G.C.E. A/L ICT Tamil Medium Competency 1.1 | தரவு மற்றும் தகவல் Sri Lankan G.C.E. A/L ICT Tamil Medium complete notes for Competency 1.1. Covers Data, Information, Data Life Cycle, Big Data (5Vs), and Valuable

📚 G.C.E. A/L ICT (தமிழ் ஊடகம்)

Competency 1.1: தகவலின் அடிப்படை கூறுகள் மற்றும் அவற்றின் பண்புகள்

📌 இந்தப் பாடத்தின் கற்றல் நோக்கங்கள்: தரவு (Data), தகவல் (Information), Data Life Cycle, தரமான தகவலின் பண்புகள், மற்றும் Big Data பற்றிய அடிப்படை அறிவை Theory, Examples, மற்றும் Question & Answer வடிவில் எளிமையாகக் கற்றுக்கொள்ளலாம்.

Theory

Data (தரவு) என்றால் என்ன?

Data என்பது எந்தவொரு செயலாக்கமும் (Process) செய்யப்படாத உண்மைகள் (Raw Facts) அல்லது மதிப்புகள் ஆகும். இவை தனியாக இருந்தால் பெரிதாக அர்த்தம் தராது.

• எண்கள், எழுத்துக்கள், படங்கள், ஒலி, வீடியோ, குறியீடுகள் போன்ற பல வடிவங்களில் இருக்கும்.

உதாரணம்: 45, 67, 89 அல்லது John, Male, 25, Colombo

Theory

Information (தகவல்) என்றால் என்ன?

Data-வை Process (செயலாக்கம்) செய்த பிறகு கிடைப்பதே Information ஆகும். இது Meaningful (அர்த்தமுள்ள), Useful (பயனுள்ள), மற்றும் Decision Making (முடிவெடுக்க) உதவும்.

உதாரணம்: 65, 70, 90, 80 (Data) → Average: 76.25 (Information)

Comparison

Data மற்றும் Information இடையிலான வித்தியாசம்

Data (தரவு)	Information (தகவல்)
Raw Facts (மூல உண்மைகள்)	Processed Data (செயலாக்கப்பட்ட தரவு)
Meaning (அர்த்தம்) இல்லை	Meaning (அர்த்தம்) உள்ளது
Decision (முடிவு) எடுக்க முடியாது	Decision எடுக்க உதவும்
Input (உள்ளீடு)	Output (வெளியீடு)

Q&A

கேள்வி: Data மற்றும் Information இன் இரண்டு வித்தியாசங்களை எழுதுக.

பதில்: 1. Data என்பது Raw Facts. 2. Information என்பது Process செய்யப்பட்ட Data.

Theory

Data Life Cycle (தரவு வாழ்க்கைச் சுழற்சி)

Data தொடர்ந்து கீழ்க்கண்ட கட்டங்களைக் கடக்கிறது:

Creation → Storage → Processing → Use → Sharing → Archive → Delete

1. Data Creation: Keyboard, Sensors, Scanner, Camera, Online Form மூலம் புதிய Data உருவாக்கப்படுவது.

2. Data Management: Data-வை Store, Update, Backup, Protect, Recover செய்வது (எ.கா: Bank Database).

3. Removal of Obsolete Data: பயன்பாடு இல்லாத பழைய Data-வை நீக்குதல். (நன்மைகள்: Memory Save, Fast Processing, Security, Less Cost).

Theory

Data இன் வகைகள்

• Numeric Data: 25, 100, 450
• Text Data: Faaz, School, ICT
• Image Data: Photo, PNG, JPEG
• Audio Data: MP3, WAV
• Video Data: MP4, AVI

Q&A

கேள்வி: Data Life Cycle என்றால் என்ன?

பதில்: Data உருவாக்கப்பட்டு (Creation), பாதுகாக்கப்பட்டு (Management), இறுதியில் பயன்பாடு இல்லாத போது நீக்கப்படுவது (Removal) வரையிலான சுழற்சி.

Theory

Quality Data (தரமான தரவு)

தரமான Data ஆனது Correct (சரியான), Complete (முழுமையான), Consistent (நிலையான), Reliable (நம்பகமான), மற்றும் Valid (செல்லுபடியாகக்கூடிய)தாக இருக்க வேண்டும்.

உதாரணம்: Name, Age, Address, Phone அனைத்தும் சரியாக இருந்தால் அது Quality Data.

Theory

Valuable Information இன் 5 முக்கிய பண்புகள்

• 1. Timeliness: தேவையான சரியான நேரத்தில் தகவல் கிடைப்பது. (எ.கா: இன்றைய Weather Report).
• 2. Accuracy: தகவல் பிழையின்றி துல்லியமாக இருப்பது. (எ.கா: Exam Marks சரியாக இருத்தல்).
• 3. Context: தகவல் தேவையான சூழ்நிலைக்குப் பொருத்தமாக இருப்பது. (எ.கா: Doctor-க்கு நோயாளியின் Health Report).
• 4. Understandability: தகவல் Chart, Graph, Table மூலம் எளிதாகப் புரியக்கூடியதாக இருப்பது.
• 5. Less Uncertainty: சரியான முடிவெடுக்கத் தேவையான தெளிவான தகவல் (சந்தேகத்தைக் குறைப்பது). (எ.கா: GPS Navigation).

Theory

Big Data என்றால் என்ன?

Traditional Database மூலம் கையாள முடியாத மிகப்பெரிய அளவிலான Data ஆகும். Facebook, Google, YouTube, Hospitals, Banks, IoT Devices போன்றவை இதன் முக்கிய மூலங்களாகும்.

Theory

Big Data இன் 5V க்கள்

• Volume: மிகப்பெரிய அளவு (Huge Amount).
• Velocity: மிக வேகமாக உருவாகும் தரவு (High Speed).
• Variety: பல வகையான Data (Text, Image, Video, etc.).
• Veracity: தரவின் நம்பகத்தன்மை மற்றும் துல்லியம்.
• Value: அந்தத் தரவிலிருந்து பெறக்கூடிய பயனுள்ள தகவல்.

Application

Big Data Analysis பயன்பாடுகள்

• Business Intelligence (வணிக நுண்ணறிவு)
• Weather Forecast (வானிலை முன்னறிவிப்பு)
• Medical Research (மருத்துவ ஆராய்ச்சி)
• Fraud Detection (மோசடி கண்டறிதல்)
• Artificial Intelligence & Recommendation Systems

Q1

Data என்றால் என்ன?

பதில்: செயலாக்கப்படாத (Process செய்யப்படாத) உண்மைகள் அல்லது மதிப்புகள் Data எனப்படும்.

Q2

Information என்றால் என்ன?

பதில்: Process (செயலாக்கம்) செய்யப்பட்ட Data Information ஆகும்.

Q3

Data மற்றும் Information இடையிலான வேறுபாடுகளை எழுதுக.

பதில்: Data என்பது Raw Facts மற்றும் இதற்கு அர்த்தம் இருக்காது. Information என்பது Process செய்யப்பட்ட, அர்த்தமுள்ள Data ஆகும்.

Q4

Valuable Information இன் பண்புகள் யாவை?

பதில்: Timeliness, Accuracy, Context, Understandability, Less Uncertainty.

Q5

Big Data என்றால் என்ன?

பதில்: சாதாரண Database மூலம் கையாள முடியாத, மிகப்பெரிய அளவு, வேகம் மற்றும் பல்வகை தன்மை கொண்ட தரவுத் தொகுப்புகள்.

Q6

Big Data இன் 5V-களை எழுதுக.

பதில்: Volume, Velocity, Variety, Veracity, Value.

❓ அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

Q: Data (தரவு) என்றால் என்ன? A: Data என்பது எந்தவொரு செயலாக்கமும் (Process) செய்யப்படாத உண்மைகள் (Raw Facts) அல்லது மதிப்புகள் ஆகும். இவை தனியாக இருந்தால் பெரிதாக அர்த்தம் தராது.

Q: Data மற்றும் Information இடையிலான வேறுபாடு என்ன? A: Data என்பது செயலாக்கப்படாத மூல உண்மைகள் (Raw Facts) மற்றும் இதற்கு அர்த்தம் இருக்காது. Information என்பது செயலாக்கப்பட்ட (Processed) Data ஆகும், இது அர்த்தமுள்ளதாகவும் முடிவெடுக்க உதவுவதாகவும் இருக்கும்.

Q: Big Data இன் 5V க்கள் யாவை? A: Big Data இன் 5V க்கள்: Volume (அளவு), Velocity (வேகம்), Variety (பல்வகைமை), Veracity (நம்பகத்தன்மை), மற்றும் Value (மதிப்பு/பயன்).

Q: மதிப்புள்ள தகவலின் (Valuable Information) பண்புகள் யாவை? A: மதிப்புள்ள தகவலின் முக்கிய பண்புகள்: Timeliness (சரியான நேரம்), Accuracy (துல்லியம்), Context (சூழல்), Understandability (புரிதல் தன்மை), மற்றும் Less Uncertainty (குறைந்த நிச்சயமற்ற தன்மை).