Lorna Downie, PhD-kandidaat bij het KIN Center for Digital Innovation, heeft de Best Student Paper Award ontvangen tijdens de jaarlijkse bijeenkomst van de Academy of Management (AOM) in 2026.
Het paper onderzoekt hoe organisaties voorspellende modellen over tijd beheren, met name wanneer die modellen worden gebruikt voor beslissingen met grote gevolgen. Voorspellende modellen zijn hulpmiddelen, vaak algoritmisch of datagedreven, die toekomstige uitkomsten voorspellen op basis van patronen in data uit het verleden, bijvoorbeeld door in te schatten welke medewerker waarschijnlijk het beste zal presteren, of welke atleet de grootste kans heeft om te slagen bij een grote wedstrijd. Terwijl bedrijven steeds vaker op dit soort hulpmiddelen vertrouwen om belangrijke beslissingen te nemen, is er weinig bekend over hoe organisaties omgaan met de situatie waarin de voorspellingen van een model niet langer overeenkomen met de werkelijkheid. Downies paper gaat direct op dat vraagstuk in.
Op basis van een vierjarige etnografische studie bij een nationaal Olympisch comité en drie nationale sportbonden analyseert het paper hoe voorspellende modellen worden gebruikt om atleten te selecteren voor de Olympische Spelen.
Downie (onderzoeksgroep AI@Work) en haar coauteur introduceren het concept van ‘ground truthing’, een cyclische, sociaal-technische praktijk waarmee organisaties hun voorspellende modellen beoordelen en herzien. Deze cyclus verloopt in drie fasen: reflecteren, waarbij organisaties terugkijken op hoe de voorspellingen van een model standhielden; resetten, waarbij het model opnieuw wordt gekalibreerd op basis van de opgedane kennis; en uitvoeren, waarbij het herziene model weer in gebruik wordt genomen, tot de volgende gelegenheid om het af te zetten tegen de werkelijkheid. In dit geval wordt die gelegenheid gevormd door de Olympische Spelen zelf, een vaststaand en algemeen erkend moment waarop voorspellingen worden getoetst aan wat er daadwerkelijk gebeurt.
Het paper introduceert ook een tweede concept, "model stewarding", dat een breder type organisatorisch werk vat: niet alleen nagaan of een model statistisch accuraat is, maar ook de waarden die erin zijn ingebouwd onderzoeken, de gevolgen in de praktijk voor de mensen die erdoor worden geraakt bekijken, en het model bijstellen zodat het beter aansluit bij de uitkomsten die een organisatie daadwerkelijk nastreeft. Samen laten de twee concepten zien hoe organisaties voorspellende modellen kunnen stabiliseren voor beslissingen met grote gevolgen, terwijl ze aandacht blijven houden voor de waarden en de bredere effecten die deze modellen na verloop van tijd hebben.
Dit is de tweede keer dat Downie een Best Student Paper Award van AOM ontvangt. In 2023 won ze met haar paper 'On the right track? Studying the use of biometric data to manage people in a sports organization', gebaseerd op een 16 maanden durende etnografische studie naar het gebruik van biometrische data in een topsportomgeving. Die studie bracht een nieuwe vorm van controle aan het licht die via biometrische data wordt uitgeoefend, door de auteurs omschreven als een gedeelde controle over het lichaam.