Analyse van Kennishiaten in Onderzoek
Ontdek betekenisvolle leemten in onderzoek en haalbare instappunten in uw vakgebied, gecategoriseerd op methodologie, populatie of mechanisme.
- Vul je onderzoeksdomein en focusgebied in.
- Klik op AI Run. De research-gap-analist stelt zich voor en vraagt je om je bronmateriaal in de chat te delen, zoals abstracts, kernpassages, een DOI-lijst of een onderzoeksthema.
- Plak je bronmateriaal in de chat.
- Ontvang een gestructureerde gap-analyse en stel vervolgvragen om specifieke lacunes verder te verkennen.
Analyse van onderzoekslacunes is het rigoureuze proces van identificeren welke vragen een corpus van literatuur nog niet heeft beantwoord — en waarom die onbeantwoorde vragen van belang zijn. Het vormt de intellectuele basis van elke sterke subsidieaanvraag en proefschriftvoorstel. Beoordelaars en financieringscommissies wijzen systematisch voorstellen af die niet overtuigend aantonen waarom nieuw onderzoek nodig is; een goed uitgevoerde lacune-analyse biedt precies die onderbouwing in een gestructureerde, geloofwaardige vorm.
Dit instrument analyseert systematisch een aangeleverde set artikelen, samenvattingen of onderwerpbeschrijvingen met behulp van een multidimensionaal kader voor lacuneclassificatie. In plaats van terug te vallen op de generieke observatie dat «meer onderzoek nodig is», categoriseert het systeem lacunes naar type: methodologische lacunes (bestaande studies gebruikten gebrekkige of verouderde ontwerpen), bewijs-lacunes (een vraag bestaat theoretisch maar is empirisch nog niet onderzocht), cross-contextuele lacunes (bevindingen van een populatie of omgeving zijn niet getest in een andere), en subgroep-heterogeniteitslacunes (geaggregeerde resultaten verbergen belangrijke verschillen tussen patiëntsubgroepen).
Een opvallend kenmerk is het ingebouwde anti-meegaandheidsmechanisme. In plaats van eenvoudigweg de aanpak van de gebruiker te bevestigen, krijgt de AI de expliciete instructie actief te zoeken naar bewijs dat elke voorgestelde lacune mogelijk al is aangepakt in de recente literatuur. Dit voorkomt dat onderzoekers voorstellen opbouwen rondom lacunes die zijn gevuld door een recente multicenterproef die ze simpelweg hebben gemist. Gebruikers ontvangen niet alleen een lijst van lacunes, maar ook een betrouwbaarheidsbeoordeling voor elk, op basis van hoe overtuigend de lacune open blijkt te zijn.
Het instrument ondersteunt meerdere uitvoermodi afgestemd op specifieke toepassingen: de modus Subsidieaanvraag benadrukt klinische relevantie en innovatieperspectief; de modus Proefschrift genereert een bredere reeks ingangspunten geschikt voor een meerjarig project; de modus Onderzoeksvoorstel levert een gestructureerd rechtvaardigingssectie dat direct kan worden geplakt; de modus Algemene Verkenning biedt een panorama zonder prescriptief kader.
De beste resultaten worden bereikt wanneer 3 tot 10 bronartikelen van hoge kwaliteit worden aangeleverd. De AI combineert deze met zijn bredere domeinkennis om lacunes te identificeren die noch de artikelen van de gebruiker alleen, noch de AI alleen zouden onthullen. PDF-uploads worden ondersteund voor directe analyse van volledige teksten.
Alle geïdentificeerde lacunes dienen onafhankelijk te worden geverifieerd in PubMed voordat ze worden geciteerd in een formeel voorstel. Een nieuwe zoekopdrachtsessie (los van het AI-gesprek) is de meest betrouwbare verificatiemethode, omdat die het bevestigingsbias vermijdt dat door de voorgaande context wordt geïntroduceerd.