Contenus additionnels

Pour en savoir plus sur le Big Data

La pratique générale consistant à sauvegarder toutes sortes de données est appelée Big Data1. Cette pratique est logique car le stockage des données est devenu bon marché et les processeurs et algorithmes puissants (en particulier le traitement du langage naturel et l’apprentissage automatique) facilitent l’analyse des big data2.

Comme indiqué dans la vidéo, le Big Data se caractérise par des données énormes (volume), générées rapidement (vélocité), de types disparates (variété) et provenant de sources multiples. Les données ainsi recueillies ont tendance à être incomplètes et imprécises (véracité), et leur pertinence a tendance à changer au fil du temps (volatilité). Des algorithmes sophistiqués sont nécessaires pour combiner, traiter et visualiser ce type de données. Pourtant, les conclusions qui en sont tirées, en particulier lorsqu’elles sont combinées à des données traditionnelles, peuvent être puissantes et valent donc la peine d’être tirées2.

Certains experts vont au-delà des trois ou cinq V2 et mettent l’accent sur les trois axes qui composent le big data :

  • La technologie qui permet de rassembler, d’analyser, de relier et de comparer de grands ensembles de données. L’analyse qui identifie des modèles dans les grands ensembles de données afin de faire des réclamations économiques, sociales, techniques et juridiques.
  • La conviction que « les grands ensembles de données offrent une forme supérieure d’intelligence et de connaissance qui peut générer des aperçus qui étaient auparavant impossibles, avec l’aura de la vérité, de l’objectivité et de l’exactitude »3.
  • L’analyse des big data « peut potentiellement identifier les domaines dans lesquels les élèves ont des difficultés ou réussissent, comprendre les besoins individuels des élèves et développer des stratégies pour un apprentissage personnalisé ».


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.

Licence

Symbole de Licence Creative Commons Attribution 4.0 International

IA pour les enseignants : un manuel ouvert Droit d'auteur © 2024 par Colin de la Higuera et Jotsna Iyer est sous licence Licence Creative Commons Attribution 4.0 International, sauf indication contraire.

Partagez ce livre