ارائه چارچوبی مفهومی برای به‌کارگیری کلان‌داده‌ها در سیاست‌گذاری آموزش عالی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت آموزش عالی، دانشگاه علامه طباطبایی

2 استادیار گروه نوآوری آموزشی و درسی، مؤسسه پژوهش و برنامه‌ریزی آموزش عالی

3 استادیار گروه مدیریت آموزش عالی، مؤسسه پژوهش و برنامه‌ریزی آموزش عالی

چکیده

پژوهش حاضر با هدف ارائه چارچوبی مفهومی برای به‌کارگیری کلان‌داده‌ها در آموزش عالی، اجرا شد. نوع پژوهش، کاربردی و از روش توصیفی- تحلیلی بهره گرفته شده است. بررسی مفاهیم کلان‌داده‌ها از سال 2001 آغاز شده که در بسیاری از کشورها این مفهوم نخست در حوزه تجارت مورد توجه قرار گرفته و پس از آن از سال 2011 به‌طور مشخص وارد حوزه آموزش عالی شده است. یافته‌های پژوهش نشان می‌دهند با توجه به حجم داده‌هایی که هر یک از بازیگران آموزش عالی در سه بخش فعالیت‌های نهادی، برنامه‌های دانشگاهی و آموزش تولید می‌کنند، نیاز به فهم ارتباط‌ میان داده‌ها، برای برنامه‌ریزی و سیاست‌گذاری‌ بیش از پیش احساس می‌شود. از مهم‌ترین این یافته‌ها می‌توان به تولید و ثبت داده‌های ساخت نیافته در آموزش عالی، نبود ساختاری یکپارچه برای مدیریت داده‌های ساختمند با تنوع ساختاری، اهمیت بعد اجتماعی در برابر بعد فنی آن و کاربرد چشم‌گیر کلان‌داده‌ها در آموزش اینترنتی اشاره کرد. درنهایت، در این مطالعه با توجه به ساختار و مدیریت نظام آموزش عالی در ایران، الگویی در سه سطح دانشگاه، استان و منطقه برای یکپارچه‌سازی داده‌های تولید شده در بخش‌های آموزش، پژوهش، برنامه درسی، آموزشگران و مطالب آموزشی و داده‌های آموزشی پیشنهاد شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Developing a Conceptual Framework for Implementing Big Data in Higher Education Policy-Making

نویسندگان [English]

  • Shadi Rouhani 1
  • Zahra Rashidi 2
  • Somayeh Fereidouni 3
چکیده [English]

The purpose of this study was to provide a conceptual framework for implementing big data in higher education. In this applied research, the researcher used descriptive-analytical research methodology. The notion of big data was introduced in 2001 and the majority of countries were primarily focused on the realm of business. However, the latter notion finally entered into higher education in 2011. The findings illustrated that given that each stakeholder in higher education produces huge data in three sections of intuitional activities, academic programs and educational programs, the relation between the data must be essentially perceived so that further planning and policy-making may proceed smoothly. In addition, generating unstructured data in higher education, absence of integrated structure in order to manage the diverse structured data, significance of social dimension over technical dimension and notable application of big data in Internet-driven teaching were among the most important findings in this realm. Ultimately, according to the management and structure of higher education in Iran, it is recommended to design a pattern in three layers of university, province and region in order to integrate data generated in education, research, curriculum and teachers as well as educational contents and data.

کلیدواژه‌ها [English]

  • Big Data
  • Higher Education
  • Policy-making
  • conceptual framework

باقری، اصغر و کریم‌اف، موسی (1392). تحلیلی نقادانه از روند تاریخی آموزش عالی در ایران. جامعه‌پژوهی فرهنگی، 4 (1)، 23 – 57.

جاودانی، حمید (1395). راهنمای بازآرایی نظام پاداش‌دهی و کارراهه اعضای علمی نهادهای تولید دانش ایرانی. تهران: مؤسسه پژوهش و برنامه‌ریزی آموزش عالی.

سرمد، زهره؛ بازرگان، عباس و حجازی، الهه (1395). روش‌های تحقیق در علوم رفتاری. تهران: انتشارات آگاه.

صراف‌زاده، مریم (1394). مدیریت کلان‌داده‌های پژوهشی: نقش نوین برای کتابخانه‌های دانشگاهی. فصلنامه نقد کتاب اطلاع‌رسانی و ارتباطات، 2، (6)، 265-274.

فراستخواه، مقصود (1389). دانشگاه و آموزش عالی: منظرهای جهانی شدن و مسئله‌های ایرانی. تهران: نشر نی.

مرکز تحقیقات مخابرات ایران (1396). گزارش تحلیلی نخستین پیمایش کلان‌داده‌ها در ایران. تهران: پژوهشگاه ارتباطات و فناوری اطلاعات.

معصوم‌زاده، سید محسن و انصاری، محمدتقی (1388). علم پژوهش و فناوری: عوامل مؤثر در شکل‌گیری دانشگاه کارآفرین. رهیافت، 44، 4 – 11.

نادری،‌ عزت‌الله و سیف نراقی، مریم (1395). روش‌های تحقیق و چگونگی ارزشیابی آن در علوم انسانی (با تأکید بر علوم تربیتی). تهران: انتشارات ارسباران.

 

Baker, R. S. J. D. (2013). Learning, schooling, and data analytics. Handbook on innovations in learning for states, districts, and schools, Pp. 179–190. Philadelphia, PA: Center on Innovations in Learning.

Bollier, D. & Firestone, C. M. (2010). The promise and peril of big data. Aspen Institute, Communications and Society Program.

Boyd, D. & Crawford, K. (2012). Critical questions for Big Data. Communication & Society, 15 (5), 662–679. doi: 10.1080/1369118X.2012.678878.

Bughin, J.; Chui, M. & Manyika, J. (2010). Clouds, big data, and smart assets: Ten tech-enabled business trends to watch. McKinsey Quarterly, 56, 1- 14.

Clarke, J.; Nelson, K. & Stoodley, I. (2013). The place of higher education institutions in assessing student engagement, success and retention: A maturity model to guide practice. In S. Frielick, N. Buissink-Smith, P. Wyse, J. Billot, J. Hallas & E. Whitehead (Eds), Proceedings of Research and Development in Higher Education Conference: The Place of Learning and Teaching, Vol. 36, Pp. 91–101, Auckland, New Zealand, 1–4 July 2013.

Cope, Bill & Kalantzis (2015). Big Data Comes to School: Re-conceptualizing Evidence and Research in the Era of Technology-mediated Learning, College of Education. A seminar sponsored by the Bureau of Educational Research.

Daniel, Ben K. (2018). Big data and learning analytics in higher education: Current theory and practice, chapter 3: Big Data in Higher Education: Springer International Publishing Switzerland Pp. 19-28.

Data, data everywhere (2010). The Economist.

Drigas, Athanasios S. & Leliopoulos, Panagiotis (2014). The Use of Big Data in Education. International Journal of Computer Science Issues, 11 (5), 58 – 63.

EDUCAUSE (2005). Decision Support/data Warehousing Constituent Group. http://www.educause.edu/Decision

Hazelkorn, E. (2007). The impact of league tables and ranking systems on higher education decision making. Higher education management and policy, 19 (2), 1–24.

Hilbert, M. (2013). Big Data for Development: From Information- to Knowledge Societies (January 15, 2013). Retrieved October 30, 2014, from http://ssrn.com/abstract =2205145 or http://dx.doi.org/10.2139/ssrn.2205145

Hrabowski, F. A.; Suess, J. & Fritz, J. (2011). Assessment andAnalytics in institutional transformation. EDUCAUSE REVIEW, Pp.15–28. Retrieved March 24, 2014, from https://net.educause.edu/ir/library/pdf/ERM1150.pdf

Jacobs, A. (2009). The pathologies of big data. Communications of the ACM - A Blind Person's Interaction with Technology, 52 (8), 36–44.

Long, P. & Siemen, G. (2011). Penetrating the fog: analytics in learning and education. EDUCAUSE Review, 46 (5), 30–40.

Luan, J. (2002). Data mining and its applications in higher education. In A. Serban & J. Luan (Eds), Knowledge management: building a competitive advantage in higher education, Pp. 17–36, PA: Josey-Bass.

Manyika, J.; Chui, M.; Brown, B.; Bughin, J.; Dobbs, R.; Roxburgh, C. et al (2011). Big data: the next frontier for innovation, competition, and productivity. Retrieved October 7, October 30, 2014.

Picciano, Anthony G. (2012). The Evolution of Big Data and Learning Analytics in American Higher Education. Journal of Asynchronous Learning Network16 (3), 9 - 20·

Ridley, D. (2017). Editorial: The myth of the market. HE Marketisation, https://hemarketisation.wordpress.

Savin –Baden, Maggi (2015). Education and Big Data, Encyclopedia of Educational Philosophy and Theory. Springer Science+Business Media Singapore.

Siemens, G. & Gasevic, D. (2012). Guest Editorial-Learning and Knowledge Analytics. Educ. Technol. Soc. 15 (3), 1–2.

Siemens, G. & Long, P. (2011). Penetrating the fog: Analytics in learning and education. Educ. Rev.46 (5), 30–32.

Soares, Louis (2013). The Rise of Big Data in Higher Education, presented in EDUCAUSE webinar, retrieved at http://www.educause.edu/library/resources/rise-big-data-higher-education

Surowiecki, James (2004). The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies and Societies, Doubleday; Anchor.

Tulasi, B (2014). Learning Analytics and Big Data in Higher Education. International Journal of Engineering Research & Technology (IJERT), 3 (1), 81 – 85.

Tulasi, B. (2013). Significance of Big Data and analytics in higher education. International Journal of Computer Applications, 68 (14), 23–25.

Vaswani, G. & Bhatia, A. (2013). A Real Time Approach with BIG Data – A review. International Journal of Advanced Research in Computer Science and Software Engineering, 3 (9), 188 – 192.

Wagner, E. & Ice, P. (2012). Data changes everything: delivering on the promise of learning analytics in higher education. EDUCAUSE Review, July/August, Pp.33–42.

Wassan, Jyotsna Talreja (2014). Discovering Big Data Modelling for Educational World. Social & Behavioral Sciences, 176, 642 – 649.

West, D. M. (2012). Big Data for Education: Data Mining, Data Analytics, and Web Dashboards, Gov. Stud. Brook. US Reuters, 2012.

Yang, L. (2013). Big Data Analytics: What Is the Big Deal? Retrieved December 30, 2013, from http:// knowledge.ckgsb.edu.cn/2013/12/30/technology/big-data-analyticswhats-big-deal/

Zeide, Elana (2017). The Structural Consequences of Big Data-Driven Education. Journal of Big Data, 5 (2), 164-172.