[Questo capitolo è stato tradotto con strumenti di traduzione automatica]

La pratica generale di salvare tutti i tipi di dati è chiamata Big Data¹. Questa pratica ha senso in quanto l’archiviazione dei dati è diventata economica e i potenti processori e algoritmi (in particolare l’elaborazione del linguaggio naturale e l’apprendimento automatico) facilitano l’analisi dei big data².

Come discusso nel video, i big data sono caratterizzati da dati enormi (volume), generati rapidamente (velocità) e di tipo diverso (varietà), generati da più fonti. I dati così raccolti tendono a essere incompleti e imprecisi (veridicità) e la loro rilevanza tende a cambiare nel tempo (volatilità). Per combinare, elaborare e visualizzare questo tipo di dati sono necessari algoritmi sofisticati. Tuttavia, le inferenze che se ne traggono, soprattutto se combinate con i dati tradizionali, possono essere potenti e quindi valgono lo sforzo².

Alcuni esperti vanno oltre le tre o cinque V² e sottolineano i tre assi che compongono i big data:

• Tecnologia che consente di raccogliere, analizzare, collegare e confrontare grandi insiemi di dati. Analisi che identifica modelli in grandi insiemi di dati al fine di formulare richieste economiche, sociali, tecniche e legali.
• La convinzione che “i grandi insiemi di dati offrano una forma più elevata di intelligenza e conoscenza, in grado di generare intuizioni prima impossibili, con un’aura di verità, obiettività e accuratezza “³.
• L’analisi dei big data “può potenzialmente identificare le aree in cui gli studenti faticano o prosperano, comprendere le esigenze individuali degli studenti e sviluppare strategie per un apprendimento personalizzato”.

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.