Algoritmiska prediktioner och mänskligt beslutsfattande inom aktiv arbetsmarknadspolitik

Vi studerar användandet av ett statistiskt profileringsverktyg för att anvisa arbetssökanden till arbetsmarknadspolitiska program vid Arbetsförmedlingen. Instrumentet bedömer risk för långtidsarbetslöshet och rekommenderar insatser till de arbetssökande med högst risk. De slutgiltiga anvisningsbesluten fattas dock av enskilda arbetsförmedlare. Beslutet karakteriseras av en grundläggande målkonflikt mellan att prioritera de mest utsatta arbetssökande – de med högst risk för långtidsarbetslöshet – eller de som sannolikt har störst behandlingseffekter. Algoritmen är utformad för att ge rekommendationer baserat på risk, men arbetsförmedlare kan eftersträva båda målen och kan använda privat information som inte är tillgänglig för algoritmen.

Vi jämför arbetsförmedlarnas faktiska anvisningar av arbetssökande med den kontrafaktiska anvisning om profileringsverktygets rekommendationer hade följts.

Vi är primärt intresserade av att studera följande forskningsfrågor.

• Hur påverkar förmedlarnas avvikelser huruvida arbetssökande med hög risk för långtidsarbetslöshet blir prioriterade vid anvisning till program?
• Leder avvikelser till att den totala sysselsättningen ökar eller minskar jämfört med den algoritmiska rekommendationen?

För att skatta utfall under den kontrafaktiska algoritmiska anvisningen utnyttjar vi slumpmässig tilldelning av arbetssökande till förmedlare, tillsammans med variation i förmedlarnas benägenhet att tilldela arbetssökande till arbetsmarknadspolitiska program samt variation i deras benägenhet att avvika från den algoritmiska rekommendationen. Detta gör det möjligt att identifiera den kausala effekten av handläggares beslutsfattande på både sammansättningen av programdeltagare och deras sysselsättningsutfall. Vi undersöker även om handläggares prestation i förhållande till algoritmen skiljer sig mellan grupper — exempelvis mellan kvinnor och män eller mellan individer med och utan utländsk bakgrund.

Projektet använder administrativa data från Arbetsförmedlingen, inklusive uppgifter om arbetssökande, profileringsscore, algoritmiska rekommendationer, handläggarbeslut samt de angivna skälen till eventuella avvikelser från rekommendationen.