Hoofdstuk 8 in Leren Transformeren. In de hoofdstukken twee tot en met zes van dit boek is een aantal werkwijzen beschre¬ven waarmee in de praktijk ervaring opgedaan is om te professionaliseren in tijden van transitie en op die manier inhoud te geven aan transformatie. In het vorige hoofdstuk karakteriseerden we ‘transformatieleren’ aan de hand van een zevental principes. In dit hoofdstuk lichten we er elementen uit die in de casuïstiek naar voren komen als belang¬rijke onderdelen van het leren transformeren en geven we aan hoe de principes in de praktijk toegepast kunnen worden door trainers, coaches en teamleiders
DOCUMENT
Hoofdstuk 1 in: Leren transformeren. De transitie naar een nieuw sociaal en zorgstelsel brengt veel veranderingen en vragen met zich mee. We bevinden ons midden in de 4D-operatie: de decentralisatie van taken van centrale naar lokale overheid. De verantwoordelijkheid en beleidskaders voor hulp en ondersteuning aan burgers veranderen ingrijpend. Gemeenten buigen zich over de organisatie en uitvoering van: de maatschappelijke ondersteuning (Wmo), jeugdzorg (Jeugdwet), arbeidsparticipatie (Participatiewet) en passend onderwijs (Wet Passend Onderwijs). De Wmo en Jeugdwet brengen zorg en welzijn samen, dichterbij de directe leefomgeving van de burger die hulp of ondersteuning vraagt. Dat heeft grote gevolgen voor het doen en laten van alle deelnemers aan het sociale domein. Vaak wordt de metafoor van de ‘kanteling’ gebruikt, die onder meer staat voor kante¬len van aanbod naar vraaggestuurd, van probleem- naar krachtgericht, van individueel naar contextueel, van organisatie- naar netwerkgericht, van verticale naar horizontale verhoudingen. Terwijl de transitie staat voor verandering in het stelsel van financiering, regelgeving en organisatie, laten we zeggen de structuur, staat transformatie vooral voor de verandering in de cultuur van werken en het anders inzetten van kennis.
DOCUMENT
De transitie naar een nieuw sociaal en zorgstelsel brengt veel veranderingen en vragen met zich mee. We bevinden ons midden in de 4D-operatie: de decentralisatie van taken van centrale naar lokale overheid. De verantwoordelijkheid en beleidskaders voor hulp en ondersteuning aan burgers veranderen ingrijpend. Gemeenten buigen zich over de organisatie en uitvoering van: de maatschappelijke ondersteuning (Wmo), jeugdzorg (Jeugdwet), arbeidsparticipatie (Participatiewet) en passend onderwijs (Wet Passend Onderwijs). De Wmo en Jeugdwet brengen zorg en welzijn samen, dichterbij de directe leefomgeving van de burger die hulp of ondersteuning vraagt. Dat heeft grote gevolgen voor het doen en laten van alle deelnemers aan het sociale domein. Vaak wordt de metafoor van de ‘kanteling’ gebruikt, die onder meer staat voor kantelen van aanbod naar vraaggestuurd, van probleem- naar krachtgericht, van individueel naar contextueel, van organisatie- naar netwerkgericht, van verticale naar horizontale verhoudingen. Terwijl de transitie staat voor verandering in het stelsel van financiering, regelgeving en organisatie, laten we zeggen de structuur, staat transformatie vooral voor de verandering in de cultuur van werken en het anders inzetten van kennis.
DOCUMENT
Deze vervolgaanvraag is gebaseerd op de resultaten van de eerste fase aanloopactiviteiten LC en bouwt voort op de geformuleerde conclusies en aanbevelingen. Learning community-ontwikkeling en docentprofessionalisering zijn cruciale elementen in de ontwikkeling van een responsief regionaal ecosysteem gericht op het slimmer en beter opleiden van mensen voor de waterstoftransitie. Met betrekking tot learning community-ontwikkeling onderzoeken we de wijze waarop de integratie van de W in de WIL driehoek verbeterd kan worden. Daarnaast richten we ons met onderzoek op het leren in een learning community te transformeren van leren van elkaar naar leren met elkaar. In het project is daarnaast specifiek aandacht voor de rol van docenten in regionale ecosystemen. Docenten hebben – net als de andere deelnemers in een learning community – een andere rol dan die van de klassieke docent. Die rol verschuift naar samenwerken in de regio, participeren in ontwikkeling van innovaties met bedrijven en onderzoekers en zo meer. Dat vraagt om een andere benadering van docentprofessionalisering. We richten regionale experimenten in waarin verschillende mechanismes en interventies rond de ontwikkeling van learning communities en de veranderende rol van deelnemers daarin worden onderzocht op hun effectiviteit.
In de schoonmaakbranche is de werkdruk hoog . Hierdoor worden gebouwen dagelijks niet goed genoeg schoongemaakt. Er heerst krapte op de arbeidsmarkt. Schoonmaakwerk is vooral handmatig werk en is ook zwaar werk. De schoonmaakbranche is dringend op zoek naar technologische oplossingen die het werk in de toekomst kunnen verlichten. Eén van die technologische oplossingen is de introductie van schoonmaakrobots , die op dit moment mondjesmaat op de markt worden gebracht. Schoonmaakorganisaties weten nog niet goed hoe deze robots efficiënt in te zetten, het vergt nog veel tijd om ze te kunnen gebruiken en schoonmaakmedewerkers zijn terughoudend om ermee te werken. Het project Assisted Cleaning Robots (ACR) richt zich op de volgende onderzoeksvraag: “hoe integreer je robottechnologie in het werkproces in de schoonmaakbranche, zodat een robot enerzijds zo optimaal mogelijk het werkproces ondersteunt, en anderzijds zo optimaal mogelijk met de mens samenwerkt.” Wat hierin optimaal is en hoe dit gemeten kan worden, is onderdeel van het onderzoek en is afhankelijk van de technologische mogelijkheden, de mensen die er mee werken, en de werkomgeving. In dit project werken Fontys Hogeschool Engineering, Fontys Hogeschool Techniek & Logistiek en de Haagse Hogeschool samen met schoonmaakorganisaties CSU en Hectas en andere bedrijven (toeleveranciers van schoonmaakrobots als ontwikkelaars), nationaal samenwerkingsverband Holland Robotics en brancheorganisatie Schoonmakend Nederland. Dit project kent een looptijd van twee jaar en gaat van start op 1 november 2021. In dit project worden nieuwe schoonmaakprocessen gedefinieerd en wordt op basis van deze processen technologie ontwikkeld (waar doorgaans eerst een nieuw product wordt ontwikkeld en daarna pas gekeken naar hoe dit product in te zetten). In dit project staat de mens die met de technologie in het proces moet gaan werken centraal. De technologie en het proces worden gevalideerd middels praktijktests met de betrokken schoonmaakorganisaties, op representatieve locaties. Hieruit worden lessen getrokken voor verbeteringen.
Fietsen is diepgeworteld in de Nederlandse cultuur en draagt bij aan een duurzame, gezonde en mobiele samenleving. Met de opkomst van nieuwe (elektrische) vervoersmiddelen, neemt ook de complexiteit van het verkeer toe en ontstaan er nieuwe veiligheidsuitdagingen. Om deze effectief aan te pakken, is het van groot belang om beleidsmakers en educatieve instellingen te voorzien van diepgaande inzichten in fietsgedrag en verkeerssituaties. Met dit project richten we ons op het leveren van deze inzichten door middel van geavanceerde AI-technologieën. De huidige software-oplossingen gericht op het verbeteren van de verkeersveiligheid zijn vaak beperkt in hun functionaliteit en toepassingsgebied. Ze richten zich voornamelijk op het tellen en volgen van verkeersdeelnemers, zonder de complexiteit van fietsverkeer te analyseren. Ons project onderscheidt zich door het gebruik van recente state-of-the-art AI-methoden om complexe verkeerssituaties en fietsgedrag automatisch te analyseren en te classificeren. Ons AI-gestuurde systeem maakt gebruik van Nederlandse videobeelden afkomstig van zowel statische camera's als camera's gemonteerd op fietsers. Hierdoor kunnen we onveilig fietsgedrag en risicovolle situaties herkennen en aanbevelingen doen aan beleidsmakers voor infrastructuuraanpassingen. Het implementeren van AI in opleidingen zoals ruimtelijke ordening zal leiden tot een verfrissend curriculum dat studenten future-proof opleidt. Samen werken we aan de ruimtelijke ontwikkeling van de toekomst. Bovendien kunnen de AI-tools worden gebruikt om lesmateriaal te ontwikkelen, waardoor zij beter inzicht krijgen in de factoren die bijdragen aan onveilige situaties en hoe zij hun gedrag kunnen aanpassen om het risico op ongevallen te verminderen. Het aanvragende consortium bestaat uit een multidisciplinair team van onderzoekers en studenten uit de AI, computer vision, verkeerspsychologie, verkeerskunde en ruimtelijke ontwikkeling, die samenwerken met publieke instellingen en commerciële partners aan een open-source intelligent softwaresysteem. Samengevat zal dit project niet alleen de huidige kennis over fietsgedrag en verkeersveiligheid uitbreiden, maar ook de manier waarop beleidsmakers en educatieve instellingen met deze kwesties omgaan transformeren.
