Nieuws

Digitalisering: een lapmiddel voor armoedebestrijding?

Armoede als structureel, maatschappelijk probleem zal door digitalisering niet worden opgelost, denken de auteurs van het nieuwe Jaarboek Armoede en Sociale Uitsluiting. In het beste geval helpt de digitalisering de armoede te verlichten, in het slechtste geval worden mensen in armoede nog meer gestigmatiseerd. De redacteurs roepen op om in te zetten op automatische rechtentoekenning en maatwerk, en waakzaam te zijn voor de valkuilen van digitalisering.

De digitalisering kan worden ingezet in de strijd tegen armoede. Dankzij het derde-betalersysteem in de gezondheidszorg betalen patiënten in veel gevallen alleen het remgeld bij de arts. Gegevensdeling laat overheden toe te bekijken wie in aanmerking komt voor welke sociale rechten. Het automatisch toekennen van rechten is daarbij een belangrijke hefboom in de strijd tegen de niet-opname van rechten. Veel mensen weten immers niet waar ze recht op hebben en lopen zo allerlei voordelen mis. Het is nog niet mogelijk om alle sociale rechten automatisch toe te kennen.

“De overheden moeten hier blijvend op inzetten, maar ook toepassingen zoals www.rechtenverkenner.be, een website waarop mensen kunnen zien waar ze recht op hebben, zijn belangrijk”, zegt Jill Coene, redacteur van het Jaarboek. Steven Gibens (UAntwerpen) en Sandra Beelen (steunpunt Mens en Samenleving) voegen daaraan toe: “Voor groepen die niet zelfstandig de digitaal ontsloten kennis en informatie kunnen raadplegen en gebruiken, is maatwerk nodig”.

Digitaal sociaal werk wint aan belang

Ook in het sociaal werk is de digitalisering doorgedrongen. “Digitale communicatievormen kunnen de dienst- en hulpverlening laagdrempelig en toegankelijk maken”, zeggen Gibens en Beelen. Dat was tijdens de coronacrisis duidelijk, toen cliënten vaak enkel konden mailen, chatten of videobellen met hun sociaal werker. Tegelijk bestaat het risico dat de toegang tot dienst- en hulpverlening voor bepaalde groepen net vermindert. “Gebruik maken van een gedigitaliseerd aanbod vraagt bepaalde vaardigheden. Bovendien is er ook sprake van een kostprijs die voor bepaalde groepen niet haalbaar is”, aldus Gibens en Beelen.

De valkuilen van algoritmen, big data en gegevensdeling

‘E-social work’ gaat ook over de inzet van ICT om de taken van sociaal werkers te vergemakkelijken, te controleren en te analyseren. Denk aan cliëntregistratiesystemen en de grote hoeveelheden data die daarmee worden verzameld en geanalyseerd. Registratiesystemen leveren kennis op over de noden op het terrein zodat een gepast aanbod kan ontwikkeld worden. Uiteraard moeten daar dan voldoende middelen tegenover staan.

Een voorbeeld uit Amerika, waar een digitale ‘gecoördineerde toegangspoort’ voor daklozen werd ontwikkeld, spreekt boekdelen: zolang er te weinig opvangplaatsen zijn en te weinig betaalbare huisvesting, hebben daklozen er weinig baat bij om te worden geregistreerd in een database in de hoop dat een algoritme hen koppelt aan een van de zeldzame opvangmogelijkheden. Het maakt duidelijk waarom digitalisering niet zal volstaan. “Armoedebestrijding is vooral een kwestie van politieke wil en een maatschappelijk draagvlak”, vindt Coene.

Bovendien kunnen mensen onterecht hun uitkering verliezen door fouten in digitale systemen of de achterliggende algoritmen. Menselijk toezicht op die systemen blijft dus cruciaal.

“Data zijn niet neutraal. Het racisme, seksisme en ‘klassisme’ in onze samenleving zijn verscholen in schijnbaar objectieve algoritmen, die zoeken naar patronen in data die vertekend (‘gebiased’) zijn”, stellen Amber De Kock en Katrien Schaubroeck (UAntwerpen). Een algoritme dat tracht te voorspellen of beklaagden zouden recidiveren tijdens vrijlating op borgtocht is een controversieel voorbeeld. De ‘voorspellende’ variabelen blijken vooral samen te hangen met armoede of etniciteit.

Mensen in armoede en minderheidsgroepen worden daardoor geviseerd.

Onderzoekers moeten dergelijke ‘data gaps’ identificeren en verhelpen. Maar ook de samenleving draagt verantwoordelijkheid. Zij moet zich bewust worden van impliciete biases zodat collecties van individuele beslissingen andere patronen gaan vertonen en algoritmes zichzelf op termijn kunnen bijsturen. Concreet voorbeeld? Zoek op Google ook naar foto’s van vrouwelijke dokters om genderstereotypen te doorbreken.

(bericht en foto : UAntwerpen)