Gemeente Rotterdam TNO Ministerie van OCW Ministerie van BZK. Rotterdamse Data Science Analyse Jeugd
|
|
- Anneleen van der Heijden
- 4 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Gemeente Rotterdam TNO Ministerie van OCW Ministerie van BZK Rotterdamse Data Science Analyse Jeugd
2 Rotterdam Groeit: evidentie en interactie Potentie van de stad waarmaken: kansrijk, veilig en gezond opgroeien van kinderen en jongeren Naast symptoombestrijding ook dieper kijken voor duurzaam resultaat Versterken van perspectief, beperken van problemen Interactie met professionals, ouders en kinderen Wetenschappelijk fundament: factoren Kwaliteit: doen wat werkt; meten, spreken en verbeteren
3
4
5
6 Ranking van factoren Op: relevantie, impact en prevalentie Factor ranking Emotionele- en sociale vaardigheden 1 Ouderlijke psychopathologie 2 Sociaal economische status 2 Opvoedingsvaardigheden 2 Psychosociale problemen 3 Lage opleiding/verzuim/voortijdig schoolverlaten/slechte schoolprestaties 3 Woonomgeving/slechte buurt 3 Middelengebruik 4 Mishandeling 4 Criminaliteit 5 Sport/beweging (individu) 5 Stimuleren vanuit omgeving cultuur 5 Stimuleren/bekendheid sport 5 Temperament 5 Toegang voorzieningen 5 Voeding 5 Zwakke binding met buurt
7 Beleidsmodel Rotterdam Groeit Outcome Impact Input Throughput Output Meten, spreken, verbeteren
8 Data Science Analyse Rotterdam Gedeelde ambitie: Gemeente Rotterdam, OCW, TNO en BZK samenwerking in matrix van proces en inhoud Doel Met verschillende machine learning technieken het factorenmodel Rotterdam Groeit verrijken en inzichten verwerven voor potentieel effectief beleid voor het kansrijk, veilig en gezond opgroeien van kinderen en jongeren in de stad
9 Beoogde resultaten Werkwijze voor het bouwen van een hybride model van generieke wetenschappelijke literatuur en actuele data binnen een locale context Kennis over het gebruik van machine learning in de sociale context Het werken met data van verschillende partners op populatieniveau van de hele stad Het ontwikkelen van een dataset met potentie voor kwalitatief hoogwaardige analyses Uitlegbaarheid van AI in een publieke beleidscontext
10 Inhoudelijke thema s Oorzaken en (mate van) invloeden van factoren op sociaal emotionele gezondheid Welke factoren in welke mate een rol spelen bij het verwezenlijken van kansen voor kinderen, bijvoorbeeld m.b.t. schoolsucces, maar ook in risico s zoals op het gebied van delinquentie
11
12
13 DATA GEDREVEN BELEID Databronnen als (real-time) sensor data leveren mogelijk nieuwe inzichten op voor ( evidence-based ) beleid. Hiervoor zijn ook nieuwe methoden nodig: kan machine learning beleidsmodellen versterken? Vanwege wettelijke bepalingen, waaronder t.a.v. de privacy van betrokkenen, is een omgeving nodig om te experimenteren. Belang van co-creatie: betrekken stakeholders in verschillende fases van beleid. Policy Lab Casus Rotterdams Jeugdbeleid
14 POLICY LAB BENADERING 1. Identificeren van nieuwe databronnen en technologieën met impact op beleid. 2. Opzetten van experimenten om deze nieuwe technologieën, methoden en beleidsmodellen te testen. 3. Implementeren en monitoren van dit beleid; formuleren van mogelijkheden voor opschaling. Policy Lab Casus Rotterdams Jeugdbeleid
15 TOEPASSING: JEUGDBELEID ROTTERDAM Data over sociaal-emotionele vaardigheden en gedrag van jongeren kunnen het beleidsmodel versterken. Opstellen hybride beleidsmodel: niet alleen combinatie van theorie en praktijk, maar ook machine learning en statistiek. Policy Lab Casus Rotterdams Jeugdbeleid
16 VOORSPELLEN Verkennen van nieuwe databronnen en technologieën en de impact op beleid 1. Analyse van het bestaande beleidsmodel 2. Bepalen welke databronnen het beleidsmodel kunnen onderbouwen 3. Opstellen DPIA / gegevensverwerkingsregeling 4. Data verzamelen en opschonen 5. Trainen data-gedreven model (machine learning) 6. Aanvullende statistische analyses 7. Analyse van de uitkomsten; uitlegbaarheid 8. Opstellen hybride beleidsmodel Policy Lab Casus Rotterdams Jeugdbeleid
17 ONDERZOEKSDOEL Met verschillende machine learning technieken het factorenmodel Rotterdam Groeit verrijken en inzichten verwerven voor potentieel effectief beleid voor het kansrijk, veilig en gezond opgroeien van kinderen en jongeren in de stad Machine Learning
18 AANPAK Begrijpen factorenmodel Rotterdam Groeit + indicatoren identificeren (sprint) Data-gedreven model maken Kunnen we gebaseerd op de aanwezige data een data-gedreven model maken? Sociaal-emotionele gezondheid Delinquentie Schoolprestaties Statistische analyse van een aantal variabelen Machine Learning
19 DATASET Bronnen: CBS CJG DUO Gemeente Rotterdam Uitkomsten: Sociaal emotionele gezondheid: groep 2, VO1 (SDQ) en VO3 (RCADS) ( ) Delinquentie: verdachten of bij halt ( ) Schoolsucces: opstroom, afstroom, zittenblijven ( ) Machine Learning
20 MACHINE LEARNING - CRISP-DM MODEL Machine Learning
21 DATA PREPARATIE Inladen van de data Toetsing en analyse van data Alle databronnen koppelen op personen Selectie van de geselecteerde variabelen Omgaan met missende data Omgaan met disbalans in de data Machine Learning
22 MACHINE LEARNING - CRISP-DM MODEL Machine Learning
23 MACHINE LEARNING MODELLING (from:
24 MODEL Trainen & Testen: Zorgen dat je een stuk ongeziene data houdt om mee te testen; dit voorkomt dat je overfit op de data Zorgen dat de training en test data ongeveer hetzelfde verdeeld zijn qua klassen Performance maat moet geschikt zijn: 100% is meestal niet haalbaar, maar wat kan dan wel en wat is belangrijk? Garbage in, garbage out principe: gooi je er onzin in, komt er onzin uit Genoeg data: hoeveel data er is en hoe divers deze is, bepaalt welk model het beste te gebruiken is (geen overkill, maar ook geen te simpel model) Machine Learning
25 TYPE ALGORITMEN Bron: sklearn
26 KEUZE ALGORITME Een aantal verschillende algoritmen met standaard settings proberen en kijken welke het goed doet Dan gaan we verder met die algoritmen en kijken we of we ze nog beter kunnen krijgen Ook trainen we het model meerdere keren om te kijken of de uitkomst stabiel is (dezelfde performance en dezelfde variabelen die belangrijk zijn) Focus bij dit project ligt op explainable modellen, dus waarin we kunnen zien wat het model heeft geleerd en welke input variabelen een grote / kleine invloed hebben Machine Learning
27 VOORBEELD DECISION TREE (BESLISBOOM) Machine Learning
28 MACHINE LEARNING - CRISP-DM MODEL Machine Learning
29 EVALUATIE VEEL VERSCHILLENDE MATEN! Bron: wikipedia Machine Learning
30 EVALUATIE Reflectie sessie met experts: Is het belangrijker dat alle hoge waarden (bijv. SDQ) gevonden worden, met als gevaar dat veel lage waarden ook als hoog worden voorspeld, of dat de hoge waarden die gevonden worden ook echt goed zijn, met de kans dat er een aantal gemist worden? Wijk wel of niet als factor opnemen Leeftijd: 13 jarigen wel of niet in dataset Machine Learning
31 STATISTISCHE ANALYSE Vergelijking van de associatie tussen Sociaal-emotionele gezondheid en uitkomstmaten, zoals delinquentie Correlatie berekenen is helaas niet mogelijk vanwege de nietkloppende assumpties Associaties is uitgerekend door two-way tabulation ( tellen ) tetrachoric correlation coefficient (correlatie uitrekenen) probit model and its goodness of fit (statistisch data model) Machine Learning
32 RESULTATEN ALGEMEEN Het is mogelijk een data-gedreven model te maken om de verschillende uitkomsten te voorspellen. De performance is nog beperkt; vooral waarden die weinig voorkomen zijn moeilijk te voorspellen. WOZ waarde komt vaak terug als belangrijkste voorspellende waarde, voor zowel SDQ als delinquentie als schoolsucces. Statistiek laat zien dat de relatie tussen een variabele, WOZ in dit geval, en de uitkomsten heel complex is en waarschijnlijk niet lineair. De relatie was niet significant. Machine learning kan dit ook niet volledig vatten, maar kan wel gebruikt worden om te bepalen welke variabelen verder onderzocht moeten worden / een grotere impact zouden kunnen hebben. Voorzichtigheid: er zijn (buurt)variabelen die best of the rest zijn en 4% voorspellende waarde van de uitkomst hebben, maar aan dergelijke beperkte percentages kunnen geen conclusies worden verbonden. Machine Learning
33 RESULTATEN ALGEMEEN Disbalans van de uitkomsten: er zijn weinig positieve gevallen. De beïnvloedende factoren zijn vaak per geval verschillend, en daardoor kan er geen goed model getraind worden voor de positieven. Realistische input variabelen: de variabelen die we ter beschikking hadden, zijn mogelijk niet toereikend om het volledige plaatje te krijgen en dus ook niet om een heel goed model te trainen. In alle gevallen lijkt het model beter voorspellend als de WOZ-waarde als variabele mee wordt genomen. Machine Learning
34 RESULTATEN SOCIAAL EMOTIONELE GEZONDHEID Uitkomst: leerlingen met een verhoogd risico op psychosociale problemen (SDQ/RCADS score) Belangrijkste resultaat: WOZ waarde van het huis waar de jeugdige woont, een aantal buurtvariabelen als best of the rest, waarde rond de 4% Het gebruik van alle variabelen m.u.v. WOZ-waarde i.p.v. de hele dataset vermindert de performance overall iets, maar de positieven worden wel beter voorspeld. Voor VO1 is de voorspelling iets slechter dan bij VO3, ondanks dat er meer positieven aanwezig zijn. Doordat het meetinstrument anders is, kunnen we hier geen conclusies aan verbinden. Machine Learning
35 RESULTATEN - DELINQUENTIE Uitkomst: leerlingen met een verhoogd risico op het plegen van (halt-)delicten In de analyse lijkt naast de WOZ-waarde, de studierichting vmbo en man-zijn beïnvloedend te zijn. Het maakt geen verschil of de scores sociaal emotionele gezondheid wel of niet meegenomen worden als input voor het model. Machine Learning
36 RESULTATEN - SCHOOLSUCCES Uitkomst : leerlingen met een een verhoogde kans om te blijven zitten, op- of af te stromen Zelfde algemene constateringen als bij SDQ en delinquentie: namelijk: WOZ waarde als belangrijkste voorspeller Het toevoegen van de sociaal-emotionele gezondheid variabelen als input voor het model heeft geen toegevoegde waarde. Vroegtijdig schoolverlaten kon niet worden voorspeld, omdat er nauwelijks positieve uitkomstvariabelen waren. Machine Learning
37 Potentie en toekomst In dit project hebben we een data-gedreven beleidsmodel kunnen maken. Hiermee is het mogelijk uitkomsten te voorspellen en samenhang tussen factoren in beeld te krijgen. Daarin hebben we veel geleerd, zoals De benodigde data verkrijgen is vrij lastig, maar wel haalbaar Het pre-processen van de data kost veel tijd, maar is nodig en waardevol Samenbrengen van de expert kennis op het beleidsgebied en het data science gebied heeft het proces versneld en we hebben elkaar versterkt En er is niet één variabele die eenduidig de grootste invloed heeft
38 Potentie en toekomst Doel: met verschillende machine learning technieken het factorenmodel Rotterdam Groeit verrijken en inzichten verwerven voor potentieel effectief beleid voor het kansrijk, veilig en gezond opgroeien van kinderen en jongeren in de stad Potentie - Meer tijd in de preparatiefase voor analyse, hiermee meer balans in dataset - Toetsen van meer modellen dan uitlegbare en lineaire methoden Toevoegen meer jaren aan de dataset voor meer data, en data over een langere periode van het leven van een kind Verder verrijken van datasets door toevoegen van indicatoren Door samenwerking met partners toewerken naar steeds betere indicatoren
39
40 Ecosysteem van factoren
41 Dank voor uw
HET POLICY LAB. Tjerk Timan. ScienceWorks 25 mei 2018
HET POLICY LAB Tjerk Timan ScienceWorks 25 mei 2018 SAMENVATTING Het Policy Lab doet gecontroleerde experimenten voor het ontwikkelen van data gedreven beleid zodat beleidsmakers veilig kunnen experimenteren
Nadere informatieBouke Caton en Tom van Yperen. Cyclisch leren en monitoring in de. methodiek Wijkprogrammering
Bouke Caton en Tom van Yperen Cyclisch leren en monitoring in de methodiek Wijkprogrammering 24-5-2018 Inhoud Rotterdam Groeit beleidskader Programma Kansrijk Opgroeien en wijkprogrammering Cyclisch leren
Nadere informatie1. Reductie van error variantie en dus verhogen van power op F-test
Werkboek 2013-2014 ANCOVA Covariantie analyse bestaat uit regressieanalyse en variantieanalyse. Er wordt een afhankelijke variabele (intervalniveau) voorspeld uit meerdere onafhankelijke variabelen. De
Nadere informatieNieuwe bronnen voor nieuwe inzichten. Marko Roos Coordinator CBDS thema s Arbeid en Mobiliteit
Nieuwe bronnen voor nieuwe inzichten Marko Roos Coordinator CBDS thema s Arbeid en Mobiliteit Paradigm shift: data drivensociety. Hoeveelheid geproduceerde data groeit exponentieel De samenleving verandert
Nadere informatieThe best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K
The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K Het nieuwe toverwoord: Datascience Using automated methods to analyze massive amounts of data and to extract
Nadere informatieBijlage A: Aanbevelingen
Bijlage A: Aanbevelingen Reeds goede bekendheid en status Het CJG is goed bekend onder Apeldoornse professionals. Daarnaast is het deel van de professionals die al eens hebben doorverwezen naar het CJG,
Nadere informatieReal Time Monitoring & Adaptive Cyber Intelligence SBIR13C038
Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038 Opgericht 2010 Ervaring >10 jaar Expertise Forensisch gegevensonderzoek Anomalie detectie Behavioral profiling SBIR Partners TNO Texar Data
Nadere informatieKRAUTHAMMER YOUNG PROFESSIONAL PROGRAMMA
KRAUTHAMMER YOUNG PROFESSIONAL PROGRAMMA HERKEN JE DIT? Weet je nog hoe opwindend het is om aan het begin van een carrière te staan? Daarom wil je ook jouw young professionals helpen bij hun ontwikkeling.
Nadere informatiesmartops people analytics
smartops people analytics Introductie De organisatie zoals we die kennen is aan het veranderen. Technologische ontwikkelingen en nieuwe mogelijkheden zorgen dat onze manier van werken verandert. Waar veel
Nadere informatieDe ontwikkeling van een heropnamemodel. Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD
De ontwikkeling van een heropnamemodel Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD Aanleiding Heropname kan een indicator zijn voor sub-optimale zorg
Nadere informatieToepassen van data-analyse in de afvalwaterketen
Toepassen van data-analyse in de afvalwaterketen Dr. ir. Wouter Klein Wolterink 11 oktober 2018 2 Het idee Inzicht Data Optimalisatie Beheer 3 De praktijk Inzicht Data Valide data Informatie Optimalisatie
Nadere informatieSTATENACADEMIE PROVINCIE FLEVOLAND
STATENACADEMIE PROVINCIE FLEVOLAND (ON)ZIN van Indicatoren Lelystad, 9 april 2018 (ON)ZIN VAN INDICATOREN/1 Zomaar een indicator kiezen heeft geen zin Aan een goede indicator alleen heb je niks Als je
Nadere informatieClassification - Prediction
Classification - Prediction Tot hiertoe: vooral classification Naive Bayes k-nearest Neighbours... Op basis van predictor variabelen X 1, X 2,..., X p klasse Y (= discreet) proberen te bepalen. Training
Nadere informatieExamen Statistische Modellen en Data-analyse. Derde Bachelor Wiskunde. 14 januari 2008
Examen Statistische Modellen en Data-analyse Derde Bachelor Wiskunde 14 januari 2008 Vraag 1 1. Stel dat ɛ N 3 (0, σ 2 I 3 ) en dat Y 0 N(0, σ 2 0) onafhankelijk is van ɛ = (ɛ 1, ɛ 2, ɛ 3 ). Definieer
Nadere informatieNationale DenkTank 2014 Buurt in Beeld
Buurt in Beeld Achtergrond en uitwerking Door de decentralisatie per 2015 worden gemeenten verantwoordelijk voor nieuwe taken, waaronder de jeugdzorg Doelstelling Decentralisatie Door de decentralisatie
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatieZowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y
1 Regressie analyse Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y Regressie: wel een oorzakelijk verband verondersteld: X Y Voorbeeld
Nadere informatieKeeping Youth in Play: the Effects of Sports-Based Interventions in the Prevention of Juvenile Delinquency A. Spruit
Keeping Youth in Play: the Effects of Sports-Based Interventions in the Prevention of Juvenile Delinquency A. Spruit Dutch summary De financiële en maatschappelijke kosten van jeugdcriminaliteit zijn
Nadere informatieAgenda. MLD praktijk Oude regels Learning agility Nieuwe regels Q&A
Agenda MLD praktijk Oude regels Learning agility Nieuwe regels Q&A Talent management MLD MLD is meer een samenhangend stelsel van HR-instrumenten gericht op medewerkers die management- of leiderschapsposities
Nadere informatieOutcome-indicatoren in co-creatie November 2015
Outcome-indicatoren in co-creatie November 2015 11/24/2015 Intro Hoe weten we of bepaalde aanpakken werken? Eerst: wat zijn de beoogde effecten en hoe meten we die? http://www.cinemasenior.nl/kijk-mijn-ogen
Nadere informatieAdvies van de Wetenschappelijke Commissie Wijkaanpak
Advies van de Wetenschappelijke Commissie Wijkaanpak De Wetenschappelijke Commissie Wijkaanpak is in 2010 ingesteld door de Minister van Wonen, Wijken en Integratie met als opdracht de Minister te adviseren
Nadere informatieSOCIALE VEERKRACHT OUDEREN. Jenneke van Pijpen Tot stand gekomen met Ben Sajetcentrum en Vilans
SOCIALE VEERKRACHT OUDEREN Jenneke van Pijpen Tot stand gekomen met Ben Sajetcentrum en Vilans EVEN VOORSTELLEN JENNEKE VAN PIJPEN v In veel verschillende rollen betrokken bij de ouderenzorg. v Tot 1 januari
Nadere informatieBijlage 1: het wetenschappelijk denk- en handelingsproces in het basisonderwijs 1
Bijlage 1: het wetenschappelijk denk- en handelingsproces in het basisonderwijs 1 Bijlage 1: Het wetenschappelijk denk- en handelingsproces in het basisonderwijs: Stadium van het instructie model Oriëntatiefase
Nadere informatieDatascience. Data scientist: most sexy job of 21th century
Datascience Data scientist: most sexy job of 21th century Van data naar waarde: Data gedreven sturing Analyse van ongestructureerde data Kindermishandeling opsporen voor de GGD Amsterdam Opgave GGD Amsterdam
Nadere informatieWaternet Datalab. KI in de praktijk. KI in de watersector, 25 juni 2019 Alex van der Helm
Waternet Datalab KI in de praktijk KI in de watersector, 25 juni 2019 Alex van der Helm alex.van.der.helm@waternet.nl Waternet watercyclusbedrijf Amsterdam Ons werkgebied 18 gemeenten Ca 1,3 miljoen inwoners
Nadere informatieBig-data, het Internet of Things & voorspellend onderhoud in het vastgoed 7 juni 2018
Voorspellend onderhoud Big-data, het Internet of Things & voorspellend onderhoud in het vastgoed 7 juni 2018 Data v.s. Big Data Wanneer is data big -data? Hoeveelheid Snelheid Structuur Specificaties van
Nadere informatieINZET VAN MACHINE LEARNING
INZET VAN MACHINE LEARNING VOORSTELLEN INHOUD Context wat is de staat van de verzekeringsindustrie? Machine Learning - wat is het eigenlijk en is het nieuw? Toepassingen waar wordt ML met succes toegepast?
Nadere informatieLessons Learned omtrent Predictive Analytics
Lessons Learned omtrent Predictive Analytics Suzanne Deering Verdonck, Klooster & Associates OR VKA december 2015 Logo Klant Introductie Suzanne Deering Rotterdammert Bedrijfskunde (Erasmus Universiteit
Nadere informatieInzicht in kansen en effecten van re-integratie
Inzicht in kansen en effecten van re-integratie Agenda Project datagedreven sturing re-integratie bij gemeente s-hertogenbosch: Aanleiding en doel Analyses en uitkomsten Conclusies en vervolgstappen Voorstellen
Nadere informatieRoadshow Smart Cities
6 juni 2018 Roadshow Smart Cities Smart Governance Yousra Lahkim Antea Group Anders organiseren Meedenken Participeren Meebeslissen Invloed Ontwikkelingen Singapore Barcelona Wat betekent dat voor Rotterdam
Nadere informatieDidactiek van Informatieverwerking en Statistiek voor leerlingen van 12-16?
Didactiek van Informatieverwerking en Statistiek voor leerlingen van 12-16? Ontwikkeling van een module en boek voor de 2 e graads lerarenopleiding wiskunde. Informatieverwerking en Statistiek Gerard van
Nadere informatieWijs bewijs. Werkcollege Evidence based toezicht. Congres Leren loont, 10 november 2011
Wijs bewijs Werkcollege Evidence based toezicht Congres Leren loont, 10 november 2011 Dr. Marielle Klerks, IvhO en MJP Effecten van toezicht Dr. Marianne van Ooyen, WODC, EUR en Tier Werkcollege 1. Theorie
Nadere informatieBox 1: Matrix Handelingsgericht werken Schoolwide Positive Behavior Support Oplossingsgericht werken
Kees Dijkstra (Windesheim), Els de Jong (Hogeschool Utrecht) en Elle van Meurs (Fontys OSO). 31 mei 2012 Box 1: Matrix Handelingsgericht werken Schoolwide Positive Behavior Support Oplossingsgericht werken
Nadere informatieOutcome in zicht: JGZ? Erik Jan de Wilde, 16 maart 2015
Outcome in zicht: JGZ? Erik Jan de Wilde, 16 maart 2015 Inhoud Outcome in Zicht: Wat hebben we gedaan? Outcome en de JGZ? 2 Aanleiding project Gemeenten zijn per 1 jan. 2015 wettelijk verplicht aan te
Nadere informatieFACILITATION TRAINING. De kunst en kunde van het faciliteren
FACILITATION TRAINING De kunst en kunde van het faciliteren Facilitation training de kunst en kunde van het faciliteren In samenwerking met Mischief Makers organiseert de Merlijn groep een 3 daagse training
Nadere informatieDe rol van de schoolleider bij het systematisch gebruiken van data voor onderwijsverbetering
De rol van de schoolleider bij het systematisch gebruiken van data voor onderwijsverbetering VO-congres, 29 maart 2018 Kim Schildkamp: k.schildkamp@utwente.nl Cindy Poortman: c.l.poortman@utwente.nl Programma
Nadere informatieKICK BIG DATA Kansrijk of kansarm
KICK BIG DATA Kansrijk of kansarm WAT GAAN WE DOEN? Wie staat er voor jullie? Antwoord op prangende vragen zoals: Wat is data? Wat maakt het BIG? Wat beeldende Vilans voorbeelden Wat zouden we kunnen binnen
Nadere informatieNaar visiegedreven eigen toezicht
Naar visiegedreven eigen toezicht Visiegedreven eigen toezicht: Na jaren van vergrote aandacht voor zwakkere scholen is er ruimte voor algehele kwaliteitsimpuls Percentage scholen met aangepast arrangement
Nadere informatieRotterdam Lekker Fit! Trendanalyse overgewicht onder Rotterdamse kinderen
Gegevensbronnen De overgewichtcijfers in deze factsheet zijn gebaseerd op lengte en gewicht gegevens uit twee verschillende registratiesystemen: Kidos en de Fitmeter. Trendanalyse overgewicht onder Rotterdamse
Nadere informatieMet de Glazen Bol naar. Doelgerichter BWT Toezicht
Met de Glazen Bol naar Doelgerichter BWT Toezicht Missie SuperGraph realiseert de toepassing van Voorspellende Modellen in het hart van uw organisatie dusdanig dat onzekerheden zoveel mogelijk worden weggenomen
Nadere informatieDr. Hilde Verbeek 15 april 2014. Department of Health Services Research Focusing on Chronic Care and Ageing 1
Dr. Hilde Verbeek 15 april 2014 Department of Health Services Research Focusing on Chronic Care and Ageing 1 Doelstelling Nurses on the Move Bijdragen aan verbetering kwaliteit van zorg in verpleeg- en
Nadere informatieWaarde creëren met kansrijke data-pilots
Waarde creëren met kansrijke data-pilots Meer weten? Neem dan vrijblijvend contact op met onze adviseurs. Zij helpen u graag verder. Anton Dekkers 06-10 30 75 72 Herman Uffen 06-12 84 77 59 Alex Commandeur
Nadere informatieEffectief Actief. Ondersteuningsmogelijkheden voor kansrijke sport- en beweeginterventies
Effectief Actief Ondersteuningsmogelijkheden voor kansrijke sport- en beweeginterventies Effectief Actief Ondersteuningsmogelijkheden voor kansrijke sport- en beweeginterventies Effectief Actief is een
Nadere informatieSessie Data Science Centers
Sessie Data Science Centers Anja Lelieveld en Jaron Haas, Directie Informatiesamenleving en Overheid, Ministerie van BZK Congres 'Data gedreven Beleidsontwikkeling 28 november 2017 Regeerakkoord 2017-2021
Nadere informatieDigitale overheid van de Toekomst, 28 september Workshop: De praktijk in een datalab
Digitale overheid van de Toekomst, 28 september 2016 Workshop: De praktijk in een datalab Ruud Hogendoorn, 28 september 2016 Bestel je een pizza, krijg je dit Filters eerste selectie Big Data-proces in
Nadere informatieEen leertraject evalueren tijdens een levendige sessie
onderzoek doen 4 Een leertraject evalueren tijdens een levendige sessie Hoe je de terugblik op een training leerzaam en effectief kunt maken Door Suzanne Verdonschot en Marjolein van Vossen Evalueren van
Nadere informatieKNHB Expertisecentrum. Opleidingen voor Trainers, Coaches, Technisch Managers & Scheidsrechters
KNHB Expertisecentrum Opleidingen voor Trainers, Coaches, Technisch Managers & Scheidsrechters VOORSTELRONDE: Wie ben ik? Van welke team ben je trainer/coach? Hoeveel jaar ervaring als trainer of coach
Nadere informatieKrachten bundelen voor De toekomst van Zwolle
Krachten bundelen voor De toekomst van Zwolle Samenvatting Ontwikkelagenda passend onderwijs en jeugdhulp 12-12-2016 1 Passend onderwijs en jeugdhulp: 2 stukjes van dezelfde puzzel Aantal 0-19 jarigen
Nadere informatieInhoud. Neuronen. Synapsen. McCulloch-Pitts neuron. Sigmoids. De bouwstenen van het zenuwstelsel: neuronen en synapsen
Tom Heskes IRIS, NIII Inhoud De bouwstenen van het zenuwstelsel: neuronen en synapsen Complex gedrag uit eenvoudige elementen McCulloch-Pitts neuronen Hopfield netwerken Computational neuroscience Lerende
Nadere informatieDrechtsteden Alliantie. De laatste stand van zaken Juli 2016
Drechtsteden Alliantie De laatste stand van zaken Juli 2016 Visie en doel Voor en met de inwoners van de Drechtsteden werken we van 2016 tot 2020 samen aan het realiseren van de volgende doelstellingen:
Nadere informatieNulmeting Zwolle Gezonde Stad 2009. Ingrid van Aart, Silvia de Roos en Tommy Visscher 13 september 2012, CIAO bijeenkomst
Nulmeting Zwolle Gezonde Stad 2009 Ingrid van Aart, Silvia de Roos en Tommy Visscher 13 september 2012, CIAO bijeenkomst Inhoud - Doelstellingen - Indicatoren - Gebruikte bronnen/ meetinstrumenten - Ervaringen/
Nadere informatieStartbijeenkomst keten innovatieprogramma. Kunststof & Rubber in de Ondergrondse Infrastructuur
Startbijeenkomst keten innovatieprogramma Kunststof & Rubber in de Ondergrondse Infrastructuur Utrecht, 21 oktober 2015 Inhoud Introductie 3 Zij waren er bij! 4 Circulaire economie 5 RACE programma 6 Sectoranalyse
Nadere informatieTussen instrumentalisering en ontspanning: de rol van sport in de zorgsector. Marc Theeboom Jasper Truyens Tessa Commers
Tussen instrumentalisering en ontspanning: de rol van sport in de zorgsector Marc Theeboom Jasper Truyens Tessa Commers 2 vragen 1. wat wordt er van sport verwacht? 2. wat kan sport voor de zorgsector
Nadere informatieCorrelatie = statistische samenhang Meest gebruikt = Spearman s rang correlatie Ordinaal geschaalde variabelen -1 <= r s <= +1 waarbij:
Correlatie analyse Correlatie = statistische samenhang Meest gebruikt = Spearman s rang correlatie Ordinaal geschaalde variabelen -1
Nadere informatieInsights Zorg. Uw partner in ehealthimplementatie
Insights Zorg Uw partner in ehealthimplementatie Social Return on Investment Plan van Aanpak maatschappelijke business case ehealth Doel professionaliseren van investeringsbeslissingen opbouwen van kennis
Nadere informatieContinuous Learning in Computer Vision S.L. Pintea
Continuous Learning in Computer Vision S.L. Pintea Continuous Learning in Computer Vision Natura non facit saltus. Gottfried Leibniz Silvia-Laura Pintea Intelligent Sensory Information Systems University
Nadere informatieSlim Onderhoud Voorkomen lekkages en onnodige kosten. Seminar Datagestuurd Woningonderhoud
Slim Onderhoud Voorkomen lekkages en onnodige kosten Seminar Datagestuurd Woningonderhoud Ralf Putter Business Consultant John Ciocoiu Technisch Consultant Data & Analytics Slim Onderhoud Value case Project
Nadere informatieTESTVRAAG: Bent u rechts-of linkshandig?
Programma Thema: Hoe onderzoek je of de transformatie van de jeugdzorg werkt? Onderzoek G4-rekenkamers 1. Eigen kracht 2. Risicomanagement 3. Leren 4. Monitoring en sturing 5. Vervolgonderzoek www.sendsteps.com
Nadere informatieDe i-factor in het Sociaal Domein. Deventer, Enschede, Groningen en Zwolle (& Coöperatieve Vereniging Dimpact)
De i-factor in het Sociaal Domein Deventer, Enschede, Groningen en Zwolle (& Coöperatieve Vereniging Dimpact) Eisen en ambities t.a.v. Informatiehuishouding Ambities Overheid Inclusieve samenleving Participatie
Nadere informatieRol van onderzoek en kennis in beleid. Annemarie Sipkes (Directeur Kennis, OCW)
Rol van onderzoek en kennis in beleid Annemarie Sipkes (Directeur Kennis, OCW) Inhoud 1. Agendering 2. Ontwerp van beleid 3. Uitvoering van beleid 4. Beleidsevaluatie 5. Wat werkt, wat kan beter? Beleidscyclus
Nadere informatiebeoordelingskader zorgvraagzwaarte
1 beoordelingskader zorgvraagzwaarte In dit document geven we een beoordelingskader voor de beoordeling van de zorgvraagzwaarte-indicator. Dit beoordelingskader is gebaseerd op de resultaten van de besprekingen
Nadere informatieSPIJBELEN EN VROEGTIJDIG SCHOOLVERLATEN IN INTERNATIONAAL PERSPECTIEF Maakt het type onderwijssysteem een verschil?
SPIJBELEN EN VROEGTIJDIG SCHOOLVERLATEN IN INTERNATIONAAL PERSPECTIEF Maakt het type onderwijssysteem een verschil? Gil Keppens & Bram Spruyt SPIJBELEN EN VROEGTIJDIG SCHOOLVERLATEN IN INTERNATIONAAL PERSPECTIEF
Nadere informatieDoelen KENNEN & KUNNEN LEERLIJN OVERLADENHEID EIGEN RUIMTE BALANS
Doelen KENNEN & KUNNEN SAMENHANG DOORLOPENDE LEERLIJN OVERLADENHEID EIGEN RUIMTE BALANS Leergebieden Ontwikkelteam 125 18 9 ONTWIKKELTEAMS Ontwikkelteam 125 18 9 ONTWIKKELTEAMS 84 ONTWIKKELSCHOLEN Geven
Nadere informatieInventarisatie evaluatiemethoden C-ITS
Inventarisatie evaluatiemethoden C-ITS Ronde Tafel Effecten 8 december 2015 Freek Faber Welke evaluatiemethoden kennen jullie?. 8 december 2015 2015-18/2 Inventarisatie evaluatiemethoden voor C-ITS Evaluation
Nadere informatieTNO Runalyser; real time monitoring van looptechniek. John Willems
TNO Runalyser; real time monitoring van looptechniek John Willems Inhoud Korte intro TNO Wat is runalyser? Waarom runalyser? Voorbeeld data runalyser Onderzoek naar running economy Toekomst 2 TNO personal
Nadere informatieManual: handleiding opstarten Skills Lab
Manual: handleiding opstarten Skills Lab Dit is een handleiding voor professionals die zelf een Skills Lab willen starten. Skills Lab wil de werkmogelijkheden voor mensen met ASS vergroten door hen te
Nadere informatieInnovatie bewust stimuleren
Innovatie bewust stimuleren Theoretisch kader Master Innovation in Complex Care 1 Wat is innoveren? Innoveren is toepassen van een uitvinding Huizingh, 2015 Missie Levenskwaliteit Zelfredzaamheid Participatie
Nadere informatieKickstart Architectuur. Een start maken met architectuur op basis van best practices. Agile/ TOGAF/ ArchiMate
Kickstart Architectuur Een start maken met architectuur op basis van best practices. Agile/ TOGAF/ ArchiMate Context schets Net als met andere capabilities in een organisatie, is architectuur een balans
Nadere informatieDIFFERENTIELE PSYCHOLOGIE: INHOUDSTAFEL
DIFFERENTIELE PSYCHOLOGIE: INHOUDSTAFEL INLEIDING DEEL I: DIFFERENTIELE PSYCHOLOGIE: WAT EN HOE? 1. Doelstelling en Geschiedenis a. Doelstelling i. Wat? 1. Beschrijven van verschillen 2. Beschrijven van
Nadere informatieRichtlijn Gezonde slaap en slaapproblemen bij kinderen (2017)
Richtlijn Gezonde slaap en slaapproblemen bij kinderen (2017) Hechtingsrelatie Zelfregulatie en interactie tijdens de nacht Onderdeel van de discussie rond sensitief en responsief ouderschap richt zich
Nadere informatiePressure Cooker. Schuldhulpverlening
Pressure Cooker Schuldhulpverlening Uitgangspunten Resultaten uit het good practise onderzoek Hogeschool van Amsterdam Resultaten uit doelgroeponderzoek Hogeschool van Amsterdam 5 Speerpunten van gemeente
Nadere informatieEffectieve beleidsontwikkeling met data science
Driedaagse Training Course Programma Effectieve beleidsontwikkeling met data science Vrijdagen 18, 25 mei en 1 juni Centraal Museum, Utrecht Doelgroepen: Beleidsmakers Beleidsonderzoekers en data-analisten
Nadere informatieOpbrengsten studiereis
Opbrengsten studiereis Finland 2013 Kwaliteitszorg met impact op de werkvloer Opzet Studiereis Centrale vraag: Hoe kunnen instellingen en teams kwaliteitszorg zo vormgeven dat dit een duurzaam effect heeft
Nadere informatieHoe ziek word je van zitten?
Hoe ziek word je van zitten? Evi van Ekris EMGO + Instituut afd. Sociale Geneeskunde VU Medisch Centrum Er is altijd wat te doen Naast het stimuleren van sporten is het belangrijk bewegen meer te integreren
Nadere informatieRepubliq Dag van de Stad. 29 oktober 2018
Republiq Dag van de Stad 29 oktober 2018 Agenda Over Republiq Smart Cities: voorbeelden Smart City Rotterdam Over Republiq Stevige ambitie Publiek vastgoed Vastgoed, strategie en financiën Data scientist
Nadere informatiesamenvatting 127 Samenvatting
127 Samenvatting 128 129 De ziekte van Bechterew, in het Latijn: Spondylitis Ankylopoëtica (SA), is een chronische, inflammatoire reumatische aandoening die zich vooral manifesteert in de onderrug en wervelkolom.
Nadere informatieSlimme samenwerkingsmodellen, van idee naar praktijk
Slimme samenwerkingsmodellen, van idee naar praktijk Johan Moyersoen i-propeller Contactgegevens: Johan@i-propeller.com www.i-propeller.com - www.oksigenlab.eu - www.si2fund.com Focus vandaag Van silo-perspectief
Nadere informatieNederlandse samenvatting
Docenten in het hoger onderwijs zijn experts in wát zij doceren, maar niet noodzakelijk in hóe zij dit zouden moeten doen. Dit komt omdat zij vaak weinig tot geen training hebben gehad in het lesgeven.
Nadere informatie1 Inleiding. 2 Methode en selectie
1 Inleiding In de CPB Policy Brief over de positie van de middeninkomens op de woningmarkt (CPB, 2016) spelen subsidies in de verschillende segmenten van de woningmarkt een belangrijke rol als verklaring
Nadere informatieTussenstand kwalitatieve monitoring m.b.v. narratieven in Hilversum
Tussenstand kwalitatieve monitoring m.b.v. narratieven in Hilversum Een presentatie van een methode in ontwikkeling, focus op welzijnsvoorzieningen Door Esther Sarphatie, accountmanager gemeente Hilversum
Nadere informatieDigitale overheid en jongeren
Digitale overheid en jongeren een educatief programma Ede, 12 oktober 2017 Stichting Digisterker 1 Hartelijk welkom! Angeliek van der Zanden Jefta Bego Ellen van Schie Projectleider Jongeren Coördinator
Nadere informatieDe leden van de raad van de gemeente Groningen te GRONINGEN
Onderwerp Evaluatie nieuwe impuls Steller M. Mulder De leden van de raad van de gemeente Groningen te GRONINGEN Telefoon (050) 367 60 97 Bijlage(n) 1 Ons kenmerk 6044570 Datum 23-11-2016 Uw brief van Uw
Nadere informatieSport en de persoonlijke ontwikkeling van kwetsbare jongeren
Sport en de persoonlijke ontwikkeling van kwetsbare jongeren Verslag van de eerste vragenlijstronde Jeugd, Zorg en Sport Auteur: Sabina Super, Niels Hermens, Kirsten Verkooijen Datum: 19 april 2016 Inleiding
Nadere informatieZET DATA AAN HET WERK
ZET DATA AAN HET WERK DOEL DATA ONTSLUITEN DOEL DATA ONTSLUITEN 1 DATA TRANSPARANTIE HELE ORGANISATIE DRAAGVLAK NIEUWE INFORMATIE NIEUWE VRAGEN BETER ANTICIPEREN DOEL DATA ONTSLUITEN 1 DATA TRANSPARANTIE
Nadere informatieGolden Egg Check als tool voor investeringsfondsen
Golden Egg Check als tool voor investeringsfondsen Primair bieden wij met onze web-applicatie en de daarbinnen aanwezige tools een structuur en omgeving aan waarmee de aanvraag, beoordeling en ontwikkeling
Nadere informatieTekst Mining API Service
1 Beschrijving API service Tekst Mining API Service De API service van Underlined is een volautomatische oplossing om tekstanalyse te doen op al uw open teksten. Via de API krijgt u voor iedere aangeboden
Nadere informatieStrategische Agenda AWTJ Utrecht december 2017
Strategische Agenda AWTJ Utrecht 2018-2023 4 december 2017 De AWTJ Utrecht 1 Strategische Agenda AWTJ Utrecht 2018-2023 Missie Verbinding van praktijk, beleid, onderzoek en onderwijs om de zorg en ondersteuning
Nadere informatieNota. 1. Inleiding. Rudi Bakker Sector SQS 11 Februari 2014
Nota Financiële kengetallen Careinstellingen en zorgzwaarte 2012 Rudi Bakker Sector SQS 11 Februari 2014 1. Inleiding Het ministerie van Volksgezondheid, Welzijn en Sport (VWS) heeft het CBS verzocht om,
Nadere informatieAMBITIEKAART PASSEND ONDERWIJS
AMBITIEKAART PASSEND ONDERWIJS Domein Passend onderwijs Onderwijs Opbrengst gericht passend onderwijs Achtergrond De inzichten die wij hebben op leren en van waaruit wij handelen zijn wetenschappelijk
Nadere informatiehet minder belangrijk om ergens bij te horen en belangrijker om elkaar te helpen en hulp te ontvangen, terwijl het omgekeerde patroon gevonden werd
Samenvatting Het onderzoek dat in dit proefschrift wordt gepresenteerd is een verkenning van de samenhang tussen de motivatie, gerepresenteerd door persoonlijke doelen, en de kwaliteit van het samenwerkend
Nadere informatieIngrediënten voor een innovatief datalab
Ingrediënten voor een innovatief datalab Hoeveel tijd neemt jouw organisatie voor innovatie en vernieuwing?? 2 Waar zit als organisatie je budget en je waarde? Vandaag Budget Morgen Overmorgen Peter Hinssen:
Nadere informatieZuid-Limburgse Jeugd-GGZ
Zuid-Limburgse Jeugd-GGZ Contactgegevens Dr. Daan Westra Duboisdomein 30, 6229 GT, Maastricht Tel.nr: 043-388 17 31 Email: d.westra@maastrichtuniversity.nl https://hsr.mumc.maastrichtuniversity.nl/ Onderzoeksteam
Nadere informatieVeiligheid in de lokale veiligheidsketen
Veiligheid in de lokale veiligheidsketen Swing project 18-04-2016 Miriam Doeser, Reclassering Nederland Sijta de vries, Samen Veilig Midden-Nederland Swing perspectief Focus project:? Vanuit verschillende
Nadere informatieBig Data en DUO. We swim in a sea of data and the sea level is rising rapidly. G. Brink Programmamanager Ir. J.W. van Veen Enterprise Architect
Big Data en DUO We swim in a sea of data and the sea level is rising rapidly. G. Brink Programmamanager Ir. J.W. van Veen Enterprise Architect Agenda Wat doet DUO Big Data theorie Big Data - architectuur
Nadere informatieMeerdaagse trainingen voor bewustzijn, motivatie én plezier op de werkvloer
Sport werkt! Meerdaagse trainingen voor bewustzijn, motivatie én plezier op de werkvloer Leer optimaal samenwerken, omgaan met stress en effectief communiceren Nederlands Instituut voor Vechtsport en Maatschappij
Nadere informatieMonitoring. Uitwerking plan van aanpak monitoring project duurzame inzetbaarheid in de V&V. Oktober Uitvoerders: Disworks DISWORKS
Monitoring Uitwerking plan van aanpak monitoring project duurzame inzetbaarheid in de V&V Oktober 2012 Aanvrager: Opdrachtgevers: Uitvoerders: A+O VVT Bestuur A+O VVT en Bestuur SBCM CAOP Disworks DISWORKS
Nadere informatieHoe begeleiden we praktijkonderzoek in BNBSON? Jan Labbe
Hoe begeleiden we praktijkonderzoek in BNBSON? Jan Labbe Verhaal 1 Leerlingen ondervinden veel moeilijkheden in het eerste leerjaar Mijn collega s willen niet samenwerken Eerste oriëntatie: Er blijkt een
Nadere informatieWORKSHOP Kwantificeren van effect van toezicht; is het haalbaar? Erasmus MC, Maatschappelijke Gezondheidszorg Inspectie voor de Gezondheidszorg
WORKSHOP Kwantificeren van effect van toezicht; is het haalbaar? Erasmus MC, Maatschappelijke Gezondheidszorg Inspectie voor de Gezondheidszorg Haalbaarheidstudie naar de kwantificering van gezondheidseffecten
Nadere informatieSamenvatting. Inleiding
Inleiding Overgewicht en obesitas bij kinderen is een serieus volksgezondheidsprobleem. Het wordt veroorzaakt door een complex geheel van onderling samenhangende persoonlijke, sociale en omgevingsfactoren.
Nadere informatiePositief Opvoeden, Triple P in de transitie stelsel jeugd
Positief Opvoeden, Triple P in de transitie stelsel jeugd Jacqueline van Rijn Jolyn Berns www.nji.nl Marion van Bommel Sandra Hollander Oktober 2013 Triple P Triple P is een evidence based opvoedondersteuningsprogramma,
Nadere informatie