Ons onderzoek is georganiseerd in vijf programmalijnen. Elke lijn richt zich op een domein waar de behoefte aan innovatie groot is en waar digitalisering, data en AI concrete impact kunnen maken. De lijnen sluiten direct aan op de uitdagingen die we in het werkveld tegenkomen en vormen samen de breedte van het onderzoekscentrum.

Process optimisation

Hoe kunnen bedrijfsprocessen slimmer en efficiënter? We onderzoeken nieuwe methoden om uit digitale registraties bruikbare inzichten te halen die leiden tot aantoonbare procesverbetering.

Senior onderzoeker: Jeroen Baijens

Digital Twins

We ontwikkelen virtuele modellen van fysieke objecten en systemen die, aangestuurd door AI, zelfstandig kunnen voorspellen, optimaliseren en ingrijpen. Van industriële toepassingen tot de gebouwde omgeving.

Senior onderzoeker: Josi Menezes

Data, Security & Infrastructure

We onderzoeken hoe organisaties hun data veilig, schaalbaar en toekomstbestendig kunnen inrichten. Van opslagarchitectuur tot privacybescherming – met oplossingen die in de praktijk werken.

Senior onderzoeker: Marc Bertrand

Smart Assistants

We werken aan AI-systemen die mensen – van medewerker tot patiënt – real-time en gepersonaliseerd ondersteunen. Het onderzoek richt zich op de vraag hoe context en data samenkomen in werkelijk bruikbare hulp.

Senior onderzoeker: Maarten Vaessen

Human Computer Interaction

Technologie werkt pas als de interactie klopt. We onderzoeken hoe interfaces via beeld, geluid en touch intuïtiever en toegankelijker kunnen worden, zodat innovatie ook daadwerkelijk landt bij de gebruiker.

Senior onderzoeker: Shiro Inoue

Missie

We verbinden studenten, onderzoekers en partners uit de maatschappij rond digitalisering, data science en artificial intelligence. Zo ontwikkelen we nieuwe kennis en toepassingen, en brengen we die terug naar onderwijs en praktijk.

Visie

We groeien uit tot een plek waar onderzoek en praktijk elkaar versterken. We ontwikkelen oplossingen die:

• data veilig en zorgvuldig benutten
• AI begrijpelijk en uitlegbaar maken
• digitalisering inzetten voor duurzaamheid

R. Barbalho, S. Rodrigues, M. Tenorio, and J. Menezes (2024). Ambush strategy enhances organisms’ performance in rock–paper–scissors games. BioSystems 240, 105229.

E. Van den Aker and E. Rahimi (2024). Design principles for generating and presenting automated
formative feedback on code quality using software metrics.

J. Menezes and E. Rangel (2024). Reproduction-mobility trade-off in rock-paper-scissors models in changing environmental conditions. Physica Scripta 99, 045235.

J. Menezes (2024). Mobility restrictions in response to local epidemic outbreaks in rock-paper-scissors models. Journal of Physics: Complexity 5, 015018

K. Miyama, S. Inoue, S. Shirasaka (2023). The role of human-centred design in promoting understanding of local contexts: a study of Japanese students addressing social issues in Bangladesh. International Association of Societies of Design Research Congress 2023

J. Bouma, H. Jonker, V. Van der Meer, E. Van den Aker (2023). Reconstructing Timelines: From NTFS Timestamps to File Histories. ARES ’23: Proceedings of the 18th International Conference on Availability, Reliability and Security, pp. 1-9

M. Schmitz, M. Scheffel, R. Bemelmans, H. Drachsler (2023). Evaluating the impact of FoLA² on learning analytics: knowledge creation and acceptance during the codesign of learning activities. Interaction Design and Architecture(s) Journal – IxD&A, N.55, 2022-23, pp. 9 – 33

J. Schneider, K.A.M. Sanusi, B. Limbu, M.Schmitz, D. Schiffner (2023). Novices make more noise! The D&K effect 2.0?

S.C.M.W. Tummers, A. Hommersom, L. Lechner, R. Bemelmans, C.A.W. Bolman (2022). Determinants of physical activity behaviour change in (online) interventions, and gender-specific differences: a Bayesian network model. International Journal of Behavioral Nutrition and Physical Activity volume 19, Article number: 155

M. Schmitz, M. Scheffel, R. Bemelmans, H. Drachsler (2022). A Method for Co-creating Learning Analytics–Supported Learning Design. Journal of Learning Analytics 9 (2), 265-281

D. Nijssen, R. Bemelmans, H. Lente (2022). Unravelling the fourth industrial revolution: a comparative study of a label. International Journal of Technology, Policy and Management 22 (4), 288-305.

M. Scheffel, M. Schmitz, J. van Hooijdonk, E. van Limbeek, C. Kockelkoren, D. Joppe, H. Drachsler (2021). The Design Cycle for Education (DC4E). DELFI 2021.

S. Praharaj, M. Scheffel, M. Schmitz, M. Specht, H. Drachsler (2021). Towards Automatic Collaboration Analytics for Group Speech Data Using Learning Analytics. Sensors, 21(9), 3156. MDPI AG.

V. Van der Meer, J. Van den Bos (2021). JPEG File Fragmentation Point Detection using Huffman Code and Quantization Array Validation. The 16th International Conference on Availability, Reliability and Security, 1-7.

S.C.M.W. Tummers, A. Hommersom, L. Lechner, C. Bolman, R. Bemelmans. Gaining Insight into Determinants of Physical Activity using Bayesian Network Learning. BNAICBENELEARN2020 (2020).

C. Extra, J. Bemelen, L. Rieser (2020). A study on the maturity and barriers of digital literacy in Dutch primary education in Limburg. ESHA magazine, december 2020: 57-64.

V. Van der Meer, H. Jonker, J. Van den Bos (2020). A Contemporary Investigation of NTFS File Fragmentation. Forensic Science International: Digital Investigation. Volume 38, Supplement, October 2021, 301125

I. Jivet, M. Scheffel, M. Schmitz, S. Robbers, M. Specht, H. Drachsler (2020). From students with love: An empirical study on learner goals, self-regulated learning and sense-making of learning analytics in higher education. The Internet and Higher Education 47 (2020): 100758

N. van Halem, C. Van Klaveren, H. Drachsler, M. Schmitz, I. Cornelisz (2020). Tracking patterns in self-regulated learning using students’ self-reports and online trace data. Frontline Learning Research 8 (2020): 140-163

V. Van der Meer, H. Jonker, G. Dols, H. van Beek, J. Van den Bos, M. van Eekelen (2019). File Fragmentation in the Wild: a Privacy-Friendly Approach. Proc.\ 11th IEEE International Workshop on Information Forensics and Security (WIFS’19) (2019): 1-6

M. Scheffel, E. Van Limbeek, D. Joppe, J. Van Hooijdonk, C. Kockelkoren, M. Schmitz, P. Ebus, P. Sloep, H. Drachsler (2019). The means to a blend: A practical model for the redesign of face-to-face education to blended learning. European Conference on Technology Enhanced Learning (2019): 701-704

R. Daniels, M. Heerink, E. Hagedoren-Meuwissen, M. Heinemann, R. Van den Heuvel, C. Huijnen, S. Van Oenen, M. De Jong, P. Van der Post, R. Bemelmans (2018). Sociale robots in de zorg: van experiment tot zorgpraktijk.Windesheim/Flevoland; Zuyd Hogeschool, 2018

M. Schmitz, M. Scheffel, E. Van Limbeek, R. Bemelmans, H. Drachsler (2018). Make It Personal! – Gathering Input from Stakeholders for a Learning Analytics-Supported Learning Design Tool. European Conference on Technology Enhanced Learning (2018): 297-310

M. Schmitz, M. Scheffel, E. Van Limbeek, N. Van Halem, I. Cornelisz, C. Van Klaveren, R. Bemelmans, H. Drachsler (2018). Investigating the Relationships Between Online Activity, Learning Strategies and Grades to Create Learning Analytics-Supported Learning Designs. European Conference on Technology Enhanced Learning (2018): 311-325

M. Schmitz, E. Van Limbeek, W. Greller, P. Sloep, H. Drachsler (2017). Opportunities and challenges in using learning analytics in learning design. European Conference on Technology Enhanced Learning (2017): 209-223

R. Bemelmans, G.J. Gelderblom, P. Jonker, L. De Witte (2016). How to use robot interventions in intramural psychogeriatric care; a feasibility study. Applied Nursing Research 30 (2016): 154-157

R. Bemelmans, G.J. Gelderblom, P. Jonker, L. De Witte (2015). Effectiveness of robot Paro in intramural psychogeriatric care: a multicenter quasi-experimental study. Journal of the American Medical Directors Association 16 (2015): 946-950

M. Valentí-Soler, R. Bemelmans, M. Heerink, M. Loerts (2014). Knuffelen met nieuwe vrienden: een handreiking voor zorgprofessionals bij de inzet van robotdieren in de zorg voor mensen met dementie. Windesheim, 2014.

M. Valentí-Soler, R. Bemelmans (2014). This compilation of guidelines has been developed within the parameters of the SIA RAAK project New friends, old emotions (2014).

R. Bemelmans, G.J. Gelderblom, N. Spierts, P. Jonker, L. De Witte (2013). Development of robot interventions for intramural psychogeriatric care. GeroPsych (2013)

R. Bemelmans, G.J. Gelderblom, P. Jonker, L. De Witte (2012). Socially assistive robots in elderly care: A systematic review into effects and effectiveness. Journal of the American Medical Directors Association 13 (2012): 114-120

G.J. Gelderblom, R. Bemelmans, N. Spierts, P. Jonker, L. De Witte (2010). Development of PARO interventions for dementia patients in Dutch psycho-geriatric care. International Conference on Social Robotics (2010): 253-258

R. Bemelmans, G.J. Gelderblom, P. Jonker, L. De Witte (2010). The potential of socially assistive robotics in care for elderly, a systematic review. International Conference on Human-Robot Personal Relationship (2010): 83-89

Heb je vragen, wil je samenwerken of ben je benieuwd naar de mogelijkheden binnen de onderzoekstak van het Kenniscentrum Data Intelligence? Neem contact met ons op.