As part of my PhD research, I investigate the factors of student success and the influence of the use of social media by first year students in higher education. For this I use the insights provided by the highly influential and leading integration theory of Tinto and diminished the amount of variables by only using the best predictive ones. Hereby, avoiding the capitalization of chance and establishing a more easy to use model for teachers and management. Furthermore, I enriched the model with the use of social media, in particular Facebook, to better suit students’ contemporary society in the developed world. Principal component analysis on Facebook usage provided different integration/engagement components, which I coined peer-engagement and knowledge engagement. Both consisted of various purposes of Facebook use (information, education, social and leisure) and the use of different pages amongst students. To uncover if these latent variables play a significant role in student success or if Facebook is a multi-distracting platform, two models were compared using structural equation modeling with SPSS AMOS; one with and one without the peer-, and knowledge engagement variables. The fit of both models are compared using the normed fit index (NFI), the comparative fit index (CFI), the Tucker-Lewis Index (TLI) and the root mean square error of approximation (RMSEA). In addition, the direct influence and indirect influence of all variables are compared to provide a better insight into what kind of influence social media can have upon student success.
In the autumn of 2009, a group of exchange students in the University of Applied Sciences of Utrecht got a task to make a research project on the current situation of Social Media. The group consisted of 5 people with really different backgrounds and opinions. Two Finnish, one Austrian, one Belgian and one Taiwanese put their heads together to explore the enormous world of Social Media. In this paper, Social Media stands for Online Social Media in other words: websites that allow people to communicate with each other, share opinions and ideas, public or semi-public profiles for the users and possibility to view those profiles. Most known examples of Social Media at this moment (2010) would be Facebook, MySpace, YouTube, Flickr, flixter, LinkedIN, Tagged, Twitter and Plurk. There are hundreds and hundreds more of Social Media websites and each of them has its own purpose and idea. Some of them concentrate on one topic or subject and some websites are more expanded. Most of the Social Media websites give the opportunity to their users to upload pictures, videos and other data but the most important thing is that social media allow people to communicate ‘one-to-many and many-to-one’ and not as the old fashion media ‘one-way communication’ only.
This longitudinal, quantitative study contributes to the debate on technology-based professional development by examining the extent to which a learning (LinkedIn) intervention in a university setting affects an individual’s social media use for professional development, and the extent to which this relates to self-reported employability. In addition, we investigated how this relationship is moderated by an individual’s motivation to communicate through social media (LinkedIn). Based on social capital theory and the conservation of resources theory, we developed a set of hypotheses that were tested based on longitudinal data collected from university employees (N = 101) in middle- and high-level jobs. First, in line with our expectations, social media use for professional development was significantly higher after the learning intervention than before. Second, partially in line with our expectations, social media use for professional development was positively related with the employability dimension anticipation and optimization. Third, contrary to our expectations, motivation to communicate through social media (LinkedIn) did not have a moderating role in this relationship. We concluded that the learning intervention has the potential to foster social media use for professional development, and in turn, can contribute to individuals’ human capital in terms of their employability. Hence, the intervention that forms the core of this empirical research can be a sustainable and promising human resource management (HRM) practice that fits the human capital agenda.
In het project werken onderzoekers van het Lectoraat samen met publieke organisaties toe naar een tool waarmee onderstromen in het publieke debat rondom issues eerder kunnen worden opgemerkt. We exploreren met welk algoritme we patronen in geruchtvorming en mobilisatie kunnen opsporen, en tevens hoe we de interactie tussen newsroom-analisten en de output van een monitoring tool het beste kunnen vormgeven.Doel Het doel van dit project is een brede en structureel toepasbare aanpak van het issuemanagement: Hoe kunnen de communicatieprofessionals van publieke organisaties potentiële issues op sociale media vroegtijdig opmerken? Resultaten We willen dit bereiken door enerzijds kennis en inzicht te vergaren en anderzijds de uitkomsten daarvan voor publieke organisaties te vertalen in praktische handgrepen: tools, handleiding, training. Looptijd 01 oktober 2022 - 30 september 2024 Aanpak Via cases ingebracht door de praktijkpartners en focusgroepen staan we in nauw contact met het consortium. In de eerste werkpakketten onderzoeken we de verschillende cases aan de hand van discoursanalyse. De inzichten die we hierbij opdoen, gebruiken we vervolgens om te bekijken hoe we de interactie tussen mens en machine het beste kunnen vormgeven en wel zo dat er ten behoeve van de communicatie en het management van issues via interactieve visualisaties steeds weer triggers afgegeven worden. Op basis van de opgedane inzichten richten we een interface in. Deze maakt het analisten en communicatieprofessionals mogelijk om vroegtijdig issues te signaleren.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
Binnen dit project wordt gekeken hoe ontwikkelingsorganisaties ondersteund kunnen worden om beter om te gaan met digitale transformatie.Doel In afstemming met mantelorganisaties actief in ontwikkelingssamenwerking wil dit project een antwoord te geven op de vraag hoe maatschappelijke organisaties digitale transformatie kunnen organiseren in de context van ontwikkelingssamenwerking met als doel om diverse Sustainable Development Goals te behalen. Resultaten Het project resulteert in ontwikkelde instrumenten en trainingsmateriaal voor de ontwikkelingssamenwerkingsorganisaties voor het omgaan met digital transformatie. Binnen het project is een eerste paper geschreven: Digital Transformation of Development NGOs: the Case of Transitioning Northern-based Development NGOs Impact van het project Dit project versterkt de volgende opleidingen: master Data Driven Business, master of Informatics, master of Project Management en bachelor minor Business Information Management. Looptijd 01 september 2021 - 30 september 2023 Aanpak Dit onderzoek bouwt verder op de kennis van het lectoraat Procesinnovatie & Informatiesystemen en het project social media gebruik in ontwikkelingssamenwerking. Daarbij breidt de kennis uit op het vlak van maatschappelijke organisaties actief in ontwikkelingssamenwerking, waar de dynamiek van geografisch wijd verspreide stakeholders en verschillende niveaus van digitale ontwikkelingen van organisaties zowel vanuit de praktijk als vanuit een academisch perspectief een interessante onderzoekdimensie opleveren. De kernvraag van het onderzoek is: hoe managen maatschappelijke organisaties digitale transformatie door socio-technische systemen in de context van meervoudige waardecreatie in ontwikkelingssamenwerking?
