Deze bachelor scriptie is geschreven voor het afstudeeronderzoek dat deel uit maakt van de opleiding archeologie aan Hogeschool Saxion te Deventer. De auteur van deze scriptie is Hugo Pothof. Het doel van dit onderzoek was het ontwikkelen van een nieuwe methode voor het herkennen van afwijkende graven. Dit zijn graven van individuen die op een niet reguliere manier begraven zijn voor hun cultuur en/of tijdsperiode. Voor dit onderzoek is de volgende hoofdvraag opgesteld: Hoe kunnen afwijkende graven in begraafplaatsen uit de Late Middeleeuwen/Nieuwe tijd geïdentificeerd worden met behulp van statistische en ruimtelijke analyses? Het eerste gedeelte van dit onderzoek bestond uit het opstellen van de nieuwe methode. Hiervoor zijn analyses en criteria verzameld en opgesteld die gebruikt kunnen worden voor statistisch onderzoek voor het herkennen van afwijkende graven. Voor deze criteria zijn drie soort analyses gebruikt. Ten eerste is voor categorische data (teksten) gebruik gemaakt van percentuele begrenzingen om weinig voorkomende waarnemingen aan te duiden als afwijkende graven. Daarnaast zijn voor numerieke data (getallen) gebruik gemaakt van de outlier detection with IQR. De Find Outliers tool in ArcGIS kan automatisch ruimtelijk afwijkende polygonen herkennen. Met de programmeertaal R een script (code) geschreven die het mogelijk maakt om consistent en reproduceerbaar deze analyses uit te voeren. Ook kunnen met het script grafieken gemaakt worden van de data. Om de nieuwe methode te toetsen zijn in totaal vijf begraafplaatsen uit de gemeentes Zutphen en Doesburg geanalyseerd. Deze begraafplaatsen zijn allemaal christelijke begraafplaatsen uit de Late Middeleeuwen en het begin van de Nieuwe tijd. Daarnaast is ook één grote dataset gemaakt waarin alle grafdata staat. Deze is gebruikt om de begraafplaatsen met elkaar te vergelijken.
MULTIFILE
INTRODUCTION: In the Netherlands, Diagnostic Reference Levels (DRLs) have not been based on a national survey as proposed by ICRP. Instead, local exposure data, expert judgment and the international scientific literature were used as sources. This study investigated whether the current DRLs are reasonable for Dutch radiological practice.METHODS: A national project was set up, in which radiography students carried out dose measurements in hospitals supervised by medical physicists. The project ran from 2014 to 2017 and dose values were analysed for a trend over time. In the absence of such a trend, the joint yearly data sets were considered a single data set and were analysed together. In this way the national project mimicked a national survey.RESULTS: For six out of eleven radiological procedures enough data was collected for further analysis. In the first step of the analysis no trend was found over time for any of these procedures. In the second step the joint analysis lead to suggestions for five new DRL values that are far below the current ones. The new DRLs are based on the 75 percentile values of the distributions of all dose data per procedure.CONCLUSION: The results show that the current DRLs are too high for five of the six procedures that have been analysed. For the other five procedures more data needs to be collected. Moreover, the mean weights of the patients are higher than expected. This introduces bias when these are not recorded and the mean weight is assumed to be 77 kg.IMPLICATIONS FOR PRACTICE: The current checking of doses for compliance with the DRLs needs to be changed. Both the procedure (regarding weights) and the values of the DRLs should be updated.
In het huidige statistiekonderwijs is te weinig aandacht voor het proces voorafgaand aan de dataverzameling en uitvoering van de berekeningen ten behoeve van het beantwoorden van de onderzoeksvragen; het proces van datamanagement. Datamanagement is echter cruciaal voor het garanderen van de kwaliteit van de data en dus de betrouwbaarheid van de onderzoeksbevindingen. Te weinig aandacht voor dit proces vergroot de kansen op fouten in de gegevens, met als gevolg dat onderzoeksvragen niet beantwoord kunnen worden en projectgelden worden verspild. Om in deze kennislacune te voorzien is een procedure ontwikkeld, die gebruikt kan worden om databestanden te structureren en op te bouwen voordat met de feitelijke uitvoering van het onderzoek wordt begonnen. Deze procedure is beschreven het rapport ‘Van vragenlijst tot tabel’. Daarnaast wordt in de rapportage ingegaan op hoe de gegevens in SPSS kunnen worden geanalyseerd en op hoe de output van de analyses eenvoudig in een tabel voor een onderzoeksrapport of artikel kan worden gezet.
Met het project Circl-Wood willen projectpartners Fijnhout en Nijboer, samen met de Hogeschool van Amsterdam (HvA) kennis ontwikkelen over het ontwerpen en produceren van hoogwaardige objecten uit afvalhout (Dit kan afvalhout betreffen uit verschillende bronnen; afvalinzameling, woningrenovatie, recycling bedrijven, maar ook reststukken van houtleveranciers en houtverwerkende bedrijven) met behulp van geavanceerde numerieke ontwerpgereedschappen (“computational design”). De projectpartners willen samen onderzoeken of het mogelijk is om hoogstaande en in het oog springende circulaire objecten te ontwerpen van een specifieke hoeveelheid afvalhout, met de HvA ligstoel - die in 2018 in een eerder KIEM project is gemaakt - als iconisch voorbeeld. Hierbij worden de kenmerken van het beschikbare hout (kleur, vorm, nerfrichting, houtsoort) als ‘data’ gebruikt om met ontwerpalgoritmes objecten te ontwikkelen met unieke kenmerken. Deze data-gedreven ontwerpmethode dient toepasbaar te zijn op een willekeurige batch hout die door robots geïnventariseerd en gesorteerd is. Het automatiseren van het ontwerpproces voor hoogwaardige producten creëert nieuwe circulaire toepassingsmogelijkheden voor afvalhout. In 2018 was het ontwerp van de stoel niet gebaseerd op de specifieke stukken hout waarvan hij werd gemaakt. Pas na het ontwerp werden stukken afvalhout handmatig geselecteerd, op maat gezaagd en verbonden tot een omhullende vorm, die door de robot 3D gescand is en waar vervolgens door de robot de stoel uit gefreesd is. In Circl-Wood echter wordt een geavanceerd ontwerpproces ontwikkeld: de gegevens van een beschikbare hoeveelheid resthout worden gebruikt om verschillende specifieke ontwerpen te maken met kleurpatronen, vormen en structuren gerelateerd aan het beschikbare hout. Het doel is om haalbare ontwerpen te berekenen op basis van het beschikbare hout. Het project demonstreert hoe numerieke ontwerpgereedschappen bij kunnen dragen aan een creatieve en efficiënte benutting van resthout van houtverwerkende bedrijven zoals Fijnhout voor interieur toepassingen (door bedrijven als Nijboer).
Kun je data aanraken? Hoe lang moet een trein zijn om een miljoen YouTube abonnees tegelijk te laten reizen? Samen met de basisschoolleerlingen van St. Janschool gaan de Hogeschool van Amsterdam (HvA) en de Waag Society op zoek naar leuke en interessante data fysicalisaties. Dat zijn tastbare weergaves van big data, die je echt kan bekijken en aanraken in plaats van op een scherm of in een boek. De huidige maatschappij wordt gekenmerkt door een groeiend aantal technologische mogelijkheden, waarmee data op exponentiele schaal verzameld en gebruikt kunnen worden. Deze groeiende beschikking over ‘big’ data en andere technologische toepassingen leidt niet per se en direct tot meer inzicht en vaardigheden. Datasystemen zijn immers vaak complex en verborgen. Wel bieden nieuwe technologische ontwikkelingen, zoals computergestuurde machines (digitale fabricage) de mogelijkheid om data en digitale objecten zichtbaarder en tastbaarder te maken. Vanuit het onderwijs is de vraag naar handvatten die leerlingen in staat stellen deze ontwikkelingen te omarmen en mede vorm te geven, met name om datageletterdheid en 21st century skills te vergroten. Het project “Zichtbaar slimmer” heeft als doel om praktijkgericht onderzoek te doen naar de potentie van datafysicalisatie –het tastbaar maken van data– als middel om datageletterdheid en de 21st century skills communiceren, kritisch denken en creativiteit te stimuleren. Datafysicalisatie gaat een stap verder dan datavisualisatie omdat het gaat om het creëren en vormgeven van tastbare representaties van data, zoals numerieke gegevens en het weergeven van potentiële patronen, ten behoeve van nieuw inzicht en kennis. Het doel is de potentiële waarde van datafysicalisatie in het onderwijs te onderzoeken. De betrokkenen van de HvA, St Janschool en Waag Society hebben samen de wens uitgesproken om via een aantal workshops te exploreren op welke manier de creatie van tastbare data fysicalisaties kan bijdragen aan genoemde 21st century skills.
