CPCM combineert methodologische innovatie, rigoureuze data-analyse en interdisciplinaire samenwerking om de kwaliteit en het gebruik van empirisch bewijs te versterken. CPCM bouwt voort op het werk van het Amsterdam Center for Learning Analytics (ACLA), dat in 2016 werd opgericht als onderzoeksgroep gericht op het verbeteren van uitkomsten door middel van hoogwaardige data, methodologische ontwikkeling en samenwerking tussen disciplines. Waar ACLA oorspronkelijk gericht was op learning analytics, verbreedt CPCM deze basis tot een breder methodologisch programma gericht op het verbinden van causale inferentie, predictieve modellering, interventie- en beleidsevaluatie, en datageïnformeerde besluitvorming.
Onze ambitie is om de rol van empirisch bewijs in onderzoek, beleid en praktijk te versterken. We onderzoeken hoe een empirische benadering gebruikt kan worden om vast te stellen wat werkt, voor wie en onder welke omstandigheden, en hoe data kunnen bijdragen aan het vroegtijdig signaleren van risico’s, behoeften en kansen. Door causale en predictieve perspectieven te integreren wil CPCM bijdragen aan betrouwbaar bewijs, gericht ingezette interventies en meer adaptieve praktijken binnen onderwijs, gezondheid, arbeidsmarkt en sociaal beleid.
CPCM realiseert deze ambitie door middel van methodologische innovatie, transparante bewijsontwikkeling en interdisciplinaire samenwerking. We ontwikkelen en evalueren methoden, passen deze toe op actuele onderzoeks- en beleidsvraagstukken, leiden studenten en onderzoekers op, en werken samen met academische, professionele en maatschappelijke partners. Onze visie is een onderzoeksomgeving waarin empirische methoden bijdragen aan beter begrip, geïnformeerde besluitvorming, effectieve interventies en verbeterde maatschappelijke uitkomsten.
BETROKKEN MEDEWERKERS
- Prof. dr. Chris van Klaveren, Hoogleraar
- Dr. Ilja Cornelisz, Universitair Hoofddocent