Indsamling af data og brug af maskinlærings-værktøjer, der kan hjælpe med at træffe beslutninger på baggrund af store datamængder, vinder i stigende grad indpas. Det gælder lige fra sundhedsområdet og kommunernes sagsbehandling til højteknologiske virksomheder, der skal træffe fagligt stærkt komplicerede beslutninger.
Men brugen af værktøjer til beslutningsstøtte skaber også et øget behov for transparens og en forklaring på, hvordan maskinlærings-modellerne kommer frem til de givne resultater. Det er ikke nok bare at stole på det resultat, som den “sorte boks” kommer frem til, når man skal kunne stå på mål for den beslutning, man som fagperson skal føre ud i livet.
En ny strategisk satsning har derfor som mål at gøre beslutningsstøtte-værktøjer lettere tilgængelige for brugere på alle niveauer i virksomheder og organisationer. Det skal bl.a. ske ved hjælp af visualisering af data i værktøjerne og ved at forklare, hvilke dele af data, der fører til et givent resultat.
– Hvis man er læge på et hospital eller sagsbehandler i en kommune, og man anvender de her beslutningsstøtte-værktøjer, vil man selvfølgelig gerne være helt sikker på, at det er de rigtige data, der er anvendt, og at de er behandlet på den rigtige måde, når man bruger forskellige datamodeller som støtte i faglige beslutninger. Det er den bekymring, som projektet tager alvorligt. Vi vil derfor frembringe viden om og værktøjer til at skabe transparens i brugen af værktøjer, forklarer Marie Rørdam Fenger, der er projektleder og Senior Digital Innovation Specialist på Alexandra Instituttet.
Læs mere om projektet her