CHƯƠNG 1: TỔNG QUAN – CƠ SỞ LÍ LUẬN 1. Một số khái niệm liên quan 1. B Khái niệm Big Data ig Data là một khái niệm liên quan đến việc thu thập, xử lý và lưu trữ một lượng dữ liệu khổng lồ do người dùng tạo ra. Nói một cách đơn giản, Big Data (dữ liệu lớn) là các tập dữ liệu lớn hơn, phức tạp hơn, đặc biệt là từ các nguồn dữ liệu mới.
Những bộ dữ liệu này đồ sộ đến mức các phần mềm xử lý dữ liệu truyền thống không thể quản lý chúng. Big Data có thể bao gồm nhiều loại dữ liệu khác nhau như các tập dữ liệu có cấu trúc, không cấu trúc và cả những dữ liệu bán cấu trúc (Hình 1) (Oracle). úc có các thuộc tính của ữ liệu không nhưng thể chứa không trong đủ để xem Dữ liệu có cấu trúc là dữ liệu nóđược cũngtổkhông chức có theo mômột định hình dữ dạng nhất định, thường nào đượci hoặc lưu trữloại trongkhác các bảng hoặc liên quan tệp Excel. Hình 1: Khái niệm các kiểu cấu trúc dữ liệu 1 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh Big Data không xuất hiện lần đầu tiên vào năm 2008 với bài xã luận của Chris Anderson.
Nó cũng không phải là phát minh của gã khổng lồ Google vào năm 1998. Nó cũng chẳng phải là một đứa con tinh thần khác của Steve Jobs, người đã cùng hai người khác thành lập Apple vào năm 1976. Tuy nhiên thuật ngữ này đã xuất hiện ngay từ những ngày đầu tiên của cuộc cách mạng Công nghiệp lần thứ 3 vào những năm thập niên 50. Tại thời điểm này, các nhà địa lý đã bắt đầu sử dụng các phương pháp định lượng để đo lường chính xác hơn, việc sử dụng máy tính để xử lý dữ liệu và việc sử dụng các mô hình toán học để mô tả các hiện tượng địa lý (Barnes 2013).
Ngày nay nhân loại đã ứng dụng công cụ Big Data để: xác định xu hướng kinh doanh, chất lượng nghiên cứu, ngăn chặn bệnh dịch, liên kết các trích dẫn luật pháp, phòng chống tội phạm, xác định tình trạng giao thông trong thời gian thực. Vào năm 2001, nhà phân tích hàng đầu Doug Laney của tập đoàn META (một tổ chức nghiên cứu hàng đầu trong lĩnh vực công nghệ thông tin, hiện đã sáp nhập vào Gartner) đã phát biểu về những thách thức và cơ hội đối diện với sự gia tăng về dữ liệu, và ông đã sử dụng một phương pháp mô tả tinh tế bằng ba khía cạnh quan trọng, được gọi là "3Vs" bao gồm: Số lượng lưu trữ (Volume), Tốc độ xử lý dữ liệu (Velocity) và cuối cùng là Các loại hình dữ liệu (Variety) (Hình 2). c độ xử lý dữ liệu (Velocity) Thời gian thực, hàng loạt, xử lý luồng Dữ liệu có cấu trúc, không cấu Dữ liệu trúc, dữ liệu Terabytes, hàng bán cấu trúc loạt các bản ghi Các loại hình dữ liệu (Variety) lượng lưu trữ (Volume) 2 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh Hình 2: Mô hình 3Vs của Big Data Đến năm 2012, Gartner bổ sung ngoài 3 tính chất trên thì Big Data còn phải “cần đến các dạng xử lý mới để giúp đỡ việc đưa ra quyết định, khám phá sâu vào sự vật/sự việc và tối ưu hóa các quy trình làm việc”. Năm 2014, Gartner đã đưa ra một khái niệm mới : “5Vs” về Big Data.
Khái niệm “5Vs” của Gartner có thể được hiểu như sau: “Volume” – “Số lượng dữ liệu”: là lượng dữ liệu được tạo ra từ nhiều nguồn khác nhau như các giao dịch kinh doanh, các bài đăng trên mạng xã hội, cảm biến,… “Volume” còn được biết đến là một trong những yếu tố quan trọng nhất của Big Data, thường được đo bằng terabyte (TB), petabyte (PB), exabyte (EB), zettabyte (ZB) hoặc yottabyte (YB).(SHARMA 11 JUNE, 2020) “Velocity” – “Tốc độ xử lý dữ liệu”: "Velocity" trong Big Data nói lên tốc độ mà dữ liệu được tạo ra và xử lý. Với sự phát triển không ngừng của công nghệ, dữ liệu ngày càng được tạo ra và thu thập với tốc độ chóng mặt, đôi khi ngay lập tức, gần như theo thời gian hiện hành (real-time). Điều này đặc biệt quan trọng trong các lĩnh vực như Internet, Tài chính - Ngân hàng, Hàng không, Quân sự, Y tế - Sức khỏe, nơi mà việc xử lý dữ liệu theo thời gian thực là rất cần thiết. Công nghệ xử lý Big Data hiện đại cho phép chúng ta xử lý dữ liệu ngay lập tức, trước khi chúng được lưu trữ vào cơ sở dữ liệu.
Điều này khác biệt so với cách tiếp cận truyền thống, thuật ngữ chỉ tính chất chuyển động liên tục của dòng dữ liệu (Streaming Data) rất lớn cần xử lý, khác với cách truyền thống ta thu nhận và xử lý dữ liệu theo lô (Batch). (Marr 2014) “Variety” - “Đa dạng chủng loại”: Hình thức lưu trữ đã ngày một đa dạng hơn, nếu trước kia ta thường nhắc đến dữ liệu có cấu trúc thì ngày nay hơn 80% dữ liệu hiện nay là dạng không có cấu trúc (unstructured data), bao gồm các tài liệu, blog, hình ảnh, video, audio,.Công nghệ Big Data hiện đại 3 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh cho phép chúng ta liên kết và phân tích nhiều loại dữ liệu khác nhau với nhau. Ví dụ, chúng ta có thể phân tích các bình luận hoặc bài đăng từ một nhóm người dùng cụ thể trên Facebook kết hợp với thông tin video được chia sẻ từ YouTube hoặc Twitter. “Value” – “Giá trị thông tin”: là tính chất quan trọng nhất của công nghệ Big Data.
Để ứng dụng Big Data hiệu quả, cơ sở ứng dụng phải xác định được những thông tin hữu ích cho vấn đề, bài toán hoặc mô hình hoạt động của mình. Chỉ khi có được “Giá trị của thông tin” thì mới nên bắt tay vào Big Data. Dữ liệu là nguồn chứa hầu hết mọi thông tin của con người, nhưng chúng chỉ có giá trị khi được phân tích (xử lý). Xử lý dữ liệu lớn là một vấn đề khó, và cần có những phương pháp và công cụ thích hợp để làm việc này.
“Veracity” – “Độ chính xác của dữ liệu”: là một trong những tính chất phức tạp nhất của Big Data. Với sự phát triển mạnh mẽ của mạng và truyền thông xã hội, cùng với sự gia tăng tương tác và chia sẻ thông tin qua điện thoại thông minh, việc xác định độ tin cậy và chính xác của dữ liệu ngày càng trở nên khó khăn. Đặc biệt, công đoạn phân tích và loại bỏ dữ liệu gây nhiễu, không chính xác có vai trò đặc biệt quan trọng. Chỉ có công nghệ Big Data mới có khả năng đáp ứng được yêu cầu này.
Hiện nay thế giới đã được tiếp cận đến đến mô hình 7V’s của dữ liệu lớn, một khái niệm mới được Gartner đưa ra năm 2014 (Khan, Uddin et al. Chúng ta sẽ có cái nhìn đầy đủ về các tính chất quan trọng của dữ liệu lớn theo mô hình này (Hình 3). Theo mô hình này, dữ liệu lớn có năm tính chất trến và được bổ sung thêm hai tính chất là: “Variability” – “Sự thay đổi liên tục”: sự linh động về ý nghĩa của dữ liệu, đòi hỏi phải có chương trình phức tạp để hiểu được ngữ cảnh và giải mã ý nghĩa chính xác. 4 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh “Visualisation” – “Cách thức trình bày”: là việc biểu diễn thông tin và dữ liệu dưới dạng đồ họa, giúp nhìn thấy và hiểu rõ hơn về xu hướng, ngoại lệ và mô hình trong dữ liệu.
Volume (Số lượng) Variety Velocity (Chủng (Tốc độ xử loại) lý) DỮ LIỆU LỚN (BIG DATA) Value Veracity (Độ chính (Giá trị) xác) Variability Visualisation (Tính linh (Trình bày hoạt) dữ liệu) Hình 3: Mô hình 7Vs của Big Data 1. Tối ưu hóa trải nghiệm học tập của sinh viên bằng cách sủ dụng Big Data N gày nay Big Data được ứng dụng trong giáo dục đại học bao gồm hai loại dữ liệu chính: dữ liệu hành chính và dữ liệu quá trình học tập. Dữ liệu hành chính, bao gồm thông tin về nhân khẩu học, nền tảng học 5 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh vấn và hồ sơ học tập của sinh viên, ngày càng được số hóa và chuẩn hóa. Hệ thống thông tin học sinh (SIS) được sử dụng rộng rãi để lưu trữ và sắp xếp thông tin này.
Big Data giúp phân tích dữ liệu từ SIS để hiểu rõ hơn về hành vi và nhu cầu của sinh viên, từ đó nâng cao trải nghiệm học tập của sinh viên… Big Data còn có khả năng cá nhân hóa giáo dục trực tuyến bằng cách phân tích thông tin về lịch sử học, các môn học yêu thích, thời gian học… của học viên để cá nhân hóa bài giảng giúp cải thiện kết quả học tập (nongbichvan 2018). TT Loại dữ liệu Mô tả 1 Dữ liệu tuyển sinh và Số lượng hồ sơ đăng ký, số lượng nhập học, nhập học điểm trúng tuyển học bạ… 2 Dữ liệu người học Bao gồm: tên, tuồi, trường cấp 3 đã theo học, thành tích học tập trong quá khứ, thông tin liên lạc… 3 Dữ liệu về đội ngũ Số lượng giảng viên, nhân viên, hồ sơ đội ngũ… 4 Dữ liệu tài chính Thu nhập, chi tiêu, ngân sách, thuế, lợi nhuận… 5 Dữ liệu cựu người học Địa chỉ, thông tin liên hệ hiện tại, vị trí công việc, nơi làm việc… 6 Kế hoạch giảng dạy, học Dữ liệu về danh sách các môn học mở trong tập và nghiên cứu từng học kỳ, phân công giảng viên, số lượng sinh viên đăng ký, danh sách phân bổ đề tài… 7 Cơ sở vật chất Số phòng học, phòng thí nghiệm, trang thiết bị, phần mềm, thư viện, kí túc xá… Bảng 1: Dữ liệu quá trình học tập có cấu trúc Ví dụ, thông qua việc phân tích dữ liệu về hiệu suất học tập, các nhà giáo dục có thể nhận ra được những khó khăn mà sinh viên đang gặp phải và đưa ra các biện pháp hỗ trợ kịp thời. Ngoài ra, Big Data cũng cho phép các nhà giáo 6 ĐỀ TÀI: BIG DATA Thiên Ân & Quốc Vinh dục theo dõi sự tiến bộ của sinh viên theo thời gian và điều chỉnh phương pháp giảng dạy của mình để phù hợp với nhu cầu của sinh viên. Cuối cùng, thông qua việc sử dụng công cụ trực quan hóa dữ liệu, các nhà giáo dục có thể trình bày dữ liệu một cách rõ ràng và dễ hiểu, giúp sinh viên có cái nhìn tổng quan về quá trình học tập của mình (Marr 2015).
Tầm quan trọng của Big Data trong giáo dục T rong giáo dục đại học, dữ liệu lớn có vai trò quan trọng trong việc cải thiện chất lượng và hiệu quả của quá trình học tập, giảng dạy, nghiên cứu và quản lý.