Het imago van ambtenaren kleurt ons oordeel over prestaties overheid

Maar wat betekenen deze vooroordelen? Verschillen ze van die in het buitenland? En hebben ze gevolgen voor het vertrouwen in de waardering voor de overheid.

In haar proefschrift The Faces of Bureaucracy heeft Isa Bertram deze stereotypen onderzocht en hun impact op de publieke dienstverlening door middel van vier empirische studies.

De eerste studie biedt een internationale vergelijking, waarbij burgers in Nederland, Canada, Zuid-Korea en de Verenigde Staten werden ondervraagd.

Het blijkt dat stereotypen behoorlijk kunnen verschillen. In tegenstelling tot wat Trump en Musk doen geloven blijken de stereotypen in Noord-Amerika zijn overwegend positief. Ambtenaren worden gezien als hardwerkend, behulpzaam en verantwoordelijk.

De stereotypen in Nederland en Zuid-zijn Korea negatiever, waarbij ambtenaren doorgaan voor inflexibel, saai (Nederland) of zelfs corrupt (Zuid-Korea).

Dat blijft niet zonder gevolgen, want de stereotyperingen beïnvloeden de ervaringen van burgers met openbare diensten.

Burgers met negatieve stereotypen hebben de neiging om de prestaties van de overheid lager te waarderen en zijn er minder tevreden over. De stereotypen hebben de meeste invloed op hoe ze prestaties van ambtenaren, hun responsiviteit en effectiviteit beoordelen.

De onderzochte ambtenaren zien stereotypen over het algemeen niet als een probleem voor hun persoonlijk welzijn, maar maken zich  wel zorgen over de invloed op de openbare dienst en de relatie tussen burgers en de overheid, bijvoorbeeld met betrekking tot vertrouwen.

Bovendien gebruikten respondenten verschillende perspectieven om de stereotypen te begrijpen: sommigen zagen ze als gebaseerd op de waarheid, terwijl anderen ze zagen als een onvermijdelijk gevolg van de complexe aard van overheidswerk. Deze verschillende perspectieven hielpen ambtenaren om met de negativiteit om te gaan, en boden een vorm van zelfbescherming.

Deze vorm van omgaan heeft echter ook een risico. Hij kan leiden tot blinde vlekken, bijvoorbeeld bij het interpreteren van kritische feedback van burgers.