أدى استخدام أدوات التعلم عبر الإنترنت والبرامج القائمة على التفاعل بصورة متزايدة في مجال التعليم إلى زيادة حجم البيانات، فأصبح من الصعب تحليل واستخدام تلك البيانات الضخمة لتحسين الفعالية التعليمية ودعم البحوث الأساسية بشأن التعلم.
أدى هذا إلى ضرورة الحاجة إلى استحداث طرق جديدة وفعالة لتحليل هذا الكم الهائل من المعلومات والاستفادة منها في تحسين العملية التعليمية وتطوير الأبحاث في مجال التعليم، وهو ما يعرف بعلم المعلومات (Data science). و يعرف هذا العلم بأنه استخراج المعرفة من كميات كبيرة من البيانات كانت منظمة أو غير منظمة، و يعتبر تمديدا لمجال تنقيب البيانات (Data mining) و التحليلات التنبؤية (Predictive analytics).
و يدخل في نطاق “البيانات غير المنظمة” أنواع مختلفة من البيانات مثل رسائل البريد الإلكتروني والفيديو والصور و المحتوى الخاص بوسائل التواصل الاجتماعي، وغيرها من المحتويات الإعلامية المنتجة من قبل المستخدمين. وغالبا ما يتطلب علم البيانات فرز كمية كبيرة من المعلومات وكتابة خوارزميات لاستخراج أفكار و رؤى منها قد تقدم خدمات جديدة في ميادين شتى (ويكبيديا،2016م).
وتوجد مجموعة من الجمعيات والمؤسسات التي تهتم بتحليل البيانات التعليمية الضخمة منها: جمعية البيانات التعليمية الدولية: والتي قامت بمجموعة من الأنشطة منها: ورشة عمل سنة 2005م، المؤتمر الأول: أقيم في عام 2008م،نشر مجلة متخصصة في الميدان عام 2009م.
وهناك أيضا مجتمع بحوث تحليل التعلم الذي نظم المؤتمر الأول له عام 2011م، وأسس مجلة تحليل التعلم عام 2012م.
أدى استخدام أدوات التعلم عبر الإنترنت والبرامج القائمة على التفاعل بصورة متزايدة في مجال التعليم إلى زيادة حجم البيانات، فأصبح من الصعب تحليل واستخدام تلك البيانات الضخمة لتحسين الفعالية التعليمية ودعم البحوث الأساسية بشأن التعلم.
أدى هذا إلى ضرورة الحاجة إلى استحداث طرق جديدة وفعالة لتحليل هذا الكم الهائل من المعلومات والاستفادة منها في تحسين العملية التعليمية وتطوير الأبحاث في مجال التعليم، وهو ما يعرف بعلم المعلومات (Data science). و يعرف هذا العلم بأنه استخراج المعرفة من كميات كبيرة من البيانات كانت منظمة أو غير منظمة، و يعتبر تمديدا لمجال تنقيب البيانات (Data mining) و التحليلات التنبؤية (Predictive analytics).
و يدخل في نطاق “البيانات غير المنظمة” أنواع مختلفة من البيانات مثل رسائل البريد الإلكتروني والفيديو والصور و المحتوى الخاص بوسائل التواصل الاجتماعي، وغيرها من المحتويات الإعلامية المنتجة من قبل المستخدمين. وغالبا ما يتطلب علم البيانات فرز كمية كبيرة من المعلومات وكتابة خوارزميات لاستخراج أفكار و رؤى منها قد تقدم خدمات جديدة في ميادين شتى (ويكبيديا،2016م).
وتوجد مجموعة من الجمعيات والمؤسسات التي تهتم بتحليل البيانات التعليمية الضخمة منها: جمعية البيانات التعليمية الدولية: والتي قامت بمجموعة من الأنشطة منها: ورشة عمل سنة 2005م، المؤتمر الأول: أقيم في عام 2008م،نشر مجلة متخصصة في الميدان عام 2009م.
وهناك أيضا مجتمع بحوث تحليل التعلم الذي نظم المؤتمر الأول له عام 2011م، وأسس مجلة تحليل التعلم عام 2012م.
كما يساعد تحليل البيانات الكبيرة الباحثين في معرفة كيفية إنشاء البيانات، حيث يتعرفون على العملية التي أنتجت في الأصل تلك البيانات، وكيفية انتشار وصعود هذه البيانات، كما يساعد المهتمين والمتخصصين في عملية التعلم على كيفية بناء نماذج حديثة وفعالة لعملية التعلم لضمان أكثر الطرق جودة في سرعة وكمية الإنتاجية، كما تساعد على التنبؤ بالنتائج المستقبلية مثل أنماط أخذ الدورات.
المراجع:
Joseph Hellerstein. The commoditization of massive data analysis. Blog on O’Reilly.com, 19 November 2008
Data data everywhere. Kenneth Cukier interviewed for The Economist , 25 February 2010
Emmanuel Letouzé. Big data for development: opportunities and challenges. UN Global Pulse, May 2012
Big data, big impact: new possibilities for international development. World Economic Forum, 2012
James Manyika and others. Big data: the next frontier for innovation, competition and productivity. McKinsey Global Institute, May 2011
Danah Boyd and Kate Crawford. Six provocations for Big Data. A Decade in Internet Time: Symposium on the Dynamics of the Internet and Society, September 2011
The physical size of big data. Infographic by Domo. 14 May 2013
Christopher Frank. Improving decision making in the world of Big Data. Forbes, 25 March 2012