De Kredietbank Midden-Groningen (KMG) heeft eind 2021 het project Jongeren met Toekomst opgestart dat loopt tot en met 2028. Het doel hiervan is om kwetsbare jongeren van 18 tot 27 jaar met problematische schulden binnen de gemeente een kans geven op een betere toekomst door de doelgroep eerder en effectiever hulpverlening te bieden en de opbouw van schulden en of terugval te voorkomen. De KMG heeft echter nog nauwelijks ervaring met deze specifieke doelgroep en tot dusver vooral reguliere schuldaflossingstrajecten geboden zonder onderscheid op leeftijd. Om het project een gefundeerde start te kunnen geven wil de KMG een eigen werkwijze ontwikkelen die aansluit op de context van Midden-Groningen op basis van twee soorten informatie. Het gaat in de eerste plaats om wetenschappelijke inzichten in de specifieke en kwetsbare doelgroep van jongeren met problematische schulden. Ten tweede betreft het bestaande werkwijzen ten aanzien van deze doelgroep in andere Nederlandse gemeenten. Het is in Nederland zo geregeld dat vanuit de Wet gemeentelijke schuldhulpverlening gemeenten veel eigen ruimte hebben om hun schuldhulpverlening voor jongeren vorm te geven. Zo hebben verschillende gemeenten hun eigen werkwijzen ontwikkeld en ervaring opgedaan met een tal van preventie-, schuldhulp- en nazorgmaatregelen (Vijlbrief & Van Mourik, 2020). De KMG zoekt hierbij in de eerste plaats naar bestaande mogelijkheden voor secundaire preventie: het vroegtijdig aanpakken van schuldenproblematiek bijvoorbeeld door middel van coaching, trajectbegeleiding en het bieden van een schuldregeling. Het doel hiervan is aflossen van schulden of stabiliseren van de situatie, zodat vaste lasten kunnen worden betaald zoals huur, gas, water, elektra, voeding en leefgeld. De jongeren met problematische schulden moeten dan wel eerst zijn gesignaleerd. Ook is de KMG geinteresseerd in bestaande mogelijkheden tot tertiaire preventie: nazorg gericht op het voorkomen dat een jongere terugvalt in de schulden. Dit kan worden gedaan door jongeren te monitoren. De groep met gebrekkige vaardigheden krijgt hier vanuit blijvend hulp (Waltz et al., 2011) en de groep die wel voldoende in staat om na een schuldhulpverleningstraject voldoende alles weer zelf te doen is krijgt vaardigheden en gedragsverandering aangeleerd. De KMG heeft het Lectoraat Leefomgeving in Tranisitie (LiT) van het Kenniscentrum NoorderRuimte van de Hanzehogeschool Groningen betrokken om de benodigde informatie middels onderzoek in kaart te brengen. In het voorliggend rapport staat een overzicht van literatuuronderzoek naar kwetsbare jongeren met schuldenproblematiek en een selectie van bestaande vormen van schuldhulpverlening die mogelijkheden bieden in de context van Midden-Groningen. Het rapport sluit af met een aantal algemene aanbevelingen voor secundaire en tertiaire preventie, waaronder monitoring.
In het werving- en selectieproces proberen organisaties in eerste instantie zoveel mogelijk geschikte kandidaten te laten solliciteren (een marketing/ branding probleem) om daaruit dan de meest geschikte kandidaat te kiezen (een selectieprobleem).Het is wettelijk verboden om bij het selecteren van kandidaten te discrimineren op kenmerken die niet relevant zijn voor de selectie (zoals huidskleur, geloof of leeftijd). Maar een eerlijk en rechtvaardig proces moet verder gaan dan de wet. Een ethische aanpak zorgt ervoor dat gelijk gesitueerde mensen gelijk behandeld worden, dat vooroordelen geen kans hebben, dat kandidaten met menswaardigheid en respect behandeld worden, dat de procedures en uitkomsten voor iedereen helder zijn, dat de kandidaat zinnige feedback krijg na het proces, en dat de voorspellingen over het toekomstige werksucces van een kandidaat daadwerkelijk kloppen.Voor elk van de fasen van werving- en selectie zijn er kunstmatige intelligentiesystemen op de markt die organisaties kunnen helpen bij het proces. Die technologieën hebben gevolgen voor wie er wel of niet worden geselecteerd en kunnen dus een impact hebben op de diversiteit van een organisatie.De diversiteit binnen een organisatie kan op drie manieren worden vergroot. Je kunt de bestaande bias uit het proces proberen te halen, je kunt barrières die ervoor zorgen dat alleen specifieke groepen kunnen of willen solliciteren wegnemen, en je kunt actief op zoek gaan naar kandidaten met een divers profiel.Technologie zou op drie manieren kunnen helpen bij het verminderen van bias binnen het proces. Irrelevante persoonskenmerken kunnen automatisch buiten beschouwing worden gelaten en je kunt een stuk makkelijker dan bij een menselijke recruiter meten op wat voor manier het systeem biased is. Ook zou technologie kunnen helpen bij het vindenvan nieuwe groepen kandidaten die eerder nog niet in beeld waren.De voordelen van het gebruik van kunstmatige intelligentie hebben daarnaast vooral te maken met efficiëntie. Delen van het proces kunnen worden geautomatiseerd, en de werkwijze kan meer uniform gemaakt. Het zijn daarom vooral organisaties die grote aantal kandidaten werven die op dit moment gebruik maken van kunstmatige intelligentie.Er kleven ook grote risico’s aan het gebruik van kunstmatige intelligentie binnen werving- en selectieprocessen. Omdat veel van de technologie uitgaat van de huidige (succesvolle) werknemers is er de kans dat je de (weinige diverse) status quo juist handhaaft. Het is nooit uit te sluiten dat er hele specifieke vormen van bias met betrekking tot bepaalde groepen in het systeem blijven zitten, en dit soort systemen kunnen sowieso slecht omgaan met individuen die op een of andere manier afwijken van de norm. Die bias die – ook na een zorgvuldige implementatie – overblijft is dan wel meteen systematisch en schaalt mee met de inzet van de technologie. Verder blijft het moeilijk om te valideren of de kunstmatige intelligentie die je inzet wel goed werkt. Tot slot hebben dit soort systemen veel data nodig. Dit kan op het gebied van privacy en de vereiste dataminimalisatie problemen opleveren.Je hoort vaak dat we ons geen zorgen hoeven te maken over de inzet van kunstmatige intelligentie binnen werving- en selectie. Het is immers voorlopig nog steeds de mens die de uiteindelijke beslissing neemt. Dit klopt (vooralsnog) misschien nog wel voor het aannemen van de kandidaat, maar is allang niet meer het geval voor de kandidaten die worden afgewezen. Daar is het vaak al de machine die kiest, zonder enige menselijke tussenkomst.Als je er toch voor kiest om kunstmatige intelligentiesystemen binnen werving- en selectieprocessen te implementeren, dan moet je dat op een heel intentionele manier doen. En met een scherpe blik op de achterliggende waarden. Dit onderzoek heeft gereedschap opgeleverd dat daarbij kan helpen. Met de AI in Recruitment (AIR) Discussietool kun je aan de hand van de volgende vijf vragen (en de bijbehorende deelvragen) komen tot een zo verantwoord mogelijke implementatie:1. Wat is voor jouw organisatie eerlijke en rechtvaardige werving en selectie?2. Hoe zit het met de benodigde data?3. Blijft de mens de baas over het proces?4. Is jouw organisatie en is de technologie onbevooroordeeld?5. Weet je zeker dat de technologie werkt en dat het blijft werken?
MULTIFILE
"In het kader van het Programma Samenwerking DJI-3RO zijn zomer 2019 onder de noemer ‘Effectieve Praktijken’ experimenten gestart in negen verschillende Penitentiaire Inrichtingen (Heerhugowaard, Nieuwegein, Roermond, Schiphol, Veenhuizen, Vught, Zaanstad, Zutphen, Zwolle). Daarnaast startte in januari 2020 het project ‘Selectie Ondersteunend Model (SOM)’ in twee andere Penitentiaire Inrichtingen (Arnhem, Sittard). Doel van beide initiatieven is het betrekken van de specifieke expertise van de reclassering om re-integratietrajecten voor gedetineerden te versterken en terugval in delinquent gedrag te helpen voorkomen. Het (intensiveren van het) samenwerken met gemeenten en met andere ketenpartners ligt hierbij voor de hand. Hogeschool Utrecht (HU) heeft van september 2019 tot en met juni 2021 onderzoek gedaan naar de experimenten binnen het project Effectieve Praktijken en van februari 2020 tot en met juni 2021 naar de ontwikkeling van het SOM. Deel 1 van ‘Binnen beginnen om buiten te blijven’ (Eindrapport Effectieve Praktijken en Selectie Ondersteunend Model) beschrijft de eindresultaten van beide onderzoeken."
