Obesity has become a major societal problem worldwide [1][2]. The main reason for severe overweight is excessive intake of energy, in relation to the individual needs of a human body. Obesity is associated with poor eating habits and/or a sedentary lifestyle. A significant part of the obese population (40%) belongs to a vulnerable target group of emotional eaters, who overeat due to negative emotions [3]. There is a need for self-management support and personalized coaching to enhance emotional eaters in recognising and self-regulating their emotions.Over the last years, coaching systems have been developed for behavior change support, healthy lifestyle, and physical activity support [4]-[9]. Existing virtual coach applications lack systematic evaluation of coaching strategies and usually function as (tele-)monitoring systems. They are limited to giving general feedback to the user on achieved goals and/or accomplished (online) assignments.Dialectical Behavior Therapy (DBT) focuses on getting more control over one’s ownemotions by reinforcing skills in mindfulness, emotion regulation, and stress tolerance [10]. Emotion regulation is about recognizing and acknowledging emotions and accepting the fact that they come and go. The behavior change strategies within DBT are based on validation and dialectics [11]. Dialectics changes the users’ attitude and behavior by creating incongruence between an attitude and behavior since stimuli or the given information contradict with each other.The ultimate goal of the virtual coach is to raise awareness of emotional eaters on their own emotions, and to enhance a positive change of attitude towards accepting the negative emotions they experience. This should result in a decrease of overeating and giving in to binges. We believe that the integration of the dialectical behavior change strategies and persuasive features from the Persuasive System Design Model by Kukkonen and Harjumaa [12] will enhance the personalization of the virtual coach for this vulnerable group. We aim at developing a personalized virtual coach ‘Denk je zèlf!’ (Dutch for ‘Develop a wise mind and counsel yourself’) providing support for self-regulation of emotions for young obese emotional eaters. This poster presents an eCoaching model and a research study protocol aiming at the validation of persuasive coaching strategies based on behavior change techniques using dialectical strategies. Based on the context (e.g., location), emotional state of the user, and natural language processing, the virtual coach application enables tailoring of the real-time feedback to the individual user. Virtual coach application communicates with the user over a chat timeline and provides personal feedback.The research protocol decribes the two weeks field study on validating persuasive coaching strategies for emotional eaters. Participants (N=30), recruited via a Dutch franchise organization of dietitian nutritionists, specialized in treating emotional eating behaviors, will voluntarily participate in this research study. Participants will be presented with short dialogues (existing questions and answers) and will be asked to select the preferred coaching strategy (validating or a dialectical), according to their (current) emotions. To trigger a certain emotion (e.g., the affect that fits best with the chosen coaching strategy), a set of pictures will be shown to the user that evoke respectively sadness, anger, fear, and disgust [13].Participants will be asked to fill out the demographics data ((nick) name, age, gender, weight, length, place of residence) and three questionnaires: • Dutch Eating Behavior Questionnaire (DEBQ) [14],• Five Factor Personality Inventory (FFPI) [15], • Quality of Life Index Questionnaire [16].This research study aims at answering the following research questions: “Which coaching strategies do users with a specific type of emotional eating behavior benefit most from while consulting their personalized virtual coach?; “Which coaching strategies are optimal for which emotions?” and “Which coaching approach do users prefer in which context, e.g. time of the day, before/after a craving?”
LINK
Insufficient physical activity presents a significant hazard to overall health, with sedentary lifestyles linked to a variety of health issues. Monitoring physical activity levels allows the recognition of patterns of sedentary behavior and the provision of coaching to meet the recommended physical activity standards. In this paper, we aim to address the problem of reducing the time consuming process of fitting classifiers when generating personalized models for a coaching application. The proposed approach consists of evaluating the effects of clustering participants based on their walking patterns and then recommending a unique model for each group. Each model consists of a random forest classifier with a different number of estimators each. The resulting approach reduces the fitting time considerably while keeping nearly the same classification performance as personalized models.
Nowadays, one of the major current health risks is excessive sitting during work hours. Furthermore, the coronavirus disease 2019 (COVID-19) pandemic and the corresponding government state of emergency forced many people to work from home. These constraints carried out an important change in the lifestyle of people; for instance, the proportion of sitting time in front of a computer during working hours has increased considerably worldwide, particularly through the implementation of teleworking.In order to motivate people to lead a less sedentary life, the Hanze University of Applied Sciences Groningen developed an automated recommender system. We investigated the possibility of automated coaching in order to increase physical activity and help people to reach their daily step goal. By monitoring people’s activity level and progress during the day, we predict personalized recommendations. The effect of these recommendations on the individual’s activity level forms the basis for a personalized coaching approach.Step count data is used to train a machine learning algorithm that estimates the hourly probability of the individual achieving the daily steps goal. The outcome of this prediction is combined with the effect of the type recommendation for the individual to deliver the best recommendation for the individual. To show the practical usefulness, we constructed a platform to manage the data, rules, machine learning algorithms and clustering of participants. Results of initial pilots using the platform and app have given insight in the performance of and challenges associated with algorithm selection and personal model generation for the coaching package caused by the nature of the data. Further research will therefore be done in optimizing machine learning algorithms and tuning for human datasets.
Nederland kent ongeveer 220.000 bedrijfsongevallen per jaar (met 60 mensen die overlijden). Vandaar dat elke werkgever verplicht is om bedrijfshulpverlening (BHV) te organiseren, waaronder BHV-trainingen. Desondanks brengt slechts een-derde van alle bedrijven de arbeidsrisico’s in kaart via een Risico-Inventarisatie & Evaluatie (RI&E) en blijft het aandeel werknemers met een arbeidsongeval hoog. Daarom wordt er continu geïnnoveerd om BHV-trainingen te optimaliseren, o.a. door middel van Virtual Reality (VR). VR is niet nieuw, maar is wel doorontwikkeld en betaalbaarder geworden. VR biedt de mogelijkheid om veilige realistische BHV-noodsimulaties te ontwikkelen waarbij de cursist het gevoel heeft daar echt te zijn. Ondanks de toename in VR-BHV-trainingen, is er weinig onderzoek gedaan naar het effect van VR in BHV-trainingen en zijn resultaten tegenstrijdig. Daarnaast zijn er nieuwe technologische ontwikkelingen die het mogelijk maken om kijkgedrag te meten in VR m.b.v. Eye-Tracking. Tijdens een BHV-training kan met Eye-Tracking gemeten worden hoe een instructie wordt opgevolgd, of cursisten worden afgeleid en belangrijke elementen (gevaar en oplossingen) waarnemen tijdens de simulatie. Echter, een BHV-training met VR en Eye-Tracking (interacties) bestaat niet. In dit project wordt een prototype ontwikkeld waarin Eye-Tracking wordt verwerkt in een 2021 ontwikkelde VR-BHV-training, waarin noodsituaties zoals een kantoorbrand worden gesimuleerd (de BHVR-toepassing). Door middel van een experiment zal het prototype getest worden om zo voor een deel de vraag te beantwoorden in hoeverre en op welke manier Eye-Tracking in VR een meerwaarde biedt voor (RI&E) BHV-trainingen. Dit project sluit daarmee aan op het missie-gedreven innovatiebeleid ‘De Veiligheidsprofessional’ en helpt het MKB dat vaak middelen en kennis ontbreekt voor onderzoek naar effectiviteit rondom innovatieve-technologieën in educatie/training. Het project levert onder meer een prototype op, een productie-rapport en onderzoeks-artikel, en staat open voor nieuwe deelnemers bij het schrijven van een grotere aanvraag rondom de toepassing en effect van VR en Eye-Tracking in BHV-trainingen.
De diëtist kan in de eerstelijns situatie slechts rekenen op 3 uur vergoeding per jaar uit de basisverzekering, hetgeen voor veel cliënten te weinig is. Digitaal ondersteunde (voedings)interventies die gebaseerd zijn op relevante, continu verzamelde persoonlijke data van de cliënt kunnen helpen de beschikbare tijd efficiënter te benutten. Er zijn tegenwoordig veel mogelijkheden in de vorm van apps en activity trackers, zoals de Eetmeter, Runkeeper en Fitbit, die diëtisten kunnen helpen inzicht te krijgen in het gedrag van hun cliënten, en zodoende bij de coaching van de cliënten. Het gebruik van dergelijke technologie en het delen van data met de diëtist om dit coachingsproces te optimaliseren is echter nog niet gangbaar en diëtisten maken niet of weinig gebruik van digitale hulpbronnen. Een belangrijke reden hiervoor is dat de beschikbare technologie niet altijd even goed aansluit op de behoeften van diëtisten en hun cliënten. Daarbij is het niet duidelijk welke data de diëtisten precies (kunnen) gebruiken en hoe deze verzameld kunnen worden die in de begeleiding ook echt meerwaarde hebben. In dit project willen onderzoekers van de Hanzehogeschool Groningen in samenwerking met diëtisten van de Diëtisten Coöperatie Groningen (DCG), het Voedingscentrum, het lectoraat Zorg voor Voeding en Gezondheid van de Christelijke Hogeschool Ede verkennen welke data het beste verzameld kunnen worden met digitale apps om coaching bij leefstijl beter af te stemmen op de situatie van de cliënt en welke apps het meest geschikt zijn in de praktijk. Op basis van deze input wordt met deze subsidie een toolkit ontwikkeld, gebaseerd op bestaande technologie, om de gewenste data te verzamelen. Dit prototype toolkit vormt de basis voor een toekomstig subsidievoorstel om een e-assistent te realiseren, een app die de diëtist en cliënt kan ondersteunen door middel van uit de data verkregen visualisaties en op de cliënt gepersonaliseerde inzichten en adviezen.
Dit onderzoek wil de interactie tussen begeleiders van organisatieverandering en betrokken stakeholders verbeteren, zodat deze begeleiders organisaties effectief kunnen faciliteren bij (complexe) organisatieverandering.Doel Het doel van dit onderzoek is om begeleiders van organisatieverandering handvatten te bieden voor effectieve interactie. Uiteindelijk moet dit bijdragen aan het verbeteren van de uitkomsten van de organisatieverandertrajecten. Resultaten Vergrote deskundigheid deelnemende consultants Bijdragen aan masteronderwijs en opleiding van professionals Suggesties voor curriculaontwikkeling van opleidingen Uiteindelijk: doeltreffender begeleiding van ingewikkelde organisatieveranderingen Wetenschappelijke bijdrage in de vorm van een dissertatie Looptijd 01 januari 2019 - 01 januari 2023 Aanpak Social construction, conversaties/personal coaching, observatie en vragenlijstonderzoek.
