Vybrané otázky (meta)datové heuristiky PREZENTACE PRO DOKTORANDY ÚHV FF MU JOSEF SCHWARZ, CIT FF MU, LINDAT/CLARIAH-CZ 15. 3. 2023 Obrázek s budovou, sezením, lavičkou a stěnou Automaticky generovaný popis „Data isn't just numbers. It's stories, it's ideas, it's emotions, it's what makes our world and ourselves unique“. – HANS ROSLING Několik základních pojmů JAK SE LIŠÍ DATA A METADATA? CO JSOU TO PARADATA? PROČ NEEXISTUJÍ „TVRDÁ“ DATA? A PROČ V KNIHÁCH NENAJDEME ZNALOSTI… 18.3.2023 Data, informace, znalosti I Data ◦Vymezení: Zaznamenané symbolické reprezentace reálného světa nebo světů fikčních ◦Médium (nosič): Analogové (hlína, kámen, papír atd.) nebo digitální ◦Struktura: Data strukturovaná (seznamy, tabulky, databáze atd.) nebo nestrukturovaná (text) ◦Formát: Číselný, textový, obrazový, zvukový, audiovizuální, kombinovaný ◦Příklady: ◦460,8 ◦NA1995 ◦Příštpo ◦ ◦ 18.3.2023 [USEMAP] [USEMAP] [USEMAP] Informace ◦Vymezení: data s přiděleným významem ◦Médium (nosič): Analogové (hlína, kámen, papír atd.) nebo digitální ◦Struktura: Informace faktografické, plnotextové, bibliografické atd. ◦Formát: Číselný, textový, obrazový, zvukový, audiovizuální, kombinovaný ◦ ◦Příklady: ◦460,8 m.n.m. ◦NA1995 Architecture as a profession ◦Příštpo u Jaroměřic nad Rokytnou ◦ ◦ Znalost ◦Vymezení: informace s přiděleným kontextem ◦Médium (nosič): Mozek ◦Struktura: Poznatkový tezaurus ◦Formát: Elektrochemický signál ◦ ◦ ◦Příklady: ◦460,8 m.n.m. (Říp) ◦NA1995 Architecture as a profession (LCC) ◦Příštpo u Jaroměřic nad Rokytnou ◦ ◦ Data, informace, znalosti II POZOR!!!: ◦Neexistují tzv. tvrdá data ve smyslu nezpochybnitelných faktů, protože data jsou výsledkem výzkumu, měření a interpretace za použití specifických metrik, nástrojů a metodologie. ◦ Nezaměňovat fakta a data – fakta jsou údaje nebo tvrzení, která lze ověřit a jsou považována za pravdivá; data naproti tomu jsou pouhým záznamem bez pravdivostní hodnoty. ◦Jazyková poznámka: 18.3.2023 Termín Singulár Plurál Fakta Fakt, faktum Fakta Data [neexistuje] (nebo: údaj) Data (údaje) Informace Informace Informace Znalost Znalost („jednotková“ znalost: poznatek) Znalosti Exkurz: Sémiotický trojúhelník a teorie tří světů Karla Poppera a Johna Ecclese Schéma převzato z KUČEROVÁ, Helena. Co analyzujeme při obsahové analýze dokumentů? K　pojmu aboutness v　organizaci znalostí. Knihovna [online]. 2014, roč. 25, č. 1, s. 36-54 [cit. 2023-03-15]. Dostupný z WWW: http://knihovna.nkp.cz/knihovna141/141036.htm a upraveno. 18.3.2023 Obsah obrázku diagram Popis byl vytvořen automaticky Data, metadata, paradata Data Metadata ◦Vymezení: Data o datech související s jejich obsahem, vlastnostmi, formátem a dalšími charakteristikami. ◦Dělení: popisná, strukturální, technická, administrativní aj. (záleží na kritériu členění) ◦Příklady: ◦460,8 m.n.m. | Bpv ◦NA1995 Architecture as a profession | Last revision 2013/30/12 ◦Příštpo u Jaroměřic nad Rokytnou | CZ0634 544752 Paradata ◦Vymezení: Údaje o procesu vzniku/sběru, použití, interpretaci a kvalitě dat a jeho metodách; zajišťuje správné pochopení dat, jejich adekvátní využití a reprodukovatelnost výzkumu ◦460,8 m.n.m. || Ověřeno vlastním měřením ◦NA1995 Architecture as a profession || Duplicitní k TU234B ◦Příštpo u Jaroměřic nad Rokytnou || Definitivní stav ◦ ◦ ◦ 18.3.2023 Jak na (meta)data 18.3.2023 Vědecký výzkum a data 18.3.2023 Kde vezmu data? A.Kontext: Otevřená věda (Open Science) B.Existující data ◦Zčásti nebo zcela odpovídají mému výzkumu a jsou v něm bezprostředně využitelná ◦S mým výzkumem souvisí jen zčásti, ale lze je použít např. jako metodologickou inspiraci ◦Zdroje existujících dat velice různorodé, pro strukturovaná vědecká data možnost použití řady datových repozitářů, viz sekundární i primární zdroje. ◦SSH Open Marketplace ◦Nechte si poradit umělou inteligencí C.Vlastní průzkum a sběr v primárních zdrojích 18.3.2023 Jaký nástroj pro zpracování dat použiji? A.Specializovaný software ◦Předpoklad: SW naplňuje všechny mé představy o tom, jak chci manipulovat se svými daty; popř. použiji sadu více SW pro různé úkony. ◦Důležité podmínky: SW používá běžné standardy a umožňuje bezproblémový přenos dat (import a zejména export) ◦Typické příklady: Zotero pro bibliografické informace ◦Další nástroje lze nalézt na specializovaných portálech, např. SSH Open Marketplace, LINDAT/CLARIAH-CZ, EOSC aj. B.Tabulkový procesor (TabP) ◦Předpoklad: Žádný z existujících nástrojů nenaplňuje moje potřeby (nebo se obávám, že by se v průběhu práce objevily požadavky, které by nebyl specializovaný SW schopen splnit) ◦ ◦ 18.3.2023 Pracujeme s TabP: Základní kroky 1.Vytvoření datového modelu 2.Stanovení datových objektů 3.Určení struktury dat a metadat včetně případných standardních metadatových formátů 4.Pravidla pro zápis jednotlivých údajů 5.Generování sestav a provádění analýz pomocí funkcí TabP 18.3.2023 Pracujeme s TabP: Datový model 1.Jaká data potřebuji pro svůj výzkum? 2.Jak tato data budu popisovat metadata a paradaty tak, abych mohl s daty efektivně manipulovat? 3.Budu pracovat s neurčitostí dat a informací a jak se to projeví ve struktuře dat? 4.Použiji pro některé údaje standardizované taxonomie, řízené slovníky nebo autority? 5.Jaké očekávám výstupy ze zpracování dat, jak má vypadat prezentační vrstva dat? 18.3.2023 Pracujeme s TabP: Datové objekty Datový objekt = entita, ke které shromažďuji data, metadata a paradata a která pro mě představuje samostatnou logickou jednotku. Datové objekty by měly být disjunktní (měly by představovat různé kategorie entit). Realizace v TabP: jeden datový objekt = jeden list Příklady datových objektů: ◦Paměťové instituce ◦Archivní fondy ◦Osoby ◦Počítačové hry ◦Archivační softwary 18.3.2023 Pracujeme s TabP: Struktura dat 1.Určení jednotlivých údajů, které budu na úrovni dat, metadat a paradat sledovat (včetně různých atributů, např. v jakém stavu se nachází jednotlivý záznam: rozpracovaný, hotový, definitivní) 2.Stanovení granularity údajů, tj. míry specifičnosti jednotlivých dat 3.Použiji nějaký standardizovaný metadatový formát, ať už přímo, nebo jako inspiraci? ◦Příklad: VRA Core Realizace v TabP: jednotlivý údaj = jeden sloupec tabulky Doporučení: označování jednotlivých záznamů barvami se sémantickou funkcí (popř. jiným grafickým zvýrazněním, např. kurzivou, velikostí písma atd.) je vhodné jen jako vizualizační pomůcka, nikoli pro analytickou práci s daty 1. 18.3.2023 Pracujeme s TabP: Pravidla pro zápis dat 1.Jak budu tvořit záznam instance a vyplňovat jednotlivé údaje? Jakými pravidly se budu řídit? Jak budu zapisovat opakovatelné údaje? 2.Použiji pro zápis dat nějaký existující standard? ◦Příklady: CDWA – Categories for the Description of Work of Arts, Cataloging Cultural Objects 3.Mohu vyplňování dat nějak poloautomatizovat? 4.Budu používat importy dat? Jaký si stanovím unikátní oddělovač údajů? Realizace v TabP: jeden záznam instance = jeden řádek 18.3.2023 Pracujeme s TabP: Funkce 1.Filtry 2.Řazení 3.Kontingenční tabulky 4.Grafy 18.3.2023 Děkuji za pozornost a přeji úspěšnou práci s daty! 18.3.2023