Designing non-routine mathematical problems is a challenging task, even for excellently performing prospective teachers in primary teacher education, especially when these non-routine problems concern knowledge at the mathematical horizon (HCK). In an experimental setting these prospective teachers were challenged to design non-routine HCK-problems. Acquiring HCK, the perspective of the problem solver in terms of heuristics, a cyclic design process, experts struggling themselves in designing problems were the most important effective characteristics of the learning environment that rise from this explorative study. In Stylianides, G. J., & Hino, K. (Red.). Research Advances in the Mathematical Education of Pre-service Elementary Teachers: An International Perspective. Springer, New York.
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.
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.
Het stabiel operationeel houden van anaerobe vergisters van organische afvalstromen (bijvoorbeeld mest, voedselafval of zuiveringsslib) is een grote uitdaging. Veel vergisters draaien daardoor suboptimaal of staan zelfs helemaal stil, met economische schade voor de boer, leveranciers van biovergisters, als samenleving door minder omzetting van circulaire grondstoffen tot bijvoorbeeld vetzuren of methaan. Mechanistische modellen worden toegepast voor geautomatiseerde procesregeling, maar de onderliggende microbiële en fysisch chemische processen zijn dusdanig gecompliceerd dat de regeling weinig robuust is. Daarentegen kan kunstmatige intelligentie –en met name Artificial Neural Network (ANN)– systeemgedrag beschrijven zonder voorkennis van de in de bioreactor optredende mechanismen. ANN-modellen hebben met succes biogasproductie voorspeld en geoptimaliseerd met specifieke input- en outputparameters. Dit voorstel beoogt een Slimme Procesregeling voor Anaerobe VERgisters en geeft de aanzet tot een ANN-model dat in staat is om het vergistingsproces onder verschillende omstandigheden te voorspellen op basis van gegevens verkregen uit literatuuronderzoek en experimenten. Een vervolgproject kan dit uitbouwen naar een nauwkeuriger ANN-model dat een proactieve regelstrategie kan geven voor de vergisters in het werkveld van onder andere de projectpartners HoSt en Methaplanet. Vernieuwend is de kruisbestuiving tussen verwaarding van organische reststromen met kunstmatige intelligentie in een samenwerkingsverband tussen de Saxion-lectoraten Duurzame Energievoorziening, Ambient Intelligence, de UT-vakgroep Discrete Mathematics and Mathematical Programming, genoemde vergisterleveranciers en ToPerform. Dit moet leiden tot een betere benutting van organische reststromen door middel van vergisting. Het voorstel past daarom binnen het thema “Chemische processen en technologie”, van de GoChem-missie Duurzame Chemie. Beoogde projectresultaten zijn: 1. Een trainingsset van empirische data die procesparameters kan relateren aan procesfalen voor verschillende soorten organische reststromen; 2. Een opzet voor een ANN die met geleverde trainingsset de mogelijkheid voor een proactieve regelstrategie voor vergisters aantoont; 3. Een aanzet voor een vervolgproject om de ANN uit te werken tot een proactieve regelstrategie voor de mkb-partners in het werkveld.
