Tittel: | Prediksjoner av sykefraværslengde i NAV : – En tverrfaglig case-studie om bruk av maskinlæring til å profilere | Ansvar: | Linn Høgåsen | Forfatter: | Høgåsen, Linn ![](App_Themes/Common/Help.png) | Materialtype: | Elektronisk bok | Utgitt: | Oslo : Senter for rettsinformatikk, Universitetet i Oslo, 2021 | Omfang: | 81 s. | ISBN/ISSN: | 2703-8777 | Serie: | Complex ; 5/2021 ![](App_Themes/Common/Help.png) | Emneord: | Kunstig intelligens / Maskinlæring / NAV / Saksbehandling / Sykefravær | Stikkord: | Folketrygdloven (1997) § 8-7 / Folketrygdloven (1997) § 8-7 a / Forordning (EU) 2016/679 - Personvernforordningen (GDPR) | Note: | Complexserien er en åpen, offentlig ressurs som kan brukes fritt, så lenge det tydelig går frem hvor materialet kommer fra. Opprinnelig avgitt som avhandling 2021. Lastet ned med forfatterens tillatelse, 9. desember 2021.
| Innhold: | Fra forordet: Grunnlaget for denne rapporten er masteroppgaven min i forvaltningsinformatikk, som ble levert i juni 2021. Det er gjort minimale justeringer i innholdet siden levering av oppgaven: Kapittel 1.4 om undersøkelsesopplegget er kortet ned noe.
Sammendrag: Denne rapporten dreier seg om NAVs arbeid med å utvikle et beslutningsstøttesystem som baserer seg på maskinlæring. Systemet skal brukes i forbindelse med vurderingen av behovet for dialogmøte 2 i sykefraværsoppfølgingen. Utviklingsarbeidet jeg har undersøkt er ikke ferdigstilt, og rapporten bør derfor leses som en utforskning og beskrivelse av en utviklingsprosess, ikke av et system i bruk.
Forskningsspørsmålene i studien er eksplorerende, og forskningsdesignet er en case-studie. For å undersøke utviklingsarbeidet, tar jeg utgangspunkt i ideer fra critical data studies. Jeg har dermed undersøkt hvordan NAV jobber med å tilrettelegge og analysere datasett. I tillegg har jeg trukket linjer til hvordan organisering og rettslige vurderinger påvirker dette arbeidet. Et hovedpoeng har vært å synliggjøre utfordringer NAV møter på i utviklingsarbeidet.
Utviklingsteamet har enn så lenge brukt mye tid på å kartlegge og klargjøre datagrunnlaget de kan bruke, og mindre på å utvikle algoritmen som skal analysere datagrunnlaget. Organisatorisk er det primært teknologer, data scientister, og veiledere i NAV som påvirker systeminnretningen. Juristene i NAV har lite tid. Dette påvirker både omfanget av samarbeidet mellom teamet og jurister, men også de mange og prinsipielle vurderingene juristene må ta i et slikt arbeid. Ellers er det enkelte eksterne aktører som påvirker arbeidet, primært innenfor forklarbarhet.
Regelverket som gjelder for bruk av maskinlæring i saksbehandlingen til offentlig sektor er svært uklart. Det er stor usikkerhet rundt tolkning av det gjeldende regelverket, blant annet for forklarbarhet, rettferdighet, dataminimering, og hjemmelsgrunnlaget. Det er utfordrende for enkeltjurister i NAV å skulle ta slike omfattende og prinsipielle vurderinger. Jeg konkluderer derfor med å peke på behovet for at lovgiver tar tydelig stilling til disse spørsmålene, istedenfor å overlate det til rettsanvenderne. |
|
|