Section 01
දත්ත යනු කුමක්ද?
දත්ත (Data) යනු සකස් නොකළ, අර්ථ රහිත කරුණු, සංඛ්යා, සංකේත හෝ නිරීක්ෂණ එකතුවකි. ඒවා තනිවම ගත් විට කිසිදු යෝජිත අදහසක් නොමැත.
දත්ත
Raw Facts
→
⚙️
ක්රියාවලිය
Process
→
තොරතුරු
Information
උදාහරණය: "35, 42, 28, 19" — මේවා දත්ත පමණි. "කාලගුණ ස්ථානයේ එදිනෙදා උෂ්ණත්ව රීඩිං" ලෙස සකසූ විට ඒවා තොරතුරු බවට පත් වේ.
සාමාන්ය දත්ත ලක්ෂණ
දත්ත සාමාන්යයෙන් අනුක්රමිකව, සංඛ්යා, වචන, රූප, හෝ ශබ්ද ආකාරයෙන් පවතී. ඒවා විශ්ලේෂණය නොකළ, නිද්රිශ ස්වරූපයෙන් (raw form) ඉදිරිපත් වේ.
දත්ත, ක්රියාවලිය, තොරතුරු සම්බන්ධය
දත්ත + ක්රියාවලිය = තොරතුරු. මෙම ත්රිත්වය ICT හි මූලික ගෘහ නිර්මාණය වේ. ක්රියාවලිය නොමැතිව දත්ත අර්ථ රහිතය.
විශාල දත්ත ප්රමාණ අවශ්යතාව
නවීන ලෝකයේ දිනෙන් දින දත්ත ප්රමාණය වේගයෙන් ඉහළ යයි. ඒවා කළමනාකරණය, ගබඩා කිරීම, විශ්ලේෂණය සඳහා නවීන ICT ක්රමෝපාය අවශ්ය වේ.
Section 02
දත්ත ජීවන චක්රය
දත්ත නිර්මාණය වී, කළමනාකරණය කර, අවශ්ය නොවන විට ඉවත් කරනු ලැබේ. මෙය Data Life Cycle ලෙස හඳුන්වනු ලැබේ. පහත සෑම සිදුවීමක්ම ක්ලික් කරන්න.
01
STEP ONE • Data Creation
🌱 දත්ත නිර්මාණය
නිරීක්ෂණ, මිනුම්, ඇතුළත් කිරීම් හෝ ස්වයංක්රිය ඩිජිටල් ක්රියාකාරකම් හරහා නව දත්ත ජනනය කෙරේ.
02
STEP TWO • Data Storage
💾 දත්ත ගබඩා කිරීම
නිර්මාණය කළ දත්ත ශ්රේණිගතව, ආරක්ෂිතව ගබඩා ස්ථානවල සුරකිනු ලැබේ.
03
STEP THREE • Data Management
⚙️ දත්ත කළමනාකරණය
ගබඩා කළ දත්ත නිවැරදිව, යාවත්කාලීනව, ප්රාප්ය ලෙස (accessible) කළමනාකරණය කිරීම.
04
STEP FOUR • Data Removal
🗑️ යල්පැන් දත්ත ඉවත් කිරීම
ප්රයෝජනවත් නොවන, කල් ඉකුත් වූ, හෝ අනවශ්ය දත්ත ක්රමානනුකූලව ඉවත් කිරීම.
Section 03
දත්ත vs තොරතුරු
දත්ත (Data) සහ තොරතුරු (Information) — ICT හිදී ඉතා වැදගත් වෙනසකි. ක්රියාවලියක් (Process) හරහා දත්ත යෝජිත, ඉහළ අගයක් ඇති තොරතුරු බවට පත් වේ.
📦 දත්ත (Data)
💡 තොරතුරු (Information)
සකස් නොකළ (Raw / Unprocessed) කරුණු
සකසූ, යෝජිත (Processed / Meaningful) දත්ත
අර්ථ රහිත — context (සන්දර්භය) නොමැත
context (සන්දර්භය) සහිතව ඉදිරිපත් කෙරේ
උදා: 78, 85, 92, 45
උදා: ICT විභාගයේ ශිෂ්ය ලකුණු — ජය ගත් සිදුවීම
ශ්රේණිගත නොකළ — සංඛ්යා, තන්තු, සංකේත
ශ්රේණිගත, සංකලනය කළ, ඉදිරිපත් කළ
තනිවම ගත් විට තීරණ ගැනීමට ප්රයෝජනවත් නොවේ
තීරණ ගැනීමට (Decision Making) ඵලදායී
Input — ක්රියාවලියකට ඇතුළු කෙරේ
Output — ක්රියාවලියෙන් ලැබෙන ප්රතිඵලය
NIE ප්රශ්නෝත්තර: "දත්ත හා තොරතුරු අතර වෙනස පැහැදිලි කරන්න" — Context + Process + Meaning ත්රිත්වය ගැන ලිවිය යුතුය. Context සහ Meaning නොමැතිව දත්ත, තොරතුරු නොවේ.
Section 04
ගුණාත්මක තොරතුරු ලක්ෂණ
සියලු තොරතුරු සමාන ගුණාත්මකභාවයකින් නොපවතී. ගුණාත්මක (Valuable) තොරතුරු ලක්ෂණ 5ක් NIE විෂය නිර්දේශයේ ඇත. කාඩ්පත් ක්ලික් කරන්න!
Timeliness
කාලෝචිතතාව
නිවැරදි මොහොතේ ලබා ගත හැකි, යාවත්කාලීන (up-to-date) තොරතුරු.
📌 උදා: කාලගුණ අනාවැකි 7 දිනකට ඉදිරි, ස්කොර්බෝඩ් live updates. කල් ඉකුත් (outdated) කාලගුණ ප්රවෘත්තිය ප්රයෝජනවත් නැත.
Accuracy
නිරවද්යතාව
දෝෂ (errors) නොමැතිව, ප්රාමාණික (reliable) ප්රභවයකින් ලැබෙන නිවැරදි තොරතුරු.
📌 උදා: ශිෂ්ය ලකුණු නිවැරදිව ලේඛනගත වීම, රෝගී ඖෂධ මාත්රාව නිවැරදිව සඳහන් කිරීම.
Presented in Context
සන්දර්භ ගත ඉදිරිපත් කිරීම
භාවිතකරුට තේරෙන, ඔවුන්ගේ සන්දර්භයට (context) ගැළපෙන ආකාරයෙන් ඉදිරිපත් කළ.
📌 උදා: "78%" — තනිවම තේරෙන් නැත. "ICT විභාගයේ 78% සමත් වීමේ අනුපාතය" — context සමග අර්ථය ඇත.
Enhanced Understandability
වැඩිදියුණු කළ තේරෙන බව
පැහැදිලිව, සරලව, graphs, charts, tables හරහා ඉදිරිපත් කළ — භාවිතකරුට පහසුවෙන් වටහා ගත හැකි.
📌 උදා: දිගු සංඛ්යා වගුවකට වඩා pie chart එකක් හෝ bar graph එකක් "Sales Trend" ඉක්මනින් දක්වයි.
Reduces Uncertainty
අවිනිශ්චිතතාව අඩු කිරීම
ගත හැකි තීරණ (decisions) ගැන ඇති සැකය (uncertainty) අඩු කරන, අංකීය, ස්ථිර කරදෙන තොරතුරු.
📌 උදා: "ද්රව්ය සංචිත (stock) 50කට අඩු නම් නැවත ඇණවුම් කරන්න" — කළමනාකරුට තීරණ ගැනීම පහසු වේ.
Bonus
ගුණාත්මක දත්ත ලක්ෂණ
Data Quality ද ඉතා වැදගත්. ශ්රේෂ්ඨ දත්ත:
නිවැරදි (Accurate)
දෝෂ නොමැති, ප්රාමාණික දත්ත. ශිෂ්ය ID නිවැරදිව ඇතුළත් කළ.
සම්පූර්ණ (Complete)
අවශ්ය සියලු ක්ෂේත්ර (fields) සම්පූර්ණ. හිස් (null) ක්ෂේත්ර නොමැති.
ස්ථිර (Consistent)
සමස්ත ක්රමය හරහා (across systems) එකම ආකෘතියෙන් (format) ගබඩා.
කාලෝචිත (Timely)
යාවත්කාලීන, ප්රාසංගික (relevant to current time).
Section 05
දත්ත ආකාර
දත්ත විවිධ ආකාර (forms / types) ගනී. සෑම ආකාරයකටම ලක්ෂණ ඇත. tag ක්ලික් කර වර්ගය දැනගන්න!
Text/Alphabetic
Numeric
Image/Graphic
Audio
Video
නාම / Names 👤
ලකුණු / Marks 🔢
ඡායාරූප / Photos 🖼️
ශ්රව්ය / Audio 🔊
වීඩියෝ / Video 🎬
දිනය/Time 📅
Alphanumeric 🔤
රූපසටහන් 📊
Boolean ✓/✗
JSON / XML 📋
Structured vs Unstructured
ශ්රේණිගතකරණය
🗃️ Structured Data
📦 Unstructured Data
ශ්රේණිගතව ගබඩා — Tables, Rows, Columns
නිශ්චිත ආකෘතියක් නැති — free-form
SQL Databases, Spreadsheets
Emails, Videos, Social Media Posts
සෙවීම (search) හා විශ්ලේෂණය (analysis) පහසු
AI, Machine Learning ක්රම අවශ්ය
Section 06
Big Data — විශාල දත්ත
Big Data යනු සාම්ප්රදායික ක්රමවේදයන්ගෙන් කළමනාකරණය, ගබඩා, හෝ විශ්ලේෂණය කළ නොහැකි ඉතා විශාල, වේගවත්, විවිධ දත්ත සේද (datasets) ය.
0
GB — දිනකට ලෝකය ජනනය කරන දත්ත (Quintillion Bytes)
0
% — ලෝකයේ දත්තවලින් Unstructured
0
Billion — Google දිනකට සෙවුම් ප්රමාණය
Volume
ප්රමාණය
Terabytes, Petabytes, Exabytes ප්රමාණයේ දත්ත. සාමාන්ය ක්රම මඟින් handle කළ නොහැකි ප්රමාණ.
Velocity
වේගය
Real-time හෝ near-real-time ලෙස ජනනය. Social Media, IoT sensors, Stock Markets.
Variety
විවිධත්වය
Text, Image, Video, Audio, GPS, Sensor — විවිධ ආකාරවල දත්ත එකම ස්ථානයේ.
Veracity
ප්රාමාණිකතාව
දත්ත නිවැරදිද? විශ්වාස කළ හැකිද? Social media posts, incomplete datasets සැකය.
Value
වටිනාකම
Big Data විශ්ලේෂණයෙන් ලබා ගන්නා ව්යාපාරික, ප්රශාසනික, සෞඛ්ය තීරණ.
Big Data භාවිතා: Netflix — නිර්දේශ (recommendations), COVID-19 spread analysis, Facebook — විශ්ලේෂණ (user behavior), ශ්රී ලංකා රේගු — import/export data patterns, Smart City ව්යාපෘති.
Big Data ක්රමෝපාය
Hadoop, Apache Spark, NoSQL Databases (MongoDB, Cassandra), Cloud platforms (AWS, Google Cloud). AI හා Machine Learning algorithms.
නිදසුන් — ශ්රී ලංකා
ලංකා රෝහල් ක්රමය — ජනමිළිඅ රෝගි රෙකෝඩ් (PHI system). Election Commission — ඡන්ද ක්ෂේත්ර දත්ත. Mobitel/Dialog — network usage data.
Section 07
ප්රශ්නාවලිය
ඔබේ දැනුම පරීක්ෂා කරන්න! A/L ICT විභාග ප්රශ්න ශෛලියෙන් ලියා ඇත.
0
/ 10