De menselijke maat. Literatuuronderzoek

Stand van de kennis over de menselijke maat in de publieke dienstverlening, in opdracht van de vaste Kamercommissie voor Sociale Zaken en Werkgelegenheid. Via een literatuurstudie langs wetenschappelijke artikelen, parlementaire onderzoeken, beleidsevaluaties, kamerbrieven en moties zijn knelpunten, oplossingsrichtingen en kennislacunes in kaart gebracht, geordend naar organisaties, regels, sturing en communicatie. De Participatiewet komt naar voren als complexe wet met wantrouwen als uitgangspunt van het handhavingsregime, die de stap naar werk soms juist belemmert. Ruimte voor maatwerk bestaat vaak wel maar wordt niet benut; de standaardaanpak blijft de norm. Eenvoudige oplossingen ontbreken, omdat meer maatwerk ook het risico op willekeur vergroot.

Veranderende wet- en regelgevingOrganisatiecultuurPersoneel, diversiteit en behoud van talent

Waarom deze indeling: Als belangrijkste oorzaak van problemen wordt de complexiteit en samenloop van wet- en regelgeving genoemd, waarbij gezinnen met vijftien instanties te maken kunnen hebben (laws). Discretionaire ruimte blijkt vaak wel te bestaan maar wordt niet benut door zelfopgelegde protocollen, productiedruk en risicomijdend gedrag (culture). Caseloads, gebrek aan actuele kennis, de inzet van de minst ervaren krachten aan de balie en een beloningsstructuur die vertrek uit de frontlinie stimuleert, raken de personele kant (humancap).

Toegekend met een AI-model (Opus 5) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Ministerie

Rijksbreed

Bron

Onderzoeken en evaluaties: Instituut Maatschappelijke Innovatie

Toegepaste standaard

Extern onderzoek

Datum

2023-09-14

Het rapport zelf

originele publicatie

Omschrijving

samenvatting door een AI-model (Opus 5) op basis van de publicatie

Risicolabels

toegekend met een AI-model (Opus 5) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd

Bijgewerkt

augustus 2026