Dit artikel beschrijft een onderzoek naar werkzame elementen in de samenwerking binnen innovatieve leeromgevingen, professionele werkplaatsen (PW) genoemd. In PW werken onderwijs en beroepspraktijk samen aan complexe vraagstukken waarbij de ontwikkeling van betrokkenen en de innovatie van de beroepspraktijk centraal staan. Op basis van literatuuronderzoek, verkennende interviews met 11 sleutelfiguren en een meervoudige casestudie waarin vanuit 4 cases 75 betrokkenen participeerden, is het model Lerend en Onderzoekend Samenwerken in PW ontwikkeld. Het model omvat zes elementen en laat zien dat het lerend en onderzoekend samenwerken centraal staat in een PW en zich ontwikkelt binnen een grensoverstijgende en ontwikkelingsgerichte cultuur. Betrokkenen in een PW leren gezamenlijk doordat ze samenwerken in de dienstverlening en hierbij waarde hechten aan het delen van verschillende perspectieven. Door facilitering van mensen en middelen en door de samenwerking vorm te geven vanuit een gezamenlijke visie, kunnen betrokkenen elkaar leren kennen en afstemmen op welke manier zij samen kunnen bijdragen aan de innovatie van de beroepspraktijk. Hiervoor zijn zowel het opbouwen van relaties als het expliciteren en verdelen van taken en verantwoordelijkheden essentieel. Het model, dat een systemisch perspectief kent, biedt uitgangspunten en handvatten om de samenwerking binnen een PW te evalueren en te versterken.
MULTIFILE
This paper presents a comprehensive study on assisting new AI programmers in making responsible choices while programming. The research focused on developing a process model, incorporating design patterns, and utilizing an IDE-based extension to promote responsible Artificial Intelligence (AI) practices. The experiment evaluated the effectiveness of the process model and extension, specifically examining their impact on the ability to make responsible choices in AI programming. The results revealed that the use of the process model and extension significantly enhanced the programmers' understanding of Responsible AI principles and their ability to apply them in code development. These findings support existing literature highlighting the positive influence of process models and patterns on code development capabilities. The research further confirmed the importance of incorporating Responsible AI values, as asking relevant questions related to these values resulted in responsible AI practices. Furthermore, the study contributes to bridging the gap between theoretical knowledge and practical application by incorporating Responsible AI values into the centre stage of the process model. By doing so, the research not only addresses the existing literature gap, but also ensures the practical implementation of Responsible AI principles.
MULTIFILE
Process Mining can roughly be defined as a data-driven approach to process management. The basic idea of process mining is to automatically distill and to visualize business processes using event logs from company IT-systems (e.g. ERP, WMS, CRM etc.) to identify specific areas for improvement at an operational level. An event log can be described as a database entry that signifies a specific action in a software application at a specific time. Simple examples of these actions are customer order entries, scanning an item in a warehouse, and registration of a patient for a hospital check-up.Process mining has gained popularity in the logistics domain in recent years because of three main reasons. Firstly, the logistics IT-systems' large and exponentially growing amounts of event data are being stored and provide detailed information on the history of logistics processes. Secondly, to outperform competitors, most organizations are searching for (new) ways to improve their logistics processes such as reducing costs and lead time. Thirdly, since the 1970s, the power of computers has grown at an astonishing rate. As such, the use of advance algorithms for business purposes, which requires a certain amount of computational power, have become more accessible.Before diving into Process Mining, this course will first discuss some basic concepts, theories, and methods regarding the visualization and improvement of business processes.
MULTIFILE
Students in Higher Music Education (HME) are not facilitated to develop both their artistic and academic musical competences. Conservatoires (professional education, or ‘HBO’) traditionally foster the development of musical craftsmanship, while university musicology departments (academic education, or ‘WO’) promote broader perspectives on music’s place in society. All the while, music professionals are increasingly required to combine musical and scholarly knowledge. Indeed, musicianship is more than performance, and musicology more than reflection—a robust musical practice requires people who are versed in both domains. It’s time our education mirrors this blended profession. This proposal entails collaborative projects between a conservatory and a university in two cities where musical performance and musicology equally thrive: Amsterdam (Conservatory and University of Amsterdam) and Utrecht (HKU Utrechts Conservatorium and Utrecht University). Each project will pilot a joint program of study, combining existing modules with newly developed ones. The feasibility of joint degrees will be explored: a combined bachelor’s degree in Amsterdam; and a combined master’s degree in Utrecht. The full innovation process will be translated to a transferable infrastructural model. For 125 students it will fuse praxis-based musical knowledge and skills, practice-led research and academic training. Beyond this, the partners will also use the Comenius funds as a springboard for collaboration between the two cities to enrich their respective BA and MA programs. In the end, the programme will diversify the educational possibilities for students of music in the Netherlands, and thereby increase their professional opportunities in today’s job market.
Onze huidige voedselvoorziening wordt gekenmerkt door overmatig gebruik van bestrijdingsmiddelen zoals antibiotica, genetische manipulatie, overdadig veel transport, water en andere grondstoffen worden gebruikt en productieprocessen gebaseerd op fossiele brandstoffen. Ook wordt veel landbouwgrond dusdanig uitgeput dat de kwaliteit van de grond en de diversiteit sterk achteruit gaan. Gezonde en duurzaam geproduceerde voeding zou voor iedereen bereikbaar moeten zijn. Bovendien is er veel leegstand in verschillende regio’s, deze leegstand kan door middel van aquacultuur systemen zeer waardevol worden benut. Dit is de aanleiding geweest om te zoeken naar alternatieve mogelijkheden voor duurzame productie van voedsel binnen de agrifoodsector. Geïntegreerde aquacultuur systemen worden verwacht goed toepasbaar te zijn voor duurzame voedingsproductie. Deze systemen verminderen de afhankelijkheid van de huidige voedselvoorziening van chemie, olie en gas. Bovendien stimuleert het de lokale en regionale economie en schept het duurzame werkgelegenheid. De doelstelling is het sluiten van de materiaalstroomketen, het voorkomen van afvalstoffen en het stimuleren van grondstof besparing. De aanpak van dit project is daarom gericht op de transitie naar circulaire materiaalstromen waarbij hoogwaardig hergebruik van de materialen mogelijk is op een manier waarbij waarde wordt toegevoegd. Hierbij worden mogelijkheden verkent in het kader van de biobased economy en nieuwe business- en verdienmodellen van dergelijke geïntegreerde aquaculturen. De onderzoeksvraag voor A2FISH is welke circulaire business- en verdienmodellen er realiseerbaar zijn voor kansrijke geïntegreerde aquacultuursystemen binnen de agrifoodsector. Om die onderzoeksvraag uiteindelijk te kunnen beantwoorden, zijn een aantal deelvragen geformuleerd: • Welke aquacultuursystemen zijn kansrijk toepasbaar binnen de agrifoodsector? • Aan welke technische en economische aspecten moet een aquacultuursysteem voldoen om te komen tot kansrijke business- en verdienmodellen? • Welke soorten planten kunnen worden met waardevolle inhoudsstoffen kunnen worden gekweekt met de aquacultuursystemen? • Welke soorten gangbaar industrieel visvoer kan worden gefabriceerd uit reststromen uit de voedingsmiddelenindustrie en welke invloed heeft dit voer als bemesting op de waterkwaliteit? • Hoe ziet een vervolgtraject voor een geïntegreerd circulair aquacultuursysteem eruit en in hoeverre is dit anders dan voor gangbare alternatieven?
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.
