Toepassen van nieuwe datasets en nieuwe data-driven methoden
De ontwikkelingen op gebied van AI en big data analytics bieden veel kansen voor transitievraagstukken. Met behulp van deze methoden kan al lerend en real-time inzicht worden verkregen op de (potentiële) effecten van de bijdrage van interventies aan de transitie, alsook in mogelijk relevante externe ontwikkelingen. Een eerste stap is gezet met de ontwikkeling van een data-driven foresight analysemethode (Goetheer et al., 2020), waarbij met AI en big data en het gebruik van verschillende typen databronnen de besluitvorming van transities kan worden ondersteund. Deze methoden kunnen ook worden ingezet om vooraf meer inzicht te krijgen op de verwachte effecten (data-driven predictive modeling). Echter, er moet dan wel gebruik worden gemaakt van nieuwe databronnen (zoals citizen science data, open source, of data uit niet-geprotocolleerde studies), die per definitie divers, ongestructureerd en incompleet zijn. In de volgende stappen moeten we uitzoeken welke data beschikbaar is of gecreëerd kan worden, hoe we deze moeten gebruiken, welke methoden bij deze datasets passen, en hoe we om moeten gaan met deze beperkingen in de kwaliteit en betrouwbaarheid van data.