Innoveren in de zorg betreft het ontwikkelen en implementeren van nieuwe producten, diensten of werkwijzen die aansluiten op de behoeften van de cliënten, familie en/of medewerkers van de zorgorganisatie. Technologie wordt gezien als één van de oplossingen voor het realiseren van kwalitatief goede, betaalbare en toegankelijke zorg en voor het oplossen van het personeelstekort. Innoveren met technologie is echter complex. Zo sluit technologie nog niet altijd naadloos aan op de wensen en behoeften van eindgebruikers en is acceptatie en adoptie van technologie geen vanzelfsprekendheid. Brede implementatie en opschaling van technologie is een enorme uitdaging. In het licht van de omvang en complexiteit van bovenstaande uitdaging lijkt samenwerking evident. Maar de mate en intensiteit kan behoorlijk verschillen, al naar gelang doelen en ambities.
Sinds september 2015 is de ‘business rule management wereld’ / ‘decision management wereld’ weer een standaard rijker: The Decision Model and Notation (DMN). De Object Management Group (OMG) heeft deze nieuwe standaard uitgebracht met als doel een standaardtaal te creëren om 1) requirements voor beslissingen en 2) de beslissingen zelf te modelleren. De adoptie van DMN heeft een wat lange aanloop gehad, maar begint nu serieuze vormen aan te nemen. Om deze reden brengen wij een vierdelige serie over DMN en het gebruik van DMN uit. In dit deel (deel 3) wordt er verder gegaan met stap 4. Wat zijn de benodigde feittype om de beslissing te nemen?
LINK
Sinds september 2015 is de ‘business rule management wereld’ / ‘decision management wereld’ weer een standaard rijker: The Decision Model and Notation (DMN). De Object Management Group (OMG) heeft deze nieuwe standaard uitgebracht met als doel een standaard taal te creëren om 1) requirements voor beslissingen en 2) de beslissingen zelf te modelleren. De adoptie van DMN heeft een wat lange aanloop gehad, maar begint nu serieuze vormen aan te nemen. Om deze reden brengen wij een vierdelige serie over DMN en het gebruik van DMN uit. In dit deel (deel 2) gaan we in op de basis principes die gelden bij het creëren van een DRD.
LINK
Snelheid is één van de belangrijkste basisrisicofactoren in het verkeer. Hoe sneller er gereden wordt in een auto hoe groter de kans op (zware) ongevallen2 en hoe hoger de uitstoot. Veel verkeersveiligheidsbeleid spitst zich daarom toe op het voorkomen van te hoge snelheden en het voorkomen van te grote snelheidsverschillen. ISA, Intelligente Snelheid Adaptatie, is een van de technologische oplossingen die kan bijdragen aan het voorkomen van te hoge snelheden in auto’s. ISA kent vele verschijningsvormen, van informerend (via slimme technologie wordt de bestuurder geïnformeerd over de geldende maximumsnelheid) tot dwingend (de auto wordt fysiek beperkt om harder te rijden dan de maximumsnelheid). Inmiddels bestaat voldoende bewijs dat de acceptatiegraad van ISA hoog kan zijn, wanneer het systeem perfect werkt. De praktijk is echter weerbarstig, doordat systemen (soms) technisch kunnen falen of onvoldoende correcte informatie doorgeven aan de bestuurder. Dit staat de acceptatie van ISA in de weg; niet in de laatste plaats omdat onderzoek heeft aangetoond dat bestuurders hogere normen hanteren voor het accepteren van technisch falen in zelfrijdende voertuigen5. Een (rijtaakondersteunend)systeem moet ten alle tijden beter functioneren dan de mens. In ACTI-I wordt dit spanningsveld onderzocht. De vraag luidt: Welke impact heeft technisch falen op de acceptatie van ISA? Deze vraag wordt beantwoord middels 1) literatuuronderzoek naar falen en acceptatie van technologische systemen; 2) rijsimulator/deelnemersonderzoek naar de waardering voor ISA en of, en zo ja hoe, de waardering verandert al naar gelang het falen van het systeem toeneemt. We werken hiervoor samen met drie MKB’s die ISA systemen ontwikkelen en verkopen aan particulieren en de overheid. De resultaten van ACTI-I zullen worden gepubliceerd en vormen de basis voor een RAAK-MKB onderzoek naar de relatie tussen technisch falen en de bestuurdersacceptatie van ISA en andere geavanceerde rijhulpsystemen
Bedrijven, waaronder telecomproviders, vertrouwen steeds meer op complexe AI-systemen. Het gebrek aan interpreteerbaarheid dat zulke systemen vaak introduceren zorgt voor veel uitdagingen om het onderliggende besluitvormingsproces te begrijpen. Vertrouwen in AI-systemen is belangrijk omdat het bijdraagt aan acceptatie en adoptie onder gebruikers. Het vakgebied Explainable AI (XAI) speelt hierbij een cruciale rol door transparantie en uitleg aan gebruikers te bieden voor de beslissingen en werking van zulke systemen.Doel Bij AI-systemen zijn gewoonlijk verschillende stakeholders betrokken, die elk een unieke rol hebben met betrekking tot deze systemen. Als gevolg hiervan varieert de behoefte voor uitleg afhankelijk van wie het systeem gebruikt. Het primaire doel van dit onderzoek is het genereren en evalueren van op stakeholder toegesneden uitleg voor use cases in de telecomindustrie. Door best practices te identificeren, nieuwe explainability tools te ontwikkelen en deze toe te passen in verschillende use cases, is het doel om waardevolle inzichten op te doen. Resultaten Resultaten omvatten het identificeren van de huidige best practices voor het genereren van betekenisvolle uitleg en het ontwikkelen van op maat gemaakte uitleg voor belanghebbenden voor telecom use-cases. Looptijd 01 september 2023 - 30 augustus 2027 Aanpak Het onderzoek begint met een literatuurstudie, gevolgd door de identificatie van mogelijke use-cases en het in kaart brengen van de behoeften van stakeholders. Vervolgens zullen prototypes worden ontwikkeld en hun vermogen om betekenisvolle uitleg te geven, zal worden geëvalueerd.
Een belangrijk vraagstuk waar we als samenleving een antwoord op moeten geven is: ?Wat te doen als grondstoffen niet meer voor handen zijn??. Want onze grondstoffenvoorraad is eindig. Het goede antwoord is dan: ?dat lossen we op door het sluiten van kringlopen en de realisatie van een circulaire economie?. Maar hoe doen we dat? Op dit moment weten we nog niet hoe een circulaire economie er idealiter uit zou moeten zien. Veel wordt erover gepraat en geschreven, maar te weinig aandacht bestaat nog voor de toepassing van circulaire processen in de praktijk. En juist in de bouw- en installatiesector, die vaak een conservatieve sector genoemd wordt, staan circulaire toepassingen nog vóór in de innovatie adoptie curve. En uitgerekend deze sector is een enorme materiaal- en grondstoffenverbruiker. De installaties in een gebouw zijn daarbij van groot belang. Bij renovatie van gebouwen heeft maar liefst 50 % van de totale aanneemsom betrekking op installaties. Grote winsten zijn dus te behalen bij de toepassing van circulaire uitgangspunten. De circulaire economie biedt hier kansen. De ontwikkeling van een aantal kennisproducten helpt de samenwerkingspartners in dit onderzoeksproject bij het ontdekken van en stappen zetten op het gebied van een circulaire economie en biedt kansen voor de sector in zijn geheel. Dit onderzoek draagt bij aan de realisatie van de circulaire economie door de ontwikkeling van verschillende kennisproducten. Deze kennisproducten worden ontwikkeld uitgaande van een relevante praktijkcase in de keten onderwijs, onderzoek, bedrijfsleven (Het Utrechtse Model). De praktijkcase is te vinden in de grootschalige renovatie van twee gebouwen. De Hogeschool heeft opdracht gegeven om in 2016 haar eigen gebouwen te renoveren: het gaat in deze samenwerking om de panden van de Hogeschool Utrecht aan de Padualaan 99 en 101 te Utrecht. Bij de aanbesteding van deze renovatie is geen expliciete uitvraag gedaan naar het circulair maken van de renovatie, maar wel naar duurzaamheid en energiebesparende maatregelen. De Hogeschool Utrecht (al drie jaar achtereenvolgend de meest duurzame hogeschool van Nederland ? aldus Studenten van Morgen) ziet deze renovatie als een kans om tevens een bijdrage te kunnen leveren aan de kennis over circulaire processen en circulaire mogelijkheden voor toekomstige renovaties.