A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

Elke keer dat een reiziger een luchthaven betreedt, komt hij terecht in een complex systeem dat ontworpen is om twee concurrerende behoeften in evenwicht te houden: de absolute noodzaak van veiligheid en het verlangen naar een soepele, efficiënte reis. Achter de schermen van deze beveiligingscontroles heeft een stille revolutie plaatsgevonden in de manier waarop onderzoekers het proces begrijpen en verbeteren. Decennialang was de focus verdeeld tussen twee verschillende werelden. Aan de ene kant is er het menselijke element: de training, psychologie en cognitieve beperkingen van de screeners die naar röntgenbeelden kijken om gevaarlijke voorwerpen op te sporen. Aan de andere kant is er de technologische grens: de snelle ontwikkeling van computers en software die automatisch dreigingen in bagage kunnen herkennen. Hoewel beide kanten erop gericht zijn om het luchtruim veilig te houden, hebben ze vaak in aparte banen gevaren, waarbij ze zelden met elkaar hebben gesproken. Deze scheiding roept een cruciale vraag op voor de toekomst van het reizen: hoe combineren we menselijke vaardigheid het beste met machine-intelligentie om een beveiligingssysteem te creëren dat zowel effectief als efficiënt is?

Om dit te beantwoorden, besloot een onderzoeker genaamd Tarık Mildan van de Kocaeli Universiteit in Turkije het volledige landschap van het academisch onderzoek naar luchthavengeveiligheid in kaart te brengen. In plaats van elke studie één voor één te lezen, wat onmogelijk zou zijn gezien de enorme hoeveelheid werk, gebruikte hij een methode genaamd bibliometrische analyse. Beschouw dit als een manier om een snapshot te maken van een enorme bibliotheek en een kaart te tekenen die laat zien welke boeken het vaakst samen worden gelezen, welke auteurs met elkaar praten en welke onderwerpen in populariteit toenemen. Door 1.207 academische documenten te verzamelen die tussen 2010 en begin 2025 zijn gepubliceerd in een belangrijke database genaamd Scopus, creëerde Mildan een visuele weergave van de intellectuele structuur van het vakgebied. Hij keek naar wie de papers schreef, welke woorden ze het vaakst gebruikten en hoe de onderwerpen in de loop van de tijd veranderden. Het doel was niet alleen om artikelen te tellen, maar om de verborgen patronen te begrijpen die bepalen hoe kennis in dit veld wordt opgebouwd en waar de hiaten liggen.

De kaart onthulde een duidelijk verhaal van twee parallelle paden die naast elkaar zijn gelopen. Eén pad is diep geworteld in de menselijke psychologie. Centraal in deze groep staat een onderzoeker genaamd Adrian Schwaninger, die een netwerk van wetenschappers leidt die zich richten op hoe mensen beelden zien en interpreteren. Deze studies kijken naar de mentale processen van beveiligingsmedewerkers, hoe zij getraind worden om dreigingen te herkennen en hoe zij interageren met de machines die zij gebruiken. Deze traditie is stabiel en consistent geweest, en heeft een sterke basis gelegd van kennis over menselijke prestaties en de cognitieve uitdagingen van het urenlang kijken naar röntgenbeelden. Het andere pad wordt gedreven door engineering en computerwetenschappen. Deze kant van de kaart is de laatste jaren geëxplodeerd, met name na 2019. Het wordt gedomineerd door onderzoek naar deep learning, een vorm van kunstmatige intelligentie die computers in staat stelt om objecten te "zien" en te identificeren. De meest voorkomende termen in deze cluster zijn "deep learning", "object detection" en specifieke softwaretools zoals YOLO, wat staat voor You Only Look Once. Deze technologie stelt machines in staat om bagage te scannen en potentiële dreigingen in een fractie van een seconde te signaleren, een capaciteit die een standaard is geworden in modern onderzoek.

Wat deze kaart zo waardevol maakt, is dat het laat zien hoe deze twee paden elkaar grotendeels hebben genegeerd. De onderzoekers die menselijke psychologie bestuderen, citeren zelden de papers geschreven door computerwetenschappers, en vice versa. De gegevens tonen aan dat terwijl de groep die zich richt op menselijke factoren een hechte gemeenschap van samenwerkers heeft, de technologiegroep een massief, snelgroeiend veld is dat duizenden citaties heeft aangetrokken. De meest productieve auteurs in de technologiesector zijn experts in computer vision en kunstmatige intelligentie, terwijl de experts op het gebied van menselijke factoren psychologen en toegepast onderzoekers zijn. Deze splitsing suggereert dat het vakgebied momenteel verdeeld is in twee afzonderlijke gesprekken. Eén gesprek gaat over hoe je een persoon beter kunt trainen in zijn werk, en het andere over hoe je een machine kunt bouwen die het werk voor hen kan doen. De studie suggereert dat deze scheiding een probleem kan zijn, aangezien de toekomst van luchthavengeveiligheid waarschijnlijk afhangt van het integreren van deze twee benaderingen in plaats van ze gescheiden te houden.

De tijdlijn van het onderzoek vertelt nog een ander belangrijk verhaal. Tijdens de eerste acht jaar van de onderzoeksperiode, van 2010 tot 2018, groeide het aantal publicaties op een langzame en gestage manier. Echter, vanaf 2019 nam de output spectaculair toe, met een piek in 2023 en 2024. Deze plotselinge sprong valt samen met de brede adoptie van geavanceerde computer vision-technieken. De stijging was niet alleen een algemene toename van belangstelling; het werd specifiek gedreven door een vloedgolf aan nieuwe studies over deep learning, röntgenbeeldvorming en geautomatiseerde dreigingsdetectie. De vakgebieden van deze papers bevestigen deze verschuiving. Het merendeel van het werk komt nu uit de afdelingen engineering en computerwetenschappen, met een aanzienlijk deel dat ook uit wiskunde en natuurkunde komt. Hoewel sociale wetenschappen en psychologie nog steeds een substantieel aantal studies bijdragen, is hun aandeel kleiner geworden ten opzichte van de bloeiende technische literatuur. Dit geeft aan dat het vakgebied steeds technischer wordt, met een zware focus op het bouwen van betere algoritmen en detectiesystemen.

Ondanks de indrukwekkende groei in technologie, benadrukt de kaart ook wat er ontbreekt. Het onderzoek is zwaar gericht op de mechanica van detectie: hoe machines sneller, nauwkeuriger en beter kunnen worden in het opsporen van wapens of explosieven. De ervaring van de passagier wordt echter nauwelijks genoemd. Er is zeer weinig onderzoek dat de beveiligingscontrole verbindt met hoe reizigers zich voelen, hoe lang ze wachten of hoe tevreden ze zijn met de service. Op dezelfde manier zijn de bredere beleidsmatige en economische aspecten van luchthavengeveiligheid onderbelicht. Terwijl de technische kant van de vergelijking met grote snelheid wordt opgelost, blijft de menselijke kant van de vergelijking — hoe deze systemen passen in het dagelijks leven van reizigers en hoe ze worden gereguleerd — een blinde vlek. De studie suggereert dat toekomstig onderzoek deze kloven moet overbruggen, door te kijken naar hoe automatische detectie kan worden geïntegreerd met menselijke training en hoe beveiligingsmaatregelen kunnen worden ontworpen om zowel veilig als passagiersvriendelijk te zijn.

Voor de mensen die daadwerkelijk luchthavens beheren en beveiligingsbeleid ontwerpen, bieden deze bevindingen een duidelijke gids. Het voortbestaan van de onderzoekstraditie rond menselijke factoren suggereert dat machines geen vervanging zijn voor menselijke screeners, maar eerder een hulpmiddel dat samen met hen moet worden gebruikt. De gegevens wijzen uit dat zelfs wanneer we betere kunstmatige intelligentie ontwikkelen, we moeten blijven investeren in de training van mensen, omdat het vertrouwen tussen de screener en de machine een complexe psychologische kwestie is die niet vanzelfsprekend is. Bovendien betekent het snelle tempo van technologische verandering dat de regels en voorschriften die de luchthavengeveiligheid beheersen, het tempo moeten bijhouden. Als de technologie elk jaar vordert, zouden de certificeringsprocessen voor nieuwe apparatuur niet jaren achter moeten lopen. Ten slotte wijst de studie erop dat de meest effectieve beveiligingsstrategie waarschijnlijk zal voortkomen uit het verbinden van de punten tussen risicogebaseerde screeningsprogramma's, die passagiers anders behandelen op basis van hun risiconiveau, en de nieuwe automatische detectietools. Door deze afzonderlijke onderzoeksstromen samen te brengen, kan de luchtvaartsector bewegen naar een systeem dat niet alleen slimmer is, maar ook coherenter en effectiever voor iedereen die erbij betrokken is.