Технологии больших данных в электронном образованиистатья из журнала
База данных: Каталог библиотеки СФУ (М 221)
Библиографическое описание: Мамедова, Гюляра Абас гызы. Технологии больших данных в электронном образовании = Big data technologies in e-learning / Г. А. Мамедова, Л. А. Зейналова, Р. Т. Меликова. - (Новые технологии). - Текст : непосредственный // Открытое образование. - 2017. - № 6. - С. 41-48 : рис. - Библиогр.: с. 47-48 (20 назв.). - ISSN 1818-4243.
Аннотация: Для хранения больших данных требуется большой объем дисковой памяти. Показано, что для решения этой проблемы эффективно использовать кластерную технологию NAS (Network Area Storage), позволяющая хранить информацию учебных заведений на NAS - серверах и иметь к ним общий доступ из Интернета. Для обработки и персонализации Больших Данных в среде электронного образования предлагается использовать технологии MapReduce, Hadoop, NoSQL и другие. Приводятся примеры использования этих технологий в облачной среде. Эти технологии в электронном образовании позволяют достигнуть гибкости, масштабируемости, доступности, качества обслуживания, безопасности, конфиденциальности и простоты использования учебной информации. Другой важной проблемой электронного образования является выявление новых, порою скрытых, взаимосвязей в больших данных, новых знаний (data mining), которые могут быть использованы для улучшения образовательного процесса и повышения эффективности его управления. Для классификации электронных образовательных ресурсов, выявления паттернов (шаблонов) студентов со сходными психологическими, поведенческими и интеллектуальными характеристиками, разработки индивидуализированных учебных программ, предлагается использовать методы анализа больших данных. На сегодняшний день разработано множество программных приложений для интеллектуального анализа больших данных. Эти программные продукты можно использования для классификации, кластеризации, регрессионного и сетевого анализа учебной информации. Применение этих методов в электронном образовании позволит педагогам своевременно получать информацию об обучающихся, оперативно реагировать на любые изменения процесса обучения, своевременно вносить изменения в учебный контент. Полученные результаты исследования предлагается использовать для выработки рекомендаций при создании электронных курсов в высших и средних учебных заведениях Азербайджана.
Recently, e-learning around the world is rapidly developing, and the main problem is to provide the students with quality educational information on time. This task cannot be solved without analyzing the large flow of information, entering the information environment of e-learning from participants in the educational process - students, lecturers, administration, etc. In this environment, there are a large number of different types of data, both structured and unstructured. Data processing is difficult to implement by traditional statistical methods. The aim of the study is to show that for the development and implementation of successful e-learning systems, it is necessary to use new technologies that would allow storing and processing large data streams. In order to store the big data, a large amount of disk space is required. It is shown that to solve this problem it is efficient to use clustered NAS (Network Area Storage) technology, which allows storing information of educational institutions on NAS servers and sharing them with Internet. To process and personalize the Big Data in the environment of e-learning, it is proposed to use the technologies MapReduce, Hadoop, NoSQL and others. The article gives examples of the use of these technologies in the cloud environment. These technologies in e-learning allow achieving flexibility, scalability, availability, quality of service, security, confidentiality and ease of educational information use. Another important problem of e-learning is the identification of new, sometimes hidden, interconnection in Big Data, new knowledge (data mining), which can be used to improve the educational process and improve its management. To classify electronic educational resources, identify patterns of students with similar psychological, behavioral and intellectual characteristics, developing individualized educational programs, it is proposed to use methods of analysis of Big Data. The article shows that at present many software applications have been developed for the intellectual analysis of Big Data. These software products can be used for classification, clustering, regression and network analysis of training information. The application of these methods in e-learning will allow lecturers to receive timely information about students, promptly respond to any changes in the learning process, and timely make changes to educational content. The results of the research are proposed to be used to develop recommendations for the creation of electronic courses in higher and secondary educational institutions of Azerbaijan.
Recently, e-learning around the world is rapidly developing, and the main problem is to provide the students with quality educational information on time. This task cannot be solved without analyzing the large flow of information, entering the information environment of e-learning from participants in the educational process - students, lecturers, administration, etc. In this environment, there are a large number of different types of data, both structured and unstructured. Data processing is difficult to implement by traditional statistical methods. The aim of the study is to show that for the development and implementation of successful e-learning systems, it is necessary to use new technologies that would allow storing and processing large data streams. In order to store the big data, a large amount of disk space is required. It is shown that to solve this problem it is efficient to use clustered NAS (Network Area Storage) technology, which allows storing information of educational institutions on NAS servers and sharing them with Internet. To process and personalize the Big Data in the environment of e-learning, it is proposed to use the technologies MapReduce, Hadoop, NoSQL and others. The article gives examples of the use of these technologies in the cloud environment. These technologies in e-learning allow achieving flexibility, scalability, availability, quality of service, security, confidentiality and ease of educational information use. Another important problem of e-learning is the identification of new, sometimes hidden, interconnection in Big Data, new knowledge (data mining), which can be used to improve the educational process and improve its management. To classify electronic educational resources, identify patterns of students with similar psychological, behavioral and intellectual characteristics, developing individualized educational programs, it is proposed to use methods of analysis of Big Data. The article shows that at present many software applications have been developed for the intellectual analysis of Big Data. These software products can be used for classification, clustering, regression and network analysis of training information. The application of these methods in e-learning will allow lecturers to receive timely information about students, promptly respond to any changes in the learning process, and timely make changes to educational content. The results of the research are proposed to be used to develop recommendations for the creation of electronic courses in higher and secondary educational institutions of Azerbaijan.
Год издания: 2017
Источник: Открытое образование
Выпуск: № 6
Номера страниц: 41-48
Количество экземпляров:
- Книгохранилище научной литературы (пр. Свободный, 79, 3 этаж): свободно 1 из 1 экземпляров
Ключевые слова: MapReduce, NoSQL, data mining, Нadoop, анализ больших данных, большие данные, персонализация данных, управление большими данными, электронное образование
Рубрики: Образование. Педагогика,
Профессиональное образование,
Высшее профессиональное образование / Азербайджан
Профессиональное образование,
Высшее профессиональное образование / Азербайджан
ISSN: 1818-4243
Идентификаторы: полочный индекс М 221, шифр otob/2017/6-664867401