{"id":222,"date":"2023-11-30T16:31:57","date_gmt":"2023-11-30T16:31:57","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/more-on-big-data\/"},"modified":"2024-01-31T11:52:07","modified_gmt":"2024-01-31T11:52:07","slug":"more-on-big-data","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/more-on-big-data\/","title":{"raw":"Pour en savoir plus sur le Big Data","rendered":"Pour en savoir plus sur le Big Data"},"content":{"raw":"<p class=\"no-indent\">La pratique g\u00e9n\u00e9rale consistant \u00e0 sauvegarder toutes sortes de donn\u00e9es est appel\u00e9e Big Data<sup>1<\/sup>. Cette pratique est logique car le stockage des donn\u00e9es est devenu bon march\u00e9 et les processeurs et algorithmes puissants (en particulier le traitement du langage naturel et l'apprentissage automatique) facilitent l'analyse des big data<sup>2<\/sup>.<\/p>\nhttps:\/\/youtu.be\/CRq2hl5kVQo?list=PLkm8ZqYSzE3fQBx8zGr4oONlMSO-Cevma\n<p class=\"indent\">Comme indiqu\u00e9 dans la vid\u00e9o, le Big Data se caract\u00e9rise par des donn\u00e9es \u00e9normes (volume), g\u00e9n\u00e9r\u00e9es rapidement (v\u00e9locit\u00e9), de types disparates (vari\u00e9t\u00e9) et provenant de sources multiples. Les donn\u00e9es ainsi recueillies ont tendance \u00e0 \u00eatre incompl\u00e8tes et impr\u00e9cises (v\u00e9racit\u00e9), et leur pertinence a tendance \u00e0 changer au fil du temps (volatilit\u00e9). Des algorithmes sophistiqu\u00e9s sont n\u00e9cessaires pour combiner, traiter et visualiser ce type de donn\u00e9es. Pourtant, les conclusions qui en sont tir\u00e9es, en particulier lorsqu'elles sont combin\u00e9es \u00e0 des donn\u00e9es traditionnelles, peuvent \u00eatre puissantes et valent donc la peine d'\u00eatre tir\u00e9es<sup>2<\/sup>.<\/p>\n<p class=\"indent\">Certains experts vont au-del\u00e0 des trois ou cinq V<sup>2<\/sup> et mettent l'accent sur les trois axes qui composent le big data :<\/p>\n\n<ul>\n \t<li>La technologie qui permet de rassembler, d'analyser, de relier et de comparer de grands ensembles de donn\u00e9es. L'analyse qui identifie des mod\u00e8les dans les grands ensembles de donn\u00e9es afin de faire des r\u00e9clamations \u00e9conomiques, sociales, techniques et juridiques.<\/li>\n \t<li>La conviction que \"les grands ensembles de donn\u00e9es offrent une forme sup\u00e9rieure d'intelligence et de connaissance qui peut g\u00e9n\u00e9rer des aper\u00e7us qui \u00e9taient auparavant impossibles, avec l'aura de la v\u00e9rit\u00e9, de l'objectivit\u00e9 et de l'exactitude\"<sup>3<\/sup>.<\/li>\n \t<li>L'analyse des big data \"peut potentiellement identifier les domaines dans lesquels les \u00e9l\u00e8ves ont des difficult\u00e9s ou r\u00e9ussissent, comprendre les besoins individuels des \u00e9l\u00e8ves et d\u00e9velopper des strat\u00e9gies pour un apprentissage personnalis\u00e9\".<\/li>\n<\/ul>\n<p class=\"indent\"><img class=\"aligncenter wp-image-221 \" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData.png\" alt=\"\" width=\"317\" height=\"563\"><\/p>\n\n\n<hr>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1<\/sup> Schneier, B., Data and Goliath: <em>The Hidden Battles to Capture Your Data and Control Your World<\/em>, W. W. Norton &amp; Company, 2015.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>2<\/sup> Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, London, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>3<\/sup> D\u2019Ignazio, C., Bhargava, R., <em>Approaches to Building Big Data Literacy<\/em>, Bloomberg Data for Good Exchange, New York, 2015.\nGeneral Data Protection Regulation (GDPR), European Union, April 2016.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4<\/sup> Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators, European Commission, October 2022.<\/p>","rendered":"<p class=\"no-indent\">La pratique g\u00e9n\u00e9rale consistant \u00e0 sauvegarder toutes sortes de donn\u00e9es est appel\u00e9e Big Data<sup>1<\/sup>. Cette pratique est logique car le stockage des donn\u00e9es est devenu bon march\u00e9 et les processeurs et algorithmes puissants (en particulier le traitement du langage naturel et l&rsquo;apprentissage automatique) facilitent l&rsquo;analyse des big data<sup>2<\/sup>.<\/p>\n<p><iframe loading=\"lazy\" id=\"oembed-1\" title=\"Quelques probl\u00e8mes avec les donn\u00e9es\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/CRq2hl5kVQo?list=PLkm8ZqYSzE3fQBx8zGr4oONlMSO-Cevma\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<p class=\"indent\">Comme indiqu\u00e9 dans la vid\u00e9o, le Big Data se caract\u00e9rise par des donn\u00e9es \u00e9normes (volume), g\u00e9n\u00e9r\u00e9es rapidement (v\u00e9locit\u00e9), de types disparates (vari\u00e9t\u00e9) et provenant de sources multiples. Les donn\u00e9es ainsi recueillies ont tendance \u00e0 \u00eatre incompl\u00e8tes et impr\u00e9cises (v\u00e9racit\u00e9), et leur pertinence a tendance \u00e0 changer au fil du temps (volatilit\u00e9). Des algorithmes sophistiqu\u00e9s sont n\u00e9cessaires pour combiner, traiter et visualiser ce type de donn\u00e9es. Pourtant, les conclusions qui en sont tir\u00e9es, en particulier lorsqu&rsquo;elles sont combin\u00e9es \u00e0 des donn\u00e9es traditionnelles, peuvent \u00eatre puissantes et valent donc la peine d&rsquo;\u00eatre tir\u00e9es<sup>2<\/sup>.<\/p>\n<p class=\"indent\">Certains experts vont au-del\u00e0 des trois ou cinq V<sup>2<\/sup> et mettent l&rsquo;accent sur les trois axes qui composent le big data :<\/p>\n<ul>\n<li>La technologie qui permet de rassembler, d&rsquo;analyser, de relier et de comparer de grands ensembles de donn\u00e9es. L&rsquo;analyse qui identifie des mod\u00e8les dans les grands ensembles de donn\u00e9es afin de faire des r\u00e9clamations \u00e9conomiques, sociales, techniques et juridiques.<\/li>\n<li>La conviction que \u00ab\u00a0les grands ensembles de donn\u00e9es offrent une forme sup\u00e9rieure d&rsquo;intelligence et de connaissance qui peut g\u00e9n\u00e9rer des aper\u00e7us qui \u00e9taient auparavant impossibles, avec l&rsquo;aura de la v\u00e9rit\u00e9, de l&rsquo;objectivit\u00e9 et de l&rsquo;exactitude\u00a0\u00bb<sup>3<\/sup>.<\/li>\n<li>L&rsquo;analyse des big data \u00ab\u00a0peut potentiellement identifier les domaines dans lesquels les \u00e9l\u00e8ves ont des difficult\u00e9s ou r\u00e9ussissent, comprendre les besoins individuels des \u00e9l\u00e8ves et d\u00e9velopper des strat\u00e9gies pour un apprentissage personnalis\u00e9\u00a0\u00bb.<\/li>\n<\/ul>\n<p class=\"indent\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-221\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData.png\" alt=\"\" width=\"317\" height=\"563\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData.png 1080w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-169x300.png 169w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-576x1024.png 576w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-768x1365.png 768w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-864x1536.png 864w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-65x116.png 65w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-225x400.png 225w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-MoreOnBigData-350x622.png 350w\" sizes=\"(max-width: 317px) 100vw, 317px\" \/><\/p>\n<hr \/>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1<\/sup> Schneier, B., Data and Goliath: <em>The Hidden Battles to Capture Your Data and Control Your World<\/em>, W. W. Norton &amp; Company, 2015.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>2<\/sup> Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, London, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>3<\/sup> D\u2019Ignazio, C., Bhargava, R., <em>Approaches to Building Big Data Literacy<\/em>, Bloomberg Data for Good Exchange, New York, 2015.<br \/>\nGeneral Data Protection Regulation (GDPR), European Union, April 2016.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4<\/sup> Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators, European Commission, October 2022.<\/p>\n","protected":false},"author":1,"menu_order":10,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[49],"contributor":[],"license":[],"part":195,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/222"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/222\/revisions"}],"predecessor-version":[{"id":223,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/222\/revisions\/223"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/parts\/195"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/222\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/media?parent=222"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapter-type?post=222"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/contributor?post=222"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/license?post=222"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}