Algoritmen kan brukes i Danmark, mener dansk forsker.  (Foto: Photographee.eu / Shutterstock / NTB scanpix)
Algoritmen kan brukes i Danmark, mener dansk forsker. (Foto: Photographee.eu / Shutterstock / NTB scanpix)

Matematikk kan hjelpe med å få flyktninger i arbeid

Hvor bør en kvinnelig syrisk flyktning med frisørbakgrunn bosettes for å ha best statistisk sjanse for å få en jobb? Ny amerikansk algoritme kan gi et anslag.

Publisert

I 2018 skal rundt 4400 flyktninger bosettes rundt i norske kommuner, viser anslag fra Integrerings- og mangfoldsdirektoratet.

Men det er viktig hvor flyktningene blir bosatt, hvis de skal ha de best mulige forutsetninger for å få seg en jobb.

Det viser en ny amerikansk studie som nettopp er publisert i det anerkjente vitenskapelige tidsskriftet Science.

Forskerne har utviklet en algoritme som skal kunne beregne hvor det er best å bosette flyktningene, ut fra parametere som etnisitet, kjønn og utdannelse.

Algoritmen er laget på bakgrunn av data fra Sveits og USA, og det nye redskapet er en interessant mulighet også i Danmark, mener en forsker.

– Det er et spennende redskap som er basert på data som allerede er samlet inn. Det er noe vi bør vurdere å bruke her, sier Jens Olav Dahlgaard, som bruker tilsvarende data i forskningen sin. Han er forsker ved institutt for Business and Politics, Copenhagen Business School (CBS).

Kan lett implementeres i andre land

De amerikanske forskerne mener algoritmen lett kan brukes i praksis.

«Denne tilnæringen kan gi myndigheten et praktisk, kostnadseffektivt verktøy som er lett å ta i bruk», skriver de amerikanske forskerne i den vitenskapelige artikkelen.

Forskerne bak studien har samlet inn flere års statistikk over blant annet:

  • Hvilke land flyktninger kommer fra.
  • Hvor de kommer til å bo når de har fått oppholdstillatelse.
  • Hvor ofte de kommer i arbeid.
  • Dessuten statistikk over språkkunnskaper, utdannelse, yrkeserfaring og andre parametere.

Forskerne har brukt data om flyktninger i Sveits fra år 1999 til 2013, mens de amerikanske dataene er fra 2011 til 2016. Det vil altså si at modellen fortsatt ikke er testet i praksis.

Beregningene viser at:

  • 1 av 3 flyktninger fikk arbeid i USA, men ved å plassere flyktningene ut fra modellen, ville nesten halvparten komme i arbeid.
  • I Sveits kom 1 av 6 flyktninger i arbeid, mens man vet bruk av modellen antagelig ville få 1 av 4 i arbeid.

Et sofistikert, fleksibelt verktøy

De amerikanske forskernes modell er sofistikert og har en lang datahistorikk, noe som gjør beregningene troverdige, mener Dahlgaard.

Algoritmen kan dessuten ta høyde for mange flere parametere enn bare språk og kan dermed tilpasses den enkelte flyktningen.

Hvis modellen blir tatt i bruk i Danmark, påpeker Jens Olav Dahlgaard at man også kan inkludere faktorer som personlige behov eller ønsker.

– Det som er bra med modellen, er at den er dynamisk, slik at man kan justere på den og oppdatere den. La oss si at vi hadde laget en lignende modell i Danmark og gjennomførte et forsøk, så kunne vi forbedre modellen og fôre den med nye data løpende, så den for eksempel ikke bare bygger på data fra 1999, sier han.

Fortsatt ikke testet i virkeligheten

Selv om Dahlgaard er optimistisk, mener han at det er en svakhet at algoritmen ikke er testet i praksis.

– Det er ganske viktig, som forfatterne også påpeker, at flyktningene bare ble undersøkt ut fra hvordan de ble plassert, sier han.

Neste skritt ville være et randomisert eksperiment, for eksempel på å plassere halvparten av en gruppe flyktninger etter modellen og plassere en andre halvparten som man gjør i dag.

Dermed kunne man kunne sin og se hvem som klarer seg best, forklarer han.

– Vi har jo dataene allerede, så vi kan innføre en tilsvarende modell i Danmark. Det ville være overraskende om det ikke førte til forbedringer, sier Dahlgaard.

Referanse:

K. Bansak mfl: «Improving refugee integration through data-driven algorithmic assignment», Science (2018), doi: 10.1126/science.aao4408

© Videnskab.dk. Oversatt av Lars Nygaard for forskning.no.