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.

Leercurves worden gebruikt om de impact van een beperking op de leersnelheid en de output te analyseren. Dit onderzoek werd toegepast op productiedata uit een maatwerkbedrijf.

In deze studie wordt onderzocht hoe Conservation Gardening kan toegepast worden binnen openbaar groen. Dit gebeurt aan de hand van een uitgebreide marktanalyse waarin de beschikbaarheid van vaatplanten die op de Rode Lijst van Vlaanderen staan op webshops wordt nagetrokken. Van de beschikbare planten word de standplaats afgeleid aan de hand van de Ellenberg-indicatorwaarden. Vervolgens worden de verschillende standplaatsen van elkaar gescheiden, gedefinieerd en gegoten in meerdere keuzetabellen. Dit alles wordt samengebracht in een uitgebreide, maar overzichtelijke Excel-werkmap die gebruikt kan worden bij het bepalen van welke planten in verschillende situaties toegepast kunnen worden. Ten slotte worden enkele praktische cases uitgewerkt van beplantingsplannen in openbaar groen, ter inspiratie voor groenbeheerders en groendiensten.

In deze scriptie wordt de effectiviteit van een filter als strategie voor het verbeteren van de binnenluchtkwaliteit tegen fijnstof onderzocht met behulp van simulaties in Dymola. Hiervoor is er een nieuwe indeling voor fijnstofdeeltjes ontwikkeld, gebaseerd op de toxiciteit van verschillende deeltjesgroottes en afgeleid uit de literatuur. Deze nieuwe indeling heeft als doel de tekortkomingen van de bestaande grootte-indelingen te vervangen die de grootte- en bronafhankelijke toxiciteit van fijnstof generaliseren. Na het ontwikkelen van een filtercomponent en het aanpassen van een bestaand multi-zone model, werd de schadelijkheid van de fijnstofconcentratie die de binnenomgeving bereikt en het vermogen van filters om dit te voorkomen, onderzocht in verschillende scenario's. De invloed op de algehele binnenluchtconcentratie van PM werd waargenomen voor verschillende buitenomgevingen en verschillende filters. Daarnaast werden ook de invloed van PM dat door koken wordt uitgestoten, het verschil tussen 100% ventilatie en vraaggestuurde ventilatie en de implementatie van open ramen gesimuleerd. Bovendien werden de invloed van variatie in filterefficiëntie, de levensduur van het filter en het daaropvolgende energieverbruik onderzocht. De resultaten tonen aan dat een HEPA-filter de binnenluchtconcentratie van PM voor alle schadelijke deeltjesgroottefractie voldoende kan verlagen, terwijl een grof en fijn filter dit niet kunnun. Koken en het openen van ramen ondermijnen echter de effectiviteit van het filter in zodanige mate dat een gezonde binnenomgeving niet langer kan worden gegarandeerd. Een voorlopige analyse van het energieverbruik en de levensduur van het filter toont aanzienlijke extra energiekosten aan bij het gebruik van filters, evenals een levensduur die aanpassing vereist van het bereik dat door fabrikanten wordt voorgesteld. Analyse van de huidige testnormen voor filters laat zien dat deze niet voldoende zijn om een goede vergelijking tussen verschillende filters te waarborgen. Het aantal DALY's voor blootstelling aan PM2.5 was in alle scenario's minstens vier keer kleiner wanneer er een HEPA-filter aanwezig was. PM bleef echter de meest schadelijke verontreinigende stof, vóór stikstofdioxide, ozon en formaldehyde.

In recent years, interest in the use of ecological materials in the production of fibre-reinforced composites has increased enormously. This study investigates if the mechanical properties of different types of flax fibre cloth could act as a substitute for carbon fibre in composite materials. The study focuses on nine different flax fibre cloths, each with different weight classes and different patterns, combined with bio-epoxy resin to create fiber reinforced composites. The study compares the mechanical properties, such as tensile strength and elongation of these flax-based composites. The results indicate that flax fibre composites achieve similar strengths to carbon fibres composites, but due to the fact that they require more layers resulting in greater thickness and weight, their applications are limited, especially in weight-sensitive areas. Unidirectional (UD) flax fibres exhibit the highest tensile strength of all flax fibres tested. In addition, the research shows that the importance of the proper fibre-epoxy ratio is huge, variations in epoxy content will affect the mechanical properties enormously. Bio-epoxy resin, which contains up to 34% biodegradable material, is a good substitute for traditional epoxies. The only difference of bio epoxy is the fact that it is more ductile. Overall, the research highlights the potential applications of flax fibre as a sustainable alternative to synthetic fibres, like carbon or glass fibre.

This dissertation examines the social reproductive experiences of Indian care workers participating in the Aurora Project in Flanders. Launched in response to labor shortages in elderly care homes, the project recruits migrant care workers from Kerala, India. Rooted in social reproduction theory, this study explores how the global care crisis and the international division of labor has given shape to the caring lives of the participants. The research focuses on two key questions: (1) What are the social reproductive experiences of Indian care workers involved in the Aurora Project? (2) How do urban arrival infrastructures, migration regimes, and working-time regimes influence these experiences? The study employs Thematic Analysis and interviews to delve into the complexities of the social reproductive experiences of the Indian care workers. The findings highlight the challenges faced by migrant care workers as they navigate the intersections of nationality, gender, and class in their caregiving roles. The dissertation contributes to a broader understanding of the care crisis and the limitations of labor migration as a solution.

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

Dit artikel onderzoekt de zaak van Sanda Dia, wiens dood na een brute ontgroening in 2018 tot nationale verontwaardiging leidde en kwesties als klassenonrechtvaardigheid en racisme aan het licht bracht. Door gebruik te maken van multimodale inhoud en thematische analyse, onderzoekt dit onderzoek hoe mediahypes en mediatisering individuen kunnen transformeren in symbolen of martelaren voor bredere sociale problematiek. Deze studie gaat in op het concept van martelaren en de rol van visuele en tekstuele toeschrijvingen bij het communiceren van deze martelaarsverhalen. De casestudy van Sanda Dia illustreert hoe de VRT een martelaarsframe in stand houdt en co-creëert door gebruik te maken van iconische foto's, inclusief publieke opinies en daaraan verbonden institutionele kwesties. Bovendien onderstreept het de kracht van visuele frames tijdens mediahypes. Het onderzoek draagt bij aan het begrijpen van de dynamische relatie tussen media en publieke perceptie. Door middel van een uitgebreide analyse van visuele en tekstuele inhoud geeft dit artikel inzicht in de constructie van het martelaarschap in de hedendaagse media. De implicaties van de studie bieden een genuanceerd perspectief op hoe mediaframes zoals een martelaar kunnen worden gecreëerd en ondersteund door een zorgvuldig samenspel van nieuwsmedia en de publieke opinie

Solar power forecasting is essential for optimizing energy use in residential households.
Machine learning models are promising for this power forecasting because they can
capture its non-linear characteristics. Nonetheless, these models require a significant
amount of data that is unavailable for new installations. To overcome the limited
data availability, this thesis proposes a transfer learning model using Long ShortTerm Memory (LSTM) networks trained on synthetic photovoltaic (PV) generation
provided by the Photovoltaic Geographical Information System. Using the metadata
about a PV installation, this synthetic data simulates the past production of the
new PV installation. The model utilizes Numerical Weather Predictions (NWP)
and autoregressive covariates. This proposed model is compared to benchmarks,
including models trained only on sites’ actual PV power, physical models, and TL
models with no weather covariates.
The research investigates the effect of physics-informed variables on the accuracy
of transfer learning. Furthermore, it examines the usage of reanalysis data to train
with synthetic PV data due to the low accessibility of historical Numerical Weather
Prediction output. Walk-forward validation is employed for forecasting the actual
PV power to simulate real-life conditions and the impact of increasing target data.
The results demonstrate that models trained with historical Numerical Weather
Prediction data achieve higher zero-shot forecasting accuracy. Contrary to expectations, including physics-informed variables did not enhance performance; in fact,
it showed a slight decrease. Additionally, models trained on reanalysis data catch
up with those trained on historical NWP data once limited target data becomes
available.
Discussion highlights include the impact of Storm Darcy in February 2021, which
caused instability in machine learning models and the suitability of other ML models.
The proposed LSTM-based transfer learning model can provide accurate forecasts
even with no or limited actual PV power data, proving its potential for practical
applications in solar power forecasting for residential households.

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.

Gezinsgerichte zorg en het beschouwen van ouders als gelijkwaardige partner zijn belangrijke pijlers binnen het revalidatieproces en het onderwijs. Deze eindopdracht onderzoekt hoe ouders betrokken worden bij het proces van doelbepaling en welke factoren bijdragen/verhinderen dat ouders doelstellingen en hulpvragen verwoorden. Er wordt nagegaan of de implementatie van een ICF core set een ondersteunend element kan zijn in het proces van formuleren van hulpvragen en doelstellingen door ouders.

This master's thesis researches the governance aspect of New Zealand's Te Urewera Act. It answers the following question: 'What does a commons evaluation of the Te Urewera Act demonstrate about Rights of Nature's (RoN) potential to contribute to the reinstatement of (Indigenous) commons?' The research starts with a descriptive chapter, comprising an introduction to the Te Urewera Act, its historical background, the RoN movement and the commons framework, followed by a thorough legal analysis of the Act. Then, the paper determines the way in which the Te Urewera framework can be classified as a commons. Further on, Elinor OSTROM’s eight design principles for sustainable commons institutions are applied to the legal framework, revealing continued state involvement. The paper explains this particular feature through the founding principles of international law, and their continued influence on the international legal framework. Building on these findings, the concluding chapter communicates the role of the RoN aspect in Te Urewera's governance structure and the general potential of RoN for the reinstatement of (Indigenous) commons. The research paper concludes with a call to consider RoN and commons together more often, especially in the context of international law.

De grootste financiële uitdagingen in de gezondheidszorg zijn de hoge energie- en loonkosten. Beiden wegen zwaar door de laatste jaren en komen tot stand door verschillende factoren. De energiefactuur steeg met 4 miljoen euro over 3 jaar tijd, ondanks de vele inspanning van de ziekenhuizen om zoveel mogelijk op groene stroom over te schakelen of te investeren in andere duurzame oplossingen. Steun hiervoor van de overheid bleef ook beperkt. Daarnaast kwam de inflatie met een ongelijke stijging van het honorarium. Hierbij komt dan nog het personeelstekort door ziekteverzuim en uitstroom van studenten/personeel. Vervanging brengt een duurdere loonkost met zich mee. COVID-19 heeft een zekere impact gehad maar is niet de hoofdreden, omdat ziekenhuizen voor deze periode al in rode cijfers zaten. Ook andere factoren spelen een rol want ook bijvoorbeeld de prijs van voeding is gestegen.

Deze scriptie richt zich op de ontwikkeling van normatieve overtuigingen binnen een informatiemaatschappij en de impact van moderne communicatiestructuren op dit proces. Meer specifiek biedt de scriptie een theoretisch kader over de manier waarop grensoverschrijdende communicatienetwerken de stabiliteit en consensus van lokale normen uitdagen en alternatieve kennisparadigma's introduceren.

Nucleaire fusie kan de toekomst van schone energie zijn, maar er zijn problemen met iets genaamd ELMs. Dit zijn plotselinge uitbarstingen van energie die de reactorwand kunnen beschadigen, vergelijkbaar met stoom die vrijkomt uit een snelkookpan. Deze thesis gebruikt AI om ELMs te vinden, wat onderzoek naar fusie-energie gemakellijker maakt.

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

Deze thesis richt zich op de pedagogische waarde van videogame muziek en de manier waarop het iets kan aanleren over klassieke muziek. Het onderzoekt de mogelijkheden met behulp van drie case studies: een gameplay analyse van pianosimulator Pianista, een partituuranalyse van "The Rebel Army" uit Final Fantasy II voor piano en een etnografie over de connectie tussen videogame muziek en klassieke muziek als ervaren door 30 deelnemers. De thesis concludeert dat de videogame muziek op verschillende manieren een 'gateway' kan zijn naar klassieke muziek.

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.

In dit kwalitatief onderzoek wordt nagegaan hoe het voorspellen van criminaliteit (predictive policing) in Nederland vorm krijgt, en hoe wij er in België van kunnen leren.

Deze scriptie ontwikkelde een methode om feedback te geven op de toegankelijkheid van gebouwprojecten.

Mijn scriptie gaat over leerlingen in immersieonderwijs en emoties. Uit mijn onderzoek is gebleken dat taal en emoties niet te scheiden zijn en dat emoties in een tweede taal veel moeilijker uit te drukken zijn. Vanwege de problemen op mijn stageplaats heb ik een methodiek ontwikkeld om de leerlingen beter te ondersteunen bij het communiceren van emoties in hun tweede taal.

Door de manier waarop Nederlandstalige vertalingen de gedichten van de Oudgriekse dichteres Anyte van Tegea presenteren, krijgt de lezer een foutief idee van de schrijfster als stereotiep vrouwelijk auteur.

Een enorm voorgetraind taalmodel (GPT2) wordt gebruikt om elektro-encefalografie te classificeren. Zo wordt nagegaan of er een verband is tussen taal en elektrische hersengolven, in de hoop inzicht te krijgen in algemene hersengolf patronen.

This thesis analysed the effect on material scarcity of the soaring wind and solar markets
as energy sources, together with the deployment of batteries and the green hydrogen production
as storage alternatives. It classed the impact on raw materials in 3 categories: critical, moderated, limited

Deze masterproef is in de eerste plaats een begripsgeschiedenis van levensmoeheid. Door de vermeldingen van levensmoeheid in historische bronnen vanaf 1850 onder de loep te nemen en deze historisch te kaderen wil dit onderzoek de totstandkoming van het huidige fenomeen verklaren. Daarnaast krijgen ook onderwerpen als zelfdoding, psychiatrische diagnostiek en ouderdom een historische uitdieping. Het huidige concept voltooid leven is immers een clusterbegrip, wat de complexiteit van de problematiek mee verklaart.

Deze thesis evalueert het gebruik van gedistribueerde signaalverwerkingsalgoritmen voor de online classificatie van "motor-imagery"-data in draadloze EEG-sensornetwerken met als doel de benodigde communicatiebandbreedte te verkleinen die zulke netwerken belemmerd een realiteit te worden. Hiertoe werd eerst een gedistribueerde classificatiepijplijn ontwikkeld. Daarna werd de performance van zulke systemen geëvalueerd door zowel emulatie op basis van experimentele HD-EEG data om de accuraatheid te bepalen alsook door modellering van de energieconsumptie en latency.

Reanimeren in het onderwijs is een thema dat de laatste jaren meer en meer aan bod komt. Leerkrachten vinden het echter moeilijk om reanimatielessen te geven aan hun leerlingen. In dit Actie-Onderzoek is een basisles rond reanimatie ontworpen van waaruit leerkrachten kunnen vertrekken.

In mijn bachelorproef wordt alle nodige informatie voor ouders weergegeven die een baby hebben met een plexus brachialis letsel. Al deze informatie is samengegoten in een informatiepakket. Verder wordt ook de taak van de vroedvrouw bij deze problematiek duidelijk gemaakt.

Following the considerable attention of activity-based models in transportation planning and forecasting, and the necessity to understand and reveal the impacts of transportation policies, this paper aims to simulate and examine a population policy scenario. It explicitly uses FEATHERS, a demand-side activity-based model, operational for Flanders, Belgium. The ABM is required to estimate how the interzonal migration of Flanders’ population from small towns/villages to large, urbanized city areas will closely affect the daily activity-travel choices of the individuals. A current baseline scenario is executed alongside three migration scenarios that account for a spatial redistribution of the population (2%, 5%, 10%) with equal proportions. Results suggest an impact on mode choice during peak hours, with a significant shift from car as a driver to public transport. Besides mode choice, there is a considerable decrease in the total number of trips. As a result, the total vehicle kilometres travelled, and total vehicle hours travelled reduce remarkably. While on the contrary there is hardly any effect on the activity choice.

Mijn scriptie maakt deel uit van de internationale betrekkingen literatuur en focust op hoe Turkije als een Awkward Middle Power de EU-gedomineerde status quo in de Westelijke Balkan trotseert.