| dc.description.abstract | Machine learning algorithms are pervasive, act autonomously and have profound effects on individuals and institutions. Although inheriting social power, algorithms are often perceived as opaque black boxes, presenting a significant challenge to social sciences. The following case study is an attempt to unpack the socio-technological assemblage of machine learning production in the Norwegian Labor and Welfare Administration; studying algorithms in the making, rather than ready-made algorithms. Actor-network theory provides the theoretical framework to this study. Through revitalizing Latour’s idea of laboratory studies, I attempt to investigate how the Norwegian Labor and Welfare Administration works on building a smart actor-network and what kind of negotiations one can observe in the lab. Data analyzed to examine this research question was collected through an ethnographic encounter to the AI lab, including interviews and document studies. The results of the analysis are presented in three parts, investigating the origins of data utilization in the organization, the role and re-appropriation of data, and negotiations tied to machine learning algorithms themselves. Furthermore, I was able to observe a great deal of expertise, judgement, choice, and constraints exercised in the production of machine learning algorithms at the Norwegian Labor and Welfare Administration. The analysis raises questions about the set of associations that enable the social power of algorithms, rather than regarding their power as given and emerging from a single source. This case study presents an explorative encounter to the inner workings of smart digital infrastructures and hopefully contributes to a better understanding of the diverse set of human and non-human associations that constitute the phenomenon of data utilization in the age of ubiquitous computing and algorithmic governance.
Maskinlæringsalgoritmer er gjennomtrengende, autonome og har en inngående effekt på enkeltpersoner og institusjoner. Selv om algoritmer kan sies å ha sosial makt, oppfattes de ofte som lite gjennomsiktige, svarte bokser. Dette byr på en betydelig utfordring for samfunnsvitenskapen. Case-studien som utgjør kjernen i denne avhandlingen er et forsøk på å åpne opp, og pakke ut det sosioteknologiske nettverket som utgjør produksjonen av maskinlæringsalgoritmer i arbeids- og velferdsdirektoratet. Aktør-nettverksteori utgjør oppgavens teoretiske rammeverk, og er derfor sentral for studien. Gjennom å revitalisere Latour’s laboratoriestudier undersøker oppgaven hvordan arbeids- og velferdsdepartementet jobber med å bygge et smart aktørnettverk og hva slags forhandlinger en kan observere i laboratoriet. Datagrunnlaget for undersøkelsen er samlet inn ved hjelp av etnografiske studier av AI-laben som inkluderer intervjuer og dokumentstudier. Resultatet av analysen er presentert i tre deler. I analysens første del undersøker jeg opphavet av datautnyttelse i organisasjonen og setter initiativet i kontekst. Dernest i analysens andre del, tar jeg for meg rollen av data, datasirkulering, samt det komplekse samspillet mellom arkiv, lovverk og produsent. Til slutt diskuterer og undersøker jeg forhandlinger rundt maskinlæringsalgoritmer og implementeringen av algoritmer i direktoratets virksomhet. Analysen forsøker å ta for seg forbindelsene som muliggjør algoritmers sosiale makt, heller enn å ta deres påvirkningskraft for gitt. Denne masteroppgaven presenterer en innovativ tilnærming til smarte digitale infrastrukturer og bidrar forhåpentligvis til en bedre forståelse av det komplekse samspillet mellom menneskelige og ikke-menneskelige aktører i en tidsalder der data og algoritmer er allestedsnærværende. | nb_NO |
