De vraag van de opdrachtgever

De opdrachtgever vraagt om een concept dat het democratiseren van kennis in Delft West stimuleert, via onconventionele leerplekken en co-design met jongeren en maatschappelijke partners. In plaats van deze vraag direct te beantwoorden met één ontwerpconcept, onderzoek ik wat professionals nodig hebben om zich betekenisvol door deze complexe context te bewegen.

Persoonlijk gedicht

Mijn frame

Delft West en de Wijkuniversiteit vormen hiervoor een rijke casus. Het project bestaat uit:

• een overvloed aan rapporten, statistieken en beleidsdocumenten;
• een groot en complex stakeholdernetwerk;
• een afstand tussen de leefwereld van de professional en die van jongeren en bewoners.

Juist daar ontstaat mijn ontwerpvraag:

Waarom AI?

AI is relevant omdat de context van Delft West moeilijk te overzien is. Waar traditionele analyse vooral als kaart werkt, kan AI functioneren als navigatiesysteem: het doorzoekt grote hoeveelheden informatie, legt verbanden en creëert maatgemaakte reizen door data, stakeholderperspectieven en probleemrepresentaties. Zo kan de professional bewuster worden van zijn eigen positie, aannames en blinde vlekken. Tegelijk ontwerp ik AI niet als neutrale oplossing; privacy, bias, afhankelijkheid en AI-hype blijven kritische aandachtspunten.

Scope

Ik ontwerp voor sociale innovatoren in brede zin: professionals, ontwerpers, overheden en opleidingsinstellingen. De Wijkuniversiteit vormt binnen dit bredere toepassingsgebied de eerste concrete case waarin ik mijn platform ontwikkel en test. Om de belangen niet alleen vanuit deze case te bekijken, vertaal ik iedere stakeholder naar zowel een algemene rol als een specifieke positie binnen de Wijkuniversiteit.

Stakeholderbelangen

Centrale spanning

De belangrijkste inter-stakeholder-spanning zit in de vraag: wie mag het probleem definiëren? Mijn platform helpt sociale innovatoren bewuster problematiseringen te construeren en hun frame met de opdrachtgever te expliciteren. De spanning is dat jongeren, bewoners en bestaande wijkinitiatieven daardoor nog steeds onderwerp van framing kunnen blijven, in plaats van mede-makers van het frame.

Ontwerpimplicatie

Mijn ambitie is om de framevorming tussen sociale innovator en opdrachtgever open te breken. In sprint 3 onderzoek ik hoe het platform contextpartners en publiek kan betrekken als mede-makers van het frame, zodat problematiseringen niet alleen professioneler worden onderbouwd, maar ook lokaal gelegitimeerd en gezamenlijk geconstrueerd.

Sub-probleem

In deze sprint onderzoek ik hoe AI de mentale modellen van professionals zichtbaar kan maken. Voordat een mentaal model kan worden uitgedaagd of verbreed, moet eerst duidelijk worden hoe iemand de opdracht en context op dit moment begrijpt. Deze sprint focust daarom op de eerste twee stappen van mijn bredere proces: eliciteren en structureren.

Kennislagen

Daarbij zie ik mentale modellen als opgebouwd uit verschillende kennislagen.

Ontwerpvragen voor deze sprint

1. Hoe kan AI informatie over bestaande mentale modellen van professionals naar boven halen, gebruikmakend van data over het project?
2. Hoe kan AI deze mentale modellen representeren en terugkoppelen aan de gebruiker, op een manier die herkenning én reflectie oproept?

Ontwerpruimte

Op basis van literatuur en eigen analyse heb ik de ontwerpruimte voor deze sprint opgebouwd uit drie dimensies: medium, werkvorm en kennislaag. Het medium bepaalt hoe input van de gebruiker binnenkomt, de werkvorm bepaalt wat de gebruiker doet of maakt, en de kennislaag bepaalt welk aspect van het mentale model wordt onderzocht.

Uit deze toolbox kan telkens één element uit elke dimensie worden gecombineerd. Zo ontstaat per combinatie een andere manier om informatie over mentale modellen te eliciteren. In gesprekken met medestudenten heb ik deze combinaties verkend en geprioriteerd. Hieronder staat één concept dat niet is doorontwikkeld, maar wel een interessante richting laat zien.

Eliciteren: scenario bouwer

Ik bouwde een prototype van de Scenario oefening: een AI-feature die bestaande projectdata omzet in scherpe scenario’s met een duidelijke spanning, gebaseerd op scenario based elicitation [2]. Op basis van contextcards genereerde het prototype verschillende situaties, inclusief reflectieve vragen en prikkelende stellingen.

Structureren: formeel & informeel

De eerste versie koppelde inzichten terug via templatekaarten gebaseerd op literatuur over kennislagen. Dat leverde rijke output op, maar bleek te zwaar en academisch voor gebruikers. Daarom ontwikkelde ik een tweede laag: naast de formele representatie die later door AI modellen gebruik kan worden, krijgt de gebruiker nu een directe, toegankelijke terugkoppeling met inzichten die meteen herkenning, frictie en reflectie kunnen oproepen.

Evaluatie methode

Ik testte het prototype met drie medestudenten die ook aan de Wijkuniversiteit werken. De evaluatie richtte zich vooral op feasibility en desirability. Gebruikers maakten een account aan, doorliepen een AI-gegenereerd scenario met reflectievragen en kregen daarna een terugkoppeling van hun mentale model te zien. Vervolgens interviewde ik hen over relevantie, begrijpelijkheid en mogelijke doorontwikkeling.

De inzichten

De techniek bleek werkend: het authenticatiesysteem, de LLM-prompts en JSON-schema’s functioneerden stabiel. Ook de scenario’s deden wat ze moesten doen: gebruikers moesten zichtbaar nadenken over hun reactie en benoemden dat het scenario aannames of vooroordelen naar boven haalde.

Sub-probleem

Sprint 1 toonde aan dat het eliciteren werkt, maar dat er een aanleiding nodig is om het platform überhaupt te openen. In sprint 2 verschoof de focus daarom naar wanneer in het werkproces het platform logisch aansluit, met de social designer als uitgangspunt. Die keuze is inhoudelijk gerechtvaardigd: de Wijkuniversiteit werkt in co-design, waardoor haar professionals zelf ook sociale ontwerpers zijn en het platform is breder inzetbaar voor social designers in andere contexten.

De paradox

Uit de evaluatie van sprint 1 bleek ook een diepere spanning: het platform vraagt reflectietijd van precies de gebruikers die er het minst om zullen vragen. Wie al reflectief is, zou ook zonder tool een eind komen. Wie het meeste baat heeft, grijpt niet vanzelf naar een reflectietool, zeker niet als AI ook als effortloos productiviteitsmiddel ingezet kan worden.

Ontwerpvraag

De metafoor

Ik werk vanuit de metafoor van de brillenbouwer. Het constructionisme gaat ervan uit dat problemen niet objectief bestaan maar geconstrueerd worden: ons begrip van een situatie wordt gevormd door wat we al weten, geloven en verwachten. Het platform helpt professionals bewust te worden van de bril waarmee ze kijken, en andere brillen te leren zien.

Ontwerpruimte

De ontwerpruimte is verkend langs drie dimensies:

Langs deze assen heb ik verschillende concepten uitgewerkt. Ik licht er twee uit:

Onboarding flow

In Sprint 2 werkte ik een onboarding flow uit die aansluit op het begin van het werkproces van een sociale innovator. Bij de start van een project wordt vaak eerst documentatie gelezen, de opdracht geïnterpreteerd en de eigen positie ten opzichte van het vraagstuk bepaald.

Deze inputs worden samengebracht in een eerste projectomschrijving en een voorlopige bril waarmee de gebruiker het project binnenkomt.

Foto-elicitatie pipeline

Omdat uit Sprint 1 naar voren kwam dat de tool nog tekstzwaar aanvoelde, werkte ik in Sprint 2 een foto-elicitatie pipeline uit. Deze pipeline gebruikt de projectcontext om beeldmateriaal te vinden dat mogelijke spanningen of interpretaties binnen het project oproept.

Deze pipeline maakte het mogelijk om beeldmateriaal niet handmatig te kiezen, maar vanuit de projectcontext te genereren. Daarmee werd de onboarding adaptiever en visueler.

Evaluatie methode

Ik testte de onboarding flow met drie medestudenten en liep het prototype zelf meerdere keren door. De evaluatie richtte zich vooral op feasibility en desirability: werkt de flow technisch en voelt de interactie logisch genoeg om een eerste reflectie op gang te brengen? Na afloop besprak ik waar gebruikers begrepen wat er van hen werd gevraagd, waar ze zouden afhaken en welke onderdelen hielpen om aannames expliciet te maken.

De inzichten

De onboarding werkte als structuur, maar de uitvoering bleek gevoelig. Vooral de interviewfunctie vroeg om verdere iteratie: de vragen moeten opener, eenvoudiger en minder sturend worden. Ook bleek snelheid een harde randvoorwaarde. Wanneer chatreacties te lang laadden, gaven testers aan dat ze waarschijnlijk zouden stoppen. De beeldroute werd positief ontvangen, maar de automatisch geselecteerde foto’s waren nog wisselend van kwaliteit.

Sub-probleem

In sprint 3 zoom ik in op het meest fundamentele deel van het mentale model: hoe een ontwerper het probleem van zijn opdracht representeert. Dat probleem bestaat niet a priori, het wordt geconstrueerd. En de maakmacht zou niet alleen bij de bevoorrechte ontwerper moeten liggen, maar gedeeld moeten worden met stakeholders. AI zet ik deze sprint bewust wat schaarser in, om in te spelen op de ‘AI-moeheid’ onder sommige professionals.

Van probleem zoeken naar probleem construeren

Frame-analyse komt uit het constructionisme en post-structuralisme: een probleem ligt niet in de wereld te wachten, maar is het product van een sociaal proces. Dat verschuift de rol van de ontwerper, die ontwerpt niet alleen de oplossing, maar ook het probleem zelf. Het vergrootglas, waarmee je inzoomt tot één scherp probleem overblijft, maakt plaats voor bouwsteentjes waarmee je meerdere probleemrepresentaties kunt construeren. Een belangrijke nuance is dat de ontwerper nooit volledig ontsnapt aan het bestaande discours; geforceerde creativiteit kan wel helpen nieuwe mutaties daarop te maken.

Ontwerpvraag

De kloof overbruggen

De kern van deze sprint is het overbruggen van de kloof tussen abstracte filosofische en sociologische theorie en de ontwerppraktijk. Ik bouw voort op een eerdere poging uit de beleidswereld: Critical Frame Analysis (CFA) [5].

Leidend principe

Het leidende principe is om de morfologische kaart toe te passen op de probleemruimte in plaats van de oplossingsruimte. Door problemen te deconstrueren en opnieuw samen te stellen, kom je tot nieuwe representaties. Dat combineer ik met mijn idee van generatieve spellen: spellen waarin de kaarten en spelelementen niet vastliggen, maar worden gegenereerd, bijvoorbeeld op basis van de spelers of de context van het spel.

Ontwerpruimte

Via de HKJ-methode verkende ik de ontwerpruimte langs drie dimensies:

Verkende concepten

De Slijperij

De gekozen richting werd De Slijperij: een fysiek kaartspel waarin de social designer stakeholders aan tafel uitnodigt juist omdat zij bij het project betrokken zijn. De naam verwijst naar de brillenslijper uit sprint 2: samen slijp je aan de bril waarmee je het probleem ziet.

Spelflow

In zeven fases leggen spelers AI-gegenereerde kaarten bij stakeholders ('Wiens waarheid?'), bouwen ze ieder een CFA-frame, uploaden dat naar het platform, pitchen het, en benoemen samen de kernspanning. Bewust bleef AI op de achtergrond: het spel speelt zich aan tafel af, en pas aan het eind komt een korte, kritische AI-terugkoppeling per frame.

Het gebouwde platform

Ik bouwde de werkende flow: sessies aanmaken, spelers uitnodigen, kaartjes maken en printen, de fasenslides, het uploaden van gefotografeerde werkbladen, audio-opname tijdens de pitches en de AI-terugkoppeling.

Voorbereiding (deelnemers)

Voorafgaand aan het spel worden de deelnemers welkom geheten en kunnen ze zich voorbereiden op het platform.

Tijdens het spel

Gespeelde sessie

Evaluatie methode

Ik speelde De Slijperij met drie medestudenten uit de studio en met een beleidsadviseur die zich bezighoudt met de energietransitie, die laatste om te toetsen of het spel ook buiten de Wijkuniversiteit werkt. Vooraf leverde elke deelnemer documenten aan; daaruit maakte ik samen met AI de spelkaarten. Na de volledige sessie van een uur volgde een open interview over de inzichten die de speler meeneemt, de verrassingen en de verbeterpunten.

De inzichten

De spelers haalden er allemaal nieuwe inzichten uit; mijn medestudenten gaven zelfs aan dit direct te kunnen gebruiken voor hun eigen verslag, voor mij de sterkste bevestiging. De drafting verbeterde toen spelers eerst samen uitersten zochten en daar kaarten aan toewezen. De AI-terugkoppeling bleek het zwakst: het was ludiek bedoeld, maar slechts één respondent begon te lachen.

Aanleiding

Elk deelproduct uit de eerdere sprints diende hetzelfde doel, maar het platform zelf was een zwitsers zakmes geworden: losse tabs, elk anders opgemaakt, geen bruikbaar geheel. In sprint 4 nam ik afstand en lijnde ik de architectuur opnieuw uit rond één keuze: de op CFA gebaseerde spelkaartjes uit sprint 3, vanaf nu 'bouwstenen' genoemd, worden het centrale object. Daarmee scherpte ik het frame aan en nam ik bewust afscheid van de brede kennislagen uit sprint 1 en van de contextfactoren-analyses. Het platform heet De Brillenmaker.

De bril: het centrale object

De bouwstenen (probleem, oorzaak, aanname, waarden, oplossing) vormen samen een bril: iemands representatie van wat geproblematiseerd wordt. Dit werd het hart van het platform. Ik bouwde een Miro-achtig canvas waarop je je eigen bril en die van anderen inziet, bewerkt en met verbanden uitbouwt. De onboarding eindigt nu niet meer met een reflectie op je bagage en je waarden, maar met een door AI gegenereerde eerste bril op dit canvas; ook elke Slijperij-sessie levert brillen van stakeholders op. Vanuit een bril genereer je bovendien een kritische reflectie op basis van WPR [6]: de theorie uit sprint 3, nu werkend in de tool.

Behouden uit de eerdere sprints

Kernveranderingen

Datastructuur

De datastructuur draaide van contextfactoren en het mentale model naar de bouwstenen als kern, waar nu ook de document-analyse en onboarding op aansluiten.

Oefeningen

Oefeningen waren eerder alleen via het admin-panel te starten; nu doet de gebruiker dat zelf, in drie modi: vrij, vanuit een eigen product, of als reflectie op een bestaande bril.

Navigatie

De losse tabladen op één pagina maakten plaats voor vijf eigen gebieden: Projecten, Brillen, Bouwstenen, Slijperij, Werkplaats, met een uniform notificatiesysteem in de navigatiebar in plaats van de eerdere wirwar aan meldingen.

Bouwen & testen

De omslag was ingrijpend: van de 24 prompts herzag ik er 18 en de datastructuur ging volledig op de schop. Ik werkte eerst een UI-prototype uit en verwerkte dat in de codebase, testte zelf intensief op edge cases, en deed twee think-aloud user tests die resterende bugs en laatste UI-verbeteringen aan het licht brachten.

Toekomstige features

Tijdens het bouwen van het nieuwe platform had ik nog twee features willen maken waar ik uiteindelijk de tijd niet voor had:

De Brillenmaker in een notendop

Wie voor de Wijkuniversiteit aan de slag gaat, neemt onvermijdelijk een eigen bril mee. Je ervaringen, kennis en aannames bepalen wat je als hét probleem ziet. Precies daar zit de spanning: wat jij een probleem noemt, wordt in de wijk misschien heel anders ervaren, en méér informatie bevestigt vooral je eigen beeld. De Brillenmaker grijpt hierop in en neemt je mee langs drie momenten: je eigen bril zichtbaar maken, brillen van jezelf en anderen kritisch bevragen en samen met stakeholders nieuwe brillen ontwerpen.

Het platform bestaat uit vier nauw samenhangende gebieden:

De design representatie

De design representatie is opgebouwd rond de reis van de opdrachtgever:

Geen van de drie producten laat op zichzelf het hele ontwerp zien; samen doen ze dat wel.

Desirability

Door alle sprints heen kwam steeds hetzelfde signaal terug: het platform brengt spelers tot inzichten waar ze zelf nog niet op waren gekomen. Inzichten over hun eigen positie, over verborgen spanningen in het project en over alternatieve manieren om hun concept te framen. Medestudenten gaven aan die inzichten direct in hun eigen werk te kunnen gebruiken. De eindpresentatie bevestigde de behoefte: de opdrachtgever herkende het geschetste probleem direct en was benieuwd om het platform thuis te gaan proberen.

Feasibility

Het platform is volledig gebouwd en online te gebruiken; daarmee is de technische haalbaarheid aangetoond. Er zijn nog verbeterpunten (de foto-oefening, de kwaliteit van de AI-analyses), maar de kern staat en is onder begeleiding operationaliseerbaar. In een sessie met een software-engineering-consultant bracht ik de vervolgstappen richting productie in kaart, zodat de groeipaden ook technisch realistisch zijn: een authenticatiesysteem, een GDPR-purge-optie, de AI Act, een tenant-structuur en migratie van Railway naar cloud-hosting bij opschaling.

Duurzame impact

De voornaamste milieu-impact is de compute van de AI-modellen; de keuze voor het lichtste toereikende model beperkt zowel het energieverbruik als de kosten. Op de lange termijn draagt het platform ook economisch bij: meer draagvlak en minder verrassingen tijdens de realisatie, leiden tot een efficiëntere besteding van publieke middelen. Het platform heeft daarnaast een maatschappelijke impact die aansluit op een aantal SDG's [7]:

Bredere toepassing & kritische kanttekening

In gesprekken met de TA's, de socioloog en de software-engineer kwam een tweede toepassing naar voren: De Brillenmaker kan ook als onderzoeksmiddel dienen. Het slijperijspel laat deelnemers datapunten (de kaartjes) interpreteren en samen integreren tot nieuwe inzichten, en het bouwen van een bril is zelf een onderzoeksactiviteit: via interview en canvas deelt de gebruiker zijn perspectief op het vraagstuk. In een meer toegankelijke vorm zou het platform zo als onderzoeksinstrument in het co-creatieproces ingezet kunnen worden.

Daarbij blijft één vraag open: hoe voorkom je dat AI bestaande machtsdynamieken versterkt? In alle experimenten hing de kwaliteit van de AI-respons sterk af van de input. Wie minder goed schrijft of zijn gedachten minder helder structureert, kan juist een achterstand uitvergroot zien, een belangrijk punt voor vervolgonderzoek.

Bronnen

1. [1] Jones, N. A., Ross, H., Lynam, T., Perez, P., & Leitch, A. (2011). Mental models: An interdisciplinary synthesis of theory and methods. Ecology and Society, 16(1), 46. https://doi.org/10.5751/ES-03802-160146
2. [2] Carroll, J. M. (2000). Making use: Scenario-based design of human–computer interactions. MIT Press.
3. [3] Kallio, H., Pietilä, A.-M., Johnson, M., & Kangasniemi, M. (2016). Systematic methodological review: Developing a framework for a qualitative semi-structured interview guide. Journal of Advanced Nursing, 72(12), 2954–2965. https://doi.org/10.1111/jan.13031
4. [4] Harper, D. (2002). Talking about pictures: A case for photo elicitation. Visual Studies, 17(1), 13–26. https://doi.org/10.1080/14725860220137345
5. [5] Verloo, M. (2005). Mainstreaming gender equality in Europe: A critical frame analysis approach. The Greek Review of Social Research, 117(B), 11–34.
6. [6] Bacchi, C. (2009). Analysing policy: What's the problem represented to be? Pearson Education.
7. [7] United Nations. (2015). Transforming our world: The 2030 Agenda for Sustainable Development (A/RES/70/1). https://sdgs.un.org/2030agenda

AI gebruik

Tijdens dit project heb ik AI gebruikt als ondersteunend ontwerpgereedschap. Ik heb AI ingezet voor het herschrijven en aanscherpen van teksten, het uitwerken van visualisaties, het maken van UI-prototypes en het coderen van onderdelen van het platform.

Bij visualisaties en UI-prototypes maakte ik steeds eerst zelf de inhoudelijke opzet, flow en conceptuele keuzes. AI gebruikte ik vervolgens om deze uit te werken, waarna ik de output beoordeelde, aanpaste en verfijnde. Bij het coderen bleef ik zelf verantwoordelijk voor de opbouw van de AI-pipelines, infrastructuur en datastructuren.

Alle concepten, inzichten, ontwerpkeuzes en gedachtegangen in dit report zijn van mijzelf. Ik neem volledige verantwoordelijkheid voor de inhoud, kwaliteit en juistheid van dit verslag.