Het Kennisportfolio

Hoe bepalen landen en organisaties hun rol in de digitale wereld?

Onderzoek naar hoe landen en organisaties hun rol proberen te bepalen in de digitale wereld.
Digitale soevereiniteit gaat over wie de controle heeft over het digitale domein en hoe die macht wordt vormgegeven. Dit artikel gebruikt "Symbolic Interactionist Role Theory" (SIRT) om dit proces beter te begrijpen en onderscheidt vier belangrijke onderdelen:
• Probleemsituatie: De digitale wereld zorgt voor uitdagingen en dwingt landen en organisaties om na te denken over hun rol.
• Rol-invulling: Actoren bedenken welke rol ze willen spelen in de nieuwe digitale werkelijkheid.
• Rol-vorming: Ze proberen deze rol in de praktijk te brengen.
• Altercasting: Ze beïnvloeden anderen om hen die rol ook toe te kennen.
Door een SIRT-perspectief te gebruiken kan onderzocht worden hoe specifieke landen of organisaties een rol voor zichzelf bedenken in

Hoe kunnen inlichtingendiensten elkaar meer vertrouwen en beter samenwerken?

Onderzoek naar de rol van vertrouwen in samenwerking tussen inlichtingendiensten. Internationale samenwerking tussen inlichtingendiensten brengt tegenstrijdigheden met zich mee. Aan de ene kant is het belangrijk om complexe, grensoverschrijdende dreigingen samen aan te pakken, aan de andere kant kunnen diensten nooit zeker weten of hun partners betrouwbaar zijn en hun tegemoet zullen komen. Vaak wordt vertrouwen genoemd als sleutel voor succesvolle samenwerking, maar het concept 'vertrouwen' wordt in onderzoeken zelden goed uitgewerkt. Traditioneel worden inlichtingendiensten gezien als concurrenten die alleen samenwerken als het echt noodzakelijk is, bijvoorbeeld bij een gedeelde dreiging of gebrek aan informatie. In recente onderzoeken werd gepleit voor een meer sociologische benadering, waarbij de nadruk ligt op de relaties en gedeelde

Hoe kan internationale inlichtingensamenwerking beter begrepen en omschreven worden?

Onderzoek naar een beter begrip van inlichtingen­samenwerking in complexe, multilaterale omgevingen zoals de EU en NAVO, als proces vanuit een sociologisch perspectief. Het traditionele denken in de internationale politiek gaat uit van een staat-gerichte benadering. Dit blijkt echter niet voldoende om de dynamiek en complexiteit van de huidige internationale inlichtingen­samenwerkingen te kunnen beschrijven. Door middel van een systematische literatuurstudie pleit dit artikel voor een bredere kijk vanuit een sociologisch perspectief, waarbij internationale inlichtingen­samenwerking wordt gezien als een proces dat op verschillende niveaus en in verschillende fases plaatsvindt. Een sociologische benadering besteedt meer aandacht aan de relaties, interacties en sociale structuren die samenwerking mogelijk maken. Het combineren van oude en ni

Hoe stel je een event log samen voor een process mining analyse?

In dit onderzoek staan de menselijke taken in het samenstellen van event logs (benodigde datasets voor process mining) centraal. De data voor een event log komt meestal uit verschillende databases en moet omgezet worden naar een bruikbaar formaat. Hoewel we weten dat dit veel tijd kost, is er nog weinig inzicht in welke specifieke taken mensen hierbij uitvoeren. Op basis van literatuuronderzoek en data-analyse is in dit onderzoek een taxonomie gemaakt van deze taken. De vijf hoofdtaken die mensen vaak uitvoeren bij het samenstellen van event logs zijn: context- en doeldefinitie, assessment van de databron(nen), selectie van attributen, assessment van de event log en extractie van de databron(nen). Binnen deze hoofdtaken worden verschillende subtaken gedefinieerd. Deze indeling kan helpen bij toekomstige automatisering en verbetering van p

Hoe kom je van process mining inzichten tot daadwerkelijke procesverbeteringen?

In dit onderzoek wordt op basis van interviews met, onder andere, process mining analisten en consultants een analyse gemaakt van de uitdagingen die spelen bij het vertalen van inzichten uit process mining analyses naar concrete procesverbeteringen. Er zijn zeven uitdagingen geïdentificeerd in drie categorieën: commitment van de organisatie, expertise en verwachtingsmanagement. Uit het onderzoek volgt een aantal concrete aanbevelingen die kunnen helpen om van process mining projecten een succes te maken.

In hoeverre maakt de overheid (in 2024) gebruik van AI-systemen en hoe wordt daarbij omgegaan met de risicoafweging?

In dit onderzoek heeft de Algemene Rekenkamer bij 70 overheidsorganisaties geïnventariseerd welke AI-systemen zij gebruiken of de afgelopen vijf jaar hebben gebruikt. In totaal hebben de organisaties 433 AI-systemen opgegeven, waarvan 120 systemen daadwerkelijk in gebruik zijn. Met 167 systemen wordt geëxperimenteerd. De meeste AI-systemen (115) zijn volledig intern ontwikkeld. AI wordt vooral gebruikt voor toepassingen waar burgers en bedrijven niet direct mee te maken hebben. Zo zetten organisaties AI in om kennis te vergaren of te verwerken, of om hun interne processen te optimaliseren. Organisaties zien kansen om met behulp van AI processen efficiënter te maken. Een deel van de AI-systemen (82) heeft wel een directe impact op burgers en bedrijven. Er wordt ook volop geëxperimenteerd met generatieve AI, in totaal zijn 73 generatieve AI

Hoe kunnen patronen en signalen van digitale identiteitsfraude herkend en opgespoord worden?

Onderzoek naar de ontwikkeling van een dynamisch model voor het identificeren van patronen en signalen van digitale identiteitsfraude.
Digitale identiteitsfraude komt steeds vaker voor, waarbij iemands persoonlijke digitale identificatiemiddelen, zoals inloggegevens of identiteitsbewijzen (bijvoorbeeld DigiD), worden misbruikt om onbevoegd toegang te krijgen tot systemen of diensten, vaak voor financieel gewin. Dit treft niet alleen burgers maar ook bedrijven.
Het doel van dit onderzoeksproject is om een dynamisch model te ontwikkelen dat patronen en signalen van digitale identiteitsfraude kan herkennen en bedrijven en overheidsinstellingen kan ondersteunen bij het opsporen van cybercriminelen.

Hoe kunnen we toezichthouders en bedrijven met behulp van technologie ondersteunen bij het naleven van de AI-regelgeving?

Dit onderzoek richt zich op het ontwikkelen van regelgevende technologieën (RegTech) om zowel toezichthouders als bedrijven te ondersteunen bij het naleven van AI-regelgeving. De General Data Protection Regulation (GDPR) is een hoeksteen van de regulering van AI in de EU. De verordening is bedoeld om de gegevensstroom binnen de EU te vergemakkelijken en tegelijkertijd de fundamentele rechten van burgers te beschermen, waaronder gegevensbescherming en privacy. Er zijn echter nog grote hiaten tussen de wet en de praktijk. Uit eerder onderzoek bleek bijvoorbeeld dat minder dan 10% van de mobiele apps voldoet aan de minimale wettelijke vereisten met betrekking tot toestemming - een van de kernbeginselen van de GDPR. Nu de EU bezig is met de invoering van de AI Act, is het waarschijnlijk dat - net als bij GDPR - de handhaving achterblijft en d

Hoe kunnen we met behulp van technologie juridische kennis beter toegankelijk maken?

Dit onderzoek is erop gericht om mensen te helpen bij het oplossen van hun juridische problemen en met het verbeteren van de interactie met het rechtssysteem, waardoor het welzijn in de samenleving en het vertrouwen in juridische instellingen toeneemt. Specifiek is in dit onderzoek een methode ontwikkeld voor het genereren van uitgebreide antwoorden op vragen over wetgeving via een "retrieve-then-read"-aanpak en met behulp van een Large Language Model (LLM). Veel mensen hebben een gebrek aan juridische kennis, wat hen kwetsbaar maakt bij geschillen. Bestaande systemen voor juridische vraagbeantwoording zijn vaak beperkt in reikwijdte of geven slechts korte, onvolledige antwoorden. Om dit te verbeteren, wordt in dit onderzoek de Long-form Legal Question Answering (LLeQA)-dataset geïntroduceerd met 1.868 juridisch deskundig geannoteerde vra

Hoe kom je tot de juiste onderzoeksvragen voor een process mining project?

Dit onderzoek richt zich op hoe onderzoeksvragen worden ontwikkeld tijdens process mining projecten. Men gaat er vaak van uit dat een proces mining project begint met een concrete onderzoeksvraag. Echter is een goede onderzoeksvraag niet altijd beschikbaar aan het begin van een project. Soms worden projecten niet ingegeven door concrete vragen, maar door de beschikbaarheid van data. Bovendien moeten analisten eerst de data enigszins begrijpen, voordat ze in staat zijn concrete vragen te formuleren die ze met process mining kunnen beantwoorden. Hierdoor is het starten van een process mining project met een concrete vraag niet zo eenvoudig als het lijkt. Op basis van interviews met experts laat dit onderzoek zien hoe process mining analyses kunnen helpen bij het formuleren en verfijnen van onderzoeksvragen (iteratief proces). Voor het formu

Hoe kunnen managers beter in staat worden gesteld om betere besluiten te kunnen nemen rondom informatiesystemen in het licht van tegenstrijdige adviezen uit de multiverse van specialistische adviseurs en toezichthouders?

Onderzoek rondom besluitvorming rondom informatiesystemen in het licht van tegenstrijdige adviezen uit de multiverse van specialistische adviseurs en toezichthouders. IT Governance wordt steeds complexer. Doordat de aspecten waarmee rekening moet worden gehouden toenemen wordt besluitvorming complex en daarmee het nemen van de juiste besluiten: denk hierbij aan architectuur, informatiebeveiliging, privacy, archivering, openbaarmaking, AI, Algoritmes en nog meer. Adviseurs met verschillende specialismen adviseren de manager hierover en niet altijd in samenhang. Wanneer deze individuele adviezen tegenstrijdig zijn kan dat dilemma’s opleveren voor de manager. Hij moet een afweging maken o.b.v. deze complexe materie en dat leidt niet per se tot de beste besluiten. De onderzoeksvraag is: hoe kan ervoor gezorgd worden dat er vaker congruente mu

Hoe bevordert open(over)heid het publieke vertrouwen?

Onderzoek naar het effect van verschillende aspecten van open overheid op het vertrouwen van burgers en de vraag of open(over)heid het publieke vertrouwen bevordert.

Hoe ziet het lifecycle management van een generatief AI-model eruit?

Een AI-model moet beheerd worden vanaf de ontwikkeling tot het dagelijks gebruik, onderhoud en eventueel uitfasering. Omdat in generatieve AI vaak ongestructureerde data (zoals tekst, afbeeldingen, geluid) wordt verwerkt, zijn de datasets groter, is het complexer om de output van het model te evalueren, en is meer fine-tuning nodig dan bij traditionele AI-modellen. Dat maakt het belangrijk om het lifecycle management voor specifiek generatieve AI-modellen te onderzoeken.

Hoe kunnen we het energieverbruik van een AI-model meten?

AI-modellen gebruiken rekenkracht en daarmee elektriciteit. Om de duurzaamheid en toegankelijkheid (kosten) van AI-modellen te verbeteren, is het belangrijk om het energieverbruik te kunnen meten. Daarvoor moeten we inzicht krijgen in de factoren die van invloed zijn op het energieverbruik van AI-modellen, zoals de grootte van het model, complexiteit van de berekeningen en verwerkingstijd.

Hoe is bias te detecteren en te corrigeren in Large Language Models (LLMs)?

Vooroordelen in AI-systemen kunnen leiden tot oneerlijke of discriminerende resultaten, wat schadelijk kan zijn voor bepaalde groepen mensen. Daarom is het belangrijk om bias in LLMs op te sporen en te corrigeren. Specifiek bij het gebruik van generatieve AI speelt er ook het vraagstuk in hoeverre eerdere vragen aan een LLM (prompts) bias kunnen beïnvloeden.

Hoe worden digitale burgerwachten beïnvloed door de mogelijkheden van en de uiteenlopende culturen op sociale media?

Onderzoek naar het fenomeen van de digitale burgerwacht, waarbij groepen burgers zich beledigd voelen door activiteiten van andere burgers, en vergeldingsacties coördineren op mobiele apparaten en sociale platforms. Handelingen variëren van kleine afwijkingen van de sociale norm tot terroristische daden en deelname aan rellen. De vergeldingen bestaan onder andere uit 'naming and shaming', waarbij het huisadres, de werkgegevens en andere zeer gevoelige gegevens van het doelwit op een openbare site worden gepubliceerd ('doxing'), gevolgd door online en fysieke intimidatie. De zichtbaarheid die voortkomt uit deze acties is ongewenst, intens en blijvend. Dergelijke campagnes op wereldwijde digitale platforms zetten ook aan tot privacyschendingen en schendingen van grondrechten. Dit artikel ontwikkelt een theoretisch en empirisch onderbouwd be

Hoe kan Agent-Based-Modelling op een nuttige manier worden ingezet voor beleidsontwikkeling?

Onderzoek naar hoe Agent-Based-Modelling (ABM) kan worden ingezet voor een beter beleid van de Nederlandse Rijksoverheid. ABM is zeer geschikt om beleidsontwikkeling te ondersteunen. In de praktijk blijkt echter dat het moeilijk is om aansluiting te vinden bij de beleidsontwikkelaars. Aan de hand van interviews en observaties bij ministeries en literatuuronderzoek is een raamwerk met vereisten ontwikkeld om ABM beter te kunnen inzetten in de context van de Nederlandse Rijksoverheid.

Hoe stem je de visualisatie van een procesmodel af op degene die het gaat gebruiken?

Procesmodellen worden gebruikt in process mining analyses. Procesmodellen kunnen zeer gedetailleerd tot meer hoogover worden weergegeven ('abstraction levels'). Keuzes daarin hebben invloed op de begrijpelijkheid van het model. In dit onderzoek wordt een methode voorgesteld om voor de juiste stakeholder de juiste mate van detail weer te geven.

Wordt content moderatie op sociale media anders ervaren wanneer dit door een algoritme wordt gedaan dan wanneer dit door een mens wordt gedaan?

Onderzoek naar hoe gebruikers reageren op verwijdering van aanstootgevende inhoud (zoals scheldwoorden of haatzaaiende uitspraken) op sociale media. Specifiek is het verschil onderzocht tussen moderatie van de inhoud door een mens of door een algoritme. Dit onderzoek laat zien dat algoritmische moderatie (door AI) vaak positiever en transparanter wordt gezien dan menselijke moderatie, vooral als er geen uitleg wordt gegeven over waarom inhoud is verwijderd. Als gebruikers worden doorverwezen naar algemene richtlijnen, vermindert dit echter hun vertrouwen in de eerlijkheid van het systeem. Specifieke uitleg is dus belangrijk. De onderzoekers ontdekten ook dat mensen het verwijderen van haatzaaiende uitspraken als rechtvaardiger beschouwen dan het verwijderen van scheldwoorden.

Wat kan worden gedaan om te zorgen dat een algoritme positief wordt ontvangen door het publiek?

In dit onderzoek is gekeken naar waarom mensen terughoudend zijn tegenover technologieën zoals kunstmatige intelligentie (AI) en welke factoren deze terughoudendheid kunnen versterken. Vaak ligt het probleem niet zozeer bij de AI zelf, maar bij een gebrek aan transparantie, inspraak of toestemming van gebruikers. Dit zorgt voor wantrouwen en aversie tegen AI. Door het bestuderen van zeven concrete voorbeelden van AI-gebruik en de reacties daarop in sociale media en nieuwsartikelen, hebben de onderzoekers vastgesteld dat mensen vaak meer kritiek hebben op de manier waarop AI-systemen worden geïmplementeerd en beheerd, dan op de technologie zelf. Ze benadrukken dat AI niet los kan worden gezien van de sociale context waarin het wordt gebruikt. Het onderzoek pleit voor meer aandacht voor duidelijke uitleg, verantwoord ontwerp en inspraak van