Forsker: Data-profilering af arbejdsløse kan ikke både være effektiv og gennemsigtig

Illustration: STAR
Det er svært at forene krav om gode spådomme med regler om gennemsigtighed og GDPR-lov, siger forsker om værktøj, som skaber dataprofiler af arbejdsløse.

Det er svært at få kunstig intelligens til at give et godt bud på, om en arbejdsløs borger er i risiko for langtidsledighed.

I hvert fald, hvis algoritmen også skal kunne give borgeren og sagsbehandleren en god forklaring på, hvorfor den pågældende er i risikogruppen.

Det er den paradoksale situation omkring et værktøj, som skal skabe dataprofiler af arbejdsløse på baggrund af personoplysninger.

Værktøjet kom offentligheden til kende, da Version2 skrev om sagen i maj måned i år i forbindelse med en ny lov om en aktiv beskæftigelsesindsats.

Læs også: Ny lov: Arbejdsløse skal dataprofileres og samkøres i landsdækkende register

Værktøjet har dog eksisteret i en eller anden form siden 2014. Det er frivilligt at anvende, både for borger og sagsbehandler, og dets spådom står ikke alene i bedømmelsen.

I første omgang havde Datatilsynet - efter vejledning fra Styrelsen for Arbejdsmarked og Rekruttering (STAR), der står bag værktøjet - ikke taget stilling den del af lovforslagets bemærkninger, hvori det nævnes - nemlig på side 212.

Læs også: Datatilsynet vil se nærmere på profilerings-værktøj i ny beskæftigelseslov

Siden har Datatilsynet kigget nærmere på værktøjet, som det er beskrevet i lovforslaget. Tilsynet kunne for nylig konkludere, at værktøjet er inden for rammerne af GDPR-lovgivningen. Men at det også er væsentligt, at der løbende foretages en evaluering af anvendelsen af værktøjet, blandt andet med henblik på en vurdering af, om de anvendte variable i den matematiske model fortsat er relevante og brugen heraf sagligt begrundet, lyder det fra tilsynet.

Læs også: Datatilsynet: OK at dataprofilere ledige

En anden sag er, hvorvidt værktøjet kan bruges til noget i praksis, hvis det da skal følge almindelige regelsæt for algoritme-baseret beslutningsstøtte i den offentlige forvaltning.

Komplekse algoritmer og flere data er ikke uden omkostninger

Version2 har med baggrund i aktindsigt fra STAR bedt forsker og ph.d.-stipendiat Snorre Sylvester Frid-Nielsen fra Roskilde Universitet (RUC) om at vurdere algoritmen.

Konsulenter fra business intelligence-virksomheden SAS Institute A/S har udfærdiget algoritmen for STAR og beskrevet den i et bilag.

Snorre Sylvester Frid-Nielsens ph.d.-projekt er samfinansieret af RUC og STAR og omhandler adfærdsmæssig offentlig politik, big data og maskinlæring. Projektet har ikke noget at gøre med STAR's værktøj. Sammen med forskere fra en række andre danske universiteter har han eksperimenteret med anvendelsen af maskinlæring og offentlige registerdata for at give anbefalinger omkring langtidsledighed og relevante stillinger:

»Vores foreløbige resultater viser, at det er muligt at lave mere akkurate forudsigelser, end hvad der er dokumenteret i bilaget. Men vi anvender mere komplekse algoritmer og mere data – og det er ikke uden omkostninger.«

Bilaget fra STAR anvender statistiske beslutningstræer til at lave forudsigelserne. Den metodiske tilgang virker hensigtsmæssig, mener Snorre Sylvester Frid-Nielsen. Fordelen med statistiske beslutningstræer er, at læringsprocessen er forholdsvis let at fortolke. Det er muligt at følge trin for trin, hvordan algoritmen fordeler borgere i forskellige grupper for at nå frem til dens endelige forudsigelse af langtidsledighed.

Ulempen ved enkeltheden af statistiske beslutningstræer er, at de oftest fører til mindre akkurate forudsigelser sammenlignet med mere komplekse metoder.

»Vi finder for eksempel, at fejlraten kan formindskes ved at bygge en lang sekvens af ‘boosted decision trees’, hvor forudsigelserne forbedres ved at lære af de fejlklassificeringer, der blev begået i tidligere træer. Udfordringen er, at det bliver langt sværere at fortolke resultatet og dermed forklare de underliggende mekanismer, der fører til klassificeringen af den enkelte borger.«

STAR: Resultatet kan blive svært at fortolke

Version2 har bedt STAR om at kommentere Snorre Sylvester Frid-Nielsens betragtninger. På mail skriver styrelsen:

»Formålet med profilafklaringsværktøjet er at hjælpe borgeren til at forberede sig bedst muligt på et aktivt og jobrettet kontaktforløb og at etablere et fælles udgangspunkt for forløbet mellem borgeren og sagsbehandleren ift. de efterfølgende jobsamtaler.«

I denne sammenhæng er det derfor ikke kun modellens præcision, der giver værdi, men også om dens resultater kan fortolkes af sagsbehandleren i jobcentret og dermed danne et oplyst grundlag for samtalen med borgeren, og hvilken individuel tilrettelagt indsats som kan igangsættes, lyder synspunktet fra styrelsen.

»Når dette er sagt, så pågår der naturligvis en kontinuerlig proces, hvor vi genovervejer modellens brugbarhed og undersøger, om mere komplekse modeller er at foretrække. Her kan ulempen dog være, at resultatet kan blive sværere at fortolke og forklare for den enkelte borger.«

Spørgsmålet er, om det er kræfterne værd

Gennemsigtighed i forhold til, hvad der i en algoritme udpeger en borger, fremhæves igen og igen i krav til algoritme-støttede beslutninger.

Her mener Snorre Sylvester Frid-Nielsen, at tærsklen for en acceptabel fejlrate i bund og grund er subjektiv, så længe der ikke findes et konkret sammenligningsgrundlag. En høj grad af gennemsigtighed kan styrke legitimiteten af modellen blandt dagpengemodtagere og sagsbehandlere.

»Men spørgsmålet er, om det er det værd, hvis det betyder, at risikoen for fremtidig langtidsledighed ikke opdages, eller at folk som har en god chance for at komme hurtigt tilbage på arbejdsmarkedet, bliver unødigt stresset på grund af en fejlklassificering.«

En større præcision kunne efter Snorre Sylvester Frid-Nielsens mening opnås ved at træne algoritmen på hele befolkningen og benytte algoritmer som deep learning, der giver bedre resultater. Men det giver nye problemer:

»Der kan være juridiske og etiske udfordringer ved at kombinere data fra forskellige registre for at anvende dem til at understøtte borgernes beslutningstagning. Lovgivningsmæssigt beskytter GDPR blandt andet borgernes ret til at ‘blive glemt’ og være fri fra profilering. Tilføjelsen af flere dimensioner i træningsdataet øger risikoen for, at individer kan identificeres, selv om datasættet er blevet anonymiseret.«

Der er også andre problemstillinger, der gør sig gældende, mener Snorre Sylvester Frid-Nielsen:

»Bliver borgere mere motiveret i deres jobsøgning, hvis de får at vide, at de er i risikozonen for langtidsledighed, eller bliver de mere fatalistiske? Det er ikke kun et spørgsmål om algoritmer og data, men også menneskelig adfærd.«

Hvilken adfærd fører spådomme til

I Datatilsynets høringssvar til STAR står der blandt andet om den tilbagemelding, borgeren får fra værktøjet:

»Formuleringen af kvitteringsbrevet er forskellig, alt efter om analysen viser, at den pågældende har en forhøjet risiko for langtidsledighed eller ej. Hvis der er en sådan risiko, indeholder kvitteringen følgende afsnit:

‘Nogle ledige, der tidligere har svaret det samme som dig, eller som på andre måder ligner dig (fx hvad angår tidligere beskæftigelsesforhold), kan have oplevet en lidt længere vej til et nyt job. For at undgå dette er det vigtigt, at du forbereder dig grundigt til din første samtale med jobvejlederen. Det kan du f.eks. gøre ved at medbringe 3-5 konkrete stillinger, som du gerne vil søge inden for de næste 14 dage, eller som du allerede har søgt.’«

Der lægges altså ikke umiddelbart op til, at jobcenteret kan stille ekstraordinære tiltag på bordet til den ledige i risikogruppen, som eksempelvis efteruddannelse eller andet.

Det får Snorre Sylvester Frid-Nielsen til at komme med denne afsluttende kommentar:

»Vi kommer til at kunne lave bedre og bedre forudsigelser. Men vi har også brug for at tænke over, hvordan vi evaluerer de resultater, vi får. Det er ikke et spørgsmål om beregninger, men om, hvordan informationerne bliver fortolket, og hvilken adfærd de fører til, både af sagsbehandlerne og de ledige. Det har vi brug for mere viden omkring. Det er ikke bare maskinlæring, men også eksperimentelle undersøgelser og kvalitative data, hvor vi taler med de ledige.«

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (17)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Anne-Marie Krogsbøll

Konsulenter fra SAS Institute A/S har udfærdiget algoritmen "

Dumt spørgsmål: "Konsulenter"? Er det forskere/videnskabsfolk, eller hvad er deres baggrund for at udarbejde algoritmer?

Og hvilke data har de haft at "øve sig" på?

Jeg forstår heller ikke rigtigt følgende:

Version2 har med baggrund i aktindsigt fra STAR bedt forsker og ph.d.-stipendiat Snorre Sylvester Frid-Nielsen fra Roskilde Universitet (RUC) om at vurdere algoritmen.
Konsulenter fra SAS Institute A/S har udfærdiget algoritmen for STAR og beskrevet den i et bilag.
Snorre Sylvester Frid-Nielsens ph.d.-projekt er samfinansieret af RUC og STAR og omhandler adfærdsmæssig offentlig politik, big data og maskinlæring. Sammen med kollegaer fra en række andre danske universiteter har han eksperimenteret med anvendelsen af maskinlæring og offentlige registerdata for at give anbefalinger omkring langtidsledighed og relevante stillinger"

Så er Snorre Sylvester Frid-Nielsens ph.d.-projekt en del af projektet? I givet fald - havde det ikke også været godt at spørge en udenforstående? Og erSnorre Sylvester Frid-Nielsen en af konsulenterne hos STAR? Eller hvem er det?

Og gad vide hvilke "registerdata", man her har eksperimenteret med...og med hvilket formål?

En større præcision kunne efter Snorre Sylvester Frid-Nielsens mening opnås ved at træne algoritmen på hele befolkningen og benytte algoritmer som deep learning, der giver bedre resultater"

Det vil jeg gerne have mig frabedt! Der må være grænser for galskaben, ellers vil der jo i løbet af et halvt være opstået hundredevis (tusindevis) af formål, hvor nogen synes, at det kunne være rart/smart at træne noget machinlearning på hele befolkningen, og så vil jeg gerne se den, der uden at rødme vil påstå, at Danmark ikke har udviklet sig til et totalt totalitært overvågningssamfund!

Men har Snorre Sylvester Frid-Nielsen mon netop i sit projekt gjort det, som han her beskriver - forsøgt at træne algoritmen på hele befolkningens data?

  • 6
  • 4
Bjarne Nielsen

Så hvis man skal have et svar, som man kan stole på, så bliver blivet et "bestået/ikke bestået" uden yderligere, og det eneste det udløser, det er en løftet pegefinger til den ledige om at tage sig sammen?

Eller også så kan algoritmen sætte folk i nogle brede kasser, som kan bruges til (bort-)forklaring i den videre diskussion. "Jeg kan se, at du er kvinde, enlig mor og har taget en humanistisk uddannelse, og det forringer dine chancer for at få et job - hvad vil du gøre ved det?"

Vi ved fra tidligere, at jobcentrene ikke rigtigt ved, hvad de skal stille op med "tilbuddet", og nok nærmest betragter det som kuriøst. Og nu denne evaluering, som nærmest siger, at det ikke er rigtigt godt, og heller ikke kan blive det (og som stadig undlader at svare på, om det gør nogen som helst form for positiv forskel praksis).

Jeg har kørt det hele igennem min algoritme, og resultat var "ikke bestået". Jeg kan ikke forklare hvorfor, for jeg har brugt en algoritme med maksimal præcision.

Jeg har også prøvet med en mindre præcis algoritme, og den siger, at det falder i kategorien "offentlige eksperimenter med maskinlæring" og der er generelt dårlige erfaringer.

  • 18
  • 0
Anne-Marie Krogsbøll
  • 6
  • 2
Tania Andersen Editor

Vi har uddybet følgende i artiklen, for at undgå misforståelser:

Snorre Sylvester Frid-Nielsens ph.d.-projekt er samfinansieret af RUC og STAR. Projektet har ikke noget at gøre med STAR's værktøj, og han er heller ikke tilknyttet STAR.

SAS Institute A/S er en business intelligence-virksomhed.

Mvh Tania/V2

  • 5
  • 0
Anne-Marie Krogsbøll

Tak for uddybning, Tania.

Kan du også opklare, hvem "konsulenterne" fra SAS Institute er? Forskere? Hvilke data har de bygget deres beslutningstræ/algoritme på?

Og Snorre Sylvester Frid-Nielsen - har han adgang til hele befolkningens data til diverse samkøring og algoritmeudvikling i forbindelse med sin forskning?

Hvor stopper det? Både mht. omfanget af denne AI-forskning, og mht. hvem der kan tillade sig at udvikle algoritmer, som får stor betydning for store befolkningsgrupper? Hvilken kvalitetssikring er indbygget, f.eks. i SAS-algoritmen, inden samfundet hopper i med begge ben?

  • 4
  • 3
Anne-Marie Krogsbøll

Har fundet dette om Snorre Sylvester Frid-Nielsen:
https://ufm.dk/forskning-og-innovation/forskningsformidling/eliteforsk/p...

Når jeg læser dette, får jeg en (muligvis fejlagtig) fornemmelse af, at Snorre SFN's projekt faktisk er at fintune denne profilering/overvågning af de ledige yderligere, og måske endda påvirke udviklingen i retning af at slække på gennemsigtighedskravet? - dvs. at han måske er konkurrent til SAS-Institute-modellen?

Fra linket:
Adfærdsteorien giver desuden en mere realistisk forståelse af menneskelig handling, hvilket gør det lettere at understøtte individers beslutningstagning."

Understøtte? Eller styre/kontrollere?

Hvad betyder et EliteForsk-rejsestipendium for dine fremtidige muligheder?
EliteForsk-rejsestipendiet er af uvurderlig værdi for min fremtid, da det vil hjælpe med et forskningsophold på Stanford University. Forskningsmiljøet er i verdensklasse, og jeg vil have mulighed for at drage viden fra førende forskere inden for både datalogi og adfærdsvidenskab. Da disse felter udvikler sig lynhurtigt, er det afgørende, at jeg kender til de nyeste og mest banebrydende metoder."

Her synes jeg, Singularity University komme ubehageligt tæt på... Og Shoshana Zuboffs afdækbning af, hvordan adfærdsvidenskaben (eks. Skinner) er en integreret del af de store tech-giganters forretningsmodeller...

  • 4
  • 7
Gert Madsen

Det er interessant at man bruger kræfter på at indsamle data om, og profilere folk, uden man har nogen som helst idé om det faktisk er til nogen hjælp.
Principielt set kan det være OK for universiteterne at beskæftige sig med. Men myndighederne bør ikke bruge penge på tiltag, der ikke har andet formål end at tilfredsstille deres egne lange næser.

  • 5
  • 0
Anne-Marie Krogsbøll

Men myndighederne bør ikke bruge penge på tiltag, der ikke har andet formål end at tilfredsstille deres egne lange næser.


Det er også nogenlunde det, jeg efterhånden tænker. Skal vi uden videre købe påstanden om, at det er for de lediges skyld?

Som det fremgår af citatet fra "eliteforskerprisen", så er denne faktisk rettet mod samme type forskning, som det, Shoshane Zuboff beskriver - anvendelse af adfærdspsykologien til at styre/manipulere folk med. Men i stedet for at det er tech-giganterne, der bestiller forskningen, er det her Uddannelses- og forskningsministeriet. Og det er i mine øjne uhyggeligt, at det offentlige rider med på denne manipulationsbølge - for borgernes penge. "Bliv manipuleret, og betal selv for det".

Jeg har mistet troen på, at disse tiltag og denne type forskning sker for borgernes skyld. IT-AI-BigData-udviklingen er blevet en selvkørende maskine, hvis formål er at holde tech-industriens profitpotentiale i gang, og sikre uændrede magtforhold i samfundet og i verden. Her er, hvad jeg efterhånden ser for mig, at vi har udviklet os til:

Samfundet er blevet en ny slags pyramide (meget forsimplet). I bunden er alle vi menige borgere. Vi bundborgere producerer - frivilligt eller ufrivilligt - data - vores vigtigste mission her i livet er at være datamalkekøer.

I laget over, er mennesker, som indsamler disse data - registrerer, opbevarer etc. Det sker mange tusinde steder i samfundet samtidig, når vi færdes rundt og lever vores liv. Vi borgere i bunden har ikke en kinamands chance for at vide, hvor, af hvem og hvorfor disse data indsamles, selv hvis vi kæmper for at holde styr på det. Og vi har ingen chance for at forhindre det.

I laget over dem er forskere, som forsker i disse data. Forskerlaget er gennem de senere år blevet et helt enormt omfattende og tætvævet net, spredt ud over hele landet/verden, i hundredevis (tusindevis), forskningscentre, consortier, offentligt-private samarbejder, forskergrupper osv. Samlet set tusinder af forskere, som har skabt sig en levevej ved at forske i disse data (hvilket nok kan skygge lidt for udsynet). Disse har - selv om de måske skal søge tilladelse - ret uhindret adgang til alle disse data om os alle sammen. Så i praksis er borgernes - dvs. vores - private data, og derved privatliv ikke mere en privat ting, der sker i dit hjem eller i din privatzone. Nej, det er nu spredt og fordelt i et tæt net ud over hele landet/verden. Oftest forsker forskerne på bestilling af enten en offentlig eller en privat "arbejdsgiver". Det er en givtig karriere-og forsørgelsesvej, og for de heldige lokker gode stillinger i toplaget. Og da denne forskning langt hen ad vejen er belagt med forretnings- og andre hemmeligheder, og vi borgere ikke har ret til indsigt i, hvordan vore data benyttes her, har bunden ingen chance for at unddrage sig dette - de er fanget i at være objekter for forskernes mikroskoper - umyndiggjort ift. deres egen rolle i dette.

I laget over dem er politikere, embedsfolk etc. , Disse bestiller eller betaler ofte for forskningen, idet de forestiller sig, at den kan bruges til et eller andet. Gerne i form af et offentligt-privat samarbejde, men ellers kan det - påstås det - lette myndigheders og andres job med at holde styr og disciplinere borgerne. Ofte er denne forestilling frembragt at lobbyister fra tech-giganter og erhvervslivet i øvrigt. Og hvis ikke det kan bruges til andet, kan det bruges til karrierepleje. Der er en vis svingdørstrafik fra dette lag til gode stillinger i øverste lag. Når først vi er nået her til, er det hele blevet fuldstændigt uigennemskueligt, og ingen aner, i lighed med i forskerlaget, hvor mange og hvilke projekter, der er gang i, hvorfor, hvad det koster, hvem osv. Borgerne er nu fuldstændigt reducerede til råstoffer, studieobjekter - der er intet menneskeligt tilbage af det liv, man har stjålet data fra.

Og aller øverst oppe er techgiganter og erhvervsliv, som udnytter og profiterer på de bearbejdede data. De lægger lokkemad ud, bearbejder (eller ligefrem bestikker) beslutningstagere, så disse ender med at tilpasse lovgivning, og vedtage de tiltag og projekter, som tech-giganter og økonomiske interesser har interesser i. Og her er hemmelighedsfuldheden total - de færreste aner, hvad der foregår, men det er her, guldet vrides ud af ikke bare vore data, vort privatliv, men af selve vore liv. Og der er meget langt fra bunden af pyramiden til toppen, hvor "dronerne" holder til, og agerer som dukkeførere.

Det gør faktisk ondt at sige det, for de fleste af disse forskere er sikkert privat flinke mennesker, som kunne være mine egne sønner og døtre - og som bare gerne vil have en god levevej. Men vejen til dette er efterhånden blevet *massiv *udnyttelse af befolkningen. Disse er reducerede til at være de bladlus, som myrerne malker. De har intet at skulle have sagt selv, og med adfærdspsykologiske metoder og tilstrækkeligt med intime data, kan de styres stort set fuldstændigt.

Jeg har oprindeligt været positiv overfor forskning (og visse typer forskning er jeg stadig positiv overfor), men hele denne fuldstændigt amokløbne udvikling har bragt mig til nu at opfatte laget fra forskerne og opefter som "snyltere" på verdens befolkninger. De stjæler vore privatliv, og derved i sidste ende vore liv. Jeg siger det ikke for at gøre nogen kede af det, men i selvforsvar - jeg er modbydeligt træt af ikke at vide, hvem der er igang med at snage i mit og andres privatliv - f.eks.lige nu. Ikke fordi det er særligt interessant eller hemmeligt, men fordi de ikke har noget at gøre der, og fordi de derved stjæler ikke bare vores ret til privatliv, men, som Zuboff siger, simpelthen vores ret til en fremtid. For den er de i fuld gang med at manipulere med.

  • 6
  • 1
Louise Klint

Jeg er ikke sikker på, at det er alle borgere, som forstår det svar,
der gives i kvitteringen (algoritmens konklusion, se nedenfor).

Slet ikke, hvis man tænker på de, som svaret henvender sig til;
målgruppen "potentielt langtidsledige."

Det er ikke alle ledige, der har en videregående uddannelse, endsige en gymnasial. Nogle har kun 7. klasse. Nogle kommer fra udlandet/andre kulturer eller er ældre generationer.

‘Nogle ledige, der tidligere har svaret det samme som dig, eller som på andre måder ligner dig (fx hvad angår tidligere beskæftigelsesforhold), kan have oplevet en lidt længere vej til et nyt job. For at undgå dette er det vigtigt, at du forbereder dig grundigt til din første samtale med jobvejlederen. Det kan du f.eks. gøre ved at medbringe 3-5 konkrete stillinger, som du gerne vil søge inden for de næste 14 dage, eller som du allerede har søgt.’

Det kan være svært at forstå, hvad der står,
fordi det er formuleret så diplomatisk, vagt, kryptisk og indviklet.
(Pga. de mange indskudte sætninger, forvægt, konjunktiv, formel/høj stil i
”hvad angår”, ”tidligere beskæftigelsesforhold”, fx).

Så vel som hvilken betydning og konsekvenser det har.
Det kan også være svært at forstå, hvad man kan/skal bruge det til.
Hvad kan man bruge det til?

Det er simpelthen ubrugeligt og fjollet.

Svaret indeholder en smule pseudo-konstruktive råd og handlingsanvisninger:
”forbered dig grundigt” (?), ”medbring 3-5 stillingsopslag.”
Men forebygger dette langtidsledighed?
(Er ovennævnte, den anbefalede kur for borgeren? Løsningsmodellen, som skal modvirke de årlige milliardudgifter, vi har på området?)

Lægger man dertil:

Der lægges altså ikke umiddelbart op til, at jobcenteret kan stille
ekstraordinære tiltag på bordet til den ledige i risikogruppen, som eksempelvis efteruddannelse eller andet.

Synes jeg, at hele dette spådomsalgoritmeprojekt på enkel vis afliver sig selv.
Demonstrerer sine mangler.
Understreger sin ubrugelighed:

Hvis borgeren hverken får klar eller brugbar besked og jobcenteret ej heller har handlemuligheder (til de, der ikke kan klare det selv) –
Tja… Så kan jeg ikke konkludere meget andet end:

At denne algoritme blot er endnu et redskab til forvaltning og bureaukrati
(STAR + jobcentrene), således disse kan demonstrere og dokumentere
egen ”uundværlighed”, eksistensberettigelse og ”relevans”.

= Penge ud af vinduet!

… Man behøver ikke altid at spørge en forsker.
Selvom det unægtelig tilføjer konklusionen (den fornødne) vægt og troværdighed.
Tak for det :)

  • 6
  • 0
Ivo Santos

I stedet for at bruge milliarder på et it-system som i sidste ende alligevel ikke virker, så burde man i stedet forkuserer på statistikkerne eller på hvad der sker rundt om i Danmark samt nabolande.
Alle ved at misbrugere skal have hjælp til at komme af med deres misbrug, og sikker også noget almindelig dannelse, for ikke at tale om arbejdserfaring i forhold til hvad de nu er egnet til, det behøver man ikke et it-systen til flere milliarder for at komme frem til. Og naturligvis er der vel også et par uheldige arbejder når virksomheder flytter kontor eller produktion til udlandet. Måske man kunne sparke gratis psykolog hjælp og noget videreudannelse til de uheldige.
Og så er der jo hele affæren med både politiet og fængselsbetjente, hvor af de bør få bedre arbejds forhold således at der ikke er så mange som ender på invalidepension fordi de ikke fik dem hjælp og opbakning som de reelt burde have fået.

  • 3
  • 0
Lars Vosgerau

Prøv at forklare disse, algoritmer til medarbejdere i jobcenteret eller kommunalt ansatte.

Resultat = ingen universitetsgrad.

Snorre Sylvester Frid-Nielsen, skulle jeg være imponeret af sin PhD, ikke engang en brøkdel.

Jeg spekulerer på, hvem der har givet ham sin PhD !

Undertegnede har opnået, en "PhD fra California Institute of Technology Caltech" og ha også en Master som Ingeniørelektronik.

Jeg har et dybt kendskab til algoritmer og AI !

Jeg vil meget gerne kende disse konsulenter uddannelsesmæssige kvalifikationer ?

  • 0
  • 6
Anne-Marie Krogsbøll

Lars Vosgerau:
Jeg ser ingen grund til at stille spørgsmålstegn ved Snorre Sylvester Frid-Nielsen kvalifikationer og uddannelse - dem har jeg respekt for. Det er de holdninger, som ligger bag hele denne udvikling, og det offentliges satsning på den, som er problemet.

Kvalifikationerne hos konsulenterne i SAS Institute står til gengæld indtil videre hen i det uvisse, da vi ikke ved, hvem de er, og hvad deres baggrund for at udarbejde den slags "beslutningstræer" er.

  • 1
  • 1
Log ind eller Opret konto for at kommentere