The rising rate of preprints and publications, combined with persistent inadequate reporting practices and problems with study design and execution, have strained the traditional peer review system. Automated screening tools could potentially enhance peer review by helping authors, journal editors, and reviewers to identify beneficial practices and common problems in preprints or submitted manuscripts. Tools can screen many papers quickly, and may be particularly helpful in assessing compliance with journal policies and with straightforward items in reporting guidelines. However, existing tools cannot understand or interpret the paper in the context of the scientific literature. Tools cannot yet determine whether the methods used are suitable to answer the research question, or whether the data support the authors’ conclusions. Editors and peer reviewers are essential for assessing journal fit and the overall quality of a paper, including the experimental design, the soundness of the study’s conclusions, potential impact and innovation. Automated screening tools cannot replace peer review, but may aid authors, reviewers, and editors in improving scientific papers. Strategies for responsible use of automated tools in peer review may include setting performance criteria for tools, transparently reporting tool performance and use, and training users to interpret reports.
In the present study, the role of five categories of characteristics of a reciprocal peer coaching context was studied in relation to teacher learning. Both self-reports and student perceptions were used to measure teacher learning. Data were gathered on 28 secondary school teachers (14 coaching dyads). A mixed-method approach was adopted combining quantitative and qualitative data. To study the associations between five categories of characteristics of a peer coaching context (independent variable) and teacher learning (dependent variable), questionnaire results (quantitative data) and digital diaries (qualitative data) were examined. It was found that teachers learn when they are intrinsically motivated to take part in professional development programs; when they feel a certain pressure toward experimenting with new instructional methods; and when they are able to discuss their experiences within a safe, constructive, and trustworthy reciprocal peer coaching environment.
LINK
Dit paper is het eindproduct van leerarrangement 1 (Zin in Leren) van de HBO masteropleiding Leren en Innoveren. Het is een literatuurstudie naar blended learning en hoe blended learning kan bijdragen aan een beter leerresultaat van de student.
De glastuinbouw in Nederland is wereldwijd toonaangevend en loopt voorop in automatisering en data-gedreven bedrijfsvoering. Voor de data-gedreven teelt wordt, naast het monitoren van de kas-parameters ook het monitoren van gewasparameters steeds meer gevraagd. De sector is daarbij vooral geïnteresseerd in niet-destructieve, contactloze en persoonsonafhankelijk monitoring van gewassen. Optische sensortechnologie, zoals spectrale afbeeldingstechnologie, kan veel waardevolle informatie opleveren over de staat van een gewas of vrucht, bijvoorbeeld over het suikergehalte, maar ook de aanwezigheid van plantziektes of insecten. Echter is dit vaak een te kostbare oplossing voor zowel de technologiebedrijven die oplossingen leveren als voor de telers zelf. In dit project onderzoeken wij de mogelijkheid om spectrale beeldvorming tegen lagere kosten te realiseren. Het beoogde resultaat is een prototype van een instrument dat tegen lage kosten met spectrale beeldvorming een of meerdere gewaseigenschappen kan kwantificeren. Realisatie van dit prototype heeft een sterke Fotonica-component (expertise Haagse Hogeschool) maakt gebruik van Machine Learning (expertise perClass) en is bedoeld voor toepassing op scout robots in de glastuinbouw (expertise Mythronics). Een betaalbare oplossing betekent in potentie voor de teler een betere controle over kwaliteit van het gewas en automatisering voor detectie van ziekte-uitbraken. Bij een succesvol prototype kan deze innovatie leiden tot betere voedselkwaliteit en minder verspilling in de glastuinbouw.
Artificial Intelligence (AI) wordt realiteit. Slimme ICT-producten die diensten op maat leveren accelereren de digitalisering van de maatschappij. De grote innovaties van de komende jaren –zelfrijdende auto’s, spraakgestuurde virtuele assistenten, autodiagnose systemen, robots die autonoom complexe taken uitvoeren – zijn datagedreven en hebben een AI-component. Dit gaat de rol van professionals in alle domeinen, gezondheidzorg, bouwsector, financiële dienstverlening, maakindustrie, journalistiek, rechtspraak, etc., raken. ICT is niet meer volgend en ondersteunend (een ‘enabling’ technologie), maar de motor die de transformatie van de samenleving in gang zet. Grote bedrijven, overheidsinstanties, het MKB, en de vele startups in de Brainport regio zijn innovatieve datagedreven scenario’s volop aan het verkennen. Dit wordt nog eens versterkt door de democratisering van AI; machine learning en deep learning algoritmes zijn beschikbaar zowel in open source software als in Cloud oplossingen en zijn daarmee toegankelijk voor iedereen. Data science wordt ‘applied’ en verschuift van een PhD specialisme naar een HBO-vaardigheid. Het stadium waarin veel bedrijven nu verkeren is te omschrijven als: “Help, mijn AI-pilot is succesvol. Wat nu?” Deze aanvraag richt zich op het succesvol implementeren van AI binnen de context van softwareontwikkeling. De onderzoeksvraag van dit voorstel is: “Hoe kunnen we state-of-the-art data science methoden en technieken waardevol en verantwoord toepassen ten behoeve van deze slimme lerende ICT-producten?” De postdoc gaat fungeren als een linking pin tussen alle onderzoeksprojecten en opdrachten waarbij studenten ICT-producten met AI (machine learning, deep learning) ontwikkelen voor opdrachtgevers uit de praktijk. Door mee te kijken en mee te denken met de studenten kan de postdoc overzicht en inzicht creëren over alle cases heen. Als er overzicht is kan er daarna ook gestuurd worden op de uit te voeren cases om verschillende deelaspecten samen met de studenten te onderzoeken. Deliverables zijn rapporten, guidelines en frameworks voor praktijk en onderwijs, peer-reviewed artikelen en kennisdelingsevents.
Aanleiding De geestelijke gezondheidszorg (GGZ) staat voor een grote opgave: er moet fors bezuinigd worden terwijl de kwaliteit van de zorg gehandhaafd moet blijven. Inzet van beeldcommunicatie kan hieraan een bijdrage leveren. Zorgverleners zijn echter niet of nauwelijks getraind op beeldcommunicatie. Ze zijn juist geoefend om subtiele signalen te interpreteren die via beeldcommunicatie niet of veel moeilijker waarneembaar zijn. Doelstelling De ambitie van het project is om GGZ-zorgverleners te ondersteunen bij het effectief inpassen van beeldbellen in de eigen zorgverlening. Daarvoor moeten de volgende drie doelen bereikt worden. 1. het verkrijgen van kennis en inzichten over de vraag waarom het (intensiever) inzetten van beeldbellen voor de GGZ-zorgverleners nu zo moeilijk is; 2. het omzetten van deze kennis en inzichten in producten die recht doen aan de complexiteit van de GGZ-problematiek en daarnaast praktisch toepasbaar zijn voor de drukbezette professional; 3. het verrijken van de opleidingen Verpleegkunde van deelnemende hogescholen Windesheim en Hanzehogeschool Groningen met modules en minoren waarin de verworven kennis en producten zijn geïntegreerd. De onderzoekers verzamelen data via diepte-interviews. Zij analyseren deze data met behulp van de affinity-diagrammingmethode. De resultaten van de analyses worden in workshops gedeeld met de GGZ-medewerkers en getoetst, om kennisuitwisseling en nadere vraagarticulatie te bevorderen. Beoogde resultaten De zorgverleners hebben behoefte aan praktische informatie en handvatten. De beoogde resultaten van het project zijn in eerste instantie een praktijkverhalenboek, video testimonials en checklists. Vervolgens kan daarop een e-learningmodule of MOOC en een serious game worden gebaseerd. Deze hulpmiddelen krijgen ook een plaats in het onderwijs van de verpleegkundeopleidingen van de deelnemende hogescholen.
