دانلود ترجمه مقاله معماری کلان داده – اینترنت اشیا برای آموزش آینده

1. مقدمه 2. آموزش 4.0 3. کلان داده 4. کاربرد کلان داده در آموزش عالی 5. معماری پیشنهادی ما 6. نتیجه گیری

چکیده – فنآوری جدید، از طریق IoT، کلان داده ها و اکوسیستم AI، به بستری تبدیل شده که راهکارهای فردا برروی آن خلق شده اند. بهبود فرآیندها با تصمیم گیری بهتر، بازیگرانی هستند که تکامل خدمات آینده را هدایت می کنند. این فنآوری جدید، نوآوری هایی را در چندین بخش شامل پزشکی، ساخت و تولید، اتوماسیون، انرژی، آموزش و غیره، ممکن ساخته است. لازم به ذکر است که در سالهای اخیر، صنعت 4.0 و بحران کرونا منجر به رخداد تعدادی تحول چشمگیر و بهبود کیفیت زندگی، ایمنی، سلامت و آموزش مردم شده است. در حال حاضر، بخش آموزش در همه سطوح خود (ابتدایی، دبیرستان و دانشگاه) نیاز به استفاده از این فنآوری دارد و مخصوصاً به سمت سیستمی معروف به «آموزش 4.0» سوق پیدا کرده است تا تقاضاهای مختلف این بخش را برآورده کند. در این مقاله، یک مرور مقالات در زمینه استفاده از تحلیل های کلان داده ها در بخصوص بخش آموزش، ارائه می دهیم. همچنین در مورد فنآوریها، معماری ها و کاربردهای مختلف تحلیل های کلان داده ها در این بخش رو به رشد بحث می کنیم و یک معماری جدید براساس فنآوری جدید بکار گرفته شده در آموزش، پیشنهاد می دهیم. مقدمه: تعداد کاربران اینترنت در سال 2021 برابر با 4.9 میلیارد نفر تخمین زده شده [1] که این تعداد هنگفت از کاربران به معنای افزایش حجم داده های روزانه تولید شده است و چالش نهفته در آن این است که بدانیم چگونه از آن سود کنیم. آموزش عالی مانند هر رشته دیگر است که از تحول دیجیتال به لطف تاثیر مثبت همه گیری کرونا پیروی می کند و توانسته است این تحول را به سمت جلو سوق دهد و به آن شتاب دهد [2، 3]. طبق پایگاه داده اسکوپوس (Scopus)، جامعه پژوهشگران از سال 2016 به این موضوع خاص پژوهشی علاقه پیدا کرد. تعداد مقالات منتشر شده در 10 سال اخیر 352 عدد بوده است که از میان آنها 98 مقاله فقط در سال 2021 منتشر شده است (بیشتر از 27%). این نتایج با بررسی پایگاه داده اسکوپوس، برای مقالات پژوهشی بدست آمده اند که در کلمات کلیدی خود حداقل حاوی «کلان داده ها» و «آموزش عالی» هستند. همه این عوامل به نویسندگان این مقاله، انگیزه کشف پتانسیل و توانایی های کلان داده ها در این موضوع مهم را داده اند.

New technology, through the IoT, Big Data and AI ecosystem, is the foundation on which tomorrow's solutions are created. Improved processes with better decision making are the actors that drive the evolution of tomorrow's services. This new technology has enabled innovations in several sectors including medical, manufacturing, automation, energy, education, and others. It should be noted that in recent years, Industry 4.0 and the COVID-19 sanitary crisis have forced some remarkable transformations and contributions to people's quality of life, safety, health and education. Currently, the education sector in all its levels (primary, secondary and university) re-quires the use of this technology and is moving more specifically towards a system known as "education 4.0" to meet the different demands of this sector. In this paper, we present a literature review of the use of Big Data analytics in the education sector in particular. We discuss the different technologies, architectures, and applications of Big Data analytics in this growing sector, and we propose a new architecture based on the new technology applied in education. Introduction: The number of internet users in 2021 is estimated by 4.9 billion [1], this huge number of users means increasing the amount of data generated daily, and the challenge behind, is to know how to benefit from it. Higher education is like any other field, which follows digital transformation, thanks to the positive impact of the last pandemic (COVID’19) that was able to push and accelerate this transformation [2] [3]. According to the Scopus database, the researcher community start to be interested in this particular area of education from 2016. The number of papers that are published in the last 10 years was 352, among which 98 papers published only in 2021 (>27%). These results were found by looking on Scopus database, for research papers that contain at least “Big Data” and “Higher Education” in their keywords. All these factors give to authors of this paper, the motivation to discover the potential of Big Data in this important field.