A considerable amount of literature on peer coaching suggests that the professional development of teachers can be improved through experimentation, observation, reflection, the exchange of professional ideas, and shared problem-solving. Reciprocal peer coaching provides teachers with an opportunity to engage in such activities in an integrated form. Even though empirical evidence shows effects of peer coaching and teacher satisfaction about coaching, the actual individual professional development processes have not been studied extensively. This article offers a way to analyze and categorize the learning processes of teachers who take part in a reciprocal peer coaching trajectory by using the Interconnected Model of Teacher Professional Growth as an analytical tool. Learning is understood as a change in the teacher's cognition and/or behavior. The assumption underlying the Interconnected Model of Teacher Professional Growth is that change occurs in four distinct domains that encompass the teacher's professional world: the personal domain, the domain of practice, the domain of consequence and the external domain. Change in one domain does not always lead to change in another, but when changes over domains do occur, different change patterns can be described. Repeated multiple data collection methods were used to obtain a rich description of patterns of change of four experienced secondary school teachers. The data sources were: audiotapes of coaching conferences, audiotapes of semi-structured learning interviews by telephone, and digital diaries with teacher reports of learning experiences. Qualitative analysis of the three data sources resulted in two different types of patterns: including the external domain and not including the external domain. Patterns of change within a context of reciprocal peer coaching do not necessarily have to include reciprocal peer coaching activities. When, however, patterns do include the external reciprocal peer coaching domain, this is often part of a change process in which reactive activities in the domains of practice and consequence are involved as well. These patterns often demonstrate more complex processes of change.
Living a sedentary lifestyle is one of the major causes of numerous health problems. To encourage employees to lead a less sedentary life, the Hanze University started a health promotion program. One of the interventions in the program was the use of an activity tracker to record participants' daily step count. The daily step count served as input for a fortnightly coaching session. In this paper, we investigate the possibility of automating part of the coaching procedure on physical activity by providing personalized feedback throughout the day on a participant's progress in achieving a personal step goal. The gathered step count data was used to train eight different machine learning algorithms to make hourly estimations of the probability of achieving a personalized, daily steps threshold. In 80% of the individual cases, the Random Forest algorithm was the best performing algorithm (mean accuracy = 0.93, range = 0.88–0.99, and mean F1-score = 0.90, range = 0.87–0.94). To demonstrate the practical usefulness of these models, we developed a proof-of-concept Web application that provides personalized feedback about whether a participant is expected to reach his or her daily threshold. We argue that the use of machine learning could become an invaluable asset in the process of automated personalized coaching. The individualized algorithms allow for predicting physical activity during the day and provides the possibility to intervene in time.
In this article, the outcomes of a survey aimed to investigate how aware of and how capable coaches in higher vocational Dutch education perceive themselves to assist students displaying mental health and well-being issues are presented. Additionally, the article explores coaches’ perceptions regarding the frequency, form of help offered, topics to be tackled and the preferred form in which this help should be provided. The author conducted a survey that gathered qualitative and quantitative data from coaches (N 5 82) at a Dutch University of Applied Sciences in the north of the Netherlands. A differentiation in coaches’ number of years of teaching and coaching experience was considered.
MULTIFILE
Nederland kent ongeveer 220.000 bedrijfsongevallen per jaar (met 60 mensen die overlijden). Vandaar dat elke werkgever verplicht is om bedrijfshulpverlening (BHV) te organiseren, waaronder BHV-trainingen. Desondanks brengt slechts een-derde van alle bedrijven de arbeidsrisico’s in kaart via een Risico-Inventarisatie & Evaluatie (RI&E) en blijft het aandeel werknemers met een arbeidsongeval hoog. Daarom wordt er continu geïnnoveerd om BHV-trainingen te optimaliseren, o.a. door middel van Virtual Reality (VR). VR is niet nieuw, maar is wel doorontwikkeld en betaalbaarder geworden. VR biedt de mogelijkheid om veilige realistische BHV-noodsimulaties te ontwikkelen waarbij de cursist het gevoel heeft daar echt te zijn. Ondanks de toename in VR-BHV-trainingen, is er weinig onderzoek gedaan naar het effect van VR in BHV-trainingen en zijn resultaten tegenstrijdig. Daarnaast zijn er nieuwe technologische ontwikkelingen die het mogelijk maken om kijkgedrag te meten in VR m.b.v. Eye-Tracking. Tijdens een BHV-training kan met Eye-Tracking gemeten worden hoe een instructie wordt opgevolgd, of cursisten worden afgeleid en belangrijke elementen (gevaar en oplossingen) waarnemen tijdens de simulatie. Echter, een BHV-training met VR en Eye-Tracking (interacties) bestaat niet. In dit project wordt een prototype ontwikkeld waarin Eye-Tracking wordt verwerkt in een 2021 ontwikkelde VR-BHV-training, waarin noodsituaties zoals een kantoorbrand worden gesimuleerd (de BHVR-toepassing). Door middel van een experiment zal het prototype getest worden om zo voor een deel de vraag te beantwoorden in hoeverre en op welke manier Eye-Tracking in VR een meerwaarde biedt voor (RI&E) BHV-trainingen. Dit project sluit daarmee aan op het missie-gedreven innovatiebeleid ‘De Veiligheidsprofessional’ en helpt het MKB dat vaak middelen en kennis ontbreekt voor onderzoek naar effectiviteit rondom innovatieve-technologieën in educatie/training. Het project levert onder meer een prototype op, een productie-rapport en onderzoeks-artikel, en staat open voor nieuwe deelnemers bij het schrijven van een grotere aanvraag rondom de toepassing en effect van VR en Eye-Tracking in BHV-trainingen.
De diëtist kan in de eerstelijns situatie slechts rekenen op 3 uur vergoeding per jaar uit de basisverzekering, hetgeen voor veel cliënten te weinig is. Digitaal ondersteunde (voedings)interventies die gebaseerd zijn op relevante, continu verzamelde persoonlijke data van de cliënt kunnen helpen de beschikbare tijd efficiënter te benutten. Er zijn tegenwoordig veel mogelijkheden in de vorm van apps en activity trackers, zoals de Eetmeter, Runkeeper en Fitbit, die diëtisten kunnen helpen inzicht te krijgen in het gedrag van hun cliënten, en zodoende bij de coaching van de cliënten. Het gebruik van dergelijke technologie en het delen van data met de diëtist om dit coachingsproces te optimaliseren is echter nog niet gangbaar en diëtisten maken niet of weinig gebruik van digitale hulpbronnen. Een belangrijke reden hiervoor is dat de beschikbare technologie niet altijd even goed aansluit op de behoeften van diëtisten en hun cliënten. Daarbij is het niet duidelijk welke data de diëtisten precies (kunnen) gebruiken en hoe deze verzameld kunnen worden die in de begeleiding ook echt meerwaarde hebben. In dit project willen onderzoekers van de Hanzehogeschool Groningen in samenwerking met diëtisten van de Diëtisten Coöperatie Groningen (DCG), het Voedingscentrum, het lectoraat Zorg voor Voeding en Gezondheid van de Christelijke Hogeschool Ede verkennen welke data het beste verzameld kunnen worden met digitale apps om coaching bij leefstijl beter af te stemmen op de situatie van de cliënt en welke apps het meest geschikt zijn in de praktijk. Op basis van deze input wordt met deze subsidie een toolkit ontwikkeld, gebaseerd op bestaande technologie, om de gewenste data te verzamelen. Dit prototype toolkit vormt de basis voor een toekomstig subsidievoorstel om een e-assistent te realiseren, een app die de diëtist en cliënt kan ondersteunen door middel van uit de data verkregen visualisaties en op de cliënt gepersonaliseerde inzichten en adviezen.
Dit onderzoek wil de interactie tussen begeleiders van organisatieverandering en betrokken stakeholders verbeteren, zodat deze begeleiders organisaties effectief kunnen faciliteren bij (complexe) organisatieverandering.Doel Het doel van dit onderzoek is om begeleiders van organisatieverandering handvatten te bieden voor effectieve interactie. Uiteindelijk moet dit bijdragen aan het verbeteren van de uitkomsten van de organisatieverandertrajecten. Resultaten Vergrote deskundigheid deelnemende consultants Bijdragen aan masteronderwijs en opleiding van professionals Suggesties voor curriculaontwikkeling van opleidingen Uiteindelijk: doeltreffender begeleiding van ingewikkelde organisatieveranderingen Wetenschappelijke bijdrage in de vorm van een dissertatie Looptijd 01 januari 2019 - 01 januari 2023 Aanpak Social construction, conversaties/personal coaching, observatie en vragenlijstonderzoek.
