Machine Learning Information Retrieval and Summarisation to Support Systematic Review on Outcomes Based Contracting

要約

学術文献が急増するにつれて、利用可能な研究の膨大な量と多様性により、従来のレビュー方法はますます困難になっています。
この記事では、高度な機械学習 (ML) および自然言語処理 (NLP) ツールを通じて、社会科学における系統的レビューの効率と範囲を強化することで、これらの課題に対処することを目的とした研究について紹介します。
特に、ヒューマン・アノテーターにとっては時間のかかる繰り返し作業である体系的なレビュー・プロセス内の段階を自動化することに重点を置いており、専門家のアドバイスに基づいた情報検索や要約などのツールを通じて即時の拡張性に役立ちます。
この記事は、系統的レビューに向けた統合的なアプローチと、説明可能性を含む今後の改善の方向性に関して学んだ教訓の要約で締めくくられています。

要約(オリジナル)

As academic literature proliferates, traditional review methods are increasingly challenged by the sheer volume and diversity of available research. This article presents a study that aims to address these challenges by enhancing the efficiency and scope of systematic reviews in the social sciences through advanced machine learning (ML) and natural language processing (NLP) tools. In particular, we focus on automating stages within the systematic reviewing process that are time-intensive and repetitive for human annotators and which lend themselves to immediate scalability through tools such as information retrieval and summarisation guided by expert advice. The article concludes with a summary of lessons learnt regarding the integrated approach towards systematic reviews and future directions for improvement, including explainability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google