Deze bachelor scriptie is geschreven voor het afstudeeronderzoek dat deel uit maakt van de opleiding archeologie aan Hogeschool Saxion te Deventer. De auteur van deze scriptie is Hugo Pothof. Het doel van dit onderzoek was het ontwikkelen van een nieuwe methode voor het herkennen van afwijkende graven. Dit zijn graven van individuen die op een niet reguliere manier begraven zijn voor hun cultuur en/of tijdsperiode. Voor dit onderzoek is de volgende hoofdvraag opgesteld: Hoe kunnen afwijkende graven in begraafplaatsen uit de Late Middeleeuwen/Nieuwe tijd geïdentificeerd worden met behulp van statistische en ruimtelijke analyses? Het eerste gedeelte van dit onderzoek bestond uit het opstellen van de nieuwe methode. Hiervoor zijn analyses en criteria verzameld en opgesteld die gebruikt kunnen worden voor statistisch onderzoek voor het herkennen van afwijkende graven. Voor deze criteria zijn drie soort analyses gebruikt. Ten eerste is voor categorische data (teksten) gebruik gemaakt van percentuele begrenzingen om weinig voorkomende waarnemingen aan te duiden als afwijkende graven. Daarnaast zijn voor numerieke data (getallen) gebruik gemaakt van de outlier detection with IQR. De Find Outliers tool in ArcGIS kan automatisch ruimtelijk afwijkende polygonen herkennen. Met de programmeertaal R een script (code) geschreven die het mogelijk maakt om consistent en reproduceerbaar deze analyses uit te voeren. Ook kunnen met het script grafieken gemaakt worden van de data. Om de nieuwe methode te toetsen zijn in totaal vijf begraafplaatsen uit de gemeentes Zutphen en Doesburg geanalyseerd. Deze begraafplaatsen zijn allemaal christelijke begraafplaatsen uit de Late Middeleeuwen en het begin van de Nieuwe tijd. Daarnaast is ook één grote dataset gemaakt waarin alle grafdata staat. Deze is gebruikt om de begraafplaatsen met elkaar te vergelijken.
MULTIFILE
Game development businesses often choose Lua for separating scripted game logic from reusable engine code. Lua can easily be embedded, has simple interfaces, and offers a powerful and extensible scripting language. Using Lua, developers can create prototypes and scripts at early development stages. However, when larger quantities of engine code and script are available, developers encounter maintainability and quality problems. First, the available automated solutions for interoperability do not take domain-specific optimizations into account. Maintaining a coupling by hand between the Lua interpreter and the engine code, usually in C++, is labour intensive and error-prone. Second, assessing the quality of Lua scripts is hard due to a lack of tools that support static analysis. Lua scripts for dynamic analysis only report warnings and errors at run-time and are limited to code coverage. A common solution to the first problem is developing an Interface Definition Language (IDL) from which ”glue code”, interoperability code between interfaces, is generated automatically. We address quality problems by proposing a method to complement techniques for Lua analysis. We introduce Lua AiR (Lua Analysis in Rascal), a framework for static analysis of Lua script in its embedded context, using IDL models and Rascal.
De dataverzamelingsmethodiek ‘verhalen vangen’ (afgeleid is van de methodiek storytelling) die voor het project “Samenwerken met ouders: hoe doe je dat?” is gekozen, is in de praktijk een deel van de oplossing voor de soms moeizame samenwerking tussen ouders en leerkrachten. De verhalen van leerkrachten en ouders zeggen veel over de individuele beleving van de samenwerking. Analyse van de verhalen geeft inzicht in de werkzame factoren en de competenties die een leerkracht nodig heeft om met ouders samen te werken. Maar, de impact van de verhalen is groter. Door aan dit project deel te nemen hebben leerkrachten (en ouders) leren luisteren. Iets wat op het oog vanzelfsprekend en eenvoudig lijkt, bleek in de praktijk verrassend lastig. Het oprecht luisteren naar ouders bleek voor veel leerkrachten een nieuwe en leerzame ervaring. Deze aanpak heeft veel scholen aangesproken. Deze laagdrempelige manier van data verzamelen bleek voor veel schooldirecteuren, leerkrachten en ouders een eye opener. Wij merken dat de methodiek relatief arbeidsintensief en dus duur is omdat alle gesprekken tot nu toe worden opgenomen en getranscribeerd. Uit deze transcripten worden de verhalen van ouders, leerkrachten en kinderen gedestilleerd. Om te kunnen voldoen aan de vraag van scholen om getraind te worden in ‘verhalen vangen’ en dus beter luisteren, willen wij de methodiek minder arbeidsintensief maken. We willen verkennen welke mogelijkheden er zowel inhoudelijk als technisch zijn om de methodiek, met behoud van alle waardevolle gesprekstechnieken, efficiënter te kunnen aanbieden.
Communicatieprofessionals geven aan dat organisaties geconfronteerd worden met een almaar complexere samenleving en daarmee het overzicht verloren hebben. Zo’n overzicht, een ‘360 graden blik’, is echter onontbeerlijk. Dit vooral, aldus diezelfde communicatieprofessionals, omdat dan eerder kan worden opgemerkt wanneer de legitimiteit van een organisatie ter discussie staat en zowel tijdiger als adequater gereageerd kan worden. Op dit moment is het echter nog zo dat een reactie pas op gang komt als zaken reeds in een gevorderd stadium verkeren. Onderstromen blijven onderbelicht, als ze niet al geheel onzichtbaar zijn. Een van de verklaringen hiervoor is de grote rol van sociale media in de publieke communicatie van dit moment. Die media produceren echter zoveel data dat communicatieprofessionals daartegenover machteloos staan. De enige oplossing is automatisering van de selectie en analyse van die data. Helaas is men er tot op heden nog niet in geslaagd een brug te slaan tussen het handwerk van de communicatieprofessional en de vele mogelijkheden van een datagedreven aanpak. Deze brug dan wel de vertaling van de huidige praktijk naar een hogere technisch niveau staat centraal in dit onderzoeksproject. Daarbij gaat het in het bijzonder om een vroegtijdige herkenning van potentiële issues, in het bijzonder met betrekking tot geruchtvorming en oproepen tot mobilisatie. Met discoursanalyse, AI en UX Design willen we interfaces ontwikkelen die zicht geven op die onderstromen. Daarbij worden transcripten van handmatig gecodeerde discoursanalytische datasets ingezet voor AI, in het bijzonder voor de clustering en classificatie van nieuwe data. Interactieve datavisualisaties maken die datasets vervolgens beter doorzoekbaar terwijl geautomatiseerde patroon-classificaties de communicatieprofessional in staat stellen sociale uitingen beter in te schatten. Aldus wordt richting gegeven aan handelingsperspectieven. Het onderzoek voorziet in de oplevering van een high fidelity ontwerp en een handleiding plus training waarmee analisten van newsrooms en communicatieprofessionals daadwerkelijk aan de slag kunnen gaan.
Achter de Voordeur is een jaarlijks terugkerend onderzoeks- en onderwijsproject, waarin studenten van verschillende opleidingen aan de HU de wijk ingaan om de ervaringen en behoeften op te halen van mensen met geldzorgen.Doel Door de interviews die de studenten met buurtbewoners houden vergroten we de kennis over de ervaringen en hulpbehoeften van mensen met geldzorgen. Het doel is om op basis van deze kennis het traject naar hulp bij schulden te verkorten en inzicht te verkrijgen in hoe er in een vroegtijdig stadium passende hulp kan worden geboden. Resultaten De resultaten uit de 48 diepte-interviews en 20 mini-interviews volgen in november 2021. Looptijd 01 november 2020 - 01 november 2021 Aanpak In 2020-2021 vindt de eerste versie van Achter de Voordeur plaats. Daarna keert het project jaarlijks terug, waardoor er een dataset over een langere periode kan worden ontwikkeld. De studenten die deelnemen krijgen een training van een aantal dagen. Hier leren zij hoe zij interviews gaan afnemen en oefenen zij met data analyse en de rapportage van kwalitatief onderzoek. De studenten krijgen de ruimte om vanuit hun eigen opleiding een bijdrage leveren aan het onderzoek, bijvoorbeeld door een gedeelte van de vragenlijst te ontwikkelen of een eigen onderzoeksvraag te formuleren voor een masterscriptie. Impact van het onderzoek Doordat het onderzoek een aantal jaren achtereen plaatsvindt bestaat de mogelijkheid om respondenten over een langere periode te volgen, zodat we het traject vanaf het ontwikkelen van schulden tot aan het vinden van geschikte hulp in kaart kunnen brengen. Daarnaast krijgen studenten van verschillende opleiding aan de HU de mogelijkheid om meer te leren over problematische schulden, het afnemen van interviews bij kwalitatief onderzoek en de analyse en rapportage van de verhalen die zij zelf ophalen in de wijk. Verder is kennis over het vroegtijdig bereiken en helpen van mensen met geldzorgen voor onze partners, de Gemeente Utrecht en Stichting Helden van de Wil, ook zeer van waarde. Afstudeerstudenten van diverse opleidingen gezocht! Ben jij proactief, nieuwsgierig en nauwkeurig? Vind jij het leuk om de wijken in te gaan om interviews af te nemen en bij te dragen aan het verbeteren van de schuldenaanpak in Utrecht? Sluit je dan aan bij ons onderzoeksteam als afstudeerstudent! Interesse? Meld je aan bij Barbera van der Meulen.
