Og hvad så? Ny teknologi hjælper med at besvare et stort spørgsmål om big data for undervisere

Purdue University forskere har udviklet en ny måde at spore effektiviteten af ​​online læringsprogrammer, taler og virksomheder, og afgøre, om nogen virkelig bekymrer sig nok til at downloade materialet.

Purdue-teamet udviklede en algoritme, der sorterer digitale data og formaterer dem til et 2D-tid- og rumvarmekort.

"Mange gange kan det være svært for nogen som en underviser at afgøre, om deres onlinekursus eller digitale tillæg til klasseværelsesforelæsninger bliver brugt af studerende, " sagde Dwight McKay, en senior datavidenskabsingeniør for informationsteknologi hos Purdue (ITaP), som var med til at lede forskerholdet. "Vi skal grundlæggende bare vide, hvornår brugeren kom til siden og deres IP-adresse, en numerisk betegnelse, der identificerer en placering på internettet. Vi kan omdanne alle disse big data og enorme mængder information til handlingsegnede tal."

Algoritmen tager oplysningerne om dato og IP-adresse og omdanner dem til et datasæt, der nemt kan visualiseres og bruges af et billedprogram til at skabe varmekortet. Kortet er et gitter af farvede kasser, som visuelt viser information, der forekommer på bestemte tidspunkter og steder.

Undervisere kan bruge varmekortet og dataoplysningerne til at afgøre, om onlineforelæsninger eller supplerende materiale bliver brugt i klasseværelserne. Højttalere kunne bruge teknologien til at se, om folk synes, deres arbejde er værdifuldt nok til at downloade online. Virksomheder ville være i stand til at bruge Purdue-teknologien til at spore hjemmesidens effektivitet.

"Før vores værktøj, det var virkelig svært for websteder, der ikke kræver et login eller kontoopsætning, at afgøre, om et stykke downloadet indhold blev brugt af elever og i klasseværelset, " sagde McKay. "Nu, vi kan tillade organisationer og virksomheder hurtigt at genkende adfærdsmønstre og tendenser i dataene og bruge dem til at forstå, hvordan deres materiale bliver brugt til uddannelse. Det er en forbedret måde, Purdue kan hjælpe folk med at fortælle historier om deres data."

McKay og de andre forskere begyndte at arbejde på teknologien til Purdue's Network for Computational Nanotechnologys nanoHUB-sted, et videnskabeligt cloud-computing-miljø. De brugte algoritmeteknologien til at bestemme, hvilken af ​​nanoHUB'erne mere end 6, 000 indholdselementer blev brugt i undervisningen gennem identifikation af klasseværelsesgrupper.

"Vi var i stand til tydeligt at vise effektiviteten af ​​nanoHUB, hvilket er altafgørende for fortsat finansiering, " sagde McKay.