Big data en la educacion
Importancia del big data en la educación
El Big Data Educativo (EBD) se enfrenta en la actualidad a un reconocimiento sin precedentes de la psicología educativa existente, con las plataformas tecnológicas jugando un papel cada vez más vital en la adaptación de los enfoques actuales hacia los programas basados en la tecnología. El EBD ha surgido como un área vital de estudio tanto para los educadores como para los investigadores, reflejando la magnitud y el impacto de los problemas relacionados con los datos a resolver en las prácticas educativas, particularmente con la aplicación de tecnologías innovadoras. Hoy en día, los deseos recreativos, las ideas comerciales, las necesidades de investigación y las iniciativas gubernamentales aceleran necesariamente la utilización de dispositivos tecnológicos, produciendo una gran cantidad de datos a una escala sin precedentes. Para bien y para mal, la acumulación y circulación de datos masivos en cada forma se han convertido en una parte integral dentro del desarrollo de la comunidad social contemporánea. Es un tema que merece la atención de todos los sectores de la sociedad, especialmente los de la investigación académica. Para analizar y profundizar en la función subyacente de los grandes datos en beneficio tanto público como privado, los investigadores de diferentes ámbitos han tratado de desentrañar y definir los grandes datos de forma cada vez más potente (Mikalef et al., 2018).
Aplicaciones de big data
Este libro analiza cómo se podría aplicar 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 de la estructura 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 de los Big Data acentúa la necesidad de capacitar a los ciudadanos para desarrollar las habilidades estadísticas, el pensamiento y el razonamiento necesarios para representar, integrar y explorar información compleja.
La minería de los grandes datos en la educación: posibilidades y desafíos
… Para abordar estas cuestiones, este estudio contribuye a la literatura existente de cuatro maneras. En primer lugar, identifica los factores que influyen en la adopción de BDA en las IES, un sector que ha ido a la zaga de otras industrias en la adopción de esta tecnología, por lo que no está claro si están preparadas para adoptar BDA [25,30,36,
… Se han propuesto varias teorías para describir los factores que influyen en la adopción de una tecnología como BDA; entre ellas, destaca el marco TOE desarrollado por Tornatzky y Fleischer [62]. La literatura anterior utiliza el marco TOE para analizar formas de innovación como el comercio electrónico o la computación en la nube [63,64], y otros estudios lo utilizan en el contexto de la BDA en sectores distintos de las IES
Debido a la pandemia de SARS-CoV-2, las instituciones de educación superior se enfrentan al reto de seguir proporcionando una producción docente, consultiva y de investigación de calidad a través de entornos educativos virtuales. En este contexto, se está generando un gran volumen de datos y se necesitan tecnologías como la analítica de big data para crear oportunidades de innovación abierta mediante la obtención de conocimientos valiosos. El objetivo de este trabajo es investigar los factores que influyen en la adopción de la analítica de big data y evaluar la relación que tiene con el rendimiento y la gestión del conocimiento, teniendo en cuenta que esta tecnología está en sus fases iniciales y que las investigaciones anteriores han proporcionado resultados variados según el sector en el que se centren. Para abordar estos desafíos, se desarrolla un marco teórico para probar empíricamente la relación de estas variables; se encuestó a 265 miembros de universidades de América Latina y se utiliza un modelo de ecuaciones estructurales. Los resultados identifican la compatibilidad, un entorno organizativo de datos adecuado y el apoyo externo como factores necesarios para adoptar la analítica de grandes datos, y se comprueba su relación positiva con los procesos de gestión del conocimiento y el rendimiento organizativo. Este estudio proporciona una orientación práctica para los responsables de la toma de decisiones que participan o están a cargo de la definición de la estrategia de implementación de big data analytics en las instituciones de educación superior.
Atención sanitaria con grandes datos
El propósito de este documento de posición es presentar el estado actual, las oportunidades y los desafíos de los big data y la IA en la educación. El trabajo se ha originado a partir de las opiniones y las actas de los paneles de discusión de una conferencia internacional sobre big data e IA en la educación (The International Learning Sciences Forum, 2019), donde destacados investigadores y expertos de diferentes disciplinas como la educación, la psicología, la ciencia de los datos, la IA y la neurociencia cognitiva, etc., intercambiaron sus conocimientos e ideas. Este artículo está organizado de la siguiente manera: comenzamos con una visión general del progreso reciente de los grandes datos y la IA en la educación. A continuación, presentamos los principales retos y las tendencias emergentes. Por último, basándonos en nuestras discusiones sobre los grandes datos y la IA en la educación, se sugieren las conclusiones y el alcance futuro.
Como subconjunto de la IA, el aprendizaje automático se centra en la construcción de sistemas informáticos que pueden aprender de los datos y adaptarse a ellos automáticamente sin necesidad de programación explícita (Jordan y Mitchell, 2015). Los algoritmos de aprendizaje automático pueden proporcionar nuevos conocimientos, predicciones y soluciones para personalizar las necesidades y circunstancias de cada individuo. Con la disponibilidad de una gran cantidad de datos de entrenamiento de entrada de alta calidad, los procesos de aprendizaje automático pueden lograr resultados precisos y facilitar la toma de decisiones informadas (Manyika et al., 2011; Gobert et al., 2012, 2013; Gobert y Sao Pedro, 2017). Estos métodos de aprendizaje automático con gran cantidad de datos se sitúan en la intersección de los big data y la IA, y son capaces de mejorar los servicios y la productividad de la educación, así como de muchos otros campos, como el comercio, la ciencia y la administración.