Digitalisering i den offentlige forvaltning har en central placering på den politiske dagsorden. I mange år har vi arbejdet med at sætte strøm til papir og effektivisere interaktion ved hjælp af informations- og kommunikationsteknologi. Men nye teknologier spiller i stigende grad også en rolle i specialiserede forvaltningsopgaver, vi hidtil har forestillet os, at kun mennesker kan løse. Det tæller blandt andet faglige vurderinger af borgeres risiko for eksempelvis sygdomme, særlige sociale behov eller andre typer af udsathed. Med Machine Learning (ML) er der et teknisk potentiale til at sammenkøre store datamængder og tilvejebringe risikoprofiler, som fagprofessionelle kan anvende i deres beslutningsstagning. Dette potentiale afprøves i disse år i et stigende antal projekter i den danske offentlige forvaltning. På beskæftigelsesområdet arbejder man med at forudsige arbejdsløses risiko for at blive langtidsledige. På sundhedsområdet prædikterer man i forskellige projekter patienters risiko for akutindlæggelse, og på socialområdet udvikler man beslutningsstøtte til socialrådgiveres vurdering af underretninger ved hjælp af ML. Et stigende antal fagprofessionelle i den offentlige sektor oplever således at skulle træffe faglige beslutninger med støtte fra algoritmer.
Vi ved fra eksisterende forskning, at effekterne af nye teknologier og styringstiltag i forvaltningen afhænger af brugernes opfattelse af initiativerne. Men vi mangler viden om, hvordan fagprofessionelle opfatter beslutningsstøtte baseret på ML og ikke mindst viden om, hvordan offentlige ledere kan introducere og implementere ML, så det opleves understøttende for de fagprofessionelle. Fordi disse spørgsmål har helt central betydning for, hvilke effekter ML får for den service, der i sidste ende leveres til borgerne, arbejder projektet med følgende to forskningsspørgsmål:
Forskningsspørgsmålene belyses i et interventionsstudie, som følger en række kommuner, der afprøver algoritmisk beslutningsstøtte til vurdering af underretninger. Lederne fra de medvirkende kommunale familieafdelinger vil deltage i forskellige ledelsesudviklingsforløb med henblik på at undersøge, hvilken betydning variationerne i ledelsestilgangen har for socialrådgivernes opfattelse af beslutningsstøtten på tværs af kommunerne. Desuden trækker projektet på kvalitative interviews og et survey-eksperiment blandt forskellige grupper af fagprofessionelle.
Projektet ledes af ph.d.-studerende Clara Siboni Lund, som kan kontaktes på følgende mail: csl@ps.au.dk
Projektet gennemføres i samarbejde med en projektgruppe ved TrygFondens Børneforskningscenter og VIA University College, der udvikler beslutningsstøtte til socialrådgiveres vurdering af underretninger. Beslutningsstøtten baserer sig på en prædiktiv risikomodel, der for hver enkelt underretninger giver socialrådgiverne en score for et barns risiko for eksempelvis placering uden for hjemmet eller nye alvorlige underretninger.
