Naar een diverse en inclusieve organisatie van de Provincie Zuid-Holland. Onderzoeksrapport.

(1)

Naar een diverse en inclusieve organisatie

van de Provincie Zuid-Holland

Onderzoeksrapport

Februari 2020 Hans Siebers Tilburg University

(2)

Voorwoord

In 2019 is in samenwerking tussen Tilburg University (TiU) en de Provincie Zuid-Holland een onderzoek verricht naar diversiteit in de werving en selectie alsmede in

vertegenwoordiging en inclusie in de organisatie van de provincie. Dit rapport doet verslag van het onderzoek en presenteert de resultaten ervan plus de erop gebaseerde aanbevelingen. Wil hier mijn grote dank uitspreken aan iedereen die het onderzoek mogelijk heeft gemaakt, zoals Jeannette Baljeu, Hennie Koek, Joop Zweistra, Jeroen Delmeire, Aphrodite Bouchlas, Aysun Durmaz-Yilmaz, Suzanne Kastelein-Van Gemeren, Rob van Hoogenhuizen, Floor Guit, Murat van der Zee, en aan iedereen die onze vragen heeft beantwoord. Mijn dank gaat ook uit naar Marissa Koster, Losalotte Bos, Alissa Mani, Nikos Papadopoulos en Floor Vink voor hun bijdrage aan de dataverzameling en –analyse alsmede aan de studentassistenten Lonneke van Riele, Heleen Dijkhuizen, Ghyli Kirshner, Anne Sieberichs en Lisanne Tan die de interviewopnames hebben uitgewerkt.

Tilburg, februari 2020

(3)

Inleiding

Diversiteit is onvermijdelijk, maar gaat niet vanzelf. Een steeds groter deel van de Nederlandse bevolking - al 23 procent - heeft een eerste of tweede generatie migratieachtergrond. In de gemeente Den Haag heeft al 52 procent een dergelijke

achtergrond. Deze mensen zijn bovendien in rap tempo bezig hun achterstand in het onderwijs in te lopen (CPB, 2016). Een steeds groter deel van de talenten op de arbeidsmarkt heeft een migratieachtergrond. Diversiteit is voor betrokkenen een issue, maar hetzelfde geldt voor organisaties. Pas als organisaties daadwerkelijk open staan voor diversiteit, zijn ze in staat om de beste mensen aan te trekken op de arbeidsmarkt en om hun kwaliteiten optimaal te

benutten als zij aangenomen zijn. Vanuit het perspectief van het eigen functioneren hebben overheidsorganisaties als de provincie er dus alle belang bij om zich open te stellen voor mensen met talenten, ongeacht hun afkomst, leeftijd of geslacht. Daarnaast kun je

argumenteren dat publieke organisaties een voorbeeldfunctie vervullen ten aanzien van de arbeidsmarkt als geheel.

Overheidsorganisaties zijn over het algemeen echter nog niet zover. Vrijwel alle publieke organisaties kenmerken zich door een ondervertegenwoordiging van mensen met een

(4)

Benadering van diversiteit en inclusie

In Nederland hebben we al enkele decennia lang ervaring opgebouwd met diversiteitsbeleid in verschillende vormen. Daar kunnen we lessen uit trekken. Een eerste les zegt ons dat

draagvlak in de organisatie voor diversiteitsbeleid belangrijk is, vooral in de hogere bestuurslagen. Zonder dat commitment kan diversiteitsbeleid niet duurzaam worden geïmplementeerd. Publieke organisaties zijn in dit verband echter erg afhankelijk van

politieke en bestuurlijke prioriteiten en die wisselen nogal. Dat vraagt om de noodzaak om het goede momentum te benutten om de organisatie daadwerkelijk duurzaam open te stellen voor diversiteit, niet langer afhankelijk van de politieke kleur of prioriteiten van de dag.

Ten tweede is het van belang kritisch te kijken naar welke interventies je neemt. Met commitment alleen bereik je niets als je dat commitment niet omzet in concrete interventies. Mijn ervaring is echter dat organisaties vaak maar wat doen in de hoop dat het werkt.

Diversiteitsbeleid wordt zo afhankelijk van toevalstreffers. Zo weten we uit de literatuur dat interventies op het terrein van bewustwording van gedrag of het wegpoetsen van

vooroordelen en stereotyperingen, zoals door middel van trainingen, vaak niet werken en soms zelfs een averechts effect hebben. Dan worden ze onderdeel van het probleem.

Ten derde weten we dat er aan doelgroepenbeleid of quota grote risico’s kleven. Dergelijke quota kunnen soms noodzakelijk zijn om de dominantie van een bepaalde groep te doorbreken en kunnen als strategisch doel zinvol zijn. Dan streef je er bijvoorbeeld naar om na verloop van een bepaalde periode het percentage van medewerkers met een migratieachtergrond op 40 te stellen omdat het nu veel minder is. Dat wil echter nog niet zeggen dat je bij vacatures ook daadwerkelijk mensen gaat selecteren op hun achtergrond in de vorm van positieve

discriminatie. Daar moet je zeer voorzichtig mee zijn, omdat je betrokken mensen dan introduceert in de organisatie vanwege hun achtergrond en dus niet vanwege hun kwaliteiten en capaciteiten die met het werk te maken hebben. Dergelijk voorkeursbeleid wakkert vaak vooroordelen en uitsluitingsprocessen aan, terwijl je die nu juist wil voorkomen.

Dat leidt vaak tot een draaideureffect: mensen uit de doelgroep verlaten de organisatie even snel als dat ze erin zijn gekomen via voorkeursbeleid. Daar zijn vele voorbeelden van te geven in de Nederlandse publieke sector. Goed diversiteitsbeleid betekent dus geen

doelgroepenbeleid of selecteren op achtergrond, maar betekent dat je de juiste persoon kiest op de juiste plaats. Als je alleen selecteert en beoordeelt op kwaliteit en capaciteit zonder op hun achtergronden te letten, worden mensen met een migratie-achtergrond vanzelf op een natuurlijke wijze aangenomen en bevorderd.

(5)

beste mensen uit de arbeidsmarkt weet aan te trekken. Daarmee wordt de business case for

diversity, oftewel de optimale performance of productiviteit van de organisatie, gewaarborgd.

Aan Tilburg University (TiU) hebben we ruime ervaring opgebouwd in het samenwerken met vooral overheidsorganisaties, waaronder de Belastingdienst, de Politie, het Ministerie van LNV, de Haagse Hogeschool, het Ministerie van OCW, de gemeentes Eindhoven, Zaanstad, Haarlemmermeer, Arnhem en Tilburg. Wij zijn nadrukkelijk op zoek naar maatregelen die op iedereen van toepassing zijn en die een dubbel effect opleveren. Dat zijn maatregelen die het functioneren van de organisatie als geheel ten goede komen én die de knelpunten wegnemen waar specifieke groepen mensen en medewerkers tegenaan lopen. Dan sla je twee vliegen in een klap: je bevordert de doelmatigheid van werving en selectie en van beoordeling en bevordering van de organisatie als geheel én je schept gelijkheid in kansen en mogelijkheden voor iedereen. Onze aanbevelingen zijn vrijwel altijd gericht op de hele organisatie, niet op specifieke doelgroepen. Het gaat erom de organisatie (denk aan het primaire proces, de aansturing, de HRM-processen en dergelijke) als geheel beter te laten functioneren waarmee je tevens de garanties schept voor inclusie. Dat is slim diversiteitsbeleid in plaats van

doelgroepenbeleid. Goed diversiteitsbeleid is vooral een kwestie van goed organiseren.

Je wilt dan de verbeteringsruimte in de organisatieprocessen benutten. Dat betekent in elke organisatie wat anders omdat die verbeterruimte in elke organisatie ergens anders ligt. Dat onderstreept de noodzaak van maatwerk in zowel analyse als in beleid en interventie. Dit onderzoek is daarop gericht. Het levert een gedegen analytisch fundament op voor doelgerichte aanbevelingen voor het benutten van die verbeterruimte.

(6)

Doelstelling

Dit onderzoek is tot stand gekomen in samenwerking tussen de provincie en TiU. De spin-off voor de provincie ligt in een gedegen analyse van vraagstukken van diversiteit en inclusie met erop gebaseerde concrete en doelgerichte aanbevelingen voor beleid en interventie. Voor TiU levert een dergelijke samenwerking gegevens op waarmee wij kunnen publiceren in

wetenschappelijke tijdschriften. Het doel van het onderzoek is:

1. Het vaststellen van de verbeterruimte in de werving en selectie alsmede in de

vertegenwoordiging in de organisatie en inclusie van medewerkers met verschillende achtergronden.

2. Het vaststellen van de factoren die die verbeterruime bepalen bij de provincie. 3. Het formuleren van doelgerichte en concrete aanbevelingen om die verbeterruimte

(7)

Definities en variabelen

We hebben ons wat diversiteit betreft gericht op afkomst, leeftijd en gender. Afkomst hebben we in lijn met de definities van het Centraal Bureau voor de Statistiek bepaald aan de hand van de geboorteplaats van beide ouders. Als die geboorteplaats van een van hen zich buiten Nederland bevindt, is er sprake van een persoon met een migratie-achtergrond. De

geboorteplaats van de persoon zelf bepaalt of hij of zij een eerste dan wel tweede generatie migratie-achtergrond heeft. Wat die plaats betreft maakt het CBS een onderscheid tussen zogenaamde ‘westerse’ en ‘niet-westerse’ gebieden. Die laatste betreffen Latijns Amerika, de Cariben, Afrika, het Midden-Oosten en Azië, met uitzondering van Japan en Indonesië. Die laatste landen worden door het CBS tot de ‘westerse’ wereld gerekend. Wij hebben per afzonderlijke analyse bekeken of we mensen met een Indische of Indonesische achtergrond bij de mensen met een migratie-achtergrond dan wel zonder een migratie-achtergrond hebben gerekend, afhankelijk van waar de belangrijkste ongelijkheid zich voordoet. Leeftijd hebben we gemeten door respondenten naar hun geboortejaar te vragen. Gender hebben we bepaald aan de hand van hun antwoord op de vraag of ze man of vrouw zijn. Slechts een paar respondenten hebben beide aangegeven.

Als afhankelijke variabelen hebben we meegenomen:

1. Hun aanwezigheid bij degenen die solliciteren op vacatures van de provincie. 2. Hun kansen om te worden aangenomen bij sollicitaties.

3. Hun vertegenwoordiging in het personeelsbestand van de provincie. 4. Hun vertegenwoordiging in het functiegebouw van de provincie. 5. Hun ervaring met inclusie bij de provincie.

Ad 1: Hier staat de vraag centraal of mensen met verschillen in afkomst, leeftijd en gender evenredig bereikt worden in werving, dus of mensen met verschillende kenmerken

gemotiveerd worden om op vacatures van de provincie te solliciteren. Dat hebben we alleen kunnen meten, maar niet verklaren, want we hebben geen vergelijking kunnen maken tussen degenen die wel of niet bij de provincie solliciteren.

Ad 2: Bij selectie gaat het om de vraag of afkomst, leeftijd en gender verschil maken in de kansen als sollicitant om te worden aangenomen. Als dat verschil maakt, kunnen we op basis van vergaarde gegevens vaststellen door welke factoren dat verschil bepaald wordt.

Ad 3: Dan stelt zich de vraag of mensen met verschillende kenmerken evenredig

vertegenwoordigd zijn bij degenen die bij en voor de provincie werken. Hier hebben we zowel medewerkers meegenomen die in dienst zijn van de provincie zelf als mensen die in een inhuurconstructie bij de provincie werken, bij voorbeeld gedetacheerd door een

(8)

Ad 4: Vervolgens komt de vraag aan de orde waar degenen die werken bij de provincie terug te vinden zijn in het functiegebouw. Zijn mensen met verschillende achtergronden evenredig verdeeld over de verschillende functieniveaus van de provincie? Hier hebben we als

uitgangspunt genomen dat functieniveaus corresponderen met salarisschalen. We hebben respondenten gevraagd naar hun salarisschaal en inhuurkrachten gevraagd met welke salarisschaal bij de provincie hun werk overeenkomt.

Ad 5: Bovenstaande vraagstukken van (on)gelijke kansen en vertegenwoordiging zijn sociologisch van aard. Daarnaast gaat diversiteit ook over het sociaalpsychologische

vraagstuk van inclusie, acceptatie en welbevinden. Zijn er wat dat betreft verschillen tussen mensen met verschillende kenmerken? Die hebben we gemeten aan de hand van de volgende items:

 Mijn collega’s zien mij echt als een goede collega

 Ik moet dubbel mijn best doen om dezelfde waardering te krijgen als andere collega’s*  Ik praat niet graag met collega’s over mijn achtergronden en mijn leven buiten het

werk*

 Ik laat aan collega’s graag zien dat ik een uniek persoon ben vanwege mijn eigen achtergrond

 Ik voel soms wel wat spanning naar collega’s toe*  Sommige collega’s vermijden contact met me*

 Als ik iets niet weet, kan ik altijd bij mijn leidinggevende of collega’s terecht  Ik voel weinig zelfvertrouwen naar collega’s toe*

 Als ik een promotie zou krijgen naar een (hogere) leidinggevende functie, weet ik niet of collega’s dat wel zouden accepteren*

 Ik heb op het werk hier wel eens het gevoel gehad dat ik gediscrimineerd of onheus bejegend werd*

 Ik word echt gemotiveerd en enthousiast door mijn collega’s  Ik vind het soms lastig om me te uiten op mijn werk*

 Het is soms lastig om samen te werken met collega’s*  Het is soms lastig om te communiceren met collega’s*  Het overleg met mijn leidinggevende verloopt soepel

(9)

 Ik stel aan mijn leidinggevende wel eens voor hoe we dingen beter of anders kunnen aanpakken

 Het is lastig om collega’s feedback te geven*  Ik doe mijn werk liever alleen en zelfstandig*  Ik doe mijn werk het liefst samen met anderen

Items voorzien van een * zijn gespiegeld als indicator van inclusie. Benadrukt moet worden dat beide vraagstukken, zowel dat van gelijke kansen als dat van inclusie, van belang zijn voor diversiteit en dat ze in grote mate samenhangen. Aandacht voor het ene kan niet zonder aandacht voor het andere.

Voor de overige gehanteerde variabelen verwijs ik naar Appendix 1.

We zijn dus op zoek gegaan naar ongelijkheden op bovengenoemde vijf aspecten. Het is van belang om hierbij duidelijk te maken dat niet elke ongelijkheid een vorm van discriminatie of ongelijke behandeling betekent. Om een voorbeeld te geven, als een sollicitant zonder een migratie-achtergrond wordt aangenomen en een sollicitant met een migratie-achtergrond niet omdat de eerste een hoger en meer aansluitende opleiding heeft gevolgd dan de tweede, is er geen sprake van discriminatie. Van discriminatie is pas sprake als de gronden waarop

dergelijke besluiten worden genomen niet werkgerelateerd zijn én disproportioneel negatief uitwerken voor bepaalde bevolkingsgroepen. We volgen hier dus de definitie van de

Algemene Wet Gelijke Behandeling.

Dat betekent dat, als je ongelijke kansen hebt vastgesteld, je eerst moet kijken of die ongelijkheid te wijten is aan werkgerelateerde factoren. Als er na controle van deze factoren nog steeds een residu aan ongelijkheid overblijft, is er sprake van discriminatie.

Werkgerelateerde factoren worden over het algemeen human capital genoemd. We hebben in onze analyses steeds de volgende human capital variabelen als controlevariabelen gehanteerd: opleidingsniveau, aansluiting van de opleiding op de vacante functie, plaats van opleiding (buitenland of Nederland), aanvullende training en scholing, relevante werkervaring, duur dienstverband (als proxi voor relevante werkervaring) en beheersing van de Nederlandse taal, maar ook specifiek werkgerelateerd gedrag zoals initiatieven nemen op de werkvloer,

(10)

Methoden

We hebben onze analyses louter gebaseerd op zelf verzamelde data, dus we hebben geen gebruik gemaakt van databestanden van de provincie. We hebben de volgende methoden toegepast in drie fasen: (1) oriëntatie, (2) kwalitatief onderzoek en (3) kwantitatief onderzoek. Ten eerste hebben we ons georiënteerd om een beeld te vormen van de organisatie, het HR-beleid, werkwijzen e.d. Daartoe hebben we vijf interviews afgenomen: met het hoofd P&O en vier HR- medewerkers.

Kwalitatief onderzoek

Ten tweede hebben we semigestructureerde in-depth interviews afgenomen om de verbeterruimte in werving en selectie alsmede in vertegenwoordiging en inclusie plus de factoren die die verbeterruimte bepalen op het spoor te komen. Die interviews hebben we afgenomen met selecteurs en sollicitanten als het gaat om werving en selectie, en met

leidinggevenden en medewerkers waar het gaat om representatie in de organisatie en inclusie. We hebben daarbij zo veel mogelijk gewerkt met triades. Bij sollicitaties ging het dan om een selecteur met twee sollicitanten op de betrokken vacature met zo veel mogelijk gelijke

kenmerken, een met en een zonder een ‘niet-westerse’ migratie-achtergrond. Hetzelfde geldt voor triades van een leidinggevende met twee medewerkers waar hij of zij leiding aan geeft, een met en een zonder een ‘niet-westerse’ migratie-achtergrond. We hebben zo veel mogelijk geprobeerd om dergelijke triades te spreiden naar leeftijd en gender. Een dergelijke aanpak optimaliseert de mogelijkheden om sollicitanten en medewerkers te kunnen vergelijken naar afkomst, leeftijd en gender, omdat alle andere factoren zo veel mogelijk constant zijn

gehouden.

Medewerkers en leidinggevenden

Wat leidinggevenden betreft was spreiding naar afkomst, leeftijd en gender moeilijker te realiseren gezien de ongelijke vertegenwoordiging in met name de hogere functies (zie quick

scan 2017). Ook bleek tijdens de interviews pas vaak of een respondent een ‘westerse’ dan

(11)

1. 21 medewerkers:  Gender:  Mannen: 12  Vrouwen: 9  Leeftijdscategorie:  > 35 jaar: 4  36-50 jaar: 9  51< jaar: 8  Achtergrond:  Niet-migrant: 11  ‘Westers’ migrant: 2  ‘Niet-westers’ migrant: 8 2. 10 supervisors:  Gender:  Mannen: 8  Vrouwen: 2  Leeftijdscategorie:  > 35 jaar: 1  36-50 jaar: 5  51< jaar: 4  Achtergrond:  Niet-migrant: 8  ‘Westers’ migrant: 1  ‘Niet-westers’ migrant: 1

(12)

voorafgaand aan het komen werken bij de provincie, werk en communicatie tijdens het werk, waar is de respondent vooral mee bezig, het huidige functioneren en de waardering daarvan, omgangsvormen en cultuur op het werk, en loopbaanvervolg. Leidinggevenden is gevraagd om de twee medewerkers binnen de triade waar hij of zij leiding aan geeft te vergelijken op deze punten. In gevallen waarbij de leidinggevende het lastig vond om over concrete en ons bekende personen te spreken, vroegen we hem of haar om in het team twee medewerkers voor de geest te halen met de hierboven genoemde kenmerken en daarover de vragen te

beantwoorden zonder dat wij weten om wie het gaat.

Sollicitanten en selecteurs

Ook selecteurs en sollicitanten hebben we bovengenoemde garanties gegeven wat betreft het anoniem en vertrouwelijk vergaren en bewaren van hun gegevens. Daarbij hebben we nog benadrukt bij sollicitanten dat hun antwoorden geen enkele effect zullen hebben op de vraag of ze worden aangenomen of niet. Er vindt op geen enkele wijze beïnvloeding plaats van hun sollicitatieprocedures. We hebben de interviews afgenomen kort nadat de respondenten hun sollicitatiegesprek hadden gevoerd zonder dat ze al wisten of ze al dan niet waren

aangenomen of waren uitgenodigd voor een tweede gesprek. Alle gesprekken, op twee na, zijn life gevoerd. In twee gevallen is het interview telefonisch afgenomen.

1. 26 sollicitanten: a. Gender: i. Mannen: 12 ii. Vrouwen: 14 b. Leeftijdscategorie: i. > 35 jaar: 9 ii. 36-50 jaar: 8 iii. 51< jaar: 9 c. Achtergrond: i. Niet-migrant: 18

ii. ‘Westers’ migrant: 0 iii. ‘Niet-westers’ migrant: 8

2. 8 selecteurs: a. Gender:

i. Mannen: 4

(13)

b. Leeftijdscategorie: i. > 35 jaar: 1 ii. 36-50 jaar: 3 iii. 51< jaar: 4 c. Achtergrond: i. Niet-migrant: 8

ii. ‘Westers’ migrant: 0 iii. ‘Niet-westers’ migrant: 0

De sollicitanten zijn redelijk gespreid naar gender en leeftijd. Het aantal sollicitanten dat we geïnterviewd hebben met een ‘niet-westerse’ migratie-achtergrond (eerste of tweede generatie) is wat achter gebleven omdat zij minder vertegenwoordigd waren onder de sollicitanten dan sollicitanten zonder een migratie-achtergrond. We hebben vooral gezocht naar respondenten met een ‘niet-westerse’ migratie-achtergrond en minder naar respondenten met een ‘westerse’ migratie-achtergrond omdat die laatsten over het algemeen op dezelfde voet participeren op de arbeidsmarkt als sollicitanten zonder een migratie-achtergrond.

Data opslag en analyse

De interviews zijn vrijwel allemaal met toestemming van de respondenten opgenomen en

verbatim getranscribeerd. De opnames en transcripten zijn opgeslagen zonder vermelding van

namen onder beheer van TiU en in overeenstemming met de Algemene Verordening

Gegevensbescherming. Data analyse heeft plaatsgevonden met de interviewtopics als codes

(selective coding) aangevuld met onderwerpen die uit de transcripten zelf naar voren kwamen (open coding) om vervolgens de codes met elkaar in verband te brengen (axial coding). Uiteindelijk zijn per code de uitspraken van respondenten met en zonder een migratie-achtergrond, uit de verschillende leeftijdscategorieën en van mannen en vrouwen met elkaar vergeleken.

Kwantitatief onderzoek

In de derde fase zijn we nagegaan of de bevindingen van de interviews representatief zijn voor de organisatie als geheel en voor de sollicitantenpopulatie. Ook hebben we daarin de mate van (on)gelijkheid en inclusie gemeten en de vraag beantwoord welke factoren die (on)gelijkheid en inclusie bepalen. Daartoe hebben we twee enquêtes uitgezet: een onder alle medewerkers en degenen die werken voor de gemeente, en een onder alle (interne en externe) sollicitanten die sinds juli 2018 bij de provincie gesolliciteerd hebben.

Medewerkersenquête

(14)

daadwerkelijk en wel volledig gedaan, oftewel 21,1 procent. Die 440 hebben de volgende samenstelling:  Gender:  Mannen: 57,4 procent  Vrouwen: 42,6 procent  Afkomst:  Niet-migrant: 83,3 procent  ‘Westers’ migrant: 7,9 procent  ‘Niet-westers’ migrant: 8,8 procent  Leeftijdscategorie:

 > 35 jaar: 19,7 procent

 36-50 jaar: 32,3 procent

 51< jaar: 48 procent

 Gemiddelde leeftijd 47,6 jaar, standaarddeviatie 12,0

 Duur dienstverband: gemiddeld 11,6 jaar, standaarddeviatie 11,9.

Deze cijfers komen in de buurt van die van de quick scan die de provincie op basis van haar gegevens in 2017 heeft uitgevoerd. Daarin was de man / vrouw verdeling 60 / 40. De niet-migranten maakten daarin in 2016 79 procent uit en de twee categorieën medewerkers met een migratie-achtergrond (‘westers’ of ‘niet-westers’) 21 procent. Ook de leeftijdsspreiding van onze sample komt in de buurt van de quick scan uit 2017, hoewel onze sample gemiddeld wat jonger is. Op basis hiervan claimen we een grote mate van representativiteit van de medewerkersenquête.

Sollicitantenenquête

Wat de sollicitantenenquête betreft, 1480 sollicitanten die na juli 2018 hadden gesolliciteerd op een vacature bij de provincie hebben de uitnodiging ontvangen om de digitale vragenlijst in te vullen. Dat hebben 301 van hen daadwerkelijk en wel volledig gedaan, oftewel 20,3 procent. Die 301 hebben de volgende samenstelling:

 Gender:

 Mannen: 56,7 procent

 Vrouwen: 43,3 procent

 Afkomst:

(15)

 ‘Westers’ migrant: 10,3 procent  ‘Niet-westers’ migrant: 19,9 procent  Leeftijdscategorie:

 > 35 jaar: 25,8 procent

 36-50 jaar: 38,7 procent

 51< jaar: 35,5 procent

 Gemiddelde leeftijd 45,1 jaar, standaard deviatie 11,6.

Dat komt wat betreft gender overeen met de quick scan over 2017: 56 procent man en 44 procent vrouw. De quick scan geeft geen gegevens over verdeling naar afkomst. De verdeling over leeftijdscategorieën komt in de buurt van die van de quick scan over 2017, hoewel de gemiddelde leeftijd van de sollicitanten van onze sample wat hoger ligt. Niettemin kunnen we een redelijke mate van representativiteit ten aanzien van de totale populatie aan sollicitanten veronderstellen.

Analyse

De vragen van beide enquêtes zijn opgesteld aan de hand van de eerdere interviews met medewerkers en leidinggevenden respectievelijk sollicitanten en selecteurs, en op basis van kennis over factoren die van invloed kunnen zijn uit de literatuur en onze eerdere

onderzoeken bij publieke organisaties. Bij de sollicitantenenquête hebben we sollicitanten die mogelijk meerdere keren gesolliciteerd hebben gevraagd de vragen in te vullen adhv hun meest recente sollicitatie bij de provincie. Het SPSS bestand waar de antwoorden in

opgeslagen werden, hebben we allereerst bewerkt om de antwoorden geschikt te maken voor analyse. Daarna hebben we de directe effecten van afkomst, leeftijd en gender op de

afhankelijke variabelen (zoals salarisschaal en al dan niet aangenomen) gemeten door middel van een regressie-analyse.

Vervolgens hebben we AMOS structural equation modeling software gebruikt. We zijn gaan kijken welke items of constructen van meerdere items (norm Cronbach’s alpha > 0,7) het directe effect van de onafhankelijke op de afhankelijke variabele vergroot dan wel verkleint na invoering in het model. Items en variabelen die een dergelijk effect niet lieten zien, hebben we verder buiten beschouwing gelaten omdat ze kennelijk niets verklaren. Die zijn ook niet opgenomen in Appendix 1. Met de overige variabelen en items zijn we modellen gaan

bouwen die het directe effect van de onafhankelijke variabele vergroten dan wel verminderen. Als dat directe effect geheel en al verdwijnt, dus insignificant wordt, na invoering van de intermediaire variabelen, betekent dat dat we het hele effect van de onafhankelijke op de afhankelijke variabele kunnen verklaren. Als criteria voor dergelijke modellen hebben we de volgende criteria gehanteerd:

(16)

 De waarden van de model fits indices dienen te voldoen aan de gebruikelijke normen daarvoor: NFI: bijna 1; TLI: bijna 1; CFI: bijna 1; RMSEA: < 0,1; p van Chi2 _{: >}

0,05.1

Tot slot hebben we gemeten hoeveel het directe effect van de onafhankelijk op de

afhankelijke variabele verschuift bij het uitnemen van elk van de intermediaire variabelen. Zo hebben we het percentage van elk van die intermediaire variabelen op de som van

verschuifeffecten van alle variabelen gezamenlijk kunnen berekenen. Daarmee hebben we de effecten van deze variabelen kunnen ranken.

Het is in vrijwel alle gevallen gelukt om geconstateerde ongelijkheden volledig te verklaren, anders gezegd om de factoren te identificeren die die ongelijkheden bepalen. Dat heeft mede te maken met het feit dat we de vragenlijsten hebben laten ‘voeden’ door de bevindingen uit de interviews. De hieronder gepresenteerde conclusies zijn gebaseerd op meerdere soorten data die elkaar bevestigen, tenzij anders aangegeven. De kwantitatieve analyse is leidend voor de structuur van datapresentatie.

1 Browne, M.W. & Cudeck, R. (1993). Alternative ways of assessing model fit. In K.A. Bollen, & J.S. Long (Eds) Testing Structural Equation Models (pp. 136-162). Newbury Park, Ca: Sage. Curşeu, P.L., Stoop, R. & Schalk, R. (2007). Prejudice towards immigrant workers among Dutch employees: integrated threat theory revisited. European Journal of Social Psychology 37(1): 125-40. Widaman, K.F. & Thompson, J.S. (2003). On specifying the null model for incremental fit indices in structural equation modeling. Psychological

(17)

Afkomst

1. Werving en afkomst

Tabel 1: Afkomst van sollicitanten en van de provinciale beroepsbevolking

Afkomst Aantallen sample Percentage in sample Percentage beroepsbevolking Zuid-Holland

Niet-migrant 210 69,8 69,8

‘Westers’ migrant 31 10,3 11,7

‘Niet-westers’ migrant 60 19,9 18,5

Totaal 301 100 100

Tabel 1 laat zien dat het de provincie lukt om mensen met verschillende achtergronden evenredig te interesseren voor haar vacatures. Een goed referentiepunt vormt de samenstelling van de beroepsbevolking in de provincie in 2018 (bron: opendata.cbs.nl), het jaar waarin de meeste van de sollicitanten van onze sample hebben gesolliciteerd. Hier weerspiegelt de sollicitantenpopulatie netjes de provinciale bevolkingssamenstelling, met wat kleine afwijkingen binnen de categorie van sollicitanten met een migratie-achtergrond.

Tabel 2: Verdeling naar afkomst en functieniveau waarop sollicitanten hebben

gesolliciteerd

Functieniveau Niet-migrant ‘Westers’

‘Niet-westers’ Totaal MBO en lager Aantallen

% binnen afkomst 2110,0 412,9 1321,6 3812,6 HBO Aantallen % binnen afkomst 8942,4 1548,4 2541,6 12942,9 Universitair Aantallen % binnen afkomst 10047,6 1238,7 2236,7 13444,5 Totaal Aantallen % binnen afkomst 201100 31100 60100 301100

Als we vervolgens kijken naar de functieniveaus van de vacatures waarop de sollicitanten solliciteren (Tabel 2), dan zien we dat mensen met een ‘niet-westerse’ migratie-achtergrond gemiddeld op wat lagere functies solliciteren. Qua functieniveau van de vacatures waar sollicitanten met een ‘westerse’ migratie-achtergrond op solliciteren zijn de verschillen met niet-migranten nog kleiner. Het is dus niet zo dat mensen met een migratie-achtergrond niet zouden solliciteren op hogere functies bij de provincie.

Kortom, de verschillende afkomstcategorieën zijn redelijk evenredig gespreid over wat betreft aanwezigheid in de sample van sollicitanten als wat betreft functieniveaus van de vacatures waarop zij solliciteren. In dat opzicht weet de provincie de verschillende bevolkingsgroepen redelijk evenredig te bereiken met haar werving. Wel is het zo dat

(18)

2. Selectie en afkomst

De kansen van de verschillende sollicitanten om aangenomen te worden verschillen in absolute zin niet naar afkomst. Independent-Samples T Tests laten geen enkel significant verschil zien in de kansen om te worden aangenomen tussen sollicitanten zonder een achtergrond, met een ‘westerse’ achtergrond, met een ‘niet-westerse’ migratie-achtergrond of met een Indonesische migratie-achtergrond. Ook als we een dummy variabele maken van niet-migrant = 0 en sollicitant met een migratie-achtergrond = 1, levert een regressie-analyse van deze variabele op al dan niet worden aangenomen een effect op van B = 0,022, p = 0,648, gecontroleerd voor de vraag of ze interne of externe sollicitant zijn. Voor zover er al een effect is, is dat effect dus sterk insignificant. Dat wil zeggen dat afkomst geen invloed heeft op je kansen om te worden aangenomen. Dat blijft zo ook als we opleidingsniveau, aanvullende scholing, plaats van opleiding (Nederland of buitenland), relevante werkervaring, taalvaardigheid in het Nederlands, mate van inhoudelijke aansluiting tussen gevolgde

opleiding en de vacante functie, en motivatie om te solliciteren meenemen in de analyse, kortom alle human capital factoren die logischerwijs en legitiem verschil mogen maken in de kansen om te worden aangenomen. Ook controle op de vraag of het om een interne of externe sollicitant gaat, laat het genoemde B-effect nauwelijks veranderen. In principe weet de

provincie in haar sollicitatieprocedures dus gelijke kansen naar afkomst te realiseren.

Dat wil niet zeggen dat er geen factoren zijn die negatief uitwerken voor sollicitanten met een migratie-achtergrond. De volgende vier tabellen laten vier stappen zien in structural

equation modeling.

Tabel 3: Effect van Afkomst op Aangenomen worden, gecontroleerd voor Externe/interne

kandidaat, met toevoeging van Bewust geleerd hebben

Regressies Estimate S.E. P

Afkomst Bewust geleerd 0,182 0,083 0,029

Externe/interne kandidaat Aangenomen 0,393 0,054 ***

Afkomst Aangenomen 0,041 0,048 0,388

Bewust geleerd Aangenomen -0,105 0,033 0,001

Tabel 3 laat zien dat sollicitanten met een migratie-achtergrond sterker vinden dat ze veel geleerd hebben van hun ouders, tijdens de opleiding en in vorige functies op zaken als samenwerken, overleggen, communiceren, jezelf presenteren en enthousiast en gemotiveerd overkomen op anderen zoals sollicitatiecommissies dan sollicitanten zonder een migratie-achtergrond. Het merkwaardige is dat dergelijke bewuste leerprocessen je kansen schaden om te worden aangenomen. Dat verkleint dus de kansen van sollicitanten met een migratie-achtergrond om te worden aangenomen. Deze uitkomst staat haaks op mijn verwachtingen omdat ik had aangenomen dat veel bewust leren op die punten, die voor het sollicitatieproces belangrijk zijn, de kansen om te worden aangenomen juist zouden vergroten. Het tegendeel is echter het geval.

(19)

makkelijk afgaat. Van belang is dat je daar relatief weinig bewust moeite voor hebt moeten doen dus dat je dat kunt omdat je dat vanuit je sociale omgeving hebt meegekregen. Dit wijst erop dat je sociale afkomst mede bepaalt of je aangenomen wordt of niet. Sollicitanten met een migratie-achtergrond hebben meer het gevoel dat ze gewenste gedragspatronen hebben moeten leren en dat werkt averechts uit op hun kansen om te worden aangenomen.

kandidaat, met toevoeging van Bewust geleerd hebben en Ervaren arbeidsmarktdiscriminatie

Afkomst Ervaren etnische

arbeidsmarktdiscriminatie 0,633 0,121 ***

Externe/interne kandidaat Ervaren etnische

arbeidsmarktdiscriminatie -0,327 0,139 0,019

Externe/interne kandidaat Aangenomen 0,373 0,054 ***

Ervaren etnische

arbeidsmarktdiscriminatie Aangenomen -0,059 0,022 0,008

Tabel 4 laat zien dat ook het hebben ervaren van discriminatie (in het verleden) op de arbeidsmarkt een negatieve uitwerking heeft op je kansen om te worden aangenomen bij de provincie en dat sollicitanten met een migratie-achtergrond daar meer last van hebben dan sollicitanten zonder een migratie-achtergrond. Het lukt de provincie kennelijk niet (volledig) om sollicitanten te bewegen een nieuwe start te maken en hun negatieve bagage uit het verleden achter zich te laten als ze solliciteren bij de provincie.

kandidaat, met toevoeging van Bewust geleerd hebben, Ervaren arbeidsmarktdiscriminatie, Graag willen doorgroeien naar een betere baan en Acceptatie zelf-profileren

Afkomst Ervaren etnische

arbeidsmarktdiscriminatie 0,633 0,121 ***

Externe / interne kandidaat Ervaren etnische

arbeidsmarktdiscriminatie -0,327 0,139 0,019

Afkomst Graag willen doorgroeien

naar betere baan 0,310 0,123 0,012

Bewust geleerd Graag willen doorgroeien

naar betere baan 0,182 0,081 0,025

Ervaren etnische

arbeidsmarktdiscriminatie

Graag willen doorgroeien

naar betere baan 0,240 0,055 ***

Bewust geleerd Acceptatie zelf-profileren -0,176 0,075 0,018 Ervaren etnische

arbeidsmarktdiscriminatie Acceptatie zelf-profileren -0,407 0,052 *** Graag willen doorgroeien

naar betere baan Acceptatie zelf-profileren 0,113 0,053 0,031

Afkomst Acceptatie zelf-profileren -0,227 0,113 0,044

Externe / interne kandidaat Aangenomen 0,387 0,053 ***

(20)

Regressies Estimate S.E. P arbeidsmarktdiscriminatie

naar betere baan Aangenomen -0,047 0,023 0,041

Acceptatie zelf-profileren Aangenomen 0,082 0,025 ***

Tabel 5 laat zien hoe dat effect van Ervaren etnische arbeidsmarktdiscriminatie op de kansen om te worden aangenomen verloopt. Het directe effect ervan wordt sterk insignificant na invoeren van Graag willen doorgroeien naar een betere baan en Acceptatie zelf-profileren. Dat betekent dat, als je etnische discriminatie hebt ervaren op de arbeidsmarkt, je kennelijk te graag een betere baan wilt en dat werkt negatief uit op je kansen om daadwerkelijk te worden aangenomen. Dergelijke negatieve ervaringen op de arbeidsmarkt leiden er ook toe dat je vooral je kennis en vaardigheden naar voren wilt brengen in plaats van jezelf als persoon te profileren. Dat laatste, jezelf profileren, moet je echter wel doen om aangenomen te worden. Beide variabelen bemiddelen dus het effect van Ervaren etnische arbeidsmarktdiscriminatie op kansen om te worden aangenomen. Dat betekent dat Ervaren etnische discriminatie op de arbeidsmarkt uit het model kan worden gehaald want het effect ervan op Aangenomen worden is niet langer significant. Dat leidt tot Tabel 6.

kandidaat, met toevoeging van Bewust geleerd hebben, Graag willen doorgroeien naar een betere baan en Acceptatie zelf-profilerena

Afkomst Graag willen doorgroeien

naar betere baan 0,495 0,121 ***

Afkomst Acceptatie zelf-profileren -0,459 0,118 ***

naar betere baan Bewust geleerd 0,095 0,038 0,012

Acceptatie zelf-profileren Bewust geleerd 0,087 0,039 0,027

Externe / interne kandidaat Aangenomen 0,392 0,053 ***

naar betere baan Aangenomen -0,050 0,022 0,022

Acceptatie zelf-profileren Aangenomen -0,089 0,023 ***

a. Modelwaarden: NFI: 0,959. CFI: 1,000. TLI: 1,018. RMSEA: 0,000. Ch2_{: 5,193. P van ch}2_{: 0,519.}

De waarden van het model van Tabel 6 voldoen netjes aan de normen daarvoor. Tabel 6 laat ook zien dat het effect van afkomst met invoering van betrokken variabelen significant geworden is, het gaat om 10,3 procent minder kansen voor sollicitanten met een migratie-achtergrond om te worden aangenomen vanwege de in het model ingevoerde intermediaire variabelen. Tabel 7 laat het relatieve gewicht zien van die variabelen in het produceren van die 10,3 procent minder kansen.

Tabel 7: Factoren die ten nadele werken van sollicitanten met een migratie-achtergrond

om te worden aangenomen

Rangorde factoren Effect van afkomst op aangenomen worden als deze factor uit het model

(21)

wordt gehaald

1. Acceptatie zelf-profilering 0,064 0,039 53,5

2. Graag willen doorgroeien naar

beter baan 0,079 0,025 34,2

3. Bewust geleerd hebben 0,094 0,009 12,3

Totaal 0,073 100

Let wel dat achter Acceptatie zelf-profilering en Graag willen doorgroeien naar betere baan Ervaren etnische discriminatie op de arbeidsmarkt schuilgaat. Omdat het absolute effect van afkomst op kansen om te worden aangenomen echter niet significant is, zoals we hierboven gezien hebben, betekent dit dat deze factoren die negatief uitwerken voor sollicitanten met een migratie-achtergrond gecompenseerd worden door andere factoren die juist hun kansen vergroten. We zijn er niet in geslaagd om die allemaal te achterhalen, maar de belangrijkste ervan zijn: het feit dat sollicitanten minder vaak te maken hebben met ervaren discriminatie op de arbeidsmarkt vanwege hun leeftijd want ze zijn gemiddeld 3,21 jaar jonger dan sollicitanten zonder een migratie-achtergrond. Daarnaast speelt ook een rol dat sollicitanten met een migratie-achtergrond meer waarde hechten aan loopbaan- en doorgroeimogelijkheden en meer vertrouwen in de goede afloop van hun sollicitatie bij de provincie hebben dan sollicitanten zonder een migratie-achtergrond.

Kortom, de provincie weet bij selectie van kandidaten voor een vacante functie gelijke kansen te realiseren voor sollicitanten met en zonder een migratieachtergrond. Dat wil echter niet zeggen dat de provincie haar huis op dit punt volledig op orde heeft. Die gelijke kansen blijken voor een deel de uitkomst van discriminatie-effecten die elkaar compenseren. Ook kun je argumenteren dat de grotere belangstelling voor loopbaan en doorgroei en het vertrouwen in de goede afloop van de sollicitatie bij sollicitanten met een migratie-achtergrond ertoe zou moeten leiden dat zij eerder worden aangenomen dan sollicitanten zonder een migratie-achtergrond. Het feit dat dat niet het geval is, heeft te maken met ervaringen met etnische discriminatie in het verleden en de zaken die zich uitbetalen bij een sollicitatieprocedures bij de provincie, zoals je sociale afkomst en het profileren van jezelf op de juiste manier. Als je in het verleden met discriminatie te maken hebt gehad en daardoor te graag een betere baan wilt, komt dat kennelijk verkeerd over op selecteurs. Ook leidt dat ertoe dat je je vooral

concentreert op het profileren van je kennis en vaardigheden in plaats van je persoon en dat schaadt je kansen om te worden aangenomen. Dat zijn dus zaken die als zodanig niets met de geschiktheid voor een vacante functie te maken hebben maar waar sollicitanten met een migratie-achtergrond wel tegenaan lopen. Hierbij moet wel bedacht worden dat deze effecten niet groot zijn, we spreken over in totaal een procent of tien verschil in kansen om te worden aangenomen.

3. Vertegenwoordiging in het personeelsbestand en afkomst

Van gelijkheid is zeker geen sprake als het gaat om vertegenwoordiging in het

(22)

blijft nog sterker achter bij hun aandeel op de provinciale beroepsbevolking (18,5 procent). Dat wijst erop dat ze ondervertegenwoordigd waren bij sollicitanten in het verleden, dat ze vroeger minder kans maakten om te worden aangenomen en / of dat ze sneller uitstromen.

4. Vertegenwoordiging in het functiegebouw en afkomst

Tabel 8 laat zien dat er ook sprake is van een ongelijke verdeling van medewerkers met verschillende achtergronden over de functieniveaus bij de provincie, gemeten naar

salarisschaal. Officieel rekent het CBS mensen met een Indonesische achtergrond tot de categorie ‘westers’ migrant. Wij meten hen echter als een aparte categorie omdat zij wat betreft hun arbeidsmarktpositie soms meer lijken op mensen met een ‘niet-westerse’ migratie-achtergrond. Tabel 8 laat echter zien dat zij bij de provincie qua positie in het functiegebouw het meest lijken op collega’s zonder een migratie-achtergrond. Vandaar dat we onze verdere analyses richten op de grootste ongelijkheid, namelijk die tussen niet-migranten en mensen met een Indonesische achtergrond enerzijds en medewerkers met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond anderzijds.

Tabel 8: Gemiddelde salarisschaal en afkomst

Afkomst Gemiddelde salarisschaala N S.D. Niet-migrant 11,08 364 5,27 ‘Westers’ migrant 9,47 15 3,06 ‘Niet-westers’ migrant 9,11 38 2,09 Indonesisch 11,05 20 3,25 Totaal 10,85 437 4,97

a. Salarisschaal is hier de meeteenheid. Dit zegt dus niets over de periodiek die men heeft.

Het directe regressie-effect van Afkomst aldus gedefinieerd op salarisschaal bedraagt B = -1,868, p = 0,010. Dat wil zeggen dat collega’s met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond gemiddeld bijna twee functieniveaus of salarisschalen lagen te vinden zijn in het functiegebouw dan collega’s zonder een dergelijke achtergrond. Los van mogelijke

verschillen in periodieken komt dat neer op gemiddeld 750 euro per maand minder salaris, gecorrigeerd voor het aantal uren dat je per week werkt.

De vraag is echter door wat voor soort factoren deze ongelijkheid wordt bepaald: door al dan niet werkgerelateerde factoren. In het eerste geval is deze ongelijkheid legitiem want terug te voeren op verschillen in zaken die te maken hebben met de kwaliteit en de kwantiteit van het werk. Als deze ongelijkheid niet terug te voeren is op werkgerelateerde verschillen, is er sprake van indirecte of directe vormen van discriminatie. De werkgerelateerdheid zou je eigenlijk moeten meten door de kwaliteit en de kwantiteit van het werk van individuele respondenten te meten, maar in een enquête met een beperkte omvang als de onze – maximum 15 minuten invultijd – is het onmogelijk om daar een goed beeld van te krijgen, mede gezien de grote mate van diversiteit in soorten van werk dat medewerkers van de provincie verrichten. Vandaar dat het gebruikelijk is bij dergelijk onderzoek om human

capital proxi’s hiervoor te hanteren: opleidingsniveau, aanvullende scholing, plaats van

(23)

taalvaardigheid in het Nederlands en de mate van inhoudelijke aansluiting tussen gevolgde opleiding en huidige functie.

Zoals gezegd zijn we op zoek gegaan naar die items en variabelen die deze ongelijkheid bepalen volgens de normen van structural equation modeling. Factoren die ten voordele van medewerkers met een ‘westerse’ dan wel ‘niet-westerse’ migratie-achtergrond uitwerken hebben we nauwelijks gevonden, dus die spelen bij verdere analyse geen rol.

Tabel 9: Factoren die ongelijkheid in salarisschaal naar afkomst bepalenab

Afkomst Opleidingsniveau -0,475 0,130 ***

Afkomst Relevante werkervaring -1,581 0,515 0,002

Opleidingsniveau Relevante werkervaring -0,542 0,185 0,003

Afkomst Voorafgaande precaire

arbeidsmarktpositie 0,059 0,018 *** Opleidingsniveau Voorafgaande precaire

arbeidsmarktpositie -0,025 0,006 *** Relevante werkervaring Voorafgaande precaire

arbeidsmarktpositie -0,007 0,002 *** Afkomst Underemployed 0,289 0,122 0,018 Voorafgaande precaire arbeidsmarktpositie Underemployed 1,171 0,320 *** Opleidingsniveau Salarisschaal 1,119 0,253 *** Underemployed Salarisschaal -0,969 0,269 ***

Relevante werkervaring Salarisschaal 0,211 0,065 0,001

Leidinggevende voorstellen

doen Salarisschaal 0,711 0,329 0,031

Voorafgaande precaire

arbeidsmarktpositie Salarisschaal -3,638 1,906 0,056

Afkomst Salarisschaal -0,318 0,706 0,652

a. Dat zijn intermediaire variabelen en items die ervoor zorgen dat het directe effect van Afkomst op Salarisschaal afneemt na invoering ervan in het model.

b. Modelwaarden: NFI: 0,954. CFI: 0,993. TLI: 0,971. RMSEA: 0,019. Ch2_{: 8,075. P van ch}2_{: 0,326.}

Tabel 9 laat zien dat we al de betrokken factoren hebben weten vast te stellen, want na hun invoering in het model als intermediaire variabelen daalt het directe effect van Afkomst op Salarisschaal van -1,868 (p = 0,010) naar - 0,318 (p = 0,652). Dat wil zeggen, dat directe effect is niet langer significant. Als we dat directe effect uit het model halen, voldoet het model netjes aan alle modelcriteria, zoals Tabel 10 laat zien.

Tabel 10: Factoren die ongelijkheid in salarisschaal naar afkomst bepalen na schrappen

directe effect van Afkomst op salarisschaalab

Afkomst Opleidingsniveau -,475 ,130 ***

Afkomst Relevante werkervaring -1,581 ,515 ,002

Opleidingsniveau Relevante werkervaring -,542 ,185 ,003

Afkomst Voorafgaande precaire

arbeidsmarktpositie ,059 ,018 ***

(24)

Regressies Estimate S.E. P arbeidsmarktpositie

Relevante werkervaring Voorafgaande precaire

arbeidsmarktpositie -,007 ,002 *** Afkomst Underemployed ,289 ,122 ,018 Voorafgaande precaire arbeidsmarktpositie Underemployed 1,171 ,320 *** Opleidingsniveau Salarisschaal 1,136 ,250 *** Underemployed Salarisschaal -,983 ,268 ***

Relevante werkervaring Salarisschaal ,214 ,064 ***

Leidinggevende voorstellen

doen Salarisschaal ,714 ,329 ,030

Voorafgaande precaire

arbeidsmarktpositie Salarisschaal -3,760 1,888 ,046

a. Dat zijn intermediaire variabelen en items die ervoor zorgen dat het directe effect van Afkomst op Salarisschaal verdwijnt na invoering ervan in het model.

b. Modelwaarden: NFI: 0,953. CFI: 0,998. TLI: 0,993. RMSEA: 0,009. Ch2_{: 8,277. P van ch}2_{: 0,407.}

Tabel 11 laat zien wat het aandeel is van de factoren die de ongelijkheid in functieniveau / salarisschaal naar afkomst bepalen. Het grootste deel (60 procent) van bovengenoemde ongelijkheid in salarisschaal / functieniveau komt dus voort uit werkgerelateerde factoren: opleidingsniveau, jaren van relevante werkervaring en de mate waarin respondenten

voorstellen doen aan hun leidinggevenden over hoe het werk beter kan worden aangepakt. Dat laatste doen collega’s met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond wat minder. Bovendien beschikken zij over minder relevante werkervaring en is hun gemiddelde

opleidingsniveau lager.

Tabel 11: Factoren die ten nadele werken van medewerkers met een migratie-achtergrond

wat betreft functieniveau

Rangorde factoren Effect van afkomst op functieniveau als deze factor uit het model wordt gehaald

Verschil met -0,318 Percentage van de verklaring

1. Opleidingsniveau -0,760 0,442 36,9

2. Underemployment -0,604 0,286 23,8

3. Relevante werkervaring -0,566 0,248 20,7

4. Voorafgaande precaire positie arbeidsmarkt

-0,512 0,194 16,2

5. Leidinggevende voorstellen

doen -0,347 0,029 2,4

Totaal 1,199 100

(25)

arbeidsproces hebben verkeerd. Bij selectie en afkomst hebben we gezien dat ervaren etnische arbeidsmarktdiscriminatie de kansen van deze mensen om te worden aangenomen verkleint; hier zien we dat precaire ervaringen op de arbeidsmarkt voorafgaand aan de aanstelling bij de provincie hun toegang tot betere functies en salarisschalen beperkt. Wat deze mensen mee hebben gemaakt op de arbeidsmarkt voordat ze met de provincie in aanraking kwamen, vormt een soort bagage waar ze bij selectie en wat betreft hun positie binnen de organisatie last van blijven houden. De provincie slaagt er dus niet geheel in om deze mensen een nieuwe start te laten maken.

Dat heeft mede te maken met het feit dat medewerkers met een ‘westerse’ of

‘niet-westerse’ migratie-achtergrond vaker op functies werken onder hun niveau, die inhoudelijk te makkelijk zijn voor ze. Als je te maken hebt met een dergelijke underemployment remt dat je kansen om hogerop te komen in de organisatie. Dat wil zeggen, als je eenmaal in een

dergelijke positie terecht komt, is het lastig om daar ooit nog uit te komen. Daar hebben medewerkers met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond meer last van dan hun collega’s zonder een dergelijke achtergrond.

Dat laatste heb ik nader onderzocht en blijkt geheel en al voort te komen uit twee soorten factoren. Ten eerste bovengenoemde ervaringen met precaire arbeidsverhoudingen

voorafgaand aan het komen werken bij de provincie. Dat werkt aldus: als je in precaire arbeidsverhoudingen werkt, ben je eerder geneigd om te solliciteren op functies onder je niveau waardoor je, als je dan aangenomen wordt, gaat werken in dergelijke

underemployment. Een tweede factor die dergelijke underemployment in de hand werkt, heeft

te maken met inclusie, of beter gezegd het feit dat medewerkers met een ‘niet-westerse’ of ‘westerse’ migratie-achtergrond sterker het gevoel hebben dat ze dubbel hun best moeten doen om dezelfde waardering te krijgen dan hun collega’s en dat ze minder vaak hun mening laten horen tijdens vergaderingen (zie beneden). Beide factoren, voorafgaande ervaringen met precaire arbeidsverhoudingen én het minder ervaren van inclusie in de organisatie, verklaren geheel en al het feit dat medewerkers met een ‘westerse’ of ‘niet-westerse’

migratie-achtergrond vaker werken in underemployment dan hun collega’s zonder een dergelijke achtergrond.

Deze underemployment en voorafgaande precaire arbeidsverhoudingen werken dus negatief uit op de kansen van deze medewerkers om door te stromen naar betere functies bij de provincie. Ze zijn niet werkgerelateerd, in het geval van underemployment waarschijnlijk zelfs negatief voor het werk, maar werken wel disproportioneel negatief uit op deze categorie van medewerkers. Ze vallen dus binnen de definitie van discriminatie, maar ze zijn wel grotendeels van externe makelij dus je kunt de provincie daar niet helemaal voor

verantwoordelijk stellen. Aan de andere kant slaagt de provincie er niet helemaal in om deze negatieve invloeden buiten de deur te houden. Daar liggen dus verbeterpunten.

(26)

Op alle inclusie-items (zie boven) scoren de medewerkers van de provincie aan de goede kant van de streep, zo gezegd. Dat wil zeggen dat ze gemiddeld boven de 3 scoren op een Likert-schaal van 1 tot en met 5.

Tabel 12: Gemiddelde scores inclusie-items en afkomstac

Inclusie item Gemiddelde

niet-migranten en Indonesische achtergrond Gemiddelde ‘niet-westerse’ en ‘westerse’ migranten Sign.

Het overleg met mijn leidinggevende verloopt

soepel 3,82 4.06 ***

Het is makkelijk om afspraken te maken met

mijn leidinggevende 3,68 3,98 ***

In vergaderingen laat ik niet vaak mijn

mening horenb 2,18 2,57 0,047

Ik moet dubbel mijn best doen om dezelfde

waardering te krijgen als andere collega’sb 2,13 2,80 ***

Ik praat niet graag met collega’s over mijn achtergronden en mijn leven buiten het werkb

2,21 2,48 0,031

a. Scores van 1 t/m 5 van ‘helemaal niet mee eens’ tot ‘helemaal mee eens’. b. Gespiegeld: dit items meet het tegenovergestelde van inclusie, oftewel exclusie. c. Independent-Samples T Test analyse.

Op de meeste inclusie-items scoren medewerkers met verschillen naar afkomst vergelijkbaar. Op twee items scoren medewerkers met een ‘westerse’ of ‘niet-westerse’ achtergrond zelfs beter dan hun collega’s zonder een dergelijke achtergrond, maar op drie items ook beduidend slechter. Vooral het feit dat zij vaker het gevoel hebben dat ze dubbel hun best moeten doen om dezelfde waardering te krijgen als hun collega’s en dat ze minder actief participeren in vergaderingen vormt een duidelijk verbeterpunt. Dat heeft te maken met hun voorgaande ervaringen van precariteit en onzekerheid of ze wel geaccepteerd zullen worden vanwege hun achtergrond in de samenleving.

Conclusies afkomst

1. De provincie slaagt erin om mensen met verschillen in afkomst evenredig te interesseren en te motiveren om te solliciteren op haar vacatures. Degenen die solliciteren op haar vacatures vormen een afspiegeling van de provinciale beroepsbevolking.

2. Dat kan niet gezegd worden van degenen die bij en voor de provincie werken. Hier zijn vooral mensen met een ‘niet-westerse’ migratie-achtergrond sterk

ondervertegenwoordigd. Dat kan het gevolg zijn van hun ondervertegenwoordiging bij sollicitanten en het minder aannemen van deze mensen bij vacatures in het verleden alsmede van oververtegenwoordiging bij de uitstroom.

(27)

oneigenlijke factoren die ten nadele uitwerken van sollicitanten met een migratie-achtergrond. Hier ligt dus verbeterruimte: het weghalen van beide soorten van oneigenlijke factoren. Het gaat hier om het wekken van de indruk dat je de vacante functie makkelijk aankunt vanwege je sociale achtergrond, dat je zelfverzekerd weet over te komen omdat je weinig met etnische discriminatie op de arbeidsmarkt te maken hebt gehad, dat je de functie niet te graag wilt en dat je je persoonlijkheid vrijuit weet te profileren. Op al deze niet-werkgerelateerde zaken weten sollicitanten met een migratie-achtergrond minder te scoren. Dat tast hun kansen aan om te worden aangenomen.

4. Medewerkers met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond zijn in het functiegebouw op lagere functies te vinden dan hun collega’s zonder een dergelijke achtergrond: 1,8 salarisschalen / functieniveaus. Dat betekent dat ze gemiddeld per maand 750 euro minder salaris ontvangen. Voor 60 procent is deze ongelijkheid te wijten aan werkgerelateerde factoren: vooral opleidingsniveau en relevante

werkervaring. De overige 40 procent komt ten eerste voort uit ervaringen met precaire arbeidsverhoudingen op de arbeidsmarkt voordat ze kwamen werken bij de provincie. Ten tweede is er sprake van underemployment, dat wil zeggen dat medewerkers met een ‘westerse’ of ‘niet-westerse’ migratie-achtergrond vaker werken op functies onder hun niveau. Dat komt doordat ze op een te laag niveau te organisatie instromen en omdat ze op belangrijke punten minder inclusie ervaren.

5. Inclusie-items vormen over het algemeen geen reden tot zorg voor de provincie. Ook scoren medewerkers met verschillende achtergronden op de meeste items even goed als hun

(28)

Leeftijd

1. Werving en leeftijd

De sollicitantenenquête laat zien dat de gemiddelde leeftijd van de sollicitanten 45,1 jaar is, met een standaarddeviatie van 11,6. Die gemiddelde leeftijd ligt rond het gemiddelde tussen het moment waarop mensen over het algemeen actief worden op de arbeidsmarkt na hun opleiding en het moment waarop zij met pensioen gaan. De spreiding over de leeftijdsgroepen is redelijk gelijkmatig, met een lichte ondervertegenwoordiging van jongere mensen. Ook qua leeftijd geldt dus dat degenen die solliciteren bij de provincie een redelijke afspiegeling vormen van de samenleving. Wel is het zo dat jongere sollicitanten graag meer hadden gelezen in de advertentietekst over de doorgroeimogelijkheden bij de provincie dan oudere sollicitanten (B = -0,018, p = 0,000). Daarmee kan de provincie haar advertenties

aantrekkelijker maken voor jongere potentiële sollicitanten.

2. Selectie en leeftijd

Leeftijd speelt wel een duidelijke rol bij de keuze wie aangenomen wordt en wie niet. Jongere sollicitanten hebben een significant grotere kans om te worden aangenomen dan oudere kandidaten (regressie-effect van B = -0,005, p = 0,010). Dat betekent dat tien jaar

leeftijdsverschil vijf procent verschil maakt in de kans om te worden aangenomen ten nadele van oudere sollicitanten.

Tabel 13: Factoren die de kans van oudere sollicitanten vergroten om te worden

aangenomena

Regressie Estimate S.E. P

Leeftijd Opleidingsniveau ouders -0,025 0,006 ***

Leeftijd Net afgestudeerd -0,004 0,001 ***

Leeftijd Graag willen doorgroeien _{naar een betere baan} -0,017 0,005 *** Opleidingsniveau ouders

Reden solliciteren voor samenleving willen werken

0,153 0,067 0,024

Leeftijd Aangenomen -0,010 0,002 ***

Opleidingsniveau ouders Aangenomen -0,054 0,020 0,006

Net afgestudeerd Aangenomen -0,295 0,138 0,033

Graag willen doorgroeien naar

een betere baan Aangenomen -0,083 0,023 ***

Reden solliciteren voor

samenleving willen werken Aangenomen -0,033 0,016 0,044

a. Modelwaarden: NFI: 0,924. CFI: 0,924. TLI: 0,971. RMSEA: 0,031. Ch2_{: 7,737 P van ch}2_{: 0,258.}

De invoering van de variabelen van Tabel 13 laat zien dat het effect van leeftijd op

(29)

sollicitanten. Factoren die in het voordeel van oudere sollicitanten werken zijn als volgt gerangschikt.

Tabel 14: factoren die de kansen van oudere sollicitanten vergroten. Rangorde factoren Effect van afkomst op

functieniveau als deze factor uit het model wordt gehaald

Verschil met -0,010 Percentage van de verklaring 1. Minder graag willen doorgroeien

naar beter baan -0,008 0,002 33,3

1. Lager opleidingsniveau ouders -0,008 0,002 33,3

3. Minder vaak net afgestudeerd -0,009 0,001 16,7

3. Minder reden solliciteren voor

samenleving willen werken -0,009 0,001 16,7

Totaal 0,006 100

Tabel 13 en 14 laten zien dat oudere sollicitanten minder op doorgroeimogelijkheden gebrand zijn dan jongere sollicitanten, dat hun ouders een lager opleidingsniveau hebben, dat ze minder vaak net afgestudeerd zijn en voor hen speelt de motivatie om iets voor de

samenleving te betekenen een minder grote rol bij de sollicitatie. Al deze verschillen

vergroten dus hun kans om aangenomen te worden. Het eerste verschil hebben we hierboven al besproken. Hier valt op dat een hoger opleidingsniveau van je ouders en je motivatie om iets voor de samenleving te betekenen je kansen om te worden aangenomen tegenwerken. Vooral dat laatste is opmerkelijk voor een publieke organisatie als de provincie. Het feit dat net afgestudeerd zijn je kansen om te worden aangenomen verkleint, is geen kwestie van gemis aan relevante werkervaring, want daarop hebben we dit effect gecontroleerd.

Blijft staan de vraag waar die tien procent meer kans om te worden aangenomen per tien jaar leeftijdsverschil ten voordele van jongere sollicitanten vandaan komt.

Tabel 15: Factoren die kansen voor ouderen vergroten én verkleinen om te worden

aangenomena

Estimate S.E. P

Leeftijd Acceptatie zelf-profileren -0,015 0,005 0,001

Leeftijd Vermoeden leeftijdsdiscriminatie verleden 0,036 0,007 *** Acceptatie zelf-profileren Vermoeden leeftijdsdiscriminatie verleden -0,316 0,083 *** Vermoeden leeftijdsdiscriminatie

verleden Getipt binnen provincie -0,030 0,015 0,046

Leeftijd Opleidingsniveau ouders -0,025 0,006 ***

Leeftijd Graag willen doorgroeien

naar beter baan -0,021 0,005 ***

Leeftijd Aansluiting opleiding en

vacature 0,015 0,005 0,002

Leeftijd Reden sollicitatie

loopbaanmogelijkheden -0,024 0,007 *** Vermoeden leeftijdsdiscriminatie

verleden

Reden sollicitatie

(30)

Estimate S.E. P Acceptatie zelf-profileren Reden sollicitatie

loopbaanmogelijkheden -0,214 0,078 0,006 Vermoeden leeftijdsdiscriminatie

verleden

naar betere baan 0,084 0,040 0,035 Getipt binnen provincie Aansluiting opleiding en

vacature 0,282 0,139 0,043

Getipt binnen provincie Reden sollicitatie

loopbaanmogelijkheden 0,458 0,186 0,014

Leeftijd Aangenomen -0,002 0,002 0,270

Graag willen doorgroeien naar

betere baan Aangenomen -0,063 0,022 0,005

Opleidingsniveau ouders Aangenomen -0,050 0,018 0,007

Acceptatie zelf-profileren Aangenomen 0,058 0,023 0,013

Aansluiting opleiding en vacature Aangenomen -0,086 0,023 *** Reden sollicitatie

loopbaanmogelijkheden Aangenomen 0,045 0,017 0,009

Vermoeden leeftijdsdiscriminatie

verleden Aangenomen -0,036 0,016 0,023

Getipt binnen provincie Aangenomen 0,182 0,056 0,001

Tabel 15 laat zien wat er gebeurt als je niet alleen factoren die ten voordele van oudere sollicitanten uitwerken (zie Tabel 12) maar ook factoren die ten voordele van jongere sollicitanten invoert in het model.2_{Dan vermindert het directe effect van leeftijd op worden}

aangenomen naar -0,002 en wordt sterk insignificant (p = 0,270). Dat betekent dat we de hele ongelijkheid in kansen om te worden aangenomen ten voordele van jongere sollicitanten kunnen verklaren. De factoren die daarvoor verantwoordelijk zijn, worden genoemd in Tabel 16.

Tabel 16: Factoren die ten voordele werken van jongere sollicitanten om te worden

aangenomen.

Rangorde factoren Effect van afkomst op functieniveau als deze factor uit het model wordt gehaald

Verschil met -0,002 Percentage van de verklaring 1. Minder ervaren

leeftijdsdiscriminatie -0,004 0,002 28,6

1. Minder aansluiting opleiding en

vacature -0,004 0,002 28,6

3. Meer acceptatie zelf-profileren -0,003 0,001 14,3 3. Meer reden solliciteren

loopbaanmogelijkheden -0,003 0,001 14,3

3. Vaker getipt voor de vacature

door mensen binnen de provincie -0,003 0,001 14,3

Totaal 0,006 100

Tabel 16 laat zien dat deze ongelijke kansen ten voordele van jongere sollicitanten niet werkgerelateerd zijn. Dat wil zeggen dat ze verwijzen naar discriminatie ten nadele van oudere sollicitanten. Als belangrijkste factoren komen naar voren dat jongere sollicitanten minder leeftijdsdiscriminatie hebben ervaren bij vorige sollicitaties dan oudere sollicitanten

(31)

en dat ze minder aansluiting tussen hun opleiding en de vacante functie zien. Beide zaken wijzen erop dat, als het om leeftijd gaat, werkgerelateerde factoren op de achtergrond worden gedrukt, zich in het laatste geval zelfs tegen je kunnen keren. Dat het om beeldvorming gaat in plaats van geschiktheid voor de functie wordt ook bevestigd door het feit dat acceptatie van zelf-profilering in plaats van het profileren van je kennis en vaardigheden je kansen om te worden aangenomen vergroot. Jongere sollicitanten zijn daartoe meer bereid wat samenhangt met het feit dat ze minder met leeftijdsdiscriminatie te maken hebben gehad. Ook worden jongeren vaker getipt om te solliciteren en wordt hun grotere interesse in

loopbaanmogelijkheden gewaardeerd. Al deze factoren maken een verschil van 10 procent op 10 jaar leeftijdsverschil ten gunste van jongere sollicitanten.

3. Vertegenwoordiging in het personeelsbestand en leeftijd

Jongeren mogen de voorkeur genieten bij sollicitatieprocedures, ze overheersen het personeelsbestand van en bij de provincie niet. De gemiddelde leeftijd van mensen die voor en bij de provincie werken is 47,6 jaar. Dat is wat aan de oude kant, maar ook de

standaarddeviatie van 12,01 laat zien dat jong en oud redelijk gespreid zijn binnen het personeelsbestand.

4. Vertegenwoordiging in het functiegebouw en leeftijd

Jongere medewerkers hebben zelfs een nadeel als het gaat om hun vertegenwoordiging op de hogere functieniveaus. Ze zijn gemiddeld wat lager ingeschaald dan hun oudere collega’s. Het directe regressie-effect van leeftijd op salarisschaal is B = 0,040, p = 0,042. Dat wil zeggen dat tien jaar leeftijdsverschil 0,40 salarisschaal verschil uitmaakt ten voordele van oudere medewerkers. Dat verschil komt neer op gemiddeld 345 euro per maand, los van verschillen in periodieken, gecorrigeerd voor de omvang van de aanstelling in uren. Dit verschil is geen kwestie van anciënniteit, omdat we daarop gecontroleerd hebben.

Dit effect van 0,040 stijgt naar 0,069 (p = ***) na invoering van opleidingsniveau. Jongere medewerkers hebben gemiddeld een hoger opleidingsniveau en dat betaalt zich uit in een hogere salarisschaal. Deze factor ten voordele van jongere medewerkers wordt echter geheel en al gecompenseerd door twee andere factoren die geheel en al verantwoordelijk zijn voor de ongelijkheid in salarisschaal / functieniveau naar leeftijd. Na invoering ervan reduceert het directe effect van leeftijd op salarisschaal naar 0,023 en wordt insignificant (p = 0,344), zoals Tabel 17 laat zien. Deze twee factoren zijn: relevant werkervaring en SER of ZZP.

Tabel 17: Factoren die ten voordele van jongere medewerkers en ten voordele van oudere

medewerkers uitwerken qua salarisschaala

Leeftijd Relevante werkervaring 0,156 0,012 ***

Leeftijd Opleidingsniveau -0,019 0,003 ***

Leeftijd SER of ZZP 0,013 0,002 ***

(32)

Opleidingsniveau Salarisschaal 1,474 0,257 ***

SER of ZZP Salarisschaal 1,136 0,576 0,049

Tabel 18 laat zien de mate waarin beide factoren afzonderlijk bijdragen aan deze ongelijkheid in salarisschaal ten voordele van oudere medewerkers. Oudere medewerkers beschikken over meer relevante werkervaring en hebben daardoor meer toegang tot hogere functies. Die human capital variabele maakt dus legitiem verschil en is verantwoordelijk voor 68,2 procent van de ongelijkheid in inschaling naar leeftijd.

Tabel 18: Factoren die ten voordele werken van oudere medewerkers qua salarisschaal. Rangorde factoren Effect van afkomst op

functieniveau als deze factor uit het model wordt gehaald

Verschil met 0,023 Percentage van de verklaring

1. Relevante werkervaring 0,053 0,030 68,2

2. SER of ZZP 0,037 0,014 31,8

Totaal 0,044 100

Verder hebben oudere medewerkers vaker een vast contract (Standard Employment

Relationship - SER) en zijn ze vaker werkzaam als zelfstandige zonder personeel (ZZP). Dat

laatste komt hun directe salaris- en functieniveau ten goede, maar dat zegt nog erg weinig over hun sociaaleconomische positie in het algemeen. Het feit dat jongere medewerkers minder toegang hebben tot een vaste baan is in lijn met de algehele trend naar precarisering van arbeidsverhoudingen waar vooral jongere mensen op de arbeidsmarkt de negatieve consequenties van moeten dragen.3

5. Inclusie en leeftijd

Op zeven items maakt leeftijd verschil in ervaren inclusie dan wel exclusie, zoals Tabel 19 laat zien.

Tabel 19: Effecten van leeftijd op inclusie-itemsa

Inclusie item B Sign.

Ik laat aan collega’s graag zien dat ik een uniek persoon ben vanwege mijn

eigen achtergronden 0,007 0,041

Sommige collega’s vermijden contact met meb _-0,009 _0,009

In vergaderingen laat ik niet vaak mijn mening horenb _-0,009 _0,023

Als ik iets niet weet, kan ik altijd bij mijn leidinggevende of collega’s terecht -0,008 0,006

Ik praat niet graag met collega’s over mijn achtergronden en mijn leven

buiten het werkb -0,013 ***

Ik heb op het werk hier wel eens het gevoel gehad dat ik gediscrimineerd

of onheus bejegend werdb 0,013 0,001

Het werk liever alleen willen doen in plaats van in teamworkb _0,006 _0,034

a. Scores van 1 t/m 5 van ‘helemaal niet mee eens’ tot ‘helemaal mee eens’. b. Gespiegeld: dit items meet het tegenovergestelde van inclusie, oftewel exclusie.

(33)

Het beeld qua leeftijd en inclusie is echter niet eenduidig. Op vier items scoren oudere medewerkers beter qua inclusie en op drie andere items doen juist jongere medewerkers dat. Het lijkt erop dat oudere medewerkers meer uit de verf komen in communicatief opzicht, terwijl jongere medewerkers makkelijker een beroep op hun leidinggevende doen en liever werken in teamverband. Reden tot zorg is dat oudere medewerkers vaker het gevoel hebben dan jongere medewerkers dat ze gediscrimineerd of onheus bejegend worden.

Conclusies leeftijd

1. De provincie slaagt erin om mensen met verschillende leeftijden evenredig te interesseren en te motiveren om te solliciteren op haar vacatures. Degenen die

solliciteren op haar vacatures vormen qua leeftijd een afspiegeling van de provinciale bevolking.

2. Dat zelfde kan gezegd worden voor degenen die bij en voor de provincie werken. Jongere en oudere medewerkers zijn min of meer gelijk vertegenwoordigd binnen het personeelsbestand, met een licht accent op oudere medewerkers.

3. Bij de huidige selectieprocedures maken jongere medewerkers een significant grotere kans om te worden aangenomen dan oudere sollicitanten. Als we controleren voor factoren die ten nadele van jongere sollicitanten uitwerken (graag willen doorgroeien naar beter baan, hoger opleidingsniveau ouders, vaker net afgestudeerd en reden solliciteren voor samenleving willen werken) maakt tien jaar leeftijdsverschil zelfs tien procent meer kans om te worden aangenomen ten voordele van jongere sollicitanten. Deze factoren zijn niet of nauwelijks werkrelevant. Die tien procent wordt geheel en al verklaard door factoren die ten voordele van jongere sollicitanten werken: ze hebben minder leeftijdsdiscriminatie ervaren in het verleden, hun opleiding sluit minder aan bij de vacature, ze profileren zichzelf liever en zijn geïnteresseerd in

loopbaanmogelijkheden als reden om te solliciteren. Dus we spreken hier over factoren die meer of minder kansen teweeg brengen om te worden aangenomen die geen van alle werkgerelateerd zijn. Het gaat hier dus om leeftijdsdiscriminatie.

4. Waar jongeren de voorkeur krijgen aan de poort, krijgen ouderen dat op de werkvloer. Leeftijd hangt positief samen met functieniveau en salarisschaal en dat is geen kwestie van anciënniteit. Het grote verschil met het effect van leeftijd op kansen om te worden aangenomen is dat het effect van leeftijd op functieniveau / salarisschaal grotendeels bepaald wordt door werkgerelateerde factoren: opleidingsniveau en relevante

werkervaring. Het voordeel dat oudere werknemers ervaren in dit opzicht is voor het overgrote deel (68,2 procent) te herleiden tot het feit dat ze over ruimere relevante werkervaring beschikken. Reden tot zorg is wel dat jongere medewerkers vaker in precaire arbeidsverhoudingen werken, wat hun toegang tot hogere salarisschalen beperkt. Dat laatste kan een discriminatoir effect worden genoemd, maar dat kan voor het overgrote deel van het effect van leeftijd op salarisschaal of functieniveau niet worden gezegd.

(34)

gezegd worden dat oudere medewerkers beter scoren op communicatieve items en jongeren makkelijker een beroep doen op hun leidinggevenden en liever