Deze publicatie is als volgt opgebouwd. In hoofdstuk 1 wordt het onderwerp ingeleid en wordt uitgelegd hoe deze publicatie tot stand is gekomen. In hoofdstuk 2 wordt een impressie gegeven van de verschillen en overeenkomsten tussen de ateliers. In hoofdstuk 3 gaat Mathijs Rutten, directeur Facility Management, in op de vraag wat er nodig is om al die ateliers ook echt een plekje te geven in de gebouwen van de hogeschool. Daarna komt in hoofdstuk 4 Siebren Baars aan het woord. Hij is - naast zijn functie als docent-onderzoeker - een ervaren architect die verschillende schoolgebouwen heeft ontwikkeld. Hij gaat in op rol die de fysieke onderwijsomgeving van gebouwen ateliers speelt in het onderwijs. De 31 ateliers zijn beschreven in hoofdstuk 5 en worden voorafgegaan door een inleiding van Frank Scholten. In hoofdstuk 6 beschrijven Roelien Wierda en Ron Barendsen hun ervaringen tijdens de ontwikkeling van het InnovationLab. Tenslotte gaat Gerry Geitz in hoofdstuk 7 in op de relatie tussen ateliers en Design Based Education
Report and Tooling Document for STYFT members
MULTIFILE
Leren is een actief proces waarin kennis wordt geconstrueerd. Dit proces is voor iedere leerling anders en vraagt individuele ondersteuning. Onderwijsmaterialen en werkvormen zouden zich gedurende het leerproces steeds moeten aanpassen aan de specifieke behoefte van elke leerling. Ontwikkelingen in het veld van de Kunstmatige Intelligentie & Onderwijs zijn ondertussen zodanig vergevorderd dat interactieve software deze kennisconstructie van leerlingen inderdaad individueel en adequaat kan ondersteunen. Lector Didactiek van de Bètavakken dr. Bert Bredeweg bespreekt in zijn rede de kracht van interactieve kennisrepresentaties als medium voor kennisconstructie. Als voorbeeld zal hij ingaan op conceptueel modelleren als didactische vorm voor het creëren van kennis over het gedrag van dynamische systemen. Hij zal ook illustreren hoe slimme softwarecomponenten individuele leerlingen naar behoefte kunnen ondersteunen bij dit leerproces.
Nederland heeft de komende jaren te maken met grote uitdagingen op het gebied van landbouw, water en voedsel. Onder andere de biodiversiteit staat enorm onder druk en een veranderd duurzaam voedselproductiesysteem moet het tij gaan keren. Maar dan moeten we ook goed kunnen meten wat de veranderingen opleveren zodat we ook kunnen bijsturen als maatregelen niet het gewenste effect hebben. In het kader van nationale en Europese wetgeving vindt al veel monitoring plaats van biodiversiteit. Met name de aantalsontwikkelingen van flora en fauna en de veranderingen in vegetatie in natuurgebieden. Echter, zogenaamde effectmonitoring waarbij de effecten van ingrepen op biodiversiteit worden gemonitord vindt vaak veel minder plaats. Dit kan bijvoorbeeld gaan om effecten van exoten bestrijding of effecten van bepaalde beheermaatregelen (bijvoorbeeld plaggen) om de negatieve impact van stikstofdepositie te verkleinen. Dit komt deels door geldgebrek maar ook doordat snelle, precieze monitoringstools (nog) niet voorhanden zijn. In dit project willen we met behulp van automatische beeldherkenning (op basis van kunstmatige intelligentie en zogenaamde deep learning modellen) luchtopnames van natuurgebieden analyseren. De luchtopnames worden gemaakt met zogenaamde multi-spectrale camera’s die aan drones bevestigd zijn. Door deze camera’s kunnen tot op een halve centimeter nauwkeurig foto’s worden gemaakt. Met behulp van automatische beeldherkenning van dergelijke nauwkeurige foto’s kan effectmonitoring veel beter worden uitgevoerd. We richten ons daarbij met name op het in kaart brengen van vergrassing door stikstofdepositie en het meten van effecten van exotenbestrijding.
Vogels verspreiden zaden, bestuiven planten en ruimen de natuur op; ze zijn onmisbaar voor een gezond ecosysteem. Van groot maatschappelijk belang is het beschermen van bedreigde dieren; biodiversiteit zorgt voor een gezond klimaat in Nederland. Voor de bescherming van vogels worden nesten gedetecteerd en geregistreerd. Boeren worden vervolgens geïnformeerd over de aanwezigheid van nesten op hun land zodat ze de nesten niet vernietigen tijdens hun agrarische werkzaamheden. Boeren worden in Nederland gecompenseerd voor de bescherming van nesten waardoor economische belangen samenkomen met het behoud van de natuur. In dit project wordt met behulp van technologische innovatie de samenwerking tussen boeren en natuur- en vogelbescherming verstevigd: drones worden gecombineerd met artificiële intelligentie om in samenwerking met vrijwilligers de monitoring van nesten uit te voeren. Dit helpt de Bond Friese VogelWachten (BFVW) om met het huidige aantal vogelwachters meer nesten te kunnen opsporen, de natuur doordat meer detectie leidt tot hogere broedsucces van vogels, en de boer kan met de drone meer financiële compensatie bemachtigen. Het consortium bestaat uit BFVW, NHL Stenden Lectoraat Computer Vision & Data Science en het drone bedrijf Aeroscan, die gezamenlijk de technische haarbaarheid willen onderzoeken om de business-case te ondersteunen. Met deze technologie kan de BFVW efficiënter en vooral effectiever nesten in kaart brengen. In de toekomst worden de resultaten van dit project breder ingezet door dit consortium. Binnen natuurbehoud en biodiversiteit zijn er veel andere uitdagingen waarvoor de, in dit project ontwikkelde, kennis ingezet kan worden.
