Designerdrugs eerder signaleren: hoe Mila Planken hun digitale sporen volgde
Posted on
Nieuwe designerdrugs kunnen online al circuleren voordat ze duidelijk in beeld komen bij organisaties die zich bezighouden met zorg, preventie en handhaving. Voor haar masterscriptie bij JADS onderzocht Mila Planken of het combineren van verschillende online databronnen kan helpen om zulke ontwikkelingen eerder te signaleren.
Het onderwerp bracht twee interesses samen die tijdens haar studie steeds belangrijker waren geworden: patronen vinden in data en ervoor zorgen dat die inzichten ook in de praktijk bruikbaar zijn.
“Tijdens mijn bachelor ontdekte ik dat ik vooral wilde zien wat data in de praktijk kan betekenen,” zegt Mila. “Je kunt een heel goed model bouwen, maar daarna moet je nog steeds nadenken over hoe mensen en organisaties het daadwerkelijk kunnen gebruiken.”
Die praktische insteek was een van de redenen waarom ze in 2023 koos voor de masteropleiding bij JADS.
De opkomst van designerdrugs volgen
Voor haar scriptie onderzocht Mila hoe de opkomst van designerdrugs zichtbaar wordt in verschillende databronnen. Organisaties die zich bezighouden met zorg, preventie en handhaving krijgen soms pas zicht op een middel wanneer het gebruik ervan al verder is verspreid. Mila wilde weten of online data zulke ontwikkelingen eerder zichtbaar kan maken.
“Ik wilde begrijpen hoe die ontwikkeling verloopt,” zegt ze. “Wanneer wordt een nieuwe designerdrug voor het eerst zichtbaar, wanneer wordt die breder bekend en wanneer verschijnt die uiteindelijk in de data die bij Trimbos beschikbaar is?”
Om die vraag te beantwoorden combineerde Mila data uit darkwebfora, shops en marktplaatsen met nieuwsberichten en informatie van het Trimbos-instituut. Ze keek daarbij niet naar één enkele indicator, maar ontwikkelde kenmerken die de populariteit en ontwikkeling van een middel op verschillende momenten in de tijd beschreven. Op darkwebfora keek ze bijvoorbeeld naar het aandeel van de wekelijkse activiteit waarin een middel werd genoemd, de verhouding tussen positieve en negatieve berichten en de gemiddelde sentimentsscore van discussies over dat middel. Bij shops en marktplaatsen keek ze onder meer naar het aandeel advertenties voor een bepaald middel en naar het percentage verkopers en marktplaatsen waar het werd aangeboden.
Nieuwsmedia boden weer een ander perspectief. Mila analyseerde hoeveel artikelen een middel noemden en of de berichtgeving in een bepaalde week verspreid was over meerdere nieuwsmedia of juist geconcentreerd was bij een klein aantal titels. Samen maakten deze indicatoren het mogelijk om veranderingen in de aandacht voor een middel door de tijd heen te volgen. Met een aangepaste versie van de Gartner Hype Cycle vergeleek Mila hoe die ontwikkelingen in verschillende databronnen zichtbaar werden. Haar analyse richtte zich op 4-MMC, 3-MMC, 4-FA en 4-FMA.
Eén uitkomst sprong eruit: de data liet een terugkerende volgorde zien van het dark web naar het publieke web en later naar Trimbos.
“Dat vond ik de meest interessante bevinding,” zegt Mila. “We konden daadwerkelijk zien dat er een bepaalde volgorde zat in hoe de activiteit rond een designerdrug zich in de tijd door verschillende databronnen bewoog.” Ook het tijdsverschil viel op. In sommige gevallen waren veranderingen in online aandacht al jaren zichtbaar voordat een middel duidelijk naar voren kwam in de Trimbos-data die Mila analyseerde.
“De keerzijde was dat je ziet hoe groot die vertraging kan zijn,” zegt ze. “In sommige gevallen kan het vijf tot tien jaar duren voordat bij Trimbos zichtbaar wordt dat een drug populair is geworden. Tegen die tijd kan de werkelijkheid alweer verder zijn.” Volgens Mila kan eerdere zichtbaarheid professionals meer tijd geven om een middel te onderzoeken en zich op mogelijke ontwikkelingen voor te bereiden. Het model bepaalt niet wat een drug precies is, welke effecten eraan verbonden zijn of welke actie nodig is. Het brengt ontwikkelingen uit verschillende bronnen samen, zodat professionals beter kunnen bepalen wat nader onderzoek verdient.
“Als je iets eerder kunt signaleren, kunnen organisaties er ook eerder naar gaan kijken,” zegt ze. “Dat geeft meer ruimte om preventief te werken in plaats van alleen achteraf te reageren.” Ze ontwierp het systeem bovendien met niet-technische gebruikers in gedachten. “Voor mij was het belangrijk dat ook iemand die geen data scientist is ermee kan werken.”
Werken met darkwebdata
Het idee voor de scriptie ontstond tijdens een gesprek met professor Ana Barros. Toen Barros vroeg of Mila al een afstudeeropdracht had gevonden, was dat nog niet het geval. Mila vertelde welk onderwerp ze zelf het liefst zou onderzoeken.
“Eigenlijk ontstond het idee tijdens dat gesprek,” zegt ze. “Ana was meteen enthousiast. Dat zegt ook iets over JADS: het contact met docenten en professoren is heel toegankelijk. Ik voelde me altijd gehoord en serieus genomen.” Het onderzoek bracht ook uitdagingen met zich mee die verder gingen dan het technische werk. Bij het verzamelen van darkwebdata kunnen onderzoekers worden blootgesteld aan materiaal dat verband houdt met drugs en andere illegale activiteiten.
“Je bent daar om data voor je onderzoek te verzamelen, maar ondertussen kom je ook informatie tegen over het kopen van drugs, vuurwapens en prostitutie,” zegt Mila. “Dat is best veel om als onderzoeker tegen te komen.”
Haar werk sluit aan bij het JADS Center for Data and AI against Organized and Subversive Crime. Tijdens de inaugurele rede van Ana Barros presenteerde Mila haar onderzoek aan vertegenwoordigers van onder andere politie, gemeente en provincie. “Dat was een kans om te laten zien dat de criminele wereld zich ook blijft ontwikkelen door technologie,” zegt ze. “Om bij te blijven, moeten organisaties begrijpen wat nieuwe informatiebronnen kunnen vertellen en hoe ze die preventief kunnen gebruiken.”
Leren van echte vraagstukken
Die verbinding tussen technische kennis en praktische toepassing was precies wat Mila zocht in de JADS-master. Ze koos voor de track Data Engineering en werkte aan projecten met echte organisatievraagstukken en echte data.
“Vanaf dag één word je uitgedaagd om verder te denken dan het model,” zegt ze. “Is de vraag die een bedrijf stelt eigenlijk wel het echte probleem? Hoe leg je je werk uit aan verschillende mensen? Je leert je communicatie af te stemmen op degene die tegenover je zit.”
Ook buiten het curriculum ontwikkelde ze zich verder. Via haar bestuursjaar bij D.S.A. Pattern en haar eigen bedrijf Dol op Data deed ze ervaring op met organiseren en ondernemen. Vooral opdrachten met een sterk onderzoekskarakter spraken haar aan. Mila waardeerde het persoonlijke karakter van de JADS-community, al vond ze dat veranderingen in de campusfaciliteiten tegen het einde van haar studie dat gemeenschapsgevoel verzwakten. Haar advies aan toekomstige studenten is om zelf actief richting te geven aan hun studietijd.
“Wees nieuwsgierig, assertief en durf te vragen,” zegt ze. “Dan kun je meer uit JADS halen dan je misschien voor mogelijk houdt.”
Vooruitkijken
Mila zag een PhD aanvankelijk niet als een vanzelfsprekende volgende stap. Ze vond onderzoek doen interessant, maar vroeg zich af of het niet te theoretisch zou worden en te ver van de praktijk zou komen te staan. Haar masterscriptie veranderde dat beeld. “Ik merkte dat onderzoek inhoudelijk diepgaand kan zijn en tegelijk een duidelijke toepassing kan hebben,” zegt ze. “Voor mij blijft de vraag altijd: wat kunnen mensen uiteindelijk met de uitkomst?”
Via Ana Barros kwam TNO in beeld. Mila werkt daar inmiddels als Scientist Innovator en is PhD-kandidaat bij JADS en Tilburg University. Haar onderzoek richt zich op toepassingen van generatieve AI en agentic AI voor politie en defensie. “Bij TNO zie ik het toegepaste onderzoek waar ik naar op zoek was,” zegt ze. “Die combinatie van onderzoek doen en dicht bij de organisaties blijven die er iets mee kunnen, past heel goed bij mij.”
De stap van masterstudent naar toegepast onderzoeker sluit daarmee aan op dezelfde vraag die ook haar scriptie vormde: hoe kan data vroeg genoeg inzicht geven om mensen in staat te stellen ernaar te handelen?
