Ruim twee eeuwen geleden (in 1821) is het Nederlandse gevangenisstelsel ingevoerd. Het doel van vrijheidsbeneming lag aanvankelijk vooral in vergelding en zedelijke verbetering of, zoals Molleman1 het beschrijft, in ‘beleren en bekeren’. Doel en vorm van het gevangeniswezen maakten in de loop der tijd veel veranderingen door: van lijfstraffen naar inzetten op opvoeding en gedragsverandering; van eenzame opsluiting naar meerpersoonscellen; van het verdienen van privileges om te luchten/sporten naar het recht op bezoek en geloofsbeoefening; van inzetten op zwaardere beveiligingsmaatregelen naar het voorkomen van detentieschade. Niet alleen doel en vorm veranderden in de loop der tijd, ook de gevangenispopulatie veranderde; bij de huidige doelgroep die in een penitentiaire inrichting (PI) verblijft, is steeds meer sprake van meervoudige en complexe problematiek. Zo kampt een substantieel deel met problematisch middelengebruik, velen hebben last van psychische klachten of stoornissen, en bij veel gedetineerden is sprake van een licht verstandelijke beperking. De hiervoor geschetste veranderingen van doel, vorm en doelgroep vragen andere (nieuwe) vaardigheden van penitentiair inrichtingswerkers (piw’ers). Mede vanwege toenemende zorg om gedetineerden met een complexe problematiek zijn er naast piw’ers ook zorg- en behandelinrichtingswerker (zbiw’er)5 werkzaam in de PI’s. Op dit moment werken er circa 3500 piw’ers en zbiw’ers in een Nederlandse PI. Hoewel verschillend opgeleid, werkzaam in verschillende regimes en met verschillende doelgroepen staan zij allemaal min of meer voor dezelfde opdracht: het realiseren van een goed leefklimaat dat detentieschade kan voorkomen en kan bijdragen aan re-integratie van gedetineerden. Daarin is in toenemende mate ook aandacht voor herstelgericht werken met oog voor slachtoffer en samenleving. Dat vraagt een hybride manier van werken. Dat is het bewaken en bewaren van de veiligheid van gedetineerden en personeel combineren met het bieden van zorg aan gedetineerden en hen motiveren voor en voorbereiden op een delictsvrije toekomst na detentie. Het is belangrijk dat inrichtingswerkers geschoold en begeleid worden in het ontwikkelen van deze meer hybride werkwijze. Om dat adequaat te doen is het belangrijk aan te sluiten bij hun opvattingen. Die bepalen immers een deel van het handelen. Opvattingen van inrichtingswerkers kennen en daarop aansluiten in scholing en begeleiding kan effect hebben op de aard van de begeleiding van gedetineerden. Er is nog betrekkelijk weinig onderzoek gedaan naar opvattingen van inrichtingswerkers over hun werk, enkele (kleinschalige) uitzonderingen daargelaten. Dit artikel beschrijft een onderzoek naar opvattingen van inrichtingswerkers over hybride werken, uitgevoerd in PI Vught. Resultaten bieden richting voor coaching en scholing van inrichtingswerkers, zowel voor de PI’s zelf als voor de Dienst Justitiële Inrichtingen (DJI) en andere opleidingsinstituten.
The knowledge base for Social Work is strengthening. Underpinning of Social Work deriving from scientific research is necessary given the growing complexity of the work and its context. How this research should be conducted and to what type of outcomes it must lead, is part of an ongoing debate. In the Netherlands, practice-based research at Universities of Applied Sciences (UAS) is a relative new approach. Social Work research groups at UAS assert to conduct practice-based research in order to contribute to knowledge and support the objectives of Social Work. The current study was carried out to obtain insight into the characteristics of this research approach. A sample of publications was analysed in terms of knowledge purpose, methodology, and level and type of participation. Results show a strong focus on producing descriptive knowledge and to a lesser extent on control knowledge, using primarily qualitative research methods, and with limited direct participation by stakeholders. In order to practice more what they preach the research can strengthen by doing more empirical research, by diversifying the research in terms of design and methods and increasing the level of participation of stakeholders
The maritime transport industry is facing a series of challenges due to the phasing out of fossil fuels and the challenges from decarbonization. The proposal of proper alternatives is not a straightforward process. While the current generation of ship design software offers results, there is a clear missed potential in new software technologies like machine learning and data science. This leads to the question: how can we use modern computational technologies like data analysis and machine learning to enhance the ship design process, considering the tools from the wider industry and the industry’s readiness to embrace new technologies and solutions? The obbjective of this PD project is to bridge the critical gap between the maritime industry's pressing need for innovative solutions for a more agile Ship Design Process; and the current limitations in software tools and methodologies available via the implementation into Ship Design specific software of the new generation of computational technologies available, as big data science and machine learning.
Digitalisering en dataficering zijn belangrijke ontwikkelingen die zich in ons dagelijkse leven voltrekken. Bedrijven worden steeds afhankelijker van data waarop ze hun bedrijfsprocessen en verdienmodellen baseren. Maar in hoeverre is die data volledig en betrouwbaar? Dataketens vormen het digitale fundament voor datagedreven organisaties om optimale bedrijfsprocessen, producten of diensten (servitization) te kunnen realiseren. De praktijk laat echter zien dat nog veel organisaties vaak te snel stappen zetten naar het ontwikkelen en implementeren van op data gebaseerde digitale oplossingen, zonder dat het ‘datafundament’ daarvoor op orde is. Dat leidt tot onbetrouwbare data en suboptimale besluitvorming. Data-engineering en -management in dataketens (DEMAND) realiseert een onderzoeksinfrastructuur die nieuwe oplossingen ontwikkelt voor geïntegreerde en gevalideerde dataketens van overheden en bedrijven. Het consortium heeft de overall ambitie om een toolbox te ontwikkelen met nieuwe toepasbare digitale technologieën en methodologieën die bijdragen aan optimalisatie van dataketens in private en publieke organisaties. Hierbij staan datagerichte activiteiten in dataketens van organisaties centraal, met inbegrip van data-acquisitie en data-opslag, data-(pre)processing, data-exploratie, data-modeling en data-benutting. Deze zogenaamde Key Enabling Methodologies verbinden mens en maatschappij langs de lat van Technical Readiness Levels en Societal Readiness Levels, zij vegroten het (toekomstig) verdienvermogen van Nederland en dragen bij aan maatschappelijke opgaven. Het DEMAND-programma wordt uitgevoerd door HAN University of Applied Sciences (HAN), Saxion Hogeschool en Fontys Hogeschool en dertien consortiumpartners met bewezen technische en organisatorische kennis van dataketens. DEMAND fungeert als bruggenbouwer tussen enerzijds de onderzoekspraktijk met de onderwijspraktijk en anderzijds de onderzoekspraktijk met het werkveld. Een set van casussen, de learning communities, vormen de basis van de onderzoeksinfrastructuur waarin de SPRONG-groep in co-creatie en interdisciplinair samenwerkt. Het consortium intensiveert de bestaande casussen én ontwikkelt daarnaast nieuwe casussen in data-intensieve omgevingen in het private als ook het publieke domein. Dit leidt tot meervoudige waardecreatie en systemische veranderingen (impact).
In order to stay competitive and respond to the increasing demand for steady and predictable aircraft turnaround times, process optimization has been identified by Maintenance, Repair and Overhaul (MRO) SMEs in the aviation industry as their key element for innovation. Indeed, MRO SMEs have always been looking for options to organize their work as efficient as possible, which often resulted in applying lean business organization solutions. However, their aircraft maintenance processes stay characterized by unpredictable process times and material requirements. Lean business methodologies are unable to change this fact. This problem is often compensated by large buffers in terms of time, personnel and parts, leading to a relatively expensive and inefficient process. To tackle this problem of unpredictability, MRO SMEs want to explore the possibilities of data mining: the exploration and analysis of large quantities of their own historical maintenance data, with the meaning of discovering useful knowledge from seemingly unrelated data. Ideally, it will help predict failures in the maintenance process and thus better anticipate repair times and material requirements. With this, MRO SMEs face two challenges. First, the data they have available is often fragmented and non-transparent, while standardized data availability is a basic requirement for successful data analysis. Second, it is difficult to find meaningful patterns within these data sets because no operative system for data mining exists in the industry. This RAAK MKB project is initiated by the Aviation Academy of the Amsterdam University of Applied Sciences (Hogeschool van Amsterdan, hereinafter: HvA), in direct cooperation with the industry, to help MRO SMEs improve their maintenance process. Its main aim is to develop new knowledge of - and a method for - data mining. To do so, the current state of data presence within MRO SMEs is explored, mapped, categorized, cleaned and prepared. This will result in readable data sets that have predictive value for key elements of the maintenance process. Secondly, analysis principles are developed to interpret this data. These principles are translated into an easy-to-use data mining (IT)tool, helping MRO SMEs to predict their maintenance requirements in terms of costs and time, allowing them to adapt their maintenance process accordingly. In several case studies these products are tested and further improved. This is a resubmission of an earlier proposal dated October 2015 (3rd round) entitled ‘Data mining for MRO process optimization’ (number 2015-03-23M). We believe the merits of the proposal are substantial, and sufficient to be awarded a grant. The text of this submission is essentially unchanged from the previous proposal. Where text has been added – for clarification – this has been marked in yellow. Almost all of these new text parts are taken from our rebuttal (hoor en wederhoor), submitted in January 2016.