Voor dit boekje ‘(Her)ken je student!’ hebben studenten en medewerkers hun verhaal verteld over vier verschillende studenttypes, ingedeeld op basis van bevlogenheid en emotionele uitputting. Deze vier types hebben hun eigen karaktereigenschappen en behoeftes. Natuurlijk is iedere student uniek en is geen student precies hetzelfde. Maar dat maakt het ook ongrijpbaar. Want hoe ga je dan om met alle verschillende behoeftes van de honderdduizenden studenten die alleen al in Nederland studeren? De vier herkenbare studenttypes in dit boekje geven richting en bewustwording voor zowel studenten als docenten. Daarnaast worden in dit boekje praktische handvatten aangeboden. Zo kan je als student zelf testen hoe het staat met je eigen bevlogenheid en uitputting. En docenten kunnen de gesprekstips gebruiken om te onderzoeken wat de behoeftes zijn van de student en wat nodig is om deze te kunnen vervullen.
De arbeidsmarkt is continu in ontwikkeling, leidend tot een steeds veranderende vraag naar competenties en banen. Dit vraagt naast beroepsgerichte vaardigheden en kennis over veerkracht en wendbaarheid van professionals. Van de student wordt daarom verwacht dat die zich ontwikkeld in zelfgereguleerd (ZGL) leren. ZGL gaat over regie van het eigen leerproces: studenten bepalen zelf hoe tot leerresultaten te komen, deze te evalueren en sturen het leerproces zelf bij. Voor opleidingen is het de vraag hoe ze ZGL kunnen begeleiden en bevorderen. Dit behoeft inzicht in leergedrag, patronen hierin en bewustzijn over hoe deze inzichten gebruikt kunnen worden om ZGL te ondersteunen en het leerproces te begeleiden. In dit onderzoek is geïnventariseerd of de data die studenten in de elektronische leeromgeving (ELO) achterlaten een indicatie kan geven over het leerproces en ZGL van de student. Om de ingewikkelde patronen uit de data te halen, zijn de data uit de ELO met behulp van AItechnieken geanalyseerd. Hiermee kon het leerproces van studenten in verschillende categorieën worden onderverdeeld. De categorieën geven een eerste indicatie over het ZGL van de student. Verder onderzoek is benodigd, ook om te onderzoeken wat dit betekent voor de ondersteuning van studenten in hun leerproces.
Learning is all about feedback. Runners, for example, use apps like the RunKeeper. Research shows that apps like that enhance engagement and results. And people think it is fun. The essence being that the behavior of the runner is tracked and communicated back to the runner in a dashboard. We wondered if you can reach the same positive effect if you had a dashboard for Study-behaviour. For students. And what should you measure, track and communicate? We wondered if we could translate the Quantified Self Movement into a Quantified Student. So, together with students, professors and companies we started designing & building Quantified Student Apps. Apps that were measuring all kinds of study-behaviour related data. Things like Time On Campus, Time Online, Sleep, Exercise, Galvanic Skin Response, Study Results and so on. We developed tools to create study – information and prototyped the Apps with groups of student. At the same time we created a Big Data Lake and did a lot of Privacy research. The Big Difference between the Quantified Student Program and Learning Analytics is that we only present the data to the student. It is his/her data! It is his/her decision to act on it or not. The Quantified Student Apps are designed as a Big Mother never a Big Brother. The project has just started. But we already designed, created and learned a lot. 1. We designed and build for groups of prototypes for Study behavior Apps: a. Apps that measure sleep & exercise and compare it to study results, like MyRhytm; b. Apps that measure study hours and compare it to study results, like Nomi; c. Apps that measure group behavior and signal problems, like Groupmotion; d. Apps that measure on campus time and compare it with peers, like workhorse; 2. We researched student fysics to see if we could find his personal Cup-A-Soup-Moment (meaning, can we find by looking at his/her biometrics when the concentration levels dip?); 3. We created a Big Data lake with student data and Open Data and are looking for correlation and causality there. We already found some interesting patterns. In doing so we learned a lot. We learned it is often hard to acquire the right data. It is hard to create and App or a solution that is presenting the data in the right way and presents it in a form of actionable information. We learned that health trackers are still very inprecise. We learned about (and solved some) challenges surrounding privacy. Next year (2017) we will scale the most promising prototype, measure the effects, start a new researchproject and continu working on our data lake. Things will be interesting, and we will blog about it on www.quantifiedstudent.nl.
LINK
Aanleiding: De belangstelling voor gezonde en veilige voeding is groot. Bij de gezondheidseffecten van voeding spelen de darmen een cruciale rol. Verschillende soorten bedrijven hebben behoefte aan natuurgetrouwe testmodellen om de effecten van voeding op de darmen te bestuderen. Ze zijn vooral op zoek naar modellen waarvan de uitkomsten direct vertaalbaar zijn naar het doelorganisme (de mens of bijvoorbeeld het varken) en die niet gebruikmaken van kostbare en maatschappelijke beladen dierproeven. Doelstelling Het project 2-REAL-GUTS heeft als doel om twee innovatieve dierproefvrije darmmodellen geschikt te maken voor onderzoek naar voedingsconcepten en -ingrediënten. De twee darmmodellen die worden toegepast zijn darmorganoïden, minidarmorgaantjes bestaande uit stamcellen, en darmexplants bestaande uit hele stukjes darm verkregen uit relevante organismen. Beide modellen hebben potentieel heel uitgebreide toepassingsmogelijkheden en hebben ook grote voordelen ten opzichte van de huidige veelgebruikte cellijnen, omdat ze meerdere in de darm aanwezige celtypen bevatten en uit verschillende specifieke darmregio's te verkrijgen zijn. Gezamenlijk gaan de partners werken aan: 1) het aanpassen van de kweekomstandigheden zodat darmmodellen geschikt worden om de vragen van partners te beantwoorden; 2) het vaststellen van de toepassingsmogelijkheden van de darmmodellen door verschillende stoffen en producten te testen. Beoogde resultaten Kennisconferenties, publicaties en exploitatie van de modellen zullen zorgen voor het verspreiden van de opgedane kennis. Omdat het project gebruikmaakt van moderne, op de toekomst gerichte laboratoriumtechnieken (kweekmethoden met stamcellen en vitaal weefsel, moleculaire analyses en microscopie), leent het zich uitstekend om geïmplementeerd te worden in het hbo-onderwijs. Als spin-off zal het project dan ook voorzien in een specifieke, voor Nederland unieke hbo-minor op het gebied van stamcel- en aanverwante technologie (zoals organ-on-a-chiptechnologie).
De kunstgrasberg in Nederland is groeiende. In april 2019 hebben een aantal bedrijven, zijnde ketenpartners, de handen in een geslagen om dit te doen veranderen, en hebben GBN Artificial Grass Recycling (GBN-AGR) opgericht. Dit heeft in juni 2020 geresulteerd in een fabriek voor de recycling van de kunstgrasmatten. De eindproducten van deze fabriek zijn circulair grondstoffen zoals circulair zand, circulair SBR, circulair TPE en RTA. Deze grondstoffen worden op traditionele productiewijze in mallen geperst en waaruit rubbertegels, kantplanken, picknicksets worden vervaardigd. Gezien de hoeveelheid aan kunstgrasmatten is er behoefte vanuit de ketenpartners om meer en hoogwaardige producten te realiseren. In dit onderzoek wordt een verkenning gedaan naar de mogelijkheid om gerecycled kunstgras te gaan 3D printen. Zo dat er in de toekomst hoogwaardige en vernieuwde producten uit te vaardigen zijn. Ook zijn de huidige 3D printbedrijven nog niet bekend zijn met circulaire grondstoffen uit gerecycled kunstgras, aangezien het 3D printfilament daarvan nog niet voor handen is. Via materiaalonderzoek, ontwikkeling van 3D printfilament, testen van het filament wordt de eerste aanzet gegeven om tot een grondstof te komen die voor hoogwaardige producten kan worden ingezet. Tevens wordt een productontwerp voor een product gecreëerd. En wordt er een prototype, eventueel op schaal gefabriceerd met het 3D printfilament afkomst van de circulaire grondstoffen van het gerecycled kunstgras. Het einddoel is om de kunstgrasberg in Nederland te doen krimpen, door: - Aantoonbaar te maken aan de maakindustrie dat gerecycled kunstgras een basisgrondstof kan zijn voor producten. - 3D printen een productiemethode is dat voor bepaalde toepassingen voordelen kan hebben om hoogwaardige producten van gerecycled kunstgras mee te maken, naast de al bestaande traditionele productiemethoden.
Achter de Voordeur is een jaarlijks terugkerend onderzoeks- en onderwijsproject, waarin studenten van verschillende opleidingen aan de HU de wijk ingaan om de ervaringen en behoeften op te halen van mensen met geldzorgen.Doel Door de interviews die de studenten met buurtbewoners houden vergroten we de kennis over de ervaringen en hulpbehoeften van mensen met geldzorgen. Het doel is om op basis van deze kennis het traject naar hulp bij schulden te verkorten en inzicht te verkrijgen in hoe er in een vroegtijdig stadium passende hulp kan worden geboden. Resultaten De resultaten uit de 48 diepte-interviews en 20 mini-interviews volgen in november 2021. Looptijd 01 november 2020 - 01 november 2021 Aanpak In 2020-2021 vindt de eerste versie van Achter de Voordeur plaats. Daarna keert het project jaarlijks terug, waardoor er een dataset over een langere periode kan worden ontwikkeld. De studenten die deelnemen krijgen een training van een aantal dagen. Hier leren zij hoe zij interviews gaan afnemen en oefenen zij met data analyse en de rapportage van kwalitatief onderzoek. De studenten krijgen de ruimte om vanuit hun eigen opleiding een bijdrage leveren aan het onderzoek, bijvoorbeeld door een gedeelte van de vragenlijst te ontwikkelen of een eigen onderzoeksvraag te formuleren voor een masterscriptie. Impact van het onderzoek Doordat het onderzoek een aantal jaren achtereen plaatsvindt bestaat de mogelijkheid om respondenten over een langere periode te volgen, zodat we het traject vanaf het ontwikkelen van schulden tot aan het vinden van geschikte hulp in kaart kunnen brengen. Daarnaast krijgen studenten van verschillende opleiding aan de HU de mogelijkheid om meer te leren over problematische schulden, het afnemen van interviews bij kwalitatief onderzoek en de analyse en rapportage van de verhalen die zij zelf ophalen in de wijk. Verder is kennis over het vroegtijdig bereiken en helpen van mensen met geldzorgen voor onze partners, de Gemeente Utrecht en Stichting Helden van de Wil, ook zeer van waarde. Afstudeerstudenten van diverse opleidingen gezocht! Ben jij proactief, nieuwsgierig en nauwkeurig? Vind jij het leuk om de wijken in te gaan om interviews af te nemen en bij te dragen aan het verbeteren van de schuldenaanpak in Utrecht? Sluit je dan aan bij ons onderzoeksteam als afstudeerstudent! Interesse? Meld je aan bij Barbera van der Meulen.
