Uma corrida armamentista de Big Data

Por Yaz El Hakim

Não há como escapar: ‘[nós] e estamos vivendo na era dos dados’ (House of Commons, 2016, p. 3) e o relatório e prossegue afirmando que os dados globais devem crescer 40% ao ano na próxima década, dobrando efetivamente a cada dois anos. No mundo de hoje, a necessidade de considerar o que fazer no momento, mas também, o que pode acontecer como consequência dessa ação, torna-se cada vez mais importante. Uma postagem apressada de uma imagem, uma mensagem de texto emocional ou uma nova atualização de status – as consequências de um momento fugaz agora podem durar uma eternidade, mas também podem ser construídas em modelos de previsão do futuro.

A forma como nos envolvemos na recolha desta explosão de dados será importante, tanto numa perspectiva de crescimento da consciência social, como no subsequente impacto que uma maior consciência terá no mundo. Na verdade, ele já mostrou um profundo impacto na arena política, como demonstrou o Acordo de Paris sobre Mudanças Climáticas (Nações Unidas, 2015), ao construir seus argumentos centrais em massas de conjuntos de dados globais. O crescimento exponencial do Big Data e seu uso em todo o mundo está tendendo apenas em uma direção (não na banda), tal é sua popularidade, impactos e usos.

Algumas das estatísticas mais convincentes fornecidas à Câmara dos Comuns em “O dilema do big data” relatam o impacto que o big data pode ter na economia do Reino Unido.

As apostas para a economia do Reino Unido são enormes. O big data já é uma história de sucesso no Reino Unido, mas tem um enorme potencial não realizado, tanto como impulsionador da produtividade quanto como forma de oferecer melhores produtos e serviços aos cidadãos. Uma análise em 2012 calculou que o big data poderia criar 58.000 novos empregos em cinco anos e contribuir com £ 216 bilhões para a economia do Reino Unido, ou 2,3% do PIB, nesse período. No setor público, o big data pode aumentar a eficiência operacional e o direcionamento da prestação de serviços. (Câmara dos Comuns, 2016, p. 3)

Figura 1. House of Commons, 2016, p. 6

De uma perspectiva, posso entender as preocupações em torno do Big Data. A digitalização crescente de indivíduos por meio de sua pegada digital exclusiva ou o debate do Big Brother, incluindo as perguntas se alguém deveria ter acesso aos seus dados sem o seu consentimento? Essa sensação de sua esfera privada sendo invadida, analisada e usada para comercializar para você com cada vez mais precisão. Dito isto, muitos dos serviços de que desfrutamos online gratuitamente são frequentemente subsidiados por dados de tendência anônimos; e, em muitos casos, os dados melhoram o serviço ou a experiência. A verdade inevitável (e bastante deprimente, ou libertadora) é … Eu sou previsível! Sim, você ouviu aqui primeiro, minhas ações, minhas escolhas, minhas preferências e até mesmo meus “gostos” – são todos previsíveis (não 100%, mas quase). Ainda pior do que isso … o seu também! Cientistas da Northeastern descobriram que o comportamento do movimento humano era 93% previsível (Song, Qu, Blumm e Barabasi, 2010). Além dos movimentos que você está fazendo agora, só para provar que você é imprevisível, como: dançar no escritório, balançar os braços loucamente ou desligar o telefone. Talvez você também sinta algo sobre ser previsível?

No início, achei estranho e preocupante que durante toda a minha vida me senti no controle e a percepção de controle veio com as supostas escolhas únicas que fiz. Mas quando você considera quantas escolhas você realmente faz a cada dia, começando com de que lado da cama pular, você percebe que muitas dificilmente são escolhas. Eles são, na verdade, hábitos. São esses hábitos previsíveis que o Big Data pode adquirir facilmente e, à medida que os conjuntos de dados se tornam mais abertos e podem ter referências cruzadas mais facilmente com outros conjuntos de dados, a previsibilidade aumentará. A ‘Data Arms Race’ foi escrita por muitos autores (Steinberg, 2014 & amp; Strong, 2015), mas uma das áreas em que está começando a ganhar força é na Learner Analytics (Sclater, 2014), graças ao líder mundial trabalho sendo feito por Jisc. Isso é visto claramente nas evidências fornecidas pela Jisc no Dilema do Big Data, onde eles declararam (na evidência BIG0027):

O envolvimento adequado com o público em iniciativas de big data (especialmente os segmentos do público de quem os dados serão coletados) é crucial. De fato, no caso da criação de análises de aprendizagem, a Jisc reconheceu em um estágio inicial que as possíveis objeções éticas e legais à análise de aprendizagem eram barreiras para o desenvolvimento do campo, o que poderia negar aos alunos e funcionários de instituições de ensino superior os benefícios da análise preditiva e aprendizagem adaptativa.

Na prática, as primeiras indicações são de que os usuários valorizam os benefícios que o big data pode oferecer. Os dados da pesquisa da Nottingham Trent University, uma das primeiras a adotar o uso de análise de aprendizagem, sugere que os alunos são “fortemente positivos” sobre análise, com 93% deles afirmando que gostariam de ser avisados ​​se estiverem sob risco de fracasso. (Jisc, 2015, p. 2)

Quando estava treinando como Psicólogo do Esporte na Universidade de Chichester, aprendi duas coisas que transformaram a maneira como eu via os eventos da minha vida. A primeira era ‘Controlar os Controláveis’ (graças ao Dr. Ian Greenlees e ao Prof Tim Holder) – concentre-se no que você pode controlar, por exemplo o tempo gasto no treinamento ou na análise das performances anteriores de um oponente. Em segundo lugar, o maior indicador de desempenho futuro era o desempenho anterior, que me assombrava como Diretor de Aprendizagem e Ensino da Universidade de Winchester. Saber que as melhorias no desempenho de um indivíduo são muitas vezes pequenas e incrementais, até que os limites do conceito sejam ultrapassados ​​ou as principais habilidades sejam aprendidas e se tornem autônomas, pode deixar muitos frustrados em seu aprendizado e percepções de melhoria. Então, você só precisa de alguma variação de marcador em um departamento e a percepção de progresso em relação a um padrão pode ser destruída, com ela a motivação, a confiança e às vezes a persistência do aluno.

O Big Data mudará isso profundamente! Eu acredito que os conjuntos de dados triangulados na educação irão:

– criar níveis de consciência transformadores em indivíduos, instituições e no setor, permitindo assim a realização ágil de conceitos, eficiências e maior realização do potencial humano
– identificar hábitos eficazes e encorajar aqueles a serem praticados e fortalecidos (possivelmente através de jogos ou microcredenciamento)
– fornecer às instituições evidências para melhorar o suporte, criar prevenção proativa em oposição às curas reativas e aumentar a retenção, bem como o sucesso do aluno
– permitir que os alunos entendam melhor as expectativas de Ensino superior por meio de exemplos modelados e dados de tendências sobre hábitos e desempenhos de sucesso a serem adotados

Sem dúvida, haverá muitos mais; mas o impacto, a empolgação e o potencial desse campo na educação é possivelmente o desenvolvimento mais emocionante que testemunhei em minha carreira até hoje. Uma mudança de proxies de excelência de ensino para pontos de dados explícitos e hábitos nas jornadas de aprendizagem!

A corrida começou e eu acredito que a melhoria do aprendizado dos alunos vai liderar o grupo – pelo menos eu tenho uma nota de cinco!

Lista de Referência

House of Commons (2016) O dilema do big data: quarto relatório da sessão 2015–16 (HC 468) (Acesso: 29 de fevereiro de 2016).

Jisc (2015) Provas escritas apresentadas por Jisc (BIG0027). (Acesso: 7 de março de 2016).

Sclater, N. (2014) Código de prática para análise de aprendizagem Uma revisão da literatura sobre as questões éticas e legais (Acesso: 29 de fevereiro de 2016).

Song, C., Qu, Z., Blumm, N. e Barabasi, AL (2010) ‘Limits of previsibilidade na mobilidade humana’ , Science, 327 (5968), pp. 1018 –1021. doi: 10.1126 / science.1177170.

Strong, C. (2015) A corrida armamentista de big data, parte um: percepções dos profissionais de marketing. (Acesso em: 29 de fevereiro de 2016).

Steinberg, D.A. (2014) A corrida armamentista de big data começou. (Acesso em: 29 de fevereiro de 2016).

Nações Unidas (2015) Adoção do Acordo de Paris (Acesso: 29 de fevereiro de 2016).

Originalmente publicado em www.refme.com em 7 de março de 2016.