Government Trends 2020 – De opkomst van ‘nudging’

Inmiddels zijn er in Nederland al diverse voorbeelden te vinden. Zoals een proef in Rotterdam, waarbij ondergrondse afvalcontainers een groene uitstraling kregen. In het voorjaar van 2018 werden op vier plekken in de Tarwewijk de ondergrondse containers opgefleurd met kunstgras met bloemen en buxushagen. In de eerste maanden trof de gemeente 75% minder afval aan rond de opgefleurde containers, drie maanden later zelfs 85% minder. De resultaten van een langetermijnmeting laten zien dat deze maatregel nog steeds leidt tot zeventig procent minder ‘naastplaatsingen’. Ook in andere wijken en steden (Leiden) worden nu proeven gedaan.

De ‘nieuwe generatie’ nudging

Inmiddels zetten sommige overheden de volgende stap: nudging op basis van design thinking, big data en predictive analytics. Die combinatie geeft een goed inzicht in welke maatschappelijke onderwerpen met spoed aandacht verdienen. Dat geldt bijvoorbeeld voor thema’s in het domein van fraudebestrijding, het vermijden van fraude, de file-problematiek, inschrijven in het donorregister, gedrag in het verkeer en parkeerproblemen. Aangevuld met inzicht in gedrag wordt duidelijk welke prikkels (zelfs op individueel niveau) op welk moment kunnen leiden tot de gewenste gedragsverandering. In Mexico heeft dit al geleid tot minder fraude op het gebied van sociale zekerheid. In plaats van de traditionele (strafrechtelijke) aanpak werden hiervoor ‘pop-ups’ en andere lichte middelen ingezet.

De voordelen van nudging zijn duidelijk: mensen houden zich beter aan regels, de betrokkenheid bij overheidsprogramma’s groeit en de kosteneffectiviteit neemt toe. Maar overheden moeten ook rekening houden met risico’s, zoals de aantasting van de autonomie van burgers. Een slecht ontwerp kan zorgen voor onbedoelde en zelfs negatieve resultaten. En sommige doelgroepen kunnen extra kwetsbaar worden door een (verkeerd) gebruik van nudging.

Hoe nu verder?

Om nudging effectief in te zetten, is het cruciaal om de belangrijkste doelstelling voor ogen te houden. Is het de bedoeling om overtreders te ontmoedigen of om meer steun te krijgen voor een programma? Op basis van de gewenste uitkomst en kennis van de factoren die mensen beïnvloeden kan vervolgens worden gekozen voor de juiste opzet, kan rekening worden gehouden met barrières en kunnen interventies worden bedacht. Tot slot moet het programma worden getest. Wat werkt goed voor welke doelgroep, waarom, en hoe kan het project worden opgeschaald? Andere technologieën die in deze reeks artikelen worden besproken, zoals AI en data-analyse, kunnen hierbij helpen.