HBO ICT en Data-analyse (6 maanden)

Je onderzoekt hoe je informatie effectief beheert, analyseert en inzet voor organisatieontwikkeling en besluitvorming.

1. 1 Basisprincipes van informatiemanagement Je onderzoekt de basis van informatiemanagement, rollen en processen en de koppeling met bedrijfsdoelen.
   10 lessen

   1. Definitie en belang van informatiemanagementJe verkent wat informatiemanagement inhoudt en waarom het belangrijk is voor organisaties.
   2. Relatie tussen informatie, data en kennisJe maakt onderscheid tussen data, informatie en kennis en beschrijft hun samenhang.
   3. Informatiesystemen binnen organisatiesJe herkent verschillende informatiesystemen en hun functie binnen organisaties.
   4. Rollen en verantwoordelijkheden in informatiemanagementJe benoemt rollen en verantwoordelijkheden die bij informatiemanagement horen.
   5. Proces van informatiebeheerJe beschrijft het proces van informatiebeheer van begin tot eind.
   6. Verschil tussen operationeel en strategisch informatiemanagementJe vergelijkt operationeel en strategisch informatiemanagement.
   7. Trends en ontwikkelingen in het vakgebiedJe signaleert actuele trends en ontwikkelingen in informatiemanagement.
   8. Informatie als bedrijfsmiddelJe legt uit hoe informatie als bedrijfsmiddel wordt ingezet.
   9. Koppeling tussen informatiemanagement en bedrijfsdoelenJe koppelt informatiemanagement aan het realiseren van bedrijfsdoelen.
   10. Begrippenkader en terminologieJe gebruikt het begrippenkader en de juiste terminologie in het vakgebied.
2. 2 Informatiearchitectuur en -structuur Je onderzoekt hoe informatie gestructureerd wordt en welke modellen en standaarden daarvoor bestaan.
   10 lessen

   1. Opbouw van informatie- en datastructurenJe analyseert hoe informatie- en datastructuren zijn opgebouwd.
   2. Modellen voor informatiearchitectuur (zoals TOGAF)Je vergelijkt verschillende modellen voor informatiearchitectuur.
   3. Datamodellering en metadataJe past datamodellering en het gebruik van metadata toe.
   4. Informatiestromen binnen organisatiesJe brengt informatiestromen binnen organisaties in kaart.
   5. Integratie van systemen en dataJe onderzoekt hoe systemen en data geïntegreerd worden.
   6. Documentmanagement en informatiestandaardenJe beschrijft documentmanagement en het belang van informatiestandaarden.
   7. InformatielevenscyclusJe volgt de levenscyclus van informatie van creatie tot archivering.
   8. Gebruik van taxonomieën en classificatiesystemenJe gebruikt taxonomieën en classificatiesystemen voor ordening van informatie.
   9. Impact van cloud en big data op architectuurJe analyseert de invloed van cloud en big data op informatiearchitectuur.
   10. Kwaliteit en consistentie van informatieJe beoordeelt de kwaliteit en consistentie van informatie.
3. 3 ICT-systemen en -infrastructuur Je krijgt inzicht in ICT-systemen, infrastructuur en de relatie tussen hardware, software en data.
   10 lessen

   1. Basiskennis van ICT-systemen en netwerkenJe benoemt de basiskenmerken van ICT-systemen en netwerken.
   2. Soorten informatiesystemen (ERP, CRM, BI)Je onderscheidt verschillende soorten informatiesystemen.
   3. Relatie tussen hardware, software en dataJe legt de samenhang uit tussen hardware, software en data.
   4. Cloud computing en virtualisatieJe onderzoekt cloud computing en virtualisatie in de praktijk.
   5. Databases en dataopslagJe beschrijft de werking van databases en dataopslag.
   6. Systeemintegratie en interoperabiliteitJe bekijkt hoe systemen geïntegreerd en interoperabel worden gemaakt.
   7. Beheer van ICT-infrastructuurJe benoemt taken bij het beheer van ICT-infrastructuur.
   8. Automatisering van informatieprocessenJe onderzoekt hoe informatieprocessen worden geautomatiseerd.
   9. Onderhoud en upgrades van systemenJe bespreekt het belang van onderhoud en upgrades van systemen.
   10. Impact van nieuwe technologieën (AI, IoT)Je signaleert de impact van nieuwe technologieën op informatiesystemen.
4. 4 Data-analyse en Business Intelligence Je leert data analyseren, visualiseren en toepassen voor business intelligence en besluitvorming.
   10 lessen

   1. Basisprincipes van data-analyseJe past basisprincipes van data-analyse toe op praktijkvoorbeelden.
   2. Datavisualisatie techniekenJe gebruikt technieken om data visueel weer te geven.
   3. BI-tools en dashboardsJe werkt met BI-tools en bouwt eenvoudige dashboards.
   4. KPI’s en prestatie-indicatoren definiërenJe definieert KPI’s en andere prestatie-indicatoren.
   5. Verzamelen en interpreteren van dataJe verzamelt en interpreteert data uit verschillende bronnen.
   6. Data-gedreven besluitvormingJe onderbouwt beslissingen met data-analyses.
   7. Datakwaliteit en betrouwbaarheidJe beoordeelt de kwaliteit en betrouwbaarheid van data.
   8. Voorspellende analyses (predictive analytics)Je verkent de mogelijkheden van voorspellende analyses.
   9. Privacy en ethiek bij data-analyseJe bespreekt privacy en ethiek bij het analyseren van data.
   10. Praktische toepassingen in organisatiesJe past data-analyse toe in praktijksituaties.
5. 5 Informatiebeveiliging en privacy Je onderzoekt hoe je informatie beschermt en risico’s beheerst, met aandacht voor privacy en regelgeving.
   10 lessen

   1. Principes van informatiebeveiligingJe benoemt de basisprincipes van informatiebeveiliging.
   2. Risicoanalyse en bedreigingenJe voert een risicoanalyse uit en benoemt mogelijke bedreigingen.
   3. Technische en organisatorische beveiligingsmaatregelenJe kiest passende technische en organisatorische beveiligingsmaatregelen.
   4. Wet- en regelgeving (AVG, GDPR)Je past relevante wet- en regelgeving toe rond privacy.
   5. Rollen en verantwoordelijkheden voor securityJe verdeelt rollen en verantwoordelijkheden voor security.
   6. Toegangsbeheer en autorisatiesJe beheert toegangsrechten en autorisaties.
   7. Incidentmanagement en calamiteitenplanJe stelt een incidentmanagement- en calamiteitenplan op.
   8. Beveiligingsbewustzijn binnen organisatiesJe bevordert beveiligingsbewustzijn binnen de organisatie.
   9. Beheer van vertrouwelijke informatieJe beheert vertrouwelijke informatie zorgvuldig.
   10. Compliance en auditsJe controleert compliance en voert audits uit.
6. 6 Veranderingsmanagement en informatiemanagement Je leert veranderingsprocessen begeleiden en de rol van informatiemanagement hierin te bepalen.
   10 lessen

   1. Veranderingsprocessen binnen organisatiesJe beschrijft hoe veranderingsprocessen in organisaties verlopen.
   2. Rol van informatiemanagement bij veranderingenJe bepaalt de rol van informatiemanagement bij veranderingen.
   3. Stakeholderanalyse en communicatieJe voert een stakeholderanalyse uit en plant communicatie.
   4. Weerstand tegen veranderingen herkennen en managenJe herkent en beheert weerstand tegen veranderingen.
   5. Implementatie van nieuwe informatiesystemenJe begeleidt de implementatie van nieuwe informatiesystemen.
   6. Training en ondersteuning van gebruikersJe organiseert training en ondersteuning voor gebruikers.
   7. Evaluatie en borging van veranderingenJe evalueert en borgt veranderingen in de organisatie.
   8. Cultuur en gedrag binnen informatiemanagementJe analyseert de invloed van cultuur en gedrag op informatiemanagement.
   9. ProjectmanagementprincipesJe past projectmanagementprincipes toe in verandertrajecten.
   10. Samenwerking tussen IT en businessJe stimuleert samenwerking tussen IT en andere afdelingen.
7. 7 Informatievoorziening en kennismanagement Je onderzoekt hoe kennis wordt gedeeld, geborgd en digitaal toegankelijk gemaakt binnen organisaties.
   10 lessen

   1. Kennisdelen en kennismanagementconceptenJe past kennismanagementconcepten toe in praktijksituaties.
   2. Informatievoorziening voor verschillende gebruikersgroepenJe stemt informatievoorziening af op verschillende gebruikersgroepen.
   3. Ontwikkeling van intranet en collaboratieplatformsJe ontwikkelt en evalueert intranet- en collaboratieplatforms.
   4. Gebruik van sociale media binnen organisatiesJe onderzoekt het gebruik van sociale media in organisaties.
   5. Documentbeheer en versiecontroleJe beheert documenten en houdt versies bij.
   6. Kennisborging en overdrachtJe borgt kennis en organiseert overdracht.
   7. Toegankelijkheid en gebruiksvriendelijkheidJe beoordeelt toegankelijkheid en gebruiksvriendelijkheid van systemen.
   8. Informatieretrieval en zoektechnologieënJe past zoektechnologieën toe voor informatierecherche.
   9. Impact van digitalisering op kennismanagementJe analyseert de effecten van digitalisering op kennismanagement.
   10. Evaluatie van informatievoorzieningJe evalueert de effectiviteit van informatievoorziening.
8. 8 Strategisch informatiemanagement Je ontwikkelt een informatiestrategie en stemt deze af op de bedrijfsstrategie en marktontwikkelingen.
   10 lessen

   1. Ontwikkelen van een informatiestrategieJe stelt een informatiestrategie op voor een organisatie.
   2. Afstemming van informatiestrategie met bedrijfsstrategieJe zorgt voor afstemming tussen informatiestrategie en bedrijfsstrategie.
   3. Innovatie en technologie-adoptieJe onderzoekt innovatie en adoptie van nieuwe technologieën.
   4. Business-IT alignmentJe analyseert de samenwerking tussen business en IT.
   5. Beleid en governance van informatieJe formuleert beleid en governance voor informatiebeheer.
   6. Investeringen en kostenbeheerJe beheert investeringen en kosten van informatiemanagement.
   7. Evaluatie en bijsturing van strategieJe evalueert en stuurt informatiestrategie bij waar nodig.
   8. Marktontwikkelingen en concurrentieanalyseJe voert een concurrentieanalyse uit op basis van marktontwikkelingen.
   9. Rol van informatiemanagement in digitale transformatieJe bepaalt de rol van informatiemanagement bij digitale transformatie.
   10. Trends in strategisch informatiemanagementJe signaleert trends in strategisch informatiemanagement.
9. 9 Projectmanagement in informatiemanagement Je past projectmanagement toe op informatiemanagement en leert projecten te plannen, monitoren en evalueren.
   10 lessen

   1. Basisprincipes van projectmanagementJe benoemt de basisprincipes van projectmanagement.
   2. Opstellen van projectplannenJe stelt een projectplan op voor een informatiemanagementproject.
   3. Fasering en mijlpalen definiërenJe definieert fasering en mijlpalen binnen projecten.
   4. Risicomanagement binnen projectenJe voert risicomanagement uit binnen projecten.
   5. Communicatie in projectenJe organiseert effectieve communicatie in projecten.
   6. Projectteams aansturenJe stuurt projectteams aan en verdeelt taken.
   7. Budgettering en resource managementJe maakt een begroting en beheert resources.
   8. Monitoren en rapporteren van voortgangJe monitort en rapporteert de voortgang van projecten.
   9. Kwaliteitsborging in projectenJe borgt de kwaliteit van projectresultaten.
   10. Evaluatie en afsluiting van projectenJe evalueert en sluit projecten af volgens plan.
10. 10 Praktijkgericht onderzoek en innovatie Je voert praktijkgericht onderzoek uit en ontwikkelt innovatieve oplossingen voor informatiemanagement.
    10 lessen

    1. Formuleren van onderzoeksvragenJe formuleert heldere en afgebakende onderzoeksvragen.
    2. Onderzoeks- en analysemethoden toepassenJe past onderzoeks- en analysemethoden toe op praktijkproblemen.
    3. Data verzamelen en analyserenJe verzamelt en analyseert relevante data.
    4. Evalueren van bestaande processenJe evalueert bestaande processen en benoemt verbeterpunten.
    5. Ontwikkelen van verbeterplannenJe ontwikkelt plannen om processen te verbeteren.
    6. Innovaties in informatiemanagement onderzoekenJe onderzoekt innovaties binnen informatiemanagement.
    7. Adviesrapporten schrijvenJe schrijft een gestructureerd adviesrapport.
    8. Presenteren van onderzoeksresultatenJe presenteert onderzoeksresultaten aan betrokkenen.
    9. Reflectie op het eigen leer- en onderzoeksprocesJe reflecteert op je eigen leer- en onderzoeksproces.
    10. Implementatie van innovatieve oplossingenJe werkt aan de implementatie van innovatieve oplossingen.

Je past data-analyse toe van dataverzameling tot rapportage, met aandacht voor statistiek, visualisatie en modelvalidatie.

1. 1 Inleiding data-analyse Je verkent wat data-analyse inhoudt, waar je het toepast en welke begrippen en methoden daarbij horen.
   10 lessen

   1. Definitie en belang van data-analyseJe onderzoekt wat data-analyse betekent en waarom organisaties ermee werken.
   2. Typen data: kwalitatief vs kwantitatiefJe vergelijkt kwalitatieve en kwantitatieve data en herkent het verschil in toepassingen.
   3. Verschil tussen data, informatie en kennisJe onderscheidt data, informatie en kennis in verschillende contexten.
   4. Toepassingsgebieden van data-analyseJe benoemt waar data-analyse wordt ingezet, bijvoorbeeld in bedrijfsleven en wetenschap.
   5. Overzicht van data-analysemethodenJe krijgt inzicht in verschillende methoden om data te analyseren.
   6. Rol van data-analyse in besluitvormingJe beschrijft hoe data-analyse het besluitvormingsproces ondersteunt.
   7. Ethische aspecten van data-analyseJe bespreekt ethische aandachtspunten bij het analyseren van data.
   8. Basisbegrippen: variabelen, datasets, observatiesJe benoemt basisbegrippen zoals variabelen, datasets en observaties.
   9. Data-analyseproces: van verzamelen tot rapporterenJe volgt het proces van dataverzameling tot rapportage van resultaten.
   10. Softwaretools en programmeertalen (introductie)Je maakt kennis met softwaretools en programmeertalen voor data-analyse.
2. 2 Data verzamelen en opschonen Je verzamelt data, beoordeelt de kwaliteit en past technieken toe om data bruikbaar te maken voor analyse.
   10 lessen

   1. Methoden voor dataverzameling (surveys, sensors, databases)Je vergelijkt manieren om data te verzamelen, zoals surveys, sensoren en databases.
   2. Kwaliteitscriteria voor dataJe beoordeelt data op kwaliteit met behulp van relevante criteria.
   3. Omgaan met ontbrekende waardenJe gaat om met ontbrekende waarden in datasets.
   4. Detectie en correctie van fouten in dataJe spoort fouten in data op en corrigeert deze waar mogelijk.
   5. Normaliseren en standaardiseren van dataJe past normalisatie en standaardisatie toe op data.
   6. Identificeren van outliers en onregelmatighedenJe identificeert uitschieters en onregelmatigheden in datasets.
   7. Data transformatie en coderingJe transformeert en codeert data voor analyse.
   8. Automatiseren van data cleaningJe automatiseert stappen in het opschonen van data.
   9. Documenteren van datavoorbereidingJe legt vast hoe je data hebt voorbereid en verwerkt.
   10. Privacy en wetgeving bij dataverzamelingJe herkent privacyvraagstukken en relevante wetgeving bij dataverzameling.
3. 3 Statistische basisprincipes Je past statistische basisprincipes toe om data te beschrijven, te analyseren en te interpreteren.
   10 lessen

   1. Beschrijvende statistiek: gemiddelden, mediaan, modusJe berekent gemiddelden, mediaan en modus in datasets.
   2. Spreidingsmaten: variantie, standaarddeviatie, interkwartielafstandJe bepaalt spreidingsmaten zoals variantie en standaarddeviatie.
   3. Kansbegrippen en kansverdelingenJe past kansbegrippen en kansverdelingen toe op data.
   4. Hypothesetoetsen en significantieJe voert hypothesetoetsen uit en beoordeelt significantie.
   5. BetrouwbaarheidsintervallenJe stelt betrouwbaarheidsintervallen vast.
   6. Correlatie en covariantieJe onderzoekt samenhang tussen variabelen met correlatie en covariantie.
   7. Steekproefconcepten en representativiteitJe past steekproefconcepten toe en beoordeelt representativiteit.
   8. Basisbegrippen van populatie en steekproefJe legt uit wat populatie en steekproef betekenen.
   9. Soorten fouten (type I en type II)Je herkent en verklaart type I- en type II-fouten.
   10. Toepassing van statistiek in data-analyseJe past statistiek toe binnen het data-analyseproces.
4. 4 Data visualisatie Je kiest passende visualisaties en maakt grafieken om data en analyses helder te presenteren.
   10 lessen

   1. Doelen en principes van visualisatieJe bepaalt het doel van visualisatie en hanteert basisprincipes.
   2. Grafiektypen: histogrammen, boxplots, scatterplotsJe maakt verschillende grafiektypen zoals histogrammen en scatterplots.
   3. Keuze van juiste visualisatie per datatypesJe kiest de juiste visualisatie op basis van datatype en doel.
   4. Gebruik van kleuren en labelsJe past kleuren en labels toe voor duidelijke grafieken.
   5. Interactieve dashboards ontwerpenJe ontwerpt interactieve dashboards voor dataweergave.
   6. Tools voor visualisatie (Excel, Power BI, Tableau)Je werkt met tools als Excel, Power BI en Tableau voor visualisatie.
   7. Visualisatie van tijdreeksen en trendsJe visualiseert tijdreeksen en trends in data.
   8. Communiceren van bevindingen met visualsJe communiceert bevindingen effectief met visuals.
   9. Voorkomen van misleidende grafiekenJe voorkomt misleiding door grafieken juist te ontwerpen.
   10. Visualisatie van multivariate dataJe visualiseert data met meerdere variabelen tegelijk.
5. 5 Exploratieve data-analyse (EDA) Je onderzoekt data op patronen, relaties en afwijkingen met behulp van exploratieve technieken.
   10 lessen

   1. Identificeren van patronen en trendsJe signaleert patronen en trends in datasets.
   2. Gebruik van statistische samenvattingenJe gebruikt statistische samenvattingen om data te verkennen.
   3. Detecteren van anomalieënJe spoort afwijkingen en anomalieën op in data.
   4. Relaties tussen variabelen onderzoekenJe onderzoekt relaties tussen verschillende variabelen.
   5. Toepassen van data slicing en dicingJe past slicing en dicing toe om data te analyseren.
   6. Gebruik van pivot-tabellenJe gebruikt pivot-tabellen voor overzicht en analyse.
   7. Data clustering en segmentatie (basis)Je voert eenvoudige clustering en segmentatie uit.
   8. Visualisatietechnieken voor EDAJe zet visualisatietechnieken in bij exploratie van data.
   9. Interpretatie van bevindingenJe interpreteert de uitkomsten van je analyses.
   10. Formuleren van hypotheses voor vervolgonderzoekJe formuleert hypotheses voor vervolgonderzoek.
6. 6 Toepassing van regressieanalyse Je past regressieanalyse toe, interpreteert uitkomsten en rapporteert resultaten voor zakelijke toepassingen.
   10 lessen

   1. Lineaire regressie en aannamesJe voert lineaire regressie uit en controleert de aannames.
   2. Interpretatie van regressiecoëfficiëntenJe interpreteert de coëfficiënten van een regressiemodel.
   3. Meervoudige regressieJe past meervoudige regressie toe op datasets.
   4. Diagnostiek van regressiemodellenJe controleert de kwaliteit van regressiemodellen.
   5. Regressie voor voorspellingenJe gebruikt regressie om voorspellingen te doen.
   6. Gebruik van dummy-variabelenJe past dummy-variabelen toe in regressiemodellen.
   7. Overfitting en modelvalidatieJe herkent overfitting en valideert modellen.
   8. Toepassingen in bedrijfscontextJe past regressie toe op bedrijfsvraagstukken.
   9. Software voor regressieanalyseJe werkt met software voor regressieanalyse.
   10. Rapporteren van regressieresultatenJe rapporteert de resultaten van regressieanalyses.
7. 7 Data mining technieken Je gebruikt data mining technieken zoals clustering, classificatie en associatieregels voor analyse van grote datasets.
   10 lessen

   1. Definitie en doel van data miningJe beschrijft het doel en de werkwijze van data mining.
   2. Clusteringmethoden (k-means, hiërarchisch)Je past clusteringmethoden toe zoals k-means en hiërarchisch clusteren.
   3. Classificatie (beslisbomen, naïve Bayes)Je voert classificatie uit met bijvoorbeeld beslisbomen.
   4. Association rules en frequentie-analyseJe analyseert frequentiepatronen met association rules.
   5. Voorbereiding van data voor miningJe bereidt data voor op data mining analyses.
   6. Evaluatie van data mining modellenJe evalueert de prestaties van data mining modellen.
   7. Overzicht van machine learning basicsJe krijgt inzicht in basisprincipes van machine learning.
   8. Toepassing in marketing en risicoanalyseJe past data mining toe in marketing of risicoanalyse.
   9. Beperkingen en risico’s van data miningJe benoemt beperkingen en risico’s van data mining.
   10. Praktische voorbeelden en casestudiesJe werkt met praktijkvoorbeelden en casestudies.
8. 8 Data-analyse met programmeertalen Je voert data-analyse uit met Python en maakt gebruik van relevante bibliotheken en alternatieve tools.
   10 lessen

   1. Introductie tot Python voor data-analyseJe maakt kennis met Python als hulpmiddel voor data-analyse.
   2. Gebruik van bibliotheken: Pandas, NumPy, MatplotlibJe gebruikt Pandas, NumPy en Matplotlib voor analyse en visualisatie.
   3. Data importeren en exporterenJe importeert en exporteert data met Python.
   4. Data manipulatie en filteringJe manipuleert en filtert datasets in scripts.
   5. Statistische analyse met PythonJe voert statistische analyses uit met Python.
   6. Visualisatie met Seaborn en PlotlyJe maakt visualisaties met Seaborn en Plotly.
   7. Basis scripting en automatiseringJe schrijft eenvoudige scripts voor automatisering.
   8. Documenteren van analysescriptsJe documenteert je analysescripts voor hergebruik.
   9. Foutafhandeling en debuggingJe lost fouten op in je scripts en debugt waar nodig.
   10. Overzicht alternatieve tools (R, SQL)Je vergelijkt Python met alternatieve tools als R en SQL.
9. 9 Toetsen en valideren van modellen Je toetst en valideert analysemethoden en modellen aan de hand van relevante evaluatiecriteria.
   10 lessen

   1. Train-test splitsing van dataJe splitst data in train- en testsets voor modelvalidatie.
   2. Cross-validatie techniekenJe past cross-validatie toe om modellen te testen.
   3. Evaluatiecriteria: nauwkeurigheid, precisie, recallJe gebruikt nauwkeurigheid, precisie en recall als evaluatiecriteria.
   4. Confusiematrix uitleggenJe legt de werking van een confusiematrix uit.
   5. ROC-curve en AUCJe beoordeelt modellen met behulp van ROC-curve en AUC.
   6. Modelselectie en tuningJe selecteert en stemt modellen af op de dataset.
   7. Bias-variance trade-offJe analyseert de bias-variance trade-off in modellen.
   8. Interpretatie van resultatenJe interpreteert de resultaten van modelvalidatie.
   9. Presenteren van modelvalidatieJe presenteert de uitkomsten van modelvalidatie.
   10. Praktische cases voor toetsingJe oefent met praktische cases voor het toetsen van modellen.
10. 10 Rapporteren en presenteren van data-analyse Je rapporteert en presenteert analyseresultaten helder, afgestemd op je doelgroep en met aandacht voor beperkingen.
    10 lessen

    1. Structuur van een analyserapportJe bouwt een gestructureerd analyserapport op.
    2. Doelgroepgerichte communicatieJe stemt je communicatie af op de doelgroep.
    3. Samenvatten van bevindingen in begrijpelijke taalJe vat bevindingen samen in begrijpelijke taal.
    4. Gebruik van visualisaties in rapportenJe verwerkt visualisaties effectief in rapporten.
    5. Discussie over beperkingen en onzekerhedenJe bespreekt beperkingen en onzekerheden in je analyse.
    6. Aanbevelingen formuleren op basis van dataJe formuleert aanbevelingen op basis van je data.
    7. Voorbereiden van presentatiesJe bereidt presentaties voor van je analyseresultaten.
    8. Effectief gebruik van slides en visualsJe gebruikt slides en visuals om je verhaal te ondersteunen.
    9. Beantwoorden van kritische vragenJe beantwoordt kritische vragen over je analyse.
    10. Reflectie op analyseprocesJe reflecteert op het verloop van je analyseproces.