This longitudinal, quantitative study contributes to the debate on technology-based professional development by examining the extent to which a learning (LinkedIn) intervention in a university setting affects an individual’s social media use for professional development, and the extent to which this relates to self-reported employability. In addition, we investigated how this relationship is moderated by an individual’s motivation to communicate through social media (LinkedIn). Based on social capital theory and the conservation of resources theory, we developed a set of hypotheses that were tested based on longitudinal data collected from university employees (N = 101) in middle- and high-level jobs. First, in line with our expectations, social media use for professional development was significantly higher after the learning intervention than before. Second, partially in line with our expectations, social media use for professional development was positively related with the employability dimension anticipation and optimization. Third, contrary to our expectations, motivation to communicate through social media (LinkedIn) did not have a moderating role in this relationship. We concluded that the learning intervention has the potential to foster social media use for professional development, and in turn, can contribute to individuals’ human capital in terms of their employability. Hence, the intervention that forms the core of this empirical research can be a sustainable and promising human resource management (HRM) practice that fits the human capital agenda.
OBJECTIVE: Periodontitis, mostly associated with Porphyromonas gingivalis, has frequently been related to adverse pregnancy outcomes. We therefore investigated whether lipopolysaccharides of P. gingivalis (Pg-LPS) induced pregnancy complications in the rat.METHODS: Experiment 1: pregnant rats (day 14) received increasing Pg-LPS doses (0.0-50.0 μg kg-1 bw; n = 2/3 p per dose). Maternal intra-aortic blood pressure, urinary albumin excretion, placental and foetal weight and foetal resorptions were documented. Experiment 2: 10.0 μg kg-1 bw (which induced the highest blood pressure together with decreased foetal weight in experiment 1) or saline was infused in pregnant and non-pregnant rats (n = 7/9 p per group). Parameters of experiment 1 and numbers of peripheral leucocytes as well as signs of inflammation in the kidney and placenta were evaluated.RESULTS: Pg-LPS infusion in pregnant rats increased maternal systolic blood pressure, reduced placental weight (dose dependently) and decreased foetal weight and induced foetal resorptions. It, however, did not induce proteinuria or a generalised inflammatory response. No effects of Pg-LPS were seen in non-pregnant rats.CONCLUSION: Pg-LPS increased maternal blood pressure, induced placental and foetal growth restriction, and increased foetal resorptions, without inducing proteinuria and inflammation. Pg-LPS may therefore play a role in pregnancy complications induced by periodontitis.
LINK
Zijn data-analyse en bio-informatica de sleutel naar voorspellingen over de invloed van giftige stoffen op de gezondheid van mensen? Het project DART Pathfinder is een vervolgonderzoek naar een dierproefvrije testmethode. Met moderne ICT-technieken proberen we die voorspellingen te doen.Doel Het doel van dit project is om gegevens over giftige stoffen uit verschillende data bronnen samen te brengen. In het onderzoek gebruiken we technieken uit de bio-informatica. Zo willen we de eigenschappen van giftige stoffen beter in kaart brengen en (nadelige) effecten van soortgelijke stoffen kunnen voorspellen. Veel bedrijven maken producten of stoffen, die getest moeten worden of ze veilig zijn. Met dit project helpen we bedrijven om o.b.v. bestaande gegevens een betere keuze te maken welke testen ze hiervoor het beste kunnen gebruiken. Resultaten Kennis over computer modellen die voorspellingen doen, zoals machine learning, regression tree-based models; Nieuwe algoritmen (instructies om berekeningen uit te voeren) Inzicht in nieuwe biologische mechanismen obv data science Nieuwe statische methoden om data te analysen en voorspellingen te doen. Looptijd 01 februari 2018 - 01 februari 2022 Aanpak Met de gegevens uit het onderzoek maken we een computermodel dat voorspelt of giftige stoffen invloed hebben op de voortplanting en ontwikkeling van mensen. Die voorspelling gebeurt via machine learning, algoritmen en statistische methoden. Voor dit model wordt informatie uit publieke databases over fysische en chemische eigenschappen van mogelijk gevaarlijke stoffen samengevoegd met de gegevens over de invloed van deze stoffen op levende organismen. Net als in het eerste onderzoek (PreDART) werken we met rondwormen (C.elegans) en embryo's van zebravissen, met als doel geen proeven meer met ratten en konijnen te hoeven doen.
Graverij in oevers en waterkeringen door muskusratten, beverratten en binnenkort door bevers leidt in ons waterrijke Nederland tot aanzienlijke veiligheidsrisico’s, economische schade en structurele kosten. Vanwege zijn snelle opmars zal ook de bever, in navolging van de muskus- en de beverrat om beheersmaatregelen vragen, zij het andere want de bever is beschermd. Met een beter begrip van het gedrag en het terreingebruik van bevers is het wellicht mogelijk om ze zodanig te ‘sturen’ dat schade aan waterkeringen kan worden voorkomen. En waar doding van muskus- en beverratten noodzakelijk blijft, levert meer inzicht in het gedrag de mogelijkheid om dieren sneller en doelmatiger te vangen, hetgeen er voor zorgt dat er minder dieren gevangen en gedood hoeven te worden, dat er minder vangmiddelen ingezet hoeven te worden en dat er minder bijvangst is. De praktijkvraag van de waterschappen luidt dan ook: ‘Wat kunnen we leren van het gedrag en het terreingebruik van muskusratten, beverratten en bevers in Nederland teneinde graverij in waterkeringen en oevers te voorkomen’. Om het gedrag van deze dijkgravers beter in beeld te kunnen brengen ontwikkelen en gebruiken we zenders die zijn uitgerust met gps-locatie en gedragssensoren en die via LoRaWan kunnen worden uitgelezen. De belangrijkste onderzoeksvragen zijn: 1. Welke factoren beïnvloeden het dispersiegedrag van muskusratten, beverratten en bevers en bepalen de locatie van schuil- en nestplaatsen. Deze kennis draagt bij aan preventie (mitigatie van negatieve effecten) van graverij en kan gebruikt worden om vangstmethodes te optimaliseren. 2. Hoe kunnen we bestaande communicatie technologie en innovatieve methoden inzetten om voor real-time langeafstandscommunicatie (met weinig vermogen) toepassingen te ontwikkelen waarmee semi-aquatische knaagdieren kunnen worden gevolgd en hun gedrag in kaart kan worden gebracht.
In voedingsindustrie wordt veel gebruik gemaakt van inklapbare kratten. Doordat de kratten inklapbaar zijn wordt er bespaard op transportritten wat resulteert in een lagere Co2 uitstoot. Deze klapkratten worden vaak met de hand uitgevouwen, dit is zwaar en eentonig werk voor de werknemer. Reintjes Techniek gaat in 2020 een volledige productielijn ontwikkelen om het openvouwen van deze kratten te automatiseren. Hierbij zal een pallet met 300 ingevouwen kratten volledig automatisch leeggemaakt en uitgevouwen worden. Dit betekend dat er een depalletiseerder, ontstapelaar, openvouwer en een transportsysteem ontwikkeld gaat worden door Reintjes Techniek.
