Aesthetic experiences have an influence on many aspects of life. Interest in the neural basis of aesthetic experiences has grown rapidly in the past decade, and fMRI studies have identified several brain systems supporting aesthetic experiences. Work on the rapid neuronal dynamics of aesthetic experience, however, is relatively scarce. This study adds to this field by investigating the experience of being aesthetically moved by means of ERP and time–frequency analysis. Participants' EEG was recorded while they viewed a diverse set of artworks and evaluated the extent to which these artworks moved them. Results show that being aesthetically moved is associated with a sustained increase in gamma activity over centroparietal regions. In addition, alpha power over right frontocentral regions was reduced in high- and low-moving images, compared to artworks given intermediate ratings. We interpret the gamma effect as an indication for sustained savoring processes for aesthetically moving artworks compared to aesthetically less-moving artworks. The alpha effect is interpreted as an indication of increased attention for aesthetically salient images. In contrast to previous works, we observed no significant effects in any of the established ERP components, but we did observe effects at latencies longer than 1 sec. We conclude that EEG time–frequency analysis provides useful information on the neuronal dynamics of aesthetic experience.
Self-efficacy and outcome expectations regarding client activation determine professionals’ level of actively engaging clients during daily activities. The Client Activation Self-Efficacy and Outcome Expectation Scales for nurses and domestic support workers (DSWs) were developed to measure these concepts. This study aimed to assess their psychometric properties. Cross-sectional data from a sample of Dutch nurses (n=150) and DSWs (n=155) were analysed. Descriptive statistics were used to examine floor and ceiling effects. Construct validity was assessed by testing research-based hypotheses. Internal consistency was determined with Cronbach’s alpha. The scales for nurses showed a ceiling effect. There were no floor or ceiling effects in the scales for domestic support workers. Three out of five hypotheses could be confirmed (construct validity). For all scales, Cronbach’s alpha coefficients exceeded 0.70. In conclusion, all scales had moderate construct validity and high internal consistency. Further research is needed concerning their construct validity, testretest reliability and sensitivity to change.
1e alinea column: De grote beweging via ketenomkering naar customer self care en bottom-up self assembled teaming is zich snel aan het voltrekken. De klant neemt het initiatief en Tofflers prosumership wordt zichtbaar. Het aantal business voorbeelden wordt snel groter, al gaat het om je auto zelf samenstellen, onderdelen bestellen, 3D printing, zelfroosteren, civil journalism, klanten die restaurants recenseren, tracking &tracing van de post, medische zorg. Neem Qlinx als open architectuur in combinatie met bijvoorbeeld Twitter, dat laat goed zien wat dit kan gaan betekenen voor de dynamiek op de arbeidsmarkt. Wolfram-alpha toont de potentie van het semantic web. In bijvoorbeeld Share2Start - power of the open mind zien we de kracht van crowdfunding en het begin van ‘financials 2.0’. Deze sites laten goed zien welke richting het uitgaat.
LINK
Nederland is een belangrijke speler op de wereldwijde rozenmarkt. In 2023 exporteerde het land rozen ter waarde van 939 miljoen dollar, waarmee het de grootste exporteur ter wereld was ( (OECtoday, 2024). Rozenkwekers worden geconfronteerd met aanzienlijke uitdagingen, waaronder de verwoestende impact van ziekten zoals valse meeldauw, die zich onder gunstige omstandigheden snel kunnen verspreiden en ernstige oogstverliezen veroorzaken. Valse meeldauw vormt een ernstige bedreiging voor rozen, aangezien vooral buitenteelt onderhevig is aan weersinvloeden zoals hoge luchtvochtigheid, temperatuurschommelingen en regenval, die de verspreiding van de schimmel aanzienlijk bevorderen. De infectie leidt tot bladverlies, groeivertraging en een significante verslechtering van de bloemkwaliteit, wat resulteert in aanzienlijke economische schade voor telers. Dit project richt zich op de ontwikkeling van een geavanceerd AI-gebaseerd beeldherkenningssysteem dat specifiek is ontworpen voor het vroegtijdig detecteren van valse meeldauw (Peronospora sparsa) op rozen in de buitenteelt. Traditioneel worden chemische fungiciden ingezet, maar deze aanpak is zowel milieubelastend als inefficiënt op de lange termijn, mede door de ontwikkeling van resistentie bij de schimmel. Ons project beoogt daarom een duurzame, niet-chemische oplossing door middel van gerichte ultraviolet-bestraling (UV-C). De reeds ontwikkelde robot Alpha Ceres, die autonoom door rozenvelden navigeert met behulp van Real-Time-Kinematic (RTK) GPS, zal in de toekomst als draagplatform dienen voor deze technologie. In de eerste fase ligt de focus op de ontwikkeling van een robuust AI-algoritme voor herkenning van geïnfecteerde bladeren en het bepalen van hun positie. Daarnaar volgt het nauwkeurig bepalen van optimale UV-C-instellingen en laboratoriumtesten met geïnfecteerde planten. Er zal een proof-of-concept worden gerealiseerd met een opstelling bestaande uit een lopende band, camera’s en een actuator die de lamp naar de plant toe beweegt, welke beschikbaar is bij het GreenTechLab. Dit vormt de basis voor de overstap naar Alpha Ceres.
Achtergrond: Chronische pijn is een veelvoorkomend probleem. Hulpverleners hebben behoefte aan handvatten om de hulp aan mensen met chronische pjjn te verbeteren. Huidige behandelingen sorteren beperkt effect en de waardering van mensen over de ontvangen zorg is matig. Het faciliteren van betrokkenheid en eigen regie zijn voorwaardelijk voor effectieve hulp. EHealth toepassingen inclusief het monitoren van objectieve biomarkers voor pijn kunnen hierbij behulpzaam zijn. Een bestaande EHealth toepassing gericht op het informeren van mensen met een chronische aandoening en het faciliteren van zelfmanagement is beschikbaar. Doelstelling: 1)Het doorontwikkelen van een bestaande EHealth toepassing specifiek voor mensen met chronische pijn en het evalueren van biomarkers. 2)De ontwikkelde EHealth toepassing inclusief biomarkeranalyse te implementeren bij een beperkte groep van mensen met chronische musculoskeletale pijn om eerste effecten te evalueren en gebruikerservaringen te inventariseren en 3)op basis van de verkregen resultaten een vervolg onderzoeksaanvraag te schrijven om de effecten van deze nieuwe behandelwijze te onderzoeken en nieuwe biomarker-testen te ontwikkelen. Vraagstellingen: 1)Hoe ziet de doorontwikkeling (op basis van co-creatie) van de EHealth toepassing er concreet uit? 2)Is de biomarker α-amylase een objectieve maat voor pijnintensiteit? 3)Wat zijn de eerste effecten van deze EHealth applicatie? (uitkomstmaten zijn pijn, α-amylase concentratie, dagelijks functioneren en kwaliteit van leven) 4)Wat zijn de ervaringen van gebruikers (patiënten en hulpverleners)? Aanpak: Het onderzoek wordt uitgevoerd door een consortium van deskundigen op het gebied van niet-farmaceutische behandeling van mensen met chronische pijn en zelfmanagement, de ontwikkeling en het gebruik van biomarkers voor chronische pijn, een EHealth ontwikkelaar en behandelaren van mensen met chronische pijn en patiënten. Een EHealth toepassing wordt ontwikkeld, biomarkers waaronder α-amylase worden geëvalueerd en de eerste effecten en gebruikerservaringen van deze interventie inclusief biomarkerbepaling worden gemonitord in een populatie van mensen met chronische lage rug en/of nekpijn.
Computer Vision (CV) is een tak binnen de Artificiële Intelligentie (AI) die zich bezig houdt met visuele herkenning van patronen in afbeeldingen of videos. Daarbij wordt gebruik gemaakt van diepe representatiemodellen, die gebaseerd zijn op Euclidische geometrie. Dit betekent dat deze modellen getraind zijn op basis van een vlakke geometrische representatie. In veel gevallen sluit deze representatie niet goed aan bij de echte wereld. Visuele illusies, zoals Sheppard’s “Terror Subterra”, geven aanwijzingen waar de discrepanties zitten. Bij een verplaatsing van het monster op de horizontale en verticale as in een vlakke representatie lijkt het alsof het monster van grootte veranderd, terwijl dit in werkelijkheid niet zo is: beide monsters zijn exact even groot. Een verplaatsing van een object in de echte wereld heeft zo vaak invloed op de schaal dat onze hersenen erdoor misleid kunnen worden. Recente vorderingen in CV laten de potentie zien van de toepassing van niet-Euclidische geometrie voor het leren van visuele eigenschappen. Het verschil tussen de twee is met name dat de representatieve kracht van niet-Euclidische geometrie groter is. In een niet-Euclidische representatie kan de schaal van Shepard’s monster bij verplaatsing in de ruimte op een natuurlijke manier gepresenteerd worden, waardoor het beeld consistent blijft met onze visuele perceptie ervan. In dit onderzoek willen we de impact evalueren van niet-Euclidische visuele representatiemodellen op het verzamelen, ordenen en annoteren van de data die nodig is voor het trainen van deze nieuwe diepe representatiemodellen. Dit willen we doen we aan de hand van drie CV-problemen die praktische toepassingen dienen buiten de context van de academische wetenschap: beeldmerkherkenning in reclamevideo’s (bij Alpha.one), winkelpanddetectie in gelijkhoekige (visoogobjectief) video’s (bij The Big Data Company) en visuele inspectie van de binnenkant van cilindervormige opslagtanks (bij ScanTank).
