ӘДЕБИЕТТЕР
1.
Белинский В.Г. О литературе // Полное собрание сочинений. – М.: Просвещение,
1953. – Т 5. – 768 с.
2.
Әбдезұлы Қ. Тарих және тағдыр. – Алматы: Қазығұрт, 2004. – 208 б.
3.
Қазақ поэзиясындағы дәстүр ұласуы. – Алматы: Ғылым, 1981. – 320 б.
4.
Аяпбергенұлы Р. Ф. Оңғарсынова поэмалары // Қазақ тілі мен әдебиеті. – 2002. –
№5. – Б. 30–31.
5.
Мүтитегі З. Ф. Оңғарсынованың лирикасы: Филол. ғыл. канд. дис.: 10.01.02. –
Алматы, 2000. – Б. 87–88.
6.
Оңғарсынова Ф. Шашы ағарған қыз // Мақала, эссе, повестер. – Алматы: Жазушы,
1990 – Б. 125-127.
7.
Мұқанов С. Халық мұрасы. – Алматы: Жазушы, 2003. – 304 б.
8.
Мүсірепов Ғ. Ақын Сараға соқтықпасақ қайтер // Заман және әдебиет. – Алматы:
Жазушы, 1982. – Б. 132-134.Нарымбетов Ә. Қазіргі қазақ поэмасы. – Алматы: Жазушы, 1982.
– 248 б.
9.
Айтқожина М. “Ешкіөлместегі ескерткіш” // Социалистік Қазақстан. – 1974. – 8
наурыз.
10.
Кәкішев Т. Өрелі де кестелі ойлар // Айтқожина М. Таңдамалы. – Алматы:
Жазушы, 1986. – Б. 114-116.
11.
Иманасов С. Ғашықпын саған // Өлеңдер мен поэмалар. – Алматы: Ғылым,
1981. – Б. 240-242.
99
ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ BIG DATA В СИСТЕМЕ
ТЕРРИТОРИАЛЬНОГО УПРАВЛЕНИЯ СФЕРОЙ ОБРАЗОВАНИЯ В РЕСПУБЛИКЕ
КАЗАХСТАН
Жилкишбаев Асхат Асылханович
Каспийский университет технологий и инжиниринга имени Ш. Есенова,
Актау, Казахстан
Применение систем анализа и планирования развития учебных заведений (школы,
колледжи, университеты) способствует быстрому распространению знаний, навыков и
лучших педагогических практик в определенных географических границах, таких как город,
регион, государство. Для комплексного анализа информации на уровне отдельного региона
(области) необходимо: хранить и управлять информацией в размере нескольких петабайт;
обрабатывать как структурированную, так и неструктурированную (в виде текстовых
отчетов) информацию, работать с картографическими и фактографическими данными;
анализировать разнотипную информацию, используя как консолидированный, так и
федеративный подход для ее получения.
Процесс построения обобщенной (комплексной) модели сферы образования региона
(начиная со школы и заканчивая подготовкой магистров и PhD) осложняется разнообразием
моделей данных, а также наличием различных уровней агрегации данных.
Одной из популярных технологий для разработки систем территориального
управления сферой образования является Big Data (Большие данные) [1]. С Big Data нельзя
работать, применяя традиционные методологии и программные средства для небольших баз
данных. Прежде всего, последнее обусловлено большим размером данных, скоростью их
поступления, возможностями анализа и его сложностью. Такие исследователи как
George, G.,
Haas, M. R., Pentland, A.
[2] разработали методики и программные средства для передачи
данных и добычи информационных гранул из Big Data (коллекции объектов). Однако
появление новых форматов данных требует постоянного расширения и совершенствования
существующих методов анализа Big Data, в частности для задач использования технологий
Big Data в системах территориального управления учебными заведениями.
Методы машинного обучения и визуализации данных позволяют обработать и
графически представить результаты анализа данных больших объемов (сотни тысяч или
миллионы кортежей). Однако нерешенной задачей остается задача построения отображения
между моделями данных различных источников. В работах [2,3] обосновано использование
многомерной модели для представления Big Data и построения отображения в реляционную
модель. Однако использование базы данных «ключ-значение» как источника данных для
многомерной модели является неприемлемым. В [4] предложено использовать объектно-
ориентированный подход, однако ограничением является количество связей между
объектами. В настоящий момент, единого подхода к обработке Big Data не найдено.
Если анализировать возможность использования Big Data в системах планирования и
анализа территориального развития сферы образования Республики Казахстан, то имеем:
•
сотни тысяч сущностей: люди, места, организации (физические, юридические),
даты, законодательные акты и отчеты. Возможны и другие данные, например, медицинские;
•
база данных характеристик сущностей с сотнями тысяч кортежей: документы для
интеллектуального анализа данных, онтологические сроки, словари данных, которые
позволяют отразить связи между объектами.
Основываясь на этой информации, мы должны решить, какие сущности и как связаны
между собой с целью их последующего анализа.
Поэтому задача разработки методов и средств обработки и анализа разнородной
информации на основе Big Data для процессов территориального управления учебными
заведениями является актуальной. А новые исследования в этом направлении
представляются перспективными.
100
Достарыңызбен бөлісу: |