One of the main causes of numerous health problemsis a lack of physical activity. To promote a more active lifestyle,the Hanze University started a health promotion program. Participants were motivated to reach their daily goal of physical activityby means of an activity tracker in combination with two-weeklycoaching sessions. Employing the data of the experiment, weinvestigated the manners in which the predictability of physicalactivity of a participant during the day can be improved. Thecollected step count data was used to construct personalisedmachine learning models, by taking into account the differencebetween physical activities during weekdays on the one handand weekends on the other hand. The training of algorithmsper participant in combination with the time-slices weekdays,weekend and the whole week improves the accuracy of theprediction model. The performance of the models improveseven further when the individualised time-sliced models arecombined. More contextual data, like free time and workinghours, might even extend the accuracy. The use of personalisedprediction models, based on machine learning and time slices,could become an addition in preventive personalized eHealthsystems and mobile activity monitoring. For instance, this canconstitute as a viable addition to a virtual coaching system to helpthe participants to reach their daily goal. As the individualisedmodels allow for predictions of the progression of the physicalactivity during the day, they enable the virtual coaching systemto intervene at the appropriate moment in time.
In this article, the outcomes of a survey aimed to investigate how aware of and how capable coaches in higher vocational Dutch education perceive themselves to assist students displaying mental health and well-being issues are presented. Additionally, the article explores coaches’ perceptions regarding the frequency, form of help offered, topics to be tackled and the preferred form in which this help should be provided. The author conducted a survey that gathered qualitative and quantitative data from coaches (N 5 82) at a Dutch University of Applied Sciences in the north of the Netherlands. A differentiation in coaches’ number of years of teaching and coaching experience was considered.
MULTIFILE
Self-management is widely seen as a viable contribution to sustainable health care as it allows to promote physical and mental well-being. A promising approach to promoting a healthy lifestyle is the deployment of personalized virtual coaches, especially in combination with the latest developments in the fields of Data Science and Artificial Intelligence. This paper presents a framework for a virtual coaching system, as well as a use case in which parts of this framework are applied. The virtual coach in the use case aims to encourage customer contact center employees to protect their mental health. This article outlines one part of the use-case in particular, viz. how to promote employee autonomy and supervisor support by, inter alia, monitoring employees’ levels of emotional exhaustion. Current systems focus on providing users with insight in their health status or behavior, the authors developed the functional architecture for a system that can be implemented for different goals and generates personalized, real-time advice based on the combination of user preferences, motivational success and predicted user behavior.
Nederland kent ongeveer 220.000 bedrijfsongevallen per jaar (met 60 mensen die overlijden). Vandaar dat elke werkgever verplicht is om bedrijfshulpverlening (BHV) te organiseren, waaronder BHV-trainingen. Desondanks brengt slechts een-derde van alle bedrijven de arbeidsrisico’s in kaart via een Risico-Inventarisatie & Evaluatie (RI&E) en blijft het aandeel werknemers met een arbeidsongeval hoog. Daarom wordt er continu geïnnoveerd om BHV-trainingen te optimaliseren, o.a. door middel van Virtual Reality (VR). VR is niet nieuw, maar is wel doorontwikkeld en betaalbaarder geworden. VR biedt de mogelijkheid om veilige realistische BHV-noodsimulaties te ontwikkelen waarbij de cursist het gevoel heeft daar echt te zijn. Ondanks de toename in VR-BHV-trainingen, is er weinig onderzoek gedaan naar het effect van VR in BHV-trainingen en zijn resultaten tegenstrijdig. Daarnaast zijn er nieuwe technologische ontwikkelingen die het mogelijk maken om kijkgedrag te meten in VR m.b.v. Eye-Tracking. Tijdens een BHV-training kan met Eye-Tracking gemeten worden hoe een instructie wordt opgevolgd, of cursisten worden afgeleid en belangrijke elementen (gevaar en oplossingen) waarnemen tijdens de simulatie. Echter, een BHV-training met VR en Eye-Tracking (interacties) bestaat niet. In dit project wordt een prototype ontwikkeld waarin Eye-Tracking wordt verwerkt in een 2021 ontwikkelde VR-BHV-training, waarin noodsituaties zoals een kantoorbrand worden gesimuleerd (de BHVR-toepassing). Door middel van een experiment zal het prototype getest worden om zo voor een deel de vraag te beantwoorden in hoeverre en op welke manier Eye-Tracking in VR een meerwaarde biedt voor (RI&E) BHV-trainingen. Dit project sluit daarmee aan op het missie-gedreven innovatiebeleid ‘De Veiligheidsprofessional’ en helpt het MKB dat vaak middelen en kennis ontbreekt voor onderzoek naar effectiviteit rondom innovatieve-technologieën in educatie/training. Het project levert onder meer een prototype op, een productie-rapport en onderzoeks-artikel, en staat open voor nieuwe deelnemers bij het schrijven van een grotere aanvraag rondom de toepassing en effect van VR en Eye-Tracking in BHV-trainingen.
