Interview met Sjoerd van den Heuvel. HR-professionals willen meer doen met data, maar zij missen daarvoor de kennis en vaardigheden. Dat blijkt uit onderzoek dat de Hogeschool Utrecht heeft uitgevoerd onder leden van AWVN. Hoe tilt u people analytics in uw organisatie naar een hoger plan?
In dit artikel wordt beschreven hoe door middel van workshops met een strategische HRM game een belangrijke stap is gezet in het maken van een realistisch strategisch HRM simulatiemodel. 187 HR-pro- fessionals kregen tijdens een workshop 72 HR-praktijken voorgelegd. De door hen verwachte effecten van deze praktijken op het gedrag van medewerkers is op een kwantitatieve manier expliciet gemaakt. Vervolgens maakten ze al spelende deze praktijken concreet tot op een niveau dat voor hen praktisch bruikbaar is. Op basis van de ervaringskennis van deze HR-professionals is het nu mogelijk om deze HR-praktijken en het door hen verwachte genuanceerde effect op medewerkersgedrag te koppelen aan vier strategische ideaaltypen. Dit vormt de basis van een simulatiemodel voor strategisch HRM. HR-professionals hebben zo bijgedragen aan het ontwikkelen van een tool die de beroepsgroep in de toekomst helpt hun werk beter te doen. Met de tool wordt het makkelijker om de organisatiestrategie te vertalen naar een daarbij passend HRM-beleid. De serious game die dat dit inzicht geeft, kan nu al door professionals gespeeld worden. De simulatie vereist nog verdere ontwikkeling, maar de eerste stappen zijn gezet, met dank aan alle deelnemers.
MULTIFILE
Deze whitepaper is een vervolg op deze eerdere reeks over People Analytics en bespreekt de nieuwste trends. Inhoud: • Inleiding 1. Medewerkerswelzijn krijgt meer aandacht 2. HR Analytics wordt People Analytics 3. Het inzicht groeit dat People Analytics geen kant-en-klare oplossingen levert 4. De kloof tussen de vaardigheden en ambities wordt minder groot 5. Analyticsteams herbergen steeds meer expertise 6. Meer data worden gekwantificeerd 7. Steeds meer data worden van buiten de organisatie betrokken 8. Kunstmatige intelligentie kan voor onverwachte inzichten zorgen 9. Het aantal interne databronnen neemt toe 10. Er komt meer aandacht voor privacybescherming • Conclusie
MUSE supports the CIVITAS Community to increase its impact on urban mobility policy making and advance it to a higher level of knowledge, exchange, and sustainability.As the current Coordination and Support Action for the CIVITAS Initiative, MUSE primarily engages in support activities to boost the impact of CIVITAS Community activities on sustainable urban mobility policy. Its main objectives are to:- Act as a destination for knowledge developed by the CIVITAS Community over the past twenty years.- Expand and strengthen relationships between cities and stakeholders at all levels.- Support the enrichment of the wider urban mobility community by providing learning opportunities.Through these goals, the CIVITAS Initiative strives to support the mobility and transport goals of the European Commission, and in turn those in the European Green Deal.Breda University of Applied Sciences is the task leader of Task 7.3: Exploitation of the Mobility Educational Network and Task 7.4: Mobility Powered by Youth Facilitation.
Mensen die moeite hebben met lezen en schrijven (laaggeletterden) zijn ondervertegenwoordigd in onderzoek, waardoor een belangrijke onderzoekspopulatie ontbreekt. Dit is een probleem, omdat zorgbeleid dan onvoldoende op hun behoeften wordt aangepast. Laaggeletterden hebben vaak een lage sociaal economische positie (SEP). Mensen met een lage SEP leven gemiddeld 4 jaar korter en 15 jaar in minder goed ervaren gezondheid vergeleken met mensen met een hoge SEP. Om laaggeletterden te betrekken in onderzoek, is het o.a. nodig om onderzoek toegankelijker te maken. Dit project draagt hieraan bij door de ontwikkeling van een toolbox voor toegankelijke (proefpersonen)informatie (pif) en toestemmingsverklaringen. We ontwikkelen in co-creatie met de doelgroep toegankelijke audiovisuele materialen die breed ingezet kunnen worden door (gezondheids)onderzoekers van (zorggerelateerde) instanties/bedrijven én kennisinstellingen voor de werving voor en informatieverstrekking over onderzoek. In de multidisciplinaire samenwerking met onze partners YURR.studio, Pharos, Stichting ABC, Stichting Crowdience, de HAN-Sterkplaats en de Academische Werkplaats Sterker op eigen benen (AW-SOEB) van Radboudumc stellen we de behoeften van de doelgroep centraal. Middels creatieve sessies en gebruikerservaringen wordt in een iteratief ontwerpende onderzoeksaanpak toegewerkt naar diverse ontwerpen van informatiebrieven en toestemmingsverklaringen, waarbij de visuele communicatie dragend is. Het ontwikkelproces biedt kennisontwikkeling en hands-on praktijkvoorbeelden voor designers en grafisch vormgevers in het toegankelijk maken van informatie. Als laaggeletterden beter bereikt worden d.m.v. de pif-toolbox, kunnen de inzichten van deze groep worden meegenomen. Dit zorgt voor een minder scheef beeld in onderzoek, waardoor (gezondheids)beleid zich beter kan richten op kwetsbare doelgroepen. Hiermee wordt een bijdrage geleverd aan het verkleinen van gezondheidsverschillen.
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.
