This paper reports on an experiment comparing students’ results on image-rich numeracy problems and on equivalent word problems. Given the well reported problematic nature of word problems, the hypothesis is that students score better on image-rich numeracy problems than on comparable word problems. To test the hypothesis a randomized controlled trial was conducted with 31,842 students from primary, secondary, and vocational education. The trial consisted of 21 numeracy problems in two versions: word problems and image-rich problems. The hypothesis was confirmed for the problems used in this experiment. With the insights gained we intend to improve the assessment of students’ abilities in solving quantitative problems from daily life. Numeracy, word problem, image-rich problem, randomized controlled trial, assessment
Passenger flow management is an important issue at many airports around the world. There are high concentrations of passengers arriving and leaving the airport in waves of large volumes in short periods, particularly in big hubs. This might cause congestion in some locations depending on the layout of the terminal building. With a combination of real airport data, as well as synthetic data obtained through an airport simulator, a Long Short-Term Memory Recurrent Neural Network has been implemented to predict the possible trajectories that passengers may travel within the airport depending on user-defined passenger profiles. The aim of this research is to improve passenger flow predictability and situational awareness to make a more efficient use of the airport, that could also positively impact communication with public and private land transport operators.
In de transitie naar duurzame voedselsystemen is de consumptie van duurzaam geproduceerd vlees een eerste stap. Vlees eten is diepgeworteld in onze eetcultuur. Het minderen van vlees vraagt tijd. Om op kortere termijn een verschil te maken, zal het stimuleren van consumentenkeuzes voor duurzaam geproduceerd vlees in belangrijke mate bijdragen aan ‘minder en beter’.Doel Dit project wil de consumentenvoorkeur naar duurzame vleesproducten realiseren. Dit vraagt om specifieke tactieken, wetende dat consumenten in hun gedrag niet altijd doen dan wat hun intentie is met betrekking tot duurzaamheid: de wil is er, maar vertaalt zich onvoldoende in koopgedrag. Om dit te overkomen, is een combinatie van beïnvloeding van de intentie, bewijsvoering en gedragsbeïnvloeding nodig. Resultaten DIERZAAM zal integrale (marketing)principes ontwikkelen voor duurzame gedragsverandering, om het marktaandeel van duurzame vleesproducten te vergroten en daarmee bij te dragen aan de transitie van het voedselsysteem. Blogs/artikelen Blog bij Duurzaam Ondernemen over de start van het project: dierzaam consumeren is een stapje in de goede richting Blog bij Marketingfacts over het verlagen van weerstanden tegen duurzaam gedrag Blog bij Marketingfacts over de Eco-Score. Is dit een mogelijk middel om mensen duurzamer boodschappen te laten doen? Presentaties Dierzaam in een podcast! Lenka was samen met Eke Bosman (Snackspert) en Maarten Remmers (Keuringsdienst van waarde) te gast bij Utrecht Maakt Kennis. Een podcastavond die in het teken stond van duurzame vleesconsumptie. Lenka van Riemsdijk en Johan Leenders (eigenaar Oranjehoen) gaven presentaties bij NIMA Brein en Gedrag. Een presentatie waarin Lenka concreet inging op hoe je de kloof tussen de intentie voor duurzaam gedrag en het daadwerkelijke gedrag kunt dichten. Johan gaf nog wat extra kleur aan dit verhaal door te vertellen hoe hij dit toepast binnen zijn bedrijf. Eveline van der Herberg werd geïnterviewd over het Dierzaam voor Trajectum. Rapport Bekijk ook dit rapport met de highlights van het project Looptijd 03 januari 2022 - 31 december 2023 Aanpak Met een Design Thinking aanpak ontwikkelen we een breed en diep beeld van consumentenmotivaties en -gedrag. Vanuit dit beeld worden iteratief interventies ontwikkeld: van idee naar prototype, naar test bij de consumentensegmenten waar de relevantie, en daarmee mogelijke impact, het grootst is. Meedoen bij dit onderzoek als partner of student? Het consortium achter dit project bestaat uit producenten van duurzame vleesproducten, marketing- en communicatiespecialisten, en kennispartners op gebied van consumentenpsychologie, gedragsverandering en agrifood & business. Meedoen? Neem contact op met Lenka van Riemsdijk of Clara Springelkamp. Studenten zijn ook welkom! Wil je op de hoogte blijven van project Dierzaam? Op de hoogte blijven van project Dierzaam?
Een ziekenhuisopname voor een operatie heeft grote impact op kankerpatiënten. Ook als de ingreep medisch gezien goed is verlopen, leeft er bij patiënten vaak veel onzekerheid na ontslag uit het ziekenhuis. Dit komt door de complexiteit en veelheid aan behandelingen bij kanker en dit wordt extra versterkt als het ontslagproces sub-optimaal verloopt en niet aansluit bij de behoeften van patiënten. Dit is onwenselijk want het kan leiden tot vertraagd herstel, onnodige heropnames in het ziekenhuis (onnodige kosten) en stress en onzekerheid bij patiënten en hun naasten. Dit heeft een negatieve impact op het welzijn van mensen in hun leefomgeving en leidt tot een negatieve beleving van de zorgverlening. Zorgprofessionals weten echter niet wat mensen na een oncologische operatie nodig hebben om zich weer goed te voelen in hun leefomgeving en hoe zij daar vanuit de eerste en tweede lijn gezamenlijk aan kunnen bijdragen. Daarnaast is onbekend hoe zorgtechnologie zorgverleners en kankerpatiënten in hun leefomgeving daarbij kan ondersteunen. Het doel van dit onderzoek is het bevorderen van herstel en welzijn van mensen na een oncologische operatie en hun naasten, door kennisontwikkeling over hoe zorgprofessionals en ondersteuning middels technologie bij kunnen dragen aan een soepele overgang van ziekenhuis naar leefomgeving. Als uitgangpunt wordt de kennis en kunde uit het hotelvak gebruikt waar het uitchecken (ontslagprocedure) geperfectioneerd is en bijdraagt aan de goede waardering van het hotelbezoek. Om dit te realiseren is het onderzoek verdeeld in twee fasen: 1. Op basis van onderzoek naar de wensen en behoeften van kankerpatiënten en hun naasten, alsmede de ervaring van zorgprofessionals, wordt het ontslagproces herzien. 2. Er wordt onderzocht op welke wijze technologische ontwikkelingen (zoals zelfmonitoring) kunnen bijdragen aan het herstel van kankerpatiënten in de eigen leefomgeving.
This project assists architects and engineers to validate their strategies and methods, respectively, toward a sustainable design practice. The aim is to develop prototype intelligent tools to forecast the carbon footprint of a building in the initial design process given the visual representations of space layout. The prediction of carbon emission (both embodied and operational) in the primary stages of architectural design, can have a long-lasting impact on the carbon footprint of a building. In the current design strategy, emission measures are considered only at the final phase of the design process once major parameters of space configuration such as volume, compactness, envelope, and materials are fixed. The emission assessment only at the final phase of the building design is due to the costly and inefficient interaction between the architect and the consultant. This proposal offers a method to automate the exchange between the designer and the engineer using a computer vision tool that reads the architectural drawings and estimates the carbon emission at each design iteration. The tool is directly used by the designer to track the effectiveness of every design choice on emission score. In turn, the engineering firm adapts the tool to calculate the emission for a future building directly from visual models such as shared Revit documents. The building realization is predominantly visual at the early design stages. Thus, computer vision is a promising technology to infer visual attributes, from architectural drawings, to calculate the carbon footprint of the building. The data collection for training and evaluation of the computer vision model and machine learning framework is the main challenge of the project. Our consortium provides the required resources and expertise to develop trustworthy data for predicting emission scores directly from architectural drawings.
