Scriptiebank overzicht

Arrays zijn een basisonderdeel van leren programmeren, maar beginners vinden ze vaak het moeilijkste onderwerp. Dat geldt zeker voor studenten in toegepaste wetenschappen, voor wie programmeren eerder een hulpmiddel is dan hun hoofdinteresse. Deze masterproef onderzoekt hoe een gegamificeerde leeromgeving eerstejaarsstudenten Elektromechanica kan helpen om arrays te begrijpen.

Literatuur, examenresultaten en interviews met studenten en een expert brachten vier struikelblokken aan het licht: indexering, lussen combineren met arrays, waarden aanpassen tijdens een herhaling en veelvoorkomende bewerkingen. Op basis daarvan ontstond ArrayCamp. Die browsertool combineert het PRIMM-model, visuele oefeningen, Parsons-puzzels, gamificatie en AI-feedback.

Een evaluatie met 27 studenten toont dat ze de tool ondersteunend, gebruiksvriendelijk en motiverend vinden. Wel werkten weinig studenten de laatste opdrachten af, vooral door tijdsdruk vlak voor het examen. De AI-feedback in de tool was nog niet altijd consistent. Zo'n tool werkt dus pas echt als hij ook goed in de lessen wordt ingebed.

Om maatschappelijke uitdagingen aan te pakken, is de vraag naar sterke STEM-profielen en ingenieurs groot. De instroom blijft echter beperkt doordat jongeren vaak een stereotiep beroepsbeeld hebben en drempels ervaren om zich met het vakgebied te identificeren. Projectmatige STEM-interventies in het secundair onderwijs trachten jongeren te motiveren door de kloof met de praktijk te dichten. De impact hiervan op de ontwikkeling van de ingenieursidentiteit is echter onvoldoende systematisch onderzocht. Deze masterproef brengt de ingenieursidentiteit van Vlaamse leerlingen in de derde graad secundair onderwijs in kaart. Specifiek wordt onderzocht welke factoren hiermee samenhangen aan de startlijn en hoe deze evolueert na deelname aan een STEM-interventie.

In dit onderzoek werd een kwantitatief design met een voor- en nameting via vragenlijsten gehanteerd om de impact van verschillende projectmatige STEM-interventies doorheen het schooljaar te evalueren. De initiële steekproef bestond uit 459 leerlingen uit de derde graad van het secundair onderwijs met minstens enige interesse in ingenieurswetenschappen. Voor de effectmeting werd een subset van 283 leerlingen geanalyseerd die zowel de pre- als de post-test voltooiden. De data werden geanalyseerd via t-testen, variantieanalyses en meervoudige lineaire regressies. Uit de startmeting bleken significante structurele verschillen: binnen de geïnteresseerde groep scoorden jongens hoger dan meisjes op alle componenten van ingenieursidentiteit: interesse, competentie en erkenning. Daarnaast rapporteerden leerlingen van wie de ouders een master- of doctoraatsdiploma bezaten een hogere perceptie van de eigen competentie dan de leerlingen van wie de ouders een bachelor diploma bezaten. Wat betreft de psychologische componenten toonden de regressiemodellen aan dat sense of belonging (het gevoel erbij te horen) met voorsprong de sterkste verklarende factor was voor de opbouw van een ingenieursidentiteit, met een aanzienlijk grotere invloed dan louter de initiële interesse in engineering of STEM. Verder wezen de pre-post analyses op een algemene daling van de ingenieursidentiteit na de projecten, ongeacht het type interventie of de periode in het schooljaar. Bij leerlingen met een matige interesse (de 'twijfelaars') vertaalde dit zich in een afname op alle identiteitsschalen. Bij sterk geïnteresseerde leerlingen daalde enkel de interesse, terwijl hun gevoel van competentie en erkenning stabiel bleef.

De resultaten suggereren dat sense of belonging een fundamentelere laag vormt voor de ontwikkeling van een ingenieursidentiteit dan louter inhoudelijke interesse. Dit impliceert dat onderwijsinterventies niet uitsluitend moeten inzetten op technologische uitdagingen, maar expliciet moeten investeren in een inclusief leerklimaat om drempels voor ondervertegenwoordigde groepen, zoals meisjes, weg te werken. De geobserveerde daling in identiteitsscores hoeft niet als falen geïnterpreteerd te worden. Naast ongemeten doelen zoals leerwinst, fungeerde de interventie voor velen immers als een realistische oriëntatietool om verwachtingen te kalibreren voor het hoger onderwijs.

Deze bachelorproef onderzoekt hoe laagdrempelige zintuiglijke prikkeling dwaalgedrag bij mensen met (jong)dementie kan ombuigen naar rust en geborgenheid. Aan de basis ligt een cruciale paradigmaverschuiving: afstappen van een medisch tekortmodel dat dwaalgedrag ziet als ‘probleemgedrag’, naar een sociaal-relationele benadering waarin dwaalgedrag wordt erkend als een betekenisvolle, menselijke zoektocht naar veiligheid en identiteit.

In woonzorgcentrum Wilgendries te Voorde werd een ingetogen gang van 140 meter getransformeerd op basis van onderzoeksmethodes, de levensverhalen en zintuiglijke voorkeuren van de bewoners. Interventies zoals houten voelboxen met een schapenvacht, een vogelhuisje op bewegingssensor en snuistermandjes tonen aan dat eenvoudige, herkenbare voorwerpen effectiever en duurzamer kunnen zijn dan dure technologie. Ook werd een praktijkgids ontwikkeld met onderbouwde gebruikerstips en toekomstige ideeën, voor een duurzame verankering.

Eenzaamheid bij ouderen is een groeiend gezondheidsprobleem, en sociale robots kunnen een aanvulling zijn op menselijk contact. Robots met een taalmodel praten vlot, maar luisteren slecht. Deze scriptie laat een tweede taalmodel meeluisteren dat de robot in realtime bijstuurt. In een test met zestien deelnemers en de robot Pepper werd de robot proactiever en reageerde hij in stressvolle gesprekken beter op emoties.

In veel grote magazijnen worden dozen van verschillende maten nog steeds handmatig op pallets gestapeld. Dit is zwaar fysiek werk voor magazijniers en leidt er vaak toe dat pallets niet optimaal benut worden, waardoor vrachtwagens met veel lege lucht rondrijden. In deze masterproef ontwikkelden we daarom een automatische 'Tetris-robot' die dit werk overneemt. Het systeem scant passerende dozen op de lopende band met een 3D-camera om de exacte afmetingen te bepalen. Vervolgens herkent een slim camerasysteem met artificiële intelligentie automatisch scheuren, deuken of vochtschade, waarna beschadigde dozen meteen van de band worden geduwd. Om de goedgekeurde dozen zo compact en stabiel mogelijk op elkaar te stapelen, ontwikkelden en trainden we slimme rekenmodellen en zelflerende algoritmes. Om te bewijzen dat dit ook in de praktijk werkt, bouwden we een werkend fysiek prototype met een robotarm, een vacuümgrijper en een industriële besturing, waarmee de hard- en software naadloos samensmelten tot één autonoom geheel.

Eén op de tien ouderen voelt zich eenzaam (WHO, 2025). Dat raakt niet alleen het welzijn, maar verhoogt ook het risico op onder meer hart- en vaatziekten en depressie. Sociale robots kunnen een aanvullende rol spelen in woonzorgcentra. Niet om het menselijk contact te vervangen, maar om het te versterken.

Een robot die écht een gesprek kan voeren, is echter minder evident dan het lijkt. Dankzij taalmodellen kunnen robots tegenwoordig inhoudelijk een zinvol antwoord geven, maar het gesprek voelt vaak onnatuurlijk aan. De robot heeft moeite met het einde van een zin te bepalen, een bepaald dialect te kunnen verstaan of te kunnen aangeven dat die actief aan het luisteren is. Dat laatste laten we voortdurend merken, met korte signalen zoals "mhm", "ja" of "oh wow", of met een knik. In de literatuur heten die signalen: "backchannels".

Naar aanleiding van deze masterproef werd een module ontwikkeld die Pepper, een sociale robot, laat bepalen wanneer die best een backchannel teruggeeft en welk type (een eerder neutrale "mhm" of een inhoudelijke reactie zoals "wow"). Daarbij werden twee methodes getest om dat moment te voorspellen, een regelgebaseerde en een machine-learningaanpak. Hieruit bleek dat de machine-learningaanpak voor een verhoogde betrokkenheid zorgt met de robot. Zo voelt de robot niet enkel meer natuurlijk aan, maar zorgt dit er ook voor dat mensen langer met de robot in interactie gaan.

Bij aluminiumgieterij Hassal in Kuringen worden gietvormen geprint met een 3D-zandprinter. Na het printen blijft er los zand in die vormen achter, dat een operator met de hand wegblies: ongeveer 25 seconden per kern, dag na dag. Dat werk is repetitief en delicaat, want te hard blazen beschadigt de broze vorm en achtergebleven zand geeft gebreken in het gietstuk.

Deze bachelorproef onderzoekt hoe dat nabewerken geautomatiseerd kan worden met een cobot, een robotarm die zonder veiligheidshekken naast een mens kan werken. De bestaande robotopstelling werd geëvalueerd en onbruikbaar bevonden, waarna een geschikte cobot is gekozen. Vervolgens werden een verrijdbare constructie met twee zelfontworpen draaitafels, een elektrische kast en een zelf gegoten blaasmondstuk ontworpen, gebouwd en geprogrammeerd.

De installatie reinigt acht kernen in 110 seconden, ofwel 13,75 seconden per kern tegenover 25 seconden manueel: 45 procent tijdwinst en zo'n 0,20 euro besparing per kern.

Deze thesis breidt een framework voor verklaarbare AI uit zodat het realistischere scenario's kan verwerken. Met behulp van reinforcement learning leert een AI-systeem autonoom taken uit te voeren en genereert het interpreteerbare computerprogramma's die zijn beslissingen verklaren. Dit verhoogt de transparantie, ondersteunt menselijke experts bij het valideren van AI-beslissingen en draagt bij aan betrouwbare AI-systemen.

Traditionele reanimatietraining voor verpleegkundigen steunt vaak op externe 2D-interfaces voor feedback, wat leidt tot het split-attention effect. De hulpverlener moet hierbij de aandacht verdelen tussen de fysieke handeling op de reanimatiepop en een extern scherm, wat de cognitieve belasting verhoogt en de leercurve belemmert. Deze bachelorproef onderzoekt hoe Mixed Reality (MR) technologie dit proces kan optimaliseren door real-time, intuïtieve feedback direct in het gezichtsveld
van de gebruiker te projecteren. Het doel van dit onderzoek was de ontwikkeling van een Proof of Concept (PoC) op de Meta Quest 3, waarbij sensordata van een reanimatiepop in real-time wordt gevisualiseerd via een Unity-applicatie. Een significante technische barrière in dit proces was de gesloten aard van de beschikbare communicatieprotocollen. Hoewel de fabrikant eigen ecosystemen aanbiedt, ontbreekt een publiek toegankelijke en gedocumenteerde SDK die directe integratie met de Meta Quest 3 en de Unityomgeving mogelijk maakt. Daarnaast vormt de beperkte native ondersteuning voor Bluetooth Low Energy (BLE) binnen de standaard Unity-ontwikkelomgeving voor Android-gebaseerde headsets een extra hindernis.
Om dit probleem te overbruggen, is een diepgaand technisch onderzoek uitgevoerd
naar het communicatieprotocol van de pop. Door middel van reverse engineering
technieken waaronder het decompileren van officiële software en het analyseren van Bluetooth Low Energy (BLE) pakketjes via HCI snoop logs en Wireshark op een gerouteerd Android-toestel zijn de verborgen handshakes en datacharacteristics
ontcijferd. Het resultaat is een werkend prototype dat live sensordata (zoals compressiediepte en frequentie) vertaalt naar ruimtelijke visualisaties, waaronder een ghost avatar en een dynamisch reagerend hartmodel. De voorlopige resultaten van deze PoC tonen aan dat MR in staat is om de kloof tussen haptische ervaring en visuele feedback te dichten. Dit onderzoek legt hiermee de technische fundamenten voor een nieuwe generatie medische simulatietools die verpleegkundigen effectiever kunnen voorbereiden op kritieke levensreddende situaties.

Humanoïde robots moeten in staat zijn om te navigeren op complex, ongestructureerd terrein, wat actuatoren vereist met een hoge koppeldichtheid en een sterke schokbestendigheid, evenals robuuste besturingsstrategieën voor stabiele voortbeweging.

Dit werk presenteert het ontwerp en de besturing van een hopper dat een humanoïde-been nabootst, met behulp van nieuw ontwikkelde serieel gekoppelde actuatoren. Het doel is om een onderbestuurd 3-DOF-been te creëren met verbeterde impactresistentie en springprestaties in vergelijking met state-of-the-art systemen.

Het resulterende been van 13,62 kg en 0,9 m integreert op maat gemaakte transmissie- en sensorsystemen. Er wordt een driefasige besturingsstrategie gebruikt: PD-besturing tijdens de vlucht, impedantiebesturing tijdens het bufferen en energy shaping tijdens het opstijgen.

Simulatie en experimentele validatie tonen aan dat lineaire railwrijving een aanzienlijke invloed heeft op de prestaties. Een experiment om de wrijving te schatten leverde een dimensieloze springhoogte van 1,28 op. Opvallend is dat het been een dimensieloze stijfheid van 14,25 bereikte onder impedantiebesturing, wat wijst op een verbeterde schokbestendigheid.

De industrie vereist elke dag complexere processen en logistiek, wat heeft geleid tot de opkomst van multi-agent systemen. Hierbij werken meerdere robots, voertuigen of machines in dezelfde omgeving. Dit stimuleert de behoefte aan multi-agent bewegingsplanners die de bewegingen van deze agents op een efficiënte en veilige manier coördineren en plannen.

Daarom presenteert deze scriptie een nieuwe, op model predictieve controle (MPC) gebaseerde bewegingsplanner voor holonomische multi-agent systemen, door een gedecentraliseerde formulering van de alternating direction method of multipliers (ADMM) te combineren met een gecentraliseerde formulering van control barrier functions (CBF's). De methode is ontwikkeld met het oog op, maar niet beperkt tot, industriële magnetische levitatieplatforms zoals het Beckhoff XPlanar-systeem.

De klassieke gecentraliseerde MPC-benadering blijkt te schalen met ∼ O(N^2,96), waardoor de methode onuitvoerbaar wordt bij een toenemend aantal agents. Hoewel gedecentraliseerde ADMM de tijdcomplexiteit aanzienlijk vermindert, kan deze de veiligheid niet garanderen, d.w.z. er bestaat een risico op botsingen. Daarom wordt de methode aangevuld met een extra optimalisatieprobleem waarin CBF's zijn opgenomen. Het resultaat is een veilige methode die schaalt met ∼ O(N^1,82). Deze veiligheidsgarantie stelt ons in staat om het aantal ADMM-iteraties vast te leggen, waarbij een afweging wordt gemaakt tussen prestaties en rekenkracht.

Om de realtimeprestaties verder te verbeteren, biedt dit werk een C++-implementatie van de hybride methode, die gebruikmaakt van de gedecentraliseerde ADMM-structuur door de code te parallelliseren. Dit vermindert de rekentijd voor 5 en 10 agents met respectievelijk 90,1% en 60,5%. De hybride methode wordt vervolgens kwalitatief en kwantitatief vergeleken met de gecentraliseerde MPC-methode. Ten slotte wordt een proof of concept gepresenteerd door de algoritmen te implementeren en te testen op het XPlanar-systeem.

Sinds de opkomst van krachtige AI- en deep learning-modellen is data uitgegroeid tot een essentiële en vaak beperkende factor in het ontwikkelingsproces. Waar eenvoudige modellen vaak kunnen volstaan met beperkte en eenvoudige datasets, vereisen complexere modellen – zoals die voor objectdetectie – steeds grotere en rijkere hoeveelheden gelabelde data. Dit vormt een belangrijk probleem in domeinen zoals sonarbeeldvorming, waar dergelijke datasets niet beschikbaar zijn als kant-en-klare bronnen en handmatige annotatie buitengewoon tijdsintensief en kostbaar is. Dit onderzoek richt zich daarom op de centrale vraag: hoe kunnen semi-supervised en self-supervised leermethoden het labelproces bij objectdetectie in sonardata versnellen, zonder significant verlies aan nauwkeurigheid?

Om deze vraag te beantwoorden is een experimenteel kader opgezet waarin drie benaderingen zijn onderzocht: een volledig supervised baseline gebaseerd op Faster R-CNN, een semi-supervised model met FixMatch, en een self-supervised strategie waarbij een BYOL-model wordt gepretraind en vervolgens gebruikt als backbone binnen een Faster R-CNN-architectuur. De experimenten zijn uitgevoerd op een publieke sonardataset bestaande uit 7600 gelabelde sonarbeelden. Voor de supervised baseline is het model getraind op verschillende hoeveelheden gelabelde data: 1%, 5%, 10%, 50% en 100%. De bijbehorende mAP-scores tonen een sterke daling in nauwkeurigheid naarmate de hoeveelheid gelabelde data afneemt, met resultaten variërend van 0.7717 (100%) tot slechts 0.2799 bij gebruik van 1% van de data.

In het semi-supervised scenario is FixMatch toegepast met 5% en 10% gelabelde data, terwijl de resterende data werd gebruikt als ongelabelde input. Deze aanpak resulteerde in mAP-scores van respectievelijk 0.6649 en 0.6828, wat duidelijk betere prestaties zijn dan het supervised model op dezelfde labelniveaus. Voor het self-supervised model werd BYOL gepretraind op de volledige dataset zonder labels. De representaties die dit opleverde zijn vervolgens geïntegreerd in Faster R-CNN, waarbij opnieuw 5% en 10% van de data gelabeld werd gebruikt voor training. Deze benadering leverde de hoogste nauwkeurigheid binnen de lage-labelscenario's, met mAP-scores van respectievelijk 0.6452 en 0.7230.

De resultaten van dit onderzoek tonen aan dat zowel semi-supervised als self-supervised technieken effectief zijn in het verminderen van de afhankelijkheid van handmatig gelabelde data, terwijl de modelprestaties grotendeels behouden blijven. Met name self-supervised pretraining via BYOL blijkt zeer waardevol in situaties met beperkte gelabelde data. Deze bevindingen bieden praktische aanknopingspunten voor het ontwikkelen van efficiëntere workflows in sonarbeeldanalyse, en zijn relevant voor bredere toepassingen in domeinen waar gelabelde data schaars of moeilijk te verkrijgen is. Hoewel de resultaten veelbelovend zijn, is vervolgonderzoek nodig om de generaliseerbaarheid naar andere types sonardata of real-time toepassingen te evalueren.

Robots worden steeds slimmer door extra sensoren toe te voegen, maar ironisch genoeg maakt dat ze vaak zwaarder, duurder en minder veilig. In mijn masterproef onderzocht ik hoe we robots juist veiliger kunnen maken door minder hardware en meer slimme software te gebruiken. Samen met technologiebedrijf AILOS testte ik een innovatieve, lichtgewicht tandwielkast die toelaat dat een robotarm "voelt wat er gebeurt" – zonder dat er koppelsensoren nodig zijn. Met een nieuw controlealgoritme kan de robot zo zelf inschatten wanneer hij iets/iemand raakt en zijn beweging onmiddellijk afremmen. Tests toonden aan dat de impactkrachten tot wel 40% lager liggen vergeleken met klassieke besturing. Het resultaat? Robots die niet alleen veiliger, maar ook goedkoper, energiezuiniger en duurzamer zijn – klaar om veilig naast de mens te werken, in de fabriek én in huis.

Diepgaand leren heeft het visueel waarnemingsvermogen bij autonoom rijden aanzienlijk verbeterd, maar conventionele camera's blijven beperkt door bewegingsonscherpte, een beperkt dynamisch bereik en hoge latentie. Gebeurteniscamera's, geïnspireerd door biologische visie, overwinnen deze beperkingen door asynchroon veranderingen in pixelhelderheid te detecteren. Dit mechanisme levert datastromen die schaars, temporeel nauwkeurig en zeer efficiënt zijn voor embedded toepassingen. De inherente schaarste en het gebrek aan intensiteitsinformatie in gebeurtenisgegevens bemoeilijken echter het extraheren van onderscheidende kenmerken en vormen uitdagingen voor de training van neurale netwerken. Daarnaast lijden gangbare datasets zoals CIFAR10-DVS aan een niet-uniforme verdeling van gebeurtenissen door het gebruik van lineaire of polygonaal gevormde bewegingstrajecten tijdens de opname, wat leidt tot periodieke artefacten.
Om deze beperkingen te overwinnen, evalueert dit proefschrift systematisch gebeurtenisrepresentaties—waaronder gestapelde afbeeldingen, voxelrasters en tijdoppervlakken—met standaard CNNs om optimale architecturen voor embedded implementatie te identificeren. Door gebruik te maken van transfer learning met vooraf getrainde ImageNet-modellen wordt de nauwkeurigheid onder beperkte dataomstandigheden aanzienlijk verbeterd. Experimentele resultaten tonen aan dat volledige fine-tuning van het hele netwerk noodzakelijk is om zich aan te passen aan de unieke eigenschappen van gebeurtenisgebaseerde gegevens. Het voorgestelde model integreert dropout, L2-regularisatie en een meerfasig leersnelheidsschema om de trainingsstabiliteit en generalisatie te bevorderen. Met deze co-designbenadering behaalt EfficientNetB0 een nauwkeurigheid van 81,05% op CIFAR10-DVS bij verwerking van gebeurtenissen binnen één temporeel venster.
Voor implementatie identificeert inspectie met het Xilinx Vitis Al-platform TensorFlow's MobileNetV2 als de optimale keuze dankzij volledige compatibiliteit met DPU-hardwareversnellers. Hoewel post-training pruning op basis van globale kanaalrangschikking is onderzocht, is de effectiviteit beperkt door het inherent gebrek aan redundantie in het model. Daarentegen compenseert quantization-aware training (QAT) succesvol het nauwkeurigheidsverlies tijdens INT8-kwantisatie, waarmee real-time prestaties (2,8 ms/frame) bij een ultralaag energieverbruik (1,77 mW) worden bereikt op het KV260 embedded platform.
Gemotiveerd door de beperkingen van bestaande datasets wordt een nieuw acquisitieplatform voorgesteld, waarbij gebruik wordt gemaakt van een Dobot-robotarm voor continue cirkelvormige beweging geïnspireerd op biologische oogbewegingen. Deze methode genereert uniforme gebeurtenisverdelingen en elimineert periodieke artefacten die aanwezig waren in eerdere datasets, wat robuustere training en evaluatie van neurale netwerken op gebeurtenisgegevens ondersteunt.

Mijn masterproef onderzoekt of gendergelijkheid kan fungeren als buffer tegen de negatieve economische gevolgen van vergrijzing. Uit een analyse van data van 85 landen (2006-2024) blijkt dat gendergelijkheid de impact van vergrijzing kan verzachten, maar dat het effect sterk afhankelijk is van de context.

Machinebouwer Cteso werkt in samenwerking met een druktankproducent uit Limburg aan de
ontwikkeling van een productiemachine voor duurzame druktanks. De huidige opstelling gebruikt
de KUKA KR 1000 Titan robot, die hoge investeringskosten met zich meebrengt, een aanzienlijke
structurele verankering in de vloer vereist en de nodige expertkennis voor het programmeren
vraagt. Bovendien kan de bestaande machine slechts één formaat druktank produceren. Daarom
richt deze masterproef zich op het ontwerpen van een kosteneffectiever alternatief dat toelaat
druktanks in verschillende formaten te produceren, met vereenvoudigde vloerverankering en verbeterde
programmeerbaarheid.
In eerste instantie werd een simulatie uitgevoerd om de exacte bewegingen van de KUKArobotarm
in kaart te brengen, gevolgd door een analyse van de robotgrijper die de druktank
vasthoudt. Daarna volgden opstellen van het eisenpakket, het functieblokschema en het morfologisch
overzicht. Deze leidden tot een nieuw mechanisch concept, dat werd geëvalueerd via
simulatie en onderworpen aan een kosten-batenanalyse.
Het finale concept gebruikt een XYR-systeem (twee translatieassen en één rotatieas). Het biedt
de flexibiliteit om druktanks te produceren met lengtes tussen 500 en 3000 mm en diameters
van 160 tot 460 mm . Hoewel het systeem veelzijdiger is, blijft de totale investeringskost lager,
terwijl de vloerverankering eenvoudiger is en de programmatie gebruiksvriendelijker.

Probleemstelling: De snelle vooruitgang in genetisch onderzoek en de toenemende integratie van genetische toepassingen in de eerstelijnszorg stellen hoge eisen aan de kennis en competenties van toekomstige artsen. Hoewel genetica is opgenomen in het Vlaamse geneeskundecurriculum, blijft onduidelijk in welke mate laatstejaarsstudenten beschikken over voldoende feitelijke genetische kennis en in hoeverre hun zelfinschatting hiermee overeenkomt. Psychologische factoren zoals motivatie en zelfeffectiviteit kunnen hierin een rol spelen, maar worden zelden in samenhang onderzocht.
Methode: In deze masterpraktijkproef werd een vragenlijst ontwikkeld die peilt naar zelfgepercipieerde en feitelijke genetische kennis bij Vlaamse laatstejaarsstudenten geneeskunde. Daarnaast bevat het instrument metingen van motivatie, zelfeffectiviteit en zekerheidsinschatting. Het onderzoek heeft een kwantitatief, cross-sectioneel ontwerp en richt zich uitsluitend op de constructie en theoretische onderbouwing van het meetinstrument. De inhoud is gebaseerd op bestaande gevalideerde instrumenten, waaronder de International Genetic Literacy and Attitudes Survey (iGLAS), de General Self-Efficacy Scale (GSES) en de Intrinsic Motivation Inventory (IMI). De afname en data-analyse maken geen deel uit van deze masterpraktijkproef, maar kunnen plaatsvinden in vervolgonderzoek.
Resultaten en Conclusie: Het eindresultaat is een theoretisch onderbouwd en praktijkgericht meetinstrument dat genetische competenties benadert vanuit zowel inhoudelijke als psychologische invalshoeken. Door de integratie van diverse cognitieve niveaus en inhoudsdomeinen biedt de vragenlijst een breed inzetbaar kader voor toekomstig onderzoek naar genetische kennis bij geneeskundestudenten. Het instrument is beschikbaar in het Nederlands en het Engels en is klaar voor vervolgonderzoek.

Deze masterproef onderzoekt de wisselwerking tussen de Algemene Verordening Gegevensbescherming (GDPR) en de nieuwe Europese verordening inzake artificiële intelligentie (AI Act) met bijzondere aandacht voor de rol van menselijk toezicht bij geautomatiseerde besluitvorming. Vertrekkend van de centrale onderzoeksvraag hoe de AI Act het kader van de GDPR voor human oversight versterkt of daarvan afwijkt, wordt een doctrinale juridische methode gevolgd. De analyse omvat primaire rechtsbronnen, waaronder de GDPR en de AI Act met hun voorbereidende documenten en relevante rechtspraak van het Hof van Justitie, evenals beleidsrichtsnoeren en academische literatuur.

De studie toont aan dat artikel 22 GDPR, dat het recht biedt om niet te worden onderworpen aan uitsluitend geautomatiseerde besluiten met rechtsgevolgen of een vergelijkbaar significant effect, in de praktijk op aanzienlijke beperkingen stuit. De criteria “uitsluitend geautomatiseerd” en “significant effect” blijken moeilijk toepasbaar en de vereiste van menselijke tussenkomst blijft inhoudelijk vaag. De AI Act introduceert daarentegen een risicogebaseerd regelgevend kader dat voor hoog-risicosystemen proactieve waarborgen oplegt, waaronder specifieke verplichtingen inzake menselijk toezicht die al in de ontwerpfase moeten worden ingebouwd en gedurende de werking van het systeem behouden.

Hoewel de AI Act zo enkele structurele tekortkomingen van de GDPR corrigeert, blijven fundamentele vragen bestaan over de reikwijdte en de effectiviteit van het opgelegde toezicht. Niet alle maatschappelijk risicovolle toepassingen vallen immers onder de hoog-risicocategorie en de wettelijke vereisten voor daadwerkelijke menselijke controle laten ruimte voor interpretatie en voor louter symbolische naleving. De analyse maakt duidelijk dat het juridisch verankeren van een menselijke factor in processen die per definitie niet-menselijk beslissen een hardnekkige spanning blootlegt: het blijft een onoplosbare paradox om menselijk toezicht als waarborg op te leggen in een domein dat precies gekenmerkt wordt door geautomatiseerde systemen.

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

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

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

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

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

Deze scriptie onderzoekt hoe digitale taaltools – woordenboeken, machinevertaling (DeepL) en generatieve AI (ChatGPT) – de spreekvaardigheid in een vreemde taal beïnvloeden. Dertig studenten bereidden in groep een Engelstalige presentatie voor met één toegewezen tool. De presentaties werden geanalyseerd op vloeiendheid en woordenschat, en beoordeeld door een docent. Ook vulden de studenten een enquête in over hun ervaringen. De resultaten wezen uit dat de DeepL-gebruikers het vlotst spraken, terwijl de ChatGPT-gebruikers de rijkste en meest academische woordenschat hanteerden. Beide groepen presteerden beter dan de woordenboekgroep. Uit de enquête bleek dat DeepL vooral werd gebruikt voor woordenschat, terwijl ChatGPT hielp bij ideeën en argumentatie. De studie wijst op het potentieel van digitale tools in het vreemdetalenonderwijs, op voorwaarde dat studenten leren om ze kritisch en doelgericht in te zetten.

De evolutie van artificiële intelligentie (AI) biedt nieuwe mogelijkheden voor de marketing- en evenementensector, met name binnen contentcreatie. Deze bachelorproef onderzoekt hoe AI-tools op een efficiënte en effectieve manier kunnen bijdragen aan het verbeteren van contentcreatie binnen de evenementensector, met House of Entertainment als opdrachtgever.
Aan de hand van een literatuurstudie, interviews met experts, het uittesten van AI-tools en een enquête bij 386 respondenten (op een vooropgestelde steekproef van 385, met een betrouwbaarheid van 95%) werd vastgesteld dat AI vooral meerwaarde biedt in de voorbereidende fasen van contentcreatie. Denk hierbij aan het brainstormen over ideeën, het genereren van basiscontent zoals teksten of visuals en het structureren van content. Tools zoals ChatGPT, Midjourney en Adobe Firefly blijken zowel in de praktijk als in dit onderzoek vaak gebruikt te worden, wat hun relevantie en toegankelijkheid onderstreept. Ook Ubersuggest bleek een waardevolle aanvulling, vooral bij het optimaliseren van content op basis van zoekwoorden en SEO.
AI kan helpen om repetitieve taken en het creëren van content te versnellen, maar vervangt menselijke creativiteit niet. Kritische tussenkomst door mensen blijft essentieel voor het waarborgen van kwaliteit, nuance en merkbeleving. Vooral bij emotioneel geladen of merkgevoelige communicatie is menselijke controle en verfijning cruciaal. AI is dus vooral geschikt als ondersteunend hulpmiddel bij functionele of informatieve content.
Deze bachelorproef biedt House of Entertainment en de rest van de evenementensector een helder overzicht van enkele bruikbare AI-tools en concrete aanbevelingen voor een verantwoorde implementatie. De resultaten tonen dat AI het potentieel heeft om de efficiëntie van contentcreatie te verhogen, mits de tools strategisch worden ingezet en medewerkers voldoende worden opgeleid.
Deze studie levert niet alleen academische inzichten op, maar biedt ook praktische richtlijnen voor de evenementensector om AI op een doordachte en toekomstgerichte manier te implementeren in hun takenpakket.

Deze scriptie onderzoekt hoe Belgische particuliere beleggers in hun beslissingen worden beïnvloed door cognitieve biases — systematische denkfouten zoals verliesaversie, overmoed en confirmation bias. Aan de hand van een enquête bij 246 beleggers toont het onderzoek aan dat deze biases vaak leiden tot irrationeel gedrag, zoals het vasthouden aan verlieslatende aandelen of het overschatten van eigen kunnen. De studie benadrukt het belang van gedragsinzichten in de financiële wereld, zowel voor beleggers zelf als voor adviseurs en beleidsmakers.

De ridge air-filled substrate integrated waveguide (ridge AFSIW) wordt voorgesteld als een oplossing voor de tegenstrijdige vereisten op vlak van lage verliezen en miniaturisatie voor de voedingsstructuren van antenneroosters
bij millimetergolffrequenties (mmWave). Een uitgebreide parameteranalyse leidt tot een pareto-optimale dimensionering. Van een dergelijke ridge AFSIW, geoptimaliseerd voor gebruik op 28 GHz, werd een prototype gemaakt en gekarakteriseerd. Om de toepasbaarheid van de ridge AFSIW in het ontwerp van mmWave-componenten aan te tonen, is een derde-orde gekoppelde-resonatorfilter ontworpen, dat de n257 (26,5 GHz - 29,5 GHz) band afdekt.
De voorgestelde ridge AFSIW maakt dus de weg vrij om geminiaturiseerde mmWave-componenten met lage verliezen te realiseren in next-generation ultra-efficiënte antenneroostersystemen.

Drijfveren van macro-economische inkomensongelijkheid in OESO-landen, met een specifieke focus op de rol van inflatie.

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.

Deze scriptie behandelt hoe computersimulaties gebruikt kunnen worden om dieren in de natuur na te bootsen, specifiek springspinnen. Met deze simulaties kan er zowel onderzoek gedaan worden naar het gedrag van de spinnen als naar mogelijke designs voor een springende robot. Om deze simulaties uit te voeren werd er gebruik gemaakt van evolutionaire algoritmen, om zo de ontwikkeling van het dier in echte evolutie na te bootsen.

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.

Mijn masterproef is vertrouwelijk, gelieve mij te contacteren indien mijn onderzoek de volgende ronde haalt.

Astronauten voorbereiden op ruimtewandelingen op aarde is uitdagend vanwege de aanwezigheid van zwaartekracht. Dit onderzoek, uitgevoerd in informele samenwerking met de Europese Ruimtevaartorganisatie, presenteert een bewijs van concept voor het simuleren van nul-zwaartekrachtomgevingen met behulp van virtual reality (VR). Het ontwikkelde systeem, genaamd ZeroTraining, omvat twee belangrijke subsysteem: ZeroPGT en ZeroArm. ZeroPGT is een VR-toepassing die een Extravehicular Activity (EVA)-omgeving simuleert, terwijl ZeroArm een haptisch feedbacksysteem van het encounter-type is dat een controller fysiek uitlijnt met virtuele objecten, waardoor gebruikers de sensatie van het hanteren van nul-zwaartekrachtobjecten kunnen ervaren. Verschillende fundamentele uitdagingen werden aangepakt, waaronder de ontwikkeling van een aangepaste IK FABRIK-algoritme, het tot stand brengen van naadloze communicatie tussen de VR-headset en de robotarm, het fabriceren van de end-effector en het implementeren van hardwareverbeteringen aan de robotarm. De haalbaarheid van het systeem werd gevalideerd door een gebruikservaringsstudie met 10 deelnemers, die een significant potentieel onthulden ondanks de huidige robotbeperkingen en de noodzaak voor verdere verbeteringen.