Ennek a problémának a megoldására eredetileg statisztikus segítségével azt a megoldást találtuk, hogy egy másik kutató betanítást követően, a megadott szempontok alapján újrakódolja az adatbázis néhány véletlenszerűen kiválasztott szakaszát, kb. 100-200 sornyi adatot, majd ellenőrizzük, milyen arányban egyezik az eredeti és az újrakódolt adatbázis, és ennek megfelelően haladok tovább.

Azonban míg a keretrendszer fejlesztése közben bevált gyakorlatokat kerestem, világos lett, hogy van jobb megoldás is: van ugyanis egy terület, ahol rendszeresen használnak az enyémhez hasonló (bár túlnyomó többségében annál jóval egyszerűbb) adatbázisokat, ez pedig a gépi tanulás.

A gépitanulás-alapú szövegklasszifikáció során az egyik lehetséges út, hogy előbb emberi segítséggel létrehozunk egy próbahalmazt (jelen esetben a próbavizsgálat adatbázisát), majd ennek segítségével számítógépes eszközöket megtanítunk hasonló adatbázisok létrehozására. Az így betanított eszközök ezután ideális esetben képesek többé-kevésbé reprodukálni az emberi munkát, és nemcsak ellenőrizhető lesz a manuálisan létrehozott adatbázis következetessége, de új korpuszból lehetséges automatikusan adatbázist kialakítani. Ilyen módon a jelen kutatásban egyrészt a validáció szubjektivitása nagyban eliminálható, másrészt hatalmas előny, hogy amennyiben a betanítási folyamat sikeres, és a módszer működik, bármelyik további magyar folyóiratra alkalmazható változtatás nélkül. Ez pedig azt jelenti, hogy több hónap helyett néhány óra alatt elkészül az új adatbázis. A betanítást a Rényi Alfréd Matematikai Kutatóintézet Mesterséges Intelligencia Kutatási Osztályának munkatársával végezzük majd, és bár a módszer nem hibátlan, okunk van feltételezni, hogy a címkerendszer leglényegesebb részeire jól alkalmazható. Ez a kutatás tervezett következő lépése, amely a kutatáson túlmutató, hatalmas anyag feldolgozását lehetővé tevő, Magyarországon eddig nem alkalmazott módszert adhat a kezünkbe.