Hopp til innhold

Få varsel ved oppdateringer av «Strategiforslag for videre implementering av maskinlæring i klynge for vurdering av tiltak»

Hvor ofte ønsker du å motta varsler fra fhi.no? (Gjelder alle dine varsler)
Ønsker du også varsler om:

E-postadressen du registrerer her vil kun bli brukt til å sende ut nyhetsvarsler du har bedt om. Du kan når som helst avslutte dine varsler og slette din e-post adresse ved å følge lenken i varslene du mottar.
Les mer om personvern på fhi.no

Du har meldt deg på nyhetsvarsel for:

  • Strategiforslag for videre implementering av maskinlæring i klynge for vurdering av tiltak

Rapport

Strategiforslag for videre implementering av maskinlæring i klynge for vurdering av tiltak

Publisert

Vi har siden 2020 jobbet med å innføre maskinlæring (ML) i utarbeidelsen av kunnskapsoppsummeringer og metodevurderinger. Behovet og ønsket var effektivisering av slike forskningsleveranser, da gullstandardmetodene er resurskrevende, hvilket gjør dagens praksis lite bærekraftig.

Bilde av rapportens forside

Vi har siden 2020 jobbet med å innføre maskinlæring (ML) i utarbeidelsen av kunnskapsoppsummeringer og metodevurderinger. Behovet og ønsket var effektivisering av slike forskningsleveranser, da gullstandardmetodene er resurskrevende, hvilket gjør dagens praksis lite bærekraftig.


Kan lastes ned som pdf. På engelsk. Hovedbudskap på norsk.

Om rapporten

  • Utgitt: 2023
  • Av: Folkehelseinstituttet
  • Forfattere: Borge TC, Bergsund HB, Himmels JPW, Meneses-Echavez JF, Rose C, Muller AE.
  • ISBN elektronisk: 978-82-8406-358-4

Hovedbudskap

Klynge for vurdering av tiltak (HTV) har siden 2020 jobbet med å innføre maskinlæring (ML) i utarbeidelsen av kunnskapsoppsummeringer og metodevurderinger. Behovet og ønsket var effektivisering av slike forskningsleveranser, da gullstandardmetodene er resurskrevende, hvilket gjør dagens praksis lite bærekraftig. ML kan automatisere komplekse, repetitive oppgaver i kunnskapsoppsummeringsprosessen, og dermed redusere ressursbehovet.

HTV etablerte to lag (team) dedikert til innføring av ML: ML 1.0 (2020-2021) og ML 2.0 (2021-2022). ML-lagene har hatt stor suksess med dette arbeidet: de har blant annet kunnet dokumentere arbeidsbesparelser og har etablert seg som en implementeringsleder på feltet. Erfaringene fra ML arbeidet siden 2020 danner grunnlaget for denne rapporten, som beskriver ML 2.0 sitt strategiforslag til hvordan HTV bør implementere det videre arbeidet med ML i kunnskapsoppsummeringsprosesser:

  • ML 3.0 holder fokus på utforskning for å blant annet identifisere nye funksjoner og applikasjoner
  • Eksisterende HTV kompetansebyggingsstrukturer tar over ansvar for å bygge medarbeidernes kompetanse til å bruke etablerte ML-funksjoner.
  • ML 3.0 beholder ansvaret for å bygge kompetanse til nye funksjoner og applikasjoner, og all slik opplæring må være skalerbar, f.eks. ved hjelp av interaktive nettbaserte opplæringsmoduler.

En siste anbefaling er at HTV samler eksisterende utviklings- og innovasjonsaktiviteter i en portefølje i klyngen. Den kan inkludere ML 3.0, så vel som andre typer prosjekter, teams og aktiviteter knyttet til automatisering, digitalisering og prosessendring. Et område for samskapt læring vil bli opprettet, samt en inkubator for søknader om finansiering.