De 3i Award gaat jaarlijks naar het beste profielwerkstuk van havo- of vwo leerlingen met een belangrijke informatica- / ICT-component. De vakjury, dit jaar bestaande uit: Adriaan Dekker, Jeroen de Brouwer, Tim Steenvoorden en Wouter van den Brink, heeft uit alle PWS-inzendingen een top 5 genomineerden voor de 3i Award 2025 vastgesteld.
Genomineerden in alfabetische volgorde, cursieve tekst is het juryoordeel. Klik op de titel voor een korte video van het PWS.
Lieke Visser & Lennox van den Oord
Het 4e gymnasium, Amsterdam | Docent R. Sier
Jullie geven het zelf al aan: hartenjagen is een kaartspel met incomplete informatie, en daarmee is het lastig om er een AI-speler voor te ontwikkelen. Toch hebben jullie deze uitdaging met beide handen aangegrepen. Zelfs als het te eenvoudig kon worden kozen jullie ervoor zelf de precieze code te programmeren. Gefeliciteerd met jullie positie in de top vijf!
Rens Blom, Derek Buikema, Tim Helfensteijn & Lucas Hsu
Amstelveen College, Amstelveen | Docent Y.K. Ng
Dit werkstuk is een mooi voorbeeld van de informatica als dienstbare discipline. De structuur en schrijfstijl zijn van uitmuntende kwaliteit en naderen universitair niveau. De mooie visualisaties maken dit PWS tot een compleet geheel dat met recht in de top vijf staat!
Khion Dandaré, Jayden Esser, Antisar Idriss & Angel Kalmez
Maria Immaculata lyceum, Curaçao | Docent S.M. Losiabaar
Wat een leuke en originele context! De uitleg over het onderzoek en de relevantie ervan is erg compleet en een fijne toevoeging. De overwegingen over de impact op het milieu van de ontworpen oplossingen zijn erg actueel en tonen een grote verantwoordelijkheid van jullie als onderzoekers. Er moet veel tijd hebben gezeten in het creëren van de dataset, en dan is deze nominatie een welverdiende beloning!
Yoran Nolte & Isabel Bakker
Fonsvitae Lyceum, Amsterdam | Docent E. Redegeld
Zoals jullie zelf onderzocht hebben, is een exoskelet voor velen een (relatief) onbekend iets, zo ook voor de jury. Het is mooi dat jullie er eerst met goed vooronderzoek betekenis aan hebben gegeven. Vervolgens is er een mooi product ontwikkeld, waarvan het ontwikkelproces duidelijk terug te lezen is in het verslag. Van harte gefeliciteerd met deze nominatie!
Joost Koch & Jonathan Wijker
Het Amsterdams Lyceum, Amsterdam | Docent P. Hermarij
Met dit onderwerp kom je natuurlijk goed binnen bij de jury. Het is een enorm breed onderzoek, met verrassende en indrukwekkende resultaten met ijzersterke conclusies en mooie mogelijkheden voor vervolgonderzoek. Een welverdiende nominatie in de top vijf!
Op woensdag 9 april tijdens de Informatica Inspiratiedag is de prijsuitreiking van de 3i Award 2025. Klik hier voor de rest van het programma van die (mid-)dag.
Wil je erbij zijn en je stem uitbrengen voor de 3i Award publieksprijs?
Meld je dan hier aan.
De ultieme kaartspeler
In dit profielwerkstuk onderzoeken we hoe een computer het kaartspel hartenjagen kan leren via machine learning. We bestuderen zowel Qlearning (met een tabel) als Deep Q-learning (met een neuraal netwerk) en implementeren beide methoden zelf, zonder bestaande modules. Na een theoretische uitleg over neurale netwerken en reinforcement learning, inclusief concepten zoals gradient descent en Monte Carlo, beschrijven we onze implementatie in Python. Onze experimenten tonen dat de Q-learning speler beter presteert dan willekeurig spel, terwijl de Deep Q-speler instabiel blijkt. Daarnaast wilden we dit werkstuk toegankelijk maken voor anderen, omdat wij dit complexe en steeds relevantere onderwerp zelf moeilijk vonden om te doorgronden. In de discussie verkennen we verbeteringsmogelijkheden voor Deep Qlearning.
De verticale structuur van de Melkweg
Dit profielwerkstuk onderzoekt de verticale sterverdeling in de Melkweg met behulp van data uit Gaia Data Release 3 (DR3). Door geavanceerde dataverwerking met ADQL-query’s en Python-analyse zijn via een iteratief proces en geoptimaliseerde selectiefilters meerdere datasets samengesteld. De resultaten tonen een negatieve correlatie tussen de hoogte boven het galactische vlak en de absolute magnitude van sterren, in lijn met bestaande theorieën. Hoewel systematische meetfouten en selectie-effecten de precisie beperken, levert dit onderzoek waardevolle inzichten op voor toekomstige Gaia Data Releases. De innovatieve filtertechnieken en 3D-visualisaties verfijnen astronomische datasets en onderstrepen het belang van gedegen big-data-analyse in de sterrenkunde.
Deerspotter3000
Ons profielwerkstuk richt zich op het efficiënter monitoren van Curaçaose witstaartherten door middel van kunstmatige intelligentie. Geïnspireerd door de bewegingsdetectiecamera’s van Carmabi hebben we een objectdetectiemodel ontwikkeld dat in staat is om herten te herkennen en te sorteren. Dit bespaart biologen waardevolle tijd, vermindert menselijke fouten en draagt bij aan natuurbehoud. We hebben verschillende AI-modellen vergeleken en kozen voor YOLOv8 omwille van de snelheid, efficiëntie en lage hardware-eisen. Ons eindproduct omvat zowel een app als een webapplicatie, waarmee onderzoekers moeiteloos herten kunnen identificeren en analyseren. Dit project illustreert hoe technologie en ecologie hand in hand kunnen gaan bij de bescherming van bedreigde diersoorten.
Haalbaarheidsstudie exoskelet voor de hand
Voor ons profielwerkstuk onderzochten wij de haalbaarheid van een exoskelet voor een hand met een 3D-printer. Exoskeletten ondersteunen steeds vaker mensen met verminderde handknijpkracht, en wij wilden kijken of we zelf een functioneel model konden maken. Tijdens het proces overwonnen we uitdagingen, zoals het juist kalibreren van een 3D-printer en het laten werken van de druksensor. Door een bestaand ontwerp aan te passen, onderdelen te installeren en te programmeren, losten we deze problemen stap voor stap op. Onze conclusie toont aan dat het zeker haalbaar is om met beperkte middelen zoals de Microbit en 3D printer een functioneel exoskelet te maken. Dit bewijst dat deze technologie toegankelijker wordt en zich in de toekomst verder kan ontwikkelen.
Volledig automatische beoordeling met behulp van AI
Ons project transformeert het traditionele nakijkproces door handgeschreven toetsen automatisch te scannen, corrigeren en analyseren met behulp van innovatieve AI-technologieën. We hebben een modulair systeem ontwikkeld dat beeldverwerking, tekstherkenning en meerdere AI-modellen combineert om toetsen sneller en objectiever na te kijken. Dit resulteert in directe, waardevolle feedback voor leerlingen, terwijl docenten aanzienlijk minder tijd kwijt zijn aan administratieve taken. Daarnaast verzamelden we via enquêtes inzichten over de acceptatie van AI in het onderwijs. Onze resultaten tonen aan dat AI een betrouwbare ondersteuning biedt en de kwaliteit van de toetsing verbetert.
Meld je dan hier aan voor de Inspiratiedag.