Het projectplan 'De Belevingswaarde van Musea’ is een aanvraag voor de regeling RAAK-PUBLIEK van het Nationaal Regieorgaan Praktijkgericht Onderzoek SIA (september 2015).
Lokale aanpak gebiedsgericht beleid. Prakttijkvoorbeelden in het landelijk gebied.
MULTIFILE
In dit hoofdstuk wordt het Nederlandse beleid geschetst van het tegengaan van radicalisering en het voorkomen van terroristisch geweld. Hierin neemt het ‘Actieprogramma integrale aanpak Jihadisme’ een belangrijke plaats in. Besproken wordt wat er goed gaat en wat de ontwikkelingsvragen zijn. Het hoofdstuk eindigt met een beschouwing over de behoefte aan sociale innovatie. Aangezien een aantal preventieve interventies behoorlijk ingrijpend kunnen zijn, is het zaak om bij de uitvoering te letten op eenduidigheid en adequate rechtsbescherming.
MULTIFILE
Een geschatte hoeveelheid van tussen de 35 en 140 miljoen kilo zwerfafval wordt jaarlijks in Nederland op straat of in de natuur aangetroffen. Gemeenten zijn verantwoordelijk voor het voorkomen en opruimen van zwerfafval. Daarom heeft bijvoorbeeld gemeente Breda de ambitie uitgesproken om de stad in 2030 zwerfafval vrij te hebben. Deze ambitieuze doelstelling moet bereikt worden door acties zowel op het vlak van preventie, als het opruimen en het hergebruik. Om deze acties kwantitatief te onderbouwen en te monitoren zijn gegevens over ligging, hoeveelheid en samenstelling van het zwerfafval noodzakelijk. Het is momenteel al mogelijk om zwerfafvaldata te verkrijgen om analyses op te verrichten. Deze data is afkomstig van vrijwilligers die middels apps als Litterati zwerfafval verzamelen en classificeren (labelen). Het toekennen van een label is een tijdrovende klus en levert maar een beperkt beeld van de totale hoeveelheid zwerfafval in een gemeente. Dit classificeren kan geautomatiseerd worden door object detectie algoritmen welke zijn getraind op afbeeldingen van zwerfafval. Om een groter gebied te monitoren zijn camerasystemen ontwikkeld die in staat zijn zwerfafval automatisch te detecteren. Technisch gezien zijn er steeds meer oplossingen om automatisch zwerfafval in kaart te brengen en te classificeren, maar een praktijkgerichte oplossing voor bijvoorbeeld beleidsmakers zonder technische kennis ontbreekt nog. In dit toegepast ontwerponderzoek werken we samen met gemeente Breda, gemeente ‘s-Hertogenbosch, stichting GoClean, Natuur- en milieuvereniging Markkant, stichting Nederland Schoon, de Antea Group en betrokken MKB-ers aan het antwoord op de onderzoeksvraag “Hoe kan zwerfafval in de openbare ruimte automatisch gedetecteerd en geclassificeerd worden vanuit verschillende, onafhankelijke bronnen met een zo beperkt mogelijke tijdsinvestering van de mens in dit proces.” De technische componenten die hiervoor nodig zijn worden samengevoegd in een gebruiksvriendelijk dataplatform. Op basis van de uitkomsten kunnen gemeenten (en andere publieke partijen) in Nederland datagedreven interventies ontwikkelen om zwerfafval tegen te gaan.
Communicatieprofessionals slagen er niet in adequaat om te gaan met beroering in de publieke sfeer, in het bijzonder als deze zich op sociale media afspeelt. Dat onvermogen betaalt zich vaak duur uit want leidt tot grote maatschappelijke problemen (‘issues’), vertrouwensverlies, hoge kosten, grillig beleid en andere onverkwikkelijkheden. Vandaar de behoefte onder professionals dergelijke beroering voor te zijn. Belangrijkste doel van dit project is de ontwikkeling van een leeromgeving die hen daartoe in staat stelt. Het vermogen de beroering op sociale media, voor zover mogelijk, te begrijpen en te beheersen, begint bij inzicht in hoe die beroering tot stand komt, zich ontwikkelt en het beste benaderd kan worden. Cruciaal hierbij is het besef dat men er vroeg bij moet zijn, nog voordat de onrust op sociale media zich tot een issue ontwikkelt. Daarna is het veelal te laat. Vandaar het enorme belang oog te hebben voor de subtiliteit en complexiteit van taal. Immers heel vaak staat er niet wat er staat of zegt men niet wat men bedoelt. Maar het herkennen van de juiste bedoeling is een buitengewoon lastig proces dat via traditionele vormen van monitoring veelal onvoldoende tot stand komt. Voor een adequate omgang met potentiële issues zou dat echter wel moeten. De mogelijkheden daartoe maken de kern uit van de in dit project voorgestelde vorm van discoursanalyse en daarop gebaseerde leeromgeving. Voor zowel die discoursanalyse als de leeromgeving wordt gebruik gemaakt van AI technieken. Die technieken maken de leeromgeving ‘smart’, dat wil zeggen vol mogelijkheden tot interactie, automatische feedback, visualisaties en geavanceerde vormen van kennisverwerving. AI technieken worden in dit project ook ingezet bij het doen van discoursanalyse. Deels gebeurt dat door de communicatieprofessional zelf, tijdens het leerproces. Al doende leert hij niet alleen over het publiek debat maar draagt ook bij aan kennis en analyse daarvan.
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.
