Bij onderwijzen in het algemeen zijn mensen van nature gewend om expliciet te vertellen wat iemand moet doen. Dit is, zo blijkt uit onderzoek, ook in het vak van trainer-coach het geval. We willen iemand immers graag helpen en vertellen hoe het moet. Maar het kan ook anders.
“Dus de maatregelen waren goed, maar ons gedrag niet?”, vroeg een journaliste tijdens de coronapersconferentie van 13 oktober aan premier Rutte. Veel verder dan ‘we hebben het samen niet goed genoeg gedaan’, kwam hij niet. Duidelijk was in ieder geval wel dat de hoop die het kabinet had dat burgers op basis van ‘adviezen’ in plaats van strengere maatregelen hun gedrag meer coronaproof zouden maken, ijdel bleek. Noodzakelijk geachte inperkingen van de vrijheid en het vooruitzicht van economisch lijden bleken te pijnlijk om onszelf op te kunnen leggen. ‘Samen’ kwamen we er kennelijk niet uit om ons gedrag aan te passen en de onvermijdelijke pijn te accepteren. Strengere maatregelen vanuit een overheid bleken de enige mogelijke volgende stap. Los van het feit óf het virus zich wel laat bedwingen door welke maatregel of interventie dan ook, illustreert de coronacrisis in mijn optiek de grenzen en keerzijden van de tegenwoordig zo populaire gedagsbenaderingen, ook wel behavioural approaches genaamd, en hoe deze verbonden zijn met een fundamenteel geloof in de onmacht van overheidsingrijpen. Het is tijd voor een relativering van beide. Laten we rondom de klimaat- en duurzaamheidsproblematiek daarvan leren.
MULTIFILE
Inzicht in het leren van volwassenen heeft een sleutelrol in strategisch management. Om dat inzicht mogelijk te maken moeten we ons realiseren dat ons bestaande, impliciete begrip van leren vaak in hoge mate is gebaseerd op ervaringen met leren op school, in opleiding, scholing en training: leren in een educatieve context. In deze bijdrage bepleiten we een breder begrip van leren. Verschillende manieren van leren (door ervaring, sociale interactie) komen voor naast schools leren. Emotionele aspecten spelen een belangrijke rol. De cultuur van een organisatie of afdeling heeft een belangrijke invloed op het leren. Als veranderend of kritisch leren nodig is, zal vanuit een breder begrip van leren gewerkt moeten worden.
Massafabricage in de (MKB) maakindustrie is aan het veranderen in flexibele fabricage en assemblage van kleine series, klantspecifieke onderdelen en eindproducten. Hiervoor zijn nieuwe systemen voor het MKB nodig, waarin robots en mensen samen kunnen werken en die zich snel kunnen aanpassen aan nieuwe productieomstandigheden met lage opstartkosten. De ambitie van het project ?(G)een Moer Aan!? is om het herconfigureren van een robotsysteem voor een nieuwe taak in een productieomgeving net zo eenvoudig en snel te maken als het gebruik van een smartphone. Zo?n benadering biedt kansen om de skills van de operator te benutten. De operator kent immers zijn processen en de robot wordt zijn hulpje. Op vraag van betrokken mkb partners is de focus gelegd op een repeterende productiehandeling die in veel sectoren voorkomt en die relatief veel arbeidstijd kost: het indraaien van moeren en bouten in een object. De centrale onderzoeksvraag van het project luidt: Hoe kan een operator een robot eenvoudig, snel en veilig inleren om assemblage handelingen te verrichten voor het snel en robuust verbinden van bouten, moeren en ringen met objecten? Resultaat van dit praktijkgerichte onderzoeksproject is een algemeen bruikbare en gevalideerde ontwerpmethodiek voor de opzet van een gebruiksvriendelijke user interface van een boutmontagerobot op de werkvloer. Door slim gebruik van geïntegreerde inzet van CAD productinformatie, vision technologie en compliant (meegaand) gripping en placing wordt de robot zo veel als mogelijk vooraf automatisch geconfigureerd. Het projectconsortium dat het onderzoek gaat uitvoeren bestaat uit: " 13 bedrijven (12 mkb) actief als toeleverancier, system integrator of gebruiker op het terrein van industriële robotica (Yaskawa, ABB, Smart Robotics, Hupico, Festo, CSi, Demcon, Heemskerk Innovate, WWA, Van Schijndel Metaal, Van Beek, Tegema en Zest Innovate); " Hogescholen Fontys (penvoerder), Avans, Utrecht en NHL; " Kennisinstellingen TNO en DIFFER; " Coöperaties Brainport Industries, FEDA en Koninklijke Metaalunie; " De gemeente Eindhoven is betrokken als partner in de klankbordgroep. De gemeente ondersteunt het belang van dit project voor behoud en verbetering van arbeidsplaatsen in de maakindustrie. Er zullen circa 20 (docent)onderzoekers van de hogescholen en ongeveer 80 studenten betrokken worden bij dit project, die in de vorm van stages en afstudeeronderzoeken werken aan interessante vraagstukken direct afkomstig uit de beroepspraktijk. Naast genoemde meerwaarde voor het bedrijfsleven beoogt het project een verdere verankering van kennis en kunde in onderwijs en lectoraten en een vergroting van de kwaliteit van docenten en afstudeerders.
Aanleiding Nieuwsuitgeverijen bevinden zich in zwaar weer. Economische malaise en toegenomen concurrentie in het pluriforme medialandschap dwingen uitgeverijen om enerzijds kosten te besparen en tegelijkertijd te investeren in innovatie. De verdere automatisering van de nieuwsredactie vormt hierbij een uitdaging. Buiten de branche ontstaan technieken die uitgeverijen hierbij zouden kunnen gebruiken. Deze zijn nog niet 'vertaald' naar gebruiksvriendelijke systemen voor redactieprocessen. De deelnemers aan het project formuleren voor dit braakliggend terrein een praktijkgericht onderzoek. Doelstelling Dit onderzoek wil antwoord geven op de vraag: Hoe kunnen bewezen en nieuw te ontwikkelen technieken uit het domein van 'natural language processing' een bijdrage leveren aan de automatisering van een nieuwsredactie en het journalistieke product? 'Natural language processing' - het automatisch genereren van taal - is het onderwerp van het onderzoek. In het werkveld staat deze ontwikkeling bekend als 'automated journalism' of 'robotjournalistiek'. Het onderzoek richt zich enerzijds op ontwikkeling van algoritmes ('robots') en anderzijds op de impact van deze technologische ontwikkelingen op het nieuwsveld. De impact wordt onderzocht uit zowel het perspectief van de journalist als de nieuwsconsument. De projectdeelnemers ontwikkelen binnen dit onderzoek twee prototypes die samen het automated-journalismsysteem vormen. Dit systeem gaat tijdens en na het project gebruikt worden door onderzoekers, journalisten, docenten en studenten. Beoogde resultaten Het concrete resultaat van het project is een prototype van een geautomatiseerd redactiesysteem. Verder levert het project inzicht op in de verankering van dit soort systemen binnen een nieuwsredactie. Het onderzoek biedt een nieuw perspectief op de manier waarop de nieuwsconsument de ontwikkeling van 'automated journalism' in Nederland waardeert. Het projectteam deelt de onderzoekresultaten door middel van presentaties voor de uitgeverijbranche, presentaties op wetenschappelijke conferenties, publicaties in (vak)tijdschriften, reflectiebijeenkomsten met collega-opleidingen en een samenvattende white paper.
COMBINE staat voor: COmmunity driven Model Based INtelligent systems Engineering. Voorgaande RAAK-mkb projecten Fast&Curious en SMARTcode resulteerden een community van bedrijven en kennisinstellingen rondom HAN tools voor modelgebaseerde ontwikkeling van regelsystemen. De aanvankelijke focus lag hierbij op de prototype fase. Intussen is de focus verschoven naar serieproductie. Er is veel waardering voor de deling van preconcurrentiële kennis en ervaring in de community en de marktgedreven ontwikkeling van de tools, aangestuurd door de community. Diverse vakbladen deden hiervan verslag. De HAN tools richten zich tot op heden op het modelleren van regelalgoritmes. Nu de voordelen van deze technologie door de MKB partners worden herkend en ingezet, ontstaat de wens om vergelijkbare ondersteuning te introduceren voor het modelleren van het te regelen systeem. Een dergelijke aanvulling op de tools completeert de ondersteuning voor een volledige, modelgebaseerde workflow. Dit resulteert in een centrale MKB vraag naar de benodigde kennis en de tools om systeemmodellen snel, goedkoop en met de vereiste kwaliteit te kunnen realiseren en vervolgens optimaal te integreren in het ontwikkelproces. Naast de gewenste uitbreiding van de tools ontstaat er ook vanuit de Agri & Food sector een toenemende vraag naar de in de community beschikbare tools en de gehanteerde samenwerkingsvorm. COMBINE beoogt daarom twee doelen: 1. Het combineren van de sectoren High Tech Systemen & Materialen en Agri & Food op het gebied van modelgebaseerd ontwikkelen 2. Het combineren van nieuwe modelgebaseerde technieken op het gebied van systeemmodellering met bestaande low-cost tools Met de deliverables van COMBINE – tools, ontwikkelproces en preconcurrentiële samenwerking – worden bestaande oplossingen voor het MKB verrijkt op het gebied van systeemmodellen en direct gedeeld in een groeiende community die een breder applicatiegebied bestrijkt.
