AIM: To explore concurrent validity, convergent validity, interrater reliability, test-retest reliability, and Rasch model analysis of the School Participation Questionnaire (SPQ), a tool for teachers to assess personal and environmental determinants of school participation.METHOD: Teachers of children with additional support needs, including intellectual disability, autism, and learning difficulties completed measures. Data were collected using the SPQ and the Participation and Environment Measure for Children and Youth (PEM-CY). Test-retest and interrater reliability were assessed using intraclass correlation coefficients (ICCs). Internal consistency was assessed with Cronbach's alpha. Concurrent and convergent validity were explored via correlations with the PEM-CY. Further psychometrics were examined using a Rasch model.RESULTS: One hundred and eighty-seven children (136 [72.7%] male; mean age 9y [range 5y 6mo-12y 10mo, SD 2y]) were assessed by 67 teachers. Cronbach's alpha, test-retest, and interrater reliability were acceptable-excellent across each SPQ scale (alphas=0.89, 0.9, 0.94, 0.79; test-retest ICCs=0.64, 0.61, 0.78, 0.62; interrater ICCs=0.85, 0.71, 0.90, 0.81). Concurrent and convergent validity were confirmed with significant positive correlations between SPQ and PEM-CY. After Mokken and Rasch model analysis, person and item reliability were good, and unidimensionality was confirmed. Mean administration time was 8.2 minutes.INTERPRETATION: The results suggest that the SPQ is a rapid, reliable, and valid tool for assessment of participation-related indicators in schools.
Aesthetic experiences have an influence on many aspects of life. Interest in the neural basis of aesthetic experiences has grown rapidly in the past decade, and fMRI studies have identified several brain systems supporting aesthetic experiences. Work on the rapid neuronal dynamics of aesthetic experience, however, is relatively scarce. This study adds to this field by investigating the experience of being aesthetically moved by means of ERP and time–frequency analysis. Participants' EEG was recorded while they viewed a diverse set of artworks and evaluated the extent to which these artworks moved them. Results show that being aesthetically moved is associated with a sustained increase in gamma activity over centroparietal regions. In addition, alpha power over right frontocentral regions was reduced in high- and low-moving images, compared to artworks given intermediate ratings. We interpret the gamma effect as an indication for sustained savoring processes for aesthetically moving artworks compared to aesthetically less-moving artworks. The alpha effect is interpreted as an indication of increased attention for aesthetically salient images. In contrast to previous works, we observed no significant effects in any of the established ERP components, but we did observe effects at latencies longer than 1 sec. We conclude that EEG time–frequency analysis provides useful information on the neuronal dynamics of aesthetic experience.
Self-efficacy and outcome expectations regarding client activation determine professionals’ level of actively engaging clients during daily activities. The Client Activation Self-Efficacy and Outcome Expectation Scales for nurses and domestic support workers (DSWs) were developed to measure these concepts. This study aimed to assess their psychometric properties. Cross-sectional data from a sample of Dutch nurses (n=150) and DSWs (n=155) were analysed. Descriptive statistics were used to examine floor and ceiling effects. Construct validity was assessed by testing research-based hypotheses. Internal consistency was determined with Cronbach’s alpha. The scales for nurses showed a ceiling effect. There were no floor or ceiling effects in the scales for domestic support workers. Three out of five hypotheses could be confirmed (construct validity). For all scales, Cronbach’s alpha coefficients exceeded 0.70. In conclusion, all scales had moderate construct validity and high internal consistency. Further research is needed concerning their construct validity, testretest reliability and sensitivity to change.
Achtergrond: Chronische pijn is een veelvoorkomend probleem. Hulpverleners hebben behoefte aan handvatten om de hulp aan mensen met chronische pjjn te verbeteren. Huidige behandelingen sorteren beperkt effect en de waardering van mensen over de ontvangen zorg is matig. Het faciliteren van betrokkenheid en eigen regie zijn voorwaardelijk voor effectieve hulp. EHealth toepassingen inclusief het monitoren van objectieve biomarkers voor pijn kunnen hierbij behulpzaam zijn. Een bestaande EHealth toepassing gericht op het informeren van mensen met een chronische aandoening en het faciliteren van zelfmanagement is beschikbaar. Doelstelling: 1)Het doorontwikkelen van een bestaande EHealth toepassing specifiek voor mensen met chronische pijn en het evalueren van biomarkers. 2)De ontwikkelde EHealth toepassing inclusief biomarkeranalyse te implementeren bij een beperkte groep van mensen met chronische musculoskeletale pijn om eerste effecten te evalueren en gebruikerservaringen te inventariseren en 3)op basis van de verkregen resultaten een vervolg onderzoeksaanvraag te schrijven om de effecten van deze nieuwe behandelwijze te onderzoeken en nieuwe biomarker-testen te ontwikkelen. Vraagstellingen: 1)Hoe ziet de doorontwikkeling (op basis van co-creatie) van de EHealth toepassing er concreet uit? 2)Is de biomarker α-amylase een objectieve maat voor pijnintensiteit? 3)Wat zijn de eerste effecten van deze EHealth applicatie? (uitkomstmaten zijn pijn, α-amylase concentratie, dagelijks functioneren en kwaliteit van leven) 4)Wat zijn de ervaringen van gebruikers (patiënten en hulpverleners)? Aanpak: Het onderzoek wordt uitgevoerd door een consortium van deskundigen op het gebied van niet-farmaceutische behandeling van mensen met chronische pijn en zelfmanagement, de ontwikkeling en het gebruik van biomarkers voor chronische pijn, een EHealth ontwikkelaar en behandelaren van mensen met chronische pijn en patiënten. Een EHealth toepassing wordt ontwikkeld, biomarkers waaronder α-amylase worden geëvalueerd en de eerste effecten en gebruikerservaringen van deze interventie inclusief biomarkerbepaling worden gemonitord in een populatie van mensen met chronische lage rug en/of nekpijn.
Computer Vision (CV) is een tak binnen de Artificiële Intelligentie (AI) die zich bezig houdt met visuele herkenning van patronen in afbeeldingen of videos. Daarbij wordt gebruik gemaakt van diepe representatiemodellen, die gebaseerd zijn op Euclidische geometrie. Dit betekent dat deze modellen getraind zijn op basis van een vlakke geometrische representatie. In veel gevallen sluit deze representatie niet goed aan bij de echte wereld. Visuele illusies, zoals Sheppard’s “Terror Subterra”, geven aanwijzingen waar de discrepanties zitten. Bij een verplaatsing van het monster op de horizontale en verticale as in een vlakke representatie lijkt het alsof het monster van grootte veranderd, terwijl dit in werkelijkheid niet zo is: beide monsters zijn exact even groot. Een verplaatsing van een object in de echte wereld heeft zo vaak invloed op de schaal dat onze hersenen erdoor misleid kunnen worden. Recente vorderingen in CV laten de potentie zien van de toepassing van niet-Euclidische geometrie voor het leren van visuele eigenschappen. Het verschil tussen de twee is met name dat de representatieve kracht van niet-Euclidische geometrie groter is. In een niet-Euclidische representatie kan de schaal van Shepard’s monster bij verplaatsing in de ruimte op een natuurlijke manier gepresenteerd worden, waardoor het beeld consistent blijft met onze visuele perceptie ervan. In dit onderzoek willen we de impact evalueren van niet-Euclidische visuele representatiemodellen op het verzamelen, ordenen en annoteren van de data die nodig is voor het trainen van deze nieuwe diepe representatiemodellen. Dit willen we doen we aan de hand van drie CV-problemen die praktische toepassingen dienen buiten de context van de academische wetenschap: beeldmerkherkenning in reclamevideo’s (bij Alpha.one), winkelpanddetectie in gelijkhoekige (visoogobjectief) video’s (bij The Big Data Company) en visuele inspectie van de binnenkant van cilindervormige opslagtanks (bij ScanTank).
"RoseGuardian" is een unieke samenwerking tussen de bedrijven Compas Agro BV, Frank Coenders Kwekerijen BV en Fontys Hogeschool met haar onderzoeks- en technologiegroep GreenTechLab. Dit project heeft als doel om gezamenlijk robotica toe te passen om de onkruidverwijdering en het beheer in de open teelt van rozen te verbeteren. Het project richt zich op het onderzoeken, testen en valideren van onkruidherkenning voor het elimineren van onkruid. Het doel van het project is de efficiëntie te verhogen, de arbeidskosten te verlagen en de gewasopbrengst te verbeteren terwijl de milieueffecten tot een minimum worden beperkt. Het project brengt de expertise van de bedrijven Compas Agro en Frank Coenders Kwekerijen op het gebied van vollegrondteelt samen met de expertise van GreenTechLab op het gebied van precisietuinbouw en robotica. Er wordt gestreefd naar een resultaat waarbij het lukt: - Om de beste methode voor het verwijderen van onkruid te onderzoeken. - Om onkruid en niet-onkruid te identificeren met behulp van een vision applicatie op basis van deep learning en AI. - Om praktijktesten te doen om onkruid te verwijderen in een proefomgeving. Hier vindt de validatie van dit project plaats.