library management & Higher Education blog Naseej Academy Naseej Academy Send Mail

عن مدونة نسيج

تهدف مدونة نسيج الى توفير مساحات تشاركيه تتسع لكل المتخصصين والمهتمين بكل ما هو جديد في مجال المكتبات والتعليم العالي والتعلم عن بعد وتقنيات المعلومات والاتصالات وتقنيات الأرشفة وحلول المعرفة المتقدمة في التعليم العالي، المكتبات، ومراكز الأبحاث.

سجل بريدك الالكتروني هنـا لتصلك أحدث التدوينات

أكاديمية نسـيج على الفيسبوك 
 
 

مقــالات حديثة

البيانات الضخمة في عام 2021:  عرض موجز لأهم تقنيات تحليل البيانات في مجال التعليم العالي – الجزء الأول

نُـشر بواسطة هيام حايك on 31/03/2021 07:53:28 ص

o9VfVxR8rn

يعتبر علم البيانات من أكثر العلوم إثارة وشيوعًا في القرن الحادي والعشرين. نشهد عصر غير مسبوق من حيث كثافة البيانات التي كانت نتيجة لاتصالنا بالإنترنت؛ حيث إن كل شيء نقوم به يترك أثراً رقمياً مما يؤدى إلى ازدياد معدل نمو البيانات بسرعة يشير موقع Statista، إلى أنه اعتباراً من يناير 2021 ، كان هناك 4.66 مليار مستخدماً نشطاً للإنترنت في جميع أنحاء العالم ، ما يمثل 59.5% من سكان العالم. ومن هذا المجموع ،هناك 92.6٪ (4.32 مليار) يصل إلى الإنترنت عبر الأجهزة المحمولة.

أصبح الإنترنت ركيزة أساسية لمجتمع المعلومات الحديث. في الوقت الحالي، لا يمكن تخيل عالم خالٍ من الإنترنت، والذي يربط مليارات الأشخاص حول العالم. تعتبر دولة الإمارات العربية المتحدة والدنمارك وكوريا الجنوبية من البلدان التي لديها أعلى معدل انتشار للإنترنت في جميع أنحاء العالم. في الطرف الآخر من الطيف، توجد كوريا الشمالية مع عدم انتشار استخدام الإنترنت تقريبًا بين عامة السكان، حيث تحتل المرتبة الأخيرة في جميع أنحاء العالم. تتقدم الصين والهند والولايات المتحدة على جميع البلدان الأخرى من حيث مستخدمي الإنترنت . الصين لديها أكثر من 854 مليون مستخدم للإنترنت ، والهند لديها ما يقرب من 560 مليون مستخدم على الإنترنت، وبالرغم من وجود هذا العدد الهائل من المستخدمين في الهند والصين ، إلا أنه لا يزال لدى كلا البلدين قطاعات كبيرة من السكان غير متصلة بالإنترنت.

إحصائيات مذهلة لنمو البيانات

يزداد إجمالي كمية البيانات التي تم إنشاؤها والتقاطها ونسخها واستهلاكها بسرعة في العالم، حيث وصلت إلى 59 زيتابايت في عام 2020 ( زيتا بايت = 1024 أكسا بايت = 1,099,511,627,776 جيجا بايت) .

تعتبر مواقع التواصل والإعلام وشبكاته الاجتماعية، وشبكات الاستشعار، والصور الرقمية، والفيديو، والهواتف المحمولة، وسجلات معاملات الشراء، وسجلات الويب، السجلات الطبية، والأرشيفات، والمراقبة العسكرية، والتجارة الإلكترونية، والأبحاث العلمية المعقدة، من المصادر الرئيسة للبيانات الكبيرة Big Data.

تقول Jacquelyn Bulao في مقال نشر لها في موقع TechJuryبعنوان: " ما مقدار البيانات التي يتم إنشاؤها كل يوم في عام 2020؟" ، هل تساءلت يومًا عن مقدار البيانات التي يتم إنشاؤها كل يوم ؟ بفضل اختراع تكنولوجيا الهاتف المحمول مثل الهواتف الذكية والأجهزة اللوحية ، إلى جانب الابتكارات في شبكات الهاتف المحمول والواي فاي، يتزايد إنشاء البيانات واستهلاكها باستمرار.

أصبح من الممكن الآن معرفة مقدار البيانات التي يتم إنشاؤها كل يوم ، بالإضافة إلى مقدار البيانات التي نستهلكها بانتظام. قد تفاجأ بمعرفة ما يلي:

  • تم إنشاء 1.7 ميجابايت من البيانات كل ثانية خلال عام 2020.
  • في العامين الماضيين فقط ، تم إنشاء 90٪ المذهلة من بيانات العالم.
  • 5 كوينتيليون بايت من البيانات ينتجها البشر كل يوم. ( كوينتليون Quintillion تساوي واحد تريليونTrillion)
  • سيتم إنشاء 463 إكسابايت من البيانات كل يوم بواسطة البشر اعتبارًا من عام 2025.( أكسا بايت = 1204 بيتا بايت = 1,073,741,824 جيجا بايت.)
  • تتم مشاركة 95 مليون صورة وفيديو يوميًا على
  • بحلول نهاية عام 2020 ، ستشكل 44 زيتابايت الكون الرقمي بأكمله.
  • كل يوم ، يتم إرسال 306.4 مليار رسالة بريد إلكتروني ، ويتم إجراء 500 مليون تغريدة .

تؤكد الكاتبة أنه بالنظر إلى كمية البيانات الموجودة على الإنترنت ، يصعب حساب المقدار الفعلي للبيانات المستخدمة. ولكن إذا كنا نتحدث عن مقدار البيانات التي يتم إنشاؤها كل يوم، فإن التقدير الحالي يبلغ 1.145 تريليون ميجابايت في اليوم. كما وأنه واستناداً إلى مقدار البيانات التي يتم إنشاؤها يومياً بواسطة البشر بالفعل من خلال وسائل التواصل الاجتماعي ومشاركة الفيديو والاتصالات، سيزداد العدد بالتأكيد.

وهنا من المهم أن نشير إلى أن هناك( 18 من الأصفار في الكوينتيليون، )لكى ندرك حجم وضخامة هذه البيانات .

تحليل البيانات في مؤسسات التعليم العالي

في وقت ما، كان هناك ضعف في توظيف البيانات في مؤسسات التعليم العالي. كما كان هناك الكثيرون الذين لا يرغبون حتى في معرفة ما يمكن أن تفعله البيانات لمؤسسات التعليم العالي الخاصة بهم، أو ليس لديهم الطاقة أو النطاق الترددي أو الموارد لمعرفة ذلك. لقد مضى هذا الوقت. اليوم يستكشف محترفو التعليم العالي الذين يتطلعون إلى المستقبل كيف يمكن لتحليل البيانات أن تغير الطريقة التي يعملون بها، يُعد تحليل البيانات مكونًا أساسيًا لاستخراج البيانات وتطوير الأعمال وهو أساسي لاكتساب المعرفة التي تساعد الجامعات على اتخاذ القرارات. من خلال تحويل البيانات إلى أهداف قابلة للتنفيذ..

اليوم هناك أدوات تحليلية أكثر من أي وقت مضى. نستعرض في هذا الجزء من المقال بعض من أهم هذه الأدوات.

  1. الأتمتة Automation

يمكن أن تكون أتمتة المهام البسيطة في مشهد التعليم العالي بمثابة توفير كبير للوقت والطاقة. قد يتضمن ذلك استخدام التكنولوجيا لأتمتة الاتصالات مع الطلاب الحاليين والمحتملين، أو المهام الإدارية اليومية ،أو أنشطة القبول، أو بعض المهام الأساسية مثل ردود البريد الإلكتروني المخصصة على استفسارات الطلاب المحتملين. ذلك يوفر ساعات لقبول الطلاب وفرق التوظيف. بالإضافة إلى ذلك ، يحصل الطلاب المحتملون على ردود فورية وغالبًا ما يتم ربطهم بالموارد ذات الصلة. بالطبع هذا لا يحل محل التفاعل البشري. ولكنه ينشط عملية التفكير حيث نأمل أن تتم محادثات أكثر فائدة في هذا السياق . 

  1. لوحة معلومات ذكاء الأعمال Business intelligence dashboarding

دأب عالم الشركات على تنظيم وربط بيانات أعمالهم لاستحضار العناصر الأساسية إلى لوحة المعلومات Dashboard سهلة الاستخدام لأكثر من عقد حتى الآن. الجامعات كذلك بدأت في اللحاق بالركب وتتجه إلى منتجات مثل منصة مداد السحابية للتعليم و منصة SABA  لتصور البيانات الداخلية والخارجية، مما يؤدي إلى المزيد من القرارات المستندة إلى الأدلة، وبما يدعم مبادرات التعلم في الحاضر والمستقبل ويساعد المؤسسة في تيسير الوصول إلى برامج تعلم المنسوبين وتحقيق أعلى فائدة منها، مع تقليل التكاليف.

  1. الارتباط والسببية Correlation and causation

تعد التحليلات رائعة للعثور على العلاقات في البيانات التي قد لا يتم تحديدها بخلاف ذلك. من تعيين الطلاب (مثل جلسات المعلومات والتطبيقات) إلى نتائج الطلاب (مثل تكرار الامتحانات والاحتفاظ بالمعرفة) ، يمكن للجامعات استكشاف بياناتهم من أجل البحث عن الارتباطات، أي العلاقات الملحوظة بين مجموعات البيانات والاتجاهات التي قد تكشفها البيانات ومناقشة السببية .

  1. أنظمة البيانات Data systems

تعتمد القدرة على استكشاف البيانات واتخاذ القرارات بسرعة على الأنظمة التي تنظم وتخزن أصول المعلومات الخاصة بك بشكل فعال. تعمل المؤسسات الأكاديمية، بشكل متزايد على إيجاد طرق لربط مصادر البيانات المختلفة ودمجها في البنية التحتية المشتركة عبر الحرم الجامعي. من المكونات التي غالبًا ما يتم تجاهلها هنا إنشاء فهارس البيانات وصيانتها والتي تساعد الجميع على معرفة البيانات المتاحة وكيفية جمعها و الاستفادة منها.

  1. التحليل الاستكشافي Exploratory analysis

بمجرد الانتهاء من العمل الذي يستغرق وقتًا طويلاً لتطوير أنظمة البيانات بشكل صحيح ودمج أدوات ذكاء الأعمال، يجب أن يتمتع مديرو الجامعات بالقدرة على العمل مع البيانات المتاحة والبدء في اختبار الفرضيات.

تؤدي القدرة على التحليل السريع إلى الاستجابة السريعة والتكيف مع احتياجات الجامعة أو تقييم الموضوعات التي تشهد اهتمامًا متزايدًا، مما يؤدي إلى أفكار جديدة تغذي المناقشات الاستراتيجية.

  1. التنبؤ Forecasting

الجامعات هي مؤسسات كبيرة بها العديد من التكاليف الثابتة والمتغيرة. غالبًا ما تضع الجامعات رهانات كبيرة على العديد من الأشياء، مثل إعادة تصميم المناهج ، وتكنولوجيا التعلم، والبنية التحتية للحرم الجامعي، والتنويع في أسواق جديدة لجذب الطلاب الدوليين. تتطلب كل هذه القرارات التخطيط وشكلًا من أشكال التنبؤ ، والتي يمكن إبلاغها باستخدام البيانات الداخلية (مثل الاتجاهات في تسجيل الطلاب لموضوع معين) والبيانات الخارجية (مثل اتجاهات السكان في القنوات الدولية الرائدة).

  1. التلعيب Gamification

بالتأكيد، الألعاب ممتعة. يبدو أن الطلاب يتعلمون بشكل أسرع عندما يضيف المعلم عنصرًا تنافسيًا إلى بيئة التعلم. وكذلك يمكن للمعلمين بعد ذلك استخدام الأداء الفردي أو الجماعي لتسجيل نتائج التعلم، والحصول على فصول أكثر تفاعلاً.

  1. المدرج التكراري Histogram

المدرج التكراري ‏ هو أحد الأدوات السبعة في ضبط الجودة ومن أدوات تحليل البيانات. وهو أحد الرسومات البيانية التي تعطي معلومات غزيرة في شكل بسيط يسهل تقديم وتحليل البيانات وعرضها بصوره سلسه وسهله وعمليه. فهو يمكنك من فهم البيانات وتوزيعها وبالتالي يمكننا من تحليل البيانات والوصول إلى قرارات إدارية مهمة بشكلاً أسرع.

يجب أن تكون إحدى الخطوات الأولى عند استكشاف البيانات الرقمية هي إنشاء مدرج تكراري ، مما يساعد على تصور الإجمالي لتوزيع مجموعة البيانات.

لنفترض أن معلماً يدير اختبارًا لـ 100 طالب. ثم قام بتسجيل هذه النتائج وإنشاء رسم بياني يوضح أن 45 طالبًا سجلوا درجات أقل من 60 ، وأن 45 طالبًا سجلوا أكثر من 90 ، فيما سجل 10 طلاب درجات بين 60 و90. هذا الأسلوب على عكس مجرد النظر إلى المتوسط ، حيث سيوضح المدرج التكراري سريعاً أن معظم درجات الطلاب تقع في مجموعتين، إحداهما أتقنت المادة والأخرى لم تقترب من حد الإتقان.

  1. تحليل السلاسل الزمنية Time series analysis

تعمل الجامعات في العديد من البلدان منذ عقود، وهناك بعض من الجامعات التي تعمل منذ قرون، بالتالي هذا يعنى أن هناك كثير من البيانات لاستكشافها. إن النظر في كيفية تغير الأشياء بالفعل في الحرم الجامعي ومراقبة الاتجاهات أو المؤشرات الأخرى ذات الصلة (مثل التركيبة السكانية، أو الدعم الحكومي ،أو رضا الطلاب ،أو رضا صاحب العمل عن الخريجين) يساعد الجامعات على التخطيط والبقاء في الطليعة.

  1. التحليلات التنبؤية Predictive analytics

يُطلق على استخدام البيانات لإنشاء نماذج تقدر احتمالية حدوث شيء ما التحليلات التنبؤية. على مدار السنوات الماضية، ولفترة طويلة ، كانت أهداف الاحتفاظ بالطلاب ذات أهمية قصوى للعديد من المؤسسات. بالنظر إلى السجل التاريخي لعمليات القبول وبيانات أداء الطلاب ، يمكن للجامعات إنشاء نماذج تنبؤية توفر احتمال "النجاح" فيما يتعلق بإكمال مسار درجة معينة.

في نهاية هذا الجزء من التدوينة والتي عرضنا من خلالها 10 من أدوات تحليل البيانات ، يمكننا الجزم بأن التحول الرقمي الذي تشهده العديد من القطاعات في مجال تحليل البيانات خلال وباء كوفيد-19، سيسهم في تعزيز زخم تبني التحليلات في المؤسسات من مختلف الأحجام، بما فيها مؤسسات التعليم العالي.

 

مراجع الإحصائيات الواردة في المقال:

  1. https://techjury.net/#gref
  2. https://www.statista.com/

Topics: كوينتيليون, Predictive Analytics, Big Data, لوحات المعلومات للتعليم العالي, ذكاء الأعمال, التحول الرقمي, تحليل السلاسل الزمنية, Learning Analytics, التلعيب, المدرج التكراري, التحليل الاستكشافي