Machine Learning algoritmes in de praktijk van regelgeving

Machine-learning algoritmen zijn een polariserend onderwerp geworden in het publieke en academische debat. Het toenemende gebruik van algoritmen lijkt te hebben geleid tot een sterk geloof in hun transformerende krachten. Ook regelgevende instanties ontwikkelen en gebruiken machine-learning algoritmen vanwege hun potentie om de regelgevingspraktijk effectiever en efficiënter te maken.

Dit onderzoeksproject stelt het vertrouwen in de universele transformerende kracht van algoritmen ter discussie. Op basis van diepgaand empirisch onderzoek bestuderen we algoritmische transformaties in hun specifieke organisatorische context om een beter en realistischer begrip te ontwikkelen van het transformatieproces en van veranderingen in organisatie en praktijk. Uit ons onderzoek blijkt dat het, ondanks de technologische vooruitgang, voor regelgevende instanties een uitdaging blijft om het potentieel van algoritmen in de praktijk te realiseren. Het realiseren van hun potentieel is geen rechtlijnig technologisch proces, maar moet worden begrepen als een institutioneel veranderingsproces.

Om de complexe interacties tussen technologie en organisatie te bestuderen, werkten de onderzoekers nauw samen met regelgevende instanties in Nederland. Naast etnografisch veldwerk werd ontwerponderzoek uitgevoerd dat het mogelijk maakte stellingen te ontwikkelen en te testen in real-world settings van de organisatie. Deze onderzoeksaanpak leverde diepgaande inzichten en interpretaties op die relevant zijn voor de partnerorganisaties, het bredere veld en de wetenschappelijke gemeenschap.

Onderzoeker

Lukas Lorenz, departement Bestuurs- en Organisatiewetenschap, faculteit Recht, Economie, Bestuur en Organisatie

Supervisor

Prof. Albert Meijer en prof. Judith van Erp