In dit artikel wordt beschreven hoe vanuit een duidelijke onderwijsvisie de opleidingen van Hogeschool Utrecht (HU) de afgelopen jaren aan de slag gegaan zijn met het ontwikkelen van nieuw onderwijs. Eén van de dimensies van de HU-visie is ‘gepersonaliseerd leren’. De auteurs hebben een analyse uitgevoerd van hoe opleidingen binnen de HU omgaan met deze dimensie in het ontwerp van hun onderwijs. Hierbij hebben ze gebruik gemaakt van de vijf dimensies voor Onderwijs op Maat (SURF, 2016) en die dimensies afgezet tegen de niveau-indeling van Leadbeater (2014) voor het personaliseren van diensten. Uit de analyse van de innovaties binnen de HU kwamen vier vormen van gepersonaliseerd onderwijs naar voren. Bij deze vormen hebben de auteurs succesfactoren onderscheiden op het gebied van beleidsafspraken en ontwerpkeuzes. Tot slot wordt een gespreksmodel ter ondersteuning van het ontwerpen van gepersonaliseerd onderwijs behandeld.
LINK
Om de toepassing van biobased plastics te stimuleren is een belangrijke rol weggelegd voor ontwerpers. Omdat zowel gevestigdeontwerpers als studenten weinig tot geen kennis hebben van biobased plastics, doet de Hogeschool van Amsterdam (HvA) onderzoek naar verschillende aspecten van ontwerpen met biobased plastics.
MULTIFILE
‘Ontwerpen met biobased plastics’ is de eindpublicatie van het project “Design Challenges with Biobased Plastics”. In dit onderzoeksproject deed de HvA, samen met diverse mkb-bedrijven onderzoek naar de kennis een tools die ontwerpers nodig hebben om biobased plastics, kunststoffen van hernieuwbare materialen, toe te passen. De publicatie gaat in op de kansen die biobased plastics bieden en biedt praktische tools, inspirerende voorbeelden en handreikingen die het ontwerpen met deze materialen makkelijker maken.
Het TODDIS project is geboren uit vijf constateringen: 1. De omgeving dwingt de maritieme sector tot radicaal andere scheepsontwerpen. Enerzijds is dit technology pushed (bv. met het oog op onbemand of laagbemand varen), anderzijds market driven (i.c. de verlangde grote reducties van emissies, m.n. die van broeikasgassen). 2. De scheepsontwerper heeft daartoe behoefte aan snelle ontwerpmethodes. Daarvan waren en zijn er vele, die zijn echter goeddeels verouderd. Die “ontwerper” kan trouwens ook een machine zijn die optimaliserenderwijs vele ontwerpvarianten evalueert op zoek naar een optimum. 3. Schepen worden op grote schaal voorzien van sensoren, waarbij één sensor vaak één verschijnsel meet, en daar conclusies uit trekt over één toestand of apparaat. 4. Bij veel MKB-bedrijven leeft het gevoel dat het tijd wordt om kunstmatige intelligentie en Big Data nuttig te gaan inzetten. 5. Er is een groot gebrek aan kennis over deze materie. Bij studenten, young en old professionals. Die verlangde ontwerpmethodes zijn veelal empirisch, deze kwamen vaak uit scheepsbouwkundige proefstations of experimenten. Heden ten dage is er echter een nieuwe gegevensbron: grote hoeveelheden sensordata. De stelling is dat die met geavanceerde algoritmes kunnen worden getransformeerd in nieuwe scheepsontwerpmethodes, dat is letterlijk Transferring Operational Data into Design Information for Ships. TODDIS is dus de naam van dit project, waarin deze hypothese getoetst wordt. Dat is de technische achtergrond, waarmee de eerste vier constateringen worden geadresseerd. De vijfde, misschien wel de meest omineuze van het stel, wordt in TODDIS niet opgelost. Maar hopelijk wel een beetje gereduceerd door een grote nadruk op het verspreiden van de in het project opgedane kennis in het (MKB-) bedrijfsleven en onderwijsinstellingen.
