Tagarchief: 42 Wbp

Datamining in het bestuursrecht

U doet al jaren mee aan de loterij. Nog nooit won u meer dan de inleg. Juist daarom zegt u de loterij niet op want:

de kans is groot dat ik nu na zo lang mee te doen een groot bedrag ga winnen.’

Het zijn dit soort gedachten die maakten dat de huidige minister van BZK Ronald Plasterk zich eens liet ontvallen:

‘Alfa’s laten zich alles wijsmaken.’

Laat ik dit in verband brengen met een opmerking van dr. E. du Perron van de UvA (hoogleraar privaatrecht, bekend van zijn prachtcolleges op Universiteit van Nederland.nl) die ik me herinner als volgt;

‘voor mij geldt, net als voor alle andere juristen, dat als ik iets anders had gekund, ik dat wel was gaan doen’.

Ik zou dan met een soort logische redenering kunnen concluderen dat juristen, zijnde uberalfa’s, zich alles laten wijsmaken. Dit slaat natuurlijk nergens op. Of toch wel? Uit de rechtszaak Lucia de B. bleek dat het interpreteren en duiden van ‘statistische’ bewijsmiddelen geen sinecure is. Voor deskundigen. Laat staan voor de groep mensen waarvan kan worden aangenomen dat zij in hogere mate dan gebruikelijk aan een vorm van discalculu lijden. Iudex non calculat, toch?

Het verdelen van aandacht
Dit was jarenlang geen enkel probleem. Althans, voor juristen. Inmiddels is de wereld aan het veranderen. Cijfers en data spelen in de digitale wereld de hoofdrol. En zelfs in het bestuursrecht. Denk aan de verdeling van aandacht door het bestuursorgaan voor zijn belanghebbenden.

Wat bedoel ik hiermee? Van de overheid wordt verwacht dat aanvragen van burgers gecontroleerd worden voordat er een besluit wordt genomen. En dat overtredingen gehandhaafd worden. Tegelijkertijd zien we dat door de bezuinigingen en het onverminderd groot aantal taken, de mogelijkheid ontbreekt om elke aanvraag of elke overtreding door een ambtenaar te laten onderzoeken. Daarom zal een keuze gemaakt moeten worden; welke aanvragen, overtredingen, of zelfs welke belanghebbenden, krijgen net een beetje meer aandacht dan anderen?

Die prioritering gebeurt nu vaak op basis van ervaringsgegevens; er zijn dan profielen, al dan niet expliciet, die maken of u wel of niet wordt gecontroleerd. Dit is vaak erg duidelijk bij het bezoeken van een voetbalwedstrijd en de beslissing van de beveiliging wie wel en wie niet gefouilleerd wordt.

Profielen op basis van ervaring of thema
Ook in de digitale wereld worden dergelijke profielen gemaakt. Deze vormen dan de basis voor het bestuursorgaan om te gaan prioriteren. Het kan dan gaan om interne beleidsmatige aspecten; dit jaar willen we extra aandacht besteden aan mensen onder de 23 jaar die werkloos raken om de jeugdwerkloosheid terug te dringen (themagericht onderzoek)

Maar het kan ook gaan om aspecten die met menselijk gedrag te maken lijken te hebben; omdat we weten dat inwoners uit wijk X vaker frauderen, gaan we elke nieuwe aanvraag uit die wijk onderzoeken (onderzoek op basis van risico-profielen).

Is dit geen discriminatie? Dat ligt er aan. Zo vond rechtbank Haarlem het onrechtmatig dat een gemeente zich voor controle bijstandsuitkering richtte op mensen van Somalische achtergrond ook al had de staatssecretaris dit als themagericht onderzoek benoemd. Het onderzoek was in strijd met het verbod van discriminatie. http://deeplink.rechtspraak.nl/uitspraak?id=ECLI:NL:RBHAA:2007:BA5410

In een zaak van de gemeente Ede oordeelde de rechtbank anders. De Rb oordeelde hier dat het onderzoek op objectieve gronden berustte. Men had o.a. gekeken naar mensen die gedurende de bijstandsperiode wel eens een verblijfadres in het buitenland hadden opgegeven. En omdat er aantoonbaar was dat er ook onderzoek werd verricht buiten Turkije, bleek er daarmee niet van discriminatie. http://deeplink.rechtspraak.nl/uitspraak?id=ECLI:NL:RBGEL:2014:2704

Maar het kan geavanceerder: een selectie maken door middel van datamining.

Datamining
Datamining is, en ik citeer hier mijn oud-kamergenoot dr. Eric Schreuders, het zoeken naar kennis en verbanden in databases, ook wel het ‘schatgraven in databases’.
Je kunt het ook zien als het zoeken naar verborgen patronen. Zoals een data-scientist mij uitlegde; als je in een bos staat zie je alleen de bomen en een wandelpad en raak je misschien verdwaald maar als je er boven vliegt zie je de paden, het verloop en de uitweg.

Voor juristen is nodig te weten dat je twee zaken nodig hebt om te kunnen dataminen; een datawarehouse en een algoritme. Het datawarehouse moet gegevens van goede kwaliteit bevatten voordat het een goede grondstof is. Dit is heel secuur werk. Ook het algortime is heel belangrijk. Dit duidt namelijk op iets belangrijks: het gaat hierbij om het rekenen. De data moeten daarvoor omgezet worden in getallen. Datamining vergt dus een parametrisering.

Nadat de data geselecteerd zijn uit de databases worden hier algoritmes op afgevuurd. En dit is nou wat datamining volledig anders maakt dan voorgaande profielen en conventioneel onderzoek; er is geen hypothese. Het algoritme gaat zoeken naar statistische verbanden. En statistische verbanden zijn niet hetzelfde als causale verbanden! Er kan bijvoorbeeld uitkomen dat mensen met een rode jas en drie honden vaker dan de rest van de inwoners verzoeken om kwijtschelding doen terwijl ze daar geen recht op hebben. Dan is hier een correlatie maar geen causaal verband. Toeval bestaat! Zie voor het verschil deze geweldige website: http://www.tylervigen.com/

Het wordt juridisch gezien vervolgens interessant als het bestuursorgaan besluit te handelen op basis van deze informatie. Hier ken ik geen voorbeelden van maar ik houd mijn hart daarvoor wel vast juist vanwege de volstrekt andere wijze van denken door beta’s en alfa’s.

Het allerbelangrijkste voor juristen is om te beseffen dat wiskundig logische principes als voordeel hebben dat zij niet discrimineren en objectief tot stand komen. Het grote nadeel is dat er gedacht wordt; waar rook is, is vuur. Dit zou moeten worden vervangen tot; toeval bestaat!

De uitsmijter; artikel 42 Wbp
Een grote onbekende is artikel 42 Wbp. Hierin staat 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.

Hier zijn twee opmerkingen te maken:
-Stel dat er is geen sprake van een Awb besluit (dan valt het onder een besluit waaraan rechtsgevolgen zijn verbonden) maar het profiel leidt tot een andere voorbereidingshandeling door het bestuursorgaan. Wanneer raakt mij dat in aanmerkelijke mate? Ik stel me zo voor dat het dan aan de intensiteit van de controle ligt. Merk ik er niets van en is het een digitale check? Of moet ik op basis van een profiel een huisbezoek tolereren? Dat verschilt nogal in het in aanmerkelijke mate raken.
– Het verbod geldt niet als de betrokkene in de gelegenheid wordt gesteld zijn zienswijze te geven.

Dit recht op menselijke tussenkomst is dus erg belangrijk. In mijn ogen is het echter een zinloos verbod als de mens die hier de tussenkomst kan bieden iemand is die de dataminingstechnieken en de profieltechnieken niet begrijpt. Als datamining gebruikt wordt in de voorbereiding van besluiten die later beoordeeld worden door de bestuursrechter vind ik dat het zaak is dat vanaf het moment dat de belanghebbende aan de bel trekt, de beide disciplines samen optrekken om de juiste balans te bereiken en rechtsbescherming te kunnen bieden. In de bestuurlijke fase, maar ook in de rechterlijke fase.

Maar ja, wie ben ik? Op basis van het profiel van Plasterk: een Alfa die zich van alles laat wijsmaken.

Lees ook:
http://initiatief1overheid.nl/wp-content/uploads/2014/05/Lezing-Arre-Zuurmond1.pdf

Gebruikte bronnen:
• Rapport van de data protection officer van Ontario, Canada: Data mining: staking a claim on your privacy, Ann Cavoukian, 1998
• ‘Datamining, de toetsing van beslisregels & privacy’, E. Schreuders, Universiteit Tilburg 2001.
• ‘The Power of Knowledge, Ethical, Legal, and Technological Aspects of Data Mining and Group Profiling in Epidemiology’, B.H.M. Custers, Universiteit Tilburg, 2004

Advertenties