Hide metadata

dc.contributor.authorHøgåsen, Linn Ingunn Skogseth
dc.date.accessioned2021-09-13T22:01:58Z
dc.date.available2021-09-13T22:01:58Z
dc.date.issued2021
dc.identifier.citationHøgåsen, Linn Ingunn Skogseth. Prediksjoner av sykefraværslengde i NAV - En tverrfaglig case-studie om bruk av maskinlæring til å profilere. Master thesis, University of Oslo, 2021
dc.identifier.urihttp://hdl.handle.net/10852/88041
dc.description.abstractDenne oppgaven 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 oppgaven 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. Enkelte eksterne virksomheter påvirker arbeidet, primært innenfor forklarbarhet. Forholdet til intern juridisk kompetanse er preget av at juristene i NAV har svært 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. 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.nob
dc.language.isonob
dc.subjectbeslutningsstøttesystem
dc.subjectmaskinlæring
dc.subjectprofilering
dc.titlePrediksjoner av sykefraværslengde i NAV - En tverrfaglig case-studie om bruk av maskinlæring til å profilerenob
dc.typeMaster thesis
dc.date.updated2021-09-14T22:00:18Z
dc.creator.authorHøgåsen, Linn Ingunn Skogseth
dc.identifier.urnURN:NBN:no-90666
dc.type.documentMasteroppgave
dc.identifier.fulltextFulltext https://www.duo.uio.no/bitstream/handle/10852/88041/1/H-g-sen_Prediksjoner-av-sykefrav-rslengde-i-NAV.pdf


Files in this item

Appears in the following Collection

Hide metadata