Algemene Daderprofielanalyse Onderzoeksrapport

Universiteit Antwerpen

Algemene Daderprofielanalyse Onderzoeksrapport

Koen Cuypers Dimitri Mortelmans Koen Pepermans Erik Van Hove Francis Van Loon

Februari 2000

Inhoudstafel

1 INLEIDING ........................................................................................................................... 3 2 ONDERZOEKSOPZET ....................................................................................................... 5 2.1 OPBOUW VAN DE BASISGEGEVENSBESTANDEN .................................................................. 6 2.2 AANVULLENDE GEGEVENSVERZAMELING ......................................................................... 8 2.2.1 Polis ........................................................................................................................... 9 2.2.2 Polaris ..................................................................................................................... 10 2.2.3 VDAB ....................................................................................................................... 12 2.2.4 OCMW..................................................................................................................... 12 2.2.5 Data-services ..................................................... Fout! Bladwijzer niet gedefinieerd. 2.3 STEEKPROEFTREKKING .................................................................................................... 14 2.3.1 Auto-inbraken .......................................................................................................... 15 2.3.2 Jongerengroepsgeweld ............................................................................................ 15 2.4 INHOUDSANALYTISCH ONDERZOEKSINSTRUMENT ........................................................... 17 2.4.1 Gemeenschappelijk onderdeel................................................................................. 17 2.4.2 Auto-inbraken .......................................................................................................... 20 2.4.3 Jongerengroepsgeweld ............................................................................................ 21 2.5 CARTOGRAFISCHE GEGEVENSVERWERKING..................................................................... 22 2.5.1 Algemene informatie ............................................................................................... 22 2.5.2 Beschrijving van de verschillende kaarttypes ......................................................... 25 3 DE GEGEVENSVERZAMELING: RESULTATEN EN LESSEN ............................... 29 3.1 DE TESTFASE ................................................................................................................... 29 3.1.1 ProbleemPV’s.......................................................................................................... 30 3.1.2 VervolgPV’s ............................................................................................................ 31 3.1.3 Fouten in DAGO ..................................................................................................... 32 3.1.4 Controle van het invulformulier/codeboek. ............................................................. 33 3.2 RESULTATEN VAN DE GEGEVENSVERZAMELING .............................................................. 33 3.2.1 ProbleemPV’s.......................................................................................................... 34 3.2.2 Resultaten opvraging parket ................................................................................... 35 3.2.3 Het definitieve gegevensbestand: een overzicht ...................................................... 37 3.2.4 Resultaten van de inhoudsanalyse........................................................................... 38 3.3 (METHODOLOGISCHE) LESSEN VOOR TOEKOMSTIG PV-ONDERZOEK ............................... 41 4 JONGERENGROEPSGEWELD ...................................................................................... 44 4.1 OVERZICHT ONDERZOEK ................................................................................................. 44 4.2 FEITEN ............................................................................................................................. 44 4.2.1 Beschrijving van de feiten ....................................................................................... 45 4.2.2 Plaats en moment .................................................................................................... 54 4.2.3 Betrokkenen ............................................................................................................. 63 4.3 (FEIT)DADERS .................................................................................................................. 74 4.3.1 Beschrijving van de daders naar misdaadtype ....................................................... 75 4.3.2 Socio-demografisch profiel ..................................................................................... 77 4.3.3 Groepsomvang ........................................................................................................ 85 4.3.4 Verplaatsingsgedrag ............................................................................................... 87

UNIVERSITEIT ANTWERPEN – ONDERZOEKSRAPPORT ALGEMENE DADERPROFIELANALYSE

2

4.4 RECIDIVISME ................................................................................................................... 89 4.4.1 Algemeen ................................................................................................................. 91 4.4.2 Recidivismesnelheid ................................................................................................ 92 4.4.3 Misdrijftype ............................................................................................................. 96 4.4.4 Leeftijd..................................................................................................................... 97 4.4.5 Nationaliteit............................................................................................................. 99 4.5 CARTOGRAFISCHE ANALYSE .......................................................................................... 101 4.5.1 Spreiding van de feiten .......................................................................................... 101 4.5.2 Woonplaats van de daders .................................................................................... 106 4.5.3 Verplaatsingspatroon ............................................................................................ 113 4.6 BESLUIT......................................................................................................................... 116 5 AUTO-INBRAKEN .......................................................................................................... 118 5.1 OVERZICHT ONDERZOEK ............................................................................................... 118 5.2 FEITEN ........................................................................................................................... 119 5.2.1 Beschrijving van de feiten ..................................................................................... 119 5.2.2 Plaats en moment .................................................................................................. 124 5.2.3 Betrokkenen ........................................................................................................... 127 5.3 (FEIT)DADERS ................................................................................................................ 132 5.3.1 Socio-demografisch profiel ................................................................................... 132 5.3.2 Groepsomvang ...................................................................................................... 138 5.3.3 Verplaatsingspatroon ............................................................................................ 140 5.4 RECIDIVISME ................................................................................................................. 141 5.4.1 Algemeen ............................................................................................................... 142 5.4.2 Recidivismesnelheid .............................................................................................. 143 5.4.3 Misdrijftype ........................................................................................................... 146 5.4.4 Leeftijd................................................................................................................... 147 5.4.5 Nationaliteit........................................................................................................... 149 5.5 CARTOGRAFISCHE ANALYSE .......................................................................................... 150 5.5.1 Spreiding van de feiten .......................................................................................... 150 5.5.2 Woonplaats van de daders .................................................................................... 155 5.5.3 Verplaatsingspatroon ............................................................................................ 162 5.6 BESLUIT......................................................................................................................... 165 6 BIJLAGEN ........................................................................................................................ 167 6.1 BIJLAGE 1: CODEBOEK MET INVOERINSTRUCTIES .......................................................... 167 6.1.1 Gemeenschappelijk deel van het codeboek ........................................................... 167 6.1.2 Specifiek deel van het codeboek voor auto-inbraken ............................................ 180 6.1.3 Specifiek deel van het codeboek voor jongerengroepsgeweld .............................. 185 6.2 BIJLAGE 2: SCHERMAFDRUKKEN VAN HET CODEERINSTRUMENT................................... 190 6.3 BIJLAGE 3: LIJST VAN STATISTISCHE SECTOREN ............................................................ 194 6.3.1 Antwerpen.............................................................................................................. 194 6.3.2 Berchem ................................................................................................................. 195 6.3.3 Borgerhout ............................................................................................................ 196 6.3.4 Deurne ................................................................................................................... 196 6.3.5 Ekeren.................................................................................................................... 197 6.3.6 Hoboken ................................................................................................................ 198 6.3.7 Merksem ................................................................................................................ 198 6.3.8 Wilrijk .................................................................................................................... 199


3

1 Inleiding In opdracht van de hoofdcommissaris van de Politie van Antwerpen, T. Dyck, werd begin februari 1999 op UIA gestart met een tweeledige daderprofielanalyse van daders autoinbraken aan de ene kant en jonge daders van groepsgeweldpleging aan de andere. Deze daderprofielanalyse steunt op een breed kwantitatief onderzoek van politionele gegevens, aangevuld met additionele informatie uit externe databanken. Het doel van dit onderzoek is dubbel. Enerzijds zal een dadertypologie voor beide misdrijftypen ontwikkeld worden. Dit kan aangewend worden voor zowel beleidsondersteuning als voor de verhoging van de oplossingsgraad van delicten. Anderzijds wordt door dit onderzoek een instrument ontwikkeld dat toekomstig daderonderzoek moet vereenvoudigen.

De resultaten die in dit rapport worden weergegeven, reflecteren dan ook dit dubbel opzet. Aan de ene kant wordt uitgebreid ingegaan op het onderzoeksopzet, de constructie van de steekproef en de problemen die bij het opzetten van deze steekproef opgelost werden. Aan de andere kant komen dan de onderzoeksresultaten aan bod. Zij vormden uiteraard het hoofddoel van deze studie en worden in twee afzonderlijke delen behandeld: auto-inbraken enerzijds en jongerengroepsgeweld anderzijds.

Het onderzoek liep over het kalenderjaar 1999 en werd beëindigd in het voorjaar van 2000. Gedurende deze periode waren zeker niet alleen de onderzoekers van de Antwerpse Universiteit in de weer. De enorme hoeveelheid gegevens die in het kader van dit onderzoek verzameld werd, is mee te danken aan de hulp van heel wat mensen die we langs deze weg willen bedanken. Hoewel het noemen van namen het gevaar inhoudt dat mensen vergeten worden, willen we er ons toch aan wagen. In de eerste plaats willen we de stuurgroep van dit onderzoek aanhalen. Het samenbrengen van mensen uit de praktijk met andere academici leverde vaak intense en verrijkende discussies op. De kritische en ondersteunende bemerkingen uit deze groep hielden het onderzoek op het juiste spoor en zijn mee bepalend geweest voor het eindrapport in zijn huidige vorm, ook al blijven de auteurs uiteraard verantwoordelijk voor de inhoud van het geheel.

Naast de inhoudelijke ondersteuning heeft dit onderzoek ook zeer veel praktische ondersteuning gekregen uit allerlei hoeken. Binnen de universiteit Antwerpen willen we in de eerste plaats Sarah Helsen bedanken voor het uitvoeren van het vooronderzoek en het


4

opstarten van de gegevensverzameling. Verder willen we David Criekemans niet vergeten die een literatuuronderzoek uitvoerde bij de aanvang van deze studie, Nils Neyt voor de hulp bij cartografie en de technische ondersteuning bij de gegevensverzameling en Rudy Marynissen voor het schrijven van de complexere SAS-programma’s ter voorbereiding van een aantal analyses. Ook de codeurs die in de warme zomer van 1999 invoerden in een al even warme Oudaan: Elke Bogaerts, Peter Roels, Keltoum Belorf en Johan De Crom.

Bij de Politie van Antwerpen willen we alle agenten bedanken die geholpen hebben bij het kopiëren van PV’s voor het onderzoek. In het bijzonder willen we Fred Van Aeveren en zijn collega Roger bedanken voor het delen van hun bureau. Ze leerden ons veel over de politie en maakten het soms afstompende codeerwerk een stuk aangenamer. Ook Ann Massei, Leen Poppeliers en Christa Van Boeckel die dagdagelijks met jongerengroepsgeweld en autoinbraken bezig zijn, hebben in belangrijke mate bijgedragen tot het bekomen van de juiste informatie door snel de juiste wegen en contacten aan te reiken 1.

1

Naast deze mensen zijn er nog zeer veel personen die hielpen bij het verzamelen van additionele gegevensbronnen. In het eerste deel van dit rapport gaan we dieper in op deze bronnen en we houden er dan ook aan om deze mensen te bedanken bij de bespreking van het specifieke deel van gegevensverzameling waar zij hun bijdrage geleverd hebben.


5

2 Onderzoeksopzet Een PV-onderzoek kan op twee wijzen benaderd worden. Aan de ene kant kan gekozen worden voor een populatieonderzoek of een zeer uitgebreide steekproef van bepaalde populaties. In dat geval wordt getracht om het aantal te onderzoeken PV’s te maximaliseren om generalisatie van de gegevens zo veel mogelijk te verzekeren. Hierbij wordt weinig of geen aandacht besteed aan de bewerking van de politionele standaardgegevens die beschikbaar zijn. Aan de andere kant kan geopteerd worden voor een beperkte steekproef van PV’s die in de diepte uitgewerkt worden. Bijkomende gegevensverzameling is in dit geval nodig en kan resulteren in een meer kwalitatieve benadering van het PV-onderzoek. Dergelijke benadering probeert veel meer in de diepte de aard en de omstandigheden van het misdrijf te begrijpen zonder hierbij noodzakelijk te streven naar representativiteit. Het hier voorliggende onderzoeksrapport combineert beide benaderingen. Enerzijds worden twee strikt omschreven deelpopulaties onderzocht: auto-inbraken en jongerengroepsgeweld. Hierbij is de generaliseerbaarheid naar deze groep mogelijk vermits alle onderzochte PV’s met betrekking tot misdrijven van deze types opgenomen werden. De generaliseerbaarheid naar de populatie van werkelijke misdrijven (niet opgeloste of niet aangegeven) is een vraag die in dit onderzoek niet behandeld wordt. Anderzijds wordt in het onderzoek bijzonder veel aandacht besteed aan de verrijking van de PV-gegevens. Met het oog op een diepgaandere statistische analyse van de gegevens werden de beschikbare politionele gegevens aangevuld en verrijkt met behulp van inhoudsanalyse. Deze techniek maakt het mogelijk om grote hoeveelheden gegevens op een efficiënte wijze te verzamelen. Het is in dat opzicht geen kwalitatief onderzoek omdat in het onderzoek niet de betekenisgeving centraal staat. Toch biedt deze techniek voldoende mogelijkheden om de oorspronkelijke gegevens aan te vullen en te verrijken.

In dit eerste deel wordt een overzicht gegeven van de opzet van het onderzoek. Hierbij wordt uitgebreid stilgestaan bij de opbouw van de basisgegevensbestanden. Als uitgangspunt konden de onderzoekers beschikken over de basisgegevensbestanden van de politie van Antwerpen. Dit zogenaamde DAGO-bestand bevat alle geregistreerde PV’s op het grondgebied Antwerpen. In deze eerste paragraaf wordt stil gestaan bij de verschillende operaties die bij de aanvang het onderzoek gebeurden op het basisbestand. Eentweede paragraaf beschrijft op welke wijze het basisgegevensbestand aangevuld werd met externe gegevensbronnen. Verschillende overheidsdiensten zoals de VDAB en het OCMW


6

beschikken immers over relevante informatie betreffende de daders die in het onderzoek onderzocht zullen worden. Vervolgens wordt er dieper ingegaan op de steekproef die aan de basis ligt van het onderzoek: welke misdrijven en welke daders werden in het onderzoek opgenomen ? Tot slot van dit deel wordt een beschrijving gegeven van het codeboek dat gebruikt wordt bij de additionele gegevensverzameling. 2.1 Opbouw van de basisgegevensbestanden Zoals hierboven werd aangegeven, vormt het DAGO-bestand de basis waarvan in dit onderzoek vertrokken wordt. DAGO is de database die door de dienst misdaadanalyse als gegevensbank gebruikt wordt. De gegevensbank is een deelverzameling van de PANDAdatabank en bevat een selectie van gegevens, relevant voor misdaadanalyse. Op een dagelijkse basis worden de DAGO-gegevens aangevuld en bijgewerkt om het operationele karakter van de gegevens te verzekeren. Voor het onderzoek was deze continue bijwerking niet noodzakelijk en in feite zelfs storend vermits het zou beteken dat de steekproef waarop het onderzoek gebaseerd wordt, niet stabiel zou zijn. Daarom werd de updating van de gegevens afgesloten op 27 februari 1999. Op dat ogenblik was het jaar 1998 volledig afgesloten en kon in de steekproef gewerkt worden tot en met het jaar 1998. De gegevens die als basis gebruikt worden voor het onderzoek zijn bijgevolg bijgewerkt tot en met februari 1999. Alle bijkomende zaken die later opgelost werden, worden niet langer in het onderzoek betrokken. Ook alle correcties op de geselecteerde feiten die later doorgevoerd worden, zijn niet in het databestand opgenomen. Uiteraard zorgt de inhoudsanalyse van PV’s er voor dat eventuele foutieve gegevens in een latere fase alsnog gecorrigeerd kunnen worden.

Figuur 1 DAGO-gegevensstructuur

Feitdader

∝

1

Feiten

Het DAGO-bestand was niet onmiddellijk bruikbaar voor het daderonderzoek 2 omwille van de opbouw van de gegevensstructuur. Aan de ene kant bevat DAGO een feitenbestand. De 2

In de eerste plaats was het DAGO-bestand een FoxPro-database. Aangezien de onderzoekers enkel ervaring hadden met het werken in Access werd besloten het bestand te converteren. Dat verliep zonder


7

analyse-eenheid in dit bestand is één feit. Het Feitenbestand bevat alle gegevens die eigen zijn aan het gebeurde feit: plaats van het gebeurde, tijdstip van aanvang, ed. Daarnaast is er een Feitdaderbestand. Dit bestand bevat alle gegevens over daders en feitdaders: oa. naam, voornaam, geslacht en geboortedatum. Omdat één feit meerdere daders kan hebben, wordt een relatie gelegd tussen de tabellen Feitdaders en Feiten met behulp van een één-op-veel-relatie 3. De onderscheid tussen het feitenbestand en feitdaderbestand zullen verder in dit onderzoek nog cruciaal worden, vermits de analyses in het onderzoek afzonderlijk uitgevoerd werden voor elk van beide bestanden (alsook op het daderbestand waar we later verder nog op terugkomen).

Het Feitdader-bestand kon in deze vorm echter niet gebruikt worden voor verdere gegevensverzameling. Vermits het bestand gemaakt was op het niveau van feitdader, kon geen rechtstreekse koppeling gemaakt worden naar de daders die deze feiten pleegden. Deze daders zitten immers dubbelgeteld 4 in het Feitdaderbestand. Om die reden diende de DAGOdatabase in Access een transformatie te ondergaan om naast een Feitenbestand en een Feitdaderbestand ook een uniek Daderbestand te creëren. Een daderbestand heeft als analyseeenheid de dader. Doorgaans zijn deze databestanden in politioneel onderzoek beperkter in omvang omdat het aantal kenmerken dat zich exclusief beperkt tot de dader zich vaak beperken tot geslacht en geboortedatum. Om die reden worden deze kenmerken vaak niet apart in een database ondergebracht maar binnen de feitdader gehouden. Voor dit onderzoek was het echter noodzakelijk om wél een apart daderbestand te creëren omdat de additionele gegevensverzameling (zie 2.2) een aantal databanken leverde die op daderniveau gestructureerd waren en bijgevolg enkel op dit niveau aan ons databestand gekoppeld konden worden (bv. Dataservices van de rijkswacht en de VDAB-gegevens). Het creëren van een daderbestand veranderde de structuur van het gegevensbestand als volgt:

3 4

noemenswaardige problemen. Zowel de gegevensstructuur als de gegevens zelf konden volledig in Access omgezet worden. De Veel-zijde van een databaserelatie wordt symbolisch weergegeven door het oneindig-symbool: ∝. Wanneer in feit 1 twee daders voorkomen A en B dan komen deze allebei in het feitdaderbestand. Wanneer in een tweede feit, dader A en C betrokken zijn, worden opnieuw twee records toegevoegd in het feitdaderbestand, ook al is dader A dezelfde als in feit 1.

8


Figuur 2 Gewijzigde DAGO-structuur

1

Daders

1 ∝

Feiten

∝

Feitdader De transformatie van de oorspronkelijke database maakte het voor de onderzoekers mogelijk om op drie niveaus te werken: feiten, daders en feitdaders. De drieledige structuur maakt het mogelijk om aan twee zijden additionele gegevens te verzamelen.

Aan de rechterzijde van het schema kunnen de gegevens over de feiten aangevuld worden. Dat gebeurt op basis van het PV-nummer vermits dit elk feit op een unieke wijze identificeert. De inhoudsanalyse van de PV’s (zie verder) vertrekt immers bij het opzoeken van verdere informatie steeds van het PV-nummer als connectie naar externe gegevensbronnen.

Aan de andere kant kunnen er zoals gezegd ook gegevens gekoppeld worden aan de daderkant. Omdat het Daderbestand toelaat elke dader op een unieke wijze te identificeren, wordt een koppeling op naam, voornaam en geboortedatum mogelijk. Deze gegevens zijn geen waterdichte methode om gegevens aan het Daderbestand toe te voegen. Vermits identiteitskaartnummer of rijksregisternummer niet in DAGO aanwezig zijn, waren er bij de aanvang van het onderzoek echter geen andere criteria voorhanden. In de loop van het onderzoek werd wel het rijksregisternummer aan het Daderbestand toegevoegd teneinde VDAB- en OCMW-gegevens te kunnen koppelen (zie verder). 2.2 Aanvullende gegevensverzameling Het DAGO-bestand dat als basis diende voor het onderzoek was noodzakelijk beperkt van omvang. Het is immers een operationele database die dienstbaar moet zijn in het dagelijkse politionele werk. Dat impliceert dat de essentiële gegevens met betrekking tot het feit en de feitdader in het bestand aanwezig zijn. Voor dit onderzoek werd echter een weliswaar statistische doch diepgaandere analyse beoogd van misdrijven van auto-inbraak en jongerengroepsgeweld.

Om

die

reden

werd

getracht

verschillende

aanvullende

9


gegevensbestanden te koppelen met de beschikbare gegevens. Figuur 3 geeft een overzicht 5 van de verschillende gegevensbronnen onderzocht werden op mogelijk nuttige informatie en op haalbaarheid van de gegevensverzameling. Zoals in het overzicht hierna zal blijken, konden deze gegevensbestanden niet allemaal verzameld of aan onze databank gekoppeld worden.

Figuur 3 Aanvulling van gegevens aan de DAGO-basisstructuur VDAB OCMW POLIS (Rijkswacht) Dataservices (Rijkswacht) Rijksregister

Daders

POLIS (Rijkswacht) Gekopieerde PV’s

1

1 ∝

Feiten

∝

Feitdader

Bij het zoeken naar externe databestanden werd uitgegaan van een eerste steekproef die in DAGO de feiten en de daders identificeerde die in het gegevensbestand opgenomen werden. We verwijzen de lezer naar paragraaf 2.3 voor een uitgebreide beschrijving van de selectiecriteria die gebruikt werden bij de constructie van deze steekproef. 2.2.1 Polis In de eerste plaats wordt het feitenbestand aangevuld vanuit het gegevensbestand van de Rijkswacht: Polis 6. De opzet van de Polis-databank verschilt echter grondig van deze van DAGO. Zo bevat Polis enkel een feiten- en een daderbestand. Alle gegevens die in DAGO op het niveau van feitdader voorkomen, zijn in Polis gegroepeerd in aparte tabellen. De sleutelvariabele waarmee gekoppeld kan worden tussen beide bestanden is het PV-nummer. Deze koppeling is echter niet perfect. Het PV-nummer in DAGO is anders opgenomen in de

5

6

In een aantal gevallen werden bepaalde gegevens aan het FeitDaderbestand gekoppeld. Om het overzicht in deze beschrijving niet te verliezen, hebben we geopteerd om enkel de Dader- en de Feitenkant te bespreken. De onderzoekers wensen dhr. F. Rysbrak en mevr. C. Mattheussen te bedanken voor hun bereidwillige hulp bij het zoeken naar manieren om beide databanken aan elkaar te koppelen.

10


database dan in Polis. De eerste twee digits van het DAGO-PV-nummer (Politie-zone) zijn niet in Polis overgenomen. Met een aantal bewerkingen in DAGO én in Polis was het mogelijk een min of meer gelijkaardig PV-nummer samen te stellen.

De koppeling tussen beide toonde echter aan dat een deel van de gegevens niet sluitend met elkaar verbonden kon worden. Dit kan twee oorzaken hebben. In de eerste plaats kan het zijn dat de constructie van de PV-nummer met de beschikbare gegevens niet werkte voor alle gegevens. Bepaalde velden in elk van beide databestanden kunnen immers leeg zijn. In de tweede plaats kan het ook zijn dat niet alle PV’s die in DAGO zitten ook opgenomen worden in Polis. Het gevolg van deze koppeling is dat slechts 74 % van de oorspronkelijke steekproef door Polis gedekt wordt.

Tabel 1 Gegevenskoppeling vanuit Polis. Polis

DAGO

Verschil

% Verschil

Auto-inbraak Jongerengroepsgeweld

689 809

763 1252

74 443

- 9.7 % - 35.4 %

Totaal

1485

2015

530

- 26.3 %

Tabel 1 geeft aan in hoeverre de gegevens van Polis en DAGO overeenkomen. Uit deze gegevens leren we dat het grootste verlies aan gegevens zit bij de populatie van jongerengroepsgeweld (26.3 versus 9.7 %). Het totale verlies valt echter zeer hoog uit. Meer dan een vierde van de gegevens uit DAGO konden niet gekoppeld worden aan de Polisdatabank. Om deze reden werd aan de analyse van deze gegevens in het onderzoek geen prioriteit gegeven. Het oorspronkelijk opzet van een aanvulling (verrijking) van de gegevens van de politiedatabank met gegevens van de rijkswacht zou verhoudingsgewijs te veel informatie uit de oorspronkelijke gegevensbank doen verliezen dat het niet opportuun geacht werd om de oorspronkelijke steekproef in deze mate bij te stellen. 2.2.2 Polaris Het Polarissysteem 7 van de politie van Antwerpen is ontworpen om PV’s rechtsreeks in een centraal systeem in te geven. De voordelen daarvan zijn tweeërlei. Aan de ene kant kunnen

7

De onderzoekers wensen dhr. Y Moons te bedanken zijn uitleg over het Polarissysteem en zijn hulp bij het zoeken naar de juiste PV’s in het systeem.


11

deze PV’s gewoon geprint worden zodat er geen verschil te zien is met gewone PV’s met betrekking tot de wettelijk voorgeschreven lay-out van het PV. Aan de andere kant biedt een geïnformatiseerd systeem het voordeel dat de PV-gegevens rechtsreeks via een formulier in een achterliggende databank terecht kunnen komen. Dat zou via een koppeling aan het DAGO of PANDA-systeem (zie hoger) automatisch een uitgebreide databank kunnen opleveren. Het Polarissysteem werd echter niet veralgemeend door de politie gebruikt bij het invullen van PV’s. Op het moment van het onderzoek was de informaticadienst van de politie van Antwerpen volop bezig met de ontwikkeling van de opvolger van Polaris: het PIP-systeem. Dit systeem beoogt een meer geïntegreerde aanpak van de PV-registratie. Het onderzoek heeft diende echter nog gebruik te maken van het Polarissysteem.

Op zich levert het Polarissysteem geen extra informatie op naast de DAGO-databank. De bedoeling van de exploratie van Polaris was het vereenvoudigen van het voorbereidende werk van de inhoudsanalyse. Voor de inhoudsanalyse maakt het niet uit of het basismateriaal (de PV’s) in papieren of in elektronische vorm zijn. Alleen maken elektronische PV’s het verzamelen van PV’s eenvoudiger. Alle PV’s die niet via Polaris verkregen kunnen worden, dienden handmatig gekopieerd te worden. Deze methode is zeer arbeidsintensief en vertraagt de verzameling van de gegevens aanzienlijk (al deze PV’s moeten immers opgezocht worden en uit het archief gehaald worden).

Op basis van een lijst van PV-nummers die uit DAGO werd gehaald, is geprobeerd de elektronische versies uit het Polarissysteem te halen. Hierbij bleek dat de archieven van het Polarissyteem bijna volledig gewist waren. Alle PV-gegevens voor 1998 werden omwille van schijfgebrek verwijderd van de server zonder enige vorm van back-up. Dit betekende een enorm verlies aan potentiële geïnformatiseerde gegevens voor het onderzoek. De gegevens van 1998 waren op het moment van ons bezoek nog wel aanwezig, maar zouden bij een volgend gebrek aan schijfruimte eveneens verwijderd worden. Bovendien blijkt uit de zoektocht door de archieven van 1998 dat slechts een klein deel van de PV’s van dat jaar in onze steekproef past.

12


Tabel 2 Gegevensverzameling mbv. Polaris Politiezone

Aantal PV’s in de steekproef voor 1998

Aantal PV’s daarvan in Polaris

%

Centrum City Noord Oost West Zuid

87 95 35 61 105 54

5 10 3 8 9 10

5.7 10.5 8.5 13.1 8.5 18.5

Totaal

437

45

10.2

Tabel 2 geeft aan dat Polaris slechts tien percent van de benodigde PV’s voor het onderzoek kan leveren en dan nog enkel voor de PV’s uit 1998. De conclusie hieruit was dat het grote deel van het primaire materiaal verzameld moest worden met behulp van handmatig traceren van PV’s in de archieven en het kopiëren van deze archiefstukken. 2.2.3 VDAB De contacten met de diensten van de VDAB 8 verliepen zeer voorspoedig. Aanvankelijk bestond er enige terughoudendheid omwille van de aard en het doel van het onderzoek. Er waren onduidelijkheden op juridisch vlak betreffende het gebruik van de gegevens maar deze konden allemaal op korte termijn weggewerkt worden. De informaticadienst van de VDAB bezorgde de onderzoekers een gegevensbestand met daarin hoofdzakelijk informatie over het opleidingsniveau (hoogst behaalde diploma). 2.2.4 OCMW Met het oog op het bekomen van informatie over het al dan genieten van een uitkering van de daders in ons databestand, werd door de onderzoekers ook contact gezocht met het OCMW van Antwerpen. Er was een principieel akkoord met het OCMW dat gegevens over de daders in de steekproef beschikbaar zouden komen. Technisch waren er echter twee moeilijkheden.

In de eerste plaats was het enkel mogelijk gegevens van het OCMW te bekomen op basis van het rijksregisternummer. Koppeling op naam en geboortedatum was onmogelijk. Dit maakte het noodzakelijk om op een of andere wijze het rijksregisternummer van de daders in het 8

Voor de gegevensverzameling bij de VDAB zijn de onderzoekers in de eerste plaats dhr. Delee (directeur VDAB Antwerpen) erkentelijk voor het ter beschikking stellen van de gegevens. De onderzoekers wensen ook hun dank te betuigen aan dhr. Veyt die de selectie van de VDAB-gegevens verzorgde en in een zeer bruikbaar formaat ter beschikking stelde.

13


gegevensbestand op te nemen. Aanvankelijk werd de mogelijkheid bekeken of er voor de onderzoekers een (tijdelijke) toegang aangevraagd kon worden tot het rijksregister, maar dit bleek onhaalbaar. Vanuit de politie werd toen geopperd om gebruik te maken van het Antwerps bevolkingsregister. Dat is door de politiediensten via het Telepolis-netwerk vrij te consulteren en bevat eveneens het rijksregisternummer. Een nadeel van deze werkwijze is dat het bevolkingsregister enkel gegevens bevat van mensen die woonachtig zijn in Antwerpen (en fusiegemeenten). Anderzijds vormt dit niet echt een hindernis aangezien het binnen het onderzoeksbestek toch niet mogelijk was andere OCMW’s te contacteren dan die van Antwerpen. Uiteindelijk werden er (manueel) 2438 namen in het systeem ingegeven. Voor 1927 personen, of 79% van het totaal aantal, werden er gegevens (en dus ook de rijksregisternummers)

teruggevonden.

Door

dit

opzoekingswerk

konden

de

rijksregisternummers van de daders pas in het najaar van 1999 aan het OCMW van Antwerpen bezorgd worden.

Het tweede probleem was dat door de opbouw van het OCMW-databestand enkel gegevens uit 1998 elektronisch beschikbaar waren. Per maand wordt een momentopname gemaakt van de data, waardoor gegevens over een langere periode en evoluties niet of nauwelijks kunnen worden verkregen. Wel wordt nagegaan of een dader een OCMW-uitkering ontvangt en of er binnen zijn cliëntengroep ook uitkeringsgerechtigden zijn. De relatie tussen beiden moet via het bevolkingsregister worden nagegaan. Voor de minderjarigen kan enkel naar de cliëntengroep worden gekeken, daar deze persoon zelf geen uitkering krijgt. Het gezinstype van de dader kan ook worden uitgewisseld. Verder worden gegevens opgevraagd over het soort uitkering(en) die de dader geniet en welke inkomsten hij verwerft. Per maand wordt vastgesteld of de dader zijn uitkering al dan niet heeft gekregen. Exacte geldbedragen kunnen hierbij niet worden uitgewisseld. Tot slot kunnen een aantal variabelen zoals financiële begeleiding, alimentatie, schulden, opleidingsniveau en huisvesting niet elektronisch worden gekoppeld. Dergelijke gegevens kunnen enkele bekomen worden door de dossiers zelf op het OCMW in te kijken. De onderzoekers hebben van deze mogelijkheid afgezien omdat deze gegevens

weliswaar interessante

maar niet-essentiële

gegevens

vormen

voor

de

daderprofielanalyse.

Hoewel er verregaande afspraken waren met de directie, bleek in laatste instantie de dienst informatica van het OCMW op korte termijn geen tijd te hebben om onze vraag te behandelen. In het najaar van 1999 was de dienst druk bezig het ‘milleniumbom’-probleem


14

binnen OCMW Antwerpen op te lossen. Om die reden zouden de gevraagde gegevens in het beste geval in het voorjaar van het jaar 2000 beschikbaar geweest zijn. Dit maakte dat de OCMW-gegevens niet in het onderzoek betrokken werden. 2.2.5 Polis De analyse van de criminele carrière van de daders in het onderzoek stelde het probleem van representativiteit. De DAGO-databank kon immers alleen gepleegde feiten verschaffen die op het grondgebied van Antwerpen begaan werden. Op die manier zouden zware criminelen uit andere regio’s die slechts sporadisch in Antwerpen feiten pleegden, niet na te trekken zijn. Om die reden werd besloten een aanvraag te doen bij de Data-service van de Rijkswacht. Deze dienst beschikt over data die niet alleen verschillende jaren terugloopt maar ook het hele land beslaat.

In essentie betrof het hier een uitgebreide versie van de Polis-databank. Om gegevens uit deze databank te bekomen 9 over de daders in het onderzoek, was het noodzakelijk dat de onderzoeksgegevens van de daders met behulp van de Dader-Polisnummers gekoppeld konden worden. Dit was mogelijk doordat de Antwerpse Polis-databank in een eerdere fase van het onderzoek reeds aan de DAGO-gegevensbank gekoppeld werd (zie hoger). Op die wijze kon de criminele carrière van drie vierde van de daders nagegaan worden. 2.3 Steekproeftrekking De steekproeftrekking die voor dit onderzoek gebruikt werd, is geen steekproeftrekking in de klassieke betekenis van het woord. Het is veel meer het afbakenen van een deelpopulatie dan het werkelijk at random selecteren van feiten of daders. Het DAGO-bestand van de politie gold hierbij als basisinstrument. Vanuit de onderzoeksvragen naar daders van auto-inbraken enerzijds en jongerengroepgeweld anderzijds werden in eerste instantie twee deelpopulaties geselecteerd. Van deze eerste selectie feiten, werd dan nagegaan in welke mate zij met de beschikbare middelen geanalyseerd kon worden. We bespreken in deze paragraaf de criteria die gehanteerd werden voor beide delicten.

9

De onderzoekers wensen M. Pattyn en kol. Vandendriessche bedanken voor het leggen van de contacten met Data-services en het opvragen van de gegevens.

15


2.3.1 Auto-inbraken Het onderzoek naar auto-inbraken loopt over twee jaar: 1997 en 1998. Uit het geheel van auto-inbraakmisdrijven over deze periode werden enkel die feiten weerhouden waarbij minstens één dader gevat is. Omwille van de lage oplossingsgraad (4.7 % 10), wordt de totale groep auto-inbraken op deze manier gereduceerd van 16153 feiten tot 763 over de twee jaar. Het is dan ook noodzakelijk dat de resultaten van dit onderzoek in dit licht bekeken worden. Statistisch is het onmogelijk om generalisaties te maken naar de daders van auto-inbraken in het algemeen. Ook inhoudelijk zou men kunnen stellen dat diegenen die in het bestand zijn, die daders zijn die zich hebben laten vatten, wat een heel andere groep zou kunnen zijn dan wie zich nooit liet betrappen op een diefstal uit een wagen. Een argument pro onze gegevens is dan weer dat het bekend is dat daders van auto-inbraken zeer veel feiten plegen. Wanneer deze daders gevat worden voor één diefstal en niet overgaan tot bekentenissen over andere feiten, blijven deze laatsten onopgelost. De dader komt echter wel in het gegevensbestand terecht en wordt mee bekeken in het licht van een daderprofiel van auto-inbraken. Het is onmogelijk om een correct gewicht te hechten aan het aantal feiten vat iemand gepleegd heeft, doch het profiel dat de analyse aandraagt zou minder onbetrouwbaar kunnen zijn dan puur statistisch kan worden aangetoond.

Tabel 3 Omvang van de basispopulatie auto-inbraken.

Feiten Daders Feitdaders

763 709 1144

Tabel 3 geeft een overzicht van de gegevens uit DAGO voor auto-inbraken. In totaal werden in 1997 en 1998 763 auto-inbraken gepleegd waarbij minstens één dader gevat werd. In totaal gebeurden deze feiten door 709 verschillende daders. Het aantal feitdaders zegt als cijfer op zich niet zoveel maar wordt meegegeven voor de volledigheid. 2.3.2 Jongerengroepsgeweld De steekproef van jongerengroepsgeweld is aanzienlijk groter dan die van de auto-inbraken. Niet

alleen

worden

er

vier

jaar

geanalyseerd

(1995-1998),

ook

wordt

onder

jongerengroepsgeweld vijf verschillende misdrijven gerekend die door jongeren in groep 10

In 1997 was de oplossingsgraad 5.8 % (460 opgeloste feiten op een totaal van 7859), in 1998 daalde deze tot 3.7 % (303 opgeloste feiten op een totaal van 8249).


16

begaan worden. Dat levert echter veel meer gegevens op dan auto-inbraken, ook en vooral omdat het geweldsmisdrijf een frequenter voorkomend feit is.

De keuze voor verschillende jaren maakt het mogelijk een zekere evolutie te bestuderen inzake aanvangsleeftijd, aard misdrijven, geweldsniveau, edm. Meerdere misdrijftypes maakt het dan weer mogelijk om vergelijkingen te maken inzake zwaarte van het misdrijf, evoluties, criminele carrière, ed. Omdat jongerengroepsgeweld zeer veel feiten dreigden op te leveren, werd een stringente reductie gemaakt van het soort geweldplegingen dat mocht voorkomen. In de eerste plaats werd een leeftijdsreductie doorgevoerd. Omdat het onderwerp van het onderzoek jongerengroepsgeweld is, wordt een feit slechts opgenomen indien het minstens één dader bevat die jonger is dan 26 jaar. Het begrip ‘jongere’ wordt met deze selectie dus omschreven als die personen die op het moment van het misdrijf de leeftijd van 26 jaar nog niet bereikt hadden. Een tweede bijkomende selectie werd doorgevoerd voor het misdrijftype Slagen en Verwondingen. Een groep wordt daarbij gedefinieerd als een verzameling van minstens drie daders. Hiermee sluiten we alle caféruzies en echtelijke twisten uit. Ook alle gevechten tussen jongeren onderling worden met dit selectiecriterium niet weerhouden. Een laatste reductie en mogelijk de meest ingrijpende is de selectie op de geweldstypen. Er werden vijf verschillende typen geweldpleging in de deelpopulatie opgenomen: (1) Slagen en verwondingen, (2) Diefstal met geweld, (3) Handtasroof, (4) Diefstal gewapenderhand en (5) Hold-Up. Omdat de categorie Slagen en Verwondingen nog steeds te uitgebreid was, werd voor deze categorie een bijkomende selectie toegevoegd die de plaats van de slagen en verwondingen terugbracht naar feiten die op de openbare weg gebeurden.

Tabel 4 Omvang van de basispopulatie jongerengroepsgeweld.

Feiten Daders Feitdaders

1250 1880 2751

Ondanks de verschillende beperkingen op de selectie bevat de tweede basispopulatie 1250 feiten (Tabel 4). De populatie van jongerengroepsgeweld is bijgevolg ongeveer 65 % groter dan deze voor auto-inbraken. Ook het aantal daders is aanzienlijk groter dan bij autoinbraken. Dat is niet verwonderlijk vermits we in de selectie zelf reeds het groepsaspect inbouwden (minimaal drie daders).


17

2.4 Inhoudsanalytisch onderzoeksinstrument De gegevens van DAGO geven een goed zicht op de gebeurde feiten maar zijn niet gedetailleerd genoeg om een algemene daderanalyse te doen. Naast de aanvulling van DAGO met externe elektronische gegevens (zie hoger) werd in het onderzoek ook een inhoudsanalytische codering van PV’s gedaan. In het PV staan de gebeurde feiten immers uitgebreider beschreven. Inhoudsanalyse maakt het mogelijk om op een systematische en betrouwbare wijze additionele gegevens over feiten en daders te verzamelen.

Er werd besloten veel aandacht te besteden aan de verschillende betrokken partijen en hun onderlinge relaties (dader, slachtoffer, omstander) en in navolging van J. Jacksons ‘Situational Crime Prevention’ werden ook de omstandigheden van het misdrijf onder de loep genomen (buit, fysieke en mentale situatie van de dader, aanleiding tot misdrijf...).

De gegevensaanvulling en het codeboek leidden tot de creatie van een elektronisch invoerinstrument waarmee de extra gegevens van het onderzoek op een overzichtelijke manier geregistreerd konden worden. Er werd geopteerd om een formulier te creëren, waarin zowel gegevens over auto-inbraken als jongerengroepengeweld kunnen worden ingebracht. Uiteraard werden tijdens de invoer reeds inhoudelijke accenten aangebracht naar beide deelonderzoeken. Pas in de analysefase werd een volledig onderscheid gemaakt naar de verschillende misdrijftypes. 2.4.1 Gemeenschappelijk onderdeel Het grootste deel van het codeerinstrument is gemeenschappelijk voor auto-inbraken en jongerengroepsgeweld. Dit is begrijpelijk vermits het soort gegevens dat in een PV terug te vinden is, verschilt niet zo sterk van misdrijftype tot misdrijftype. Ook werd er in de mate van het mogelijke getracht om voor beide deelonderzoeken zo vee mogelijk dezelfde variabelen met dezelfde categorieën te definiëren. Die gevallen waar de aard van het misdrijf het noodzakelijk maakte om specifieke variabelen te voorzien, worden in de twee volgende paragrafen besproken.

De verschillende elementen die met de inhoudsanalyse geregistreerd werden, kunnen in een vijftal grote groepen verdeeld worden: gegevens met betrekking tot het feit en/of de buit, gegevens over de omstanders, over het slachtoffer en over de dader en tot slot gegevens over


18

de arrestatie van de dader. Gegevens over het feit komen reeds uitgebreid in DAGO voor. Toch werd vooral getracht om een gedetailleerder zicht te krijgen op de buit die bij het misdrijf ontvreemd werd. Voor beide onderzoeken is de buit immers een cruciaal gegeven. Daarbij werd vertrokken van enkele hoofdcategorieën die steeds verder gespecifieerd werden. Zo werd bij kledij bijvoorbeeld verder gepeild naar de aard van de kledij en werden categorieën ‘lederen jas’, ‘gewone jas’ of ‘sportschoenen’ onderscheiden. Voor audio werden subcategorieën aangemaakt als ‘cassettespeler’, ‘cd-speler’, ‘boxen’, ‘radio’, ‘walkman’ of ‘diskman’. Met het oog op het stelen van GSM’s werd nagegaan of het IMEI-numemr van de gestolen GSM vermeld werd in het PV. Dit is belangrijk of de GSM te identificeren wanneer deze teruggevonden wordt. Het ontbreken van dit nummer kan wijzen op een niet-registratie door de politie maar ook op een niet-kennen van het nummer door het slachtoffer. Het is niet mogelijk om te achterhalen waar de exacte reden van het ontbreken van het IMEI-nummer gezocht moet worden.

Een tweede groep variabelen betreft de aanwezigheid van omstanders. Het al dan niet aanwezig zijn van omstanders kan voor bepaalde feiten leiden tot de opheldering. In het geval van auto-inbraken of vechtpartijen is dit zeker niet ondenkbaar. Er wordt gepeild of er omstanders aanwezig waren en wat zij op de plaats van het misdrijf deden (bv. uitgaan of naar de winkel gaan). Belangrijk in deze groep is de invloed die omstanders uitoefenen. Deze kan actief of passief zijn. Actieve invloed wordt omschreven als het betrokken raken bij het misdrijf door in te grijpen of de dader achterna te gaan net na het misdrijf. Een passieve betrokkenheid heeft te maken met het aangiftegedrag van de omstander. Gaat hij na het misdrijf naar het politiekantoor om aangifte te doen of niet.

Hetzelfde gedrag wordt ook voor het slachtoffer geregistreerd: grijpt het slachtoffer actief in of gaat hij nadien aangifte doen. Uiteraard is er een belangrijk verschil met het gedrag van een omstander. Een omstander is per definitie aanwezig op de plek van het misdrijf. Hij ziet vechten of inbreken. Voor het slachtoffer is dat niet het geval. Het is mogelijk dat deze in een gevecht betrokken raakt of dat hij toevallig ziet inbreken (in zijn auto bv.). Meer waarschijnlijk zal het slachtoffer slechts na afloop merken dat er iets gestolen werd en dan pas aangifte doen van het misdrijf. Het valt dan ook te verwachten dat het aandeel actieve deelname bij het slachtoffer veel kleiner uitvalt dan bij de omstanders. Voor het slachtoffer wordt ook gepeild naar de burgerlijke stand. Het is echter weinig waarschijnlijk dat dit gegeven frequent terug te vinden is in de PV’s. Verder wordt ook nagegaan of het slachtoffer


19

banden heeft met ofwel de dader ofwel de omstanders. Dit geeft een inzicht in de omstandigheden van het misdrijf. Als het slachtoffer de dader kent, is dat een belangrijke reden waarom het misdrijf opgelost raakte. Het kan bijvoorbeeld ook wijzen op persoonlijke vetes die uitgevochten worden of diefstallen tussen ex-partners. Wanneer het slachtoffer een van de omstanders kent, wijst dit er op dat het slachtoffer niet alleen was op de plaats van het misdrijf. Ook dit is belangrijk voor bijvoorbeeld handtasdiefstallen. Wordt dit misdrijf voornamelijk gepleegd op alleenlopende individuen, of pakt men ook koppels of kleine groepen aan ?

De gegevens die verzameld worden over de dader moeten helpen bij het verrijken van de dadergegevens teneinde een daderprofiel te kunnen opstellen. In eerste instantie worden enkele socio-demografische gegevens geregistreerd. Het gaat daarbij om de burgerlijke staat van de dader, het professioneel actief zijn of niet en zijn taalgebruik (Nederlandssprekend of niet. Ook de sociale situatie van de dader op het moment van het misdrijf wordt nagegaan: komt de dader net uit de gevangenis, gebruikt of bezit hij drugs, zit hij in een instelling ? Verder komen beschrijvende gegevens van de dader aan bod. Zo wordt gekeken of de dader per fiets opereerde of per motor of auto. Daarnaast wordt gezocht naar een eventuele persoonbeschrijving van de dader. Uiterlijke kenmerken worden hierbij ruim gedefinieerd. Het gaat zowel om bepaalde kledij die de dader droeg (bv. jeanskledij, een kostuum) als om subculturele kenmerken (bv. gabbers, punks). Hierbij aansluitend wordt ook de vermomming van de dader bekeken, indien deze gebruikt werd. De toestand van de dader op het moment van het misdrijf peilt ten slotte naar de wijze waarop de dader reageerde. Dit zal voornamelijk een rol spelen bij het analyseren van slagen en verwondingen. Het feit of een dader al dan niet dronken is wanneer een gevecht uitbreekt is hierbij van doorslaggevend belang. Ook het onder invloed zijn van medicatie of drugs kan een belangrijke rol spelen bij het plegen maar ook bij het oplossen van het misdrijf. Tot slot wordt ook getracht om een inschatting te maken van de rol van de dader bij het misdrijf. Dit is niet eenvoudig omdat het onderscheid tussen hoofdfiguur en medeplichtige niet steeds nauw getrokken kan worden. Het verschil tussen beide wordt gemaakt wanneer een van de dader de anderen aanwijzingen gaf of als bendeleider aanzien werd.

Een laatste groep variabelen die voor beide misdrijven geregistreerd werd, betreft de aanhouding van de dader. In eerste instantie wordt nagegaan wie de dader in eerste instantie gevat of aangehouden heeft. De term ‘aangehouden’ wordt in deze gereserveerd voor een


20

arrestatie door een beëdigd persoon. Daarom wordt een onderscheid gemaakt door een dader die in eerste instantie gevat (tegengehouden) wordt door een omstander of door het slachtoffer en diezelfde dader die dan later in tweede instantie aangehouden wordt door een beëdigd persoon. Wanneer de tussenkomst van omstander of slachtoffer niet aanwezig was, wordt er gesteld dat de dader in eerste instantie aangehouden werd. Belangrijk voor het ophelderen van bepaalde misdrijven is de plaats waar de dader gevat of aangehouden werd. Dat kan op de plaats van het misdrijf zelf zijn, maar het kan ook zijn dat de dader in de omgeving van het misdrijf of volledig ergens anders gevat wordt. Op de plaats van het misdrijf wordt daarbij geografisch gedefinieerd als een dader die in dezelfde straat of binnen een straal van 100 meter aangehouden wordt. De omgeving van het misdrijf wordt dan omschreven als een gebied dat enkele straten groot is rondom de plaats van het misdrijf. Wanneer de dader verder weg raakte, wordt dit als ‘elders’ geregistreerd. Een tweede belangrijk gegeven over de arrestatie, is de vraag wat leidde tot de aanhouding van de dader. De meeste directe aanleiding hier is het betrappen van de dader ‘op heterdaad’. Dit wordt in het onderzoek niet op de juridische wijze gebruikt maar wel in de betekenis dat de dader het misdrijf aan het plegen was wanneer hij aangehouden werd of wanneer hij de pleegplaats net verlaten had. ‘Na aanwijzing’ wijst op het feit dat de politie of de rijkswacht de dader kon vatten na een tip van iemand op de pleegplaats over de richting waarin de dader gevlucht is. De laatste drie categorieën van deze variabele wijzen allemaal op het vatten van de dader na een of andere vorm van aangifte. Dat kan een oproep naar een hulpcentrale zijn, een aangifte door het slachtoffer of een aangifte door een derde. Tot slot wordt de reactie van de dader nagegaan. Een actieve reactie wijst op het feit dat de dader zich verweerde bij zijn arrestatie (of vatting). Een passieve reactie wijst op het zich vrijwillig laten inrekenen. 2.4.2 Auto-inbraken Het specifieke deel van de inhoudsanalyse dat alleen geldt voor auto-inbraken, is voornamelijk terug te brengen tot een groep variabelen met betrekking tot het feit ‘autoinbraak’ zelf. In de eerste plaats is de locatie van een auto-inbraak verschillende van die van groepsgeweld. De specificiteit van de locatie van jongerengroepsgeweld komt verder nog aan bod, maar deze is in belangrijke mate verschillend van die van auto-inbraken. Zo wordt bij auto-inbraken een onderscheid gemaakt tussen een auto die staat op de openbare weg, op een openbare parkeerplaats, op een oprit of in een garage. Indien de auto op de openbare weg of op een openbare parkeerplaats staat, wordt gedetailleerder nagegaan of er een specifieke locatie is waar de auto zich bevond. Dit kan een disco zijn, maar evengoed een


21

winkelcentrum. In totaal worden zeventien verschillende locaties onderscheiden. Voor een openbare parkeerplaats wordt nog bijkomende gekeken of deze parking betalend was of niet en of het een overdekte parking betreft.

Naast de plaats van het voertuig worden ook allerlei gegevens van het voertuig zelf geregistreerd. Het betreft hier het merk van de wagen, het type, de nummerplaat, het bouwjaar, het feit of de auto op slot was of niet, of er een alarm was en ook of dit geactiveerd was.

Tot slot worden modus, objectief, aanleiding en middel specifiek aangepast aan de autoinbraak. Het objectief betreft dan bijvoorbeeld het dak, het portier, zij- of voorruit, edm. De modus bevat categorieën als uitslaan, openbreken, uitboren, opheffen. Bij het middel werden zestien categorieën voorzien waaronder de autobougie, de boormachine, een staak of een stok, een tang, enzovoort. Deze variabelen moeten een gedetailleerder beeld geven van de wijze waarop er in auto’s ingebroken wordt. 2.4.3 Jongerengroepsgeweld Ook bij jongerengroepsgeweld bestaat het specifieke gedeelte uit variabelen die meer inzicht trachten te krijgen in het feit. Zoals gezegd wordt daarbij in eerste instantie een gedetailleerder beeld gezocht van de plaats van het misdrijf. Hier worden uiteraard geen gedetailleerde gegevens verzameld van betaalparkings of opritten. De hoofdindeling bij jongerengroepsgeweld bestaat uit de openbare weg, een private ruimte en een publieke ruimte. Bij de openbare weg wordt nog een onderscheid gemaakt tussen het trottoir, een sport gelegenheid, een park, en aanverwante locaties. De private ruimte maakt in hoofdzaak het onderscheid tussen een privé-woning enerzijds en een flatgebouw (al dan niet binnen of buiten) of een garage. Voor de publieke ruimte werden twintig verschillende categorieën voorzien die in belangrijke mate overeen komen met de categorieën die ook voor autoinbraken gebruikt worden: disco’s, winkelcentra maar ook scholen, cafés of bedrijven.

Belangrijk voor het jongerengroepsgeweld is ook het geweldniveau dat gebruikt werd en de eventuele verwondingen die het slachtoffer opliep. Het geweldniveau kan gaan van verbaal geweld over bedreiging naar fysiek geweld of zelfs het gebruik van wapens. Ook steaming (het bedreigen in groep zonder fysiek geweld te gebruiken) en stalking (het systematisch lastigvallen van personen) werden hierbij opgenomen. De verwondingen van het slachtoffer

22


konden gaan van een shock, kneuzingen over breuken en hersenschudding naar een steek- of een schotwonde.

Tot

slot

zijn

ook

modus,

middel,

aanleiding

en

objectief

aangepast

voor

jongerengroepsgeweld. Zo wordt de aanleiding heel uitgebreid bekeken waarbij zowel familievetes als verveling als dronkenschap als aanleiding voor het geweld aanzien kan worden. Het objectief is in sterke mate toegespitst op slagen en verwondingen: het hoofd, de buik, de rug, het geslacht of de ledematen. Modus en middel zijn dan weer ruimer. De modus omvat niet alleen modi die verwijzen naar gevechten (slaan, bedreigen, stampen) maar ook meer overval of inbraakgerelateerde modi (overvallen, afrukken, op de grond werpen). Het middel verwijst in de meeste gevallen naar een of andere vorm van wapen. Dat gaat van een mes of een stok over een boksbeugel, een schroevendraaier of een hamer naar een mes of een vuurwapen (revolver of pistool). 2.5 Cartografische gegevensverwerking Naast de gegevensselectie uit DAGO en de inhoudsanalytische codering van deze gegevens, werd ook gezocht naar mogelijkheden om de resultaten van het onderzoek cartografisch weer te geven. Deze paragraaf geeft een overzicht van de manier waarop de DAGO-gegevens omgezet werden naar cartografische gegevens. Het biedt eveneens een inzicht in de verschillende types van kaarten die bij de resultaten verder gepresenteerd worden. 2.5.1 Algemene informatie 2.5.1.1 Overgaan van straatniveau naar sectorniveau De geografische informatie die in het databestand aanwezig is over daders en feiten, is de straatnaam, de straatcode en het huisnummer. Vooral bij de feiten ontbreekt dit laatste vaak. Om deze gegevens in kaart te kunnen brengen, dient er een koppeling te gebeuren met de kaartbestanden. In eerste instantie werd er gekoppeld aan een kaartbestand met polylijnen (straten) op basis van het veld straatcode. Een nadeel hierbij is dat bepaalde straten omwille van hun lengte het kaartbeeld domineren. We kunnen hierbij denken aan straten zoals de Bisschoppenhoflaan in Deurne, de Grote Steenweg in Berchem of de Sint-Bernardsesteenweg in Antwerpen en Hoboken.


23

Om te grote visuele misleidingen te vermijden, werd dan ook gekozen om over te stappen naar een hoger niveau, namelijk dat van de statistische sector. Dit heeft het voordeel dat de eerder genoemde misleidingen zich in mindere mate voordoen. Een nadeel is echter dat er geen automatische koppeling mogelijk is tussen het databestand en het kaartbestand. Er zijn met andere woorden geen gemeenschappelijke velden. Om dit probleem op te lossen moest er gewerkt worden met een derde bestand op het niveau huisnummer. In dit bestand bevinden zich zowel de velden straatcode (en huisnummer) als het veld sector. In opeenvolgende stappen werd aan het databestand de sectorcode toegevoegd. Aangezien heel wat straten in meerdere sectoren vallen, moest hierbij voorzichtig te werk gegaan worden.

Stap 1. Koppelen op straatcode en huisnummer Waar mogelijk wordt op basis van deze twee velden gekoppeld. Dit levert goede resultaten op voor de bestanden daders Jongerengroepsgeweld en Auto-inbraken. Bij de feitenbestanden van deze twee types gaat de koppeling minder vlot. Hier ontbreekt immers vaak het huisnummer. Ook worden een aantal huisnummers niet teruggevonden in het huisnummerbestand.

Stap 2. Koppelen op straatcode Om de feiten te kunnen koppelen waarbij geen huisnummer vermeld wordt, wordt in deze stap nagegaan welke straten volledig binnen één sector vallen. Op deze wijze kunnen nog een aantal records gekoppeld worden.

Stap 3. Huisnummers controleren Binnen het bestand op huisnummerniveau wordt soms ook gewerkt met reeksen. Zo worden de huisnummers 2 tot 10 soms in één record opgenomen wanneer de andere gegevens gemeenschappelijk zijn. Deze reeksen worden in stap 3 terug ontdubbeld. Die records waar wel een huisnummer aanwezig is, maar die toch in stap 1 niet gekoppeld konden worden, worden dan aan dit aangepaste bestand gekoppeld.

Stap 4a. Met kansbepaling Na deze drie stappen blijven er nog altijd een aantal records over waarbij de informatie zich beperkt tot de straatcode en de straat niet binnen één sector valt. Om de fouten bij koppeling te minimaliseren wordt het aantal huisnummers geteld dat binnen een sector valt. De records


24

worden dan aan die sector gekoppeld met het hoogste aantal huisnummers. Op deze wijze wordt de mogelijke fout zo klein mogelijk gehouden.

Stap 4b. Handmatig Naast de records in stap 4a zijn er eveneens nog een aantal waarbij wel een huisnummer aanwezig is maar die toch in de voorgaande stappen niet gekoppeld kunnen worden. De enige resterende mogelijkheid is dan om deze handmatig op te zoeken in het huisnummerbestand en na te gaan welk de dichtstbijzijnde huisnummer in dit bestand is. Hierbij wordt gekozen om een onderscheid te maken tussen even en oneven huisnummers aangezien het vaak voorkomt dat de kant van een straat met even nummers in een andere sector valt dan de kant met oneven nummers. Deze operatie diende toch in ongeveer 10% van de gevallen te gebeuren.

Het resultaat van deze stappen is dat ongeveer elk van de records gekoppeld kon worden. De enige uitzonderingen betreffen die situaties waar geen woonplaats van daders vermeld wordt of waar als locatie voor een gepleegd feit een omschrijving van het type ‘op tram’ of dergelijke opgegeven wordt. 2.5.1.2 Hoe de missings interpreteren? 2.5.1.2.1 Daders Bij de kaarten wordt aangegeven op basis van hoeveel gevallen (N) de kaart aangemaakt wordt. Daarnaast wordt eveneens het aantal missings aangeduid. Deze bevatten volgende gevallen: -

daders die buiten de stad Antwerpen wonen

-

daders waarvan geen adres bekend is

Daders waarvan wel informatie is betreffende het verblijf in de stad maar die niet aan een sector toegewezen kunnen worden, b.v. straatnaam = ‘op tram’, worden wel bij de N gerekend. Op deze wijze worden deze gevallen gebruikt om de klassengrenzen te bepalen. 2.5.1.2.2 Feiten De missings die aangegeven worden bij de feitenkaarten slaan op die feiten waarbij geen enkele locatie vermeld wordt.


25

2.5.1.3 Symbolen en districtsgrenzen 2.5.1.3.1 Symbolen Op de kaarten worden eveneens een aantal symbolen geplaatst. Deze hebben als eerste bedoeling aan te duiden dat de sector waarin ze geplaatst zijn in eerste instantie geen woonfunctie heeft. Hiermee is echter niet gezegd dat er geen bewoning kan zijn. Deze is echter relatief schaars. Bij de interpretatie van de kaarten dient hiermee rekening gehouden te worden. Een tweede bedoeling is dat de lezer deze symbolen kan hanteren als oriëntatiepunten. 2.5.1.3.2 Districtsgrenzen De aanduiding van de districtsgrenzen op de kaarten heeft als enige functie de lezer toe te laten zich te oriënteren op het Antwerpse grondgebied. 2.5.1.4 Niet weergegeven gebieden Zoals ook in de noot vermeld staat bij de kaarten, worden volgende gebieden niet weergegeven: Berendrecht, Zandvliet en het havengebied. Deze keuze wordt ingegeven vanuit de vaststelling dat het aantal gevallen in deze gebieden zeer laag ligt. Ook omwille van de duidelijkheid wordt ervoor gekozen slechts het district Antwerpen met de omliggende districten weer te geven.

2.5.2 Beschrijving van de verschillende kaarttypes 2.5.2.1

Stippenkaarten

De interpretatie van dit type kaart is vrij intuïtief. Elke stip op de kaart komt overeen met de woonplaats van één dader of de plaats waar een feit gepleegd werd. Hierbij moet wel aangestipt worden dat de plaatsing binnen een sector geen verband houdt met de exacte locatie op straatniveau. De spreiding binnen een sector is toevallig. Voor de daderkaarten is het observatieniveau ‘unieke dader ‘, voor de feitenkaarten is het niveau ‘uniek feit’. Kaarten van dit type: 1, 4, 9 en 12.


26

2.5.2.2 Isopleet De isopleten-kaarten vergen wat meer uitleg. Vertrekpunt van dit soort kaarten zijn de gekende datapunten en hun spreiding overheen het grondgebied. Op basis van deze originele informatie worden extra datapunten ge-interpoleerd en aan deze nieuwe datapunten worden waarden toegekend op basis van een wiskundig algoritme. Voor deze kaarten wordt gebruik gemaakt van het algoritme Inverse Distance Weighting (IDW). Hierbij geldt dat de waarde van de nieuwe datapunten afgeleid wordt van de omliggende punten binnen een straal van twee kilometer waarbij de afstand gebruikt wordt om de relatieve bijdrage van elk punt te bepalen. Met andere woorden: de waarde van een punt dat verder gelegen is, levert een kleinere bijdrage aan de waarde van het nieuwe datapunt dan de waarde van een punt dat op een kleinere afstand ligt.

Interpretatie De interpretatie van isopleten-kaarten kan tot verwarring leiden. De eenvoudige stelregel is dat nieuwe datapunten van gelijke waarde een gelijke kleur toegewezen krijgen. Overheen al deze waarden worden dan klassengrenzen gelegd waarbij getracht wordt gebieden van gelijke waarde te bekomen.

Effecten van interpolatie Belangrijk is voor ogen te houden dat interpolatie een aantal effecten met zich meebrengt. Een eerste effect heeft te maken met het gebrek aan gegevens van randgemeenten. Dit heeft tot gevolg dat de waarden aan de grenzen een grotere foutkans hebben dan de waarden die zich meer in het midden van het grondgebied bevinden. Een tweede effect van interpolatie is de neiging om extremen af te vlakken. Aangezien de waarden van de nieuwe datapunten gemiddelden zijn van omliggende punten worden zowel de lage als de hoge waarden enigszins afgevlakt. Belangrijk is wel om te vermelden dat sectoren waar geen daders wonen of feiten gepleegd werden geen bijdrage leveren aan de berekening van de datapunten. Kaarten van dit type: 2, 10 en 13. 2.5.2.3 Choropleet Terwijl bij de vorige twee typen gebruik gemaakt wordt van absolute waarden, moeten we bij de choropleet gebruik maken van relatieve cijfers (in verhouding). Hierachter zit een eenvoudige logica: de kans dat er meer daders in een sector wonen is groter naargelang er


27

meer personen in een sector wonen. Indien we absolute cijfers in een choropleet zouden weergeven, dan geven we niet de spreiding van daders of feiten weer maar onrechtstreeks de belangrijkheid van een sector in termen van bevolkingsgrootte.

In verhouding tot bevolking We hebben ervoor gekozen om als noemer de bevolking binnen een sector te nemen. Dit maakt vergelijking met externe cijfers mogelijk en is ook eenvoudig interpreteerbaar. We hebben gebruik gemaakt van de bevolkingsgegevens van de Volkstelling 1991 van het NIS aangezien deze beschikbaar en betrouwbaar zijn. Als controle hebben we alleen die sectoren opgenomen met een bevolkingsaantal van 10 personen of meer. De waarden worden in promille (N / aantal inwoners * 1000) gegeven.

Natural break De klassengrenzen worden bepaald aan de hand van de ‘natural break’ methode. Bij deze methode worden de grenzen bepaald aan de hand van zogenaamde ‘natural breaks’ zoals het algemeen gemiddelde en de gemiddelden van subgroepen van waarden. Bij deze methode worden lage en hoge waarden extra geaccentueerd. Kaarten van dit type: 3, 5, 11 en 14. 2.5.2.4 Proportiekaarten In dit kaarttype kijken we naar de relatieve proportie van Belgische, Marokkaanse en Turkse daders ten opzichte van het aandeel van deze bevolkingsgroepen in de bevolking. Hiertoe hebben we hun aandeel ten opzichte van het totaal aantal daders vergeleken met het aandeel van deze bevolkingsgroepen in de bevolking. We onderscheiden hierbij vier groepen: sectoren waar geen daders van Marokkaanse of Turkse nationaliteit wonen, sectoren waar het aandeel daders lager ligt dan het aandeel in de bevolking, sectoren met een gelijke proportie en ten slotte sectoren waar de proportie daders hoger ligt dan in de totale bevolking. Kaarten van dit type: 6a, 6b, 6c, 15a, 15b en 15c. 2.5.2.5

Spinkaarten

Met behulp van spinkaarten worden de verplaatsingpatronen van de daders in kaart gebracht. De observatie-eenheid die we hierbij hanteren is dan ook het feit-daderniveau. We hebben twee types weerhouden. Enerzijds kunnen we de verplaatsing bekijken vanuit het oogpunt van


28

de woonplaats van daders en waar ze feiten plegen (Kaart 7 en 16). Dit geeft ons een beeld van de richting en afstand die daders uit een bepaalde buurt afleggen om een feit te plegen. Anderzijds kunnen we het verplaatsingspatroon ook bekijken vanuit de plaats waar een feit gepleegd wordt (Kaart 8 en 17). Uit deze kaarten halen we de informatie vanuit welke richting daders die in een bepaalde buurt feiten plegen, afkomstig zijn.

Aangezien we voor elke combinatie feit-dader de afstand berekend hebben (waar de gegevens het toelaten) kunnen we eveneens gemiddelde afstanden tussen woonplaats en plaats van feiten berekenen. Hierbij is het wel belangrijk volgende twee zaken voor ogen te houden: de afstand is benaderend want vertrekkende vanuit het middelpunt van een sector en het is een afstand in vogelvlucht zonder rekening te houden met de reële route die afgelegd dient te worden. Kaarten van dit type: 7,8, 16 en 17.


29

3 De gegevensverzameling: resultaten en lessen De gegevensverzameling in dit onderzoek is zonder meer uniek te noemen. Niet alleen werd er zelden een dergelijk gedetailleerde inhoudsanalyse gedaan van PV’s, ook en vooral was het zelden mogelijk om zoveel additionele gegevensbronnen aan te boren als in dit onderzoek. Toch betekent dit niet automatisch dat de gegevensverzameling zonder problemen verliep. Juist het verzamelen van zoveel verschillende gegevens, plaatste de onderzoekers meer dan eens voor moeilijk oplosbare problemen. Zoals we elders reeds aangaven zijn niet alle problemen in de loop van het onderzoek opgelost geraakt zodat niet alle gegevensbronnen (bv. de OCMW_gegevens van Antwerpen) voor het onderzoek beschikbaar waren.

Over de verschillende additionele gegevensbronnen hebben we elders in dit rapport reeds een uitvoerig verslag gedaan. In deze paragraaf gaan we dieper in op de kwaliteit van de gegevens van het onderzoek. Dit is een veel gevoeliger punt in dit soort onderzoek. De kwaliteit van de gegevens valt immers rechtstreeks terug op de kwaliteit van de geselecteerde PV’s. De bedoeling van deze paragraaf is dan ook geenszins om kritiek te leveren op het werk van diegenen die PV’s opstellen. Het doel van deze paragraaf is veel meer het vanuit wetenschappelijk oogpunt bekijken van de informatie van de PV’s en van daaruit suggesties doen voor het verbeteren van de kwaliteit van de informatie die in PV’s terug te vinden is. 3.1 De testfase In 2.3 zijn we dieper ingegaan op de steekproef die aan dit onderzoek ten grondslag ligt. Op basis van een gedetailleerde selectie werden in totaal 2015 feiten geselecteerd. Van deze feiten werden de originele PV’s opgevraagd. Omdat de Polaris databank geen elektronische PV’s ter beschikking kon stellen (zie hoger), dienden bijna alle PV’s handmatig gekopieerd te worden. Tabel 5 geeft een overzicht van de verschillende locaties waar de PV’s vandaan kwamen. Het geeft ook een eerste indruk van de plaatsen waar de meeste misdrijven geregistreerd werden. Zone West en zone City springen in deze heel sterk naar voor.

30


Tabel 5 Overzicht van de spreiding van geselecteerde PV’s naar politiezone en andere oorsprong 1995

1996

1997

1998

1999

Totaal

Zone oost Zone zuid Zone noord Zone west Zone centrum Zone city Rijkswacht Varia

28 22 8 39 49 72 34 14

42 36 21 74 36 67 44 12

87 90 46 171 135 134 113 50

59 53 35 107 87 99 116 28

2 1 0 0 1 0 0 1

218 202 110 391 308 372 307 105

Totaal

266

332

826

584

5

2013

De gegevensverzameling werd in twee fasen verdeeld. In de eerste plaats werd een testronde uitgevoerd waarbij alle PV’s van de Rijkswacht gecodeerd werden. Na de testronde werd de gegevensverzameling geëvalueerd en bijgestuurd. Uit deze testronde kwamen drie belangrijke knelpunten aan het licht: (1) een groot aantal probleemPV’s, (2) een minimale vermelding van vervolgPV-nummers, (3) “fouten” en dubbelzinnigheden in DAGO. Voor we de resultaten van de gegevensverzameling bespreken, gaan we eerst in op deze knelpunten en op de wijze waarop in het onderzoek aan deze problemen tegemoet werd gekomen. Daarnaast betekende de testronde ook een belangrijke validering van het codeerinstrument. 3.1.1 ProbleemPV’s Niet alle PV’s die gecodeerd werden waren volledig. Niet zelden kon slechts een deel van het codeerschema ingevuld worden. Er werden voornamelijk onvolledigheden m.b.t. de dader vastgesteld: bijvoorbeeld het ontbreken van het verhoorblad van de dader. Dergelijk PV’s werden geklasseerd als ProbleemPV 11. Een ProbleemPV werd daarbij omschreven als elke PV waarin voor het onderzoek essentiële informatie ontbreekt. Doorgaans gaat het daarbij over het ontbreken van gegevens over de dader (persoonsgegevens, verhoor, arrestatie,…).

Er moet evenwel de nadruk op worden gelegd dat de term “probleemPV” slaat op methodologische problemen in verband met het onderzoek, en op geen enkele manier een beoordeling inhoudt van de vorm of de inhoud van de betrokken PV. 11

Het ontbreken van bepaalde gegeven leidde niet automatisch tot een klassering als ProbleemPV. Wanneer er bijvoorbeeld geen melding werd gemaakt van de burgerlijke staat van het slachtoffer, het merk/type auto waaruit werd gestolen dan werden deze PV’s niet in de probleemlijst opgenomen. Enkel belangrijke leemten werden als problematisch opgenomen.


31

In totaal werden er 189 probleemPV’s opgetekend, d.i. 61.6% van de oorspronkelijke PV’s van de Rijkswacht. De meest voorkomende gevallen in de probleemlijst zijn de volgende:

1. De dader is wel gekend in het PV, maar om de een of andere reden is er geen verhoorblad (roes uitslapen, geeft geen gevolg aan de ‘uitnodiging ten burele’, nog niet aangehouden/gevat, soms is er ook geen reden waarom de dader niet werd verhoord, …). (81/189). 2. De dader is nog niet gekend in PV maar wel in DAGO: hij werd met andere woorden pas later geïdentificeerd (73/189). 3. Een aantal PV’s behoorden ook niet tot het onderzoeksdomein: stelen van auto’s, poging tot doodslag tussen oudere mensen,…(16/189). 4. Enkele PV’s waren zo summier/vaag ingevuld dat er geen nuttige informatie kon worden uitgehaald (11/189). 5. 8 PV’s waren niet meer terug te vinden in de archieven of de opgegeven nummer in DAGO was onbekend (8/189).

Naar aanleiding van deze opmerkingen werd een gericht opmerkingenblad opgesteld, waarop tijdens de invoer de probleemPV’s systematisch konden worden gecategoriseerd (zie verder). 3.1.2 VervolgPV’s Het groot aantal probleemPV’s met de ontbrekende daderverhoren/dadergegevens zou de credibiliteit/representativiteit van het onderzoek in het gedrang brengen. Het was dus noodzakelijk eventuele vervolgPV’s op te sporen, zodat de ontbrekende gegevens gerecupereerd konden worden. Er werd echter in de oorspronkelijke PV's slechts zeer zelden melding gemaakt van vervolgPV’s (zie Tabel 6).

32


Tabel 6 Vermelding van vervolgPV's in de oorspronkelijke PV’s van de Rijkswacht Jaar

Vermelding vervolgPV’s

Percentage

1995 1996 1997 1998

0/9 2/19 2/48 32/113(12)

0% 10.5% 4.2% 28.3%

Totaal

36/189

19%

Dit lage percentage (19%) betekende een ernstig probleem voor het onderzoek. Bovendien bleek het bij de Rijkswacht onmogelijk om -uitgaande van het oorspronkelijk PV-nummer(alle) vervolgPV’s na te trekken. Concreet zou dit met betrekking tot de Rijkswacht betekenen dat slechts 154 PV’s op een totaal van 307 (50.2%) bruikbare informatie zou kunnen leveren met betrekking tot de daders (en in de veronderstelling dat de opgegeven vervolgPV’s allemaal bruikbaar zijn). De oplossing voor het probleem werd gevonden op het Antwerpse parket 13 (4de Bureel) waar alle documenten m.b.t. een feit en/of dader samen worden gebracht in één dossier. Hier wordt een computerbestand bijgehouden bij aan de hand waarvan de nummers van vervolgPV’s kon worden opgezocht. Het parket verleende medewerking aan het onderzoek en kon de onderzoekers voor 113 van de 189 probleemPV’s (59.8 %) een vervolgPV-nummer en/of een voegingPV-nummer geven. Dat maakte dat vele probleemPv’s toch als volledig beschouwd konden worden. 3.1.3 Fouten in DAGO Naast de probleemPV’s bleken er ook “fouten” en dubbelzinnigheden in DAGO te staan. Deze moesten telkens gecorrigeerd worden in het eigen bestand, in een aantal gevallen na een diepergaand analyse en interpretatie van de bewuste PV.

Een van de meest voorkomende ‘fouten’ in DAGO was dat de naam van de getuige ingevuld stond op de plaats van het slachtoffer. Dat was vooral het geval bij wederzijdse slagen en verwondingen (7) en wanneer het een getuige was die de politie verwittigde en niet het slachtoffer zelf (16). In twee gevallen werd de getuige of een persoon waarvan het slachtoffer 12

13

Het relatief hoge percentage van 1998 kan verklaard worden door het inwerkingtreden van de Wet Franchimont op 2 oktober ’98. Deze wet voorziet in een gehele herziening van het strafrecht en m.b.t. het ondervragen van alle betrokkenen van een misdrijf (zowel slachtoffer, dader als getuige) heeft dit ook implicaties. Dwz dat elke betrokkene recht heeft op de volledige neerslag van zijn verhoor. Deze verhoren zijn dan veel langer en worden makkelijker in vervolgPV’s opgenomen. De onderzoekers wensen dhr. Locquet te bedanken voor zijn bereidwillige hulp bij het opzoeken van vervolgPV’s. Hij zorgde hiermee voor een enorme verrijking van het gegevensbestand.


33

duidelijk verklaarde dat ze niets met het misdrijf te maken hadden in DAGO onder de categorie ‘dader’ geplaatst. Eén enkele maal werden er achternamen verwisseld.

Bij wederzijdse slagen en verwondingen is het soms moeilijk een onderscheid te maken wie ‘dader’ is en wie ‘slachtoffer’. In dat geval wordt er in de PV’s doorgaans gesproken over ‘betrokkenen’, of komen dezelfde namen voor bij zowel ‘slachtoffer’ en ‘dader. Wanneer er in DAGO een duidelijke opdeling werd gemaakt, werd die behouden. In het geval iedereen onder de noemer ‘dader’ was geplaatst, werd er toch een onderscheid gemaakt tussen daders en slachtoffers op basis van een persoonlijke interpretatie van het PV. 3.1.4 Controle van het invulformulier/codeboek. De testfasebetekende ten slotte ook een valideringstest voor het codeboek en het invulformulier. Algemeen genomen werden hier door de codeurs geen problemen gesignaleerd. Er waren wel enkele verfijningen nodig van de betekenis/omschrijving van een aantal variabelen. Zo werd bijvoorbeeld de “taal van het slachtoffer”, de taal waarin het verhoor afgelegd werd en niet de taal die men in de rechtspraak wenst te gebruiken. Of het uur van de arrestatie slaat op het ogenblik van de vrijheidsberoving, wat niet noodzakelijk hetzelfde is als de officiële arrestatie. Alle wijzigingen die aan het codeboek aangebracht werden, werden nadien nog eens nagekeken op de gecodeerde RijkswachtPV’s.

Na de testfase werd begonnen met het coderen van de rest van de steekproef. Daarbij werd het aantal probleemPV’s verder geregistreerd en werden foutieve gegevens in DAGO verder aangevuld. Aanpassingen aan het codeboek deden zich niet meer voor. In de volgende paragraaf wordt een overzicht gegeven van de hele gegevensverzameling. 3.2 Resultaten van de gegevensverzameling Bij de bespreking van de gegevensverzameling vertrekken we van dezelfde knelpunten die in de testfase geïdentificeerd werden. In de eerste plaats gaan we in hoeveel PV’s als ProbleemPV’s geïdentificeerd werden. Daarna geven we een overzicht van de reductie van het aantal ProbleemPV’s door de resultaten van de opzoekingen van het parket weer te geven. Tot slot geven we een overzicht van de gegevens die als basis zullen dienen voor de analyses

34


3.2.1 ProbleemPV’s Op basis van de ervaringen met de invoer van de RijkswachtPV’s werden ook voor de andere PV’s systematisch alle opmerkingen met betrekking tot de PV bijgehouden. In totaal werden er 1157 probleemPV’s vastgesteld. Dat is maar liefst 57.5 % van het oorspronkelijk aantal PV's. Dit percentage komt overeen met het aantal probleemPV’s dat bij de Rijkswacht gevonden werd.

Tabel 7 Aantal ProbleemPV's per zone

Probleem-PV's

Centrum

City

Noord

Oost

Zuid

West

R.W.

Varia

Totaal

N=308

N=372

N=110

N=218

N=202

N=391

N=307

N=105

N=2013

229 (74.3%)

183 (49.1%)

68 (61.8%)

144 (66%)

99 (49%)

199 (50.9%)

189 (61.6%)

46 (43.8%)

1157 (57.5%)

Er kan vastgesteld worden dat er verschillen zijn tussen de diverse (politie)zones. De oorzaken daarvan moeten (waarschijnlijk) gezocht worden in verschillende werkwijzen en in de plaatselijke situatie. Een van de redenen ligt onder andere in de gewoonte om verhoren in de originele PV op te nemen, dan wel in een afzonderlijke PV te plaatsen. Er moet nogmaals op gewezen worden dat er hier geen oordeel wordt gegeven over de kwaliteit van de afgeleverde PV’s, doch louter wordt verwezen naar problemen met betrekking tot het onderzoek (zie definitie in 3.1.1).

Tabel 8 geeft een systematisch overzicht van de verschillende probleemoorzaken per zone. In vergelijking met de Rijkswacht is er met betrekking tot de politie één extra foutencategorie: de zogenaamde kruisjesPV’s. Dat zijn gestandaardiseerde bladen die gebruikt werden bij onder andere auto-inbraken en waarbij men bijna niets anders te doen had dan de juiste vakjes aan te kruisen. KruisjesPV’s werden enkel gebruikt indien de dader op het ogenblik van de aangifte niet gekend was. Een groot nadeel van dit type gestandaardiseerd document is dat de informatie met betrekking tot de gebeurtenissen en het slachtoffer (te) summier is. Met betrekking tot de tabel moet verder opgemerkt worden dat de kolomresultaten niet gelijk aan 100% zijn aangezien er meerdere problemen tegelijkertijd kunnen voorkomen. Zo zal bijvoorbeeld bij een kruisjesPV nooit een verhoorblad van de dader aanwezig zijn (indien de dader onmiddellijk werd gevat moest men een normale PV opstellen).

35


Tabel 8 Resultaten PV-analyse per zone Centrum

City

Noord

Oost

Zuid

West

R.W.

Varia

Totaal

N=229

N=183

N=68

N=144

N=99

N=199

N=189

N=46

N=1157

VervolgPV's

80 27 7 15 (34.9%) (14.4%) (10.2%) (10.4%)

6 (6.0%)

51 36 12 234 (25.6%) (19.0%) (26.0%) (20.2%)

KruisjesPV

47 28 12 31 32 58 (20.5%) (15.3%) (17.6%) (21.5%) (32.3%) (29.1%)

Gn verhoor dader

82 52 23 24 15 74 81 5 356 (35.8%) (28.4%) (33.8%) (16.6%) (15.1%) (37.1%) (42.8%) (10.8%) (30.8%)

0 (0.0%)

0 (0.0%)

208 (18%)

Dader enkel gekend in 112 45 38 89 70 106 73 22 DAGO (48.9%) (24.5%) (55.8%) (61.8%) (70.7%) (53.2%) (38.6%) (47.8%)

555 (48%)

Nt onderz.domein

35 (3%)

5 (0.8%)

0 (0.0%)

2 (2.9%)

2 (1.3%)

4 (4.0%)

3 (1.5%)

16 (8.4%)

3 (6.5%)

3.2.2 Resultaten opvraging parket Tijdens de input werden de nummers van de ProbleemPV’s genoteerd en doorgegeven aan het parket. Er werd een systeem opgezet om overzichtelijk de resultaten van het parket, de nummers van de vervolgPV’s, de resultaten van de PV-analyse en achteraf ook de resultaten van de invoer van de vervolgPV’s samen te brengen.

Tabel 9 Resultaten opvraging parket Centrum N=229

City N=183

Noord N=68

Oost N=144

Zuid N=99

West N=199

R.W. N=189

Varia N=46

Totaal N=1157

Vervolg gevonden Voeging

68 (29.7%) 61 (26.7%)

52 (28.4%) 35 (19.1%)

24 (35.3%) 14 (20.6%)

37 (25.7%) 43 (29.9%)

29 (29.3%) 25 (25.3%)

75 (37.7%) 59 (29.6%)

75 (39.7%) 38 (20.1%)

3 (6.5%) 3 (6.5%)

363 (31.4%) 278 (24.0%)

Gn vervolg gevonden Nt gevonden

28 (12.2%) 72 (31.4%)

19 (10.4%) 77 (42.1%)

19 (27.9%) 11 (16.2%)

29 (20.1%) 35 (24.3%)

11 (11.1%) 34 (34.3%)

22 (11.1%) 43 (21.6%)

30 (15.9%) 46 (24.3%)

6 (13.0%) 34 (74.0%)

164 (14.2%) 352 (30.4%)

Voor 641 ProbleemPV’s (363 + 278), dit wil zeggen 55.4 % van het totaal, werd een verwijzing gevonden naar een andere PV. Er werd daarbij een onderscheid gemaakt tussen ‘vervolg gevonden’ en ‘voegingen’: dit laatste zijn dossiers waaraan met het oog op een gerechtelijke uitspraak ook PV’s zijn toegevoegd die niet rechtstreeks te maken hebben met de oorspronkelijke zaak (maar onder andere misdaden bevatten van mensen uit de dader zijn

36


omgeving). Dit zorgt er natuurlijk voor dat bij het opzoeken van de vervolgPV’s ook heel wat PV’s gekopieerd werden die niets met het onderzoek te maken hadden.

Het onderscheid tussen ‘geen vervolg gevonden’ en ‘niet gevonden’ slaat op het feit of het oorspronkelijke PV al dan niet gekend is bij het parket. Een deel van de PV’s waarvan niets is teruggevonden, situeren zich in het jaar 1995 toen het parket nog niet over een geïnformatiseerd systeem beschikte om de dossiers te beheren. In totaal ging het daarbij om 146 gevallen (zie Tabel 10).

Tabel 10 Niet gevonden PV’s in 1995

Nt gevonden in 1995

Centrum N=72

City N=77

Noord N=11

Oost N=35

Zuid N=34

West N=43

R.W. N=46

Varia N=34

Totaal N=352

36

35

2

19

8

26

14

6

146 (41.5%)

Dat het parket over geen gegevens beschikte, betekende evenwel niet dat er voor al deze probleemPV’s niets terug te vinden was. In een aantal gevallen stond er in de oorspronkelijke PV een verwijzing naar een volgende PV. Tabel 11 geeft een overzicht van het aantal gevallen waar er bij het parket ofwel geen vervolg gevonden is (rij 3 van tabel 5), ofwel de originele PV onbekend is (rij 4, tabel5), maar er toch een vervolgPV kon worden opgezocht.

Tabel 11 Gevallen met gevonden PV’s Gevallen met gevonden vervolgPV’s

Centrum

City

Noord

Oost

Zuid

West

R.W.

Varia

Totaal

Gn vervolg gevonden dr parket

2

2

0

2

0

3

1

1

11

28

7

4

3

3

20

13

11

89

(13)

(0)

(2)

(0)

(1)

(15)

(0)

(5)

(36)

Nt gevonden dr parket (Waarvan in 1995)

Met deze gegevens die, hetzij verkregen waren via het parket, hetzij door eigen analyse, werden de corresponderende vervolgPV’s opgezocht. In totaal waren dat er 1437, wat het totaal aantal gecodeerde PV’s op 3450 brengt (Tabel 12).

37


Tabel 12 Gevonden vervolgPV's Centrum

City

Varia

Noord

Oost

Zuid

West

R.W.

Totaal

Oorspronk. PV’s

308

372

105

110

218

202

391

307

2013

Gevonden vervolgPV's

289

192

22

74

138

103

309

310

1437

Aan de hand van deze vervolgPV’s werden de bestanden aangevuld. Ook hier werd stelselmatig informatie bijgehouden over de bruikbaarheid van de vervolgPV(‘s), met name of er een verhoorblad van de dader aanwezig is, dan wel of er extra informatie over het misdrijf wordt geboden of dat ze irrelevante informatie bevatten.

Tabel 13 Inventarisatie van vervolgPV’s.

Verhoor Extra info Irrelevant

Centrum

City

Noord

Oost

Zuid

West

R.W

Varia

Totaal

49 48 66

33 24 37

6 7 23

15 54 12

23 9 12

62 21 72

38 33 21

0 0 2

226 196 245

Bovenstaande tabel leert dat niet alle vervolgPV’s die opgezocht werden ook daadwerkelijk nuttige informatie bevatten voor het onderzoek. In vele gevallen was de bijkomende informatie irrelevant voor het onderzoek omdat ze niet toelieten ontbreken gegevens voor de inhoudsanalyse te vervolledigen. 3.2.3 Het definitieve gegevensbestand: een overzicht In deze paragraaf geven we een overzicht van de definitieve database waarop de analyses gebeurden. In de loop van de inhoudsanalyse werden immers nog een aantal fouten in DAGO gecorrigeerd. Dat maakt dat het aantal feiten en daders niet exact overeenstemt met de definitieve cijfers.

38


Figuur 4 Definitieve gegevensstructuur en aantallen

Daders

Feiten

Auto-inbraken:

675

Jongeren:

1549

1

1 ∝

Auto-inbraken:

738

Jongeren:

1173

∝

Auto-inbraken:

1118

Jongeren:

2353

Feitdaders

Wanneer we deze gegevens vergelijken met Tabel 3 en Tabel 4, constateren we over de hele lijn een daling van het aantal feiten én het aantal daders. Dat komt omdat de codeurs de opdracht gekregen hadden tijdens de codeerfase scherp toe te kijken op de omschrijving van het feit zoals dat in de PV terug te vinden was. Verschillende feiten waren immers in min of meerdere mate randgevallen die in essentie niet tot het onderzoek behoorden. Het ging ofwel niet om een inbraak in een auto ofwel niet om jongerengroepsgeweld in een van de vijf vormen die we eerder omschreven. In een aantal zeldzame gevallen ging zelfs het om een volledig ander feit. Bij deze gevallen is een verkeerd PV-nummer in DAGO mogelijk de oorzaak. 3.2.4 Resultaten van de inhoudsanalyse Naast de gegevensverzameling zelf, hebben we ook het eigen codeboek doorgelicht. Gezien de enorme hoeveelheid pV’s en vervolgPV’s die in het onderzoek gecodeerd dienden te worden, werd geen vooropgesteld percentage dubbel gecodeerd. Strikt methodologisch is dit noodzakelijk om de intercodeurbetrouwbaarheid te kunnen berekenen. Dat is een statistische maat die uitdrukt hoeveel percent van de codeerbeslissingen door twee codeurs op dezelfde wijze genomen wordt. De voorwaarde daarvoor is dat een zeker percentage (tussen 20 en >30 percent) van het codeerwerk dubbel gebeurt. Dat was niet mogelijk en daarom werd deze validiteitstoetsing niet uitgevoerd.

Regelmatige besprekingen met de codeurs leerden echter dat zij weinig of geen problemen hadden met de codes die voorgesteld werden en dat er na de testfase van de Rijkswacht geen bijkomende correcties meer nodig waren. Het codeboek is naar onze mening in deze vorm geschikt om een inhoudsanalyse voor PV’s van groepsgeweld en auto-inbraken te doen. Een

39


bijkomende test hiervoor is het onderzoeken van het aantal lege velden in de database. Dit levert een beperkt beeld op omdat niet elk gegeven in gelijke mate voorkomt in de PV’s. Toch geeft het een beeld in welke mate bepaalde gegevens meer of minder door het codeboek teruggevonden kunnen worden.

Tabel 14 Percentage lege velden voor de inhoudsanalyse van jongerengroepsgeweld

Percentages lege velden Aantal variabelen

Geen lege velden 1-20 % 21-40 % 41-60 % 61-80 % 81-99 % Allemaal lege velden

Feitenbestand

Feitdaderbestand

155

37

14.8 % 10.3 % 1.3 % 11.0 % 4.5 % 36.1 % 21.9 %

37.8 % 21.6 % 8.1 % 2.7 % 16.2 % 13.5 %

Bij de constructie van Tabel 14 werden twee correcties doorgevoerd. In de eerste plaats werden alle variabelen die uit DAGO kwamen, uit de analyse geweerd. Het is immers de bedoeling om een evaluatie te maken van het inhoudsanalytisch instrument en niet van de gegevens die reeds voorhanden waren. Daarnaast werden ook alle variabelen geweerd die exclusief te maken hadden met auto-inbraken. Het codeboek maakt uitdrukkelijk het onderscheid tussen gegevens die voor beide onderzoeken verzameld werden en gegevens die alleen voor auto-inbraken of jongerengroepsgeweld verzameld werden (zie codeboek in bijlage). Wanneer een PV van jongerengroepsgeweld ingevoerd werd, kregen de codeurs de variabele van auto-inbraken niet te zien en omgekeerd. Het is dan ook logisch dat deze variabelen voor jongerengroepsgeweld 100 % lege velden vertonen. Deze correctie levert voor het feitenbestand van jongerengroepsgeweld 155 variabelen op uit het codeboek en voor het feitdaderbestand 50 variabelen.

De gegevens in Tabel 14 tonen een duidelijk verschil tussen het feitenniveau en het feitdaderniveau. Het feitenbestand telt niet alleen veel meer variabelen, het bevat ook een hoger percentage variabelen die volledig leeg zijn gebleven na het coderen. Iets meer dan twintig percent van de velden uit het codeboek werden nooit teruggevonden in een PV. Het betreft hier in belangrijk mate de gedetailleerde gegevens over de buit, naast enkele dadergegevens. In het codeboek werden voor alle categorieën van de buit, gedetailleerdere

40


omschrijvingen voorzien. Zo werd de categorie “Hifi” verder opgesplitst in subcategorieën als “Videorecorder”,

“Videocamera”,

“TV”,

“Fototoestel”,

“Camcorder”.

Dergelijk

gedetailleerde gegevens werden voor een aantal categorieën zelden teruggevonden in het PVverslag. Andere variabelen op feitenniveau die zelden ingevuld werden, zijn mate van daderschap, de taal van de dader, zijn burgerlijke stand of zijn vermomming. Op feitdaderniveau vinden we vooral de open categorieën van “Andere” als leeg terug. De codeurs konden bij verschillende variabelen (bv. bezigheid dader, vervoer dader, medicatie dader) een categorie Andere aankruisen die hen dan vervolgens toeliet om deze Andere te omschrijven. Het leeg blijven van deze open velden, is een indicatie dat de categorie Andere nergens voor deze gegevens nodig was. Dit resultaat pleit in beperkte mate voor het codeboek. Het is immers mogelijk dat het vervoer van de dader bijvoorbeeld zelden of nooit in een PV teruggevonden werd. Maar het leegblijven van de categorie Andere wijst anderzijds wel op het feit dat als deze variabelen teruggevonden werden, de aangeboden categorieën steeds volstonden voor de codeurs.

Tabel 15 Percentage lege velden voor de inhoudsanalyse van auto-inbraken

Percentages lege velden Aantal variabelen

Geen lege velden 1-20 % 21-40 % 41-60 % 61-80 % 81-99 % Allemaal lege velden

Feitenbestand

Feitdaderbestand

146

37

15.8 % 4.8 % 12.3 % 4.1 % 8.9 % 34.2 % 19.9 %

18.9 % 24.3 % 10.8 % 10.8 % 8.1 % 13.5 % 13.5 %

Voor auto-inbraken werd dezelfde procedure gevolgd. Alleen werden hier de variabelen die exclusief op jongerengroepsgeweld betrekking hadden verwijderd. Dat resulteerde voor het feitenbestand in een totaal van 146 variabelen en voor het feitdaderniveau 37. Dat aantal is gelijk aan jongerengroepsgeweld omdat de variabelen eigen aan een van beide onderzoeken zich alleen bevinden op het niveau van het feit.

De resultaten van auto-inbraken zijn grotendeels gelijklopend. Wat de percentages van het feitdaderbestand betreft is de gelijkenis heel treffend. Alleen merken we voor auto-inbraken dat variabelen iets vollediger ingevuld zijn (dwz minder lege velden) dan voor jongeren


41

groepsgeweld. Wat het feitenniveau betreft, zien we ook hier dat de variabelen met gedetailleerde informatie leeg blijven alsook dezelfde dadergegevens (taal, bezigheid, vermomming).

Het besluit uit deze beperkte evaluatie van het codeboek is dat het codeboek de belangrijkste elementen in een PV dekt (voor de gekozen misdrijftypes) maar dat de PV’s weinig gedetailleerde informatie bevatten over de buit van een misdrijf noch over de identiteit van de dader. Gegevens die toelaten een dader eventueel te identificeren (bv. een vermomming of zijn dronken toestand) ontbreken eveneens in de meeste PV’s 3.3 (Methodologische) lessen voor toekomstig PV-onderzoek Belangrijk voor toekomstig PV-onderzoek is het trekken van lessen uit de dataverzameling van deze daderanalyse. Lessen die niet zozeer aan,geven welke fouten vermeden kunnen worden maar wel een beter inzicht in de omvang en de aard van de problemen die dergelijk onderzoek met zich meebrengt.

Naar de omvang van de steekproef is het zeker belangrijk om de hoeveelheid vervolgPV’s in rekening te nemen bij het bepalen van de omvang van de steekproef. Het onderzoek gaf een totaal van 57.5 percent probleemPV’s. Dat betekent dat het opzoekingswerk voor een bepaalde steekproef met meer dan 50 percent toeneemt. In sommige gevallen betrof het bovendien niet één maar meerdere vervolgPV’s waardoor de additionele opzoekingskost nog hoger uitvalt dan 57.5 %.

Naar de aard van de problemen valt voornamelijk de ontbrekende koppeling tussen PV en vervolgPV’s op. Op de vervolgPV’s wordt in vele gevallen wel het nummer van het originele PV geschreven maar omgekeerd gebeurt dit niet of nauwelijks. We zijn ons er van bewust dat het opzoeken van de originele PV in de archieven en het noteren van dit nummer zeer veel kostbare politietijd zou opslorpen. Vanuit het onderzoekerstandpunt is dit uiteraard de ideale situatie maar praktisch gezien lijkt ons die onhaalbaar. Toch menen we dat het mogelijk moet zijn om in DAGO of PIP aan elke PV een lijst te koppelen met nummers van vervolgPv’s en voegingen. Niet alleen voor onderzoekers maar ook voor de politiediensten zelf, is het snel toegang bekomen tot alle stukken van een dossier belangrijk. Wanneer politiediensten nu alle PV-nummers van een bepaalde zaak samen willen, dienen zij dezelfde weg te bewandelen als


42

de onderzoekers, namelijk via het parket. Het opnemen van deze extra informatie in DAGO of PIP zou dit kunnen vermijden.

Exclusief naar toekomstig PV-onderzoek, is het ook aan te raden bij het extra opzoekingswerk om PV’s uit voegingen eerst na te lezen alvorens ze te kopiëren en aan de inhoudsanalyse te onderwerpen. De informatie in deze voegingen is immers heel vaak randinformatie die niet of nauwelijks bruikbaar is in voor de inhoudsanalyse.

Tot slot zouden we wat de politie van Antwerpen betreft willen pleiten voor een globaal archiveringsbeleid van elektronische gegevens. Het verwijderen van de PolarisPV’s, zonder enige vorm van back-up is een onbegrijpelijk verlies. Wanneer de nieuwe PV-registratie in PIP over enige tijd operationeel zal zijn, zal dit systeem op enkele jaren tijd een schat aan politionele gegevens opleveren die niet alleen voor politioneel maar ook voor wetenschappelijk onderzoek belangrijk basismateriaal kan opleveren. De beperking van harde schijfruimte zou bij deze geen doorslaggevend element mogen zijn om de gegevens te vernietigen. Het archiveren van deze PIP-gegevens kan met een minimale kost (cfr. de kostprijs van CD-Romschrijvers en schrijfbare CD’s) een maximale archivering van deze gegevens garanderen.

Tot slot willen we nog even stilstaan bij de kwaliteit van de geografische informatie in de huidige gegevensbestanden en enkele suggesties aanreiken om dit type informatie te verbeteren. Zoals boven beschreven (2.5) is de koppeling van de databestanden aan geografische informatie momenteel niet vanzelfsprekend. Bij de daderinformatie is de volledigheid meestal niet zo’n probleem. In de meeste gevallen is zowel de straatcode, de straatnaam als het huisnummer ingevuld. Bij de feitenbestanden is de situatie echter veel slechter. Hier wordt in 63% van de gevallen geen huisnummer opgegeven. Hierdoor wordt de correcte koppeling zelfs op straatniveau zeer problematisch. De koppeling op sectorniveau wordt hier trouwens evenmin eenvoudiger door. Naast het ontbreken van het huisnummer komen er ook een aantal omschrijvingen voor die het onmogelijk maken een correctie postfactum te realiseren. Zo vinden we in een aantal gevallen omschrijvingen als ‘Afdak’, ‘D.D.’ of ‘op tram’ terug. Het belangrijkste probleem is en blijft echter het ontbreken van een huisnummer. Zoals vroeger ook reeds vermeld werd, levert de beperkte informatie dat een feit plaatsvond op een straat als de Grotesteenweg, de Boomsesteenweg, de Bredabaan en vergelijkbare straten geen meerwaarde op voor de analyse.


43

Bij het geven van kritiek op de bestaande situatie dient men echter ook bereid te zijn met suggesties te komen. Een eerste algemene suggestie is om een huisnummerbestand op te bouwen met als inhoud: straatnaam, straatcode, huisnummer, sectorcode. Op basis van dit bestand kunnen de gegevensbestanden dan verrijkt worden met de benodigde geografische informatie. Voor de daderbestanden zou dit bestand de mogelijkheid bieden om zeer vlot te aggregeren naar het sectorniveau. Bij de feitenbestanden dient echter hiertoe de kwaliteit van de dataverzameling te verbeteren. Bij het opmaken van een proces-verbaal zou getracht moeten worden toch een (al dan niet geschat) huisnummer te noteren. Deze eenvoudige maatregel zou al een gevoelige kwaliteitsverbetering betekenen.

Een verdere en veel ambitieuzere stap zou zijn om bij de elektronische gegevensverwerking een mogelijkheid te bieden om de woonplaats van de dader of de locatie van een feit op een elektronische kaart aan te duiden. Deze integratie tussen geografische informatie en data in een GIS-systeem is echter een zeer dure investering. Hiertegenover staat de mogelijkheid om op elk moment te beschikken over de geografische informatie en analysemogelijkheden te bieden op momentane gegevens.


44

4 Jongerengroepsgeweld 4.1 Overzicht onderzoek Het onderzoek aangaande jongerengroepsgeweld omvat in totaal 1173 feiten gepleegd vanaf 1 januari 1995 tot en met 31 december 1998 waarvan één of meerdere daders door de politie gekend zijn (Tabel 16). Feiten waarvan de daders om één of andere reden onbekend zijn gebleven zijn dus niet in het onderzoek opgenomen.

Tabel 16 Aantal feiten en aanhoudingen per jaar

Aantal feiten (N=1173) 1995 1996 1997 1998 1999

254 322 334 263

21.6 % 27.5 % 28.5 % 22.4 %

Aantal aanhoudingen (N=652) 146 162 206 136 2

22.4 % 24.8 % 31.6 % 20.9 % 0.3 %

Het aantal feiten kent een stijgend verloop tussen 1995 en 1997, waarna het aantal terug afneemt. Het lagere aantal in 1998 zou het gevolg kunnen zijn van het feit dat bepaalde zaken pas in het volgende jaar opgelost raken (en dus buiten het onderzoek vallen). Als er evenwel naar het aantal aanhoudingen per jaar wordt gekeken, krijgt men een zelfde verloop (het percentage van 1998 wordt niet gecorrigeerd met aanhoudingen die betrekking hebben op 1997). De vraag is of deze waargenomen daling werkelijk correspondeert met een lager aantal feiten.

De 1173 feiten werden gepleegd door in totaal 1546 verschillende daders. Die begingen per dader gemiddeld 1.52 delicten, zodat het totaal aantal feitdaders 2353 bedroeg. 4.2 Feiten Zoals bij de beschrijving van de steekproef reeds duidelijk geworden is, is het onderzoek naar jongerengroepsgeweld een verzameling van verschillende soorten feiten. Het bindmiddel tussen de vijf geselecteerde feiten is dat minstens één van de daders jonger is dan zesentwintig jaar.


45

De resultaten die in deze paragraaf besproken worden betreffen allemaal gegevens die berekend werden op feitenniveau. Dat betekent dat de analyse-eenheid één feit is, ongeacht of daar nu één of meerdere daders aan deelgenomen hebben. Voor jongerengroepsgeweld werden in totaal 1173 unieke feiten in de steekproef opgenomen en na codering in de inhoudsanalyse weerhouden.

In de eerste plaats geven we een beschrijving van de feiten. Hoe zijn de 1173 feiten verdeeld over de vijf misdrijftypes die we selecteerden, welke modi, middelen, objectieven vinden we terug bij jongerengroepsgeweld en welke buit werd er gemaakt ? 4.2.1 Beschrijving van de feiten 4.2.1.1 Verdeling van misdrijftypes Het jongerengroepsgeweld zoals dit in het onderzoek is opgenomen omvat vijf verschillende misdrijftypes: Opzettelijke slagen en verwondingen (politiecode: 2A), diefstal met geweld (5D0), handtasroof (5D1), diefstal gewapenderhand (5E), hold-up (5F). Een eerste overzicht van de verdeling van de feiten over de verschillende types, leert dat diefstal met geweld veruit het meest voorkomende misdrijf is dat door jongeren gepleegd wordt, gevolgd door diefstallen gewapenderhand en opzettelijke slagen en verwondingen. Hold-ups aan de andere kant komen nauwelijks voor in het onderzoek, wat te begrijpen is, gezien het zware karakter van dit type misdrijf. Een belangrijke opmerking hierbij is wel dat de misdrijfcategorie Slagen en Verwondingen aanvankelijk zo uitgebreid was dat daar twee bijkomende criteria aan de steekproeftrekking toegevoegd werden (meer dan twee daders én op de openbare weg gepleegd).

Tabel 17 Misdrijftype (N = 1173)

Diefstal met geweld Diefstal gewapenderhand Opzettelijke slagen / verwondingen Handtasroof Hold-up

459 243 235 208 28

39.1 % 20.7 % 20.0 % 17.7 % 2.4 %

Met uitzondering van handtasroven, zien we dat de geselecteerde misdrijftypes gedurende de eerste drie jaren van de onderzoeksperiode een stijgend aandeel vertonen. Enkel in 1998 zien we een daling bij diefstal met geweld, diefstal gewapenderhand en slagen en verwondingen.

46


Deze drie misdrijftypes lijken dan ook verantwoordelijk voor de daling van het totaal aantal feiten, zoals weergegeven in Tabel 16. Hold-ups spelen weliswaar een verwaarloosbare rol in het geheel van misdrijven uit het onderzoek maar vertonen als enige misdrijftype wel een constante stijging ten opzichte van de andere misdrijven. Daarbij is er voornamelijk in 1998 een dramatisch sterke stijging van dit toch wel zware misdrijf.

Tabel 18 Misdrijftype naar jaar (N = 1173) 1995

1996

1997

1998

Diefstal met geweld

95

37.4% 128

39.8%

143

42.8%

93

35.4%

Diefstal gewapenderhand

56

22.0%

54

16.8%

77

23.0%

56

21.3%

Opzettelijke slagen / verwondingen

51

20.1%

64

19.9%

74

22.2%

46

17.5%

Handtasroof

49

19.3%

71

22.0%

34

10.2%

54

20.5%

Hold-up

3

1.2%

5

1.5%

6

1.8%

14

5.3%

254

322

334

263

De misdrijftypes zijn ook niet gelijkmatig verdeeld over het grondgebied van Antwerpen. In het laatste deel van dit hoofdstuk zal aan de hand van kaarten de spreiding van de verschillende misdrijven in detail bekeken worden (zie 4.5.1). Hier wordt reeds bij wijze van overzicht de verdeling weergegeven van de verschillende misdrijftypes over de verschillende Antwerpse politiezones (Tabel 19). De percentages duiden op het aandeel van de specifieke misdrijfsoort binnen elke zone. In alle zones zijn diefstallen met geweld, binnen het onderzoekskader, het belangrijkste misdrijf. Al kan er worden opgemerkt dat de percentages aanzienlijk verschillen. Wat op de tweede plaats komt, is wel verschillend: in zone Centrum en Zuid zijn er meer handtasroven, in zone City zijn het diefstallen gewapenderhand en in Noord en West komen opzettelijke slagen en verwondingen op de tweede plaats.

47


Tabel 19 Misdrijftypes per politiezone (N = 1173) Centrum Diefstal geweld Diefstal gewapend. Slagen / verwond. Handtas roof Hold-up

City

Noord

Oost

Zuid

West

77

41.4%

123

41.3%

31

35.6%

62

36.7%

40

26.9%

126

44.4%

40

21.5%

74

24.8%

11

12.6%

33

19.5%

34

22.8%

51

18.0%

18

9.7%

57

19.1%

28

32.2%

24

14.2

35

23.5%

73

25.7%

48

25.8%

42

14.1%

13

14.9%

39

23.1%

38

25.5%

28

9.9%

3

1.61%

2

0.67%

4

4.6%

11

6.51%

2

1.3%

6

2.1%

186

100%

298

100%

87

100%

169

100%

149

100%

248

100%

4.2.1.2 Geweldniveau Een misdrijf wordt in zeer veel gevallen als een gewelddadige gebeurtenis ervaren, zeker door het slachtoffer. Tabel 20 maakt melding van het geweldniveau, dit wil zeggen de aard van het geweld dat er bij de delicten te pas kwam. Het gaat hierbij zowel over fysiek als niet-fysiek geweld. Per delict konden er telkens drie categorieën worden aangeduid 14, de percentages zijn berekend op het aantal feiten waarvan het geweldniveau bekend is. Uit de resultaten blijkt dat meer dan drievierde van alle feiten gepaard gaat met een vorm van fysiek geweld. De hoogste percentages liggen bij opzettelijke slagen en verwondingen en diefstallen met geweld (wat uit de aard van de feiten zelf voortvloeit), maar ook bij handtasroven. Bij deze laatste heeft dit te maken met het feit dat handtassen doorgaans worden ‘afgerukt’ (zie Tabel 21), wat op zich een gewelddadige handeling is. Zowel bij diefstallen gewapenderhand als bij hold-ups worden wapens doorgaans enkel als een bedreiging gebruikt. Slechts in betrekkelijk weinig gevallen worden ze ook effectief ingezet (respectievelijk 17.3% en 13%).

14

Per feit konden er telkens drie middelen worden opgegeven. Om die reden is het kolomtotaal voor de percentages meer dan 100%. De percentages geven het aantal feiten weer waar een bepaald middel werd gebruikt.

48


Tabel 20 Geweldniveau (N = 1031, Miss. = 142) Totaal

Fysiek geweld Verbaal geweld Vernieling Bedreiging Bedreiging wapen Gebruik wapen Stalking Chantage/afpersing Steaming

787 93 75 148 237 120 3 50 6

76.3% 9.0% 7.3% 14.4% 23.0% 11.6% 0.3% 4.8% 0.6%

Diefstal geweld (N=390) 293 30 32 104 30 23 1 39 4

75.1% 7.7% 8.2% 26.7% 7.7% 5.9% 0.3% 10.0% 1.0%

Diefstal gewapend. (N=226)

Slagen – verwond. (N=221)

108 9 11 20 169 39 2 9 2

209 51 27 18 20 53

94.6% 23.1% 12.2% 8.1% 9.0% 24.0%

2

0.9%

47.8% 4.0% 4.9% 8.8% 74.8% 17.3% 0.9% 4.0% 0.9%

Handtasroof

Hold – up

(N=171)

(N=23)

168 2 4 6 1 2

98.2% 1.2% 2.3% 3.5% 0.6% 1.2%

9 1 1 0 17 3

39.1% 4.3% 4.3% 0.0% 73.9% 13.0%

4.2.1.3 Modus De modus van een misdrijf benadert geweld vanuit een iets andere hoek. Er wordt met name nagegaan na op welke manier het slachtoffer werd aangepakt, met andere woorden, niet het niveau van geweld wordt gemeten, maar wel hoe dat geweld wordt gepleegd. Per feit konden ook hier telkens drie modi worden aangeduid. De percentages zijn berekend op het aantal feiten waar minstens één modus werd aangeduid (1073 feiten).

Bij de modus ‘overvallen’ moet de bedenking gemaakt worden dat het, uitgezonderd bij opzettelijke slagen en verwondingen, in vrijwel alle gevallen over een overval ging. De lage percentages zijn het gevolg van het feit dat de categorie bij het verzamelen van de gegevens in de meeste gevallen als restcategorie gebruikt werd, als er geen duidelijke andere modus aangeduid kon worden. Bij diefstallen met geweld en opzettelijke slagen en verwondingen werden er in de meeste gevallen rechtstreeks slagen uitgedeeld. Uit Tabel 25 leren we dat het objectief daarbij vooral het aangezicht vormt. In het geval van diefstallen gewapenderhand wordt, zoals gezegd, het wapen in de meeste gevallen gebruikt als een dreigmiddel. Slecht in 17.9% van de feiten wordt het desbetreffende wapen ook gebruikt om verwondingen toe te brengen. Ook bij hold-ups blijft het in de meeste gevallen bij dreigementen. Handtasroven gaan gepaard met het afrukken van de tas. De snelheid waarmee deze feiten plaatsgrijpen maakt dat er relatief weinig directe slagen worden toegebracht of bedreigingen geuit. In een aantal gevallen komen de slachtoffers daarbij wel ten val of worden ze opzettelijk ten val gebracht.

49


Tabel 21 Modus (N = 1073, Miss. = 100) Totaal

Overvallen Slaan Bedreigen/bang maken Uitdagen Insluiten Afrukken Verwonden (wapen) Stampen Op de grond werpen Provoceren Vernederen Wurgen

401 450 336 9 58 244 117 189 90 10 15 14

Diefstal geweld

Diefstal gewapend.

(N=417)

(N=223)

Slagen – Handtasroof Verwond.

Hold-up

(N=216)

(N=22)

(N=195)

37.4% 201 48.2% 108 48.4% 2 0.9% 73 37.4% 41.9% 188 45.1% 49 22.0% 184 85.2% 23 11.8% 31.3% 126 30.2% 161 72.2% 31 14.4% 5 2.6% 0.8% 3 0.7% 5 2.3% 1 0.5% 5.4% 42 10.1% 5 2.2% 8 3.7% 3 1.5% 22.7% 58 13.9% 6 2.7% 178 91.3% 10.9% 16 3.8% 40 17.9% 57 26.4% 1 0.5% 17.6% 69 16.5% 12 5.4% 99 45.8% 7 3.6% 8.4% 39 9.4% 9 4.0% 22 10.2% 20 10.3% 0.9% 10 4.6% 1.4% 7 1.7% 2 0.9% 5 2.3% 1 0.5% 1.3% 9 2.2% 2 0.9% 3 1.4%

17 6 13

77.3% 27.3% 59.1%

2 3 2

9.1% 13.6% 9.1%

4.2.1.4 Middel In iets meer dan een derde van de in het onderzoek opgenomen misdrijven (35% of 412 feiten) werd er door de dader één of meer hulpmiddelen gebruikt. Het betreft hier voornamelijk messen en vuurwapens. De hoogste percentages liggen, zoals reeds uit de naam af te leiden was, bij diefstallen gewapenderhand. In principe zou hier zelfs 100% gelezen moeten worden (over 29 feiten in deze categorie ontbraken gegevens over het gebruikte wapen). Hetzelfde geldt overigens ook voor hold-ups. Opmerkelijk is wel dat ook bij opzettelijke slagen en verwondingen in heel wat gevallen middelen gebruikt worden (Tabel 22).

Tabel 22 Middel gebruikt (N = 1173) Totaal

Middel gebruikt

412

35.1%

Diefstal geweld (N=459)



69

214

96

15.0%

88.1%

40.9%

Handtasroof

Hold-up

(N=208)

(N=28)

10

4.8%

23

82.1%

Tabel 23 geeft een overzicht van het soort middel dat er in die gevallen gebruikt werd. Per feit konden er telkens drie categorieën worden geselecteerd, de percentages zijn berekend op het aantal feiten waarin een middel werd gebruikt.

50


De hoogste percentages daarvan vindt men terug bij diefstallen gewapenderhand en hold-ups. Spuitbussen komen op de derde plaats. De restcategorie ‘andere’ vermeldt een heel gamma van voorwerpen die als wapen gebruikt werden, gaande van broeksriemen en baseballbats tot glasscherven.

Tabel 23 Middel (N = 412, Miss. = 762) Totaal

Revolver/pistool Mes Spuitbus Staaf/stok Boksbeugel Hamer Koevoet Schroevendraaier Steen Andere

115 159 52 28 6 4 2 6 7 138

27.9% 38.6% 12.6% 6.8% 1.5% 1.0% 0.5% 1.5% 1.7% 33.5%

Diefstal geweld

Diefstal gewapend.

Slagen – verwond.

Handtasroof

Hold-up

(N=69)

(N=214)

(N=96)

(N=10)

(N=23)

8 18 6 4 1

11.6% 26.1% 8.7% 5.8% 1.4%

1 3 37

1.4% 4.3% 53.6%

86 106 32 4 2 3 1 2

40.2% 49.5% 15.0% 1.9% 0.9% 1.4% 0.5% 0.9%

21

9.8%

4 29 9 20 3 1 1 3 4 71

4.2% 30.2% 9.4% 20.8% 3.1% 1.0% 1.0% 3.1% 4.2% 74.0%

3 2

30.0% 20.0%

1

10.0%

6

60.0%

17 3 3

73.9% 13.0% 13.0%

3

13.0%

Men kan opmerken dat er bij diefstallen met geweld in een aantal gevallen toch wapens worden gerapporteerd, hoewel het feit dan in principe in de categorie diefstallen gewapenderhand zou gecatalogiseerd zou moeten zijn. De indeling naar misdrijftype is evenwel gebeurd op basis van de DAGO-gegevens en die gegevens vermelden inderdaad in die gevallen geen (vuur-)wapens. De in de tabel opgenomen cijfers zijn evenwel gebaseerd op de (veel ruimere) PV-analyse. Met betrekking tot 208 feiten waar er in DAGO geen vermelding werd gemaakt van een middel, werd er tijdens het onderzoek wel één of meer middelen gevonden (in totaal 275 wapens). De oorzaken van deze verschillen zijn waarschijnlijk terug te vinden in de interpretatie van de politieanalist, de grotere beschikbaarheid van gegevens voor de onderzoekers en de mogelijkheid in het onderzoek om een restcategorie aan te duiden (werd 122 keer aangeduid als er in DAGO geen vermelding was).

Slechts in weinig gevallen werden er ook vluchtmiddelen gerapporteerd bij het middel. Er werd evenwel verder in het codeboek gevraagd naar het vervoer van de dader. Omdat dit in feite overeenkomt met het “vlucht”middel geven we in Tabel 24 deze cijfers weer (deze zijn op het feitdaderniveau berekend, wat een hogere N voor gevolg heeft). Uit deze tabel blijkt

51


dat de meeste daders te voet wegvluchten na hun misdrijf. Slechts in een minderheid van de feiten werd er melding gemaakt van een echt vluchtmiddel. Meestal zijn dat dan auto’s (12.5%).

Tabel 24 Middel: Vluchtmiddelen (N = 1639, Miss. = 714) Totaal

Te voet (Vlucht-) auto (Vlucht-) fiets (Vlucht-) bromfiets Taxi Openbaar vervoer



Slagen – Verwond. (N=535)

Handtas roof (N=211)

Hold-up (N=21)

1301 79.2%

486

85.1%

220

82.4%

428

80.0% 128 60.7%

9

42.8%

205 12.5% 45 2.7% 71 4.3% 3 0.2% 14 0.9%

51 18 10

8.9% 3.2% 1.7%

18.1% 0.6% 0.6%

11 1

52.4% 4.8%

1.1%

10.9% 1.5% 2.6% 1.1% 1.5%

97 3 3

6

29 4 7 3 4

4

0.7%

13 6.1% 19 9.0% 51 24.2%

Binnen de verschillende misdrijftypes kunnen er wel enige verschillen worden vastgesteld. Handtasroven worden bijvoorbeeld vaak met behulp van een bromfiets gepleegd en bij slagen en verwondingen verplaatsen de daders zich relatief gezien vaker met een auto. Bij hold-ups wordt eveneens veel auto’s gebruikt, wat niet zo verwonderlijk is omwille van toch wel grotere impact van dit misdrijftype. 4.2.1.5 Objectief Onder ‘objectief’ verstaat men het lichaamsdeel van het slachtoffer dat bij het delict werd verwond, of op zijn minst het doel vormde van een bedreiging (als er een pistool tegen iemands’ hoofd werd geplaatst zal dat het objectief zijn, ook al zijn er geen lichamelijke verwondingen). Uit Tabel 25 blijkt het hoofd de kwetsbaarste plaats te zijn. Enkel bij handtasroven worden vaker de ledematen verwond. Dit laatste heeft te maken met het feit dat handtassen doorgaans van de armen worden gerukt. In dit geval is ook de rug een kwetsbare plaats, wat te maken heeft met het feit dat de slachtoffers hierbij relatief veel ten val komen. (Tabel 21).

Tabel 25 Objectief (N = 591, Miss. = 582) Totaal




Handtasroof

Hold-up

(N=62)

(N=14)

52


Hoofd/gezicht Ledematen Buik Rug Geslacht

469 242 105 82 8

79.4% 40.9% 17.8% 13.9% 1.4%

180 73 31 24 3

82.6% 33.5% 14.2% 11.0% 1.4%

90 32 18 7 2

78.9% 28.1% 15.8% 6.1% 1.8%

159 88 46 35 2

86.9% 48.1% 25.1% 19.1% 1.1%

28 46 8 15 1

45.2% 74.2% 12.9% 24.2% 1.6%

12 3 2 1

85.7% 21.4% 14.3% 7.1%

4.2.1.6 Buit Wanneer we de misdrijftypes bekijken, zien we dat bij 938 feiten (80 percent) een of andere vorm van diefstal gepleegd werd. Bij deze feiten werd 751 maal (opnieuw 80 percent) werkelijk een buit gemaakt. Tabel 26 geeft een overzicht van de buit die in deze gevallen ontvreemd werd.

Tabel 26 Soort buit in percentages van het aantal feiten waarin een buit gemaakt werd (percentage per item ten opzichte van het aantal feiten met buit)15. Totaal (N=751) Geldbedrag Tas Portefeuille Documenten Accessoires Kleding Telefoon (GSM) Waardepapieren Audio / hifi / cd’s Medicatie Andere

510 190 177 169 136 39 38 27 10 8 249

67.9% 25.3% 23.6% 22.5% 18.1% 5.2% 5.1% 3.6% 1.3% 1.1% 33.2%

Diefstal geweld (N=364) 247 15 95 72 86 16 24 9 4 4 115

67.9% 4.1% 26.1% 19.8% 23.6% 4.4% 6.6% 2.5% 1.1% 1.1% 31.6%

Diefstal gewapend. (N=173) 130 14 32 21 36 17 11 4 5 2 56

75.1% 8.1% 18.5% 12.1% 20.8% 9.8% 6.4% 2.3% 2.9% 1.2% 32.4%

Slagen – Verwond. (N=14) 1

7.1%

2

14.3%

1 1

7.1% 7.1%

1

0.0% 7.1%

23 164.3%


Hold-up

116 160 48 76 11 5 3 14

64.1% 88.4% 26.5% 42.0% 6.1% 2.8% 1.7% 7.7%

16 1

84.2% 5.3%

2

10.5%

2 52

1.1% 28.7%

3

15.8%

(N=19)

Wanneer diefstal door jongeren gepleegd wordt, is het hoofddoel waarschijnlijk geld. Niet alleen neemt geld op zich een belangrijk percentage van de buit in, ook het stelen van tassen of portefeuilles wijst op het belang van geld als hoofdmotief voor diefstal. GSM’s of Hifiapparatuur spelen hierin een veel minder belangrijke rol. De twee hoogste geldbedragen die in het onderzoek als gestolen werden geregistreerd waren respectievelijk 35 en 10 miljoen Bfr. Deze bedragen vertekenen in belangrijke mate het gemiddeld geldbedrag dat gestolen werd: 112.236 Bfr. Wanneer we deze twee afwijkende waarden niet in de berekening opnemen, 15

Omdat er per feit (waar een buit was) verschillende objecten buit gemaakt konden worden, komen de percentages in elke kolom boven 100 percent uit. De N in elke kolom geeft de basis aan waarop de percentages berekend werden en staat voor het aantal feiten waarin minstens één object buit gemaakt werd.

53


komen we nog op een gemiddeld geldbedrag van 22.964 Bfr. uit 16 (44.618 Bfr. als enkel het hoogste bedrag wordt weggelaten. De modus bedraagt 1000 Bfr., de mediaan 1500 Bfr. Dit wijst er op dat het overgrote deel van de geldbuit uit lagere bedragen bestaat (in 73% van het totaal aantal gevallen gaat het over een bedrag minder dan 5000 Bfr., in 81% over minder dan 10.000 Bfr). In Tabel 27 wordt er een overzicht geboden van de geldbedragen die er voor elk misdrijftype buit werden gemaakt. Hieruit blijkt dat hold-ups het meest lonend zijn (zelfs na correctie), op afstand gevolgd door diefstallen gewapenderhand.

Wat betreft diefstallen met geweld kan men vaststellen dat er in de meeste gevallen slechts een klein bedrag wordt gestolen: in 51% van de gevallen (129 op 255) is de buit minder dan 1000 Bfr; in 81% (206 op 255) minder dan 5000 Bfr. (zie ook modus en mediaan). Daarna nemen de bedragen zeer snel toe. Hier kan waarschijnlijk het onderscheid worden gemaakt tussen het beroven van een ‘toevallige’ passant, dan wel het meer gericht aanpakken van iemand die bijvoorbeeld met de dagopbrengst op weg naar de bank is.

Met betrekking tot handtasroven verkrijgt men min of meer het omgekeerde beeld. Modus en mediaan liggen weliswaar hoger maar de maximale geldbuit en daarmee samenhangend het gemiddelde zijn lager.

Tabel 27 Gemiddelde geldbuit per misdrijftype

Diefstal met geweld Diefstal gewapenderhand Handtasroof Hold-up

16 17

18 19

Gemiddelde

Modus

Mediaan

Std. Dev.

Max

7603 17 38069 18 3826 2255974 19

200 1000 2000 Nvt.

858 3000 2000 190675

43662 128186 5377 8178850

610000 1011750 34000 35000000

Standaarddeviatie (s2) = 101.560 In drie gevallen werd er een bedrag dat hoger was dan 100000 Bfr. gestolen (220090, 245000, en 610000). Zonder dit bedraagt het gemiddelde 3410 en s2 7353 Zonder de hoogste waarde (1011750) bedraagt het gemiddelde 30693 met s2 = 96256 Zonder de hoogste waarde (35000000) bedraagt het gemiddelde 329855 met s2 = 349885

54


4.2.2 Plaats en moment 4.2.2.1 Locatie De locatie van de feiten duidt op de plaats waar het misdrijf heeft plaatsgevonden. In het geval een misdrijf zich doorheen de duur van de feiten verplaatst, dan werd de belangrijkste locatie hier weerhouden. Dit laatste kan zowel verwijzen naar de duur van de feiten, als naar een subjectieve hiërarchie van belangrijkheid van de locatie: private ruimten worden belangrijker geacht dan publieke, die dan weer voor de openbare weg komen. Als een feit zich bijvoorbeeld in een eerste fase voordoet in een café en zich vervolgens zijn afhandeling kent op straat, zal als locatie “café” worden opgeven.

De meeste feiten vinden plaats op de openbare weg, op de tweede plaats gevolgd door publieke ruimten zoals winkels en cafés. Private ruimten zijn het minst vertegenwoordigd. Bij dit alles moet evenwel rekening worden gehouden met de selectiecriteria die bij de steekproeftrekking gehanteerd zijn geworden. Zo zijn bij opzettelijke slagen en verwondingen enkel die feiten weerhouden die volgens de DAGO-gegevens op de openbare weg hebben plaatsgevonden. In Tabel 28 kan men vaststellen dat naargelang het misdrijftype waarover het handelt er een aantal verschillen vast te stellen zijn. Zo zullen hold-ups hoofdzakelijk in publieke ruimten plaatsgrijpen, daar waar handtasroven vrijwel uitsluitend op de openbare weg gebeuren. Wat betreft opzettelijke slagen en verwondingen kan men opmerken dat ondanks het vooropgestelde onderzoekscriterium dat alle feiten van dit type op straat moeten plaatsgevonden hebben er toch een niet onaanzienlijk deel is waarbij uit de PV-analyse is gebleken dat ze in werkelijkheid hoofdzakelijk ergens anders hebben plaatsgevonden, maar uiteindelijk naar de openbare weg verplaatst zijn. Het gaat hierbij om een verschillende interpretatie van de codeurs en onderzoekers wat betreft de belangrijkheid van de specifieke locaties.

Tabel 28 Locatie misdrijf (N = 1098, Miss. = 75) Totaal

Openbare weg Private ruimte Publieke ruimte

736 77 255

70.0% 7.3% 22.6%

Diefstal geweld (N=428) 277 68.7% 32 7.9% 99 23.3%

Diefstal gewapend. (N=227) 113 22 99

50.7% 9.9% 39.5%

Slagen – verwond. (N=222) 169 13 38

79.0% 6.1% 14.9%

Handtasroof

Hold-up

(N=198)

(N=23)

171 10 8

90.5% 5.3% 4.2%

6 1 17

26.1% 4.3% 69.6%

55


Binnen de drie categorieën werd er een verdere, meer specifieke opdeling gedaan. Wat betreft de feiten die op de openbare weg werden gepleegd blijkt dat het overgrote deel hiervan op het trottoir plaatsvinden (Tabel 29). Slechts in een minderheid van deze gevallen werd er een andere locatie op de openbare weg opgegeven: parken en plantsoenen vormen hier de belangrijkste plaats. In restcategorie ‘andere’ konden er indien mogelijk meer specifieke locaties worden opgegeven. Nadien werden die geherinterpreteerd en wederom indien mogelijk toegevoegd aan de andere specifieke categorieën. De belangrijkste specificatie hier zijn tram- en bushalten (in totaal 25 keer vernoemd wat overeen stemt met 3.9% van het aantal feiten die hebben plaatsgevonden op het trottoir 20. Op de tweede plaats staan schooluitgangen (13 vermeldingen).

Tabel 29 Locatie misdrijf openbare weg (N = 685, Miss. = 66) Totaal (N=685) Park/plantsoen Speelplein Sportgelegenheid Parkeerterrein Trottoir Andere

37 16 2 15 638 28


5.0% 19 2.2% 5 0.3% 2.0% 6 86.7% 231 3.8% 16

6.9% 1.8%


4 2 1 2.2% 3 83.4% 101 5.8% 2

3.5% 1.8% 0.9% 2.7% 89.4% 1.8%

Slagen – verwond. (N=161) 4 8 1 3 143 10

2.4% 4.7% 0.6% 1.8% 84.6% 5.9%

Handtasroof

Hold-up

(N=171)

(N=5)

10 1 0 2 158

5.8% 0.6% 0.0% 1.2% 92.4%

1 5

16.7% 83.3%

Als het handelt over een misdrijf in een private ruimte heeft dit vooral betrekking op diefstallen met geweld of gewapenderhand in privé-woningen (Tabel 30). In andere gevallen gaat het in hoofdzaak om de ruimte voor flatgebouwen (hoewel dit in feite ook als openbare weg gecodeerd zou kunnen worden).

20

Vier maal werden er metrostations vernoemd: voor de eenduidigheid zijn die hier bijgeteld.

56


Tabel 30 Locatie misdrijf private ruimte (N = 77)

(N=77) Privé-woning Voor flatgebouw Hal flatgebouw Garage

51 13 10 3



Totaal

66.2% 16.9% 13.0% 3.9%

26 2 3 1

81.3% 19 6.3% 1 9.4% 1 3.1% 1

86.4% 4.5% 4.5% 4.5%

Slagen – verwond. (N=13) 5 6 1 1

Handtasroof

Hold-up

(N=9)

(N=1)

38.5% 46.2% 7.7% 7.7%

0 5 5 0

0.0% 50.0% 50.0% 0.0%

1 0 0 0

100.0% 0.0% 0.0% 0.0%

Jongerengroepsgeweld dat plaatsvindt in publieke ruimten heeft vooral betrekking op diefstallen met geweld in cafés en diefstallen gewapenderhand in winkels (Tabel 31). Maar ook het openbaar vervoer en scholen komen in de steekproef voor.

Tabel 31 Locatie misdrijf publieke ruimte (N = 238, Miss. = 17) Totaal (N=238) Recreatiegelegenheid Café/bar Dancing/disco Clubgebouw/jeugdhuis Frituur Hotel Restaurant Winkel(centrum) School/universiteit Bedrijf Bank Geldautomaat Openbaar gebouw Benzinestation Auto Taxi Openbaar vervoer Andere



4

1.7%

34 6

14.3% 2.5%

24 3

25.5% 3.2%

1 3

0.4% 1.3%

1 3

1.1% 3.2%

5 6

2.1% 2.5%

2 2

2.1% 2.1%

3 3

3.4% 3.4%

59 14

24.8% 5.9%

12 7

12.8% 7.4%

38

43.2%

4 12

1.7% 5.0%

2 2

2.1% 2.1%

2 2

8 6

3.4% 2.5%

2 2

2.1% 2.1%

7 8

2.9% 3.4%

5

4 18

1.7% 7.6%

2 7

39

16.4%

18


Handtasroof

Hold-up

(N=8)

(N=16)

2

2.3%

1

3.1%

1

12.5%

1 1

1.1% 1.1%

9 1

28.1% 3.1%

1

12.5%

0.0% 0.0% 1

0.0% 3.1%

3 7

9.4% 21.9%

6

37.5%

2.3% 2.3%

8

50.0%

6 2

6.8% 2.3%

2

12.5%

5.3%

7 3

8.0% 3.4%

2.1% 7.4%

2 6

2.3% 6.8%

2

6.3%

3

37.5%

19.1%

10

11.4%

8

25.0%

3

37.5%

4.2.2.2 Tijdstip Met het oog op een preventiecampagne naar jongerengroepsgeweld is het belangrijk na te gaan wanneer jongeren in de onderzochte misdrijftypes betrokken raken. Zo kan er statistisch


57

significant verband worden vastgesteld tussen de dag van de week en het aantal feiten: de meeste delicten vinden in het weekend plaats, met zaterdag als topdag. Een verklaring hiervoor is snel gevonden: jongeren hebben in het weekend nu eenmaal meer kans om misdrijven te begaan (Tabel 32).

Tabel 32 Aantal feiten per weekdag (N = 1173) Aandeel feiten in heel de week

Maandag Dinsdag Woensdag Donderdag Vrijdag Zaterdag Zondag

140 146 143 153 183 205 203

11.9 % 12.4 % 12.2 % 13.0 % 15.6 % 17.5 % 17.3 %

In Figuur 5 wordt een overzicht geboden van het gemiddeld aantal feiten per uur per dag op weekbasis. Om het totaal terug te vinden voor een welbepaald uur moet men de frequentie vermenigvuldigen met 7. Als men het gemiddeld aantal feiten wil terugvinden voor een tijdstip op een welbepaalde dag moet men dat resultaat nog eens delen door 52.18 (het aantal weken per jaar) en vervolgens delen door 4 (het aantal jaren dat in het onderzoek is opgenomen). Ieder tijdsinterval loopt van Xuur00 tot en met Xuur59. Indien het exacte tijdstip van het delict niet gekend is (enkel een geschat begin- en einduur) dan wordt het feit evenredig verdeeld over alle tussenliggende uren 21.

Men kan vaststellen dat de meeste delicten in de late namiddag plaatsvinden. Het topmoment situeert zich tussen 16u en 17u. Dit zou kunnen wijzen op een samenhang met het aflopen van de scholen, wat wordt bevestigd door het feit dat als men gaat kijken naar de uren opgesplitst per weekdag, men kan vaststellen dat er op woensdag een toppunt is tussen 12u en 13u. Anderzijds kan men daarbij opmerken dat ook in het weekend de periode tussen 16u en 17u hoog scoort (zie Figuur 6).

21

Met dank aan de Rijkswacht voor het leveren van de macro die deze verdeling uitvoert.


58

Figuur 5 Gemiddeld aantal feiten per uur 14

aandeel feiten (%)

12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Tijdstip

Wanneer we een vergelijking maken tussen het gemiddeld aantal feiten op (werk-) weekdagen en in het weekend. Het weekend loopt hierbij van 0 uur zaterdagochtend tot 6u59 maandagochtend 22. Net zoals bij Figuur 5 moet er een herberekening worden uitgevoerd om de werkelijke totalen en gemiddelden per dag te kennen. Voor de berekening van gemiddelden per tijdstip per dag is de berekening analoog (delen door 52.18 en door 4). Voor de totalen moet men dan wel rekening houden of het over een weekdag, dan wel het weekend gaat.

Hierbij valt onmiddellijk op dat er in een weekendnacht veel meer delicten plaatsvinden dan in een gemiddelde weeknacht. Dit hangt samen met het uitgaansleven in het weekend en school- (en werk)verplichtingen in de week. Ook in het weekend valt het moment met de meeste feiten tussen 16u00 en 17u00, maar in tegenstelling tot in de week is er ook tussen 19u00 en 20u00 een hoogtepunt.

22

Deze indeling werd overgenomen van de Rijkswacht.


59

Figuur 6 Gemiddeld aantal feiten weekdag/weekend (totaal) 16 14 12 10 8 6 4 2 0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 week

weekend

Ook op maandbasis doen er zich verschuivingen voor: Figuur 7 geeft een overzicht van het gemiddeld aantal feiten per maand. Een duidelijke lijn is hier echter niet in terug te vinden. Algemeen worden er tijdens de zomer minder delicten gepleegd door jongeren dan in de winter, maar men kan vaststellen dat november de rustigste maand is. De meeste delicten per dag worden in februari gepleegd.

Figuur 7 Gemiddeld aantal feiten per dag per maand

Gemiddeld aantal feiten per dag

1,2 1 0,8 0,6 0,4 0,2 0

Maand


60

Figuur 8 geeft de spreiding weer van de vijf misdrijftypes over de uren van de dag. Met betrekking tot diefstallen met geweld kan men vaststellen dat die min of meer gelijkmatig over de verschillende uren van de dag verdeeld zijn met een hoogtepunt tussen 16u00 en 17u00. Enkel in de voormiddag is er een duidelijke afname vast te stellen is. Over diefstallen gewapenderhand kunnen dezelfde opmerkingen worden gemaakt: het tijdstip met het hoogste gemiddelde ligt hier echter een uur later, tussen 17u00 en 18u00. Handtasroven gebeuren vooral in de namiddag, met als belangrijkste momenten tussen 14u00 en 15u00 en tussen 18u00 en 19u00. ’s Nachts komen ze vrijwel niet voor. Hold-ups vinden uitsluitend overdag plaats en dan vooral tussen 9u00 en 10u00 (opening winkels) en 18u00 en 19u00 (sluiting winkels). Opzettelijk slagen en verwondingen kennen dan weer een wisselend verloop. De meeste feiten komen echter tussen 16u00 en 17u00 voor.

Procentueel aandeel feiten

Figuur 8 Misdrijfsoort en tijdstip 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip

slagen & verwondingene

diefstal met geweld

Handtasroof

Diefstal gewapenderhand

Hold-up

De vijf volgende tabellen geven voor iedere misdrijfsoort het gemiddeld aantal feiten weer begaan tijdens de (werk-)week en tijdens het weekend. Voor de berekening van de werkelijke waarden gelden dezelfde opmerkingen als bij Figuur 6.

Figuur 9 geeft de verdeling weer van de diefstallen met geweld. Het topmoment valt hier ook in het weekend, tussen 20u00 en 21u00. Op de tweede plaats komen de weekdagen 16u00 en 17u00. Het valt te verwachten dat hier veel schoolgaande jeugd tussen zit. Dat stemt overeen met de zeer lage waarden voor de voormiddag en een piek tussen 12u00 en 13u00. In het weekend worden er vooral ’s nachts opmerkelijk hoge scores gehaald, al gebeurt er ook op een weeknacht heel wat (zie vooral tussen 23u00 en 00u00, en tussen 03u00 en 04u00).


61

Figuur 9 Diefstal met geweld (N=459)

Gemiddeld aantal feiten

6 5 4 3 2 1 0 0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 tijdstip week

Diefstallen

weekend

gewapenderhand (Figuur 10) worden

gemiddeld hoofdzakelijk tijdens

weekendnachten en –ochtenden gepleegd, met, wat toch wel merkwaardig genoemd kan worden, een hoogtepunt tussen 07u00 en 08u00 ’s ochtends. Overdag gebeuren zowel in de week als in het weekend de meeste gewapende diefstallen tussen 17u00 en 18u00.

Figuur 10 Diefstal gewapenderhand (N=243)


3,5 3 2,5 2 1,5 1 0,5 0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip week

weekend

Figuur 11 geeft een overzicht van de verdeling van opzettelijk slagen en verwondingen. De meeste feiten gebeuren algemeen in het weekend tussen 19u00 en 20u00. In de week is er een piekmoment tussen 16u00 en 17u00. In een weekendnacht is men meer actief dan in een weeknacht.


62

Figuur 11 Slagen en verwondingen (N=235)


7 6 5 4 3 2 1 0 0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip week

weekend

Het grootste deel van de handtasroven (Figuur 12) vindt plaats tijdens het weekend en dan vooral in de namiddag tussen 14u00 en 20u00. De absolute piek situeert zich tussen 16u00 en 17u00 wat overeenkomt met een ogenblik dat er zich veel mensen op straat bevinden (bv. om te winkelen of te wandelen). Ook tussen 09u00 en 10u00 is er een piek, wat dan weer mogelijk in verband gebracht kan worden met de markt. In de week is er een hoogtepunt in de handtasroven tussen 18u00 en 19u00, als er veel woon-werkverkeer is.

Figuur 12 Handtasroof (N=208)


6 5 4 3 2 1 0 0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip week

weekend

Hold-ups vinden vooral in de week plaats (Figuur 13), met de hoogtepunten verdeeld over de ochtend (10u00 – 11u00), middag (12u00 – 13u00) en avond (18u00 – 19u00). Dit zijn tijdstippen die geassocieerd kunnen worden met de openings – en sluitingsmomenten van


63

winkels. Het lage aantal hold-ups is verantwoordelijk voor de wat grillige bokkensprongen van beide grafieklijnen.


Figuur 13 Hold-up (N=28) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 tijdstip week

weekend

4.2.3 Betrokkenen 4.2.3.1 Daders De analyse van de daders blijft op het feitenniveau noodzakelijkerwijze beperkt. In de volgende paragraaf wordt uitgebreid ingegaan op de daders die betrokken zijn bij jongerengroepsgeweld. In deze paragraaf komen twee aspecten aan bod die rechtstreeks met het feit te maken hebben. Zo wordt eerst stilgestaan bij de grootte van de groep die het feit pleegde. Hierin blijken immers nogal wat verschillen te bestaan bij de verschillende misdrijftypes die we selecteerden. Aan de andere kant wordt ook de reactie van de dader beschreven op het moment waarop hij werd aangehouden. 4.2.3.1.1 Groepsomvang De vraag naar de omvang van groepen jeugdige daders kan gerelateerd worden aan het stereotiepe beeld van “rondhangende” of “keetschoppende” groepjes jongeren. In deze paragraaf gaan we na in hoeverre jongerengeweld gerelateerd is aan groepsvorming. Voor de analyse van het fenomeen werd er omwille van de nauwkeurigheid gebruik gemaakt van het (door het slachtoffer) opgegeven aantal daders en niet van het aantal in het onderzoek geïdentificeerde daders. Dit laatste aantal houdt immers een systematische onderschatting in

64


van de werkelijke groepsomvang omdat niet altijd alle daders die betrokken waren bij een bepaald delict worden geïdentificeerd en gevat. Anderzijds moet er rekening worden gehouden met het feit dat het door het slachtoffer opgegeven aantal daders zeker bij grotere groepen onnauwkeurig wordt en met de nodige omzichtigheid benaderd moet worden. Het gemiddeld aantal daders per feit bedraagt in het onderzoek 2.61 23. Dit aantal is echter niet voor alle misdrijftypes even groot zoals uit Tabel 33 afgeleid kan worden. De grootste groepen zijn betrokken bij opzettelijke slagen en verwondingen, wat erop kan wijzen dat een grotere groepsomvang inderdaad een zekere vorm van agressie in de hand kan werken. De kleinste groepen worden gevormd bij handtasdiefstallen, wat dan weer in lijn is met de snelheid waarmee een dergelijk vergrijp wordt uitgevoerd.

Tabel 33 Gemiddeld aantal daders per feit

Diefstal met geweld Diefstal gewapenderhand Opzettelijke slagen / verwondingen Handtasroof Hold-up

N

Gemiddelde

Std. Dev.

459 243 235 208 28

2.44 2.30 3.98 1.87 2.29

1.61 1.43 1.56 0.98 1.18

Tabel 34 geeft een gedetailleerd overzicht van de groepsomvang bij de verschillende misdrijftypes. Hieruit blijkt dat bij diefstallen met geweld, diefstallen gewapenderhand en hold-ups meestal door één enkele dader worden gepleegd. Handtasroven worden ook overwegend alleen uitgevoerd maar in bijna evenveel gevallen zijn er twee daders. Bij opzettelijke slagen en verwondingen zijn er bijna in alle gevallen meerdere daders betrokken. Drie daders lijkt hier de meest kritische groepsomvang te zijn.

23

Standaard deviatie = 1.63; Minimum = 1; Maximum = 9.

65


Tabel 34 Groepsomvang per misdrijftype (N = 1173) Totaal

517 351 177 87 26 6 4 3 3

1 2 3 4 5 6 7 8 >8


44.0% 29.9% 15.1% 7.4% 2.2% 0.5% 0.3% 0.3% 0.3%

250 129 39 26 9 2 2 1 1

54.5% 28.1% 8.5% 5.7% 2.0% 0.4% 0.4% 0.2% 0.2%

Diefstal gewapend (N=243)


Handtasroof

Hold-up

(N=208)

(N=28)

124 72 28 10 6 1

51.1% 29.6% 11.5% 4.1% 2.5% 0.4%

27 54 96 44 8 3 2 1

100 89 11 5 3

2

0.8%

11.5% 23.0% 40.9% 18.7% 3.4% 1.3% 0.9% 0.4%

48.1% 42.8% 5.3% 2.4% 1.4%

16 7 3 2

57.1% 25.0% 10.7% 7.2%

Samen met de misdrijftypes varieert ook de gemiddelde groepsomvang. De grootste groepen treft men vooral ’s nachts aan, overdag zijn ze merkelijk kleiner. Enkel rond 16uur is er een piek in de groepsomvang. Men kan opmerken dat dit tevens het moment is dat er het meeste feiten worden gepleegd (zie onder andere Figuur 8). Vier uur kan dus om meerdere redenen het drukste moment voor de politiediensten genoemd worden, toch zeker wat betreft jongerengroepsgeweld.

Figuur 14 Gemiddeld aantal daders per feit per uur (N = 1173)

Gemiddeld aantal daders .

3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Uur

4.2.3.1.2 Reactie van de dader op een aanhouding Algemeen reageerde een dader in 30.9% van de gevallen agressief op zijn aanhouding als die onmiddellijk na de feiten plaatsgreep op de pleegplaats of in de onmiddellijke omgeving. Procentueel kan er een klein verschil worden vastgesteld wat betreft de reactie op de

66


politiediensten, dan wel de omstanders. Dit verschil is evenwel niet statistisch significant. Er kon ook geen statistisch verband worden aangetoond tussen nationaliteit en de reactie op de aanhouding.

Tabel 35 Reactie op aanhouding (N= 621, Miss= 552) Totaal (N=621) Actief Passief

169 452

27.2 % 72.8 %

Politie (N=471) 116 355

24.6 % 75.4 %

Rijkswacht (N= 89)

Slachtoffer (N= 8)

Omstander (N= 50)

35 54

2 6

15 35

39.3 % 60.7 %

25.0 % 75.0 %

30.0 % 70.0%

4.2.3.2 Slachtoffers De gemiddelde leeftijd van de slachtoffers bedraagt 35.7 jaar, de modus is evenwel 18 jaar. In Figuur 15 kan men vaststellen dat jongeren in de eerste plaats andere jongeren aanpakken, maar dat de andere leeftijden (zeker vanaf 30 jaar) min of meer evenwichtig zijn verdeeld (daarom ook de hogere gemiddelde leeftijd). Algemeen kan men ook concluderen dat jongerengroepsgeweld niet alleen een probleem van jonge daders maar ook een probleem van jonge slachtoffers is. Het schrikbeeld van de brutale overvallen op weerloze bejaarden wordt in Figuur 15 duidelijk tegengesproken.

67


Figuur 15 Leeftijdsverdeling slachtoffers (N=1229, Miss. = 51) 24 70 60

Frequentie

50 40 30 20 10 0 10

15

20

25

30

35

40

45

50

55

60

65

70

75

80

85

90

Leeftijd

De leeftijd van het slachtoffer staat in relatie tot het misdrijf waarvan men slachtoffer wordt. De jongste slachtoffers vindt men terug als er sprake is van opzettelijke slagen en verwondingen. In tegenstelling tot wat de algemene leeftijdsverdeling duidelijk maakte, is er hier wel een duidelijk verband tussen oudere mensen en handtasroven (Tabel 36). Bij dit type misdrijf blijken oudere mensen duidelijk een geliefd doelwit.

Tabel 36 Gemiddelde leeftijd slachtoffer naar misdaadtype

Aantal Gemiddelde slachtoffers leeftijd Diefstal met geweld Diefstal gewapenderhand Opzettelijke slagen en verwondingen Handtasroof Hold-up

24

494 267 241 208 19

31.8 35.0 30.4 66.7 35.2

Std Dev. 16.5 15.7 13.8 17.4 10.3

Het onderzoek voorzag in de mogelijkheid om maximaal twee slachtoffers in te geven. De grafiek is gebaseerd op de leeftijd van zowel het eerste als het tweede slachtoffer. De N vertegenwoordigt om die reden het totaal aantal slachtoffers waarvan de leeftijd gekend is en niet het aantal feiten waarin een slachtoffer viel. In totaal werden er 1120 feiten met minstens één slachtoffer geregistreerd, waarvan 160 met twee slachtoffers.


68

De meeste slachtoffers zijn afkomstig uit Antwerpen en de fusiegemeenten, slechts een kleinere groep komt uit de rest van België en dan nog vooral de randgemeenten. Dertig slachtoffers kwamen uit het buitenland. Het ging hierbij vooral over Nederlanders (16) en Fransen (6).

Tabel 37 Woonplaats slachtoffers (N = 1235, Miss. = 41)

Groot-Antwerpen Rest provincie Antwerpen Provincie Oost-Vlaanderen Brussel - Brabant Rest België Buitenland

921 183 45 37 19 30

74.6% 14.8% 3.6% 3.0% 1.5% 2.4%

4.2.3.2.1 De relatie tussen slachtoffer en dader Niet alleen bestaat er een verband tussen de leeftijden van daders en slachtoffers. In 30% van de geregistreerde gevallen kennen beide partijen elkaar ook op een of andere manier. Het feit dat het slachtoffer de dader in dit geval kent, kan er natuurlijk toe hebben bijgedragen dat de betrokken zaak opgelost is geraakt, waardoor dit cijfer hoger ligt dan het in werkelijkheid is.

69


Tabel 38 Relatie slachtoffer – dader (N = 1057, Miss. = 116) Totaal (N=1057) 25


748

70.8%

274

64.3%

1 7 8 2 12

0.1% 0.7% 0.8% 0.2% 1.1%

1 4 5 1 6

0.2% 0.9% 1.2% 0.2% 1.4%

6 112 79 35 5

0.6% 10.6% 7.5% 3.3% 0.5%

1 59 41 15 2

0.2% 13.9% 9.6% 3.5% 0.5%

(Ex)collega (Ex-)klant Gezagsrelatie Ondergeschikte relatie

4 14 11 1

0.4% 1.3% 1.0% 0.1%

2 8 4 1

0.5% 1.9% 0.9% 0.2%

Andere

12

1.1%

2

0.5%

Onbekende



170

105

53.0%

179

96.2%

1.0% 0.5% 0.5% 2.2%

1

0.5%

1

0.5%

1 2

0.5% 1.1%

1

0.5%

1

0.5%

75.6%


Hold-up (N=22) 20

90.9%

1 1

4.5% 4.5%

Sterke relatie Partner Familie Vriend Huisgenoot Ex-partner

2

0.9%

1

0.4%

2 1 1 4

8.9% 8.0% 2.2% 0.4%

5 31 17 15 1

2.5% 15.7% 8.6% 7.6% 0.5%

4 1

1.8% 0.4%

2 2 6

1.0% 1.0% 3.0%

3

1.3%

6

3.0%

Zwakke relatie Buren Bekende van naam Bekende van gezicht Schoolomgeving Uitgaanskennis

20 18 5 1

Professionele relatie

Wanneer we meer in detail gaan kijken, zien we dat het kennen van de dader min of meer samenhangt met het type misdrijf dat gepleegd werd. Zo is de dader bij handtasroven in bijna alle gevallen onbekend. Ook voor hold-ups is er nauwelijks een spoor van herkenning van de kant van het slachtoffer uit. Dat is helemaal anders bij diefstallen met geweld of slagen en verwondingen. In dat geval komt het regelmatig voor dat dader en slachtoffer elkaar kennen. Voor dit laatste type misdrijf is er in bijna de helft van de misdrijven een of andere relatie tussen beide. Toch moeten we dit enigszins relativeren omdat de relatie tussen slachtoffer en dader meestal een bekende van gezicht of een bekende van naam is. Een sterkere relatie bestaat er doorgaans niet. 4.2.3.2.2 Verwondingen van het slachtoffer In totaal zijn er 1276 persoonlijke slachtoffers. Dit wil zeggen dat alle bedrijven of verenigingen die het slachtoffer werden van een diefstal, niet in de telling opgenomen werden. 25

De relatie tussen slachtoffer en dader was in 116 feiten niet gekend. Om die reden werden de percentages in deze kolom berekend op 1057 feiten.

70


Per feit konden er telkens maximum twee slachtoffers worden opgegeven (zie verder). 551 personen onder hen (44.3%) liepen als gevolg van het misdrijf daarbij één of meerdere verwondingen op (Tabel 39 en Tabel 40). Het hoogste risico gewond te raken loopt men als men betrokken raakt bij vechtpartijen (opzettelijke slagen en verwondingen, 72.4%). De laagste kans vindt men bij diefstallen gewapenderhand (33.5%). Dit is een bevestiging van eerdere conclusies (zie Tabel 20 en Tabel 21) dat wapens bij deze misdrijven als bedreiging gebruikt worden en doorgaans ook volstaan.

Tabel 39 Aantal gewonden / totaal aantal slachtoffers (N =1276) Totaal

Aantal gewonden 551

44.3%

Diefstal geweld (N=482) 186

38.6%



91

190

33.5%

72.4%

Handtasroof

Hold-up

(N=201)

(N=27)

71

35.3%

13

48.1%

De meest voorkomende verwonding zijn kneuzingen, op enige afstand gevolgd door open wonden (Tabel 40). De restcategorie ‘andere’ vermeld vooral geïrriteerde ogen, bloedneuzen en in een aantal gevallen bewusteloosheid.

Tabel 40 Verwondingen slachtoffers (N = 551, Miss. = 622) Totaal

30 Breuk Hersenschudding 14 279 Kneuzing 41 Shock 143 Open wonde 86 Schaafwonde 2 Schotwonde 16 Steekwonden 12 Krabben 8 Bijtsporen 167 Andere

5.4% 2.5% 50.6% 7.4% 26.0% 15.6% 0.4% 2.9% 2.2% 1.5% 30.3%




10 4 90 15 46 27 0 0 4 1 57

2 1 31 13 23 8 1 8 1 1 34

13 7 107 4 65 36 0 8 7 6 58

5.4% 2.2% 48.4% 8.1% 24.7% 14.5% 0.0% 0.0% 2.2% 0.5% 30.6%

2.2% 1.1% 34.1% 14.3% 25.3% 8.8% 1.1% 8.8% 1.1% 1.1% 37.4%

6.8% 3.7% 56.3% 2.1% 34.2% 18.9% 0.0% 4.2% 3.7% 3.2% 30.5%

Handtasroof

Hold-up

(N=71)

(N=13)

5 1 46 6 8 13 0 0 0 0 14

7.0% 1.4% 64.8% 8.5% 11.3% 18.3% 0.0% 0.0% 0.0% 0.0% 19.7%

0 1 5 3 1 2 1 0 0 0 4

0.0% 7.7% 38.5% 23.1% 7.7% 15.4% 7.7% 0.0% 0.0% 0.0% 30.8%

Uitgezonderd bij diefstallen gewapenderhand, komen kneuzingen als verwonding overal het meeste voor. Bij handtasroof bedraagt het aandeel bijna 65%. Dit heeft vooral te maken met het feit dat mensen hierbij vaak ten val komen. Dit uit zich ook in relatief gezien het hoogste percentage breuken. In het geval van diefstallen gewapenderhand is de restcategorie ‘andere’

71


de belangrijkste. In 14 gevallen (41.2%) ging het hierbij om geïrriteerde ogen (ten gevolge van het gebruik van traangas). Schotwonden komen relatief weinig voor. 4.2.3.3 Omstanders In 484 gevallen waren er zeker omstanders aanwezig en hebben zij op één of andere manier hun bijdrage gehad in het feit. In alle andere gevallen waren er ofwel geen omstanders, ofwel wensten zij niet betrokken te raken bij de gebeurtenissen (Tabel 41). Voornamelijk bij holdups is het aantal omstanders groter of ten minste toch het aantal omstanders dat nadien aangifte is gaan doen. Ook slagen en verwondingen trekken doorgaans meer omstanders die betrokken raken (of getuige zijn van) het misdrijf.

Tabel 41 Omstanders aanwezig ? (N= 1087, Miss. = 86) Totaal

(N=1087)

Diefstal

Diefstal

Slagen –

Handtas

geweld

gewapend.

verwond.

roof

(N=425)

(N=226)

(N=220)

(N=193)

Hold-up

(N=23)

Ja

484

44.5 %

146 34.4 %

75 33.2 %

157 71.4 %

87 45.1 %

19 82.6 %

Nee

603

55.5 %

279 65.6 %

151 66.8 %

63 28.6 %

106 54.9 %

4 17.4 %

Handtasroven nemen in deze een bijzondere plaats in (Tabel 42). Het hoge percentage onbekenden die als omstander betrokken raakt bij een handtasroof wijst op het feit dat de slachtoffers van dit misdrijf vaak alleen zijn op het moment van de diefstal. Mensen die op dat moment in de buurt zijn, komen dan te hulp. Slachtoffers die te maken krijgen met slagen en verwondingen of een diefstal met geweld zijn vaker in het bijzijn van iemand die ze beter kennen (vrienden). Bij hold-ups zien we aan het soort omstander duidelijk dat het hier gaat om een type misdrijf dat gepleegd wordt in handelszaken. De omstanders die hier betrokken worden, zijn klanten, werkgevers (van de overvallen winkelbedienden), of partners (in familiezaken ?).

72


Tabel 42 Relatie slachtoffer – omstander (N=471, Miss. = 702) Totaal (N=471) 26 Onbekende




Handtas roof (N=85)

Hold-up (N=19)

190 40.3 %

58 38.2 %

26 32.9 %

46 33.8 %

53 62.4 %

7 36.8 %

31 6.9 % 33 7.0 % 2 0.4 % 3 0.6 % 97 20.6 % 1 0.2 %

1 0.7 % 9 5.9 % 1 0.7 % 1 0.7 % 42 27.6 %

9 11.4 % 1 1.3 %

10 8.0 % 15 11.0 % 1 0.7 %

11 12.9 % 7 8.2 %

1

15.8 % 5.3 %

31 22.8 % 1 0.7 %

9 10.6 %

1

5.3 %

Sterke relatie Partner Familie Kind Huisgenoot Vriend Ex-partner

2 2.5 % 15 19.0 %

Zwakke relatie Buren Bekende van naam Bekende van gezicht Schoolomgeving Uitgaanskennis

20 12 8 15 3

4.3 % 2.5 % 1.7 % 3.2 % 0.6 %

5 3 5 9 2

3.3 % 2.0 % 3.3 % 5.9 % 1.3 %

6 1 1 1

7.6 % 1.3 % 1.3 % 1.3 %

6 6 1 5 1

4.4 % 4.4 % 0.7 % 3.7 % 0.7 %

21 16 8 7

4.5 % 3.4 % 1.7 % 1.5 %

3 6 1 3

2.0 % 4.0 % 2.0 % 0.7 %

8 10.1 % 6 7.6 % 1 2.5 % 2 1.3 %

7 1 3 1

5.2 % 0.7 % 0.7 % 2.2 %

4

0.8 %

3

2.0 %

1

0.7 %

2 2 1

2.3 % 2.4 % 1.2 %

Professionele relatie (Ex)collega (Ex-)klant Gezagsrelatie Ondergeschikte relatie Andere

3 15.8 % 3 15.8 % 3 15.8 % 1 5.3 %

De deelname aan de gebeurtenissen door omstanders betreft in de meeste gevallen het geven van een getuigenis of het melden van de feiten aan de politie. Slechts in een aantal gevallen wordt er ook actief ingegrepen tijdens het misdrijf (Tabel 43). Dit gebeurt dan in hoofdzaak wanneer een handtas wordt gestolen. In dat geval gaat men sneller de dader achterna of slaagt de omstander er zelfs in de dader te vatten. Bij gevallen waar gevochten wordt, gebeurt het soms dat de omstanders fysiek ingrijpen en bijgevolg betrokken raken bij het incident.

26

Zelfde opmerking als bij Tabel 38.

73


Tabel 43 Invloed omstanders (N = 474, Miss. = 699) Totaal (N=474) 27




Handtas roof (N=81)

Hold-up (N=19)

Invloed tijdens misdrijf Fysiek ingrijpen Verbaal ingrijpen Dader achterna gaan Dader vatten Opschorten misdaad Aanmoedigen

47 9.9 % 21 4.4 % 64 13.5 % 48 10.1 % 38 8.0 % 5 1.1 %

4 7 11 9 12 2

2.8 % 4.9 % 7.7 % 6.3 % 8.4 % 1.4 %

4 1 7 5 3

5.5 % 1.4 % 9.6 % 6.8 % 4.1 %

33 20.9 % 9 5.7 % 7 4.4 % 8 5.1 % 15 9.5 % 3 1.9 %

5 6.2 % 2 2.5 % 35 43.2 % 26 0.0 % 7 8.6 %

1 5.3 % 2 10.5 % 4 21.1 %

101 63.9 % 3 1.9 % 40 25.3 %

49 60.5 % 3 3.7 % 18 22.2 %

14 73.7 %

35 22.2 %

18 22.2 %

2 10.5 %

1

5.3 %

Invloed na misdrijf Getuigenis Melding aan politie Melden aan slachtoffer Andere

297 62.7 % 9 1.9 % 138 29.1 %

85 59.4 % 43 30.1 %

48 65.8 % 3 4.1 % 24 32.9 %

98 20.7 %

34 23.8 %

9 12.3 %

13 68.4 %

Op het eerste zicht lijken de meeste daders (68%) op zijn minst in de directe omgeving van de pleegplaats te worden aangehouden (Tabel 44). Bij vechtpartijen (slagen en verwondingen) zal dit sneller op de plaats van het misdrijf zelf gebeuren daar waar diefstallen veel meer in de omgeving (mogelijk tijdens de vlucht) opgelost worden.

Tabel 44 Plaats aanhouding (N = 642, Miss. = 531) Totaal

Op plaats misdrijf In de omgeving Elders

(N=642)


156 24.3% 285 44.4% 201 31.3%

46 18.7% 124 50.4% 76 30.9%



14 12.3% 58 50.9% 42 36.8%

79 42.0% 45 23.9% 64 34.1%

Handtas roof (N=91) 15 16.5% 57 62.6% 19 20.9%

Hold-up (N=3) 2 66.7% 1 33.3%

Omwille van het grote aantal ontbrekende gegevens in Tabel 44 moeten deze resultaten evenwel genuanceerd worden: het valt redelijkerwijze aan te nemen dat in het geval de dader in de directe omgeving is aangehouden (wat een snelle politieactie vereist) dit ook zal terug te

27

In deze tabel wordt de invloed van de omstanders gemeten. Het onderzoek liet toe om drie verschillende soorten van invloed van omstanders te registreren. In 474 feiten werd een of andere vorm van invloed geregistreerd. Om deze reden werd 474 als basis voor de percentages aangenomen. Omdat er 204 feiten waren met twee en 87 feiten met drie verschillende vormen van invloed, sommeren de frequenties in de tabel niet tot 474 en geven de percentages ook geen 100 percent aan.

74


vinden zijn in de originele PV. Als er geen gegevens terug te vinden zijn, kan er algemeen van worden uitgegaan dat dit niet het geval was.

De aanwezigheid van omstanders bij jongeren heeft geen significante invloed op de plaats van de aanhouding. Deze vaststelling hangt samen met het feit dat in meer dan 85% van de gevallen het de politie of rijkswacht is die de dader kan vatten (op de plaats van het misdrijf of in de directe omgeving; in alle andere gevallen zijn het steeds de politiediensten). In tegenstelling tot bijvoorbeeld auto-inbraken (zie verder) is er bij al deze feiten steeds op zijn minst één getuige: het slachtoffer zelf.

Tabel 45 In eerste instantie gevat door… (N=651, Miss=622) Totaal

Politie Rijkswacht Slachtoffer Omstander

(N=651)


496 95 8 52

199 36 3 11

76.2 % 14.6 % 1.2 % 8.0 %

79.9 % 14.5 % 1.2 % 4.4 %

Diefstal gewapend. (N=114) 96 84.2 % 14 12.3 % 4 3.5 %

Slagen – Verwond. (N=193) 149 37 2 5

77.2 % 19.2 % 1.0 % 2.6 %

Handtas roof (N=92) 51 7 2 32

55.4 % 7.66 % 2.2 % 34.8 %

Hold-up (N=3) 1 33.3 % 1 33.3 % 1 33.3 %

In Tabel 45 valt opnieuw op dat de omstanders bij handtasroven de dader achterna gaan en ook vatten. Daar waar de invloed van de omstanders bij de andere misdrijftypes eerder gering is. 4.3 (Feit)daders Na de analyse van de feiten, schakelen we nu over op een tweede analyseniveau. Normaliter zou men na een analyse van de feiten een analyse verwachten van de daders. In zekere zin volgt die ook maar bij de interpretatie van de gegevens dient de lezer zich er rekenschap van de te geven dat het analyseniveau niet één dader is. Op het niveau van de unieke dader kunnen voor PV-analyse hele weinig gegevens geregistreerd worden. In principe vinden we op dat niveau enkel de geboortedatum en het geslacht terug, hoewel ook dit laatste kan veranderen. Alle mogelijke gegevens over de daders van jongerengroepsgeweld en auto-inbraken zijn gerelateerd aan het feit. De leeftijd van de dader wordt bepaald door het moment waarop het feit plaatsgrijpt. De woonplaats van de daders is de woonplaats op het moment van het feit. Enzovoort. Dat betekent dat de analyse van dadergegevens dient te gebeuren op feitdaderniveau waar de gegevens van zowel dader als feit samenkomen. Dit heeft echter voor

75


gevolg dat daders die proportioneel veel feiten plegen, ook proportioneel sterker aanwezig zijn in de hiernavolgende analyse. Op zich is dit geen probleem omdat deze daders ook effectief meer feiten pleegden en dus zwaarder mogen doorwegen in de analyse. De lezer mag de nuance tussen de unieke dader en de feitdader als analyseniveau niet uit het oog verliezen. In een aantal tabellen geven we toch de unieke dader weer (bv. Tabel 49) maar in dat geval zullen we expliciet in de hoofding vermelden dat het om unieke daders gaat. In alle andere gevallen gaat het om feitdaders. 4.3.1 Beschrijving van de daders naar misdaadtype Mannen en vrouwen verschillen significant van elkaar wat betreft het misdrijftype. Zo raken vrouwen proportioneel vaker betrokken in vechtpartijen en minder vaak bij handtasroven en diefstallen gewapenderhand. Bij diefstallen met geweld is er geen onderscheid te maken (bij dit alles mag evenwel niet uit het oog worden verloren dat er aanzienlijk minder vrouwen in het onderzoek zitten dan mannen).

Tabel 46 Soort misdrijf naar geslacht (N=2214, Miss=139) Mannen (N = 2077) Diefstal met geweld Diefstal gewapenderhand Opzettelijke slagen / verwondingen Handtasroof Hold-up

718 412 590 315 42

34.6 % 19.8 % 28.4 % 15.2 % 2.0 %

Vrouwen (N = 137) 51 16 64 6

37.2 % 11.7 % 46.7 % 4.4 %

Wanneer we kijken naar de leeftijd van de daders, zien we dat de plegers van handtasroven significant jonger zijn dan de daders van alle andere misdaadtypes, gevolgd door diefstallen met geweld. Dit verschil in leeftijd volgt duidelijk de zwaarte van het misdrijf. Het stelen van een handtas is iets anders dan het gewapenderhand overvallen van een winkel. De zwaardere misdrijven worden gemiddeld genomen dan ook op een latere leeftijd gepleegd.

76


Tabel 47 Gemiddelde leeftijd van de dader naar misdaadtype Diefstal met geweld N Gem Std

Diefstal gewapenderhand N Gem Std

Slagen en verwondingen N Gem Std

Totaal

780

18.0

3.31

434

18.8

2.99

663

18.4

3.80

1995 1996 1997 1998

153 230 241 156

17.9 18.1 17.7 18.1

3.39 3.29 3.28 3.31

103 90 148 93

18.6 18.9 18.9 18.9

2.93 3.44 2.87 2.79

157 186 191 129

19.0 18.0 18.7 17.8

3.97 4.33 3.22 3.42

N

Handtasroof Gem

Std

N

Hold-up Gem

Std

Totaal

339

17.2

2.64

44

20.2

2.76

1995 1996 1997 1998

73 114 63 89

16.6 17.1 17.5 17.3

3.03 2.24 3.25 2.25

4 10 6 24

18.7 21.0 22.0 19.7

2.36 2.31 3.22 2.73

Het leeftijdsgebonden karakter van misdrijven kunnen we ook vaststellen in Figuur 16, waar er bij handtasroven een piek is bij 12-jarige en de 16-jarige daders, waarna het aandeel van dit misdaadtype systematisch afneemt. Hold-ups aan de andere kant situeren zich voornamelijk vooraan in de twintig. Opvallend is verder ook dat er een duidelijke piek is van vijftienjarigen die diefstallen met geweld plegen.

77


Figuur 16 Procentuele verdeling van het misdaadtype naar leeftijd 100% 90%

Procentueel aandeel

80% 70% 60% 50% 40% 30% 20% 10% 0% <11

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Leeftijd Diefstal geweld

Diefstal gewapend

Slagen en verwondingen

Handtasroof

Hold-up

Het toedienen van opzettelijke slagen en verwondingen is vooral bij jonge Belgen en Turken het belangrijkste misdrijf, bij Marokkanen zijn dat diefstallen met geweld. Deze groep pleegt over alle misdrijven heen bekeken de zwaarste misdrijven. Ook bij hold-ups en diefstallen gewapenderhand vinden we de hoogste percentages Marokkanen terug.

Tabel 48 Misdaadtype en nationaliteit (N=1982) België (N = 1042) Diefstal met geweld Diefstal gewapenderhand Opzettelijke slagen / verwondingen Handtasroof Hold-up

311 180 349 184 18

29.8 % 17.3 % 33.5 % 17.7 % 1.7 %

Marokko (N = 791) 325 165 206 73 22

41.1 % 20.8% 26.0 % 9.2 % 2.9 %

Turkije (N = 149) 32 30 51 36

21.5 % 20.1 % 34.2 % 24.2 %

4.3.2 Socio-demografisch profiel 4.3.2.1 Geslacht en leeftijd In lijn met eerdere bevindingen kan er ook in dit onderzoek een oververtegenwoordiging vastgesteld worden van mannen. In een nationaal onderzoek van de rijkswacht was de


78

verhouding gemiddeld 85% mannen tegenover 15% vrouwen. Het verschil met dit onderzoek is het gevolg van de aard van de delicten: vrouwen zijn meer dan gemiddeld vertegenwoordigd in fraudezaken, die gemiddeld op latere leeftijd worden gepleegd.

Tabel 49 Aantal unieke daders naar geslacht (N = 1546, Miss=3)

Mannen Vrouwen

1428 118

92,4% 7,6%

In Tabel 50 wordt een overzicht gegeven van het gemiddeld aantal keer dat een (unieke) dader in de betrokken periode bij een delict betrokken was. Hieruit blijkt dat er niet enkel veel minder vrouwen een misdrijf begingen, maar dat ze ook veel minder vaak dan mannen recidiveerden (het algemeen gemiddelde bedraagt 1.44).

Tabel 50 Gemiddeld aantal feiten naar geslacht en misdaadtype (Unieke daders: N=1546, Miss=3).

N

Gemiddelde

Std Dev

Mannen Vrouwen

1428 118

1.47 1.16

1.48 0.47

Diefstal geweld Diefstal gewapenderhand Slagen en verwondingen Handtasroof Hold-up

594 342 610 185 32

1.38 1.31 1.11 1.87 1.46

2.01 1.17 0.76 3.28 0.88

De gemiddelde leeftijd van de daders in de leeftijdsgroep beneden 26 jaar bedraagt 18.2 jaar, met als laagste geregistreerde leeftijd 7 jaar. De grootste leeftijdsgroep (de modus) zijn de 18jarigen. In Figuur 17 kan men duidelijk een klokvorm onderscheiden: de meest criminele periode situeert zich tussen 16 en 18 jaar, waarna het terug daalt om zich min of meer te stabiliseren.

79


Figuur 17 Leeftijdsverdeling feitdaders naar geslacht (N=2173; Miss=180) 350

300

Frequentie

250

200 Vrouw

150

Man

100

50

0 7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Leeftijd

In overeenstemming met bevindingen op nationaal niveau zijn vrouwelijke jeugdige daders significant ouder dan hun mannelijke tegenhangers (Tabel 51). Bij mannen is 70% jonger dan 20, bij vrouwen is dat 56%.

Tabel 51 Gemiddelde leeftijd van de feitdaders naar geslacht (N = 2173, Miss=180)

N Mannen Vrouwen

Gemiddelde

Std Dev

18.1 18.8

3.25 3.47

2042 131

De leeftijd van de slachtoffers in relatie tot de dader van het feit waarbij ze betrokken waren kent een merkwaardig verloop. De hoogste leeftijd van de slachtoffers werd geregistreerd bij de 12-jarige daders: 41.3 jaar. Daarna neemt de slachtofferleeftijd snel af om bij de 14-jarigen de laagste waarde te behalen, 27.3 jaar, waarna er terug een stijging is om opnieuw een leeftijdspiek te bereiken bij de 16-jarige daders: 38.7. Daarna stabiliseert zich de leeftijd van de slachtoffers zich rond 35 jaar 28.

28

De verschillen tussen 12 en 14 jarige daders, 14 en 16, 16 en 17, en 14 en 17 jaar zijn statistisch significant.


80

Figuur 18 Leeftijd van de feitdader naar de gemiddelde leeftijd van het slachtoffer

Gemiddelde leeftijd slachtoffer

45 40 35 30 25 20 15

Leeftijd dader

4.3.2.2 Woonplaats Het overgrote deel van het jongerengroepsgeweld in Antwerpen wordt gepleegd door daders die ook in Antwerpen wonen. Een duidelijke toevloed van jonge criminelen kan hier op het eerste zicht niet uit worden opgemaakt. Anderzijds moet er wel rekening worden gehouden met het feit dat het hier over jongeren gaat. In die zin worden de cijfers voor wat Antwerpen betreft omhoog geduwd door delicten die begaan zijn door zeer jonge daders, die in principe geen grote verplaatsingen maken.

Tabel 52 Woonplaats feitdaders (N =1680, Miss. = 673)


1487 108 18 37 20 10

88.5% 6.4% 1.1% 2.2% 1.2% 0.6%

81


4.3.2.3 Nationaliteit Van de totale feitdaderpopulatie bestaat 86.2% uit 3 nationaliteiten: Belgen (45.3%), Marokkanen (34.4%) en Turken (6.5%). Omwille van statistische redenen zullen verdere analyses met betrekking tot de nationaliteit zich tot deze 3 deelpopulaties beperken.

De hier genoteerde percentages wijken in belangrijke mate af van de door de rijkswacht vastgestelde cijfers, met name het aandeel van vreemdelingen ligt in dit onderzoek vele malen hoger. Verschillende redenen kunnen hier aan de basis van liggen waarvan de belangrijkste twee de grotere aanwezigheid van migranten in de steden zijn, en een grotere ‘gevoeligheid’ voor crimineel gedrag (als gevolg van bijvoorbeeld de zwakkere socio-economische situatie). Er moet bij de interpretatie van deze cijfers rekening worden gehouden met het feit dat als men de volledige samenhang van de feiten wil bevatten er gebruik zal moeten worden gemaakt van de ‘etniciteit’ en niet van de nationaliteit omwille van de naturalisaties.

Wanneer we de spreiding van de nationaliteiten, naar misdrijftype bekijken, zien we dat Belgen en Marokkanen proportioneel gelijkaardig verspreid zijn over de vijf misdrijftypes. Alleen handtasdiefstallen worden minder gepleegd door daders van Marokkaanse afkomst. Hier lijken Turkse daders meer actief te zijn. Tabel 53 Nationaliteit van de feitdader naar misdaadtype (N = 2300, Miss. = 53) Totaal (N=651) België Marokko Turkije Europa Balkan Centraal Europa Afrika Andere

1042 45.3 % 791 34.4 % 149 6.5 % 82 3.6 % 50 2.2 % 24 1.0 % 81 3.5 % 81 3.5 %

Diefstal geweld (N=795) 311 39.1 % 325 40.9 % 32 4.0 % 32 4.0 % 19 2.4 % 9 1.1 % 42 5.3 % 25 3.1 %

Diefstal gewapend. (N=444) 180 40.5 % 165 37.2 % 30 6.8 % 24 5.4 % 7 1.6 % 6 1.3 % 14 3.2 % 18 4.0 %

Slagen – Verwond. (N=671) 349 52.0 % 206 30.7 % 51 7.6 % 15 2.3 % 17 2.1 % 8 1.2 % 18 2.7 % 10 1.5 %

Handtas roof (N=343) 184 53.6 % 73 21.3 % 36 10.5 % 8 2.3 % 9 2.6 % 7 26

2.0 % 7.6 %

Hold-up (N=47) 18 38.3 % 22 46.8 % 3 1 1

6.4 % 2.1 % 2.1 %

2

4.3 %

Over de onderzoeksperiode heen zien we een stijging van het aantal Belgische daders en een duidelijke daling van het aantal Marokkanen en Turken. Of dit te wijten is aan naturalisaties, is hieruit onmogelijk op te maken. Hoewel andere nationaliteiten ver achterblijven op de drie voorgenoemde nationaliteiten, zien we ook hier enkele niet onbelangrijke verschuivingen. Zo evolueert de Afrikaanse daderpopulatie tussen 1995 en 1998 van twee percent naar bijna vijf. Ook daders uit de Balkan

82


verdubbelen in aandeel op vier jaar tijd (van 1.6 naar 3). Centraal Europeanen stijgen van 0.2 in 1995 naar 2.8. Op zich zijn deze verschuivingen marginaal maar het is belangrijker om de evoluties in deze groepen in et oog te houden.

Tabel 54 Nationaliteit van de feitdader naar jaar van het feit (N = 2300, Miss. = 53)

België Marokko Turkije Europa Balkan Centraal Europa Afrika Andere

1995 (N= 497)

1996 (N= 636)

1997 (N= 670)

1998 (N= 497)

221 181 37 13 8 1 10 26

278 235 30 24 10 2 24 33

293 234 58 29 17 7 23 9

250 141 24 16 15 14 24 13

44.5 % 36.4 % 7.4 % 2.6 % 1.6 % 0.2 % 2.0 % 5.2 %

43.7 % 36.9 % 4.7 % 3.8 % 1.6 % 0.3 % 3.8 % 5.2 %

43.7 % 34.9 % 8.7 % 4.3 % 2.5 % 1.0 % 3.4 % 1.3 %

50.3 % 28.4 % 4.8 % 3.2 % 3.0 % 2.8 % 4.8 % 2.6 %

Als er wordt gekeken naar het aantal misdrijven per nationaliteit waarbij de daders betrokken zijn, dan blijkt dat Marokkanen per individuele dader vaker bij een misdrijf betrokken te zijn dan Belgen (de verschillen met Turken waren niet significant).

Tabel 55 Gemiddeld aantal misdrijven per dader voor de drie belangrijkste nationaliteiten

België Marokko Turkije

N

Gemiddelde

Std. Dev.

763 491 89

1.37 1.61 1.67

1.8 1.7 2.3

Er bestaan verder ook statistisch significante verschillen wat betreft de verhouding van mannen en vrouwen tussen de verschillende nationaliteiten. Bij de andere nationaliteiten ligt het aandeel van vrouwelijke daders beduidend lager. In het onderzoek komen zelfs geen Turkse vrouwelijke daders voor.

Tabel 56 Geslacht en nationaliteit (N=1899)

Belgen (N = 999) Mannen Vrouwen

912 87

91.3 % 8.7 %

Marokkanen (N = 762) 751 11

98.6 % 1.4 %

Turken (N = 138) 138

100 %

83


Wat de leeftijd van de dader betreft, zijn Marokkanen en vooral Turken significant jonger dan Belgen. Statistisch gezien is ook het verschil tussen Marokkanen en Turken significant.

Tabel 57 Gemiddelde leeftijd daders voor de drie belangrijkste nationaliteiten (N = 1982)

België Marokko Turkije

N

Gemiddelde

Std Dev.

1023 782 142

18,4 18.0 16,4

3.18 3.21 3.58

Een duidelijke lijn wat betreft de evolutie van de gemiddelde leeftijd is niet echt te onderscheiden: bij Belgen en Marokkanen is er een lichte daling waarneembaar, bij Turken een stijging. Enkel een veel ruimer onderzoek over een langere periode kan een beter inzicht geven in dergelijke leeftijdsevoluties.

Tabel 58 Gemiddelde leeftijd van daders naar jaartal van het feit en nationaliteit. België N 1995 1996 1997 1998

220 275 281 247

Gem 18.7 18.3 18.4 18.4

Marokko Std 3.09 3.44 3.16 2.99

N 178 233 231 140

Gem 18.1 17.9 18.0 17.8

Turkije Std 3.1 3.49 3.03 3.15

N

Gem 34 30 54 24

15.7 15.3 17.0 17.1

Std 5.18 2.63 3.07 2.38

4.3.2.4 Diploma en beroep Er is reeds heel wat gepubliceerd over het verband tussen criminaliteit en de sociale situatie van de daders (West, 1982, p119). In België wordt die relatie vaak aangeduid met het begrip “sociale kwetsbaarheid” (Walgrave, 1996). Een uitgebreide studie naar de sociale achtergrond van daders van jongerengroepsgeweld zou hier echter te ver dragen. Het kan hier volstaan met de vaststelling dat meer dan 46% van alle daders in een van één van de 25 meest kansarme buurten woont zoals die zijn vastgesteld in de Kansarmoede-atlas van Antwerpen (Van Hove, e.a., 1988, p117) en de eigen gegevens omtrent de beroepsstatus en de gegevens van de VDAB over het hoogst behaalde diploma om een indruk te geven van de sociale situatie van de jonge daders.


84

Tabel 59geeft een overzicht van de beroepsstatus van de daders ouder dan 17. Bijna de helft daarvan blijkt werkloos te zijn op het ogenblik van het misdrijf. Slechts in 24% van de gevallen werd er een beroep opgegeven. De groep plegers van jongerengroepsgeweld blijkt dus in het bijzonder getroffen te worden door het probleem van de jeugdwerkloosheid. Als de tabel wordt opgesplitst naar de twee belangrijkste nationaliteiten blijkt dat de migranten een nog zwakkere positie innemen op de arbeidsmarkt 29.

Tabel 59 Bezigheid dader +17jaar (N = 350, Miss. = 735) Totaal

Werkloos Oefent beroep uit Student Andere

250 127 144 9

47.2 % 24.0 % 27.2 % 1.7 %

Belgen (N=273)

122 70 79 2

44.7% 26.3% 29.0%

Marokkanen (N=157)

91 20 46

58.0% 12.7% 29.3%

Deze sociaal zwakke positie hangt samen met de het doorgaans lage niveau van het hoogst behaalde schooldiploma. Uit gegevens van de VDAB met betrekking tot 513 daders blijkt dat meer dan 55% van de daders kan enkel een lager onderwijsdiploma kan voorleggen, slechts 11% heeft een diploma secundair hoger onderwijs. Binnen de groep die secundair (lager of hoger) heeft gevolgd valt het aandeel van het beroeps en technisch onderwijs op: meer dan 96% (leercontracten en buitengewoon onderwijs niet meegeteld).

Wat betreft diploma en nationaliteit is er geen statistisch significant verschil: Belgische en Marokkaanse jonge daders hebben gemiddeld genomen hetzelfde onderwijsniveau. Met betrekking tot Tabel 59 en het statistisch significant verschil tussen de tewerkstelling kan er geconcludeerd worden dat Marokkanen meer worden achtergesteld op de arbeidsmarkt dan Belgen.

29

Statistisch significant verschil Belgen – Marokkanen: significantieniveau 99% (Chi Kwadraat = 12.63, 3 Vrijheidsgraden).

85


Tabel 60 Hoogst behaalde diploma (N = 513, Miss. = 1036) Totaal

Buitengewoon lager onderwijs Buitengewoon secundair onderwijs Lager onderwijs Lager secundair beroeps / technisch Lager secundair algemeen Hoger secundair beroeps / technisch Hoger secundair algemeen Leercontract

3 0.6% 14 2.7% 285 55.6% 134 26.1% 5 1.0% 55 10.7% 2 0.4% 15 2.9%

Belgen (N=249)

1 9 127 62 4 34 1 11

Marokkanen (N=200)

0.4% 3.6% 51.0% 24.9% 1.6% 13.7% 0.4% 4.4%

1 5 113 58 0 21 0 2

0.5% 2.5% 56.5% 29.0% 0.0% 10.5% 0.0% 1.0%

4.3.3 Groepsomvang Daders die op hun eentje een misdrijf plegen zijn gemiddeld genomen ouder dan hun collega’s die dat in groep doen, zo blijkt uit Figuur 19 en Tabel 61. Jongere daders missen immers de ervaring of moed om alleen een misdrijf te plegen. Zij putten vaak moed uit aantallen om feiten te plegen, of omgekeerd, worden opgedweept door de groepsdynamiek.

Figuur 19 Gemiddelde leeftijd daders per groepsomvang 20,00

Gemiddelde leeftijd daders

19,50 19,00 18,50 18,00 17,50 17,00 16,50 16,00 15,50 1

2

3

4 Aantal daders

5

>5

86


Tabel 61 Gemiddelde leeftijd daders per groepsomvang

1 2 3 4 5 >5

N

Gemiddelde leeftijd

Std. Dev.

312 551 621 392 172 212

19.38 17.69 18.25 18.18 16.97 18.52

3.28 3.18 3.46 3.26 3.04 3.47

In tegenstelling tot wat het populaire vooroordeel verkondigt, opereren Marokkanen verhoudingsgewijs vaker alleen dan in groep. Meer dan een kwart van de Marokkanen is alleen op het ogenblik van de feiten, tegen goed 19% bij de Belgische daders. Turken daarentegen vormen vaker dan anderen groepen: slechts 7.7% van de Turken is op het ogenblik van de feiten alleen.

Tabel 62 Verdeling groepsomvang naar nationaliteit van de dader Groepsomvang

Belgen

Marokkanen

Turken

Overige

1 2 3 4 5 6 7 8

194 320 251 166 63 16 14 10

18.8% 30.9% 24.3% 16.1% 6.1% 1.5% 1.4% 1.0%

206 208 190 126 28 11 10 8

26.2% 26.4% 24.1% 16.0% 3.6% 1.4% 1.3% 1.0%

11 51 27 25 23 0 2 4

7.7% 35.7% 18.9% 17.5% 16.1% 0.0% 1.4% 2.8%

106 123 63 31 16 9 2 2

30.1% 34.9% 17.9% 8.8% 4.5% 2.6% 0.6% 0.6%

Totaal

1034

100.0%

787

100.0%

143

100.0%

352

100.0%

Vanuit operationeel standpunt geeft Tabel 63 een beter beeld. Het vertrekpunt vormt het aantal daders dat een bepaald feit heeft gepleegd van waaruit er dan wordt afgeleid tot welke nationaliteit de daders het meest waarschijnlijk behoren. Hieruit blijkt nogmaals dat als er sprake is van slechts één dader die in de meerderheid van de gevallen de Marokkaanse nationaliteit zal bezitten.

87


Tabel 63 Verdeling nationaliteiten per groepsomvang (rijpercentages) Groepsomvang 1 2 3 4 5 6 7 8 >8

Belgen 194 320 251 166 63 16 14 10 8

37.5% 45.6% 47.3% 47.7% 48.5% 44.4% 50.1% 41.7% 21.6%

Marokkanen 206 208 190 126 28 11 10 8 4

39.9% 29.6% 35.8% 36.2% 21.5% 30.6% 35.7% 33.3% 10.8%

Turken 11 51 27 25 23 0 2 4 6

2.1% 7.3% 5.1% 7.2% 17.7% 0.0% 7.1% 16.7% 16.2%

Overige 106 123 63 31 16 9 2 2 19

20.5% 17.5% 11.8% 8.9% 12.3% 25.0% 7.1% 8.3% 51.4%

4.3.4 Verplaatsingsgedrag Hoe groot is de actieradius van jongeren ? Plegen zij misdrijven ver van huis, of blijven ze eerder in de buurt ? Het verplaatsingsgedrag kon nagegaan worden door de cartografische gegevens van woonplaats en pleegplaats om te zetten naar afstanden.

De gemiddelde afstand tussen de woonplaats van een feitdader en de pleegplaats bedraagt bij het jongerengroepsgeweld 1667 meter 30, wat toch wel gering genoemd kan worden. De bedenking hierbij is wel dat dit cijfer enkel gebaseerd is op feitdaders met een gekende woonplaats in Antwerpen (wat in dit geval evenwel 86% van het totaal aantal feitdaders bedraagt). Voor daders die afkomstig zijn van buiten Antwerpen kan er hier verwezen worden naar de paragraaf over de woonplaats van de daders (Tabel 52).

Een eerste conclusie is dat als er sprake is van jongerengroepsgeweld dit gemiddeld genomen plaatsvindt op loopafstand van de daders hun thuis. Dit is in overeenstemming met de bevindingen Tabel 24 waar 79.2% van de feitdaders op het ogenblik van de feiten te voet was. Een tweede conclusie hieruit is dat er in de meeste gevallen geen speciale verre verplaatsingen worden gedaan om een bepaald feit te plegen.

Als de gemiddelde afstanden worden opgedeeld naar de misdrijftypes duiken er enkele verschillen op. Zo zijn de afstanden met betrekking tot handtasroven en hold-ups groter dan het gemiddelde. Niet toevallig zijn dit ook de misdrijven die het minst te voet worden

30

Standaard deviatie = 1486.0


88

gepleegd (Tabel 24). De kortste afstand wordt opgemeten bij opzettelijke slagen en verwondingen.

Tabel 64 Misdrijftype en gemiddelde afstand (N = 1461, Miss. = 892)

Diefstal geweld Diefstal gewapend. Slagen - verwondingen Handtasroof Hold-up

N

Gemiddelde afstand

Std. Dev.

503 250 492 193 23

1677.13 1662.39 1498.36 2029.53 2019.67

1357.88 1338.14 1532.08 2027.15 1343.67

Uit Tabel 65 kan men duidelijk afleiden dat de leeftijd van de dader een rol speelt bij de afstanden die men aflegt: hoe ouder, hoe verder. Er moet natuurlijk rekening gehouden worden met het feit dat oudere daders vaker de beschikking hebben over een auto voor hun verplaatsingen.

Tabel 65 Leeftijd en gemiddelde afstand (N = 1464, Miss. = 889)

6-10 11-15 16-20 21-25

N

Gemiddelde

Std. Dev

19 292 825 328

501.7734 1372.15 1710.59 1877.53

794.4078 1282.34 1468.36 1805.46

Minder voor de hand liggend zijn de verschillen die er kunnen worden vastgesteld tussen Belgen en de rest: gemiddeld genomen (statistisch significant tot op 1%) leggen zij een grotere afstand af dan de andere nationaliteiten.

Tabel 66 Nationaliteit en gemiddelde afstand (N = 1465, Miss. = 888)

Belg Marokkaan Turk Andere

N

Gemiddelde

Std. Dev.

620 580 102 163

1922.9 1552.2 1319.6 1320.0

1791.8 1298.0 1218.7 1159.4


89

4.4 Recidivisme Criminaliteit is niet homogeen verdeeld over de daderpopulatie. Sommige groepen daders hebben meer kans om te hervallen dan andere. Onderzoek naar recidivisme poogt indicatoren te vinden die zouden kunnen wijzen op een verhoogd risico om na verloop van tijd terug een delict te begaan. Dit is belangrijk voor onder andere preventiecampagnes omdat zo de inspanningen beter gericht kunnen worden op de (groep) daders die ze het meest nodig hebben. Anderzijds kan het ook politieonderzoeken verder helpen omdat er aan de hand van de recidivismemodellen een beperktere daderpopulatie afgebakend kan worden waarin de dader zich meer waarschijnlijk bevindt.

Recidivismepatronen kunnen op verschillende manieren onderzocht worden, gaande van eenvoudige tellingen tot geavanceerde statistische modellen. Het model dat hier gebruikt wordt is de zogenaamde survival analyse (ook wel genaamd event history analyse). Er bestaan nog geavanceerder modellen (bijvoorbeeld een Markov analyse die ook het delicttype direct in de analyse betrekt), maar die vereisen een veel diepgaander onderzoek van de gegevens dan in het tijdsbestek van dit onderzoek mogelijk was (Bijlefeld, e.a., 1998).

Survival analyse meet de kans om op een bepaald ogenblik nog geen feit gepleegd te hebben. Met deze techniek is het dus mogelijk na te gaan welke factoren de kans op recidivisme beïnvloeden. Met dit doel werden voor iedere dader alle feiten die hij gedurende de onderzochte periode begaan heeft chronologisch (op basis van de datum) genummerd. Tevens werd de totaalscore (het aantal feiten gepleegd door die welbepaalde dader) bijgehouden om achteraf daders te kunnen indelen in lichte en zware recidivisten.

Twee gegevensbronnen stonden voor dit onderzoek ter beschikking: namelijk de eigen (DAGO-) gegevens en de gegevens van de Dataservice van de rijkswacht. Het voordeel van deze laatste informatiebron is dat zij nationale gegevens bevat, dit in tegenstelling tot DAGO dat zich beperkt tot Groot-Antwerpen. De beschikbare gegevens van de dataservice bevatten in totaal informatie over 8126 verschillende feiten gepleegd door 1483 verschillende daders. Van die 1483 daders konden er 1330 effectief worden gekoppeld aan het eigen bestand (jongerendelicten en auto-inbraken). Het verlies van 153 is te wijten aan een aantal

90


factoren, waaronder fouten en koppelingsproblemen, maar ook veranderingen aangebracht door de onderzoekers in het oorspronkelijke (DAGO-) gegevensbestand.

Wat betreft de oorspronkelijke gegevens over jongeren groepsgeweld kon er een koppeling worden gerealiseerd voor in totaal 875 daders. De verbinding moest worden gerealiseerd via de PV-nummers van de feiten. In totaal konden er zo 626 verschillende feiten worden toegewezen. In Tabel 67 wordt er een overzicht geboden van de resultaten van het koppelingsproces.

Tabel 67 Overzicht koppeling DAGO – Dataservice

Daders

Feiten

Gekoppeld Niet gekoppeld

875 674

56.5% 43.5%

626 547

53.4% 46.6%

Totaal DAGO

1549

100.0%

1173

100.0%

De vraag stelde zich wat de positie was van de daders die niet konden gekoppeld worden binnen het onderzoek, meer bepaald zit er een systematiek in de ontbrekende gegevens. Als er naar de samenstelling wordt gekeken van de feiten die niet gekoppeld konden worden blijkt er geen duidelijke oververtegenwoordiging te zijn van een welbepaald misdaadtype (Tabel 68).

Tabel 68 samenstelling niet gekoppelde feiten (N = 547) Totaal

(N=1173) Aandeel niet gekoppeld

547 46.6%

Diefstal

Diefstal

Slagen –

Handtas

geweld

gewapend.

Verwond.

roof

(N=459)

(N=243)

(N=235)

(N=208)

220

47.9%

117

48.2%

105

44.7%

91

43.8%

Hold-up

(N=28) 14

50.0 %

Met betrekking tot de niet gekoppelde gegevens kunnen er wel twee vaststellingen gedaan worden: het gemiddeld aantal feiten per dader ligt lager (1.32 tegenover 1.52 voor het totaal) en ook de groepsomvang (de gevonden, niet de opgegeven) is geringer (1.62 tegenover 2.01 voor het totaal). Hoewel het waarschijnlijker is dat daders die niet frequent komen ook niet in het bestand van de rijkswacht zijn opgenomen, verhoogt dit ook de kans dat als er ergens een fout is gemaakt de dader uiteindelijk ook niet gekoppeld zal worden (als een dader één feit


91

begaat, en er zit een fout in de PV-nummer, dan kan hij niet gekoppeld worden. Begaat hij evenwel drie feiten, en is er bij één daarvan een fout, kan hij nog altijd toegewezen worden op basis van de twee overige).

Omdat er op basis van de bevindingen niet uitgemaakt kon worden of de twee bestanden complementair zijn, werd er vooral aandacht geschonken aan de gegevens van de Dataservice van de rijkswacht omdat die per beschreven dader een veel completer (want nationaal) overzicht biedt. Dit omzeilt eveneens het probleem dat de misdrijftypes in de twee bestanden niet op dezelfde manier gecategoriseerd zijn. Dit maakt het onmogelijk om exact dezelfde misdrijven te vergelijken. Met betrekking tot het bestand van de Dataservice werden daarom alle types weerhouden, zij het dat er voor de duidelijkheid een hercategorisering werd doorgevoerd. De behandelde misdrijftypes zijn de volgende: zware diefstallen, gewone diefstallen, opzettelijke slagen en verwondingen, drugsdelicten (een aggregatie van alle drugsgerelateerde misdrijven) en een restcategorie (die delicten omvat gaande van oplichting tot zedenschennis).

Allereerst zal er een algemeen overzicht worden gegeven van het fenomeen recidivisme. Vervolgens zal worden ingegaan op de recidivismesnelheid, het misdrijftype, de leeftijd en de nationaliteit van de dader. 4.4.1 Algemeen De 862 daders die gekoppeld konden worden, begingen volgens de gegevens van de Dataservice van de rijkswacht in totaal 5652 delicten, of gemiddeld 7.2 feiten per dader. Dit betekent een aanzienlijke stijging tegenover het gemiddelde dat uit de basisgegevens kon worden afgeleid, wat er op wijst dat heel wat jonge daders ook buiten Antwerpen opereren.

De dadergroep werd, naargelang het aantal feiten waarvoor ze verantwoordelijk waren, ingedeeld in vijf recidivismecategorieën gaande van (nog) niet recidiverende daders tot zware recidivisten. Tabel 69 geeft de verdeling van de daders over de categorieën, alsook het totaal aantal feiten waarvoor iedere groep verantwoordelijk is. Hieruit blijkt dat een relatief kleine groep daders verantwoordelijk gesteld kan worden voor het gros van de feiten: 21 % van de daders begaan 62% van de misdrijven (10 feiten of meer).

92


Tabel 69 Aantal daders / feiten per recidivismegroep Daders

Feiten

1 2–5 6–9

232 323 126

26.9% 37.5% 14.6%

212 1010 905

4.1% 17.9% 16,0%

10 – 19 >19

123 58

14,3% 6.7%

1629 1876

28,8% 33.2%

Totaal

862

5652

Figuur 20 toont de bovenstaande resultaten nog eens op een overzichtelijke manier. Hier kan men duidelijk zien dat hoewel het aantal daders in iedere categorie daalt (vanaf minimum twee feiten per dader), het aantal feiten sterk toeneemt. De zwaarste recidivisten plegen gemiddeld 32.6 bekende feiten.

Figuur 20 Aandeel daders / feiten per recidivismegroep (%) 40%

Aandeel daders/feiten (%)

35% 30% 25% 20% 15% 10% 5% 0% 1

2-5

6-9

10 - 19

>19

recidivismegroepen daders

feiten

4.4.2 Recidivismesnelheid Figuur 21 geeft het vertrekpunt aan van een criminele carrière, namelijk het gemiddeld tijdsverschil tussen het eerste en tweede vergrijp. De recidivismesnelheid is uitgedrukt in jaren, maar moet als een gemiddelde beschouwd worden van een tijdsinterval: 0 is in feite van

93


0 tot en met 3 maanden, 0.5 betekent van 3 tot en met 9 maanden enzovoort. Uit de resultaten blijkt dat een groot deel van de 485 daders (614 – 129) die meerdere feiten begingen zeer snel, dit wil zeggen binnen drie maanden recidiveerden nadat ze een eerste maal een misdrijf pleegden.

Figuur 21 Recidivismesnelheid tussen 1ste en 2de misdrijf (N = 630) 250

Aantal

200 150 100 50 0 0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

>5

Recidivismesnelheid (jaren)

Als er een onderscheid wordt gemaakt tussen wat in het onderzoek als lichte recidivisten (tot en met negen feiten per dader) en zware recidivisten (tien of meer feiten) worden beschouwd, dan kan men vaststellen dat diegenen die er een ernstige criminele carrière op hebben zitten reeds bij aanvang een zwaarder recidivismepatroon vertoonden (Figuur 22). Bijna 65% van de zware recidivisten begaat zijn tweede misdrijf binnen negen maanden, daar waar dat bij de lichte recidivisten nog geen 50% is.

94


Figuur 22 Aandeel lichte / zware recidivisten

Aandeel per recidivismegroep (%)

40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% 0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

>5

Recidivismesnelheid (jaren) zware recidivisten

lichte recidivisten

De volgende figuur geeft een overzicht van de gemiddelde criminele carrière wat betreft de tijdsverschillen tussen opeenvolgende feiten (Figuur 23). De intervalnummers zijn de chronologische volgnummers van de perioden tussen opeenvolgende feiten. Interval 1 is op die manier de periode tussen het eerste en het tweede delict, interval 2 de periode tussen het tweede en derde, enzovoort. Er is duidelijk vast te stellen hoe die gemiddelden afnemen naargelang er door een dader meer feiten worden begaan. Daar waar het algemeen gemiddelde bij aanvang nog meer dan een jaar bedraagt, is dat rond het tiende delict verminderd tot drie maanden.

95


Figuur 23 Gemiddeld tijdsverschil tussen opeenvolgende delicten 1,2

Tijdsverschil (jaren)

1 0,8 0,6 0,4 0,2 0 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20

Intervalnummer

Analoog met Figuur 22 kan er ook hier een onderscheid worden gemaakt tussen zware en lichte recidivisten. Hieruit blijkt dat de verschillen zoals die waren vastgesteld bij het tijdsverschil tussen het eerste en tweede delict worden bestendigd doorheen de criminele carrière. Zware recidivisten begaan dus niet enkel meer delicten, het tijdsinterval tussen twee feiten is ook korter dan bij lichte recidivisten.

Figuur 24 Recidivismesnelheid lichte / zware recidivisten

Tijdsverschil (jaren)

1,4 1,2 1 0,8 0,6 0,4 0,2 0 1

2

3

4

Intervalnummer zware recidivisten

lichte recidivisten

5

96


4.4.3 Misdrijftype Eerdere studies toonden aan dat het aandeel zware misdrijven in vergelijking tot de rest toeneemt naargelang een dader meer feiten pleegt. Deze bevindingen worden ook in dit onderzoek bevestigd. In Figuur 25 is duidelijk vast te stellen hoe het aandeel van de zware diefstallen geleidelijk toeneemt. Daar waar het aandeel bij het eerste feit nog net iets meer bedraagt dan 30%, overstijgt dit de drempel van 50% van zodra er zwaar wordt gerecidiveerd.

Aandeel misdaadtype (%)

Figuur 25 Aandeel misdrijftype per opeenvolgend feit 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 >20

Volgnummer feiten zware diefstal

gewone diefstal

slagen en verwondingen

drugs

overige

Dit uit zich ook in de misdaadsamenstelling van iedere recidivismegroep: hoe zwaarder men recidiveert, hoe hoger het aandeel wordt van zware diefstallen (Figuur 26). Er treed blijkbaar een soort van ‘gewenning’ op: hoe meer feiten men pleegt, hoe lager de drempel wordt voor zwaardere misdaden.

97


Aandeel misdrijftype

Figuur 26 Aandeel misdrijftype per recidivismegroep 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 1

2-5

6-9

10 -19

>19

Recidivismegroep zware diefstal

gewone diefstal


drugs

rest

De bovenstaande benaderingen vertrekken steeds vanuit het fenomeen recidivisme en de opeenvolging van misdrijven, om dan te kijken naar het misdrijf dat er gemiddeld op dat ogenblik in een criminele carrière wordt gepleegd. Maar de redenering kan ook omgedraaid worden: gegeven een bepaald type misdrijf wordt gepleegd door jongeren, wat is dan de kans dat de dader tot een bepaalde recidivismegroep behoort? Zo kan men uit Figuur 27 afleiden dat 68.4 % van alle zware diefstallen (natuurlijk onder voorwaarde dat er jongeren bij betrokken zijn) gepleegd worden door zware recidivisten.

Figuur 27 Misdrijftype en recidivisme Zware diefstal (N=2856) 1 2-5 6-9 10 -19 >19

109 405 390 753 1199

3.8% 14.2% 13.7% 26.4% 42.0%

Gewone diefstal (N=660) 4 115 101 221 219

0.6% 17.4% 15.3% 33.5% 33.2%

Slagen Verwond. (N=670) 99 203 123 170 75

14.8% 30.3% 18.4% 25.4% 11.2%

Drugs

Rest

(N=464)

(N=1007)

85 91 143 145

18.3% 19.6% 30.8% 31.3%

20 202 202 345 238

2.0% 20.1% 20.1% 34.3% 23.6%

4.4.4 Leeftijd Figuur 28 geeft de verdeling weer van de leeftijd waarop een dader voor de eerste maal een misdrijf begaat dat wordt geregistreerd. Hieruit blijkt dat men op een leeftijd van 15 jaar de meeste kans loopt om voor de eerste maal met politie en justitie in contact te komen. Het is opmerkelijk hoe de curve zeer sterk stijgt tussen 12 en 15, waarna er een iets geleidelijkere

98


daling optreedt. Een dergelijk scherp verloop wordt ook in andere onderzoeken teruggevonden (Bijlefeld, e.a., 1998).

Figuur 28 Leeftijd eerste feit 160 140 Frequentie

120 100 80 60 40 20 0 9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

Leeftijd

Het is nu interessant om na te gaan wat de verschillen zijn tussen lichte recidivisten en zware recidivisten wat betreft de leeftijd waarop ze hun eerste misdrijf pleegden. Uit Figuur 29 blijkt duidelijk dat, hoewel voor de twee groepen het hoogste punt zich rond 15 jaar bevind, de categorie lichte recidivisten een duidelijk vlakkere leeftijdsverdeling vertoont. Met andere woorden, iemand die op latere leeftijd zijn eerste delict begaat heeft minder kans zwaar te recidiveren dan een persoon die dat op jongere leeftijd doet. Dit onderstreept nogmaals het belang van een geïntegreerde aanpak van jongerendelicten.


Figuur 29 Leeftijd eerste feit lichte / zware recidivisten 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% 9

10

11

12

13

14

15

16

17

18

19

20

21

Leeftijd zware recidivisten

lichte recidivisten

22

23

24

25

26


99

Dit laatste blijkt nog duidelijker als er naar de gemiddelde leeftijd van de dader op het tijdstip van het eerste delict gekeken wordt (Tabel 70). Het leeftijdsverschil tussen de eerste categorie (één feit) en de derde en vierde is statistisch significant. Hetzelfde geldt voor het verschil tussen de tweede en de vierde categorie 31.

Tabel 70 Gemiddelde leeftijd eerste feit

N

Gemiddelde

Std. Dev.

1 2-5 6-9

232 323 126

19.08 17.48 16.73

3.54 3.92 3.34

10 - 19 >19

123 58

15.75 15.72

2.49 2.06

4.4.5 Nationaliteit In het onderzoek van de daderpopulatie op basis van de eigen gegevens werd er reeds vastgesteld dat een individuele Marokkaanse dader gemiddeld genomen meer misdrijven begaat dan zijn Belgische collega. Die resultaten worden hier bevestigd: 32.8% van de Marokkaanse daders kan zich tot de groep van zware recidivisten rekenen, tegen 18.6% van de Belgen en 13.1% van de Turken (Tabel 71).

Tabel 71 Recidivisme en nationaliteit Belgen

Marokkanen

Turken

1 2–5 6–9

121 153 61

30.2% 38.1% 15.2%

47 102 43

16.7% 36.3% 15.3%

11 24 9

21.6% 47.1% 17.6%

10 – 19 >19

44 22

11.0% 5.5%

61 28

21.7% 10.0%

5 2

9.8% 3.9%

Totaal

401

100.0%

281

100.0%

51

100.0%

Figuur 30 geeft de bovenstaande resultaten op een overzichtelijker manier weer.

31

Significantieniveau = 95%

100


Figuur 30 Recidivisme en nationaliteit 300

Aantal daders

250 200 150 100 50 0 1

2-5

6-9

10 - 19

Recidivismegroepen Belgen

Marokkanen

Turken

>19


101

4.5 Cartografische analyse 4.5.1 Spreiding van de feiten In dit deel bekijken we op drie verschillende manieren de spreiding van de feiten over het grondgebied van het type Jongerengroepsgeweld. In kaart 1 maken we een onderscheid naar type misdrijf. Een eerste vaststelling is dat de spreiding van de vijf typen niet essentieel verschilt. In de verschillende buurten waar feiten gepleegd worden, komen alle typen voor. Volgende buurten springen in het oog omwille van een hoog aantal gepleegde feiten: de oude Antwerpse binnenstad, de buurt van het De Coninckplein en het Sint-Jansplein, Borgerhout, de buurt van de Driekoningenstraat in Berchem en ten slotte het Kiel. Toch merken we op dat ook in andere delen van de stad misdrijven van dit type gepleegd worden.

Om de spreiding op een andere wijze te bekijken, concentreren we ons op de isopletenkaart (kaart 2). Aangezien we hier niet meer kijken naar een feit als een individuele gebeurtenis maar eerder naar gebieden waar feiten voorkomen, krijgen we een beter zicht op de risicogebieden. Bij een isopleet verlaten we immers de kunstmatige sectorgrenzen die niet noodzakelijk overeenkomen met de reële samenhangende risicozones. Aan de hand van de informatie op deze kaart kunnen we een verdere gradatie aanbrengen in de buurten van Antwerpen. Het hoogste aantal feiten wordt gepleegd in het oudste stadsgedeelte (Antwerpen Kern, Klapdorp – Brouwersvliet en Groenplaats). Ook de omgeving van het Atheneum en het De Coninckplein blijkt een veel voorkomende plaats van misdrijven. Daarnaast zien we dat de frequentie afneemt naargelang men zich verder van deze twee buurten verwijdert. Zoals boven ook gesteld is ook de buurt van het Kiel en het Beerschot-stadion een buurt met een hoog aantal feiten.

In de choropletenkaart (Kaart 3) gaan we dezelfde informatie bekijken vanuit de verhouding tot de totale bevolking die in de sectoren woont. Vraag is of we hierdoor nieuwe fenomenen kunnen waarnemen of dat dezelfde buurten opnieuw naar voren komen. Het eenvoudige antwoord op deze vraag is dat de reeds eerder vermelde buurten opnieuw naar voren komen. Hierbij moet dan echter wel de kanttekening gemaakt worden dat (zeker) in het oude stadsgedeelte het bewonersaantal misschien niet zo’n goede indicator is voor het aantal gepleegde feiten. Deze buurt vervult immers ook een commerciële, culturele en ontspanningsfunctie waardoor er tijdens de dag en ’s avonds heel wat meer mensen aanwezig


102

zijn. Dezelfde opmerking geldt eveneens voor de omgeving van de Abdijstraat, Driekoningenstraat en andere winkelstraten met een bovenlokale functie.

Samenvattend kunnen we stellen dat de conclusie vanuit de drie kaarten gelijklopend is. Dezelfde buurten komen naar voren ook al is het beeld niet altijd even duidelijk. Een eerste hypothese dat andere dan de loutere woonfunctie van een buurt een rol speelt bij een hoger aantal misdrijven kan niet echt hard gemaakt worden maar lijkt toch interessant om verder na te gaan.


(KAART 1)

103


(KAART 2)

104


(KAART 3)

105


106

4.5.2 Woonplaats van de daders Een tweede vraag die we ons stellen is: waar komen de daders vandaan? Kunnen we hierbij bepaalde patronen herkennen of is de spreiding eerder toevallig. Om dit na te gaan geven we eerst een eenvoudige stippenkaart met de woonplaats van de daders (kaart 4). Hieruit blijkt dat de spreiding zeker niet toevallig is maar zich juist concentreert in enkele buurten. Hierbij kunnen we opmerken dat enkele van de buurten die ook naar voren kwamen bij de gepleegde feiten, hier eveneens opvallen door een hoge frequentie. We denken hierbij aan de Noordwijk (omgeving Stuivenberg) en de Stationswijk (zoals ook beschreven in de bijlage). Daarnaast merken we een hoog aantal daders met een woonplaats in Borgerhout en Berchem binnen de Ring. Opnieuw springt hier de buurt van het Kiel in het oog.

Dezelfde informatie geven we in kaart 5 in promille van de totale bevolking weer. De vraagstelling hierachter is: in hoeverre wonen er in bepaalde sectoren of buurten relatief meer daders. Deze kaart geeft ons meteen een duidelijker beeld. Dezelfde buurten zoals boven vermeld komen nu nog sterker naar voren met bepaalde sectoren die een hoge score behalen. Enkele voorbeelden hiervan zijn: sector S300 en S310 (De Peperbus en St.-Anna) in Borgerhout, maar eveneens in Berchem sector T050 (Turkeyen). In het algemeen zien we aaneengesloten blokken van sectoren binnen de ring waar een beduidend hoger aantal daders woont.

In de kaarten 6a, 6b en 6c voegen we een nieuw element toe aan de analyse. Zoals ook elders bij de analyse van de gegevens betrekken we de nationaliteit van de dader erbij. In deze proportiekaarten wordt vergeleken of het aandeel van daders van een bepaalde nationaliteit ten opzicht van alle daders hoger of lager ligt dan het aandeel van de bevolkingsgroep in de totale bevolking (zie ook Cartografische verwerking). Hierbij weerhouden we drie nationaliteiten: Belgische, Marokkaanse en Turkse daders. In kaart 6a worden de gegevens weergegeven voor de Belgische daders. In het district Antwerpen blijkt dat de proportie Belgische daders lager ligt dan de proportie in de bevolking. In de andere districten zien we het omgekeerde fenomeen met uitzondering van de buurt van het Kiel, de Zwaantjes en Heide in Hoboken en Conforta en Deurne-dorp in Deurne. Kaart 6b geeft dezelfde informatie weer voor de Marokkaanse daders. Opvallend is dat in bijna alle sectoren waar Marokkaanse daders wonen, de proportie hoger ligt dan het aandeel van de Marokkaanse bevolkingsgroep


107

in de totale bevolking. Deze onrustwekkende vaststelling geldt eveneens voor de groep Turkse daders (kaart 6c) waarbij de proportie in elke sector hoger ligt.


(KAART 4)

108


(KAART 5)

109


(KAART 6a)

110


(KAART 6b)

111


(KAART 6c)

112


113

4.5.3 Verplaatsingspatroon Een laatste manier waarop we de gegevens bekijken, is door de verplaatsingspatronen van daders na te gaan. Het observatieniveau waarmee we hier werken is dan ook het niveau feitdader aangezien we alle bewegingen na willen gaan. Het probleem met dergelijke spinkaart is echter dat er geen enkele interpretatie mogelijk is wanneer we alle feit-daders-bewegingen in één kaart zouden onderbrengen. Eén mogelijkheid is om alle bewegingen vanuit of naar een sector in een aparte kaart onder te brengen. Dit levert echter enkele honderden kaarten op en is dus niet realistisch. We hebben ervoor gekozen 7 à 8 sectoren op één kaart samen te brengen met het hoogste aantal bewegingen.

Vooraleer we de kaarten in meer detail bespreken, willen we toch volgende informatie meegeven. De gemiddelde verplaatsing tussen woonplaats en plaats van feit is 1667m wanneer we ook de zogenaamde nulverplaatsingen laten meetellen. Dit zijn de combinaties waarbij de sector van woonplaats en plaats van feit gelijk is. Het gemiddelde zonder deze nulverplaatsingen (184 observaties) ligt iets hoger, namelijk 1906m. Algemeen kunnen we stellen dat de afstand tussen woonplaats en pleegplaats meestal vrij beperkt is.

Een eerste standpunt dat we kunnen kiezen om de verplaatsingspatronen na te gaan, is te vertrekken vanuit de woonplaats van de daders. Dit type kaart (kaart 7) laat ons toe te zien waar de daders naartoe gaan wanneer ze feiten plegen. De sectoren met het hoogste aantal feitdaders bevinden zich allemaal in Antwerpen-Noord en Borgerhout. Hoewel de verplaatsingen in verschillende richtingen gaan, is het toch opvallend dat heel veel verplaatsingen richting Antwerpse binnenstad zijn.

Verplaatsingspatronen kunnen eveneens vanuit de plaats van het feit bekeken worden. Kaart 8 geeft deze informatie weer. De kaart moet een antwoord geven op de vraag: van waar komen de daders die een feit plegen in een bepaalde sector. Hoewel de interpretatie niet zo transparant is, kunnen we toch afleiden dat de sectoren waar de meeste feiten gepleegd worden (oude binnenstad, Antwerpen-Noord) daders aantrekken vanuit verschillende hoeken. Toch zien we ook hier dat heel wat daders afkomstig zijn vanuit de vroeger reeds aangeduide buurten zoals de Stationsbuurt, Stuivenberg en dergelijke.


(KAART 7)

114


(KAART 8)

115


116

4.6 Besluit Doorheen het cijferbos zou men de bomen niet meer zien: wie zijn de plegers van jongerengroepsgeweld waarvan er in dit hoofdstuk sprake is? Uit de gegevens die hiervoor besproken zijn kan het volgende daderprofiel worden afgeleid.

Algemeen kan men stellen dat de jonge dader van het mannelijk geslacht is en een leeftijd heeft van 16 à 18 jaar. Opvallend is dat hij naar verhouding iets vaker een vreemde dan de Belgische nationaliteit heeft: Belgen maken 45.3% van de geregistreerde daders uit. De tweede grootste groep zijn daders met een Marokkaanse nationaliteit (34.4%) gevolgd door de Turken (6.5%). Deze twee laatste groepen zijn gemiddeld genomen ook iets jonger dan Belgische daders. Het overgrote deel woont in Groot-Antwerpen, vaak in een kansarme buurt. Dat er een samenhang is tussen jongerengroepsgeweld en een zwakke socio-economische achtergrond blijkt in het onderzoek meermaals: de meerderheid van de +17 jarigen is werkloos en heeft enkel de lagere school afgerond. Hoewel er geen duidelijke verschillen zijn wat betreft het diploma, staan daders van een vreemde nationaliteit nog zwakker op de arbeidsmarkt dan de Belgen.

Van de vijf misdrijftypes die in het onderzoek zijn opgenomen met betrekking tot jongeren vormen diefstallen met geweld veruit de grootste categorie, op enige afstand gevolgd door diefstallen gewapenderhand en opzettelijke slagen en verwondingen. Uit de verdeling naar nationaliteit blijkt dat in absolute termen de meeste diefstallen met geweld door Marokkanen worden gepleegd. Alle andere misdrijven zijn in de eerste plaats het werk van Belgen, al is het verschil tussen het aantal Belgische en Marokkaanse daders bij diefstallen gewapenderhand minimaal. Handtasroven worden gepleegd door de jongste daders, de oudsten vindt men terug bij de hold-ups.

Jongerengroepsgeweld komt gemiddeld genomen voor in groepen van 2 à 3. De grootste groepen komen voor bij opzettelijke slagen en verwondingen (3.9), hoewel dit cijfer vertekend wordt door de minimum-groepsomvang van drie daders die dit onderzoek voor dit misdrijftype hanteerde. De kleinste groepsomvang werd opgetekend met betrekking tot handtasroven. Er werd een verband vastgesteld tussen de groepsomvang en de gemiddelde ouderdom van de groepsleden: hoe groter de groep waarvan ze deel uitmaken, des te lager hun leeftijd. In die zin kunnen dergelijke groepen beschouwd worden als een soort


117

‘leerschool’ voor jonge criminelen: jongeren leren er het vak van de ouderen. Iedere vorm van preventie mag niet voorbijgaan aan dit feit en het belang van groepsinteractieprocessen onderschatten. Wat betreft de groepsomvang moet er hier nog vermeld worden dat de meeste feiten die door slechts één dader gepleegd worden het werk zijn van iemand met de Marokkaanse nationaliteit.

De belangrijkste tijdstippen waarop jongerengroepsgeweld wordt gepleegd zijn zowel in de week als in het weekend 16 uur en 17 uur. Ook de weekendnachten scoren hoog wat het aantal delicten betreft. De plaats is meestal de openbare weg en dan meer specifiek het trottoir. Jongerengroepsgeweld gaat, zoals uit de term ook al blijkt, in het overgrote deel van de gevallen gepaard met fysiek geweld. Anderzijds blijkt uit het onderzoek dat het dreigen met een wapen eveneens sterk is ingeburgerd. Meestal wordt het slachtoffer geslagen en overvallen, en loopt die daar kneuzingen en open wonden bij op. Deze slachtoffers zijn algemeen genomen ook jongeren. Alleen bij handtasdiefstallen is de oudere populatie het slachtoffer. De verhouding tussen de leeftijd van de dader en slachtoffer kent overigens een merkwaardig verloop: de jongste daders hebben ook de jongste slachtoffers, waarna de gemiddelde leeftijd van de slachtoffers zeer sterk stijgt, om daarna terug af te nemen. In meer dan 70% zijn dader en slachtoffer onbekenden voor elkaar, bij slagen en verwondingen daalt dit tot ongeveer 50%. Als een dader aangehouden wordt, gebeurt dit in de meeste gevallen door de politie in de directe omgeving van de feiten. Slechts in weinig gevallen is er actief verzet tegen de arrestatie.

Uit het recidivismeonderzoek blijken de hier verzamelde gegevens slechts het topje van de ijsberg te zijn. Veel daders bouwen doorheen de jaren een volledige waslijst op van misdrijven: jongerengroepsgeweld vormt hiervan slechts het startpunt. Twee constanten zijn hierbij vast te stellen: hoe jonger de dader is bij zijn eerste feit, hoe groter de kans dat hij zwaar zal recidiveren. En vervolgens hoe zwaarder hij recidiveert, hoe groter het aandeel wordt van de zwaardere vergrijpen.


118

5 Auto-inbraken 5.1 Overzicht onderzoek De geanalyseerde gegevens van auto-inbraken hebben betrekking op alle politioneel geregistreerde gegevens over daders die een feit hebben gepleegd in 1997 en 1998. Zij geven dus geen volledig overzicht van alle vastgestelde feiten, maar wel van de auto-inbraken waarvoor de dader gekend is. Tabel 72 geeft een overzicht van de geanalyseerde feiten.

Tabel 72 Aantal feiten en aanhoudingen per jaar (N = 738/1039)

Aantal feiten (N=738) 1997 1998 1999

442 293 3

59.9 % 39.7 % 0.4 %

Aantal aanhoudingen (N=475) 243 229 3

51.2 % 48.2 % 0.6 %

In totaal zijn er dus 738 feiten in het onderzoek opgenomen. Dit betekent een afname met 25 feiten tegenover het vooropgestelde aantal ten gevolge van correcties tijdens de invoerfase. Het grote verschil tussen 1997 en 1998 wat betreft het aantal feiten, heeft voor een deel te maken met het feit dat een aantal zaken pas na langere tijd opgelost raken. In 1998 zijn er met andere woorden gevallen opgelost die betrekking hebben op 1997, daar waar feiten die pas in 1999 opgelost raken maar die betrekking hebben op 1998 niet in het onderzoek zijn opgenomen. Anderzijds, als er wordt gekeken naar het aantal aanhoudingen per jaar blijft er evenwel een verschil van 10% (minder feiten?). Deze 738 feiten zijn gepleegd door 675 verschillende daders. Het aantal feitdaders bedraagt 1063, wat betekent dat door een dader gemiddeld 1.57 auto-inbraken werden begaan. Dit laatste resultaat is evenwel vertekend door het feit dat er één dader in het onderzoek zit die bij niet minder dan 128 zaken betrokken was. Zonder deze dader bedraagt het aantal 1.39.

De eigenlijke daderanalyse heeft betrekking op deze populatie van 1063 feitdaders, al moet er onmiddellijk worden bijvermeld dat deze populatie, als gevolg van het niet altijd aanwezig zijn van volledige informatie, kan variëren.

119


5.2 Feiten 5.2.1 Beschrijving van de feiten 5.2.1.1 Inleiding De meeste auto-inbraken gebeuren in zone West (Borgerhout) met ¼ van het totaal. Op de tweede plaats staat zone City, gevolgd door zone Centrum (Tabel 73). In vergelijking tot jongerengroepsgeweld zijn het hier ook zone West en City die het hoogste aantal misdrijven scoren, al is de volgorde hier wel omgekeerd. Meer gedetailleerde gegevens over de geografische plaats van het gebeuren zijn terug te vinden in 5.5.1.

Tabel 73 Aantal auto-inbraken per politiezone (N = 738) Centrum 132

17.9%

City 156

21.1%

Noord 63

8.5%

Oost 109

14.8%

Zuid 92

12.5%

West 186

25.2%

Het populairste automerk als doelwit van auto-inbrekers is de Volkswagen: bijna een kwart van alle inbraken in gebeurt in een auto van dit merk (hoofdzakelijk de VW Golf) 32. VW wordt op ruime afstand gevolgd door Renault, Ford en Opel. Deze volgorde komt min of meer overeen met het aantal inschrijvingen per merk van de laatste jaren (bron: Febiac), al is het aandeel van Volkswagen in de resultaten buiten verhouding (14.1% van alle inschrijvingen in januari 2000). Er bestaat dus een duidelijke voorkeur van een aantal daders voor dit merk. Anderzijds is er geen duidelijke oververtegenwoordiging van de duurdere merken zoals Mercedes en BMW: hun aandeel komt min of meer overeen met het aantal inschrijvingen (respectievelijk 5.2% en 4.3% ). Ook de cijfers van Renault, Ford en Opel zijn ongeveer gelijk aan het aantal inschrijvingen (13.5%, 9.1% en 9.7%). Grote afwezige is Peugeot dat 9.1% van het totaal aantal inschrijvingen uitmaakt, maar slechts 5.1% van het aantal inbraken.

32

In totaal werden in 720 gevallen op 738, of in 97.6% van het totaal aantal feiten het automerk opgegeven.


120

Tabel 74 Automerk (N = 720, Miss=18)

Volkswagen Renault Ford Opel Mercedes BMW

173 83 76 76 54 44

24.0% 11.5% 10.6% 10.6% 7.5% 6.1%

Andere

214

29.7%

5.2.1.2 Modus De meeste auto-inbraken gebeuren door het inslaan van een raam (Tabel 75), gevolgd door het openbreken van deuren en koffers. Opmerkelijk is wel dat op de derde plaats het opendoen van niet slotvaste deuren staat. Met andere woorden in bijna 15% van de gevallen hebben de slachtoffers hun situatie zelf in de hand gewerkt door hun voertuig te vergeten op slot te doen.

Tabel 75 Modus (N = 602, Miss. = 136)

Inslaan Openbreken Opendoen (niet slotvast) Uitsnijden Uitboren Uitdrukken Afbreken Opheffen

283 126 89 19 7 2 1 1

47.0% 20.9% 14.8% 3.2% 1.2% 0.3% 0.2% 0.2%

Andere

74

12.3%

5.2.1.3 Middel In 209 gevallen, dit is 28.3% van het totaal aantal geregistreerde feiten, werd er vastgestel dat de dader één of ander inbraakmiddel in zijn bezit had (Tabel 76). Meestal ging het hierbij om schroevendraaiers, messen of hamers.

121


Tabel 76 Middel (N = 209, Miss. = 529)

Autobougie Boor(machine) Glassnijder Hamer Koevoet Mes Schroevendraaier Staaf/stok Steen Tang Valse sleutel

12 6 2 20 6 20 49 7 18 3 22

5.7% 2.9% 1.0% 9.6% 2.9% 9.6% 23.4% 3.3% 8.6% 1.4% 10.5%

Andere

44

21.1%

Uit Tabel 77 kunnen we afleiden dat bij het inslaan van een raam de meest populaire hulpmiddelen hamers en stenen zijn, gevolgd door autobougies en schroevendraaiers. Als er een deur wordt opengebroken is een schroevendraaier veruit favoriet. Deze cijfers komen overeen met de Nederlandse bevindingen (Zwanet, 1995). Als nuancering moet er wel worden vermeld dat er niet noodzakelijk een effectief verband is gevonden tussen modus en middel. Sommige daders zijn in het bezit gevonden van een middel in de omgeving van een bepaald feit. Het hoeft niet dat ze het delict ook effectief met behulp van dat middel hebben begaan (wat blijkt uit het bezit van middelen als de deur niet slotvast was).

Tabel 77 Modus en middel (N = 202, Miss. = 563) Inslaan Autobougie Boor Glassnijder Hamer Koevoet Mes Schroevendraaier Staaf / stok Steen Tang Valse sleutel

12 5

5,9% 2,5%

17 3 3 12 3 16 1

8,4% 1,5% 1,5% 5,9% 1,5% 7,9% 0,5%

Andere

19

Opendoen Openbreken (niet slotvast) Uitsnijden Uitboren Uitdrukken

1

9,4%

1 2 3 26 3

0,5% 1,0% 1,5% 12,9% 1,5%

2 3 8

1

0,5%

1

0,5%

0,5%

11 5,4% 1

0,5%

1,0% 1,5%

7

3,5%

4,0%

3

1,5%

3

Andere

1,5%

1

0,5%

1 7 1 1 11

0,5% 3,5% 0,5% 0,5% 0,0% 5,4%

10

5,0%

122


5.2.1.4 Objectief De meest voorkomende objectieven zijn respectievelijk ruiten en deuren (Tabel 78).

Tabel 78 Objectief (N = 584, Miss. = 154)

Dak/open dak Deur (autoportier) Koffer Voorruit Zijruit Achterruit

16 242 15 14 283 14

2.7% 41.4% 2.6% 2.4% 48.5% 2.4%

Veruit de belangrijkste manier waarop auto-inbraken worden uitgevoerd, is het inslaan van een zijruit (45.5% van het totaal aantal gevallen). Het forceren van een autoportier komt op de tweede plaats, zij het op een respectievelijke afstand. Dit is in tegenspraak met Nederlandse bevindingen waar de resultaten omgekeerd lagen (Zwanet, 1995, p37). Als er ruiten worden ingeslagen, hebben de zijruiten een duidelijke voorkeur. Voor- en achterruiten worden veel minder aangepakt, waarschijnlijk omwille van de grotere inpakt (omvang, geluid) daarvan.

Tabel 79 Objectief en modus (N = 561, Miss. = 177) Dak /open dak Inslaan Openbreken Opendoen Uitsnijden Uitboren Uitdrukken Afbreken Opheffen

1 1 1 10

Andere

Deur (autoportier)

0.5% 18.5% 12.8%

1

0.2% 3 0.2% 104 0.2% 72 1.8% 7 1 1 0.2%

2

0.4%

7.1%

40

Koffer

Voorruit

14 7 6

1.3% 1.1%

Zijruit

2.5% 255 5 1 7

Achterruit

45.5% 10 1.8% 0.9% 1 0.2% 0.2% 1.3% 2 0.4%

1.3% 0.2% 0.2%

1

2

0.4%

6

1.1%

1.2%


123

5.2.1.5 Buit In 501 gevallen, dit is 67.9% van het totaal aantal geregistreerde feiten, werd er door de dader een buit gemaakt. In de andere gevallen werd de dader betrapt alvorens hij kon inbreken of verdween hij zonder buit.

Wat betreft het soort buit staan autoradio's afgetekend op de eerste plaats. Dat is ook al gebleken uit andere onderzoeken 33. Uit onze gegevens blijkt opnieuw dat mensen vaak slordig omspringen met hun bezittingen: in 13% van de gevallen had de eigenaar zijn portefeuille laten liggen, in meer dan 17% zijn GSM-toestel (de categorie 'andere' omvat zaken die niet tot de andere gerekend konden worden zoals onder andere paraplu's, parfum, boeken en zelfs een pitagrill).

Tabel 80 Soort buit (N = 501, Miss. =237) Autoradio Documenten Telefoon (GSM) Tas Geldbedrag Portefeuille Accessoires Kleding Waardepapieren Medicatie

210 108 86 80 70 65 49 47 26 2

41.4 % 21.3 % 17.0 % 15.8 % 13.8 % 12.8 % 9.7 % 9.3 % 5.1 % 0.4 %

Andere

211

41.6 %

Wat betreft de GSM’s kan er nog vermeld worden dat slechts in zeven gevallen (8%) er melding werd gemaakt van een IMEI-nummer.

Dat de cijfers wat betreft de zichtbaarheid van de buit hoog liggen, is terug te brengen tot twee redenen: de voorkeur van veel, zo niet de meeste inbrekers om enkel in te breken in voertuigen waaruit zeker iets te halen valt (dus waar de buit zichtbaar is) en het feit dat vooral autoradio's een geliefkoosde buit zijn (Reyne, 1995, p38). Deze zijn in de meeste gevallen goed zichtbaar van buitenaf. In het onderzoek waren 95% van alle gestolen radio’s zichtbaar van op straat.

33

Reyne, Z. (1995), p.38.


124

Tabel 81 Was de buit zichtbaar ? (N = 398, Miss. = 340)

Ja Nee

331 67

83.2 % 16.8 %

Tabel 82 geeft aan waar dat die buit in die gevallen juist zichtbaar was. Zoals reeds vermeld gaat het in de meeste gevallen om autoradio’s die in het dashboard ingebouwd zijn. Maar in 36% van de feiten waren er zaken die in het interieur van de wagen waren blijven liggen.

Tabel 82 Buit: waar zichtbaar (N = 297, Miss. = 34)

Dashboard Voorzetel Achterzetel Koffer (zichtbaar) Hoedenplank

191 68 27 8 3

64.3% 22.9% 9.1% 2.7% 1.0%

5.2.2 Plaats en moment 5.2.2.1 Locatie Het overgrote deel van de auto-inbraken vinden plaats op de openbare weg. Anderzijds zijn er ook heel wat in openbare parkeerplaatsen.

Tabel 83 Locatie auto-inbraak (N = 648, Miss. = 90) Openbare weg Openbare parkeerplaats Oprit Garage

463 163 4 18

71.5% 25.2% 0.6% 2.8%

78 maal werd er als er een feit op de openbare weg plaatsvond een specificatie opgegeven over de locatie. Hieruit blijkt dat er in de omgeving van winkelcentra en parken iets meer inbraken voorkomen. Het moet evenwel vermeld worden dat het overgrote deel van de autoinbraken nog steeds gewoon op niet specifieke plaatsen op de openbare weg plaatsvinden


125

Tabel 84 Openbare weg: specifiek (N = 78)

Autogarage / benzinestation Park / plantsoen Recreatiegelegenheid Sportgelegenheid School / universiteit Café / bar Dancing / disco Hotel Restaurant Winkel(centrum) Bedrijf Bank Openbaar gebouw

8 14 1 3 5 4 1 8 4 14 9 2 5

11.1% 17.9% 1.3% 3.8% 6.4% 5.1% 1.3% 11.1% 5.1% 17.9% 11.5% 2.6% 6.4%

In het geval de auto-inbraak plaatsvond op een openbare parkeerplaats ging het in 27 gevallen daarbij om een betaalparking (Tabel 85). Dit is toch wel opmerkelijk omdat hier toch vaak camerabewaking aanwezig is. 30 maal was het een binnenparking (Tabel 86).

Tabel 85 Openbare parkeerplaats betalend / niet betalend (N = 111, Miss. = 52)

Betalend Niet-betalend

27 84

24.3% 75.7%

Tabel 86 Openbare parkeerplaats binnen / buiten (N = 149, Miss. = 14)

Binnen Buiten

30 119

20.1% 79.9%

Auto-inbraken in voertuigen die in een garage geparkeerd staan komen niet veel voor. Meestal gaat het in die gevallen over gemeenschappelijke parkings, bijvoorbeeld bij appartementsgebouwen. Slechts in twee gevallen vond de inbraak plaats op het ogenblik dat de auto in een garage in het huis zelf stond.

Tabel 87 Garage (N = 16, Miss. = 2)

Afzonderlijke garage aan huis Afzonderlijke garage niet aan huis Gemeenschappelijke parking

2 4 10

12.5% 25.0% 62.5%


126

5.2.2.2 Tijdstip De verdeling van de feiten over de verschillende dagen van de week is nagenoeg vlak: de verschillen zijn niet statistisch significant (Tabel 88). Er zijn met andere woorden op weekbasis geen verschillen vast te stellen die er op zouden kunnen wijzen dat auto-inbraken verbonden zouden zijn met een bepaalde tijdsgebonden situatie (bijvoorbeeld weekends).

Tabel 88 Aantal feiten per weekdag (N = 738)

Maandag Dinsdag Woensdag Donderdag Vrijdag Zaterdag Zondag

86 98 116 111 110 106 111

11.7 % 13.3 % 15.7 % 15.0 % 14.9 % 14.4 % 15.0 %

De gemiddelde verdeling per uur laat echter wel een duidelijk patroon zien. De minste feiten vinden plaats tussen 5 en 12 uur, de meeste tussen 14 en 23 uur en rond 3 uur ‘s nachts. Voor deze figuur gelden dezelfde opmerkingen als voor Figuur 14 over de verdeling van feiten over tussenliggende uren. Als een exact pleegtijdstip ontbreekt en er enkel een periode kan aangeduid worden, dan worden de feiten evenredig verdeeld over het hele spectrum. Deze bewerking is voor auto-inbraken vaker van toepassing geweest omdat het tijdstip vaker onbekend was.

Figuur 31 Aandeel feiten per uur (N = 738)


7 6 5 4 3 2 1 0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip

127


Zoals blijkt uit Figuur 32 kunnen er geen grote verschillen worden vastgesteld tussen het aantal feiten dat in de week worden gepleegd en in het weekend. ’s Nachts is het verloop min of meer gelijk, overdag kan men vaststellen dat er in het weekend een piek is in de vroege namiddag die mogelijk te maken heeft met mensen die met de wagen inkopen komen doen of een bezoek komen brengen. Er moet opgemerkt worden dat het weekend hier wordt gerekend tussen 0 uur zaterdagnacht en 6u59 maandagochtend.

Figuur 32 Gemiddeld aantal feiten week / weekend 8 Gemiddeld aantal feiten

7 6 5 4 3 2 1 0 0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 Tijdstip

week

weekend

5.2.3 Betrokkenen 5.2.3.1 Daders Ook voor auto-inbraken dienen we vooraf te wijzen op het feit dat de eigenlijke analyse van de daders gebeurt op feitdaderniveau. Wat we hier presenteren zijn voornamelijk gegevens die rechtstreeks met het feit verbonden zijn zoals de groepsomvang en de oplossing van het feit. Voor het socio-demografisch profiel van gevatte auto-inbrekers verwijzen we naar 5.3.1. 5.2.3.1.1 Groepsomvang Auto-inbraken worden door de aard van de feiten doorgaans alleen gepleegd of met twee gepleegd:

het

algemene

gemiddelde

bedraagt

1.62 34,

wat

lager

is

dan

bij

jongerengroepsgeweld. Uit Tabel 89 blijkt dat 88% van alle auto-inbraken door één of twee

34

N = 738, Std. Dev. = 0.86 (minimum = 1, maximum = 5)


128

daders worden gepleegd. Deze cijfers komen overeen met Nederlandse bevindingen, waar iets meer dan 83% alleen of met twee opereerden (Reyne, 1995).

Tabel 89 Groepsomvang aantal daders / aantal feiten

Groepsomvang

Daders

Feiten

1 2 3 4 5

478 348 177 100 15

42.8% 31.1% 15.8% 8.9% 1.3%

478 174 59 25 3

64.7% 23.5% 8.0% 3.4% 0.4%

Totaal

1118

100.0%

739

100.0%

De grootste dadergroepen worden gevormd rond het middaguur en in de uren na middernacht (Figuur 33), de kleinste groepen vindt men terug in de vroege ochtend.

Figuur 33 Gemiddeld aantal daders per feit per uur 2,5

Gemiddeld aantal

2 1,5 1 0,5 0 0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Uur

Doorheen de week kan men slechts kleine verschillen vaststellen in groepsgrootte (Figuur 34). Enkel in het weekend doet er zich een stijging voor. Een verklaring hiervoor is niet voorhanden.

129


Gemiddeld aantal daders

Figuur 34 Gemiddeld aantal daders / aanhoudingen per feit per weekdag 2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 maandag

dinsdag

woensdag

donderdag

vrijdag

zaterdag

zondag

5.2.3.1.2 Reactie van de dader op een aanhouding In gemiddeld 20% van de gevallen reageert de dader agressief op zijn aanhouding. Wat betreft omstanders echter is dat significant vaker dan tegenover de politiediensten.

Tabel 90 Reactie van de dader op aanhouding

Politie Actief Passief

50 293

14.6 % 85.4 %

Rijkswacht 21 25

45.6 % 54.4 %

Slachtoffer

Omstanders

11 21

16 34

34.4 % 65.6 %

32.0 % 68.0 %

Indien de politiediensten naar politie en rijkswacht worden opgesplitst, doen er zich ook opmerkelijke verschillen voor (Tabel 90). Tegenover de rijkswacht wordt er significant vaker een agressieve houding aangenomen dan tegenover de politie. 5.2.3.2 Slachtoffers Over het slachtoffer van auto-inbraken is redelijk weinig te vertellen. Het is immers niet te verwachten dat een dief bij een bepaalde auto zou inbreken omdat hij de dader ervan kent. De enige zinvolle analyse die we dan kunnen doen, is die van de woonplaats van het slachtoffer. Buitenlandse nummerplaten zouden immers wel een zekere aantrekkingskracht op autoinbrekers kunnen uitoefenen.


130

Tabel 91 Woonplaats slachtoffers (N = 691, Miss. = 48)

Groot-Antwerpen Rest provincie Antwerpen provincie Oost-Vlaanderen Brussel - Brabant Rest België Buitenland

428 104 42 20 29 68

61.9% 15.1% 6.1% 2.9% 4.2% 9.8%

In totaal werden er gegevens verzameld over 739 slachtoffers die betrokken waren bij 687 feiten (er konden telkens twee slachtoffers per feit worden ingegeven). Die slachtoffers zijn voor het grootste deel afkomstig uit Antwerpen zelf. Het handelt hierbij voor een belangrijk deel over mensen die hun voertuig voor hun huis geparkeerd hadden toen daar werd ingebroken. Anderzijds woont meer dan 38% van de slachtoffers buiten Antwerpen, 9.8% uit het buitenland. Deze groep omvat woon-werkverkeer, mensen die in Antwerpen uitgaan en toeristen. De personen die hun adres in het buitenland hebben komen vooral uit Nederland (24). Het toch wel hogere aandeel van deze laatste groep wijst in de richting van de hypothese dat wagens met een buitenlandse nummerplaat een aantrekkelijk doelwit vormen. Deze hypothese werd eerder reeds bevestigd in het onderzoek van Reyne (1995, p38) 5.2.3.3 Omstanders In 304 gevallen van het totaal aantal feiten is er vastgesteld dat er zeker omstanders aanwezig waren die de dader in zijn activiteiten hebben opgemerkt en, in een aantal gevallen, ook hebben ingegrepen (Tabel 92). In die zin moet de andere categorie begrepen worden als situaties waarin er ofwel inderdaad geen omstanders waren, ofwel dat die er wel waren maar niet zijn tussengekomen en/of zich kenbaar hebben gemaakt.

Tabel 92 Zijn er omstanders? (N = 738)

Ja Nee

304 216

58.5 % 41.5 %

De relatief hoge aanwezigheidsgraad is verder ook een gevolg van het feit dat het onderzoek enkel die feiten bekijkt die werkelijk zijn opgelost. Uit Tabel 93 blijkt duidelijk dat de aanwezigheid van omstanders een gunstig effect heeft op het snel oplossen van auto-inbraken:

131


in het geval er omstanders aanwezig zijn, kan meer dan 80% van de daders in de directe omgeving gevat worden.

Tabel 93 Omstanders en plaats aanhouding (Miss. = 268)

Totaal Plaats aanhouding Op plaats misdrijf In de omgeving Elders

(N=470) 116 208 146

24.6 % 44.3 % 31.1 %

Ja (N = 264) 79 29.9 % 155 58.7 % 30 11.4 %

Omstanders aanwezig Nee Niet vastgesteld (N = 144) (N = 62) 32 41 71

22.2 % 28.5 % 49.3 %

5 12 45

8.1 % 19.3 % 72.6 %

Ondanks deze resultaten beperkt de invloed van de omstanders zich in de meeste gevallen enkel tot het melden van de feiten en het getuigen tegenover de politie (Tabel 94). Slechts in een minderheid van de gevallen bemoeit een omstander zich ook rechtstreeks met het gebeuren 35.

Tabel 94 Invloed van de omstanders (N = 304)

Invloed tijdens misdrijf Fysiek ingrijpen Verbaal ingrijpen Dader achterna gaan Dader vatten Aanwezigheid zorgt voor opschorten misdrijf

4 5 45 56 20

1.3 % 1.7 % 14.9 % 18.5 % 6.6 %

Getuigenis Melding aan politie Melden aan slachtoffer

182 183 54

60.1 % 60.4 % 17.8 %

Andere

18

5.9 %

Invloed na misdrijf

Dit laatste komt ook tot uiting als men gaat kijken door wie de dader op de plaats van het misdrijf of in de directe omgeving in eerste instantie gevat wordt (Tabel 95). In meer dan 75% van de gevallen zijn het de politiediensten die als eerste de dader aanhouden.

35

Omstanders kunnen in één feit op meerdere manieren tussengekomen zijn, daarom is het kolomtotaal niet gelijk aan 100%.


132

Tabel 95 In eerste instantie gevat door... (op plaats misdrijf of in directe omgeving) (N = 323)

Politie Rijkswacht Slachtoffer Omstander

343 46 32 50

72.8 % 9.8 % 6.8 % 10.6 %

In tegenstelling tot het jongerengroepsgeweld blijkt in de meeste gevallen bij auto-inbraken dat de omstander een onbekende is.

Tabel 96 Relatie slachtoffer-omstander (N = 487) Totaal 149

60.8 %

10 14 1 1 8

4.1 % 5.7 % 0.4 % 0.4 % 3.3 %

28 5 3 1 1

11.4 % 2.0 % 1.2 % 0.4 % 0.4 %

(ex-)Collega (ex-)Klant Gezagsrelatie

5 2 15

2.0 % 0.8 % 6.1 %

Andere

2

0.8 %

Onbekende Sterke relatie Partner Familie Kind Huisgenoot Vriend Zwakke relatie Buren Bekende van naam Bekende van gezicht Schoolomgeving Uitgaanskennis Professionele relatie

5.3 (Feit)daders 5.3.1 Socio-demografisch profiel 5.3.1.1 Geslacht en leeftijd Voor auto-inbraken werden in totaal 675 unieke daders in de steekproef opgenomen. In Tabel 97 blijken deze daders naar geslacht zeer scheef verdeeld te zijn. Deze sterk ongelijke


133

verdeling komt overeen met bevindingen in andere onderzoeken (onder andere in Rotterdam 36).

Tabel 97 Aantal unieke daders per geslacht (N = 675)

Mannen Vrouwen

650 25

96,3 % 3,7 %

Wanneer we echter de verdeling van de 1063 feitdaders bekijken, zien we dat de scheve verdeling in sterke mate gecorrigeerd is in het voordeel van de vrouwen (Tabel 98). Dit is te wijten aan de aanwezigheid van één vrouwelijke dader die verantwoordelijk was voor niet minder dan 128 auto-inbraken. Dit zorgt voor een mogelijke scheeftrekking waarmee ook in de verdere analyse rekening moet gehouden worden.

Tabel 98 Aantal feitdaders per geslacht (N = 1063)

Mannen Vrouwen

910 153

85,6 % 14,4 %

De gemiddelde leeftijd van de daders bedraagt 22.2 jaar, waarbij de jongste dader 6 jaar is, en de oudste 79. Dit gemiddelde komt overeen met de bevindingen van andere onderzoeken naar auto-inbraken, voornamelijk in Nederland 37. Uit figuur 3 kan worden opgemerkt dat ook autoinbraken een probleem is van jongerendelinquentie: 75% van de feiten werden gepleegd door personen van 25 jaar of jonger. Indien men abstractie maakt van de piek op 22 jaar (waarin de hiervoor vermelde dader valt) kan men een curve onderscheiden met een maximum rond 16 jaar (9.8% of 106 feiten), waarna het aandeel per leeftijd terug zakt. Tussen 20 en 30 jaar blijft de proportie schommelen rond 3% (uitgenomen 22 jaar), om dan steeds verder af te nemen tot 0. Er kon geen significant verschil worden vastgesteld tussen mannen en vrouwen.

36 37

Zwanet, R. (1995)’De autokraker gekraakt. Een onderzoek naar het algemene daderprofiel van autokrakers’, Bouwmeester en Van Raak (1988), Vermeulen en Van Overbeke (1993), zoals geciteerd in Zwanet, R. (1995).


134

Figuur 35 Verdeling leeftijd feitdader (N = 1063) 180 160

Frequentie

140 120 100 80 60 40 20 0

Leeftijd Man

Vrouw

5.3.1.2 Woonplaats Net zoals bij jongerengroepsgeweld is ook hier het overgrote deel van de feiten het werk van daders die in Antwerpen wonen (Tabel 99). De grootste groep van buiten Antwerpen komt uit Brussel: in totaal wonen er 43 daders in het Brussels Hoofdstedelijk Gewest. De daders met een buitenlandse woonplaats komen hoofdzakelijk uit Nederland (12) en Polen (9).

Tabel 99 Woonplaats (feit)daders (N = 875,)


740 39 6 45 12 33

84.6% 4.5% 0.7% 5.1% 1.4% 3.8%

5.3.1.3 Nationaliteit Tabel 100 geeft een overzicht van de verschillende nationaliteiten. De 5 belangrijkste nationaliteiten in het bestand (België, Marokko, Turkije, Polen en (ex-)Joegoslavië) vormen meer dan 87% van het totaal aantal feitdaders. Net zoals bij jongerengroepsgeweld wijken de verhoudingen tussen de verschillende nationaliteiten in aanzienlijke mate af van die van de nationaal geregistreerde algemene criminaliteitscijfers. Anderzijds liggen ze meer in de

135


richting van de resultaten zoals die in Nederland gevonden zijn, specifiek met betrekking tot auto-inbraken. Twee zaken kunnen aan dit verschil aan de basis liggen: de verhoudingsgewijs grotere aanwezigheid van andere nationaliteiten in een stedelijke omgeving en de grotere betrokkenheid van vreemdelingen bij auto-inbraken in vergelijking tot andere misdaadtypes.

Tabel 100 Feitdaders per nationaliteit (Miss. = 12) Totaal (N=1106) België Marokko Turkije

1997 (N=)

1998 (N=)

505 347 41

45.7 % 31.4 % 3.7 %

324 177 24

50.6 % 27.6 % 3.8 %

181 170 17

38.8 % 36.5 % 3.7 %

Europa Balkan Centraal Europa Afrika

44 44 86 22

4.0 % 4.0 % 7.8 % 2.0 %

25 14 55 8

3.9 % 2.2 % 8.6 % 1.3 %

19 30 31 14

4.1 % 6.4 % 6.7 % 3.0 %

Andere

17

1.5 %

13

2.0 %

4

0.9 %

Uit het onderzoek blijkt dat Marokkanen en Turken gemiddeld genomen significant jonger zijn dan de andere nationaliteiten (Tabel 101) 38. Meer nog dan voor andere groepen stelt het probleem van auto-inbraken bij deze nationaliteiten zich in termen van jongerendelinquentie. Dit verband tussen nationaliteit en leeftijd zal nog bij andere kruistabellen een rol spelen.

Tabel 101 Gemiddelde leeftijd van de daders naar nationaliteit

Totaal

België Marokko Turkije Centr. Europa Balkan

1997

1998

N

Gem

Std Dev.

N

Gem

Std Dev.

N

Gem

Std Dev.

495 341 41 85 44

23.8 18.0 17.4 25.9 22.6

8.44 5.28 3.70 6.90 8.39

319 171 24 55 14

23.2 18.4 16.8 27.1 25.2

7.34 5.65 2.78 6.70 5.47

176 170 17 30 30

25.0 17.7 18.1 23.7 21.4

10.05 4.88 4.70 6.85 9.3

Van deze groep daders waren er 158, of 14.8% van het totaal aantal feitdaders die geen of niet voldoende Nederlands praatten en waarbij er een tolk moest beëdigd worden.

38

Significante verschillen (95%) tussen B – Ma [3,80 – 7,77] & B – Tr [1,88 – 11,05], Pl – Ma [2,12 – 11,89] & Pl – Tr [1,29 – 14,09]. De andere combinaties zijn niet significant verschillend..

136


Een opmerkelijke vaststelling is dat er bij feiten gepleegd door Marokkanen vaker (zelfs in absolute termen) omstanders aanwezig zijn dan bij Belgen (60.5% tegenover 32.5%). Dat kan het gevolg zijn van de lagere gemiddelde leeftijd gekoppeld aan het pleegtijdstip. Volgens die hypothese zouden Marokkanen, aangezien ze gemiddeld jonger zijn, hun inbraken eerder overdag plegen waar de kans dat ze opgemerkt worden veel groter is.

Als men naar de reactie van de omstanders kijkt, kan men opmerken dat Marokkanen significant vaker achterna worden gegaan door omstanders. Bij de Belgen gebeurt dit in 11% van de gevallen wanneer er omstanders aanwezig zijn. Bij Marokkanen is dat in 20.5% van de gevallen. Omgekeerd wordt er dan weer aanzienlijk minder vaak een getuigenis afgelegd: 67.1% bij Belgen tegenover 43.3% bij Marokkaanse daders.

Tabel 102 Nationaliteit van de dader en reactie van omstanders

Totaal (N=677)

België (N=240)

Marokko (N=246)

Turkije (N=34)

Centr. Eur. (N=47)

Balkan (N=27)

Invloed tijdens misdrijf Fysiek ingrijpen Verbaal ingrijpen Dader achterna gaan Dader vatten Opschorten misdaad

5 1.6% 3 2.3% 1 0.8% 6 1.9% 2 1.6% 2 1.5% 53 17.0% 15 11.7% 25 19.1% 67 21.5% 20 15.6% 24 18.3% 25 8.0% 9 7.0% 7 5.3%

1

6.7% 5 20.8% 4 16.7% 1 4.2%

1 7.1% 2 14.3% 4 28.6% 3 21.4%

221 70.8% 83 64.8% 89 67.9% 12 80.0% 14 58.3% Getuigenis 212 67.9% 77 60.2% 72 55.0% 10 66.7% 16 66.7% Melding aan politie Melden aan slachtoffer 62 19.9% 23 18.0% 21 16.0% 4 26.7% 5 20.8%

7 50.0% 9 64.3% 1 7.1%

3 20.0% 3 20.0% 1 6.7%

Invloed na misdrijf

Andere

18

5.8%

8

6.3%

5

3.8%

0

0.0%

2

8.3%

In vergelijking tot Belgen en Polen stellen Marokkanen en vooral Turken en Joegoslaven zich bij hun arrestatie agressiever op tegenover politie en rijkswacht (Tabel 103). Zeker wat betreft de Marokkanen en Turken zou dit wel eens kunnen samenhangen met hun jongere leeftijd.

137


Tabel 103 Reactie dader bij aanhouding door politie / rijkswacht Totaal (N=609) Actief Passief

123 486

België (N=245)

20.2% 79.8%

33 212

13.5% 86.5%

Marokko (N=201) 50 151

24.9% 75.1%

Turkije (N=34) 16 18

47.1% 52.9%

Centr. Eur. (N=62) 9 53

14.5% 85.5%

Balkan (N=19) 8 11

42.1% 57.9%

Als de aanhouding gebeurt door omstanders, laat de reactie van de dader een ander beeld zien: hier zijn het de Belgen die zich het meest verweren.

Tabel 104 Reactie dader bij aanhouding door omstander Totaal (N=80) Actief Passief

28 52

België (N=25)

0.35% 0.65%

10 15

40.0% 60.0%

Marokko (N=34)

Turkije (N=1)

13 21

1

38.2% 61.8%

100%

Centr. Eur. (N=3) 1 2

33.3% 66.7%

Balkan (N=5) 5

100

5.3.1.4 Diploma en beroep Opnieuw blijken de plegers van auto-inbraken socio-economisch achtergesteld te worden: 40% van hen woont in een van de achtergestelde buurten van Antwerpen (Van Hove, e.a., 1988, p117) en in totaal is bijna 63% van de daderpopulatie op het ogenblik van de feiten werkloos. De verschillen in percentage tussen Belgen en Marokkanen wat betreft de werkloosheid zijn een gevolg van het verschil in aandeel van studenten in de groep +17 jarigen (in totaal waren er 728 feitdaders ouder dan 17). Als er enkel naar werkenden en werklozen wordt gekeken is er een veel kleiner niet-statistisch significant verschil tussen de twee nationaliteiten vast te stellen (73.4% werkloosheid bij Belgen, 80.4% bij Marokkanen). Tabel 105 Bezigheid dader +17jaar (N =329, Miss. = 399) Totaal

Werkloos Oefent beroep uit Student Invalide Andere

207 80 37 1 4

62.9% 24.3% 11.2% 0.3% 1.2%

Belgen (N=186) 127 46 12 0 1

68.3% 24.7% 6.5% 0.0% 0.5%

Marokkanen (N=77) 41 10 23 1 2

53.2% 13.0% 29.9% 1.3% 2.6%

138


In totaal leverde de koppeling met de VDAB bij auto-inbrekers gegevens op over 185 daders. De resultaten tonen een min of meer analoog beeld als bij de diplomaverdeling bij het jongerengroepsgeweld. Ook hier hebben de meeste daders ten hoogste een diploma lager onderwijs. Het kleine verschil in het aandeel van dit diploma ten opzichte van de resultaten bij jongerengroepsgeweld (hier 60.5%, bij jongeren was dat 55.6%) is niet statistisch significant.

Tabel 106 Hoogst behaalde diploma (N = 185, Miss. = 490) Totaal

Buitengewoon lager onderwijs 0 Buitengewoon secundair onderwijs 2 Lager onderwijs 112 Lager secundair beroeps / technisch 53 Lager secundair algemeen 2 Hoger secundair beroeps / technisch 14 Hoger secundair algemeen 2 Leercontract 5

0.0% 1.1% 60.5% 28.6% 1.1% 7.6% 1.1% 2.7%

Belgen (N=77) 0 1 44 23 2 6 1 4

0.0% 1.3% 57.1% 29.9% 2.6% 7.8% 1.3% 5.2%

Marokkanen (N=88) 0 1 50 28 1 8 0 1

0.0% 1.1% 56.8% 31.8% 1.1% 9.1% 0.0% 1.1%

5.3.2 Groepsomvang De voorkeur om alleen te opereren dan wel in groep is leeftijdsgebonden. Uit Figuur 36 blijkt duidelijk dat de gemiddelde leeftijd van de groepsleden daalt naarmate een groep meerdere leden zijn 39. In het Nederlandse onderzoek, dat kwalitatief van opzet was, werd er bij alle leeftijden een voorkeur gemeten voor het alleen opereren, al moet er worden bijvermeld dat er, zoals de auteur zelf heeft opgemerkt, problemen zijn met de representativiteit van dat onderzoek (Reyne, 1995, p22). Wat hier wordt gemeten zijn niet de voorkeuren, maar het effectief aantal daders dat hebben deelgenomen. Hieruit blijken de effecten van groepsinteractieprocessen. Net zoals bij jongerengroepsgeweld, waar men een gelijkaardig effect kan vaststellen (4.2.3.1.1) wordt er moed geput uit aantallen, of speelt groepsdruk een rol.

39

De verschillen wat betreft de gemiddelde leeftijd tussen groepsomvang 1 en alle andere groepen zijn statistisch significant tot op 95%. De gemiddelde leeftijd bij groepsomvang 2 is statistisch significant verschillende met 1, 3 en 4, ook tot op 95%.

139


Figuur 36 Gemiddelde leeftijd per groepsomvang 30 Gemiddelde leeftijd

25 20 15 10 5 0 1

2

3

4

5

Aantal daders

In Tabel 101 kon men vaststellen dat Marokkaanse en Turkse daders significant jonger waren dan Belgische daders. In combinatie met Figuur 36 verklaart dat mee de resultaten van Tabel 101: Marokkaanse en Turkse auto-inbrekers zijn gemiddeld jonger, en er bestaat een verband tussen groepsomvang en gemiddelde leeftijd van de leden. Het is dus niet verwonderlijk dat Marokkanen en Turken vaker in groep opereren dan Belgen. 70% van de Marokkanen en 80.5% van de Turken waren op z’n minst met twee toen ze een auto-inbraak pleegden tegen slechts 42.6% van de Belgen.

Tabel 107 Verdeling groepsomvang per nationaliteit

Groepsomvang

Belgen

Marokkanen

Turken

Overige

1 2 3 4 5

291 126 57 25 6

57.6% 25.0% 11.3% 5.0% 1.2%

104 108 78 48 9

30.0% 31.1% 22.5% 13.8% 2.6%

8 11 16 6 0

19.5% 26.8% 39.0% 14.6% 0.0%

75 103 26 21 0

33.3% 45.8% 11.6% 9.3% 0.0%

Totaal

505

100.0%

347

100.0%

41

100.0%

225

100.0%

Vanuit operationeel standpunt is de volgende tabel interessanter: hier wordt er net zoals in Tabel 62 vertrokken vanuit het aantal daders dat effectief een feit pleegde, om dan uit te komen bij de nationaliteitsverdeling. Hieruit blijkt dat van zodra er meer dan één dader betrokken is de Belgen nog een minderheid zijn, van zodra er drie of meer daders zijn is de groep in absolute cijfers zelfs kleiner dan de Marokkaanse dadergroep.

140


Tabel 108 Verdeling nationaliteiten per groepsomvang (rijpercentages)

Groepsomvang 1 2 3 4 5

Belgen 291 126 57 25 6

Marokkanen

60.9% 36.2% 32.2% 25.0% 40.0%

104 108 78 48 9

21.8% 31.0% 44.1% 48.0% 60.0%

Turken 8 11 16 6 0

1.7% 3.2% 9.0% 6.0% 0.0%

Overige 75 103 26 21 0

15.7% 29.6% 14.7% 21.0% 0.0%

100.0% 100.0% 100.0% 100.0% 100.0%

5.3.3 Verplaatsingspatroon De actieradius van auto-inbrekers komt verrassend sterk overeen met die van jonge daders. Ook auto-inbrekers lijken in sterke mate in te breken in hun eigen buurt. Ook al betreft het hier opnieuw daders die in Antwerpen wonen, een straal van anderhalve kilometer maakt dat daders al sneller te voet zullen opereren. Voor de politie aan de andere kant maakt dit het moeilijker om daders te vatten, vermits de inbreker snel op ene schuilplaats is die elke speractie en achtervolging nutteloos maakt (ook al is een speractie voor een auto-inbraak minder waarschijnlijk dan voor een hold-up).

Tabel 109 Gemiddelde afstand (N = 655, Miss. = 463)

N

Gemiddelde

Std. Dev

655

1597.2

1395.5

Naar nationaliteit vinden we opnieuw statistisch significante verschillen. Alleen zijn het nu niet de Belgen maar de Turken die een significant grotere actieradius hebben. Deze verschillen zijn opvallend (bijna een halve kilometer) maar moeilijk te interpreteren.

Tabel 110 Nationaliteit en gemiddelde afstand (N = 655, Miss. = 463)

Belg Marokkaan Turk Andere

N

Gemiddelde afstand

Std. Dev

305 257 23 70

1562.6 1614.4 1976.2 1560.2

1354.4 1478.2 1465.0 1248.1

141


Uit de leeftijd tot slot blijkt opnieuw dat oudere daders opereren in een groter gebied. Zoals eerder gezegd heeft dit naar alle waarschijnlijkheid te maken met de toegang die deze groepen hebben tot de auto. Jongere daders kunnen geen auto rijden (of toch niet zonder sneller op te vallen) en dat reflecteert zich in de afstanden die deze daders overbruggen. Vanaf dertig jaar begint de afstand opnieuw af te nemen maar de aantallen worden hier zo klein dat we voorzichtiger moeten zijn om hier verregaande conclusies aan te verbinden.

Tabel 111 Leeftijd en gemiddelde afstand (N = 649, Miss. = 469)

6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45

N

Gemiddelde afstand

Std. Dev.

12 106 239 171 83 11 18 9

587.4 1455.3 1621.3 1895.4 1442.7 1839.1 1205.4 923.7

766.3 1319.8 1538.6 1190.8 1434.7 1607.9 1397.9 780.9

5.4 Recidivisme Ook in het geval van auto-inbrekers werd er een beroep gedaan op de gegevens van de Dataservice van de rijkswacht. Met betrekking tot de eigen oorspronkelijke gegevens kon er een koppeling tussen de twee bestanden tot stand worden gebracht voor in totaal 455 daders. Deze toewijzing werd gerealiseerd door de koppeling van 576 feiten. Tabel 112 geeft hiervan een overzicht. Men kan opmerken dat de percentages van de succesvolle koppelingen hier hoger liggen dan bij jongerengroepsgeweld.

Tabel 112 Overzicht koppeling DAGO - Dataservice

Daders

Feiten

Gekoppeld Niet gekoppeld

455 220

67.4% 32.6%

576 162

78.0% 22.0%

Totaal DAGO

675

100.0%

738

100.0%


142

Met betrekking tot de hercodering van de misdrijftypes die opgenomen zijn in de gegevensbank van de rijkswacht gelden dezelfde opmerkingen als bij jongerengroepsgeweld. Er wordt met name geaggregeerd tot 5 categorieën: gewone diefstallen, zware diefstallen, slagen en verwondingen, drugs en een restcategorie.

Allereerst zal er een algemeen overzicht worden geboden van het recidivisme bij autoinbrekers. Daarna komen de recidivismesnelheid, het misdrijftype, de leeftijd en de nationaliteit van de dader aan bod. 5.4.1 Algemeen De 455 daders die in het recidivisme onderzoek opgenomen werden pleegden volgens de gegevens van de rijkswacht in totaal 4126 feiten 40, dit wil zeggen gemiddeld 9.07 feiten per persoon. De daders werden net als bij het recidivismeonderzoek bij jongerengroepsgeweld ingedeeld in vijf recidivismecategorieën gaande van (nog) niet recidiverenden tot zeer zware recidivisten.

De resultaten opgenomen in Tabel 113 en Figuur 37 geven (nogmaals) aan dat een relatief kleine groep verantwoordelijk gesteld kan worden voor het overgrote deel van de feiten: 32% van de daders pleegt 75% van de feiten.

Tabel 113 Aantal daders / feiten per recidivismegroep

Daders

40

Feiten

1 2-5 6-9

94 153 68

18.9% 35.2% 13.9%

94 474 478

2.3% 11.5% 11.6%

10 - 19 >19

70 60

17.8% 14.2%

964 2116

23.4% 51.3%

Totaal

445

4126

Als men dit aantal optelt bij het aantal feiten bij jongerengroepsgeweld krijgt men een totaal van 9778 (=4126 + 5652), wat hoger is dan het vooropgestelde aantal van 8126. Hetzelfde fenomeen doet zich voor bij het totaal aantal daders: 1331 (=455+877) tegenover 1281; dit is het gevolg van het feit dat bepaalde daders in het eigen onderzoek zowel tot de auto-inbrekers als tot de plegers van jongerengroepsgeweld worden gerekend. Ook hier worden zij dubbel opgenomen, zodat bepaalde feiten twee maal voorkomen.

143


Figuur 37 Aandeel daders / feiten per recidivismegroep (%)

Aandeel daders/feiten (%)

40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% 1

2-5

6-9

10 - 19

>19

Recidivismegroepen daders

feiten

5.4.2 Recidivismesnelheid De grafiek uit Figuur 38 geeft net zoals bij jongerengroepsgeweld het aantal gevallen weer waarbij een dader binnen een bepaalde periode recidiveert. De recidivismesnelheid is uitgedrukt in jaren, maar ieder punt is de aanduiding van een tijdsinterval tussen 3 maanden vóór en 3 maanden ná het punt: 1 betekent dus tussen 9 en 15 maanden, 2 tussen 21 en 27, enzovoort (0 is tussen 0 en 3 maanden). Ook hier blijkt dat een groot deel van de 351 daders die recidiveerden (445 – 94) dit betrekkelijk snel doet na het eerste feit.

Figuur 38 Tijdsinterval tussen 1ste en 2de misdrijf (N = 351) 140 120

Aantal

100 80 60 40 20 0 0

0,5

1

1,5

2

2,5

3

3,5


4

4,5

5

5,5

144


Als er een vergelijking wordt gemaakt tussen lichte recidivisten (tot en met negen feiten per dader) en zware recidivisten (10 of meer delicten) (Figuur 39) verkrijgt men minder duidelijke resultaten dan bij het jongerengroepsgeweld. Daar waar bij de jongeren diegenen die zouden uitgroeien tot zware recidivisten reeds na het eerste feit veel sneller recidiveerden dan anderen, kan men hier vaststellen dat er in feite geen verschil is in de verdeling tussen de twee groepen. In Figuur 41 zullen er wel een verschillen in recidivismesnelheid opgetekend kunnen worden, maar dan wel pas op een veel later tijdstip in een zich ontwikkelende misdaadcarrière.


Figuur 39 Aandeel lichte / zware recidivisten naar recidivismesnelheid 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% 0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

5,5

Recidivismesnelheid (jaren) zware recidivisten

lichte recidivisten

Figuur 40 geeft een overzicht van de gemiddelde recidivismesnelheid doorheen een criminele carrière. De intervalnummers duiden op de tijdsintervallen tussen opeenvolgende feiten: interval 1 is de periode tussen het eerste en tweede feit, interval 2 de periode tussen tweede en derde feit, enzovoort. De gemiddelde tijdsintervallen tussen de eerste feiten liggen nog behoorlijk hoog, omdat er hier nog veel ‘occasionele’ daders meedoen. Vanaf het vijfde misdrijf stabiliseert de tussentijd tussen twee feiten zich rond drie maanden: hier begint de ‘harde kern’ mee te tellen.

145


Figuur 40 Gemiddeld tijdsverschil tussen opeenvolgende delicten


1,2 1 0,8 0,6 0,4 0,2 0 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20

Intervalnummer

Figuur 41 bevestigt de bevindingen uit Figuur 39: wat betreft de recidivismesnelheid tussen het eerste en tweede feit is er geen duidelijk verschil tussen lichte en zware recidivisten. Er kan zelfs worden vastgesteld dat er een omgekeerde beweging heeft plaatsgevonden: gemiddeld genomen is de eerste tussenperiode bij zware recidivisten in het onderzoek langer dan bij hun minder criminele tegenhangers. Daarna echter neemt de snelheid bij zware recidivisten veel sterker toe dan bij lichte recidivisten: van gemiddeld meer dan 14 maanden tot ongeveer 2.5 maanden tussen twee feiten die aan hen worden toegeschreven.

Figuur 41 Recidivismesnelheid lichte / zware recidivisten


1,4 1,2 1 0,8 0,6 0,4 0,2 0 1

2

3

4

Intervalnummer zware recidivisten

lichte recidivisten

5

146


5.4.3 Misdrijftype Het eerste wat opvalt als er een vergelijking wordt gemaakt met de resultaten van de analyse van het recidivisme bij jongerengroepsgeweld is dat het aandeel van zware diefstallen doorheen de gemiddelde criminele carrière veel hoger ligt. Enkel in ver gevorderd stadium is behaalden zware diefstallen bij jongeren dezelfde hoge scores als auto-inbrekers. Anderzijds is het verloop van de aandelen van de verschillende misdrijftypes veel vlakker: er zit geen uitgesproken evolutie in zoals bij jongerengroepsgeweld. Dit hangt natuurlijk samen met het uitgangspunt van deze analyse, namelijk auto-inbraken, en die worden naargelang de omstandigheden gekwalificeerd als een gewone of een zware diefstal. Dit is mogelijk een indicatie van het feit dat er reeds van het begin af aan een bepaalde ‘voorkeur’ bestaat voor auto-inbraken: uitgenomen voor de toenemende snelheid waarmee er wordt gerecidiveerd, maakt het geen deel uit van een bepaald ‘leerproces’ waarbij auto-inbraken een bepaalde fase innemen in een criminele carrière. Dit alles kan dan weer te maken hebben met een andere constante in het ganse verloop: drugs. Gemiddeld genomen maken die acht tot negen percent uit van het totale pakket. Hoewel er in het onderzoek geen directe aanwijzingen gevonden zijn van een verband tussen auto-inbraken en drugsgebruik, kan er hier toch een aanwijzing gevonden worden.

Figuur 42 Aandeel misdrijftype per opeenvolgend feit 100% Aandeel misdrijftype (%)

90% 80% 70% 60% 50% 40% 30% 20% 10% 0%

Volgnummer feiten zware diefstal

gewone diefstal


drugs

overige

147


Mogelijk een sterkere aanwijzing voor een verband met drugs kan er worden gevonden als er wordt gekeken naar de samenstelling van de verschillende recidivismegroepen. Hoe hoger de categorie waartoe een dader behoort, des te hoger het aantal drugsdelicten waarvoor hij in aanmerking komt. Dat het bij degenen die slechts één misdrijf begingen uitsluitend over diefstal gaat heeft er natuurlijk met te maken dat de daders in de eerste plaats aan dit deel van het onderzoek zijn toegewezen omdat ze betrokken waren bij een auto-inbraak. De kleine restfractie zullen waarschijnlijk fouten of verschillen codering tussen politie en rijkswacht om bevatten.

Aandeel misdrijftype (%)

Figuur 43 Aandeel van het misdrijftype naar recidivismegroep 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 1

2-5

6-9

10 - 19

>19

Recidivismegroep zware diefstal

gewone diefstal


drugs

rest

5.4.4 Leeftijd Net zoals bij jongerengroepsgeweld kent de leeftijdscurve van de daders tijdens hun eerste feit een scherp verloop, het hoogtepunt valt evenwel iets later; op 16 jaar in plaats van op 15. Uit de tabel blijkt duidelijk dat het gros van de auto-inbrekers hun eerste stappen in de criminaliteit zetten tussen 14 en 20 jaar: daarna is het aantal nieuwe daders eerder klein. Men kan opmerken dat het verloop hier grotendeels analoog is als bij jongeren: auto-inbraken zijn dus in feite ook een probleem van jeugdige criminelen.

148


Figuur 44 Leeftijd eerste feit 80 70 60 Aantal

50 40 30 20 10 0 9

11

13

15

17

19

21

23

25

27

29

31

33

35

37

39

>40

Leeftijd

Deze piek blijkt een groot aantal zware recidivisten voort te brengen (Figuur 45). Wat betreft de lichte recidivisten blijkt uit de curve duidelijk dat hoe later een dader voor de eerste maal een misdrijf begaat, hoe onwaarschijnlijker het wordt dat deze persoon vaak zal hervallen.


Figuur 45 Leeftijd eerste feit lichte / zware recidivisten

30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0%

Leeftijd zware recidivisten

lichte recidivisten

149


Dit laatste kunnen we ook vaststellen in Tabel 114: hoewel zware recidivisten meerdere feiten plegen, en in principe dus ook over een langere periode actief

kunnen zijn, ligt hun

gemiddelde leeftijd systematisch lager dan bij degenen die minder misdrijven begaan.

Tabel 114 Gemiddelde leeftijd per recidivismegroep

N

Gemiddelde leeftijd

Std. Dev.

1 2–5 6–9

94 153 68

23.44 19.62 18.53

9.41 6.72 5.83

10 – 19 >19

70 60

17.76 17.03

6.61 3.60

5.4.5 Nationaliteit In tegenstelling tot de resultaten bij het jongerengroepsgeweld zijn er hier geen grote verschillen vast te stellen tussen Belgen en Marokkanen of Turken. Het enige uitgesproken verschil is dat er bij de Belgen een overwicht is van de echt zware recidivisten: 39% van de Belgische populatie tegenover 28% bij de Marokkanen en 30% bij de Turken.

Tabel 115 Nationaliteit en recidivismegroep

Belgen

Marokkanen

Turken

1 2–5 6–9

25 48 20

16.4% 31.6% 13.2%

23 64 33

13.8% 38.3% 19.8%

3 8 3

15.0% 40.0% 15.0%

10 – 19 >19

23 36

15.1% 23.7%

31 16

18.5% 9.6%

2 4

10%% 20.0%

152

100.0%

167

100.0%

20

100.0%

Zoals uit Figuur 46 blijkt is er in absolute termen in vrijwel alle categorieën echter wel een overwicht van Marokkanen.

150


Figuur 46 Recidivisme en nationaliteit 140

Aantal daders

120 100 80 60 40 20 0 1

2-5

6-9

10 - 19

>19

Recidivismegroepen Belgen

Marokkanen

Turken

5.5 Cartografische analyse 5.5.1 Spreiding van de feiten De spreiding van auto-inbraken (kaart 9) is vrij algemeen en moeilijk geografisch toe te wijzen aan één of enkele buurten. Toch merken we in de kaart op dat binnen de Ring het aantal misdrijven hoger ligt dan in de buurten buiten de Ring. Bepaalde sectoren steken er bovenuit: zo is de buurt van het Stadspark blijkbaar een aantrekkelijk gebied om autoinbraken te plegen. Hierbij moeten we dan wel de bemerking plaatsen dat net zoals bij Jongerengroepsgeweld een hogere mogelijkheid (meer auto’s) meer misdrijven zal aantrekken. Dit brengt ons bij een nadeel van de overgang van straatniveau naar sectorniveau. Hierbij verliezen we uiteraard heel wat detailinformatie. Een mooi voorbeeld hiervan zijn de Leien. Aangezien de linker- en rechterzijde binnen verschillende sectoren vallen, komen deze niet naar voren als een specifiek probleemgebied. Toch blijkt uit de gegevens dat dit één van de geliefkoosde plaatsen is om inbraken in auto’s te plegen.

In kaart 10 zien we dezelfde informatie in isopletenformaat. Dezelfde opmerking die bij Jongerengroepsgeweld geplaatst werd, blijft hier uiteraard gelden. We stappen af van het enigszins kunstmatige sectorniveau en gaan op zoek naar gebieden met vergelijkbare scores. De conclusies die we kunnen trekken, zijn vergelijkbaar met die van de vorige kaart. Toch merken we op dat de buurt van het Nachtegalenpark nu meer naar voren komt als risicosector. Een bijkomende opmerking bij deze kaart is dat we hier iets sterker de nadelen van de


151

interpolatie opmerken. De waarden van de grenssectoren verdwijnen bijna helemaal uit het zicht.

Tot slot bekijken we eveneens de promille ten opzichte van de bevolking. Ondanks de ondergrens van 10 inwoners per sector merken we toch enkele gebieden op met (zeer) hoge scores. Bij de interpretatie dienen we deze dan ook zeer voorzichtig te behandelen. Voor het overige zien we dat we wederom de hoogste scores in de oude binnenstad vinden. Dit komt overeen met de conclusies bij de vorige twee kaarten.


(KAART 9)

152


(KAART 10)

153


(KAART 11)

154


155

5.5.2 Woonplaats van de daders Ook bij de daders auto-inbraken is het nuttig om te kijken naar de woonplaats. Op de stippenkaart (kaart 12) wordt weergegeven waar deze wonen. Opvallend is dat heel wat daders in de buurt van de Zuidwijk en de Brederodestraat wonen. Daarnaast merken we eveneens een hoog aantal daders die rond het Kiel wonen. De buurten waar de meeste daders wonen zijn echter opnieuw gelegen in Borgerhout.

Kaart 13 geeft op een iets duidelijkere wijze dezelfde tendens aan. De spreiding van de daders auto-inbraken is minder geconcentreerd vergeleken met de daders Jongerengroepsgeweld. Twee buurten vallen hier net zoals bij kaart 12 op: Borgerhout-Noord en Antwerpen-Zuid. Een derde manier om naar de gegevens te kijken wordt weergegeven in kaart 14. Hierbij wordt de promille ten opzichte van de bevolking getoond. De analyse hiervan versterkt de reeds eerder gestelde conclusie, namelijk dat de concentratie van daders (ook in relatieve termen) voornamelijk in drie buurten te situeren valt, maar dat de algemene spreiding vrij ruim is.

Tot slot kijken we in de drie volgende proportiekaarten naar de nationaliteit van de daders. Op kaart 15a zien we de proportie Belgische daders ten opzichte van de proportie Belgen in de totale bevolking. In mindere mate merken we hier op dat in de meeste sectoren binnen de Ring de proportie daders lager ligt. Buiten de Ring is het meestal omgekeerd behalve voor de buurt rond het Kiel en Deurne-Noord. Bij de Marokkaanse daders (kaart 15b) zien we een herhaling van het resultaat dat we al opmerkten bij de daders Jongerengroepsgeweld. In bijna alle sectoren is de proportie daders hoger dan het aandeel van de Marokkaanse bevolkinsgroep ten opzichte van de bevolking. Datzelfde zien we eveneens op kaart 15c voor de groep Turkse daders.


(KAART 12)

156


(KAART 13)

157


(KAART 14)

158


(KAART 15a)

159


(KAART 15b)

160


(KAART 15c)

161


162

5.5.3 Verplaatsingspatroon Als laatste kijken we bij de gegevens rond auto-inbraken naar het verplaatsingspatroon van de daders. Hierbij gelden uiteraard de opmerkingen die reeds vroeger gegeven worden over weergave en interpretatie. Het belangrijkste punt is dat er een middenweg gekozen moet worden tussen het weergeven van alle bewegingen of het weergeven van een enkele beweging per kaart. In dit geval hebben we er niet voor gekozen om een top 7 of 8 weer te geven maar wel om die sectoren weer te geven waar 20 of meer feiten gepleegd werden of waar meer dan 20 feitdaders wonen. Het observatieniveau is immers feitdader aangezien we geïnteresseerd zijn in alle bewegingen.

Eerst even enkele algemene cijfers: de gemiddelde afstand afgelegd tussen woonplaats en plaats van feit is 1597m. Laten we ook hier nulverplaatsingen (75 observaties) uit de berekening, dan stijgt dit gemiddelde tot 1803m. Nulverplaatsingen zijn die verplaatsingen waarbij de woonplaats van de dader binnen dezelfde sector valt als de plaats van het feit. De afstand tussen woonplaats en pleegplaats is dus vrij beperkt.

Eerst bekijken we het verplaatsingspatroon vanuit de woonplaats van de dader (kaart 16). Buiten één sector waarvan het verplaatsingspatroon sterk beïnvloed wordt door één enkele dader en waarvan de verplaatsingen in de vier windstreken gaan, zien we dat de meeste daders richting oude binnenstad trekken. De sectoren met het hoogste aantal feitdaders bevinden zich zoals boven reeds opgemerkt in Borgerhout en Antwerpen-Zuid.

Vanuit de plaats van het feit bekeken (kaart 17), merken we toch een enigszins verschillend verplaatsingspatroon op. Blijkbaar worden de feiten in de Fonteinstraat gepleegd door daders afkomstig vanuit de buurt van het Kiel. Hoewel het op basis van beperkte informatie is, zouden we volgende hypothese kunnen formuleren: de auto-inbraken in de oude binnenstad worden gepleegd door daders afkomstig vanuit de hele stad (met hoge scores voor bepaalde buurten), terwijl de feiten gepleegd in Borgerhout-Noord eerder gepleegd worden door plaatselijke daders. Zoals gezegd is dit echter slechts een hypothese die wellicht nader onderzocht dient te worden.


(KAART 16)

163


(KAART 17)

164


165

5.6 Besluit Wie breekt er in in auto’s ? Deze vraag moet noodzakelijkerwijs onbeantwoord blijven. De lage oplossingsgraad van auto-inbraken maakt een extrapolatie van de verzamelde gegevens onmogelijk. Toch is het onderzoek naar gevatte auto-inbrekers daarom niet noodzakelijk zinloos. Hoewel het risico bestaat dat het profiel dat uit dit onderzoek naar voor komt, een profiel is van “domme” daders die zich lieten pakken (in vergelijking met de “slimme” daders die uit de statistieken konden blijven), zijn we van mening dat dit beeld niet met de waarheid strookt. In de eerste plaats is er het bekennen van feiten. Meermaals liet men zich bij de politie zelf ontvallen dat het bij daders bekend is dat het bekennen van één of twee feiten in de meeste gevallen volstaat. De daderes in het onderzoek die 128 zaken bekende vormt op deze stilzwijgende regel een duidelijke uitzondering. Als dit vermoeden klopt dan kan men er redelijkerwijs van uitgaan dat de daders die in onze steekproef zitten, verantwoordelijk zijn voor een groot deel van de onopgeloste feiten waarvoor zij echter nooit een bekentenis aflegden. Het profiel van de auto-inbreker dat bijgevolg in dit onderzoek naar voor komt, zou om die reden dichter kunnen aansluiten bij het profiel van “de auto-inbreker” omdat de gevatte daders dezelfde zouden kunnen zijn als een groot deel van de nu onbekende daders. In de tweede plaats zijn er nog de kenmerken van het feit en de modus operandi. Een diepgaand inzicht in de kenmerken van de autokraak en de eventuele slordigheden van de bestuurders, kunnen evenzeer bijdragen tot meer gerichte politionele acties ter vermijding van het stelen uit auto’s.

Het profiel van de auto-inbreker dat uit dit onderzoeker naar voor komt is dat van een mannelijke dader, vooraan in de twintig en woonachtig in Groot-Antwerpen. Hij is in hoofdzaak van Belgische of Marokkaanse afkomst, hoewel we toch een belangrijk percentage Poolse daders signaleerden. Bij de daders lijkt er een verdeling te zijn in twee leeftijdscategorieën. Marokkaanse en Turkse daders (tieners) zijn significant jonger dan hun Belgische of Poolse tegenhangers (twintigers). Het gevolg van deze leeftijdsverdeling is dat de Marokkaanse daders vaker nog studeren dan de andere nationaliteiten. Een constante bij alle categorieën is hun zwakke sociaal-economische positie. Het opleidingsniveau van de dader is zelden hoger dan lager onderwijs en de werkloosheidsgraad loopt op. Hierbij dient nog opgemerkt te worden dat de daders met een vreemde origine nog zwakker staan op de arbeidsmarkt dan de Belgen.


166

Het inbreken in auto’s gebeurt in hoofdzaak alleen, hoewel er een indicatie bestaat dat Marokkanen vaker met twee inbreken en Turken een voorliefde hebben om in grotere groepen te opereren. Een verklaring hiervoor zou kunnen gevonden worden in het feit dat deze laatsten een grotere actieradius hebben dan Belgen of Marokkanen. Dat kan wijzen op het gebruik van auto’s als vluchtmiddel bij Turkse daders waarbij het inbreken in een auto gepaard gaat met het wachten van medeplichtigen in een auto.

Opvallend en waarschijnlijk tekenend voor de oplossingsgraad van deze inbraken is het feit dat er bij auto-inbraken omstanders aanwezig zijn. Het feit of iemand gezien heeft dat er in een auto ingebroken wordt, kan doorslaggevend zijn voor het al dan niet vatten van de dader. In de meeste gevallen doet de getuige onmiddellijk aangifte van de diefstal en leidt dit tot het vatten van de dader. In een minderheid van de gevallen gaat de getuige de dader ook daadwerkelijk achterna. Dat laatste gebeurt vaker wanneer het een dader van vreemde origine betreft dan bij een Belg.

De modus operandi van het inbreken in wagens zijn in grote mate gelijklopend. Er wordt een zijruit ingeklopt of de deur wordt (al dan niet met een schroevendraaier) opengebroken. Volkswagens blijken daarbij het meest geliefkoosde doelwit te zijn. De buit die bij de inbraak veroverd wordt, staat in vele gevallen in rechtstreeks verband met de onachtzaamheid van de eigenaar van de wagen. In meer dan tachtig percent van de feiten was de buit zichtbaar in de auto en betrof het een autoradio, een GSM of een portefeuille (of documenten). Een attentvollere eigenaar zou veel kraken kunnen vermijden. Belangrijk bij deze is te vermelden dat het merendeel van de slachtoffers woont in Groot-Antwerpen. Slechts tien percent blijkt toerist te zijn. In het kader van een preventiecampagne lijkt de belangrijkste doel dan ook de Antwerpenaar te zijn wiens slordige gedrag onder de aandacht gebracht kan worden.

167


6 Bijlagen 6.1 Bijlage 1: Codeboek met invoerinstructies 6.1.1 Gemeenschappelijk deel van het codeboek 6.1.1.1 Variabelen mbt het feit

Buit 1.

Geldbedrag

in te vullen

2.

Waardepapieren

in te vullen

3.

Documenten

rijbewijs

boordpapier.

4.

Portefeuille

5.

Telefoon (+merk)

gsm

gsmdrager

6.

Kledij

lederen jas

gewone jas

sportschoenen andere

7.

Audio (+merk)

cass.speler

cd-speler

boxen

8.

Hifi

videorecorder videocamera

TV

9.

CD'S

aantal

I.K.

visum

paspoort

bankkaart

radio

walkman

diskman

fototoestel

camcorder

10. Portable pc/computer 11. Accessoires

zonnebril

pet

sigaretten

juwelen

horloge

12. Tas

handtas

boekentas

sporttas

aktetas

dokterstas

13. Koffer

gereedschap

reis

EHBO

geld

14. Gereedschap

elektronisch

manueel

15. Medicatie/drugs

in te vullen

16. Andere

in te vullen

De variabele ‘buit’ verwijst naar de voorwerpen die de dader(s) hebben ontvreemd en wordt (vooral in het onderzoek naar auto-inbraak) als een zeer belangrijke variabele beschouwd, gezien de buit misschien ook de aanleiding tot het misdrijf kan zijn. Er kunnen verschillende mogelijkheden worden aangeduid.

Wanneer het om een ‘geldbedrag’ gaat moet het exacte bedrag worden ingevuld. Ook bij de ‘waardepapieren’ (vb. obligaties, cheques, kasbons,...) kan de geldwaarde worden ingegeven. Bij ‘documenten, telefoon, koffer, audio, accessoires, tas en hifi’ moet gekozen worden tussen bovenstaande opties. Wanneer ‘cd’s’ werden gestolen, wordt gevraagd naar het aantal. ‘Portable/pc en portefeuille’ kennen geen verdere onderverdeling. Wat ‘gereedschap’ betreft wordt een onderscheid gemaakt tussen elektronisch (oplaadbaar, op batterijen, op elektriciteit) en manueel (vb. schroevendraaier, zaag,...). Bij ‘kledij’ werd onderscheid gemaakt tussen vier opties (jas, lederen jas, sportschoenen en andere !geen invuloptie), bij het stelen van andere kledij (vb. broek) wordt de optie ‘andere’ aangekruist (d.i. niet ingevuld). Naam/merk van medicatie en drugs moet worden ingevuld. Tot slot bestaat er ook de invulcategorie ‘andere’ (vb. geschenken, speelgoed,...)


168

IMEI-nummer op PV aanwezig ? 1.

Ja

2.

Nee

Het ‘IMEI-nummer’ van een gsm is te vergelijken met het chassisnummer van een auto (d.i. dus niet het registratienummer!). Deze variabele werd gecreëerd om na te gaan of dit nummer in PV’s wordt opgenomen (ja of nee).

Buit gevonden op dader (ook na huiszoeking) 1.

Ja

2.

Nee

3.

Gedeeltelijk

4.

Ander gestolen goed

zelfde misdrijf

ander misdrijf

De variabele ‘buit gevonden op dader’ gaat na of de gestolen goederen nog in het bezit zijn van de dader (eventueel ook na huiszoeking) en kan in combinatie met andere variabelen aangeven hoeveel tijd de dader nodig heeft om de waren door te geven/te verhandelen,... . Men kan slechts één categorie aanduiden.

‘Ja’ houdt in dat de buit op de dader is gevonden (vb.onder jas, in rugzak, in handen, bij hem thuis, in zijn auto, ook als de dader in zijn vlucht de buit ziet weggooien,...), ‘neen’ betekent dat de buit nergens bij de dader kon worden teruggevonden (ook niet bij hem thuis). ‘Gedeeltelijk’ houdt in dat een deel van de buit werd teruggevonden, de rest werd misschien weggeworpen, verkocht,... Bij de laatste categorie ‘ander gestolen goed’ zijn we geïnteresseerd of dit goed afkomstig is uit een gelijksoortig misdrijf (bij auto-inbraak ook uit autoinbraak, bij jongerengroepsgeweld ook uit jon,gerengroepsgeweld) of uit een ander misdrijftype.

6.1.1.2 Variabelen mbt eventuele omstanders

Aanwezigheid omstanders 1.

Ja

2.

Nee

Indien Nee dan geen ‘Reden’ of ‘Invloed’

Bij de ‘aanwezigheid van omstanders’ wordt een eerste selectie gemaakt tussen ja (dan verschijnen de variabelen ‘reden aanwezigheid omstanders’ en ‘invloed omstanders’) en nee (dan verschijnen deze twee variabelen niet).


169

Reden aanwezigheid omstanders 1.

Ontspanning

2.

Uitgaan

3.

Toevallig passeren

4.

Parkeerplaats

5.

Werkplaats

6.

Winkelplaats

7.

Woonplaats

8.

School

9.

Op bezoek

10. Andere

in te vullen

Bij ‘reden aanwezigheid omstanders’ wordt nagegaan waarom de omstanders op het tijdstip van het misdrijf aanwezig waren. Hier kan slechts één van bovenstaande categorieën worden aangekruist.

‘Ontspanning’ (vb. sport, jeugdbeweging, hobbyclub,... maar niét uitgaan), ‘uitgaan’ (vb. op weg naar/aan dancing,café), ‘toevallig passeren’ (wat rondwandelen, niet echt met een doel naar die plaats gekomen), ‘parkeerplaats’ (omstander staat daar geparkeerd), ‘werkplaats’ (is in de buurt van de werkplaats van de omstander), ‘winkelplaats’ (omstander is aan het winkelen), ‘woonplaats’ (omstander passeert daar omdat hij in de buurt, straat woont), ‘school’ (schoolomgeving van de omstander, zowel binnen de schoolmuren als erbuiten), ‘op bezoek’ (men is aanwezig op de plek van het misdrijf omdat men op bezoek is bij familie vrienden), ‘andere’ (vb. op consultatie dokter, hond uitlaten, joggen,...)

Invloed omstanders (3x) 1.

Aanwezigheid zorgt voor opschorten misdaad

2.

Dader achterna gaan

3.

Verbaal ingrijpen

4.

Aanmoedigen

5.

Fysiek ingrijpen

6.

Dader vatten

7.

Getuigenis

8.

Melden slachtoffer

9.

Melding politie

10. Andere

in te vullen

Deze variabele geeft aan wat de ‘invloed van de omstanders’ is op het misdrijf (zowel tijdens het misdrijf als erna). Hierbij kan men drie categorieën aankruisen (vb. de omstander greep verbaal in, ging de dader achterna en vatte hem).

‘aanwezigheid zorgt voor opschorten misdaad’ (de dader werd door de aanwezigheid van de omstander ontmoedigd om het misdrijf te plegen), ‘dader achterna gaan’, ‘verbaal ingrijpen’ (kwaad worden, ‘hulp’ roepen, de dader berispen, niét het slachtoffer verwittigen of de dader aansporen tot de misdaad...), ‘aanmoedigen’ (de dader aanmoedigen in zijn misdrijf, prijzen, aanzetten tot,...), ‘fysiek ingrijpen’ (vb. dader uit de auto trekken, tussenkomen in een gevecht, ...), ‘dader vatten’,


170

‘getuigenis’ (bij het verhoor/ aan het slachtoffer getuigen over de dader/ misdrijf), ‘melden slachtoffer’, ‘melding politie’ (aangifte, oproep) en de invulcategorie ‘andere’ (vb. vlucht verhinderen door straat met auto te blokkeren,...).

6.1.1.3 Variabelen mbt het slachtoffer Bijdrage slachtoffer (3x) 1.

Aanwezigheid zorgt voor opschorten misdaad

2.

Dader achterna gaan

3.

Verbaal ingrijpen

4.

Fysiek ingrijpen

5.

Dader vatten

6.

Getuigenis

7.

Melding politie

8.

Andere

in te vullen

De variabele ‘bijdrage slachtoffer’ -vergelijkbaar met de variabele ‘invloed omstanders’-, poogt de rol van het slachtoffer i.v.m. het misdrijf te situeren. Hierbij kunnen drie categorieën worden aangekruist.

‘aanwezigheid zorgt voor opschorten misdaad’ (de dader werd door de aanwezigheid van het slachtoffer ontmoedigd om het misdrijf te plegen), ‘dader achterna gaan’, ‘verbaal ingrijpen’ (kwaad worden, ‘hulp’ roepen, de dader berispen, schelden,...), ‘fysiek ingrijpen’ (vb. dader uit de auto trekken, tussenkomen in een gevecht, ...), ‘dader vatten’, ‘getuigenis’ (bij het verhoor getuigen over de dader/ misdrijf), ‘melding politie’ (aangifte, oproep) en de invulcategorie ‘andere’ (vb. vlucht verhinderen door straat met auto te blokkeren,...).

Bezigheid slachtoffer 1.

Toerist

2.

Gepensioneerd

3.

Andere

in te vullen

De variabele ‘bezigheid slachtoffer’ gaat na of het slachtoffer op een bepaalde manier kwetsbaar is en daarom een gemakkelijk doelwit van het misdrijf wordt. Er kan slechts één categorie worden gekozen.

‘toerist’ (van buitenlandse nationaliteit, hier aanwezig op vakantie, zakenreis,...), ‘gepensioneerde’ (op pensioen, sowieso mensen >65 jaar) en de invulcategorie ‘andere’ (vb. invalide).


171

Burgerlijke staat slachtoffer 1.

Ongehuwd

2.

Gehuwd

3.

Gescheiden

4.

Samenwonend

5.

Alleenstaand

6.

Weduw(e)(naar)

Bij ‘burgerlijke staat slachtoffer’ kan één categorie worden aangekruist.

‘ongehuwd’ (men woont nog bij de ouders, vooral van toepassing op minderjarigen), ‘gehuwd’, ‘gescheiden’ (refereert naar zowel feitelijk als wettelijk gescheiden), ‘samenwonend’ (samenwonen met partner, vriend(in) zonder gehuwd te zijn), ‘alleenstaand’ (men woont alleen of met kinderen, maar niet met partner), ‘weduw(e)(naar)’.

Vervoer slachtoffer 1.

Te voet

2.

Fiets

3.

Auto

4.

Brommer

5.

Moto

6.

Taxi

7.

Openbaar vervoer

Bij ‘vervoer slachtoffer’ kan slechts één categorie worden aangeduid.


172

Relatie slachtoffer - dader 1. Onbekende 2. Bekende van gezicht 3. Bekende van naam 4. Uitgaanskennis 5. Partner 6. Ex-partner 7. (Ex)klant 8. (Ex)collega 9. Ondergeschikte relatie (leerling, werknemer) 10. Gezagsrelatie (dokter, leraar, baas) 11. Schoolomgeving 12. Vriend 13. Huisgenoot 14. Familie 15. Kind 16. Buren 17. Andere

In te vullen

Omdat de relaties tussen de verschillende betrokken partijen van een misdrijf veel aandacht krijgen in het onderzoek, is de variabele ‘relatie slachtoffer-dader’ zeer belangrijk. Men kan slechts één categorie aanduiden.

‘onbekende’ (nog nooit gezien), ‘klant’ (is in winkel/bedrijfssfeer, niet i.v.m. doktersbezoek/psychologen,...), ‘collega’ (in de werkomgeving maar op eenzelfde niveau, dus geen werkgevers-werknemers niveau), ‘bekende van gezicht’ (ik ken hem van ziens), ‘bekende van naam’ (ik ken hem van horen zeggen), ‘uitgaanskennis’ (enkel van het uitgaan, niet daarnaast), ‘buren’ (wijk, straat, flatgebouw), ‘partner’ (lief, samenwonend, gehuwd), ‘ex-partner’, ‘familie’, ‘gezagsrelatie’ (vb. dokter, leraar, werkgever, dienstverstrekker,...) ‘huisgenoot’ (vb. samenwonend maar geen partners, kotstudenten,...) ‘kind’, ‘ondergeschikte relatie’ (vb. leerling, werknemer, dienstbehoevende,...), ‘schoolomgeving’ (vb. klas- en jaargenoten, geen leerkrachten en directie) en ‘vriend’ (niet uit buurt, school of uitgaansmilieu, maar vb. uit sportvereniging, jeugdbeweging,...) en de invulcategorie ‘andere’ (vb. bendelid).


173

Relatie slachtoffer – omstanders 1. Onbekende 2. Bekende van gezicht 3. Bekende van naam 4. Uitgaanskennis 5. Partner 6. Ex-partner 7. (Ex)klant 8. (Ex)collega 9. Ondergeschikte relatie (leerling, werknemer) 10. Gezagsrelatie (dokter, leraar, baas) 11. Schoolomgeving 12. Vriend 13. Huisgenoot 14. Familie 15. Kind 16. Buren 17. Andere

In te vullen

Deze variabele geeft de ‘relatie slachtoffer-omstander’ aan, waarbij maximum één categorie kan worden aangegeven.

‘onbekend’ (is niet weergegeven in de PV), ’vreemde’ (het is een onbekende), ‘klant’ (is in winkel/bedrijfssfeer, niet i.v.m. doktersbezoek/psychologen,...), ‘collega’ (in de werkomgeving maar op eenzelfde niveau, dus geen werkgevers-werknemers niveau), ‘bekende van gezicht’ (ik ken hem van ziens), ‘bekende van naam’ (ik ken hem van horen zeggen), ‘uitgaanskennis’ (enkel van het uitgaan, niet daarnaast), ‘buren’ (wijk, straat, flatgebouw), ‘partner’ (lief, samenwonend, gehuwd), ‘expartner’, ‘familie’, ‘gezagsrelatie’ (dokter, leraar, werkgever, dienstverstrekker,...) ‘huisgenoot’ (samenwonend maar geen partners, kotstudenten,...) ‘kind’, ‘ondergeschikte relatie’ (leerling, werknemer, dienstbehoevende,...), ‘schoolomgeving’ (klas- en jaargenootjes, geen leerkrachten en directie) en ‘vriend’ (niet uit buurt, school of uitgaansmilieu, maar uit sportvereniging, jeugdbeweging,...) en de invulcategorie ‘andere’ (vb. bendelid).

6.1.1.4 Variabelen mbt de dader Bezigheid dader 1.

Werkloos

2.

Oefent beroep uit

3.

Student

4.

Gepensioneerd

5.

Invalide

6.

Andere

in te vullen


174

De variabele ‘bezigheid dader’ verwijst naar het statuut dat de dader inneemt op de arbeidsmarkt, m.a.w. via welke bron verkrijgt men een inkomen. Hier kan slechts één categorie worden aangekruist.

‘Werkloos’ (geen werk en geniet een werkloosheidsuitkering), ‘oefent beroep uit’ (inkomen uit arbeid, wanneer iemand halftijds werkt en halftijds een uitkering geniet, dan wordt deze aangeduid als ‘oefent beroep uit’), ‘student’ (onder de 18 jaar is men sowieso student), ‘gepensioneerde’ (inkomen uit (brug)pensioen, >65 jaar is sowieso gepensioneerd), ‘invalide’ (wijst niet op de lichamelijke toestand wel op de uitkering die men geniet, dus een invalide student behoort tot de categorie ‘student’ en ‘geen invalide’) en de invulcategorie‘andere’ (vb. PWA)

Vervoer dader 1.

Te voet

2.

Fiets

3.

Auto

4.

Brommer

5.

Moto

6.

Taxi

7.

Openbaar vervoer

Bij ‘vervoer dader’ kan slechts één categorie worden aangeduid.

Burgerlijke staat dader 1.

Ongehuwd

2.

Gehuwd

3.

Gescheiden

4.

Samenwonend

5.

Alleenstaand

6.

Weduw(e)(naar)

Bij ‘burgerlijke staat dader’ kan slechts één categorie worden aangekruist.

‘ongehuwd’ (men woont nog bij de ouders, vooral van toepassing op minderjarigen), ‘gehuwd’, ‘gescheiden’ (refereert naar zowel feitelijk als wettelijk gescheiden), ‘samenwonend’ (samenwonen met partner, vriend(in) zonder gehuwd te zijn), ‘alleenstaand’ (men woont alleen of met kinderen, maar niet met partner), ‘weduw(e)(naar)’.


175

Kleding levensstijl dader 1.

Jeans/casual

2.

Armtierig

3.

Exentriek

4.

Kostuum/blaser

5.

Trainingspak/sportkledij

6.

Voetbalsupporters

7.

Gabbers

8.

Skaters

9.

Skinheads

10. Punkers 11. Uniform 12. Militaire kledij 13. Religieuze kledij 14. Andere

in te vullen

‘Kleding/levensstijl dader’ poogt een uiterlijke omschrijving van de dader te geven. Er kan maximum één categorie worden aangekruist.

‘jeans/casual’, ‘armtierig’ (vb. lompen, gaten in kledij, vlekken, onverzorgd,...), ‘exentriek’ (felle kleuren, make-up, dragqueen,...), ‘kostuum/blaser’ (‘bediende-kledij’), ‘trainigspak/sportkledij’, ‘voetbalsupporters’, ‘gabbers’ (verzamelnaam voor liefhebbers van technomuziek, house: vb; hakkers, wijde trainigsbroek, afgeschoren haar (klein staartje), petjes, sportschoenen), ‘skaters’ (american look, vb. wijde broek met laag kruis, pet, losse lange T-schirt of hemd, skateboard of rollerblades,...), ‘skinheads’ (vb. afgeschoren haar, fascistische kentekens/opschriften, opgerolde broek, Dr.Martins,...), ‘punkers’ (vb. hanekam, geverfd haar, kettingen, gescheurde kledij, ...), ‘uniform’ (vb. post, school, politie, Belgacom,...), ‘militaire kledij’, ‘religieuze kledij’ (vb. priestergewaad, pij, witte boord, kazuivel, nonnenkap, sectekledij...) en de invulcategorie ‘andere’ (vb.lange regenjas).

Taal van de dader 1.

Nederlandstalig

2.

Niet-Nederlandstalig

De variabele ‘taal dader’ geeft enkel weer of de dader al dan niet Nederlandstalig is.

Sociale situatie dader 1.

Komt net uit de gevangenis

2.

Gebruikt drugs


3.

Dealt drugs

4.

Zit in instelling

5.

Andere

176

In te vullen

‘Sociale situatie dader’ verzamelt alle bijkomende informatie uit de PV i.v.m. de sociale situatie van de dader kan worden weergegeven. Er kan één categorie worden aangekruist.

Toestand dader op het moment van het misdrijf 1.

Normaal

2.

Dronken

3.

Depressief

4.

Hysterisch

5.

Manisch

6.

Onder invloed drugs

In te vullen

7.

Onder invloed medicatie

In te vullen

8.

Andere

in te vullen

‘Toestand dader misdrijf’ refereert naar de psychische toestand van de dader op het moment van het misdrijf. Hier kan één categorie worden ingevuld.

‘Normaal’ (geen afwijkende psychische toestand), ‘dronken’ (vb. >0.5 promille indien test werd uitgevoerd, alcoholgeur, praten met dubbele tong, zich niet recht kunnen houden, misselijk), ‘depressief’ (vb. neerslachtig, gelaten, opgenomen in instelling, anti-depressiva, ...), ‘hysterisch’, ‘manisch’, onder ‘invloed van drugs’ of ‘medicatie’ is wordt gevraagd de naam/soort in te vullen (vb. slaappillen, marihuana, captagon,...) en de invulcategorie ‘andere’ (vb.mentaal gehandicapt).


177

Mate van daderschap 1.

Hoofdfiguur

2.

Toevallig aanwezig

3.

Medeplichtig

4.

Andere

in te vullen

De variabele ‘mate van daderschap’ wil nagaan in welke mate de dader bij het misdrijf was betrokken a.d.h.v. de pvanalyse. (Problematisch is echter dat dit definitief wordt bepaald door het gerecht). Hierbij kan één categorie worden aangeduid.

Uit de pv-analyse blijkt duidelijk dat de dader: ‘hoofdfiguur’ (bendeleider, heeft anderen aangezet/gedwongen mee het misdrijf te plegen/hem te steunen,...), ‘toevallig aanwezig’ (vb. was in buurt en heeft dan deelgenomen aan het misdrijf), ‘medeplichtige’ (op een zelfde niveau deelnemen aan het misdrijf) en de invulcategorie ‘andere’.

Vermomming dader 1.

Bivakmuts

2.

Masker/kap

3.

Nylonkous

4.

Zonnebril

5.

Bril

6.

Pruik

7.

Snor/baard

8.

Helm

9.

Geschminkt

10. Andere

in te vullen

Deze variabele omschrijft welke ‘vermomming’ de dader gebruikt bij het misdrijf a.d.h.v. 10 categorieën. Er kan één categorieën worden aangekruist. Bij meerdere vormen van vermomming, moet de meest belangrijke worden aangeduid.

6.1.1.5 Variabelen mbt arrestatie/betrapping dader Wanneer wordt de verdachte binnengebracht / ondervraagd ? Dag

in te vullen

Uur

in te vullen

‘Tijdstip dader binnengebracht’ kan aangeven hoeveel tijd er zat tussen het plegen van het misdrijf en de aanhouding van de dader. Er moet ingevuld worden op welke dag en op welk uur de dader is binnengebracht op het bureau.


178

In eerste instantie gevat/aangehouden door 1.

Politie

2.

Rijkswacht

3.

Gp

4.

Slachtoffer

5.

Omstander

Er werd een onderscheid gemaakt tussen de variabelen ‘dader in eerste instantie gevat/aangehouden (*)’ en ‘dader in tweede instantie aangehouden’.

Enkel wanneer de dader in eerste instantie werd gevat door het slachtoffer of de

omstander, dan wordt de dader in tweede instantie aangehouden door gp, rijkswacht en politie (enkel dan zal ook de varaibele ‘aanghouden in tweede instantie’ op het formulier verschijnen). Er kan slechts één categorie worden aangeduid.

(*)

gevat: door burger (vb. slachtoffer, omstander) aangehouden: door beëdigd persoon (vb; gp, rijkswacht, politie)

Waar gevat 1.

Op plaats misdrijf

2.

In de omgeving

3.

Elders

in te vullen

De variabele ‘waar gevat/aangehouden’ geeft aan hoever de dader na het misdrijf is ‘geraakt’. Hoe verder, hoe meer tijd de dader heeft gehad voor vb. de buit te verkopen/verstoppen, sporen te wissen,... Er kan maximum één categorie worden aangeduid.

‘plaats misdrijf’ (zelfde straat, in straal 100 meter), ‘in de omgeving’ (enkele straten verder) en de invulcategorie ‘elders’ (andere stadsgedeelte, andere stad/dorp/land).

In tweede instantie aangehouden door 1.

Politie

2.

Rijkswacht

3.

Gp

Deze variabel verschijnt enkel op het invulformulier, wanneer de dader in eerste instantie is gevat door slachtoffer/omstander. Hierbij kan maximum één categorie worden aangegeven.


179

Hoe aangehouden 1.

Op heterdaad

2.

Na aanwijzing

3.

Oproep

4.

Klacht slachtoffer

5.

Aangifte derde

Met de variabele ‘hoe aangehouden’ wordt nagegaan hoe de politie/rijkswacht/gp gekomen is tot het vatten van de dader. Er kan slechts één categorie worden aangekruist.

‘op heterdaad’ (wanneer de dader nog bezig is of net de pleegplaats verlaat, d.i. niet de juridische betekenis van ‘heterdaad’), ‘na aanwijzing’ (omstander/slachtoffer geven aan waar de dader is gelopen), ‘na oproep’ bij bevoegde diensten (101, radiokamer); door ‘klacht van het slachtoffer’ of ‘aangifte door derde’, neergelegd bij de bevoegde diensten.

Reactie dader bij betrappen 1. Actief 2. Passief

De variabele ‘reactie van de dader bij het betrappen’ kent twee mogelijkheden, waarvan maximum één kan worden aangeduid.

‘actief’ (vb. fysiek of verbaal verzet, weglopen, bedreigen,...) of ‘passief’ (geen verzet, gelaten, laat zich gewillig vatten/aanhouden).


6.1.2 Specifiek deel van het codeboek voor auto-inbraken 6.1.2.1 Variabelen mbt het feit Locatie 1. Openbare weg 2. Openbare parkeerplaats 3. Oprit 4. Garage

1. Indien Openbare weg of Openbare parkeerplaats

1. Autogarage/benzinestation 2. Park/plantsoen 3. Recreatiegelegenheid 4. Speelplein 5. Sportgelegenheid 6. School/universiteit 7. Geldautomaat 8. Café/bar 9. Clubgebouw/jeugdhuis 10. Dancing/disco 11. Frituur 12. Hotel 13. Restaurant 14. Winkel(centrum) 15. Bedrijf 16. Bank 17. Openbaar gebouw 18. Andere

2. Indien Openbare parkeerplaats

1. Betalend 2. Niet betalend

1. Binnen 2. Buiten

In te vullen

180


181

3. Indien Garage

1. Afzonderlijke garage aan het huis 2. Afzonderlijke garage niet aan het huis 3. Gemeenschappelijke parking

De variabele ‘locatie’ geeft aan waar het misdrijf heeft plaatsgevonden. Uit de categorieën en de subcategorieën kan telkens één mogelijkheid worden aangegeven (vb. ‘openbare weg’ aan ‘restaurant’/‘garage’ ‘afzonderlijk aan het huis’).

Een eerste onderverdeling wordt gemaakt tussen de categorieën: ‘openbare weg’, ‘openbare parkeerplaats’ ‘oprit’ en ‘garage’. Dan kennen deze categorieën nog een verdere opdeling. (1) Bij ‘openbare weg’ en ‘openbare parkeerplaats’ moet dan nog één van de 18 bovenstaande subcategorieën (inclusief de invulcategorie ‘andere’) worden aangekruist. (2) Indien het een ‘openbare parkeerplaats’ (vb. supermarkten, stadsparking,...) betreft, moet worden aangeduid of het ‘betalend’/‘niet betalend’ én ‘binnen’/‘buiten’ was. (3) Bij ‘garage’ moet gekozen worden uit één van de drie subcategorieën: ‘afzonderlijke garage aan het huis’, ‘afzonderlijke garage niet aan het huis’ (vb. autobox, garage in tuin) of ‘gemeenschappelijke parking’ (vb. in flatgebouw).

Buit zichtbaar 1. Ja

dashboard

voorzetel

achterzetel

koffer (zichtb.)

hoedenplank

(3x)

2. Nee

Het is interessant te weten of de gestolen ‘buit zichtbaar’ in de auto lag, omdat dit voor de dader misschien een wel een aanleiding kan zijn.

‘ja’: 5 opties mogelijk: ‘dashboard’, ‘voorzetel’ (kan ook op grond zijn in voorste gedeelte auto), ‘achterzetel’ (kan ook op grond zijn achterste gedeelte auto), op de ‘hoedenplank’ en in de ‘koffer’ (enkel als het een doorzichtige koffer drie/vijfdeurs betreft). Er kunnen maximum drie opties worden aangekruist. ‘Neen’ (vb. in gesloten koffer van auto).

Voertuig Merk

In te vullen

Type

In te vullen

Nummerplaat

In te vullen

Bouwjaar

In te vullen

‘Voertuig’ kent vier onderverdelingen die allen dienen te worden ingevuld.

‘merk’ (vb. Opel, BMW), ‘type’ (kadet, break, coupé, R4), ‘nummerplaat’ (BLF743) en ‘bouwjaar’ (1976).


182

Taxi 1. Ja 2. Nee

Betrof het voertuig, waaruit werd gestolen, een ‘taxi’: ‘ja/nee’?

Aanleiding 1. Buit 2. Dronken 3. Onder invloed drugs/medicatie 4. Verveling 5. Aangezet door (mededader) 6. Provocatie (vh slachtoffer) 7. Opportuniteit

donker

auto alleen

niet beveiligd

8. Jaloezie 9. Andere

in te vullen

De variabele ‘aanleiding’ geeft aan waarom de dader is overgegaan tot auto-inbraak.

Er kan één categorie worden

aangekruist.

‘buit’ (wanneer geen andere aanwijzingen zijn dan de gestolen buit), ‘dronken’, ‘onder invloed van drugs/medicatie’, ‘verveling’ (men wist niet wat doen, dus brak men maar in), ‘aangezet tot’ (de dader werd door een mededader of omstander aangezet tot de inbraak), ‘provocatie’ (dader werd tot auto-inbraak geprovoceerd door het slachtoffer: beledigende uitspraak, ruzie, rivaliteit,...), ‘opportuniteit’ (de dader kan in verleiding zijn gekomen tot het plegen van auto-inbraak omwille van drie opties: het was donker, de auto was ergens alleen achtergelaten, de auto was niet beveiligd), uit ‘jaloezie’ (dader is vb. jaloers op de audio-installatie in de auto, jaloers op het slachtoffer omwille van lief, werk,...) of invulcategorie ‘andere’.

Slotvast 1. Ja 2. Nee

Was de auto waaruit werd gestolen op slot: ‘ja’/’neen’?

Alarm 1. Ja 2. Nee


183

Had de auto een alarm: ‘ja’/’neen’?

Alarm aan 1. Ja 2. Nee

Was dit alarm door de eigenaars aangezet bij het verlaten van hun auto: ‘ja’/’neen’?

Modus (3x) 1. Inslaan 2. Openbreken 3. Opendoen (niet slotvast) 4. Uitsnijden 5. Uitboren 6. Uitdrukken 7. Uitstampen 8. Afbreken 9. Opheffen 10. Andere

In te vullen

De variabele ‘modus’ geeft aan hoe de inbraak werd gepleegd. Er kunnen maximaal drie categorieën worden aangekruist, waaronder de invulcategorie ‘andere’.

Objectief (3x) 1. Dak/open dak 2. Deur (autoportier) 3. Koffer 4. Voorruit 5. Zijruit 6. Achterruit

De variabele ‘objectief’ geeft aan waarlangs de dader in de auto is binnengeraakt. Er kunnen maximaal drie categorieën worden aangekruist, waaronder de invulcategorie ‘andere’.


184

Middel (3x) 1. Autobougie 2. Boksbeugel 3. Boormachine 4. Boor 5. Glassnijder 6. Hamer 7. Koevoet 8. Mes 9. Revolver/pistool 10. Schroevendraaier 11. Staaf/stok 12. Steen 13. Tang 14. Tennisbal 15. Valse sleutel (slim jim) 16. Zaag 17. Andere

In te vullen

Het ‘middel’ van de auto-inbraak is het voorwerp waarmee de inbraak werd gepleegd. Men kan maximum drie categorieën aanduiden, waaronder de invulcategorie ‘andere’.

Geweldsniveau 1. Vernieling 2. Buit 3. Vernieling + buit

Bij de variabele ‘geweldsniveau’ kan maximum één categorie worden aangekruist.

‘vernieling’ (enkel materiële schade zonder dat er buit werd gemaakt), ‘buit’ (zonder de auto te vernielen vb; wanneer deze niet slotvast is), ‘buit + vernieling’.

Schade 1. Schade 2. Gewonden 3. Schade en gewonden

Bij ‘schade’ kan maximum één categorie worden aangeduid.


6.1.3 Specifiek deel van het codeboek voor jongerengroepsgeweld 6.1.3.1 Variabelen mbt het feit Locatie 1. Openbare weg 2. Private ruimte 3. Publieke ruimte

1. Indien Openbare weg (2x)

1. Park/plantsoen 2. Speelplein 3. Sportgelegenheid 4. Parkeerterrein 5. Trottoir 6. Andere

2. Indien Private ruimte

1. Privé-woning 2. Voor flatgebouw 3. In hal flatgebouw 4. Garage

3. Indien Publieke ruimte (3x) 1. Autogarage/benzinestation 2. Park/plantsoen 3. Recreatiegelegenheid 4. Speelplein 5. Sportgelegenheid 6. School/universiteit 7. Geldautomaat 8. Café/bar 9. Clubgebouw/jeugdhuis 10. Dancing/disco 11. Frituur 12. Hotel 13. Restaurant 14. Winkel(centrum) 15. Bedrijf 16. Bank 17. Openbaar gebouw

In te vullen

185


186

18. Auto 19. Taxi 20. Openbaar vervoer 21. Andere

In te vullen

De variabele ‘locatie’ geeft aan waar het misdrijf zich heeft voorgedaan.

Een eerste onderverdeling in categorieën: ‘openbare weg’, ‘private ruimte’ en ‘publieke ruimte’. Deze categorieën kennen op hun beurt verschillende subcategorieën. (1) ‘openbare weg’: 5 subcategorieën waaronder de invulcategorie ‘andere’. Hierbij kunnen maximum twee categorieën worden aangeduid. (2) ‘private ruimte’ slechts één van de 4 subcategorieën kan worden aangekruist. (3) ‘publieke ruimte’ zijn er 21 subcategorieën, waaronder de invulcategorie ‘andere’. hierbij kunnen maximaal drie mogelijkheden worden aangekruist.

Buit zichtbaar 1. Ja 2. Nee

Via de variabele ‘buit zichtbaar’ proberen we na te gaan of zichtbare voorwerpen vaker het voorwerp van diefstal worden. Er kan enkel gekozen worden tussen ‘ja’/’neen’.

‘Ja’ (met gsm aan het bellen, draagt handtas over schouder, portefeuille uit broekzak, rugzakje niet helemaal dicht,...), ‘nee’ (buideltasje onder trui/jas, portefeuille in binnenzak,...).

Geweldsniveau (3x) 1. Fysiek geweld 2. Verbaal geweld 3. Vernieling 4. Bedreiging 5. Bedreiging wapen 6. Gebruik wapens 7. Stalking 8. Chantage/afpersing 9. Steaming


187

De variabele ‘geweldsniveau’ kent 12 categorieën, waarvan er maximum drie kunnen worden aangekruist.

‘fysiek geweld’ (slaan, stampen, boksen, kopstoot,...), ‘verbaal geweld’ (schelden, smaad, uitlachen,...), ‘vernieling’ (gaat over materiële eigendom, niet verwonden van lichaam), ‘bedreiging’, ‘bedreiging wapens’ (dit is bedreigen zonder ook werkelijk te gebruiken vb. wapen tonen in gevecht, mes tegen keel houden,...), ‘gebruik wapens’, ‘stalking’(systematisch lastigvallen van personen), ‘chantage/afpersing’ (door belastende bewijsstukken te bezitten, mensen kunnen manipuleren) en ‘steaming’ (het bedreigen in groep zonder gebruik van geweld),.

Verwondingen slachtoffer (3x) 1. Breuk 2. Hersenschudding 3. Kneuzing 4. Shock 5. Open wonde 6. Schaafwonde 7. Schotwonde 8. Steekwonden 9. Krabben 10. Bijtsporen 11. Andere

In te vullen

De variabele ‘verwondingen slachtoffer’ kent 11 categorieën, waarvan maximum drie mogelijkheden kunnen worden aangeduid.

‘breuk’ (botbreuk, schedelbreuk, liesbreuk,...), ‘hersenschudding’ (door slag op het hoofd, val op grond); ‘kneuzing’ (blauwe plekken ,bloeduitstorting ten gevolge van kneuzing, beschadiging !geen breuk of scheur), ‘shock’, ‘open wonde’ (huid –en vleesweefsel is weg t.g.v. val op grond, slag in het gezicht,...), ‘schaafwonde’ (enkel de opperhuid is weg ), ‘schotwonde’, ‘steekwonde’ (door mes, glasscherf, scherp voorwerp), ‘krabben’ (door de vingernagels van de dader), ‘bijtsporen( (sporen maar ook wonden t.g.v. beet van de dader),‘andere’ (vb. spierscheur, snijwond,...)

Middel (3x) 1. Mes

type

2. Steen 3. Revolver/pistool

type

4. Staaf/stok 5. Boksbeugel 6. Hamer 7. Koevoet 8. Schroevendraaier 9. Spuitbus 10. Andere

in te vullen


188

Het ‘middel’ waarmee het slachtoffer werd verwond kent 11 categorieën, waarbij maximum twee categorieën worden aangeduid.

‘mes’ en ‘revolver/pistool’ merk/type dient nog te worden ingevuld (vb. stiletto, vlindermes, .9 revolver,...), ‘andere’ (vb.touw, glasscherf,...).

Aanleiding (3x) 1. Buit 2. Dronken 3. Onder invloed van med./drugs 4. Verveling 5. Aangezet (mededader) 6. Provocatie (slachtoffer) 7. Jaloezie 8. Evenement 9. Meningsverschil 10. Racisme 11. Wraak 12. Familievete 13. Oneer/gekrenkte trots 14. Andere

in te vullen

De variabele ‘aanleiding’ geeft aan wat de dader er toe heeft gebracht om tot het misdrijf over te gaan. Er kunnen maximum drie categorieën worden aangeduid.

‘buit’ (wanneer er geen andere aanleiding blijkt dan dat men de buit wilde stelen vb. Ingebroken wegens gsm op dashboard), ‘dronken’ (vb. omwille van dronken toestand is men beginnen vechten, inbreken) ‘onder invloed medicatie/drugs’ (de perceptie van de werkelijkheid was zo anders dat men zich ook anders gedroeg vb. inbreken, vechten, uitdagen,...), ‘verveling’ (men wist niet wat doen en men besloot een misdrijf te begaan), ‘aangezet’ (de dader werd aangezet door mededader, buitenstaander), ‘provocatie’ (dader werd geprovoceerd door het slachtoffer), ‘jaloezie’ (gaat over materiële jaloezie: op auto, op gsm, op kleding,... ), ‘evenement’ (vb. naar aanleiding van een voetbalwedstrijd, rockfestival, betoging,...), ‘meningsverschil’ (n.a.v. discussie, uitgelopen ruzie,...), ‘racisme’ (de dader handelt uit racistische overwegingen, de dader werd door racistische opmerkingen gekweld,...), ‘wraak’ (oog om oog, tand om tand, oude koeien uit de sloot halen), ‘familievete’ (de reden van het misdrijf was een familievete, vb. bij zigeunerfamilies), ‘oneer/gekrenkte trots’ (men is beledigd, naam werd door het slijk gehaald, het vriendinnetje toonde zich ostentatief met iemand anders, ...) en de invulcategorie ‘andere’.


189

Modus (3x) 1. Overvallen 2. Slaan 3. Bedreigen/bang maken 4. Uitdagen 5. Insluiten 6. Afrukken 7. Verwonden (wapen) 8. Stampen 9. Op de grond werpen 10. Provoceren 11. Vernederen 12. Wurgen

De variabele ‘modus’ geeft aan op welke manier het slachtoffer werd verwond. Hier kunnen maximum drie categorieën worden aangegeven.

‘overvallen’ (met of zonder geweld buit afhandig maken), ‘slaan’ (hand, vuist, geen wapen), ‘bedreigen/bang maken’ (zowel met als zonder wapens), ‘uitdagen’ (vb. ‘wees mans genoeg en vecht!’, ‘ben je te laf om je te verdedigen?’,...), ‘insluiten’ (met de armen het slachtoffer omsluiten, met een groepje het slachtoffer omsingelen, ), ‘afrukken’ (vb. handtas, juwelen,...), ‘verwonden’ (met een wapen), ‘stampen’, ‘op de grond werpen’, ‘provoceren’ (treiteren, schelden,...), ‘vernederen’, ‘wurgen’ (met handen of voorwerp rond de hals van slachtoffer met de bedoeling hem zuurstof te ontzeggen).

Objectief (3x) 1. Hoofd/Gezicht 2. Ledematen 3. Buik 4. Rug 5. Geslacht

De variabele ‘objectief’ gaat na welk lichaamsdeel van het slachtoffer werd verwond. Er kunnen maximum drie categorieën worden aangeduid.

‘hoofd/gezicht’ (vb. klap op hoofd, blauw oog, gebroken neus, uppercut, hals, nek...), ‘ledematen’ (benen, voeten, armen, handen, tenen, vingers, handpalm,...), ‘buik’ (borststreek, zijflanken, onderbuik, heupen, bekken,...), ‘rug’ (niet de zijflanken, wel schouders, billen,...), ‘geslacht’.


6.2 Bijlage 2: Schermafdrukken van het codeerinstrument Buit

Feit (Auto’s)

190


Feit (Jongeren)

Slachtoffer

191


Omstaanders

Dader

192


Arrestatie

193


194

6.3 Bijlage 3: Lijst van statistische sectoren In deze bijlage vindt u een opsomming en korte omschrijving van de sectoren die op de kaarten weergegeven worden. De lijst is ingedeeld naar district en kan in combinatie met de bijgevoegde transparanten gebruikt worden. 6.3.1 Antwerpen A000 A010 A020 A030 A040 A050 A081 A100 A110 A120 A130 A140 A150 A210 A220 B701 B710 B721 B730 B742 B752 B782 B791 B813 B824 C200 C210 C220 C230 C240 C250 C280 C290 C310 C410 C420 C430 C440 C450 C491 D300 D310 D320 D330 D340 D350 D380 D410 D420

Antwerpen Kern - Oude Stad (Spaanse Wallen) Klapdorp – Brouwersvliet Groenplaats (Spaanse Wallen) Hoogstraat (Spaanse Wallen) Oudaan (Spaanse Wallen) Gevangenis (Spaanse Wallen) Scheldekaden Noord Meir - Leysstraat (Spaanse Wallen) Kipdorp-St.-Jacobs (Spaanse Wallen) K.N.S.-Nat. Bank (Spaanse Wallen) Stadswaag-Begijnhof(Spaanse Wallen) Tabaksvest (Spaanse Wallen) Hessenhuis (Spaanse Wallen) St.-Andries (Spaanse Wallen) St.-Michielskaai (Spaanse Wallen) Linkeroever-Zuid (Linkeroever) Linkeroever – Station Linkeroever-Noord St.-Anna (Linkeroever) Thoenetlaan (Linkeroever) Gloriantlaan (Linkeroever) Galgeweel (Linkeroever) St.-Annabos (Linkeroever ) Blancefloerlaan (Linkeroever) Charles De Costerlaan (Linkeroever) Statiekwartier (Stationswijk) Atheneum (Stationswijk) De Conincplein-Z.(Stationswijk) Offerandestraat(Stationswijk) Provinciestraat(Stationswijk) Pelikaanstraat (Stationswijk) Station - Zoo (Stationswijk) Stadspark (Stationswijk) Jezuitencollege(Stationswijk) Dambruggestraat-N. (Stationswijk) De Zavel (Noordwijk) St.-Willebrordus (Noordwijk) Potgieterstraat (Noordwijk) Stuivenberg Ziekenhuis(Noordwijk) Schijnpoort (Dam-Schijnpoort) Charlottalei (Oostwijk) Astrid Bad (Oostwijk) St.-Vincentius (Oostwijk) Stadspark-Zuid (Oostwijk) Dageraadplaats - Ooststatie (Oostwijk) Van Diepenbeeckstr. (Oostwijk) Gas (Oostwijk) Stappaerts - Krijgshospitaal (Oostwijk) Lamorinierestr.-Zuid (Ebes) (Oostwijk)


E122 E131 E140 E150 E190 E500 E521 E530 E551 E592 F110 F120 F210 F223 F600 F610 F620 F640 F650 F680 F691 G510 G522 G530 G540 G552 G590 G720 G730 G740 G750 G780 H400 H410 H430 H440 H492 H830 H840 H890 J072 J800 J810 J820 J830 J840 J850 J881 J901 J912 J923 J932 J940

Waalse Kaai (Zuidwijk) Vlaamse Kaai (Zuidwijk) Museumwijk (Zuidwijk) Gerechtshof (Zuidwijk) Oude Schippersdokken(Zuidwijk) Bell (Zuidwijk) Lange Elzenstraat (Zuidwijk) Troonplaats (Zuidwijk) Gerechtshof (Zuidwijk) Spaghettiknoop (Kiel) St.-Catharina (Kiel) Maurits Sabbelaan (Kiel) Kolonielaan (Cam. Huysmanslaan) Volhardingsstraat (Kiel) Kiel - Centrum (Kiel) Boomse Stwg-Beerschot (Kiel) Beerschot - Stadion (Kiel) Jan De Voslei (Kiel) Pius X (Kiel) Petroleum – Scheldekaden Kielse Polder (Kiel) St.-Laurentius (Zuidwijk) Fransen Plaats (Zuidwijk) Harmonie (Zuidwijk) Karel Oomstraat C. Teichmann Plaats (Zuidwijk) Albertpark (Oostwijk) Wilrijkspl.-West (Wilrijksplein) Blokken-Kruishofstraat (Wilrijksplein) Den Brandt (Wilrijksplein) Oosterveld (Wilrijkspein) Nachtegalenpark(Wilrijksplein) St.-Amandus (Noordwijk) Stuivenberg-West St.-Jansplein-Trapstr.(Noordwijk) Stuivenbergplein (Noordwijk) Station Stuivenberg Slachthuiswijk (Dam-Schijnpoort) Dam (Dam - Schijnpoort) Dam - Lobroekdok (Schijnpoort) Oude Haven Luchtbal-Zuid Luchtbal-Noord Ijzerlaan (Dam – Schijnpoort) Duboisstraat (Noordwijk) Willemdok (Spaanse Wallen) ’T Eilandje Polder (Ekeren) Schoonbroek Handboog Gr.Hagelkruis-L. Baekelandstraat Schoonbroek – Tweekronen Donkse Beek (Ekeren) Leugenberg-Zuid (Ekeren)

6.3.2 Berchem T000

Op Ten Bergh

195


T010 T020 T030 T040 T050 T090 T100 T111 T120 T130 T140 T180 T190 T200 T210 T220 T230 T240 T250 T300 T390 T412 T420

Posthof Hofveld Stuivenberg Oude Justitie Turkeyen Vestingen Ruytenburg Fruithof Oude Baen Molenveld De Veldekens Rooy De Schom Gitschotel Vosstraete Groenenhoek Berchembos Tuinwijk Het Prieel Zurenborg Oostkwartier Zilverbeek De Zepten

6.3.3 Borgerhout S000 S010 S020 S030 S040 S050 S100 S110 S120 S130 S190 S200 S280 S290 S300 S310 S410 S420 S430

Borgerhout – Gemeentehuis Fonteinstraat Den Bleekhof Kroonstraat-West Het Laar Kattenberg Stenenbrug-Zuid College Van De Perrelei Boelaerpark-Noord Te Boelaerpark Foorplein Deurne - Huiskens E 3 - E 39 De Peperbus St.-Anna Laboratorium Gitschotel Cruyslei

6.3.4 Deurne R000 R010 R020 R030 R040

Deurne - Gemeentehuis Plankenberg Deurne-Het Dorp Gallifort Kreglinger

196


R050 R099 R101 R110 R120 R130 R172 R180 R190 R200 R210 R220 R230 R240 R280 R290 R300 R310 R320 R330 R340 R350 R390 R401 R410 R420 R430 R440 R470 R482

Ter Rivieren Rivierenhof-Noord Kronenburg Bisschoppenhof Conforta Ten Eekhove Kanaal Brem Kruininge Venneborg Mortelhoek Ertbrugge Zwarte Arend Schotensteenweg Ruggeveld Ertbrugge Veld 'T Mestputteke Driekoningen Arena Kriekenhof Muggenberg Morkhoven Boterlaarhof Boekenberg Drakenhof Boekenberglei Eksterlaar Boterlaar - Silsburg Vliegveld Boekenbergpark

6.3.5 Ekeren P000 P010 P020 P030 P040 P050 P090 P100 P111 P120 P192 P200 P210 P220 P230 P242 P291 P330 P390 P500 P589 P590

Ekeren-Centrum Ekeren-Dorp Schoonbroek De Geesten Het Zand Leerhoekslaan Veltwijck Mariaburg De Bist De Noteschelp Hoge Bist Hoekakker Lucaswijk Prinshoeveland Lage Bist Klavervelden Laar Klein Heiken Vloeiende Leugenberg De Hoekx Krommestr.- Akker - Bredestr.-

197


6.3.6 Hoboken V000 V010 V020 V030 V040 V050 V070 V099 V100 V110 V120 V130 V140 V190 V200 V210 V220 V230 V290 V301 V312 V322 V373 V391

Hoboken - Centrum Kloosterstraat Vinkevelden Kapelstraat Sport Park Bell Leopoldlei Metallurgie - Cockerill Park Zorgvliet Zwaantjes Portugesehof Weerstandlaan Heide Lichtenberg Begraafplaats Meerlenhof Stuivenberg Nachtegalenhof-Noord Nachtegalenhof-Zuid Hof Ter Groen Moretusburg Visputten Polderstad Industriepark Polderbos

6.3.7 Merksem Q001 Q012 Q021 Q030 Q040 Q052 Q072 Q091 Q100 Q110 Q120 Q130 Q140 Q170 Q201 Q212 Q222 Q233 Q241 Q242 Q291 Q300 Q390 Q490

Oud Merksem Merksem-Centrum Laatlos Gagelvelden Kluizevelden Eigen Heerd Duivelshoek Park Oude Bareel Merksemheide Kroonwijk Melgesdreef Tuinwijk Merksem-Dokken Lambrechtshoeken Laarse Baan-West Rietschoorvelden Laarse Baan-Oost Kruisbaanvelden Kruisbaanvelden 'T Laar Kleine Bareel 'T Fort Sportpaleis

198


6.3.8 Wilrijk U000 U010 U020 U030 U090 U100 U110 U200 U210 U220 U300 U310 U320 U330 U400 U410 U430 U470 U570 U590 U600 U680 U690

Wilrijk-Centrum Yperman - Steytelinck Oversnes - Duivelshoek Koornbloem Slijkhoek - Fort 6 Hondsnest - Molenveld Parkwijk Valaar - De Brem De Bruynlaan-Zuid De Bruynlaan-Noord Oosterveld Elsdonk-Oost Elsdonk-West Sint-Augustinus Eden U.I.A. Voorjaarsstraat Gallaitlaan Industriepark-Oost Ter Beke Hof Dreef Groene Hoek - Ter Beke Dooy Slooy Schoonselhof - Fort 7 Klaverblad

199


200

.

ISBN - 978-90-5728-178-5 Copyright (2000)

Centrum voor Longitudinaal en Levensloop Onderzoek (CELLO) Sint Jacobstraat 2 – B- 2000 Antwerpen – België T: +32 (0)3 265 55 35 - F: +32 (0)3 265 57 93 [email protected] http://www.ua.ac.be/cello

Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de uitgever.

No part of this report may be reproduced in any form, by mimeograph, film or any other means, without permission in writing from the publisher.

Algemene Daderprofielanalyse Onderzoeksrapport

Recommend Documents