Waarom is dit belangrijk?
Artsen en beheerders in de zorg kunnen een computeradvies nakijken, toetsen en wijzigen voordat het een behandelkeuze beïnvloedt. Onderzoekers zetten attributional calculus in bij ondersteuning van medische beslissingen in ziekenhuizen en bij de analyse van declaratiegegevens en beheer. Voor medewerkers in ziekenhuizen geeft dat zicht op de reden achter een automatisch advies, maar een onnauwkeurige uitkomst kan alsnog een verkeerde keuze steunen.
Zo werkt het in de praktijk
In de landbouw beschrijft attributional calculus plantendelen via samengestelde attributen, groepen van kenmerken per deel. Het programma AQ21 van de George Mason University gebruikt die taal in de ict. AQ21 zoekt daar verschillende soorten patronen in gegevensbestanden.
Onderzoekers van het Machine Learning and Inference Laboratory werken samen met de Poolse Academie van Wetenschappen. De teams bekijken welke patronen AQ21 vindt in data met lege waarden. Ook testen zij regels die een uitzondering toestaan.
Beslisregels, associatieregels en beslisbomen gelden hier als bijzondere vormen van regels in attributional calculus. AQ-leren maakt die regels uit voorbeelden en achtergrondkennis. Datamining haalt met zulke regelmethoden patronen uit gegevens.




