- 人工智能(AI)在系统评价(SLR)中数据提取方面具有显著潜力,可提高效率、准确性和全面性,但同时也带来数据质量、透明度、覆盖范围、复杂性和伦理等挑战。
- 数据质量是关键因素,低质量或存在偏差的数据可能导致AI作出错误决策,影响SLR结果。解决方案包括选择和预处理高质量数据、使用多样且具代表性的样本。
- AI算法决策过程的透明度不足是一个挑战,可能导致难以判断提取的准确性、责任性和公平性。可解释的人工智能算法有助于提高透明度和责任感。
- AI系统在处理非英语文章或图形、图像等非标准化数据时存在覆盖范围限制。解决方案包括结合AI和人工审核,确保所有相关文献被纳入。
- 数据提取的复杂性在于信息呈现的多样性,AI可能难以准确识别和提取特定信息。解决方案包括选择合适的AI算法、进行适当训练和测试,并结合人工审核。
- 使用AI进行决策支持引发责任和问责问题,以及潜在的偏见和歧视。解决方案包括确保数据多样性和代表性,设计无偏见的算法,并建立明确的责任和申诉机制。
- AI在SLRs中用于数据提取具有显著潜力,但必须解决挑战和伦理问题。人类专业知识专家在数据提取中仍扮演关键角色,AI工具需在人类监督下使用。