In 2010 leefden wereldwijd naar schatting 860 miljoen mensen in sloppenwijken. Om beleid voor sloppenwijken verder te kunnen ontwikkelen en effectieve methodes voor armoedebestrijding in te kunnen zetten, is meer inzicht nodig in de karakteristieken en behoeftes van deze gemeenschappen. De onderzoekers verzamelden daarom data om tot een completer beeld van het probleem te komen en ontwikkelden daarmee voorspellende computermodellen. ‘Voorheen waren de data ontoereikend om geavanceerde computationele modellen te kunnen bouwen die nodig zijn om interventiescenario’s door te rekenen’, vertelt Sloot, wetenschappelijk directeur van het IAS van de UvA en hoogleraar Computational Science.

36 sloppenwijken

Het onderzoeksteam nam gedurende enkele jaren enquêtes en interviews af in 36 sloppenwijken verspreid over Bangalore. De sloppenwijken waren geselecteerd op stratificatiecriteria zoals locatie en grootte, etniciteit en religieus profiel. De onderzoekers bestudeerden de sloppenwijken middels geografische informatiesystemen en computersimulaties, en combineerden zo sociologie, geografie en informatica. De gegevens die zijn verzameld, bestaan uit 267.894 elementen verspreid over 242 vragen voor 1.107 gezinnen. ‘Met deze data kunnen we hoge-resolutie computationele modellen bouwen om tot een beter begrip te komen van de ontwikkeling en groei van sloppenwijken in India,’ aldus Michael Lees, universitair docent bij het Computational Science Lab aan de UvA.

Focus op horizontale ongelijkheid

Het onderzoeksteam heeft de unieke dataset gebruikt om verder onderzoek te doen naar de structuur en dynamiek van de sloppenwijken. ‘We hebben segregatie van groepen onderzocht en hoe dit de ongelijkheid in Bangalore katalyseert,’ licht postdoc Debaj Roy toe. ‘Onze resultaten laten zien dat we het succes van interventies in sloppenwijken enorm kunnen vergroten als we ons richten op horizontale ongelijkheid; dat wil zeggen ongelijkheid tussen bijvoorbeeld de Indiase kasten of religieuze groepen.’

Het team heeft de uit de dataset verkregen inzichten verwerkt in een computationeel model, genaamd DynaSlum, dat laat zien welke sociale aspecten bepalend zijn voor de ontwikkeling van huishoudens in de sloppenwijken. De onderzoekers gaan nu kijken naar andersoortige aspecten zoals waterinfrastructuur, watermanagement en sanitaire voorzieningen. Het einddoel is een computersysteem waarmee de effecten van interventies kunnen worden doorgerekend, zodat beleidsmakers verschillende strategieën vooraf kunnen toetsen op hun effect.

Het onderzoek, dat plaatsvindt binnen de projecten DynaSlum en SIM-CITY, wordt mede gefinancierd door NWO en het Nederlands eScience center.

Publicatiegegevens

Debraj Roy, Bharath Palavalli, Niveditha Menon, Robin King, Karin Pfeffer, Michael H. Lees & Peter M.A. Sloot: ‘Survey-based socio-economic data from slums in Bangalore, India’, in: Nature Scientific Data 5 (9 januari 2018). https://www.nature.com/articles/sdata2017200

Zie ook:

• Debraj Roy, Michael H. Lees, Karin Pfeffer & Peter M.A. Sloot: ’Spatial segregation, inequality, and opportunity bias in the slums of Bengaluru’, in: Cities (28 december 2017). https://doi.org/10.1016/j.cities.2017.12.014
• Debraj Roy, Michael H. Lees, Karin Pfeffer & Peter M.A. Sloot: ’Modelling the impact of household life cycle on slums in Bangalore’, in: Computers, Environment and Urban Systems 64 (juli 2017).  https://doi.org/10.1016/j.compenvurbsys.2017.03.008
• Debraj Roy, Michael H. Lees, Bharath Palavalli, Karin Pfeffer & Peter M.A. Sloot: ’The emergence of slums: A contemporary view on simulation models’, in: Environmental modelling & software 59 (september 2014).  https://doi.org/10.1016/j.envsoft.2014.05.004