Odborný článek
Co je datafikace?
5,0 (4 hodnocení)
Popis inovativních postupů zpracování velkých dat s příklady a vazbami na školství inspirovaný novou knihou profesora Oxford Internet Institute Viktora Mayera-Schönbergera.
Nových do češtiny obtížně přeložitelných termínů, bez nichž se ale v praxi vzdělávacích technologií neobejdeme, je poměrně dost. Potíže nám dělá třeba disrupce (Disrupce vzdělávacího systému podle Siemense a Karnjanaprakorna), masivnost MOOC kurzů (Velký MOOC boom pokračuje), nevhodná konotace kolaborace (Kolaborace nebo kooperace?) – a teď je tu datafikace (orig. datafication). Obávám se, že se dalšímu nařčení z prznění našeho krásného jazyka nevyhnu. Jenže ono se to prostě jednoduše přeložit nedá. Navíc je to slovo velmi podobně vytvořené, jako již zcela běžná digitalizace nebo elektrifikace, které jsme snad již plně akceptovali.
Jedná se o pojem, který ve své nejnovější knize Big Data: A Revolution That Will Transform How We Live, Work, and Think zavádí nám již známý profesor Oxford Internet Institute Viktor Mayer-Schönberger (viz Nezapomínejme zapomínat). Spoluautorem této knihy je editor The Economist Kenneth Cukier.
Ve skutečnosti nebude pochopení významu tohoto slova nijak zvlášť těžké. Ti z vás, kteří Spomocníka sledují dlouhodobě, jistě četli seriál článků o vizi daty řízeného školství, která naznačuje, že nás v souvislosti s novými schopnostmi technologií ukládat téměř vše, co každý z nás na počítači (což je dnes i mobil) dělá, čekají revoluční změny (též viz Komu patří velká data ve školství?). Profesor Schönberger tvrdí, že nejvíce dotčeno bude právě školství a zdravotnictví. Zdravotnictví proto, že napříště bude možné plně individualizovat péči o pacienta díky okamžitému přístupu ke všem jeho osobním datům ze strany lékařů, což nakonec povede až k přizpůsobení léčby a specificky na míru upraveným lékům.
Školství je v tomto směru dost podobné. Ideálním cílem je neučit každého to samé, a v rámci třídy navíc najednou, ale přizpůsobit výukovou terapii individuálním potřebám každého žáka. Bez technologií bylo něco takového dříve nemyslitelné. Učitel mohl v intervalu mezi písemkami a zkoušením jen hádat, zda žáci něco dělají. Při využití technologií ve formě 1:1 (Nástup tabletů je definitivním vítězstvím 1:1), práci v internetových mracích (Rozvažte ICT koordinátorům ruce aneb cloud computing) a při aplikaci převrácené třídy (Má převrácená třída smysl?) je to najednou jinak. Učitel může sledovat výukové výsledky svých žáků vlastně doslova v reálném čase, a to nezávisle na tom, kde se tito zrovna nacházejí.
Potíž je samozřejmě v tom, zda má vhodná data k dispozici a umí-li je správně vyhodnotit. Jedna věc je všechny informace o tom, co žák na počítači dělá, ukládat, a úplně jiná z nich dokázat vyčíst, zda došlo ke splnění dílčích výukových cílů a na základě toho rozhodnout, kam dál individuální výuku nasměrovat. Schönberger dokonce navrhuje, aby byl zřízen nový specializovaný studijní obor a aby se interpretací podobných velkých dat obecně zabývali pouze certifikovaní specialisté. K tomu, aby něco takového mohl dělat i obyčejný učitel, máme zatím asi hodně daleko. Jde totiž nejen o to, ověřit, zda daný žák zvládl malou násobilku, ale též o to, jak si vede v dosahování takových kompetencí, které lze tradičními postupy (testy) ověřovat jen velmi obtížně (ve standardech typicky označované jako netestovatelné).
Zde se možná může i ve školství projevit jedna velmi zajímavá, dosud značně nezvyklá vlastnost velkých dat. V rámci jejich nasazení dochází k zásadní proměně pohledu na statistiku využívající vědecké metody zkoumání příčin určitých jevů. Dozvíme-li se úplně přesně, které postupy vedou k lepším výsledkům, přestává být prioritou znalost příčin k tomuto výsledku vedoucích. Jinými slovy, bude-li některý výukový program úspěšnější než jiný, není třeba se ptát, jaké didaktické teorie v něm byly aplikovány (Jaká je budoucnost pedagogického výzkumu?). Klíčová je ale naše schopnost správně stanovit výukové cíle (standardy) a dosažení těchto cílů vyhodnotit (Nový pohled na schopnost technologií ověřovat výukové výsledky).
V případě nepříliš komplikovaných výukových cílů, jaké stojí v pozadí třeba výcviku vojáků, existuje již dnes snaha vyvinout umělou inteligencí disponujícího počítačového agenta, který by mohl nad online přípravou převzít kontrolu (Inteligentní agent ve výukových aplikacích). Může se nám to líbit nebo nemusí, ale je jisté, že vývoj v tomto směru bude pokračovat (např. Je současná umělá inteligence schopna hodnotit tvořený text?). Něco na ten způsob s podporou armády Spojených států pod názvem Personal Assistant for Learning v rámci projektu Advanced Distributed Learning vyvíjí v současné době třeba Team Orlando na Floridě.
Ale vraťme se k datafikaci. Ten termín zkrátka naznačuje, že velká data začínají hrát významnou úlohu v mnoha oborech lidské činnosti a umožňují kvalitativně zcela nové způsoby zpracování informací. Místo abychom pracovali pouze se vzorkem populace, zpracovávají se prostě všechna dostupná data. Dnešní technologie již dospěly do takového stádia vývoje, že to je možné. Změny se nějak dotknou každého z nás. Ne všechny budou příjemné. Třeba to, že některé soukromé firmy (Google, Facebook) o nás vše vědí a hodlají tato data využít ke svému prospěchu. Totéž, jak se zdá, platí o vládách některých zemí, jež v rámci podpory bezpečnosti internetu či pod pláštíkem boje proti pirátům či teroristům mají přístup k libovolným datům a mohou ho zneužít.
Musíme doufat, že velká data zpracovávající organizace si uvědomí, že skutečný prospěch nakonec mohou mít pouze tehdy, budou-li podporovat obecně prospěšné využití takových aplikací. Oblíbeným praktickým příkladem profesora Schönbergera, na němž ukazuje obrovský pozitivní potenciál velkých dat, je online aplikace Trendy výskytu chřipky ve světě od Googlu (Google Flu Trends). Jedná se o dokonalou ukázku datafikace. Výskyt chřipkového onemocnění v různých zemích je zde totiž identifikován analýzou toho, co lidé vkládají do vyhledávače. Stačí, aby hledali nejbližší lékárnu, acylpyrin apod., a pravděpodobnost jejich napadení virem výrazně stoupá. Sleduje-li se pak plošně nárůst těchto aktivit, lze výskyt choroby odhadnout úplně dokonale. Ve srovnání s klasickým postupem, který pracuje s počty pacientů v ordinacích lékařů, je tento výsledek nejen přesnější, ale též o několik dnů včasnější. To může mít v případě rizika epidemie velký význam.
Podobných příkladů ukazujících inovativní potenciál datafikace lze nalézt mnoho. Několik jsem jich vybral ze záznamu setkání významných vědců problematikou velkých dat se zabývajících, které se uskutečnilo v rámci panelu The Reality of Big Data v květnu na MITu:
Datafikace silně ovlivňuje formy poznávání skoro všeho, co se kolem nás odehrává. Mění principy řízení různých procesů i podniků. Celou řadu skutečností můžeme najednou detailně a přesně zkoumat na globální úrovni. V důsledku toho se některé vědecké discipliny stávají skoro zbytečnými. Jedná se o inovaci, která je momentálně extrémně populární a blíží se k nejvyššímu bodu tzv. hype cyklu (podle společnosti Gartner), po němž zákonitě následuje pokles. Je zcela jisté, že i přes nastávající možné mírné opadnutí zájmu ji čeká slibná budoucnost.
S velkými daty bychom to ale zase neměli moc přehánět. My lidé potřebujeme někdy uplatnit také svou intuici, život bez určité míry nejistoty, rizika, nevysvětlitelných jevů by byl velmi chudý. Zrovna v pedagogice se s nepředvídatelnými situacemi setkáváme velmi často (Jak roste oddenek?, Pedagogika nejistoty podle Jima Grooma). Z velkých dat lze vyčíst mnoho užitečného, úplně všechno ale zcela jistě ne.
Big Data - The New Book from Viktor Mayer-Schönberger and Kenneth Cukier
MAYER-SCHÖNBERGER, Victor; CUKIER, Kenneth. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Eamon Dolan, 2013. 256 s. ISBN 78-0544002692.
KEATING, Barry. The Datafication of Everything [online]. 2013. [cit. 2013-09-12]. Dostupné z: https://www.accentureacademy.com/~Blog/The_Datafication_of_Everything/view.aspx.
WLADAWSKY-BERGER, Irving. Big Data Takes Center Stage [online]. 2013. [cit. 2013-09-12]. Dostupné z: http://digitalcommunity.mit.edu/community/featured_content/big-data/blog/2013/07/12/big-data-takes-center-stage.
Tento materiál je publikován pod licencí Creative Commons – Uveďte původ – Neužívejte komerčně – Nezpracovávejte 3.0 ČR.