Over the past few years the tone of the debate around climate change has shifted from sceptical to soberingly urgent as the global community has prioritised the research into solutions which will mitigate greenhouse gas emissions. So far this research has been insufficient. One of the major problems for driving public and private stakeholders to implement existing solutions and research new ones is how we communicate about climate change (Stoknes, 2014). There seems to be a lack of common language that drives the scientific community away from policymakers and the public. Due to this lack, it is hard to translate findings into viable and sustainable solutions and to adopt new climate-neutral economies and habits.
MULTIFILE
Studying images in social media poses specific methodological challenges, which in turn have directed scholarly attention towards the computational interpretation of visual data. When analyzing large numbers of images, both traditional content analysis as well as cultural analytics have proven valuable. However, these techniques do not take into account the circulation and contextualization of images within a socio-technical environment. As the meaning of social media images is co-created by networked publics, bound through networked practices, these visuals should be analyzed on the level of their networked contextualization. Although machine vision is increasingly adept at recognizing faces and features, its performance in grasping the meaning of social media images is limited. However, combining automated analyses of images - broken down by their compositional elements - with repurposing platform data opens up the possibility to study images in the context of their resonance within and across online discursive spaces. This paper explores the capacities of platform data - hashtag modularity and retweet counts - to complement the automated assessment of social media images; doing justice to both the visual elements of an image and the contextual elements encoded by networked publics that co-create meaning.
MULTIFILE
Studying images in social media poses specific methodological challenges, which in turn have directed scholarly attention toward the computational interpretation of visual data. When analyzing large numbers of images, both traditional content analysis as well as cultural analytics have proven valuable. However, these techniques do not take into account the contextualization of images within a socio-technical environment. As the meaning of social media images is co-created by online publics, bound through networked practices, these visuals should be analyzed on the level of their networked contextualization. Although machine vision is increasingly adept at recognizing faces and features, its performance in grasping the meaning of social media images remains limited. Combining automated analyses of images with platform data opens up the possibility to study images in the context of their resonance within and across online discursive spaces. This article explores the capacities of hashtags and retweet counts to complement the automated assessment of social media images, doing justice to both the visual elements of an image and the contextual elements encoded through the hashtag practices of networked publics.
In de ontwikkeling van voedingsmiddelen draait alles om smaak. Eten moeten vooral lekker zijn, toch? Om smaak en andere producteigenschappen in kaart te brengen wordt sensorisch onderzoek (SO) uitgevoerd. In de praktijk gebeurt dit vaak onder suboptimale omstandigheden vanwege bijvoorbeeld onvoldoende beschikbaarheid van panelleden en een gebrek aan tijd. Belangrijke beslissingen worden vervolgens gebaseerd op onbetrouwbare, invalide resultaten. Er is daarom een behoefte naar snelle, betrouwbare en valide methodieken. Daarbij geldt dat voedselkeuze een complex proces dat verder gaat dat het analytisch beoordelen van producteigenschappen. Zo kan de context van consumptie van invloed zijn op de perceptie van smaak. In het sensorisch onderzoeksveld is hier steeds meer aandacht voor. Hiermee beweegt SO zich richting consumentenonderzoek (CO). De overlap en wederzijdse beïnvloeding van elementen uit SO en CO zijn relevant tijdens verschillende fases van het productontwikkelingsproces. In dit postdoconderzoek zal Vera van Stokkom een snelle en flexibele onderzoeksmethode ontwikkelen en valideren. Elementen van SO en CO zullen geïntegreerd worden in een methodiek onder de werktitel Rapid Sensory & Consumer Modules Tool (RSCM-tool). De methodiek zal worden gericht op de productcategorie groenten. Groenten passen bij uitstek in een gezond en duurzaam voedingspatroon. Ook zal worden onderzocht of de RSCM-tool kan worden ingezet bij ouderen, omdat bij ouderen achteruitgang in sensorische perceptie plaatsvindt. Met dit postdoconderzoek wordt kennis en ervaring opgedaan over de toepassing van een nieuwe sensorische onderzoeksmethodiek (RSCM) die uiterst relevant is voor onderzoek met, en onderwijs op het gebied van voeding. Dit postdoconderzoek valt onder het Research and Innovation Centre Agri, Food & Life Sciences van Hogeschool Inholland. Naast een verbreding en verdieping op de onderzoekslijn Gezondheid in de Metropool en het domeinoverstijgende onderzoeksprogramma Food for Happy Ageing, zal dit onderzoek bijdragen aan duurzame curriculuminnovatie binnen de opleiding Food Commerce and Technology en de profilering van Hogeschool Inholland als kennispartner.
Voor MKB-winkeliers is het de afgelopen jaren steeds lastiger geworden om goed personeel te vinden. De kwaliteit van de dienstverlening in de winkel komt hierdoor onder druk te staan wat ten koste gaat van klanttevredenheid en omzetten. Om het tij te keren willen MKB-winkeliers meer kennis opdoen over de mogelijkheden die sociale robots hen bieden om klanten te bedienen. Uit de vraagarticulatie is gebleken dat de MKB-winkeliers het meeste verwachten van de mogelijkheden om met sociale robots klanten te ontvangen, hen de weg te wijzen, promoties te tonen, productinformatie te verstrekken, en advies te geven. In dit project onderzoeken wij de toegevoegde waarde van sociale robots die deze dienstverlenende taken uitvoeren in tien winkels in Nederland. De centrale onderzoeksvraag van dit project luidt: “Hoe en in welke mate leidt de inzet van sociale robots voor diverse dienstverlenende taken in de winkel (ontvangen van klanten, wijzen van de weg, promoten van aanbiedingen, verstrekken van productinformatie, het geven van advies) tot tevredenheid van klant en personeel, en zorgt het voor toegevoegde waarde voor de winkelier?” Om deze vraag te kunnen beantwoorden zijn vijf deelvragen geformuleerd, die aan de hand van drie samenhangende werkpakketten samen met consortiumpartners via praktijkgericht onderzoek zullen worden beantwoord. De kern van het consortium bestaat uit de Hogeschool van Amsterdam, de Vrije Universiteit Amsterdam, TMO Fashion Business School, tien winkeliers, en een robotprovider. De nieuwe kennis die met dit project wordt gegenereerd over de mogelijkheden van sociale robots voor de dienstverlening in winkels (en daarmee hun voortbestaan), is van grote waarde voor MKB-winkeliers in heel Nederland. De resultaten van het onderzoek worden daarom in een vierde werkpakket breed gedeeld via de brancheorganisaties INretail, Het Vakcentrum en Techniek Nederland, een websitepagina op Retail Insiders, een YouTube kanaal, een boekje, en blogartikelen voor winkeliers op toonaangevende online platforms.
