Merge pull request #323 from NGO-Algorithm-Audit/feature/structural_edits

Add empirical methods white paper in EN and NL

Author: jfparie

content/.DS_Store

@@ -1,6 +1,6 @@
 ---
 icon: fas fa-search
-featured: true
+featured: false
 layout: article
 type: knowledgebase_item
 author: Algorithm Audit

content/english/knowledge-platform/knowledge-base/Comparative_review_10_FRIAs.md

@@ -0,0 +1,37 @@
+---
+intro: >-
+  How empirical methods can help regulating AI
+featured: true
+layout: article
+type: knowledgebase_item
+facets:
+  - value: type_white_paper
+    label: white paper
+  - value: subject_scientific
+    label: scientific
+author: Algorithm Audit and Netherlands Bureau for Economic Policy Analysis
+summary: >-
+  How empirical methods can help regulating AI
+weight: -16
+title: 'Empirical methods for supervising algorithmic profiling systems'
+subtitle: ''
+image: /images/knowledge_base/White_paper_Empirical_methods.png
+search:
+  searchableText: tvt, toezicht, tijdschrift voor toezicht
+---
+
+This article will be published in a special edition of the Journal for Supervision in Dutch *Praktische handvatten voor empirisch toezicht op profileringsalgoritmes*.
+
+###### Abstract
+
+When regulating algorithmic profiling systems, not only legal but also statistical information plays a key role.
+Using a Dutch public sector risk profiling algorithm as an example, we demonstrate that current frameworks,
+guidelines and soft law fall short in providing sufficient guidance for the interpretation of open norms within
+European non-discrimination law. We show that established methods from empirical science can help
+clarifying these norms. Building on the case-based example, we propose an assessment protocol designed
+to assist supervisory authorities in formulating targeted questions to examine indirect discrimination through
+algorithmic profiling systems used in the public and private sector. This approach builds upon existing
+legal frameworks, enabling supervisory authorities to effectively monitor algorithm-driven decision-making
+processes, even with limited resources.
+
+{{< embed_pdf url="/pdf-files/knowledge-base/20250826_Empirical_methods_for_supervising_algorithmic_profiling_systems.pdf" width_mobile_pdf="12" width_desktop_pdf="6" >}}

content/english/knowledge-platform/knowledge-base/Empirical_methods_for_supervising_algorithmic_profiling_systems.md

@@ -1,6 +1,6 @@
 ---
 layout: article
-featured: true
+featured: false
 type: knowledgebase_item
 author: Algorithm Audit
 summary: >-

content/english/knowledge-platform/knowledge-base/Public_standard_Meaningful_human_intervention.md

@@ -1,6 +1,6 @@
 ---
 icon: fas fa-search
-featured: true
+featured: false
 layout: article
 type: knowledgebase_item
 author: Algorithm Audit

content/english/knowledge-platform/knowledge-base/Public_standard_profiling.md

@@ -0,0 +1,36 @@
+---
+intro: >-
+  Praktische handvatten voor empirisch toezicht op profileringsalgoritmes
+featured: true
+layout: article
+type: knowledgebase_item
+facets:
+  - value: type_white_paper
+    label: white paper
+  - value: subject_scientific
+    label: wetenschappelijk
+author: Algorithm Audit en Centraal Planbureau
+summary: >-
+  Hoe empirische methoden ondersteunen bij toezicht op AI
+weight: -16
+title: 'Praktische handvatten voor empirisch toezicht op profileringsalgoritmes'
+subtitle: ''
+image: /images/knowledge_base/White_paper_Empirical_methods.png
+search:
+  searchableText: tvt, toezicht, tijdschrift voor toezicht
+---
+
+Dit artikel is gepubliceerd in een thema-editie van het Tijdschrift voor Toezicht (TvT) als *Praktische handvatten voor empirisch toezicht op profileringsalgoritmes*.
+
+###### Abstract
+
+Bij toezicht op algoritmes en AI staat niet alleen het recht, maar ook de sta8s8ek centraal. Aan de hand
+van een concreet profileringsalgoritme lichten we toe dat bestaande kaders, handreikingen en so> law
+onvoldoende houvast bieden voor het invullen van open normen uit het gelijke behandelingsrecht. We
+illustreren dat beproefde methoden uit de empirische wetenschap handvaBen bieden om deze normen
+in te vullen. Aan de hand van het prak8jkvoorbeeld wordt een vragenlijst geïntroduceerd die
+toezichthouders ondersteunt in het stellen van gerichte vragen over indirect onderscheid door
+algoritmes en AI. Deze aanpak bouwt voort op weBelijke kaders en stelt toezichthouders in staat met
+beperkte middelen effec8ef toezicht te houden op algoritme-gedreven besluitvormingsprocessen.
+
+{{< embed_pdf url="/pdf-files/knowledge-base/20250826_Empirical_methods_for_supervising_algorithmic_profiling_systems.pdf" width_mobile_pdf="12" width_desktop_pdf="6" >}}