Posterpresentatie op conferentie Introductie: De afgelopen twee decennia is er geen communis opinio over de vraag of er sprake is van regionale factoren bij de constituentvolgorde in de Nederlandse Gebarentaal (NGT) (Coerts, 1994; Crasborn & De Wit, 2005; Vermeerbergen, Nijen Twilhaar & Van Herreweghe, 2013). Dit onderzoek levert een bijdrage aan de discussie over constituent-volgorde in het algemeen, doordat werd onderzocht of constituentvolgorde in NGT verschillend is voor eerste- en tweedetaalverwervers van de NGT. Methode: Er namen tien participanten (studenten NGT aan de Hogeschool Utrecht) deel: vijf dove moedertaalgebruikers en vijf horende studenten (leeftijd 19-30 jaar). Productie werd uitgelokt van drie verschillende typen enkelvoudige zinnen aan de hand van plaatjes (Volterra et al., 1984): 6 zinnen met omkeerbare constituenten, 6 zinnen met niet-omkeerbare constituenten en 6 locatieve zinnen. Alle 180 geproduceerde zinnen werden getranscribeerd en syntactisch (Subject, Object, Verbum) geanalyseerd. Resultaten: De moedertaalgebruikers gaven duidelijk de voorkeur aan de volgorde SVO of SVOV bij omkeerbare zinnen en SOV voor niet-omkeerbare zinnen. Voor de locatieve zinnen werd veel variatie gevonden, met een lichte voorkeur voor OSV. De T2-verwervers vertoonden veel variatie in de productie van omkeerbare zinnen zonder duidelijk patroon. Voor de niet-omkeerbare zinnen werd een lichte voorkeur voor SOV gevonden en wederom variatie. De loca-tieve zinnen werden voornamelijk uitgedrukt in de volgorde OSV. Conclusie: Deze studie toont aan dat de constituentvolgorde van moedertaalgebruikers en T2-verwervers verschillen. Opvallend is dat de T2-verwervers de neiging hebben de regel voor locatieve zinnen ‘Het grootste element voorop in de zin’ te overgeneraliseren naar het type niet-omkeerbare zin.
MULTIFILE
A heterogeneous sample of 137 school-aged children with learning disabilities (IQ > 80) attending special needs schools was examined on the Movement Assessment Battery for Children (MABC). The results show that compared to the available norm scores, 52.6% of the children tested performed below the 15th percentile on manual dexterity, 40.9% on ball skills, and 33.7% on balance skills. Furthermore, after controlling for IQ, significant small to moderate partial correlations were found between spelling and mathematics and the MABC total score, as well as small to moderate correlations between mathematics and balance, between reading and ball skills, and between spelling and manual dexterity. The present findings are compared with previously reported results obtained in more homogenous groups, and based on the resultant relationships between academic performance and motor development, recommendations for future motor intervention studies are made.
Patiëntdata uit vragenlijsten, fysieke testen en ‘wearables’ hebben veel potentie om fysiotherapie-behandelingen te personaliseren (zogeheten ‘datagedragen’ zorg) en gedeelde besluitvorming tussen fysiotherapeut en patiënt te faciliteren. Hiermee kan fysiotherapie mogelijk doelmatiger en effectiever worden. Veel fysiotherapeuten en hun patiënten zien echter nauwelijks meerwaarde in het verzamelen van patiëntdata, maar vooral toegenomen administratieve last. In de bestaande landelijke databases krijgen fysiotherapeuten en hun patiënten de door hen zelf verzamelde patiëntdata via een online dashboard weliswaar teruggekoppeld, maar op een weinig betekenisvolle manier doordat het dashboard primair gericht is op wensen van externe partijen (zoals zorgverzekeraars). Door gebruik te maken van technologische innovaties zoals gepersonaliseerde datavisualisaties op basis van geavanceerde data science analyses kunnen patiëntdata betekenisvoller teruggekoppeld en ingezet worden. Wij zetten technologie dus in om ‘datagedragen’, gepersonaliseerde zorg, in dit geval binnen de fysiotherapie, een stap dichterbij te brengen. De kennis opgedaan in de project is tevens relevant voor andere zorgberoepen. In dit KIEM-project worden eerst wensen van eindgebruikers, bestaande succesvolle datavisualisaties en de hiervoor vereiste data science analyses geïnventariseerd (werkpakket 1: inventarisatie). Op basis hiervan worden meerdere prototypes van inzichtelijke datavisualisaties ontwikkeld (bijvoorbeeld visualisatie van patiëntscores in vergelijking met (beoogde) normscores, of van voorspelling van verwacht herstel op basis van data van vergelijkbare eerdere patiënten). Middels focusgroepinterviews met fysiotherapeuten en patiënten worden hieruit de meest kansrijke (maximaal 5) prototypes geselecteerd. Voor deze geselecteerde prototypes worden vervolgens de vereiste data-analyses ontwikkeld die de datavisualisaties op de dashboards van de landelijke databases mogelijk maken (werkpakket 2: prototypes en data-analyses). In kleine pilots worden deze datavisualisaties door eindgebruikers toegepast in de praktijk om te bepalen of ze daadwerkelijk aan hun wensen voldoen (werkpakket 3: pilots). Uit dit 1-jarige project kan een groot vervolgonderzoek ‘ontkiemen’ naar het effect van betekenisvolle datavisualisaties op de uitkomsten van zorg.
In het RAAK-project, genaamd Groningen MAPS, is er veel data en kennis vergaard van waaruit antwoorden zijn geformuleerd op verschillende vragen rondom belasting en belastbaarheid van (top)sporters. Het onderzoek naar de factoren die invloed hebben op de prestaties en het blessurerisico van sporters heeft opgeleverd dat we nu meer inzicht hebben in de informatie die nodig is om gericht te zoeken naar verbanden tussen belasting en belastbaarheid. We hebben echter nog niet gekeken naar de data vanuit een datamining perspectief. Datamining is het gericht zoeken naar verbanden in een database met als doel het opstellen van profielen. Deze profielen kunnen nieuwe inzichten geven waardoor sporters van nog betere feedback voorzien kunnen worden. Het doel van het Top-up project is om kennis te ontwikkelen over het automatiseren van de verwerking en analyse van datastromen. Dit zal leiden tot een datasysteem wat automatisch analyses uitvoert achter de schermen. Met dit datasysteem kan de Groningen MAPS-data verder geanalyseerd worden (door middel van datamining) om nieuw inzicht te verkrijgen op het gebied van patronen in belasting en belastbaarheid van (top)sporters.
Het lopende Bird’s Eye Perspective onderzoek ontwikkelen we door naar een leeromgeving 3.0 waarin wij de mogelijkheden van conversatie analyse en algoritmes toepassen op sociale media berichten. De leeromgeving tracht communicatieprofessionals te trainen in het opmerken van opkomende issues in het online gesprek.