Reflections on skill development theory and simulation game-play practice, using MS Flight Simulator and the MSP Challenge Simulation Platform as cases.
DOCUMENT
This ‘Big Ideas’ paper will explore the relevance of the constraintsled approach (Davids et al., 2008) for nurse education, specifically when teaching nursing skills. The constraints-led approach is an applied theory, based on the ecological-dynamics framework, which explains that skill learning is a process of adjusting to the characteristics of a situation, instead of reproducing isolated, “ideal” movements out of context (Araújo et al., 2017; Seifert et al., 2017, 2019). During nurse education however, students often find themselves in isolated practice drills in which they practice a nursing skill based upon detailed protocols and/or explicit instructions by the lecturer. Following the ecological dynamics framework (Button et al., 2021), we argue that there is no single ideal way of executing a certain task. In clinical practice, there are often more than one appropriate task executions for a certain situation, and on the other hand, a certain task execution might be effective in one situation, but less effective in another. As all patients and contexts contain unique characteristics, students need to practice with representative characteristics from clinical practice, so that they learn attuning to contextual information, instead of simply following step-by-step instructions (Fajen et al., 2009; Pinder et al., 2011; Wulf and Lewthwaite, 2016).
DOCUMENT
Hoe kan in ons land innoveren, werken en leren beter worden verknoopt ten dienste van de grote maatschappelijke opgaven waar we voor staan? NWO, Regieorgaan SIA en Topsectoren hebben het initiatief genomen om meer (praktijkgericht) onderzoek te doen naar zogenoemde Learning communities en de kennis hierover beter te delen. De belangstelling voor Learning communities is enorm gegroeid en nu vaak al een vanzelfsprekend onderdeel van (regionaal-) economisch beleid. De nieuwe samenwerkingsverbanden hebben naar verwachting grote gevolgen voor de toekomst van individuele bedrijven, onderwijs- en kennisinstellingen alsook hun collectieve maatschappelijke impact. De grote maatschappelijke uitdagingen als de energie- en zorgtransitie vragen meer kennis, (menselijk) kapitaal en innovaties. Dit staat centraal in het Missiegedreven Topsectoren- en Innovatiebeleid (MTIB). Vraag daarbij is hoe medewerkers zich (toekomstbehendig) kunnen blijven ontwikkelen en wat de bijdrage van Learning communities kan zijn. Het ‘dichter tegen elkaar gaan organiseren van innoveren, werken en leren’ gebeurt in varianten als: Fieldlabs, Skills labs, Praktijkwerkplaatsen, Living labs, Centres of Expertise (CoE) en Centra voor Innovatief Vakmanschap (CIV). Over de grenzen van de afzonderlijke organisaties, domeinen en professies ontstaan nieuwe leer werkgemeenschappen met alle vragen en effecten vandien. Hoe kunnen we die meerpartijen samenwerkingen beter bouwen, beoordelen, betalen en borgen? Het NWO-onderzoeksprogramma Learning communities omvat onderzoeksprojecten in diverse werkcontexten (logistiek, energie, ICT e.a.). Gemeenschappelijke vraag in het programma: wat zijn de werkzame elementen van zo’n Learning community? Naast kennisontwikkeling door het onderzoeksprogramma wordt ook netwerkvorming gestimuleerd tussen onderzoekers en beleidsen praktijkprofessionals. De overtuiging is dat het potentieel in de driehoek innoveren-werken-leren beter kan worden benut. Voor de versterking van de kennisbasis onder het concept Learning communities hebben wij een inventarisatie gedaan naar benaderingen en zienswijzen. Learning communities worden door ons gepresenteerd als samenwerkingsverbanden tussen organisaties en andere (niet of minder georganiseerde) partijen, die het collectief vermogen vergroten van leren, werken en innoveren. Dit vermogen heeft zowel betrekking op het vermogen van de (beroeps)bevolking om zich aan te passen aan veranderende ONDERZOEKSPROGRAMMA EN NETWERK LEARNING COMMUNITIES 4 beroepen en werkpraktijken als het innovatie- en verdienvermogen van organisaties en bedrijven. We verkennen perspectieven op de inrichting, opbrengsten en de relationele dynamiek in Learning communities. We benadrukken dat Learning communities bestaan uit verschillende actoren, partijen en groeperingen – ook wel praktijken genoemd – en dat juist op de grens tussen deze praktijken geleerd wordt. Een Learning community ontwikkelt zich gaandeweg op verschillende systeemniveaus van samenwerking. We gaan in op het belang van een constructief klimaat van samenwerking waarvoor vaak (proces) begeleiding nodig is. Op basis van de verschijningen, uitkomsten en dynamiek hebben we een aantal kernprincipes gedefinieerd. Wat betreft verduurzaming van de communities pleiten wij voor een andere manier van denken. In plaats van een focus op de bestendiging van een tijdelijke (organisatie)structuur, gaat het dan over het verduurzamen van het proces van samenwerkend leren, werken en innoveren dat in gang is gezet. Ook waardevolle activiteiten en interacties die hun doorwerking of spin-off hebben buiten de Learning community zorgen voor bestendiging en verduurzaming van het samenwerkend leren. De verkenning van de kennisbasis voor de Learning communities heeft ook nieuwe onderzoeksvragen opgeleverd voor academisch en praktijkgericht onderzoek. Naast de verkenning van de kennisbasis heeft een expertgroep Instrumenten gewerkt aan een inventarisatie waarmee de concepten uit de kennisbasis op een praktische wijze kunnen worden vertaald in instrumenten om Learning communities (door) te ontwikkelen. De tips en selectie van instrumenten en aanbevelingen zijn samengebracht rond de verschillende ontwikkelingsfasen van Learning communities te weten starten, ontwerpen, uitvoeren en verduurzamen. Er zijn heel veel instrumenten die ‘facilitators’ van Learning communities en anderen kunnen gebruiken bij het opzetten en begeleiden ervan. Actuele vraag is dus in hoeverre en op welke wijze een digitaal platform het aanbod van - en de vraag naar - dergelijke instrumenten beter bij elkaar kan brengen. Er is daarom een verkenning gedaan naar (het ontwerp van) een digitaal platform vanuit zowel de vraagkant maar ook de aanbodkant van instrumenten (de onderzoekers en ontwikkelaars van instrumenten). Hoe het concept Learning communities verder ‘carrière zal maken’ hangt in belangrijke mate af van de vraag of deze veranderingen in het ‘landschap van leren en innoveren’ beter kunnen worden geborgd dan tot dusver middels projecten (en tijdelijke projectfinanciering). De onderlinge afhankelijkheid tussen bedrijven, kennis- en onderwijsinstellingen wordt hoe dan ook steeds groter en daarmee de noodzaak om samenwerking op een nieuwe en meer duurzame manier te organiseren. De Learning communities-benadering komt ook terug in verschillende recente Groeifondsprojecten en regionaal-economische innovatiestrategieën, wat als een bewijs kan worden gezien van de hoge verwachtingen van de benadering. Met onze ervaringen en inzichten doen wij tenslotte enkele suggesties voor de agendering van het thema in het nieuwe Kennis- en Innovatieconvenant (2024-2027). Wij benadrukken daarbij dat de bestaande Learning communities tot nu vooral (tijdelijke) ‘hulpstructuren’ zijn gebleken die niet hebben geleid tot fundamentele aanpassing van de primaire processen van de ONDERZOEKSPROGRAMMA EN NETWERK LEARNING COMMUNITIES 5 betrokken onderwijsinstellingen, organisaties en bedrijven. Wij verwachten dat in de toekomst de vernetwerking in (regionale) innovatie-ecosystemen meer radicale consequenties gaan hebben voor die ‘staande organisaties’ en de wijze waarop werkend leren wordt georganiseerd, gefinancierd en beoordeeld. Om ons hierop beter voor te bereiden doen wij een aantal aanbevelingen ten behoeve van een nieuwe onderzoeksagenda, professionaliseringsagenda en transitieagenda die verder richting en invulling kunnen geven aan deze maatschappelijke beweging. Een beweging waaromheen de verwachtingen hooggespannen zijn en waaraan wij gezamenlijk middels deze publicatie met plezier een bijdrage hebben geleverd.
DOCUMENT
Teachers have a crucial role in bringing about the extensive social changes that are needed in the building of a sustainable future. In the EduSTA project, we focus on sustainability competences of teachers. We strengthen the European dimension of teacher education via Digital Open Badges as means of performing, acknowledging, documenting, and transferring the competencies as micro-credentials. EduSTA starts by mapping the contextual possibilities and restrictions for transformative learning on sustainability and by operationalising skills. The development of competence-based learning modules and open digital badge-driven pathways will proceed hand in hand and will be realised as learning modules in the partnering Higher Education Institutes and badge applications open for all teachers in Europe.Societal Issue: Teachers’ capabilities to act as active facilitators of change in the ecological transition and to educate citizens and workforce to meet the future challenges is key to a profound transformation in the green transition.Teachers’ sustainability competences have been researched widely, but a gap remains between research and the teachers’ practise. There is a need to operationalise sustainability competences: to describe direct links with everyday tasks, such as curriculum development, pedagogical design, and assessment. This need calls for an urgent operationalisation of educators’ sustainability competences – to support the goals with sustainability actions and to transfer this understanding to their students.Benefit to society: EduSTA builds a community, “Academy of Educators for Sustainable Future”, and creates open digital badge-driven learning pathways for teachers’ sustainability competences supported by multimodal learning modules. The aim is to achieve close cooperation with training schools to actively engage in-service teachers.Our consortium is a catalyst for leading and empowering profound change in the present and for the future to educate teachers ready to meet the challenges and act as active change agents for sustainable future. Emphasizing teachers’ essential role as a part of the green transition also adds to the attractiveness of teachers’ work.
The increasing amount of electronic waste (e-waste) urgently requires the use of innovative solutions within the circular economy models in this industry. Sorting of e-waste in a proper manner are essential for the recovery of valuable materials and minimizing environmental problems. The conventional e-waste sorting models are time-consuming processes, which involve laborious manual classification of complex and diverse electronic components. Moreover, the sector is lacking in skilled labor, thus making automation in sorting procedures is an urgent necessity. The project “AdapSort: Adaptive AI for Sorting E-Waste” aims to develop an adaptable AI-based system for optimal and efficient e-waste sorting. The project combines deep learning object detection algorithms with open-world vision-language models to enable adaptive AI models that incorporate operator feedback as part of a continuous learning process. The project initiates with problem analysis, including use case definition, requirement specification, and collection of labeled image data. AI models will be trained and deployed on edge devices for real-time sorting and scalability. Then, the feasibility of developing adaptive AI models that capture the state-of-the-art open-world vision-language models will be investigated. The human-in-the-loop learning is an important feature of this phase, wherein the user is enabled to provide ongoing feedback about how to refine the model further. An interface will be constructed to enable human intervention to facilitate real-time improvement of classification accuracy and sorting of different items. Finally, the project will deliver a proof of concept for the AI-based sorter, validated through selected use cases in collaboration with industrial partners. By integrating AI with human feedback, this project aims to facilitate e-waste management and serve as a foundation for larger projects.
Horse riding falls under the “Sport for Life” disciplines, where a long-term equestrian development can provide a clear pathway of developmental stages to help individuals, inclusive of those with a disability, to pursue their goals in sport and physical activity, providing long-term health benefits. However, the biomechanical interaction between horse and (disabled) rider is not wholly understood, leaving challenges and opportunities for the horse riding sport. Therefore, the purpose of this KIEM project is to start an interdisciplinary collaboration between parties interested in integrating existing knowledge on horse and (disabled) rider interaction with any novel insights to be gained from analysing recently collected sensor data using the EquiMoves™ system. EquiMoves is based on the state-of-the-art inertial- and orientational-sensor system ProMove-mini from Inertia Technology B.V., a partner in this proposal. On the basis of analysing previously collected data, machine learning algorithms will be selected for implementation in existing or modified EquiMoves sensor hardware and software solutions. Target applications and follow-ups include: - Improving horse and (disabled) rider interaction for riders of all skill levels; - Objective evidence-based classification system for competitive grading of disabled riders in Para Dressage events; - Identifying biomechanical irregularities for detecting and/or preventing injuries of horses. Topic-wise, the project is connected to “Smart Technologies and Materials”, “High Tech Systems & Materials” and “Digital key technologies”. The core consortium of Saxion University of Applied Sciences, Rosmark Consultancy and Inertia Technology will receive feedback to project progress and outcomes from a panel of international experts (Utrecht University, Sport Horse Health Plan, University of Central Lancashire, Swedish University of Agricultural Sciences), combining a strong mix of expertise on horse and rider biomechanics, veterinary medicine, sensor hardware, data analysis and AI/machine learning algorithm development and implementation, all together presenting a solid collaborative base for derived RAAK-mkb, -publiek and/or -PRO follow-up projects.
