Scriptiebank overzicht

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

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

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

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

Observatievaardigheden zijn van belang voor zorgverleners, zowel voor accurate diagnoses als voor empathische patiëntondersteuning.
De huidige evaluatie van deze vaardigheden in gesimuleerde omgevingen steunt vaak op subjectieve methoden zoals zelfrapportage en directe observatie door docenten.
Hoewel de Tobii eyetracking-brillen in het Zorglab van HOGENT objectieve blikdata leveren,
ontbreekt er tot op heden geschikte software om automatisch te analyseren welke objecten studenten waarnemen en voor hoe lang.
Deze bachelorproef beantwoordt hoe computervisiemodellen geïntegreerd kunnen worden met eyetrackingdata van Tobii Glasses om de observatieprestaties van studenten automatisch te analyseren.
De analyses dienen de feedback door docenten in het Zorglab te versterken.

Deze doelstelling werd uitgewerkt door middel van van een proof-of-concept (PoC) softwareapplicatie.
Dit proces startte met een literatuurstudie naar eyetracking-analyse en relevante computervisiemodellen (o.a. YOLO, SAM, DINOv2).
Vervolgens werd een prototype applicatie ontworpen en geïmplementeerd (Python, FastAPI, HTMX), inclusief een semi-automatische labeling-tool die gebruik maakt van SAM2 voor objectsegmentatie en -tracking.
Om de PoC te valideren, werd een gecontroleerd experiment uitgevoerd in het Zorglab.
Hier genereerden studenten aan de hand van Tobii Pro Glasses 3, eyetrackingopnames tijdens gesimuleerde observatietaken.
Deze opnames, samen met twee specifieke kalibratieopnames, werden gelabeld met de ontwikkelde tool om een grondwaarheidsdataset te creëren.
Een analysepijplijn werd ontworpen en geëvalueerd. In deze analyse werd de trackingfunctionaliteit van FastSAM gecombineerd met blikgestuurde filtering en classificatie van objectsegmenten, middels een getraind YOLOv11-objectdetectiemodel.
De prestaties werden geëvalueerd aan de hand van precisie, recall en F1-score, na optimalisatie via een grid search van hyperparameters.

Uit de resultaten bleek dat de combinatie van FastSAM-tracking met een YOLOv11-objectdetector (getraind op 1000 samples per klasse) de beste prestaties opleverde, met een F1-score van 0.80, een precisie van 0.94 en een recall van 0.70.
De hoge precisie toont aan dat het systeem met grote zekerheid de correcte objecten identificeert, hoewel een significant deel van de fout-positieven in de werkelijkheid correct gedetecteerde objecten bleken te zijn, die niet in de grondwaarheid waren opgenomen.
De lagere recall wijst erop dat niet alle bekeken objecten consistent werden gedetecteerd, voornamelijk door problemen met kleine, transparante objecten en door inconsistenties tussen de FastSAM-segmentaties en de grondwaarheid.
De FastSAM-tracking bleek de meest beperkende factor in de pijplijn.

Deze bachelorproef levert een werkend PoC en een methodologie op die de haalbaarheid van geautomatiseerde analyse van observatievaardigheden aantoont.
Het biedt een objectieve, datagestuurde basis om de feedback aan studenten te verbeteren en de effectiviteit van simulatietraining in de zorg te verhogen.
Op deze manier legt het een fundament voor verder onderzoek naar robuustere analysemethoden.

Een internationaal programma waarin technische onderwerpen aan bod komen, vereist zorgvuldige aandacht. Het is belangrijk om studenten te betrekken bij verschillende onderwerpen op het gebied van technologie. Daarnaast is een grondige voorbereiding noodzakelijk om ervoor te zorgen dat studenten volledig voorbereid zijn op het programma.

Tijdens de voorbereidingsfase moet het technische doel van het programma, dat een week duurt, duidelijk worden gecommuniceerd. Het technische doel van dit programma is het verbeteren van de Overall Equipment Effectiveness (OEE) van een stoommachine. Het proces begint met het verzenden van gegevens via een Programmable Logic Controller (PLC) via MQTT-communicatie naar een broker. Met behulp van NodeRED kunnen deze gegevens worden gevisualiseerd en met een Python-script kunnen ze worden vastgelegd in een dataset. Met deze dataset kan een AI-model worden geselecteerd en getraind. Het model moet vervolgens de trend van de gekozen output zo nauwkeurig mogelijk voorspellen. Het programma duurt een week, waarin alle stappen worden uitgevoerd om het AI-model te optimaliseren en de OEE te maximaliseren.

We hebben een betrouwbare en efficiënte voeding ontworpen voor een breed spanningsbereik, volledig afgestemd op toepassingen in de treinwereld. En dat volledig volgens de vereisten van het bedrijf, binnen budget én volledig zelf ontwikkeld. Een mooi eindresultaat van een boeiend traject.

Deze paper introduceert een innovatieve tool voor het automatisch semantisch annoteren van machine learning-processen in RDF, met als doel om deze te integreren op het semantische web. Dit bevordert transparantie en helpt bij het naleven van de GDPR-wetgeving. De tool maakt gebruik van de Function Ontology (FnO) om Python-functies, -methoden en -klassen semantisch te beschrijven, en integreert de Provenance Ontology (ProvO) om datatransformaties tijdens het verwerkingsproces vast te leggen. Door het beschrijven van functie-implementaties kunnen gebruikers deze processen nadoen en uitvoeren, terwijl gedetailleerde provenance-informatie wordt vastgelegd. Bovendien worden MLFlow en de MLSchema Ontology gebruikt om machine learning-modellen en hun trainingsprocessen in RDF-formaat te beschrijven. Deze beschrijvingen worden gevisualiseerd met behulp van een stroomdiagram. Dankzij de semantische beschrijving van machine learning-operaties via deze tool kan een individu meer controle behouden over zijn eigen data.

Mijn bachelorproef behandelt de juridische uitdagingen die ontstaan door de opkomst van kunstmatige intelligentie (AI) en de tekortkomingen van de huidige wetgeving rond productaansprakelijkheid. Het werk biedt een diepgaande analyse van de bestaande en toekomstige Europese en Belgische regelgeving en de manier waarop deze omgaat met de complexe en unieke aspecten van AI-systemen.

De scriptie begint met een overzicht van het huidige juridische kader voor productaansprakelijkheid op Europees en Belgisch niveau. Hieruit blijkt dat de huidige wetgeving, hoewel effectief voor traditionele producten, tekortschiet bij het reguleren van AI-toepassingen. AI wordt vaak niet als een product beschouwd, waardoor het moeilijk is de juridische verantwoordelijkheid vast te stellen.

Een belangrijk thema in mijn scriptie is de moeilijkheid voor consumenten om de bewijslast te dragen wanneer AI-systemen defecten vertonen. Het is vaak onmogelijk voor consumenten om aan te tonen dat een fout in een AI-systeem schade heeft veroorzaakt. Om deze reden wordt gesuggereerd in de rechtsleer dat de bewijslast in sommige gevallen zou moeten worden omgekeerd, waarbij de producent moet aantonen dat hun AI-product correct functioneerde.

Toch, speelt de "black-box"-problematiek dan ook een rol. AI-systemen functioneren vaak als een "black box", wat betekent dat zelfs de ontwikkelaars niet volledig kunnen verklaren hoe beslissingen tot stand komen. Dit gebrek aan transparantie bemoeilijkt de vaststelling van aansprakelijkheid, wat de positie van consumenten verzwakt.

In het context van de snelle ontwikkeling van AI heeft de Europese Commissie een nieuw voorstel gepubliceerd om de productaansprakelijkheidsrichtlijn te moderniseren en AI expliciet te reguleren. Dit zou leiden tot een grotere verantwoordelijkheid voor producenten, die verplicht zouden zijn om op verzoek van de rechtbank technische details over AI-systemen vrij te geven. Deze veranderingen zouden de informatiestroom tussen producenten en consumenten verbeteren, waardoor consumenten beter in staat zijn om hun zaak de onderbouwen.

In mijn werkstuk wordt ook een vergelijking gemaakt tussen de ontwikkelingen in België en andere landen zoals Nederland en Duitsland, waar al verdergaande stappen zijn gezet om AI-wetgeving aan te passen. Deze landen bieden waardevolle voorbeelden van hoe productaansprakelijkheid kan evolueren in een tijdperk van snelle technologische vooruitgang.

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 scriptie beschrijft de ontwikkeling van een innovatieve softwaretool voor de analyse en het ontwerp van balken in bouwkundige constructies. De tool is speciaal ontworpen voor studenten bouwkunde om hen te helpen bij het begrijpen en toepassen van complexe berekeningen die nodig zijn voor het ontwerpen van veilige en efficiënte structuren. Naast het bieden van gedetailleerde stapsgewijze uitleg over de berekeningen, bevat de software functies zoals automatische optimalisatie van wapening, wat uniek is in vergelijking met bestaande professionele tools. De tool is eenvoudig in gebruik, voldoet aan de Belgische en Europese normen, en is bedoeld om zowel het leerproces van studenten te ondersteunen als een nuttig hulpmiddel te bieden voor professionals in de bouwsector.

Deze bachelor proef onderzoekt de digitale handelsmethode van reptielen op Facebookgroepen, community ‘s en Marketplace in België. De opkomst van sociale media als handelsplatform voor exotische dieren heeft geleid tot zorgen over dierenwelzijn en illegale handel. Dit onderzoek heeft als doel inzicht te krijgen in de wijze waarop reptielen via deze platforms worden verkocht, betrokken reptielsoorten en de mate van illegale activiteiten op deze platforms.

Om dit doel te bereiken, is er een uitgebreide literatuurstudie uitgevoerd, gevolgd door een systematische dataverzameling van advertenties op Facebook. Er zijn gegevens verzameld over de soorten reptielen die worden aangeboden, taal van de advertentie, de herkomst van de verkopers, type verkoper, reden van verkoop en de prijzen van de dieren. Daarnaast is de wetgeving over reptielen in België in de literatuurstudie opgenomen om de legaliteit van deze handel te beoordelen.

De resultaten tonen aan dat er veel verschillende reptielsoorten worden aangeboden, met baardagamen, koningspythons, korenslangen, wimpergekko's en luipaardgekko's als de meest geadverteerde. Een aantal advertenties bleken in strijd met de wetgeving, waarbij reptielsoorten werden aangeboden die verboden zijn in België of in specifieke regio's. De analyse wijst op een gebrek aan toezicht en handhaving van de regels op dit platform.

Regionale verschillen tonen aan dat Henegouwen het hoogste aantal verkopers had. Taalverschillen blijken ook de vermeldingen te beïnvloeden, waarbij Franstalige advertenties vaker de Latijnse soortnaam gebruikten. Het onderzoek concludeert dat de reptielenhandel op Facebook voornamelijk door hobbyisten wordt gedreven, met een aanzienlijke deelname aan particuliere kwekers. Prijzen en verkoopredenen worden zelden genoemd in advertenties en verschilden sterk.

Statistiek is alomtegenwoordig in onze samenleving. Het onderwijs probeert leerlingen statistische geletterdheid bij te brengen, maar welke noden en uitdagingen ervaren wiskundeleerkrachten hierbij?

Is it possible to predict the area-level prevalence of COVID-19 infections in Belgium by
analyzing self-reported symptoms on Twitter? This research project is about generating
estimates of the incidence of COVID-19 infections, at the municipality level, by using
Multilevel Regression Post-Stratification (MrP) to account for sampling biases in the social
media sample. At first, tweets are obtained from users based on keywords derived from
previous research, e.g., tweets mentioning fever, cough, loss of taste, fatigue, etc. Then, key
demographic and geographical features of interest are extracted using the M3 deep learning
pipeline, as well as simple self-reported characteristics, effectively transforming the
unstructured twitter sample into a survey-like object. Finally, based on these demographic
features and census characteristics, a mixed effects logistic regression model with
post-stratification according to the Belgian census is proposed to forecast the number of
infected individuals on a particular day. This study intends to contribute to the proof of
concept of a complete end to end pipeline to perform real time predictions of disease
prevalence at a granular level in a population using social media data.

Met deze bachelorproef, maakte ik een lessenpakket dat de eindtermen rond computationeel denken in de tweede graad behandelt. Om een goed lessenpakket te ontwikkelen, is er eerst
een online enquête doorgestuurd naar scholen in het Waasland met een tweede graad. Uit deze enquête bleek dat de programmeertaal Python het meest gebruikt wordt. Na analyse van de verschillende IDE’s die gebruikmaken van Python als programmeertaal, heb ik de IDE Thonny gekozen als de meest gebruiksvriendelijke voor deze bachelorproef. Het eindproduct is een lessenpakket dat gebruikmaakt van de IDE Thonny en splitsbaar is over de twee leerjaren van de tweede graad. Het product, dat geschreven is voor richtingen in de doorstroomfinaliteit, is uitgetest in de praktijk.

Via deze applicatie kunnen de eigenschappen van elderspeak gedetecteerd worden zodat iedereen de eigenschappen goed kan onthouden en toepassen. Elderspeak is het fenomeen waarbij jongere mensen tegen ouderen spreken op een betuttelende manier, vandaar dat elderspeak ook wel als secondary baby talk wordt benoemd, en dit kan nefast zijn voor de mental gezondheid van ouderen.

De scriptie maakt een vergelijkende studie van de classificatie tussen Landsat-8 en Sentinel-2. Het hoofddoel was een eigen index ontwikkelen op basis van Sentinel-beelden. Ten slotte werd een automatische tool ontworpen, die zorgt voor een eenvoudig gebruik van de index.

Steeds meer worden geautomatiseerde lijmprocessen geïmplementeerd in productieprocessen, dit om een representatieve en continue verlijming te garanderen. Deze lijmunit wordt in combinatie met een robot gebruikt om een lijmproces te automatiseren. Bijkomend wordt een kwaliteitscontrole uitgevoerd met een camera.

Een onderzoek naar de esthetiek en filosofische waarden alsook de evolutie in gedachtewereld die te bemerken is in de performances en het beeldend werk van Marina Abramović.

Een monitoring raamwerk voor een soft-sensorWanneer een productiebedrijf beschikt over een aanzienlijk aantal sensoren, waarvan enkele fysieke sensoren in het productieproces (soms) onbetrouwbaar, duur of tijdrovend zijn, kan er gebruik gemaakt worden van soft-sensors. Deze zijn ook bekend als surrogate, proxy of virtuele sensoren.