Scriptiebank overzicht

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

De data die nodig zijn om algoritmes te bouwen die de gezondheid van mens en maatschappij zouden bevorderen zijn beschikbaar, echter vormt het bemachtigen van de benodigde data een groot obstakel.

AI kan de orthopedische zorg versnellen door snel en accuraat 3D-modellen te genereren uit CT-scans, waardoor de noodzaak voor annotatiewerk door experts wordt verminderd en er meer tijd vrijkomt voor andere cruciale taken.

Deze masterproef analyseert de mate waarin de transparantieverplichtingen in de Algemene Verordening Gegevensbescherming (AVG) en het Voorstel voor een Verordening betreffende Artificiële Intelligentie (Voorstel) samen betekenisvolle transparantie bieden ten aanzien van de aan het AI-systeem onderworpen personen bij de toepassing van artificiële intelligentie (AI). Deze analyse gebeurt aan de hand van een zelf ontwikkeld transparantiekader, gebaseerd op (en in lijn met) de reeds bestaande academische literatuur hieromtrent. Dit kader wordt op beide wetgevende instrumenten toegepast, op grond waarvan de juridische uitdagingen in de AVG en het Voorstel met betrekking tot het bereiken van betekenisvolle transparantie visueel kunnen worden waargenomen. Uit de integratie van beide transparantiekaders, wordt de mate waarin de AVG en het Voorstel betekenisvolle transparantie bieden ten aanzien van de aan het AI-systeem onderworpen personen, visueel geïllustreerd.

In Tussen Twee Werelden wordt de toeschouwer meegenomen in iets wat het midden houdt tussen decor, maquette en installatie voor het relaas van een wandeling door een wereld, die verdacht veel lijkt op onze realiteit; ergens tussen Turijn en Nus. Met AI (Artificiële intelligentie) als metgezel, co-auteur, medelerende, gids, klankbord... wordt op deze reis - in een gedeelde fascinatie voor leegstaande en vervallen bouwwerken - het potentieel voor een toekomstige gedeelde ontwerppraktijk en de impact op de positie als interieurarchitect verkend.

In deze scriptie wordt een pipeline geoptimaliseerd dat vertrekkende van publieke proteoomdata van cellijnen een model traint cellijnen te herkennen.

In deze masterproef wordt een systeem ontwikkeld om talen te leren samen met een sociale robot. Er wordt gebruik gemaakt van generatieve artificiële intelligentie om nieuwe inhoud te creëren, die wordt aangepast aan het niveau en de interesses van de gebruiker.

In mijn thesis werd onderzocht wat de detectielimiet is voor verschillende types supernovae met de geplande Einstein Telescope, gevoelig voor zwaartekrachtsgolven. Verder werd er onderzocht in hoeverre machine learning de verschillende eigenschappen van de supernovae kan achterhalen door te kijken naar hun zwaartekrachtsgolfsignaal. Er werd geconcludeerd dat er niet genoeg supernova modellen bestaan om machine learning op dit moment al toe te passen, maar dat als de training set wel groot genoeg is, dit wel mogelijk moet zijn.

Deze thesis voert diepgaand onderzoek uit naar zowel het wettelijke als het maatschappelijke kader omtrent pornografische deepfakes. Het hoofddoel was tweeledig: allereerst te onderzoeken of er bestaande juridische mechanismen zijn om slachtoffers van pornografische deepfakes te ondersteunen, en ten tweede te verkennen of dit fenomeen kan worden ingebed in een bredere context van genderongelijkheid. Dit onderzoek werd uitgevoerd door middel van een uitgebreide literatuurstudie gevolgd door interviews met 17 experten, variërend van beleidsmakers tot belanghebbenden, uit zowel België als Nederland.

Elektronen energieverlies spectroscopie (EELS) is een populaire analytische techniek die zeer direct informatie levert over de chemische samenstelling van een materiaal. Deze thesis gebruikt deep learning en en eigen gesimuleerde EELS dataset om automatisch EELS data te vertalen naar chemische info. Hierbij wordt de tussenkomst van een menselijke expert overbodig.

In deze scriptie wordt uitgelegd wat het begrip 'Day Trading' inhoudt. Daarnaast worden er verschillende elementen besproken waarmee een handelaar rekening dient te houden tijdens het daytraden, zoals de marktbepaling, het risicobeheer, de handelssnelheid en de handelsstrategie.

Deze studie toont aan dat thermografie potentieel heeft als toekomstige detectiemethode voor huidtumoren. De onderhuidse parameters van huidtumoren worden voorspeld, wat voordelen biedt bij de detectie en behandeling ervan.

In de scriptie wordt besproken hoe artificiële intelligentie kan ingezet worden in het proces van de thuiszorgplanning, om deze te kunnen versnellen en vergemakkelijken. Hiervoor werd samengewerkt met de onderzoekers van het project PREPCA.I.RE.

Biedt het Belgisch algemeen bestuursrecht afdoende waarborgen teneinde een transparante aanwending van algoritmische systemen in de overheidsbesluitvorming te kunnen waarborgen?

De masterproef doelt om mensen en bedrijven te sterken in het creëren van eerlijke AI applicaties zonder dat hiervoor een diepe kennis van AI nodig is.

Onze natuur redden en intussen wetenschappen en wiskunde leren? Het kan! In STEM-lessenpakketten gebruiken leerlingen wetenschappelijke en technische kennis om maatschappelijke problemen op te lossen. De educatieve masterscriptie onderzoekt de criteria voor doeltreffende STEM-projecten en ontwikkelt een lessenpakket over een brandend actueel milieuprobleem: verdroging.