更多的采用机器学习算法的决策支持系统每天都在公共部门进行试点和部署，以帮助发现个人和公司在税收，保护儿童和维持治安等方面的不法行为。尽管有些人欢迎这种趋势，因为出现了更多基于证据的行政决策，但另一些人担心，这种系统的不透明性和可感知的客观性会在他们进行正当程序时通过后门带来不必要的偏差。对这些系统的研究主要是试图从外部对其进行查找或反向工程，从而缺少在不同机构环境中获得，部署和管理这些技术的人员。为了填补这一空白，对参与公共部门机器学习项目的不同部门和国家的25名公务员和技术人员进行了识别和采访。他们被问及他们在这些技术方面的经验，重点是他们如何理解和解决所遇到的运营障碍和道德问题。对这些访谈的分析表明，在该领域，诸如“公平意识”或可解释的机器学习系统之类的最新技术方法对责任的承担很有希望。但是，这些访谈还提出了一些问题和问题，这些问题和问题目前都未被重视，并且仅靠技术解决方案是不可能解决的。这项研究表明，应用机器学习的治理机制如果要成功确保新的数据驱动的决策支持系统对社会有益，就必须对地面压力和环境更加敏感。 p>