[Dieses Kapitel wurde mit maschinellen Übersetzungsprogrammen übersetzt.]

Die allgemeine Praxis, alle Arten von Daten zu speichern, wird als Big Data1 bezeichnet. Dies ist sinnvoll, da die Datenspeicherung sehr billig geworden ist und leistungsstarke Prozessoren und Algorithmen (insbesondere die Verarbeitung natürlicher Sprache und maschinelles Lernen) die Analyse von Big Data erleichtern2.

Wie im Video erläutert, ist Big Data durch riesige (Volumen), schnell erzeugte (Geschwindigkeit), unterschiedliche Arten (Vielfalt) von Daten aus verschiedenen Quellen gekennzeichnet. Die so gewonnenen Daten sind in der Regel unvollständig und ungenau (Wahrheitsgehalt) und ihre Relevanz ändert sich im Laufe der Zeit (Volatilität). Um diese Art von Daten zu kombinieren, zu verarbeiten und zu visualisieren, sind hochentwickelte Algorithmen erforderlich. Dennoch können die daraus gezogenen Schlüsse, vor allem in Kombination mit herkömmlichen Daten, sehr aussagekräftig sein und sind daher den Aufwand wert2.

Einige Experten gehen über die 3 oder 5 Vs2 hinaus und betonen die drei Achsen, die Big Data ausmachen:

Technologie, die es ermöglicht, große Datensätze zu sammeln, zu analysieren, zu verknüpfen und zu vergleichen.
Die Analyse, die Muster in großen Datensätzen identifiziert, um wirtschaftliche, soziale, technische und rechtliche Aussagen zu treffen.

Die Überzeugung, dass “große Datensätze eine höhere Form der Intelligenz und des Wissens bieten, die zu Einsichten führen können, die zuvor nicht möglich waren, mit dem Nimbus der Wahrheit, Objektivität und Genauigkeit “3.

Big-Data-Analysen “können potenziell Bereiche identifizieren, in denen Schüler Schwierigkeiten haben oder erfolgreich sind, die individuellen Bedürfnisse der Schüler verstehen und Strategien für personalisiertes Lernen entwickeln.”

 


1 Schneier, B., Data and Goliath: The Hidden Battles to Capture Your Data and Control Your World, W. W. Norton & Company, 2015.

2 Kelleher, J.D, Tierney, B, Data Science, London, 2018.

3 D’Ignazio, C., Bhargava, R., Approaches to Building Big Data Literacy, Bloomberg Data for Good Exchange, New York, 2015.
General Data Protection Regulation (GDPR), European Union, April 2016.

4 Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators, European Commission, October 2022.

License

Icon for the Creative Commons Attribution 4.0 International License

KI für Lehrkräfte : ein offenes Lehrbuch Copyright © 2024 by Colin de la Higuera und Jotsna Iyer is licensed under a Creative Commons Attribution 4.0 International License, except where otherwise noted.

Share This Book