Bijlage 2 Onderzoek algoritmes in het GH - Eindrapport gemeente Zuidplas A24.000665

8 Gebundelde middelen vanuit het Rijk naar gemeenten voor de uitvoering van de Participatiewet die het Ministerie

van Sociale Zaken en Werkgelegenheid toekent aan elke gemeente aan de hand van een verdeelmodel (een statistisch model op basis van diverse sociaaleconomische variabelen en data voor elke gemeente).

Onderzoek naar algoritmes in gemeente Zuidplas

22

4 Usecases In dit hoofdstuk presenteren we de onderzochte usecases voor de gemeente Zuidplas. In deze usecases wordt op basis van een beknopte casestudy inzicht gegeven in de besluitvorming over, implementatie van, en toezicht op een specifiek algoritme. In de selectie van usecases is er tussen de gemeenten variatie aangebracht om tot een brede waaier aan verschillende usecases te komen waar alle gemeenten hun lessen uit kunnen trekken. Hiervoor zullen de usecases in een separaat document gebundeld worden en aan alle gemeenten ter beschikking worden gesteld.

4.1

Centric Burgerzaken

De onderstaande usecase beschrijft de ervaringen van de gemeente Zuidplas met de inzet van Centric Burgerzaken: •

Beschrijving usecase: Centric Burgerzaken is een cloudoplossing waarmee gemeenten eenvoudig burgerzaken kunnen uitvoeren via de inzet van diverse regel gebaseerde algoritmes.

•

Status van usecase: Centric Burgerzaken is in Zuidplas volledig operationeel en maakt voor veel ambtenaren onderdeel uit van de dagelijkse werkpraktijk.

•

Reflectie op usecase: de algoritmes zoals beschreven in deze usecase zitten in het hart van allerlei digitale diensten die directe implicaties hebben voor burgers. Tegelijkertijd zijn ze zodanig ‘ingebakken’ dat ambtelijke medewerkers er niet door getriggerd worden.

usecase

Centric Burgerzaken Centric Burgerzaken is een cloudoplossing waarmee gemeenten eenvoudig burgerzaken kunnen uitvoeren. De software bestaat uit regel gebaseerde algoritmes en het bevat onder andere intelligente formulieren: wanneer men burgerzaken (zoals een verhuizing, overlijden, etc.) wil doorgeven, kan men via DigiD inloggen in het systeem en staan gegevens al vooringevuld in het gewenste formulier. De data hiervan komt uit de Basisregistratie Personen (BRP). Verder wordt het complete aanvraag- en aangifteproces van burgerzaken ondersteund, door automatische verwerking in Centric Burgerzaken: het aanmaken van een zaak, het opslaan van documenten, etc. Doordat gegevens automatisch verwerkt en ingevuld worden, op basis van elders vooringevulde informatie, worden menselijke fouten voorkomen. De digitale aangiften en aanvragen komen automatisch aan in Centric Burgerzaken. De gemeente bepaalt per eDienst of de online aangiften/aanvragen volledig automatisch, zonder tussenkomst van een medewerker, worden verwerkt, of dat de gemeente ze eerst beoordeelt voordat ze worden verwerkt. De gemeente kan ook een combinatie kiezen en alleen aanvragen beoordelen die een geüploade bijlage hebben, of waarbij automatische controles afgaan. Of de gemeente kiest ervoor om binnengemeentelijke verhuizingen automatisch te verwerken en hervestigingen eerst te beoordelen.

De bovengenoemde instelbare, automatische controles op personen en/of adressen leiden in Centric Burgerzaken als dat nodig is tot een waarschuwing voor de betrokken ambtenaar.

Onderzoek naar algoritmes in gemeente Zuidplas

23

Voorgangers van de gemeente Zuidplas hebben Centric Burgerzaken in het verleden in gebruik genomen voor het regelen van alle zaken omtrent burgerzaken. Alle ambtenaren van de gemeente Zuidplas maken gebruik van Centric Burgerzaken op een directe of indirecte manier en zijn dus van het systeem op de hoogte. Aangezien er met privacygevoelige gegevens wordt gewerkt binnen Centric Burgerzaken, controleert de gemeente streng op de werking en toetst de gemeente deze ook jaarlijks.

Besluitvorming voor ingebruikname De gemeente Zuidplas heeft besloten Centric Burgerzaken in gebruik te nemen om basisgegevens van personen vast te leggen. Het systeem is automatisch gekoppeld aan databases zoals het BRP waar allerlei persoonsgegevens instaan. Door deze koppeling met basisregistratiesystemen is de informatie in alle gekoppelde systemen hetzelfde en kan deze ook gemakkelijk gebruikt worden om door te sturen naar derden, zoals organisaties die zich bezighouden met uitkeringen. Daarom gebruikt de gemeente Centric Burgerzaken voor alles wat met burgerzaken te maken heeft, van de aanvraag van een rijbewijs, tot de aangifte van een overledene. Centric Burgerzaken is dan ook volledige geïntegreerd binnen de gemeente digitale infrastructuur. Ook voor het samengaan in de gemeente Zuidplas, maakten de voorgangers al gebruik van Centric Burgerzaken. Vandaar dat de fusiegemeente Zuidplas besloten heeft Centric te blijven gebruiken. Daarbij wordt het systeem binnen vele Nederlandse gemeente gebruikt voor burgerzaken en is naast PinkRoccade en Procura de grootste oplossing hiervoor. Daarom was de keuze in het verleden snel gemaakt door de oude gemeenten om deze software te gaan gebruiken, in navolging van andere (grotere) gemeenten.

De afdeling publieksplein heeft binnen de gemeente de software in beheer en de ambtenaren binnen deze afdeling, naast de applicatiebeheerders, zijn de enige personen die bij alle informatie in het systeem kunnen komen. Verder zijn zo goed als alle ambtenaren binnen de gemeente op de hoogte van het gebruik van Centric Burgerzaken, aangezien zij dit ook bijna allemaal moeten gebruiken voor het regelen van algemene burgerzaken, zij het soms indirect via koppelingen met andere systemen. Aangezien de gegevens waar Centric mee werkt beschermd zijn door de WBP, en daardoor al van tevoren getoetst zijn voordat ze het systeem ingaan, zijn er weinig zorgen over de schending van privacy binnen de gemeente Zuidplas. Verder is er, voordat Centric Burgerzaken in gebruik is genomen door de voorgangers van de gemeente Zuidplas, een DPIA uitgevoerd om te checken of alles met betreft tot dataverwerking goed op order is, wat het geval was.

Informatievoorziening en toezicht gemeente tijdens gebruik Iedereen die binnen de gemeente met Centric Burgerzaken komt te werken, wat eigenlijk alle ambtenaren zijn, krijgt een introductietraining door een ambtenaar van de afdeling Publieksplein, aangepast op het niveau waarop de persoon met Centric Burgerzaken om zal gaan (alleen oppervlakkig of ook echt het systeem induiken). Binnen de gemeente zijn er geen ambtenaren die kennis hebben over de precieze werking van het systeem, dit is omdat de meeste ambtenaren geen ingewikkelde handelingen hoeven te verrichten met Centric Burgerzaken, zoals het ophalen van persoonsgegevens. Ambtenaren van het Publieksplein en applicatiebeheerders weten wel dat er alleen gebruik wordt gemaakt van algoritmes binnen de software bij ingewikkeldere handelingen zoals het uitgeven van stembiljetten voor de verkiezingen (dit is afhankelijk van verschillende factoren). Verder zijn de voorgenoemde personen ook op de hoogte van de data die Centric Burgerzaken

Onderzoek naar algoritmes in gemeente Zuidplas

24

gebruikt, die voornamelijk geënt zijn op registers zoals het BPR en de BAG (Basisregistratie Adressen en Gebouwen). Aangezien deze datasets aan strikte voorwaarden en controles zijn onderworpen, gaan ambtenaren er binnen de gemeente vanuit dat de gegevens juist zijn en aan ethische normen voldoen. De gemeente Zuidplas heeft er verder niet expliciet onderzoek naar gedaan of de verwerking van deze data binnen Centric Burgerzaken aan bepaalde ethische kaders voldoet. Naast dat de gemeente Centric Burgerzaken heeft getest voordat het dit systeem in gebruik werd genomen, wordt er ook elk jaar een audit (zelfevaluatie) van het systeem uitgevoerd om ervoor te zorgen dat er waar nodig verantwoording kan worden afgelegd aan het ministerie van Binnenlandse Zaken. Aangezien er met privacygevoelige gegevens wordt gewerkt, is het systeem goed beveiligd en wordt dit regelmatig getoetst en moet hierover verantwoording worden afgelegd aan de rijksdienst voor identiteitsgegevens. Aangezien er nog steeds af en toe fouten kunnen optreden binnen het systeem, bijvoorbeeld wanneer verhuizingen niet correct aangegeven zijn, kunnen bepaalde ambtenaren met meer bevoegdheden binnen het systeem handmatig gegevens aanpassen in het systeem of tijdens aanvragen. Indien er geen bijzonderheden geconstateerd worden in een aanvraag of aangifte kan deze verwerkt worden zonder tussenkomst van een medewerker.

Indien er wel een bijzonderheid geconstateerd wordt valt de aanvraag/aangifte in een wachtkamer waar deze gecontroleerd wordt door een medewerker. Bovendien kan Centric Burgerzaken nooit een aanvraag/aangifte zelf afkeuren, het kan deze alleen automatisch goedkeuren.

Reflectie op usecase Centric Burgerzaken is een belangrijke usecase. Voor dit onderzoek, en zeker ook voor periodieke bespreking in leerkringen van ambtelijke medewerkers, bestuurders, en van raadsleden. Deze algoritmes zitten in het hart van allerlei digitale diensten die directe implicaties hebben voor burgers. Tegelijkertijd zijn ze zodanig ‘ingebakken’ dat ambtelijke medewerkers er niet door getriggerd worden, ze worden ‘normaal’ onderdeel van het dagelijks werk. Voor het bevorderen van bewustzijn, kennis en kritisch vermogen is het een mooi vertrekpunt dat deze algoritmes – als onderdeel van het zaaksysteem – periodiek onder het vergrootglas liggen bij toezichthouders. Feitelijk is het zo, dat veel ambtenaren Centric Burgerzaken dagelijks gebruiken, waarbij zij persoonsherleidbare data bewerken. Dit maakt dat deze applicatie jaarlijks wordt getoetst. Dit periodieke toezicht biedt goede kansen om een lerende functie te krijgen op inhoudelijk niveau voor de ambtelijke teams en op systemisch niveau voor bestuurders en raadsleden over hoe zij zicht kunnen houden op de inzet van deze en soortgelijke applicaties. Temeer omdat men niet weet hoe Centric Burgerzaken ‘werkt’, tot bepaalde besluiten komt, welke algoritmes/beslisbomen Centric Burgerzaken beslissingen neemt.

De periodieke toezichthouder- cum leersessies kunnen vervolgens stapsgewijs worden verbreed naar soortgelijke applicaties en daarin ‘gebakken’ algoritmes waarvan veelal slechts een zeer klein deel van de ambtenaren weet heeft en ‘snap wat er onder de motorkap gebeurt.

Onderzoek naar algoritmes in gemeente Zuidplas

25

4.2

Groeimodel

De onderstaande usecase beschrijft de ervaringen van de gemeente Zuidplas met de inzet van het groeimodel: •

Beschrijving usecase: het groeimodel is een intern ontwikkelde rekenhulp waarmee de gemeente Zuidplas een inschatting kan maken van de in de toekomst benodigde capaciteit voor de uitvoering van specifieke taken

•

Status van usecase: Het groeimodel is intern ontwikkeld, en is bekend bij een aantal personen binnen de ambtelijke organisatie.

•

Reflectie op usecase: Het gaat hier om een eenvoudig algoritme, dat in eigen beheer ontwikkeld is, toegepast en beheerd wordt. Door de keuze om het model eenvoudig te houden en niet te werken met privacygevoelige data zijn er slechts beperkte risico’s.

usecase

Groeimodellen Groeimodellen geven op basis van veronderstellingen de benodigde capaciteit aan voor de uitvoering van taken binnen een organisatie. De gemeente Zuidplas heeft een groeimodel ontwikkeld dat de groei van het aantal inwoners berekend, hoeveel extra paspoorten er nodig zijn, hoeveel aanvragen er extra bij het zorgloket gaan komen, etc. De concerncontroller van de gemeente Zuidplas heeft al deze gegevens met terugwerkende kracht bekeken en hieruit parameters opgesteld waaruit de groeicijfers van de gemeente berekend kunnen worden. Deze cijfers worden vervolgens gebruikt om te voorspellen hoeveel extra budget er nodig gaat zijn. De wethouder Bedrijfsvoering, de gemeentesecretaris, de auditcommissie en de concerncontroller zijn betrokken geweest bij de besluitvorming omtrent de inzet van groeimodellen binnen de gemeente; de concerncontroller heeft het groeimodel ontwikkeld en geïmplementeerd, en de bovengenoemde personen, commissie en een ambtenaar van de afdeling Financiën zijn vervolgens op de hoogte gesteld hoe het groeimodel in elkaar steekt. Aangezien het groeimodel zeer eenvoudig is en de resultaten gemakkelijk gecontroleerd kunnen worden, is er volgens de voorgenoemde betrokken ambtenaren, verder geen toezicht nodig op het algoritme.

Besluitvorming voor ingebruikname De gemeente Zuidplas stelde vast dat er voor alle gemeentebudgetten een bepaalde systematiek is en er zijn daarom ook allerlei vaste afspraken gemaakt binnen de gemeente over hoe de budgetten mee kunnen groeien. Echter, tot een aantal jaar geleden was er nog geen goede berekening over hoe het personeelsbestand moest groeien binnen de gemeente op basis van de gemeentegroei en hoeveel budget hiervoor beschikbaar moest worden gesteld per jaar. Vandaar dat de gemeente besloot dat er een groeimodel nodig was om te kunnen voorspellen hoeveel menskracht er nodig is binnen alle afdelingen van de gemeente op basis van een aantal variabelen. De concerncontroller heeft vervolgens in opdracht van de portefeuillehouder bedrijfsvoering en de gemeentesecretaris het groeimodel ontwikkeld, besproken met de auditcommissie waarna het ter besluitvorming

Onderzoek naar algoritmes in gemeente Zuidplas

26

aan de gemeenteraad is voorgelegd. De concerncontroller heeft hierna het groeimodel geïmplementeerd en om het model zo simpel mogelijk te houden, is besloten de menskracht-groei te berekenen op basis van drie variabelen, die vastgesteld zijn als de belangrijkste op het gebied van groeivoorspelling: hoeveelheid inwoners binnen de gemeente, beheer van de openbare ruimte (vierkante meters te onderhouden openbare ruimte), en het aantal mensen dat zorgbehoevend is binnen de gemeente. In een eerdere versie van het groeimodel zaten 42 variabelen, maar dat werd voor de gemeente al snel te complex. Na de ontwikkeling van het groeimodel is ook een ambtenaar van de afdeling Financiën en van de afdeling HR op de hoogte gesteld van de werking van het model en hoe dit te gebruiken. Het plan van de gemeente was om het systeem volledig geautomatiseerd te integreren, maar is dat volgens de betrokken ambtenaar mede door corona niet verder ontwikkeld dan de huidige versie in Excel. Aangezien er geen gevoelige informatie wordt gebruikt voor het groeimodel (alle informatie is uitgedrukt in getallen van hoeveelheid mensen/vierkante meters zonder privacygevoelige informatie en er wordt geen rekening gehouden met bijvoorbeeld de zwaarte van de zorg) zijn er geen ethische vraagstukken die behandeld hebben moeten worden voordat het groeimodel in gebruik genomen kon worden.

De gemeente heeft dan ook geen DPIA uitgevoerd, omdat het algoritme heel simpel is. Wel is dit model voorgelegd aan de CISO (afdeling informatievoorziening), die het gebruik van het groeimodel heeft goedgekeurd. Nu het groeimodel geïmplementeerd is, is het voor de gemeenteraad een stuk eenvoudiger om een financieel plan op te stellen, waarin de groei van het budget meegenomen kan worden. Hierdoor hoeft de raad alleen over kaders na te denken, zonder zich verder bezig te houden met hoe het budget moet groeien, aangezien dit nu automatisch berekend kan worden. Wel moet goed uitgekeken worden of de budgetgroei echt door pure groei komt en niet omdat er een nieuwe taak binnen de gemeente bijkomt. Hier houdt het groeimodel geen rekening mee en de toevoeging van nieuwe taken wordt dan ook niet behandeld in het groeimodel.

Informatievoorziening en toezicht gemeente tijdens gebruik Binnen de gemeente weet de concerncontroller exact hoe het algoritme werkt, aangezien hij het model ook ontwikkeld heeft. Omdat dit model zo simpel is, was het ook makkelijk om een ambtenaar van financiën en een ambtenaar van HR te informeren over de werking hiervan. Deze drie personen weten dan ook exact hoe het model werkt en welke (nietprivacygevoelige) data er nodig is voor het model. Verder zijn, zoals hierboven ook beschreven, de gemeentesecretaris wethouder bedrijfsvoering, auditcommissie, gemeenteraad en de CISO (afdeling informatievoorziening) op de hoogte van het bestaan van het groeimodel. Het is de bedoeling dat in de toekomst binnen elke afdeling van de gemeente een persoon is die precies weet hoe het algoritme werkt en dit ook kan toepassen en ook dat het model volledig geautomatiseerd geïntegreerd is binnen bestaande systemen in de gehele gemeente. Echter, dit proces heeft door corona vertraging opgelopen. De auditcommissie en afdeling Dataveiligheid hebben het groeimodel getoetst of het model deed wat het moest doen, voordat het in gebruik werd genomen. Daaruit bleek dat er verder geen externe toets nodig was, aangezien de werking van het model zeer eenvoudig en makkelijk te doorgronden is.

Wel kijkt de gemeente elk jaar of de voorspellingen die het groeimodel heeft gedaan voor het voorgaande jaar ook blijken te kloppen. Wanneer dit niet het geval is, kan de data die het model in gaat worden aangepast, echter is dit tot nu toe nog niet nodig geweest. Dit kan gezien worden als een

Onderzoek naar algoritmes in gemeente Zuidplas

27

interne toets en is momenteel de enige vorm van toezicht op het model. De concerncontroller zou het model kunnen uitbreiden of aanpassen mocht dit in de toekomst nodig zijn, maar voor nu is het nog lastig te bepalen welke nieuwe variabelen er geïntroduceerd zouden kunnen worden om de functionaliteit of werking van het model uit te breiden. Reflectie op usecase Dit is een bijzondere usecase. Het gaat hier om een eenvoudig algoritme, dat in eigen beheer door ambtenaren is ontwikkeld, wordt toegepast en beheerd. Deze toepassing maakt geen gebruik van privacygevoelige data, wat het toezicht erop zeer eenvoudig maakt. De keuze om voor een eenvoudig model te gaan, met slechts drie variabelen, bevordert de transparantie en begrijpelijkheid van de uitkomsten. Het blijft echter van belang dat er door meerdere ambtenaren en/of door toezichthouders aandacht blijft voor de werking, data en uitkomsten van het model. De uitkomsten van dit model maken onderdeel uit van periodieke beleidsafwegingen. Omringende overheden, Rijksoverheid (o.a. in het kader van de rijksbijdrage uit het gemeentefonds), wooncorporaties, projectontwikkelaars en adviesbureaus maken wel (in toenemende mate) gebruik van meer complexe datascience toepassingen en algoritmes. Het is zaak dat een model als dit, incl.

de daarin ingebedde algoritmes, zo goed mogelijk aansluiten op de standaarden die omringende partijen benutten.

Onderzoek naar algoritmes in gemeente Zuidplas

28

Bijlage A

Onderzoeksaanpak

De aanpak van het onderzoek is gestructureerd in zeven werkpakketten (WP’s). In de Figuur 6 geven we een schematisch overzicht van de aanpak. We begonnen met een startbijeenkomst waarbij alle gemeenten aanwezig waren. In deze bijeenkomst zijn de definitie van algoritmes, de kaders en het plan van aanpak verder besproken. Vervolgens is via deskstudie, interviews en enquêtes data verzameld die vervolgens samen kwam in de analyse en rapportage. Op basis van deze databronnen hebben we over de gehele linie een breed beeld kunnen schetsen van waar de gemeente staat met algoritmes met op de usecases een verdieping van een specifieke toepassing van een algoritme. Figuur 6

Schematisch overzicht van de voorgestelde aanpak

Bron: Technopolis Group, 2022

A.1

WP1: Deskstudie van beleidsdocumenten

In dit WP hebben we een deskstudie uitgevoerd op basis waarvan we eerste antwoorden op de onderzoeksvragen hebben geformuleerd. We hebben zowel een handmatige als een geautomatiseerde analyse uitgevoerd. A.1.1

WP1 deskstudie

De deskstudie zijn we gestart met een handmatige analyse van relevante documenten. Voor de handmatige deskstudie gebruikten wij de volgende bronnen: •

Wetenschappelijke en grijze literatuur over algoritmegebruik door gemeenten (beknopt);

•

Relevante beleidsdocumenten van (semi-) publieke instanties;

•

Documenten over algoritmes in de praktijk. Uitkomsten van breed gedragen initiatieven zoals het innovatieprogramma ‘Publieke controle op algoritmes’ en de Datawerkplaats.

Onderzoek naar algoritmes in gemeente Zuidplas

29

A.1.2

WP1.2 Geautomatiseerde tekstanalyse

Naast de handmatige deskstudie voerden we aanvullend een geautomatiseerde deskstudie uit. Hierbij gaat het om tekstuele data uit bijvoorbeeld raadsstukken, de gemeentewebsites, uitgezette tenders en de door Gemeente Zuidplas aangeleverde documenten. We hebben door middel van geautomatiseerde tekstanalyses op een gestructureerde wijze de referenties over de inzet van algoritmes binnen de gemeente inzichtelijk gemaakt. We hebben terugkerende woorden en thema’s geanalyseerd, en een sentimentanalyse toegepast: dit geeft inzicht in of algoritmes in een positieve of negatieve context besproken worden in deze documenten. Door wijzigingen in de toegang tot een van de onderliggende dataplatformen voor deze analyse, hebben we uiteindelijk slechts beperkt kunnen putten uit de geautomatiseerde deskstudie.

A.2

WP2: Enquête naar begrip en gebruik onder ambtenaren

Het doel van de enquête was om het perspectief en de kennis van de ambtenaren op het gebied van bewustzijn, besluitvorming en toezicht op algoritmes te verzamelen. In de enquête waren voornamelijk gesloten vragen opgenomen, om de tijdsbelasting en barrière om de enquête te beantwoorden beperkt te houden. Voor de volledige vragenlijst verwijzen wij u naar Bijlage B. Tussen 18 januari en 8 juni hebben ambtenaren de enquête kunnen invullen. Een e-mail met uitleg over het onderzoek en een verzoek om de enquête in te vullen is door de gemeentelijke contactpersoon gedeeld met de organisatie. Tevens zijn deze contactpersonen gevraagd een tweetal reminders te versturen. In totaal hebben in de gemeente Zuidplas 23 personen de enquête voltooid. Circa 60% van de respondenten heeft een rol als ambtelijke ondersteuning en/of beleidsadvisering. Ongeveer 22% van de respondenten heeft uitvoerende taken en eveneens 22% is werkzaam in de gemeenteraad. Twee respondenten hebben andere taken binnen de organisatie. Het gros van de respondenten (40%) werkt in het ruimtelijk domein, ongeveer 30% in de bedrijfsvoering, 4% in het sociaal domein en respectievelijk 26% en 4% op een ander domein of bij bestuurszaken.

In hoeverre de response representatief is voor de gehele gemeenteorganisatie is lastig vast te stellen, al is het aannemelijk dat de enquête eerder een overschatting dan een onderschatting geeft van het bewustzijn over algoritmes. Dit is omdat de response onder ambtenaren met grotere betrokkenheid op dit onderwerp hoger zal liggen. Bij de interpretatie van de enquêteresultaten dient rekening gehouden te worden met de soms beperkte omvang van de steekproef. Hierdoor geeft de enquête inzicht in de grotere trends en is het niet mogelijk om kleinere verschillen statistisch uit te splitsen. Daarnaast is niet uit te sluiten dat ondanks de geboden toelichting op de definitie van algoritmes in de enquête, deze definitie door sommige respondenten op een afwijkende manier gehanteerd kan zijn. De aangeleverde voorbeelden van algoritmes in de antwoorden op de open vragen geven echter geen reden om aan te nemen dat hiervan op grote schaal sprake is geweest.

A.3

WP3: Interviews met verschillende experts in de gemeenten

Het doel van de interviews was om de kennis die is opgedaan tijdens de deskstudie en enquête te verdiepen door middel van interviews met relevante medewerkers van de te onderzoeken gemeenten. We zijn op 22 maart een dag lang bij de gemeente Zuidplas op bezoek geweest om interviews af te nemen. De lijst van te interviewen personen hebben we opgesteld in samenspraak met de gemeentelijke contactpersoon en de Groene Hart Rekenkamer. In de onderstaande tabel vindt u een overzicht van de personen die wij voor dit onderzoek gesproken hebben. Een aantal mensen kon niet op 22 maart, met hen hebben we nadien een online interview ingepland.

Onderzoek naar algoritmes in gemeente Zuidplas

30

Tabel 4

Overzicht interviewkandidaten

Categorie

Naam

Functie

College B&W

Daan de Haas

Wethouder

Gemeentesecretaris

Richard Heijdra

Gemeentesecretaris

Domeinambtenaar

Annemieke Hogendoorn

Planeconomie - financieel gebiedsregisseur

Domeinambtenaar

Anoniem (naam bekend bij onderzoekers)

Beleidsadviseur Veiligheid

Domeinambtenaar

Erik Kooistra

Beleidsadviseur Geo-informatie

Data-ambtenaar

Rijk Meulenman

CISO

Data-ambtenaar

Mariska Meuwissen

Data analist samenleving

Data-ambtenaar

Meindert Boon

FG

Usecase Centric Burgerzaken

Ron van Roon & Mohamed Abdelkhalki

Coördinator Publieksplein & applicatiebeheerder gemeente Zuidplas

Usecase Groeimodel

Lars Evers

Concerncontroller

De interviews hadden de vorm van semigestructureerde interviews: we maakten gebruik van een vooraf ontwikkelde vragenlijst/interviewleidraad, maar tijdens het interview lieten we ruimte aan de geïnterviewden om ook andere onderwerpen in te brengen. Daarmee zorgden we ervoor dat (onvoorziene) relevante zaken tijdens het gesprek verder uitgediept of verkend konden worden. Aan het begin van het interview deelden we de definitie van een algoritme, zodat de geïnterviewden vanuit hetzelfde begrip antwoorden konden geven op onze vragen. We hebben de notities van de interviews voor goedkeuring teruggelegd bij de geïnterviewden om te kijken of we de strekking van hun antwoorden goed hebben begrepen.

A.4

WP4: Usecases van algoritmes binnen de vier gemeenten

In dit werkpakket gingen we dieper in op een aantal algoritmes in de vorm van casestudies. De GHR stelde als eis dat er verspreid over de gemeenten acht verschillende usecases nader bekeken zouden worden. In overleg met de Groene Hart Rekenkamer selecteerden we voor iedere gemeente twee verschillende typen algoritmes om verder uit te diepen in een usecase. De selectie van usecases heeft een zekere mate aan diversiteit qua toepassingsdomeinen zodat we een breed beeld kunnen presenteren. In de usecases putten we voornamelijk uit publiek gepubliceerde en door gemeenten aangeleverde documenten en interviews met betrokken personen binnen elk van de gemeenten. De usecases van gemeente Zuidplas staan in Hoofdstuk 4. Deze usecases zullen daarnaast ook samen met de usecases van de andere drie gemeenten die aangesloten zijn bij de GHR in een apart document worden gepubliceerd.

A.5

WP5: Analyse

Waar in de voorgaande werkpakketten de focus lag op het verzamelen van informatie, richtte dit werkpakket zich op het bij elkaar brengen en analyseren van de informatie uit de verschillende werkpakketten. Hiervoor is eerst een koppeling gemaakt tussen interviewtranscripties, enquêtevragen en deskstudiedocumenten en het normenkader. Hierdoor was er voor iedere norm duidelijk uit welke bronnen we konden putten voor onze rapportage. Na de bestudering van deze verschillende bronnen is er vervolgens een synthese geschreven waarna we op basis van deze synthese ons oordeel bepaalden.

Onderzoek naar algoritmes in gemeente Zuidplas

31

Bijlage B

Enquêtevragenlijst

Onderzoek naar algoritmes in gemeente Zuidplas

32

Onderzoek naar algoritmes in gemeente Zuidplas

33

Onderzoek naar algoritmes in gemeente Zuidplas

34

Onderzoek naar algoritmes in gemeente Zuidplas

35

Onderzoek naar algoritmes in gemeente Zuidplas

36

www.technopolis-group.com

Onderzoek naar algoritmes in gemeente Zuidplas

38