Van politicologie naar grote databestanden: Laurens ontrafelt wat je niet direct ziet
Van politicologie naar onderzoek naar de identificatie van mensen met een verstandelijke beperking in grote datasets, onder andere van het CBS. Het klinkt als een grote stap, maar voor Laurens voelt het als een logisch vervolg op wat hij al jaren doet: maatschappelijke vraagstukken ontrafelen met data.
Laurens begon als politicoloog in Nijmegen, waar hij een bachelor en master volgde in vergelijkende en Europese politicologie. “Ik zie mezelf echt als empirist. Theorie is belangrijk, maar ik wil altijd naar de data kijken. Wat kunnen we eruit halen?”
Na zijn studie ging hij promoveren in Maastricht op het onderwerp ‘publieke gezondheid’. Zijn onderzoek lag op het snijvlak van sociale en gezondheidswetenschappen en draaide om complexe vragen: hoe hangen armoede, schulden en gezondheid samen, en hoe kun je die relaties kwantificeren? Later werkte hij in Utrecht aan onderzoek dat zich richtte op sociaal-economische gezondheidsverschillen. Dit onderzoek ging o.a. over hoe zaken als inkomen, opleiding en werk de gezondheid beïnvloeden.
De basis op orde: wie zien we in de data?
Bij Carmenda richt Laurens zich op een fundamentele stap: het identificeren van mensen met een verstandelijke beperking (VB of LVB) in grote databestanden. “Als je niet weet wie er wel en niet een verstandelijke beperking hebben, kun je geen goed vervolgonderzoek doen.”
Dat is een uitdaging. De gegevens staan niet netjes gelabeld klaar, en het vereist slimme modellen om groepen zorgvuldig te onderscheiden. Deze modellen maken inschattingen op individueel niveau. De manier waarop de privacy gewaarborgd blijft, is:
1. De microdata blijven áltijd in de beveiligde CBS-omgeving. Alles wat hieruit gehaald mag en kan worden, is inderdaad wel altijd op groepsniveau.
2. Die data zijn sowieso gepseudonimiseerd, dus je kunt als onderzoeker niet opzoeken over wie het gaat in de data.
3. De uitkomsten van de modellen worden nooit gebruikt om uitspraken te doen over individuele personen. De analyses die worden gedaan met de data, ook als dus een inschatting gemaakt wordt wie tot welke groep behoort, leveren inderdaad ook inzichten op groepsniveau op.
De machine learning-methoden die hij inzet, zijn deels nieuw voor hem. “Ik heb een redelijk begrip van hoe het werkt, maar ik heb er zelf nog niet eerder mee gewerkt. Voor mij is dit ook een kans om een nieuwe methode echt in de vingers te krijgen.”
“Als dit goed lukt, opent het veel deuren,” zegt Laurens. Onderzoekers kunnen dan bijvoorbeeld ook gerichter kijken naar vragen als: hoe hangen sociaal-economische positie en gezondheid samen binnen deze groep? En waar liggen aanknopingspunten voor verbetering?
Muziek als tegenhanger
Laurens werkte lange tijd vooral thuis en houdt van flexibiliteit. De overgang naar kantoor was spannend: zou hij het te druk vinden, te veel prikkels? Die angst bleek ongegrond. Nu komt hij drie dagen per week en ervaart hij de werkomgeving als een “warm bad”.
Naar eigen zeggen is hij “goed met vrije tijd” en besteedt deze dan graag op het podium. Hij speelt basgitaar en contrabas in de band Kay Geurts en de Hoofdact. Optredens variëren van van muziekcafés tot poppodia en festivals. Muziek is voor hem een creatieve tegenhanger van zijn analytische werk.
Relevante artikelen
