Bild: AI-genererad bild av Dall-E 2.

Statistisk diskriminering, eller profilering, innebär att man använder statistiska samband mellan grupper i samhället i syfte att åtgärda ett problem eller nå ett normativt viktigt mål. Ett exempel är hur det diskuterats i USA om polisen får använda rasprofilering i syfte att minska grova brott. 

– I takt med att vi samlar in allt mer data om människor och användningen av statistik ökar så kommer även den statistiska diskrimineringen öka. Därför är det viktigt att uppmärksamma och ställa frågor om när det är rätt och när det är fel att använda sig av statistiska samband, säger Viktor Elm-Schulin som nyss disputerat med avhandlingen ”Do the Ends Justify the Means: On the Justifiability of Statistical Discrimination”. 

Ändamålen helgar medlen?

Viktor Elm-Schulin, doktor i statsvetenskap. Foto: Niklas Björling/Stockholms universitet.

Det var när Viktor Elm-Schulin för tio år sedan arbetade på Barnombudsmannen som han för första gången kom i kontakt med frågan om profilering och statistisk diskriminering. Fallet som han då stötte på handlade om profilering för att upptäcka vanvårdade barn. Det var socialtjänsten på Nya Zeeland som använde sig av en modell för att hitta vanvårdade barn som visade sig peka ut fattiga föräldrar.

– Tillvägagångssättet blev diskriminerande och stigmatiserande för föräldrarna men man gjorde det för ett gott syfte, är det då okej? Helgar ändamålen medlen? Det var frågan jag ställde mig och som sedan kom att uppta min doktorsavhandling.

Testar olika förklaringsmodeller

Viktor har tittat på flera olika typer av statistisk diskriminering. Förutom fallet kring socialtjänsten på Nya Zeeland och polisens rasprofilering i USA har han också studerat mammografiundersökningar i Sverige där urvalet baseras på kön och ålder. Ett exempel då profilering inte uppfattas som lika problematisk.

Genom att testa olika förklaringsmodeller för den här typen av fall undersöker Viktor när profilering kan vara rättfärdigat och av vilka skäl.

– Den förklaringsmodell som jag finner är bäst lämpad att kunna förklara när statistisk diskriminering kan vara berättigad är en viss typ av kontraktualitisk förklaringsmodell som på ett bättre sätt kan ta hänsyn till risk. Ta fallet då polisen använder sig av rasprofilering för att förebygga brott. Då kan man endast minska risken för att folk ska utsättas för brott – för vi vet inte på förhand vilka som faktiskt kommer att utsättas för brott. Om du istället tar fallet med socialtjänsten i Nya Zeeland då vet vi redan på förhand att det finns faktiska vanvårdade barn som man kan hjälpa genom profileringen, och i det fallet kan man då hävda att profileringen uppnår ett viktigare normativt mål. När man sedan väger dessa normativa mål mot de tunga skäl vi har mot diskriminering är det bara i det senare fallet med socialtjänsten som diskrimineringen kan anses vara rättfärdigad.

Bättre på att utvärdera diskriminering

– Genom att använda denna förklaringsmodell tror jag att vi kan förfina och förbättra hur vi utvärderar statistisk diskriminering och på ett bättre sätt avgöra när det kan vara rättfärdigat och av vilka skäl.

Läs avhandlingen i fulltext