Abstract
Maskinlæring er en metodisk tilgang til databehandling, som vinder indpas i den
politologiske forskning og offentlige forvaltning. Her har tilgangen et lovende
potentiale til at lave forudsigelser om eksempelvis brugeres og borgeres senere
adfærd, hvilket blandt andet kan bruges til målretning af tidlige indsatser. Men
hvad er maskinlæring mere konkret, og hvordan anvender man maskinlæring i
praksis? I artiklen introducerer vi kernebegreber i relation til maskinlæring. Vi
introducerer maskinlæringsalgoritmer i form af klassifikationstræer. Artiklens
pointer illustrerer vi undervejs med et konkret eksempel på anvendelse af maskinlæring i dansk offentlig forvaltning, hvor maskinlæring bliver brugt til at
forudsige uddannelsesfrafald på Københavns Professionshøjskole. Afslutningsvis diskuterer vi metodiske styrker og svagheder ved maskinlæring i en samfundsvidenskabelig kontekst
politologiske forskning og offentlige forvaltning. Her har tilgangen et lovende
potentiale til at lave forudsigelser om eksempelvis brugeres og borgeres senere
adfærd, hvilket blandt andet kan bruges til målretning af tidlige indsatser. Men
hvad er maskinlæring mere konkret, og hvordan anvender man maskinlæring i
praksis? I artiklen introducerer vi kernebegreber i relation til maskinlæring. Vi
introducerer maskinlæringsalgoritmer i form af klassifikationstræer. Artiklens
pointer illustrerer vi undervejs med et konkret eksempel på anvendelse af maskinlæring i dansk offentlig forvaltning, hvor maskinlæring bliver brugt til at
forudsige uddannelsesfrafald på Københavns Professionshøjskole. Afslutningsvis diskuterer vi metodiske styrker og svagheder ved maskinlæring i en samfundsvidenskabelig kontekst
| Bidragets oversatte titel | Machine learning as a political science tool |
|---|---|
| Originalsprog | Dansk |
| Tidsskrift | Politica |
| Vol/bind | 51 |
| Udgave nummer | 2 |
| Sider (fra-til) | 168-186 |
| Antal sider | 19 |
| Status | Udgivet - 2019 |
Emneord
- Det Samfundsvidenskabelige Fakultet