Scriptiebank overzicht

Deze bachelorproef onderzoekt de bijdrage van ondersteuningsmaatregelen aan de leer- en werkprestaties van jongeren met dyslexie tussen 16 en 25 jaar, en de manier waarop zij deze ondersteuning ervaren. Internationaal ligt het prevalentiecijfer op 4–8%. Niet alleen heeft dyslexie gevolgen voor schoolprestaties, maar ook voor de participatie aan de arbeidsmarkt.
1. Onderzoeksvragen en methodologie
Door middel van een literatuurstudie werden de behoeften en bestaande ondersteuning met betrekking tot dyslexie in kaart gebracht. Het praktijkonderzoek bestond uit: interviews met logopedisten en jongeren met dyslexie, een online enquête met 20 respondenten. Er werd onderzocht in welke mate de huidige faciliteiten aansluiten bij de noden van dyslectici, welke belemmeringen er zijn en waar verbeterpotentieel is.
2. Resultaten
De effectiviteit van ondersteuningsmaatregelen varieert per onderwijsinstelling en hangt af van het beleid en de houding van individuele leerkrachten. Jongeren zijn vaak onvoldoende geïnformeerd over beschikbare hulpmiddelen of durven deze niet te gebruiken uit angst ‘anders’ over te komen. Veel jongeren ervaren stress, een laag zelfvertrouwen en prestatiedruk. Faciliteiten zoals ‘extra tijd’ en voorleessoftware worden het meest toegepast. De ondersteuning verschilt per onderwijsniveau: na de lagere school valt de ondersteuning vaak weg.
Er is een gebrek aan psycho-educatie bij zowel leerlingen als leerkrachten. Jongeren vragen om een duidelijk en rechtlijnig beleid dat rekening houdt met hun individuele behoeften. Professionals benadrukken dat structurele aanpassingen nodig zijn om effectieve ondersteuning te bevorderen.
3. Eindproduct
Als eindproduct is het BEWUST-model ontwikkeld. Het acroniem BEWUST bevat zes kernwaarden:
- Begrip: Jongeren en leerkrachten krijgen meer inzicht in wat dyslexie inhoudt.
- Eigenheid: Erkenning dat elke jongere met dyslexie uniek is en andere noden heeft.
- Wijsheid: Vanuit wetenschappelijke kennis kan er een diepgaander beeld gevormd worden van de leerstoornis.
- Uitdagingen: Door moeilijkheden bespreekbaar te maken, ontstaat ruimte voor ondersteuning en realistische aanpassingen.
- Sterktes: Positieve eigenschappen van dyslectische jongeren worden meer erkend.
- Toekomstgericht: Dyslexie speelt levenslang een rol, daarom wordt er gekeken naar duurzame ondersteuning.

4. Conclusie
Er is nood aan een rechtlijnig beleid, meer informatie-uitwisseling en een empathische houding in het onderwijssysteem. Door de nadruk te verleggen naar sterktes, begrip en psycho-educatie, kunnen dyslectische jongeren adequaat ondersteund worden in hun ontwikkeling naar zelfstandige en succesvolle volwassenen.

In mijn bachelorproef onderzocht ik hoe puntenwolken efficiënter kunnen worden ingezet in de bouwsector. Deze technologie levert uiterst nauwkeurige gegevens op, maar de bestanden zijn groot en zonder gespecialiseerde software moeilijk te gebruiken.

Het onderzoek bestond uit drie pijlers. Ten eerste werd nagegaan hoe puntenwolken automatisch kunnen worden vergeleken met digitale bouwmodellen om afwijkingen vroegtijdig te detecteren. Ten tweede onderzocht ik hoe objecten zoals muren, vloeren en leidingen automatisch herkend en verwerkt kunnen worden. Ten derde werkte ik een methode uit om betrouwbare volumeberekeningen te maken op basis van puntenwolkdata.

Na een grondige vergelijking van twaalf softwarepakketten bleek Leica Cyclone 3DR het meest geschikt om deze drie toepassingen te combineren. Ik automatiseerde de workflow met een zelfgeschreven script en maakte instructievideo’s zodat collega’s de software zelfstandig konden aanleren.

Een internationaal programma waarin technische onderwerpen aan bod komen, vereist zorgvuldige aandacht. Het is belangrijk om studenten te betrekken bij verschillende onderwerpen op het gebied van technologie. Daarnaast is een grondige voorbereiding noodzakelijk om ervoor te zorgen dat studenten volledig voorbereid zijn op het programma.

Tijdens de voorbereidingsfase moet het technische doel van het programma, dat een week duurt, duidelijk worden gecommuniceerd. Het technische doel van dit programma is het verbeteren van de Overall Equipment Effectiveness (OEE) van een stoommachine. Het proces begint met het verzenden van gegevens via een Programmable Logic Controller (PLC) via MQTT-communicatie naar een broker. Met behulp van NodeRED kunnen deze gegevens worden gevisualiseerd en met een Python-script kunnen ze worden vastgelegd in een dataset. Met deze dataset kan een AI-model worden geselecteerd en getraind. Het model moet vervolgens de trend van de gekozen output zo nauwkeurig mogelijk voorspellen. Het programma duurt een week, waarin alle stappen worden uitgevoerd om het AI-model te optimaliseren en de OEE te maximaliseren.

Het leesniveau van leerlingen is al jaren een groeiende bekommernis binnen het Vlaamse onderwijs. Begrijpend lezen is immers een vaardigheid die bepalend is voor schoolsucces én voor een volwaardige integratie in de samenleving. Tegelijk ervaren leerkrachten moeilijkheden om zicht te krijgen op het leesproces van hun leerlingen, wat effectieve begeleiding bemoeilijkt. Innovatieve technologieën, zoals eye-tracking en artificiële intelligentie (AI), bieden nieuwe mogelijkheden om dit leesproces zichtbaar te maken en ondersteuning op maat te bieden. Hoewel deze technologie beschikbaar is, wordt ze vandaag nog niet toegepast in het Vlaamse onderwijs.

Deze masterproef speelt in op die leemte door te onderzoeken in welke mate leerkrachten in het lager en secundair onderwijs bereid zijn om AI-technologie die gebruikmaakt van eye-tracking toe te passen bij begrijpend lezen. Daarbij wordt gekeken naar drie aspecten: de factoren die bereidheid beïnvloeden, de kennis die leerkrachten hierbij noodzakelijk achten en het type samenwerking tussen mens en technologie dat zij verkiezen.

Via een kwalitatieve vignettenstudie werden twintig leerkrachten geïnterviewd over deze bereidheid. Leerkrachten zien vooral meerwaarde in technologie die hun didactische rol ondersteunt, maar niet overneemt. De bruikbaarheid van deze technologie werd vooral gekoppeld aan het zichtbaar maken van het leesproces, de mogelijkheden tot differentiatie en zelfreflectie. Gebruiksgemak hing af van een eenvoudig dashboard, makkelijk gebruik in de klas en snel te leren technologie. Daarnaast geven leerkrachten aan nood te hebben aan technologische, didactisch-technologische, technologisch-vakinhoudelijke en ethische kennis. Vertrouwen in AI en transparantie over de werking en besluitvorming zijn essentieel voor leerkrachten om de technologie te aanvaarden. Tot slot benoemden respondenten aandachtspunten zoals verminderde sociale interactie, bezorgdheden rond schermlezen en het belang van menselijke betrokkenheid in het leerproces.

Deze bevindingen tonen aan hoe belangrijk het is om eye-tracking en op eye-tracking gebaseerde AI-technologie in het onderwijs op een manier te gebruiken die de leerkracht ondersteunt en niet vervangt. De technologie moet gebruiksvriendelijk en transparant zijn, maar vooral de professionele autonomie en didactische rol van de leerkracht versterken.

De evolutie van artificiële intelligentie (AI) biedt nieuwe mogelijkheden voor de marketing- en evenementensector, met name binnen contentcreatie. Deze bachelorproef onderzoekt hoe AI-tools op een efficiënte en effectieve manier kunnen bijdragen aan het verbeteren van contentcreatie binnen de evenementensector, met House of Entertainment als opdrachtgever.
Aan de hand van een literatuurstudie, interviews met experts, het uittesten van AI-tools en een enquête bij 386 respondenten (op een vooropgestelde steekproef van 385, met een betrouwbaarheid van 95%) werd vastgesteld dat AI vooral meerwaarde biedt in de voorbereidende fasen van contentcreatie. Denk hierbij aan het brainstormen over ideeën, het genereren van basiscontent zoals teksten of visuals en het structureren van content. Tools zoals ChatGPT, Midjourney en Adobe Firefly blijken zowel in de praktijk als in dit onderzoek vaak gebruikt te worden, wat hun relevantie en toegankelijkheid onderstreept. Ook Ubersuggest bleek een waardevolle aanvulling, vooral bij het optimaliseren van content op basis van zoekwoorden en SEO.
AI kan helpen om repetitieve taken en het creëren van content te versnellen, maar vervangt menselijke creativiteit niet. Kritische tussenkomst door mensen blijft essentieel voor het waarborgen van kwaliteit, nuance en merkbeleving. Vooral bij emotioneel geladen of merkgevoelige communicatie is menselijke controle en verfijning cruciaal. AI is dus vooral geschikt als ondersteunend hulpmiddel bij functionele of informatieve content.
Deze bachelorproef biedt House of Entertainment en de rest van de evenementensector een helder overzicht van enkele bruikbare AI-tools en concrete aanbevelingen voor een verantwoorde implementatie. De resultaten tonen dat AI het potentieel heeft om de efficiëntie van contentcreatie te verhogen, mits de tools strategisch worden ingezet en medewerkers voldoende worden opgeleid.
Deze studie levert niet alleen academische inzichten op, maar biedt ook praktische richtlijnen voor de evenementensector om AI op een doordachte en toekomstgerichte manier te implementeren in hun takenpakket.

Deze thesis behandelt het black-box-probleem van machine learning (ML) en het daaruit voortvloeiende gebrek aan gebruikersvertrouwen bij beursvoorspellingen. Er wordt een beslissingsondersteunend systeem geïntroduceerd en geëvalueerd dat de betrouwbaarheid verhoogt. Het systeem combineert hiervoor de voorspellingen van zes uiteenlopende ML-modellen met een transparante, historische analyse. De kerninnovatie is een zoekmachine die historisch vergelijkbare marktperioden identificeert. Vervolgens toont het systeem hoe de modellen in die analoge situaties presteerden: het plaatst hun toenmalige voorspellingen naast de daadwerkelijke marktresultaten.

Een empirisch gebruikersonderzoek vergeleek deze “Multiple Models View” (MMV) met een simplistische interface die slechts één model toonde. De resultaten tonen aan dat de MMV significant betrouwbaarder werd gevonden, het vertrouwen van gebruikers verhoogde en de risico's van voorspellingen effectiever communiceerde. Gebruikers schreven dit toe aan de grotere transparantie, omdat ze meerdere modellen konden vergelijken, en aan de concrete context die de historische prestatie-analyse bood. De thesis concludeert daarom dat de combinatie van meerdere modellen en een historische similariteitsanalyse een krachtige strategie is om weloverwogen gebruikersvertrouwen in complexe, AI-gedreven financiële systemen te creëren.

De centrale onderzoeksvraag van deze bachelorproef luidt: Hoe kunnen chatbots, gebruikmakend van RAG en NLP-technologieën, bijsluiters begrijpbaarder maken? Het doel van het onderzoek was om na te gaan hoe artificiële intelligentie ingezet kan worden om medische informatie toegankelijker te maken voor een breed publiek, waaronder jongeren, ouderen en mensen met beperkte gezondheidsvaardigheden.

Het project bestond uit een literatuurstudie naar bestaande NLP-technieken, gevolgd door de ontwikkeling van een werkende demo van een AI-chatbot. Deze chatbot maakt gebruik van Retrieval-Augmented Generation (RAG), Azure AI Search en GPT-technologie om informatie uit medische bijsluiters te extraheren, te vereenvoudigen en aan te bieden via een gebruiksvriendelijke interface.

Tot slot werd de oplossing kritisch geëvalueerd aan de hand van feedback van experten uit het werkveld, zoals VITO, het FAGG, en softwareontwikkelaars en marketing directors uit de medische sector.

Positieve elementen in de evaluatie waren de technische haalbaarheid, de intuïtieve gebruikerservaring en de schaalbaarheid van het systeem. Negatieve of kritische aandachtspunten betroffen vooral de juridische en ethische grenzen, het risico op misinterpretatie, en de nood aan duidelijke afbakening van wat het systeem wel
en niet mag doen.

De belangrijkste elementen in het advies zijn dan ook het vermijden van persoonlijke data, het beperken van de reikwijdte van de chatbot tot informatieve antwoorden, en het voorzien van een heldere juridische en echnische structuur. De conclusie van het project luidt dat AI-chatbots een waardevolle bijdrage kunnen leveren aan begrijpelijke gezondheidsinformatie, op voorwaarde dat ze zorgvuldig ontworpen, beperkt ingezet en
voortdurend gemonitord worden.

Virtuele influencers zijn digitale personages die door artificiële intelligentie worden gegenereerd en actief zijn op sociale media. In deze bachelorproef wordt onderzocht hoe jongeren tussen 18 en 30 jaar deze virtuele profielen ervaring in marketingcampagnes, met focus op hun impact op merkperceptie en aankoopintentie. Het onderzoek werd uitgevoerd aan de hand van een survey bij 388 jongeren, in het kader van hypothetische campagnes voor Philips, uitgevoerd door communicatiebureau AKQA Brussels PR. De resultaten tonen dat jongeren kritisch blijven ten opzichte van virtuele profielen, al erkennen sommigen hun potentieel binnen innovatieve en transparante campagnes. De studie biedt concrete aanbevelingen voor het geloofwaardig inzetten van virtuele influencers in toekomstige communicatie.

In deze bachelorproef werd onderzocht hoe een online cursus kan bijdragen aan het ontwikkelen van basiscompetenties en vertrouwen bij leerkrachten in het secundair kunstonderwijs om AI-tools op een verantwoorde en effectieve manier in te zetten als tutor. De focus werd gelegd op leerkrachten van theorievakken binnen Sint-Lucas kunstsecundair te Antwerpen. In deze school is de zoektocht naar integratie van digitale technologieën nog in ontwikkeling.

Door gebruik te maken van een literatuurstudie werd onderzocht hoe AI kan bijdragen aan gepersonaliseerd leren, een onderwerp dat onder andere Bloom kadert in zijn 2 sigma-probleem. Op basis van deze bevindingen werd een vragenlijst afgenomen bij de leerkrachten om de houding en beginsituatie ten opzichte van AI in kaart te brengen. Vanuit die resultaten werd een e-learningcursus ontwikkeld waarin de AI toepassingen NotebookLM en SchoolAI op een praktische en toegankelijke manier werden aangeleerd.

Nadat de leerkrachten de cursus doornamen gaven alle leerkrachten aan dat hun vertrouwen en basiskennis in het gebruik van AI was toegenomen. Ze gaven aan dat ze zich competenter voelden om AI-tools in te zetten in hun les en waren overtuigd van de meerwaarde voor gepersonaliseerd onderwijs. De leerkrachten benadrukte de duidelijke structuur, praktische insteek en het evenwicht van theorie en concrete toepassingen binnen de cursus als groot pluspunt.

Dit onderzoek toont aan hoe e-learning een krachtig instrument kan zijn om ondersteuning te bieden aan leerkrachten in hun digitale professionalisering. Het biedt een antwoord op de steeds meer toenemende vraag naar begeleiding in het gebruik van AI binnen de stageschool waar deze proef werd uitgevoerd. Het benadrukt dat leerkrachten, mits de juiste ondersteuning, in staat zijn om AI op een pedagogisch verantwoorde manier in te durven zetten.

De masterthesis, getiteld "Ecosysteemdiensten van biodivers beheerde gras/bloemenstroken", richt zich op hoe het maaibeheer van bloemenstroken in landbouwgebieden kunnen bijdragen aan het herstel van biodiversiteit en de bevordering van nuttige insecten zoals bestuivers en natuurlijke vijanden van plagen. In het onderzoek worden twee soorten maaibeheersystemen vergeleken: het gefaseerde reguliere beheer en het vernieuwende driebandbeheer. Het doel was om te bepalen welk maaibeheer het beste de biodiversiteit ondersteunt.

Door middel van veldonderzoek, waaronder transect walks en kleefvallen, werd de impact van deze beheersystemen gemeten. De resultaten toonden aan dat het driebandbeheer effectiever was in het aantrekken van bestuivers zoals bijen en zweefvliegen, evenals nuttige insecten voor plaagbestrijding. Bovendien werd vastgesteld dat het gebruik van kunstmatige intelligentie (AI) bij kleefvallen een efficiënte manier biedt om insecten te identificeren.

De conclusie van de thesis is dat het driebandbeheer, door variabele maailijnen en bloei, een veelbelovende aanpak is om de biodiversiteit op landbouwpercelen te verbeteren, wat op zijn beurt bijdraagt aan een duurzamer landbouwsysteem.

Metacognition, the ability to think about one's thinking processes, is vital for
professional performance, academic achievement, and mental health. However, its
ambiguous nature and subjective measurement techniques across various fields have
posed significant challenges to research. Cognitive neuroscience offers a unique
solution by providing objective measurements that link metacognition to brain activity,
thereby establishing a ground truth. Recently, the convergence of explainable artificial
intelligence (XAI) and perceptual decision-making, a subsection of metacognition
within cognitive neuroscience, has led to the development of the WaveFusion
framework. This innovative framework holds the potential to contribute to the
unification of the fragmented metacognition research fields.
The aim of this thesis was to enhance the WaveFusion framework, an explainable
deep learning model, to classify metacognitive sensitivity and confidence using EEG
data. The objectives were (1) to achieve a classification accuracy of 95% for
metacognitive sensitivity, (2) to improve the accuracy for metacognitive confidence to
97.5%, and (3) to identify key ambiguities and limitations in metacognition research.
This study utilized an EEG dataset with event-related potentials (ERP) responselocked for type 1 decisions. Data preprocessing addressed dataset imbalances
through augmentation and balanced batch sampling. EEG samples were transformed
into spectrograms and processed using the deep learning architecture comprising a
Lightweight Convolutional Neural Network (LWCNN), a Squeeze and Excitation
Network (SEN), and a classification network. The model was pre-trained using Subject
Aware Contrastive loss (SAC) and trained with binary cross-entropy loss. SEN
facilitated the models explainability by visualizing the created attention weights
through topoplots, providing insights into brain areas used for classification.
The WaveFusion model achieved high classification accuracy, reaching 99.7% for
metacognitive confidence and 99.1% for metacognitive sensitivity. These
improvements were due to a larger selection of electrodes, response-locked ERP
data, and increased dataset size. The WaveFusion model not only demonstrates high
classification accuracy but also offers enhanced explainability. This allows the
framework to contribute to three major ambiguities: (1) the relationship between
metacognition and executive functions, (2) its connection to consciousness, and (3)
the domain generality of metacognition. By leveraging the WaveFusion framework, we
can overcome limitations in cognitive neuroscience research through (1) utilizing
transfer learning to compare relationships, (2) employing automatic classification to
investigate ecological validity, and (3) expanding the framework for multimodality to
integrate insights across various fields.
Future research should focus on increasing data variability, addressing outlier
performances, and improving interpretability through advanced visualization
techniques to enhance the WaveFusion model’s robustness and applicability across
cognitive neuroscience domains.

De gemeenten Overijse, Huldenberg, Bertem en Tervuren kennen een stijgende populatie van wilde zwijnen, zoals vele andere regio’s in Vlaanderen na de officiële terugkomst van het dier in 2006 (Rutten et al., 2018). De everzwijnen foerageren in het typische Vlaamse mozaïeklandschap en dit brengt veel schade aan landbouwgewassen met zich mee. Deze schade leidt tot economische verliezen bij landbouwers. Dit project onderzoekt de situatie van de problematiek in het projectgebied, in samenwerking met Agentschap Natuur en Bos en de lokale wildbeheereenheden Tussen Voer & Yse en Bertembos. Semigestructureerde interviews met landbouwers uit het projectgebied zijn uitgevoerd om informatie te verzamelen rond everzwijnschade. Uit statistische analyses van de schadedata blijkt dat grasstroken het meeste schade ondervinden van everzwijnen in het gebied. Vervolgens zijn ook maispercelen en graslanden heel gevoelig. Mais kent meer schade in de periode dat het gewas oogstklaar is, graslanden in de winter wanneer er weinig andere voedselbronnen te vinden zijn. Bijkomend werd geanalyseerd of de afstand van landbouwpercelen tot bosgebieden invloed zou hebben op het schadegehalte. De analyse wijst op een negatieve regressie van schadepercentages bij een toenemende afstand tot bos. Er moet wel in rekening worden gebracht dat ook andere factoren invloed kunnen hebben op de schade. Verder is ondervonden dat het in de toekomst essentieel is om moderne technologieën in te zetten om de schadeproblematiek aan te pakken. Het gaat dan over technologieën als drones en artificiële intelligentie. Gebruik maken van deze toepassingen kan een grote hulp zijn bij het in kaart brengen van gewasschade op een ondubbelzinnige wijze, alsook voor jachtdoeleinden om wilde zwijnen in het gebied te beheren. Samenwerkingen met de lokale wildbeheereenheden en het Instituut voor Natuur en Bos Onderzoek zijn hiervoor essentieel. Het blijft bijkomend ook belangrijk om nauw contact te houden met landbouwers en omwonenden om hun noden te begrijpen.

Mijn bachelorproef behandelt de juridische uitdagingen die ontstaan door de opkomst van kunstmatige intelligentie (AI) en de tekortkomingen van de huidige wetgeving rond productaansprakelijkheid. Het werk biedt een diepgaande analyse van de bestaande en toekomstige Europese en Belgische regelgeving en de manier waarop deze omgaat met de complexe en unieke aspecten van AI-systemen.

De scriptie begint met een overzicht van het huidige juridische kader voor productaansprakelijkheid op Europees en Belgisch niveau. Hieruit blijkt dat de huidige wetgeving, hoewel effectief voor traditionele producten, tekortschiet bij het reguleren van AI-toepassingen. AI wordt vaak niet als een product beschouwd, waardoor het moeilijk is de juridische verantwoordelijkheid vast te stellen.

Een belangrijk thema in mijn scriptie is de moeilijkheid voor consumenten om de bewijslast te dragen wanneer AI-systemen defecten vertonen. Het is vaak onmogelijk voor consumenten om aan te tonen dat een fout in een AI-systeem schade heeft veroorzaakt. Om deze reden wordt gesuggereerd in de rechtsleer dat de bewijslast in sommige gevallen zou moeten worden omgekeerd, waarbij de producent moet aantonen dat hun AI-product correct functioneerde.

Toch, speelt de "black-box"-problematiek dan ook een rol. AI-systemen functioneren vaak als een "black box", wat betekent dat zelfs de ontwikkelaars niet volledig kunnen verklaren hoe beslissingen tot stand komen. Dit gebrek aan transparantie bemoeilijkt de vaststelling van aansprakelijkheid, wat de positie van consumenten verzwakt.

In het context van de snelle ontwikkeling van AI heeft de Europese Commissie een nieuw voorstel gepubliceerd om de productaansprakelijkheidsrichtlijn te moderniseren en AI expliciet te reguleren. Dit zou leiden tot een grotere verantwoordelijkheid voor producenten, die verplicht zouden zijn om op verzoek van de rechtbank technische details over AI-systemen vrij te geven. Deze veranderingen zouden de informatiestroom tussen producenten en consumenten verbeteren, waardoor consumenten beter in staat zijn om hun zaak de onderbouwen.

In mijn werkstuk wordt ook een vergelijking gemaakt tussen de ontwikkelingen in België en andere landen zoals Nederland en Duitsland, waar al verdergaande stappen zijn gezet om AI-wetgeving aan te passen. Deze landen bieden waardevolle voorbeelden van hoe productaansprakelijkheid kan evolueren in een tijdperk van snelle technologische vooruitgang.

In deze studie wordt met behulp van convolutionele neurale netwerken (CNN’s) een geautomatiseerd scoresysteem ontwikkeld dat radiologen ondersteunt in het opsporen en opvolgen van erosieve artrose.

This master's thesis is titled "Feasibility Study of Virtual Energy Reporting Based on Process Data in Historian," and is conducted as part of the Master of Science in Electrical Engineering Technology - Automation for the academic year 2023-2024. The goal of this thesis is to develop a virtual, low-cost energy monitoring system using process data. This research was supervised by Dr. ir. Nele De Geeter and ir. Jeroen Pandelaere from Actemium Beverage Aalter. The thesis explores the feasibility of implementing a virtual energy reporting system based on existing process data stored in a historian database.
The aim of this work is to gain a better understanding of the energy consumption of an industrial process in a cost-effective way. It is applied to a UHT process at Puratos, one of Actemium's customers.
From an economic and environmental point of view, it is important to minimize the energy consumption of such a process, but the problem is that there is little insight into the energy consumption. In addition, process optimization is done by trial and error, resulting in an inefficient and costly method of improvement.
The developed system uses data from existing sensors used to control the relevant industrial processes. By analysing these data and components, the theoretical energy consumption is calculated, providing an approximation of the actual energy consumption.
The main advantage of this type of virtual energy monitoring system is that a virtual model can be used to evaluate different scenarios without the need for extensive real-world testing. This approach allows the optimal solution to be identified more quickly and cost-effectively. It also provides a better idea of the production cost of treating the product, resulting in a better revenue model.

Borstkanker is de meest voorkomende kanker met de hoogste mortaliteit bij vrouwen wereldwijd. Vroegtijdige detectie via mammografische borstkankerscreening verbetert de prognose. Artificiële intelligentie (AI) belooft op haar beurt de efficiëntie van de mammografische screening te verbeteren. Dit literatuuronderzoek richt zich op de potentiële waarde van AI bij mammografische borstkankerscreening.

Klimaatmodellen voorspellen dat de temperatuur wereldwijd zal blijven stijgen, samen met een toename van de intensiteit en frequentie van hittegolven. Daarbovenop krijgen steden te maken met extra opwarming door het stedelijk hitte-eilandeffect. Met een groeiende stedelijke bevolking, waaronder veel kwetsbare mensen, is het van cruciaal belang om effectieve mitigatiemaatregelen te implementeren om hittestress te verminderen. Hiervoor is temperatuurdata op hoge resolutie noodzakelijk.

Vaak worden numerieke modellen gebruikt om deze data te verkrijgen, maar deze zijn
computationeel zeer intensief, waardoor het moeilijk is om hoge resolutie data te verkrijgen over lange periodes en grote gebieden. Een computationeel goedkoop alternatief voor numerieke modellen zijn statistische modellen, vaak gebaseerd op machine learning technieken. Deze simuleren de temperatuur op basis van datagedreven relaties. De huidige machine learning modellen zijn echter meestal afgestemd op een enkele stad of een beperkte regio, wat resulteert in slechte prestaties voor steden met verschillende karakteristieken. Deze thesis onderzoekt de mogelijkheden om een machine learning model te ontwikkelen dat kan worden toegepast op steden over heel Europa.

De studie gebruikt ruimtelijke en temporele variabelen om een machine learning emulator van het numerieke UrbClim model te construeren. Daarnaast wordt het effect van het aantal steden in de trainingsset bestudeerd. Dit is cruciaal omdat grote datasets met numerieke trainingsdata, zoals die beschikbaar zijn gesteld voor UrbClim, vaak ontoegankelijk of rekenkundig te duur zijn om te verkrijgen

3D Gaussian Splatting (3DGS) is een veelbelovende techniek voor het reconstrueren van 3D-scènes en het bekijken ervan in real-time. Het is sneller dan andere methoden, zoals Neural Radiance Fields, maar vraagt veel opslagruimte.

In deze scriptie worden twee nieuwe methoden voorgesteld om 3DGS efficiënter te maken. De eerste methode verwijdert overbodige onderdelen uit het 3D-model, wat opslag bespaart en de weergavesnelheid verhoogt. De tweede methode reduceert de hoeveelheid gegevens die nodig is voor belichting in de scène. Samen zorgen deze technieken voor sterke compressie zonder de beeldkwaliteit merkbaar te verminderen.

Spatial transcriptomics was deemed Nature’s method of the year in 2020. Because of these novel technologies, it is now possible to analyze subcellular RNA localization in a systematic and large scale manner. This will allow us to answer interesting fundamental biological questions in a variety of biological domains, in health and disease. However, computational methods to characterize subcellular RNA localization are still in their infancy. We therefore aim to tackle the following questions as part of this master thesis study:
How does one automatically classify whether a gene shows a subcellular localized expression pattern or not?
● Using supervised classification
○ Which classification algorithm is best suited? And how do we train it optimally
○ What is the performance of the optimal model?
○ Can we aggregate model classifications of a gene over every cell, and can we create a reliable statistical test to discern the probability that a gene localizes non-randomly?
○ If we can classify patterns from non-patterns, can we classify which specific pattern it is?
● Can we infer subcellular localization directly from the latent space embedding of an in-house developed neural network model, without training a classifier first?
● Do these results on simulated data generalize to real biological/experimental data?

In deze scriptie werd onderzocht of sensibiliseren van de man invloed heeft op het verloop van exclusieve borstvoeding en voor een succesvollere borstvoeding kan zorgen.
Om dit te onderzoeken is er een literatuurstudie gedaan en een praktijkstudie in de vorm van interviews.
Uit de resultaten van de studie bleek dat prenatale borstvoedingslessen voornamelijk de attitude van de man naar borstvoeding verbetert. Dit heeft invloed op op het verloop en de duur van de borstvoeding. Het sensibiliseren van de man over borstvoeding zorgt dus voor een langere en succesvollere borstvoeding.

En daar gaat de bel! Tijd om weer te verhuizen naar het zoveelste klaslokaal met de traditionele opstelling van stoelen en banken. De leerkracht staat vooraan al klaar om aan de les te beginnen en de invulboeken komen weer boven. Is dit het onderwijs van de toekomst? Motiveren we op deze manier de jongeren van vandaag én is dit de rol die ik als toekomstige leerkracht wil spelen? Of kan het ook anders?

Open samen de deuren naar een onbegrensde wereld, waar leren veel meer is dan boeken en duffe klaslokalen. Stap binnen in een tijdperk dat de verbeelding prikkelt en de toekomst vormgeeft!

In mijn scriptie onderzocht ik de processen onderliggend aan tekorten in de snelheid van informatieverwerking bij mensen met multiple sclerose. Dankzij magnetische hersenmetingen tijdens een cognitieve test, gecombineerd met een datagedreven analysemethode gebaseerd op artificiële intelligentie, kon ik voor het eerst een zeer gedetailleerde beschrijving geven van de hersennetwerken die betrokken zijn bij de snelheid van informatieverwerking.

De voorbije paar jaar is de populariteit van kunstmatige intelligentie (artificial intelligence, kortweg AI) enorm toegenomen. We worden er overal mee geconfronteerd en deze trend roept veel vragen op. Eén van de sectoren die de impact van deze trend ervaart is de vertaalsector. Vertaalbedrijven en vertalers moeten zich aanpassen aan deze vernieuwing. Wat is de impact op het vertaalproces bij professionele vertalers? Gebruiken vertalers AI en in welke mate vergemakkelijkt dit het vertaalproces? Hoe evolueert de vraag naar vertaalbureaus, vertalers en hun vertaaldiensten?
In de desk research van dit onderzoek wordt aangehaald dat AI geen eenzijdige definitie heeft en op veel manieren kan beschreven worden. Daarna beschrijven we de verschillende soorten artificiële intelligentie en de beperkingen en voordelen ervan. Ook de evolutie van AI over de jaren heen wordt beknopt beschreven. Vervolgens worden de verschillende AI-vertaalsystemen geanalyseerd, alsook de diversiteit aan AI-vertaaltools. Als voorbereiding op de field research werd ook onderzoek gedaan naar het gebruik van AI bij professionele vertalers. Tot slot beschrijft het onderzoek ook kort de meest recente versie van ChatGPT in de ‘last minute’.
Om op de onderzoeksvragen te antwoorden deed het onderzoek naast desk research ook field research, waarbij het een kwalitatieve benadering gebruikt. Het kwalitatief onderzoek werd uitgevoerd door middel van diepte-interviews met 15 vertalers. De interviews geven diepgaande inzichten in de ervaringen en percepties van vertalers rond het gebruik van AI-tools in het vertaalproces.
De respondenten werden via verschillende platformen zoals GentVertaalt, LinkedIn en verschillende vertaalbureaus gecontacteerd. De steekproef omvat zowel ervaren vertalers als nieuwkomers, werkzaam in verschillende sectoren (juridisch, medisch, economisch, etc.). Dit zorgt voor een variatie in profielen, waardoor dit onderzoek een genuanceerd antwoord kan bieden op de onderzoeksvragen.
Tijdens het onderzoek en de gesprekken met de professionele vertalers werd duidelijk dat vertalers terughoudend zijn tegenover artificiële intelligentie, maar AI-vertaaltools wel al op een kritische manier implementeren in hun vertaalproces. Generatieve AI en machinevertaling komen vooral van pas om inspiratie op te doen en te gebruiken als een assistent. Het werd duidelijk dat vertalers weinig schrik hebben om vervangen te worden door AI en het plezier in hun job niet zomaar laten wegnemen. AI blijft zich snel ontwikkelen en het is belangrijk om als vertaler de technologie te omarmen en er behoedzaam mee om te gaan. Daarnaast blijft de combinatie van een CAT-tool (Computer-Assisted-Translation-tool) met een AI-plug-in een aanrader om op vlak van kostenefficiëntie een effect op het vertaalproces te ervaren.

Accurate electricity price forecasting is critical in today’s volatile energy markets, particularly with the increasing penetration of renewable energy sources. This thesis aims to
compare the increasingly popular deep learning techniques with established statistical
models for electricity price forecasting in the Belgian day-ahead market. The comparative study uses a deep learning method called Long Short-Term Memory (LSTM) and
a statistical LASSO-Estimated Auto-Regressive (LEAR) model both in predicting price
values as well as quantifying their uncertainty. The main findings reveal that the LEAR
model outperforms the LSTM model in terms of accuracy and computation time. The
study emphasizes the importance of recalibration for improving forecasts and challenges the notion that deep learning models always outperform statistical methods.
The research contributes to the literature by providing insights into the effectiveness of
different forecasting models in the field of electricity price prediction.

Schrijven is een cognitieve vaardigheid die niet alleen een diepgaand begrip van taal en grammatica vraagt maar ook het vermogen om ideeën helder over te brengen. Binnen de cognitieve en ontwikkelingspsychologie bestuderen wetenschappers al decennialang schrijfmodellen om dat proces te schetsen (Flower & Hayes 1980; Bereiter & Scardamalia 1987; Engeström 1987; Zimmerman & Risemberg 1997). Technologische innovaties veranderen de aard van het schrijfproces echter en zorgen voor conceptuele verschuivingen (Cummings 2023). Binnen de academische gemeenschap neemt schrijfvaardigheid een essentiële plaats in aangezien veel kennis schriftelijk geëvalueerd en gepresenteerd wordt. Er is bijgevolg ook een specifiek academisch register met eigen stijlkenmerken (Van Kalsbeek & Kuiken 2014). Ondanks het belang van deze vaardigheid, signaleren onderzoeken dat die daalt bij studenten (Berckmoes & Rombout 2009; De Bakker et al 2015). Het is daarom essentieel om te onderzoeken welke digitale ondersteuningsmechanismen beschikbaar zijn voor studenten (Allen et al. 2016; Strobl 2019) en welke rol generatieve artificiële intelligentie (GenAI) daarin kan spelen sinds november 2022 (Su et al. 2023). De onderzoeksvragen luiden dan ook “In welke mate en voor welke doeleinden schakelen (on)ervaren academische schrijvers GenAI in voor academische schrijfopdrachten?” en “Wat is de houding van (on)ervaren academische schrijvers ten opzichte van GenAI?”

Om een antwoord te bieden op die onderzoeksvragen, heeft deze masterproef kwantitatief en kwalitatief onderzoek gecombineerd. Een online enquête met stellingen in matrixtabellen (studie A) wordt verdiept aan de hand van schrijfopdrachten waarbij 11 studenten ChatGPT gebruiken en in real time geobserveerd worden met think aloud protocols (studie B). De enquête, afgenomen bij 258 studenten sociale wetenschappen of letteren aan de KU Leuven, toont dat de grote meerderheid vooral bekend is met ChatGPT en ongeveer 60% het inzet voor academische schrijfopdrachten. Ze geven aan het vooral te gebruiken tijdens de pre-writing en writing-fasen om concepten uit te leggen, te brainstormen en teksten te verrijken. Ze vinden het een handig hulpmiddel maar zijn ook sceptisch over de betrouwbaarheid en academische integriteit van de gegenereerde inhoud. Ervaren schrijvers (n = 188) rapporteren een frequenter gebruik dan onervaren schrijvers (n = 60) voor alle doeleinden behalve het zoeken van bronnen en staan positiever ingesteld tenzij over het leerverlies en de duidelijkheid van de richtlijnen. Studie B laat zien dat studenten ook synoniemen opzoeken en hele teksten door GenAI laten genereren om die vervolgens te reviseren, waarbij gedrag sterk varieert per individu en geen link met de academische ervaring lijkt te vertonen. Ze gebruiken GenAI als aanvulling in een arsenaal van hulpmiddelen en de resultaten tonen aan dat de gangbare theoretische schrijfmodellen herzien moeten worden. Ook valt op dat sterke schrijfvaardigheden essentieel blijven bij het beoordelen van de output en sommige deelnemers hier voldoening uithalen en verkiezen alles zelf te schrijven. Uit studie B blijkt dat het formuleren van prompts een vaardigheid op zich is die tekortkomingen vertoont. Het hoger onderwijs moet zich zeker ook richten op het aanleren van prompt engineering en een betere kadering bieden van toegestaan gebruik van GenAI in schrijfopdrachten

Deze thesis onderzoekt de integratie van Federated Learning (FL) binnen het domein van het voorspellen van de hersenleeftijd met behulp van structurele Magnetic Resonance Imaging (MRI) scans. Door gebruik te maken van het FL-framework Flower stelt dit onderzoek medische instellingen in staat om samen voorspellende modellen te ontwikkelen en tegelijkertijd de gegevensprivacy te waarborgen en te voldoen aan regelgeving zoals GDPR en de California Consumer Privacy Act. Door domeinaanpassingstechnieken toe te passen om ervoor te zorgen dat de leeftijd op alle knooppunten vertegenwoordigd is, vermindert dit onderzoek de problemen die ontstaan door heterogene gegevensdistributies, waardoor de modelprestaties verbeteren. De bevindingen benadrukken de effectiviteit van het gebruik van voorgetrainde modellen, namelijk met algoritmen zoals FedProx, die cliëntdrift corrigeren en hun voordeel aantonen in scenario's met zeer scheve gegevensdistributies. Dit onderzoek onderstreept het potentieel van FL om competitieve modellen te produceren die geschikt zijn voor praktische toepassing in neuroimagingtaken. De implicaties reiken verder dan het voorspellen van de hersenleeftijd en suggereren bredere toepassingen in de gezondheidszorg, waar gegevensprivacy en samenwerkend leren cruciaal zijn. Deze thesis dient als een fundamentele inspanning, waarbij theoretische vooruitgang wordt samengevoegd met praktische toepassingen in de medische diagnostiek, en moedigt verdere verkenning en ontwikkeling in deze domeinen aan.

In deze studie werd de prestatie van zes grote taalmodellen (GPT-3.5, GPT-4.0, Copilot, Gemini, Gemini Advanced en Perplexity) geëvalueerd op hun vermogen om nauwkeurige zelfzorgadviezen te geven over medicatie en supplementen. De taalmodellen werden getest met een reeks zelfzorgvragen in verschillende contexten en hun antwoorden werden systematisch verzameld en beoordeeld. De evaluatiecriteria omvatten de nauwkeurigheid van de antwoorden en hun potentieel om de patiënt te helpen.
De resultaten geven aan dat taalmodellen zeer goed in staat zijn om zelfzorgvragen nauwkeurig te beantwoorden en beschikken over de nodige kennis om relevante gezondheidsinformatie te verstrekken. GPT-4.0 kwam naar voren als het meest betrouwbare model en leverde nauwkeurige en uitgebreide antwoorden.
Een belangrijke bevinding van de studie is de aanzienlijke variabiliteit in de antwoorden tussen de modellen, beïnvloed door factoren zoals taal, vraagstructuur en gebruikerscontext. De meeste modellen presteerden beter bij vragen in het Engels dan in het Nederlands, wat wijst op een sterkere trainingsbasis in het Engels. De formulering van de vragen had ook een aanzienlijke invloed, waarbij modellen vaak hun antwoorden aanpasten op basis van de waargenomen voorkeuren van de gebruiker. Dit ondersteunt bevestigingsbias. Deze variabiliteit benadrukt de noodzaak van zorgvuldige overweging bij het integreren van AI-taalmodellen in de gezondheidszorg, aangezien inconsistente antwoorden kunnen leiden tot misinformatie en mogelijks schadelijke beslissingen.
De studie benadrukt dat taalmodellen een cruciaal onderdeel van patiëntenzorg zullen worden. Wanneer ze correct worden gebruikt, kunnen deze modellen de uitkomsten voor patiënten aanzienlijk verbeteren door toegankelijke en nauwkeurige gezondheidsinformatie te verstrekken. Het vermogen van grote taalmodellen om de last voor zorgverleners te verlichten, het begrip van patiënten over medische aandoeningen te verbeteren en 24/7 assistentie te bieden, maakt hen een waardevol hulpmiddel in de moderne gezondheidszorg. Hun inzet moet echter voorzichtig worden benaderd, met zorgvuldige validatie en het aanpakken van mogelijke risico's om hun voordelen te maximaliseren en schade te minimaliseren.

Mijn scriptie gaat over het onderzoeken van de huidige huisvestingsnormen van grijze roodstaartpapegaaien bij Vlaamse particulieren eigenaren en beoordeel of deze voldoen aan deze soort hun ecologische behoeften.

De bachelorproef, getiteld "AI-evolutie in vliegtuigonderhoud: Efficiëntie in MRO-processen," onderzoekt de integratie van artificiële intelligentie (AI) in onderhouds-, reparatie- en revisieprocessen (MRO) in de luchtvaartindustrie. De focus ligt op hoe AI-technologieën zoals machine learning en computer vision kunnen bijdragen aan verbeterde efficiëntie, kostenbesparingen en verhoogde veiligheid binnen deze sector.

Deze bachelorproef onderzoekt de optimale en veilige integratie van artificiële intelligentie (AI) in het Vlaams secundair onderwijs. Het onderzoek richt zich op de mogelijkheden van AI om een meerwaarde te bieden in het onderwijs en de gevaren die daarmee gepaard gaan. Door middel van een literatuurstudie, een enquêteonderzoek onder actieve leerkrachten en experimenteel onderzoek, wordt een breed overzicht gegeven van de huidige stand van zaken en de toekomstige potenties van AI in het onderwijs.
Uit de enquête blijkt dat veel leerkrachten reeds AI-tools gebruiken voor lesvoorbereiding en gepersonaliseerd leren, maar dat er een aanzienlijke kenniskloof bestaat die het optimaal gebruik van AI belemmert. Dit benadrukt de noodzaak voor gerichte opleidingen en ondersteuningsprogramma's. De literatuurstudie toont aan dat AI aanzienlijke voordelen kan bieden, zoals efficiëntieverbeteringen en gepersonaliseerde leerervaringen, maar ook risico's met zich meebrengt, zoals bias, ethische kwesties en mogelijke negatieve effecten op de creativiteit en het kritisch denken van leerlingen.
Het experimentele onderzoek illustreert praktische toepassingen van AI in het klaslokaal en biedt concrete voorbeelden en richtlijnen voor leerkrachten. De studie concludeert dat een gestandaardiseerde en goed gereguleerde aanpak essentieel is voor de succesvolle implementatie van AI in het onderwijs. Door het adresseren van de opleidingsbehoeften van leerkrachten en het ontwikkelen van ethische richtlijnen, kan AI een positieve en duurzame impact hebben op het onderwijs en de leerervaring van leerlingen in Vlaanderen.
(ChatGPT, persoonlijke communicatie, 30 mei 2024)