Prototyping a decision support system based on semantic web technologies to aid consumers with food sensitivities in their assessment of product safety

Abstract

The thesis depicts the information need people with food sensitivities experience in the shopping situation. Diversity within the group is illustrated through five personas. Existing measures aimed at helping affected individuals in their search for safe food – ranging from labeling requirements and practices to various forms of information systems – are exemplified. Shortcomings of existing solutions are discussed from an information science perspective. An alternative approach based on Semantic Web technologies and Linked data is proposed, underpinning a decision support system. The Boolean interpretation of food safety is rejected in favor of a division that accounts for the need for human assessment of uncertain cases. SPARQL and automatic inference, relying on a dataset holding facts about allergen occurrence in various ingredients, is used to automatically classify products as safe, uncertain or unsafe for individual users. Proof of concept for the proposed approach is provided through a prototype web application. The automated classification is used to communicate the safety of each product, using familiar traffic light colors. Tailored decision support is provided on-demand, emphasizing information that is likely to impact the users assessment of uncertain products while limiting “information overload”. The development process behind the ontology and web application is discussed in detail, followed by a discussion about how to establish the required data sets.

Masteroppgaven skildrer det informasjonsbehovet mennesker med matoverfølsomhet opplever når de skal handle mat. Mangfoldet innen gruppen illustreres gjennom fem ”personas”. Eksisterende tiltak med hensikt å hjelpe personer med matoverfølsomhet i jakten på trygg mat – fra merkeregler og praksiser til forskjellige former for informasjonssystemer – eksemplifiseres. Svakheter ved eksisterende løsninger drøftes utfra et informasjonsvitenskapelig perspektiv. En alternativ tilnærming basert på Semantisk Web teknologier og Lenkede Data introduseres og danner grunnlaget for et beslutningsstøttesystem for personer med matoverfølsomhet. Den Boolske tilnærmingen til mattrygghet forkastes til fordel for en tredeling som ivaretar behovet for skjønnsmessig vurdering i usikre tilfeller. SPARQL og automatisk inferens, basert på en kjerne av data om allergenforekomst i ingredienser, benyttes til å klassifisere produkter som trygge, usikre og utrygge. ”Proof of concept” for den foreslåtte tilnærmingen oppnås ved å prototype en webapplikasjon. Den automatiske klassifikasjonen blir brukt til å kommunisere i hvilken grad produkter er antatt å være trygge for den enkelte, ved bruk av kjente trafikklysfarger. Skreddersydd beslutningsstøtte tilbys, der informasjon som trolig vil påvirke brukerens manuelle vurdering av usikre produkter fremheves, mens andre opplysninger holdes tilbake for å unngå støy. Utviklingsprosessen bak ontologi og webapplikasjon drøftes inngående, etterfulgt av en diskusjon av hva som må til for å skaffe til veie og kvalitetssikre de datasettene som modellen baserer seg på.