Abstract. The Clean-Tech Adoption Model (C-TAM) explains the adoption process of clean technology. Based on the Unified Theory of Acceptance and Usage of Technology (UTAUT) combined with qualitative research and empirical data gathering, the model predicts adoption based on the perceived quality, effort, transition, experience and knowledge. Social media introduces a moderating effect, thus legitimizing its effectiveness as a marketing instrument on accelerating the adoption of clean technology. C-TAM is validated; however additional empirical research is necessary. Additionally, the explained variance discrepancy with UTAUT as well as theorizing on the Diffusion of Innovations theory stimulates further research on extra moderators.
MULTIFILE
We describe here the design and implementation of the Fashion Tech Farm (FTF), which aims to drive sustainable innovation in garments and fashion. We describe our goals, design principles, and the implementation. The design principles are rooted in an understanding of the fashion system, open networks, and entrepreneurial thinking. After four years of work on the FTF, we review three projects to evaluate how far the work has achieved the main goals and how our design principles are developing.
MULTIFILE
This advisory report describes the results and recommendations for Indian dairy farmers and Dutch and Indian companies, from the RAAK Family Dairy Tech India project. Researchers and students of two Dutch and one Indian University of Applied Sciences, together with ten Dutch companies, Indian companies and eight innovative farmers in Pune district collaborated to develop robust and affordable technologies and knowledge for Indian medium sized dairy farmers, in Pune district, Maharashtra. The report also describes innovations in the farmers’ business models and value chains.
MULTIFILE
Patiëntdata uit vragenlijsten, fysieke testen en ‘wearables’ hebben veel potentie om fysiotherapie-behandelingen te personaliseren (zogeheten ‘datagedragen’ zorg) en gedeelde besluitvorming tussen fysiotherapeut en patiënt te faciliteren. Hiermee kan fysiotherapie mogelijk doelmatiger en effectiever worden. Veel fysiotherapeuten en hun patiënten zien echter nauwelijks meerwaarde in het verzamelen van patiëntdata, maar vooral toegenomen administratieve last. In de bestaande landelijke databases krijgen fysiotherapeuten en hun patiënten de door hen zelf verzamelde patiëntdata via een online dashboard weliswaar teruggekoppeld, maar op een weinig betekenisvolle manier doordat het dashboard primair gericht is op wensen van externe partijen (zoals zorgverzekeraars). Door gebruik te maken van technologische innovaties zoals gepersonaliseerde datavisualisaties op basis van geavanceerde data science analyses kunnen patiëntdata betekenisvoller teruggekoppeld en ingezet worden. Wij zetten technologie dus in om ‘datagedragen’, gepersonaliseerde zorg, in dit geval binnen de fysiotherapie, een stap dichterbij te brengen. De kennis opgedaan in de project is tevens relevant voor andere zorgberoepen. In dit KIEM-project worden eerst wensen van eindgebruikers, bestaande succesvolle datavisualisaties en de hiervoor vereiste data science analyses geïnventariseerd (werkpakket 1: inventarisatie). Op basis hiervan worden meerdere prototypes van inzichtelijke datavisualisaties ontwikkeld (bijvoorbeeld visualisatie van patiëntscores in vergelijking met (beoogde) normscores, of van voorspelling van verwacht herstel op basis van data van vergelijkbare eerdere patiënten). Middels focusgroepinterviews met fysiotherapeuten en patiënten worden hieruit de meest kansrijke (maximaal 5) prototypes geselecteerd. Voor deze geselecteerde prototypes worden vervolgens de vereiste data-analyses ontwikkeld die de datavisualisaties op de dashboards van de landelijke databases mogelijk maken (werkpakket 2: prototypes en data-analyses). In kleine pilots worden deze datavisualisaties door eindgebruikers toegepast in de praktijk om te bepalen of ze daadwerkelijk aan hun wensen voldoen (werkpakket 3: pilots). Uit dit 1-jarige project kan een groot vervolgonderzoek ‘ontkiemen’ naar het effect van betekenisvolle datavisualisaties op de uitkomsten van zorg.
Wetenschappers gebruiken bioorthogonale klikreacties tussen trans-cyclooctenen (TCOs) en tetrazines (Tz) om geheel nieuwe geneesmiddelen te ontwikkelen waarmee heel gericht cruciale biologische doelmoleculen kunnen worden geraakt, zodat ziektes op een veel selectievere manier kunnen worden behandeld. Recentelijk heeft de Radboud Universiteit een nieuw TCO-derivaat ontwikkeld en geoctrooieerd dat beschikt over twee orthogonale handvatten, goede stabiliteit, een snelle klik-kinetiek en een biocompatibele “click-to-release” functionaliteit. Bovendien kan deze TCO in een efficiënte synthese met hoge zuiverheid geproduceerd worden in tegenstelling tot vergelijkbare gepubliceerde stoffen. Binnen dit KIEM project zullen ‘ready-to-use’ TCO-producten ontwikkeld worden, gebaseerd op dit nieuwe TCO-derivaat. Dit is belangrijk om de drempel te verlagen voor onderzoekers om deze nieuwe technologie te benutten in hun toepassingen en versnelt daarmee de ontwikkeling van “slimme” geneesmiddelen of materialen. De werkzaamheden in dit project zullen bestaan uit literatuuronderzoek, synthetisch ontwerp van TCO-derivaten, chemische synthese, onderzoek naar de eigenschappen van de stoffen en contact leggen met potentiele gebruikers. De beoogde projectresultaten zijn chemische methoden om geactiveerde TCOs te synthetiseren, 5–10 geactiveerde eindproducten, inzicht in de chemie van TCOs, inzicht in de kinetiek en stabiliteit van de nieuwe TCOs en nieuwe samenwerkingen. In dit project wordt samengewerkt tussen de Radboud Universiteit en het biotechnologiebedrijf Synvenio. Binnen de synthetisch organische chemie afdeling van de Radboud Universiteit is de eerdergenoemde nieuwe TCO ontwikkeld. Synvenio is een jong biotechnologiebedrijf dat bioactieve stoffen beschikbaar maakt voor biochemisch- en biomedische onderzoekers. Het team bestaat uit chemici met veel affiniteit met biochemie, waaronder een van de uitvinders van de nieuwe TCO.
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.
