Leveraging open-source large language models (LLMs) in scoping reviews: a case study on disability and AI applications
Notice bibliographique
Résumé
BACKGROUND: Large language models (LLMs) have the potential to offer solutions for automating many of the manual tasks involved in scientific reviews, including data extraction, literature screening, summarization, and quality assessment. OBJECTIVES: This study aims to evaluate the performance of LLMs in the task of title and abstract screening and full-text data extraction of a scoping review study, by identifying their effectiveness, efficiency, and potential integration into human-based and manual tasks. MATERIALS AND METHOD: The following key three steps of a scientific scoping review were automated: 1) Title and Abstract Screening, 2) Full-Text Screening, and 3) Data Extraction based on nine study dimensions. The four most recent lightweight open-source LLMs -Mistral, Vicuna, and Llama 3.2 with 1B and 3B parameters- were applied and evaluated through the steps. RESULTS: Llama 3.2-3B demonstrated the best performance in the title and abstract screening, achieving an accuracy of 66 %, excelling in the exclusion of papers. For full-text screening, it maintained the highest overall accuracy of 65 %, effectively identifying excluded papers. In data extraction, the Mistral model outperformed others across most dimensions, though Llama 3.2-3B excelled in extracting objectives and study implications. DISCUSSION AND CONCLUSION: The present study underscores both the potential and limitations of LLMs in automating scoping reviews. Automating the entire scoping review without human intervention is sub-optimal. Using a more controlled approach balances the strengths of LLMs with the need for human judgment, supporting not only the replication of scientific reviews but also their continuous refinement and follow-up over time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,146 | 0,417 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».