Scholars have long recognized the role of race and ethnicity in shaping the development and design of policy institutions in the United States, including social welfare policy. Beyond influencing the design of policy institutions, administrative discretion can disadvantage marginalized clientele in policy implementation. Building on previous work on street-level bureaucracy, administrative discretion, and administrative burden, we offer a theory of racialized administrative errors and we examine whether automation mitigates the adverse administrative outcomes experienced by clientele of color. We build on recent work examining the role of technological and administrative complexity in shaping the incidence of administrative errors, and test our theory of racialized administrative errors with claim-level administrative data from 53 US unemployment insurance programs, from 2002-2018. Using logistic regression, we find evidence of systematic differences by claimant race and ethnicity in the odds of a state workforce agency making an error when processing Unemployment Insurance claims. Our analysis suggests that non-white claimants are more likely to be affected by agency errors that result in underpayment of benefits than white claimants. We also find that automated state-client interactions reduce the likelihood of administrative errors for all groups compared to face-to-face interactions, including Black and Hispanic clientele, but some disparities persist.

中文翻译：

---

行政错误和种族：技术可以减轻不公平的行政结果吗？

学者们早就认识到种族和民族在塑造美国政策机构的发展和设计方面的作用，包括社会福利政策。除了影响政策机构的设计外，行政自由裁量权还可能在政策实施中对边缘化客户不利。在之前关于街道官僚机构、行政自由裁量权和行政负担的工作的基础上，我们提出了种族化行政错误的理论，并研究了自动化是否减轻了有色人种客户所经历的不利行政结果。我们以最近的工作为基础，研究技术和行政复杂性在塑造行政错误发生率中的作用，并使用 2002 年至 2018 年美国 53 个失业保险计划的索赔级别行政数据来检验我们的种族化行政错误理论。使用逻辑回归，我们发现索赔人种族和民族在州劳动力机构在处理失业保险索赔时出错的几率存在系统性差异的证据。我们的分析表明，与白人索赔人相比，非白人索赔人更容易受到导致福利支付不足的机构错误的影响。我们还发现，与包括黑人和西班牙裔客户在内的面对面互动相比，自动化的州与客户互动降低了所有群体出现管理错误的可能性，但仍然存在一些差异。我们发现索赔人种族和族裔在处理失业保险索赔时出错的几率存在系统性差异的证据。我们的分析表明，与白人索赔人相比，非白人索赔人更容易受到导致福利支付不足的机构错误的影响。我们还发现，与包括黑人和西班牙裔客户在内的面对面互动相比，自动化的州与客户互动降低了所有群体出现管理错误的可能性，但仍然存在一些差异。我们发现索赔人种族和族裔在处理失业保险索赔时出错的几率存在系统性差异的证据。我们的分析表明，与白人索赔人相比，非白人索赔人更容易受到导致福利支付不足的机构错误的影响。我们还发现，与包括黑人和西班牙裔客户在内的面对面互动相比，自动化的州与客户互动降低了所有群体出现管理错误的可能性，但仍然存在一些差异。