Scriptiebank overzicht

Traditionele geotechnische ontwerpmethoden in België zijn in hoofdzaak gebaseerd op deterministische of semi-probabilistische benaderingen. Deze leiden vaak tot conservatieve schattingen die de inherente variabiliteit van het bodemgedrag slechts beperkt weerspiegelen. In deze thesis wordt de praktische toepassing van volledig probabilistische geotechnische berekeningen onderzocht, met specifieke aandacht voor het voorspellen van dijkzettingen.

Het onderzoek richt zich op het project voor dijkversterking te Groot Schoor (Bornem), dat deel uitmaakt van het bredere Vlaamse Sigmaplan voor waterveiligheid. Hierbij wordt uitgebreide veld- en laboratoriumdata geïntegreerd met geavanceerde probabilistische methoden.

Een omvattende methodologie wordt ontwikkeld, waarin PLAXIS 2D eindige-elementenmodellering wordt gecombineerd met Python-gebaseerde automatisering en probabilistische berekeningen. Via een sensitiviteitsanalyse worden de belangrijkste bodemparameters geïdentificeerd en gemodelleerd als stochastische variabelen, gebaseerd op kansverdelingen afgeleid uit CPT(u)-gegevens en laboratoriumproeven. Latin hypercube sampling wordt toegepast om representatieve inputsets te genereren, terwijl een response-surface model, getraind op een beperkt aantal PLAXIS-simulaties, een grootschalige probabilistische analyse mogelijk maakt. Bayesian updating, geïmplementeerd via de Markov Chain Monte Carlo-methode, verfijnt de probabilistische voorspellingen door de integratie van werkelijke zettingsmetingen uit de monitorcampagne.

De resultaten tonen aan dat probabilistische methoden niet alleen de variabiliteit en onzekerheid van zettingsgedrag accurater weergeven dan deterministische benaderingen, maar tevens waardevolle inzichten verschaffen in parametersensitiviteit en modelrobuustheid. Deze studie bevestigt de haalbaarheid en de voordelen van het structureel integreren van probabilistische technieken in geotechnisch ontwerp, wat de weg opent naar betrouwbaardere en kostenefficiëntere infrastructuurontwikkeling, evenals data-gestuurde besluitvorming.

Deze masterscriptie beschrijft de ontwikkeling en validatie van een Computational
Fluid Dynamics-model voor adiabatische en diabatisch twee-fasenstroming in een mi-
crokanaal, met focus op toepassingen in Microkanaal-Warmtewisselaars voor Small
Modular Reactors. De Euleriaans–Euleriaanse methode werd toegepast en meerdere
interfaciale krachten en warmteoverdrachtsmodellen werden getest op toepasbaarheid
binnen experimentele configuraties. Een modulaire strategie werd gevolgd, van een
adiabatisch basismodel (verticale kleine kanaal), tot een verfijnd adiabatisch model
(horizontaal microkanaal), naar een volledig kookmodel (verticaal microkanaal). De
eerste twee modellen toonden sterke overeenkomst met experimentele data voor vol-
umefracties, snelheidsprofielen, stromingsregimes en drukverliezen. Voor horizontale
stroming vormde het gebrek aan gedetailleerde data en geschikte submodellen echter
een beperking. De kooksimulaties voorspelden drukverliezen en wandoververhitting
correct, maar toonden gevoeligheid voor de stabiliteit van de vloeistoffilm aan de wand.
De modellen vormen een degelijke basis voor thermo-hydraulisch gedrag in annulair
regime, maar zijn beperkt bij extremere condities. Toekomstig werk moet zich richten
op horizontale data en robuustere krachtmodellen voor bredere stromingsregimes.

Recurrent glioblastoma (rGB) remains to have a 5-year survival of <10%. Current treatments consist of re-resection, re-irradiation and/or immunotherapy, but therapy resistance remains unresolved due to multiple factors, such as the blood-brain-barrier, high tumor heterogeneity and an immunosuppressive tumor microenvironment. In this context, CAR T-cell therapy is emerging as a promising approach. In particular, the use of nanobodies (Nbs) as the antigen binding moiety overcomes limitations such as tonic signaling and immunogenicity, commonly associated with scFv-based CARs. CAR T-cell therapies targeting B7-H3 showed promising results in the treatment of rGB, but in vivo toxicity has been recently described, highlighting the need for improved CAR designs. In this thesis, we developed an mRNA-based platform to identify the most efficient CAR design as an alternative to the laborious and time-consuming methods currently available. Briefly, we developed an mRNA-based approach for the production of mRNA encoding NanoCAR variants and the screening of NanoCAR functionality, comparing it to a plasmid-derived mRNA NanoCAR. We used our optimized workflow, to select previously evaluated NanoCAR T-cells which resulted in the same lead being selected. Therefore, we applied our technology to generate B7-H3 NanoCAR T-cells and selected four candidates for further development. Finally, we tested B7-H3 mRNA NanoCAR T-cells in vivo to evaluate if a transient expression would be sufficient to address the toxicity issue. Overall, we showed that our mRNA platform is a promising alternative to the current methods for CAR screening allowing us to select new B7-H3 NanoCAR T-cells and further proceed with their characterization.

In dit onderzoek wordt een corpus van 54 oorspronkelijk Nederlandstalige kinderboeken met uitsluitend dierlijke personages geanalyseerd. In een eerste fase wordt nagegaan wat de verhoudingen tussen verschillende genderidentiteiten zijn , welke talige en visuele strategieën worden ingezet om personages als vrouwelijk of mannelijk voor te stellen en welke strategieën worden aangewend om personages neutraal voor te stellen. In het tweede deel wordt onderzocht in hoeverre er een correlatie bestaat tussen het grammaticale geslacht van het dier en het gender dat aan het dierlijke personage wordt toegekend in het verhaal. Daarnaast wordt nagegaan welke genderstereotypen voorkomen in zowel de tekstuele als visuele componenten van de boeken en of er ook voorbeelden zijn die deze stereotypen doorbreken. Ten slotte wordt onderzocht of het gender van de auteur een invloed uitoefent op het gender van het hoofdpersonage en de personages in het algemeen. Uit de analyse blijkt dat mannelijke personages duidelijk domineren binnen het corpus en dat expliciet non-binaire identiteiten volledig afwezig zijn. Gender wordt voornamelijk via talige middelen geconstrueerd, met illustraties als ondersteunende factor. Neutrale personages blijven doorgaans neutraal door het vermijden van voornaamwoorden en genderspecifieke namen. Er is een gedeeltelijke correlatie tussen het grammaticale geslacht van het dier en het toegewezen gender, al is deze correlatie niet absoluut. Genderstereotypen blijken ook in boeken met uitsluitend dierlijke personages aanwezig, zij het in beperktere mate. Het gender van de auteur lijkt voornamelijk invloed te hebben bij mannelijke auteurs: zij schrijven vaker over mannelijke hoofdpersonages. Bij vrouwelijke auteurs blijft een mannelijke dominantie aanwezig, ondanks hun eigen genderidentiteit. Het doel van dit onderzoek is om leerkrachten, ouders, onderwijsprofessionals, auteurs, illustratoren en uitgeverijen bewust te maken van deze bevindingen zodat zij deze kunnen meenemen in toekomstige keuzes en representaties binnen de kinderliteratuur.

Deze thesis integreert biofysische modellen van het werkgeheugen in taalkundige theorieën binnen het Minimalisme, met de focus op de Select-functie – het ophalen van Lexicale Elementen vanuit het langetermijngeheugen naar het kortetermijngeheugen. Ik vertaal eerst het traditionele feature- systeem naar een vectoren-gebaseerd mechanisme, waar de (on)interpreteerbaarheid als een vectoronderdeel gemodelleerd wordt. Deze verschuiving van een symbolisch naar een vector-systeem vangt niet alleen kenmerken van de Transfer-operatie, maar brengt het model ook in rooilijn met neurale populatiecodes. Daarna stel ik een hippocampus-gebasseerd biophysisch model van Lexicale Ophaling voor, waar neurodynamische principes statische features activeren en hun ophalen bepalen. Binnen dit framework vormt interpreteerbaarheid een neveneffect van het model en kan het [iF]-[uX]-mechanisme van Deal (2015) op natuurlijke wijze afgeleid worden as een vorm van sterk symmetrische paarophaling.

Deze bachelorproef binnen het thema ‘Lezen begint al in de kleuterklas’ onderzoekt hoe thematisch werken met betekenisvolle verhalen het verhaalbegrip van meertalige kleuters kan versterken. Het onderzoek vond plaats in de derde kleuterklas van GBS Everheide in Brussel, een school met een grote talige diversiteit. De centrale onderzoeksvraag luidt: Hoe kan thematisch werken met betekenisvolle verhalen het verhaalbegrip versterken van meertalige kleuters in een Brusselse derde kleuterklas? Op basis van literatuur over taalontwikkeling, begrijpend luisteren en meertaligheid werd een thematisch aanbod ontwikkeld rond het prentenboek Ridder Rikki van Guido Van Genechten. Gedurende de ontwerpweken werd het verhaal herhaald en verdiept aan de hand van een visueel verhalenpad, denkstimulerende vragen, gebaren en interactieve activiteiten. Om de impact van deze aanpak in kaart te brengen, werd een zelfontworpen meetinstrument ingezet om het verhaalbegrip van de kleuters te observeren en te evalueren. Daarnaast vloeide uit deze bachelorproef ook een praktijkgerichte bundel voort, opgebouwd rond het prentenboek Ridder Rikki. Het geheel vormt een bruikbare leidraad voor leerkrachten die doelgericht willen inzetten op verhaalbegrip bij meertalige kleuters.

The growing accessibility and capabilities of Virtual Reality (VR) have made it an increasingly valuable tool for training applications. Enabling multimodality, beyond purely visual feedback, enhances the realism and effectiveness of training. This is especially relevant for astronaut training conducted in environments that differ from those on Earth. Incorporating haptic devices can introduce tactile feedback in VR, but the current research focuses mainly on devices meant for users’ hands. In comparison, this work explores the integration of tactile sensations specifically in the forearm region. The aim is to investigate whether exoskeletons primarily used in the medical field can be implemented to simulate weight sensation for astronaut training in VR. Gravity is rendered through torque control based on the angular position of the forearm. The system is designed with a focus on its portability and accessibility. Initial results indicate that the technical implementation is promising for simulating varying gravitational conditions. By introducing a way to simulate weight sensation, this research contributes to the underexplored
area of multimodal VR experiences, particularly in tactile feedback on the user’s forearm.

Deze thesis onderzoekt de rol van Johannes Kepler (1571-1630) als prognosticator binnen het bredere netwerk van lutheraanse astrologen, door een vergelijking met zijn tijdsgenoten Johannes Krabbe (1553-1616) en Melchior Schärer (1563-1624). Dit onderzoek wordt geconceptualiseerd als een microstudie van het netwerk van Wittenbergse astrologen beschreven in de literatuur en stelt de prognosticaties centraal binnen het onderzoek naar de vroegmoderne wetenschap van de sterren. Via een studie van de structuur, wiskundige basis en religieuze zingeving van de werken, toont deze thesis een aanzienlijke overeenkomsten tussen de drie astrologen. Elk beschouwen ze de prognosticaties op de eerste plaats als een religieus instrument, bedoeld om de mens dichter bij God te brengen. Via een kritische omgang met en uitwisseling van astrologische gegevens en theorieën proberen de astrologen elk op hun manier Gods wil, zoals die in de natuur geuit wordt, zo goed mogelijk te benaderen. Ondanks deze gedeelde basis komt Kepler naar voren als een radicale hervormer. Waar Krabbe en Schärer slechts stapsgewijze veranderingen doorvoerden, waren Keplers kritiek en structurele hervormingen veel ingrijpender. Hij bevond zich in een spreidstand tussen de verdedigers en critici van de astrologie: hij behield het religieuze kader, maar verwierp veel conventionele praktijken. Door een analyse van Kepler als prognosticator, draagt dit onderzoek bij aan een beter begrip van de wisselwerking tussen theorie en praktijk binnen wetenschappelijke netwerken.

Deze scriptie onderzoekt hoe gesimuleerde warmtesignaturen van 3D-modellen uit videogames gebruikt kunnen worden om een AI-systeem te bouwen dat militaire tanks op realtime niveau kan herkennen en classificeren op basis van infraroodbeelden.

De bewapening van de ruimte vormt een groeiende uitdaging binnen de internationale gemeenschap. Terwijl het aantal staten met militaire ruimtecapaciteiten toeneemt en ruimtewapens ontwikkelt, ontbreekt een internationaalrechtelijk kader om dit te reguleren. Deze masterproef onderzoekt of het bestaande internationale recht in staat is in een effectief juridisch kader te voorzien. Daarnaast analyseert het hoe de statenpraktijk er vandaag uitziet door de gedragingen van staten en hun posities binnen het internationaal debat te analyseren.
Hiertoe zal deze masterproef eerst nagaan wat onder een “ruimtewapen” kan worden verstaan. Vervolgens wordt het geldig internationaalrechtelijk kader in kaart gebracht, waarbij het ruimterecht en het internationaal humanitair recht worden geanalyseerd. Daarna zal een hoofdstuk de statenpraktijk onderzoeken door de feitelijke gedragingen en internationale standpunten van staten te onderzoeken. Internationale organisaties worden hierbij niet uit het oog verloren.
Uit dit onderzoek zal blijken dat het internationaal recht vandaag grotendeels tekort schiet. Er bestaat geen universele definitie van een ruimtewapen, en begrippen als “vreedzaam gebruik” en “the province of all mankind” worden op uiteenlopende wijze geïnterpreteerd. Daarnaast varieert de statenpraktijk sterk en bestaat er een groot verschil tussen de feitelijke gedragingen van staten en hun posities in het internationaal debat.
Deze masterproef toont hierna aan dat deze uiteenlopende gedragingen en zienswijzen een belemmering vormen voor de totstandkoming van een effectief juridisch kader. Tegelijkertijd toont het een groeiend bewustzijn aan dat het uitblijven van initiatieven risico’s met zich meebrengen voor de veiligheid en duurzaamheid van het gebruik van de ruimte. 

This thesis evaluates the credibility of a multi-constituent microstructurally-informed finite element model of arterial tissue. Understanding the link between arterial microstructure and mechanical function is essential for defining cardiovascular diseases like atherosclerosis and aneurysms. Representative volume element (RVE) models are increasingly used to explore this link by efficiently connecting microstructure to mechanics. However, many existing RVEs lack experimental calibration using tissue with selectively modified constituents, systematic validation across loading conditions, and biofidelic microstructural networks. Furthermore, there is limited understanding of how uncertainties in input parameters affect model predictions. Therefore, this study aims to assess and improve the credibility of an RVE model by addressing these gaps through detailed characterisation. The model is evaluated against experimental data from both native and enzymatically-treated tissue, and parameter sensitivity analyses are conducted.

To achieve this, uniaxial tensile tests were performed on native porcine aortic samples. Crucially, to isolate the mechanical roles of key constituents, samples were treated with the enzymes collagenase or elastase to deplete collagen or elastin, respectively. The resulting data calibrated and validated the RVE model, focusing on the collagen and elastin networks and the model’s anisotropic predictive capacity. Subsequently, a surrogate model based on an artificial neural network emulated the RVE’s mechanical response, enabling efficient Sobol' sensitivity analysis of six key microstructural, mechanical, and model parameters.

Enzymatic depletion confirmed distinct constituent roles: collagen-deficient tissue exhibited a linearised response with slight stiffening at high strains, whereas elastase-digested samples demonstrated increased compliance but lost structural integrity. RVE model validation emphasised the importance of accurately representing the anisotropic architecture. Furthermore, the sensitivity analysis revealed that uncertainties in six key input parameters substantially influence RVE output variance, with elastin properties predominantly governing low-strain behaviour and collagen-related parameters dictating high-strain responses.

The calibrated and validated microstructurally-informed RVE model can reliably predict aortic mechanics if tissue anisotropy is adequately accounted for. The sensitivity analysis provided crucial insights into which parameters most significantly impact model output variance. This will guide future efforts in model refinement and highlight parameters that require precise experimental characterisation to reduce predictive uncertainty. Furthermore, it will strengthen the RVE's potential as a credible tool in arterial biomechanics research by establishing a more robust, uncertainty-aware modelling framework.

Mijn masterproef onderzoekt hoe discriminatie het mentaal welzijn beïnvloedt van mensen van Sub-Saharaanse afkomst in België. Daarbij wordt onderscheid gemaakt tussen microagressies, de subtiele en vaak alledaagse vormen van uitsluiting, en harassment, de meer openlijke vormen van intimidatie. Op basis van de grootschalige ROAM-BE survey (N=923) werden deze ervaringen in verband gebracht met vier indicatoren van mentaal welzijn: angst, slaapkwaliteit, levenstevredenheid en algemeen welbevinden (WHO-5).
De resultaten tonen een duidelijk dose-responspatroon: hoe meer discriminatie iemand ervaart, hoe sterker de negatieve effecten op angst, slaap en levenstevredenheid. Hoewel de WHO-5 niet significant verschilde, suggereren de bevindingen dat discriminatie eerst specifieke domeinen van gezondheid onder druk zet. Belangrijk is dat de impact niet uniform is. Taalvaardigheid, inkomen, gender en verblijfsstatus beïnvloeden elk hoe zwaar discriminatie doorweegt. Vooral mensen met een matige taalvaardigheid of financiële moeilijkheden, en vrouwen die openlijke intimidatie ervaren, blijken bijzonder kwetsbaar.
Deze studie levert zo nieuwe empirische inzichten in hoe ongelijkheid het dagelijks leven en welzijn ondermijnt. Ze biedt ook concrete aanknopingspunten voor beleid en praktijk, onder meer rond taalondersteuning, armoedebestrijding, gendergevoelige interventies en structurele verblijfszekerheid.

When fundamental symmetries break during early universe phase transitions the resulting scalar field can develop non trivial space dependent configurations of non-vanishing energy density, known as defects; examples of which include domain walls, cosmic strings and monopoles. These defects form a network of extended object, which can play an active role in the dynamics of the early universe, such as generating a gravitational wave background (GWB). Remarkably, Pulsar Timing Array (PTA) experiments have recently reported the first evidence of a GWB, making the study of defects particularly timely and relevant. While the PTA excess is most likely of astrophysical origin, an exciting prospect is a GWB of cosmological origin. In this thesis, a GWB generated by cosmic strings in the early universe is studied. In particular, a model of two subsequent phase transitions is considered in which, under certain conditions, metastable cosmic strings can emerge during the second transition. Specifically, metastable strings have a probability to decay through a quantum tunneling process in which monopoles are nucleated along the strings, effectively reducing their lifetime. Within this model, we will perform a classical stability analysis on the string solutions in order to investigate whether they are long lived enough to have any impactful phenomenology. Finally, we discuss the implications of the determined stability conditions on the predicted gravitational wave spectrum, and how it affects the detectability of this scenario in GW experiments, including PTA.

Ongeveer één op de vier personen met een beroerte krijgt te maken met afasie, een taalstoornis waarbij het begrijpen en/of produceren van taal moeilijk kan verlopen. In deze masterproef zoeken we een link tussen de taalfouten die personen met afasie maken en de exacte locatie van hun hersenletsel. Dit deden we aan de hand van de innovatieve techniek 'voxel-wise lesion-symptom mapping'. Wat ons onderzoek bijzonder maakt, is dat we bij de taaltesten gebruikmaken van natuurlijke spraak. Zo krijgen we een accurater beeld van het dagelijks taalgebruik van de personen met afasie. Deze studie opent nieuwe wegen om te voorspellen welke hersenschade welke taalproblemen veroorzaakt en hoe personen met afasie zullen herstellen.

Door de evolutie van de sport is het jureren van ropeskipping freestyles op hoog niveau moeilijk geworden. Zowel het aantal skills in de routine, alsook de snelheid waarmee ze worden uitgevoerd neemt toe. Dit is vooral te merken in Double Dutch freestyles. Daarom worden deze routines zowel live (creativiteit, variatie, muziekgebruik) als vertraagd (moeilijkheidsgraad) gejureerd.
Ondanks het feit dat freestyles op halve snelheid worden herbekeken en hierdoor jureerfouten worden vermeden, merkt men dat er nog enig verschil zit op scores toegekend door juryleden. Door de toegenomen toegankelijkheid van kunstmatige intelligentie, voornamelijk neurale netwerken, werd de vraag gesteld of een AI juryassistent ontwikkeld kan worden die helpt een betere en objectievere score zou opleveren.
Dit onderzoek verkent de mogelijkheid tot het bouwen van zo een juryassistent, de benodigde technieken en uitdagingen. De huidige vorm van de juryassistent bestaat uit drie hoofdzakelijke delen. Het eerste deel gaat over het lokaliseren van springers in de opnames. Niet alle videos zoomen in op de springer of zijn net eerder statische opname. Dit deel is noodzakelijk om computationele overhead te beperken, daar springers soms minder dan een vijfde van het beeld in beslag nemen.
De tweede groote stap is het splitsen van volledige routines in elke uitgevoerde skill. Dit wordt gedaan aangezien het onbegonnen werk zou zijn op om dit manueel te doen.
Het derde deel omvat het herkennen van de gesprongen skill. Voor Double Dutch Freestyles betekent dit een combinatie van uitvoering door draaiers en springers.
Door louter presentatieskills of moeilijk zichtbare skills te makeren als 'unknown' (e.g. wanneer een draaier tussen de springer en camera staat), wordt er verwacht dat het model aangeeft wanneer het niet zeker is.
Voor het lokaliseren slaagde YOLOv11 er in om een mAP50 te behalen tussen de 93-95\%, waarbij het succesvol publiek filterde van atleten, mits kleine foutjes. Hierdoor het Multiscale Vision Transformer model skills ingezoomde crops gebruiken om acties van elkaar te onderscheiden. Deze konden vervolgens herkend herkend worden hetzelfde MViT model of een doormiddel van een Swin Transformer. Het gemiddelde f1 macro gemiddelde van deze modellen lagen tussen de 49 en de 53 procent, door de lage representatie van minder vaak voorkomende skills. Immers lag de totale accuraatheid hoger, tussen de 89 en de 94 procent.
Dit zorgde ervoor dat juryscores door het model konden toegewezen, deze lagen -28 tot -20 procent onder de score toegekend door juryleden.
Verdere onderzoek is nodig om de accuraatheid van de architectuur te verhogen.

Dit proefschrift onderzoekt de eliminatie van prioritaire vluchtige organische stoffen (VOS) door middel van actieve botanische biofilters via een gecombineerde experimentele en modelleringsbenadering. Het onderzoek richt zich op de verwijdering van benzeen, tolueen, ethylbenzeen, xyleen, formaldehyde en acetaaldehyde (BTEXFA)-verbindingen, die vertegenwoordigers zijn van binnenluchtverontreinigingen die een reële bedreiging vormen voor de menselijke gezondheid. De experimentele benadering gebruikte een actief botanisch biofilter (ABB) en microbiële biofilters (MB's) om de prestaties van VOC-verwijdering onder verschillende randvoorwaarden te evalueren. Eerst werd een studie naar ABB-acclimatisatie uitgevoerd. Zodra de filters volledig operationeel waren en VOS verwijderden, werd een studie naar luchtsnelheidsvariatie uitgevoerd om de verwijdering bij verschillende luchtstroomsnelheden te documenteren. Tegelijkertijd werd een nieuw 3D multiphysics-model ontwikkeld op basis van computationele vloeistofdynamica om de aerodynamica van het MB-substraat, VOC-transport, en verwijderingsfenomenen te karakteriseren.

De effecten van acclimatisatie op VOC-verwijdering varieerden afhankelijk van de specifieke VOC, met verschillende patronen zichtbaar tussen BTEX, formaldehyde en acetaaldehyde. Verder werd aangetoond dat acclimatisatie door herhaalde VOC-blootstelling de efficiëntie van BTEX-verwijdering significant verbeterde. De studie naar luchtsnelheidsvariatie onthulde een complexe mix van effecten die de prestaties van ABB beïnvloeden, met veel verschillende reacties op luchtstroomverhoging tussen VOS. Een aerodynamisch submodel werd succesvol gevalideerd met experimentele gegevens, terwijl het volledige voorlopige model ruimte voor verbetering liet.

Dit onderzoek vergroot het begrip van botanische biofiltratiemechanismen en biedt praktische inzichten voor het optimaliseren van op ABB-gebaseerde binnenluchtzuiveringssystemen, en draagt bij aan duurzame toepassingen in stedelijke biowetenschap en engineering.

While links between sweet taste preference and impulsivity exist, the relationship with specific sweet liking phenotypes remains underexplored. This relationship may have implications for understanding reward related systems and dysfunction. This study investigated the association between sweet liking phenotypes and dispositional
impulsivity, using the Barratt Impulsivity Scale-11 (BIS-11), the BIS/BAS Scales, the Effortful Control Scale, and the Iowa Gambling Task (IGT). A cross-sectional design was employed with N=97 healthy adult participants. Sweet liking phenotypes were classified based on sweet taste assessment. Analyses revealed no significant differences in
BIS/BAS, Effortful Control, BIS-11, or overall IGT learning trends across the sweet liking phenotype groups. Although not confirmed by primary group comparisons, exploratory analysis of IGT performance suggested a potential trend for increased selection of the disadvantageous Deck B over time among individuals with higher sweet liking, pointing to impaired learning from negative outcomes and an insensitivity to punishment. These
findings suggest that BIS/BAS, Effortful Control, BIS-11 scores, and Iowa Gambling Task performance may not strongly differentiate sweet liking phenotypes; however, the study's power was limited by the relatively small sample size. Future studies employing dedicated tasks designed to isolate specific impulsivity facets are warranted.
Additionally, investigating the neural correlates of this relationship, particularly involving the ventromedial prefrontal cortex, could further clarify its mechanisms.

While the extraction of metals is essential for sustainable energy technologies, they pose environmental challenges due to the toxic materials used in their production and the hazardous waste they generate. The presence of waste containing metals and organic compounds on Earth is increasing, and Europe holds large amounts of metals locked up in industrial process residues, such as tailings, metallurgical sludges, slags, dust, and ashes. The waste or secondary material may contain critical raw materials and base metals with application in the energetic transition. These factors highlight the urgent need for effective recycling practices to manage mine waste and recover valuable secondary raw materials, addressing both environmental and economic challenges.

This thesis investigates the optimal conditions for effective bioleaching of pyrite mine wastes and modern slags from the Achada do Gamo Sulfur factory in the São Domingos Mine area, focusing particularly on Manganese and Zinc recovery to address sustainability concerns. Using Response Surface Methodology (RSM), the study evaluates the impact and relationship between pulp density, initial pH, and initial ferrous iron concentration evaluated through a Box-Behnken design (BBD). Direct bioleaching experiments were conducted on altered and crushed pyrite, pyrite ashes, and modern slags using a thermophilic microbial culture consisting of Sb. thermosulfidooxidans, L. ferriphillum, and At. caldus (SLA), which utilized elemental sulfur and ferrous iron as energy sources, driving the oxidation of ferrous to ferric iron and the conversion of sulfur to sulfuric acid in the leaching medium.

Results showed that SLA culture is less effective bioleaching in pyrite wastes than slag, although ORP measurements indicated microbial iron oxidation for all materials. This study successfully optimized the recovery of metals from slag samples, indicating a maximum efficiency of metal solubilization under the conditions of 2.32% (w/v) solid load, pH 1.90, and ferrous iron supplementation of 60 mM. The maximum metal recovery achieved was 86.9% Zn, 81.4% Mn, 65% Cu, and 66.4% Co.

For crushed pyrite, under the conditions of pH 1.66, 54 mM supplementation of iron and 2% (w/v) pulp density was estimated to achieve moderate to high recovery of Mn (>53.8%) and Zn (>8.0%). However, the values obtained were not within the 95% confidence interval and the null hypothesis could not be rejected, indicating the proposed model does not apply to the practical application; consequently, an optimized condition was not defined. The application of the same conditions obtained in the model for crushed pyrite was applied to pyrite ash material, which did not result in satisfactory results. Hence, to better recover metals from pyrite ashes and crushed pyrite, further optimization is needed.

Competentiegericht onderwijs (CBE) wordt steeds vaker toegepast in het Vlaams secundair
onderwijs. Voor leerkrachten brengt dit uitdagingen met zich mee bij het interpreteren
van leerlinggegevens en het nemen van gepaste acties. Deze masterproef onderzoekt
hoe een learning analytics dashboard (LAD) leerkrachten kan ondersteunen tijdens
klassenraden, waar belangrijke beslissingen over leerlingen genomen worden.
Via een participatief ontwerpproces werd CLAIRE ontwikkeld, een proof-of-concept
dashboard. Dit dashboard sluit aan bij het Vlaamse competentiekader en is technisch
ge¨ıntegreerd met Moodle, het leerplatform van de partnerschool. Het ontwerp richtte
zich op gebruiksvriendelijkheid, visuele helderheid en praktische toepasbaarheid in het
dagelijkse lesgebeuren.
Feedback van leerkrachten wees op de nood aan duidelijke inzichten, intu¨ıtieve interfaces
en ondersteuning bij het opvolgen van leertrajecten op verschillende niveaus. Hoewel
artifici¨ele intelligentie werd verkend als mogelijke uitbreiding, ligt de focus in het uiteindelijke
prototype op begrijpelijke en bruikbare visualisaties van leerdata.
Kwalitatieve evaluatie toonde aan dat leerkrachten het visuele overzicht erg nuttig
vonden en de duidelijke structuur van competenties per vakgebied sterk waardeerden. Iteratieve
prototyping bracht het belang aan het licht van minimale manuele input, voortgangsvisualisaties
en flexibele filters die aansluiten bij de dagelijkse praktijk. Tijdens een
feedbacksessie op school werd het ontwerp van CLAIRE positief onthaald; leerkrachten
gaven aan dat het dashboard het analyseren van leerlinggegevens aanzienlijk vereenvoudigt.
Deze thesis levert een bijdrage aan het ontwerpen van gebruiksvriendelijke dashboards
voor leerkrachten en biedt concrete richtlijnen voor datagedreven besluitvorming binnen
CBE-contexten.

De afvoer van smeltwater uit de gletsjers van het Tien Shan-gebergte in Kirgizië is van cruciaal belang voor de samenleving en economie in de stroomafwaarts gelegen vlaktes. In het droge Centraal-Azië is de landbouw sterk afhankelijk van irrigatie met dit water. De gletsjers functioneren als watertorens: ze herverdelen de schaarse neerslag over de seizoenen, wat grootschalige landbouw mogelijk maakt. Door klimaatverandering trekken de gletsjers zich echter snel terug, waardoor de inwoners van de vlaktes hun belangrijkste inkomensbron dreigen te verliezen.

Het doel van deze thesis is het evalueren van het Instructed Glacier Model (IGM). Dit
model gebruikt een neuraal netwerk als emulator om ijsstroming te beschrijven, wat computationele voordelen oplevert en het mogelijk maakt het model zowel invers (interpoleren van ijsdiktemetingen) als voorwaarts (voorspellen van gletsjerevolutie onder klimaatscenario’s) te gebruiken. De prestaties worden vergeleken met klassieke ruimtelijke interpolatiemethoden, zoals de vloeispanningsmethode, en met een hoger-ordemodel dat de gletsjerevolutie simuleert.

De evaluatie vindt plaats op de Batysh-Sook-gletsjer in de Tien Shan. De resultaten tonen dat het ge¨ınverteerde IGM consistente, nauwkeurige en gladde ijsdiktevelden genereert. Vooral in schaars bemonsterde zones presteert het model beter dan de
conventionele vloeispanningsmethode. Voor de gletsjerevolutie laten zowel IGM als het hoger-ordemodel zien dat de Batysh-Sook-gletsjer gevoeliger is voor opwarming dan veel omliggende gletsjers, waarschijnlijk door haar kleine huidige omvang. IGM volgt de trends van het hoger-ordemodel goed, al simuleert het in de historische periode iets minder smelt, waardoor het gletsjervolume groter blijft.

Deze bevindingen tonen aan dat IGM een veelbelovend instrument is voor zowel ijsdikteinterpolatie als projectie, vooral in gebieden met beperkte veldmetingen. Betere modellering van gletsjers zoals de Batysh-Sook kan leiden tot nauwkeurigere voorspellingen van toekomstige waterbeschikbaarheid, wat van groot belang is voor wetenschappelijk onderzoek en voor duurzaam waterbeheer in Centraal-Azië.

Koper-nanodeeltjes (Cu NP's) hebben een brede toepasbaarheid, maar hun synthese is gevoelig voor kleine veranderingen in reactieparameters. Deze gevoeligheid, in combinatie met het tijdrovende en arbeidsintensieve karakter van experimentele optimalisatie, vormt een grote uitdaging voor reproduceerbare synthese met gecontroleerde deeltjesgrootte. Bovendien is Machine Learning (ML) weliswaar veelbelovend gebleken voor materiaalonderzoek, maar wordt toepassing ervan vaak beperkt door gebrek aan hoogwaardige experimentele datasets. Deze studie onderzoekt ML om de grootte van Cu NP’s gevormd met microgolf geassisteerde polyolsynthese te voorspellen met kleine datasets, gegenereerd uit 25 intern uitgevoerde syntheses. Latin Hypercube Sampling wordt gebruikt om de parameterruimte van precursorconcentratie, temperatuur en reactietijd efficiënt te samplen. Ensemble-regressiemodellen, gebouwd met het AMADEUS-framework, voorspellen met hoge nauwkeurigheid de deeltjesgrootte en presteren daarmee beter dan klassieke statistische benaderingen. Featureselectie vermindert complexiteit van het model en verbetert generaliseerbaarheid. Daarnaast worden classificatiemodellen, gebaseerd op zowel traditionele random forests als Large Language Modellen (LLM’s), geëvalueerd om onderscheid te maken tussen grote en kleine deeltjes. Terwijl random forests matig presteren, bieden LLM’s geen duidelijke verbeteringen in omstandigheden met weinig gegevens. Over het algemeen toont dit onderzoek dat zorgvuldig samengestelde kleine datasets, in combinatie met robuuste klassieke ML, synthese van Cu NP's effectief kan voorspellen en dat voor laboratoriumonderzoek complexe LLM's geen voordelen bieden.

Het ontdekken van nieuwe interacties tussen geneesmiddelen en proteïne-doelwitten (DTIs) is cruciaal voor therapeutische innovatie, maar experimentele validatie is kostelijk
en schaalt niet naar de astronomische omvang van chemische mogelijkheden. Heterogene, schaarse bindingsdata en beperkte diversiteit belemmeren robuuste voorspelling en de mogelijkheden voor in silico moleculaire ontwerp. Deze scriptie presenteert een geïntegreerd raamwerk dat data, representaties en modellen opschaalt voor DTI-voorspelling en doelwit-gestuurd de novo geneesmiddelontwerp.

Een gecombineerd DTI-corpus (339k interacties) en twee grote pretrainingsbronnen werden samengesteld om zowel supervised als unsupervised leerdoelen te ondersteunen. Centraal in het raamwerk is een flexibele, modulaire multi-branch architectuur: elke branch van het model (geneesmiddel of doelwit) kan geïnstantieerd worden als een encoder met enkele invoer, of als een multi-invoer-encoder die complementaire representaties fuseert (bijv. graaf, vingerafdruk, aminozuursequentie, DNA-signalen).
De geneesmiddel branch kan ook een variatie-sampling kop en een latent-gestuurde, discrete diffusie gebaseerde moleculaire graaf-generator omvatten. Branches kunnen
gezamenlijk getraind worden voor supervised DTI-voorspelling, of onafhankelijk met unsupervised/self-supervised leerdoelen om biologische voorkennis langs domeinen
heen in te brengen.

Resultaten tonen een regime-afhankelijk beeld: in data-arme regimes zijn foundationmodel embeddings het effectiefst, terwijl moleculaire vingerafdrukken de leiding hebben
wanneer data abundant zijn. Analyses tonen aan dat geneesmiddel-representaties de DTI-voorspellingsnauwkeurigheid sturen, met graaf-gebaseerde representaties als
meest invloedrijk; aminozuur- en DNA-signalen zijn complementair voor proteïnen. Algemeen verduidelijkt deze studie wanneer en hoe leren van meerdere representaties
en transfer learning helpen, biedt het een reproduceerbare basis voor DTI-voorspelling, en toont het de haalbaarheid aan van latent-gestuurde omgekeerde diffusie voor het
genereren van chemisch valide, doelwit-specifieke moleculen waarvan de farmacofore kenmerken consistent zijn met de bredere biochemische literatuur.

Deze masterproef onderzoekt hoe batterijsystemen optimaal kunnen worden aangestuurd in een context van dynamische elektriciteitsprijzen en het Belgische capaciteitstarief. De focus ligt op industriële verbruikers, waarbij gestreefd wordt naar het minimaliseren van de totale energiekost.
Een nieuw Rolling Horizon Linear Programming (RHLP)-algoritme werd ontwikkeld en
vergeleken met een eenvoudig heuristisch basisalgoritme. Het RHLP-algoritme gebruikt PV-opbrengst, dynamische prijzen en verbruiksvoorspellingen op basis van Extreme Gradient Boosting (XGBoost) om de laad- en ontlaadbeslissingen te optimaliseren over een tijdshorizon van 48 uur. Deze horizon schuift mee met de tijd (rolling
horizon), waarbij de optimalisatie om de 15 minuten wordt herhaald. De PV-opbrengst
werd in de standaardconfiguratie benaderd via werkelijke historische waarden.
De algoritmes werden geëvalueerd aan de hand van uitgebreide simulaties op reële
verbruiksprofielen en historische Belpex-prijsdata. De resultaten tonen aan dat onder
de juiste omstandigheden het RHLP-algoritme tot 20% kostenbesparing kan realiseren
in vergelijking met het basisalgoritme.
Nacht- en weekendverbruik bleek een bepalende factor in de behaalde optimalisatiewinst, wat duidt op een duidelijke invloed van het verbruiksprofiel op het prestatiepotentieel van het algoritme. Daarnaast bleken ook parameters zoals batterijcapaciteit
en prijsschommelingen op de markt van doorslaggevend belang voor de gerealiseerde
resultaten.
Dit onderzoek toont aan dat batterijsturing op basis van verbruiksvoorspellingen via
lineaire optimalisatie kostenbesparingen kan opleveren.

Hitte-extremen zijn moeilijk te onderzoeken door hun zeldzaamheid. Hoewel observaties en klimaatsimulaties essentiële inzichten bieden in toekomstige klimaatextremen, resoneren ruwe statistieken alleen vaak niet met het bredere publiek.

Storylines of Tales of Future Weather kunnen de kloof overbruggen tussen abstracte wetenschap en door mensen beleefde extreme weersomstandigheden, waardoor klimaatverandering tastbaar, herkenbaar en concreet wordt. Een storyline is een zelf-consistente beschrijving van een plausibel klimaatextreem - zoals een hittegolf - in een gegeven klimaat, gebaseerd grondige data-analyse, statistiek en impactmodellen. Zulke wetenschappelijk onderbouwde narratieven werpen licht op vragen als: "Hoe erg zouden de 2024 Balkanhittegolven geweest zijn in een warmer klimaat?" of "Waren ze mogelijk in een pre-industrieel klimaat?" Dergelijke informatie kan belangrijk zijn voor stakeholders en onze samenleving, maar het is niet a priori duidelijk wat de karakteristieken zijn van plausibele extremen in een gegeven, toekomstig klimaat. In mijn thesis introduceer ik een efficiënte methodologie om hittegolven te karakteriseren in een toekomstig Belgisch klimaat, die gebruik maakt van zowel geobserveerde temperatuursreeksen als gesimuleerde klimaatprojecties. Deze techniek kreeg de naam Global Warming Scaling of kortweg GWS.

In GWS wordt een observationele temperatuursreeks geschaald naar een toekomstig klimaat, bijvoorbeeld een opwarming van 2°C boven pre-industriële gemiddelden. In deze getransformeerde reeks zoeken we naar de recordwaarden voor bepaalde jaarlijkse klimaatindices die volgens ons jaren van extreme hitte aanduiden. Een voorbeeld hiervan is de jaarlijkse piektemperatuur. Deze geschaalde recordwaarden worden vervolgens gezien als drempelwaarden die in het toekomstige klimaat overschreden moeten worden vooraleer we van een extreem jaar spreken.

Deze GWS drempelwaarden kunnen gebruikt worden in een zogenaamde data-miningprocedure, waar we in een groot ensemble van gesimuleerde klimaatvoorspellingen dergelijke jaren van extreme hitte gaan identificeren. Eens we zo’n event gevonden hebben, beschikken we over een set meteorologische velden die volgens onze methode geloofwaardig zijn voor een bovengemiddeld warm jaar in het bestudeerde toekomstige klimaat.

We kunnen deze meteorologische data met andere woorden gebruiken als input voor impactmodellen. Dit zijn wiskundige modellen die de impact van extreme temperatuur op de samenleving inschatten. Ik modelleerde in mijn thesis onder andere het aantal werkdagen dat verloren zou gaan door een toename in hittestress, stijgingen in riviertemperaturen, bosbrandgevaar onder aanhoudende droogte, potentiële toename van invasieve insectensoorten en meer. De resultaten van soortgelijke impactstudies kunnen gebruikt worden als referentiemateriaal in het construeren van een storyline met betrekking tot extreme hitte. Op die manier kunnen stakeholders aan de hand van zulke verhaallijnen de zwakke plekken in hun respectievelijke sectoren blootleggen, en kunnen beleidsmakers een beeld vormen van waarop ze zich moeten voorbereiden.

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.

Schouderblessures komen vaak voor bij racketsporters door repetitieve, intense bewegingen zoals smashes en services. De Athletic Shoulder Test (ASH-test) biedt een betrouwbare methode om schouderkracht te meten in verschillende posities die specifiek zijn voor racketsporters. Uit onderzoek blijkt dat de test zeer betrouwbaar is, zowel binnen dezelfde onderzoeker als tussen verschillende therapeuten. De ASH-test helpt therapeuten om nauwkeurig inzicht te krijgen in de schouderkracht en biedt waardevolle ondersteuning bij het herstel van blessures. Toekomstig onderzoek moet de voorspellende waarde van de test verder onderzoeken en de toepasbaarheid in staande positie beoordelen.

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 scriptie test de koppeling uit van een CME simulatiemodel met verschillende voorspellingsmodellen voor geomagnetische indices. Voor de resultaten hiervan worden dan verschillende statistische maatstaven berekend om te kwantificeren hoe goed de voorspellingen zijn na deze koppeling.

De fotosynthetische capaciteit van verschillende boomsoorten en lianen werd voor de allereerste keer vergeleken tussen twee sites in het Amazonewoud enerzijds en één site in het Centraal-Afrikaanse regenwoud anderzijds. De fotosynthese was opvallend hoger in het Afrikaanse bos. We zouden dus best verschillende parameters gebruiken voor beide regenwouden in vegetatiemodellen. Zo kunnen we klimaatverandering en de impact ervan beter voorspellen. Dit onderzoek kan helpen om meer aandacht te vestigen op het vaak vergeten Afrikaanse regenwoud.

Mijn scriptie onderzoekt de rol van astrologische almanakken in het dagelijks leven van de Gentenaar in de 16e en 17e eeuw. Deze kalenders, bevatten astrologische voorspellingen, en waren destijds enorm populair. Mijn onderzoek kijkt naar de sociale status en opleiding van de auteurs, de afnemers (individuen, gilden, ambachten en de overheden), en de vormen van censuur die erop werden toegepast. De kerk en staat probeerden de almanakken te reguleren vanwege hun invloed op het volk, maar ook commerciële censuur door drukkers speelde een rol. Mijn scriptie wil tonen hoe diep astrologie geworteld was in de Gentse samenleving.