This page is referenced by:

• 1 2023-01-04T08:37:05+00:00 Več o masovnih podatkih 2 Preverite osnovno znanje o masovnih podatkih plain 2023-06-12T11:52:31+00:00 Masovni podatki¹ so definirani kot 'obsežna podatkovna zbirka kompleksnih in navadno nestrukturiranih podatkov iz medsebojno neodvisnih podatkovnih virov'. Takšno zbiranje in shranjevanje podatkov danes omogočajo relativno nizke cene storitev, zmogljivi procesorji in algoritmi (zlasti obdelava naravnega jezika in strojno učenje) pa olajšajo njihovo analizo.²
  
  Kot je razloženo v videoposnetku, so za masovne podatke značilni ogromen obseg (volume), hitro ustvarjanje (velocity) in raznolikost (variety) podatkov, ustvarjenih iz več virov. Tako zbrani podatki so ponavadi nepopolni in nenatančni (verodostojnost / veracity), njihova ustreznost pa se sčasoma spreminja (nestanovitnost / volatility). Za združevanje, obdelavo in vizualizacijo te vrste podatkov so potrebni sofisticirani algoritmi. Kljub temu so lahko zaključki, pridobljeni iz njih, zlasti v kombinaciji s tradicionalnimi podatki, zelo prepričljivi in zato vredni vloženega truda.²
  
  Določeni strokovnjaki razmišljajo izven okvirjev 3 oz. 5 V-jev² in poudarjajo, da so tri osi, na katerih slonijo masovni podatki, naslednje:
  
  Tehnologija, ki omogoča zbiranje, analiziranje, povezovanje in primerjanje velikih zbirk podatkov. 
  Analiza, ki omogoča identifikacijo vzorcev v velikih zbirkah podatkov in s tem oblikovanje ekonomskih, družbenih, tehničnih in pravnih zahtev. 
  Prepričanje, da "velike zbirke podatkov omogočajo višjo obliko inteligence in znanja, ki lahko pripomore k razumevanju na način, ki pred tem ni bil mogoč, v atmosferi resnice, objektivnosti in natančnosti".³
  
  Analiza masovnih podatkov "lahko potencialno identificira posamezna področja, na katerih učenci šepajo ali cvetijo, razume individualne potrebe učencev in razvija strategije za personalizirano učenje."
  
  
  
  ------------------------------------------------------------------------------------------------------
  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