This research demonstrates the power and robustness of the vocabulary method by Hernández-Rubio et al. (2019) for aspect extraction from online review data. We showcase that this algorithm not only works on the English language based on the CoreNLP toolkit, but also extend it on the Dutch language, specifically with aid of the Frog toolkit. Results on sampled datasets for three different retailers show that it can be used to extract fine-grained aspects that are relevant to acquire corporate reputation insights.
In a recent official statement, Google highlighted the negative effects of fake reviews on review websites and specifically requested companies not to buy and users not to accept payments to provide fake reviews (Google, 2019). Also, governmental authorities started acting against organisations that show to have a high number of fake reviews on their apps (DigitalTrends, 2018; Gov UK, 2020; ACM, 2017). However, while the phenomenon of fake reviews is well-known in industries as online journalism and business and travel portals, it remains a difficult challenge in software engineering (Martens & Maalej, 2019). Fake reviews threaten the reputation of an organisation and lead to a disvalued source to determine the public opinion about brands. Negative fake reviews can lead to confusion for customers and a loss of sales. Positive fake reviews might also lead to wrong insights about real users’ needs and requirements. Although fake reviews have been studied for a while now, there are only a limited number of spam detection models available for companies to protect their corporate reputation. Especially in times with the coronavirus, organisations need to put extra focus on online presence and limit the amount of negative input that affects their competitive position which can even lead to business loss. Given state-of-the-art derived features that can be engineered from review texts, a spam detector based on supervised machine learning is derived in an experiment that performs quite well on the well-known Amazon Mechanical Turk dataset.
MULTIFILE
Adaptieve expertise en flexibiliteit zijn belangrijke competenties. Professionals zullen moeten meebewegen met veranderende werkomstandigheden en in staat zijn om die veranderingen vorm te geven. Dit (ontwerp)onderzoek vindt plaats in innovatieve leerwerkomgevingen in bachelor- en masteropleidingen en beschrijft en verklaart de werking van deze innovaties m.b.t. de ontwikkeling van adaptieve expertise.Doel Adaptatwork wil inzicht geven in werkzame mechanismes in en praktische tools ontwerpen voor de ontwikkeling van adaptieve expertise tijdens werkplekleren. Resultaten Wetenschappelijke kennis over de ontwikkeling van adaptieve expertise in hoger onderwijs Praktijkkennis en expertise voor het hoger onderwijs Toepasbare producten voor docenten en stakeholders Looptijd 01 juli 2020 - 31 december 2023 Aanpak Reviews naar adaptieve expertise en mechanismes die dat bevorderen, casestudies, meta-analyse en valorisatie. Wonen 3.0 Het project Wonen 3.0 dient als casus voor dit onderzoek. In deze leerwerkomgeving wordt praktisch onderzoek uitgevoerd op de vraagstukken van de maatschappij rondom het thema wonen in de setting van een modern leerwerkbedrijf. Bedrijven en instellingen, onderzoekers en studenten (als young professionals) ontwikkelen hierin samen nieuwe inzichten en werkende oplossingen. Het onderwijs is gebaseerd op challenge-based learning.
Physical rehabilitation programs revolve around the repetitive execution of exercises since it has been proven to lead to better rehabilitation results. Although beginning the motor (re)learning process early is paramount to obtain good recovery outcomes, patients do not normally see/experience any short-term improvement, which has a toll on their motivation. Therefore, patients find it difficult to stay engaged in seemingly mundane exercises, not only in terms of adhering to the rehabilitation program, but also in terms of proper execution of the movements. One way in which this motivation problem has been tackled is to employ games in the rehabilitation process. These games are designed to reward patients for performing the exercises correctly or regularly. The rewards can take many forms, for instance providing an experience that is engaging (fun), one that is aesthetically pleasing (appealing visual and aural feedback), or one that employs gamification elements such as points, badges, or achievements. However, even though some of these serious game systems are designed together with physiotherapists and with the patients’ needs in mind, many of them end up not being used consistently during physical rehabilitation past the first few sessions (i.e. novelty effect). Thus, in this project, we aim to 1) Identify, by means of literature reviews, focus groups, and interviews with the involved stakeholders, why this is happening, 2) Develop a set of guidelines for the successful deployment of serious games for rehabilitation, and 3) Develop an initial implementation process and ideas for potential serious games. In a follow-up application, we intend to build on this knowledge and apply it in the design of a (set of) serious game for rehabilitation to be deployed at one of the partners centers and conduct a longitudinal evaluation to measure the success of the application of the deployment guidelines.
De Utrecht Talent Alliantie (UTA) is verantwoordelijk voor het realiseren van de Human Capital Agenda van de regio Utrecht. UTA heeft drie overkoepelende doelen waar het aan werkt. 1) In onze regio vinden soepele en veilige overstappen plaats van mensen naar beroepen met tekorten en groeipotentie. 10.500 extra overstappen per jaar, 73.500 in zeven jaar. 2) Leven lang ontwikkelen is voor iedereen vanzelfsprekend. 85.700 extra deelnemers per jaar, 600.000 in zeven jaar. 3) De beroepsbevolking in onze regio is digitaal vaardig. 16.000 extra personen bereiken basisniveau digitale vaardigheden per jaar, 112.000 in zeven jaar. Publieke en private organisaties uit de regio investeren samen in een toekomstgerichte beroepsbevolking. Er wordt gewerkt met diverse initiatieven die bijdragen aan oplossingen voor maatschappelijke transities. In dit project onderzoeken we hoe die initiatieven bijdragen aan die toekomstgerichte beroepsbevolking in de regio Utrecht. Meer informatie vind je hier.Doel Dit project heeft een lerende aanpak, waarbij leren en ontwikkelen centraal staan. Deze aanpak kent drie overkoepelende doelen: Initiatieven van de UTA helpen tot een succesvol en duurzaam ontwerp en implementatie van hun initiatief te komen. Bijdragen aan het vormen van een UTA-community waarin kennisdeling en support centraal staan. Opzetten en uitvoeren van flankerend onderzoek dat inzichten geeft in hoe en waarom de UTA-initiatieven werken, zowel op het niveau van de initiatieven zelf als over de initiatieven heen. Resultaten Het project zal onder andere inzichten opleveren in hoe de initiatieven werken aan de totstandkoming en verduurzaming van hun ontwerp; hoe de faciliterende activiteiten bijdragen aan de ontwikkeling van de initiatieven; en aan de vorming van een lerend netwerk, en welke succesfactoren te onderscheiden zijn die bijdragen aan initiatieven die duurzaam zijn. Looptijd 01 oktober 2022 - 01 oktober 2027 Aanpak In lijn met de doelen onderscheiden we in dit project twee activiteiten die sterk samenhangen. Aan de ene kant het opzetten en uitvoeren van faciliterende activiteiten die a) de initiatieven helpen tot een succesvol en duurzaam ontwerp en implementatie van hun initiatief te komen en b) bijdragen aan het vormen van een community waarin kennisdeling en support centraal staan (o.a. door sparsessies, kennis- en netwerksessies en peer reviews). Aan de andere kant het opzetten en uitvoeren van flankerend onderzoek dat inzichten geeft in hoe en waarom de initiatieven werken, zowel op het niveau van de initiatieven zelf als over de initiatieven heen (o.a. door de ontwikkeling en inzet van het Utrecht Talent Instrument).
