentiële overlastsituaties. In hoeverre de toename in meldingen is gedreven door een toename in waarnemingen (stap 2) van overlast en in een toename van meldingsbereidheid (stap 4) is op basis van dit onderzoek lastig te beantwoorden. Figuur 1: Schema overlastproces Situatie met potentiële overlast

Waarneming

Beoordeling

Meldingsbereidheid

Melding

Bron: Andersson Elffers Felix (2012), bewerking O&S

Wat we in dit onderzoek wel zien, is een aantal factoren die samenhangen met het groter aantal meldingen in een buurt. De belangrijkste daarvan zijn: een hoger opleidingsniveau, een lagere bevolkingsdichtheid en een lager aandeel koopwoningen. In groepsgesprekken gaven Amsterdammers aan dat zij melden als zij overlast zelf niet (snel) kunnen oplossen, wanneer zij zich ergeren aan situaties of wanneer zij een melding doen nodig/terecht vinden. Wanneer dat laatstgenoemde het geval is, hangt af van persoonlijke opvattingen. Het is aannemelijk dat bovengenoemde factoren niet alleen samenhangen met de mate van overlast, maar ook met de bereidheid tot melden. Uit dit onderzoek blijkt bijvoorbeeld dat in buurten met weinig meldingen over afval, de mate van potentiële overlast alsnog verschilt.

8

In buurten met weinig meldingen, maar met veel potentiële overlast (op basis van zwerfvuilmetingen) wonen gemiddeld minder hoogopgeleide Amsterdammers. Of bewoners in deze buurten de overlast niet waarnemen, anders beoordelen of een lagere meldingsbereidheid hebben, is niet met zekerheid te zeggen. Wat we wel zien is dat in buurten met weinig meldingen en veel hoogopgeleide Amsterdammers er weinig potentiële overlast is gemeten. Wanneer de meldingsbereidheid varieert tussen buurten en groepen, zullen meldingen niet altijd representatief zijn. Er zullen groepen niet vertegenwoordigd zijn, die bijvoorbeeld niet melden door gebrek aan vertrouwen dat hun probleem wordt opgelost, of niet kunnen melden door bijvoorbeeld een taalachterstand of verminderde digitale vaardigheden. Uiteraard kunnen deze groepen nog steeds overlast ervaren, maar vinden zij de weg naar het melden niet of hebben ze hier geen behoefte aan. Het risico bestaat dat er te veel aandacht uit gaat naar wijken met de meeste meldingen, terwijl dit wellicht niet de wijken zijn waar de meeste problematiek speelt.

Aanbevelingen voor vervolgonderzoek Om beter in beeld te krijgen of meldingen ook daadwerkelijk overlast representeren is het raadzaam om in vervolgonderzoek niet alleen de meldingsdata te analyseren, maar ook via bijvoorbeeld een enquête op een structurele en grootschalige manier op zoek te gaan naar oorzaken van het wel of niet melden. De redenen om wel of niet te melden die uit het kwalitatieve deel van dit onderzoek naar voren kwamen zouden bij een dergelijke enquête voorgelegd kunnen worden aan een grotere groep Amsterdammers om te kijken welke redenen bij welke Amsterdammers voornamelijk belangrijk zijn. Met een dergelijk onderzoek kan beter in beeld komen hoe de relatie tussen meldingen en overlast ligt in de verschillende buurten, voor de verschillende vormen van overlast en voor verschillende mensen. Aanbevelingen om de meldingsbereidheid te vergroten Uit de groepsgesprekken kwam daarnaast de wens naar voren om duidelijker te maken waar en hoe men kan melden op verschillende manieren. Bijvoorbeeld met flyers, banners, posters enzovoorts. Belangrijk is dat de communicatie niet alleen in het Nederlands wordt gevoerd, maar in verschillende talen. Daarnaast is er vanuit bewoners de roep voor een app die het makkelijker zou moeten maken om een melding te maken.

Daarbij komt dat het contact met de gemeente in algemene zin makkelijker gemaakt moet worden, bijvoorbeeld door in te zetten op sleutelfiguren in een buurt. Tenslotte is een belangrijk punt dat het melden iets moet opleveren om te zorgen dat mensen blijven melden, of dit gaan doen. Idealiter zorgt een melding voor een oplossing, maar in ieder geval wordt een terugkoppeling vanuit de gemeente al als prettig ervaren (ook als in die terugkoppeling wordt aangegeven dat er niets aan gedaan kan worden). Mocht de gemeente gaan experimenteren met manieren om meldingsbereidheid te vergroten dan raden we aan dit in specifieke buurten te doen en via onderzoek met in ieder geval de SIAmeldingen deze experimenten te evalueren.

9

Inleiding

Als Amsterdammers ergens overlast van ervaren in de openbare ruimte kunnen zij daar een melding van maken bij de gemeente. Tussen 2019 en 2021 is het aantal meldingen toegenomen van ruim 250.000 tot ruim 400.000. Dienstverlening heeft behoefte aan meer verdieping en duidelijkheid over de meldingsbereidheid van Amsterdammers, zodat zij de dienstverlening aan Amsterdammers kan verbeteren. Bovendien heeft de Rekenkamer Metropool Amsterdam (RMA) in 2020 en 2021 onderzoek gedaan naar doeltreffendheid van de afhandeling van meldingen openbare ruimte in Amsterdam en Weesp.4 De conclusies en aanbevelingen van dat onderzoek zijn door Dienstverlening uitgewerkt in een meerjarig actieplan met 15 activiteiten. Eén van de activiteiten is het onderzoeken van de meldingsbereidheid en de achtergrond van het stijgend aantal meldingen. Dienstverlening heeft daarom aan Onderzoek en Statistiek (O&S) gevraagd om een onderzoek naar de meldingsbereidheid van Amsterdammers uit te voeren, waarbij de volgende kernvraag centraal staat: Hoe verhouden de toegenomen meldingen in de stad zich tot de meldingsbereidheid? Om deze vraag te kunnen beantwoorden is het van belang om meer inzicht te krijgen in een aantal aspecten van de onderzoeksvraag:  De trends van diverse type meldingen en de plekken waar gemeld wordt.  De ervaren overlast van Amsterdammers.  De meldingsbereidheid van Amsterdammers.

In de kern komt de vraag van Dienstverlening aan O&S neer op het ontrafelen van de meldingsbereidheid in de stad over de hele breedte van overlast.

Methode O&S heeft het onderzoek stapsgewijs uitgevoerd. Allereerst is een korte literatuurverkenning gedaan naar factoren die van invloed zijn op het ervaren van overlast en het melden ervan. Deze literatuurverkenning is gebruikt om vervolgens een data-analyse uit te voeren op het meldingenbestand van de gemeente Amsterdam. Tot slot is, met input vanuit de literatuur en de data-analyse, een drietal groepsinterviews met Amsterdammers uitgevoerd. Hieronder wordt elke stap toegelicht.

4 RMA (2021). Afhandeling meldingen openbare ruimte Amsterdam - Bestuurlijk rapport. Geraadpleegd via

https://publicaties.rekenkamer.amsterdam.nl/afhandeling-meldingen-openbare-ruimte-amsterdambestuurlijkrapport/; RMA (2021). Afhandeling meldingen openbare ruimte Amsterdam – Onderzoeksrapport. Geraadpleegd via https://publicaties.rekenkamer.amsterdam.nl/afhandeling-meldingen-openbare-ruimteamsterdamonderzoeksrapport/

10

Literatuurverkenning Vanwege de brede vraag (de meldingsbereidheid in de stad onderzoeken over de hele breedte van overlast) is allereerst een literatuurverkenning gedaan naar wat uit eerder onderzoek bekend is over melden en de meldingsbereidheid. Daarbij is gekeken naar onderzoek dat eerder is gedaan binnen/voor de gemeente Amsterdam maar ook daarbuiten. Ook is niet alleen gekeken naar onderzoek naar redenen om overlast wel of niet te melden maar ook naar literatuur waarin het ging om het melden van criminaliteit. De input van deze literatuurverkenning is gebruikt als input voor de vervolgstappen van het onderzoek (data-analyse en kwalitatief onderzoek).

Data-analyse Met behulp van de input uit de literatuurverkenning en de daaruit voortvloeiende indicatoren is vervolgens een data-analyse uitgevoerd. Het doel van deze data-analyse was de trend van (verschillende type) meldingen op verschillende plekken in de stad te doorgronden. In deze dataanalyse is een aantal stappen genomen:  Allereerst zijn de verschillende soorten meldingen in de stad, het verloop daarvan door de jaren heen (start SIA-systeem t/m 2021) en de plekken waar de meldingen worden gedaan in kaart gebracht. Door middel van deze analyse is de algehele ontwikkeling van alle meldingen bekeken, van de diverse onderliggende hoofdcategorieën en op diverse plekken in de stad.  Vervolgens zijn de ontwikkelingen van de gemelde vormen van overlast en de plekken waarop dit zich manifesteert vergeleken met andere bronnen waarmee overlast subjectief wordt gemeten (enquêtedata) en bronnen die een objectieve meting zijn van de openbare ruimte (zoals CROW-metingen of de verblijversdichtheidsindex).  Daarna is de relatie onderzocht tussen het aantal meldingen en een aantal sociale en fysieke kenmerken van een gebied, bijvoorbeeld een buurt of wijk. Deze variabelen zijn zowel aan de analyse toegevoegd op basis van de deskresearch als ook verkennend.

Allereerst is gekeken naar de relatie tussen deze indicatoren en alle meldingen in de stad, vervolgens is dit bekeken voor verschillende type meldingen. Tot slot is de tevredenheid over de afhandeling meegenomen in de analyses. Hetzelfde geldt voor informatie omtrent de melder: voor een deel van de meldingen was het mogelijk om gepseudonimiseerd te bekijken hoeveel unieke melders en hoeveel identieke melders er zijn. Deze informatie is eveneens geanalyseerd.

Kwalitatief onderzoek Na de literatuurverkenning en de data-analyse bestond er meer inzicht in de meldingspatronen in de stad over tijd, plekken en type overlast en kenmerken van wijken en bewoners die deze patronen zouden kunnen verklaren. Daarmee was echter nog geen inzicht in achterliggende motivaties voor het al dan niet melden van overlast, wanneer bewoners iets als overlast ervaren en wat bewoners al dan niet nodig hebben om laagdrempelig te melden. Uitgangspunt bij de meldingsbereidheid is dat motivaties om al dan niet te melden zullen verschillen per type overlast die men ervaart. Om hier meer over te weten te komen, heeft O&S drie groepsinterviews van 1,5 uur georganiseerd. Groepsinterviews dagen respondenten uit om hun standpunten te verdedigen en 11

op elkaar te reageren. In de gesprekken is dan ook getracht te achterhalen wat de deelnemers als overlast ervaren en wat de oorzaak is van eventuele verschillen daartussen, waarom het één wel en het ander niet wordt gemeld en er is met de deelnemers nagedacht over oplossingen (zie de gehele topiclijst in bijlage 3 voor alle onderwerpen). O&S heeft, in afstemming met Dienstverlening, de groepsinterviews in drie wijken gehouden:  Buikslotermeer (stadsdeel Noord)  Bijlmer-Oost (stadsdeel Zuidoost)  De Dapperbuurt (stadsdeel Oost) In hoofdstuk 3 is te lezen hoe de keuze voor deze wijken tot stand is gekomen. Om een gevarieerde groep deelnemers te spreken tijdens de groepsinterviews, zijn deelnemers geworven via gebiedsmakelaars in de wijken, buurthuizen, het Stadspanel Amsterdam (beheerd door O&S) en tot slot via een sneeuwbalmethode: bewoners konden de oproep doorsturen aan andere buurtbewoners. Uiteindelijk deden de meeste deelnemers mee vanuit het Stadspanel en enkelen deden mee via een gebiedsmakelaar of de sneeuwbalmethode. Aan de groepsinterviews deden uiteindelijk in totaal 22 deelnemers mee. De gesprekken duurden 1,5 uur en vonden plaats in buurthuizen in de betreffende wijken. In elke wijk vond één groepsgesprek plaats. De deelnemers wonen in verschillende delen van de wijken. Veel deelnemers hadden weleens een melding gedaan bij de gemeente, maar niet iedereen.

De meeste deelnemers wonen al lang in de wijk en zijn betrokken bij de wijk. De deelnemers vonden zichzelf geen representatieve groep voor de bewoners in de wijk: ze gaven aan dat zij bijvoorbeeld ouder zijn dan gemiddeld en dat zij diversiteit qua herkomst onder de deelnemers misten.

Leeswijzer In het eerste hoofdstuk worden beknopt de resultaten van de literatuurscan beschreven. Het tweede hoofdstuk bevat de resultaten van de data-analyse die is gedaan op de SIA-data. In het derde hoofdstuk worden de uitkomsten van de drie groepsgesprekken beschreven. Het rapport wordt afgesloten met een conclusie.

12

1 Literatuur over overlast en melden

In dit hoofdstuk beschrijven we wat in de literatuur wordt geschreven over het ervaren van overlast enerzijds en het melden van overlast anderzijds.

1.1 Overlast beleven Het Sociaal en Cultureel Planbureau (SCP) beschrijft, in navolging van de Raad voor Maatschappelijke Ontwikkeling (RMO), overlast als “gedragingen die op zichzelf niet strafbaar zijn, zoals het rondhangen van groepen jongeren, onbeleefdheden, rondslingerend vuil, bedreigingen en scheldpartijen, maar die wel als hinderlijk of intimiderend worden ervaren (RMO, 2004).”5 Dergelijke gedragingen worden vaker ervaren in verstedelijkte gebieden dan in minder verstedelijkte gebieden.6 Het proces van overlast beleven Typerend aan overlast is dat het grotendeels subjectief is. In het rapport Overlastbeleving begrijpen en aanpakken7 is dit subjectieve proces in kaart gebracht en worden vier stappen onderscheiden in de totstandkoming van ervaren overlast door burgers8: 1. Een situatie doet zich voor. 2. De situatie wordt al dan niet waargenomen door burger of overheid. Hierbij speelt het een rol hoe dichtbij de situatie speelt en of de situatie door iemand zelf is waargenomen of van horen zeggen is. Een waarneming is vaak ook onbewust. Daarnaast maakt het uit of de situatie relevant is voor de burger, of de situatie bestaande opvattingen bevestigt of tegenspreekt, maar ook of iemand gewend is aan de situatie. 3. Nadat de situatie is waargenomen, vindt beoordeling plaats op basis van eigen of gedeelde normen en waarden.

Eerst wordt ingeschat of een waarneming van invloed is op het welzijn, vervolgens wordt de ernst van de situatie ingeschat. Zowel individuele als collectieve factoren spelen een rol in de beoordeling. Individuele factoren zijn bijvoorbeeld eerdere (in)directe confrontaties met criminaliteit en overlast, de relatie met de overlastveroorzaker, relaties die men heeft met anderen, de mate waarin men zich houdt aan normen en waarden en hoe men door mensen met publiekelijk gezag is bejegend. Collectieve factoren zijn bijvoorbeeld stereotypen en metaforen (de overlast wordt gezien als symbool voor andere, diepere problematiek). Ook spelen in de beoordeling waardeoordelen een rol. Op basis van al deze factoren beoordeelt de burger de situatie. Bij een positieve beoordeling is er geen sprake van overlastbeleving, bij een

5 SCP (2008). Sociale veiligheid ontsleuteld. Veronderstelde en werkelijke effecten van

Veiligheidsbeleid. Den Haag: Sociaal en Cultureel Planbureau; RMO (2004). Sociale veiligheid organiseren. Naar herkenbaarheid in de publieke ruimte. Den Haag: Raad voor Maatschappelijke Ontwikkeling. 6 CBS (2020). Veiligheidsmonitor 2019. Den Haag: Centraal Bureau voor de Statistiek. 7 Andersson Elffers Felix (2012). Overlastbeleving begrijpen en aanpakken (2012). Den Haag: Ministerie van Veiligheid en Justitie en het Centrum voor Criminaliteitspreventie (CCV). 8 Voor de overheid is een apart stappenplan.

13

negatieve beoordeling wel en bij een neutrale beoordeling leidt de situatie niet tot sterke gevoelens. 4. Effect: afhankelijk van de beoordeling kan de situatie leiden tot een effect, zoals gedrag – het overgaan tot handelen - van burgers of de overheid. Denk aan het melden van overlast of het uitvoeren van werkzaamheden. Overtuigingen bepalen of de beslissing tot actie wordt genomen. Denk aan angst voor represailles of de kans op succes van de actie (waarbij eerdere ervaringen met de overheid een rol spelen). Schema overlastproces Om inzichten uit eerder onderzoek toe te passen in dit onderzoek, vertalen we bovenstaande stappen naar een schema (figuur 1.1). De eerste stap in het schema is een situatie met potentiele overlast die zich voordoet, zoals lawaai op straat of afval in een park. De situatie wordt al dan niet waargenomen door de burger (stap 2), en de burger beoordeelt (stap 3) of er sprake is van overlast. Wanneer dat het geval is, kan er - afhankelijk van de meldingsbereidheid (stap 4) - overgegaan worden op een handeling (effect); in dit geval een melding (stap 5).

In dit onderzoek beschikken we bij de data-analyse vooral over gegevens van de laatste stap (meldingen), van enkele indicatoren van de eerste stap (potentiële overlast in de vorm van zwerfvuilmetingen en het aantal verblijvers) en in beperkte mate in de beoordeling van overlast (enquêtegegevens over ervaren overlast). In het kwalitatieve deel van het onderzoek zijn we op zoek gegaan naar meer inzicht in stappen 2 t/m 5: het proces van waarneming tot en met melding. Figuur 2.1: Schema overlastproces Situatie met potentiële overlast

Waarneming

Beoordeling

Meldingsbereidheid

Melding

Bron: Andersson Elffers Felix (2012), bewerking O&S

Verschillen tussen de overheid en burgers in overlast beleven, beoordelen en oplossen Burgers en de overheid hebben een ander referentiekader in de bepaling van wat overlast is; de context waarin een (overlast)situatie wordt beoordeeld verschilt. Dit kan ertoe leiden dat dezelfde situatie op diverse manieren beoordeeld kan worden door de overheid of burgers. Ook zijn er verschillen tussen burgers onderling en tussen overheden in hoe zij overlast beoordelen.9 Bovendien kan de overheid iets doen om overlast aan te pakken. Voor burgers is dat niet altijd het geval; zij kunnen bijvoorbeeld niet zelf de straatverlichting repareren, zij kunnen er hooguit een melding van doen. Doordat burgers en de overheid hierdoor een ongelijkwaardige situatie hebben, kan er spanning optreden als een burger een interventie verwacht maar de overheid voert die niet uit.

1.2 Overlast melden: waarom wel of niet? In de vorige paragraaf blijkt dat in de laatste stap van de overlastervaring (effect) er al dan niet overgegaan kan worden tot een actie. Het melden van de waargenomen overlast kan zo’n actie 9 Andersson Elffers Felix (2012). Overlastbeleving begrijpen en aanpakken (2012). Den Haag: Ministerie van Veiligheid en Justitie

en het Centrum voor Criminaliteitspreventie (CCV).

14

van een burger zijn, waarbij we zagen dat overtuigingen bepalen of de beslissing tot actie wordt genomen. Een van de primaire vragen in dit onderzoek is welke factoren een rol spelen in de overtuiging om over te gaan tot actie. Literatuur over redenen om wel of geen melding te doen van overlast is zeer beperkt; hier is niet of nauwelijks onderzoek naar gedaan. Wel zijn er diverse onderzoeken naar redenen om al dan niet melding of aangifte te doen van criminaliteit. Wat maakt dat men wel of geen aangifte of melding doet van criminaliteit lijkt enerzijds te maken te hebben met achtergrondkenmerken van degene die iets overkomt en anderzijds ingegeven te zijn door motivaties en emoties. Als het gaat om welke kenmerken, motivaties en emoties dat zijn, spreken onderzoeken elkaar soms tegen. Ook speelt hetgeen dat iemand is overkomen een rol. Al deze aspecten samen –met het feit dat literatuur veelal gaat over criminaliteit melden - maakt het complex om eenduidig kenmerken aan te duiden die gerelateerd zijn aan wel of niet melden van overlast. Desondanks hebben we gepoogd de indicatoren die samen lijken te hangen met wel of niet melden samen te vatten.

Achtergrondkenmerken, motivaties en emoties die samenhangen met melden van criminaliteit Uit eerder onderzoek komt naar voren dat burgers met een hogere sociaaleconomische status, met een koopwoning en die wonen in gebieden met een hoge sociale cohesie eerder geneigd lijken te melden. Ook kenmerken als opleidingsniveau, herkomst, leeftijd en geslacht kunnen een rol spelen. Zo zouden burgers zonder migratieachtergrond, vrouwen, ouderen en lager opgeleiden eerder een melding doen van criminaliteit. Dit in tegenstelling tot mannen, burgers met een migratieachtergrond, jongeren en hoger opgeleiden.10 Ook maakt het uit of een burger ‘sociale controle’ vertegenwoordigt (denk aan een politieagent of een leraar); deze mensen zijn doorgaans meer geneigd te melden. Naast achtergrondkenmerken komen uit de literatuur diverse motivaties en emoties naar voren die kunnen bepalen of men (criminaliteit) wel of niet meldt. Burgers die vertrouwen hebben in bijvoorbeeld politie zijn eerder geneigd te melden, evenals burgers die het als hun plicht zien en die gemotiveerd zijn hun leefomgeving te verbeteren. Ook kan behoefte aan vergelding een rol spelen of als het voorval heeft geleid tot fysieke of materiële schade. Maar ook meer praktische redenen, zoals een benodigde aangifte voor verzekering, of het überhaupt weten waar en hoe gemeld kan worden, komen aan bod in de literatuur.

Tegenhangers van bovengenoemde argumenten spelen een rol in het niet melden. Te denken valt dus aan een gebrek aan vertrouwen dat er iets met de melding gebeurt en dat men niet weet hoe of waar er gemeld kan worden. Maar ook de indruk dat iets niet ernstig genoeg is om te melden, schroom om officieel te klagen of wanneer de dader een bekende is, houdt mensen tegen om een melding te doen.

1.3 Achtergrondkenmerken, motivaties en emoties meldingsbereidheid in dit onderzoek Op de volgende pagina is een overzicht te zien van de achtergrondkenmerken, gebiedskenmerken, motivaties en emoties die uit de diverse bronnen naar voren kwamen als 10 Opvallend bij deze bevindingen is dat in het huidige onderzoek voor Amsterdam soms tegengestelde resultaten zijn

gevonden. Zo blijkt dat in Amsterdam koopwoningen en een lagere opleidingsniveau juist samen te hangen met minder meldingen (zie paragraaf 2.3).

15

gerelateerd aan meldingsbereidheid (van criminaliteit). De achterliggende emoties en motivaties kunnen we in dit onderzoek niet kwantitatief onderzoeken op basis van de beschikbare data; hierover wordt aan melders niets gevraagd op het moment dat zij melding doen en is dus geen data beschikbaar. Om kwantitatief te bekijken of, en in welke mate, de achtergrondkenmerken en gebiedskenmerken een rol spelen bij meldingsbereidheid zijn verschillende databronnen en methoden nodig. Achtergrondkenmerken van melders worden niet geregistreerd. Wat we wel konden doen, is kenmerken van de populatie en gebiedskenmerken op Amsterdamse buurt- of wijkniveaus analyseren tegenover het aantal meldingen dat is gedaan in de buurt/wijk. Met dergelijke analyses konden we bekijken of verschillen in het aantal meldingen tussen gebieden gerelateerd is aan specifieke kenmerken van de populatie of aan gebiedskenmerken. Of deze analyse met achtergrond- en gebiedskenmerken mogelijk was, was vervolgens afhankelijk van een aantal zaken. Allereerst of er beschikbare data is op buurt- of wijkniveau over de betreffende populatiekenmerken of gebiedskenmerken. O&S beschikt over veel data, maar bijvoorbeeld niet over de attitude van bewoners ten opzichte van de maatschappij.

Voor de data die wel beschikbaar was, moesten de verschillen tussen buurten op een achtergrond- of gebiedskenmerk groot genoeg zijn om het effect op meldingen te kunnen berekenen. Voor bevolkingsdichtheid of het aantal koopwoning kunnen de verschillen tussen buurten groot zijn, waardoor dit mogelijk was. Voor veel andere factoren, zoals leeftijd of geslacht, zijn de verschillen tussen buurten te klein om een zinvolle analyse uit te voeren. Tot slot moeten buurtkenmerken niet te veel overlappen. Wanneer achtergrondkenmerken altijd samen voorkomen in een buurt, kan niet worden berekend welke van de factoren de meldingsbereidheid beïnvloed. Zo zullen buurten met een groter aandeel hoogopgeleid gemiddeld ook vaak een hoger inkomen hebben. Een verband tussen het aandeel hoogopgeleiden en het aantal meldingen per inwoner is dan moeilijker te isoleren van het effect van inkomens. In onderstaand overzicht is in dikgedrukt te zien welke factoren in de kwantitatieve analyse van dit onderzoek zijn meegenomen.

16

Tabel 3.2: Achtergrondkenmerken, gebiedskenmerken, motivaties en emoties gerelateerd aan melden (van criminaliteit) Achtergrondkenmerken en gebiedskenmerken

Motivaties en emoties

opleidingsniveau

verzekering

eigendomsverhouding woningen

ernst van het voorval (letsel of schade)

hoeveelheid bezoekers in een gebied

motivatie om leefomgeving te verbeteren/gevoel van burgerplicht

sociaaleconomische status (SES)

attitude tegenover politie

leeftijd*

vertrouwen in instantie die het moet oplossen

geslacht*

behoefte aan vergelding/opsporing dader

herkomst*

behoefte aan oplossing van het probleem

positie in maatschappij/attitude

bewijs/zekerheid over de dader

culturele achtergrond

gevolgen voor de buurt of de persoon

sociale cohesie*

altruïsme

locatie van het voorval

self efficacy

persoonlijke omstandigheden (armoede, narigheid) hoeveelheid aangifte- of meldmogelijkheden bekendheid meldpunt gemak van het meldproces (weten waar, is het ingewikkeld, is het anoniem, is het bereikbaar) meldingsmoeheid sentiment richting dader (is dader bekende, schuldgevoel, angst voor wraak) zin en tijd om te melden belangrijk genoeg om te melden is het een kwestie voor een instantie schroom om officieel te klagen schaamte In bijlage 1 is een overzicht te vinden van de bronnen waarop dit overzicht is gebaseerd. *Deze factoren zijn wel meegenomen in de analyse, maar er zat te weinig verschil tussen de buurten om significante

effecten te meten.

17

2 Analyse SIA-meldingen

In dit hoofdstuk analyseren we de meldingen openbare ruimte zoals verwerkt in het SIAsysteem. Voor dit onderzoek is gekeken naar data van 2019 t/m 2021. De data bevatten naast meldingen die direct door burgers online of via telefoonnummer 14020 zijn ingediend ook interne meldingen (bijvoorbeeld door handhavers). Voor het grootste deel van onderstaande analyses, met name die op buurtniveau, zijn alle meldingen meegenomen. Met de data-analyse kunnen we naar een aantal voorbeelden kijken van situaties met potentiële overlast, hoe bewoners de openbare ruimte en de overlast beoordelen en kunnen we kijken naar de meldingen die zijn gedaan. De data-analyse kan geen inzicht geven in de waarnemingen die burgers doen van overlast en ook niet in de afwegingen en bereidheid om wel of geen melding te doen van overlast. Figuur 2.4: Schema overlastproces Situatie met potentiële overlast

Waarneming

Beoordeling

Meldingsbereidheid

Melding

Bron: Andersson Elffers Felix (2012), bewerking O&S

2.1 Algemene ontwikkelingen Aantal meldingen stijgt in ieder stadsdeel Het aantal meldingen in alle stadsdelen is de afgelopen jaren gegroeid (figuur 2.2) met gemiddeld ongeveer 50%. De figuur laat verder zien dat er in het tweede kwartaal van 2020 een toename is te zien van het aantal meldingen, wat mogelijk is toe te schrijven aan de eerste coronalockdown waardoor Amsterdammers meer thuis waren en meer meldden. Tegelijkertijd valt op dat het aantal meldingen in het tweede en derde kwartaal van het jaar ook in andere jaren groter was dan in het eerste en vierde kwartaal, wat meer duidt op een seizoenseffect dan een effect van corona. Tot slot laat de grafiek zien hoe Weesp zich vanaf het tweede kwartaal 2020 aansloot aan het SIA-systeem, met ook in dat deel van de gemeente een lichte groei.

18

Figuur 2.2: Meldingen (in duizendtallen) per kwartaal per stadsdeel

Bron: SIA, bewerking O&S

Speelt thuiswerken tijdens corona een grote rol? Om verder te onderzoeken of in de coronajaren een ander meldingspatroon te zien is over de dag, laat Figuur 5.3 zien hoe meldingen gemiddeld over een dag zijn verdeeld. Direct valt op dat er nauwelijks verschil zit tussen de jaren. Dit resultaat suggereert daarom dat lockdowns en thuiswerken geen sterk effect hebben gehad op de timing van meldingen.

Figuur 5.3: Aandeel meldingen per uur van de dag (%)

Bron: SIA, bewerking O&S

Grootste stijging in meldingen over afval Veruit de meeste meldingen gaan over afval, en dat aantal is toegenomen tot meer dan vijftig duizend in het laatste kwartaal van 2021 (figuur 2.4). Als we kijken naar verschuivingen rondom lockdowns dan valt een aantal zaken op. Ten eerste is er een duidelijke toename in het aantal meldingen van overlast personen of groepen aan het begin van 2020, dat komt met name doordat Amsterdammers veel gemeld hebben over het overtreden van de coronamaatregelen en dat deze meldingen in deze categorie behandeld zijn. Ten tweede valt op dat het aantal meldingen gerelateerd aan overlast van bedrijven en horeca wat lager is in 2020 en 2021 vergeleken met

19

2019. Die daling is een direct gevolg van het niet doorgaan van evenementen en de horecasluiting tijdens lockdowns.11 Figuur 2.4: Meldingen per hoofdrubriek (aantallen)

Bron: SIA, bewerking O&S

Meeste meldingen in centrum van de stad De meldingsdichtheid (het aantal meldingen per vierkante kilometer) is het hoogst in het centrum van de stad (2.5). Buurten met bovengemiddelde meldingsdichtheid zijn BurgwallenOost, Rembrandtplein, Leidsepleinbuurt-Noordoost en in de Jordaan. Andere gebieden met een hogere meldingsdichtheid liggen in de Pijp en in het zuidoostelijke deel van stadsdeel West. Er zijn meerdere verklaringen voor het hoge aantal meldingen in het centrum. Uit verdere analyses in de rest van dit hoofdstuk blijkt namelijk dat de factoren die samenhangen met veel meldingen (bijvoorbeeld drukte op straat en het aandeel hoogopgeleiden woonachtig in een buurt) ook bovengemiddeld aanwezig zijn in het centrum.

11 Ook voor overlast openbare ruimte en openbaar groen en water is een daling te zien vanaf 2019. Het is niet direct

duidelijk welke factoren daarachter zitten. Wellicht is een deel van de afname in meldingen overlast openbare ruimte verplaatst naar de rubriek afval. Voor openbaar groen en water kan is het mogelijk dat door de coronamaatregelen de overlast op het water afnam.

20

Figuur 2.5: Aantal meldingen per jaar per vierkante kilometer per buurt (gemiddeld over 2019 t/m 2021)

Bron: SIA, bewerking O&S

2.2 Metingen en subjectieve beoordeling van de openbare ruimte in relatie tot meldingen Een andere vraag is of de toename van het aantal meldingen gepaard gaat met negatieve ontwikkelingen in objectieve en subjectieve metingen over de openbare ruimte. In dit deel wordt daarom de volgende hypothese verkend: de toename van het aantal meldingen is niet het gevolg van toegenomen meldingsbereidheid, maar komt doordat er meer aanleiding is tot melden. Ook uit enquête-onderzoek komt een afname in waardering van openbare ruimte naar voren Om een inschatting te maken van de algemene beleving van de openbare ruimte in Amsterdam die niet gebaseerd is op het aantal meldingen, laat Figuur 2.6 de ontwikkelingen in buurtbeleving van Amsterdammers zien, zoals gemeten in de enquête Wonen in (de metropoolregio) Amsterdam.12 Deze tweejaarlijkse enquête is voor het laatst gehouden in 2021 en geeft voor meerdere indicatoren die relateren aan overlast een rapportcijfer. De figuur laat zien dat voor alle indicatoren een (lichte) verslechtering is gemeten in 2021. De meer algemene indicator Overlast vervuiling laat al vanaf 2019 een daling zien.13

12 Ook voor een enquête geldt de bereidheid tot meedoen verschilt voor verschillende groepen. Omdat er voor enquête

wel achtergrondkenmerken van de respondenten bekend zijn, wordt met weging op basis van bevolkingssamenstelling de representativiteit verhoogd. 13 Kantekening hierbij is dat in de vraag achter dit rapportcijfer geen onderscheid wordt gemaakt tussen vormen van vervuiling zoals zwerfvuil of luchtververvuiling.

21

Figuur 2.6: Ontwikkelingen in beleving openbare ruimte (rapportcijfer).

Bron: Wonen in Amsterdam, bewerking O&S

Of bovenstaande ontwikkeling duidt op een toename van het aantal situaties met potentiele overlast of slechts een verschuiving in de beleving van overlast is niet direct vast te stellen. Duidelijk is wel dat de toename van gemelde overlast overeenkomt met een daling in de waardering van openbare ruimte. Meer vuil op straat leidt niet altijd tot meer meldingen De toename in het aantal afvalmeldingen roept de vraag op of er naast indicatoren op basis van enquêtes ook in geobserveerde indicatoren een toename te zien is. Om dat in kaart te brengen wordt in dit deel met de zogenaamde CROW-metingen14 die zwerfvuil in de openbare ruimte meten, onderzocht of er op basis van de metingen ook aanleiding lijkt te zijn voor een toename in de afvalmeldingen. Sinds de start van de CROW-metingen is jaarlijks een lichte verslechtering zichtbaar in de score op grof zwerfvuil (figuur 2.7). Het aandeel plekken dat relatief school is (relatief weinig fijn zwerfvuil) verbeterde iets in 2021. Al met al zijn de verschuivingen echter klein en lijkt het niet waarschijnlijk dat de toename in het aantal afvalmeldingen geheel terug te leiden is tot een toename van zwerfvuil.

14 Bij deze methode worden in een gebied het hele jaar door waarnemingen gedaan in de openbare ruimte om te

beoordelen hoe schoon het is. Bij elke waarneming wordt een score toegekend van A+, A, B, C of D: A+: er is geen afval A: er ligt weinig afval B: er ligt redelijk veel afval C: er ligt veel afval D: er ligt zeer veel afval Er wordt gekeken naar het percentage van alle waarnemingen in het gebied dat een score A+, A of B heeft gekregen: de minimale B-score. Oftewel: in hoeveel procent van de waarnemingen is hooguit sprake van redelijk veel afval?

22

Figuur 2.7: Ontwikkelingen in gemeten vuilgraad in openbare ruimte

Bron: Buiten in Beeld, bewerking O&S

Om de relatie tussen gemeten vuilgraad (CROW-score) en het aantal meldingen verder te onderzoeken, laat figuur 2.8 per buurt zien hoe de gemeten vuilgraad en het aantal afvalmeldingen samenhangen. Omdat een groot deel van de meldingen over afval bijplaatsingen betreft (afval rond een container), terwijl dat geen onderdeel is van de beschikbare CROWmetingen, zijn in deze figuur alleen afvalmeldingen meegenomen die niet direct relateren aan bijplaatsingen. Wat opvalt is dat er voor gebieden met een laag aandeel schone plekken inderdaad meer meldingen worden gedaan. Tegelijkertijd blijkt ook dat de samenhang niet erg sterk is en dat waarschijnlijk nog (veel) andere factoren bepalen hoeveel meldingen er uiteindelijk worden gedaan. Figuur 2.8: Meldingen afval gerelateerd aan CROW-metingen zwerfvuil

Bron: SIA, Buiten in Beeld, bewerking O&S

23

Meer meldingen in gebieden met meer verblijvers op straat Een andere aspect dat aanleiding kan geven tot een toename van meldingen is het aantal mensen dat op een plek aanwezig is. In figuur 2.9 zijn op wijkniveau de meldingen over overlast van personen en groepen afgezet tegen de verblijversindex, een indicator van verblijvers (op straat). De blauwe lijn geeft de gemiddelde hoeveelheid meldingen voor de verschillende niveaus van de verblijversindex weer. Wat opvalt, zeker ten opzichte van de analyse hierboven over afval, is dat de relatie tussen meldingen en verblijvers eenduidiger lijkt, met name voor gebieden met een score op de verblijversindex tot ongeveer 150 nemen de meldingen duidelijk toe bij een hogere verblijversindex. Verder valt op dat de wijken in Oost wat vaker boven het gemiddelde (blauwe lijn) liggen. Dat kan een indicatie zijn van een hogere meldingsbereidheid, maar kan ook te maken hebben met hogere mate van overlast voor een gegeven aantal verblijvers. Figuur 2.9: Meldingen personenoverlast afgezet tegen verblijversdichtheidsindex

Bron: SIA, O&S, bewerking O&S

In hoeverre weerspiegelen meldingen objectieve metingen van de openbare ruimte? De analyses in deze paragraaf hadden als doel om te achterhalen of een toename in meldingen samengaat met een verslechtering op subjectieve en objectieve indicatoren van de openbare ruimte. Voor de beschikbare indicatoren (zwerfvuil en verblijvers) is er inderdaad een verband tussen mogelijke aanleidingen tot melden (meer zwerfvuil en verblijvers) en het aantal meldingen. Omdat tegelijkertijd blijkt dat in veel gebieden waarschijnlijk meer factoren spelen dan alleen de mate van overlast, wordt in de volgende paragraaf van dit hoofdstuk gekeken naar andere factoren die een relatie kunnen hebben op de meldingsbereidheid.

24

2.3 Factoren die het aantal meldingen beïnvloeden Er zijn vele factoren (achtergrondkenmerken van bewoners en motivaties en emoties) die het aantal meldingen kunnen beïnvloeden, zoals ook in de literatuurstudie terugkwam. Omdat voor dit onderzoek geen persoonsgegevens bekend zijn van de mensen die een melding hebben gedaan en ook niets bekend is over de motivaties of emoties die een rol speelden bij het doen van de melding, is het niet mogelijk op meldingsniveau te analyseren hoe persoonskenmerken (zoals leeftijd of inkomen) of motivaties en emoties een rol spelen. Wat we wel konden doen, is kenmerken van de populatie en de buurt of wijk (hierna: gebiedskenmerken) op buurt- of wijkniveau analyseren tegenover het aantal meldingen dat er is gedaan in de buurt/wijk. Met dergelijke analyses konden we bekijken of verschillen in het aantal meldingen tussen gebieden gerelateerd zijn aan specifieke kenmerken van de populatie of aan gebiedskenmerken. Voorwaarde om deze analyses te kunnen doen is dat er voldoende variatie is in bepaalde populatie- of gebiedsmerken tussen buurten en wijken. Zo is er te weinig variatie in de populatieverdeling naar geslacht of leeftijd tussen buurten en wijken om te kunnen kijken of er een relatie is met het aantal meldingen.

Voor andere populatie- en gebiedskenmerken, zoals bevolkingsdichtheid of het aantal koopwoning, is er wel genoeg variatie tussen wijken. Een extra uitdaging bij het vergelijken van gebieden is dat veel gebiedskenmerken met elkaar overlappen. Zo zullen buurten met een groter aandeel hoogopgeleide bewoners dan gemiddeld ook vaker een populatie hebben met een hoger inkomen dan gemiddeld en zijn daar meer bewoners met een koopwoningen. Het positieve verband dat we vinden tussen het aandeel hoogopgeleiden en het aantal meldingen per inwoner (zie Figuur ) is daardoor mogelijk vertekend door andere factoren. Het feit dat buurten in het centrum (rode punten) ook veelal boven het verwachte gemiddelde liggen (blauwe lijn) laat dat ook duidelijk zien. Figuur 2.10: Meldingen per inwoner afgezet tegen aandeel hoogopgeleiden per buurt

Bron: SIA, CBS, bewerking O&S

Bovenstaande maakt duidelijk dat voor het analyseren van de populatie- en gebiedskenmerken die het aantal meldingen kunnen beïnvloeden een analyse nodig is waarbij het effect van een reeks van factoren op het aantal meldingen tegelijkertijd wordt berekend met een multivariate 25

regressie-analyse. De resultaten van die analyse met een overzicht van alle geanalyseerde factoren zijn beschreven in tabel 2.1 in bijlage 2 en leveren de volgende inzichten op:  Een hogere bevolkingsdichtheid hangt samen met minder meldingen per inwoner.  Het opleidingsniveau speelt een belangrijke rol. Hoe meer hoogopgeleiden in een buurt, hoe meer meldingen er worden gedaan: wanneer het aandeel hoogopgeleiden in een buurt met 10 procentpunt toeneemt, neemt het gemiddelde aantal meldingen ongeveer 3% toe.  Het gemiddelde inkomen speelt geen grote rol (nadat we controleren voor het opleidingsniveau), maar er is een klein negatief verband te zien: een hoger gemiddeld inkomen in een buurt hangt samen met wat minder meldingen.  Hoe hoger het aandeel koopwoningen (gecontroleerd voor opleidingsniveau en inkomen) in een buurt hoe lager het aantal meldingen.  De grootte van woningen speelt alleen in Stadsdeel Centrum, waarbij met name een groter aandeel krappe woningen leidt tot meer meldingen. De indicator ‘opleidingsniveau’ nader bekeken Vervolgens is bekeken of het aantal meldingen sterker samenhangt met de CROW-score in buurten waar veel meldingen worden verwacht (omdat er veel hoogopgeleiden wonen) dan in buurten waar minder meldingen worden verwacht (omdat er minder hoogopgeleiden wonen).

Figuur 2.6 laat zien dat buurten waar relatief veel hoogopgeleiden wonen en waar weinig meldingen worden gedaan ook relatief schoon zijn op basis van CROW-scores. Andersom zien we dat buurten waar relatief weinig meldingen worden gedaan en waar relatief veel lager opgeleiden wonen minder schoon zijn op basis van CROW-scores. Zoals bij eerdere analyses genoemd, maakt ook deze figuur echter duidelijk dat waarschijnlijk nog veel andere factoren een rol spelen; veel buurten wijken namelijk af van het gemiddelde patroon. Figuur 2.61: Metingen en meldingen van zwerfvuil afgezet tegen aandeel hoogopgeleiden

26

Bron: SIA, Buiten in Beeld, CBS, bewerking O&S

2.4 Veelmelders Meldingen kunnen vrijblijvend anoniem worden ingediend (bij 50% van de meldingen is dat het geval), of met mogelijkheid tot terugkoppeling via een emailadres of telefoonnummer (de andere 50%). Voor dit onderzoek zijn de persoonsgegevens van de niet-anonieme meldingen versleuteld en gebruikt als indicatie voor het aantal meldingen per melder. Bij analyses naar het aantal meldingen per melder zijn de interne meldingen (bijvoorbeeld van handhavers) achterwege gelaten. Figuur 2.12 laat zien dat ruim 60% van de niet-anonieme melders één melding heeft gedaan tussen 2019 en 2021. Die meldingen vertalen zich naar 20% van alle niet-anonieme meldingen. Aan de andere kant van het spectrum is te zien dat er weliswaar weinig (minder dan 0,1%) melders zijn die meer dan 100 meldingen hebben gedaan (tussen 2019 en 2021), maar dat die groep wel verantwoordelijk is voor 20% van alle niet-anonieme meldingen. Figuur 2.12: Meldingen en melders per aantal meldingen (aandeel t.o.v. totaal niet-anonieme meldingen)

Bron: SIA, bewerking O&S

Om een indruk te krijgen van het effect van veelmelders (meer dan 100 meldingen tussen 2019 en 2021) op de representativiteit van meldingen per gebied laat de kaart in figuur 2.13 per buurt zien welk aandeel van de niet-anonieme meldingen afkomstig is van veelmelders. Wat opvalt is dat in sommige buurten het percentage meldingen van veelmelders boven de 50% uitkomt (donkerblauwe gebieden). Wanneer veelmelders een dusdanig grote hoeveelheid meldingen voor hun rekening nemen, betekent dat ook dat het beeld van de overlast dat ontstaat vanuit meldingen mogelijk sterk vertekent. De inzichten over overlast op basis van meldingen wordt dan namelijk voor een groot deel bepaald door enkele Amsterdammers.

27

Figuur 2.13: Aandeel meldingen van veelmelders per buurt

Bron: SIA, bewerking O&S

Wat melden veelmelders en wat kenmerkt hen? Het is ook mogelijk dat de meldingen van veelmelders wel een representatief beeld geven van de overlast in een buurt. Die conclusie is met de huidige data niet direct te beantwoorden, maar de verdeling van de onderwerpen waarover wordt gemeld geeft wel een goede indicatie (Figuur 7). Allereerst valt op dat het aandeel anonieme meldingen stabiel rond 50% ligt voor de meeste onderwerpen. Slechts voor Overlast Horeca en Bedrijven ligt het aandeel anoniem boven de 60%.15 Uit figuur 2.14 blijkt verder dat personen die vaker melden dat doen in bijna alle rubrieken. Alleen bij de rubrieken Ondermijning en Wonen, en in mindere mate bij Overlast Bedrijven en Horeca en Overlast Dieren, komen relatief weinig meldingen van veelmelders.

15 Uit gesprekken die Dienstverlening voerde met de behandelaars van deze meldingen (o.a. de gebruiksinspecteurs) is

gebleken dat Amsterdammers minder snel geneigd zijn hun gegevens achter te laten voor meldingen over horeca of bedrijven. Op basis van die ervaring is in het meldingsformulier voor meldingen die terecht komen in Overlast van Bedrijven en Horeca en inmiddels een korte vraag toegevoegd waarin melders kunnen aangeven waarom ze geen contactgegevens willen achterlaten.

28

Figuur 74: Verdeling type melder per hoofdrubriek (%)

Bron: SIA, bewerking O&S

Het is mogelijk dat veelmelders vaker Amsterdammers zijn die een afvalcontainer hebben geadopteerd. Die zogenaamde adoptanten krijgen namelijk een speciaal telefoonnummer om meldingen te doen. Tussen 2019 en 2021 zijn er een kleine tienduizend (1% van alle meldingen) meldingen binnengekomen via het telefoonnummer voor adoptanten. Figuur 8 laat voor afvalmeldingen zien dat onder adoptanten vaker wordt gemeld door melders met 11-100 meldingen, maar ook dat er juist minder meldingen komen van veelmelders (>100 meldingen). In bijlage 2 is nog een aantal extra analyses te vinden over adoptantenmeldingen.