Hoe helpt de applicatie onderzoekers met elkaar te verbinden?

Vanuit het Sustainability Office werken we aan een applicatie die onderzoekers helpt collega's te vinden met vergelijkbare onderzoeksinteresses binnen de VU.

De applicatie analyseert wetenschappelijke publicaties en genereert op basis daarvan een onderzoeksprofiel. Vervolgens worden verbanden zichtbaar gemaakt tussen onderzoekers, onderzoeksthema’s en samenwerkingsnetwerken. Zo krijg je inzicht in wie aan welke onderwerpen werkt, welke onderzoekers al samenwerken en waar potentiële nieuwe verbindingen liggen. Dit maakt de tool een waardevol hulpmiddel voor het vinden van nieuwe onderzoekspartners binnen de VU. 

Om onderzoeksinteresses te categoriseren, maken we gebruik van de Sustainable Development Goals (SDG’s) van de Verenigde Naties. Deze doelen bieden een breed kader voor maatschappelijke uitdagingen en omvatten niet alleen milieu- en duurzaamheidsvraagstukken, maar ook thema’s zoals gezondheid, onderwijs, ongelijkheid en economische ontwikkeling. Daardoor zijn de SDG’s relevant voor een breed scala aan onderzoekers, ook wanneer hun werk niet direct gericht is op duurzaamheid. 

Naast de SDG-classificatie toont de applicatie ook inhoudelijke onderzoeksthema’s die zijn afgeleid uit publicaties. Deze thema’s kunnen sterk, gedeeltelijk of slechts indirect gerelateerd zijn aan duurzaamheid en geven een aanvullend beeld van iemands expertise. 

Door individuele profielen op deze manier in kaart te brengen, kunnen onderzoekers met gedeelde interesses of complementaire expertise eenvoudig worden geïdentificeerd. Wanneer twee onderzoekers overlappende thema’s in hun profiel hebben, biedt dit een aanknopingspunt voor kennisuitwisseling, netwerkvorming en mogelijke samenwerking. 

Hoe worden de profielen samengesteld?

Voor elk abstract hebben we GPT-4o-mini gebruikt om een inschatting te maken van de mate waarin het beschreven onderzoek bijdraagt aan een of meerdere Sustainable Development Goals (SDG’s). Op termijn willen we hiervoor een eigen model lokaal trainen, zodat we minder afhankelijk zijn van externe diensten. Hoewel we al ervaring hebben met het trainen van modellen voor het classificeren van beleidsteksten, blijkt dat onderzoekspublicaties een andere aanpak vereisen. De taal, structuur en inhoud van wetenschappelijke teksten verschillen namelijk aanzienlijk van beleidsdocumenten, waardoor aanvullende modelontwikkeling nodig is. 

Naast de SDG-classificatie maken we gebruik van de fingerprints en onderzoeksonderwerpen die door Elsevier worden toegekend via Scopus. Deze onderwerpen bieden inzicht in de onderzoeksgebieden waarin een onderzoeker actief is. Omdat sommige van deze onderwerpen zeer breed zijn en andere juist erg specifiek, zijn ze niet altijd geschikt als compacte samenvatting van iemands expertise. Daarom hebben we GPT-4o-mini ingezet om deze onderwerpen te vertalen naar meer overkoepelende onderzoeksvelden die beter bruikbaar zijn voor profielvorming en het identificeren van overeenkomsten tussen onderzoekers. 

Daarnaast hebben we BERTopic toegepast op alle publicaties van VU-onderzoekers om onderliggende onderzoeksthema’s te identificeren. BERTopic maakt gebruik van embeddings: numerieke representaties van tekst die betekenis en context vastleggen. Op basis van deze representaties kan het model woorden en documenten die inhoudelijk sterk samenhangen groeperen in thema’s. Hierdoor ontstaat een overzicht van de belangrijkste onderwerpen die binnen de publicaties voorkomen. Elke publicatie wordt gekoppeld aan één dominant onderwerp. Door deze informatie vervolgens op het niveau van individuele onderzoekers samen te voegen, ontstaat een profiel dat laat zien welke onderzoeksthema’s het meest kenmerkend zijn voor hun werk. 

Tegelijkertijd werken we aan geavanceerdere netwerkanalyses om onderzoeksprofielen verder te verfijnen. Hierbij kijken we niet alleen naar de inhoud van publicaties, maar ook naar samenwerkingsverbanden op basis van inhoudelijke verbindingen tussen onderzoekers en gedeelde coauteurs. Op deze manier willen we een nog rijker beeld creëren van de expertise en potentiële samenwerkingsmogelijkheden binnen de VU.