Operationalisatie

Deze paragraaf licht toe hoe de concepten die voortkomen uit de theorie meetbaar zijn gemaakt in dit onderzoek. De concepten die van belang zijn in het Theoretisch kader zijn ‘Open Data ecosysteem’,

‘organisatorische drivers’ en ‘organisatorische barrières’. Deze zijn voor dit onderzoek als volgt gedefinieerd:

• Open Data ecosysteem: een systeem van mensen, praktijken, waarden en technologieën in een bepaalde lokale omgeving, waarin Open Data als beleidsinstrument wordt ingezet.

• Organisatorische drivers: factoren die eraan bijdragen dat de ene organisatie een publieke innovatie eenvoudiger adopteert dan de andere organisatie.

• Organisatorische barrières: factoren die belemmeren dat de ene organisatie een publieke innovatie eenvoudiger adopteert dan de andere organisatie.

Deze concepten dienen als de variabelen in dit onderzoek (Van Thiel, 2007, p. 52-53). De organisatorische drives en barrières zijn de onafhankelijke variabelen en het Open Data ecosysteem is de afhankelijke variabele, want er wordt gekeken naar de invloed van de organisatorische drivers en barrières op het Open Data ecosysteem. De variabelen zijn uitgewerkt in waarden. Deze waarden zijn nominaal, wat betekent dat de waarden verschillend zijn, maar niet in een rangorde kunnen worden gezet (Van Thiel, 2007, p. 53). De waarden zijn gemeten door te kijken naar verschillende indicatoren. De operationalisatie begint in dit onderzoek bij de afhankelijke variabele, het Open Data ecosysteem, omdat deze de basis vormt voor de structuur van het hoofdstuk Bevindingen. Vervolgens is er aandacht voor de onafhankelijke variabelen, de organisatorische drivers en barrières.

Om de waarden en indicatoren van het Open Data ecosysteem te bepalen is er gekeken naar het model van Dawes, Vidiasova & Parkhimovich (2016). Daarin is een driedeling aangebracht door de onderzoeker, die hieronder visueel is weergegeven. Deze driedeling hangt samen met de drie empirische deelvragen die in de Inleiding gesteld zijn. De eerste waarde daarin is de motivatie voor Open Data. Het model van Dawes, Vidiasova & Parkhimovich (2016) laat zien dat deze op drie manieren tot stand gebracht kan worden, namelijk door druk vanuit de Beneficiairies, globale en nationale invloed en door keuzes in beleidsdoelen. Dit eerste gedeelte uit het Open Data ecosysteem laat zien hoe de motivatie voor Open Data in de onderzochte organisaties ontstaan is en daarmee dus wat de ontwikkelingen met Open Data waren vóórdat het programma Flevoland Slimmer werd opgestart. De analyse van dit gedeelte vindt plaats in paragraaf 6.3.

Vervolgens is er gekeken naar het tweede gedeelte van het Open Data ecosysteem. Hierbij heeft het proces dat doorlopen is binnen het programma Flevoland Slimmer centraal gestaan. Vanuit het Open Data ecosysteem zijn hiervoor drie waarden bekeken, namelijk policy & strategy, data publication en feedback & communication. Policy & strategy heeft betrekking op de inpassing van het programma Flevoland Slimmer in het beleid van de organisatie, het vrijmaken van capaciteit voor het programma en het opstellen van de eigen casusvraag. De waarde data publication is de waarde die het meeste te maken heeft met de data zelf. Er is gekeken naar het proces van het publiceren van data en de geschiktheid van data. De laatste waarde die binnen het tweede gedeelte van het Open Data ecosysteem valt is feedback &

communication, waarbij het gaat om het gesprek met de omgeving, feedback op kwaliteit of kwantiteit van datasets en de manier waarop geleerde lessen in het programma Flevoland Slimmer verder zijn uitgedragen binnen de organisatie. Dit geheel aan waarden heeft binnen het tweede gedeelte van het Open Data ecosysteem meer inzicht gegeven in hoe het proces van Flevoland Slimmer verlopen is en is geanalyseerd in paragraaf 6.4.

Het laatste gedeelte van het Open Data ecosysteem gaat over de uitkomsten van het programma

Flevoland Slimmer. Het programma was nog niet volledig afgerond ten tijde van het empirisch onderzoek, dus hierbij is voornamelijk gevraagd naar verwachtingen van de respondenten ten aanzien van de

uitkomsten. Hierbij zijn twee waarden uit het Open Data ecosysteem van belang. Ten eerste is er data use

& products, wat gaat over de applicaties met Open Data en het direct gebruik van Open Data. Ten tweede zijn er benefits, het beoogde profijt voor de Beneficiairies dat politiek, sociaal of economisch van aard kan zijn. De benefits kunnen ook betrekking hebben op de kwaliteit van leven van de Beneficiairies, waarmee wordt bedoeld dat zij een praktisch of operationeel voordeel behalen uit de inzet van Open Data. Dit laatste gedeelte van het Open Data ecosysteem is geanalyseerd in paragraaf 6.5. Er is ook nog een losstaande waarde, namelijk de community characteristics. De kenmerken van de gemeenschap met betrekking tot openheid, innovatie en de private sector of de civil society kunnen terugkomen op meerdere plekken in het Open Data ecosysteem en zijn om die reden niet ingedeeld in een gedeelte van het ecosysteem.

Figuur 3: Driedeling van het Open Data ecosysteem

De operationalisatie van het Open Data ecosysteem is in de volgende tabel schematisch weergegeven.

Hierin is de losstaande waarde, de community characteristics, geplaatst onder het eerste gedeelte van het Open Data ecosysteem, maar deze waarde komt zoals eerder vermeld op meerdere plekken in het ecosysteem terug. Na deze tabel gaat de operationalisatie verder in op de organisatorische drivers en barrières.

Variabelen Waarden Indicatoren A. Open Data ecosysteem (deel

1)

A1. Motivatie voor Open Data A1a. Druk vanuit gebruikers A1b. Nationale invloed naar

B2. Data publicatie B2a. Plannen en processen B2b. Geschiktheid van data B3. Feedback en communicatie B3a. Gesprek met de omgeving

B3b. Verzoeken om nieuwe Tabel 3: Operationalisatie van het Open Data ecosysteem

Het tweede gedeelte van de analyse gaat over de onafhankelijke variabelen, namelijk de organisatorische drivers en barrières. Deze indicatoren zijn verbonden aan de bevindingen die in het eerste gedeelte van de analyse zijn opgedaan. De verschillende elementen uit het Open Data ecosysteem zijn in de analyse gekoppeld aan de organisatorische drivers en barrières die naar voren zijn gekomen. De onderzoeker heeft gedurende het empirisch onderzoek ruimte gelaten voor organisatorische factoren die nog niet in de literatuur zijn gevonden, maar de meeste richting voor deze factoren zijn gekomen uit het artikel van Bekkers, Tummers & Voorberg (2013). De driedeling in organisatorische factoren die zij hebben gemaakt in factoren die gerelateerd zijn aan de omgeving, het proces en de implementatie zijn gebruikt als waarden voor deze variabelen. De operationalisatie van de organisatorische drivers en barrières is wederom in een tabel omgezet die hieronder is weergegeven. Hierin zijn de organisatorische drivers en barrières gezamenlijk opgeschreven, omdat er tijdens het empirisch onderzoek moet blijken of een organisatorische factor een driver dan wel als een barrière is. Een belangrijke opmerking bij de indicatoren is dat dit factoren zijn die organisatorische drivers en barrières mogelijk kunnen zijn. Deze indicatoren zijn niet direct bevraagd, maar zijn in de analyse gebruikt zodra ze in het onderzoeksmateriaal naar voren zijn gekomen.

Variabelen Waarden Indicatoren D. Organisatorische drivers en

barrières

D1. Omgeving D1a. Sociale en politieke complexiteit

D1b. Juridische cultuur D1c. Governance en government traditie

D1d. Verdeling van middelen, afhankelijkheden en kwaliteit van relaties tussen stakeholders

D2. Proces D2a. De verbinding tussen

bestuurlijk en politiek leiderschap.

D2b. Steun en co-creatie van eindgebruikers.

D2c. Risicodefinitie en – management.

D2d. De rol van ICT en social media.

D3. Implementatie D3a. De verdeling van middelen en de karakteristieken van de implementerende organisaties.

D3b. De rol van opinieleiders,

‘innovation champions’ en kennis tussenpersonen.

D3c. Karakteristieken van de implementatie als leerproces.

D3d. De invloed van isomorfisme.

Tabel 4: Operationalisatie van de organisatorische drivers en barrières