Treffsikker bosetting

Hva bør og hva kan IMDi vite om kommuner som bosetter flyktninger og kan dette bidra til å øke treffsikkerheten i bosettingsarbeidet? Ikke all kunnskap ligger i offentlige registre, men treffsikkerheten kan økes ved hjelp av historisk data.

Utgitt: 11. august 2022

NORCE Samfunn har på oppdrag fra IMDi levert sluttrapporten til et FoU-prosjekt som omhandler treffsikker bosetting. Prosjektet var todelt.

Målet med del 1 – Kunnskap for å videreutvikle treffsikker bosetting – har vært å kartlegge nødvendig og tilgjengelig kunnskap om bosettingskommunene. Dette er relevant for IMDis operative bosettingsarbeid med fordeling av den enkelte flyktning til en bostedskommune og som en del av et kunnskapsgrunnlag i et fremtidig digitaliseringsprosjekt. Det vil også kunne skape et datagrunnlag for utviklingen av en mer informert kobling mellom den enkelte flyktning og en bestemt kommune. Videre vil det gi bakgrunnsinformasjon for på sikt å kunne måle treffsikkerheten i bosettingsarbeidet.

Del 2 - The Feasibility of Using Data-Driven Algorithmic Recommendations for Refugee Placement in Norway – bestod i utvikling og testing av en statistisk beregningsmodell for hvordan kunnskap om bosettingskommuner og kunnskap om den enkelte flyktning kan kobles sammen på en måte som understøtter økt treffsikkerhet.

Hovedfunn

Treffsikkerhet

Til tross for at treffsikkerhet er hyppig brukt i forbindelse med bosettingsarbeid, er treffsikker bosetting et begrep uten åpenbar definisjon. Ved å skille mellom treffsikker bosetting på kort og lang sikt kan man utforske hvorvidt treffsikker bosetting endrer seg over tid. Delrapport 1 operasjonaliser begrepet “treffsikker bosetting” på kort sikt som en kobling mellom den enkelte flyktning og en kommune som har et tjenestetilbud som møter personens behov. På lang sikt ses begrepet i forbindelse med hvilken grad flyktningen innlemmes i arbeidsliv og sivilsamfunn. Rapporten foreslår følgende mål som, med visse begrensninger, kan være egnet til å måle treffsikker bosetting både på kort og lang sikt:

  • Hvor ofte kommuner avviser å bosette en flyktning de har blitt anmodet om å bosette.
  • Hvor raskt etter bosetting flyktninger i målgruppen starter på introduksjonsprogrammet.
  • I hvilken grad flyktninger flytter kort tid etter bosetting.
  • Arbeidsmarkedsintegrering målt ved hvorvidt man er i fulltidsarbeid og eventuelt lønnsnivå eller mottak av sosialstønad.
  • Sosial integrering, for eksempel målt ved registerdata fra SSB om valgdeltakelse i lokalvalg eller hvor raskt man oppnår norsk statsborgerskap.

Styrket informasjonstilgang i bosettingsarbeidet

Et sentralt element for å sikre treffsikker bosetting er tilstrekkelig og tilgjengelig kunnskap om både flyktning og bosettingskommune, som imøtekommer IMDis informasjonsbehov. Forskerne vurderer at det er god tilgang på informasjon om flyktningene som skal bosettes. Samtidig finner rapporten at arbeidet med treffsikker bosetting vil kunne styrkes ved hjelp av systematiske oversikter over situasjonen i kommunene. Disse skal kunne tjene som grunnlag for å kunne koble med individinformasjonen IMDi har tilgjengelig. Herunder identifiserer rapporten tre kategorier for kommuneinformasjon. Det første er informasjon om kommunens tjenestetilbud, for eksempel innenfor helse, utdanning, barnehage, tolkekapasitet, kollektivtilbud og boligtilbud. Det andre er informasjon om arbeidsmarkedet, spesielt informasjon om arbeidsledighet og etterspørsel etter type arbeidskraft. Til sist nevnes informasjon om kommunale prestasjonsmål, for eksempel indikatorer på kvalitet på introduksjonsprogrammet eller den enkeltes flyktning trivsel i ulike kommuner.

Anbefalingsverktøy i fordelingsprosessen

Forskerne bak rapporten har utviklet en beregningsmodell, basert på GeoMatch-algoritmen, som kan gi anbefalinger for hvor en flyktning bør bosettes for å oppnå bedre integreringsresultater. Ved å utnytte maskinlæring på historiske data, predikerer verktøyet arbeidsmarkedsresultater for enkeltpersoner på tvers av mulige bosettingsområder. En fleksibel allokeringsalgoritme gir deretter plasseringsanbefalinger for hver familieenhet samtidig som det tas hensyn til kapasitetsbegrensninger. Ved å trekke på administrative data fra Statistisk sentralbyrå og inkorporere et sett med realistiske begrensninger, konkluderer forskerne med at bruk av anbefalingene fra verktøyet kan forbedre flyktningers månedlige inntekter med opptil 55% over baseline.

Arbeidsmarkedsintegrering

Sysselsetting og inntekt ble satt som hovedmål i anbefalingsprosessen. Grunnen til at begge er satt som mål er fordi økonomisk sikkerhet og uavhengighet er knyttet til langsiktig treffsikkerhet i bosettingen (jf. delrapport 1 nevnt over) og fordi data på disse to områdene er tilgjengelig via SSB. På disse to områdene er det dessuten sterk variasjon på individnivå som bidrar til bedre og sterkere anbefalinger.

Arbeidsmarkedsregioner som mest hensiktsmessig enhet

Forskerne har brukt arbeidsmarkedsregioner som minste enhet i beregningsmodellen i stedet for kommuner. Å basere anbefalinger på et større historisk datagrunnlag vil gjøre modellen mer robust. Det å ta utgangspunkt i regioner i stedet for kommuner kan potensielt anses som problematisk fordi arbeidet med bosetting av flyktninger er organisert langs kommunegrenser hvor kommuner, og ikke regioner, anmodes om bosetting av flyktninger, tilskuddet utbetales til kommuner og kommuner er ansvarlige for tilbudet til den enkelte flyktningen. Samtidig følger ikke nødvendigvis arbeidsmarkeder og utdanningstilbud kommunegrenser. Å se på bosettingsregioner heller enn kommune kan derfor samtidig også være en hensiktsmessig tilnærming for å vurdere muligheter for en vellykket integrering.

Se flere rapporter om

bosetting.

Fant du det du lette etter?