Start promotieonderzoek Mitchell van Roij: Learning with Machines

Machine learning maakt gebruik van data om patronen te ontdekken en voorspellingen te doen op basis van geavanceerde computationele en statistische methoden. Dit biedt unieke kansen om inzichten te verkrijgen die voorheen onbereikbaar waren. Bijvoorbeeld, productieplanningen kunnen potentieel sneller en nauwkeuriger worden geoptimaliseerd dankzij slimme algoritmes die ‘leren’ van (historische) data. 

Maar deze vooruitgang gaat verder dan technologie alleen, het vraagt ook om een duidelijke organisatorische inbedding. Het leren binnen organisaties is traditioneel een sociale activiteit tussen mensen, nu voegt machine learning een nieuwe dimensie toe: systemen die zelfstandig leren en beslissingen ondersteunen. Dit vraagt om een herziening van hoe het leren en kennisdeling binnen organisaties wordt georganiseerd. 

Het gebruik van machine learning vraagt om duidelijke coördinatie tussen mens en machine. Machine learning systemen kunnen zelfstandig data analyseren en oplossingen voorstellen. Toch blijven menselijke professionals de regie houden en beslissingen nemen. Het is echter cruciaal dat organisaties niet alleen leren werken met dergelijke systemen, maar ook vooral leren ‘leren’ met dergelijke systemen om het maximale potentieel te benutten. 

Mitchell: “Binnen mijn onderzoek richt ik mij op hoe organisaties het leren van- en met machine learning effectief kunnen coördineren en integreren. Denk hierbij aan: 

(Data) slim organiseren:  

• Hoe zorg je dat systemen worden gevoed met de juiste informatie? Wie betrek ik hierbij en hoe doe je dat om effectief te leren? 
• Wat is de rol van de data engineer/wetenschapper en hoe beïnvloed dit het effectief leren van- en met dergelijke systemen?

Continu verbeteren:

• Hoe houd je lerende algoritmes relevant en up-to-date op basis van je geleerde lessen?  

Met een gerichte aanpak kan machine learning niet alleen operationele voordelen opleveren, maar ook bijdragen aan strategische groei en innovatie. Het succes ligt in het vinden van de juiste balans tussen menselijke expertise, de coördinatie daarvan en de technologische mogelijkheden.” 

“Machine learning is geen toekomstmuziek meer. Het is een strategisch instrument dat organisaties nu al kunnen benutten, mits goed gecoördineerd. Binnen mijn onderzoek richt ik mij op hoe organisaties het leren van- en met machine learning effectief kunnen coördineren en integreren. Is jouw organisatie klaar is om de voordelen van deze technologie ten volle te benutten?” 

Dit onderzoek valt binnen het HAN zwaartepunt ‘Slim'. Het samen verleggen van grenzen met digitale technologie. Deze studie onderzoekt op welke manier menselijke betrokkenheid nodig is voor effectief organisatorisch leren met machine learning systemen. Het onderzoek richt zich hierbij niet alleen op de rol van medewerkers in het configureren en optimaliseren van machine learning software (MLS), maar ook op de rol in het benutten van de door deze systemen gegenereerde inzichten. Door deze dubbele focus op technologie en menselijke interactie stimuleert het onderzoek een gebalanceerde ontwikkeling waarin zowel technische als sociologische aspecten van MLS-implementatie worden erkend en bevorderd.  

Tijdens de loop van het onderzoek wordt Mitchell begeleid door inhoudelijke experts verbonden aan verschillende kennisinstellingen: 

• Remco Mannak: Tilburg University  
• Hans van Dijk: TIAS School for Business and Society 
• Vincent Wiegel: HAN University of Applied Sciences 

Ook zal er een nauwe samenwerking zijn met collega-onderzoeker Gerlinde Oversluizen. 

Heb je behoefte aan meer informatie of ben je benieuwd hoe je met jouw bedrijf/kennis een bijdrage kunt leveren aan dit onderzoek? Neem dan contact op met: 

Mitchell.vanRoij@han.nl

of blijf op de hoogte door Mitchell en/of onze onderzoeksgroep te volgen op LinkedIn:

Mitchell van Roij | LinkedIn

HAN Lean QRM Centrum | LinkedIn