Big data education

Big data education

Big data analytics in education pdf

Este libro analiza cómo se podría implementar el Big Data en los entornos educativos y en la investigación, utilizando datos empíricos y sugiriendo tanto las mejores prácticas como las áreas en las que invertir en futuras investigaciones y desarrollos. También explora: 1) el uso de la analítica del aprendizaje para mejorar el aprendizaje y la enseñanza; 2) las oportunidades y los retos de la analítica del aprendizaje en la educación.
A medida que el Big Data se convierte en una parte común del tejido de nuestro mundo, la educación y la investigación se enfrentan al reto de utilizar estos datos para mejorar los sistemas educativos y de investigación, y también tienen la tarea de enseñar a las generaciones venideras a tratar con el Big Data de forma eficaz y ética.
La era del Big Data está cambiando el panorama de los datos para el análisis estadístico, las formas de capturar y presentar los datos, y el nivel necesario de conocimientos estadísticos para analizar e interpretar los datos para la futura toma de decisiones. La llegada del Big Data acentúa la necesidad de capacitar a los ciudadanos para que desarrollen las habilidades estadísticas, el pensamiento y el razonamiento necesarios para representar, integrar y explorar información compleja.Este libro ofrece orientación a los investigadores que buscan temas adecuados para explorar.  Presenta la investigación sobre las habilidades que necesitan los profesionales de los datos (analistas de datos, gestores de datos, estadísticos y consumidores de datos, académicos), y ofrece una visión de las habilidades estadísticas, el pensamiento y el razonamiento que necesitan los educadores e investigadores en el futuro para trabajar con Big Data.  Este libro sirve de referencia concisa para los responsables políticos, que deben tomar decisiones críticas en materia de financiación y aplicaciones.

Big data en la educación superior

Fig. 1Proceso de selecciónImagen a tamaño completoTabla 2Resultados del proceso de selecciónTabla a tamaño completoEvaluación de la calidadSegún (Kitchenham & Charters, 2007), la evaluación de la calidad desempeña un papel importante para comprobar la calidad de las investigaciones primarias. Las sutilezas de la evaluación dependen totalmente de la calidad de los instrumentos. Este mecanismo de evaluación puede basarse en la lista de comprobación de componentes o en un conjunto de preguntas. El objetivo principal de la lista de comprobación de componentes y de un conjunto de preguntas es analizar la calidad de cada estudio. No obstante, para este estudio se crearon cuatro estándares de medición de la calidad para evaluar la calidad de cada investigación. Los estándares de medición se dan como:
Los cuatro estándares de evaluación de la calidad se aplicaron a 65 estudios seleccionados para determinar la integridad de cada investigación. Los estándares de medición se clasificaron en bajo, medio y alto. La calidad de cada estudio depende del número total de puntuación. Cada evaluación de la calidad tiene una puntuación de dos puntos. Si el estudio cumple el estándar completo, se le otorga una puntuación de 2. En caso de cumplimiento parcial, se adquiere una puntuación de 1. Si no se cumple ninguna de las normas de evaluación, se otorga una puntuación de 0. En la puntuación total, si el estudio se sitúa por debajo de 4, se contabiliza como «bajo» y un 4 exacto se considera «medio». Sin embargo, lo que supera el 4 se refleja como «alto». Los detalles de los estudios se presentan en la Tabla 11 del Apéndice B. Los 25 estudios se excluyeron por no cumplir el estándar de evaluación de la calidad. Por lo tanto, sobre la base de la norma de evaluación de la calidad, se incluyó un total de 40 estudios primarios en esta revisión bibliográfica sistémica (Tabla 10 en el Apéndice A). Las puntuaciones de los estudios (en términos de baja, media y alta) se presentan en la Fig. 2.

Investigación educativa sobre big data

Hoy en día todo el mundo se preocupa por saber qué es el Big Data? ya que el Big Data ha cambiado la forma en que el mundo solía ver la información. Con tanta información que se genera cada segundo, los científicos de datos están siempre atentos para utilizarla en su beneficio. Además de las empresas que analizan estos datos para mejorar sus decisiones empresariales, el Big Data también se utiliza en el sector educativo.
Las instituciones modernas utilizan los datos de sus alumnos para comprender la experiencia educativa de los mismos. Esto, a su vez, ayuda a los profesores a educar mejor a los estudiantes. El Big Data también se utiliza para modificar el sistema educativo, de modo que se ofrezca a los estudiantes un plan de aprendizaje saludable.
Al igual que las empresas manejan una gran cantidad de datos relacionados con sus empleados, sus finanzas, sus empresas asociadas y sus clientes, las instituciones educativas también tienen que lidiar con los datos de los estudiantes. Como miles de estudiantes se matriculan cada año en varios institutos en una variedad de cursos, se genera una cantidad ingente de datos. Los datos de los estudiantes consisten en los detalles del curso, el año de matriculación, la identificación del estudiante, las calificaciones de los exámenes y las notas obtenidas en las distintas asignaturas.

Ejemplos de big data en la educación

El big data es un campo en el que los científicos e ingenieros de datos analizan, estructuran, utilizan y aprenden datos masivos a los que el software tradicional no puede hacer frente. Extraer la información necesaria de grandes conjuntos de datos ayuda a las industrias a predecir tendencias, aprender el comportamiento de las personas, tomar mejores decisiones empresariales y crear nuevas soluciones para satisfacer las demandas del mundo moderno.Los orígenes del término «big data» dejan espacio para las dudas y la investigación. Se considera que el padre del término «big data» es John Mashey, un informático de Pensilvania, que a mediados de la década de los noventa hablaba de él en Silicon Graphics, una empresa estadounidense que producía hardware y software hasta 2009.
Hoy en día cualquier tipo de información puede guardarse en almacenes en la nube y la cantidad de información digital crece a una velocidad increíble. Se estima que para el año 2025 habrá 163 zettabytes de datos. Un zettabyte equivale a 1.000 millones de terabytes o 1 billón de gigabytes.
El análisis de big data requiere métodos y software especialmente diseñados para examinar los datos en constante crecimiento. Para analizarlos, los científicos de datos tienen en cuenta sus 3 propiedades básicas: Volumen: se refiere a la cantidad de datos; Velocidad: la velocidad a la que se mueven y procesan los datos; Variedad: se refiere a los tipos y atributos de los datos.

Usamos cookies para asegurar que le damos la mejor experiencia en nuestra web. Si continúa usando este sitio, asumiremos que está de acuerdo con ello. Nuestros socios (incluye a Google) podrán compartir, almacenar y gestionar sus datos para ofrecerle anuncios personalizados    Más información
Privacidad