Opis projektu
Prognozy algorytmiczne w ubezpieczeniach, medycynie i pracy policyjnej
W erze cyfrowej powstają nowe narzędzia przewidywania przyszłości oraz ulepszane nowe ścieżki dla określonych obszarów społecznych, takich jak ubezpieczenie, medycyna oraz praca policyjna. Zdolność przewidywania przyszłości może prowadzić do lepszego zarządzania niepewnością, która się z nią wiąże. Jednakże tego rodzaju wiedza może wpłynąć na rozmaite zawody, których przedstawiciele wywierają znaczący wpływ na społeczeństwo. Finansowany przez UE projekt PREDICT zajmie się opracowaniem inkluzywnej metody badania społecznych, praktycznych i teoretycznych konsekwencji przewidywania przyszłości w erze cyfrowej. Twórcy projektu zbadają trzy ważne sektory społeczne: spersonalizowane ubezpieczenia, medycynę precyzyjną oraz predykcyjną pracę policyjną. Aby osiągnąć ten cel, badacze połączą nowe algorytmiczne formy przewidywania przyszłości z dużymi zestawami danych oraz uczeniem maszynowym.
Cel
The algorithmic turn of prediction, connected with Big Data and Machine Learning, presents an exciting and urgent challenge for the social sciences. Recent advances in digital forecasting claim to provide a predictive score for individual persons or singular events, thereby introducing a new way to manage the uncertainty of the future. But knowing the future in advance is not only advantageous. In fact, for our society, uncertainty about the future is also a resource. Since modernity, with the support of probability calculus various social institutions in different domains have developed means of coping with ignorance of the future by starting with the one thing that we all share – uncertainty. What happens to the stabilized forms of management of the future when their first resource – shared uncertainty – is missing? There is still no systematic research on this groundbreaking transformation. This project proposes a set of theory-driven empirical studies of the transition from probabilistic forms of uncertainty management to the new algorithmic forms of prediction. We will investigate three important social areas highlighting three fundamental dimensions with which digital forecast must deal. 1) First we will focus on personalized insurance. Here the key dimension is individualization of prediction, where the challenge is that such prediction could undermine the mutualization principle organized around actuarial practices. 2) Our second research area is precision medicine, highlighting the dimension of generalization where the challenge is the combination of algorithmic procedures with established statistical methods. 3) In the third field, predictive policing underscores the problem of bias while it challenges the distinction between prevention and repression. Exploring these transformation and its consequences, the project aims at developing a comprehensive approach to study the social, technical and theoretical aspects of prediction in digital society
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-ADG - Advanced GrantInstytucja przyjmująca
33615 Bielefeld
Niemcy