Application of machine learning techniques for the automation of systematic reviews of scientific literature

Las revisiones sistemáticas de literatura constituyen un tipo de estudio científico cuyo objetivo es sintetizar el conocimiento existente sobre un tema específico en un único documento, destacando por su rigurosidad y meticulosidad en la búsqueda, selección y análisis de las fuentes más relevantes. Sin embargo, esta tarea implica un considerable esfuerzo y tiempo por parte de los investigadores. La presente tesis doctoral explora el potencial de la inteligencia artificial (IA) para automatizar diversas fases de las revisiones sistemáticas. Inicialmente, se realiza un exhaustivo análisis del estado del arte mediante la aplicación del propio proceso de revisión sistemática, con el fin de identificar las fases ya automatizadas, las técnicas de IA empleadas y el grado de intervención humana requerido. Una hipótesis central propone que la utilización de información bibliométrica puede contribuir a mejorar la automatización de la selección de estudios relevantes. Para ello, se desarrolla un artefacto capaz de recopilar, unificar y normalizar automáticamente la información bibliométrica, generando conjuntos de datos que sirven como base para posteriores experimentos. A partir de estos datos y del conocimiento adquirido, se diseña e implementa un modelo evolutivo de clasificación basado en reglas, denominado IRECS. Este modelo emplea gramáticas y algoritmos evolutivos para generar reglas asociativas que permiten automatizar la selección de estudios. Con las mejores reglas obtenidas, se construye un clasificador interpretable. La propuesta IRECS se valida mediante un marco experimental riguroso, demostrando un rendimiento superior en comparación con la herramienta más avanzada del estado del arte. Los resultados confirman que el uso de información bibliométrica mejora la selección de estudios relevantes y que el modelo ofrece soluciones interpretables, facilitando la comprensión y confianza por parte de los investigadores.