Abstrait

Machine Learning 2018 : Comment le big data et l'analytique peuvent améliorer l'apprentissage en ligne - Université Soraya Sedkaoui-KhemisMiliana

Soraya Sedkaoui

Avec l'avènement de l'innovation en ligne et par correspondance, l'entrée de l'apprentissage en ligne s'est élargie. Les informations avancées produites par les établissements d'enseignement et de recherche sont également en hausse. Le besoin d'utiliser des données volumineuses pour traiter et décomposer ces masses d'informations est primordial. De nombreux établissements (universités, centres de recherche) utilisent la recherche pour améliorer leur processus. La recherche de données volumineuses appliquée à l'enseignement et au processus d'apprentissage peut aider à la publicité et à l'élaboration de nouvelles normes. Dans cette perspective, cet article examine les applications et les enjeux les plus prometteurs des données volumineuses pour la structure de l'ère à venir de l'apprentissage en ligne volumineux. En particulier, il s'intéresse aux dispositifs et instruments méthodologiques pour le devenir de l'apprentissage en ligne dans le domaine de l'analyse des données, aux pièges émergeant de l'utilisation d'ensembles de données volumineux. Cet article se concentre sur l'utilisation possible des méthodes de données volumineuses sur les améliorations de l'apprentissage en ligne. L'article se termine par l'illustration des rubriques futures identifiant la tournure des événements et l'utilisation d'une tâche institutionnelle sur une énorme recherche d'informations pour l'amélioration de l'apprentissage en ligne. L'apprentissage en ligne évolue constamment et les possibilités qui pourraient découler de l'utilisation du big data sont énormes pour le secteur. Capturer l'expérience d'un apprenant peut obtenir des données extrêmement précieuses, mais ces informations ne s'avéreront utiles que si elles entraînent un changement significatif. Une idée claire du big data et des analyses d'apprentissage associées peut vous aider à concevoir des cours plus personnalisés. Cela devrait augmenter la satisfaction et l'engagement des apprenants envers les cours d'apprentissage en ligne que vous proposez. Vous collectez donc des commentaires, des rapports et des analyses sur votre apprentissage en ligne depuis longtemps. L'apprentissage en ligne évolue et change constamment et les big data disponibles vous aideront à vous préparer à la prochaine tendance. Alors, comment ces données sont-elles mieux analysées et évaluées ? Dans le contexte de l'industrie de l'apprentissage en ligne, le big data est les données créées par les apprenants lorsqu'ils suivent un cours ou un module. Par exemple, si un employé suit un module de formation sur l'éthique de l'entreprise, ses progrès, ses résultats et toute donnée supplémentaire créée au cours du cours sont considérés comme des « big data ». Lorsqu'elles sont collectées efficacement, ces informations peuvent donner lieu à de nombreuses nouvelles possibilités d'apprentissage en ligne et une gestion efficace de vos données peut rationaliser vos stratégies pédagogiques. Les informations disponibles renforceront et amélioreront la formation en ligne et fourniront également des mesures à prendre en compte et à apprendre sur plusieurs points. Les exemples en sont les styles et préférences d'apprentissage ; les domaines dans lesquels les apprenants sont bloqués et quand et pourquoi ils sont bloqués ; pour pouvoir offrir une expérience d'apprentissage personnalisée et savoir si l'apprentissage a répondu aux exigences de l'organisation. Les exemples les plus significatifs de ressources de données sont les analyses du système de gestion de l'apprentissage,Les résultats des groupes de discussion et des questionnaires, ainsi que les sondages sur les réseaux sociaux. Après avoir établi les ressources de données, vous devrez compiler toutes les informations et rationaliser les données en fonction de vos besoins. Vos besoins détermineront la valeur de ces données : certaines mesures seront plus précieuses que d'autres. Il est donc important d'établir des objectifs avant de commencer à analyser les données obtenues. Il est essentiel d'être aussi précis que possible : que cherchez-vous à découvrir ?  

Biographie:

Dr. Soraya Sedkaoui est maître de conférences, analyste de données et consultante stratégique en affaires avec plus de 10 ans d'expérience dans l'enseignement, la formation, la recherche et le conseil en statistiques et en analyse de données volumineuses. À la tête de la pratique de conseil en analyse chez SRY Consulting, Soraya se concentre sur la collaboration avec des clients mondiaux de tous les secteurs pour déterminer comment une approche axée sur les données peut être intégrée dans des initiatives stratégiques. Cela comprend également l'aide aux entreprises pour créer des informations exploitables afin de générer des résultats commerciaux qui conduisent à des avantages valorisés dans plusieurs domaines. Les travaux de Soraya ont participé à la fourniture de services et de solutions d'analyse pour un avantage concurrentiel grâce à l'utilisation d'algorithmes, d'outils d'analyse avancés et de techniques de science des données.