Datahantering - Data curation

Datahantering är organisering och integration av data som samlats in från olika källor. Det innebär annotering, publicering och presentation av uppgifterna så att värdet på uppgifterna bibehålls över tid, och data förblir tillgängliga för återanvändning och bevarande. Datakuration inkluderar "alla processer som behövs för principiell och kontrollerad dataskapning, underhåll och hantering , tillsammans med kapaciteten att tillföra värde till data". Inom vetenskap kan datakurning indikera processen för extraktion av viktig information från vetenskapliga texter, till exempel forskningsartiklar av experter, som ska konverteras till ett elektroniskt format, till exempel inmatning av en biologisk databas .

I den moderna epoken med stora data har kurering av data blivit mer framträdande, särskilt för programvara som bearbetar högvolym och komplexa datasystem. Termen används också vid historiska tillfällen och humaniora, där ökad kulturell och vetenskaplig data från digitala humaniora -projekt kräver expertis och analytisk praxis för datakurning. I stora termer innebär kurering en rad aktiviteter och processer som görs för att skapa, hantera, underhålla och validera en komponent . Specifikt är datakuration ett försök att avgöra vilken information som är värd att spara och hur länge.

Historia och praktik

Den användaren , snarare än själva databasen initierar typiskt datasäkring och upprätthåller metadata . Enligt University of Illinois 'Graduate School of Library and Information Science, "Data curation är den aktiva och pågående hanteringen av data genom dess livscykel av intresse och nytta för stipendium, vetenskap och utbildning; curation-aktiviteter möjliggör upptäckt och hämtning av data , bibehålla kvalitet, tillföra värde och se till att återanvändas över tid. " Dataflödesarbetsflödet skiljer sig från datakvalitetshantering , dataskydd , livscykelhantering och datarörelse .

Folkräkningsdata har funnits i tabellformat hålkort sedan början av 1900 -talet och har varit elektroniskt sedan 1960 -talet. Den Inter-universitetet Consortium för politisk och social forskning (ICPSR) webbplats märken 1962 som den dag då de första Survey dataarkiv.

Djup bakgrund om databibliotek dök upp i ett 1982 -nummer av Illinois -tidskriften, Library Trends. För historisk bakgrund om dataarkivrörelsen, se "Social Scientific Information Needs for Numeric Data: The Evolution of the International Data Archive Infrastructure." Den exakta kurationsprocessen som utförs inom någon organisation beror på datamängden, hur mycket brus data innehåller och vad den förväntade framtida användningen av data innebär för spridningen.

Kriserna i rymddata ledde till att 1999 skapades modellen för Open Archival Information System (OAIS) , som leds av rådgivande kommittén för rymddatasystem (CCSDS) , som bildades 1982.

Begreppet datakuration används ibland i samband med biologiska databaser , där specifik biologisk information först erhålls från en rad forskningsartiklar och sedan lagras i en specifik kategori av databaser. Till exempel kan information om antidepressiva läkemedel erhållas från olika källor, och efter att ha kontrollerat om de är tillgängliga som en databas eller inte, sparas de under en läkemedels databass kategori mot depression. Företag använder också datahantering inom sina operativa och strategiska processer för att säkerställa datakvalitet och noggrannhet.

I medicinsk avbildning , datasäkring hänvisar vanligen till justeringar av bildpixeldata eller bild metadata för medicinsk bildfilformat såsom DICOM . Datakurning kan också avse alla bearbetningssteg som följer efter förvärv av bilddata i en vårdinrättning eller annan klinisk miljö. I sådana sammanhang är det en paraplyterm för en rad aktiviteter som inkluderar datahantering , dataskapande, modifiering, verifiering, extrahering, integration, standardisering, konvertering, underhåll, kvalitetssäkring och validering, samt dataintegritet , spårbarhet och reproducerbarhetskontroller .

Projekt och studier

Projektet Dissemination Information Packages (DIPS) for Information Reuse (DIPIR) studerar forskningsdata som producerats och används av kvantitativa samhällsvetare, arkeologer och zoologer. Den avsedda publiken är forskare som använder sekundär data och de digitala kuratorerna, digitala förvarshanterare, datacenterpersonal och andra som samlar in, hanterar och lagrar digital information.

Den Protein Data Bank grundades 1971 vid Brookhaven National Laboratory , och har vuxit till ett globalt projekt. En databas för tredimensionella strukturella data för proteiner och andra stora biologiska molekyler, PDB innehåller över 120 000 strukturer, alla standardiserade, validerade mot experimentella data och kommenterade.

FlyBase , det primära förvaret för genetiska och molekylära data för insektsfamiljen Drosophilidae , går tillbaka till 1992. FlyBase kommenterar hela Drosophila melanogaster -genomet.

Den språkliga data Consortium är en dataförvaringsplats för språkliga data, som går tillbaka till 1992.

Den Sky Survey Sloan Digital började kartlägga natthimlen 2000. datavetare Jim Gray , samtidigt som du arbetar på data arkitektur SDSS, kämpade idén datasäkring i vetenskaperna.

DataNet var ett forskningsprogram från US National Science Foundation Office of Cyberinfrastructure, som finansierade datahanteringsprojekt inom vetenskaperna. DataONE (Data Observation Network for Earth) är ett av de projekt som finansieras via DataNet , som hjälper miljövetenskapssamhället att bevara och dela data.

Se även

Referenser

externa länkar

  • Sammanställning av ekologiska och miljödata : DataONE
  • Verktyg och tjänster för datahantering som spänner över flera vetenskapliga discipliner: DataConservancy