For best experience please turn on javascript and use a modern browser!
You are using a browser that is no longer supported by Microsoft. Please upgrade your browser. The site may not present itself correctly if you continue browsing.
Als leerlingen zich in Amsterdam aanmelden voor het voortgezet onderwijs, wordt hen gevraagd hun voorkeursscholen te rangschikken. Maar wat als het aangeven van hun werkelijke voorkeuren niet de beste manier is om een plaats te krijgen? Deze vraag staat centraal in het onderzoek van Mayesha Tasnim, promovenda bij de groep Socially Intelligent Artificial Systems (SIAS) van het Informatics Institute. Haar proefschrift, One-Sided Matching Under Strategic Reporting: Insights from Amsterdam School Choice, onderzoekt hoe algoritmen beperkte publieke middelen – zoals schoolplaatsen – eerlijk kunnen toewijzen.

Betere koppelingen versus eerlijke keuzes

Systemen die schoolplaatsen toewijzen, zijn een voorbeeld van eenzijdige koppeling: mensen geven hun voorkeuren aan en een algoritme wijst hen een van de beschikbare plaatsen toe. Deze systemen staan echter voor een lastige afweging. Sommige systemen zijn zo ontworpen dat eerlijke rapportage de beste optie is. Met andere woorden: leerlingen en ouders hebben geen reden om hun voorkeurslijst aan te passen om hun kansen te vergroten. Dit staat bekend als ‘strategiebestendigheid’. Deze systemen kunnen er echter soms toe leiden dat leerlingen een plaats krijgen op een school die ver onderaan hun lijst staat.

Andere systemen kunnen in totaal meer leerlingen een plaats op een van hun voorkeursscholen opleveren. Maar ze kunnen het ook de moeite waard maken om voorkeuren strategisch aan te geven: scholen anders rangschikken dan iemands werkelijke voorkeuren, in de hoop een beter resultaat te behalen.

Het middelbare schoolsysteem van Amsterdam illustreert deze uitdaging. De stad maakt gebruik van een op loting gebaseerde methode die ‘Random Serial Dictatorship’ (RSD) wordt genoemd. Deze methode stimuleert eerlijke aangifte, maar sommige leerlingen zijn toegewezen aan scholen die veel lager op hun lijst staan.

Regels kunnen ongelijke voordelen creëren

Om te onderzoeken wat de voordelen zijn en welke nieuwe uitdagingen er ontstaan wanneer een systeem meer gewicht toekent aan de voorkeuren van leerlingen, heeft Tasnim onderzoek gedaan naar ‘rank-minimising matching’. In tegenstelling tot het huidige RSD-systeem in Amsterdam, dat op loting is gebaseerd, is deze methode erop gericht om meer leerlingen een plaats te geven op een school die hoog op hun voorkeurslijst staat. Haar onderzoek toont aan dat dit de resultaten over het algemeen kan verbeteren, maar dat het ook een nieuw risico met zich meebrengt. Aanmelders kunnen hun eigen resultaat mogelijk verbeteren door hun voorkeurslijst aan te passen, waarbij ze alleen gebruikmaken van informatie over welke scholen populair zijn als eerste keuze van andere leerlingen. Dit betekent dat gezinnen met meer informatie of zelfvertrouwen hier meer van kunnen profiteren dan gezinnen die simpelweg hun oprechte voorkeuren aangeven.

Strategisch invullen kan ook worden gestimuleerd door aanvullend beleid. In Amsterdam werd een plaatsingsgarantie ingevoerd om leerlingen te helpen die geen plaats kregen op een van hun voorkeursscholen. Uit de analyse van Tasnim bleek dat dit beleid leerlingen en ouders ook een reden kan geven om hun voorkeurslijsten strategisch aan te passen. Als veel gezinnen op deze manier reageren, kan de garantie mogelijk niet langer waarmaken wat ze belooft.

Duidelijke informatie kan het verschil maken

Het feit dat er een prikkel is om strategisch te handelen, betekent niet dat iedereen dat ook zal doen. Tasnim ondervroeg 140 Amsterdamse ouders over hun keuzes bij de schooltoewijzing. Uit het onderzoek bleek dat het toelichten van de risico’s van strategische rapportage mensen kan ontmoedigen om hiervan gebruik te maken.

Deze bevindingen tonen aan dat duidelijke communicatie een onderdeel is van het ontwerpen van een eerlijk systeem. Beleidsmakers moeten niet alleen rekening houden met wat een algoritme doet, maar ook met hoe mensen de keuzes begrijpen die het algoritme creëert.

AI voor publieke beslissingen

Tasnim onderzocht ook of AI-methoden die leren van voorbeelden, waaronder Deep Q-Networks en Generative Flow Networks, een alternatieve manier zouden kunnen bieden om schoolplaatsen toe te wijzen. Uit haar onderzoek bleek dat deze methoden soms betere koppelingen kunnen maken en tegelijkertijd beter bestand zijn tegen strategische rapportage dan gevestigde koppelingsmethoden. Ze benadrukt echter dat een systeem niet alleen op zijn technische resultaten mag worden beoordeeld. Het is net zo belangrijk om na te gaan hoe mensen erop kunnen reageren en hoe het functioneert binnen de overheidsinstantie die er gebruik van maakt.

Het onderzoek van Tasnim wijst niet op één eenvoudige vervanging voor het huidige systeem in Amsterdam. Het laat daarentegen zien dat voorgestelde veranderingen op grotere schaal moeten worden getest voordat ze worden ingevoerd. Beleidsmakers moeten niet alleen overwegen of een nieuwe regel meer leerlingen een voorkeursschool oplevert, maar ook of deze voordelen oplevert voor gezinnen die over meer informatie beschikken, wat er gebeurt als veel gezinnen hun gedrag aanpassen, en of het beleid nog steeds kan waarmaken wat het belooft.

Meer informatie

Lees het proefschrift van Mayesha Tasnim, *One-Sided Matching Under Strategic Reporting: Insights from Amsterdam School Choice, in UvA Dare