Dit artikel beschrijft een onderzoek naar werkzame elementen in de samenwerking binnen innovatieve leeromgevingen, professionele werkplaatsen (PW) genoemd. In PW werken onderwijs en beroepspraktijk samen aan complexe vraagstukken waarbij de ontwikkeling van betrokkenen en de innovatie van de beroepspraktijk centraal staan. Op basis van literatuuronderzoek, verkennende interviews met 11 sleutelfiguren en een meervoudige casestudie waarin vanuit 4 cases 75 betrokkenen participeerden, is het model Lerend en Onderzoekend Samenwerken in PW ontwikkeld. Het model omvat zes elementen en laat zien dat het lerend en onderzoekend samenwerken centraal staat in een PW en zich ontwikkelt binnen een grensoverstijgende en ontwikkelingsgerichte cultuur. Betrokkenen in een PW leren gezamenlijk doordat ze samenwerken in de dienstverlening en hierbij waarde hechten aan het delen van verschillende perspectieven. Door facilitering van mensen en middelen en door de samenwerking vorm te geven vanuit een gezamenlijke visie, kunnen betrokkenen elkaar leren kennen en afstemmen op welke manier zij samen kunnen bijdragen aan de innovatie van de beroepspraktijk. Hiervoor zijn zowel het opbouwen van relaties als het expliciteren en verdelen van taken en verantwoordelijkheden essentieel. Het model, dat een systemisch perspectief kent, biedt uitgangspunten en handvatten om de samenwerking binnen een PW te evalueren en te versterken.
MULTIFILE
Het lectoraat noemt dit Next Education, Next Governance en Next Business. Het lectoraat is nauw verbonden met Buurtsamenwerking Helpman/de Wijert, waarin alle hiervoor genoemde modellen tot uiting komen. In de Buurtsamenwerking wordt gezamenlijk een weg gezocht om ondernemers, overheid, wijkbewoners en onderwijs met elkaar te verbinden om samen te werken aan toepasbare oplossingen voor actuele vraagstukken.Aan de Buurtsamenwerking Helpman/de Wijert is de Innovatiewerkplaats verbonden. Annet Muller-ter Veen is als manager van de Innovatiewerkplaats verantwoordelijk voor het operationaliseren van de verbinding tussen alle partijen. Daarvoor vertaalt zij actuele vraagstukken naar concrete projecten, waarbij zich Community’s of Innovative Learners (COIL’s) vormen vanuit de participanten van het onderwijs, overheid, ondernemers en wijkbewoners. Als
MULTIFILE
The number of applications in which industrial robots share their working environment with people is increasing. Robots appropriate for such applications are equipped with safety systems according to ISO/TS 15066:2016 and are often referred to as collaborative robots (cobots). Due to the nature of human-robot collaboration, the working environment of cobots is subjected to unforeseeable modifications caused by people. Vision systems are often used to increase the adaptability of cobots, but they usually require knowledge of the objects to be manipulated. The application of machine learning techniques can increase the flexibility by enabling the control system of a cobot to continuously learn and adapt to unexpected changes in the working environment. In this paper we address this issue by investigating the use of Reinforcement Learning (RL) to control a cobot to perform pick-and-place tasks. We present the implementation of a control system that can adapt to changes in position and enables a cobot to grasp objects which were not part of the training. Our proposed system uses deep Q-learning to process color and depth images and generates an (Formula presented.) -greedy policy to define robot actions. The Q-values are estimated using Convolution Neural Networks (CNNs) based on pre-trained models for feature extraction. To reduce training time, we implement a simulation environment to first train the RL agent, then we apply the resulting system on a real cobot. System performance is compared when using the pre-trained CNN models ResNext, DenseNet, MobileNet, and MNASNet. Simulation and experimental results validate the proposed approach and show that our system reaches a grasping success rate of 89.9% when manipulating a never-seen object operating with the pre-trained CNN model MobileNet.
Het basisonderwijs staat voor de lastige opgave om kinderen meer te laten bewegen zonder dat dat ten koste gaat van de kernvakken als rekenen en taal. Er is wel een ontwikkeling die kansen biedt: bewegend leren. Dit combineert bewegingsoefeningen met reken- of taaloefeningen en lijkt een meerwaarde te hebben voor de cognitieve ontwikkeling van kinderen. Exergames worden hiervoor al wel mondjesmaat toegepast, maar niet in samenhang met doelstellingen op het gebied van motorische ontwikkeling. Hoe kunnen exergames zo ontwikkeld worden dat ze succesvol ingezet worden in het basisonderwijs om én cognitieve automatiseringsdoelstellingen én motorische ontwikkelingsdoelstellingen geïntegreerd ondersteunen? Door een slimme innovatie van gepersonaliseerd bewegend leren kan zonder dat daar meer verroosterde tijd voor beweegonderwijs voor nodig is de motorische ontwikkeling van kinderen worden versterkt en gemeten, bewegend leren voor het individu geoptimaliseerd worden, de docent ontlast worden, en daarmee de weerstand tegen invoering van bewegend leren verminderd worden. Het samenwerkingsverband verbindt serious game design, cognitieve training van kinderen én motorische ontwikkeling en dat is uniek. Voor de game-design partners levert dit waardevolle kennis op voor het ontwikkelen van exergames die goed geworteld zijn in het onderwijs. Voor de ontwikkeling van de adaptieve games wordt ingezet op een user-centered designproces waarbij co-creatie sessies met vakleerkrachten en game designers een belangrijke rol spelen. De beoogde resultaten zijn (1) een prototype waarmee bewegingen kunnen worden gemonitord en inzichtelijk gemaakt voor de leerkracht; (2) Enkele prototypes van adaptieve games die kinderen nieuwe motorische vaardigheden leren terwijl ze een automatiseringstaak uitvoeren; en (3) Ontwerp- en implementatierichtlijnen voor deze games in de dagelijkse onderwijspraktijk. Het geheel is een proof of concept die game designers in staat stelt om een slimme en adaptieve exergames te maken voor bewegend leren.
De overheidsdoelstelling voor het bereiken van een volledig duurzame en circulaire economie in 2050 stelt de kunststofindustrie voor grote uitdagingen. Vezelversterkte composietmaterialen kunnen enerzijds – dankzij hun hoge sterkte en lage gewicht – een belangrijke bijdrage leveren aan het bereiken van deze doelstelling. Denk bijvoorbeeld aan de toepassing van deze materialen in producten als lichtgewicht auto’s en vliegtuigen. Anderzijds is, gezien het feit dat de componenten van deze materialen (vezels en hars) lastig van elkaar te scheiden zijn, hoogwaardig hergebruik aan het einde van de levensduur vaak onmogelijk. Een nieuwe generatie thermoplastische composietmaterialen waarbij vezels en hars van hetzelfde type polymeer gemaakt zijn, kunnen dit probleem ondervangen. Deze zogenaamde ‘zelfversterkende polymeer composietmaterialen’ kunnen theoretisch gezien volledig worden gerecycled tot de basisgrondstoffen waaruit weer nieuwe materialen kunnen worden gemaakt. Hiermee wordt een volledig gesloten materiaalkringloop gerealiseerd. Echter is meer onderzoek nodig om de theorie ook in de praktijk toe te passen. In het voorgestelde project wordt onderzoek gedaan naar mogelijkheden tot herverwerking van productieafval van zelfversterkend polypropyleen composietmateriaal. Dit waardevolle afvalmateriaal belandt nu helaas nog vaak in de verbrandingsoven. Het doel van het onderzoek is om dit materiaal weer op een hoogwaardige manier te hergebruiken. Het projectvoorstel sluit aan bij MMIP2 ‘Circulaire grondstoffen en processen’ en bij de transitieagenda’s Kunststoffen en Maakindustrie. Het project wordt geleid door het lectoraat Nieuwe Materialen en hun Toepassing (NMT) van Avans Hogeschool. Voor de uitvoering van het project is een breed consortium opgericht waarin de hele keten vertegenwoordigd is van halffabricaten producent, product producent tot verwerkers van afvalmaterialen.
Het aantal migrantenouderen neemt sterk toe. Zij hebben een slechtere gezondheid dan autochtone ouderen. Zo komen chronische ziekten zoals obesitas en diabetes type 2 vaker voor. Een van de belangrijkste onderliggende oorzaken van deze ziekten is sarcopenie, verlies van spiermassa en fysiek functioneren van ouderen. Te weinig bewegen en een inadequate eiwitinname spelen een essentiële rol bij sarcopenie en daarbij ook bij chronische ziekten. Inzicht in sarcopenie, het beweegpatroon en de eiwitinname van migrantenouderen zijn onvoldoende beschikbaar. MKB-praktijken voor fysiotherapie en diëtetiek zien businesskansen om specifiek voor deze sterk groeiende doelgroep expertise op te bouwen en daarmee een groot aantal klanten te kunnen bedienen en te behouden. Het ontbreekt de praktijken echter aan de nieuwste kennis en inzichten voor een effectieve behandeling van sarcopenie bij migrantenouderen. Er zijn geen behandelprogramma’s beschikbaar die zij kunnen gebruiken. Daarnaast ondervinden zij met deze doelgroep problemen met de taal, opleidingsniveau en cultuurverschillen. Voor deze vraag van de MKB-praktijken wordt een beweeg- en voeding programma ontwikkeld speciaal gericht op de behoeften van migrantenouderen, fysiotherapeuten en diëtisten. Middels focusgroepen worden de behoeften van professionals en migrantenouderen onderzocht en voorspellers van beweeg- en voedinggedrag in kaart gebracht. Tevens wordt het fysiek functioneren, lichaams-samenstelling, beweeg- en voedingspatroon van verschillende migrantenouderen populaties geanalyseerd. Gebaseerd op deze uitkomsten wordt een nieuw beweeg en voedingsprogramma ontwikkeld om spiermassa en het fysiek functioneren van migrantenouderen te verbeteren (ProMIO programma). Hiervoor kunnen we gebruik maken van het ProMuscle programma, een succesvol voedings- en beweegprogramma voor sarcopenie uitkomsten voor ouderen. Middels een pilot studie wordt het ProMIO programma in de praktijk geëvalueerd op proces, haalbaarheid en bruikbaarheid voor de professional en migrantenouderen en wordt de effectiviteit op sarcopenie uitkomsten getoetst. De resultaten zullen worden gecommuniceerd naar de beroepenvelden en worden ingebed in het HBO-onderwijs.
