Discretionary Trees: Understanding Street-Level Bureaucracy via Machine Learning

要約

街頭レベルの官僚は、政府機関に代わって人々と直接対話し、社会サービスの管理や警察の取り締まりなど、幅広い機能を実行します。
街頭レベルの官僚制の重要な特徴は、公務員が政府機関の政策を実施する任務を負っている一方で、その政策を個々のケースにどのように適用するかを選択することについて大きな裁量権も与えられているということである。
その裁量権を行使することは、人間の相互作用や評価に基づく政策の例外を許容するため有益である可能性がありますが、社会資源配分の重要な領域に偏見や不公平が浸透する可能性もあります。
この論文では、機械学習技術を使用して、街頭レベルの官僚の行動を理解します。
私たちは、世帯に関する人口統計情報やその他の情報と、割り当てが定型的ではなかった期間にどのようなホームレス対策が割り当てられていたかに関する情報を組み合わせた豊富なデータセットを活用しています。
今回のケースワーカーの決定は全体的に非常に予測可能であり、この予測のすべてではないものの一部は単純な決定ルールで把握できることがわかりました。
私たちは、単純な決定ルールに捕捉されない決定は、ケースワーカーの裁量の適用とみなされる可能性があると理論づけています。
これらの裁量的決定は、そのような世帯の特徴においても、決定の結果の点においても、決してランダムではありません。
ケースワーカーは通常、それほど脆弱ではないと考えられる世帯にのみ裁量を適用します。
裁量権を適用して世帯をより集中的な介入に割り当てる場合、それらの世帯に対する限界利益は、世帯がランダムに選択された場合に予想されるよりも大幅に高くなります。
それほど集中的ではない介入が裁量的に割り当てられた世帯に対しても同様の限界給付額の減少は見られず、ケースワーカーが知識を活用して結果を改善していることを示唆している。

要約(オリジナル)

Street-level bureaucrats interact directly with people on behalf of government agencies to perform a wide range of functions, including, for example, administering social services and policing. A key feature of street-level bureaucracy is that the civil servants, while tasked with implementing agency policy, are also granted significant discretion in how they choose to apply that policy in individual cases. Using that discretion could be beneficial, as it allows for exceptions to policies based on human interactions and evaluations, but it could also allow biases and inequities to seep into important domains of societal resource allocation. In this paper, we use machine learning techniques to understand street-level bureaucrats’ behavior. We leverage a rich dataset that combines demographic and other information on households with information on which homelessness interventions they were assigned during a period when assignments were not formulaic. We find that caseworker decisions in this time are highly predictable overall, and some, but not all of this predictivity can be captured by simple decision rules. We theorize that the decisions not captured by the simple decision rules can be considered applications of caseworker discretion. These discretionary decisions are far from random in both the characteristics of such households and in terms of the outcomes of the decisions. Caseworkers typically only apply discretion to households that would be considered less vulnerable. When they do apply discretion to assign households to more intensive interventions, the marginal benefits to those households are significantly higher than would be expected if the households were chosen at random; there is no similar reduction in marginal benefit to households that are discretionarily allocated less intensive interventions, suggesting that caseworkers are improving outcomes using their knowledge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google