Dit paper is het eindproduct van leerarrangement 1 (Zin in Leren) van de HBO masteropleiding Leren en Innoveren. Het is een literatuurstudie naar blended learning en hoe blended learning kan bijdragen aan een beter leerresultaat van de student.
DOCUMENT
Artificially intelligent agents increasingly collaborate with humans in human-agent teams. Timely proactive sharing of relevant information within the team contributes to the overall team performance. This paper presents a machine learning approach to proactive communication in AI-agents using contextual factors. Proactive communication was learned in two consecutive experimental steps: (a) multi-agent team simulations to learn effective communicative behaviors, and (b) human-agent team experiments to refine communication suitable for a human team member. Results consist of proactive communication policies for communicating both beliefs and goals within human-agent teams. Agents learned to use minimal communication to improve team performance in simulation, while they learned more specific socially desirable behaviors in the human-agent team experiment
DOCUMENT
De ontwikkelingen en veranderingen in de gezondheidszorg maken het noodzakelijk dat verpleegkundigen door middel van bij- en nascholing hun deskundigheid op peil houden. Deskundigheid is de basis waarop herregistratie in het BIG-register zal gaan plaatsvinden. Per 1 januari 2009 moeten zorgverleners na vijf jaar hun deskundigheid aantonen door te voldoen aan de werkervaringseis en, als ze daar niet aan voldoen, de scholingseis1. Deskundigheidsbevordering en Lifelong Learning - levenslang leren - gaan hand in hand. Lifelong Learning is het principe dat mensen gedurende hun hele leven in staat en gemotiveerd zijn om te leren en dat de omgeving daartoe mogelijkheden biedt2, 3. E-learning wordt geassocieerd met leeractiviteiten die plaatsvinden op een zelfgekozen moment waarbij een met een computernetwerk verbonden computer interactief gebruikt wordt. ‘Any place, any time’ is een wezenlijk aspect van e-learning. E-learning is belangrijk voor het levenslang leren van verpleegkundigen.
DOCUMENT
De Human Capital Agenda van GroenvermogenNL is de ‘enabler’ voor de ambitieuze activiteiten t.a.v. de productie en transport, op- & overslag van waterstof en de (grootschalige) toepassing ervan in de industrie en de overige toepassingsgebieden zoals mobiliteit & transport en de gebouwde omgeving. Belangrijke voorwaarde voor de realisatie van deze ambities is de voldoende beschikbaarheid van professionals met kennis en vaardigheden van waterstof en de toepassing ervan. Hiervoor moet nieuwe en noodzakelijke kennis snel beschikbaar komen in het reguliere onderwijs en voor de scholing en training van professionals die al werkzaam zijn. Eén van de werkstromen binnen de human capital agenda van GroenvermogenNL is de ontwikkeling en verduurzaming van learning communities rond waterstof. Learning communities zijn in transitieomgevingen een bruikbaar vehikel om derde-orde leren mogelijk te maken. In de energietransitie is zulk derde-orde leren of ook transformatief leren nodig. Dat vindt niet spontaan plaats maar vraagt om een gestructureerde manier van leren, waarin systematisch gewerkt wordt aan het conceptualiseren van complexe problemen, vraagarticulatie en het bedenken van oplossingsstrategieën. Een learning community kan dienen als innovatieruimte waarin kruisbestuiving plaatsvindt tussen verschillende types kennis en vaardigheden. Het project “Aanloopactiviteiten learning communities” is erop gericht om in de projectperiode (2022-2023) in grote lijnen twee met elkaar verweven hoofdactiviteiten uit te voeren, namelijk activiteiten die in de tweede fase zorgen voor daadwerkelijke opschaling én activiteiten die zorgen voor leren en kennisontwikkeling óver leren, werken en innoveren in learning communities. De projectperiode is een voorbereidingsjaar waarin in 6 regio’s gebouwd wordt aan een ecosysteem waarmee de HCA GroenvermogenNL gerealiseerd kan worden. Naast de regionale ontwikkeling zijn er 2 landelijke projecten, het onderhavige rond learning community-ontwikkeling en een project waarin gebouwd wordt aan een kennisplatform.
The increasing amount of electronic waste (e-waste) urgently requires the use of innovative solutions within the circular economy models in this industry. Sorting of e-waste in a proper manner are essential for the recovery of valuable materials and minimizing environmental problems. The conventional e-waste sorting models are time-consuming processes, which involve laborious manual classification of complex and diverse electronic components. Moreover, the sector is lacking in skilled labor, thus making automation in sorting procedures is an urgent necessity. The project “AdapSort: Adaptive AI for Sorting E-Waste” aims to develop an adaptable AI-based system for optimal and efficient e-waste sorting. The project combines deep learning object detection algorithms with open-world vision-language models to enable adaptive AI models that incorporate operator feedback as part of a continuous learning process. The project initiates with problem analysis, including use case definition, requirement specification, and collection of labeled image data. AI models will be trained and deployed on edge devices for real-time sorting and scalability. Then, the feasibility of developing adaptive AI models that capture the state-of-the-art open-world vision-language models will be investigated. The human-in-the-loop learning is an important feature of this phase, wherein the user is enabled to provide ongoing feedback about how to refine the model further. An interface will be constructed to enable human intervention to facilitate real-time improvement of classification accuracy and sorting of different items. Finally, the project will deliver a proof of concept for the AI-based sorter, validated through selected use cases in collaboration with industrial partners. By integrating AI with human feedback, this project aims to facilitate e-waste management and serve as a foundation for larger projects.
Renewable energy, particularly offshore wind turbines, plays a crucial role in the Netherlands' and EU energy-transition-strategies under the EU Green Deal. The Dutch government aims to establish 75GW offshore wind capacity by 2050. However, the sector faces human and technological challenges, including a shortage of maintenance personnel, limited operational windows due to weather, and complex, costly logistics with minimal error tolerance. Cutting-edge robotic technologies, especially intelligent drones, offer solutions to these challenges. Smaller drones have gained prominence through applications identifying, detecting, or applying tools to various issues. Interest is growing in collaborative drones with high adaptability, safety, and cost-effectiveness. The central practical question from network partners and other stakeholders is: “How can we deploy multiple cooperative drones for maintenance of wind turbines, enhancing productivity and supporting a viable business model for related services?” This is reflected in the main research question: "Which drone technologies need to be developed to enable collaborative maintenance of offshore wind turbines using multiple smaller drones, and how can an innovative business model be established for these services? In collaboration with public and private partners, Saxion, Hanze, and RUG will research the development of these collaborative drones and investigate the technology’s potential. The research follows a Design Science Research methodology, emphasizing solution-oriented applied research, iterative development, and rigorous evaluation. Key technological building blocks to be developed: • Morphing drones, • Intelligent mechatronic tools, • Learning-based adaptive interaction controllers and collaborations. To facilitate the sustainable industrial uptake of the developed technologies, appropriate sustainable business models for these technologies and services will be explored. The project will benefit partners by enhancing their operations and business. It will contribute to renewing higher professional education and may lead to the creation of spin-offs/spinouts which bring this innovative technology to the society, reinforcing the Netherlands' position as a leading knowledge economy.
