Več o masovnih podatkih
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