opinie

Duurzaam wonen vang je niet in één getal

Oprichters data-analysebedrijf Rockestate

De Mobiscore lijkt onschuldig, maar is dat niet noodzakelijk. De overheid kan zich geen fouten permitteren.

Met de Mobiscore van de Vlaamse overheid krijgt elke woning in Vlaanderen en Brussel een beoordeling in functie van de duurzaamheid van haar locatie. Hoe hoger de score, hoe lager de mobiliteits- en milieu-impact van je woonplek. Met dat initiatief probeert Vlaanderen zijn burgers in de eerste plaats te sensibiliseren. Het zet de deur ook op een kier naar een minder vrijblijvend sturingsmiddel waarmee ze kan belonen en bestraffen. Het is dus uitermate belangrijk dat de score strookt met de dagelijkse realiteit. Bovendien moet ze voldoende inzichtelijk zijn, zodat mensen de logica begrijpen en hun gedrag kunnen wijzigen.

Misschien is een iets minder nauwkeurige, maar eenvoudige en glasheldere berekening interessanter?

Na de lancering volgden al snel heel wat reacties van mensen die de logica en de consistentie van de score serieus in vraag stelden. Mensen verwachten niet alleen een score, ze willen ook de achterliggende redenering begrijpen. Zeker als de score een impact kan hebben op de waarde van hun (toekomstige) woning, of misschien ooit gekoppeld wordt aan fiscale stimuli.

Het Mobiscore-model legt vijf categorieën voorzieningen (winkels, ontspanning, onderwijs, gezondheid en openbaar vervoer) vast. Vervolgens berekent het voor elke woning de afstand tot al die voorzieningen. In voorgaande studies werd geanalyseerd hoe vaak, en hoe, de Vlaming zich verplaatst voor elk van de types voorzieningen. Die gemiddelden worden gebruikt om een gewicht toe te kennen aan elke afstand. Dat leidt tot een score van 0 tot 10.

Kasper Van Lombeek ©doc

Die methode is uitgebreid gedocumenteerd, maar de combinatie van alle keuzes is zo complex dat niemand ze nog echt begrijpt of kan verklaren. Wat is een relevante voorziening? Welke voorzieningen wegen meer door? Wat is het gewicht van elke afstand? En wat is de milieu-impact gelinkt aan het type verplaatsing? Voor vijf gezinnen in dezelfde straat kunnen de antwoorden zeer sterk uiteenlopen. De Mobiscore steunt op het gemiddelde gedrag van de gemiddelde Vlaming. Maar hoeveel mensen beantwoorden aan dit gemiddelde plaatje?

Dergelijke scoringstechnieken zijn niet nieuw. Met de recente ontwikkelingen in datawetenschappen wordt het gemakkelijker berekeningen los te laten op grote databestanden. Die worden al jaren aangewend om het weer te voorspellen, of om het risico van een brandverzekering te bepalen. Bij die modellen is de performantie van het model belangrijker dan de mogelijkheid het resultaat te verklaren.

Foutenmarge

Maar zou het bij de Mobiscore niet beter andersom zijn? Misschien is een iets minder nauwkeurige, maar eenvoudige en glasheldere berekening interessanter? Of zou het niet zinvoller zijn de focus te leggen op het gedrag van de bewoners in plaats van op de woning?

Pietjan Vandooren ©doc

Met de huidige methodologie van de Mobiscore is het zeer moeilijk te begrijpen waar je moet gaan wonen om beter te doen. Dat stelt het effect van sensibilisering in vraag. Als iemand graag op het platteland woont en een leven leidt dat weinig milieuvervuilende verplaatsingen vergt, hoe kan die persoon zijn score verbeteren? En hoe zeker zijn we dat iemand die in het centrum van een stad woont bewust kiest voor milieuvriendelijke verplaatsingen?

Belangrijker nog is dat de Mobiscore steunt op een statistisch model. Hoe performant die modellen soms ook zijn, ze zijn nooit perfect (‘All models are wrong, but some are useful’). Voor het voorspellen van het weer of het bepalen van het risico voor een brandverzekering is het aanvaardbaar dat modellen af en toe leiden tot verkeerde conclusies. Maar kan je je als overheid een dergelijke foutenmarge permitteren?

Hoe performant statistische modellen soms ook zijn, ze zijn nooit perfect.

Het is de algemene tendens, zowel bij de overheid als in de privésector, complexe problematieken te herleiden tot een makkelijk te interpreteren score. In haar boek ‘Weapons of Math Destruction’ haalt de analist Cathy O’Neil voorbeelden aan van waar het in de VS al serieus is misgelopen: het uitkeren van ziekenhuiskosten, het beoordelen van een leerkracht, de lengte van een gevangenisstraf.

De Mobiscore mag onschuldig lijken, dat is ze niet noodzakelijk. Zelfs als maar bij een relatief kleine groep mensen de score van de woning niet strookt met hun werkelijke gedrag, dan is dat voldoende om te besluiten dat het onrechtvaardig is hier financiële gevolgen aan te verbinden.

Lees verder

Gesponsorde inhoud