21
Maj data bez metadat
smysl?
Adrián Rošinec
SITSEM 2023 (14.9.2023 Telč)
SITSEM 2023 (14.9.2023 Telč) 23
Co jsou data?
̶ Súbor informácií, faktov
̶ Reprezentované v štrukturovanej alebo neštrukturovanej
podobe
̶ Napr. obrázok, zvuková stopa, tabuľky, ...
24
A metadata?
̶ Doprovodné informácie
̶ Pomáhajú pochopiť kontext a detaily datasetu
̶ Dátum vytvorenia
̶ Veľkosť
̶ Lokalita
̶ Typ/formát
SITSEM 2023 (14.9.2023 Telč)
SITSEM 2023 (14.9.2023 Telč) 25
Creation: 19.02.2023
Device: Samsung SM-
S906B
f/1.8 1/25sec ISO 640
No-Flash
Location: Kavárna
Pelíšek, tř. Kpt. Jaroše,
Brno, CZ
Creation: 07.09.2023
Device: Samsung SM-
S906B
f/1.8 1/320 ISO 50 No-
Flash
Location: Praia do Faial,
Faial, PT
Creation: 17.04.2019
Gender: M
Handedness: Left
SliceLocation:
40.115494018811
SliceThickness: 1.5
EchoTime: 3.13
NumberOfAverages: 4
26
Prečo chceme anotované datasety?
̶ Zlepšenie prístupu k dátam
̶ vyhľadávanie, filtrácia, kategorizácia, identifikácia datasetov
̶ Pomáha pochopiť kontext vzniku datasetu
̶ Ako a prečo dataset vznikol
̶ Aká metóda bola využitá pre získanie dat
̶ Prístroj (spektrometer/mikroskop/MRI) a jeho parametre
̶ Zdroj dát
̶ Pacient a jeho diagnóza
̶ Podporuje interoperabilitu
̶ Umožnuje výmena datasetov a využitie inými vyskumníkmi
̶ Reprodukovatelnosť
̶ Provenance
̶ Licensing
SITSEM 2023 (14.9.2023 Telč)
27
Prečo chceme anotované datasety?
̶ Umožňuje nám kontrolovať kvalitu datasetov, prípadne
vedeckých výstupov v čase
̶ Vďaka agregáciám a štatistickým prehľadom
SITSEM 2023 (14.9.2023 Telč)
Príklad z praxe
SITSEM 2023 (14.9.2023 Telč) 28
29
Ako získavame metadáta
̶ Manuálne anotácie
̶ Veľmi pracne s vysokou mierou chybovosti, populárne
̶ Cieľ „spríjemňovať“ život anotátorom našeptávačmi, validátormi,
rozpoznaním kontextu
̶ Automatické anotácie
̶ Veľmi častý základ sú metadáta z nastavenia prístroja, administratívne
metadáta (kto dataset vyrobil), ...
̶ Adaptácia analytických nástrojov pre výstup do metadatového súboru
̶ Zo štrukturovaných/neštrukturovaných dát potreba vyberať dôležité
údaje
̶ parametre simulácie, rozpoznávanie v obrázkoch, ...
SITSEM 2023 (14.9.2023 Telč)
SITSEM 2023 (14.9.2023 Telč) 30
Editor metadát
̶ „Klikátko“
̶ Skvelé pre manuálne
anotovanie datasetu
̶ Validácie oproti JSON
schema
̶ Potreba rozšírenie o
referencie/dependency
SITSEM 2023 (14.9.2023 Telč) 31
Definície metadata schémat
̶ Snaha definovať/adopovať metadatové schémy pre
publikované datasety
̶ CEITEC CFs + spolupracujúca komunita
̶ Pre simulácie molekulovej dynamiky
̶ Róbert Vácha a „Molecular Simulations and Design research group“ z
Max Planck Insititute
̶ Formálna schéma ale aj sémantika anotácií
SITSEM 2023 (14.9.2023 Telč) 32
Modifikácia analytických nástrojov
̶ Gromacs
̶ Analytické/simulačné
nástroje modifikovať aby
výstup experimentov
obsahoval aj metadatové
popisy
̶ Parametre spustenia,
referencia na vstupné dáta
SITSEM 2023 (14.9.2023 Telč) 33
Metadatový katalog
̶ Cieľom je budovať metadatové katalogy
̶ Pre odborné komunity / vyskumné tímy
̶ Možnosť jednoducho prehľadávať datasety
̶ Zjednodušiť orientáciu v publikovaných ale aj vlastných datasetoch
̶ Poskytnúť nástroj pre prípravu datasetu pre publikáciu
̶ Anotovanie datasetu
̶ Validácia schémy
̶ FAIR checking
SITSEM 2023 (14.9.2023 Telč) 34
Majú data bez metadat zmysel?
̶ Jo.
̶ V pripade, že ich je veľa, zdieľajú sa, ťažko sa v nich orientuje