“Studenten meenemen op een ontdekkingsreis in data science”

Waarom moeten studenten eigenlijk iets met data?

“Wetenschap, zeker ook in de typisch Wageningse domeinen, gaat voor een groot deel over meten. Op die manier verzamelen we enorm veel data, van sensoren die de groei van gewassen registreren tot exact hoeveel voer een koe uit zijn voederbak haalt. Om te zorgen dat je efficiënter, maar ook duurzamer en gezonder te werk gaat, moet je wat doén met die data. Dus moet je de gegevens analyseren en algoritmes ontwikkelen waarmee computerprogramma’s zelfstandig kunnen meten en analyseren: artificial intelligence (AI). Dat zie je bijvoorbeeld in zelfsturende kassen. Die gaan zuiniger om met natuurlijke hulpbronnen én produceren meer, dat is een mooie ontwikkeling.”

Jij bent nu drie jaar de aanjager van data science in het onderwijs. Ontbrak deze dimensie?

“Nee. Bij Biosystems Engineering, Geo-Information Science en Bioinformatics is data science al een geïntegreerd onderdeel van de opleiding. Zij zetten AI ook al volop in. Denk aan het registeren van wilde dieren om stropers tegen te gaan en het met satellietbeelden in kaart brengen waar regenwoud sneuvelt om illegale kap te voorkomen. Om ook studenten buiten deze wetenschapsgebieden kennis te laten maken met data science hebben we algemene vakken ontwikkeld die álle studenten sinds studiejaar 2019-2020 kunnen volgen in hun vrije keuzeruimte, van instapcursussen tot AI voor gevorderden zoals deep learning en machine learning.

Wat heb je nog meer aan het data science-aanbod toegevoegd?

“Mijn doel is om bruggen te slaan tussen technologie en de kerndomeinen van WUR: landbouw, voeding en gezondheid. Voor die laatste twee onderwerpen is maatschappelijk én wetenschappelijk steeds meer aandacht. Wageningen richt zich op de preventiekant: hoe kun je ziektes als diabetes voorkomen? Daarbij is de inzet van data science misschien niet direct voor de hand liggend, maar intussen meten we ook op deze wetenschapsgebieden enorm veel. Smartwatches houden bij hoeveel we op een dag bewegen, hoe hoog onze hartslag is en ons zuurstofgehalte. Al die gegevens kun je gebruiken voor nieuwe toepassingen: denk aan een app die je vertelt wat je op basis van je gezondheidsmetingen die dag wel en niet uit de schappen van de supermarkt moet halen.”

Zijn dergelijke toepassingen het meest geschikt voor studenten die zich bezighouden met de mens?

“Nee. Veel breder. Op het gebied van dierwetenschappen zijn er talloze applicaties te bedenken: want juist ook in die sector wordt al heel veel gemeten: sensoren registreren niet alleen precies hoeveel een koe eet uit zijn voertray, maar zelfs hoe vaak hij erop kauwt. Al die informatie kun je gebruiken voor het optimaliseren van voedingsprocessen en diergezondheid. En het hoeft niet eens over mens of dier te gaan om data science in te zetten: denk maar aan de robotisering in kassen en op akkers, en aan de super nauwkeurige bemesting door middel van drones.”

Is het eigenlijk niet vreemd dat WUR binnen een aantal van haar specialismen nog weinig met data science heeft gedaan?

“WUR is ongelooflijk toegewijd aan haar eigen domeinen en van oudsher geen brede universiteit met een heel breed onderwijsprogramma in de informatica. In die zin is het niet zo gek dat data science voor bepaalde studies nog niet zo ver ontwikkeld is. Studenten zijn er ook niet altijd even happig op: ze denken aanvankelijk niet voor een studie te hebben gekozen waarin programmeren en deep learning en machine learning (beide AI) aan de orde komen. Maar dat verandert snel. Het leuke is: als ze eenmaal met deze toepassingen in aanraking zijn gekomen, bijvoorbeeld via een keuzevak, is hun interesse snel gewekt. Het kan ook in hun voordeel werken in de toekomst.”

Kennis van data science levert een betere carrière op?

“Er is – zowel in de wetenschap als in het bedrijfsleven – veel behoefte aan studenten die zowel domeinspecifieke kennis in huis hebben als kennis van data science. Dus ja, die combinatie kan studenten zeker helpen in hun carrière. Overigens heeft Wageningen wat onderzoek betreft al een goede naam: wereldwijd staan we aan de top van data science-toepassingen binnen onze terreinen. Nu is het zaak om nóg meer studenten af te leveren die thuis zijn in deze combi.”

Wat is daarvoor nodig?

“Zoals gezegd: we hebben inmiddels keuzevakken voor alle studenten. Overigens zijn er ook Massive Open Online Courses (MOOC's) – cursussen waaraan iedere geïnteresseerde mee kan doen, wereldwijd. Daarnaast ben ik samen met de betreffende opleidingsdirecteuren bezig om bestaande masterprogramma’s te verrijken met data science. Drie nieuwe zogeheten interspecialisaties geven masterstudenten van Nutrition and Health, Management, Economics en Consumer Studies and Communication, Health and Life Sciences in het net begonnen studiejaar (2021-2022) de kans om hun specialisme te combineren met data science.

Mijn doel is om een dergelijke verrijking voor veel meer masters te gaan realiseren op korte termijn. Daarnaast ontwikkelen we voor komend collegejaar een compleet nieuwe master waarin data science zelfs helemaal centraal staat: Data Science for Food & Health. En we denken na over andere WUR-domeinen die van data science zouden kunnen profiteren.”

Heeft WUR voldoende kennis en kunde in huis om die masterprogramma’s vorm te geven?

“Ja. En die kennis en kunde groeit op dit moment razendsnel. Afgelopen studiejaar zijn er drie voltijds hoogleraren AI aangesteld. Dat WUR fors investeert in data science, merk ik ook bij de ontwikkeling van nieuwe masterprogramma’s; dat zorgt ervoor dat we nu zo snel kunnen handelen. Overigens, ook bij de verschillende kenniseenheden is de urgentie er: ik heb hen nodig om deze onderwijsvernieuwing door te voeren. Ik zie het als een gezamenlijke ontdekkingsreis waardoor we een nieuwe generatie wetenschappers kunnen opleiden: bruggenbouwers tussen de kerndomeinen van WUR én state of the art data science.”