To studium przypadku dotyczy wyzwań związanych z priorytetyzacją interesariuszy projektów z wykorzystaniem metody badawczej bazującej na lasach losowych (Random Forest-Based Research Method - RFRM). Ze względu na złożoność projektów oraz ograniczenia czasowe i zasobowe, do przeprowadzenia priorytetyzacji niezbędne są skuteczne narzędzia i metody. Nowe metody badawcze, które można wykorzystać do wykonywania takich zadań, są ważne dla rozwoju badań w dziedzinie zarządzania i ewaluacji projektów. Wśród nowych technik analizy danych, które warto rozważyć przy opracowywaniu i wdrażaniu metod badawczych, znajdują się rozwiązania oparte na algorytmach losowego lasu zaliczanych do uczenia maszynowego. Wyzwania z tym związane odnoszą się w szczególności do możliwości przeprowadzania obiektywnej oceny modeli losowego lasu zbudowanych dla potrzeb RFRM oraz wykorzystywanych do określania priorytetów interesariuszy przy zastosowaniu analiz dużych empirycznych zbiorów danych. Opracowanie tego rodzaju narzędzi ma kluczowe znaczenie dla dalszego rozwoju metod badawczych.