Wat kunnen we doen om de culturele en creatieve sector op langere termijnwendbaarder en weerbaarder te maken? Makers, culturele instellingen enandere creatieve partijen gingen met die vraag aan de slag binnen het pro-gramma Innovatielabs. Tijdens twee edities onderzochten zij hoe innovatie-projecten een verschil kunnen maken bij actuele én toekomstige opgavenin de sector. Van een fundamentele heroverweging van de eigen rol in hetculturele landschap tot de ontwikkeling van innovatieve, sectoroverstijgendesamenwerkingsplatforms. Er is nagedacht hoe instellingen publieksdata kunnendelen om hun doelgroepen beter te bereiken, hoe technologie kan wordeningezet om andere, nieuwe doelgroepen te bereiken en hoe samengewerktkan worden met niet-menselijke actoren voor een duurzamere toekomst.Het zijn natuurlijk mooie uitkomsten, maar met de afzonderlijke resultaten vandeze projecten alleen komen we er niet. Willen we de sector echt beter uit-rusten voor de toekomst, dan moeten we ook aandacht besteden aan deborging en inbedding van de opgedane kennis en ervaringen, op zo’n manierdat anderen erop kunnen voortbouwen. Met dat doel voor ogen, hebbenwe onderzoekers van verschillende kennisinstellingen gevraagd om de 33Innovatielabs-projecten te volgen. Aan de hand van thema’s brachten zijdwarsverbanden tussen de doelen en de gehanteerde methoden van dezeinitiatieven in kaart. Het onderzoek, dat is gefinancierd door Regieorgaan SIA,bleek op zichzelf ook een experiment en leertraject. Want hoe organiseerje kennisontwikkeling en -uitwisseling door en tussen al deze verschillendebetrokkenen en hoe zorg je ervoor dat de belangrijkste opbrengsten sector-breed kunnen worden gedeeld?In dit onderzoeksrapport delen de onderzoekers hun bevindingen. Hierinis niet alleen aandacht voor de resultaten, maar vooral ook voor de inno-vatieprocessen die tot deze resultaten hebben geleid. Daarmee biedt hetrapport inzichten en handvatten om op voort te bouwen. Want als we iets vanInnovatielabs hebben geleerd, dan is het wel dat we alleen door gezamenlijkekennisontwikkeling en -uitwisseling de uitdagingen die voor ons liggen hethoofd kunnen bieden. Dit rapport markeert dan ook niet alleen het einde van Innovatielabs, maar ook een nieuw begin.
DOCUMENT
The domain of Location-based Augmented Reality (LBAR) in education is growing rapidly with the increasing ubiquity of mobile devices and their advanced capabilities. LBAR enables the superimposition of digital content onto physical environments and has been recognized for its transformative potential in educational contexts. Despite its advantages, the adoption of LBAR in education remains limited, hindered by several challenges. This paper presents a systematic review of peer-reviewed literature from 2000 to 2023 to assess the current state of LBAR in education. It explores 1) the state of the art in LBAR research, 2) its use cases and reported impacts across educational levels, and 3) the challenges and limitations identified in existing studies. Among the 50 studies included in the review, 38 % of investigated studies indicate a positive acceptance of LBAR and evident enthusiasm regarding LBAR's application for learning purposes. However, multidimensional complexities are revealed at the methodological, technological, pedagogical, and at content and organisational levels. While LBAR tools present strong potential to enhance learning experiences, that potential is not yet fully realized. Their long-term value depends on how well they are integrated into established pedagogical practices, learning content, and educational contexts.
DOCUMENT
Algorithmic affordances—interactive mechanisms that allow users to exercise tangible control over algorithms—play a crucial role in recommender systems. They can facilitate users’ sense of autonomy, transparency, and ultimately ownership over a recommender’s results, all qualities that are central to responsible AI. Designers, among others, are tasked with creating these interactions, yet state that they lack resources to do so effectively. At the same time, academic research into these interactions rarely crosses the research-practice gap. As a solution, designers call for a structured library of algorithmic affordances containing well-tested, well-founded, and up-to-date examples sourced from both real-world and experimental interfaces. Such a library should function as a boundary object, bridging academia and professional design practice. Academics could use it as a supplementary platform to disseminate their findings, while both practitioners and educators could draw upon it for inspiration and as a foundation for innovation. However, developing a library that accommodates multiple stakeholders presents several challenges, including the need to establish a common language for categorizing algorithmic affordances and devising a categorization of algorithmic affordances that is meaningful to all target groups. This research attempts to bring the designer perspective into this categorization.
LINK
Een beetje stress hoort erbij. Het helpt studenten om in actie te komen, zich te ontwikkelen en veerkracht op te bouwen. Maar sommige zaken zorgen voor onnodige stress. Denk aan onduidelijkheid, tegenstrijdige informatie of gebrekkige communicatie. Hoewel dit natuurlijk niet bewust gebeurt, kunnen zulke randzaken het leren flink belemmeren. Het is daarom belangrijk om hier als docent of opleidingsteam alert op te zijn. In de Studentenwelzijnsmonitor 2025 (n = 1513) zijn deze onnodige stressoren in kaart gebracht, zowel kwantitatief als kwalitatief. In deze infographic zie je welke stressoren studenten het vaakst noemen en wat jij als docent of opleidingsteam kunt doen om ze te voorkomen.
DOCUMENT
De CSRD is een nieuwe EU-richtlijn die gaat over het rapporteren over duurzaamheid. Vandaag gaan we dieper in op wat de richtlijn inhoudt. Het doel is niet alleen om informatie te geven over het onderwerp maar ook om praktische inzichten te delen hoe de richtlijn toegepast kan worden in de bedrijfsvoering.Disclaimer:De afstudeeropdracht wordt uitgevoerd door een vierdejaarsstudent in het kader van zijn/haar afstuderen bij het Instituut voor Rechtenstudies. De student levert een juridisch beroepsproduct op en doet daartoe onderzoek. De student wordt tijdens de uitvoering van zijn/haar afstudeeropdracht begeleid door een afstudeercoach. De inspanningen van de student en de afstudeercoach zijn erop gericht om een zo goed mogelijk beroepsproduct op te leveren. Dit moet opgevat worden als een product van een (vierdejaars)student en niet van een juridische professional. Mocht ondanks de geleverde inspanningen de informatie of de inhoud van het beroepsproduct onvolledig en/of onjuist zijn, dan kunnen de Hanzehogeschool Groningen, het Instituut voor Rechtenstudies, individuele medewerkers en de student daarvoor geen aansprakelijkheid aanvaarden.
VIDEO
AI-driven lifestyle monitoring systems collect data from ambient, motion, contact, light, and physiological sensors placed in the home, enabling AI algorithms to identify daily routines and detect deviations to support older adults "aging in place." Despite its potential to support several challenges in long-term care for older adults, implementation remains limited. This study explored the facilitators and barriers to implementing AIdriven lifestyle monitoring in long-term care for older adults, as perceived by formal and informal caregivers, as well as management, in both an adopting and non-adopting healthcare organization. A qualitative interview study using semi-structured interviews was conducted with 22 participants (5 informal caregivers, 10 formal caregivers, and 7 participants in a management position) from two long-term care organizations. Reflexive thematic analysis, guided by the nonadoption, abandonment, scale-up, spread, and sustainability (NASSS) framework, structured findings into facilitators and barriers. 12 facilitators and 16 barriers were identified, highlighting AI-driven lifestyle monitoring as a valuable, patient-centred, and unobtrusive tool enhancing care efficiency and caregiver reassurance. However, barriers such as privacy concerns, notification overload, training needs, and organizational alignment must be addressed. Contextual factors, including regulations, partnerships, and financial considerations, further influence implementation. This study showed that to optimize implementation of AI-driven lifestyle monitoring, organizations should address privacy concerns, provide training, engage in system (re)design and create a shared vision. A comprehensive multi-level approach across all levels is essential for successful AI integration in long-term care for older adults.
DOCUMENT
