The study evaluated two speech recognition systems, Wav2vec2 and Whisper, for potential biases for Dutch speakers.Results obtained by evaluating on the JASMIN corpus revealed biases against non-native speakers, children, and the elderly,with (slightly) better performance for women. The study emphasizes the need for ASR systems to handle variations in speakingin order to reach equal performance among all users.
DOCUMENT
It is crucial that ASR systems can handle the wide range of variations in speech of speakers from different demographic groups, with different speaking styles, and of speakers with (dis)abilities. A potential quality-of-service harm arises when ASR systems do not perform equally well for everyone. ASR systems may exhibit bias against certain types of speech, such as non-native accents, different age groups and gender. In this study, we evaluate two widely-used neural network-based architectures: Wav2vec2 and Whisper on potential biases for Dutch speakers. We used the Dutch speech corpus JASMIN as a test set containing read and conversational speech in a human-machine interaction setting. The results reveal a significant bias against non-natives, children and elderly and some regional dialects. The ASR systems generally perform slightly better for women than for men.
MULTIFILE
Most multi‑problem young adults (18–27 years old) have been exposed to childhood maltreatment and/or have been involved in juvenile delinquency and, therefore, could have had Child Protection Service (CPS) interference during childhood. The extent to which their childhood problems persist and evolve into young adult‑ hood may differ substantially among cases. This might indicate heterogeneous profiles of CPS risk factors. These pro‑ files may identify combinations of closely interrelated childhood problems which may warrant specific approaches for problem recognition and intervention in clinical practice. The aim of this study was to retrospectively identify distinct statistical classes based on CPS data of multi‑problem young adults in The Netherlands and to explore whether these classes were related to current psychological dysfunctioning and delinquent behaviour. This article is distributed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/).
MULTIFILE
This report gives a summary of how the control is set up for the DC grid in the VAP_DC project.
DOCUMENT
From the article This paper describes a joint effort by two educational and scientific institutes, the HU University of Applied Sciences and Utrecht University, in designing a BPM course that not only transfers theoretical knowledge but lets students also experience real life BPM-systems and implementation issues. We also describe the implementation of the developed module with an indication of its success: it is now running for the fifth time, and although there continue to be points for improvement, over the years several scientific papers in the BPM domain resulted from the course, as well as a reasonable amount of students started their final thesis project in the BPM-domain.
MULTIFILE
We present a novel architecture for an AI system that allows a priori knowledge to combine with deep learning. In traditional neural networks, all available data is pooled at the input layer. Our alternative neural network is constructed so that partial representations (invariants) are learned in the intermediate layers, which can then be combined with a priori knowledge or with other predictive analyses of the same data. This leads to smaller training datasets due to more efficient learning. In addition, because this architecture allows inclusion of a priori knowledge and interpretable predictive models, the interpretability of the entire system increases while the data can still be used in a black box neural network. Our system makes use of networks of neurons rather than single neurons to enable the representation of approximations (invariants) of the output.
LINK
Vanuit verslavingsreclassering Antes in Rotterdam, inmiddels Fivoor, kwam in 2022 de vraag bij het lectoraat Werken in Justitieel Kader om input te geven aan het proces van verantwoord beslissen van reclasseringswerkers. De organisatie had behoefte aan een beter fundament voor het nemen van beslissingen en voor het verantwoorden daarvan. De ca. 50 reclasseringswerkers bij Fivoor reclassering Rotterdam zijn werkzaam vanuit vier verschillende teams: advies, toezicht, werkstraffen en interventies. De organisatie heeft daarnaast twee kwaliteitsfunctionarissen, een manager bedrijfsvoering/teamleider, twee teamleiders en ondersteunend personeel. Er is veel verloop geweest in de afgelopen jaren, zowel onder teamleiders als onder reclasseringswerkers. Een relatief grote groep reclasseringswerkers is nog maar kort in dienst. De teamleider van ‘advies’ is tevreden over het proces van verantwoord beslissen bij de adviseurs. Bij het team toezicht lijkt dat minder goed te gaan. Beide teams functioneren los van elkaar. De indruk is dat de toezichthouders veel vanuit het hier-en-nu werken, niet altijd even methodisch en zich soms te veel laten leiden door de waan van de dag. Het proces van beslissen lijkt vaak vrij technisch aangevlogen te worden. Het werken met kritische prestatie-indicatoren (KPI’s) heeft geleid tot een cultuur van technische verantwoording. Er is een structuur van monitoring vastgelegd waarbij casussen een keer in de 6 maanden besproken moeten worden. Ook dat werkt eerder een sfeer van verantwoorden in de hand dan van verantwoord beslissen. Er lijkt (te) weinig met elkaar gesproken te worden over beweegredenen achter beslissingen; men lijkt daarover onvoldoende in gesprek te gaan met elkaar. Casussen worden in de regel per ‘kamer’ (6 à 8 mensen) besproken en beslissingen worden vaak ook binnen die kamers genomen. Die kamers zijn meestal op discipline geordend (bv. ISD, veelpleger, tbs). Dat vergroot de kans op groepsdenken en verkleint de kans op kritische uitwisseling en goed doordenken van te nemen beslissingen. Naast casuïstiekbesprekingen per kamer zijn er intervisiegroepen, die worden begeleid door iemand van de Reclasseringsacademie. Deze hebben niet als primair doel te komen tot het nemen van beslissingen en staan verder los van deze casuïstiekbesprekingen. De kwaliteitsfunctionarissen hebben geen (duidelijke) taak in casuïstiekbesprekingen. Zij zijn vooral gericht op het bieden van individuele begeleiding en niet op het geven van input aan de casuïstiekbesprekingen. Het personeel van toezicht is niet zoals bij veel andere reclasseringsorganisaties in 2017 getraind in de nieuwe RISC en verantwoord beslissen (dat werd veelal door trainers samen met studenten van de masteropleiding Forensisch Sociale Professional gedaan). Deze training gaf input op het proces van verantwoord beslissen door in te gaan op de theorie over heuristieken en biases van (met name) Kahneman en deze aan de hand van een PowerPointpresentatie en filmpjes te bespreken en vertalen naar de eigen werkpraktijk. De adviseurs hebben die training wel gehad, maar dit lijkt al weg gezakt. Van reclasseringswerkers wordt verwacht dat zij op basis van kennis van zaken op het juiste moment en op de juiste manier verantwoorde beslissingen nemen, die passen bij de bij de cliënt. Dat vraagt om het combineren van drie kennisbronnen: wetenschappelijke kennis, professionele expertise en cliëntexpertise. Onder wetenschappelijke kennis verstaan we de kennis die met (systematisch) onderzoek verkregen is over effectief handelen en effectieve interventies in de reclasseringspraktijk (bijvoorbeeld een bepaalde methode of werkwijze). Onder professionele expertise verstaan we de expertise die de professional door opleiding (uiteraard is dat ook grotendeels wetenschappelijke kennis) en ervaring heeft ontwikkeld. Onder cliëntexpertise verstaan we de inbreng van cliënten over hun doelen en wensen en mogelijkheden. Het nemen van beslissingen op basis van de combinatie van deze drie ‘kennisbronnen’ noemen we Evidence-Based Practice (EBP).
DOCUMENT
Assistive Technology (AT) is any technology that supports people with functional difficulties to perform their daily activities with less difficulty and/or obstruction, thus contributing to a more fulfilling life. This refers to people of all ages and to all kinds of functional limitations, either permanent or temporary. Assistive products can be traditional physical products, such as wheelchairs, eyeglasses, hearing aids, or prostheses, but they can also be special input devices, care robots, computers with accessible software, apps for smartphones, home automation solutions, virtual realities, etc. It is essential to understand that AT involves more than just familiar products, and that it also includes knowledge about the personalized selection of appropriate solutions, provisions, and services, as well as the training of all parties involved, the measurement of outcomes and impacts, awareness of ethical issues, etc.
DOCUMENT
Van reclasseringswerkers wordt vakmanschap verwacht. Dat wil zeggen op basis van kennis van zaken op het juiste moment en op de juiste manier verantwoord beslissingen nemen, die passen bij de situatie en bij de cliënt. Dat vraagt om het combineren van methodisch en theoretische kennis met eigen expertise als professional (op grond van scholing en ervaring) in goede afstemming met behoeften en mogelijkheden van de cliënt. Het nemen van beslissingen op basis van de combinatie van deze drie ‘kennisbronnen’ noemen we een evidence based practice. Dat is in het reclasseringswerk niet altijd vanzelfsprekend en vanwege het gedwongen kader ook niet altijd gemakkelijk. Met het project ‘Gebundelde kracht’ hebben we bij verslavingsreclassering Fivoor in Leiden en Den Haag onderzocht hoe reclasseringswerkers die drie kennisbronnen (wetenschappelijke kennis, cliëntexpertise en professionele expertise) gebruiken in het nemen van beslissingen en welke rol intercollegiale toetsing (ICT) daarin heeft.
DOCUMENT
"In het kader van het Programma Samenwerking DJI-3RO zijn zomer 2019 onder de noemer ‘Effectieve Praktijken’ experimenten gestart in negen verschillende Penitentiaire Inrichtingen (Heerhugowaard, Nieuwegein, Roermond, Schiphol, Veenhuizen, Vught, Zaanstad, Zutphen, Zwolle). Daarnaast startte in januari 2020 het project ‘Selectie Ondersteunend Model (SOM)’ in twee andere Penitentiaire Inrichtingen (Arnhem, Sittard). Doel van beide initiatieven is het betrekken van de specifieke expertise van de reclassering om re-integratietrajecten voor gedetineerden te versterken en terugval in delinquent gedrag te helpen voorkomen. Het (intensiveren van het) samenwerken met gemeenten en met andere ketenpartners ligt hierbij voor de hand. Hogeschool Utrecht (HU) heeft van september 2019 tot en met juni 2021 onderzoek gedaan naar de experimenten binnen het project Effectieve Praktijken en van februari 2020 tot en met juni 2021 naar de ontwikkeling van het SOM. Deel 1 van ‘Binnen beginnen om buiten te blijven’ (Eindrapport Effectieve Praktijken en Selectie Ondersteunend Model) beschrijft de eindresultaten van beide onderzoeken."
DOCUMENT
