Tekst Analytics voor 'ondersteuning toewijzing' bij de gemeente

Amsterdam, 12 - 2022

Elk jaar komen er veel mensen bij de gemeente voor ondersteuning en zorg. De gemeente heeft de wettelijke plicht om burgers te helpen bij het ondersteunen van de persoonlijke situatie, bijvoorbeeld bij fysieke zorg, mentale zorg en/of hulp bij kinderopvang. Voor personen onder de 18 jaar loopt dit via de Jeugdwet en voor personen boven de 18 jaar via de Wet maatschappelijke ondersteuning (Wmo). Deze wetten zetten de taken van de gemeentes in dit proces uiteen.

Uitdaging bij toewijzen ondersteuning
Om de juiste ondersteuning aan personen toe te wijzen, wordt er door de gemeente onderzoek gedaan naar de persoonlijke situatie van iemand. Aan de hand van dit onderzoek wordt een verslag geschreven door de consulent van de gemeente. Dit document zal aangeven wat voor type zorg zal worden toegewezen. Er zijn drie verschillende mogelijkheden: preventieve zorg, reguliere zorg en specialistische zorg. Hierdoor kan de gemeente de burgers op de meest passende manier ondersteunen. Echter heeft dit proces te maken met 'menselijke input', het kan gebeuren dat een consulent een verkeerde inschatting maakt en daardoor verkeerde ondersteuning toewijst. Oorzaken hiervan kunnen de onervarenheid van de consulent of door de complexiteit van de casus zijn.

Oplossing
Een manier om deze menselijke inschatting te monitoren in het proces is door gebruik te maken van tekst analyse. Dit is een techniek waarbij teksten worden geanalyseerd door een computer om waardevolle inzichten te creëren. Een manier hoe dit kan worden gedaan is het visualiseren van de woorden in een tekst, waarmee een duidelijk beeld wordt gevormd van de meest relevante woorden. Een andere mogelijkheid is een analyse op basis van onderwerpen. Met behulp van deze analyses kan er een voorspelling worden gedaan op basis van de tekst. Denk hierbij aan het achterhalen onder wat voor categorie een tekst valt, of wat voor sentiment een tekst heeft.

Doel van onze oplossing
Door deze techniek toe te passen op het proces van ondersteuning verlenen, is het doel om de foutmarge in de menselijke inschatting te verminderen. Hierbij zal de uitkomst van zo'n analyse (het 'voorspelmodel') nooit het proces overnemen, maar altijd als advies voor de consulent dienen. De consulent blijft altijd de eindverantwoordelijke. Naast het voorspelmodel worden er relevante inzichten gecreëerd, die gebruikt kunnen worden in het optimaliseren van het proces. Door mens en machine te combineren, is het mogelijk om sneller betere zorg toe te wijzen aan cliënten. Zo worden cliënten efficiënter geholpen en bespaart het de gemeente onnodige kosten.

Privacy, security en bias
Belangrijke aspecten om in acht te nemen tijdens de ontwikkeling van deze nieuwe aanpak, zijn privacy, security en bias. Ten eerste is het belangrijk om tijdens de gehele ontwikkelperiode de privacy van de cliënten te waarborgen. We hebben in dit thema namelijk te maken met extra gevoelige medische data. Daarbij is security ook een erg belangrijk onderwerp. Door externe aanvallers buiten de deur te houden zorg je ervoor dat er niet geknoeid wordt met het resultaat en dat de privacy behouden wordt. Als laatst houden we rekening met het begrip van bias. Dit is het concept waarbij de resultaten geen goede afspiegeling zijn van de werkelijkheid. Bias is een onderwerp wat het gehele proces onder de aandacht moet blijven om een verantwoordelijk en representatief model te ontwikkelen.

Toekomst
Er wordt geschat dat meer dan 50% van de wereldwijd beschikbare data in tekstvorm is. Deze specifieke casus is maar één voorbeeld waarbij tekstanalyse voor toegevoegde waarde kan zorgen binnen de gemeente. Als gemeentes op de juiste manier gebruik maken van deze innovatieve techniek, zal dit ervoor zorgen dat er efficiëntere en betere dienstverlening kan worden geboden aan de maatschappij.