Scriptiebank overzicht

Kan iets schijnbaar eenvoudigs zoals mondverzorging het herstel na een beroerte beïnvloeden? Deze pilootstudie onderzocht hoe drie eenvoudige mondverzorgingsmethoden de slikfunctie van patiënten na een beroerte beïnvloeden. De resultaten tonen dat een gezonde mond niet alleen eten aangenamer maakt, maar ook complicaties kan voorkomen. Ontdek hoe een kleine verandering in zorg een grote impact kan hebben op herstel en levenskwaliteit.

Klimaatverandering is een probleem dat de laatste decennia steeds vaker het nieuws haalt. Zowel via klassieke media als via sociale media wordt de jeugd vandaag geconfronteerd met deze problematiek. Om het verschil tussen fake news en realiteit te onderscheiden en een kritische geest te ontwikkelen, is het noodzakelijk dat jongeren de basisbeginselen van klimaatverandering begrijpen.
Via een literatuuronderzoek wordt enerzijds de werking van de koolstofcyclus en anderzijds het broeikaseffect uitgelegd. Met deze informatie ging ik aan de slag om een lespakket met escaperooms uit te werken, vertrekkende vanuit deze literatuurstudie, reeds bestaande lespakketten van klimaatLINK en de leerplandoelen.
Door te starten bij de bestaande lespakketten van klimaatLINK wordt de integratie en continuïteit vergroot. De leerplandoelen als uitgangspunt nemen, zorgt bovendien voor een eenvoudige toepasbaarheid in de klas, zonder dat hiervoor extra lestijd moet worden vrijgemaakt. Dit vergroot de kans op effectief gebruik.
De escaperooms slagen erin om op een creatieve en interactieve manier een complex onderwerp om te zetten naar iets spannends en uitdagends. Op deze manier blijft de opgedane kennis beter hangen en worden leerlingen gestimuleerd om in de toekomst hun eigen handelen kritisch te evalueren en waar nodig bij te sturen.

This thesis investigates how Iran’s underground Heavy Metal1 scene operates as a form of cultural and political resistance within the constraints of an authoritarian state. Drawing on qualitative methods, including semi-structured interviews, document analysis of lyrics and artwork, and digital ethnography of online communities, the study examines how musicians and fans negotiate political identity despite censorship and moral policing. The analysis is anchored in theoretical contributions from sound studies, subcultural theory, and resistance scholarship, particularly the works of Jacques Attali and Steve Goodman. Four interrelated analytical lenses are proposed: Sonic Resistance Identity (the formation of political subjectivity through sound), Repetitive Resistance (Camus’s Sisyphean logic applied to enduring subcultural defiance), Digital Vernacular Resistance (locally adapted strategies for
navigating surveillance), and Subcultural Infiltration (the slow diffusion of Metal aesthetics into mainstream youth culture due to infrastructural fatigue). Findings show that participation in metal, despite often not overtly political, is inherently oppositional in Iran, with distinct challenges for women, whose engagement constitutes “double dissidence.” The study concludes that resistance in this context is less about overt revolution and more about the sustained creation of alternative cultural spaces, where sound becomes both a medium and a metaphor for autonomy.

Sterren zijn er van alle formaten: van kleine, lichte sterren zoals onze Zon tot sterren tientallen of zelfs honderdtallen keer zwaarder. Zware sterren spelen een belangrijke rol in het universum. Ze produceren namelijk alle elementen van helium tot ijzer. Na hun relatief korte levensduur van ongeveer 10 miljoen jaar sterven ze in een indrukwekkende supernova. Ze laten dan een neutronenster of zwart gat achter: mysterieuze objecten die zwaartekrachtgolven kunnen voortbrengen. Het bestuderen van zware sterren is dus relevant voor vele aspecten van de astrofysica.

Asteroseismologie bestudeert de opbouw van sterren door het meten van sterbevingen. Net zoals aardbevingen een verhaal vertellen over de binnenkant van de Aarde, geven sterbevingen informatie over de structuur van sterren. Ondanks de belangrijke rol die zware sterren spelen, zijn er nog maar enkelen in detail bestudeerd aan de hand van asteroseismologie.

Deze thesis rapporteert over de eerste gedetailleerde asteroseismische studie van een zware ster die rekening houdt met een intern magnetisch veld. De zware ster in kwestie, HD192575, vertoont een patroon in zijn sterbevingen dat nog niet volledig begrepen was. Deze thesis onderzoekt of dit afwijkend patroon een gevolg kan zijn van een intern magnetisch veld in de ster. Vertrekkende van bestaande modellen van HD192575 modelleren we de effecten van rotatie en magnetisme op de sterbevingen en zoeken we de best passende modellen.

We vonden dat het patroon in de sterbevingen best verklaard kan worden door de combinatie van rotatie en een magnetisch veld. Wat opvalt is dat de ster draait rond een andere as dan de magnetische as tussen de noord- en zuidpool van het magnetische veld. De bekomen rotatiesnelheid van de ster sluit nauw aan bij vorige resultaten en de waarden van het magnetische veld zijn in lijn met verwachtingen uit de theorie. Dit werk presenteert de eerste asteroseismische modellering ooit van een zware ster met zowel rotatie als een intern magnetisch veld. De resultaten zijn een eerste stap naar breder onderzoek over magnetische velden in zware sterren. Dit zal tot nieuwe inzichten leiden in de evolutie en rotatie van zware sterren.

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.

Mycotoxinen—kankerverwekkende gifstoffen geproduceerd door bepaalde schimmels—vormen een ernstige bedreiging voor de voedselveiligheid door contaminatie van basisgewassen zoals tarwe en maïs. Deze masterproef ontwikkelt een snelle, niet-destructieve en niet-invasieve detectiemethode die optische spectroscopie combineert met machine learning om meerdere mycotoxinen tegelijk op voedingsproducten te detecteren. Door fluorescentie- en reflectantiespectroscopie te integreren met golflengte-selectie toont het werk aan dat zowel classificatie- als regressiemodellen aan de regelgeving kunnen voldoen met slechts de 10 meest informatieve golflengten, terwijl classificatienauwkeurigheden van >90% haalbaar blijven. Dit minimalistische sensorkoncept maakt real-time triage en batchbrede monitoring mogelijk, zowel inline in industriële processen als in-field.

De overgang van zitten naar staan (sit-to-stand, STS) is een fundamentele dagelijkse activiteit die essentieel is voor het behoud van zelfstandigheid en mobiliteit. Voor ouderen en mensen die een beroerte hebben gehad, wordt deze beweging echter steeds moeilijker door verminderde spierkracht en balans, waardoor het risico op vallen toeneemt. Hoewel er passieve exoskeletten voor de onderste ledematen bestaan die gericht zijn op looprevalidatie, zijn specifieke toestellen die STS-assistentie bieden nog niet beschikbaar op de markt en bevinden ze zich in een vroege ontwikkelingsfase.

Deze thesis presenteert het ontwerp en de evaluatie van een nieuw passief, ontkoppelbaar knie-exoskelet dat de fysieke inspanning tijdens het rechtstaan wil verminderen door gerichte mechanische ondersteuning te bieden. Het systeem maakt gebruik van een veermechanisme in combinatie met een mechanische koppeling, opgebouwd met een fietsschijfrem en twee fietsremklauwen. Tijdens het gaan zitten wordt energie opgeslagen doordat de bovenste remklauw de schijf blokkeert. Wanneer de gebruiker neerzit, schakelt de koppeling over: de onderste remklauw houdt de schijf vast zodat de energie in de veren wordt opgespaard, terwijl het been toch vrij kan bewegen. Bij het rechtstaan wordt deze opgeslagen energie vrijgegeven om de gebruiker te ondersteunen.

Mechanische testen bevestigden dat de koppeling betrouwbaar werkte en niet doorslipte, zelfs onder verhoogde spanning. Hoewel gebruikers positieve feedback gaven en het werkingsprincipe succesvol werd aangetoond, leverden de eerste fysiologische metingen met oppervlakte-EMG gemengde resultaten op. Waarschijnlijk spelen factoren zoals de pasvorm van de braces en variatie in de beweging van proefpersonen hierbij een rol.

Dit onderzoek legt een veelbelovende basis voor de verdere ontwikkeling van hulpmiddelen die de zit-naar-sta beweging ondersteunen en zo bijdragen aan de dagelijkse mobiliteit.

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.

Wat als je muziek niet alleen kon horen, maar ook kon proeven? Taste the Music vertaalt liedjes naar volledig nieuwe cocktails met behulp van slimme AI. Tijdens mijn stage in de VS tilde ik dit idee van studentproject naar internationaal platform, met multi-agent AI, stand-alone cocktailrobots en een iOS-app voor thuisgebruik. Het resultaat is een ervaring die persoonlijk, deelbaar én commercieel relevant is voor artiesten en merken. Deze scriptie vertelt hoe technologie, creativiteit en ondernemerschap samenkomen in een innovatie die muziek letterlijk smaak geeft.

Dit proefschrift onderzoekt het potentieel van goedkope, op beeldtechnologie gebaseerde technologie voor gebruik in
webverwerkingsmachines. Meer specifiek wordt onderzocht of dergelijke systemen een
betrouwbaar en nauwkeurig alternatief kunnen bieden voor traditionele rekvoelers. Het centrale doel is om
een systeem te ontwikkelen dat in staat is tot realtime vervormingsmonitoring, dat betaalbaar en eenvoudig
te integreren is en voldoende nauwkeurig voor praktisch gebruik in industriële omgevingen. Dit doel
speelt in op de groeiende vraag naar flexibele en kosteneffectieve oplossingen voor kwaliteitscontrole
binnen de bredere context van slimme productie.

De voorgestelde sensor wordt beoordeeld op zijn nauwkeurigheid, reactievermogen en robuustheid onder verschillende omstandigheden en voor verschillende materiaalsoorten. Hij wordt vergeleken met een commerciële ultrasone randsensor om de prestaties te beoordelen. De resultaten geven aan
dat de op beeld gebaseerde aanpak een nauwkeurigheid op micrometerniveau bereikt, met aanzienlijk
minder ruis en een verbeterde signaalstabiliteit. Bovendien toont de integratie ervan in een gesloten
regelsysteem het potentieel aan voor realtime spanningsaanpassing, wat bijdraagt aan
een verbeterde materiaaluniformiteit tijdens de productie.

Er blijven enkele beperkingen bestaan, met name op het gebied van verwerkingsvertraging en synchronisatie. Niettemin levert dit werk het bewijs dat goedkope ingebouwde beeldverwerkingssystemen
kwaliteitsbewaking en -controle in webverwerkingstoepassingen kunnen ondersteunen. De bevindingen
suggereren dat dergelijke systemen een levensvatbaar alternatief kunnen zijn in omgevingen waar
conventionele sensoren onpraktisch of onbetaalbaar zijn.

Laminaria ochroleuca and Laminaria digitata are two economically and ecologically important kelp species found along European coasts. These brown macroalgae play vital roles in marine ecosystems as habitat formers and primary producers. Climate change is driving shifts in their distributions, increasing the potential for natural hybridization between these species. This study investigates whether L. ochroleuca and L. digitata can form viable and fertile hybrids and explores how hybridization may influence their associated microbiomes. Although previous studies indicated reproductive barriers, the possibility of successful hybridization under controlled conditions has not been clearly established. Using clonal gametophyte cultures, a series of intra- and interspecific crosses were performed and monitored for reproductive development, hybrid viability and morphological growth. Genetic analyses based on microsatellites confirmed successful hybridization in multiple crosses. Additionally, 16S rRNA gene sequencing showed that microbiome composition was primarily influenced by environmental origin, resulting in hybrid microbiomes largely shaped by laboratory conditions. These findings suggest that L. ochroleuca and L. digitata are reproductively compatible under specific conditions. This work contributes to kelp breeding research and positions hybridization as a potential strategy for reinforcing aquaculture sustainability in the context of climate change.

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.

In dit werk heb ik gezocht naar een efficiënte differentiatieaanpak om de leerontwikkeling en groeicurve van leerlingen tijdens de lessen fysica te optimaliseren. Op basis van diverse wetenschappelijke en betrouwbare bronnen heb ik de brede betekenis van differentiatie onderzocht, evenals de veelvoorkomende vormen waarin dit in de praktijk wordt georganiseerd. Hieruit blijkt dat differentiatie niet alleen een proces is dat in de les kan geïntegreerd worden, maar dat het ook actief bespreekbaar moet worden gemaakt met de leerlingen. Verder heb ik door mijn literatuurstudie geleerd dat differentiatie niet alleen in de leerinhouden kan worden toegepast, maar ook in de fysieke leeromgeving en via structurele aanpassingen die voor elke leerling voordelig zijn. Vooral differentiatie op procesgericht niveau kan daarbij leiden tot persoonlijke successen van individuele leerlingen in de klas.

De vragen die ik mezelf stelde, waren onder andere: Welke interventies kan een leerkracht inzetten om individuele ondersteuningsmiddelen te bieden, terwijl alle leerlingen naar dezelfde doelstellingen toewerken? Differentiatie betekent dus niet zomaar het aanpassen van lessen of het geven van extra oefeningen, maar ook het afstemmen, observeren en erover in gesprek gaan met de leerlingen.

Uit de literatuur is gebleken dat werken in niveaugroepen de meest voorkomende vorm van differentiatie is, maar hoe maak je deze aanpak succesvol? Er bestaan verschillende vormen van differentiatie, en het is van belang om deze goed af te stemmen op het onderwerp en de doelstellingen van de les. Daarnaast spelen factoren zoals de juiste voorbereiding, flexibele communicatie en een goede band met de leerlingen een grote rol in het slagen van niveaugroepering. Aan de hand van de literatuur heb ik een differentiatieproject (IGDI) uitgewerkt, gebaseerd op bekrachtigende factoren die het leerproces van leerlingen ondersteunen.

Om te bepalen of differentiatie in de lesaanpak daadwerkelijk een effect heeft op de leerontwikkeling en de groeicurve van leerlingen, heb ik dit gedurende vijf weken getest door middel van een praktijkonderzoek. Ik heb al het benodigde leermateriaal zelf ontwikkeld en ik was als onderzoeker ook zelf verantwoordelijk voor de uitvoering van het project. Zo kon ik als leerkracht zelf ervaren wat differentiatie inhoudt en welke meerwaarde het kan bieden voor leerlingen. De resultaten van het onderzoek zijn verzameld via verschillende dataverzamelingsmethoden, waaronder individuele interviews met de leerlingen, observaties door de vaste klasleerkracht en een productgerichte schriftelijke evaluatie met zelfreflectie in de vorm van een toets. Hieruit blijkt dat differentiatie in de lesaanpak een duidelijke positieve invloed kan hebben op de leerontwikkeling en de groeicurve van leerlingen. Door differentiatie te koppelen aan keuzevrijheid en zelfselectie, ondervinden leerlingen tal van voordelen, die ze zelf ook ervaren. Er is dus zeker potentieel voor het toepassen van differentiatie in lesaanpak met behulp van niveaugroepen in het secundair onderwijs.

In dit werk wordt het zuurgevoelige gedrag van zeolitic imidazolate framework‑8 (ZIF‑8) onderzocht en benut voor de ontwikkeling van een nieuwe aanpak voor de zuivering, hantering en dosering van goudnanodeeltjes (AuNPs). Daartoe worden AuNPs ingekapseld in ZIF‑8, waardoor hybride AuNP@ZIF‑8‑poeders ontstaan. Deze poeders vergemakkelijken het werken met AuNPs, maken efficiënte zuivering mogelijk via centrifugatie bij lage g‑krachten, en vertonen uitstekende resuspensie na zuur‑geïnduceerde afbraak van ZIF‑8. De inkapselingsstrategie bleek zeer effectief: na drie zuiveringscycli werd meer dan 80 % van het goud behouden, terwijl dit voor niet‑ingekapselde AuNPs slechts 25 % was. Bovendien maakt de inkapseling het mogelijk om ongezuiverde colloïdale AuNP‑systemen om te zetten in robuuste, resuspendeerbare poeders die geschikt zijn voor transport en langdurige opslag.

Titel scriptie – Bewijsstukken voor de Bachelorproef

Deze scriptie, die heeft gediend als onderdeel van mijn bachelorproef binnen de pBA Energietechnologie, beschrijft mijn ervaringen tijdens verschillende projecten en onderzoeken binnen twee projectvakken bij Save More, evenals mijn stage bij Terpower – part of the Vlinvesta family – in de derde fase van mijn opleiding.

Onderverdeeld in vijf bewijsstukken:
- Save More: Project; Lavetan
- Save More: Klantopdrachten & Organisatiebeheer
- Energieverhaal: Boons BV
- Energieverhaal: Bedrijventerrein; L'Adrien
- Onderzoek: Energiedelen

Toegepaste functieprofielen:
- Calculator & Werkvoorbereider
- Projectleider & Management
- Sustainable Problem Solver
- Design & Build
- Sustainable Problem Solver

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 klimaatkennis van jongeren blijkt vaak gebrekkig en vertoont tal van misconcepties. Hoewel het belang van klimaateducatie internationaal erkend wordt – onder andere door UNESCO en de Verenigde Naties – en ook formeel zijn weg heeft gevonden naar de Vlaamse leerplannen, blijft de impact ervan in de klaspraktijk vaak beperkt. Het onderwijs heeft de verantwoordelijkheid om wetenschappelijke kennis hiaten te dichten en jongeren te voorzien van de vaardigheden en attitudes die essentieel zijn voor een duurzame toekomst. Een wetenschappelijk correct klimaatverhaal dat onderwijskundig sterk onderbouwd is én voldoet aan de bouwstenen van effectieve klimaateducatie, vormt de sleutel tot klimaatbewuster gedrag bij leerlingen.

Deze bachelorproef heeft vier doelstellingen: (1) inzicht verkrijgen in de huidige didactische aanpak van leerkrachten via een enquête; (2) achterhalen aan welke competenties effectieve klimaateducatie moet voldoen; (3) nagaan welke onderwijskundige bouwstenen en randvoorwaarden noodzakelijk zijn voor een educatieve interventie m.b.t. klimaatverandering; (4) een praktische handleiding ontwerpen voor een klimaatdag voor leerlingen uit de tweede graad secundair onderwijs.

De onderzoeksliteratuur en bevraging tonen aan dat het huidige klimaatonderwijs te sterk gericht is op kennisoverdracht. Klimaateducatie moet echter ook de actiecompetentie van leerlingen versterken en aanzetten tot gedragsverandering. Kennis is het vertrekpunt, niet het einddoel. Leerkrachten moeten hierbij gebruik maken van wetenschappelijk onderbouwde strategieën in samenhang met klimaatcompetenties, verankerd in pedagogisch-onderwijskundige kaders.

Dit bachelorproefonderzoek biedt een antwoord op de groeiende nood aan betekenisvolle en impactvolle klimaateducatie: jongeren raken, betrekken én inspireren. En bovenal: in beweging brengen. Want wat we jongeren vandaag meegeven, bepaalt hoe ze morgen in de wereld staan. Juist daarom is het onderwijs belangrijker dan ooit. Daar planten we de zaadjes van verandering. Elke leerkracht heeft de mogelijkheid om iets los te maken, om te inspireren, om te raken. Laten we die kans grijpen. Niet morgen, maar vandaag.

Feline Infectieuze Peritonitis Virus (FIPV) is een mutatie van het Feline Coronavirus (FCoV) en veroorzaakt een dodelijke ziekte bij katten. Deze bachelorproef richt zich op de optimalisatie van PCR-testen voor de detectie van FIPV om de diagnostische nauwkeurigheid te verbeteren. Het onderzoek focust zich op de M1058L-mutatie in het S-gen, dat geassocieerd wordt met de ontwikkeling van FIPV. De aanpak omvat het optimaliseren van RNA-extractiemethoden, het ontwerpen van specifieke primers en probes, en het verfijnen van qPCR-protocollen. Daarnaast worden verschillende PCR-technieken, waaronder klassieke PCR, qPCR en dPCR, vergeleken op hun effectiviteit in het detecteren van de M1058L-mutatie. De resultaten tonen een verbeterde gevoeligheid en specificiteit van de geoptimaliseerde PCR-testen. Verder onderzoek is nodig om de klinische toepasbaarheid te valideren en de test te verfijnen voor verschillende FCoV-stammen.

Parkinson's disease muismodel
Bacteriële live biotherapeutic products impact nagaan op Parkinson fenotype en pathologie

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.

Deze thesis onderzoekt de voortdurende inspanningen van steden om hun uitstoot van broeikasgassen te verminderen aan de hand van het voorbeeld van Kuregem, een wijk in Brussel. Het onderzoek kijkt naar de ruimtelijke en sociale dimensies van deze transitie, benadrukt de beperkingen van de huidige technocentrische benaderingen en onderstreept de behoefte aan geïntegreerde ontwerpstrategieën die collectieve actie combineren met klimaatadaptatie. Sommige nadelige effecten van de huidige benaderingen worden besproken, in het bijzonder de 'Performance Gap' met betrekking tot energie-efficiënte gebouwen. De sociale implicaties van grootschalige energie-infrastructuurprojecten worden besproken en geïllustreerd aan de hand van een concrete case in Rotterdam. Door middel van een ontwerpend onderzoek, waaronder historische en morfologische analyse, ruimtelijk ontwerp en fotografisch onderzoek, worden verschillende benaderingen verkend door middel van straatontwerpen, collages, kaarten en scenario's. Als conclusie van het ontwerponderzoek pleit deze dissertatie voor een geïntegreerde benadering van stedelijke energietransities die prioriteit geeft aan lokale veerkracht en betrokkenheid van de gemeenschap. Hiaten in het begrip van hoe sociale factoren de vraag naar energie in wijken beïnvloeden worden geïdentificeerd.

Few fields in human life benefit from what we call ‘climate change’. The consequences of climate change become apparent and are obstructing–sometimes taking–our lives. This is reason enough to anticipate them and implement mitigation and adaptation strategies through policymaking. However, climate model outputs are plagued with uncertainty; this fact evokes controversy about how they should be interpreted, communicated, and used in decision-making. What do these models tell us and should we base any policy decisions on their outcomes if these are highly uncertain? To warrant our trust in the model outcomes regarding decision-making, the sources of and reasons for the uncertainty should be well-understood.
In this thesis, I investigate the emergence of uncertainty in climate model projections. More precisely, I examine what elements throughout the modelling process are the reason for the uncertainty in the outcomes and how this should be interpreted. Is trust in the outcomes warranted? I evaluate this question as a philosopher of science, conducting a philosophical analysis of the climate modelling process and the concepts related to it.
I cast light on the question by analysing climate modelling in three main ways: through a conceptual analysis of ‘model’, ‘climate’, and ‘system’, through an analysis of the experience of ‘climate’, and from a technical perspective by examining the construction of single-model components, coupled global earth system models, and model ensembles.
When considering how the climate is experienced, I find that it is not clear how it could be experienced since it is a scientifically constructed concept. On the other hand, knowledge of this scientific concept may influence our interpretation of weather phenomena. Furthermore, there are many phases in the model-building process; each phase introduces errors and therefore uncertainty that is carried along to the subsequent phases. Observational data is used to estimate some free values in the model. Choosing which values to align with the data on the one hand and with the physical theory on the other hand requires expert opinion. It is a matter of debate whether the outcomes are trustworthy when they result from alignment with observational data, at the expense of adequate representation of the physical processes. The choices made form a source of subjective uncertainty, while the technical constraints of the chosen approach introduce errors. The concept of ‘adequacy-for-purpose’ means that a model is never adequate relative to the entire climate system, but more apt to answer some questions and less apt to answer others.
Overall, there are three important elements to remember: first, a climate model is built to gain insight into climate phenomena that are highly uncertain. Although the model includes uncertainty too, it reduces the uncertainty in the climate phenomena per se. Secondly, climate models are never ‘true’, but can be adequate for their intended purpose. Using climate model outcomes for answering questions they were not built for will result in meaningless responses. Lastly, including more models and more plausible scenarios will result in more different outcomes; if these outcomes are, on average, closer to the ‘truth’, this should not be a problem. Converging outcomes does not necessarily mean they are more correct. Obtaining more correct average answers, by evaluating more models and more scenarios, is a good practice.

ABSTRACT
Achtergrond:
Chronische nierziekte (CKD) vereist niet alleen biomedische behandeling maar beïnvloedt ook de vitaliteit van patiënten, waardoor hun deelname aan het leven vermindert. Behandeling, inclusief nierfunctievervangende therapie, beperkt patiënten. Nefrologen streven naar een evenwicht tussen de ernst van symptomen, comorbiditeiten zoals kwetsbaarheid en invaliditeit, en deelname aan het leven, maar de integratie van levensparticipatie in de CKD-zorg blijft beperkt
Doelstelling:
Dit onderzoek beoogt te onderzoeken hoe de integratie van levensparticipatie in nefrologische zorg de kwaliteit van leven en gezondheidsuitkomsten voor CKD-patiënten kan verbeteren, gebruikmakend van een etnografische benadering.
Methode:
Data werden verzameld via vier gevalideerde vragenlijsten (Impact op Participatie en Autonomie, SONG-Life participatie, SONG-HD Fatigue, en EQ5D5L), semi-gestructureerde interviews en observaties. De flexibele aard van semi-gestructureerde interviews stond toe om dieper in te gaan op de antwoorden van de deelnemers.
Resultaten:
De studie omvatte negen patiënten, twee andere belanghebbenden en vijf zorgverleners. De bevindingen benadrukken de noodzaak om niet-medische aspecten zoals sociale diensten en welzijnsprogramma's op te nemen in de zorg voor chronische nierpatiënten. Interviews onthulden aanzienlijke koof in psychologische en sociale ondersteuning voor patiënten, met beperkte middelen en een gebrek aan gespecialiseerd personeel zoals psychologen, maatschappelijk werkers en diëtisten, wat de mogelijkheid beperkt om uitgebreide zorg te bieden die zowel medische als niet-medische behoeften aanpakt.
Conclusie:
Thematische analyse toonde aan dat het integreren van levensparticipatie in de nefrologische zorg essentieel is voor het verbeteren van gezondheidsuitkomsten en de kwaliteit van leven voor chronische nierpatiënten.

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.

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

Dengue, een door muggen overgedragen virus, vormt een belangrijke wereldwijde bedreiging voor de gezondheid, vooral in tropische en subtropische gebieden. Met een toenemende incidentie en geografische verspreiding zijn effectieve vaccinatiestrategieën cruciaal voor het beperken van de gevolgen. Dit proefschrift onderzoekt het gebruik van
multi-objectieve multi-armed bandit (MOMAB) algoritmen om optimale vaccintoewijzing te identificeren voor de onderdrukking van dengue-epidemieën, waarbij medische werkzaamheid en monetaire kosten tegen elkaar worden afgewogen.

Het onderzoek gaat na of MOMAB-algoritmen efficiënt een subset van optimale vaccinatiestrategieën kunnen identificeren op basis van stochastische simulaties. Door het dengue-model van Recker et al. uit 2009 uit te breiden met ondersteuning voor vaccinatiestrategieën en leeftijdsheterogeniteit, simuleerden we de effecten van 53 verschillende strategieën.

We pasten verschillende MOMAB-algoritmen aan voor Pareto Front Identification (PFI) en stellen ook een volledig nieuw Top-two Pareto Front Thompson Sampling (TTPFTS) algoritme voor de PFI setting. Om de kwaliteit van de aanbevelingen van de beschouwde algoritmen te evalueren, hebben we drie metrieken ontwikkeld: de Bernoulli metriek, de Jaccard similarity metriek en de Hypervolume metriek.

Uit tests over 100 experimentele herhalingen met een beperkt budget van 30.000
simulaties bleek dat de algoritmen Pareto UCB1, TTPFTS en Pareto Thompson Sampling
consistent uitstekend presteerden in termen van efficiëntie en stabiliteit, en drastisch beter presteerden dan de momenteel gebruikte Uniform Sampling-methode.

De bevindingen tonen aan dat PFI MOMAB-algoritmen effectief zijn in het identificeren van optimale vaccinatiestrategieën voor de bestrijding van dengue op een efficiënte manier. Dit onderzoek draagt bij aan de optimalisatie van vaccinatieprogramma's en biedt een robuust besluitvormingskader voor volksgezondheidsfunctionarissen die geconfronteerd worden met de uitdaging van dengue-epidemieën. Het onderzoek onderstreept het potentieel van MOMAB-algoritmen om de strategische inzet van vaccins, ziektebeheer, en ziektebestrijding te verbeteren.