Wendy Yan (UU): Rechterlijke Signalen in Rechterlijke Uitspraken en Wetswijzigingen: Jaar: 2026. Jaar: 2026

Rechterlijke signalen verwijzen naar de manier waarop rechters, binnen de Nederlandse constitutionele orde, knelpunten of onduidelijkheden in wetgeving signaleren. Het project onderzoekt of kenmerken van rechterlijke uitspraken, waaronder tekstuele kenmerken en metadata, samenhangen met daaropvolgende wetswijzigingen. Het maakt gebruik van een op maat gemaakte NLP-pijplijn voor Nederlandse juridische teksten en koppelt uitspraken op grote schaal aan wetswijzigingen. Dit biedt inzicht in de wisselwerking tussen de rechterlijke macht en de wetgever en in hoe de scheiding der machten in de praktijk functioneert.

Meike Weiper (UU, ICS): De CO₂-uitstoot van het dagelijks leven: het schatten van CO₂-uitstoot op huishoud- en individueel niveau voor de Nederandse bevolking. Jaar: 2026

Ondanks de urgentie van de klimaatcrisis is er nog maar weinig bekend over hoe individuele dagelijkse activiteiten zich vertalen in CO₂-uitstoot, of hoe deze uitstoot samenhangt met sociale ongelijkheid. Het project van Maike Weiper vult een belangrijke leemte in de gegevens door een methode te ontwikkelen die begeleid machine learning combineert met meervoudige imputatie om de CO₂-uitstoot en tijdsbesteding op bevolkingsniveau te schatten. Deze aanpak maakt het mogelijk om de uitstoot binnen verschillende sociale groepen te onderzoeken en deze rechtstreeks te koppelen aan dagelijks gedrag.

Gabrielle Martins van Jaarsveld (EUR, ESSB): Large Language Model (LLM) Driven Text-Mining to Understand and Support Students SRL Processes. Jaar: 2024

Project LLM richt zich op een beter begrip van de manier waarop studenten op verschillende niveaus van zelfregulerend leren (SRL) gebruikmaken van interventies door een tekstgebaseerde conversational agent (CA), en waarbij gebruik wordt gemaakt van tekstmining met behulp van LLM. In dit project worden de tekstmining-analyses uitgevoerd met ChatGPT-modellen van OpenAI. Het eindresultaat van dit fellowship is een wetenschappelijk artikel en een professionele gids met richtlijnen voor de manier waarop en wanneer een LLM kan worden gefinetuned en effectief dienst kan doen als tekstclassificatie.

Kristina Thompson (WUR): Using text analysis to build a Dutch historical disease database based on newspaper sources. Jaar: 2024

Een belangrijke indicator voor infectieziekten is het tijdstip van blootstelling aan de ziekte. Een indicator van de omgeving waarin de ziekte zich voordoet en van de specificieke tijdstippen en locaties is van groot belang voor dit onderzoek. Voor het Nederland in de negentiende en begin twintigste eeuw ontbreekt een dergelijke indicator. Een dataset met ziektevermeldingen samengesteld uit gegevens op basis van historische kranten kan helpen hiaten op te vullen. Dit project is daarom gericht op de ontwikkeling van een dergelijke dataset en beoogt daarnaast de methodologische uitdagingen te tackelen die inherent zijn aan het werken met soortgelijke databronnen (bijv. representatieve indicator).

Joris Broere (SCP): Predicting the impact of policy on ‘brede welvaart’ outcomes. Jaar: 2023

Dit fellowship richt zich op de implementatie van ‘brede welvaart’ als nieuwe standaard om overheidsbeleid te evalueren. Brede welvaart is een reeks van 14 indicatoren die een breed domein van beleidsterreinen omvatten zoals gezondheid, milieu, welzijn en sociale cohesie; indicatoren die moeilijker te evalueren zijn dan traditionele monetaire indicatoren. De focus van het fellowship ligt op de ontwikkeling van een geschikt model voor het voorspellen van beleidsalternatieven op een van de genoemde indicatoren en de causaliteit ervan te bepalen.