GID2016-6 Innovating in Education by Data Control and Learning Analytics (IEData)
GID2016-6 Innovating in Education by Data Control and Learning Analytics (IEData)
Presentación
- Nombre: Innovating in Education by Data Control and Learning Analytics
- Acrónimo: IEData
- Nº de registro: GID2016-6
- Año de inicio: 2016
- Facultad/Escuela: Ingeniería Informática
- Departamento: Informática y Automática
- Nº de miembros: 12
Líneas de actuación
V.- Incorporación de nuevas tendencias didácticas a la metodología docente, especialmente en asignaturas de Trabajo Fin de Grado (TFG) y de Fin de Máster (TFM) y que abarquen diferentes titulaciones.
Áreas de conocimiento
Ingeniería.
Objetivos del Grupo
La cantidad de datos digitales que se generan y almacenan diariamente crece de forma exponencial. Pensemos por ejemplo en las redes sociales, los motores de búsqueda o la prensa digital como fuentes de datos. O la gran cantidad de datos que se generan y recopilan en los sistemas de adquisición de datos y sistemas de control: en sistemas de monitorización en hospitales, en sistemas de control de coches, aviones o en plantas industriales. En cualquier caso, sea cual sea la fuente de datos, el extraer información interesante/útil a partir de ellos, el descubrir las relaciones o el poder identificar comportamientos son tareas comunes a muchos campos. Tanto la minería de datos (data mining) como el Big Data son dos campos de las ciencias de la computación que intentan descubrir patrones en grandes volúmenes de dato.
La minería de datos es el proceso de descubrir información útil y desconocida en grandes conjuntos de datos. Los avances que se producen en aprendizaje automático (machine learning), en estadística e inteligencia artificial, así como en los requerimientos de computación (potencia de CPU, dispositivos de almacenamiento masivo, alta conectividad, ...) tienen una implicación directa en esta disciplina, siendo por lo tanto una disciplina en constante evolución.
Por su parte, el Big Data tiene también como objetivo último el análisis de datos e información de forma inteligente haciendo uso de métodos de inteligencia artificial y estadística. Cuando el volumen de datos que se maneja supera la capacidad del software habitual para ser capturados, manipulados, almacenados o procesados en un tiempo razonable hablamos de Big Data.
En Big Data no sólo se hace referencia a la cantidad (enorme cantidad) de datos. No son únicamente el tamaño y número de datos las únicas variables implicadas. Big Data agrupa conceptos en lo que es habitualmente conocido como las '3V': volumen, variabilidad y velocidad. Estamos tratando con grandes volúmenes de información que se analizan a alta velocidad y que pueden presentar una compleja variabilidad en cuanto a la estructura de su composición. Quizás una nueva "V" debería añadirse a estas tres: la Visualización. El poder representar de manera comprensible, visual y sencilla cualquier tipo de información es un hecho de vital importancia en la era del Big Data, pues estará íntimamente relacionada con una gestión correcta y ágil de los datos y la información. La visualización permitirá reconocer relaciones abstractas entre los datos realizando un análisis exploratorio de los mismos. Estos procesos se realizan actualmente con apoyo de ·software (y a menudo hardware) especializado utilizando técnicas de machine learníng.
Es indudable la importancia y desarrollo continuo de la minería de datos y del Big Data como área de investigación siendo, sin la menor duda, uno de los campos más importantes de trabajo para los profesionales de las TIC.