In prostitutiebeleid krijgen klanten een belangrijke rol. Bewustwording van misstanden in de prostitutie zou hun morele kompas moeten beïnvloeden – en daarmee hun gedrag. Maar heeft het zin om klanten op hun morele verantwoordelijkheid te wijzen? Kunnen zij een rol vervullen in de regulering van prostitutie?
LINK
In de afgelopen jaren hebben technologische ontwikkelingen de aard van dienstverlening ingrijpend veranderd (Huang & Rust, 2018). Technologie wordt steeds vaker ingezet om menselijke servicemedewerkers te vervangen of te ondersteunen (Larivière et al., 2017; Wirtz et al., 2018). Dit stelt dienstverleners in staat om meer klanten te bedienen met minder werknemers, waardoor de operationele efficiëntie toeneemt (Beatson et al., 2007). Deze operationele efficiëntie leidt weer tot lagere kosten en een groter concurrentievermogen. Ook voor klanten kan de inzet van technologie voordelen hebben, zoals betere toegankelijkheid en consistentie, tijd- en kostenbesparing en (de perceptie van) meer controle over het serviceproces (Curran & Meuter, 2005). Mede vanwege deze beoogde voordelen is de inzet van technologie in service-interacties de afgelopen twee decennia exponentieel gegroeid. De inzet van zogenaamde conversational agents is een van de belangrijkste manieren waarop dienstverleners technologie kunnen inzetten om menselijke servicemedewerkers te ondersteunen of vervangen (Gartner, 2021). Conversational agents zijn geautomatiseerde gesprekspartners die menselijk communicatief gedrag nabootsen (Laranjo et al., 2018; Schuetzler et al., 2018). Er bestaan grofweg drie soorten conversational agents: chatbots, avatars, en robots. Chatbots zijn applicaties die geen virtuele of fysieke belichaming hebben en voornamelijk communiceren via gesproken of geschreven verbale communicatie (Araujo, 2018;Dale, 2016). Avatars hebben een virtuele belichaming, waardoor ze ook non-verbale signalen kunnen gebruiken om te communiceren, zoals glimlachen en knikken (Cassell, 2000). Robots, ten slotte, hebben een fysieke belichaming, waardoor ze ook fysiek contact kunnen hebben met gebruikers (Fink, 2012). Conversational agents onderscheiden zich door hun vermogen om menselijk gedrag te vertonen in service-interacties, maar op de vraag ‘hoe menselijk is wenselijk?’ bestaat nog geen eenduidig antwoord. Conversational agents als sociale actoren Om succesvol te zijn als dienstverlener, is kwalitatief hoogwaardige interactie tussen servicemedewerkers en klanten van cruciaal belang (Palmatier et al., 2006). Dit komt omdat klanten hun percepties van een servicemedewerker (bijv. vriendelijkheid, bekwaamheid) ontlenen aan diens uiterlijk en verbale en non verbale gedrag (Nickson et al., 2005; Specht et al., 2007; Sundaram & Webster, 2000). Deze klantpercepties beïnvloeden belangrijke aspecten van de relatie tussen klanten en dienstverleners, zoals vertrouwen en betrokkenheid, die op hun beurt intentie tot gebruik, mond-tot-mondreclame, loyaliteit en samenwerking beïnvloeden (Hennig-Thurau, 2004; Palmatier et al., 2006).Er is groeiend bewijs dat de uiterlijke kenmerken en communicatieve gedragingen (hierna: menselijke communicatieve gedragingen) die percepties van klanten positief beïnvloeden, ook effectief zijn wanneer ze worden toegepast door conversational agents (B.R. Duffy, 2003; Holtgraves et al., 2007). Het zogenaamde ‘Computers Als Sociale Actoren’ (CASA paradigma vertrekt vanuit de aanname dat mensen de neiging hebben om onbewust sociale regels en gedragingen toe te passen in interacties met computers, ondanks het feit dat ze weten dat deze computers levenloos zijn (Nass et al., 1994). Dit kan verder worden verklaard door het fenomeen antropomorfisme (Epley et al., 2007; Novak & Hoffman, 2019). Antropomorfisme houdt in dat de aanwezigheid van mensachtige kenmerken of gedragingen in niet-menselijke agenten, onbewust cognitieve schema's voor menselijke interactie activeert (Aggarwal & McGill, 2007; M.K. Lee et al., 2010). Door computers te antropomorfiseren komen mensen tegemoet aan hun eigen behoefte aan sociale verbinding en begrip van de sociale omgeving (Epley et al., 2007; Waytz et al., 2010). Dit heeft echter ook tot gevolg dat mensen cognitieve schema’s voor sociale perceptie toepassen op conversational agents.
De fashion-industrie is in transitie, nu consumenten steeds meer online zoeken, kopen en communiceren. De meeste retailers hebben inmiddels een webshop gerealiseerd, maar inzicht ontbreekt hoe de fysieke winkel levensvatbaar te maken en houden. Dit betekent in de praktijk dat lastig is om fysieke winkels open te houden hetgeen in veel steden leidt tot teloorgang van winkelstraten en –gebieden. Ook hebben retailers onvoldoende handvatten om de omni-channel consument goed te herkennen en te benaderen en de verschillende kanalen goed op elkaar te laten aansluiten. Veel retailers hebben behoefte aan goede informatie op de winkelvloer over producten en klanten. Graag zouden ze snel willen weten wat consumenten in het verleden hebben gekocht, of ze de nieuwsbrief ontvangen, welke producten er online of in andere filialen nog beschikbaar zijn. Daar kan in een verkoopgesprek op worden ingespeeld. De technologische oplossingen zijn daarvoor beschikbaar, maar deze worden nog maar mondjesmaat gebruikt. Daar waar ze wel beschikbaar zijn, weten medewerkers niet altijd goed hoe ze bijvoorbeeld een medewerkersapp optimaal gebruiken en maken consumenten weinig gebruik van bijvoorbeeld loyalty apps op hun smartphone. Daarnaast bestaat er bij veel retailers wel de wil om te innoveren, maar moeten er eerst barrières worden beslecht. De beschikbare technologie moet zich liefst al in een testsituatie hebben bewezen en men heeft behoefte aan praktische handvatten hoe de technologie optimaal in te zetten. Om tot innovatie in de branche te komen is het daarom nodig om in samenwerking met enkele innovatieve retailers, technologiebedrijven en kennisinstellingen de innovatie markt-fähig te maken. Dit project heeft als doel om een bijdrage te leveren aan de duurzaamheid van de fashion-industrie door relevante klanttechnologie geschikt te maken voor marktintroductie, alsmede de toegevoegde waarde van deze technologie te onderzoeken voor de branche.
Financieel professionals als accountants, boekhouders, belasting-, financiering- en verzekeringsadviseurs moeten een grotere rol spelen in het faciliteren van de verduurzaming bij hun mkb-klanten om te komen tot brede welvaart. Om dat te kunnen doen is meer kennis nodig over duurzaam adviseren en is er behoefte aan uitwisseling van ervaringen en best practices tussen de verschillende typen financieel professionals. Dit onderzoek gaat zorgen voor meer samenwerking tussen verschillende bloedgroepen van financieel professionals door de oprichting van een advieslab. Wij onderzoeken samen met hen de kansen en mogelijkheden die hier liggen, waarbij wij als kennisinstituut ook een impuls kunnen geven aan de (bij)scholing van de diverse beroepsgroepen. Het onderzoek leidt tot een advies hoe de samenwerking voor verdere kennisuitwisseling het beste kan worden vorm gegeven, een overzicht van bestaande instrumenten en tools voor duurzame advisering en een aanzet voor vervolgonderzoek.
Inleiding en praktijkvraag De groeiende wereldbevolking gecombineerd met de klimaatverandering zorgt voor een de noodzaak tot een duurzame voedselvoorziening (KIA missie Landbouw, voedsel & water). Een significante reductie van gewasbestrijdingsmiddelen is daarbinnen een belangrijke doelstelling. Robotica maakt als technologie motor van de precisielandbouw plant specifieke precisie-bestrijding mogelijk. Het projectconsortium onderzoekt een semiautonoom samenwerkend grond-luchtrobot platform voor de precisielandbouw. Projectdoelstelling De doelstelling van het project AGRobot Platform is dan ook: “Onderzoek de mogelijkheden van een semi-autonoom samenwerkend grond-lucht robotplatform voor de precisielandbouw”. De hoofddoelstelling wordt binnen dit project beantwoordt door de deliverables uit de volgende subdoelstellingen: 1. Case studie onderzoek naar de mogelijke voordelen van het grond-luchtrobotplatform 2. Onderzoek naar de benodigde technologieën voor een grond-luchtrobotplatform 3. Ontwikkelen van een eerste (mogelijk case-specifieke) demonstrator 4. Ontwikkelen van (nieuwe) samenwerkingsvormen. Vraagsturing & Netwerkvorming Riwo Engineering is een industriële automatiseeerder die met zijn grondrobots en control-besturingssytemen actief is in de veeteelt. DRONEXpert gebruikt hyperspectrale camera’s onder drones voor het bemeten van gewassen. Saxion mechatronica onderzoekt met de onderzoekslijn unmanned robotic systems hoe de nieuwste robotica technologieën systemen mogelijk maakt voor ongestructureerde omgevingen. De partners bezitten gezamenlijk een enorm netwerk (TValley, Space53, euRobotics) en klanten om via de case studies de kansen te achterhalen en te realiseren. Innovatie Nergens ter wereld is een samenwerkend grond-luchtrobot platform actief in de precisielandbouw. Voor OostNederland, met naast veel robotica kennis ook veel Agro-kennis, zal het project letterlijk de KIEM zijn voor nieuwe projecten waaruit de valorisatie kansen richting heel Europa gaan. Activiteitenplan & Projectorganisatie Het project wordt geleid door de lector Dr. Ir. D.A.Bekke en uitgevoerd door Abeje Mersha en Mark Reiling samen met het deelnemend MKB. Het project bestaat uit 4 werkpakketten die achtereenvolgens antwoordt geven op de gestelde subdoelstellingen. Aan elk werkpakket zijn deliverables gekoppeld.
