Voor u ligt het booklet Sensing Streetscapes: perspectieven op verdichting. Het bundelt de interviews van elf ontwerpbureaus, drie gemeentelijke senior stedenbouwers, de voormalige rijksadviseur, vijf mondiale academische pioniers van de neuro-architectuur en een verkenning naar negen bijzondere Chinese woningbouwprojecten.Deze uitgave is onderdeel van het tweejarig onderzoeksproject Sensing Streetscapes. Hierin werken onderzoekers van de HvA samen met de praktijk en internationale onderzoeksgroepen aan het ontleden van het begrip menselijke maat voor het ruimtelijk ontwerp. De conceptversie van het booklet werd op het eindseminar-excursie van 28 mei 2021 gepresenteerd. Aan de publicatie zijn de inzichten uit het eindsymposium en excursie toegevoegd, alsmede een top-10 lijst van lessen voor het verdichten met een menselijke maat op ooghoogte.
Deze publicatie is bedoeld voor iedereen die interesse heeft in de ontwikkelingen in de gebouwde omgeving en de toepassing van onderzoeksmethoden in de stad in het bijzonder. De rapportage geeft inzicht in het proces van totstandkoming van het digitale leer- en werkplatform: www.urban-knowledge.nl. Dit is het product van het onderzoek, dat dienst doet als kennisbank en discussieplatform.
Learning Analytics en bias – Learning analytics richt zich op het meten en analyseren van studentgegevens om onderwijs te verbeteren. Bakker onderscheidt hierin verschillende niveaus, zoals student analytics en institutional analytics, en focust op inclusion analytics, waarin gekeken wordt naar kansengelijkheid. Bias – systematische vooroordelen in data – kan vooroordelen in algoritmen versterken en zo kansenongelijkheid veroorzaken. De onderzoeksmethode maakt gebruik van het 4/5-criterium, waarbij fairness in uitkomsten gemeten wordt door te kijken of de kansen voor de beschermde groep minstens 80% zijn van die van de bevoorrechte groep.Onderzoeksaanpak – Bakker gebruikt machine learning om retentie na het eerste studiejaar te voorspellen en onderzoekt vervolgens verschillen tussen groepen studenten, zoals mbo-en vwo-studenten. Hij volgt drie stappen: (1) Data voorbereiden en modellen bouwen: Data worden opgesplitst en opgeschoond om accurate voorspelmodellen te maken. (2) Variabelen analyseren: Invloed van kenmerken op uitkomsten wordt beoordeeld voor verschillende groepen. (3) Fairness berekenen: Het 4/5-criterium wordt toegepast op metrics zoals accuraatheid en statistische gelijkheid om bias en ongelijkheden te identificeren. Resultaten, aanbevelingen en vervolgonderzoek – Uit het onderzoek blijkt dat kansengelijkheid bij veel opleidingen ontbreekt, met name voor mannen en mbo-studenten, die een hogere kans op uitval hebben. Bakker adviseert sensitieve kenmerken zoals migratieachtergrond mee te nemen in analyses op basis van informed consent. Daarnaast pleit hij voor meer flexibiliteit in het beleid, geïnspireerd door maatregelen tijdens de coronacrisis, die een positief effect hadden op studiesucces.Toekomstvisie – Bakker benadrukt dat niet elke ongelijkheid het gevolg is van discriminatie en roept op tot data-informed interventies om sociale rechtvaardigheid in het onderwijs te bevorderen. Zijn methode wordt open access beschikbaar gesteld, zodat ook andere instellingen deze kunnen toepassen en kansengelijkheid systematisch en bewust kunnen onderzoeken.
