Sensorgegevens en sociale netwerken
Onze op sensorgegevens gebaseerde aanpak levert uiteindelijk een gedetailleerd, nauwkeurig beeld op van de interacties van kinderen met leeftijdsgenoten en hun directe omgeving, aangevuld met veldobservatie en vragenlijsten. Deze op sensorgegevens gebaseerde benadering omvat GPS-loggers om de geografische locaties van kinderen vast te stellen, op Bluetooth gebaseerde proximity-tags om persoonlijke contacten van individuen te onderzoeken, en multi-motion ontvangers (MMR) om fysieke activiteitsniveaus te bepalen. Multimodale analyses van sensorgegevens maken het mogelijk de bewegingen van kinderen in de omgeving, hun contacten met leeftijdsgenoten en hun activiteiten op het schoolplein tijdens ongestructureerde pauzes op school te volgen. Gegevens en resultaten die via deze nieuwe methode zijn verkregen, worden gevalideerd met behulp van video-observaties van deze schoolpleingebeurtenissen. In de informatica ontwerpen we algoritmen die spatiotemporele patronen extraheren die het sociale gedrag van kinderen weergeven. Over het algemeen richt deze onderzoekslijn zich op twee hoofdgebieden: geautomatiseerde monitoring en analyses van sociale netwerken.
1. geautomatiseerde monitoring
Hoe kunnen algoritmen voor machine learning automatisch verschillende sociale gedragspatronen identificeren op basis van spatiotemporele gegevens? Recente ontwikkelingen op het gebied van kunstmatige intelligentie hebben ons in staat gesteld een end-to-end machine learning-raamwerk te ontwerpen om groepsgedrag automatisch te leren en te onderscheiden van spatiotemporele gegevens. Je kunt meer over dit onderzoek lezen in de paper onder Key Publications.
2. analyses van sociale netwerken
Hoe beïnvloedt de fysieke ruimte ons sociale netwerk? Met behulp van een spatiotemporeel sociaal netwerk begrijpen we waar kinderen zich ruimtelijk en sociaal bevinden in hun netwerk, hoe sterk hun verbinding met het netwerk is, hoe kenmerken van schoolpleinen het sociale netwerk van individuen beïnvloeden en tot slot hoe zo'n spatiotemporeel netwerk in de loop van de tijd verandert.
Samenwerking met eScience
In samenwerking met het eScience Center verbeteren we nu ons detectiesysteem verder en ontwikkelen we een volledig geautomatiseerde methode voor het meten van individuele verschillen tijdens het spelen, door software voor smartwatches te ontwikkelen die tegelijkertijd sociaal gedrag, bewegingen, locaties en hartslag registreert via de ingebouwde sensoren in smartwatches, en die ook de subjectieve ervaringen van kinderen tijdens het spelen in realtime kan verzamelen. Lees meer over dit project.
Betrokken personen
Informatica - Maedeh Nasri, Mitra Baratchi (Universiteit Leiden).
Psychologie - Carolien Rieffe, Adva Eichengreen, Brenda Sousa da Silva, Yung-Ting Tsou, Jiayin Zhao (Universiteit Twente/Universiteit Leiden), Guida Veiga (Universiteit van Evora).
Architectuur - Alexander Koutamanis (TU Delft).
Bestuur - Sarah Giest (Bestuur, Universiteit Leiden), Ellen Starke (School Alliances Amsterdam).
Belangrijkste publicaties
- Nasri, M., Tsou, YT, Koutamanis, A., Baratchi, M., Giest, S., Reidsma, D., & Rieffe, C. (2022). Een nieuwe datagestuurde benadering om bewegingen en sociaal gedrag van kinderen in schoolpleinomgevingen te onderzoeken Kinderen, 9, 1177 (Speciale uitgave: psychomotoriek bij kinderen: ontwikkeling, beoordeling en interventie). Doi: 10.3390/children9081177.
- Nasri, M., Fang, Z., Baratchi, M., Englebienne, G., Wang, S., Koutamanis, A., & Rieffe, C. (2023). Een op GNN gebaseerde architectuur voor groepsdetectie op basis van spatio-temporele trajectgegevens In Vooruitgang in intelligente gegevensanalyse XXI: 21e internationaal symposium over intelligente gegevensanalyse, IDA 2023, Louvain-la-Neuve, België, 12-14 april 2023, Proceedings (blz. 327-339). Cham: Springer Nature Zwitserland.
- Veiga, G., Ketelaar, L., de Leng, W., Cachucho, R., Kok, J.N., Knobbe, A., Neto, C., & Rieffe, C. (2017). Alleen op de speelplaats Europees tijdschrift voor ontwikkelingspsychologie, 14, 44-61. doi: 10.1080/17405629.2016.1145111.
- Laanen, R., Nasri, M., van Dijk, R., Baratchi, M., Koutamanis, A., & Rieffe, C. (2023). Geautomatiseerde classificatie van vooraf gedefinieerde bewegingspatronen: een vergelijking tussen GNSS- en UWB-technologie. arXiv preprint arXiv:2303.07107 doi: 10.48550/arXiv.2303.07107.
