Lin, Jung, Goel und Skeem beziehen sich in ihrem Artikel „The limits of human predictions of recidivism“ aus dem Jahr 2020 auf eine bereits bestehende Studie, in der die Rückfallgefahr von Straffälligen durch Laien sowie durch bestimmte Algorithmen vorhergesagt wurde. Unter den annähernd selben Bedingungen wurde die Studie wiederholt – mit dem nahezu gleichen Ergebnis, dass Menschen und Algorithmen eine Rückfälligkeit ähnlich gut vorhersagen können. Dennoch hätten Algorithmen, der neuen Studie zufolge, unter bestimmten Umständen eine bessere Vorhersagekraft. So war die Leistung der Algorithmen höher, wenn den Teilnehmer*innen der Studie kein unmittelbares Feedback über die Genauigkeit ihrer Antworten gegeben wurde. Algorithmen übertrafen die Vorhersagen der Menschen zudem, wenn die bereitgestellten Informationen bzgl. der Vorhersage der Rückfälligkeit bestimmte Risikofaktoren enthielten, die sowohl von den Menschen als auch von den Algorithmen genutzt werden konnten. Die Autor*innen resümieren, dass Algorithmen die Rückfälligkeit immer dann besser voraussagen konnten, wenn der Aufbau der Studie unter möglichst validen Umständen durchgeführt wird.