Hvordan man kan lyve i konsekvensutredninger eller avsløre at det lyves

Transkript

1 Hvordan man kan lyve i konsekvensutredninger eller avsløre at det lyves NAL: Bedre og mer robuste reguleringsplaner, Aud Tennøy, PhD By- og regionplanlegging Forskningsleder - Kollektivtrafikk, areal- og transportplanlegging Transportøkonomisk institutt (TØI)

2 Jeg skal si noe om Gode KU er viktig KU er usikre og subjektive Krav til gode KUer Ikke alle KU oppfyller disse kravene Hvordan det lyves i KU Konsekvenser Vårt ansvar Side 2

3 Gode plananalyser og KU er viktig Planforslag eller søknad med konsekvensutredning for tiltak skal beskrive virkninger av tiltaket for miljø og samfunn (MD ) Skal gi kunnskap om hva slags konsekvenser foreslåtte tiltak kan ha for samfunn og miljø En viktig del av politikernes beslutningsgrunnlag Burde være fullstendige, nøyaktige, sikre og objektive men det er de ikke og det kan de ikke være Side 3

4 KU-prediksjoner er usikre Nøyaktig Middels nøyaktig Unøyaktig 0 % 10 % 20 % 30 % 40 % 50 % Avvik = (Prediksjon - Måling) * 100/ Prediksjon Nøyaktig: avvik < 10 % Middels nøyaktig: 11 % < avvik < 25 % Unøyaktig: avvik > 26 % Tennøy, Kværner, Gjerstad (2006) Side

5 KU-prediksjoner er usikre og subjektive Alle prediksjoner for/ analyser av hva som vil skje i fremtiden er usikre og til en viss grad subjektive, fordi: Det må gjøres subjektive vurderinger av alternativer som skal analyseres, konsekvenser som skal utredes, metoder, data Prosjektet kan endre seg fra analysene gjøres til tiltaket er gjennomført Feil og usikkerhet i grunnlagsdata, inputdata og forutsetninger Feil og usikkerheter i modellene: funksjonsfeil årsak-virkningsforholdene beskrives feil prosessfeil viktige sammenhenger tas ikke med bruk av forståelsesmodeller som ikke er gyldige for den aktuelle problemstillingen Ukjente og uavklarte kumulative effekter, helhetseffekter og langtidseffekter Mulighet for partiskhet lyving, vriing, manipulering De Jongh (1988) Side 5 Side

6 Krav til gode KUer og plananalyser Etterprøvbarhet: Det må fremgå hvordan analysene er gjennomført, hvilke forutsetninger, data og metoder som er brukt - på måter som gjør det mulig for andre å etterprøve analysene Det må redegjøres for usikkerheter i forutsetninger, data og resultater Analysene og fremstilling av resultatene må være forståelige ved at det fremgår tydelig hva som er undersøkt, hva som er funnet og hvilke konsekvenser prosjektet vil ha Analysene må være utarbeidet etter beste faglige skjønn og basert på oppdatert fagkunnskap Analysene og fremstillingene må være hederlige Side 6

7 Redegjøres det for data og forutsetninger? Fagrapporter KU Beslutningsdokumenter X XX Kategori Beskrivelse 0 Data og forutsetninger er ikke beskrevet i det hele tatt (totalt 39 % av dokumentene) X Data og/eller forutsetninger er delvis beskrevet (totalt 24 % av dokumentene) XX Data og forutsetninger er relativt godt beskrevet (totalt 37 % av dokumentene) Tennøy, Kværner, Gjerstad (2006) Side

8 Hvor godt formidles usikkerhet? Fagrapporter KU Beslutningsdokumenter Kategori 0 X XX XXX Beskrivelse 0 Usikkerhet er ikke nevnt eller beskrevet (totalt 45 % av dokumentene) X Usikkerhet er antydet, men ikke referert til som usikkerhet (totalt 21 %) XX Usikkerhet er indikert, noen ganger anslått, men ikke forklart eller diskutert (13 %) XXX Usikkerhet er forklart og/eller til en viss grad diskutert (totalt 21 %) Tennøy, Kværner, Gjerstad (2006) Side

9 Forståelig: Prosentpoeng og prosenter Side 9

10 Forståelig: Prosentpoeng og prosenter De konkluderer: Det fremgår at de navngitte handlestedene stort sett vil opprettholde sin andel av etterspørselen I realiteten: En reduksjon av markedsandel for Oslo sentrum i influensområdet på 3 prosentpoeng fra 15 % til 12 % betyr i realiteten 20 % reduksjon fordi 3 er 20 % av 15 (de roter eller forvirrer med prosent og prosentpoeng) Totalt ikke-transparente analyser og kalkulasjoner av markedsandeler mv., data er ikke redegjort for, ingen referanser, ingen forklaring på utregninger mv. Side 10

11 Hederlighet - klimaregnskap Utbygger hevder at klimaregnskapet bedre for alternativ 1 enn for alternativ 2: 11 Side

12 Hvordan det lyves i KU Blackboxing - produsere ugjennomtrengelige plananalyser som ikke (eller vanskelig) kan etterprøves (Flyvbjerg, Wachs) Lying with numbers bruke snille tall, forutsetninger og metoder for å komme frem til tall som gjør konsekvensene akseptable eller endrer rangering av alternativer (Wachs, Flyvbjerg) Presenterer data og analyser slik at de fremstår som sikrere og mer vitenskapelige enn de i realiteten er (inkludert namedropping) Presenterer hypotetiske muligheter som analytiske funn (stasjonære klimagassutslipp) Causing confusion bevisst skape forvirring og usikkerhet om konsekvenser av et prosjekt skape tvil om viktige årsakvirkningssammenhenger (Oreskes og Conway) AUD TENNØY 12 Side

13 Hvordan det lyves i KU Cherry-picking - gjennomføre en rekke ulike analyser og kun presentere de resultatene som er til fordel for utbygger Endre fokus hva de velger å analysere, relevans, distraksjon Stråmenn - sammenlignet med skikkelig dårlige alternativ Sier at de har funnet noe annet enn de faktisk har funnet Søker å underminere PBEs og andre etaters faglige troverdighet AUD TENNØY 13 Side

14 Hvorfor gjør de det? Vet ikke bedre mangler kompetanse Forelsker seg - de synes det er et så bra prosjekt at de er villige til å vinkle analysene slik at prosjektet fremstår best mulig for å få det gjennom Rolleforståelse noen (men langt fra alle) forstår sin rolle som å få utbyggers prosjekt godkjent uansett Setter utbyggers interesser foran samfunnets interesser Sikre at de får nye prosjekter av utbygger Foreslå større utbygginger for å ha noe å gå på i forhandlinger Side 14

15 Dette kan funke! Kan overbevise Kan skape tvil og forvirring tillater politikerne å velge det de synes er enklest å vedta The most efficient planner is sometimes the one who can cloak advocacy in the guise of scientific or technical rationality. Wachs (1989:477) Side 15

16 Men er det greit? Kan det på noen måte forsvares at planleggere oppfører seg på denne måten? Vil gi byen noe fint Skal fremme oppdragsgivers interesser Er konsulentens rolle Annet Mitt svar er NEI! Side 16

17 Konsekvenser Bringer ikke kunnskap inn i planprosessene - motsatt Kan (feilaktig) gi innrykk av at viktige konsekvenser er utredet og funnet OK Relevante aktører kan ikke forstå og/eller etterprøve analyser og konklusjoner, og er avskåret fra å opponere Viktige innvendinger kan avvises med henvisning til tilsynelatende sikre og vitenskapelige analyser Legger byrden for å motbevise funn på planetater og høringsinstanser Planer som medfører store konsekvenser for miljø og samfunn kan bli besluttet på bakgrunn av gal informasjon KU/plananalyser, planlegging og planfaget kan miste troverdighet Side

18 Gode KUer og analyser: Er forståelige Er etterprøvbare (underlagsrapporter) Har følsomhetsanalyser eller max-min-beregninger Er basert på beste faglige kunnskap og skjønn Er basert på oppdatert fagkunnskap Er hederlige Fokuserer på det som er relevant og viktig (sammenskrivingen) Side 18

19 Vårt (planleggernes) ansvar Planforslag eller søknad med konsekvensutredning for tiltak skal beskrive virkninger av tiltaket for miljø og samfunn (MD ) Vi er fagfolkene som har ansvaret for å sikre at negative så vel som positive konsekvenser av foreslåtte prosjekter kommer frem hvis ikke vi, da hvem? Dette er ofte viktige konsekvenser for samfunnet Mange bekker små gjør en stor å EKSTRA STORT ANSVAR på dem som skriver sammen planforslagene og konsekvensutredningene Side 19

20 Ansvarlig myndighet kan: Stille presise krav til KU Gjøre grundig og kritisk gjennomgang av analysene Evt. ved hjelp av ekstern kompetanse Stille krav om tilleggsutredninger Ikke godkjenne dårlige KUer Fremme egne alternativer og analyser Skrive saksframlegg slik at mangler og usikkerheter kommer frem Krever kompetanse og kapasitet Søke å forbedre egen kompetanse Vær mest fagfolk, ikke mest byråkrater Side 20

21 Referanser De Jongh, P. (1988): Uncertainty in EIA. In Peter Wathern (ed.) Environmental Impact Assessment. Theory and Practice. (Routledge, London) Flyvbjerg, B., Holm, M. S. og Buhl, S. (2002) Underestimating Costs in Public Works Projects. Error or Lie? Journal of the American Planning Association, Vol. 68, No. 3, summer 2002 Flyvbjerg, B., Bruzelius, N. og Rothengatter, W. (2003) Megaprojects and risk. An anatomy of ambition. (Cambridge University Press) Oreskes, N. og Conway, E.M. (2010) Merchants of Doubt. How a Handful of Scientists Obscured the Truth on Issues from Tobacco Smoke to Global Warming. Bloomsbury. Oslo kommune (2010) Økern senter. Planforslag til bystyret. Reguleringsplan med konsekvensutredning. Plan- og bygningsetaten i Oslo. Space Group/ Ghilardi + Hellsten arkitekter/ Civitas AS (2010) Forslagsstillers saksfremstilling. Økern sentrum. Reguleringsforslag til offentlig ettersyn. For Steen & Strøm og Storebrand Eiendom. Revidert Tennøy, Aud, Jens Kværner og Karl Idar Gjerstad (2006): Uncertainty in environmental impact assessment predictions: the need for better communication and more transparency. I Impact Assessment and Project Appraisal (IAPA), vol. 24, number 1, March Wachs, Martin (1990): Ethics and Advocacy in Forecasting for Public Policy. Business & professional ethics journal, vol.9, nos. 1 & 2 Side 21

22 Referanser Tennøy, Aud (2014) Kvalitet i konsekvensanalyser. I Holth, F. og Winge, N.K.(eds.) Konsekvensutredninger. Rettsregler, praksis og samfunnsvirkninger. Universitetsforlaget. Tennøy, Aud (2013) Vinklede plananalyser til hinder for nødvendig endring. KOTE Urbanisme Landskap Stedsutvikling, 2013 (2), s Tennøy, Aud (2012): How and why planners make plans which, if implemented, cause growth in traffic volumes. Explanations related to the expert knowledge, the planners and the plan-making processes. PhDthesis, Norwegian University of Life Sciences, Institute for Landscape Architecture and Spatial Planning Tennøy, A., Loftsgarden, T., Hanssen, J.U. og Strand, A. (2010) Erfaring med handelsanalyser i Framtidens byer. TØI rapport 1071/2010. Tennøy, Aud (2010): Why we fail to reduce urban road traffic volumes: Does it matter how planners frame the problem? Transport Policy no. 17 (2010) pp Tennøy, Aud (2009): Why we fail to reduce urban road traffic volumes: A challenge of double complexity. Kart og Plan no. 1 (2009) pp Tennøy, Aud (2008) Consequences of EIA Prediction Uncertinty on Mitigation, Follow-Up an Post Auditing, I Schmidt mfl (eds,) Standards and Tresholds for Impact Assessmemt, s Springer, Berlin. Tennøy, Aud, Jens Kværner og Karl Idar Gjerstad (2006): Uncertainty in environmental impact assessment predictions: the need for better communication and more transparency. I Impact Assessment and Project Appraisal (IAPA), vol. 24, number 1, March Tennøy, Aud (2004): Transportanalyser i planleggingen til hinder for bærekraftig byutvikling? NIBR-notat 2004:121 Tennøy, Aud (2003): Prediksjoner og usikkerhet i trafikkfaglige rapporter i KU, NIBR-rapport 2003:113 Side 22

23 Mer om KU Takk for oppmerksomheten! Side 23