Dagelijks probeer je invloed uit te oefenen op het gedrag van anderen. Ook je eigen gedrag probeer je in overeenstemming te brengen met wat er van je wordt verwacht, of met wat je zelf graag wilt. Continu probeer je, bewust en onbewust, het gedrag van zowel anderen als jezelf te beïnvloeden en veranderen. Denk bijvoorbeeld maar aan hoe je je gedraagt en wat je zegt tijdens een sollicitatiegesprek. Hoe kun je ervoor zorgen dat je beïnvloedingspogingen (vaker) tot succesvolle gedragsveranderingen leiden?In Beïnvloeden en veranderen van gedrag komen (actuele) psychologische theorieën aan bod over hoe gedrag tot stand komt en kan worden beïnvloed. Er wordt aandacht geschonken aan zowel de theorieën over gedrag en gedragsverandering, als de dagelijkse praktijk waarin professionals het gedrag van anderen proberen te veranderen.
LINK
Hoofdstuk 5 in Werken in gedwongen kader 5.1 Inleiding en relevantie voor de praktijk 5.2 Hele kleine geschiedenis van het onderzoek naar en theorieën over delinquent gedrag 5.3 Drie modellen voor ontstaan en ontwikkeling van delinquent gedrag 5.4 Basisprincipes over risicofactoren voor het ontstaan van delinquent gedrag 5.5 Welk gedrag is zorgelijk? 5.6 Tot slot
LINK
Jongeren op de fiets: geen optimale combi wanneer ze gebruik maken van hun smartphone en zich al bellend, facebookend, append, muziek luisterend of filmpjes kijkend door het verkeer manoeuvreren. Minister Schultz bereidt zelfs een wettelijk verbod voor, voor deze ‘relatief nieuwe en belangrijke risicofactor in het verkeer’. In opdracht van de Provincie Utrecht rondde PubLab samen met twee creatieve partijen een onderzoek af naar dit complexe vraagstuk. Binnen het gegeven advies uit dit onderzoek vormt een meerjarige interventiestrategie voor deze jonge doelgroep en haar belevingswereld het uitgangspunt.
Tot op heden is er weinig tot geen inzicht in de beweegredenen achter routekeuzes. Deze informatie is van belang om fietsgedrag te kunnen beïnvloeden en stimuleren. Ter verbetering van de bikeability zijn in Groningen de Slimme Routes bedacht, waarbij fietsers om drukke plekken heen worden geleid. Hiermee moeten drukke en onveilige situaties tussen weggebruikers voorkomen worden. Met behulp van objectieve monitoring is getracht zowel kwantitatieve als kwalitatieve data te verzamelen over het fietsgedrag richting het Zernikecomplex met als dit gedrag te kunnen beïnvloeden.
Fietsen is diepgeworteld in de Nederlandse cultuur en draagt bij aan een duurzame, gezonde en mobiele samenleving. Met de opkomst van nieuwe (elektrische) vervoersmiddelen, neemt ook de complexiteit van het verkeer toe en ontstaan er nieuwe veiligheidsuitdagingen. Om deze effectief aan te pakken, is het van groot belang om beleidsmakers en educatieve instellingen te voorzien van diepgaande inzichten in fietsgedrag en verkeerssituaties. Met dit project richten we ons op het leveren van deze inzichten door middel van geavanceerde AI-technologieën. De huidige software-oplossingen gericht op het verbeteren van de verkeersveiligheid zijn vaak beperkt in hun functionaliteit en toepassingsgebied. Ze richten zich voornamelijk op het tellen en volgen van verkeersdeelnemers, zonder de complexiteit van fietsverkeer te analyseren. Ons project onderscheidt zich door het gebruik van recente state-of-the-art AI-methoden om complexe verkeerssituaties en fietsgedrag automatisch te analyseren en te classificeren. Ons AI-gestuurde systeem maakt gebruik van Nederlandse videobeelden afkomstig van zowel statische camera's als camera's gemonteerd op fietsers. Hierdoor kunnen we onveilig fietsgedrag en risicovolle situaties herkennen en aanbevelingen doen aan beleidsmakers voor infrastructuuraanpassingen. Het implementeren van AI in opleidingen zoals ruimtelijke ordening zal leiden tot een verfrissend curriculum dat studenten future-proof opleidt. Samen werken we aan de ruimtelijke ontwikkeling van de toekomst. Bovendien kunnen de AI-tools worden gebruikt om lesmateriaal te ontwikkelen, waardoor zij beter inzicht krijgen in de factoren die bijdragen aan onveilige situaties en hoe zij hun gedrag kunnen aanpassen om het risico op ongevallen te verminderen. Het aanvragende consortium bestaat uit een multidisciplinair team van onderzoekers en studenten uit de AI, computer vision, verkeerspsychologie, verkeerskunde en ruimtelijke ontwikkeling, die samenwerken met publieke instellingen en commerciële partners aan een open-source intelligent softwaresysteem. Samengevat zal dit project niet alleen de huidige kennis over fietsgedrag en verkeersveiligheid uitbreiden, maar ook de manier waarop beleidsmakers en educatieve instellingen met deze kwesties omgaan transformeren.
