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 Builder: een AI-feature die bestaande projectdata omzet in scherpe scenario’s met een duidelijke spanning. 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.

Hoe getoetst

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.

Hoe getoetst

Ik testte de onboarding flow met drie personen 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.

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.