私たちの方法論
Delphi法の75年の実績とマルチモデルAIのコンセンサスを組み合わせた体系的なアプローチ — 透明性があり、再現可能で、研究者のために構築されています。
Delphi法
Delphi法は、1963年にRAND研究所のDalkeyとHelmerによって開発されました。75年以上にわたり、独立した専門家間で信頼できるコンセンサスを得るために10,000を超える発表された研究で使用されてきました。
Delph-AIは、この実証済みの方法論をAIを活用したシステマティックレビューのスクリーニングに適応させました。大規模言語モデルを専門家パネルに導入しました — 同じ厳密さでより速く結果を出し、常にあなたが制御できます。
発表された研究
Dalkey & Helmer, RAND研究所, 1963年
スクリーニングパイプライン
システマティックレビューの方法論におけるベストプラクティスを反映した6段階のプロセス
データの取り込み
PubMed、Scopus、Web of Science、または任意のデータベースから参照をインポートします。ソース間の自動重複排除。
基準の定義
除外および特性の基準を平易な言語で設定します。AIアシスタントがPICOフレームワークを使用してそれらを絞り込むのを支援します。
独立した評価
複数のAIモデルが、各基準に対して各レコードを独立して評価し、意見の不一致ごとにコンセンサスパネルを実行します。
コンセンサスの計算
一致率により、すべてのモデルにわたるコンセンサスを測定します。意見の不一致により、人間がレビューすべき不確実なケースが表面化します。
候補リストの生成
一致率でランク付けされた証拠の候補リストと完全な監査証跡を取得します — すべてのモデル、すべての投票、すべての理由。
バージョン管理
どの基準を除外基準とするかを変更し、スクリーニングを再実行せずに新しい候補リストを生成します。各バージョンは不変であり、比較可能であり、監査可能です。
すべてのステップにおける透明性
すべてのスクリーニングには、AIの決定プロセスへの完全な可視性が含まれています — EU AI法第50条の透明性の原則に基づいて構築されています
40のAIモデル、8のプロバイダー
GPT-4oからGemini Pro、Claudeまで — 各モデルが独立して評価します。どのモデルが各レコードをレビューし、どのように投票し、なぜそうしたかを確認できます。
一致率
コンセンサスは想定されるものではなく定量化されます。選択されたすべてのモデル間の一致率が採用を決定します — 1つのモデルが単独で決定することはありません。
完全な再現性
再現性のために構築：固定シードとゼロ温度による一貫性の最大化。完全な監査証跡 — すべてのバージョンは不変であり、監査可能です。ブラックボックスはありません。
最終的な決定は人間が下す
AIは優先順位を付け、正当化します。最終決定権は研究者にあります。Delph-AIはあなたの判断を補強するツールであり、それに取って代わるものではありません。
実際の動作を見る
今日から最初のスクリーニングを始めましょう。基準を定義し、AIパネルを選択し、コンセンサスを確認します。
無料で登録して、トライアルで最大500レコードまでスクリーニングできます。