IdeaDistiller - AI-support for Idea Synthesis in Concept Mapping: Algorithm Development and Validation (Preprint)
Notice bibliographique
Résumé
Background: Concept mapping (CM) is a widely used mixed method research approach for structuring and visualizing complex ideas across various fields, such as the health sciences. A critical bottleneck in the CM process is the idea synthesis phase, which remains labor-intensive, subjective, and consequently challenging to scale for large datasets. Objective: In this study, we propose IdeaDistiller, a semiautomated solution based on semantic clustering to optimize the idea synthesis step while maintaining methodological rigor through a human-in-the-loop approach. Methods: Using 9 health care-related datasets in English and Swedish, we systematically evaluated different embedding models, dimensionality reduction techniques, and clustering algorithms to identify robust and reproducible parameter settings for the proposed approach. IdeaDistiller clusters participant-generated ideas based on semantic similarity to identify similar ideas with different wording, suggests representative and unique ideas per cluster, and provides coherence scores and sorted outputs to aid manual validation. Results: Our findings suggest that IdeaDistiller may substantially reduce the manual effort involved in idea synthesis while preserving quality and transparency. However, human expertise remains indispensable for validating and refining cluster outputs. Conclusions: Integrating semiautomated methods into the CM workflow offers significant potential for improving the efficiency, scalability, and rigor of the CM process. Building on our work will enable the exploration of larger multilingual datasets and integration into future CM studies.
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 | 0,005 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,009 |
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 ».