Gegevensbeheer - Data curation

Datacuratie is de organisatie en integratie van gegevens die uit verschillende bronnen zijn verzameld. Het gaat om het annoteren, publiceren en presenteren van de gegevens, zodat de waarde van de gegevens in de tijd behouden blijft en de gegevens beschikbaar blijven voor hergebruik en bewaring. Datacuratie omvat "alle processen die nodig zijn voor principiële en gecontroleerde gegevenscreatie , onderhoud en beheer , samen met het vermogen om waarde toe te voegen aan gegevens". In de wetenschap kan datacuratie duiden op het proces van extractie van belangrijke informatie uit wetenschappelijke teksten, zoals onderzoeksartikelen van experts, om te worden omgezet in een elektronisch formaat, zoals een vermelding van een biologische database .

In het moderne tijdperk van big data is het beheer van gegevens prominenter geworden, met name voor software die grote volumes en complexe gegevenssystemen verwerkt. De term wordt ook gebruikt bij historische gelegenheden en de geesteswetenschappen, waar het vergroten van culturele en wetenschappelijke gegevens uit digitale geesteswetenschappelijke projecten de expertise en analytische praktijken van datacuratie vereist. In algemene termen betekent curatie een reeks activiteiten en processen die worden uitgevoerd om een component te creëren, beheren, onderhouden en valideren . Concreet is data curation de poging om te bepalen welke informatie de moeite waard is om te bewaren en voor hoe lang.

Geschiedenis en praktijk

De gebruiker , in plaats van de database zelf, initieert doorgaans het beheer van gegevens en onderhoudt de metagegevens . Volgens de Graduate School of Library and Information Science van de University of Illinois is "Datacuration het actieve en doorlopende beheer van gegevens gedurende de levenscyclus van belang en bruikbaarheid voor wetenschap, wetenschap en onderwijs; beheeractiviteiten maken het ontdekken en ophalen van gegevens mogelijk , kwaliteit behouden, waarde toevoegen en zorgen voor hergebruik in de loop van de tijd." De workflow voor gegevensbeheer onderscheidt zich van gegevenskwaliteitsbeheer , gegevensbescherming , levenscyclusbeheer en gegevensverplaatsing .

Censusgegevens zijn sinds het begin van de 20e eeuw beschikbaar in getabelleerde ponskaarten en zijn sinds de jaren zestig elektronisch. De website van het Interuniversitair Consortium voor Politiek en Sociaal Onderzoek (ICPSR) markeert 1962 als de datum van hun eerste enquêtegegevensarchief.

Diepgaande achtergrondinformatie over databibliotheken verscheen in 1982, een uitgave van het tijdschrift Illinois, Library Trends. Voor historische achtergronden over de data-archiefbeweging, zie "Social Scientific Information Needs for Numeric Data: The Evolution of the International Data Archive Infrastructure." Het exacte beheerproces dat binnen elke organisatie wordt uitgevoerd, hangt af van de hoeveelheid gegevens, hoeveel ruis de gegevens bevatten en wat het verwachte toekomstige gebruik van de gegevens betekent voor de verspreiding ervan.

De crises in ruimtegegevens leidden in 1999 tot de oprichting van het Open Archival Information System (OAIS) -model, beheerd door het Consultative Committee for Space Data Systems (CCSDS) , dat in 1982 werd opgericht.

De term datacuratie wordt soms gebruikt in de context van biologische databases , waarbij specifieke biologische informatie eerst wordt verkregen uit een reeks onderzoeksartikelen en vervolgens wordt opgeslagen in een specifieke categorie database. Informatie over antidepressiva kan bijvoorbeeld uit verschillende bronnen worden verkregen en, na te hebben gecontroleerd of ze al dan niet als database beschikbaar zijn, worden ze opgeslagen onder de antidepressivacategorie van de database van een geneesmiddel. Bedrijven maken ook gebruik van datacuration binnen hun operationele en strategische processen om de kwaliteit en nauwkeurigheid van data te waarborgen.

In medische beeldvorming , data curation algemeen verwijst naar aanpassingen van de afbeelding pixel gegevens of metagegevens van de afbeelding van medische beeldvorming bestandsformaten zoals DICOM . Gegevensbeheer kan ook verwijzen naar elke verwerkingsstap die volgt op de verwerving van beeldvormingsgegevens in een gezondheidsinstelling of een andere klinische omgeving. In dergelijke contexten is het een overkoepelende term voor een reeks activiteiten die gegevensbeheer , gegevenscreatie, wijziging, verificatie, extractie, integratie, standaardisatie, conversie, onderhoud, kwaliteitsborging en validatie omvatten , evenals gegevensintegriteit , traceerbaarheid en reproduceerbaarheidscontroles .

Projecten en studies

Het Dissemination Information Packages (DIPS) for Information Reuse (DIPIR)-project bestudeert onderzoeksgegevens die zijn geproduceerd en gebruikt door kwantitatieve sociale wetenschappers, archeologen en zoölogen. De beoogde doelgroep zijn onderzoekers die secundaire gegevens gebruiken en de digitale curatoren, beheerders van digitale opslagplaatsen, datacentermedewerkers en anderen die digitale informatie verzamelen, beheren en opslaan.

De Protein Data Bank werd in 1971 opgericht in het Brookhaven National Laboratory en is uitgegroeid tot een wereldwijd project. Een database voor driedimensionale structurele gegevens van eiwitten en andere grote biologische moleculen, de VOB bevat meer dan 120.000 structuren, allemaal gestandaardiseerd, gevalideerd tegen experimentele gegevens en geannoteerd.

FlyBase , de primaire opslagplaats van genetische en moleculaire gegevens voor de insectenfamilie Drosophilidae , dateert uit 1992. FlyBase annoteert het volledige Drosophila melanogaster- genoom.

Het Linguistic Data Consortium is een gegevensopslagplaats voor linguïstische gegevens, die dateert uit 1992.

De Sloan Digital Sky Survey begon in 2000 met het onderzoeken van de nachtelijke hemel. Computerwetenschapper Jim Gray , terwijl hij aan de data-architectuur van de SDSS werkte, verdedigde het idee van datacuratie in de wetenschappen.

DataNet was een onderzoeksprogramma van het Amerikaanse National Science Foundation Office of Cyberinfrastructure, dat datamanagementprojecten in de wetenschappen financierde. DataONE (Data Observation Network for Earth) is een van de projecten die via DataNet worden gefinancierd en helpt de milieuwetenschappelijke gemeenschap om gegevens te bewaren en te delen.

Zie ook

Referenties

Externe links

  • Beheer van ecologische en milieugegevens: DataONE
  • Tools en services voor gegevensbeheer die meerdere wetenschappelijke disciplines omvatten : DataConservancy