Webredacteur/adviseur

Webredacteur/adviseur

• Ons doel: Toegankelijke, doelgerichte content en online communicatie ontwikkelen die informatie vindbaar, begrijpelijk en relevant maakt voor onze doelgroepen.
• Jouw collega’s: Een betrokken redactieteam dat werkt aan website, content en online communicatie voor uiteenlopende doelgroepen binnen en buiten de universiteit.

Als webredacteur en adviseur ben je verantwoordelijk voor het ontwikkelen van sterke, doelgerichte communicatie voor diverse doelgroepen, zowel binnen als buiten de universiteit. Je begeleidt communicatietrajecten en geeft daarin overtuigend advies en begeleiding. Vanuit een strategisch perspectief denk je mee over doelgroep, vorm, inhoud, identiteit, kanalen, timing, stijl en toon. Maar je geeft niet alleen advies, je weet ook van aanpakken. Zo schrijf en redigeer je teksten en draag je bij aan diverse contentproducties.

Wat jij doet

• Je denkt mee en adviseert op het gebied van communicatie en content;
• Je schrijft en redigeert teksten: van nieuwsbericht tot interview, van formeel tot informeel, van lang tot kort, van complex tot luchtig – enzovoorts, enzovoorts;
• Je bewaakt de kwaliteit van communicatie-uitingen en zorgt voor eenheid in stijl en toon;
• Je plaatst content op onze website via ons CMS (Drupal) en intranet UMployee;
• Je signaleert proactief communicatie- en contentkansen en draagt bij aan een sterke profilering van de organisatie;
• Je werkt samen met collega’s van het redactieteam én daarbuiten aan projecten en evenementen; in dat kader neem je ook deel aan diverse overleggen.

Wat jij meebrengt
Het gaat ons niet om vinkjes, maar om wie jij bent en wat jij meebrengt. Herken jij jezelf hierin?

• Je hebt een hbo- of wo-opleiding in communicatie, journalistiek of vergelijkbaar;
• Je hebt minimaal een aantal jaren ervaring als communicatieadviseur en tekstschrijver;
• Je schrijft foutloos en overtuigend in het Nederlands; uitstekende schrijfvaardigheid in het Engels is een pre;
• Je hebt affiniteit met offline én online content; kennis van bijvoorbeeld SEO, AIO, en EEAT is een pre;
• Je hebt affiniteit met externe én interne communicatie;
• Je kunt omgaan met bureaucratie en een politiek-bestuurlijke omgeving;
• Je werkt efficiënt en kunt prioriteiten stellen;
• Je behoudt ook onder druk de kwaliteit en scherpte van je werk;
• Je bent flexibel en in uitzonderlijke gevallen bereid om bereikbaar te zijn in de avonden en/of weekenden, in afwisseling met collega’s. Crisiscommunicatie maakt daarbij onderdeel uit van jouw takenpakket.

PhD Kandidaat Studenten Leren Effectief te Studeren

PhD Kandidaat Studenten Leren Effectief te Studeren

• Ons doel: Binnen een door de Nederlandse Onderwijspremie gefinancierd project wordt een PhD-project gestart rondom de verdere ontwikkeling, implementatie en evaluatie van Study Smart. Het project richt zich op de vraag hoe studenten effectief ondersteund kunnen worden bij het ontwikkelen van duurzame en effectieve leerstrategieën in uiteenlopende onderwijscontexten binnen het hoger onderwijs. Daarbij wordt onderzocht welke factoren bijdragen aan succesvol gebruik van leerstrategieën, hoe studenten deze strategieën integreren in hun dagelijkse studiegedrag en op welke manier onderwijsprofessionals en curricula hierbij ondersteuning kunnen bieden.
• Jouw werkomgeving: Het PhD-project maakt deel uit van een interdisciplinair samenwerkingsverband binnen de Universiteit Maastricht, waarin onderwijswetenschappers, psychologen, studieadviseurs en docenten van alle UM-faculteiten samenwerken aan de verdere ontwikkeling van Study Smart. Binnen dit project wordt nauw samengewerkt met onderzoekers en onderwijsprofessionals uit verschillende disciplines, met als gezamenlijk doel om wetenschappelijke inzichten over effectief leren toegankelijk en toepasbaar te maken voor studenten en docenten in het hoger onderwijs. De resultaten van het project zullen bijdragen aan evidence-informed ontwerprichtlijnen, implementatiestrategieën en ondersteuningsprogramma’s die effectief leergedrag en studiesucces van studenten bevorderen. Standplaats voor dit PhD-project is Maastricht.

Wat jij doet
Het onderzoek zal zowel kwantitatief (bijvoorbeeld vragenlijsten en analyse van studieprestaties) als kwalitatief (bijvoorbeeld interviews en focusgroepen) van aard zijn. Daarnaast zullen interventies en implementatiestrategieën binnen bestaande curricula worden onderzocht en doorontwikkeld met behulp van praktijkgericht en design-based onderzoek. Daarbij is er specifieke aandacht voor verschillen tussen studenten, de toepasbaarheid binnen diverse opleidingen en de duurzame inbedding van leerstrategietrainingen binnen het hoger onderwijs.

Ben jij klaar om koers te zetten voor de komende jaren? Dan ontmoeten we je graag.

Wat jij meebrengt
Het gaat ons niet om vinkjes, maar om wie jij bent en wat jij meebrengt. Herken jij jezelf hierin?

We zijn op zoek naar een kandidaat met een (onderzoeks)master of science (MSc) in onderwijswetenschappen, psychologie, gezondheidswetenschappen of een aanverwant domein, met interesse in praktijkgericht onderwijsonderzoek. Aangezien de functie onderdeel is van een interdisciplinair samenwerkingsproject zoeken wij een goed georganiseerde teamspeler met sterke communicatieve vaardigheden. Creatief, flexibel en zelfstandig zijn is noodzakelijk. Enige ervaring hebben met kwalitatief en/of kwantitatief onderzoek en Nederlands kunnen spreken en schrijven is een pré.

PhD Kandidaat Zelfregulatie en Sociale Netwerken

PhD Kandidaat Zelfregulatie en Sociale Netwerken

• Ons doel: Binnen het door NWO-VICI gefinancierde onderzoeksproject ‘Silence the Struggle’ wordt een PhD-project gestart rondom deze vragen. Het project richt zich op het ontwikkelen en onderzoeken van het interventieprogramma “Silence the Struggle”, dat studenten ondersteunt bij het consistent en effectief reguleren van hun studiegedrag. Daarbij staat centraal hoe studenten omgaan met affectieve worstelingen tijdens het leren, hoe deze ervaringen verschillen tussen onderwijscontexten en welke rol sociale netwerken en medestudenten spelen in het ontwikkelen van duurzaam studiegedrag.
• Jouw werkomgeving: Het PhD-project maakt deel uit van een interdisciplinair samenwerkingsverband binnen de Universiteit Maastricht, waarin onderwijswetenschappers, psychologen en onderwijsprofessionals samenwerken aan de ontwikkeling en evaluatie van het project “Silence the Struggle”. Binnen dit project wordt nauw samengewerkt met onderzoekers, docenten en studenten uit verschillende onderwijscontexten, met als gezamenlijk doel om beter te begrijpen hoe studenten ondersteund kunnen worden bij het consistent en effectief reguleren van hun studiegedrag. Daarbij staat specifiek centraal hoe sociale interacties, affectieve worstelingen en digitale ondersteuning bijdragen aan duurzaam zelfgereguleerd leren. De resultaten van het project zullen bijdragen aan evidence-informed interventies, ontwerprichtlijnen en implementatiestrategieën die studenten ondersteunen bij het ontwikkelen van consistente en effectieve studiegewoonten. Daarnaast levert het project nieuwe inzichten op in de rol van sociale netwerken en digitale tools binnen zelfgereguleerd leren, met als doel studiesucces, studentwelzijn en duurzame professionele ontwikkeling te bevorderen binnen het hoger onderwijs en beroepsonderwijs. Standplaats voor dit PhD-project is Maastricht.

Wat jij doet
Het project combineert inzichten uit onderzoek naar zelfgereguleerd leren, effectieve leerstrategieën en studiesucces met innovatieve onderzoeksmethoden. Er zal gebruik worden gemaakt van experience sampling, sociale netwerkanalyse en digitale ondersteuningstools om inzicht te krijgen in de dynamiek van studiegedrag en leerervaringen van studenten in het hoger onderwijs en beroepsonderwijs. Daarnaast worden interventies ontwikkeld en getest binnen authentieke onderwijscontexten, waarbij nauw wordt samengewerkt met studenten, docenten en andere stakeholders om duurzame implementatie binnen curricula te bevorderen. Ook zal Ripple Effect Mapping worden ingezet om bredere impact van het project in kaart te brengen en co-creatie met het onderwijsveld te ondersteunen.

Ben jij klaar om koers te zetten voor de komende jaren? Dan ontmoeten we je graag.

Wat jij meebrengt
Het gaat ons niet om vinkjes, maar om wie jij bent en wat jij meebrengt. Herken jij jezelf hierin?

We zijn op zoek naar een kandidaat met een (onderzoeks)master of science (MSc) in onderwijswetenschappen, psychologie, gezondheidswetenschappen of een aanverwant domein, met interesse in fundamenteel en praktijkrelevant onderwijsonderzoek. Aangezien de functie onderdeel is van een interdisciplinair samenwerkingsproject zoeken wij een goed georganiseerde teamspeler met sterke communicatieve vaardigheden. Creatief, flexibel en zelfstandig zijn is noodzakelijk. Enige ervaring hebben met kwalitatief en/of kwantitatief onderzoek en Nederlands kunnen spreken en schrijven is een pré.

PhD Candidate Designing Smarter Trials for Better Value in Healthcare

PhD Candidate Designing Smarter Trials for Better Value in Healthcare

• Our goal: To develop efficient and innovative statistical procedures for sample size calculation in cost effectiveness cluster randomized trials, with the goal to improve the quality and efficiency of healthcare research.
• Your colleagues: you will work in the FHML division of the interfaculty Department of Methodology and Statistics (M&S) at FHML and at the Faculty of Psychology and Neuroscience. With around 20 staff members, M&S provides statistics education across multiple Bachelor, Master, and PhD programs. The department also offers statistical support for researchers from both faculties. Initially focused on study design and analysis methods for nested and longitudinal data, M&S now includes Bayesian statistics, multilevel interrater agreement, missing data methods, latent two-mode interaction, structural equation modelling, and causal inference. Visit the M&S page

We are looking for a motivated PhD candidate for a statistical project on efficient designs and sample size calculation for cost-effectiveness cluster randomized trials. The project focuses on developing statistical methods that optimize trial efficiency: achieving a required statistical power level or a limited width of the confidence interval at the lowest possible research costs.
The research will specifically address cost-effectiveness outcomes in cluster randomized trials, where participants are naturally grouped within clusters such as schools, workplaces, or healthcare settings. You will develop and evaluate innovative approaches for determining optimal sample sizes and study designs, including precision-based approaches, robust design strategies (e.g. Bayesian and maximin approaches), and decision-based approaches to trial design. The project combines statistical theory, mathematical derivation, simulation studies, and applications in health economics and clinical research. The methods developed in this PhD project will contribute to more efficient and informative healthcare studies and support better evidence-based decision-making.

What you do
In this project, your responsibilities will entail:

• Derive efficient and innovative procedures for sample size calculation in cluster randomized trials where a measure of cost-effectiveness is the primary outcome variable of the study.
• Conduct simulations to evaluate approximate sample size formulas and assess their performance across different scenarios.
• Develop user-friendly interactive apps/software packages/code that facilitate the implementation of sample size procedures for researchers and practitioners.
• Present research at conferences and publish results in international methodological journals.
• Contribute to teaching activities within the department (at most 0.1 fte).

Are you ready to set the course for the years ahead? Then we’d love to meet you.

What you bring
We’re not looking for checkboxes; we’re interested in who you are and what you bring. Do you recognize yourself in this?

You take initiative, are creative, and possess strong analytical skills. You work in an organized and focused manner. In addition, you are someone who can work independently while also collaborating effectively within a research team. Furthermore, you bring:

• Master’s degree in Statistics, Mathematics, Econometrics, Biostatistics, Psychometrics or a related field.
• Excellent mathematical and statistical programming skills, particularly in R, as demonstrated by your master's thesis or other scientific work.
• Excellent communication and academic writing skills in English (an official certificate of English proficiency (e.g., IELTS) is considered an asset).
• Interest in Bayesian methods, sample size methodology and simulation studies.
• Experience with Bayesian statistics and Bayesian computational tools is a plus.

PhD Candidate Optimal Design and Principled Statistical Analysis of SEM-Based fMRI Connectivity

PhD candidate Optimal Design and Principled Statistical Analysis of SEM-Based fMRI Connectivity - Through Realistic Simulation

• Our goal: this project develops statistical methods to evaluate connectivity models and optimize study design. You will extend a R program to simulate realistic fMRI datasets and build tools for power and sample size analysis. The goal is to enable more reliable, efficient, and scientifically rigorous fMRI research.
• Your colleagues: you will work in the FHML division of the interfaculty Department of Methodology and Statistics (M&S) at FHML and the Faculty of Psychology and Neuroscience. With around 20 staff members, M&S provides statistics education across multiple Bachelor, Master, and PhD programs. The department also offers statistical support for researchers from both faculties. Initially focused on study design and analysis methods for nested and longitudinal data, M&S now includes Bayesian statistics, multilevel interrater agreement, missing data methods, latent two-mode interaction, structural equation modelling, and causal inference. Visit the M&S page

In this project you will develop statistical methods and software tools to support the design, planning, and analysis of fMRI studies, including connectivity analysis and activation modeling. Specifically, you will extend the R package neuRosim to simulate realistic fMRI data with more accurate spatial and temporal noise structures, bringing simulations closer to real acquisition conditions. You will use these simulations to evaluate and compare connectivity models, including among others SEM-based approaches and Bayesian statistical techniques, and develop power analysis and sample size calculation methods for fMRI study designs. The result will be a principled framework that helps researchers design statistically valid and cost-efficient fMRI studies, advancing good research practices in the neuroimaging field.

What you do
In this project, your responsibilities will entail:

• Conduct a systematic review of fMRI simulation tools, connectivity modeling approaches, and current practices in power analysis and sample size determination.
• Extend the R package neuRosim with more realistic spatial and temporal noise structures, validated against empirical fMRI data.
• Evaluate and compare SEM-based and network-based connectivity models under realistic simulation conditions, incorporating Bayesian statistical techniques.
• Develop power analysis and sample size calculation methods for fMRI study designs.
• Integrate simulation, and optimal design principles into a user-friendly R-based software package.
• Present research at conferences and publish results in international methodological journals
• Do some teaching (maximum 0.1 FTE).

Are you ready to set the course for the years ahead? Then we’d love to meet you.

What you bring
We’re not looking for checkboxes; we’re interested in who you are and what you bring. Do you recognize yourself in this?

You take initiative, are creative, and possess strong analytical skills. You work in an organized and focused manner. In addition, you are someone who can work independently while also collaborating effectively within a research team. Furthermore, you bring:

• Master's degree in Statistics, Mathematics, Physics, Econometrics, Biostatistics, Psychometrics, or a related quantitative field.
• Excellent statistical programming skills in R, including experience with simulation, as demonstrated by your master thesis or other scientific work.
• Solid background in statistical modeling, including structural equation modeling or related multivariate methods.
• You understand the basic characteristics of fMRI methodology or are motivated to learn them quickly; prior experience is an asset.
• Experience with Bayesian statistics and Bayesian computational tools is a plus.
• Experience with evaluating statistical power, sample size, or design efficiency in complex models is a plus.
• Excellent English communication skills (both verbally and written).