"빅데이터기반 교육 솔루션"의 두 판 사이의 차이

2023년 5월 16일 (화) 09:59 기준 최신판

빅데이터 분석을 통해서 교육 문제에 대한 해결책을 제시합니다.

1. 빅데이터 분석을 위한 파티션 기반 시각화 알고리즘

2. 소셜 네트워크 빅데이터 시각화에 의한 통일 경제협력 관련 관심 이슈 분석

3. 태권도 정책과 제도에 관한 빅데이터 분석

4. 텍스톰

5. 구글트렌드

6. 파워 BI

7. 파워 BI 다운로드

8. UCInet

9. TF-IDF(Term Frequency - Inverse Document Frequency)

10. 강남초6 영어 ‘보통이상’ 95%…서울전체 학력은 ‘바닥’

11. 서울市 고교 영어 성적, 區마다 최대 22배(수능 영어 1등급 비율) 차이

12. 서울 열린 데이터 광장

13. 서울시 자치구별 상위학교 진학률에 대한 거주지 효과 분석

14. 우리 아이가 영어를 못하는 진짜 이유는…

15. 서울연구데이터

16. COMPUTER AND INTERNET USAGE

• 정보화와 영어 실력의 상관 관계

17. 학교 혁신 지원센터

• '영어를 잘한다'의 기준을 잡아라!

• 비대면 시기의 사람들의 영어 실력은 늘었나?

• 비대면 강의와 대면 강의에서 나타나는 영어 실력의 차이가 있나?

18. 비대면 영어 수업에서 상호작용과 수업 만족도와의 관계 연구: 수업 방식의 조절 효과를 중심으로

19. 코로나 19로 인한 비대면 교양영어 수업의 학습자 반응에 관한 연구

20. 초등 학부모 90%, 비대면 학습효과 '글쎄'…'영어'가 가장 효과적

21. 서울 데이터

• 영어를 잘하기 위한 방법의 변화가 있었는지?

22. 영어교육시장

23. 온라인 영어교육시장 춘추전국시대 넘어 '삼국지'로

24. [https://www.giikorea.co.kr/report/infi1080202-global-digital-english-language-learning-market.html?CODE=infi1080202-global-digital-english-language-learning-market.html&TYPE=0 세계의 디지털 영어 학습 시장(2022-2026년) Global Digital English Language Learning Market 2022-2026]

25. AI로 공부하는 시대

26. 영어 스타트업 잇딴 투자유치 성공…138조원 글로벌 시장 공략 청신호

27. 데이터를 우리가 만들자!

28. 초등, 중등, 고등, 대학에서의 영어 교육 커리큘럼 변화 분석

29. AI를 활용한 커리큘럼의 등장 속도, 양상 추적

30. 디지털 활용하는 영어 교육 방법 양상 추적 (Before/After CORONA 19)

31. AI/디지털 영어 교육 기업 현황 파악

32. 이름만 AI/디지털인지 확인해야 함.

33. 미래형 초등영어 교육과정을 위한 제언: 학습자 맞춤형 교육을 중심으로

33. 2022년 개정 교육과정, 이렇게 바뀝니다! - ① 국어, 영어, 사회, 과학

34. 2022개정 교육과정 영어

35. 카카오벤처스, AI 기반 영어회화 앱 ‘플랭’에 5억 원 투자

36. 교육통계서비스

37. 유튜브를 활용한 온라인 영어학습 연구

38. 대학생들의 영어 쓰기 경험에 관한 연구: 유튜브 댓글작성을 중심으로

39. 유튜브를 활용한 대학생의 영어학습이 학습동기와 학습태도에 미치는 영향

코로나 이전과 이후의 유튜브 활용 방법 차이 찾아낼 것!

40. 대학 수업에서의 유튜브 동영상 활용: 영어신문기사의 배경지식을 중심으로

41. 유튜브 비디오 보기 활동이 영어 독해 능력 향상에 미치는 영향

42. 유튜브를 활용한 한국인 대학생들의 자기주도적 영어학습 인식에 관한 연구

43. 한국인 영어학습자의 세계영어에 대한 인식: YouTube 영어수업 영상 및 댓글분석을 중심으로

44. 빅데이터 특성

45. 전통적 방법, 사람에 대한 관찰

46. 빅데이터와 사회과학

47. 빅데이터, 어떻게 교육할 것인가? : 사회과학 분야에 특화된 교육과정 설계를 중심으로

48. 사회과학영역에서의 빅데이터 연구방법론 탐색 -비트겐슈타인의 그림이론에서-

비트겐슈타인에 의하면 어떠한 명제는 실체의 의미를 나타내는 것이라 보다. 실체라는 것은 실재하고 있는 어떠한 객체(사실)의 그림이라는 것이다. 그리고 그 그림이라는 것은 기표와 상호 연관되면서, 언어라는 것이 외부의 사물, 객체와 연관성을 가지는 것이라 보는 것이 언어 그림이론이다.

49. 빅 데이터 환경과 인문학적 플랫폼

이런 맥락에서 현대사회를 살아가는 이들에게 권장되는 <이성>이란, 역설적이게도 주어진 데이터를 해독하고 조합해내는 능력이 아니라, 되레 그 바깥으로 나가는 비합리적인 시선의 요청이다. 데이터화되지 않은 것들을 읽어내려는 섬세한 관찰도 필요하겠지만, 때로는 새로운 데이터를 쌓기 위한 모험, 즉 광기가 필요하다. 하나님에 의해 모든 것이 결정된다고 봤던 중세의 끝자락에 르네상스가 열렸던 것처럼, 빅데이터에 의해 모든 것이 결정된다고 여겨지는 신(新)중세 속에서의 신(新)르네상스가 필요해진 셈이다. 이런 의미에서 진실로 요청되는 것은 단순히 데이터들 속에서 최선의 선택지를 찾아내는 것이 아니라, 반대로 그렇게 만들어진 명제, 즉 관념적 범주로부터의 끊임없는 탈주이다. 여성 철학자가 없는 것으로부터 도출되어야 할 것은 <여성에겐 이성이 희박하다>가 아니라 <여성 철학자-만들기>라는 새로운 욕망의 목표 설정이다. 「과정으로서의 생산은 모든 관념적 범주를 넘어서 있으며, 내재적 원리로서의 욕망과 관계된 하나의 순환을 형성한다.」

빅데이터 시각화

조선 지역별 과거 급제자

• Scatter graph

한국역대인물데이터

과거 급제한 조상님 검색해 보세요…역대인물들 정보 구축

조선 최다 과거급제 가문은 ‘전주 이씨’

조선후기 文科에 나타난 京鄕 간의 불균형 문제 검토

일제 강점기 일본군 주둔 현황

• Hierarchy graph

일제강점 말기 ‘조선 주둔 일본군’ 상주사단의 韓人 병력동원 양상과 특징

중일전쟁 이후 조선군의 ‘평양사단’ 증설과 그 의미

조선 유배지

• Bar chart race
• Gantt graph
• Network graph

조선시대 유배인의 현황과 문화자원의 활용-전남지역을 중심으로-

호남유배인의 문헌자료와 문화콘텐츠

50. 서울대학교 영어교육학과 커리큘럼

51. 메타버스 활용 영어 말하기 교육프로그램 개발연구

52. 맨체스터 대학교 TESOL 석사과정

53. 외국어습득이론과 외국어교육론에 대한 비판적 고찰

54. Big Data in Education

55. Big data in education: a state of the art, limitations, and future research directions

55-1. 테라바이트

However, the educational sector is not an exception in this situation. In the educational realm, a large volume of data is produced through online courses, teaching and learning activities (Oi, Yamada, Okubo, Shimada, & Ogata, 2017). With the advent of big data, now teachers can access student’s academic performance, learning patterns and provide instant feedback (Black & Wiliam, 2018). The timely and constructive feedback motivates and satisfies the students, which gives a positive impact on their performance (Zheng & Bender, 2019). Academic data can help teachers to analyze their teaching pedagogy and affect changes according to students’ needs and requirement. Many online educational sites have been designed, and multiple courses based on individual student preferences have been introduced (Holland, 2019). The improvement in the educational sector depends upon acquisition and technology. The large-scale administrative data can play a tremendous role in managing various educational problems(Sorensen, 2018). Therefore, it is essential for professionals to understand the effectiveness of big data in education in order to minimize educational issues.

The research questions of this study are stated below:
1) What are the trends in the papers published on big data in education?
2) What research themes have been addressed in big data in education domain?
3) What are the limitations and possible future directions?

데이터 웨어하우스

[http://eprints.rclis.org/30201/1/Design-and-Implementation-of-Educational-Data-Warehouse-Using-OLAP.pdf Design and Implementation of Educational Data Warehouse Using OLAP ]

OLAP란? OLAP(Online Analytical Processing)는 데이터 웨어하우스, 데이터 마트 또는 기타 중앙화된 통합 데이터 저장소의 대용량 데이터를 고속으로 다차원 분석하는 소프트웨어.

분석을 위해 등장한 데이터베이스··· OLAP 따라잡기

56. Big Data in Education. How It Transforms the Industry?

57. Big Data in Education: 10 Companies Delivering Insights to the Classroom

58. The Use of Big Data in Education

59. The Effect of Shadowing on English Listening and Speaking Abilities of Korean Middle School Students

Furthermore, shadowing might not be effective when it is solely used to improve L2 speaking ability. In this study, no interactive activity followed the shadowing. Shadowing is relatively artificial and is not a real-life communicative task. Bailey(2005) rightly points out that “rigidly controlled practice does not necessarily prepare learners for the spontaneous, fluid interaction that occurs outside the English classroom (p. 18). Therefore, it would be appropriate to support shadowing with constructive tasks to contribute to general L2 speaking ability improvement.

60. 섀도잉 검색창에 '섀도잉'을 쳐보세요.

61. 아이린으로 본 '조선 붕당정치’의 이해...“갈색머리는 사문난적”