Veiligheidsbeleving – Het model van beïnvloedbare factoren

reviews sociaal domein

Veiligheidsbeleving: Het model van de beïnvloedbare factoren


In mijn vorige blog heb ik het belang van veiligheidsbeleving als indicator van de veiligheidssituatie in de woonbuurt duidelijk gemaakt. Door onderscheid te maken in hoe verschillende kenmerken van de woonbuurt de veiligheidsbeleving beïnvloeden, kunnen Nederlandse gemeenten gerichter de veiligheidsbeleving van hun inwoners verbeteren. Veiligheidsbeleving zou meer beleidsmatige aandacht moeten krijgen en datagedreven werken speelt daarbij een essentiële rol.

Met dit tweede blog wil ik dieper ingaan op hoe veiligheidsbeleving nu tot stand komt, wat de theorieën zijn achter de 4 omgevingen (sociaal, fysiek, crimineel en institutioneel) en hoe data over deze omgevingen gebruikt kunnen worden om de veiligheidsbeleving in Nederlandse gemeenten te verbeteren.

 

Veiligheidsbeleving: Hoe komt het tot stand?

Bij veiligheidsbeleving gaat het om de subjectieve, individuele inschatting van veiligheid. Het wordt gemeten aan de hand van vragen zoals: ‘Hoe veilig voelt u zich in uw woonomgeving?’ Maar hoe komt deze veiligheidsbeleving nu tot stand? Volgens Smeets (2016) maken individuen 2 inschattingen: een inschatting van het risico slachtoffer te worden van misdaad en de ingeschatte kans van het vermogen om dit risico tegen te gaan. Deze inschattingen worden gebaseerd op signalen uit de omgeving, zoals de mate van criminaliteit in de buurt. Het ervaren risico om slachtoffer te worden van misdaad is één van de, zo niet de belangrijkste voorspeller van veiligheidsbeleving (Ferguson & Mindel, 2007). De tweede inschatting is gebaseerd op hoe capabel een individu zichzelf of anderen (buurtbewoners, politie) vindt om met de dreigende situatie om te gaan. Wanneer de inschatting van het slachtofferrisico groter is dan de inschatting adequaat met de situatie om te gaan, resulteert dit in gevoelens van onveiligheid. De verhouding tussen deze 2 inschattingen kan sterk variëren, omdat buurten qua omgevingskenmerken kunne verschillen.

Het model van de beïnvloedbare factoren

In mijn vorige blog heb ik kort het model van de beïnvloedbare factoren toegelicht (Eysink Smeets & Meijer, 2013). In feite betreft het een verzameling van belangrijke bevindingen uit de literatuur omtrent veiligheidsbeleving. Een breed scala aan factoren beïnvloedt de veiligheidsbeleving. Het model richt zich echter op die factoren die het (beste) beleidsmatig te beïnvloeden zijn, c.q. de kenmerken van de directe woonomgeving van het individu. Individuele kenmerken (zoals geslacht, leeftijd) en de bredere maatschappelijke context (impactvolle gebeurtenissen zoals de moord op Theo van Gogh) en mediaberichtgeving beïnvloeden de beleving ook, maar zijn moeilijk of niet beleidsmatig te beïnvloeden. De kenmerken van de omgeving, die dus wel te beïnvloeden zijn, worden opgesplitst in de criminele, fysieke, sociale en institutionele omgeving.

De meest voord hand liggende omgeving die de veiligheidsbeleving beïnvloedt is de criminele omgeving. Hiermee wordt niet alleen misdaad bedoeld, maar ook overlast en ander gedrag dat als bedreigend wordt ervaren. In buurten waar meer criminaliteit voorkomt is men banger om slachtoffer te worden van criminaliteit (Brunton-Smith & Sturgis, 2011). Daarnaast wordt de veiligheidsbeleving logischerwijs negatief beïnvloed als men slachtoffer is geweest van een misdaad of getuige is geweest van een misdaad die een ander overkwam (Ferguson & Mindel, 2007).

De sociale omgeving richt zich op de mate van sociale cohesie in de buurt, wat onderdeel uitmaakt van de collective efficacy theorie (Scarborough et al., 2010; Swatt et al., 2013). Collective efficacy verwijst naar het vermogen van een buurt om sociale controle toe te passen in een poging om op lokaal niveau geweld, overlast en criminaliteit te verminderen. Het gaat dus om de ‘sociale zelfredzaamheid’ van een gegeven buurt. Belangrijke voorwaarden hiervoor zijn vertrouwen tussen buurtbewoners onderling en de bereidheid om sociale controle toe te passen. Sociale controle kan zowel duiden op direct persoonlijk actie ondernemen of een derde partij inschakelen zoals de politie. Een hogere collective efficacy betekent dat men de kans dat er adequate hulp is bij een dreigende misdaad hoger inschat.

Fysieke kenmerken van de woonomgeving hebben ook invloed op de veiligheidsbeleving. De broken-windows theorie stelt dat de fysieke staat van onze woonbuurt ons vertelt welke gedragingen wel en niet geaccepteerd worden (Scarborough et al., 2010). Aanwezigheid van bijvoorbeeld graffiti op straat kan het signaal afgeven dat de bewoners van de buurt relatief weinig waarde hechten aan wat er zich in hun leefomgeving afspeelt. Het betreft een indirecte maatstaf van collectieve actie die er (wel of niet) wordt ondernomen om de fysieke toestand van de buurt te verbeteren. In andere woorden verschaft de fysieke omgeving informatie over de mate waarin normoverschrijdend gedrag acceptabel is. Een slechtere fysieke toestand van een buurt heeft dus negatieve gevolgen voor de veiligheidsbeleving.

Tot slot is er de institutionele omgeving, wat verwijst naar instituties die zich inspannen om de veiligheid en leefbaarheid van bewoners te verbeteren (politie, justitie, overheden). Waar de sociale omgeving verwijst naar informele sociale controle (door buurtbewoners), verwijst de institutionele omgeving naar formele sociale controle (Renauer, 2007). Vertrouwen in het functioneren van de institutionele omgeving heeft invloed op de ingeschatte kans dat men te hulp wordt geschoten bij (de dreiging van) een misdrijf.  Gebrek aan vertrouwen in het functioneren van de politie heeft dus een negatieve impact op de veiligheidsbeleving.

Interactie tussen de omgevingen

Los van hun separate invloed op de veiligheidsbeleving, kan de invloed op de veiligheidsbeleving van de ene omgeving verschillen van de invloed van de andere omgevingen. Waar de criminele omgeving met name invloed heeft op de ingeschatte kans om slachtoffer te worden van een misdrijf, hebben de fysieke, sociale en institutionele omgeving vooral invloed op de ingeschatte kans op geboden hulp bij een dreigend misdrijf (Ferguson & Mindel, 2007; Smeets, 2016). In buurten met meer sociale controle heeft de mate van criminaliteit bijvoorbeeld minder negatief effect op de veiligheidsbeleving dan in buurten waar minder sociale controle is.

De praktische toepassing

Wat hebben gemeenten nu aan deze inzichten? In mijn vorige blog heb ik aangekaart dat het onderscheiden van de omgevingen het mogelijk maakt om te kijken naar de invloeden van deze omgevingen op de veiligheidsbeleving. Door via enquêtes data te vergaren over de veiligheidsbeleving en de perceptie van de woonbuurt, kunnen gemeenten de invloed van de omgevingen op de veiligheidsbeleving statistisch analyseren. Een aanzienlijk deel van deze data wordt al uitgevraagd in de Veiligheidsmonitor, die tweejaarlijks wordt gepubliceerd door het CBS. Gemeenten die meedoen aan dit onderzoek kunnen slim gebruikmaken van de al vergaarde data. Daarnaast kunnen er (aanvullende) enquêtevragen worden opgesteld, en kan een gemeente een ‘Belevingsmonitor’ onder haar bewoners uitsturen om data te verkrijgen.

Als na analyse bijvoorbeeld blijkt dat in een gegeven buurt met name de fysieke omgeving een negatieve invloed heeft op de veiligheidsbeleving, weet een gemeente dat zij hier beleidsmatige prioriteit aan moet geven. Volgens het model van de beïnvloedbare factoren kan positieve beïnvloeding van de ene omgeving de andere omgeving(en) positief beïnvloeden middels een spill-over-effect. Een gemeente besluit bijvoorbeeld om de fysieke kwaliteit van een gegeven buurt drastisch te verbeteren, waardoor bewoners zich meer buiten de deur begeven omdat ze zich veiliger voelen. Doordat er meer buurtbewoners op straat zijn, is er meer informele sociale controle. Daardoor wordt de kans groter dat buurtbewoners bijvoorbeeld overlast gevende hangjongeren aanspreken op hun gedrag. Hierdoor kan vervolgens het negatieve effect van de criminaliteit (in de definitie van misdrijven en overlast gevend gedrag) in de woonbuurt op de veiligheidsbeleving verminderd worden door de compenserende werking van de sociale omgeving.

Het moge duidelijk zijn dat het gaat om een complex samenspel van effecten van buurtkenmerken als het aankomt op de veiligheidsbeleving. Het model van de beïnvloedbare factoren maakt het echter mogelijk om buurtkenmerken uit te splitsen. Middels al vergaarde data en het opstellen en afnemen van nieuwe enquêtes kunnen gemeenten inzicht krijgen in (aspecten van) de buurtkenmerken. Vervolgens kan er per woonbuurt worden gekeken wat de effecten zijn van de vier omgevingen, en in welke mate zij de veiligheidsbeleving in de buurt beïnvloeden. Op die manier kan er praktische invulling worden gegeven aan wetenschappelijke onderzoek over veiligheidsbeleving. Middels analyse komt naar voren welke omgevingen beleidsmatig prioriteit verdienen. Het is daarmee een onmisbare tool voor gemeenten om een datagedreven aanpak te hanteren om de veiligheidsbeleving in hun woonbuurten te verbeteren.

Concluderend kunnen we stellen dat veiligheidsbeleving een complex fenomeen is, beïnvloed door verschillende factoren in de woonbuurt. Het model van de beïnvloedbare factoren biedt waardevolle inzichten in hoe gemeenten gericht kunnen werken aan het verbeteren van veiligheidsbeleving. Door het onderscheiden van de criminele, fysieke, sociale en institutionele omgeving kunnen beleidsmakers beter begrijpen welke aspecten van de woonbuurt de veiligheidsbeleving beïnvloeden en hoe deze invloeden elkaar kunnen versterken of compenseren.

Bij Van Dam Datapartners geloven we in een datagedreven aanpak om maatschappelijke uitdagingen aan te pakken. Door data te verbinden met vakkennis kunnen we gemeenten helpen om de veiligheidsbeleving van hun inwoners te verbeteren. Ons doel is om samen met onze partners een veiligere en leefbaardere samenleving te creëren, waarin data een cruciale rol spelen bij het nemen van beleidsbeslissingen. Mocht je meer willen weten over hoe we bij Van Dam Datapartners kunnen bijdragen aan het verbeteren van veiligheidsbeleving in jouw gemeente, neem dan gerust contact met mij op via daan.denooijer@vandamdatapartners.nl

 

 

Bronvermelding

Brunton‐Smith, I., & Sturgis, P. (2011). Do neighborhoods generate fear of crime? An empirical test using the British Crime Survey. Criminology, 49(2), 331-369.

Eysink Smeets, M.W.B. en Meijer, S.E. (2013). CCV-webdossier Veiligheidsbeleving.

Ferguson, K. M., & Mindel, C. H. (2007). Modeling fear of crime in Dallas neighborhoods: A test of social capital theory. Crime & Delinquency, 53(2), 322-349.

Renauer, B. C. (2007). Reducing fear of crime: citizen, police, or government responsibility?. Police Quarterly, 10(1), 41-62.

Scarborough, B. K., Like-Haislip, T. Z., Novak, K. J., Lucas, W. L., & Alarid, L. F. (2010). Assessing the relationship between individual characteristics, neighborhood context, and fear of crime. Journal of Criminal Justice, 38(4), 819-826.

Smeets, M. E. (2016). Veiligheids-beleving in Rotterdam.

Swatt, M. L., Varano, S. P., Uchida, C. D., & Solomon, S. E. (2013). Fear of crime, incivilities, and collective efficacy in four Miami neighborhoods. Journal of Criminal Justice, 41(1), 1-11.

Deel via

Solliciteren

Vul hieronder jouw gegevens in om te solliciteren.

Inschrijven

Training Inleiding Power BI

10 november

Vul hieronder jouw gegevens in om je in te schrijven voor de training. Voor deze training geldt het speciale actietarief van € 280,- per persoon.

Inschrijven

Training Datagedreven Communicatie en Storytelling

3 november

Vul hieronder jouw gegevens in om je in te schrijven voor de training. Voor deze training geldt het speciale actietarief van € 280,- per persoon.

Inschrijven

Training Datagedreven Cultuur en Organisatie

16 oktober

Vul hieronder jouw gegevens in om je in te schrijven voor de training. Voor deze training geldt het speciale actietarief van € 280,- per persoon.

Inschrijven

Training Data Ethiek

26 oktober

Vul hieronder jouw gegevens in om je in te schrijven voor de training. Voor deze training geldt het speciale actietarief van € 280,- per persoon.

Inschrijven

Leerlijn Datagedreven Werken

Vul hieronder jouw gegevens in en vink de trainingen aan die je zou willen volgen om je in te schrijven voor de Leerlijn Datagedreven Werken. Onze Academy neemt vervolgens zo snel mogelijk contact met je op om je inschrijving te bespreken.

Offerte aanvragen

Vink hieronder de door jou gewenste configuratie aan en vul je contactgegevens in. Onze Business Consultants nemen dan zo snel mogelijk contact met je op.

Offerte aanvragen

Vink hieronder de door jou gewenste configuratie aan en vul je contactgegevens in. Onze Business Consultants nemen dan zo snel mogelijk contact met je op.

Offerte aanvragen

Vink hieronder de door jou gewenste configuratie aan en vul je contactgegevens in. Onze Business Consultants nemen dan zo snel mogelijk contact met je op.