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.

Deze scriptie onderzoekt hoe de opvangcrisis sinds 2021 de uitvoering van het rechtsstaatsbeginsel in België aantast. Er wordt aangetoond dat het wettelijk recht op opvang vaak geschonden wordt, vooral voor alleenstaande mannelijke asielzoekers. Door literatuur, rechtspraak en observaties wordt geanalyseerd hoe structurele tekorten, politieke keuzes en administratieve praktijken leiden tot systematische inbreuken op fundamentele rechten. Individuele en collectieve procedures bevestigen dat de Belgische overheid haar verplichtingen niet naleeft en rechterlijke uitspraken negeert. Dit ondermijnt de rechtszekerheid en wijst op een zorgwekkende uitholling van de rechtsstaat.
Als laatste wordt er ook een blik geworpen op het Federaal regeerakkoord van 2025, meer bepaald de maatregelen daarin betreffende opvang.

Mijn bachelorproef gaat over het gebruik van Chromebooks in de lagere school ter bevordering van leerresultaten en digitale vaardigheden.

Het verlies van een kind uit een meerlingzwangerschap is een ingrijpende gebeurtenis die een grote impact nalaat op de ouders. Het brengt een complex rouwproces met zich mee, waarbij gevoelens van vreugde en verdriet voortdurend met elkaar in conflict zijn. Jaarlijks bedraagt de perinatale sterfte bij meerlingen 20,2 ‰ terwijl dit slechts 6,2‰ is bij eenlingen.
In deze bachelorproef wordt onderzocht hoe ouders dit verlies ervaren, welke rouwprocessen zij doormaken en welke specifieke noden zij hebben tijdens deze moeilijke periode. Er wordt inzicht verkregen in de emotionele, sociale en psychologische gevolgen van dit verlies en gekeken welke ondersteuning ouders als helpend ervaren. Hierbij wordt vooral stilgestaan bij de belangrijke rol die de vroedvrouw in dit proces kan spelen.
De theorie wordt aangevuld met een praktisch deel waarin een driedelige podcast de verhalen van drie moeders die een deel van een meerling hebben verloren aan bod komen.
De resultaten van deze bachelorproef tonen aan dat ouders van een overleden kind uit een meerlingzwangerschap vaak te maken krijgen met onderschatting van hun rouw en een gebrek aan adequate ondersteuning. Een gespecialiseerde en sensitieve aanpak is essentieel om hun rouwproces te erkennen en te begeleiden. De vroedvrouw speelt hierin een centrale rol door niet alleen emotionele ondersteuning te bieden, maar ook praktische informatie en doorverwijzingen naar gespecialiseerde hulpverleners.
Deze bachelorproef onderstreept de noodzaak van betere scholing en sensibilisering binnen de vroedkunde om de zorg voor ouders die geconfronteerd worden met perinataal verlies binnen een meerlingzwangerschap te optimaliseren.

Dit onderzoek analyseert de retorische strategieën van vier Amerikaanse presidenten—George W. Bush, Barack Obama, Donald Trump en Joe Biden—met betrekking tot de War on Terror. Met een unieke methodologische combinatie van Aristoteles’ Ars Rhetorica en kritische discoursanalyse zijn zeven toespraken rondom belangrijke kenterpunten van deze oorlog onderzocht. De resultaten laten zien dat de presidenten vergelijkbare aristotelische overtuigingsmiddelen en stijlfiguren inzetten. De belangrijkste verschillen liggen echter in de constructie van vijandbeelden en in de persoonlijke retorische stijlen van de sprekers.

Deze masterproef onderzoekt hoe het publiek het jurysysteem binnen het Belgische hof van assisen percipieert. Hoewel de assisenprocedure diep verankerd is in de Belgische rechtscultuur, staat zij steeds vaker onder druk door hedendaagse uitdagingen zoals budgettaire beperkingen en de roep om efficiëntie. Ondanks het fundamentele uitgangspunt van lekenparticipatie blijft de stem van de burger opvallend afwezig in academische en publieke debatten. Dit onderzoek vult die kenniskloof op door de centrale onderzoeksvraag te stellen: ‘Hoe wordt het systeem van de volksjury binnen het Belgische hof van assisen door het publiek ervaren?’

Om deze vraag te beantwoorden werd een gemengd juridisch-sociologisch kader ontwikkeld. De empirische kern van het onderzoek bestaat uit een kwantitatieve online survey (n=380). Deze survey onderzocht de houding van burgers tegenover de volksjury en hun voorkeuren inzake behoud of hervorming van het systeem. Sociodemografische kenmerken, juridische scholing en slachtofferschap werden meegenomen als verklarende variabelen. Het theoretisch kader werd opgebouwd via een kritische literatuurstudie en een vergelijkende rechtsanalyse met Frankrijk en Nederland.

De resultaten van de survey tonen een genuanceerde publieke houding. Enerzijds geniet de volksjury symbolische legitimiteit door haar democratisch karakter, anderzijds bestaan er aanhoudende twijfels over de juridische expertise van juryleden in complexe strafzaken. Twee derde van de respondenten steunt het systeem van de volksjury. Daarnaast verkiest maar liefst 83% een gemengd model waarin burgers en beroepsrechters samen beraadslagen. Juridische professionals en personen met een juridische opleiding stonden significant kritischer tegenover het huidige jurysysteem. Bovendien bleken attitudes ten aanzien van correctionele straffen een sterke voorspeller van steun voor de volksjury: respondenten die bestaande straffen te mild vonden, waren vaker voorstander van burgerparticipatie. Sociodemografische variabelen en slachtofferschap bleken daarentegen weinig verklarende waarde te hebben.

Dit onderzoek levert een bijdrage aan de juridische en criminologische literatuur door publieke houdingen tegenover het eeuwenoude instituut van participatieve justitie empirisch in kaart te brengen. Daarnaast is het beleidsmatig relevant, aangezien het de maatschappelijke steun voor hervormingsscenario’s in beeld brengt.

Het ontdekken van nieuwe interacties tussen geneesmiddelen en proteïne-doelwitten (DTIs) is cruciaal voor therapeutische innovatie, maar experimentele validatie is kostelijk
en schaalt niet naar de astronomische omvang van chemische mogelijkheden. Heterogene, schaarse bindingsdata en beperkte diversiteit belemmeren robuuste voorspelling en de mogelijkheden voor in silico moleculaire ontwerp. Deze scriptie presenteert een geïntegreerd raamwerk dat data, representaties en modellen opschaalt voor DTI-voorspelling en doelwit-gestuurd de novo geneesmiddelontwerp.

Een gecombineerd DTI-corpus (339k interacties) en twee grote pretrainingsbronnen werden samengesteld om zowel supervised als unsupervised leerdoelen te ondersteunen. Centraal in het raamwerk is een flexibele, modulaire multi-branch architectuur: elke branch van het model (geneesmiddel of doelwit) kan geïnstantieerd worden als een encoder met enkele invoer, of als een multi-invoer-encoder die complementaire representaties fuseert (bijv. graaf, vingerafdruk, aminozuursequentie, DNA-signalen).
De geneesmiddel branch kan ook een variatie-sampling kop en een latent-gestuurde, discrete diffusie gebaseerde moleculaire graaf-generator omvatten. Branches kunnen
gezamenlijk getraind worden voor supervised DTI-voorspelling, of onafhankelijk met unsupervised/self-supervised leerdoelen om biologische voorkennis langs domeinen
heen in te brengen.

Resultaten tonen een regime-afhankelijk beeld: in data-arme regimes zijn foundationmodel embeddings het effectiefst, terwijl moleculaire vingerafdrukken de leiding hebben
wanneer data abundant zijn. Analyses tonen aan dat geneesmiddel-representaties de DTI-voorspellingsnauwkeurigheid sturen, met graaf-gebaseerde representaties als
meest invloedrijk; aminozuur- en DNA-signalen zijn complementair voor proteïnen. Algemeen verduidelijkt deze studie wanneer en hoe leren van meerdere representaties
en transfer learning helpen, biedt het een reproduceerbare basis voor DTI-voorspelling, en toont het de haalbaarheid aan van latent-gestuurde omgekeerde diffusie voor het
genereren van chemisch valide, doelwit-specifieke moleculen waarvan de farmacofore kenmerken consistent zijn met de bredere biochemische literatuur.

De bachelorproef onderzoekt hoe de Khula Development Group (KDG) in Zuid-Afrika kan bijdragen aan occupational justice voor kwetsbare kinderen van 5 tot 11 jaar. Hiervoor werd een kindvriendelijke versie van de Occupational Justice Health Questionnaire (OJHQ) ontwikkeld, waarmee via creatieve en participatieve methodes zoals tekenen en spel de leefwereld van negen kinderen in kaart werd gebracht.

Het onderzoek identificeerde vijf centrale domeinen van het dagelijks leven: thuissituatie, woonomgeving, school, voeding en vrije tijd. Binnen deze domeinen kwamen zowel kansen als belemmeringen voor participatie naar voren. Positieve ervaringen omvatten veiligheid, steun van familie en school, en toegang tot ontspannende activiteiten, terwijl negatieve ervaringen onder andere voedselonzekerheid, gebrekkige infrastructuur, sociale isolatie en spanningen in het gezin betroffen.

De bevindingen tonen dat kinderen hun complexe ervaringen kunnen uiten wanneer methodes aansluiten bij hun leeftijd en context. Het onderzoek benadrukt het belang van toegankelijke, culturele en leeftijdssensitieve instrumenten voor het bevorderen van occupational justice en laat zien dat kinderen ondanks moeilijke omstandigheden veerkracht en hoop tonen.

Een kwantitatief onderzoek naar de impact van kapitaalstructuur - meer bepaald of een bedrijf deel uitmaakt van een family office of van private equity / venture capital. Aan de hand van allerlei testen en robuustheidscontroles, wordt sterk resultaat gevonden dat aantoont dat een family office in impact niet echt verschilt van private equity, maar dat een venture capital fonds véél meer groei kan realiseren binnen zijn portfoliobedrijven dan venture capital.

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.