Project R-7363

Bijstand aan de evaluatie en de methodologische UNIT ondersteuning voor de levering van diensten aan EFSA over het gebruik van machine learning technieken voor het literatuuronderzoek en systematische reviews in EFSA. (Onderzoek)

Dit project betreft de studie van de efficiëntie van machine learning technieken (MLT) die de Europese Autoriteit voor Voedselveiligheid (EFSA) kan gebruiken om op een geharmoniseerde, tijdbesparende/kostenbesparende manier literatuur reviews en systematische reviews op te stellen. Het wetenschappelijk team (incl Prof. Marc Aerts, Dr. Stijn Jaspers), het adviserend team (Prof. Tomasz Burzykowski en Prof. Mieke Aerts) en het ondersteunend team ((Dr. Sarah Vercruysse en Ms Chantal Brody) zullen tijdens het project van 18 maanden volgende algemene en specifieke objectieven (SO -werkpakketten) aankaarten: De algemene doelstelling is om machine learning technieken te selecteren die EFSA kan gebruiken tijdens het routinematig opstellen van literatuur reviews en systematische reviews. SO1 Identificatie en beschrijving van de verschillende stappen in het zoek- en reviewprocess van literatuur volgens Tsafnat et al. (2014). Voor elke stap moet onderzocht worden welke MLTs gebruikt kan worden. SO2 Evaluatie van mogelijke voor- en nadelen van de in SO1 geïntroduceerde MLTs. SO3 Onderzoeken hoe de meest belovende MLTs kunnen geïntegreerd worden in bestaande bronnen, lopende projecten en reeds bestaande tools (e.g. DistillER) voor verschillende wetenschappelijke domeinen van EFSA. SO4 Implementatietest van de meest betrouwbare MLTS in reeds opgestelde systematische reviews (minimum 2 case studies en minimum van 2 MLTs te testen). SO5 Opstellen van een finaal rapport incl een SWOT analyse, sensitiviteit en specificiteit niveaus en aanbevelingen betreffende het gebruik van de onderzochte MLTS, alsook R codes en algoritmes die gebruiksvriendelijk worden aangeleverd voor routinegebruik door EFSA.

14 september 2016 - 13 maart 2018