Leren is een actief proces waarin kennis wordt geconstrueerd. Dit proces is voor iedere leerling anders en vraagt individuele ondersteuning. Onderwijsmaterialen en werkvormen zouden zich gedurende het leerproces steeds moeten aanpassen aan de specifieke behoefte van elke leerling. Ontwikkelingen in het veld van de Kunstmatige Intelligentie & Onderwijs zijn ondertussen zodanig vergevorderd dat interactieve software deze kennisconstructie van leerlingen inderdaad individueel en adequaat kan ondersteunen. Lector Didactiek van de Bètavakken dr. Bert Bredeweg bespreekt in zijn rede de kracht van interactieve kennisrepresentaties als medium voor kennisconstructie. Als voorbeeld zal hij ingaan op conceptueel modelleren als didactische vorm voor het creëren van kennis over het gedrag van dynamische systemen. Hij zal ook illustreren hoe slimme softwarecomponenten individuele leerlingen naar behoefte kunnen ondersteunen bij dit leerproces.
DOCUMENT
Vroegtijdige scheiding van melkkoe en kalf roept in de samenleving in toenemende mate vragen op over de effecten daarvan op dierenwelzijn. In de visie van de Duurzame Zuivelketen (DZK) valt de zorg voor kalveren binnen de scope van zuivelkwaliteitssystemen. Ter onderbouwing van haar beleidsvisie aangaande vroegtijdig scheiden van koe en kalf heeft de DZK in 2015 onderzoek laten doen. Dit onderzoek is uitgevoerd door het lectoraat Welzijn van Dieren van Van Hall Larenstein. Het behelst literatuur- en survey-onderzoek waarmee de stand van zaken – wetenschappelijke kennis en gangbare praktijk – rond de kwestie in kaart is gebracht. Tenslotte is door praktijkdeskundigen, onderzoekers en melkveehouders gereflecteerd op de voorlopige resultaten.
MULTIFILE
Physical activity is crucial in human life, whether in everyday activities or elite sports. It is important to maintain or improve physical performance, which depends on various factors such as the amount of physical activity, the capability, and the capacity of the individual. In daily life, it is significant to be physically active to maintain good health, intense exercise is not necessary, as simple daily activities contribute enough. In sports, it is essential to balance capacity, workload, and recovery to prevent performance decline or injury.With the introduction of wearable technology, it has become easier to monitor and analyse physical activity and performance data in daily life and sports. However, extracting personalised insights and predictions from the vast and complex data available is still a challenge.The study identified four main problems in data analytics related to physical activity and performance: limited personalised prediction due to data constraints, vast data complexity, need for sensitive performance measures, overly simplified models, and missing influential variables. We proposed end investigated potential solutions for each issue. These solutions involve leveraging personalised data from wearables, combining sensitive performance measures with various machine learning algorithms, incorporating causal modelling, and addressing the absence of influential variables in the data.Personalised data, machine learning, sensitive performance measures, advanced statistics, and causal modelling can help bridge the data analytics gap in understanding physical activity and performance. The research findings pave the way for more informed interventions and provide a foundation for future studies to further reduce this gap.
LINK
