Het besturen van woningcorporaties lijkt wel een heikel onderwerp omdat veel maatregelen elkaar tegenwerken. Maar waarderen we vastgoed financieel of waarderen we het doel waarvoor vastgoed wordt ingezet? En welke vastgoeddata zijn hier voorhanden en zijn deze wel betrouwbaar? Dit artikel probeert hier een antwoord op te geven.
Het begrip studiesucces speelde het afgelopen decennium een centrale rol in discussies over het hoger onderwijs. Gericht beleid moet ervoor zorgen dat dit onderwijs bijdraagt aan een internationaal competitieve Nederlandse kenniseconomie en dat het meer en beter gekwalificeerde hoger opgeleiden oplevert voor de arbeidsmarkt. Dat alles moet zo efficiënt mogelijk gebeuren, door vermindering van de uitval van studenten en een rendementsverbetering in studieduur. Maar wat studiesucces nu eigenlijk inhoudt, en hoe dit concept ingrijpt op het onderwijsbeleid, de onderwijspraktijk en het onderwijsonderzoek, blijft daarbij onderbelicht. Het bepalen van studiesucces komt steeds meer neer op het meten en verantwoorden van studiegegevens. De vraag wat het hoger onderwijs te bieden heeft voor de samenleving en de groeiende en steeds meer diverse studentenpopulatie, verdwijnt achter een technocratische meet- en verantwoordingspraktijk.Dit boek biedt een reconstructie van het invloedrijke discours over studiesucces in het hoger onderwijs, waarin beleid, onderzoek en praktijk in onderlinge wisselwerking een rol spelen. De auteurs bespreken niet alleen de beperkingen van dat discours, maar zoeken ook nadrukkelijk naar tegendraadse opvattingen, nieuwe benaderingen en andere verhoudingen tussen de hoofdrolspelers. Op deze wijze proberen zij het debat over studiesucces los te breken uit de rendementsverstarring en tegelijk alternatieven te bieden. Een hoognodige exercitie in een tijd waarin het hoger onderwijs meer moet bieden dan alleen een bijdrage aan een competitieve nationale economie.
In dit project verricht het lectoraat Familiebedrijven van Hogeschool Windesheim samen met de Hogeschool Utrecht, Hogeschool van Amsterdam, CUMELA, de Jong & Laan en MKB familiebedrijven praktijkgericht onderzoek naar financiering en besluitvorming bij MKB familiebedrijven. Nu banken vanwege de economische crisis terughoudender zijn geworden in kredietverlening en hun financieringseisen hebben verzwaard, zijn meer bedrijven aangewezen op eigen middelen en familiekapitaal. Vormen van zelf-financiering worden steeds belangrijker om groei en continuïteit van MKB familiebedrijven te waarborgen. Met name bij de overdracht van kapitaalintensieve MKB familiebedrijven worden complexe financieringsconstructies bedacht om de overname mogelijk te maken. Vaak wordt hierbij onvoldoende nagedacht over het onderscheid tussen de verschillende rollen die familieleden kunnen hebben als ze met hun vermogen in het bedrijf zitten (eigenaar of andere vermogensverschaffer, familielid, directielid, werknemer). Hierdoor kan onduidelijkheid ontstaan over onderwerpen zoals besluitvorming, rendement op vermogen, zeggenschap en beloningsstructuren, waardoor op termijn conflicten kunnen ontstaan. Daarnaast kan de besturing van ondernemingen door de verschillende belangen van vermogensverschaffers in negatieve zin worden beïnvloed en kan dit (op termijn) de continuïteit, wendbaarheid en groei van ondernemingen in gevaar brengen. Zowel in de praktijk als in het onderzoek ontbreekt het aan kennis over hoe met deze problematiek kan worden omgegaan. Dit project heeft daarom tot doel om samen met de projectpartners nieuwe kennis te ontwikkelen rond zelf-financiering en besluitvorming in MKB familiebedrijven. Door middel van ontwerpgericht praktijkonderzoek wordt bestaande en nieuwe kennis over de rol van zelf-financiering en de positie van eigenaren omgezet in oplossingsrichtingen ter verbetering van de besluitvorming in MKB familiebedrijven. Door het monitoren van de uitgevoerde interventies zal worden vastgesteld of de oplossingsrichtingen in de praktijk werken. De kennis die uit dit project voortkomt beoogt daarmee het handelingsvermogen van eigenaren en directieleden te vergroten en zelf-financiering als mogelijke financieringsbron effectiever te maken.
Heb je wel eens gemerkt dat de premie voor je autoverzekering verandert als je in een andere wijk gaat wonen? Verzekeraars berekenen dit met een algoritme, wat kan leiden tot indirecte discriminatie. Dit project onderzoekt hoe zulke digitale differentiatie (DD) zowel eerlijk als rendabel kan.
De Nederlandse financiële sector is één van de vier grote sectoren waar AI wordt toegepast [CBS2021]. Zo maken de verzekeraars betrokken bij onze praktijkpartners MavenBlue en het Verbond van Verzekeraars gebruik van digitale differentiatie (DD): het gebruik van zelflerende algoritmes om het financieel risico per klant te bepalen; op dit risico baseren verzekeraars de premiehoogte en of ze de klant aannemen of weigeren. Verzekeraars willen zo het rendement van hun producten bewaken zodat ze de financiële duurzaamheid van hun bedrijf kunnen waarborgen. Tegelijk, willen ze dat het onderscheid dat ze maken eerlijk is (m.a.w. niet discriminerend) zodat ze wetgeving volgen en boetes en imagoschade voorkomen. Bovendien, vanuit de wetgever, toezicht en de samenleving neemt de druk toe om de eerlijkheid van digitale differentiatie te kunnen verantwoorden. Dit roept de vraag op: hoe kunnen verzekeraars digitale premie-differentiatie verantwoorden vanuit zowel eerlijkheid als rendement? Voor onze praktijkpartners is het een uitdaging op deze vraag een antwoord te vinden doordat het een integratie vraagt van wetgeving, ethiek en techniek in huidige werkprocessen. Daarom volgt ons onderzoek een ‘design science’-aanpak: we ontwerpen een methode om DD te verantwoorden en gebruiken deze methode om de behoeftes scherp te krijgen vanuit verzekeraars en software. Dit doen we door middel van interviews, een literatuurstudie, ontwerp en vier co-design workshops waar de praktijkpartners de methode evalueren en hun behoeftes aangeven. Het resultaat van dit onderzoek is tweeledig: een methode om DD te verantwoorden en een evaluatie van deze methode in termen van de behoeftes van de praktijk. Dit is relevant voor een bredere validatie van de methode in een RAAK en direct relevant voor de praktijkpartners zodat ze boetes en imagoschade voorkomen en voor de maatschappij om discriminatie door zelflerende algoritmes te doorgronden en te voorkomen.
