Developing a framework that integrates Advanced Language Models into the qualitative research process.Qualitative research, vital for understanding complex phenomena, is often limited by labour-intensive data collection, transcription, and analysis processes. This hinders scalability, accessibility, and efficiency in both academic and industry contexts. As a result, insights are often delayed or incomplete, impacting decision-making, policy development, and innovation. The lack of tools to enhance accuracy and reduce human error exacerbates these challenges, particularly for projects requiring large datasets or quick iterations. Addressing these inefficiencies through AI-driven solutions like AIDA can empower researchers, enhance outcomes, and make qualitative research more inclusive, impactful, and efficient.The AIDA project enhances qualitative research by integrating AI technologies to streamline transcription, coding, and analysis processes. This innovation enables researchers to analyse larger datasets with greater efficiency and accuracy, providing faster and more comprehensive insights. By reducing manual effort and human error, AIDA empowers organisations to make informed decisions and implement evidence-based policies more effectively. Its scalability supports diverse societal and industry applications, from healthcare to market research, fostering innovation and addressing complex challenges. Ultimately, AIDA contributes to improving research quality, accessibility, and societal relevance, driving advancements across multiple sectors.
Insecten hebben het al decennia lang moeilijk. De aantallen insecten en verscheidenheid in insecten neemt af (Hallmann, 2017). Door een afnemende biodiversiteit neemt de stabiliteit van onze ecosystemen af. Gewas bestuivende wilde insecten hebben een grote rol in bestuiving van open geteelde gewassen. De landbouw is afhankelijker geworden van bestuivende insecten. Honingbijen en wilde bijen zijn beiden belangrijke bestuivers in de landbouw. Er is echter een tekort aan voedsel voor alle bijen. Dit leidt nu tot een gepolariseerde discussie over concurrentie om voedsel. Deze discussie is zelden gebaseerd op feiten die passen bij de situatie. We willen de polarisatie doorbreken met antwoorden over de voedselvoorziening voor bijen in Nederlandse landschapssituaties. Daartoe is onderzoek nodig naar de dracht van verschillende landschapstypen. Kort samengevat: hoeveel bijenvolken kunnen in een bepaald gebied staan? Imkersverenigingen willen dit weten. We willen dit meten met online meetapparatuur bij honingbijenvolken. Tegelijk meten we het effect van de aanwezigheid van honingbijen op de biodiversiteit en dichtheid van andere bestuivende insecten. Dit zal leiden tot een gedegen opzet voor onderzoek, adviezen voor plaatsing in verschillende landschapstypen in Nederland en een aanvraag voor vervolgonderzoek met als doel een verbeterde inrichting en gebruik van landschapstypen in Nederland ten behoeve van honingbijen en wilde bijen.
De bereikbaarheid en beschikbaarheid van de ambulancezorg staat onder druk. Een belangrijke ingangsklacht van de mensen die 112 bellen is een kortdurende bewusteloosheid. Als deze bewusteloosheid het gevolg is van een verminderde bloedtoevoer in de hersenen noemen we het syncope. Syncope kan onschuldig of ernstig van aard zijn. De risico-inschatting en besluitvorming bij patiënten met syncope in de ambulancezorg is complex. Ambulanceprofessionals moeten in een kort tijdsbestek en onder hoge druk, met veel onderliggende informatie en onzekerheden risico’s inschatten en besluiten of een patiënt ingestuurd moet worden naar de spoedeisende hulp. Bij twee-derde van de ingestuurde syncope patiënten blijkt het niet ernstig te zijn. Twee HAN lectoraten ontwikkelden praktische en onderbouwde handvatten voor de praktijk (RAAK.PUB05.017 en RAAK.IMP.01.036). Deze zijn sinds juli 2022 onderdeel van de landelijke werkwijze. In vervolg hierop heeft de praktijk de lectoraten gevraagd om te kijken of de inzet van digitale- en informatietechnologie, specifiek generatieve kunstmatige intelligentie (AI) op basis van Large Language Models (LLM), hen nog verder kan ondersteunen bij het inschatten van risico’s en besluiten maken bij patiënten met syncope in de ambulancezorg. Deze KIEM-aanvraag is een proof of concept studie. We onderzoeken in hoeverre generatieve AI op basis van LMM technisch goed tekstbestanden kan analyseren op belangrijke medische- en omgevingsfactoren bij patiënten met een syncope. We kiezen voor een pilot concurrente validatiestudie door kwalitatieve tekstanalyse, in combinatie met aanvullende focusgroepinterviews voor de interpretatie van de uitkomsten. Voor de pilot concurrente validatiestudie gebruiken we tekstbestanden uit de Safe End studie. De eerdere analyse van deze tekstbestanden uit de Safe End studie fungeert als de gouden standaard. Zo wordt de validiteit van de generatieve AI-analyse op basis van LMM vastgesteld. In focusgroepinterviews bespreken we de impact en ethische aspecten van de bevindingen voor de praktijk, wetenschap, onderwijs en de (door)ontwikkeling van beslissingsondersteuningsinstrumenten voor de toekomst.
