APLICAÇÕES DE BIG DATA NA ÁREA EDUCACIONAL: UMA REVISÃO SISTEMÁTICA DA LITERATURA
Palavras-chave:
Análise de Big Data, Planejamento Estratégico, TecnologiaResumo
Atualmente, as instituições de ensino enfrentam desafios políticos, econômicos e sociais, para superá-los é necessário realizar planejamentos mais eficazes, visando a constantes melhorias para essas instituições. Apesar de existir uma enorme quantidade de dados gerados, esses dados, por vezes, não estão disponíveis de forma adequada, devido à falta de ferramentas que tornem o processo mais rápido e preciso. Assim, a utilização de Big Data e suas ferramentas de análise trazem um avanço nesses procedimentos, pois é possível reunir um vasto volume de dados e utilizá-las para extrair relações entre esses dados, que são interpretadas e podem trazer um novo conhecimento, subsidiando, assim, as tomadas de decisão na área educacional. Desta forma, o objetivo deste trabalho foi conduzir uma revisão sistemática da literatura a respeito de Análise de Big Data, visando a verificar as aplicações de Big Data realizadas na área educacional. Para alcançar o objetivo proposto, foram pesquisadas três
bases de artigos, no período de 2013 a 2017. Inicialmente, utilizando uma string de pesquisa, foram selecionados 362 artigos, a partir dessa seleção os artigos foram filtrados por título, em seguida por aderência do resumo aos objetivos deste trabalho e finalmente pela pertinência do texto completo ao trabalho ora proposto. Treze artigos foram escolhidos para dar sequência à revisão sistemática. Como resultado, verificou-se que as aplicações de Big Data na área educacional ainda são escassas e que,
portanto, em razão dos desafios impostos pela área, merecem ser intensificadas.
Referências
BIRJALI, M., BENI-HSSANE, A., ERRITALI, M. Analyzing Social Media through Big Data using InfoSphere BigInsights and Apache Flume. In: PROCEDIA COMPUTER SCIENCE, 113., 2017. The 8th International Conference on Emerging Ubiquitous Systems and Pervasive Networks, Moroco, 2017. p. 280-285.
BUSSABAN, K., WARAPORN, P. Preparing undergraduate students majoring in Computer Science and Mathematics with Data Science perspectives and awareness in the age of Big Data. In: PROCEDIA SOCIAL AND BEHAVIORAL SCIENCES, 113., 2015. 7th World Conference on Educational Sciences, Athens, . p. 1443-1446,2015.
CUKIER K. Data, data everywhere: A special report on managing information. The Economist, 25 Fev. 2010. Disponível em: <http://www.economist.com/node/15557443> Acesso em: 13 dez. 2018.
DANIEL, B. Big Data and analytics in higher education: opportunities and challenges. British journal of educational technology, v. 46, n. 5, p. 904-920, 2015.
DEAN, J., GHEMAWAT S. Mapreduce: Simplified data processing on large clusters, osdi’04: Sixth symposium on operating system design and implementation, San Francisco, CA, dez. 2004.
FAN, J., HAN, F., LIU, H. Challenges of Big Data analysis. National Science Review. Feb 2014, vol. 1, p. 293–314. Disponível em: <https://doi.org/10.1093/nsr/nwt032> Acesso em: 05 mai. 2019.
FLATH, M. C.; STEIN, N. Towards a data science toolbox for industrial analytics applications. Computers in Industry, v. 94, p. 16–25, 2018.
GANDOMI, A.; HAIDER, M. Beyond the hype: Big Data concepts, methods, and analytics. International Journal of Information Management, v. 35, n. 2, p. 137-144, 2015.
HU, Q., POLYZOU, A., RANGWALA, H. et al. Enriching Course-Specific Regression Models with Content Features for Grade Prediction. In: ICDSA, International Conference on Data Science and Advanced Analytics, Fairfax/Minneapolis, 2017. p. 504-513.
JIN X., WAH, B., CHENG, X. et al. Significance and Challenges of Big Data Research. Journal Big Data Research, Hong Kong, 26 fev, 2015. Disponível em: <http://dx.doi.org/10.1016/j.bdr.2015.01.006> Acesso em: 11 abr. 2018.
KAMBATLA, K., KOLLIAS G., KUMAR V. et al. Trends in big data analytics. Journal of Parallel and Distributed Computing. Jul. 2014, v. 74, p. 2561-2573. Disponível em: <https://www.sciencedirect.com/science/article/pii/S0743731514000057> Acesso em: 12 mai. 2019.
KITCHENHAM, B.; CHARTERS, S. Guidelines for performing Systematic Literature Reviews in Software Engineering: version 2.3. EBSE Technical Report, United Kingdom, 2007.
KUMAR, V., KARPATNE, A., ATLURI, G. et al. Theory-Guided Data Science: A New Paradigm for Scientific Discovery from Data. IEEE Transactions on knowledge and data engineering, Out. 2017, vol. 29, p. 2318-2331.
LABRINIDIS, A., JAGADISH, H. V. Challenges and opportunities with big data. Journal Proceedings of the VLDB Endowment. Aug. 2012, vol. 5, p. 2032-2033. Disponível em: <https://dl.acm.org/citation.cfm?doid=2367502.2367572> Acesso em: 07 mai. 2019.
LARSON, D.; CHANG, V. A review and future direction of agile, business intelligence, analytics and data science. International Journal of Information Management, v. 36, p. 700–710, 2016.
LIANG, J. et al. Big Data Application in Education: Dropout Prediction in Edx MOOCs Jiajun. Second International Conference on Multimedia Big Data Big, p. 440-443, 2016. Disponível em: < https://ieeexplore.ieee.org/document/7545065> Acesso: 13 set. 2018.
MANYIKA, J., M. CHUI, B. BROWN, J. BUGHIN, R. DOBBS et al. Big data: The Next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute. 2011. Disponível em: <http://www.mckinsey.com/Insights/MGI/Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation> Acesso em: 12 ago. 2013.
PAIVA, E., REVOREDO, K., Big Data e Transparência: Utilizando Funções de Mapreduce para incrementar a transparência dos Gastos Públicos. In: XII Brazilian Symposium on Information Systems. Florianópolis: UFMG, Mai. 2016. Disponibilidade em: <http://www.lbd.dcc.ufmg.br/colecoes/sbsi/2016/004.pdf> Acesso em: 28 mai. 2019.
RAMIREZ-GALLEGO, S., FERNÁNDEZ, A., GARCIA, S. et al. Big Data: Tutorial and guidelines on information and process fusion for analytics algorithms with MapReduce. Journal Information Fusion, Granada, Out. 2017, vol. 42, p. 51-61. Disponível em: <http://dx.doi.org/10.1016/j.inffus.2017.10.001> Acesso em: 13 abr. 2018.
ROSA. G., A ciência do Big Data. UNESPCIÊNCIA. Disponível em: <http://unespciencia.com.br/2014/08/01/computacao> Acesso em: 26 abr. 2018.
RUSSOM, P. Big Data Analytics. TDWI best practices report, fourth quarter, v. 19, p. 40, 2011.
SCAICO P. D., QUEIROZ R. J. G. B. DE, SCAICO A. (2014). O conceito de Big Data na Educação. In: WORKSHOP DE INFORMÁTICA NA ESCOLA. 3o Congresso Brasileiro de Informática na Educação (CBIE 2014). Acesso em: 07 mai. 2018.
SIDDIGA, A., HASHEM, I., YAQOOB, I. et al. A survey of big data management: Taxonomy and state-of-the-art. Journal of Network and Computer Applications, Kuala Lumpur, 22 abr. 2016. Disponível em: <http://linkinghub.elsevier.com/retrieve/pii/S1084804516300583> Acesso em: 17 abr. 2018.
SIN, K. MUTHU, L. Application of Big Data in education data mining and learning analytics: a literature review. ICTACT journal on soft computing, v. 5, n. 4, 2015.
SIVARAJAH, U., KAMAL, M., IRANI, Z. et al. Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, v 70 p. 263–286, 2017. Disponível em: <http://dx.doi.org/10.1016/j.jbusres.2016.08.001> Acesso em: 10 abr. 2018.
VYAS M. S., GULWANI R. Predicting Student’s Performance using CART approach in Data Science. In: ICECA 2017, INTERNATIONAL CONFERENCE ON ELECTRONICS, COMMUNICATION AND AEROSPACE TECHNOLOGY, Mumbai, 2017. p. 58-61.
