This study investigates the degree of news avoidance during the first months of the Covid-19 pandemic in the Netherlands. Based on two panel surveys conducted in the period April–June 2020, this study shows that the increased presence of this behavior, can be explained by negative emotions and feelings the news causes by citizens. Moreover, news avoidance indeed has a positive effect on perceived well-being. These findings point to an acting balance for individual news consumers. In a pandemic such as Covid-19 news consumers need to be informed, but avoiding news is sometimes necessary to stay mentally healthy.
Groeiende werkloosheid en daarmee inkomensdalingen bij huishoudens kondigen zich nu al aan. In hoeverre hebben ‘we’ geleerd van de lessen uit de vorige crisis van 2008? Zijn de ‘vette’ jaren alleen gebruikt om geld opzij te leggen voor slechte tijden, of is die tijd ook gebruikt om systeemfouten aan te pakken?
Middels een RAAK-impuls aanvraag wordt beoogd de vertraging van het RAAK-mkb project Praktische Predictie t.g.v. corona in te halen. In het project Praktische Predictie wordt een prototype app ontwikkeld waarmee fysiotherapeuten in een vroeg stadium het chronisch worden van lage rugpijn kunnen voorspellen. Om chronische rugpijn te voorkomen is het belangrijk om in een vroeg stadium de kans hierop in te schatten door psychosociale en mogelijk andere risicofactoren op chronische pijnklachten te herkennen en hierop te interveniëren. Fysiotherapeuten zijn met deze vraag naar het lectoraat Werkzame factoren in Fysiotherapie en Paramedisch Handelen van de Hogeschool van Arnhem en Nijmegen gegaan en dit heeft aanleiding gegeven een onderzoek op te zetten waarin een dergelijke methodiek ontwikkeld wordt. De voorgestelde methodiek betreft een Clinical Decision Support Tool waarmee een geïndividualiseerde kans op chronische rugpijn kan worden bepaald gekoppeld aan een behandeladvies conform de lage rugpijn richtlijn. Hiervoor is eerst geïnventariseerd welke methoden fysiotherapeuten reeds gebruiken en welke in de literatuur worden genoemd. Op basis hiervan is een keuze gemaakt ten aanzien van data die digitaal verzameld worden in minimaal 16 fysiotherapiepraktijken waarbij patiënten gedurende 12 weken gevolgd worden. Met de verzamelde data worden met machine learning algoritmes ontwikkeld voor het berekenen van de kans op chroniciteit. De algoritmes worden ingebouwd in de Clinical Decision Support Tool: een gebruiksvriendelijke prototype app. Bij het ontwikkelen van de tool worden eindgebruikers (fysiotherapeuten en patiënten) intensief betrokken. Op deze manier wordt gegarandeerd dat de tool aansluit bij de wensen en behoeften van de doelgroep. De tool berekent de kans op chroniciteit en geeft een behandeladvies. Daarnaast kan de tool gebruikt worden om patiënten te informeren en te betrekken bij de besluitvorming. Vanwege de coronacrisis is er een aanzienlijke vertraging in de patiënten-instroom (doel n= 300) ontstaan die we met ondersteuning van een RAAK-impuls subsidie willen inlopen.
In dit project verricht het lectoraat Familiebedrijven van Hogeschool Windesheim samen met de Hogeschool Utrecht, Hogeschool van Amsterdam, CUMELA, de Jong & Laan en MKB familiebedrijven praktijkgericht onderzoek naar financiering en besluitvorming bij MKB familiebedrijven. Nu banken vanwege de economische crisis terughoudender zijn geworden in kredietverlening en hun financieringseisen hebben verzwaard, zijn meer bedrijven aangewezen op eigen middelen en familiekapitaal. Vormen van zelf-financiering worden steeds belangrijker om groei en continuïteit van MKB familiebedrijven te waarborgen. Met name bij de overdracht van kapitaalintensieve MKB familiebedrijven worden complexe financieringsconstructies bedacht om de overname mogelijk te maken. Vaak wordt hierbij onvoldoende nagedacht over het onderscheid tussen de verschillende rollen die familieleden kunnen hebben als ze met hun vermogen in het bedrijf zitten (eigenaar of andere vermogensverschaffer, familielid, directielid, werknemer). Hierdoor kan onduidelijkheid ontstaan over onderwerpen zoals besluitvorming, rendement op vermogen, zeggenschap en beloningsstructuren, waardoor op termijn conflicten kunnen ontstaan. Daarnaast kan de besturing van ondernemingen door de verschillende belangen van vermogensverschaffers in negatieve zin worden beïnvloed en kan dit (op termijn) de continuïteit, wendbaarheid en groei van ondernemingen in gevaar brengen. Zowel in de praktijk als in het onderzoek ontbreekt het aan kennis over hoe met deze problematiek kan worden omgegaan. Dit project heeft daarom tot doel om samen met de projectpartners nieuwe kennis te ontwikkelen rond zelf-financiering en besluitvorming in MKB familiebedrijven. Door middel van ontwerpgericht praktijkonderzoek wordt bestaande en nieuwe kennis over de rol van zelf-financiering en de positie van eigenaren omgezet in oplossingsrichtingen ter verbetering van de besluitvorming in MKB familiebedrijven. Door het monitoren van de uitgevoerde interventies zal worden vastgesteld of de oplossingsrichtingen in de praktijk werken. De kennis die uit dit project voortkomt beoogt daarmee het handelingsvermogen van eigenaren en directieleden te vergroten en zelf-financiering als mogelijke financieringsbron effectiever te maken.
In de automotive sector vindt veel onderzoek en ontwikkeling plaats op het gebied van autonome voertuigtechnologie. Dit resulteert in rijke open source software oplossingen voor besturing van robotvoertuigen. HAN heeft met haar Streetdrone voertuig reeds goede praktijkervaring met dergelijke software. Deze oplossingen richten zich op een Operational Design Domain dat uitgaat van de publieke verkeersinfrastructuur met daarbij de weggebruikers rondom het robotvoertuig. In de sectoren agrifood en smart industry is een groeiende behoefte aan automatisering van mobiele machinerie, versterkt door de actuele coronacrisis. Veel functionaliteit van bovengenoemde automotive software is inzetbaar voor mobiele robotica in deze sectoren. De toepassingen zijn enerzijds minder veeleisend - denk aan de meer gestructureerde omgeving, lagere snelheden en minder of geen ‘overige weggebruikers’ – en anderzijds heel specifiek als het gaat over routeplanning en (indoor) lokalisatie. Vanwege dit specifiek karakter is de bestaande software niet direct inzetbaar in deze sectoren. Het MKB in deze sectoren ervaart daarom een grote uitdaging om dergelijke complexe autonome functionaliteit beschikbaar te maken, zonder dat men kan voorbouwen een open, sectorspecifieke softwareoplossing. In Automotion willen de aangesloten partners vanuit bestaande kennis en ervaring tot een eerste integratie en demonstratie komen van een beschikbare automotive open source softwarebibliotheek, aangepast en specifiek ingezet op rijdende robots voor agrifood en smart industry, met focus ‘pickup and delivery’ scenario’s. Hierbij worden de aanpassingen - nieuwe en herschreven ‘boeken’ in de ‘bibliotheek’ - weer in open source gepubliceerd ter versterking van het MKB en het onderwijs. Parallel hieraan willen de partners ontdekken welke praktijkvragen uit dit proces voortvloeien en welke onderliggende kennislacunes in de toekomst moeten worden ingevuld. Via open workshops met uitnodigingen in diverse netwerken worden vele partijen uitgenodigd om gezamenlijk aan de hand van de opgedane ervaringen van gedachten te wisselen over actuele kennisvragen en mogelijke gezamenlijke toekomstige beantwoording daarvan.