Explainable Autofill for Trustworthy Surveys
Universiteiten en onderzoeksinstellingen vertrouwen op enquêtes en formulieren om informatie te verzamelen van studenten, medewerkers en partners. Het opstellen van goede vragenlijsten kost echter tijd en antwoorden kunnen onvolledig of inconsistent zijn, vooral wanneer mensen documenten of media moeten doorzoeken om een correct antwoord te kunnen geven. Tegelijkertijd moeten instellingen de privacy beschermen en voldoen aan strenge regels voor gegevensbescherming.
PXL University College biedt een praktische, privacygerichte oplossing: een platform met twee AI-hulpmiddelen die zowel het maken van vragenlijsten als de kwaliteit van de antwoorden verbeteren, terwijl gebruikers de controle behouden.
• M-Chat helpt beheerders sneller betere vragenlijsten te ontwerpen. Het suggereert duidelijke, consistente vragen, past stijlrichtlijnen toe, voegt nuttige tags toe en kan eenvoudige evaluatieregels formuleren, waardoor handmatig werk wordt verminderd en de vergelijkbaarheid tussen enquêtes wordt vergroot.
• M-Autofill ondersteunt respondenten met op bewijs gebaseerde suggesties. Nadat een respondent relevante documenten (bijv. tekst, audio, video of webpagina's) heeft bijgevoegd, identificeert de assistent de meest relevante passages voor elke vraag, stelt een beknopt conceptantwoord voor, toont waar de informatie vandaan komt (citaten en markeringen) en legt uit waarom die bronnen zijn gekozen. Via een eenvoudig beoordelingsscherm kunnen respondenten suggesties op elk moment accepteren, bewerken of afwijzen.
Het platform is ontworpen met "privacy by default" in gedachten. Het kan lokaal (on-premise) binnen een instelling draaien; maakt gebruik van strikte tenantisolatie; minimaliseert de gegevensverwerking; legt toestemming vast; houdt auditsporen bij; en vermijdt het trainen van AI-modellen op persoonsgegevens. Indien externe AI-diensten worden gebruikt, gebeurt dit alleen voor duidelijk omschreven doeleinden, met minimale gegevensdeling en passende waarborgen. Suggesties zijn altijd adviserend: de respondent behoudt de controle.
Gedurende zes maanden (januari-juni 2026) bouwen en testen we een werkend prototype bij PXL (en, onder voorbehoud van bevestiging, met een aan Belnet gelieerde partner, bijvoorbeeld UCLL). We meten de tijdsbesparing voor enquête- auteurs en respondenten, en kwaliteitsindicatoren zoals de nauwkeurigheid van citaties, volledigheid en bewerkings-/acceptatiepercentages. De resultaten worden gedeeld via een online showcase en een live demonstratie op de TNC-conferentie van GÉANT. Om hergebruik binnen de GÉANT-gemeenschap te stimuleren, brengen we kerncomponenten zoals de M-Autofill-module, implementatiehandleidingen en referentie-integraties uit onder een beperkte open-source licentie, met duidelijke documentatie en API's voor integratie in bestaande formulieren of workflowtools.
Dit project heeft als doel dataverzameling betrouwbaarder, transparanter en efficiënter te maken voor Europees onderzoek en onderwijs. Door uitlegbare AI te combineren met robuuste privacy- en beveiligingsmaatregelen, biedt het directe, praktische voordelen aan onderzoekers, beheerders, IT-teams en functionarissen voor gegevensbescherming en legt het de basis voor bredere toepassing binnen GÉANT-gerelateerde instellingen. Gevraagde financiering: € 50.000; PXL draagt ook ongeveer € 28.470 bij uit eigen middelen. Het eindrapport en een evaluatie achteraf zullen de resultaten en vervolgstappen voor implementatie binnen de gemeenschap documenteren.
