Whitepaper in een serie over HR Analytics Elke organisatie neemt voortdurend HRM-beslissingen, zoals over het aannamebeleid, de beloning en talentmanagement. Wanneer ze daarbij gebruik maken van predictive analytics, oftewel voorspellende analyse, kunnen organisaties de kans berekenen dat een individuele medewerker bepaald gedrag gaat vertonen. Voorspellende analyse leidt daardoor tot betere besluiten en maakt het mogelijk om gericht actie te ondernemen. Inhoud: • Inleiding 1. Zorg voor kwalitatief hoogwaardige data 2. Maak de stap van dataverzameling naar rapportage 3. Ontwikkel voorspellende modellen op basis van historische data 4. Gebruik voorspellende modellen om inzicht te krijgen 5. Baseer HRM-maatregelen op inzichten uit voorspellende analyses • Conclusie
MULTIFILE
Whitepaper in een serie over HR Analytics. Steeds vaker worden HRM-beslissingen gebaseerd op voorspellende modellen die ontwikkeld zijn op basis van historische data. In deze whitepaper bespreken we een aantal best practices die organisaties daarbij kunnen helpen. Zo is het belangrijk om goed te letten op de oorsprong van gegevens. Objectieve meetgegevens zijn bijvoorbeeld vaak van grotere waarde dan subjectieve antwoorden uit enquêtes. Wanneer een organisatie data wil verzamelen voor een People Analytics-project, is het daarnaast belangrijk om zeker te weten dat er meetinstrumenten worden gekozen die ook echt meten wat ze beogen te meten. Inhoud: • Inleiding 1. Kies de juiste steekproef 2. Let op de grootte van de steekproef 3. Geef de voorkeur aan objectieve gegevens 4. Zorg voor valide meetinstrumenten 5. Koppel data op een privacyvriendelijke manier 6. Denk na over het gebruik van gemiddelden 7. Verwar oorzaak en gevolg niet 8. Laat je niet foppen door percentages 9. Let op verklaarde variantie 10. Kijk altijd naar de netto opbrengst 11. Voer waar nodig extra analyses uit 12. Maak voldoende tijd vrij voor Analytics • Conclusie
MULTIFILE
Dit is alweer de vijfde editie van het congres Met het oog op behandeling. De afgelopen jaren hebben we gezien dat de maatschappelijke belangstelling voor mensen met een licht verstandelijke beperking (LVB) sterk toeneemt. Dit jaar is er zelfs een Interdepartementaal Beleidsonderzoek gedaan door diverse ministeries over de positie van mensen met een LVB in de Nederlandse samenleving. In het onderzoeksrapport wordt gepleit voor het verbeteren van de communicatie tussen algemene voorzieningen en deze burgers. Voor alle professionals in het brede sociaal domein wordt aanbevolen dat zij meer kennis en vaardigheden moeten hebben voor hun hulp- en dienstverlening aan mensen met een LVB. Dat geldt voor alle professionals in het sociaal domein en in het bijzonder voor professionals die werken voor cliënten met een LVB waarbij sprake is van ernstige gedragsproblematiek en psychische problemen. In dat geval moet je kunnen omgaan met ‘onbegrepen gedrag’ en agressie en wil je beschikken over de beste, actuele kennis op dat gebied.
DOCUMENT
Hoger onderwijsinstellingen investeren vaak fors in studentenmobiliteit en andere internationaliseringsactiviteiten die de ontwikkeling van interculturele competenties bij studenten moeten bevorderen. De verwachte meerwaarde van zulke projecten wordt vooral uitgedrukt in termen van carrièreperspectief, waarin interculturele competenties een centrale component vormen. Wat in veel internationaliseringsprojecten echter niet gebeurt, is nagaan in welke mate deze projecten ook echt het gewenste effect opleveren op de houding en het gedrag van de studenten. Vooral internationaliseringservaringen in verre bestemmingen vergen een substantiële investering van student en instelling, terwijl niet helemaal duidelijk is of studenten hierdoor ook daadwerkelijk intercultureel competenter worden. Mede om het leerrendement van internationalisering beter in kaart te brengen, is binnen Zuyd Hogeschool de Global Mind Monitor ontwikkeld, een kwantitatief meetinstrument dat zowel de effecten van internationalisering in eigen land als over de grenzen kan meten. In dit artikel gebruiken we recente data (2015-2016) van een eerste longitudinale pilot study bij 320 studenten met dit meetinstrument. Op basis van t-toetsen en meervoudige regressieanalyses onderzoeken we met name het belang van culturele afstand tot het gastland voor de ontwikkeling van interculturele competenties bij studenten. De analytische modellen bevestigen onze verwachting: hoe groter de culturele afstand tussen het thuisland en het gastland, hoe sterker het leereffect. Deze resultaten kunnen nuttige inzichten opleveren voor de verdere ontwikkeling van in internationalisering, zowel over de grens als ‘at home’.
DOCUMENT
In dit artikel wordt dieper ingegaan op het eerstgenoemde classificatieschema: de classificatie naar de variabiliteit van een bedrijfsregel
LINK
The search for existing non-animal alternative methods for use in experiments is currently challenging because of the lack of both comprehensive structured databases and balanced keyword-based search strategies to mine unstructured textual databases. In this paper we describe 3Ranker, which is a fast, keyword-independent algorithm for finding non-animal alternative methods for use in biomedical research. The 3Ranker algorithm was created by using a machine learning approach, consisting of a Random Forest model built on a dataset of 35 million abstracts and constructed with weak supervision, followed by iterative model improvement with expert curated data. We found a satisfactory trade-off between sensitivity and specificity, with Area Under the Curve (AUC) values ranging from 0.85-0.95. Trials showed that the AI-based classifier was able to identify articles that describe potential alternatives to animal use, among the thousands of articles returned by generic PubMed queries on dermatitis and Parkinson's disease. Application of the classification models on time series data showed the earlier implementation and acceptance of Three Rs principles in the area of cosmetics and skin research, as compared to the area of neurodegenerative disease research. The 3Ranker algorithm is freely available at www.open3r.org; the future goal is to expand this framework to cover multiple research domains and to enable its broad use by researchers, policymakers, funders and ethical review boards, in order to promote the replacement of animal use in research wherever possible.
DOCUMENT
Routine immunization (RI) of children is the most effective and timely public health intervention for decreasing child mortality rates around the globe. Pakistan being a low-and-middle-income-country (LMIC) has one of the highest child mortality rates in the world occurring mainly due to vaccine-preventable diseases (VPDs). For improving RI coverage, a critical need is to establish potential RI defaulters at an early stage, so that appropriate interventions can be targeted towards such population who are identified to be at risk of missing on their scheduled vaccine uptakes. In this paper, a machine learning (ML) based predictive model has been proposed to predict defaulting and non-defaulting children on upcoming immunization visits and examine the effect of its underlying contributing factors. The predictive model uses data obtained from Paigham-e-Sehat study having immunization records of 3,113 children. The design of predictive model is based on obtaining optimal results across accuracy, specificity, and sensitivity, to ensure model outcomes remain practically relevant to the problem addressed. Further optimization of predictive model is obtained through selection of significant features and removing data bias. Nine machine learning algorithms were applied for prediction of defaulting children for the next immunization visit. The results showed that the random forest model achieves the optimal accuracy of 81.9% with 83.6% sensitivity and 80.3% specificity. The main determinants of vaccination coverage were found to be vaccine coverage at birth, parental education, and socio-economic conditions of the defaulting group. This information can assist relevant policy makers to take proactive and effective measures for developing evidence based targeted and timely interventions for defaulting children.
MULTIFILE
Het aantal kinderen dat slachtoffer is van kindermishandeling en huiselijk geweld is hoog en al jaren constant. Met de komst van moderne digitale technologieën wordt voorzichtig verkend of er oplossingsrichtingen liggen ten aanzien van dit probleem. Hoewel technologieën zoals big data en machine learning potentie hebben in het analyseren van grote hoeveelheden data en dus ook in het mogelijk (eerder) signaleren van kindermishandeling, zijn er de nodige programmatische en ethische overwegingen waar rekening mee dient te worden gehouden. Indien mogelijke toepassingen nader worden verkend, is het tevens van belang dat professionals binnen het sociale domein ook kennis hebben van de werking van de diverse vormen van digitale technologie en dat er wordt intensief wordt samengewerkt met de verschillende domeinen waarin de technologie nader wordt ontworpen.
DOCUMENT
Volgens de literatuur zijn zowel fysieke synchrone als online asynchrone participatie van groot belang voor prestaties in blended leeromgevingen. De combinatie zou kunnen leiden tot meer diepgaande interactie tijdens colleges. Tot nu toe werd echter vooral gekeken naar de effecten van individuele participatie van voltijdstudenten. In deze studie onderzochten we de rol van fysieke en online participatie van 821 deeltijd en voltijdstudenten die in 32 verschillende klassen deelnamen aan dezelfde blended leeromgeving. We onderzochten hierbij niet alleen de voorspellende waarde van individuele participatie maar testen met multilevel modellen ook de invloed van gemiddelde fysieke en online participatie van de groep. Uit de analyses komt naar voren dat fysieke participatie alleen bij voltijdstudenten testuitslagen significant voorspelt. Online participatie is bij zowel voltijd- als deeltijdstudenten een significante voorspeller van het cijfer en de slaagkans. De combinatie van online en fysieke participatie leverde geen aanvullende meerwaarde op. Gemiddelde fysieke en onlineparticipatie in de klas waren, verrassend genoeg, significante negatieve voorspellers van toetsuitslagen. Studenten scoorden hoger en slaagden vaker wanneer hun klasgenoten gemiddeld minder participeerden. Vervolgonderzoek zou verder uit kunnen wijzen of studenten die vaak aanwezig zijn in klassen met lage aanwezigheid het beter doen door meer begeleiding of dat docenten participatie al dan niet bewust meewegen bij de beoordeling van studenten.
DOCUMENT
Ook binnen het human capital domein van organisaties wordt data-analyse steeds meer ingezet ten behoeve van evidence based besluitvorming, op zowel operationeel-, tactisch-, als strategisch niveau. Geïnspireerd door succesverhalen van organisaties die vele tientallen miljoenen aan besparingen hebben gerealiseerd, en tegelijkertijd de productiviteit en bevlogenheid van medewerkers hebben verbeterd, wordt People Analytics mainstream. Mede doordat de human capital kosten in organisaties (bv. recruitment, salaris, training, ziekteverzuim) gemiddeld ongeveer 60% van de totale organisatiekosten omvatten, is de potentiele invloed van People Analytics op het succes van organisaties aanzienlijk15. Bovendien is het human capital domein traditioneel een terrein waar veel data worden vastgelegd, denk bijvoorbeeld aan functionerings- en beoordelingsdata, data over trainingen en opleidingen, en salarisgegevens. Daarnaast zijn er buiten de organisatiegrenzen steeds meer social mediadata over potentiele medewerkers beschikbaar, die – uiteraard binnen de wettelijke en ethische kaders – gebruikt kunnen worden voor onder andere arbeidsmarktanalyse
DOCUMENT
