Complexe vraagstukken zijn van die vraagstukken die van iedereen en tegelijkertijd van niemand zijn en die om samenwerking van meerdere (publieke en private) partijen vragen, omdat geen enkele partij het alleen kan. Ze lenen zich niet voor ‘Quick Fixes’. Alle snelle of simpele oplossingen zijn vaak alleen maar cosmetisch, verplaatsen de vraagstukken en/of maken het vraagstuk uiteindelijk zelfs erger. Werken aan complexe vraagstukken, vraagt dus om het begrijpen van de vraagstukken. Ze vragen om analyse en soms om grondig onderzoek “omdat”, aldus André Schaminée, een van de kerndocenten in het nieuwe Sioo programma Ontwerpend Samenwerken aan multipartij vraagstukken “die vraagstukken vaak zo verdomd goed georganiseerd zijn en zichzelf al zo lang in stand houden”. Maar als het vervolgens om onderzoek en analyse gaat doemen drie valkuilen op.
Drie veel voorkomende valkuilen
Ten eerste: we bevinden ons in een tijdsgewricht waarin persoonlijke opvattingen en meningen als feiten gepresenteerd worden. Daarnaast lijkt het er soms wel eens op dat dat onze nieuwsgierigheid naar ‘feiten’ is verdampt omdat het inbrengen verzandt in ‘wat is wiens waarheid/werkelijkheid’.
Ten tweede: als het gaat om de grote maatschappelijke vraagstukken, wordt er kwistig met rapporten gestrooid die elkaar tegenspreken, die gebaseerd zijn op andere methodes van onderzoek of gemaakt zijn in opdracht van bepaalde groeperingen om hun redeneringen te onderschrijven. Oftewel onderzoek en data staan niet altijd bij iedereen in een even gunstig daglicht. Quotes als “statistiek liegt niet, maar leugenaas gebruiken statistiek” en “er zijn drie soorten leugens: leugens, grove leugens en statistiek” zijn dan ook populair. Kritisch zijn op onderzoek en onderzoeksmethoden is dan ook terecht en is daarom ook een belangrijk element in vakken als statistiek en methoden en technieken van onderzoek. En het is een belangrijke capability van professionals.
Ten derde: als je eenmaal onderzoek gaat doen en de uitkomsten aantreft dan heb je ook altijd nieuwe onderzoeksvragen te pakken. Nu we eenmaal ABC snappen, weten, willen we ook graag XYZ, snappen, weten. Ofwel de analysis paralysis. Hiermee blijf je alleen wel hangen in het denken over het vraagstuk en kom je niet tot handelen. En als je niet handelt verandert er zeker niets.
Blijf de vraag stellen
Het komt er dus op aan om wél de vraag te blijven stellen: wat weten we nu echt over het vraagstuk? Schiet vooral niet te snel in de oplossing, maar ga ook zeker niet alleen af op meningen en opvattingen en de globale ideeën van de betroken partijen over het vraagstuk. In het actuele gesprek over vraagstukken zijn het vaak de uitzonderingen, de bijzondere situaties, die de meeste aandacht krijgen en daarmee zorgen voor de framing van het vraagstuk. Dat vraagt om breder kijken en samen met alle partijen betekenis te geven aan zowel de harde data als de signalen. Oftewel combineer de verschillende soorten evidence die beschikbaar is; wat weten we uit de cijfers, de literatuur, de wetenschap en wat zien we in de praktijk.
De What, de So-What en de Now-what
Glenda Eoyang noemt dat in haar Adaptive Action Cyclus de What. Om dan in de So-What gezamenlijk tot betekenisvolle duiding van al die data en informatie te komen, die weliswaar altijd een tijdelijk werkbare afspraak zal zijn. En op basis daarvan tot een actie te komen: de Now What. Die zorgt er voor dat in de patronen, die het vraagstuk in stand houden, iets verandert. Een verandering die weer zichtbaar wordt in nieuwe data.
Data om te begrijpen en data om te monitoren
In de afgelopen periode zag ik twee hele mooie, en heel verschillende, manieren van werken met data in het kader van het begrijpen van de complexiteit en het monitoren van de ontwikkeling in het vraagstuk. Namelijk in het Nationaal Programma Op Zuid in Rotterdam en bij de Lokalis buurtteams voor jeugd en gezin in Utrecht. Dat ik ze beide aan de orde laat komen is niet omdat ze vergelijkbaar zijn, maar juist omdat ze op een andere schaal aan de vraagstukken werken en daarom/daartoe ook anders met data omgaan. Die buurtteams maken in Op Zuid onderdeel uit van het programma.
Nationaal programma Rotterdam Zuid
In het Nationaal Programma Rotterdam Zuid (NPRZ), werken het Rijk, de gemeente Rotterdam, corporaties, zorginstellingen, schoolbesturen, bedrijfsleven, politie en Openbaar Ministerie samen aan een gezonde toekomst voor Rotterdam Zuid. Samen zorgen deze partners ervoor dat de kansen van Zuiderlingen worden vergroot, zodat opleidingsniveau, arbeidsparticipatie en woonkwaliteit in 20 jaar stijgen naar het gemiddelde van de vier grote steden in Nederland. Bij aanvang van het programma scoorde Rotterdam Zuid op alle fronten significant lager dan de andere vier grote steden. Eind 2010 gaf de toenmalige minister voor Wonen, Wijken en Integratie, Eberhard Van der Laan, opdracht aan Wim Deetman en Jan Mans om te adviseren over de aanpak van de problemen in Rotterdam Zuid. In februari 2011 verscheen het rapport ‘Kwaliteitssprong Zuid, ontwikkeling vanuit Kracht’. Hierin concludeerden Deetman en Mans dat Rotterdam Zuid kampt met problemen die on-Nederlands zijn. De commissie stelde dat de gemeente Rotterdam, het rijk, bewoners, woningcorporaties, bedrijfsleven, scholen en andere lokale partners gezamenlijk en vanuit een gedeelde visie aan de slag moeten om doorbraken te realiseren op Rotterdam-Zuid.
Het NPRZ verzamelt sindsdien alle data die er maar beschikbaar zijn over school, werk, wonen, bewoners, cultuur en veiligheid. Hierin kunnen wijken en steden vergeleken worden om te zien hoe Op Zuid scoort ten opzichte van het gemiddelde in Rotterdam. En bijvoorbeeld ook ten opzichte van andere wijken in Rotterdam, andere steden en wijken in andere steden om te zien of de ambitie gerealiseerd wordt. Interessant is hier als het in andere steden beter gaat ligt de lat voor Op Zuid dus ook weer hoger![1]
In het kader van de ambitie is onderwijs een belangrijk aandachtsgebied. De conclusie in de midterm (10-jaars) evaluatie is dat er een heel voorzichtige stijging te zien is in de resultaten, maar die is ook te zien in de andere grote steden.
Ook de onderliggende relevante variabelen worden gemonitord, zoals het opleidingsniveau van de moeders en vaders, het land van herkomst en bijvoorbeeld de schuldhulpverlening. Want voor leerlingen uit gezinnen in de schuldsanering voorspelt het model een gemiddeld 2,6 lagere onderwijsscore.
Een belangrijkste interventie in Op Zuid is trouwens dat de kinderen allemaal 10 uur extra onderwijs per week krijgen.
Op Zuid is actief bezig met de monitoring van de voortgang en het meten van de effecten van de ingezette acties. De detailanalyses daaronder lijken weer op wat ik zag in Utrecht, bij Lokalis.
Lokalis
In de buurtteams jeugd en gezin biedt Lokalis hoogwaardige ambulante basishulp voor jeugd en gezinnen die het nodig hebben. Zo versterken deze gezinnen het oplossend vermogen en dragen gezin en professional bij aan sterke wijken en buurten zodat kinderen gezond en veilig opgroeien en zich maximaal kunnen ontwikkelen en ontplooien.
Ook Lokalis monitort natuurlijk de voortgang van haar werk en doet daar openbaar verslag van. In het jaarverslag tref je infographics aan.
En je vindt er allerlei onderliggende analyses van relevante trends en ontwikkelingen. Zoals het bereik, de snelheid en de klanttevredenheid. Maar interessanter, in het kader van het werken aan complexe vraagstukken, is het inkijkje dat ik in een kennissessie met de teammanagers kreeg over het werken met data om de vraagstukken te helpen begrijpen. De gemeente Utrecht speelt daar een belangrijke rol in. Enerzijds met het Utrechts sturingsmodel; een visie op het gebruik van data waarin de opgave centraal staat.
In dit model wordt heel duidelijk dat de data geen doel op zich zijn, maar helpen om steeds in interactie en in dialoog met de partners te blijven leren over de opgave.
De afdeling data-science heeft dashboards ontwikkeld, op basis van heel veel informatie specifiek voor partners in de stad, zodat de professionals van deze partners:
- De data kunnen benutten als toets voor signalen die ze in het werkveld opvangen.
- De data juist als signaal kunnen gebruiken, ook om meer proactief te kunnen handelen.
- En dieper in de data kunnen zoeken naar verbanden.
Al deze data zijn dus vooral bedoeld om de complexiteit te helpen begrijpen en op basis daarvan tot een Theory of Change te komen, waaruit de best denkbare interventies gekozen kunnen worden. En ook om te zien of interventies effectief zijn. Eén van de voorbeelden is de vraag: zien we in de data bewijs voor de effect van de nabijheid van de buurtteams bij de huisarts op het aantal doorverwijzingen naar gespecialiseerde Jeugdzorg?
Naast de speciale database waar de partners in de stad toegang toe hebben, zijn er ook openbare cijfers over de gemeente beschikbaar [2]. Andere steden hebben vergelijkbare systemen.
Onzekerheid en hoop op maakbaarheid
Wat ik vaker zie gebeuren, als er data beschikbaar blijken te zijn over vraagstukken, dat die data direct reacties losmaken en er gevraagd wordt naar meer. Meer data in de systemen die beschikbaar zijn en het verder combineren en koppelen van bestanden, uit een soort illusie dat het antwoord in de data zit. Maar dat is niet per definitie zo, want we hebben het immers over complexe vraagstukken. Vraagstukken waarin relaties tussen actoren en factoren niet kenbaar zijn, de factor tijd een belangrijke rol speelt en dat, op basis van bewust en onbewust handelen, van tal van actoren, als zelf-organiserend systeem, voortdurend in beweging is. Maar bovenal er geen eenduidige oplossingen van aanpakken bestaan.
Als meer data en meer koppelingen tussen systemen niet zonder meer de oplossing geeft, wat dan wel? We kunnen beginnen met de acceptatie dat complexe vraagstukken door hun omvang, onvoorspelbaarheid en talloze relaties ook best beangstigend zijn. Beangstigend omdat we, hoe onbewust soms ook, de wereld ook graag een beetje ordenen, overzichtelijk en begrijpbaar houden. En daarmee die grote, open vraagstukken ook graag klein en overzichtelijk maken. En soms helpt klein maken, focussen op een deel van het vraagstuk in het grote geheel. Maar als dat te snel te vaak en te onbewust gebeurt, wordt daarmee de oplossingsruimte om te interveniëren ook verkleind.
Het is ook van belang, ook bij een simpel data systeem zonder allerlei koppelingen, dat je als gebruiker van een datasysteem vertrouwd bent met het systeem. Dat je weet hoe het is opgebouwd, wat voor data erin zitten en hoe de data erin zijn gekomen. Kortom, wat kan en mag je verwachten van die data. Rondom tal van complexe opgaven bestaan geen speciale datasystemen, maar kun je gebruikmaken van openbaar beschikbare data. En er is voor iedereen echt veel beschikbaar op het niveau van steden, regio’s en nationaal. Een mooi startpunt is de website www.data.overheid.nl waar van heel veel overheids- en overheid-gerelateerde organisaties verschillende data sets te vinden zijn.
Tot slot helpt een nieuwsgierige en onderzoekende houding je om stap voor stap de juiste vragen aan de data te stellen. Dus om hypotheses en aannames te onderzoeken om uiteindelijk tot een navolgbare ToC te komen.
Natuurlijk kan je tegenwoordig je vraag direct aan ChatGPT stellen, maar ik zou niet zomaar op het antwoord afgaan als het om een interventie in een complex vraagstuk gaat of wonderen verwachten. Zie beneden het antwoord van ChatGPT.
Ben jij een professional die vanuit jouw organisatie betrokken is bij zo’n complex vraagstuk en de multipartij-samenwerking rond deze opgave? Dan ben je bij de opleiding Ontwerpend Samenwerken aan het goede adres.
Het antwoord van ChatGPT:
As an AI language model, I’m not aware of your local circumstances or resources for creating better conditions for children in Rotterdam. However, here are some suggestions for improving the conditions for children in general:
1. Invest in education: Increase funding for schools, provide access to technology, improve teacher training, and create after-school programs.
2. Enhance healthcare facilities: Increase access to preventative and primary healthcare services, improve child and maternal health outcomes, and offer mental health services.
3. Address poverty: Reduce the impact of poverty by providing access to affordable housing, job training, and wage subsidies.
4. Improve infrastructure: Create safe spaces for children to play, renovate parks and recreational areas, and provide access to safe transportation.
5. Engage parents and families: Offer parent education and support services and encourage parent and family involvement in programs and activities.
6. Provide opportunities for personal growth and development: Create recreational programs, art and music classes, sports teams, and mentorship programs.
7. Foster a sense of community: Encourage community involvement in creating and enhancing programs and activities for children. Remember, the specific needs of children in Rotterdam south may differ based on their cultural and socio-economic background, so it is essential to consider these factors when determining the best course of action.
[1] Geïnteresseerd in het programma en alle rapporten kijk dan op de website www.nprz.nl
Complexe vraagstukken zijn van die vraagstukken die van iedereen en tegelijkertijd van niemand zijn en die om samenwerking van meerdere (publieke en private) partijen vragen, omdat geen enkele partij het alleen kan. Ze lenen zich niet voor ‘Quick Fixes’. Alle snelle of simpele oplossingen zijn vaak alleen maar cosmetisch, verplaatsen de vraagstukken en/of maken het vraagstuk uiteindelijk zelfs erger. Werken aan complexe vraagstukken, vraagt dus om het begrijpen van de vraagstukken. Ze vragen om analyse en soms om grondig onderzoek “omdat”, aldus André Schaminée, een van de kerndocenten in het nieuwe Sioo programma Ontwerpend Samenwerken aan multipartij vraagstukken “die vraagstukken vaak zo verdomd goed georganiseerd zijn en zichzelf al zo lang in stand houden”. Maar als het vervolgens om onderzoek en analyse gaat doemen drie valkuilen op.
Drie veel voorkomende valkuilen
Ten eerste: we bevinden ons in een tijdsgewricht waarin persoonlijke opvattingen en meningen als feiten gepresenteerd worden. Daarnaast lijkt het er soms wel eens op dat dat onze nieuwsgierigheid naar ‘feiten’ is verdampt omdat het inbrengen verzandt in ‘wat is wiens waarheid/werkelijkheid’.
Ten tweede: als het gaat om de grote maatschappelijke vraagstukken, wordt er kwistig met rapporten gestrooid die elkaar tegenspreken, die gebaseerd zijn op andere methodes van onderzoek of gemaakt zijn in opdracht van bepaalde groeperingen om hun redeneringen te onderschrijven. Oftewel onderzoek en data staan niet altijd bij iedereen in een even gunstig daglicht. Quotes als “statistiek liegt niet, maar leugenaas gebruiken statistiek” en “er zijn drie soorten leugens: leugens, grove leugens en statistiek” zijn dan ook populair. Kritisch zijn op onderzoek en onderzoeksmethoden is dan ook terecht en is daarom ook een belangrijk element in vakken als statistiek en methoden en technieken van onderzoek. En het is een belangrijke capability van professionals.
Ten derde: als je eenmaal onderzoek gaat doen en de uitkomsten aantreft dan heb je ook altijd nieuwe onderzoeksvragen te pakken. Nu we eenmaal ABC snappen, weten, willen we ook graag XYZ, snappen, weten. Ofwel de analysis paralysis. Hiermee blijf je alleen wel hangen in het denken over het vraagstuk en kom je niet tot handelen. En als je niet handelt verandert er zeker niets.
Blijf de vraag stellen
Het komt er dus op aan om wél de vraag te blijven stellen: wat weten we nu echt over het vraagstuk? Schiet vooral niet te snel in de oplossing, maar ga ook zeker niet alleen af op meningen en opvattingen en de globale ideeën van de betroken partijen over het vraagstuk. In het actuele gesprek over vraagstukken zijn het vaak de uitzonderingen, de bijzondere situaties, die de meeste aandacht krijgen en daarmee zorgen voor de framing van het vraagstuk. Dat vraagt om breder kijken en samen met alle partijen betekenis te geven aan zowel de harde data als de signalen. Oftewel combineer de verschillende soorten evidence die beschikbaar is; wat weten we uit de cijfers, de literatuur, de wetenschap en wat zien we in de praktijk.
De What, de So-What en de Now-what
Glenda Eoyang noemt dat in haar Adaptive Action Cyclus de What. Om dan in de So-What gezamenlijk tot betekenisvolle duiding van al die data en informatie te komen, die weliswaar altijd een tijdelijk werkbare afspraak zal zijn. En op basis daarvan tot een actie te komen: de Now What. Die zorgt er voor dat in de patronen, die het vraagstuk in stand houden, iets verandert. Een verandering die weer zichtbaar wordt in nieuwe data.
Data om te begrijpen en data om te monitoren
In de afgelopen periode zag ik twee hele mooie, en heel verschillende, manieren van werken met data in het kader van het begrijpen van de complexiteit en het monitoren van de ontwikkeling in het vraagstuk. Namelijk in het Nationaal Programma Op Zuid in Rotterdam en bij de Lokalis buurtteams voor jeugd en gezin in Utrecht. Dat ik ze beide aan de orde laat komen is niet omdat ze vergelijkbaar zijn, maar juist omdat ze op een andere schaal aan de vraagstukken werken en daarom/daartoe ook anders met data omgaan. Die buurtteams maken in Op Zuid onderdeel uit van het programma.
Nationaal programma Rotterdam Zuid
In het Nationaal Programma Rotterdam Zuid (NPRZ), werken het Rijk, de gemeente Rotterdam, corporaties, zorginstellingen, schoolbesturen, bedrijfsleven, politie en Openbaar Ministerie samen aan een gezonde toekomst voor Rotterdam Zuid. Samen zorgen deze partners ervoor dat de kansen van Zuiderlingen worden vergroot, zodat opleidingsniveau, arbeidsparticipatie en woonkwaliteit in 20 jaar stijgen naar het gemiddelde van de vier grote steden in Nederland. Bij aanvang van het programma scoorde Rotterdam Zuid op alle fronten significant lager dan de andere vier grote steden. Eind 2010 gaf de toenmalige minister voor Wonen, Wijken en Integratie, Eberhard Van der Laan, opdracht aan Wim Deetman en Jan Mans om te adviseren over de aanpak van de problemen in Rotterdam Zuid. In februari 2011 verscheen het rapport ‘Kwaliteitssprong Zuid, ontwikkeling vanuit Kracht’. Hierin concludeerden Deetman en Mans dat Rotterdam Zuid kampt met problemen die on-Nederlands zijn. De commissie stelde dat de gemeente Rotterdam, het rijk, bewoners, woningcorporaties, bedrijfsleven, scholen en andere lokale partners gezamenlijk en vanuit een gedeelde visie aan de slag moeten om doorbraken te realiseren op Rotterdam-Zuid.
Het NPRZ verzamelt sindsdien alle data die er maar beschikbaar zijn over school, werk, wonen, bewoners, cultuur en veiligheid. Hierin kunnen wijken en steden vergeleken worden om te zien hoe Op Zuid scoort ten opzichte van het gemiddelde in Rotterdam. En bijvoorbeeld ook ten opzichte van andere wijken in Rotterdam, andere steden en wijken in andere steden om te zien of de ambitie gerealiseerd wordt. Interessant is hier als het in andere steden beter gaat ligt de lat voor Op Zuid dus ook weer hoger![1]
In het kader van de ambitie is onderwijs een belangrijk aandachtsgebied. De conclusie in de midterm (10-jaars) evaluatie is dat er een heel voorzichtige stijging te zien is in de resultaten, maar die is ook te zien in de andere grote steden.
Ook de onderliggende relevante variabelen worden gemonitord, zoals het opleidingsniveau van de moeders en vaders, het land van herkomst en bijvoorbeeld de schuldhulpverlening. Want voor leerlingen uit gezinnen in de schuldsanering voorspelt het model een gemiddeld 2,6 lagere onderwijsscore.
Een belangrijkste interventie in Op Zuid is trouwens dat de kinderen allemaal 10 uur extra onderwijs per week krijgen.
Op Zuid is actief bezig met de monitoring van de voortgang en het meten van de effecten van de ingezette acties. De detailanalyses daaronder lijken weer op wat ik zag in Utrecht, bij Lokalis.
Lokalis
In de buurtteams jeugd en gezin biedt Lokalis hoogwaardige ambulante basishulp voor jeugd en gezinnen die het nodig hebben. Zo versterken deze gezinnen het oplossend vermogen en dragen gezin en professional bij aan sterke wijken en buurten zodat kinderen gezond en veilig opgroeien en zich maximaal kunnen ontwikkelen en ontplooien.
Ook Lokalis monitort natuurlijk de voortgang van haar werk en doet daar openbaar verslag van. In het jaarverslag tref je infographics aan.
En je vindt er allerlei onderliggende analyses van relevante trends en ontwikkelingen. Zoals het bereik, de snelheid en de klanttevredenheid. Maar interessanter, in het kader van het werken aan complexe vraagstukken, is het inkijkje dat ik in een kennissessie met de teammanagers kreeg over het werken met data om de vraagstukken te helpen begrijpen. De gemeente Utrecht speelt daar een belangrijke rol in. Enerzijds met het Utrechts sturingsmodel; een visie op het gebruik van data waarin de opgave centraal staat.
In dit model wordt heel duidelijk dat de data geen doel op zich zijn, maar helpen om steeds in interactie en in dialoog met de partners te blijven leren over de opgave.
De afdeling data-science heeft dashboards ontwikkeld, op basis van heel veel informatie specifiek voor partners in de stad, zodat de professionals van deze partners:
- De data kunnen benutten als toets voor signalen die ze in het werkveld opvangen.
- De data juist als signaal kunnen gebruiken, ook om meer proactief te kunnen handelen.
- En dieper in de data kunnen zoeken naar verbanden.
Al deze data zijn dus vooral bedoeld om de complexiteit te helpen begrijpen en op basis daarvan tot een Theory of Change te komen, waaruit de best denkbare interventies gekozen kunnen worden. En ook om te zien of interventies effectief zijn. Eén van de voorbeelden is de vraag: zien we in de data bewijs voor de effect van de nabijheid van de buurtteams bij de huisarts op het aantal doorverwijzingen naar gespecialiseerde Jeugdzorg?
Naast de speciale database waar de partners in de stad toegang toe hebben, zijn er ook openbare cijfers over de gemeente beschikbaar [2]. Andere steden hebben vergelijkbare systemen.
Onzekerheid en hoop op maakbaarheid
Wat ik vaker zie gebeuren, als er data beschikbaar blijken te zijn over vraagstukken, dat die data direct reacties losmaken en er gevraagd wordt naar meer. Meer data in de systemen die beschikbaar zijn en het verder combineren en koppelen van bestanden, uit een soort illusie dat het antwoord in de data zit. Maar dat is niet per definitie zo, want we hebben het immers over complexe vraagstukken. Vraagstukken waarin relaties tussen actoren en factoren niet kenbaar zijn, de factor tijd een belangrijke rol speelt en dat, op basis van bewust en onbewust handelen, van tal van actoren, als zelf-organiserend systeem, voortdurend in beweging is. Maar bovenal er geen eenduidige oplossingen van aanpakken bestaan.
Als meer data en meer koppelingen tussen systemen niet zonder meer de oplossing geeft, wat dan wel? We kunnen beginnen met de acceptatie dat complexe vraagstukken door hun omvang, onvoorspelbaarheid en talloze relaties ook best beangstigend zijn. Beangstigend omdat we, hoe onbewust soms ook, de wereld ook graag een beetje ordenen, overzichtelijk en begrijpbaar houden. En daarmee die grote, open vraagstukken ook graag klein en overzichtelijk maken. En soms helpt klein maken, focussen op een deel van het vraagstuk in het grote geheel. Maar als dat te snel te vaak en te onbewust gebeurt, wordt daarmee de oplossingsruimte om te interveniëren ook verkleind.
Het is ook van belang, ook bij een simpel data systeem zonder allerlei koppelingen, dat je als gebruiker van een datasysteem vertrouwd bent met het systeem. Dat je weet hoe het is opgebouwd, wat voor data erin zitten en hoe de data erin zijn gekomen. Kortom, wat kan en mag je verwachten van die data. Rondom tal van complexe opgaven bestaan geen speciale datasystemen, maar kun je gebruikmaken van openbaar beschikbare data. En er is voor iedereen echt veel beschikbaar op het niveau van steden, regio’s en nationaal. Een mooi startpunt is de website www.data.overheid.nl waar van heel veel overheids- en overheid-gerelateerde organisaties verschillende data sets te vinden zijn.
Tot slot helpt een nieuwsgierige en onderzoekende houding je om stap voor stap de juiste vragen aan de data te stellen. Dus om hypotheses en aannames te onderzoeken om uiteindelijk tot een navolgbare ToC te komen.
Natuurlijk kan je tegenwoordig je vraag direct aan ChatGPT stellen, maar ik zou niet zomaar op het antwoord afgaan als het om een interventie in een complex vraagstuk gaat of wonderen verwachten. Zie beneden het antwoord van ChatGPT.
Ben jij een professional die vanuit jouw organisatie betrokken is bij zo’n complex vraagstuk en de multipartij-samenwerking rond deze opgave? Dan ben je bij de opleiding Ontwerpend Samenwerken aan het goede adres.
Het antwoord van ChatGPT:
As an AI language model, I’m not aware of your local circumstances or resources for creating better conditions for children in Rotterdam. However, here are some suggestions for improving the conditions for children in general:
1. Invest in education: Increase funding for schools, provide access to technology, improve teacher training, and create after-school programs.
2. Enhance healthcare facilities: Increase access to preventative and primary healthcare services, improve child and maternal health outcomes, and offer mental health services.
3. Address poverty: Reduce the impact of poverty by providing access to affordable housing, job training, and wage subsidies.
4. Improve infrastructure: Create safe spaces for children to play, renovate parks and recreational areas, and provide access to safe transportation.
5. Engage parents and families: Offer parent education and support services and encourage parent and family involvement in programs and activities.
6. Provide opportunities for personal growth and development: Create recreational programs, art and music classes, sports teams, and mentorship programs.
7. Foster a sense of community: Encourage community involvement in creating and enhancing programs and activities for children. Remember, the specific needs of children in Rotterdam south may differ based on their cultural and socio-economic background, so it is essential to consider these factors when determining the best course of action.
[1] Geïnteresseerd in het programma en alle rapporten kijk dan op de website www.nprz.nl