@article{16615,
  keywords = {Maskinl{\ae}ring, XGBoost, forklarbar kunstig intelligens, velferdsforskning, skjevhetsbegreper},
  author = {Andrea Stor{\r a}s and Robindra Prabhu and Hugo Hammer and Inga Str{\"u}mke},
  title = {Bias og kvantitativ analyse innen velferd},
  abstract = {If{\o}lge Norges nasjonale strategi for kunstig intelligens (2020) er offentlig forvaltning og helse blant Norges satsningsomr{\r a}der for bruk av kunstig intelligens. Maskinl{\ae}ring er en undergruppe av kunstig intelligens med potensiale for {\r a} l{\o}se en rekke utfordringer, men som ogs{\r a} gir opphav til utfordringer. En slik utfordring er bias, eller skjevhet. Et eksempel p{\r a} skjevhet er at tilstedev{\ae}rende ulikheter i samfunnet representeres i datagrunnlaget maskinl{\ae}ringsmodeller utvikles p{\r a}. De resulterende modellene st{\r a}r dermed i fare for {\r a} adoptere og videref{\o}re disse ulikhetene. En utfordring er at skjevhet har ulike definisjoner innen ulike fagomr{\r a}der, og kan ha mange ulike opphav. Vi bidrar til {\r a} l{\o}se denne utfordringen ved {\r a} gi en oversikt over ulike typer skjevhet og deres opphav med illustrasjoner fra et velferdsperspektiv, samt avklarer forskjellen til det n{\ae}rliggende konseptet rettferdighet. Vi demonstrerer utfordringer relatert til databaserte modellers oppf{\o}rsel ved {\r a} benytte maskinl{\ae}ring til {\r a} predikere fremtidig ressursbehov i helsevesenet, spesifikt antall legebes{\o}k i kommuner. Vi demonstrerer ulike typer skjevheter, diskuterer mulige l{\o}sninger og bruker metoder fra forklarbar kunstig intelligens for {\r a} analysere opphavet til skjevheter i forklaringsvariablene. Det finnes ingen universell l{\o}sning for {\r a} h{\r a}ndtere alle typer skjevheter, men skjevhet m{\r a} tas h{\o}yde for i alle deler av en kvantitativ analyse.},
  year = {2022},
  journal = {Tidsskrift for velferdsforskning},
  volume = {25},
  pages = {1-24},
  publisher = {Universitetsforlaget},
  address = {Tidsskrift for velferdsforskning},
  doi = {https://doi.org/10.18261/tfv.25.3.3},
}