Columnist Zihni Özdil is niet verbaasd dat DUO discriminerende algoritmes gebruikt om onschuldige studenten van kleur op te jagen. Hij vermoedt ook dat er geen algoritmes komen om frauderende blanke aandeelhouders op sporen.
‘Nationaliteit was een van de risicofactoren die de Belastingdienst gebruikte om het risico van onnauwkeurigheid en/of fraude in de ingediende aanvragen te beoordelen. Dit rapport illustreert hoe het gebruik van de nationaliteit heeft geleid tot discriminatie afkomst, alsmede tot etnisch profileren.’
Aldus Xenofobe machines, het schokkende rapport van Amnesty International uit 2021.
Wie de ins and outs van het Toeslagenschandaal kent, zal niet verbaasd zijn dat ook de Dienst Uitvoering Onderwijs (DUO) onschuldige allochtonen – in dit geval studenten – heeft opgejaagd en bestraft.
Uit onderzoek door de NOS, het Hoger Onderwijs Persbureau (HOP) en Investico blijkt dat de ‘fraudejacht van DUO maar één prooi vangt: studenten met een migratieachtergrond’.
Staat trad vanaf 2009 keihard op tegen frauderende studenten
In 2009 besloot de staat dat er keihard moest worden opgetreden tegen het enorm grote probleem van studenten die deden alsof ze uitwonend waren om zo een hogere beurs te vangen. Hoe groot dat probleem daadwerkelijk was, laat staan hoeveel het de schatkist kostte, werd nooit duidelijk.
Eerst paste het kabinet-Balkenende IV de wet aan. Voortaan moesten studenten maar bewijzen dat ze ergens wel wonen. Ook vernauwde de definitie van het begrip ‘uitwonende student’.
Vanaf 2012 stuurde DUO inspecteurs erop af om frauderende studenten te pakken. Sindsdien waren er meer dan 25.000 controles. Bijna 10.000 studenten moesten hun studiefinanciering terugbetalen en kregen een boete.
DUO bedacht zelf algoritme om frauderende student op te sporen
Maar hoe selecteer je bij welke studenten je langs moet gaan?
Door een zelfbedacht algoritme zonder wetenschappelijke onderbouwing in te stellen. U leest het goed: de ambtenaren van DUO bedachten met hun natte vinger een zogeheten ‘risicoprofiel’. Als je bij een familielid kwam wonen, werd je eruit gelicht. Ook besloten de ambtenaren dat jonge mbo’ers een groter risico vormen dan academici. Daarnaast maakten ze de afstand tussen de woning van de student, diens ouders en de onderwijsinstelling tot een indicator.
Met deze data bepaalt het algoritme of je ‘verdacht’ bent. Een team van fraude-onderzoekers bepaalt vervolgens of er controleurs bij je langsgaan met een dossier ‘basisinformatie’ over jou in de hand.
Wie denkt dat ‘familieband’, ‘mbo’ en ‘afstand adres-ouders-onderwijsinstelling’ neutrale indicatoren zijn, vergist zich enorm. Vooral studenten uit getroebleerde gezinnen en studenten met een niet-westerse achtergrond gaan bij een familielid wonen als ze gaan studeren. Veelal zijn dat jongeren in het beroepsonderwijs. En veelal wonen ze in dezelfde stad als waar ze gaan studeren.
Huisbezoeken waren bepaald niet grondig
Twintig jaar geleden kwam een familielid bij mij inwonen. De ouders van de jongeman zaten in een vechtscheiding. Door bij mij te wonen, kon hij weer de focus leggen op zijn toekomst. Hij betaalde netjes de helft van mijn huur, studeerde hard, werkte hard en was nauwelijks thuis. Als DUO in die tijd met dit discriminerende algoritme had gewerkt, was hij geheid de klos geweest.
Laden…
Word abonnee en lees direct verder
Al vanaf €15 per maand leest u onbeperkt alle edities en artikelen van EW. Bekijk onze abonnementen.
Bent u al abonnee en hebt u al een account? log dan hier in
Verder lezen?
U bent momenteel niet ingelogd of u hebt geen geldig abonnement.
Wilt u onbeperkt alle artikelen en edities van EW blijven lezen?
Er ging iets fout