Het verzamelen van data speelt een centrale rol in modern onderzoek, maar de publicatie van datasets voor hergebruik blijkt vaak ingewikkeld omdat context en relevante informatie bij het proces verloren kunnen gaan. Universitair docent Lise Stork van het Intelligent Data Engineering Lab (INDELab) richt zich op het ontwikkelen van tools voor onderzoekers om deze problemen aan te pakken. Stork werkt sinds 2024 als MacGillavry Fellow aan het Informatics Institute van de UvA.

Het onderzoekswerk van Stork omvat meerdere gebieden, waaronder FAIR-data, een benadering die staat voor vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid van data. Daarnaast behoren hybride intelligentie en e-Science tot haar expertisegebieden. Doel van deze aanpak is om onderzoekers te ondersteunen bij het interpreteren en combineren van uiteenlopende datatypes zoals afbeeldingen, tekst en tabellen, zodat betekenisvolle inzichten gehaald kunnen worden.

In de praktijk werkt een promovendus binnen Storks groep aan methoden om afwijkende waarden in biodiversiteitsdata te identificeren en te verklaren. Het gebruik van AI-gestuurde workflows helpt wetenschappers bij het beschrijven van contextuele informatie over datasets, wat het hergebruik vergemakkelijkt en samenwerking tussen disciplines ondersteunt. Stork benadrukt dat AI kan fungeren als een brug tussen onderzoekers met verschillende expertisegebieden.

Stork ziet de integratie van deze methoden als een stap richting betere benutting van de steeds groter wordende hoeveelheden wetenschappelijke data. Haar doel is het opzetten van een samenhangende onderzoekslijn op het snijvlak van hybride intelligentie, FAIR-data en e-Science.