In dit kennisatelier voor ambtenaren in het sociaal domein spraken deskundigen met elkaar over de verschillende kanten van informatiegestuurd werken. Bas van Klompenburg leidde het gesprek.  

De deskundigen waren:   

• Gjalt-Jorn Peters – hoofddocent theorie, methodologie en statistiek aan de Open Universiteit   
• Paul van Heel – bestuurder/initiatiefnemer SDGHUB (duurzame ontwikkelingsdoelstellingen) 
• Elwine Halewijn – directeur ITTA (kennisinstituut voor taalontwikkeling)  

We hebben van deze sessie een luisterverslag gemaakt. Je kunt deze luisterfragmenten aanvragen bij onze adviseurs Arnout Timmerman of Petra Luteijn.

NT1’ers

Een veel gebruikte definitie van NT1’ers is: volwassenen met Nederlands als moedertaal. Maar deze definitie sluit niet helemaal aan bij de tijd van nu. Een bredere definitie van NT1’er is dat het gaat over mensen die het Nederlands mondeling goed beheersen, maar die moeite hebben met lezen en schrijven. Het gaat dus niet zomaar om mensen met een taalachterstand, maar om mensen met een achterstand op het gebied van geschreven tekst. 

De discussie van de experts gaat over het gebruik van data in beleid en onderzoek. Mensen worden onder andere gediscrimineerd op de manier waarop ze met taal kunnen omgaan. Veel informatie is voor hen lastig te begrijpen. Het is dus belangrijk om voor hen relevante informatie begrijpelijk aan te bieden. Hierbij kan data-analyse helpen. Door datasets te combineren kunnen we zien welke interventies werken.

Gebruik van data om NT1’ers te bereiken

In de eerste plaats is het belangrijk om warme contacten te hebben met de doelgroep en om vertrouwen op te bouwen. Daarnaast zijn data waardevol om te bepalen waar de behoeften liggen en waar interventies nodig zijn. Eigenlijk is datagestuurd werken niets anders dan dat je kijkt hoe de wereld in elkaar zit en hoe je daarop je besluiten baseert. Als je bijvoorbeeld merkt dat mensen niet naar je programma’s komen, kun je dat onderzoeken. Dan praat je met mensen en analyseer je deze gesprekken. Je kunt ook kijken naar waar de doelgroep zich bevindt. Realiseer je daarbij wel dat veel mensen zelf geen probleem ervaren, of hun probleem niet koppelen aan laaggeletterdheid. Blijf daarom zelf goed nadenken over wat je uit de data kunt halen. En let erop dat alle partners dezelfde definities gebruiken.  

Verder is het belangrijk dat de data op de juiste manier geïnterpreteerd worden. En dat je experts inschakelt om de juiste beleidsbeslissingen te nemen. Data-analyse is complex, waarbij zowel kwantitatieve als kwalitatieve data belangrijk zijn. Samenwerkingspartners doen er goed aan om data te delen, het gemeenschappelijk doel is tenslotte om mensen te helpen. Hierbij is het wel van belang om zorgvuldig om te gaan met data en alleen te delen wat relevant is. Verder moet je rekening houden met de AVG (Algemene Verordening Gegevensbescherming). Je mag data delen, als dat anoniem gebeurt. Maar als je veel data deelt, is dat uiteindelijk wel te herleiden naar personen. Bedenk dus goed wat je deelt, wat echt nodig is om te delen en waarvoor je de data wil gebruiken. En als je data van een andere partij nodig hebt, leg dan uit waar je deze data voor wil gebruiken en wat het hen oplevert als ze deze data delen. Men zien niet altijd de positieve kant van datagebruik is, omdat mensen vaak in de eerste plaats denken aan wat er mis kan gaan, zoals bij de toeslagenaffaire. 

Adviezen van de experts  

Zoek partners, zoals universiteiten en hogescholen. Deze kunnen je helpen met hoe je de data kunt koppelen. Ook kunnen ze met je meedenken of de data je vraag beantwoorden en of de data aansluiten bij je doelen. Verder moet er meer aandacht komen over wat je met data kunt doen en hoe je dat moet doen.