証拠合成における人工知能と自動化:コクラン・キャンベル・コラボレーションと環境証拠レビューで採用された方法の調査

科学分野:

• 科学的方法論と研究統合
• 健康科学,教育,政策研究

背景:

• 自動化と機械学習 (ML) は,エビデンス合成を加速するためにますます探索されています.
• 研究合成におけるこれらの技術の採用と報告は,学問全体で十分に検討されていない.

研究 の 目的:

• MLを含む自動化の活用と報告を,エビデンス・シンセシスで評価する.
• 検索,スクリーニング,データ抽出,分析/合成といった主要なレビュー段階でのMLの採用を分析する.

主な方法:

• コクラン,キャンベル,環境エビデンス (2017-2024) の2271のエビデンス・シンセスの体系的なレビュー.
• マニュアル,ルールベース,ML対応,ML組み込みツールの分類システムの開発.
• ツール使用,ML統合,報告,動機付け,スクリーニング基準に関するデータ抽出

主要な成果:

• 主にスクリーニングのためにMLの使用が明示的に報告されたのは約5%の研究です.
• ~12%がML対応ツールを使用したが, ~90%がML機能の利用を確認しなかった.
• リビングレビューでは,より高いML統合 (~15%) が示されましたが,全体的な吸収は限られています.

結論:

• MLの可能性にもかかわらず,エビデンス合成への統合は限られており,一貫性がないと報告されています.
• 障壁には,指導の欠如,認識の低さ,信頼性の懸念が含まれます.
• 透明性の向上,報告基準,ユーザー訓練は,研究における責任ある ML の採用に不可欠です.