Sedentary behavior (SB) is prevalent in workplaces, putting office workers at an increased risk of severe health problems. To help designers and researchers gain a better understanding of office workers’ contextual concerns for physical inactivity (reducing SB and enhancing physical activity (PA)), we have proposed a conceptual framework ACTIVE4. This framework advises designers and researchers to consider four key factors that influence office workers’ physical inactivity: active mind, active behavior, active support, and active environment. We conducted three workshops (N=28 design students) to evaluate the framework. The participants found ACTIVE4 helpful in guiding them towards a more systematic understanding of the environmental influences and office workers’ personal needs for reducing physical inactivity. In future work, we will optimize the ACTIVE4 framework’s learning curve as suggested by participants and conduct an expert study to further discuss design opportunities and requirements for the ACTIVE4-related vitality toolkit.
A conceptual framework for analysing sports policy factors leading to international sporting success.
The subject of this textbook is a methodical approach on the complex problem-solving process of conceptual structural design, leading to a controlled build-up of insight into the behaviour of the structure and supporting the actual successive design decisions during the conceptual design phase on the basis of a coherent set of solution components.
The tourism strategy of the municipality of Amsterdam and the Destination Management Organisation stress the importance of increasing liveabilty and enhancing a sense of unity through, also by connecting with residents. An important area in which they would like to achieve this, is Amsterdam Noord, a neighbourhood that was historically on the fringe of the city but is now appointed as one of the (to be further developed) multi-cores of the city. As such it is facing a rapid transformation on a social, cultural, economic and infrastructural level with an increasing leisure and tourism offer. The idea is to apply principles of regenerative tourism and community capacity building to ensure a sustainable tourism development, although it remains unclear how to do this in in practice. The current PD addresses this issue by investigating possible regenerative urban tourism principles and practices (here: collaborative interventions) that can be designed to increase local community building capacities, using a living lab setting in Amsterdam-Noord. It follows a participatory action research approach where the researcher is part of a living lab team and local eco system. By participating in local meet-ups as well as desk research and (group)interviews a further contextual understanding of how regenerative tourism can be conceptualised in an urban context is gained. Next, workshops, experiments and design-based interventions with local stakeholders will be done to construct different stories of place and new ways of performing tourism. The PD will contribute to knowledge development creating a conceptual framework for regenerative urban tourism. It will also provide academic and practical insights on with regards to stimulating capacity building and how to measure this within a tourism context (also in relation to co-creation and placemaking practices), what potentials can be tapped into and how small-scall collaborative interventions can influence wider system change.
Various studies suggest that the fashion and textile industry need to move away from traditional, extractive leadership models. Dreier et al. (2019) show how traditional top-down, hierarchical leadership approaches are not effective in fostering sustainability, and argued that a more collaborative, participative approach is needed to implement true and long-standing change. Moreover, research also shows how fashion and textile designers don’t see themselves as leaders but instead as ‘creators’ who employ others to manage their business and lead the team. This change in leadership is also necessary to achieve the European vision for Industry 5.0 (2022), which places the wellbeing of the worker at the centre of the production process. If we want to find solutions to the problems we face today, we need to change the way we think, lead, and do business. This calls for regenerative leadership which involves not only minimising negative impacts, but also actively working to restore and enhance the social ecological systems in which an industry operates. And since technology has become ubiquitous in every aspect of our lives (including business), it is important to explore its role in helping us become better regenerative leaders. With ReLead, The Hague University of Applied Sciences (THUAS) aims to amplify consortium partner i-did’s social and environmental impact. Since its inception in 2009, i-did has helped more than 400 people become gainfully employed while helping recycle almost 60.000 kgs of textile waste. This has been possible due to the transformation of i-did’s founder (Mireille Geijsen) from a creative designer, into a collaborative and mindful leader. The intended outcome of this project is to create a tech-enabled leadership transformation toolkit and leadership academy that helps creative designers transform into regenerative leaders.
Toepassingen gebaseerd op artificiële intelligentie (AI) worden steeds vaker ingezet voor het maken van keuzes en besluiten. Deze toepassingen worden echter ook steeds complexer. Het is in sommige gevallen niet of moeilijk na te gaan hoe een algoritme tot een besluit is gekomen. Wat de AI doet is als het ware ondoorzichtig. Dit geldt ook in de financiële sector, terwijl juist in deze sector vertrouwen een grote rol speelt. Daarom is het belangrijk dat bijvoorbeeld klanten en toezichthouders in de financiële sector een passende uitleg krijgen hoe een op AI gebaseerd besluit tot stand gekomen is. Bijvoorbeeld waarom een lening niet is toegekend of waarom een transactie is aangemerkt als mogelijk frauduleus. Uitlegbare AI (in het Engels Explainable AI ofwel XAI) is het onderzoeksveld dat streeft naar het inzichtelijk maken van ondoorzichtige AI. Dat start volgens ons met het in beeld krijgen wat voor soort uitleg in welke situatie voor welk type stakeholder vereist is bij toepassing van AI. Verder is het de vraag welke vormen van AI zich goed lenen voor uitleg, en welke XAI-oplossing het beste geschikt is om een uitleg te kunnen genereren. Wij hebben XAI gedefinieerd als een set van methoden en technieken om een stakeholder een passende uitleg te kunnen geven over het functioneren en/of de resultaten van een AI-oplossing op een zodanig manier dat die uitleg begrijpelijk is voor en tegemoet komt aan de zorgen van die stakeholder. Doel Het doel van het project is om in samenwerking met organisaties in de financiële sector praktijkgericht onderzoek te doen naar uitlegbaarheid en daarbij de randvoorwaarden van uitlegbaarheid in beeld te brengen. Dit bestaat enerzijds uit het helder krijgen van de stakeholders en welke uitleg zij verwachten en anderzijds hoe die uitleg het beste tot stand kan worden gebracht. Organisaties waarmee wordt samengewerkt zijn onder andere financiële dienstverleners en toezichthouders. Resultaten Raamwerk voor uitlegbare AI met type stakeholders en soorten uitleg voor de financiële sector. Dit raamwerk is uiteengezet in het whitepaper: XAI in the financial sector 'a conceptual framework for explainable AI'. De Hogeschool Utrecht heeft meegewerkt aan een verkennend onderzoek naar uitlegbaarheid bij AI met DNB, de AFM, de Nederlandse Vereniging van Banken en drie Nederlandse grootbanken. In dit onderzoek is het raamwerk van de Hogeschool Utrecht toegepast. Bekijk de resultaten van het onderzoek. Op basis van dit onderzoek is een paper ingediend en geaccepteerd op de 33e Benelux Conference on Artificial Intelligence. De Hogeschool Utrecht heeft samen met consortiumpartners Floryn, Researchable en de Volksbank in een eenjarig project onderzoek gedaan naar aspecten die een rol spelen bij het implementeren van explainable AI. Als resultaat van dit onderzoek is een checklist gepubliceerd en een whitepaper waarin deze checklist uitgebreid wordt toegelicht. Daarnaast is een paper ingediend bij de HHAI2023 conferentie. Meer informatie over dit project is op deze pagina te vinden. Een subsidieaanvraag voor een tweejarig RAAK-mkb project is gehonoreerd. Dit project, FIN-X geheten, heeft tot doel hulpmiddelen te ontwikkelen die interne gebruikers van AI-toepassingen meer en beter inzicht geven in de werking en uitkomsten ervan. Meer informatie over dit project is op de volgende pagina te vinden. In samenwerking met de Copenhagen Business School en het Verbond van Verzekeraars heeft de Hogeschool Utrecht in 2023 onderzoek gedaan naar de rol van explainable AI bij fraudedetectie van schadeclaims bij verzekeraars. De resultaten van het onderzoek zijn vastgelegd in dit Whitepaper. De belangrijkste conclusie uit het onderzoek is dat de implementatie van AI bij fraudedetectie een businesstransformatie is met veel ethische en organisatorische overwegingen. De uitlegbaarheid van het AI-systeem wordt als cruciaal gezien, zowel vanuit ethisch oogpunt (als onderdeel van het transparantiebeginsel), als vanuit praktisch oogpunt (als middel om vertrouwen en acceptatie te winnen van interne belanghebbenden, en voor een goede samenwerking tussen mens en machine). De praktische implementatie van explainable AI is nog steeds een punt van discussie en onderzoek in de sector. Looptijd 01 juni 2020 - 31 maart 2025 Aanpak Vanuit de Hogeschool Utrecht streven we naar praktijkgericht onderzoek en steken daarom het onderzoek naar XAI in op het niveau van use-cases. We willen per use-case in kaart brengen welke stakeholders behoefte hebben aan welke uitleg. Door deze aanpak kunnen we gericht vanuit de praktijk de link met de literatuur leggen en nieuwe inzichten rapporteren. Een voorbeeld van een use-case die wordt onderzocht is kredietverlening aan consumenten (consumptief krediet). Uiteindelijk werken we toe naar een raamwerk met bijbehorende principes en richtlijnen voor XAI toegespitst op de gehele financiële sector.” veranderen in: “Voorbeelden van use-cases die worden onderzocht zijn kredietverlening, klantacceptatie en fraudedetectie bij claimafhandeling. Uiteindelijk werken we toe naar tools voor XAI toegespitst op de gehele financiële sector. Financiële dienstverleners of andere partijen in het financiële ecosysteem die geïnteresseerd zijn in samenwerking met ons worden van harte uitgenodigd contact met ons op te nemen. Download het whitepaper whitepaper: XAI in the financial sector Gerelateerd project Dit project is gekoppeld aan het KIEM project Uitlegbare AI in de Financiële Sector, dat de opzet kan zijn voor een aanvraag voor vervolgonderzoek om uiteindelijk te komen tot een aanpak en hulpmiddelen voor uitlegbare AI.
