Scriptiebank overzicht

In een steeds digitaler onderwijsklimaat worden leerkrachten uitgedaagd om hun
instructievormen af te stemmen op de behoeften van jongeren. Deze bachelorproef
onderzoekt het effect van twee verschillende instructiemethodes, een geschreven stappenplan en een videostappenplan, bij het aanleren van het 3D-tekenprogramma SketchUp for Schools aan leerlingen van de eerste graad secundair onderwijs.
Het praktijkonderzoek werd uitgevoerd in twee klassen uit de A- en B-stroom, waarbij de leerlingen beide instructievormen kregen aangeboden. Er werden data verzameld aan de hand van observaties en reflectievragenlijsten. De resultaten werden geanalyseerd aan de hand van vier onderzoeksthema’s: begrijpelijkheid van de instructies, gebruiksgemak, leerresultaten en motivatie.
De conclusies zijn duidelijk: het videostappenplan wordt door de meerderheid van de
leerlingen als duidelijker, motiverender en gebruiksvriendelijker ervaren. Leerlingen konden zelfstandiger werken en begrepen de stappen beter dankzij de visuele en auditieve ondersteuning. Bij het geschreven stappenplan hadden meer leerlingen behoefte aan extra uitleg of begeleiding. De leerresultaten tonen aan dat beide methodes functioneel zijn, maar het videomateriaal iets sterker scoorde op nauwkeurigheid en foutvermijding.
Deze bachelorproef toont aan dat video-instructies een waardevolle aanvulling zijn op het klassieke lesmateriaal. Leerkrachten kunnen met beperkte middelen kwalitatieve videolessen maken die inspelen op de leerstijl van hun leerlingen. De bevindingen zijn bruikbaar voor elke school die technische software wil integreren in haar onderwijspakket.

This policy report thesis explores the evolution of Anticipatory Action since its inception, tracing the roots from early pilot projects led by the German Red Cross in 2013 to the current usage across multiple countries. The research delves into the complexities of this approach, examining how it has been implemented, the lessons learned, and the potential for scaling up this initiative to ensure they become integral components of national disaster risk management frameworks.

The research identifies key trends in AA plans, highlighting the shift from small-scale pilot projects to more sustainable and widespread implementations. However, it also uncovers continuous challenges, including funding limitations, coordination issues among stakeholders, and the technical complexities linked with accurate forecasting.

Mijn scriptie richt zich op het optimaliseren van forensische DNA-databanken, specifiek hoe DNA-matches beter kunnen worden beoordeeld in gevallen waar de overeenkomst niet volledig duidelijk is, oftewel de ‘grijze zone’. Er werd onderzocht of de toepassing van likelihood ratios (LR) als een alternatieve methode gebruikt kan worden om de betrouwbaarheid van DNA-matches te verbeteren.

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.

Deze studie presenteert een nieuw, eenvoudig te gebruiken augmented reality (AR)-systeem dat chirurgen begeleidt tijdens kaakchirurgie. In tegenstelling tot de huidige methoden, die fysieke gidsen gebruiken en vaak kostbaar en tijdrovend zijn, maakt dit systeem gebruik van digitale hologrammen en de Microsoft HoloLens 2-headset. Het volgt de kaak van de patiënt in real-time, zonder dat fysieke markeringen nodig zijn. Tests met vier chirurgen toonden aan dat dit AR-systeem zeer nauwkeurig is, met een foutmarge van minder dan 1,08 mm. Deze nieuwe benadering kan een kosteneffectievere, eenvoudigere en minder ingrijpende manier bieden om de precisie van de chirurgie te verbeteren.

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.

In deze scriptie werd een onderdeel uit de cursus virologie (3e bachelor biomedische wetenschappen, UGent) omgezet naar stripformaat om leerlingen met dyslexie te helpen bij het studeren. De scriptie bestaat uit volgende onderdelen:
- Literatuuronderzoek: dyslexie, leesbaarheid van teksten (lettertype, vet drukken van tekst, hoofdlettergebruik, ...), lay-out die bevorderlijk is voor de leesbaarheid (bv. type papier, kleur van het papier, textuur, ...), geschiedenis en gebruik van stripverhalen.
- Toepassing van de literatuurstudie op het eindproduct.
- Omzetting van een deel van de cursus (bestaande uit PowerPointpresentaties) naar stripformaat. Hierbij werd gefocust op het behouden van de
leerstof, zonder de inhoud te vereenvoudigen.

Deze scriptie had aanvankelijk studenten met dyslexie op het oog als doelgroep, maar er werd al snel gemerkt dat dit werk mogelijks ook breder ingezet zou kunnen worden. Er wordt gehoopt de resultaten ook in te kunnen zetten voor studenten met ADHD, een OKAN-achtergrond, etc. en de doelgroep mogelijks ook uit te breiden met leerlingen uit het secundair onderwijs, patiënten, ...

Gehoorapparaten hebben een aanzienlijke evolutie doorgemaakt en zijn getransformeerd tot apparaten die in staat zijn tot aanzienlijke berekeningen op het oor. Naast deze berekeningen wordt verwerking met hoge eisen in het gehoorapparaat systeem uitgevoerd in een gecentraliseerd apparaat, waar meer rekenkracht beschikbaar is. Dit vereist echter(draadloze) gegevensoverdracht tussen deze apparaten, wat de batterijduur nadelig kan beïnvloeden. Verschillende strategie¨ en voor bandbreedte-efficiënte audio bronlokalisatie voor binaurale gehoorapparaten worden vergeleken. Een veelgebruikte strategie is het gebruik van audiocodecs, zoals de LC3+ codec, om de bandbreedte te minimaliseren. Hier wordt ook een bandbreedte
gecomprimeerde versie van een state-of-the-art gedistribueerd systeem onderzocht. Het coöperatieve model verwerkt eerst de microfoonsignalen lokaal voordat de functies naar de centrale processor worden verzonden voor verdere analyse. Het verlagen van de bandbreedte van het systeem impliceert een geschikte compressie van deze functies. Het onderzoek omvat verschillende optimalisaties, waaronder de kwantisatie van de ingebedde functies, aanpassingen aan de functiedimensies, evenals wijzigingen in tijd- en frequentieresoluties. In het algemeen leidden de cumulatieve aanpassingen tot een verbeterde prestatie die iets lager, maar goed vergelijkbaar was met het gecentraliseerde basismodel. Bovendien zijn proof-of-concept experimenten met kennisoverdracht en potentiële uitbreidingen van het coöperatieve model succesvol getest.

Bijna tien procent van de Belgen lijdt aan gehoorverlies. Gelukkig kunnen gehoorapparaten vaak helpen, maar wat als die niet langer voldoende zijn? In dat geval kunnen gehoorimplantaten, en meer specifiek cochleaire implantaten, personen met ernstig gehoorverlies opnieuw laten horen. Net als de sterkte van je brilglazen moet je zulke gehoorimplantaten nauwkeurig afstellen op de noden van de drager. Deze scriptie onderzoekt hoe je dat automatisch kan doen, zodat echt iedereen met een cochleair implantaat geholpen kan worden.

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.

The warming of the global climate system, particularly pronounced in Arctic regions, poses significant challenges to plant species, communities and ecosystems. Understanding the dynamics of Arctic flora in response to this changing climate is crucial for predicting and mitigating its impacts. Long-term vegetational surveys are crucial monitoring tools to capture these dynamics in species diversity, distribution and phenology. Nevertheless, their observations and projections are frequently based on data lacking sufficient temporal and spatial resolution and often neglect the error caused by imperfect observations. Here, we show that species detection is influenced not only by the inherent dynamics of vegetation, including seasonal and year-to-year fluctuations and the broader context of long-term climate change, but also by other temporal, spatial and species-specific variation within the plant community. Interdependent effects of factors such as growing season temperature, seasonal timing of observation, elevation, total plot species richness, and species-specific traits were found to have a crucial impact on species observation accuracy, often manifesting through changes in phenology and morphology across different dimensions. As such, the changing climate directly and indirectly influences these factors through space and time, making it challenging to make a distinction between inherent species dynamics and inaccurate observations. Our findings highlight the need for multiple surveys per year, effective timing of monitoring within the growing season, year-to-year comparisons and adopting adequate spatial scales to account for imperfect observations, especially when studying species’ temporal dynamics. These insights contribute to broader discussions on the complexities of ecological monitoring and underscore the importance of adapting adequate survey methods to effectively capture species dynamics in a changing climate. This to avoid making misleading conclusions, resulting in over- or underestimations of species dynamics.

Naarmate robots steeds belangrijker worden in diverse industrieën, krijgt de coördinatie van meerdere autonome robots in gedeelde omgevingen meer aandacht in onderzoek. Multi-Robot Systemen (MRS) beloven verhoogde efficiëntie, robuustheid en nieuwe mogelijkheden, maar brengen ook uitdagingen met zich mee, vooral op het gebied van bewegingsplanning. Dit geldt met name voor de coördinatie van meerdere manipulators, waarbij geavanceerde strategieën nodig zijn door de hoge dimensionale complexiteit van het probleem.

Traditioneel worden gekoppelde en ontkoppelde methoden gebruikt om het probleem van bewegingsplanning voor meerdere robots aan te pakken. Gekoppelde methoden hebben aanzienlijke schaalbaarheidsproblemen, omdat de reken- en geheugencapaciteit exponentieel toeneemt met elke extra vrijheidsgraad (DOF) in het systeem. Ontkoppelde methoden daarentegen zijn beter schaalbaar, maar leveren vaak suboptimale oplossingen en bieden geen garanties dat er een oplossing wordt gevonden, zelfs als die er is.

Dit onderzoek verkent een hybride aanpak tot bewegingsplanning, dat gebruikmaakt van Conflict-Based Search (CBS) als het low-level zoekalgoritme voor Probabilistic Roadmaps (PRM). Deze hybride benadering combineert de voordelen van zowel gekoppelde als ontkoppelde methoden. De effectiviteit van de hybride aanpak is geëvalueerd en vergeleken met beide methoden via Python-gebaseerde simulaties in twee experimentele opstellingen: één met vlakke manipulators in elkaars nabijheid en een andere met Franka Emika Panda-manipulators in PyBullet. De resultaten tonen aan dat CBS-PRM beter schaalt bij toenemende dimensionaliteit vergeleken met gekoppelde methoden, en dat het verbeterde slagingspercentages en efficiëntere paden oplevert ten opzichte van ontkoppelde methoden.

De ontwikkeling van deze hybride methode werd ondersteund door de creatie van een bibliotheek voor multi-robot bewegingsplanning, die de besproken algoritmen implementeert en benchmarking in verschillende scenario's ondersteunt. Hoewel de hybride aanpak aanzienlijke verbeteringen biedt, zijn er nog volop mogelijkheden voor verdere verfijning en optimalisatie.

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

Achtergrond
Ultra High Performance Liquid Chromatography (UHPLC) gekoppeld aan tandem massa spectrometrie
(MS/MS) is een uitermate geschikte techniek voor het uitvoeren van gerichte analyses op een brede
waaier aan moleculen. De techniek kent zowel kwantitatieve als kwalitatieve toepassingen en wordt
gekarakteriseerd door zijn hoge gevoeligheid, selectiviteit, precisie en nauwkeurigheid.
Doel
Het doel van dit onderzoekswerk is om een LC-MS/MS methode te ontwikkelen en te valideren dat
gebruikt kan worden voor de detectie en de kwantificatie van cafeïne in verschillende soorten koffie
en thee.
Methode
Het proces van de LC-MS/MS methodeontwikkeling werd stapsgewijs uitgevoerd. Eerst werden de MS
parameters geoptimaliseerd voor de detectie van cafeïne en de interne standaard paracetamol.
Vervolgens werd de chromatografische methode ontwikkeld met als doel de geschikte combinatie van
mobiele en stationaire fases te vinden, alsook een goede flowsnelheid, eventuele gradiënt en
analysetijd. Tot slot werden de lineariteit, carryover, reproduceerbaarheid, selectiviteit, sensitiviteit,
precisie en nauwkeurigheid van de methode nagegaan volgens de ICH Q2 richtlijnen.
Resultaten
De transities die gekozen werden voor de kwantificatie van cafeïne en paracetamol waren
respectievelijk 195/138 en 152/93. Verder werden de transities 195/110 en 152/110 gebruikt als
kwalitatieve controle. De finale chromatografische analysemethode maakte gebruik van een Kinetex©
C8 (100 x 2,1 mm) analytische kolom als stationaire fase, 10 mM ammoniumformaat + 0,1%
methaanzuur in water als mobiele fase A, methanol als mobiele fase B, respectievelijk ingesteld op
75% en 25%. De flowsnelheid werd ingesteld op 0,4 mL/min, het injectievolume en de analysetijd
bedroegen 2 µL en 3,0 minuten. De validatieparameters waren allemaal binnen de acceptatiegrenzen,
behalve de carryover.
Conclusie
Het doel van dit onderzoekswerk werd bereikt door een LC-MS/MS analysemethode te ontwikkelen
die gebruikt kan worden voor de kwantificatie van cafeïne in koffie en thee. De validatie was nagenoeg
volledig conform aan de Q2 en M10 richtlijnen van het ICH en geeft blijk dat de methode geschikt is
voor gebruik.

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.

Deze scriptie onderzoekt de impact van muziek op de gezondheid door middel van vertalingen van Franse teksten naar het Nederlands en vice versa. De studie behandelt vier belangrijke thema's:

De eerste tekst belicht hoe muziektherapie kan dienen als een krachtig alternatief voor medicatie bij het behandelen van mentale aandoeningen zoals stress en angst. Muziektherapeute Martina de Witte wordt geciteerd over de voordelen van muziek voor zowel lichamelijke als geestelijke gezondheid.

Een tweede tekst onderzoekt hoe muziek tijdens het autorijden ons rijgedrag beïnvloedt. Klassieke muziek kan leiden tot een ontspannende, maar onregelmatige rijstijl, terwijl snelle muziek het risico op gevaarlijk rijgedrag verhoogt door het aanzetten tot hogere snelheid.

De derde tekst behandelt de mentale druk op artiesten zoals Angèle en Stromae, die openhartig spreken over hun worstelingen met de balans tussen hun carrière en hun mentale welzijn. Dit benadrukt hoe muziek niet alleen vreugde brengt, maar ook stress kan veroorzaken voor de artiesten zelf.

De laatste tekst richt zich op de brede voordelen van muziek, zoals het verbeteren van familierelaties en cognitieve vaardigheden. Het benadrukt dat muziek veel meer is dan vermaak; het is een krachtig hulpmiddel voor welzijn.

Het vertaalproces van deze teksten bleek uitdagend, waarbij de balans tussen nauwkeurigheid en leesbaarheid cruciaal was. De bevindingen tonen aan dat muziek een veelzijdige invloed heeft op de gezondheid en benadrukken de noodzaak van zorgvuldige vertalingen om deze effecten correct over te brengen.

Het onderzoek naar AMobile ontstond uit de toenemende vraag naar grootschalige additieve manufacturing (LSAM) en de daarmee gepaard gaande uitdagingen. AMobile is opgezet met als doel bedrijven en scholen kennis te laten maken met grootschalig 3D-printen door middel van demonstraties en workshops op locatie.

Deze bachelorproef richt zich op de verbetering van de functionaliteit, efficiëntie en het gebruiksgemak van AMobile. Dit wordt bereikt door een literatuurstudie naar thermoplasten en een praktijkonderzoek naar de printparameters van verschillende materialen. De literatuurstudie geeft inzicht in de meest geschikte thermoplasten voor gebruik met de Pulsar-extruder. Het praktijkonderzoek richt zich op de optimalisatie van printparameters voor materialen zoals PLA en PETG. Het doel hiervan is om de geschiktheid van deze materialen voor de schroef extruder te bepalen en de bijbehorende extrusie parameters te optimaliseren.

Daarnaast omvat het project handleidingen om de gebruiksvriendelijkheid van AMobile te vergroten. Deze handleidingen dekken verschillende aspecten zoals de opstelling van de KUKA-robot, de bediening ervan en de CAM-setup. Het uiteindelijke doel is om de workflow te optimaliseren, van 3D-ontwerp tot het geprinte object.

Door deze aanpak is AMobile toegankelijker geworden voor een breder publiek en zijn er grote stappen gemaakt om het gebruiksgemak te vergroten.

Een hedendaagse uitdaging is de ontmanteling van kerncentrales. Het is daarbij belangrijk om de gecontamineerde gebieden in kaart te brengen. Deze scriptie onderzoekt hoe een Compton camera gebruikt kan worden om gammabronnen te lokaliseren.

Data analytics has been a major part in American football to allow for evaluation of both player and team performances, with a significant amount of data being readily available. Here, a more in-depth analysis in the area of pass rushing and pass blocking will be done by using K-Nearest Neighbor (KNN) machine learning models to find a more precise metric of determining pressure created by the pass rush. Additionally, KNN would be used to predict the motion of a pass rusher, which would then be used to predict pressure created in that new location, allowing for the creation of an entirely new metric, by comparing the true pressure with the predicted one. An extensive analysis with these new metrics would then be conducted, giving American football players and coaches new insights into player and team performances, which can be used to improve the quality of the game, by the means of performance, while at the same time creating new ways of focusing on the safety of the Quarterback. Finally, a dashboard was build on an HTML-based webpage, visualizing the new metrics for a better understanding of its concepts.

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.

Deze bachelorproef onderzoekt het gebruik van environmental DNA (eDNA) van tong (Solea solea) in de Noordzee als een alternatieve, niet-invasieve methode voor betrouwbare detectie en schatting van biomassa met behulp van digitale PCR (dPCR).

Onderzoek naar gebruik van sensoren in management van immuun-gemedieerde inflammatoire aandoeningen.

Een experimentele studie van het creëren van striptekeningen met GAN's (general adversarial networks). Een vergelijkend onderzoek tussen DCGAN, WGAN en StyleGAN2-ADA op een dataset van de stripreeks Kinky & Cosy (©Nix)

Het trainen van tamme ratten om MAP bacteriën - de veroorzaker van paratuberculose bij herkauwers - op te sporen in geitenbiest en de ratten dus aan te leren om positieve stalen van negatieve stalen te discrimineren.

Deze scriptie omvat een studie van de positiemetingen in de LHC deeltjesversneller. Die metingen zijn een vereiste om nauwkeurig de afmetingen van de protonen pakketjes in de LHC te bepalen en zo precies fyische kansen te kunnen meten.

Wat zegt u, ik heb u niet goed verstaan? 1 op 10 Belgen lijdt aan gehoorverlies en spreekt deze zin dagelijks uit. Wat als we slimme hoorapparaten zouden kunnen ontwerpen, die hersengolven gebruiken om op het juiste moment in te schakelen? Dit wordt realiteit door te detecteren wanneer iemand actief aan het luisteren is. Telepathie zegt u? Nee, technologie!

Maar hoe werkt deze technologie dan precies?

Aan de hand van machine learning algoritmes wordt informatie gehaald uit gesimuleerde waarnemingen van zwaartekrachtsgolven afkomstig van supernovae. Het slagen hiervan bewijst dat het mogelijk is om de nodige zaken te leren uit een detectie, ook al kan er op voorhand geen exact passend model voor worden opgesteld.

Onderzoek naar het belang van tijd en tijdsmeting in de maritieme navigatie tot en met de scheepschronometer van Harrison. Met een diepgaand onderzoek naar het gebruik en de nauwkeurigheid van het nocturlabium.

Enkele problematieken lijken de zoektocht naar een wettelijk kader rond live facial recognition te belemmeren. Deze masterproef onderzoekt wat deze inhouden en formuleert enkele vraagstukken die cruciaal lijken opdat de proportionaliteit en wenselijkheid van de technologie kan worden beoordeeld.

Evaluatie en differentiatie van dystonie en choreoathetose loopt moeizaam in de populatie met een dyskinetische vorm van hersenverlamming. Inzet van technologie in staat gedetailleerd data te bekomen en verwerken kan leiden tot meer accurate diagnosticering en behandeling, alsook een toegenomen kennis omtrent deze zeldzame aandoening. Deze studie was pionier in het valideren van een automatische differentiatie van dystonie en choreoathetose tijdens functionele taken van het bovenste lidmaat. Hiervoor werd gebruik gemaakt van innovatieve technieken zoals driedimensionale bewegingsanalyse en machine learning.