Inleiding en context
Donderdagochtend 18 februari 2021, om er de moed in te houden tijdens deze ongewone tijd een klassieker uit de muziekgeschiedenis: https://www.youtube.com/watch?v=zXeRB-3nDR8 Schitterend. Vanochtend een recent verschenen onderzoek over één van mijn favoriete onderwerpen: rekrutering voor georganiseerde misdaad. Ik heb daar eerder ook wat ´kennisparels´ over rond gestrooid: https://prohic.nl/2020/03/28/10-28-maart-2020-rekruteringsprocessen-binnen-de-georganiseerde-criminaliteit/ en: https://prohic.nl/2020/07/16/16-juli-2020-understanding-recruitment-to-organized-crime-and-terrorism/ Waarom is dit een belangrijk onderwerp?
Landen over de hele wereld hebben een strafrechtelijk en een bestuurlijk beleid toegepast om de georganiseerde misdaad aan te pakken, waaronder gespecialiseerde rechtshandhaving, zware straffen, getuigenbescherming en een uitgebreid beleid voor de verbeurdverklaring van geld en goederen. In vergelijking met de omvang van deze investeringen en inspanningen is er echter weinig aandacht besteed aan de evaluatie van de effectiviteit van de verschillende interventies. De schaarse evaluatie van de meeste vormen van georganiseerde misdaad is voornamelijk te wijten aan een gebrek aan betrouwbare gegevens. Activiteiten van georganiseerde misdaad zijn inherent verborgen van karakter en er wordt veel niet of te weinig gerapporteerd. Zelfs wanneer empirische aanwijzingen zijn te vinden op specifieke geografische gebieden zijn systematische variabelen op individueel niveau – en in het bijzonder degene die tijd specifiek zijn en het mogelijk maken processen te identificeren – bijna onmogelijk te verkrijgen. Daar wringt dus de schoen wanneer uitspraken gedaan worden over de effectiviteit van de aanpak van georganiseerde misdaad, niet alleen in Nederland maar ook elders.
Enkele van de meest complexe criminele organisaties hebben een opmerkelijke continuïteit laten zien en ondanks intensieve rechtshandhavingsmaatregelen hebben ze hun activiteiten decennia lang voortgezet. Net als andere organisaties moeten complexe georganiseerde misdaadgroepen nieuwe individuen selecteren en toelaten om te overleven en de illegale handel voor te zetten. Daarom is rekrutering voor de georganiseerde misdaad een cruciaal proces dat ervoor zorgt dat criminele organisaties weerstand kunnen bieden aan rechtshandhavingsinterventies en te kunnen overleven in een (voor hen) vijandige omgeving. Rekrutering kan dus dienen als een belangrijke analyse-eenheid om de impact van beleid ter bestrijding van de georganiseerde misdaad te beoordelen op zijn effecten. Sommige beleidsmaatregelen kunnen rechtstreeks proberen om rekrutering te belemmeren, te frustreren of te verminderen, terwijl andere interventies dit alleen maar kunnen compenseren, bijvoorbeeld door nog meer strafrechtelijke maatregelen toe te passen. Een wat cynische opmerking hierbij: binnen de georganiseerde misdaad bestaan geen vacatures. Daarom kan meer aandacht voor rekrutering en de dynamiek ervan nuttige kennis opleveren over de impact van het beleid tegen de georganiseerde misdaad. Het is en blijft anders anders dweilen met de kraan open. Bijgesloten ´kennisparel´ laat zien dat er wel degelijk mogelijkheden bestaan om rekruteringsprocessen binnen de georganiseerde misdaad te beïnvloeden.
Bron
Calderoni, Francesco, Gian Maria Campedelli, Aron Szekely, Mario Paolucci & Giulia Andrighetto (February 2021). Recruitment into Organized Crime: An Agent-Based Approach Testing the Impact of Different Policies. Journal of Quantitative Criminology, 15 February, pp. 1-41.
https://link.springer.com/article/10.1007/s10940-020-09489-z
Samenvatting
Countries around the world have adopted criminal and non-criminal policies to tackle organized crime including specialized law enforcement, harsh penalties, witness protection, and extensive follow-the-money asset forfeiture policies. Compared to the size of these investments and efforts, however, little attention has been paid to the evaluation of the effectiveness of the different interventions. The scarce evaluation of most organized crime policies is at least partly due to a lack of reliable data. Organized crime activities are hidden and non-reporting or under-reporting are rife. Even when empirical indications are available at specific geographical aggregations, systematic individual-level variables–and particularly those that are time-specific and allow for processes to be identified–are near-impossible to obtain.
Some of the most complex criminal organizations have showed remarkable continuity and, despite intense law enforcement action, they have maintained their operations for decades. Like other organizations, complex organized crime groups must select and admit new individuals to ensure their survival. Consequently, recruitment into organized crime is a crucial process that ensures that criminal organizations are able to withstand law enforcement interventions and survive within a hostile environment. Recruitment may thus serve as one key unit of analysis to assess the impact of policies tackling organized crime. Some policies may directly attempt to impair or reduce recruitment, whereas other interventions may merely offset it, e.g., through increased criminal justice measures. Closer attention to recruitment and its dynamics may offer useful information on the impact of policies against organized crime.
In this study, we use agent-based modelling (ABM) to overcome the limited available empirical evidence on organized crime recruitment and the impact of policies against it. ABM is a set of computational techniques allowing researchers to reproduce actions and interactions of numerous heterogeneous agents within a built environment, and it is increasingly popular in criminology. In this context, given sufficient real world data upon which to build the model, ABM provides plausible causal estimates of outcomes without actually conducting real world experiments, allowing to identify potentially effective policies which may be subsequently experimented in the real world. Our model draws on different theoretical frameworks pointing to both social and individual drivers of recruitment into organized crime. It combines elements of differential association, social learning and social embeddedness as well as individual propensity in explaining recruitment into organized crime using a multiplex network approach, thus embedding individuals in multiple social relations which mediate the recruitment into organized crime. Furthermore, and unlike many previous ABMs on organized crime, extensive data are used to calibrate and validate the models based on the social, economic and criminal dynamics of Palermo, Sicily largest city and the main center of Cosa Nostra, the Sicilian mafia. The choice of Palermo is due not only to its historic and social relevance for organized crime, but also to the availability of unique socio-demographic data thanks to the cooperation of the municipality of Palermo.
We test the effects of four policy scenarios on recruitment into organized crime. The policy scenarios target (i) organized crime leaders and (ii) facilitators for imprisonment, (iii) provide educational and welfare support to children and their mothers while separating them from organized-crime fathers, and (iv) increase educational and social support to at-risk schoolchildren.
We developed a novel agent-based model drawing on theories of peer effects (differential association, social learning), social embeddedness of organized crime, and the general theory of crime. Agents are simultaneously embedded in multiple social networks (household, kinship, school, work, friends, and co-offending) and possess heterogeneous individual attributes. Relational and individual attributes determine the probability of offending. Co-offending with organized crime members determines recruitment into the criminal group. All the main parameters are calibrated on data from Palermo or Sicily (Italy). We test the effect of the four policy scenarios against a baseline no-intervention scenario on the number of newly recruited and total organized crime members using Generalized Estimating Equations models.
The simulations generate realistic outcomes, with relatively stable organized crime membership and crime rates. All simulated policy interventions reduce the total number of members, whereas all but primary socialization reduce newly recruited members. The intensity of the effects, however, varies across dependent variables and models. Agent-based models effectively enable to develop theoretically driven and empirically calibrated simulations of organized crime. The simulations can fill the gaps in evaluation research in the field of organized crime and allow us to test different policies in different environmental contexts.
Afsluitend
In deze context biedt het toegepaste model (agent-based modelling) voldoende gegevens uit de praktijk om het model op te bouwen, plausibele causale schattingen van de resultaten te maken zonder daadwerkelijke experimenten uit te voeren. Daarmee kan potentieel effectief beleid worden geïdentificeerd waarmee vervolgens in de praktijk kan worden geëxperimenteerd. Het model is gebaseerd op verschillende theoretische kaders en beleidstheorieën die wijzen op zowel sociale als individuele drijfveren van rekrutering in de georganiseerde misdaad. Het combineert elementen van differentiële associatie, sociaal leren en sociale inbedding en individuele neiging om rekrutering voor georganiseerde misdaad te verklaren met behulp van een multidimensionale netwerkbenadering, waardoor individuen worden ingebed in meerdere sociale relaties die de rekrutering in de georganiseerde misdaad bevorderen en mogelijk maken. Om van te leren bij de aanpak van rekrutering binnen de georganiseerde misdaad in Nederland. Echter, één kritische opmerking van mijn gewaardeerde collega Edwin Kruisbergen die ik het artikel voorlegde: ´de rekenkracht van het model is erg indrukwekkend. De empirische basis en de validiteit van de uitkomsten zijn echter op zijn minst discutabel´. Tja, hij kan het weten want hij was betrokken bij het project waarvan bijgevoegde ´kennisparel´ een onderdeel was. Zo zie je maar weer, kritisch blijven op uitkomsten van elk onderzoek.
