Scriptiebank overzicht

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.

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.

Voeding is altijd een belangrijk onderdeel van mensen hun leven geweest en meer dan ooit is er nood aan concrete en betrouwbare informatie over voeding op maat van de consument. Adviezen over wat ‘gezonde voeding’ nu juist inhoudt en modellen die mensen visueel helpen om tot een gezond voedingspatroon te komen, worden al meerdere decennia gepubliceerd. In België werd het eerste officiële voorlichtingsmodel, het Klavertje Vier, in de jaren 1960 gepubliceerd en de daaropvolgende jaren veranderden voedingsvoorlichtingsmodellen drastisch. Het doel is te achterhalen hoe deze modellen zijn geëvolueerd tot de Voedingsdriehoek zoals we hem vandaag kennen. En te kijken op welke informatie de Belgische en later de Vlaamse overheid zich baseerde om deze modellen te creëren.
Aan de hand van een uitgebreide literatuurstudie zijn we allereerst op zoek gegaan naar de evolutie van de voedingswetenschap omdat dit de basis is van voedingseducatie en voorlichtingsmodellen. De kennisbank van het CAG en (achtergronddocumenten van) Gezond Leven brachten waardevolle informatie aan. Vervolgens onderzochten we de oorsprong van voedingseducatie waarbij het CAG en artikels gepubliceerd door Peter Scholliers en historische kookboeken zoals ‘Ons Kookboek’ interessante bronnen waren. Voor de evolutie van de modellen hebben we diverse bronnen geraadpleegd: websites, boeken en kookboeken... Ook hebben we Erika Vanhauwaert geïnterviewd, zij stond namelijk aan de basis van de ontwikkeling van de Voedingsdriehoek, waardoor ze waardevolle ongepubliceerde informatie kon geven. Krantenartikels uit De Standaard en HLN, gaven ons een breed beeld van wat de reactie was op de modellen door het algemene publiek en experten.
Voedingsvoorlichtingmodellen zijn vaak veranderd in Vlaanderen doorheen de jaren. Sinds het begin van voedingsonderzoek in de late 19e eeuw tot nu is voedingsvoorlichting geëvolueerd van simpele brochures en boekjes om deficiëntieziekten te voorkomen, naar visuele modellen op voedingsmiddelenniveau om welvaartsaandoeningen te voorkomen en naar modellen die een zo holistisch mogelijk beeld proberen te schetsen van voedingspatronen. Voedingsadviezen werden eerst door zowat iedereen verspreid, maar vandaag de dag houdt de overheid zich bezig met de publicatie van een eenduidig voorlichtingsmodel. Ook het doelpubliek waartoe de modellen zich richtten veranderde, eerst waren het vooral educatietools voor gezondheidsprofessionals, waarna ze meer en meer voor de algemene bevolking werden ontwikkeld. Het onderzoek dat voorafgaat aan de publicatie van de modellen wordt steeds uitgebreider met de jaren om zoveel mogelijk factoren te implementeren voor een zo integraal mogelijk beeld op gezondheid. Ondanks dit uitgebreid onderzoek stuiten de modellen echter steeds op kritiek en is het duidelijk dat modellen geregeld herzien en aangepast moeten worden om te blijven voldoen aan veranderingen in de maatschappij.
Voeding is een snel evoluerende wetenschap en van fundamenteel belang voor de algemene gezondheid. Uit het verleden leren we dat het belangrijk is om duidelijke en onderbouwde voedingsadviezen en voorlichtingsmodellen de wereld in te sturen die makkelijk te begrijpen zijn voor de algemene bevolking en aangepast worden op basis van de nieuwste wetenschappelijke consensus.

Few fields in human life benefit from what we call ‘climate change’. The consequences of climate change become apparent and are obstructing–sometimes taking–our lives. This is reason enough to anticipate them and implement mitigation and adaptation strategies through policymaking. However, climate model outputs are plagued with uncertainty; this fact evokes controversy about how they should be interpreted, communicated, and used in decision-making. What do these models tell us and should we base any policy decisions on their outcomes if these are highly uncertain? To warrant our trust in the model outcomes regarding decision-making, the sources of and reasons for the uncertainty should be well-understood.
In this thesis, I investigate the emergence of uncertainty in climate model projections. More precisely, I examine what elements throughout the modelling process are the reason for the uncertainty in the outcomes and how this should be interpreted. Is trust in the outcomes warranted? I evaluate this question as a philosopher of science, conducting a philosophical analysis of the climate modelling process and the concepts related to it.
I cast light on the question by analysing climate modelling in three main ways: through a conceptual analysis of ‘model’, ‘climate’, and ‘system’, through an analysis of the experience of ‘climate’, and from a technical perspective by examining the construction of single-model components, coupled global earth system models, and model ensembles.
When considering how the climate is experienced, I find that it is not clear how it could be experienced since it is a scientifically constructed concept. On the other hand, knowledge of this scientific concept may influence our interpretation of weather phenomena. Furthermore, there are many phases in the model-building process; each phase introduces errors and therefore uncertainty that is carried along to the subsequent phases. Observational data is used to estimate some free values in the model. Choosing which values to align with the data on the one hand and with the physical theory on the other hand requires expert opinion. It is a matter of debate whether the outcomes are trustworthy when they result from alignment with observational data, at the expense of adequate representation of the physical processes. The choices made form a source of subjective uncertainty, while the technical constraints of the chosen approach introduce errors. The concept of ‘adequacy-for-purpose’ means that a model is never adequate relative to the entire climate system, but more apt to answer some questions and less apt to answer others.
Overall, there are three important elements to remember: first, a climate model is built to gain insight into climate phenomena that are highly uncertain. Although the model includes uncertainty too, it reduces the uncertainty in the climate phenomena per se. Secondly, climate models are never ‘true’, but can be adequate for their intended purpose. Using climate model outcomes for answering questions they were not built for will result in meaningless responses. Lastly, including more models and more plausible scenarios will result in more different outcomes; if these outcomes are, on average, closer to the ‘truth’, this should not be a problem. Converging outcomes does not necessarily mean they are more correct. Obtaining more correct average answers, by evaluating more models and more scenarios, is a good practice.

De scriptie test de koppeling uit van een CME simulatiemodel met verschillende voorspellingsmodellen voor geomagnetische indices. Voor de resultaten hiervan worden dan verschillende statistische maatstaven berekend om te kwantificeren hoe goed de voorspellingen zijn na deze koppeling.

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.

Als antwoord op de onmenselijke leefomstandigheden in Belgische gevangenissen veroorzaakt door structurele overbevolking, personeelstekorten, frequente stakingen en verouderde infrastructuur, pleit VZW De Huizen voor de implementatie van kleinschalige, gedifferentieerde en sociaal verankerde ’detentiehuizen’. Hoewel het politiek en maatschappelijk draagvlak hiervoor groeit, is er nog maar weinig onderzoek gedaan naar hoe hun architectuur kan bijdragen aan humane detentie. Gezien steeds meer onderzoek wijst in de richting dat de gebouwde omgeving ons welzijn en gedrag beïnvloedt, heeft deze thesis als doel de kennis over de rol van architectuur in het creëren van meer humane detentieomgevingen te verruimen. Aangezien dataverzameling in gevangenissen vaak een hele uitdaging is, is een bijkomend doel van deze thesis het testen van secundaire analyse als methode voor kwalitatief onderzoek binnen detentie-omgevingen.

In tegenstelling tot België zijn er een aantal andere Europese landen met een lange traditie van kleinschalige detentie. Op basis van maatschappelijke relevantie en data-beschikbaarheid werden een aantal kleinschalige gevangenissen voor moeders met jonge kinderen geselecteerd, en onderling vergeleken. Deze projecten waren afkomstig uit drie Europese landen: Duitsland, Italië en Spanje. Om context te scheppen werden ook de detentiepraktijken rond moeders met jonge kinderen in gewone gevangenissen in België onderzocht. De bevindingen suggereren dat ruimtelijk ontwerp weldegelijk kan bijdragen aan het meer humaan maken van detentieomgevingen. Terugkerende ruimtelijke aspecten die mogelijks bijdragen, zijn het gebruik van ’zachte’ veiligheidsmaatregelen, alledaagse of speelse gevels, kleurrijke interieurs, ruime privécellen met gewoon meubilair, huiselijke gemeenschappelijke ruimtes en (buiten)speelplekken voor kinderen.

Over het algemeen steunde het ontwerp van de bestudeerde projecten vaak op gelijkaardige concepten als die van De Huizen. Over het algemeen deelden ze ook dezelfde doelstelling, namelijk het minimaliseren van detentieschade, vooral voor de kinderen. De Belgische Basiswet van 2005 schrijft een soortgelijk schadebeperkingsbeginsel voor, wat de relevantie van het onderzoek voor de Belgische context verder ondersteunt. Hoewel de analyse van bestaand materiaal nuttig was om data in kaart te brengen en enkele ogenschijnlijk relevante inzichten opleverde, is verder
primair onderzoek nodig om inzicht te krijgen in de ervaringen van gedetineerden.

De fotosynthetische capaciteit van verschillende boomsoorten en lianen werd voor de allereerste keer vergeleken tussen twee sites in het Amazonewoud enerzijds en één site in het Centraal-Afrikaanse regenwoud anderzijds. De fotosynthese was opvallend hoger in het Afrikaanse bos. We zouden dus best verschillende parameters gebruiken voor beide regenwouden in vegetatiemodellen. Zo kunnen we klimaatverandering en de impact ervan beter voorspellen. Dit onderzoek kan helpen om meer aandacht te vestigen op het vaak vergeten Afrikaanse regenwoud.

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

Onderzoeksvraag:

De overgang van het basisonderwijs naar het secundair onderwijs is niet makkelijk voor gezinnen. Om gezinnen daarin te ondersteunen, organiseren ze in Hasselt jaarlijks een Onderwijsbeurs. Tijdens de vorige edities van de Onderwijsbeurs hadden de betrokken organisaties, waaronder dienst Flankerend Onderwijsbeleid, de scholen en het Huis van het Kind, waar ik stage liep, het aanvoelen dat er niet veel gezinnen met een andere moedertaal gebruik maakten van het aanbod op de beurs. Dit terwijl Hasselt een stad is die wel wat diversiteit kent. Het HvhK vroeg mij om op zoek te gaan naar manieren om gezinnen met een andere moedertaal dan het Nederlands te bereiken en te betrekken op de Onderwijsbeurs, zodat ook zij de nodige ondersteuning kunnen krijgen tijdens deze transitie.

Daaruit ontstond de onderzoeksvraag: Hoe kunnen Huizen van het Kind gezinnen, waaronder in het bijzonder gezinnen met een andere moedertaal dan het Nederlands, met een migratieachtergrond, … ondersteunen en begeleiden tijdens de transitie naar het secundair onderwijs?

Korte samenvatting bachelorproef:

De Bachelorproef richt zich op drie veranderingsdoelen om gezinnen met een andere moedertaal dan het Nederlands beter te bereiken en te ondersteunen.

De vaststelling dat gezinnen waarvan Nederlands niet de thuistaal is, moeilijk worden bereikt op de Onderwijsbeurs door onvoldoende afgestemde informatie bracht mij bij het veranderingsdoel: Stad Hasselt en Huis van het Kind stemmen hun onderwijsaanbod beter af op deze gezinnen en bereiken hen effectiever op de Onderwijsbeurs. Door middel van de invalshoek taal- en cultuursensitiveit in de hulpverlening maakte ik kennis met het TOPOI-model en een diversiteitsbenadering om stereotype benaderingen te vermijden en de communicatiewaaier om communicatie te verbeteren. Op basis van tips uit deze modellen kom ik tot concrete voorstellen om het oorspronkelijke aanbod en materiaal aan te passen aan de doelgroep (bv. gebruik van pictogrammen en schema’s). Naast het afstemmen van het aanbod is het essentieel dat gezinnen door een vertrouwd gezicht, zoals de leerkracht, worden toegeleid naar dit aanbod.

Tijdens het proefproject dat ingevoerd werd ter ondersteuning van gezinnen waar Nederlands niet de thuistaal is, merkte ik dat de huisbezoeken concrete theoretische onderbouwing en uitwerking misten. Daaruit ontstond het veranderingsdoel: Huis van het Kind Hasselt zorgt voor een theoretisch onderbouwd kader voor huisbezoeken om het project duurzaam te maken. De invalshoek outreachend werken implementeerde werkvormen en modellen met een focus op zorgmissers. Een outreachend project volgt idealiter zes fases en houdt rekening met noodzakelijke competenties van de ondersteuner. Vanuit deze theorie werkte ik een draaiboek uit als houvast voor toekomstige ondersteuners in het project, met daarin aandacht voor meertaligheid en maatwerk. Hierbij is het noodzakelijk om de toekomstige uitvoerder van de huisbezoeken te bepalen: een professional óf een vrijwilliger, student, … die begeleiding nodig heeft.

Toen bleek dat ouders en kinderen steeds vaker samen de school- en studiekeuze maken, maar niet altijd dezelfde belangen hebben, ontstond het veranderingsdoel: Ouders en kinderen worden ondersteund om samen in gesprek te gaan (onder begeleiding van een hulpverlener) over hun wensen en noden omtrent de schoolkeuze. Via de invalshoek begeleiding van ouders en kinderen doorheen het keuzeproces kwam ik terecht bij gesprekskaders zoals de determinatietheorie en het systeem- en contextgericht perspectief. De kaders van driehoekgesprekken en bemiddeling bieden daarnaast ondersteuning om gemeenschappelijke belangen van ouder en kind te identificeren. Ik ontwikkelde een schoolkeuzespel met handleiding voor professionals om het keuzeproces te faciliteren. Kind en ouder leren elkaars belangen kennen en de professional neemt een bemiddelende rol op tijdens het spel. Een testfase dient verder te onderzoeken of de aanwezigheid van een professional noodzakelijk is voor een onderbouwd verloop, of dat het spel ook zelfstandig door gezinnen gespeeld kan worden.

Door deze veranderingsdoelen na te streven, streven we naar een inclusiever en effectiever onderwijs- en ondersteuningssysteem voor gezinnen waarvan Nederlands niet de thuistaal is. De concrete aanpassingen in het huidige materiaal en de ontwikkelde materialen zoals het draaiboek en het schoolkeuzespel kunnen bijdragen aan een betere afstemming van het aanbod op de noden van deze gezinnen, waardoor zij beter bereikt en betrokken worden.

In het kader van het project transitiemanager sloegen de Universiteit Hasselt, Hogeschool PXL en Hogeschool UCLL de handen ineen om samen met, onder meer, de Stad Hasselt en de gemeente Diepenbeek, een gedragsverandering bij studenten en personeelsleden te realiseren. Het onderzoek richt zich op de totstandkoming van mobiliteitsinitiatieven die bijdragen aan een duurzamer verplaatsingsgedrag op en rond onderwijscampussen. Hiervoor werden interviews gehouden met onderwijsinstellingen uit binnen- en buitenland. De best practices uit deze interviews hebben geleid tot de opstelling van maatregelenpakketten met toekomstige maatregelen voor de Universiteit Hasselt.

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

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

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

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

Dengue, een door muggen overgedragen virus, vormt een belangrijke wereldwijde bedreiging voor de gezondheid, vooral in tropische en subtropische gebieden. Met een toenemende incidentie en geografische verspreiding zijn effectieve vaccinatiestrategieën cruciaal voor het beperken van de gevolgen. Dit proefschrift onderzoekt het gebruik van
multi-objectieve multi-armed bandit (MOMAB) algoritmen om optimale vaccintoewijzing te identificeren voor de onderdrukking van dengue-epidemieën, waarbij medische werkzaamheid en monetaire kosten tegen elkaar worden afgewogen.

Het onderzoek gaat na of MOMAB-algoritmen efficiënt een subset van optimale vaccinatiestrategieën kunnen identificeren op basis van stochastische simulaties. Door het dengue-model van Recker et al. uit 2009 uit te breiden met ondersteuning voor vaccinatiestrategieën en leeftijdsheterogeniteit, simuleerden we de effecten van 53 verschillende strategieën.

We pasten verschillende MOMAB-algoritmen aan voor Pareto Front Identification (PFI) en stellen ook een volledig nieuw Top-two Pareto Front Thompson Sampling (TTPFTS) algoritme voor de PFI setting. Om de kwaliteit van de aanbevelingen van de beschouwde algoritmen te evalueren, hebben we drie metrieken ontwikkeld: de Bernoulli metriek, de Jaccard similarity metriek en de Hypervolume metriek.

Uit tests over 100 experimentele herhalingen met een beperkt budget van 30.000
simulaties bleek dat de algoritmen Pareto UCB1, TTPFTS en Pareto Thompson Sampling
consistent uitstekend presteerden in termen van efficiëntie en stabiliteit, en drastisch beter presteerden dan de momenteel gebruikte Uniform Sampling-methode.

De bevindingen tonen aan dat PFI MOMAB-algoritmen effectief zijn in het identificeren van optimale vaccinatiestrategieën voor de bestrijding van dengue op een efficiënte manier. Dit onderzoek draagt bij aan de optimalisatie van vaccinatieprogramma's en biedt een robuust besluitvormingskader voor volksgezondheidsfunctionarissen die geconfronteerd worden met de uitdaging van dengue-epidemieën. Het onderzoek onderstreept het potentieel van MOMAB-algoritmen om de strategische inzet van vaccins, ziektebeheer, en ziektebestrijding te verbeteren.

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.

Dit onderzoek benadrukt het belang van diversiteit in Vlaamse lerarenkamers en lerarenopleidingen en hoe een inclusiever lerarenkorps kan bijdragen aan gelijke kansen voor leerkrachten én leerlingen. Om dit te onderzoeken, interviewen we dertien diverse leerkrachten en studenten van kleur binnen de lerarenopleiding, zij vormen de basis voor onze analyse en bespreking van de verzamelde gegevens. Zo komen we uit op zowel positieve als negatieve tendensen die de loopbaan van (toekomstige/ex-) leerkrachten van kleur beïnvloeden. Deze tendensen omvatten o.a. de volgende elementen: (h)erkenning van culturele strijd, de kracht van (atypische) rolmodellen, taalbarrières en racisme. De noden, behoeften en mogelijke oplossingen van de geïnterviewden zijn in kaart gebracht. Op basis van deze data ontwikkelden we de tool: ‘Colourful Confessions: Leerkrachten van kleur aan het woord’, waarmee alle leerkrachten een positieve bijdrage kunnen leveren aan een inclusiever en diverser lerarenkorps.

Lianen zijn structurele parasieten die bomen beklimmen om toegang te krijgen tot de bovenste bladerdaklaag. Hun abundantie en biomassa nemen toe in de Neotropen, wat waarschijnlijk de werking van deze tropische gebieden beïnvloedt. Lianen hebben minder structureel weefsel en beperken de groei van bomen, waar door de aangetaste bossen minder koolstof vastleggen. Hun bladreflectie is gemiddeld hoger dan die van bomen, wat de spectrale signatuur van de tropische bossen verandert.
Deze studie onderzoekt de structurele en biochemische bladkenmerken van lianen en bomen in een secundair tropisch regenwoud in Panama. De onderzochte kenmerken omvatten bladdikte, equivalente waterdikte (C), bladmassadichtheid (LMA) en koolstof- en stikstofgehalte, evenals hun stabiele isotopen δ13C en δ15N. Daarnaast wordt de bladreflectie tussen 350 en 2500 nm onderzocht, met de focus op verschillen tussen de twee groeivormen en hoe deze kenmerken variëren met seizoensveranderingen. Door een combinatie van bladkenmerkmetingen en hyperspectrale reflectiegegevens, werden statistische testen en lineaire gemengde effectenmodellen gebruikt om de gegevens te analyseren.
De resultaten onthullen significant lagere LMA, C en δ13C-gehalte voor lianen dan voor bomen. Seizoensgebondenheid heeft geen significant effect op de bladkenmerken. De reflectie van lianenbladeren is significant hoger dan die van bomen in twee van de vier waterbanden in het kortgolvig infraroodgebied en het groene gebied. Daarnaast beïnvloeden seizoensvariaties de reflectie-eigenschappen van bomen. Ze blijken significant verschillende reflecties te hebben tussen seizoenen in de twee overgebleven waterbanden en het nabij-infraroodgebied. Lianen daarentegen worden niet significant beïnvloed door seizoensgebondenheid in de vooraf bepaalde banden. De Kullback-Leiber divergentie van de reflectiespectra tussen seizoenen is meer dan 4 keer groter voor bomen dan voor lianen. Deze bevindingen suggereren dat onderzoek naar de reflectie van boombladeren seizoensgebondenheid in aanmerking moet nemen. Voor lianen daarentegen lijkt de reflectie weinig beïnvloed door seizoensgebondenheid. Zowel de bladkenmerken als de reflectie van lianen lijken stabiel te zijn gedurende het natte en droge seizoen.
Onze bevindingen suggereren dat de onderscheidende structurele en biochemische kenmerken van lianen en bomen een cruciale rol spelen in hun ecologische strategieën en interacties binnen het bosecosysteem. Verder benadrukt de studie het potentieel van hyperspectrale reflectie als een proxy voor het monitoren van blad v kenmerken. Deze inzichten dragen bij aan een beter begrip van de ecologische rollen van lianen en bomen en hun reacties op milieuveranderingen, wat essentieel is voor het voorspellen van de gevolgen van klimaatverandering voor tropische bosecosystemen

In de Westerse samenleving speelt emotie een belangrijke rol in hoe mannelijk mannen geacht worden. Deze studie gaat de connectie na tussen emotie en mannelijkheid door de rol van gendernormen te onderzoeken in de emotieregulatie van Belgische Gen Z en Babyboomer mannen. Door jongere en oudere mannen te vergelijken, konden mogelijke veranderingen nagegaan worden tussen generaties. Hiervoor werden diepte-interviews afgenomen met acht Gen Z en acht Babyboomers. Uit de analyse kwam een tweeledige gevoelsregel naar voren die vormgaf aan hun emotieregulatie: ten eerste leest de regel dat (sombere) emoties, met uitzondering van boosheid, een zwakte zijn. Bijgevolg betekent dit dat emotionele expressie op een praktische, bijkomstige manier hoort te gebeuren. Hierbij is de expressie terloops, rationeel en oplossingsgericht. Dit script reflecteert de patriarchale definitie van mannelijkheid als kracht, rationaliteit en zelfredzaamheid. Contradictorisch aan de verwachting waren er weinig verschillen tussen Gen Z en Babyboomers in emotionele expressie. Sterke verschillen waren echter op te merken binnen de generaties op vlak van geografie. Rurale mannen in beide generaties hadden conservatievere overtuigingen en internaliseerden de patriarchale norm meer, terwijl stedelijke mannen progressiever waren en de patriarchale norm meer verwierpen. Dit contrast bekrachtigt de huidige polarisering in de Belgische samenleving. Ondanks contestatie van de patriarchale norm, conformeerden ook de stedelingen echter meestal aan de gevoelsregel. Dit patroon bevestigt een cyclus die moeilijk te doorbreken is omdat een non-patriarchale cultuur voor emotionele openheid onder mannen nog niet opgebouwd en genormaliseerd is.

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.

Elk kunstwerk is onderhevig aan degradatie die veroorzaakt kan worden door een verscheidenheid aan factoren. De risico's die werken lopen zijn afhankelijk van de technieken en materialen die gebruikt werden door de kunstenaar. Conservatiemaatregelen proberen de degradatie van kunstwerken als gevolg van ouderdom of omgevingsfactoren te beperken door de opslag- en tentoonstellingsomstandigheden te controleren. Periodieke beeldvorming en fysisch-chemisch onderzoek zijn belangrijke conservatietaken. De meeste erfgoedinstellingen verzamelen en bewaren de vergaarde informatie over hun kunstcollecties digitaal. Deze data in combinatie met machine learning kan dienen als een essentiële bron van informatie en als een niet-invasieve methode voor diepgaande analyses van kunstwerken. De meeste conservatoren hebben echter niet voldoende kennis over machine learning om dit zelf te implementeren, wat betekent dat samenwerking met ingenieurs noodzakelijk is. Zij begrijpen op hun beurt niet altijd de uitdagingen binnen conservatieonderzoek. Deze masterthesis is dan ook bedoeld als een startpunt voor zowel conservatoren als ingenieurs die meer willen weten over de toepassingen van machine learning in kunstconservering. De focus ligt op vier grote thema’s binnen de conservatie van schilderijen: de leesbaarheid van technische beelden verbeteren, pigmentanalyse, detectie van schade, en voorspellen van schade.

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.

Histonen zijn eiwitten die het DNA in de celkern helpen oprollen en structureren, zodat het compact blijft en toegankelijk is voor celprocessen. Ze spelen een cruciale rol in genregulatie en de vorming van chromatine. Hoewel de binding van metalen aan histonen al decennia wordt onderzocht, ontbreekt nog steeds overtuigend bewijs voor hun biologische functie. Recente studies toonden wel aan dat koper in de functionele vorm en ijzer in de lineaire vorm aan histonen kan binden. Deze masterthesis onderzoekt of ijzer ook in de biologische conformatie aan histonen kan binden. Hiervoor worden twee modellen ontwikkeld: een eiwitmodel, waarbij bacteriële expressie werd gebruikt om de histonen te vormen en hun ijzerbindingscapaciteit te testen, en een cellijnmodel, waarbij histonen in cellen werden geactiveerd of uitgeschakeld om hun rol in ijzerbinding te bestuderen.

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

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

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.

Deze scriptie onderzoekt met behulp van een computersimulatie de invloed van verschillende omgevingsfactoren zoals nutriëntenniveaus en disrupties op de evolutie van cellulaire hechtingsterkte in bacteriële biofilms. Dit is relevant in de medische sector (o.a. besmetting van patiënten en medisch gereedschap), maar ook voor allerlei industriële toepassingen zoals corrosie van metalen installaties.

Om te groeien zetten bomen koolstofdioxide (CO2) om in biomassa met behulp van
energie die ze halen uit licht (fotosynthese). Dit proces wordt ook wel koolstofvastlegging
genoemd en zo absorberen bossen zo’n 27% van de jaarlijkse wereldwijde uitstoot van
fossiele brandstoffen. CO2 is een broeikasgas dat warmte vasthoudt en door een enorme
stijging in onnatuurlijke uitstoot in de laatste decennia, zoals door industrialisatie en
ontbossing, is het een cruciale factor in klimaatverandering. Bomen absorberen niet enkel
koolstof uit de lucht, ze houden die ook vast voor een erg lange tijd, bijvoorbeeld in hun
boven- en ondergrondse biomassa. Zo’n 45% van de koolstof op aarde is opgeslagen in
bossen. Daarom bieden bossen veelbelovende toepassingen in de wereldwijde
initiatieven tegen klimaatopwarming. Het beheer van deze bossen speelt hierin een
sleutelrol, maar wetenschappers zijn het nog niet eens of het in deze context juist beter
is om bossen wel of niet te beheren. In deze thesis werden geavanceerde teledetectietechnieken gebruikt om de bovengrondse koolstofvoorraden in een Atlantisch (Nationaal
Park Brabantse Wouden, Vlaanderen, België) en Mediterraan (Catalonië, Spanje)
studiegebied te modelleren, gebaseerd op veldmetingen die als referentie dienden. Paren
en tripletten van beheerde en onbeheerde bossen werden vergeleken om vier
onderzoeksvragen te beantwoorden: 1) Is de combinatie van meerdere teledetectiebronnen superieur voor het schatten van de bovengrondse koolstofvoorraad? 2) Wat is
het effect van bosbeheer op de koolstofvoorraad? 3) Wat is het effect van bosbeheer op
koolstofvastlegging? 4) Wat is het effect van de koolstofvoorraad en het bosbeheer op de
kwetsbaarheid voor kruinbranden? De combinatie van verschillende teledetectiebronnen
bleek voordelig om koolstofopslag te voorspellen, vooral voor hoge biomassa’s. Uit de
veldgegevens in België bleek vervolgens dat onbeheerde bossen een hogere
koolstofopslag hebben dan beheerde bossen. Hoewel het bekomen model accuraat
genoeg voorspellingen maakte, werd dit verschil echter niet succesvol gedetecteerd door
het teledetectie-model, o.a. door saturatie bij signaaldetectie. In Spanje werd geen
verschil in koolstofopslag gemeten, en werd geen succesvol model verkregen. Het
gevarieerde reliëf, het tekort aan observaties en de technologische tekortkomingen
bieden hiervoor een verklaring. Vervolgens werd de koolstofopslag in België geschat voor
alle jaren tussen 2017 en 2023 volgens het finale model, om vervolgens de
koolstofvastlegging doorheen de tijd te berekenen. Hierbij werd geen verschil gevonden
tussen beheerde en onbeheerde bossen, mogelijks omdat ze nog niet lang genoeg
onbeheerd waren of het verschil niet gedetecteerd werd door teledetectie. Klimaatrampen
zoals bosbranden vormen een grote bedreiging voor de koolstofopslag in bossen, zeker
in droogtegevoelige regio’s zoals Spanje. In dit studiegebied werd een kwalitatieve
analyse gedaan naar het verband tussen koolstofopslag, bosbeheer, en de gevoeligheid
voor kruinbranden (waarbij het vuur zich via de kruin aan hoge snelheid verspreidt).
Beheerde bossen zijn over het algemeen minder gevoelig voor kruinbranden, maar er
werd geen verband gevonden met de totale koolstofopslag. Echter, hoe meer biomassa
in kleine bomen opgeslagen is, hoe gevoeliger, omdat het vuur via deze lage vegetatie
de kruin kan bereiken. Verder onderzoek naar de invloed van concrete beheersregimes
kan leiden tot meer specifieke beheersrichtlijnen.

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.