Scriptiebank overzicht

Leden uit subculturele BDSM-gemeenschappen groeperen zich in digitale ruimtes als de FetLife-website. De toenemende interesse in kink en BDSM is weerspiegeld in het aantal academische studies die het onderwerp vanuit verschillende invalshoeken benaderen, maar The Next Generation (TNG), namelijk jongere leden tussen 18 en 35 jaar, blijft onderbelicht. Het doel van deze studie was om de lived experiences van TNG binnen de online community te bestuderen via walkthroughs en semigestructureerde interviews, gecodeerd door middel van close reading en thematische analyse. Onderzoeksvragen betroffen gebruik van het platform, doel van gebruik, ervaringen rond veiligheid en betekenisgeving van intimiteit. De resultaten tonen aan dat FetLife fungeert als hybride omgeving waarin gebruikerservaringen vorm krijgen doormiddel van interactie tussen platformarchitectuur, waarden van de gemeenschap en bredere sociale structuren. Ervaringen verschillen volgens genderidentiteit, ervaringsniveau en positionering binnen de community. Doelstellingen convergeren rond informatieverwerving en betrokkenheid tot de gemeenschap, maar verschillen in bewustzijn over risico’s, waarbij vrouwen en non-binaire gebruikers namelijk voorzichtiger omgaan met het platform en beschermende strategieën hanteren. Tenslotte wordt intimiteit ervaren als gelaagd concept dat verder reikt dan louter seksualiteit.

Belgian military infrastructure is entering a decisive investment cycle in which new-build projects, major renovations and electrical modernisation must support both climate objectives and operational resilience. This thesis addresses two questions: (1) which energy design criteria should guide defence infrastructure projects and (2) how an existing medium-voltage network can evolve into a resilient microgrid.

The study combines analysis of internal documentation and processes with a literature review and market consultations. First, the future planning process for military barracks is evaluated, alongside the internal technical design instructions. These instructions are updated to reflect recent HVAC developments. Cost-reduction strategies and a decision-support approach for early design stages are discussed, including an assessment of simplified modular building concepts and the outsourcing of geothermal energy systems.

Second, the thesis explores the adaptations needed to the medium-voltage network. The increasing integration of distributed energy sources, reliability demands and exposure to cyber risks require rethinking traditional networks. A conceptual framework is developed to convert the existing medium-voltage network into a resilient microgrid, including definitions, key components and a step-by-step roadmap.
Overall, the thesis provides practical design improvements for the cost-efficient implementation of military energy systems. Proposed measures include savings of up to 53% for new-build projects.

Herval na een depressieve episode vormt nog steeds een belangrijk klinisch knelpunt,
hoewel behandelingen in de acute fase doorgaans doeltreffend zijn. Een mogelijke interventie om dit te voorkomen is cognitieve controletraining (CCT), gericht op onderliggende cognitieve kwetsbaarheden. Binnen dit domein wordt de adaptieve Paced Auditory Serial Addition Task (aPASAT) beschouwd als een van de meest veelbelovende en veelbestudeerde varianten. Deze studie onderzocht hoe depressieve symptomen zich doorheen de tijd ontwikkelen bij personen met depressie in remissie, en welke rol aPASAT hierin kan spelen. Zes participanten werden opgevolgd via een single-case experimenteel design met een multiple-baseline-opzet, waarbij de
duur van de baselinefase (twee, drie of vier weken) varieerde tussen groepen om toeval en tijdseffecten uit te sluiten. Gedurende drie fasen (baseline, interventie, monitoring) werden symptomen dagelijks gemeten via een visuele analoge schaal (VAS) 0-100. De resultaten tonen een heterogeen en overwegend bescheiden responspatroon. Slechts bij een deel van de participanten werd een significante symptoomdaling vastgesteld, terwijl bij anderen geen effect of zelfs een tijdelijke toename optrad. Bij een deel van de participanten trad de symptoomverbetering pas op tijdens de monitoringfase, wat wijst op een mogelijk vertraagde werkzaamheid van CCT. Symptomen daalden niet geleidelijk, maar bleven eerder stabiel binnen elke fase. De ernst van de klachten bij aanvang leek modererend. Participanten met hogere beginscores vertoonden eerder een merkbaar effect. Toekomstig onderzoek met grotere, meer diverse steekproeven is nodig om na te gaan hoe individuele kenmerken het effect van CCT modereren, hoe de behandeling hierop afgestemd kan worden, en wanneer en hoe lang behandeleffecten optreden. Daarnaast verdient de verkenning van aanvullende of alternatieve interventies verdere aandacht om herval bij depressie effectiever te voorkomen.

De verspreiding van multiresistente bacteriën heeft geleid tot een antibioticaresistentie-crisis. Hierdoor is er een noodzaak voor het ontwikkelen van nieuwe antimicrobiële strategieën en een mogelijke oplossing is het gebruik van faagtherapiën. Fagen zijn virussen die specifiek bacteriën aanvallen. Ze bezitten receptor-bindende proteïnen (RBPs) die tijdens een infectie worden gebruikt voor het herkennen en hechten aan hun gastheer. In deze thesis werd onderzocht hoe fagen kunnen getraind worden om hun RBPs aan te passen om beter gewenste bacteriën aan te vallen.

Deze thesis onderzoekt hoe tijdelijke, zintuiglijke interventies in de publieke ruimte spontane ontmoeting en sociale verbondenheid kunnen stimuleren. Aan de hand van de Hoedhaar wijk te Lokeren werden verschillende ‘Sociale Micro Scenario’s’ ontworpen en getest. Hoe kunnen kleine ingrepen rond geur, beeld, aanraking en beweging mensen uitnodigen om te vertragen, te blijven en contact te maken met anderen, zonder dat ontmoeting wordt opgelegd.

De snelle opkomst van Large Language Models (LLM's) roept vragen op over hun omgang met low-resource-talen en het daarin vervatte culturele gedachtegoed. Deze studie onderzoekt hoe general-purpose LLM's culturele concepten uit het Latijn vertalen, met de epigrammen van Martialis als casus. Om de aard van deze vertaalverschuivingen te kwantificeren, is een handmatige annotatie uitgevoerd volgens het Multidimensional Quality Metrics (MQM)-framework, gefaciliteerd door aangepaste categorieën en een speciaal hiertoe ontwikkelde applicatie. Hierbij worden de vertalingen door de modellen Gemini 3.1 Pro, M365 Copilot Chat en Kimi-K2.6 vergeleken met de brontekst en twee menselijke referentievertalingen. Uit de analyse blijkt enerzijds een duidelijke tendens naar letterlijkere, generiekere vertalingen die culturele nuance missen, anderzijds een assimilerende vertaalstrategie, vermoedelijk gedreven door een Engelstalige bias in de trainingsdata. Bij de modelvergelijking produceerde Gemini 3.1 Pro significant minder verschuivingen dan de andere twee modellen. Ten slotte tonen de resultaten aan dat langere bronteksten resulteren in een proportioneel hoger aantal verschuivingen per vers.

De aanhoudend dalende resultaten voor begrijpend lezen, zoals zichtbaar in internationale studies als PISA en PIRLS, en de invoering van de nieuwe minimumdoelen Nederlands markeren een keerpunt voor het Vlaamse basisonderwijs. Deze studie focust specifiek op de fundamentele visieverandering binnen het domein Nederlands: de wetenschappelijke verschuiving van het trainen van losse leesstrategieën naar een
kennisrijk curriculum vraagt om een herziening van de didactische praktijk. Voor veel leerkrachten blij de vertaalslag van deze abstracte, bindende doelen naar de dagelijkse klaspraktijk echter een complexe uitdaging.
Deze bachelorproef onderzoekt hoe de theoretische kaders rond kennisrijk onderwijs vertaald kunnen worden naar bruikbaar lesmateriaal. De centrale onderzoeksvraag luidt: Hoe kan een praktijkgericht ondersteuningspakket, gebaseerd op de specifieke noden en uitdagingen van leerkrachten in het Vlaamse lager onderwijs, de voorbereiding op en implementatie van de nieuwe, kennisrijke minimumdoelen voor
begrijpend lezen ondersteunen? Het doel is leerkrachten concrete handvaten te geven waarmee ze de nieuwe minimumdoelen in de klaspraktijk kunnen uitvoeren.
Het onderzoek is opgebouwd als een triangulatie van bronnen: een literatuurstudie met comparatieve analyse van de oude eindtermen en de nieuwe minimumdoelen, een digitale nodenbevraging bij 42 Vlaamse leerkrachten en zorgleerkrachten, en een semigestructureerd interview met een ervaren zorgcoördinator.
Uit de literatuurstudie blijkt dat leesbegrip niet verbetert door strategie-instructie in isolatie, maar door thematische kennisopbouw, conceptuele coherentie en convergente differentiatie. De nodenbevraging bevestigt die nood: leerkrachten geven aan dat de huidige methodes te verarmd zijn, dat klasdiversiteit hun grootste struikelblok vormt en dat de tijd ontbreekt om zelf rijker materiaal te ontwikkelen. Als antwoord op deze noden werd een lessenreeks van drie lessen over de Olympische Spelen voor het 4de leerjaar ontwikkeld, met volledig uitgewerkte leerkrachtenhandleidingen, leerlingenbundels en een digitale app met klikbare woordverklaringen en een ingebouwde thuistaaloptie voor anderstalige leerlingen. Les 1 werd uitgetest door een leerkracht in het vierde leerjaar van basisschool De Zonnetuin.

Het onderzoeken van machines en technieken voor chemievrije onkruidbestrijding in de gewasrij bij sierteelt. Hiervoor worden veel machines en onderdelen beschreven, maar ook andere technieken op zich. Voor de proef zelf werd een machine gebruikt die is ontworpen door ILVO en Vanhoucke Machine Engineering. Er werden nog enkele aanpassingen aan gedaan en veel software aanpassingen om de machine op punt te krijgen voor de sierteelt. Het hele proces wordt beschreven in de thesis.

Mijn eindproef onderzoekt de haalbaarheid en ontwikkeling van een multifunctioneel sportcomplex in Cotonou, Benin, op vraag van de Port Autonome de Cotonou. Het project vertrekt vanuit de vaststelling dat er nood is aan kwalitatieve en toegankelijke sportinfrastructuur die aansluit bij de lokale context en behoeften.

De centrale onderzoeksvraag luidt: Hoe kan de ontwikkeling van een multifunctioneel sportcomplex in Cotonou bijdragen aan sportparticipatie en talentontwikkeling en bovendien maatschappelijke meerwaarde creëren binnen een financieel haalbaar en duurzaam exploitatiemodel?

Om deze vraag te beantwoorden, bracht ik de lokale sportcontext, bestaande infrastructuur, behoeften van verschillende doelgroepen en relevante stakeholders in kaart. Op basis van dit onderzoek deed ik aanbevelingen voor de mogelijke realisatie van het sportcomplex. Daarbij werd niet alleen gekeken naar de ruimtelijke en sportieve invulling, maar ook naar de manier waarop het complex op lange termijn kan functioneren.

De eindproef resulteert in een totaalconcept voor een sportsite waarin verschillende sporten en gebruikers samenkomen. Naast het ruimtelijke voorstel omvat de studie ook een businessplan, financieel plan, risicoanalyse en een faseringsplan. Zo biedt de eindproef een onderbouwd kader voor de mogelijke verdere ontwikkeling van een sportcomplex dat sportieve, maatschappelijke en economische doelstellingen met elkaar verbindt.

De opkomst van grote taalmodellen, zoals OpenAI’s ChatGPT, zet het Europese auteursrecht onder druk door de grootschalige verwerking van beschermde literaire werken als trainingsdata. Uit recente Amerikaanse procedures tegen Meta en Anthropic bleek dat dergelijke trainingsdata miljoenen illegaal verspreide boekkopieën omvatten. Deze masterproef onderzoekt de juridische toelaatbaarheid van het gebruik van auteursrechtelijk beschermde literaire werken uit digitale schaduwbibliotheken, zoals Library Genesis, voor de training van commerciële generatieve AI-modellen binnen het huidige Europese auteursrechtelijke kader en of dit kader toereikend is.

Het onderzoek vertrekt vanuit een analyse van het Unierechtelijk normatieve kader, met bijzondere aandacht voor het reproductierecht, het gesloten systeem van wettelijke uitzonderingen en de commerciële TDM‑uitzondering van artikel 4 DSM‑richtlijn. Centraal staat de interpretatie van ‘rechtmatig toegankelijke werken’, een constitutief vereiste voor de toepasbaarheid van de TDM‑uitzondering. Tegen deze normatieve achtergrond kwalificeert het onderzoek schaduwbibliotheken als structureel inbreukmakende bronnen. Commerciële AI‑aanbieders die dergelijke bronnen gebruiken, kunnen zich bijgevolg niet beroepen op de commerciële TDM‑uitzondering. Zelfs indien AI‑training onder het begrip TDM zou vallen, blijft deze bronvereiste een absolute drempel.

Een rechtsvergelijkende analyse met de Amerikaanse fair use-doctrine toont een structureel verschil met het continentaal Europese gesloten systeem van uitzonderingen, maar ook een opvallende convergentie in uitkomst. De Amerikaanse schikking in Bartz v. Anthropic illustreert dat AI-aanbieders een enorm juridisch risico lopen bij het gebruik van trainingsdata uit schaduwbibliotheken.

De thesis onderzoekt vervolgens de effectiviteit van het Europese handhavingskader. Verschillende obstakels die de praktische afdwingbaarheid ondermijnen, komen aan bod. Hoewel de AI‑verordening aanvullende verplichtingen inzake transparantie en naleving auteursrecht introduceert, blijven deze voorlopig onvoldoende uitgewerkt om effectieve private handhaving te waarborgen.

De masterproef concludeert dat het gebruik van werken uit digitale schaduwbibliotheken voor AI‑training onverenigbaar is met het Europese auteursrecht. Hoewel het normatieve kader juridisch duidelijk is, schiet de praktische handhaving tekort. Een norm die niet afdwingbaar is, verliest onvermijdelijk haar regulerende kracht in een digitale economie die grenzen moeiteloos overschrijdt.

Vanaf schooljaar 2026-2027 moeten Vlaamse basisscholen binnen de vakdiscipline Nederlands ook literatuur onderwijzen als elementair onderwerp. Het nieuwe minimumdoel 1.5.7 stelt dat leerlingen verbanden moeten leggen tussen elementen uit de tekst en hun eigen emoties en gedachten en deze met medeleerlingen bespreken. Hoewel er een groeiende evidentie is dat het lezen van literatuur zelfinzicht, empathie en inlevingsvermogen kan bevorderen, ontbreekt empirisch onderzoek binnen de Vlaamse basisschoolcontext. Deze masterproef adresseert deze lacune met twee gerelateerde
onderzoeksdoelen.
Het eerste doel was het valideren van de Transformative Reading Experiences Questionnaire (TREQ) voor gebruik in de basisschool, in de vorm van een aangepaste basisschoolversie (TREQ-C). De vragenlijst werd ingevuld door 368 leerlingen (leeftijd 10-13) uit elf Vlaamse basisscholen. Een principale componentenanalyse, aangevuld met een exploratieve factoranalyse en betrouwbaarheidsanalyse, toonde aan dat de originele zeven-dimensionale structuur niet volledig repliceerde. Een herziene vierdimensionale versie bleek wel robuust: Verbeelding, Zelfinzicht en inzicht in de ander, Oordelen over personages en Emotionele en esthetische respons. De TREQ-C
vertoonde een aanvaardbare tot goede betrouwbaarheid, met Zelfinzicht en inzicht in de ander als de sterkste schaal (α = .84).
Het tweede doel was het verkennen van het effect van een interventie bestaande uit zes dialogische literatuurlessen, gebaseerd op Transformative Dialogic Literature Teaching (TDLT), op 59 leerlingen uit het vijfde en zesde leerjaar. Een pre-post design zonder controlegroep toonde een klein maar significant positief effect op Zelfinzicht en inzicht in de ander (t(58) = 2.07, p = .043, d = 0.27); op de andere schalen werden geen significante effecten gevonden.
Samen leggen deze bevindingen een voorlopige empirische basis voor het evalueren en ondersteunen van transformatief literatuuronderwijs in Vlaamse basisscholen, in lijn met de verwachtingen in het vernieuwde curriculum

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.

Wereldwijde ontbossing blijft een alarmerend groot probleem, met de uitbreiding
van de landbouw en illegale houtkap als belangrijkste oorzaken. Illegaal verkregen
hout maakt 10–30 % uit van de totale wereldwijde handel in houtproducten.
Sinds juni 2023 heeft de Europese ontbossingsverordening (EUDR) de Europese
houtverordening (EUTR) vervangen, waarbij nog steeds wordt vertrouwd op een due
diligence approach. De EUDR erkent echter dat de volledige effectiviteit van deze
regelgeving fundamenteel afhangt van de beschikbaarheid van robuuste, wetenschappelijk
onderbouwde methoden waarmee de opgegeven geografische oogstlocatie
van risicovolle bosproducten (hout, soja. . . ) betrouwbaar kan worden geverifieerd.
In deze masterscriptie maken we gebruik van georefereerde datasets met
stabiele isotopen- en multi-elementgegevens van verschillende houtsoorten. We
ontwikkelen een nieuwe voorspellingsmethode op basis van conformal predictoin
(CP), met onderliggende Random Forest-modellen. Deze methodologie wordt gebruikt
om zowel landen als aaneengesloten gebieden te voorspellen. Voor de afzonderlijke
landen maken we gebruik van zowel Least Ambiguous set-valued Classifier
(LAC) CP als adaptive prediction set (APS) CP. Daarnaast vertalen we de voorspelde
aaneengesloten gebieden naar landen, waardoor een directe vergelijking tussen
de afzonderlijke en de aaneengesloten benadering mogelijk wordt. We constateren
dat het gebrek aan referentiegegevens de grootste beperking blijft bij het toewijzen
van de herkomst van hout. Onze resultaten tonen echter aan dat CP inderdaad in
staat is om voorspellingen betrouwbaarder en robuuster te maken, en om interpreteerbare
resultaten te leveren.

Deze masterthesis onderzoekt hoe endotheelcellen, die van nature niet gespecialiseerd zijn in antigeenpresentatie, toch een actieve rol kunnen spelen in de opwekking van anti-tumor T-celrespons. Wanneer kankercellen sterven via immunogene celdood (ICD), stoten ze specifieke signalen (DAMPs) uit die het omliggende weefsel activeren. Het onderzoek toont expliciet aan dat endotheelcellen, ondanks dat ze geen professionele antigeenpresenterende cellen (APC's) zijn zoals dendritische cellen, door deze ICD-signalen "opgeleid" kunnen worden om toch antigenen van tumorcellen op te nemen en te presenteren via MHC-moleculen. Zo fungeren ze als niet-professionele APC's die bijdragen aan de anti-tumor immuunrespons.
Met behulp van co-cultuursystemen (MS1 en HUVEC endotheelcellen), CRISPR-Cas9 knockouts (CD74, CD80, H2-D1) en in vivo vaccinatiemodellen werd onderzocht in welke mate deze niet-professionele antigeenpresentatie door endotheelcellen bijdraagt aan het activeren van T-cellen tegen tumoren. Dit werk draagt bij aan het begrijpen van de tumor micro-omgeving en biedt mogelijk nieuwe aanknopingspunten voor kankerimmuuntherapie.

Overtraining bij sportpaarden is een multifactorieel probleem dat ontstaat door een langdurige disbalans tussen trainingsbelasting en herstelcapaciteit. Aangezien training bij paarden in de praktijk nog vaak intuïtief wordt gestuurd, onderzocht deze bachelorproef hoe subjectieve parameters in combinatie met objectieve meetwaarden ingezet kunnen worden om overtraining vroegtijdig te detecteren. Dit gebeurde aan de hand van een literatuurstudie, alsook praktijkgericht onderzoek. Op basis van de literatuur werden gedragsmatige, welzijnsgerelateerde en fysiologische parameters geselecteerd en verwerkt in een afvinklijst met 10 vragen voor mogelijke overtraining. Deze lijst werd toegepast bij 15 sportpaarden die zich aanboden voor een inspanningstest in Dierenkliniek de Bosdreef. Aanvullend werd de afvinklijst geëvalueerd via retrospectieve casussen.
Dit resulteerde in een totale dataset van 150 antwoorden, 10 per individueel paard. Er was een sterke aanwezigheid van negatieve scores: er werd 137 keer ‘nee’ geantwoord (91,3%) versus 13 keer ‘ja’ (8,7%). Dit wijst erop dat de symptomen van overbelasting binnen de testpopulatie relatief schaars waren. De resultaten tonen wel aan dat de ontwikkelde afvinklijst een betrouwbaar model is voor signalering van mogelijke overtraining.
Paarden met een score van ≥4/10 vertoonden afwijkingen zoals een verlaagd pieklactaat, een langdurig verhoogde rusthartslag en rustademhaling, snellere vermoeidheid en/of prikkelbaarheid, exponentieel gewichtsverlies en verhoogde spierstijfheid. Er werd bij één paard binnen de testpopulatie een patroon van overtraining vastgesteld met een score van 7/10. Dit kon naast de afvinklijst geïllustreerd worden met een sterk verlaagd maximaal lactaatgehalte van slechts 4,4 mmol/L in contrast met het groepsgemiddelde van gezonde paarden van 13,6 mmol/L. Ook bevestigden de retrospectieve casussen dit beeld van de lactaattest curve.
Verdere validatie van de voorgestelde drempelscore en standaardisatie van detectiemethoden voor overtraining binnen grotere populaties blijft noodzakelijk.
Het sportpaard thuis monitoren met behulp van het opgemaakte model is essentieel om het welzijn en de prestaties van sportpaarden te waarborgen.

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.

De grondreactiekracht en het grondreactiemoment zijn belangrijke variabelen om het blessurerisico tijdens het sporten in te schatten, maar konden tot nu toe enkel in gespecialiseerde laboratoria gemeten worden. In mijn scriptie ontwikkelde ik verschillende biomechanische modellen om de grondreactiekracht en het grondreactiemoment te berekenen op basis van draagbare sensoren die geïntegreerd werden in een loopbroek, zodat ze altijd en overal gemeten kunnen worden. Vervolgens werden de modellen zo accuraat mogelijk gemaakt, zowel met als zonder AI.

Dit onderzoek richt zich op de effectiviteit van Nederlandstalige preventieprogramma’s tegen seksueel grensoverschrijdend gedrag (SGG) in het secundair onderwijs en onderzoekt de ervaringen van Vlaams schoolpersoneel met deze programma’s. Er is gebruikgemaakt van een mixed-methods benadering. Enerzijds is een inhoudsanalyse uitgevoerd van zeventien Nederlandstalige preventieprogramma’s. Anderzijds is een zelfrapportage enquête afgenomen bij 57 schoolmedewerkers die betrokken zijn bij relationele en seksuele vorming, inclusief de preventie van SGG.

De analyse toont aan dat geen enkel preventieprogramma volledig voldoet aan de achttien wetenschappelijk onderbouwde criteria voor effectieve interventies. Wel bevatten de meeste programma’s enkele positieve elementen, zoals actieve leervormen en duidelijke handleidingen. Tegelijkertijd blijken herhalingssessies, genderspecifieke kennis en ouderbetrokkenheid vaak te ontbreken. Uit de bevraging blijkt bovendien dat leerkrachten regelmatig programma’s aanpassen of zelf samenstellen, wat de effectiviteit onder druk kan zetten. Daarnaast geeft een aanzienlijk deel van het schoolpersoneel aan zich momenteel onvoldoende bekwaam of opgeleid te voelen om het thema SGG adequaat te behandelen bij middelbare scholieren.

Kortom, de bevindingen onderstrepen de nood aan een overkoepelend kader voor de evaluatie van SGG preventieprogramma’s. Duidelijke richtlijnen en structurele ondersteuning zijn essentieel om leerkrachten in staat te stellen het thema op een veilige, doeltreffende en wetenschappelijk onderbouwde manier aan te kaarten. Het systematisch trainen van schoolpersoneel vormt hierbij een cruciale stap. Een open, goed ondersteunde meldcultuur kan uiteindelijk bijdragen tot vroegtijdige detectie en preventie van SGG en kan mogelijk een daling in prevalentie tot gevolg hebben.

AI-systemen worden steeds complexer, maar de ontwikkeling van tools om hun transparantie en veiligheid te waarborgen blijft achter. Deze scriptie introduceert de AI Bill of Materials (AIBOM), een uitbreiding op de Software Bill of Materials (SBOM), als een gestandaardiseerd en verifieerbaar overzicht van getrainde AI-modellen en hun omgevingen. Het proof of concept platform AIBoMGen automatiseert het aanmaken van ondertekende AIBOMs door tijdens de training datasets, modelmetadata en omgevingsdetails vast te leggen. Het platform fungeert als neutrale derde partij en garandeert dat elke trainingssessie een verifieerbare AIBOM oplevert. Met cryptografische hashing, digitale handtekeningen en in toto attestation wordt de integriteit beschermd tegen manipulatie. Evaluaties tonen aan dat AIBoMGen ongeautoriseerde wijzigingen betrouwbaar detecteert met minimale prestatie-impact. De resultaten laten zien dat AIBoMGen een belangrijke stap vormt richting veilige en transparante AI-ecosystemen die voldoen aan regelgeving zoals de Europese AI Act.

Satellietcommunicatiesystemen hebben af te rekenen met verschillende vormen van interferentie en vereisen robuuste communicatiemethoden om betrouwbare dataoverdracht te kunnen garanderen. Dit leidt tot extra complexiteit bij zowel de zender als de ontvanger, die hiervoor vaak specifieke hardware nodig hebben om rekenintensieve bewerkingen uit te voeren. Software-defined radio (SDR) modems vormen een software-gebaseerde alternatief dat meer flexibiliteit biedt. Het nadeel is echter dat ze doorgaans minder goed presteren.

Deze thesis onderzoekt of een graphics processing unit (GPU) ingezet kan worden om een snellere dataverwerking toe te laten in een SDR-modem, met als doel de prestaties aanzienlijk te verbeteren. De focus ligt hierbij op een suppressed carrier demodulator, een veelgebruikte maar rekenintensieve stap binnen SDR-ontvangers.

Er werd uitgebreid onderzoek gedaan naar de werking van de suppressed carrier demodulator, een belangrijke stap bij het optimaliseren ervan. Daarnaast werd de GPU-technologie bestudeerd, met aandacht voor architectuur, geheugenhiërarchie, programmeermodellen en de selectie van een geschikte GPU-kaart. SYCL werd gekozen als programmeermodel vanwege zijn flexibiliteit, platformonafhankelijkheid en ontwikkeld ecosysteem.

De bestaande demodulator werd geanalyseerd om knelpunten en kritische componenten in kaart te brengen. Op basis daarvan zijn twee parallellisatiestrategieën voorgesteld, elk met een verschillend niveau van parallelisme. Voor één van deze strategieën werd een proof of concept ontwikkeld, waarbij vier belangrijke componenten van de demodulator werden geparallelliseerd. Aan de hand van testbenches werden deze componenten afzonderlijk geëvalueerd. Hierbij werd het potentieel van GPU-parallellisatie duidelijk aangetoond, met snelheidsverbeteringen tot 12,5 keer onder de typische werkomstandigheden van de demodulator. Tijdens de integratie in de demodulator werd echter een onverwachte overhead vastgesteld, wat de prestaties negatief beïnvloedde. Door deze te compenseren werd de snelheidslimiet van 8 Msym/s op 11 Msym/s gebracht, wat overeenkomt met een versnelling van 37,5%.

Ondanks de beperkte prestatiewinst bij de integratie, toonden de afzonderlijke componenten aan dat door GPU-parallellisatie aanzienlijke datasnelheden behaald kunnen worden. De aparte componenten zijn momenteel al in staat tot deze hogere prestaties, maar worden beperkt door de architectuur van de demodulator. Deze studie vormt daarmee een stevige basis voor verdere ontwikkeling, waarbij het upgraden van dit proof of concept naar de tweede parallellisatiestrategie aanbevolen wordt om het volledig potentieel van de GPU te benutten.

Deze scriptie onderzoekt hoe gesimuleerde warmtesignaturen van 3D-modellen uit videogames gebruikt kunnen worden om een AI-systeem te bouwen dat militaire tanks op realtime niveau kan herkennen en classificeren op basis van infraroodbeelden.

Met de groeiende adoptie van cloud computing rijzen vragen over de veiligheid van data en de betrouwbaarheid van cloudproviders. Blind vertrouwen is daarbij riskant, vooral voor gevoelige informatie. Deze scriptie onderzoekt de SVSM-vTPM, een technologie voor onafhankelijke attestatie, en test de toepasbaarheid in publieke clouds zoals AWS, Azure en Google Cloud. Het onderzoek laat zien dat directe inzet nog niet mogelijk is, brengt de beperkingen en fouten van bestaande provideroplossingen in kaart, en ontwikkelt een praktische aanpak voor reproduceerbare attestatie op Azure, zodat organisaties hun data beter kunnen controleren en beschermen.

This thesis evaluates the credibility of a multi-constituent microstructurally-informed finite element model of arterial tissue. Understanding the link between arterial microstructure and mechanical function is essential for defining cardiovascular diseases like atherosclerosis and aneurysms. Representative volume element (RVE) models are increasingly used to explore this link by efficiently connecting microstructure to mechanics. However, many existing RVEs lack experimental calibration using tissue with selectively modified constituents, systematic validation across loading conditions, and biofidelic microstructural networks. Furthermore, there is limited understanding of how uncertainties in input parameters affect model predictions. Therefore, this study aims to assess and improve the credibility of an RVE model by addressing these gaps through detailed characterisation. The model is evaluated against experimental data from both native and enzymatically-treated tissue, and parameter sensitivity analyses are conducted.

To achieve this, uniaxial tensile tests were performed on native porcine aortic samples. Crucially, to isolate the mechanical roles of key constituents, samples were treated with the enzymes collagenase or elastase to deplete collagen or elastin, respectively. The resulting data calibrated and validated the RVE model, focusing on the collagen and elastin networks and the model’s anisotropic predictive capacity. Subsequently, a surrogate model based on an artificial neural network emulated the RVE’s mechanical response, enabling efficient Sobol' sensitivity analysis of six key microstructural, mechanical, and model parameters.

Enzymatic depletion confirmed distinct constituent roles: collagen-deficient tissue exhibited a linearised response with slight stiffening at high strains, whereas elastase-digested samples demonstrated increased compliance but lost structural integrity. RVE model validation emphasised the importance of accurately representing the anisotropic architecture. Furthermore, the sensitivity analysis revealed that uncertainties in six key input parameters substantially influence RVE output variance, with elastin properties predominantly governing low-strain behaviour and collagen-related parameters dictating high-strain responses.

The calibrated and validated microstructurally-informed RVE model can reliably predict aortic mechanics if tissue anisotropy is adequately accounted for. The sensitivity analysis provided crucial insights into which parameters most significantly impact model output variance. This will guide future efforts in model refinement and highlight parameters that require precise experimental characterisation to reduce predictive uncertainty. Furthermore, it will strengthen the RVE's potential as a credible tool in arterial biomechanics research by establishing a more robust, uncertainty-aware modelling framework.

Deze bachelorproef betreft een rechtsdogmatisch onderzoek in de lacunes die opduiken in het bestaande Belgische auteursrecht wanneer gepoogd wordt om deze toe te passen op generatieve artificiële intelligentie (GenAI).

Generatieve AI is een relatief nieuw fenomeen en het is vaak niet duidelijk hoe juristen het auteursrecht moeten interpreteren in functie hiervan. Twee cruciale aspecten m.b.t. GenAI belicht dit onderzoek dan ook. Enerzijds onderzoekt deze studie of het bestaande juridische kader een antwoord kan bieden op auteursrechtelijke vraagstukken die opduiken bij input-zijde van het AI-model. Anderzijds wordt ook de auteursrechtelijke status van de gegenereerde output geanalyseerd. Telkens vertrekt het onderzoek van de Belgische en Europese wetgeving inzake het auteursrecht, daarna de bestaande internationale rechtspraak, en tenslotte de rechtsleer.

Deze bachelorproef toont aan dat er nog heel wat onduidelijkheid is m.b.t. beide aspecten van GenAI.

Toch zijn er al een aantal duidelijke conclusieste trekken uit de internationale rechtspraak en rechtsleer.

De rechtspraak en rechtsleer werd bijgehouden tot 26 mei 2025

De ziekte van Hirschsprung (HD) is een zeldzame aangeboren darmaandoening waarbij zenuwcellen (ganglioncellen) ontbreken in een deel van de dikke darm. Dit veroorzaakt een stilgevallen darmwerking met ernstige gevolgen voor pasgeborenen. Een correcte en snelle diagnose is van cruciaal belang, maar vormt een uitdaging doordat weefselstructuren bij baby’s vaak onrijp zijn en foutieve interpretaties tot verkeerde behandelingen kunnen leiden.

In mijn bachelorproef onderzocht ik in samenwerking met het CHU Brugmann ziekenhuis in Brussel vijf patiëntencasussen waarbij rectumbiopten werden geanalyseerd met drie microscopische technieken: de klassieke hematoxyline-eosine-saffraan (HES)-kleuring, acetylcholinesterase (AChE)-histochemie en calretinine-immunohistochemie. Uit dit onderzoek bleek dat calretinine de meest betrouwbare methode is om ganglioncellen zichtbaar te maken, vooral bij jonge baby’s of technisch moeilijke stalen. Bovendien biedt calretinine praktische voordelen doordat het toepasbaar is op paraffinecoupes, in tegenstelling tot AChE dat vriescoupes vereist.

De resultaten tonen aan dat een gestandaardiseerde combinatie van technieken nodig is om foutieve diagnoses te vermijden. Vooral calretinine-IHC als basis, aangevuld met HES of AChE, blijkt een krachtige strategie. Daarmee draagt dit onderzoek bij aan een snellere, betrouwbaardere en wereldwijd toegankelijkere diagnostiek van Hirschsprung, wat rechtstreeks het leven van getroffen kinderen kan redden of verbeteren.

Roken onder jongeren in de jeugdpsychiatrie is een groot probleem dat zowel de fysieke gezondheid als het psychisch welzijn schaadt. Veel jongeren gebruiken roken als manier om met stress om te gaan, terwijl hun hersenen nog in ontwikkeling zijn, wat de risico’s op lange termijn vergroot. Een groot deel van de jongeren in de residentiële jeugdzorg rookt dagelijks wat tijdens mijn stage duidelijk zichtbaar werd.

Deze bachelorproef onderzocht hoe zorgverleners, zoals verpleegkundigen, effectiever kunnen bijdragen aan rookpreventie en het ondersteunen van jongeren bij het stoppen met roken. Het doel is de schadelijke gevolgen van roken te beperken door haalbare en effectieve strategieën te identificeren.

Uit de analyse blijkt dat vroege en regelmatige screening van rookgedrag belangrijk is ook bij jongeren die nog niet roken. Educatie over tabaksgebruik en het corrigeren van misvattingen helpt jongeren bewust te worden van de risico’s. Motivatiegesprekken en het gebruik van het 5A-model zijn effectieve methoden bij rookstopinterventies. Hoewel farmacologische interventies bij deze groep nog beperkt onderzocht zijn bieden gedragsmatige interventies veel kansen. Zorgverleners spelen een cruciale rol maar hebben zelf de juiste training en ondersteuning nodig om jongeren effectief te begeleiden.

Door screening, educatie, motivatiegesprekken en praktische ondersteuning kunnen jongeren geholpen worden hun rookgedrag te veranderen. Het trainen van zorgverleners vergroot hun effectiviteit en het gebruik van gestructureerde modellen en bewezen gedragsinterventies helpt jongeren gezondere keuzes te maken en meer controle over hun welzijn te ervaren.

Koper-nanodeeltjes (Cu NP's) hebben een brede toepasbaarheid, maar hun synthese is gevoelig voor kleine veranderingen in reactieparameters. Deze gevoeligheid, in combinatie met het tijdrovende en arbeidsintensieve karakter van experimentele optimalisatie, vormt een grote uitdaging voor reproduceerbare synthese met gecontroleerde deeltjesgrootte. Bovendien is Machine Learning (ML) weliswaar veelbelovend gebleken voor materiaalonderzoek, maar wordt toepassing ervan vaak beperkt door gebrek aan hoogwaardige experimentele datasets. Deze studie onderzoekt ML om de grootte van Cu NP’s gevormd met microgolf geassisteerde polyolsynthese te voorspellen met kleine datasets, gegenereerd uit 25 intern uitgevoerde syntheses. Latin Hypercube Sampling wordt gebruikt om de parameterruimte van precursorconcentratie, temperatuur en reactietijd efficiënt te samplen. Ensemble-regressiemodellen, gebouwd met het AMADEUS-framework, voorspellen met hoge nauwkeurigheid de deeltjesgrootte en presteren daarmee beter dan klassieke statistische benaderingen. Featureselectie vermindert complexiteit van het model en verbetert generaliseerbaarheid. Daarnaast worden classificatiemodellen, gebaseerd op zowel traditionele random forests als Large Language Modellen (LLM’s), geëvalueerd om onderscheid te maken tussen grote en kleine deeltjes. Terwijl random forests matig presteren, bieden LLM’s geen duidelijke verbeteringen in omstandigheden met weinig gegevens. Over het algemeen toont dit onderzoek dat zorgvuldig samengestelde kleine datasets, in combinatie met robuuste klassieke ML, synthese van Cu NP's effectief kan voorspellen en dat voor laboratoriumonderzoek complexe LLM's geen voordelen bieden.

This thesis explores how machine learning can be used to detect sound sources in historical photographs, with the aim of developing a model that can be used for historical soundscape reconstruction. While machine learning, and more specifically object detection, is increasingly being used in heritage studies, its application on historical photographs is largely unexplored.
The research is divided into four stages. First, three object detection models, YOLOv8, Faster R-CNN, and RetinaNet, were benchmarked on both modern and historical datasets to assess their baseline performance, without any training. Although all models performed significantly worse on historical photographs, YOLOv8 showed the smallest drop in accuracy. In the second and third parts, YOLOv8 was fine-tuned on two classes of sound-producing objects: an existing COCO class, “train”, and a newly added class, “carriage”. In total, over 1600 photographs were annotated for the various datasets. While the modest dataset size and limited computational resources influenced the performance of the custom models, the research nevertheless offers some interesting insights into the potential and limitations of applying object detection to historical photographs. In the last stage, a custom CycleGAN model was trained to transform modern images into a historical style and vice versa, helping to generate training data and reduce the need for manual annotation. The thesis demonstrates the feasibility of using object detection on historical photographs for historical soundscape research and highlights promising directions for future work on machine learning and heritage studies.

Ik onderzocht hoe artificiële intelligentie longontsteking sneller en betrouwbaarder kan opsporen op borstkas-röntgenbeelden, en wat er nodig is om zo een systeem veilig, ethisch en juridisch verantwoord richting een ziekenhuis te ontwikkelen. De vraag kwam vanuit het AZ Sint-Maarten: er is nood aan ondersteuning bij triage van pneumoniedetectie.

Technisch bouwde ik een ResNet152-model en trainde dat op publieke Kaggle-datasets. De reality check volgde met geanonimiseerde pediatrische beelden uit AZ Sint-Maarten: door domain shift miste het eerste model te veel echte longontstekingen . Dat heb ik aangepakt met hertraining op pediatrische data, gericht croppen van het longveld en afstemming van helderheid/contrast. In de tweede evaluatie pikte het model alle echte positieve gevallen op.

Naast de prestaties besteed ik veel aandacht aan ethiek en regelgeving. Alle beelden zijn geanonimiseerd en lokaal verwerkt (GDPR). Met Grad-CAM-heatmaps maak ik beslissingen uitlegbaar. Het systeem ondersteunt artsen zij blijven eindverantwoordelijk. Qua regulering positioneer ik het als potentiële MDR-klasse IIa-software en situeer ik het project rond TRL 3→4: van labprototype naar testen in een relevante klinische omgeving. Ik bouwde ook een lokale Streamlit-interface die beelden uploadt, een voorspelling geeft en de heatmap toont. Conclusie: AI kan echt helpen bij triage en vroege detectie, maar robuuste praktijkinzet vraagt representatieve data, uitlegbaarheid, klinische validatie en moet ethisch verantwoord ontwikkeld worden.

Deze bachelorproef onderzoekt de inzet van ChatGPT in het secundair
onderwijs, specifiek binnen de lessen Nederlands. Artificiële intelligentie
(AI) speelt een steeds grotere rol in onze samenleving en biedt diverse
mogelijkheden voor gepersonaliseerd leren en ondersteuning bij
taalvaardigheid. In deze bachelorproef wordt AI gedefinieerd (zie 1.1) en
de impact ervan op de samenleving geanalyseerd (zie 1.2). AI wordt
breed toegepast in verschillende sectoren, waaronder gezondheidszorg en
onderwijs. Dit biedt kansen en uitdagingen, zoals ethische vraagstukken
en de invloed op werkgelegenheid.
In de literatuurstudie wordt dieper ingegaan op ChatGPT als specifieke AItoepassing (zie 2.1), de rol ervan in de samenleving (zie 2.2) en de
toepassing binnen het onderwijs, met een bijzondere focus op het vak
Nederlands (zie 2.3). ChatGPT ondersteunt leerkrachten bij
lesvoorbereiding, het geven van gerichte feedback en het differentiëren
van instructie. Voor leerlingen biedt ChatGPT voordelen bij
schrijfopdrachten, tekstanalyses en gepersonaliseerde leerroutes. Toch
zijn er risico’s, zoals het gevaar van plagiaat en afhankelijkheid. Het
gebruik van ChatGPT vereist een bewuste en kritische inzet van alle
gebruikers, dus zowel leerlingen als leerkrachten.
De literatuurstudie behandelt verder effectieve strategieën voor de
implementatie van ChatGPT in het onderwijs (zie 2.3), zoals het gebruik
van schrijfkaders en effectieve promptconstructie (zie 2.3.4). Daarnaast
wordt het belang van digitale geletterdheid en ethiek bij het gebruik van
AI benadrukt (zie 2.3.5). Leerkrachten moeten worden ondersteund bij
het kritisch evalueren en begeleiden van leerlingen in het gebruik van
ChatGPT, om zo de kwaliteit van het onderwijs te waarborgen.
Tot slot werd een praktijkgerichte handleiding ontwikkeld op basis van de
literatuur, stage-ervaringen (zie 4.1) en feedback van leerkrachten uit het
werkveld (zie 4.2). Deze handleiding bundelt concrete toepassingen,
prompts en lesideeën waarmee leerkrachten in de eerste graad secundair
onderwijs doelgericht met ChatGPT aan de slag kunnen. De positieve
reacties uit het werkveld tonen aan dat ChatGPT een meerwaarde kan
betekenen in de klas, op voorwaarde dat het gebruik ervan kritisch
begeleid wordt en goed ingebed is in de didactische aanpak.