Zoekresultaten

Automatic crack classification and segmentation on masonry surfaces using convolutional neural networks and transfer learning

Masonry structures represent the highest proportion of building stock worldwide. Currently, the structural condition of such structures is predominantly manually inspected which is a laborious, costly and subjective process. With developments in computer vision, there is an opportunity to use digital images to automate the visual inspection process. The aim of this study is to examine deep learning techniques for crack detection on images from masonry walls. A dataset with photos from masonry structures is produced containing complex backgrounds and various crack types and sizes. Different deep learning networks are considered and by leveraging the effect of transfer learning crack detection on masonry surfaces is performed on patch level with 95.3% accuracy and on pixel level with 79.6% F1 score. This is the first implementation of deep learning for pixel-level crack segmentation on masonry surfaces. Codes, data and networks relevant to the herein study are available in: github.com/dimitrisdais/crack_detection_CNN_masonry.

Cybercriminal networks in the UK and Beyond

This article examines the network structure, criminal cooperation, and external interactions of cybercriminal networks. Its contribution is empirical and inductive. The core of this study involved carrying out 10 case analyses on closed cybercrime investigations – all with financial motivations on the part of the offenders - in the UK and beyond. Each analysis involved investigator interview and access to unpublished law enforcement files. The comparison of these cases resulted in a wide range of findings on these cybercriminal networks, including: a common division between the scam/attack components and the money components; the presence of offline/local elements; a broad, and sometimes blurred, spectrum of cybercriminal behaviour and organisation. An overarching theme across the cases that we observe is that cybercriminal business models are relatively stable.

Reciprocity in learning networks

Een nieuw samenspel van innoveren, werken en leren?

Hoe kan in ons land innoveren, werken en leren beter worden verknoopt ten dienste van de grote maatschappelijke opgaven waar we voor staan? NWO, Regieorgaan SIA en Topsectoren hebben het initiatief genomen om meer (praktijkgericht) onderzoek te doen naar zogenoemde Learning communities en de kennis hierover beter te delen. De belangstelling voor Learning communities is enorm gegroeid en nu vaak al een vanzelfsprekend onderdeel van (regionaal-) economisch beleid. De nieuwe samenwerkingsverbanden hebben naar verwachting grote gevolgen voor de toekomst van individuele bedrijven, onderwijs- en kennisinstellingen alsook hun collectieve maatschappelijke impact. De grote maatschappelijke uitdagingen als de energie- en zorgtransitie vragen meer kennis, (menselijk) kapitaal en innovaties. Dit staat centraal in het Missiegedreven Topsectoren- en Innovatiebeleid (MTIB). Vraag daarbij is hoe medewerkers zich (toekomstbehendig) kunnen blijven ontwikkelen en wat de bijdrage van Learning communities kan zijn. Het ‘dichter tegen elkaar gaan organiseren van innoveren, werken en leren’ gebeurt in varianten als: Fieldlabs, Skills labs, Praktijkwerkplaatsen, Living labs, Centres of Expertise (CoE) en Centra voor Innovatief Vakmanschap (CIV). Over de grenzen van de afzonderlijke organisaties, domeinen en professies ontstaan nieuwe leer werkgemeenschappen met alle vragen en effecten vandien. Hoe kunnen we die meerpartijen samenwerkingen beter bouwen, beoordelen, betalen en borgen? Het NWO-onderzoeksprogramma Learning communities omvat onderzoeksprojecten in diverse werkcontexten (logistiek, energie, ICT e.a.). Gemeenschappelijke vraag in het programma: wat zijn de werkzame elementen van zo’n Learning community? Naast kennisontwikkeling door het onderzoeksprogramma wordt ook netwerkvorming gestimuleerd tussen onderzoekers en beleidsen praktijkprofessionals. De overtuiging is dat het potentieel in de driehoek innoveren-werken-leren beter kan worden benut. Voor de versterking van de kennisbasis onder het concept Learning communities hebben wij een inventarisatie gedaan naar benaderingen en zienswijzen. Learning communities worden door ons gepresenteerd als samenwerkingsverbanden tussen organisaties en andere (niet of minder georganiseerde) partijen, die het collectief vermogen vergroten van leren, werken en innoveren. Dit vermogen heeft zowel betrekking op het vermogen van de (beroeps)bevolking om zich aan te passen aan veranderende ONDERZOEKSPROGRAMMA EN NETWERK LEARNING COMMUNITIES 4 beroepen en werkpraktijken als het innovatie- en verdienvermogen van organisaties en bedrijven. We verkennen perspectieven op de inrichting, opbrengsten en de relationele dynamiek in Learning communities. We benadrukken dat Learning communities bestaan uit verschillende actoren, partijen en groeperingen – ook wel praktijken genoemd – en dat juist op de grens tussen deze praktijken geleerd wordt. Een Learning community ontwikkelt zich gaandeweg op verschillende systeemniveaus van samenwerking. We gaan in op het belang van een constructief klimaat van samenwerking waarvoor vaak (proces) begeleiding nodig is. Op basis van de verschijningen, uitkomsten en dynamiek hebben we een aantal kernprincipes gedefinieerd. Wat betreft verduurzaming van de communities pleiten wij voor een andere manier van denken. In plaats van een focus op de bestendiging van een tijdelijke (organisatie)structuur, gaat het dan over het verduurzamen van het proces van samenwerkend leren, werken en innoveren dat in gang is gezet. Ook waardevolle activiteiten en interacties die hun doorwerking of spin-off hebben buiten de Learning community zorgen voor bestendiging en verduurzaming van het samenwerkend leren. De verkenning van de kennisbasis voor de Learning communities heeft ook nieuwe onderzoeksvragen opgeleverd voor academisch en praktijkgericht onderzoek. Naast de verkenning van de kennisbasis heeft een expertgroep Instrumenten gewerkt aan een inventarisatie waarmee de concepten uit de kennisbasis op een praktische wijze kunnen worden vertaald in instrumenten om Learning communities (door) te ontwikkelen. De tips en selectie van instrumenten en aanbevelingen zijn samengebracht rond de verschillende ontwikkelingsfasen van Learning communities te weten starten, ontwerpen, uitvoeren en verduurzamen. Er zijn heel veel instrumenten die ‘facilitators’ van Learning communities en anderen kunnen gebruiken bij het opzetten en begeleiden ervan. Actuele vraag is dus in hoeverre en op welke wijze een digitaal platform het aanbod van - en de vraag naar - dergelijke instrumenten beter bij elkaar kan brengen. Er is daarom een verkenning gedaan naar (het ontwerp van) een digitaal platform vanuit zowel de vraagkant maar ook de aanbodkant van instrumenten (de onderzoekers en ontwikkelaars van instrumenten). Hoe het concept Learning communities verder ‘carrière zal maken’ hangt in belangrijke mate af van de vraag of deze veranderingen in het ‘landschap van leren en innoveren’ beter kunnen worden geborgd dan tot dusver middels projecten (en tijdelijke projectfinanciering). De onderlinge afhankelijkheid tussen bedrijven, kennis- en onderwijsinstellingen wordt hoe dan ook steeds groter en daarmee de noodzaak om samenwerking op een nieuwe en meer duurzame manier te organiseren. De Learning communities-benadering komt ook terug in verschillende recente Groeifondsprojecten en regionaal-economische innovatiestrategieën, wat als een bewijs kan worden gezien van de hoge verwachtingen van de benadering. Met onze ervaringen en inzichten doen wij tenslotte enkele suggesties voor de agendering van het thema in het nieuwe Kennis- en Innovatieconvenant (2024-2027). Wij benadrukken daarbij dat de bestaande Learning communities tot nu vooral (tijdelijke) ‘hulpstructuren’ zijn gebleken die niet hebben geleid tot fundamentele aanpassing van de primaire processen van de ONDERZOEKSPROGRAMMA EN NETWERK LEARNING COMMUNITIES 5 betrokken onderwijsinstellingen, organisaties en bedrijven. Wij verwachten dat in de toekomst de vernetwerking in (regionale) innovatie-ecosystemen meer radicale consequenties gaan hebben voor die ‘staande organisaties’ en de wijze waarop werkend leren wordt georganiseerd, gefinancierd en beoordeeld. Om ons hierop beter voor te bereiden doen wij een aantal aanbevelingen ten behoeve van een nieuwe onderzoeksagenda, professionaliseringsagenda en transitieagenda die verder richting en invulling kunnen geven aan deze maatschappelijke beweging. Een beweging waaromheen de verwachtingen hooggespannen zijn en waaraan wij gezamenlijk middels deze publicatie met plezier een bijdrage hebben geleverd.

Perspectieven op de inrichting van Learning Communities

Hoofdstuk 2 uit Position paper Learning Communities van Netwerk learning Communities Grote maatschappelijke uitdagingen op het gebied van vergrijzing, duurzaamheid, digitalisering, segregatie en onderwijskwaliteit vragen om nieuwe manieren van werken, leren en innoveren. In toenemende mate wordt daarom ingezet op het bundelen van kennis en expertise van zowel publieke als private organisaties, die elkaar nodig hebben om te innoveren en complexe vraagstukken aan te pakken. Het concept ‘learning communities’ wordt gezien als dé oplossing om leren, werken en innoveren anders met elkaar te verbinden: collaboratief, co-creërend en contextrijk. Vanuit het Netwerk Learning Communities is een groep onafhankelijk onderzoekers van een groot aantal Nederlandse kennisinstellingen aan de slag gegaan met een kennissynthese rondom het concept ‘Learning Community’. Het Position paper is een eerste aanzet tot kennisbundeling. Een ‘levend document’ dat in de komende tijd verder aangevuld en verrijkt kan worden door onderzoekers, praktijkprofessionals en beleidsmakers.

Learning communities of practice in care

Lifelong learning is necessary for nurses and caregivers to provide good, person-centred care. To facilitate such learning and embed it into regular working processes, learning communities of practice are considered promising. However, there is little insight into how learning networks contribute to learning exactly and what factors of success can be found. The study is part of a ZonMw-funded research project ‘LeerSaam Noord’ in the Netherlands, which aims to strengthen the professionalization of the nursing workforce and promote person-centred care. We describe what learning in learning communities looks like in four different healthcare contexts during the start-up phase of the research project. A thematic analysis of eleven patient case-discussions in these learning communities took place. In addition, quantitative measurements on learning climate, reciprocity behavior, and perceptions of professional attitude and autonomy, were used to underpin findings. Reflective questioning and discussing professional dilemma's i.e. patient cases in which conflicting interests between the patient and the professional emerge, are of importance for successful learning.