In steden zijn er talrijke entiteiten die gegevens genereren. Al die gebouwen, infrastructuren, productieprocessen en zelfs menselijke relaties kunnen worden gemonitord met behulp van datawetenschap. En dit monitoren kan weer dienen als basis voor het voorspellen van toekomstig gedrag van de entiteiten en het nemen van beslissingen dienaangaande. Bij het Leiden Institute of Advanced Computer Science (LIACS) werken datawetenschappers samen aan diverse projecten ter ondersteuning van onze samenleving.

Meting van de kwaliteit van bruggen

Bruggen, wegen en tunnels zijn zo gebouwd en aangelegd dat zij bestand zijn tegen zware omstandigheden zoals zwaar verkeer of extreem weer. Hoe ontwikkelt de kwaliteit van dergelijke infrastructuurprojecten zich op de lange termijn en hoe is dit van invloed op hun veiligheid? In het InfraWatch-project werd dit onderzocht bij de Hollandse Brug. De brug werd uitgerust met 145 sensoren en vervolgens zes jaar gemonitord. Analyse van de verzamelde gegevens leverde interessante nieuwe inzichten op die tevens kunnen worden gebruikt voor het voorspellen van de staat van vergelijkbare bruggen en het aanpassen van hun onderhoud.

Gebreken aan rioleringsbuizen

De ongeveer 100.000 km aan rioleringsbuizen in Nederland zijn van essentieel belang voor onze nationale gezondheid en veiligheid. In het SewerSense-project combineren specialisten van de sectie Gezondheidstechniek van de TU Delft en computerwetenschappers van de Universiteit Leiden de gegevens van verschillende sensoren, en automatiseren en verbeteren zij de inspectie van het rioleringssysteem met behulp van robots en moderne cameratechnieken. Dit verbetert de precisie van de metingen en vergroot de kans op het vinden van specifieke gebreken zonder tussenkomst van menselijke inspecteurs.

Speeltuingedrag en gezondheidscontroles

Niet alleen infrastructuren kunnen worden gemonitord. Om inzicht te krijgen in het gedrag van peuters in de speeltuin hebben wij sensors aan de kleding van de kinderen bevestigd en hun interactie gevolgd. Dit heeft geresulteerd in nieuwe conclusies over speeltuingedrag en het belang van fysiek spelen voor de sociaal-emotionele ontwikkeling van kinderen. Een ander voorbeeld is een sensorproject in het Leiden University Medical Center (LUMC). Wij hebben software ontwikkeld voor het analyseren van gegevens die worden gegenereerd door bewegingssensoren op patiënten. Wij verlenen ook onze medewerking aan een fraudeonderzoek naar onregelmatigheden in ziektekostendeclaraties op basis van transactiegegevens. Dit bracht declaraties aan het licht die in strijd waren met de regels, en die de sector miljoenen euro's zouden hebben gekost.

Effectieve gegevensanalyses

De mogelijkheden van datawetenschap hebben zich de afgelopen jaren in hoog tempo ontwikkeld. Er zijn drie factoren die daaraan hebben bijgedragen. In de eerste plaats komen er steeds meer gegevens beschikbaar. Daarnaast worden er nieuwe algoritmen ontwikkeld die gegevensanalyses effectiever maken. En zeker niet in de laatste plaats wordt de digitale infrastructuur steeds verder verbeterd: betere en krachtigere machines, en snellere verbindingen.

Gegevens en informatie zijn van groot belang in alle geledingen van de hedendaagse samenleving.

Beslissingen op alle niveaus zijn in toenemende mate gegevensgestuurd, en dit vereist juiste en tijdige informatie. In verband met de enorme toename van gegevens zijn er nieuwe wetten en voorschriften geformuleerd, en dit brengt nieuwe verantwoordelijkheden op het gebied van governance en verslaglegging met zich mee voor universiteiten en andere partijen. De vereisten voor gegevensverwerking zijn te ingewikkeld voor individuele onderzoekers en andere medewerkers. Het wordt tijd dat wij ons realiseren dat gegevensbeheer een aparte wetenschap is. Dit is te vergelijken met de ontwikkelingen in de auto-industrie, die tot gevolg hebben dat autobestuurders tegenwoordig niet meer in staat zijn zelf hun automotor te repareren zoals vroeger het geval was.

Daarom is bij de Universiteit Groningen en het Universitair Medisch Centrum Groningen een tweejarig programma gestart voor het opzetten van een service- en IT-infrastructuur, waarbij in eerste instantie wordt gefocust op onderzoekers die zich bezighouden met mensgebonden onderzoek. Het programma vereenvoudigt mensgebonden onderzoek doordat de onderzoeker in het bezit wordt gesteld van een up-to-date IT-infrastructuur waarin de onderzoeksgegevens worden verzameld, verwerkt, opgeslagen en (her)gebruikt. Daarbij wordt gezorgd voor gegevensbeveiliging en een goede bescherming van de privacy van de deelnemers. De IT-infrastructuur maakt innovatief onderzoek mogelijk en is in lijn met de huidige visie op het beheer van onderzoeksgegevens en het gebruik van zogenoemde FAIR-gegevens.

De invloed van de fenomenale stijging in volume en variëteit van big data is duidelijk te zien in alle geledingen van de samenleving, van gezondheid en welzijn tot de overheid, en van de financiële sector tot de energiesector, in feite in ieder facet van ons dagelijks leven. Met big data wordt niet alleen 'een grote hoeveelheid gegevens' bedoeld. De term heeft ook betrekking op nieuwe combinaties en continustromen van steeds veranderende gegevens. Na verwerking en analyse van big data beschikken wij over informatie en inzichten die onze wereld beschrijven, aanbevelingen en besluitvormingsondersteuning voor te ondernemen actie, en voorspellingen over wat wij kunnen verwachten.

Ingrijpende veranderingen

In ons onderzoek bestuderen wij vragen als welke genetische algoritmen de beste prognostische waarde voor een niet-invasieve prenatale test (NIPT) leveren. Met onze Network Telescope bestuderen wij hoe wij uit internetverkeerpatronen kunnen afleiden of en waar er cyberaanvallen plaatsvinden. En met onze Social Glasses ontwikkelen wij algoritmen die helpen bezoekersstromen in goede banen te leiden tijdens stedelijke evenementen. Op deze manier brengen big data ingrijpende veranderingen teweeg in de wijze waarop wij onze samenleving besturen en structureren, zaken doen, onderzoek verrichten alsook in de manier waarop wij ons gedragen.

Als gevolg van het feit dat big data in toenemende mate alomtegenwoordig zijn, wordt onze samenleving steeds afhankelijker van de uitkomsten van big-data-systemen. Daarbij is sprake van afhankelijkheid van de aard van de gegevens die kunnen worden verzameld en wie toegang heeft tot deze gegevens. Ook bestaat er afhankelijkheid van de wijze waarop de gegevens tijdens diepgaande analyses worden verwerkt op basis van voorgeprogrammeerde aannames en (vaak impliciete) waardeoordelen over de wereld. En tot slot zullen veel aspecten van onze digitale samenleving tot stilstand komen wanneer zich storingen voordoen in big-data-systemen. Onderzoek benadrukt in toenemende mate het belang van methoden die gebaseerd zijn op gegevens die voldoen aan het predicaat FAIR (Findable, Accessible, Interoperable, Reusable, dat wil zeggen traceerbaar, toegankelijk, interoperabel, herbruikbaar), algoritmen die voldoen aan het predicaat FACT (Fair, Accurate, Confidential, Transparent, dat wil zeggen eerlijk, nauwkeurig, vertrouwelijk, transparant) en ROBUUSTE systeemontwerpen.

Delft Data Science

Bij Delft Data Science (DDS) bestuderen wij de wetenschap en techniek van gegevensverzameling,

-programmering, -verwerking en -visualisatie op het gebied van gezondheid, smart cities, smart culture, sport, online onderwijs, beveiliging, mobiliteit en transport, en robotics. In veel van deze gevallen worden er grote hoeveelheden gegevens over mensen verzameld door metingen van het lichaam of het gedrag. Voorbeelden zijn geregistreerde gegevens over gezondheidsparameters, gefaseerde genomen, het gedrag van mensen in steden, in het verkeer en in de sport (en bij sportevenementen), surf- en klikgedrag op het internet, en allerlei soorten voorkeuren op persoonlijk en professioneel vlak en op het gebied van amusement.

Toenemende vraag naar bescherming

Wij doen onderzoek naar methoden die anticiperen op de toenemende vraag naar bescherming van dergelijke gegevens. Onze oplossing is versleutelde big data verwerken met behulp van onze signaalverwerkende algoritmen die bescherming van de privacy bieden. Het voordeel van een dergelijke aanpak is dat privacy- of concurrentiegevoelige gegevens kunnen worden gecombineerd, verwerkt en bestudeerd zonder bekendmaking van de individuele gegevenselementen. Wij zijn er bijvoorbeeld in geslaagd een gezichtherkenningssysteem te ontwikkelen waarbij het te herkennen gezicht niet wordt bekendgemaakt aan het systeem. Wij hanteren dezelfde aanpak voor zogenoemde genome-wide association study (GWAS) gegevens, en voor gegevens die worden ingevoerd door software die op apparaten van gebruikers draait.

Gegevens zijn alomtegenwoordig en vormen de brandstof van onze moderne samenleving. Gegevens bieden nieuwe zakelijke kansen en veranderen in rap tempo het karakter van wetenschappelijk onderzoek. Wij moeten investeren in onze kernvaardigheden op het gebied van datawetenschap en niet slechts in geselecteerde applicatiedomeinen. Hoewel dit algemeen wordt erkend, wordt er slechts in beperkte mate geïnvesteerd in feitelijke research op het gebied van datawetenschap. Wij hebben een uitgebreid netwerk van Nederlandse centra voor datawetenschap en op een aantal deelgebieden van de datawetenschap zijn wij nog steeds koploper. Helaas is er niet veel waardering voor deze sterke punten en wordt er elders in de wereld veel meer geïnvesteerd in datawetenschap. Het is tijd om in actie te komen!

Process mining om waarde te filteren uit event-gegevens

Process mining is een van de deelgebieden waarop Nederland een toonaangevende positie inneemt. Event-gegevens hebben betrekking op processen in de samenleving, organisaties, mobiliteit, industrie en gezondheid en kunnen worden gebruikt voor het verbeteren van ons dagelijks leven en het creëren van economische waarde. Bij process mining worden dergelijke gegevens geconverteerd naar procesmodellen waarin te zien is wat er echt gebeurt, en waarin antwoord wordt gegeven op vragen als 'Wat?', 'Waarom?', 'Wanneer? en 'Hoe?'. De resultaten van process mining kunnen worden gebruikt voor het wegnemen van bottlenecks en het verzekeren van compliance op basis van het 'digitale bewijs' dat te vinden is in de hedendaagse informatiesystemen.

Data Science Center Eindhoven (DSC/e)

In het Data Science Center Eindhoven (DSC/e) hebben meer dan 30 onderzoeksgroepen de handen ineen geslagen om de uitdagingen aan te gaan die verband houden met de alomtegenwoordigheid van gegevens en de invloed daarvan op onze digitale samenleving. Het DSC/e werkt samen met de industrie in de Brainport-regio en daarbuiten, verricht onderzoek in vijf grote horizontale onderzoeksprogramma's en dient als ontmoetingsplaats voor experts in de datawetenschap.

Verantwoorde datawetenschap: eerlijkheid, nauwkeurigheid, vertrouwelijke behandeling en transparantie

Big data en de tools die voortkomen uit datawetenschap zijn van invloed op de manier waarop wij leven, werken, communiceren, leren en beslissingen nemen. Daarom moeten wij daarmee op verantwoorde wijze omgaan. Het Responsible Data Science (RDS) initiatief is gericht op vier belangrijke uitdagingen:

1. Datawetenschap zonder vooroordelen – Hoe kunnen onredelijke conclusies worden voorkomen zelfs als ze terecht zijn?,
2. Datawetenschap zonder giswerk – Hoe kunnen vragen worden beantwoord met een gegarandeerd niveau van nauwkeurigheid?,
3. Datawetenschap die vertrouwelijke behandeling garandeert – Hoe kunnen vragen worden beantwoord zonder geheimen prijs te geven?, en
4. Datawetenschap die transparantie biedt – Hoe kunnen antwoorden zodanig worden geformuleerd dat zij onbetwistbaar zijn?

Op vragen met betrekking tot eerlijkheid, nauwkeurigheid, vertrouwelijkheid en transparantie - ook wel aangeduid als Fairness, Accuracy, Confidentiality en Transparency (FACT) - moet zo snel mogelijk een antwoord worden geformuleerd. Daarom is het RDS-initiatief van cruciaal belang voor onze digitale samenleving.

Ik ben wetenschappelijk directeur van het BISS-instituut, het Business Intelligence and Smart Services Institute, een gezamenlijk initiatief van de Universiteit Maastricht, de Open Universiteit en Hogeschool Zuyd. Het BISS-instituut voert fundamenteel en toegepast onderzoek uit naar het ontwerp van digitale of 'slimme' diensten waarbij gebruik wordt gemaakt van geavanceerde methoden in de datawetenschap, met name op het gebied van kunstmatige intelligentie. De onderzoeksonderwerpen worden gedefinieerd en onderzocht in samenwerking met de bedrijven die op de Brightlands Smart Services Campus te Heerlen gevestigd zijn. De door het BISS-instituut ontwikkelde diensten zijn gericht op het combineren van technologische innovatie, zakelijke innovatie en sociale innovatie op gebieden zoals consumentenkrediet, pensioenen, gezondheid en burgerschap. Het BISS-instituut integreert expertise op het gebied van statistiek, kunstmatige intelligentie, informatiebeheer, marketing, gedragseconomie en financiën, alsook ethiek en recht.

Mijn eigen onderzoek van de afgelopen vijftien jaar is met name gericht op het ontwerp van economische en algoritmische mechanismen, waarbij situaties worden gemodelleerd waarin uiteenlopende voorkeuren met elkaar in overeenstemming worden gebracht ten behoeve van een gezamenlijk economisch of sociaal doel, en op de kansen die door asymmetrische informatie worden gecreëerd voor strategisch gedrag. Een typerend zakelijk voorbeeld is de aanschaf van goederen en diensten via een veiling, waarbij de goedkoopste en meest capabele contractpartij wordt geïdentificeerd. De keuze van het protocol en het gedrag van de deelnemers kan van grote invloed zijn op de mate waarin een sociaal doel wordt bereikt. In de digitale economie maken veel platforms gebruik van veilingen en overeenkomende protocollen voor real-time clearing van markten, waardoor er ook algoritmische uitdagingen worden toegevoegd aan het ontwerp van de mechanismen.

Ik heb een leerstoel in statistiek voor de sociale wetenschappen aan de Universiteit Utrecht en werk daarnaast als hoogleraar sociale statistiek aan de University of Southampton. In mijn onderzoek richt ik mij al lang op goed gebruik van grote gegevenssets. Mijn onderzoeksgroep heeft een uitstekende reputatie bij het ondersteunen van andere onderzoekers op het gebied van data science. Samen met onderzoekers van de Faculteiten Bètawetenschappen, Geowetenschappen en Geesteswetenschappen, en het UMC Utrecht werk ik aan de oprichting van het Utrecht Platform for Applied Data Science. Daarmee willen we wetenschappers, studenten en professionals van buiten de universiteit bijeen brengen om zo een dynamische onderzoeksgemeenschap te creëren. Verder gaan we de verspreiding van kennis over data science bevorderen door een hele reeks cursussen op dit gebied aan te bieden voor specialisten, studenten en wetenschappers. Met het platform willen we iedereen helpen die maatschappelijk relevante vragen heeft.

Natuurlijke taal wordt meer en meer erkend als een waardevolle bron van sociale en culturele gegevens. Door de synergie met informatica is het vakgebied van de taal- en spraaktechnologie uitgegroeid tot een cruciale steunpilaar van de datawetenschap. De multidisciplinaire samenwerking met de humane en sociale wetenschappen toont momenteel aan hoe de ontwikkeling van modellen en datamining kan worden gebruikt voor het bestuderen en ondersteunen van de interactie met gegevens van cultureel erfgoed, de ontwikkeling van taalcursussen voor mensen met een migratieachtergrond en de detectie van taalpatronen die wijzen op geestelijke gezondheidsproblemen, om maar een paar voorbeelden te noemen. Ook kan de grote hoeveelheid taalgegevens in sociale media worden onderzocht door tekstanalytici om meer inzicht te krijgen in de onderliggende sociale fenomenen.

In meer algemene zin levert het onderzoek naar de datamining van tekstuele en gesproken materialen een bijdrage aan de mogelijkheden voor het bestuderen en ondersteunen van de maatschappelijke rollen van taal: als drager van culturele content en informatie, als reflectie van wetenschappelijke en maatschappelijke kennis, als instrument voor menselijke communicatie, als een van de centrale componenten van de identiteit van personen, groepen, culturen of landen, en als instrument voor menselijke expressie. Aandacht voor de mogelijkheden van hergebruik van taalgegevens via infrastructurele faciliteiten, met inbegrip van diensten voor toegang, inzichten en analyses, dragen ook bij aan de incorporatie van de multidisciplinaire onderzoeksresultaten die uit dit gebied afkomstig zijn.

De Open University Computer Science Research Group (OU-CS) is een onlangs opgerichte onderzoeksgroep die bestaat uit ongeveer 15 onderzoekers met als voornaamste onderzoeksgebied 'Betrouwbare Systemen in de Digitale Samenleving'. Dit onderzoeksgebied bestaat uit deelgebieden zoals Digitale Privacy en Veiligheid, Automatische Tests van de Gebruikersinterface, Gedistribueerde Programmering, Officiële Verificatie van Veiligheidskritieke Systemen, Analyse van het Energieverbruik van Softwaregecontroleerde Systemen, Zelflerende Algoritmen, Domain Reasoners voor Intelligente Feedback en Vakdidactiek voor Informatica.

De OU-CS-onderzoeksgroep neemt deel aan het Cyber Science Center (CSC), een samenwerkingsverband tussen de NHL Hogeschool voor Toegepaste Wetenschappen, de Nederlandse Politieacademie en de Open Universiteit. Dit zijn drie specifieke groepen die elkaar aanvullen en samen een groot en sterk netwerk vormen dankzij de diversiteit aan kennis en vaardigheden, de variëteit aan praktische mogelijkheden (evaluatie, aanvragen van subsidies, onderwijsontwikkeling) en de verscheidenheid aan aanvullende netwerkinputs.

De digitale informatietechnologie manifesteert zich momenteel in de samenleving in de vorm van machines en apparaten. De alom aanwezige machines ontwikkelen zich eigenlijk in snel tempo tot intelligente robots: ze genereren grote hoeveelheden (sensor)gegevens die kunnen worden verwerkt met behulp van krachtige zelflerende algoritmen, en zij staan in verbinding met andere machines en het netwerk.

Binnen handbereik

Intelligente machines zijn 50 jaar lang verborgen geweest achter de muren van autofabrieken maar komen nu binnen handbereik van iedereen. Niemand kijkt meer op van stofzuigerrobots, en de zelfrijdende auto zal niet lang meer op zich laten wachten. In alle sectoren, inclusief de industrie en gezondheidszorg en zelfs in onze woningen, komen wij binnenkort machines tegen die buitengewoon goed kunnen waarnemen en leren en die zelfstandig beslissingen kunnen nemen. Ondanks de grote potentiële voordelen werpt dit belangrijke vragen op over de veiligheid, inzetbaarheid, controle en verspreiding van dergelijke systemen.

Mens-robot interactie

Hoe kan men een intelligente beenprothese alleen laten bewegen wanneer dat nodig is? Hoe ontwikkelen wij groepen robots die teams van menselijke reddingswerkers kunnen bijstaan?

Hoe kunnen wij een intelligente auto ontwerpen waarbij de menselijke gebruiker en de auto elkaar begrijpen? In fabrieken is het belangrijk optimaal gebruik te maken van de onvermoeibare precisie van de robot zodat de menselijke arbeiders hun creativiteit optimaal kunnen inzetten - en dit op veilige wijze kunnen doen. Bij het TU Delft Robotics Institute doen wij onderzoek naar alle aspecten van robotica, met een sterke focus op dergelijke mens-robot interacties. Het is tevens ons streven om het potentieel van robotica eerlijk over de samenleving te verdelen, bijvoorbeeld door de ontwikkeling van open-source roboticasoftware.

De digitale samenleving genereert een enorme hoeveelheid gegevens en deze gegevens kunnen worden aangewend voor een betere besluitvorming. In het meer theoretische deel van mijn onderzoek ontwikkel en bestudeer ik nieuwe modellen en technieken voor 'geavanceerde analyses' gericht op slimmere besluitvorming en betere resultaten. Ondanks het feit dat wij momenteel in het tijdperk van de big data leven, is het 'waarheidsgehalte' van de gegevens nog steeds een van de grootste problemen voor beleidsmakers. Daarom ben ik met name geïnteresseerd in voorschrijvende analyses die niet alleen schaalbaar zijn maar ook oplossingen genereren die de uiteenlopende onzekerheden ondervangen.

In de praktijk pas ik voorschrijvende analyses toe op belangrijke maatschappelijke problemen om de wereld een beetje leefbaarder te maken. Onlangs heb ik voor de Nederlandse overheid een omvangrijk project voor het optimaliseren van de dijkhoogtes in Nederland uitgevoerd. De resultaten zijn verwerkt in de Nederlandse Waterwet en zullen naar schatting een besparing van meer dan 7 miljard euro opleveren. Een tweede belangrijk toepassingsgebied voor mij is het ontwikkelen van krachtige optimalisatietechnieken om te komen tot optimale radiotherapeutische behandelingsplannen. Tegenwoordig maken honderden ziekenhuizen gebruik van grootschalige optimalisatietechnieken om te komen tot optimale behandelingsplannen voor duizenden patiënten. Tot slot ben ik betrokken bij de ontwikkeling van optimalisatieplannen en -technieken voor het Wereldvoedselprogramma van de VN gericht op optimalisatie van de voedsellevering aan mensen die honger lijden. Het ontwikkelde model is uitgebreid toegepast in onder meer Syrië, Jemen, Irak en Ethiopië. In Syrië konden dankzij ons voorschrijvende model meer dan één miljoen mensen extra worden gevoed. Hoewel deze drie toepassingen een zeer uiteenlopend karakter hebben, zijn de gebruikte voorschrijvende modellen en technieken generiek van aard.

Rotterdam heeft diverse internationale 'smart city' prijzen gewonnen. Toch is de kans groot dat willekeurige voorbijgangers op de Coolsingel geen idee hebben wat 'smart city' is, of ze denken misschien nog dat het 'iets met computers' is. Dat vond de Engelse branchevereniging van ingenieurs tenminste toen ze die vraag stelden aan doorsnee Engelse stadsbewoners.

Onzichtbaarheid

Dat is niet zo gek, want veel van de smart city-ontwikkelingen zijn letterlijk onzichtbaar. Netwerkkabels liggen onder de grond, communicatiestromen of geluidsgolven laten geen herkenbare sporen achter. Stoplichten, OV-informatie, WiFi-kastjes, verkeerslussen of beveiligingscamera's geven wel iets weg, maar die zijn zo'n vanzelfsprekend onderdeel van het straatbeeld dat je er amper over nadenkt. Het wordt alleen steeds belangrijker om daar wel over na te denken: door digitale technologie en (big) datapraktijken veranderen steden in hoog tempo en daar horen burgers, bewoners en bestuurders bij betrokken te zijn en over mee te praten.

Persoonlijke voertuigwaarschuwing

Een voorbeeld wat ik in die context graag gebruik is de manier waarop Rotterdam en Utrecht hun bezoekers vorig jaar waarschuwden dat ze een milieuzone binnenrijden. In beide steden scanden flitspalen bij binnenkomst je nummerbord. De gegevens werden real time gecheckt in de database van de RDW. Nog voordat je een meter verder was, verscheen er in Utrecht JA of NEE op het beeldscherm langs de weg. In Rotterdam sprak het beeldscherm je persoonlijk aan: xx-yy-11 mag er niet (of wel) in. Hoe werkt zo'n persoonlijke aanspreekvorm: voelen automobilisten zich dan ook persoonlijk verantwoordelijk voor hun milieugedrag, of voelen ze zich daardoor in hun privacy bedreigd? En andersom, waarderen Utrechtse bezoekers anonimiteit maar herkennen ze niet dat hun data worden gebruikt?

SHARED design

Je kunt dat soort vragen bij elke smart city-technologie stellen. Je moet burgers betrekken bij smart city-ontwikkelingen, zodat een smart city niet alleen FAIR, maar ook 'SHARED' (Sustainable, Harmonious, Affective, Relevant, Empowering en Diverse). Wij dragen daaraan bij met participerend actie-onderzoek. Daarmee proberen we de slimme en gedataficeerde stad zichtbaar te maken voor doorsnee bewoners, bezoekers en bestuurders. Met instrumenten als 'data-wandelingen' of 'data-dialogen' komen we zo niet alleen te weten hoe doorsnee stadsgebruikers hun smart city ervaren maar we dragen zo ook bij aan hun data-bewustzijn en data-empowerment.