{"id":246,"date":"2024-12-23T16:14:00","date_gmt":"2024-12-23T16:14:00","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/spanishwithchatgpt\/?post_type=chapter&#038;p=246"},"modified":"2025-06-25T18:23:01","modified_gmt":"2025-06-25T18:23:01","slug":"mas-sobre-big-data","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/chapter\/mas-sobre-big-data\/","title":{"raw":"M\u00e1s sobre Big Data","rendered":"M\u00e1s sobre Big Data"},"content":{"raw":"<p class=\"no-indent\">La pr\u00e1ctica general de guardar todo tipo de datos se denomina Big Data<sup>1<\/sup>. Hacer esto tiene sentido desde que el almacenamiento de datos se ha abaratado y los potentes procesadores y algoritmos (especialmente el procesamiento del lenguaje natural y el AA) facilitan el an\u00e1lisis de los big data<sup>2<\/sup>.<\/p>\r\nhttps:\/\/youtu.be\/QAqiz2KyEls\r\n<p class=\"indent no-indent\">Como se explica en el video , los macrodatos se caracterizan por su enorme (<strong>v<\/strong>olumen), r\u00e1pida generaci\u00f3n (<strong>v<\/strong>elocidad) y tipos dispares (<strong>v<\/strong>ariedad) de datos generados a partir de m\u00faltiples fuentes. Los datos as\u00ed recogidos suelen ser incompletos e imprecisos (<strong>v<\/strong>eracidad) y su relevancia tiende a cambiar con el tiempo (<strong>v<\/strong>olatilidad). Para combinar, procesar y visualizar este tipo de datos se necesitan sofisticados algoritmos. Sin embargo, las inferencias que se extraen de ellos, especialmente cuando se combinan con datos tradicionales, pueden ser potentes y, por tanto, merece la pena el esfuerzo<sup>2<\/sup>.<\/p>\r\n<p class=\"indice\"><strong>Volatilidad<\/strong><\/p>\r\n<p class=\"indent\">Algunos expertos van m\u00e1s all\u00e1 de las tres o cinco Vs<sup>2<\/sup> y destacan los tres ejes que conforman el big data:<\/p>\r\n\r\n<ul>\r\n \t<li>Tecnolog\u00eda que permite recopilar, analizar, vincular y comparar grandes conjuntos de datos. An\u00e1lisis que identifica patrones en grandes conjuntos de datos con el fin de hacer afirmaciones econ\u00f3micas, sociales, t\u00e9cnicas y jur\u00eddicas;<\/li>\r\n \t<li>La creencia de que \"los grandes conjuntos de datos ofrecen una forma superior de inteligencia y conocimiento que puede generar percepciones que antes eran imposibles, con el aura de la verdad, la objetividad y la precisi\u00f3n<sup>\"3<\/sup>;<\/li>\r\n \t<li>El an\u00e1lisis de big data \"puede identificar potencialmente las \u00e1reas en las que los estudiantes tienen dificultades o prosperan, comprender las necesidades individuales de los estudiantes y desarrollar estrategias para un aprendizaje personalizado\".<\/li>\r\n<\/ul>\r\n[caption id=\"attachment_933\" align=\"aligncenter\" width=\"256\"]<img class=\"wp-image-933\" src=\"http:\/\/aiopentext.itd.cnr.it\/spanishwithchatgpt\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-576x1024.jpg\" alt=\"\" width=\"256\" height=\"455\" \/> Imagen conocimiento de Big Data, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. <a href=\"https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/\">https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a>[\/caption]\r\n\r\n<hr \/>\r\n\r\n<ul>\r\n \t<li data-start=\"110\" data-end=\"241\">\r\n<p data-start=\"113\" data-end=\"241\">Schneier, B. (2015). <em data-start=\"134\" data-end=\"216\">Data and Goliath: The hidden battles to capture your data and control your world<\/em>. W. W. Norton &amp; Company.<\/p>\r\n<\/li>\r\n \t<li data-start=\"243\" data-end=\"311\">\r\n<p data-start=\"246\" data-end=\"311\">Kelleher, J. D., &amp; Tierney, B. (2018). <em data-start=\"285\" data-end=\"299\">Data science<\/em>. MIT Press.<\/p>\r\n<\/li>\r\n \t<li data-start=\"313\" data-end=\"485\">\r\n<p data-start=\"316\" data-end=\"485\">D\u2019Ignazio, C., &amp; Bhargava, R. (2015). Approaches to building big data literacy. <em data-start=\"396\" data-end=\"430\">Bloomberg Data for Good Exchange<\/em>, New York. <a class=\"cursor-pointer\" href=\"https:\/\/dspace.mit.edu\/handle\/1721.1\/123586\" target=\"_new\" rel=\"noopener\" data-start=\"442\" data-end=\"485\">https:\/\/dspace.mit.edu\/handle\/1721.1\/123586<\/a><\/p>\r\n<\/li>\r\n \t<li data-start=\"487\" data-end=\"644\">\r\n<p data-start=\"490\" data-end=\"644\">European Union. (2016). <em data-start=\"514\" data-end=\"557\">General Data Protection Regulation (GDPR)<\/em>. Official Journal of the European Union. <a class=\"\" href=\"https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj\" target=\"_new\" rel=\"noopener\" data-start=\"599\" data-end=\"644\">https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj<\/a><\/p>\r\n<\/li>\r\n \t<li data-start=\"646\" data-end=\"916\">\r\n<p data-start=\"649\" data-end=\"916\">European Commission. (2022). <em data-start=\"678\" data-end=\"784\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/em>. <a class=\"\" href=\"https:\/\/education.ec.europa.eu\/document\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning\" target=\"_new\" rel=\"noopener\" data-start=\"786\" data-end=\"916\">https:\/\/education.ec.europa.eu\/document\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning<\/a><\/p>\r\n<\/li>\r\n<\/ul>","rendered":"<p class=\"no-indent\">La pr\u00e1ctica general de guardar todo tipo de datos se denomina Big Data<sup>1<\/sup>. Hacer esto tiene sentido desde que el almacenamiento de datos se ha abaratado y los potentes procesadores y algoritmos (especialmente el procesamiento del lenguaje natural y el AA) facilitan el an\u00e1lisis de los big data<sup>2<\/sup>.<\/p>\n<p><iframe loading=\"lazy\" id=\"oembed-1\" title=\"Datos: vienen en muchas formas y tama\u00f1os\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/QAqiz2KyEls?feature=oembed&#38;rel=0\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<p class=\"indent no-indent\">Como se explica en el video , los macrodatos se caracterizan por su enorme (<strong>v<\/strong>olumen), r\u00e1pida generaci\u00f3n (<strong>v<\/strong>elocidad) y tipos dispares (<strong>v<\/strong>ariedad) de datos generados a partir de m\u00faltiples fuentes. Los datos as\u00ed recogidos suelen ser incompletos e imprecisos (<strong>v<\/strong>eracidad) y su relevancia tiende a cambiar con el tiempo (<strong>v<\/strong>olatilidad). Para combinar, procesar y visualizar este tipo de datos se necesitan sofisticados algoritmos. Sin embargo, las inferencias que se extraen de ellos, especialmente cuando se combinan con datos tradicionales, pueden ser potentes y, por tanto, merece la pena el esfuerzo<sup>2<\/sup>.<\/p>\n<p class=\"indice\"><strong>Volatilidad<\/strong><\/p>\n<p class=\"indent\">Algunos expertos van m\u00e1s all\u00e1 de las tres o cinco Vs<sup>2<\/sup> y destacan los tres ejes que conforman el big data:<\/p>\n<ul>\n<li>Tecnolog\u00eda que permite recopilar, analizar, vincular y comparar grandes conjuntos de datos. An\u00e1lisis que identifica patrones en grandes conjuntos de datos con el fin de hacer afirmaciones econ\u00f3micas, sociales, t\u00e9cnicas y jur\u00eddicas;<\/li>\n<li>La creencia de que \u00ablos grandes conjuntos de datos ofrecen una forma superior de inteligencia y conocimiento que puede generar percepciones que antes eran imposibles, con el aura de la verdad, la objetividad y la precisi\u00f3n<sup>\u00ab3<\/sup>;<\/li>\n<li>El an\u00e1lisis de big data \u00abpuede identificar potencialmente las \u00e1reas en las que los estudiantes tienen dificultades o prosperan, comprender las necesidades individuales de los estudiantes y desarrollar estrategias para un aprendizaje personalizado\u00bb.<\/li>\n<\/ul>\n<figure id=\"attachment_933\" aria-describedby=\"caption-attachment-933\" style=\"width: 256px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-933\" src=\"http:\/\/aiopentext.itd.cnr.it\/spanishwithchatgpt\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-576x1024.jpg\" alt=\"\" width=\"256\" height=\"455\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-576x1024.jpg 576w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-169x300.jpg 169w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-768x1365.jpg 768w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-864x1536.jpg 864w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-1152x2048.jpg 1152w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-65x116.jpg 65w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-225x400.jpg 225w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-350x622.jpg 350w, https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-content\/uploads\/sites\/20\/2024\/12\/Espanol-EN-MoreOnBigData-scaled.jpg 1440w\" sizes=\"(max-width: 256px) 100vw, 256px\" \/><figcaption id=\"caption-attachment-933\" class=\"wp-caption-text\">Imagen conocimiento de Big Data, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. <a href=\"https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/\">https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a><\/figcaption><\/figure>\n<hr \/>\n<ul>\n<li data-start=\"110\" data-end=\"241\">\n<p data-start=\"113\" data-end=\"241\">Schneier, B. (2015). <em data-start=\"134\" data-end=\"216\">Data and Goliath: The hidden battles to capture your data and control your world<\/em>. W. W. Norton &amp; Company.<\/p>\n<\/li>\n<li data-start=\"243\" data-end=\"311\">\n<p data-start=\"246\" data-end=\"311\">Kelleher, J. D., &amp; Tierney, B. (2018). <em data-start=\"285\" data-end=\"299\">Data science<\/em>. MIT Press.<\/p>\n<\/li>\n<li data-start=\"313\" data-end=\"485\">\n<p data-start=\"316\" data-end=\"485\">D\u2019Ignazio, C., &amp; Bhargava, R. (2015). Approaches to building big data literacy. <em data-start=\"396\" data-end=\"430\">Bloomberg Data for Good Exchange<\/em>, New York. <a class=\"cursor-pointer\" href=\"https:\/\/dspace.mit.edu\/handle\/1721.1\/123586\" target=\"_new\" rel=\"noopener\" data-start=\"442\" data-end=\"485\">https:\/\/dspace.mit.edu\/handle\/1721.1\/123586<\/a><\/p>\n<\/li>\n<li data-start=\"487\" data-end=\"644\">\n<p data-start=\"490\" data-end=\"644\">European Union. (2016). <em data-start=\"514\" data-end=\"557\">General Data Protection Regulation (GDPR)<\/em>. Official Journal of the European Union. <a class=\"\" href=\"https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj\" target=\"_new\" rel=\"noopener\" data-start=\"599\" data-end=\"644\">https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj<\/a><\/p>\n<\/li>\n<li data-start=\"646\" data-end=\"916\">\n<p data-start=\"649\" data-end=\"916\">European Commission. (2022). <em data-start=\"678\" data-end=\"784\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/em>. <a class=\"\" href=\"https:\/\/education.ec.europa.eu\/document\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning\" target=\"_new\" rel=\"noopener\" data-start=\"786\" data-end=\"916\">https:\/\/education.ec.europa.eu\/document\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning<\/a><\/p>\n<\/li>\n<\/ul>\n","protected":false},"author":3,"menu_order":10,"template":"","meta":{"pb_show_title":"on","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":224,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/246"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/users\/3"}],"version-history":[{"count":7,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/246\/revisions"}],"predecessor-version":[{"id":934,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/246\/revisions\/934"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/parts\/224"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/246\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/media?parent=246"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapter-type?post=246"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/contributor?post=246"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/license?post=246"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}