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.
Het onderwijs bij Zuyd Hogeschool heeft gedurende de coronapandemie een geheel ander karakter. In plaats van fysieke bijeenkomsten op locatie was het onderwijs voornamelijk online. Deze volstrekt andere manier van onderwijs geven en volgen levert nieuwe inzichten op die het waard zijn om vast te leggen en verder te onderzoeken. Om die reden is in april 2020 gestart met de voorbereiding van een onderzoek naar wat studenten en docenten als waardevol ervaren in hun online onderwijs en wat zij daarvan zouden willen behouden in hun onderwijs na de coronapandemie. Vanaf juni is de dataverzameling gestart met een brainstormfase van ideeën (in de vorm van statements) waarvoor alle studenten en docenten van Zuyd Hogeschool werden uitgenodigd. Dat leverde een totaal van 547 statements op. Na een check op relevantie en dubbelingen resteerde een set van 84 statements. Na de zomervakantie tot medio november 2020 zijn deze 84 statements nader onderzocht wederom door alle docenten en studenten uit te nodigen, aangevuld met een uitnodiging aan een groep medewerkers die onderwijskundige rollen en taken vervullen binnen Zuyd Hogeschool. Op basis van de analyses met de 84 statements zijn zeven inhoudelijke thema’s geïdentificeerd, te weten 1 Didactiek, 2 Gebruik Technologie, 3 Planning en roostering, 4 Betrokkenheid, 5 Efficiëntie, 6 Interactie en 7 Randvoorwaarden. Al deze thema’s worden door de ondervraagde studenten en docenten belangrijk geacht en realiseerbaar gevonden. Binnen de clustering van de 84 statements in zeven thema’s is vervolgens nagegaan wat meer dan gemiddeld prioriteit verdient. Dat leidde per thema tot één of meerdere prioriteiten die in de vorm van adviezen in het afsluitende hoofdstuk zijn opgenomen. Daarmee geeft het onderzoek richting aan wat voor de verdere doorontwikkeling van het online onderwijs door studenten en docenten relevant wordt gevonden. Daarbij gaat het altijd om online onderwijs als onderdeel van een opleiding in combinatie met face-to-face onderwijs op locatie. Tot slot maakt het onderzoek helder dat online onderwijs een vraagstuk is dat verschillende aspecten omvat. Het gaat niet alleen om onderwijskundige aspecten, het raakt ook aan de technologie, randvoorwaarden en planning en roostering. Voor de verdere ontwikkeling van het online onderwijs is van belang dat de samenhang tussen deze verschillende aspecten in de werkwijze (van ondersteuners) binnen Zuyd nadrukkelijk op de agenda blijft staan.
This study aims to help professionals in the field of running and running-related technology (i.e., sports watches and smartphone applications) to address the needs of runners. It investigates the various runner types—in terms of their attitudes, interests, and opinions (AIOs) with regard to running—and studies how they differ in the technology they use. Data used in this study were drawn from the standardized online Eindhoven Running Survey 2016 (ERS2016). In total, 3723 participants completed the questionnaire. Principal component analysis and cluster analysis were used to identify the different running types, and crosstabs obtained insights into the use of technology between different typologies. Based on the AIOs, four distinct runner types were identified: casual individual, social competitive, individual competitive, and devoted runners. Subsequently, we related the types to their use of sports watches and apps. Our results show a difference in the kinds of technology used by different runner types. Differentiation between types of runners can be useful for health professionals, policymakers involved in public health, engineers, and trainers or coaches to adapt their services to specific segments, in order to make use of the full potential of running-related systems to support runners to stay active and injury-free and contribute to a healthy lifestyle.
Het verhogen van engagement bij gebruikers/zo waarheidsgetrouw mogelijk invullen door gebruikers van een lange survey die ook ingewikkelde onderwerpen raakt (in dit geval in de gezondheidszorg). Doel Jongeren van 13-15 verleiden om een vragenlijst over mentale, sociale, fysieke, en seksuele gezondheid zo waarheidsgetrouw mogelijk in te vullen. We zoeken uit in welke mate real-time clusteranalyse van hun gedrag (tijd per vraag/wisselen van antwoord, etc.) tijdens het invullen van de enquête aan dat doel bijdraagt. Resultaten Een slimme interface die op basis van gedragsdata de gebruiker actief probeert te verleiden tot het zo waarheidsgetrouw en zo geconcentreerd mogelijk doorlopen van een lange vragenlijst. Looptijd 01 juni 2019 - 01 juni 2021 Aanpak Op basis van de jongeren zelf zijn motivaties geformuleerd om een vragenlijst wel of niet eerlijk in te vullen. Vervolgens zijn op basis van die motivaties datapatronen geïdentificeerd bij proefpersonen. Die datapatronen zijn input voor het initiëren van nudges die jongeren moeten verleiden een antwoord te geven dat misschien moeilijk is, maar dichter bij de realiteit ligt. Relevantie van het onderzoek Een belangrijk probleem voor mensen die met behulp van vragenlijsten onderzoek uitvoeren, is de betrouwbaarheid van deze self-report/reflectievragen. Dit onderzoek breidt op een datagedreven manier het onderzoek in dit domein verder uit.
Om de prehabilitatiezorg betaalbaar te houden, is het van belang om zorg op maat te leveren. De wijze van aanbod is daarnaast van cruciaal belang voor het slagen van prehabilitatie. Niet elke patiënt heeft gesuperviseerde training nodig. Sommige patiënten hebben voldoende aan leefstijladviezen via een mobiele app, terwijl anderen wél gesuperviseerde begeleiding nodig hebben van een zorgprofessional.Doel In dit project gaan we ‘prehabilitatie fenotypes’ ontwikkelen van kandidaten voor prehabilitatie op basis van persoonlijke kenmerken. Door deze subgroepen te onderscheiden kan vervolgens bepaald worden welke vorm van ondersteuning (denk bijvoorbeeld aan gesuperviseerd, digitaal of blended) per fenotype het meest geschikt is. Met behulp van deze prehabilitatie fenotypes krijgen zorgprofessionals in de praktijk concrete handvatten om prehabilitatiezorg op maat voor te schrijven. Hiermee worden er twee vliegen in één klap geslagen: gepersonaliseerde zorg én betaalbare zorg. Resultaten We gaan een cross-sectionele data-analyse uitvoeren op (in ieder geval) twee bestaande datasets. Er zal tevens geïnventariseerd worden of er aanvullende geschikte databases zijn in andere prehabilitatie-onderzoekscentra die meegenomen kunnen worden in de analyses. Beter Voorbereid: Beter Voorbereid is een multicentrum RCT naar het effect van een mobiele applicatie waarmee patiënten voor en na hun operatie adviezen krijgen over het optimaliseren van hun leefstijl en over het omgaan met stress rondom de operatie. Dit project is gesubsidieerd door SIA RAAK MKB. PAM-ONCO: PAM-ONCO is een observationele studie in het UMC Utrecht naar het verloop van het beweeggedrag en het fysiek functioneren van patiënten die een gastro-intestinale oncologische operatie ondergaan. Looptijd 15 mei 2022 - 31 december 2023 Aanpak Dit project wordt in samenwerking met het UMC Utrecht uitgevoerd en bestaat uit meerdere fases: Fase 1: Determinanten voor de analyse Op basis van consensus zal bepaald worden welke variabelen daadwerkelijk invloed kunnen hebben op de manier van ondersteuning van patiënten in de preoperatieve fase. Daarom zullen er in deze fase 1 of 2 consensusmeetings worden georganiseerd met experts om te komen tot een definitieve lijst voor de variabelen. Fase 2: Analyses De variabelen (zie fase 1) uit beide studies zullen worden gestandaardiseerd, samengevoegd en klaargemaakt voor data-analyses. Het plan voor de clusteranalyses wordt besproken met experts op dit gebied en op basis van hun adviezen geoptimaliseerd. Vervolgens zullen de analyses worden uitgevoerd om fenotypes te vormen. Fase 3: Vergelijken van klinische uitkomsten en patiëntkarakteristieken tussen fenotypes Na het bepalen van de fenotypes, zullen de klinische uitkomsten en patiëntkarakteristieken tussen de fenotypes worden vergeleken. Er zal een uitgebreidere beschrijving worden gemaakt van de kenmerken van patiënten binnen elk fenotype. De beschrijving van de fenotypes biedt de basis van de volgende fase. Fase 4: Bepalen welke fenotypes baat kunnen hebben bij welke interventies en begeleiding In vier focusgroepen (twee met patiënten en twee met experts) zal bepaald worden welk type ondersteuning/begeleiding en prehabilitatie-interventies past bij de verschillende fenotypes zoals gevonden in fase 2.
