Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Índice
1 Introducción a la enseñanza de este tema ........................................................................... 2
1.1 Motivación para el tema .................................................................................................... 2
¿Por qué es importante este tema para sus alumnos? ..................................................... 2
1.2 Ideas didácticas ................................................................................................................ 2
Objetivos de aprendizaje del tema de Big Data................................................................. 3
1.3 Propuestas metodológicas e ideas didácticas ................................................................... 3
1.4 Selección de medios ......................................................................................................... 4
2 Introducción al tema de Big Data (parte A) .......................................................................... 4
2.1 Introducción temática con referencia a nuestro mundo ..................................................... 4
2.2 Rastros de datos, protección de datos y seguridad de datos ............................................ 6
3 Ejemplos prácticos de Big Data (parte B) ............................................................................ 6
3.1 Las personas y sus rastros de datos................................................................................. 6
3.2 Recopilaciones de datos y sus consecuencias (ejemplos prácticos) ................................. 7
3.2.1 Ejemplo práctico: Big Data y la Internet de las cosas ................................................. 7
3.2.2 Ejemplo práctico: Big Data y la computación en la nube ............................................ 7
3.2.3 Ejemplo práctico: Big Data y los mundos virtuales de juego ...................................... 7
3.2.4 Ejemplo práctico: Big Data y la publicidad en línea personalizada ............................. 8
3.2.5 Ejemplo práctico: Big Data y las campañas electorales basadas en datos ................ 8
3.2.6 Ejemplo práctico: Big Data y la vigilancia estatal ....................................................... 8
3.3 Ventajas y desventajas de la recopilación de datos .......................................................... 9
4 Oportunidades y desafíos de Big Data (parte C) ................................................................. 9
4.1 Desarrollos de la sociedad en su conjunto ........................................................................ 9
4.2 Vestibles ........................................................................................................................... 9
4.3 Cuestiones futuras relacionadas con Big Data ................................................................ 10
4.4 Mirada al futuro ............................................................................................................... 10
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 1 de 11
Guía
El paquete de medios didácticos "Big Data" se divide en tres partes: la parte A contiene una intro-
ducción, la parte B ejemplos prácticos y la parte C oportunidades y desafíos. Con cada parte au-
menta el nivel. La parte A ofrece una visión general y una introducción al área temática. En la
parte B, el tema es más concreto y lo que se ha aprendido es consolidado con ejemplos prácticos.
La parte C dirige el enfoque hacia cosas más profundas.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 2 de 11
Guía
De este modo, el paquete de medios didácticos ofrece la posibilidad de utilizarlo con alumnos sin
conocimientos previos sobre el tema, por un lado, y por otro, es posible saltarse una parte si se
tiene un nivel de conocimientos avanzado.
El paquete de medios didácticos se puede utilizar en diferentes niveles escolares. El uso de las
partes A y B está concebido para el grado 7, los medios de la parte C son adecuados para el
grado 10. Esto significa que el paquete de medios didácticos "Big Data" puede acompañar a los
alumnos a través de los diferentes niveles escolares hasta sus exámenes finales.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 3 de 11
Guía
El tema de Big Data está estrechamente relacionado con los temas de la inteligencia artificial y los
algoritmos, cada uno de los cuales dispone de su propio paquete de medios didácticos en el Por-
tal de medios de la Siemens Stiftung:
https://medienportal.siemens-stiftung.org/es/inteligencia-artificial-112779
https://medienportal.siemens-stiftung.org/es/algoritmos-en-nuestra-vida-diaria-113225
En la vida cotidiana, cada persona genera muchos datos diferentes, dejando tras sí rastros de da-
tos que son registrados. Sin embargo, también son recopilados datos que no proceden de los se-
res humanos, por ejemplo, datos meteorológicos como la temperatura o las precipitaciones. La
recopilación, consolidación, archivo y procesamiento de estos datos, en gran medida automáticos,
plantea una serie de cuestiones que deben considerarse con más detalle en el análisis posterior
del paquete de medios didácticos: ¿Cómo recopilan exactamente las redes sociales los datos so-
bre sus usuarios? ¿De qué clase son estos datos? ¿Qué conclusiones pueden extraerse de estos
datos? ¿En qué puede ayudar Big Data? ¿Dónde residen los riesgos? ¿Qué pasa con la privaci-
dad, es decir, con la protección de datos? ¿Qué puede hacer cada individuo para proteger sus da-
tos personales?
Después de la introducción, el término puede ser definido para que el tema pueda ser determi-
nado y delimitado. Big Data es un término en inglés que puede traducirse como “masas de datos”.
La definición se limita a los aspectos esenciales que describe el término Big Data, para crear un
marco básico y un punto de partida a partir de los cuales la complejidad de esta área temática
pueda examinarse sucesivamente con más detalle a lo largo del tiempo. El gráfico ilustra entonces
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 4 de 11
Guía
la descripción de Big Data utilizando las llamadas tres V: Volumen (gran cantidad de datos), Velo-
cidad (procesamiento de datos a alta velocidad), Variedad (diversidad de datos).
Los dos medios que se describen a continuación amplían la definición con explicaciones más de-
talladas y requieren de un cierto nivel de abstracción. Sin embargo, se puede también omitir el
contenido. Es posible continuar directamente con el video explicativo después de definir el término.
El término Big Data representa una multitud de aplicaciones y procesos tecnológicos. Una forma
de recogida de datos es el llamado seguimiento en los sitios web a través de las denominadas
“cookies” o el seguimiento a través de las redes sociales. La toma de huellas dactilares es una
forma más reciente de seguimiento que no requiere “cookies”. A continuación, los datos son eva-
luados, por ejemplo, mediante el proceso de minería de datos. Este describe la búsqueda y eva-
luación selectivas de información utilizando métodos estadísticos, a partir de grandes cantidades
de datos.
El módulo gráfico y el módulo informativo interactivo ilustran la minería de datos con los tipos de
análisis típicos de “clustering” (búsqueda de similitudes y formación de grupos), análisis de asocia-
ción (establecimiento de dependencias de características y reglas) y análisis regresivo (determina-
ción de correlaciones a partir de datos existentes).
Medios: Hoja informativa “Big Data - Los procedimientos detrás del término”
Gráfico “Big Data – El procedimiento de minería de datos”
Módulo informativo “Big Data – Minería de datos”
Posteriormente el término Big Data puede ser ilustrado de nuevo con el video explicativo y la vista
puede ser ampliada de nuevo. A través del personaje principal del video con el nombre de Loki y
la captación de aplicaciones de ejemplo, se vuelve a hacer referencia directa al entorno vital de
los alumnos. El video responde a la pregunta acerca de cómo dejar rastros de datos que sean
pertinentes para Big Data. Esto se hace, por ejemplo, a través de las redes sociales, la determina-
ción de la ubicación o las aplicaciones para aptitud física y seguimiento en relojes inteligentes. Es-
tos procesos a menudo no resultan visibles. Las empresas privadas o instituciones científicas tra-
bajan a continuación con los datos obtenidos. La publicidad y las ofertas son direccionadas en
consecuencia o se extraen conclusiones de ellas que pueden servir a la sociedad. En algunos paí-
ses, la publicidad personalizada no es (todavía) muy notable, pero el principio debería ser recono-
cido. Hay varios tipos de uso y de actores y, por consiguiente, tanto consecuencias positivas como
negativas, que se pueden ilustrar con el video. El video consta de tres partes distintas para que el
profesor o profesora también pueda intervenir y discutir.
Además, se dispone de una idea didáctica que sugiere el uso del video en clase como parte de
una discusión de pros y contras. ¿Deberían recopilarse, analizarse y evaluarse los datos de Loki?
¿Cuáles son las consecuencias? La idea didáctica da pistas para el plan didáctico y sugiere posi-
bles argumentos como ayuda para la discusión.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 5 de 11
Guía
Medio: Hoja de trabajo “Big Data – Rastros de datos” (con hoja de respuestas)
El gráfico al principio presenta ejemplos prácticos con símbolos y títulos. El profesor o profesora
puede usarlo como una introducción a la parte B e inicialmente dirigir una discusión abierta en
torno a las siguientes preguntas: ¿Qué ejemplos les resultan familiares? ¿Qué saben acerca de
eso? ¿Pueden describir la conexión entre uno de los ejemplos y Big Data?
El objetivo de la hoja informativa es proporcionar información más detallada sobre las recopilacio-
nes y evaluaciones de datos que se basan en la parte introductoria del paquete de medios didácti-
cos, pero que todavía no se han tenido en cuenta en el mismo. Los ejemplos prácticos contenidos,
que también se ilustran en el gráfico, concretan la información y se muestran las conexiones entre
los ejemplos.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 6 de 11
Guía
Medios: Hoja informativa “Ejemplo práctico de Big Data – Internet de las cosas”
Gráfico “Ejemplo práctico de Big Data – Internet de las cosas”
Estos medios también son adecuados para la asignatura de Física (en el sentido de una extrapo-
lación).
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 7 de 11
Guía
Estos medios son adecuados adicionalmente para las asignaturas de Cívica y política y de Ética.
3.2.5 Ejemplo práctico: Big Data y las campañas electorales basadas en datos
En las campañas electorales, los partidos políticos y sus ayudantes dependen cada vez más de
Big Data. Para esto analizan las bases de datos de perfiles que se pueden comprar, crean ellos
mismos aplicaciones y sitios web que recopilan datos y hacen uso de directorios electorales acce-
sibles. Utilizan los datos obtenidos y evaluados de esta manera para la comunicación en las redes
sociales, entre otras cosas, y pueden dirigirse a grupos definibles de manera específica.
Medios: Hoja informativa “Ejemplo práctico de Big Data – Campaña electoral ba-
sada en datos”
Gráfico “Ejemplo práctico de Big Data – Campaña electoral basada en
datos”
Estos medios son adecuados adicionalmente para las asignaturas de Cívica y política y de Ética.
Estos medios son adecuados adicionalmente para las asignaturas de Instrucción cívica / Política y
de Ética.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 8 de 11
Guía
4.2 Vestibles
Los llamados "vestibles" son abordados en un gráfico informativo y un módulo informativo interac-
tivo. Se trata de sistemas inalámbricos que se llevan en el cuerpo y transmiten los datos directa-
mente, o a través de protocolos de radio, a teléfonos inteligentes, tabletas o computadoras. De
esta manera, las oportunidades y los retos son concretados a través de un ejemplo. Las sub-áreas
mostradas pueden ser vistas y debatidas individualmente o como un todo. Una posible asignación
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 9 de 11
Guía
de trabajo para los alumnos es discutir, sobre la base de la información presentada, si pueden
imaginar el uso de vestibles en el futuro o no, y justificar esta decisión.
Los gráficos y el módulo de información presentan los vestibles utilizando ejemplos y áreas de
aplicación. Estos son, por ejemplo, los relojes inteligentes o los contadores de pasos. El segui-
miento automático se lleva a cabo a través de ellos. El seguimiento automático se centra principal-
mente en las funciones corporales de los usuarios y debería mejorar su salud y estado físico. Va-
rios actores están interesados en los datos recopilados: además de la persona que lo utiliza, por
ejemplo, están las compañías aseguradoras de salud o las instituciones científicas. Las oportuni-
dades incluyen, entre otras, un mejor cuidado de la propia salud y la facilitación de los exámenes
médicos. Los desafíos incluyen, entre otros, una creciente transferencia de la responsabilidad de
la sociedad al individuo y el uso indebido de los datos de salud con valor comercial.
La lista de enlaces contiene algunas referencias a vestibles y rastreadores de salud y aptitud fí-
sica, que pueden utilizarse para obtener información más detallada.
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 10 de 11
Guía
poner de manifiesto que existe un margen de acción, tanto ahora como en el futuro, y que el di-
seño del mismo puede tener un efecto directo sobre la propia vida cotidiana. En una hoja de tra-
bajo se presentan cinco escenarios futuros ficticios en los ámbitos vitales de las compras, la vejez,
el tráfico vial, la nutrición y las compras en línea. Los alumnos evalúan los escenarios desde su
punto de vista y luego justifican su evaluación. La hoja de soluciones muestra posibles aspectos
que pueden desempeñar un papel en la evaluación.
Medio: Hoja de trabajo “Big Data – Escenarios futuros” (con hoja de respues-
tas)
© Siemens Stiftung 2019. Contenido licenciado bajo CC BY-SA 4.0 internacional Página 11 de 11