Benut big data bij regionale plaatsing van asielmigranten met een verblijfsvergunning

Kansrijk koppelen

Het huidige kabinet stelt werk centraal in het integratiebeleid. Uitplaatsingsbeleid, dat gaat over waar asielmigranten met een verblijfsvergunning (vergunninghouders) terechtkomen als zij vanuit een opvanglocatie naar een woning verhuizen, kan hieraan bijdragen. Tegen de achtergrond van de verhoogde instroom van asielzoekers, is het COA in 2016 begonnen met het ‘kansrijk koppelen’ van vergunninghouders op basis van aansluiting bij de regionale arbeidsmarkt. Over de relatie tussen uitplaatsingsregio en arbeidsmarktprestaties van vergunninghouders was tot nu toe echter nog weinig bekend. Gerritsen e.a. (2018) brengen deze relatie in beeld voor vergunninghouders die eind jaren ’90 naar Nederland kwamen. Hieruit blijkt dat uitplaatsingsbeleid een aanzienlijk verschil kan maken voor de arbeidsmarktintegratie. Het huidige beleid benut dit potentieel mogelijk niet volledig.

Figuur 1: Baankans van vergunninghouders verschilt aanzienlijk tussen regio’s 

Figuur 1 toont per arbeidsmarktregio de kans dat vergunninghouders die hier geplaatst zijn, tien jaar later een baan hebben. Hierbij is rekening gehouden met waargenomen persoonskenmerken en de conjunctuur. De kans dat vergunninghouders tien jaar na uitplaatsing een baan hebben, blijkt in de meest gunstige regio bijna anderhalf keer zo hoog als in de minst gunstige regio. Dit vertaalt zich ook in aanzienlijke verschillen tussen regio’s in het beroep op de bijstand. De regionale werkloosheid verklaart ongeveer een derde van deze verschillen, in lijn met de economische literatuur over dit onderwerp (Åslund en Rooth, 2007).

In een getallenvoorbeeld met de Nederlandse data laten Gerritsen e.a. (2018) zien dat de gemiddelde kans dat een vergunninghouder tien jaar na uitplaatsing een baan heeft stijgt van 49% naar 59%.

Kansrijk koppelen heeft echter pas zin als dit kaartje anders is voor verschillende groepen vergunninghouders. In dat geval stijgt de gemiddelde baankans immers door afzonderlijke groepen vooral uit te plaatsen in de regio’s waar juist zij het goed doen. Als we vergunninghouders uit voormalig Joegoslavië en Sovjet Unie onderscheiden van vergunninghouders uit andere herkomstlanden, dan blijkt inderdaad dat bijna de helft van de regio’s gunstig is voor de ene groep en juist ongunstig voor de ander. De samenhang tussen regionale baankansen voor mannen en vrouwen onder de dertig is zelfs nihil. Dit kan te maken hebben met verschillen in aansluiting met de lokale arbeidsvraag, maar ook met toegang tot migrantennetwerken (Edin e.a., 2003). Vergunninghouders uit voormalig Joegoslavië doen het bijvoorbeeld relatief goed in Amsterdam, Rotterdam en Limburg, waar de concentratie van deze groep hoog is.

Big-datatechnieken

In het invloedrijke tijdschrift Science beschrijven Bansak e.a. (2018) een algoritme dat informatie over dit soort verschillen tussen groepen gebruikt om de toewijzing van vergunninghouders te optimaliseren met betrekking tot baankans. Met big-datatechnieken voorspelt het algoritme de regionale baankans van uit te plaatsen vergunninghouders zo goed mogelijk, op basis van hoe vergunninghouders met vergelijkbare kenmerken het hier eerder deden. De auteurs laten zien dat toepassing van hun algoritme ervoor kan zorgen dat uitgeplaatste vergunninghouders fors sneller een baan vinden. In de VS stijgt de baankans na negen maanden in hun berekening van 34% naar 48%. In Zwitserland stijgt de baankans na drie jaar van 15% naar 26%. In een getallenvoorbeeld met de Nederlandse data laten Gerritsen e.a. (2018) zien dat de gemiddelde kans dat een vergunninghouder tien jaar na uitplaatsing een baan heeft stijgt van 49% naar 59%. Ook hier kan een koppeling die rekening houdt met de aansluiting van vergunninghouders bij de regionale arbeidsmarkt dus veel opleveren.

De vraag is of dit potentieel met de huidige aanpak van kansrijk koppelen wordt benut. Op dit moment voert het COA direct na toekenning van de verblijfsvergunning een screeningsgesprek, waarin opleidingsachtergrond, werkervaring, sociaal netwerk en persoonlijke voorkeuren van de vergunninghouder aan de orde komen. Deze informatie wordt vertaald in een regioadvies op basis van onder meer gegevens over regionale vacatures. Verschillen in de regionale kans op werk zijn echter voor veel sectoren beperkt, dus er dit leidt lang niet altijd een eenduidige koppeling. Bovendien blijft informatie over ervaringen van recente vergunninghouders in deze aanpak onbenut.

Verder onderzoek vereist

Over de effectiviteit van kansrijk koppelen, of een intensivering van dit beleid, kunnen we op basis van ons onderzoek geen harde uitspraken doen. Een gerandomiseerd onderzoek, zoals dat ook in de medische wereld gebruikelijk is, kan hier wel uitsluitsel over geven. Dit vereist dat vergunninghouders op basis van toeval wel of niet met een bepaalde koppelmethode worden uitgeplaatst en dat hun arbeidsmarktprestaties daarna worden gevolgd. In Zwitserland start een pilot met het algoritme van Bansak e.a. (2018) volgens deze opzet. Ook Minister van Sociale Zaken Wouter Koolmees pleit in zijn eerder aangehaalde brief over integratie op de arbeidsmarkt voor evidence-based beleid. Een experimentele evaluatie van het gebruik van big-datatechnieken bij kansrijk koppelen zou hier prachtig bij aansluiten. Dit hoeft niet veel te kosten en het vereist geen drastische hervorming van het uitplaatsingsproces.

Referenties