Maskinlæring som politologisk værktøj

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. Afslutningsvist diskuterer vi metodiske styrker og svagheder ved maskinlæring i en samfundsvidenskabelig kontekst.