Amsterdam

Na de kiezersopstand: Samenwerking in de Amsterdamse gemeenteraad

De verkiezing van 21 maart liep uit op een kiezersopstand. Vier nieuwe partijen werden in de raad gekozen, vooral dankzij kiezers in de minder rijke buurten aan de rand van de stad. Inmiddels zijn we een half jaar verder. Hoe verloopt de samenwerking tussen de gevestigde en de nieuwe partijen?

Interessante vraag, maar laten we eerst kijken naar de samenwerking in de vorige raad. Er was een linkse meerderheid in de raad, maar het college was relatief rechts (D66, SP en VVD). Er was een effectieve oppositie, waarbij GroenLinks en PvdA regelmatig samenwerkten bij het indienen van moties en amendementen.

De grafiek hieronder toont samenwerking in de huidige raad. Het samenwerkingspatroon is flink veranderd.

De grafiek suggereert dat er drie clusters zijn. Eén bestaat uit de coalitiepartijen GroenLinks, D66, PvdA, en SP. Het tweede cluster bestaat uit de rechtse / conservative partijen VVD, CDA, FvD en PvdO. En het derde bestaat uit DENK, BIJ1 en ChristenUnie. De Partij voor de Dieren lijkt een relatieve buitenstaander, althans op basis van deze maatstaf.

Oppositie

Lukt het de oppositiepartijen ondanks hun onderlinge verdeeldheid om invloed uit te oefenen? Een interessante graadmeter is of het lukt om voorstellen aangenomen te krijgen waar tenminste één coalitiepartij tegen is. Dat is tot nog toe twee keer gelukt.

Het eerste geval was een motie van Diederik Boomsma (CDA) die vroeg om parkeervergunningen voor mensen die een eigen garage hebben, maar die hem inmiddels hebben verbouwd. Van de coalitiepartijen stemde GroenLinks tegen: «Het blijft een feit dat je welbewust ervoor hebt gekozen een andere functie in de garage uit te oefenen en daarmee wentel je je parkeerbehoefte op de straat af.»

Het tweede was een motie van Sylvana Simons (BIJ1) waarin het college wordt gevraagd om leraren te steunen in hun acties voor een eerlijke beloning. De PvdA stemde tegen, met als argument dat de wethouder zich al had uitgesproken.

Thema’s

Om een beeld te krijgen van de prioriteiten van de nieuwe partijen, hieronder enkele voorbeelden van onderwerpen waarover hun fractievoorzitters voorstellen hebben gedaan:

Mourad Taimounti (DENK): parkeren, bestrijden racisme, jongeren.
Annabel Nanninga (Forum voor Democratie): sluiten moskee, vrijheid van meningsuiting.
Don Ceder (ChristenUnie): schulden en armoede.
Sylvana Simons (BIJ1): vluchtelingen, transgenderzorg, lerarensalarissen.

De moties zijn hier te vinden, en hier is een Pythonscript om ze te verwerken.

After the voter revolt: Collaboration in the Amsterdam city council

The 21 March city council election saw a bit of a voter revolt. Four new parties got elected onto the city council, thanks primarily to voters in the less affluent, peripheral parts of the city. The election outcome reflects Amsterdam’s social divide.

As a result, the composition of the city council changed considerably. So how are the established parties and the new parties getting along?

Before trying to answer that question, let’s have a look at collaboration in the previous city council. There was a left-wing majority in the council, but the government was relatively right-leaning. There was an effective opposition, with GroenLinks (Green Party) and PvdA (Social-Democrats) frequently collaborating to file motions and amendmends.

The chart below shows collaboration in the current city council. The city now has a more left-leaning coalition of GroenLinks, D66, PvdA, and SP. The pattern of collaboration has changed considerably.

The chart suggests that there are three clusters in the city council. One contains the coalition parties GroenLinks, D66, PvdA, and SP. The second contains right-wing / conservative parties VVD, CDA, FvD and PvdO. And the third contains DENK, BIJ1 and ChristenUnie. PvdD (Party for the Animals) appears to be a bit of an outsider by this measure.

Opposition

Are opposition parties able to exert influence, despite their divisions? An interesting measure is whether they succeed in getting proposals adopted despite a part of the coalition voting against. So far, this has happened twice.

One case was a motion from Diederik Boomsma (CDA), asking to provide parking permits to people who have a private garage but have turned it into something else. Coalition party GroenLinks voted against, arguing that people who have made the decision to use their garage for other purposes are now turning to the city to solve their parking problem.

The second one was a motion from Sylvana Simons (BIJ1) asking to the local government to support teachers in their fight for fair wages. PvdA voted against, arguing that the alderwoman had already taken a stand.

The motions can be downloaded here, and here’s a Python script to process them.

Druk bij de inspraakmicrofoon

Steeds meer mensen komen inspreken bij de gemeenteraad, schrijft Parooljournalist Michiel Couzy. Mooi voor de democratie, maar het kost wel veel tijd. Recent waren er commissievergaderingen met ruim dertig en zelfs 45 insprekers. De gemeenteraad gaat zich buigen over de vraag hoe het verder moet.

Couzy heeft een interessante verklaring voor de toename. Het vorige stadsbestuur (lees: VVD, SP en vooral D66) heeft de stadsdelen min of meer de nek omgedraaid. «Het gemeentebestuur en de raad hebben de macht naar zich toegetrokken. En dan krijgen ze de insprekers er gratis bij.»

Valt de analyse van Couzy kwantitatief te onderbouwen? De grafiek hierboven is het resultaat van een snelle check, met een slag om de arm. Het aandeel tijd voor insprekers varieert, maar recent lijkt er inderdaad sprake van een toename. Of die ontwikkeling is gestart na de ontmanteling van de stadsdelen (maart 2018) of misschien al iets eerder, hangt er een beetje vanaf hoe je de grafiek interpreteert.

De slag om de arm heeft vooral te maken met de kwaliteit van de data (zie hieronder). Verder zijn er nog geen verslagen beschikbaar van de recente commissievergaderingen waar Couzy naar verwijst; wellicht dat het percentage voor Q3 nog verder oploopt. Misschien kom ik hier nog een keer op terug.

Organisaties die zich bij de gemeenteraad melden zijn onder meer ouderenorganisaties, de Onderwijs Consumenten Organisatie, vakbond FNV, de Fietsersbond en ondernemersvereniging ORAM. FNV’ers vroegen onder meer aandacht voor de duizenden werknemers bij de gemeente met een onzeker contract; thuiszorgers die niet rond kunnen komen zonder een tweede baan; het tekort aan atelierruimtes en de veiligheidsrisico’s op Schiphol door de werkdruk bij het grondpersoneel en de beveiligers.

Methode

Eerder heb ik beschreven hoe ik verslagen van raadsvergaderingen heb gedownload en geanalyseerd. Destijds concludeerde ik dat oudere gegevens minder betrouwbaar zijn. Ik heb daarom alleen materiaal vanaf de vorige raadsperiode gebruikt.

Het belangrijkste verschil met de huidige analyse is dat ik destijds geïnteresseerd was in wat er is gezegd door raadsleden, en nu juist niet. Een grove manier om raadsleden eruit te filteren is door te kijken of achter hun naam tussen haakjes een partij vermeld staat. Er komen echter ook diverse niet-raadsleden aan het woord die geen inspreker zijn (ambtenaren, de korpschef, etcetera). Die heb er ik met behulp van steekwoorden zo goed mogelijk uitgefilterd, maar dit zal niet voor honderd procent zijn gelukt.

Verder zitten er fouten in de verslagen. In dit verslag worden bijvoorbeeld teksten van wethouder Kukenheim toegeschreven aan een inspreker. Ik heb de indruk dat dit soort fouten vooral in 2014 voorkomen, maar dat weet ik niet zeker.

Trust instead of algorithms

UPDATE 11 March 2019 - A survey by Dutch trade union FNV found that 25% of participating municipalities apply algorithms to personal data to label welfare recipients as potential frauds. 9% said they hire a commercial organisation to do the analysis. FNV’s vice president Kitty Jong condemned the practice.

A number of Dutch cities have contracted a company named Totta data lab to predict which welfare recipients may have committed fraud (the cities were somewhat secretive about this approach, but newspaper NRC wrote about it last spring). Totta has trained algorithms on a considerable amount of personal data: 2 to 3 hundred variables over a period of 25 years.

Such analyses carry the risk that existing biases are reproduced:

Luk [A Totta spokesperson] says that in some municipalities more fraud is found among people who have a partner (e.g., they don’t report income), whereas in others it is people without a partner (failing to report they live together). «But it’s quite possible that only that group has been investigated and we build our algorithms on that.»

Luk says they sometimes add ‘deviant’ citizens to the suspects, apparently in an attempt to look beyond the usual suspects.

Another problem is the lack of transparency regarding how this type of algorithms work. Totta doesn’t disclose its algorithms because it wants to protect its business interests; further, it can be difficult to interpret and explain how algorithms work. As a result, the government is unable to explain what criteria it uses to prepare decisions that affect citizens. Recently, the Dutch Council of State expressed concerns over digital decision-making by the government.

Proponents of algorithms argue that they help to detect more fraud while reducing the burden for innocent citizens. In fact, there may not be such a clear distinction. The organisation of welfare agencies said that alleged welfare frauds are often people who mean no harm, but who get into trouble as a result of complex and ambiguous welfare rules.

Still, Amsterdam city council member Anne Marttin (VVD) finds the approach interesting. She asked if Amsterdam uses algorithms and data mining to detect welfare fraude. The answer is no. This is why:

The city government is aware of the use by other municipalities of algorithms and/or data mining to fight welfare fraud. The city does not use such instruments to deal with or prevent welfare fraud. […]

Our services for welfare recipients are based on trust. Further, the city government attaches great importance to the privacy of citizens and the way in which their data is used by the government, for example to develop algorithms. The city government thinks it’s very important that the use of data mining and algorithms doesn’t have a negative impact on the privacy and the legal protection of citizens.

Source (pdf)

Vertrouwen in plaats van algoritmes

UPDATE 11 maart 2019 - Uit de FNV Lokale Monitor 2018 blijkt dat 25% van de deelnemende gemeenten algoritmes toepast op persoonsgegevens om bijstandsgerechtigden aan te merken als potentiële fraudeur. 9% huurt hiervoor een commercieel bedrijf in. Vice-voorzitter Kitty Jong heeft kritiek op de werkwijze: «Iedere bijstandsgerechtigde is “bij voorbaat verdacht”. Volgens FNV kán en mág dat niet!».

Verschillende gemeenten hebben het bedrijf Totta data lab ingehuurd om te voorspellen welke uitkeringsgerechtigden misschien frauderen (ze hebben dit zelf niet actief naar buiten gebracht, maar de NRC schreef er afgelopen voorjaar over). Totta heeft algoritmes getraind op een enorme hoeveelheid persoonsgegevens: twee- tot driehonderd variabelen over een periode van 25 jaar.

Dit soort analyses brengen het risico met zich mee dat bestaande vooroordelen worden versterkt:

Luk [een Tottawoordvoerder] zegt dat bij de ene gemeente meer fraude gevonden wordt bij mensen mét partner (die geven bijvoorbeeld inkomsten niet op), terwijl het in andere gaat het om mensen zónder partner (die geven niet op dat ze samenwonen). «Maar het kan ook zijn dat er alleen onderzocht is op die groep en dat wij daar ons algoritme op bouwen.»

Luk zegt dat ze soms ook ‘afwijkende’ burgers als verdachte aanmerken. Zo willen ze waarschijnlijk voorkomen dat alleen de usual suspects in beeld komen.

Een ander probleem is het gebrek aan transparantie. Totta houdt zijn algoritmes geheim om zijn bedrijfsbelang te beschermen. Daarnaast kan het lastig zijn om de werking van algoritmes te interpreteren en uit te leggen. Hierdoor kan de overheid niet goed uitleggen welke criteria een rol spelen bij besluiten over burgers. De Raad van State heeft onlangs vraagtekens geplaatst bij de digitalisering van overheidsbesluiten.

De aanbieders van algoritmes zeggen dat deze aanpak helpt om meer fraudeurs op te pakken en tegelijk minder onschuldige burgers lastig te vallen. De werkelijkheid is waarschijnlijk ingewikkelder. Volgens de koepel van sociale diensten zijn vermeende fraudeurs vaak mensen van goede wil, die in de problemen komen door de complexe en onduidelijke bijstandsregels.

Gemeenteraadslid Anne Marttin (VVD) ziet de aanpak even goed wel zitten. Ze wil weten of Amsterdam al gebruik maakt van algoritmes en datamining bij de aanpak van bijstandsfraude. Het antwoord is nee. Dit is de reden:

Het college is bekend met het gebruik van algoritmes en/of datamining ter bestrijding van bijstandsfraude in andere gemeenten. Het college maakt geen gebruik van dergelijke instrumenten in de aanpak en preventie van bijstandsfraude. […]

De basis van de dienstverlening aan bijstandsgerechtigden is vertrouwen. Het college hecht ook grote waarde aan de privacy van de burger en de wijze waarop diens gegevens door de overheid worden gebruikt, bijvoorbeeld voor het ontwikkelen van algoritmes. Het college vindt het van groot belang dat gebruik van datamining en algoritmes geen negatieve invloed heeft op de privacy van de bijstandsgerechtigde en diens rechtsbescherming.

Beantwoording raadsvragen (pdf)

Pages