De hoeveelheid data in de wereld groeit razendsnel. Potentieel is dit een goudmijn aan informatie om de meest uiteenlopende maatschappelijke vraagstukken te helpen oplossen. Bijvoorbeeld om slimme, duurzame land- en tuinbouw mogelijk te maken, te werken aan preventie in de gezondheidszorg of toekomstbestendige steden te ontwerpen die onder meer slim omgaan met energie. Om dit te kunnen is data-analyse mét een kritische blik van professionals die met de data werken cruciaal. Het lectoraat Data Driven Smart Society van het Research & Innovation Centre Techniek en Informatica (RIC-TOI) concentreert zich vooral op data-analyse, en in het bijzonder praktijkgericht onderzoek naar artificial intelligence (AI) zoals neurale netwerken. Wat zijn de kansen en aandachtspunten om AI als sleuteltechnologie daadwerkelijk toe te passen? Binnen het Digital Rights Research Team werkt het lectoraat Data Driven Smart Society samen met medeoprichters en lectoren Wina Smeenk en Ben Wagner op digitaal verantwoorde samenleving.
Het vertrekpunt van ons onderzoekswerk is telkens een actueel vraagstuk uit de praktijk. Daarbij willen we bijdragen aan een veerkrachtige samenleving en een duurzame leefomgeving. Op deze manier leveren we een concrete bijdrage aan het werkveld. Daarbij betrekken we onze studenten, zodat zij zo vroeg mogelijk ervaring opdoen met de vraagstukken die in het werkveld spelen. Omdat data en algoritmen zo zijn doorgedrongen in ons dagelijks leven, is het bovendien essentieel dat toekomstige professionals hier ten minste een basale kennis van opdoen. Voor onze IT-studenten geldt dit natuurlijk in het bijzonder. Zij moeten niet alleen diepgaande kennis hebben over hoe je data verzamelt, opslaat en verwerkt. We leren hen ook hoe zij een brugfunctie vervullen en in samenwerking met andere (toekomstige) professionals die data kunnen opwerken tot cruciale informatie. Aan de hand van verschillende onderzoeksprojecten brengen we studenten van Applied Mathematics/Data Science en andere opleidingen van het domein Techniek, Informatica & Ontwerpen bijeen. Afhankelijk van het vraagstuk zijn ook opleidingen van de domeinen Gezondheid, Sport en Welzijn, Agri, Food & Life Sciences, Business Finance & Law, Creative Business en Onderwijs & Innovatie betrokken.
Als lectoraat vormen we de schakel tussen fundamenteel onderzoek op het gebied van datascience en innovatieve toepassingen in de praktijk. We onderhouden daarom graag nauwe banden met universiteiten en kennisinstellingen, zoals we dat bijvoorbeeld doen via het multidisciplinaire lectorenplatform PRIO voor praktijkgericht ICT-onderzoek. Als het gaat om praktijkgerichte onderzoek is ons werk per definitie multidisciplinair: wij weten alles van data, maar het zijn andere experts die een specifieke informatievraag hebben en weten welke data daar antwoord op kan geven. Al naar gelang het vraagstuk werken we samen met partners in de maakindustrie, zorg, bij overheden en in het onderwijs; dit laatste ook om stappen te zetten in learning analytics: hoe kunnen we met behulp van data studenten individueel nog beter op maat begeleiden?
Geïnteresseerd? Neem contact op met Daniëlle Leentjens.
Neurale netwerken
Neurale netwerken zijn in staat om aan de hand van data en met behulp van algoritmen bepaalde menselijke taken snel en nauwkeurig uit te voeren. AI-systemen zijn daar bekende voorbeelden van. Ons lectoraat onderzoekt innovatieve toepassingen hiervan zodat ze ook daadwerkelijk in de praktijk succesvol kunnen zijn.
Dataopslag
Data lijkt een oneindige bron te zijn waaruit je naar hartenlust kunt putten. Maar de praktijk is weerbarstiger. We onderzoeken antwoorden op vragen, zoals: hoe ga je om met persoonsgegevens? Hoe voorkom je veiligheidsrisico’s van een centrale opslag zonder concessies te doen aan de toegankelijkheid van data? Hoe combineer je verschillende typen data om daardoor tot waardevolle informatie te komen?
Toepassing van data in de praktijk
Data heeft geen waarde als gebruikers er geen bruikbare informatie uit kunnen halen. Vandaar dat we ons richten op onderzoek naar de gebruiksvriendelijkheid van neurale netwerken. Transparantie is hierbij een belangrijke voorwaarde: hoe komt een AI-systeem tot een bepaalde beslissing? En hoe kunnen gebruikers feedback geven als zo’n beslissing bijvoorbeeld onwenselijk is, zodat we het AI-systeem in de praktijk kunnen verbeteren?
Digitale technologie speelt een steeds grotere rol in ons dagelijks leven. Dat zorgt ervoor dat vraagstukken over data en digitale rechten alsmaar relevanter zijn. In samenwerking met lectoren Wina Smeenk en Ben Wagner vormt het lectoraat daarom het Digital Rights Research Team. Daarmee richten zij hun aandacht op een digitaal verantwoorde samenleving. Vanuit dit Digital Rights Research Team doen de lectoren bijvoorbeeld onderzoek naar hoe technologie bijdraagt aan de kwaliteit van leven.
