دانلود مقاله ISI انگلیسی شماره 143156
ترجمه فارسی عنوان مقاله

داده های باز: کیفیت بیش از مقدار

عنوان انگلیسی
Open data: Quality over quantity
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
143156 2017 5 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Information Management, Volume 37, Issue 3, June 2017, Pages 150-154

ترجمه کلمات کلیدی
دادههای باز، کیفیت داده،
کلمات کلیدی انگلیسی
Open data; Data quality;
ترجمه چکیده
هدف از باز کردن داده ها باز کردن پتانسیل نوآوری کسب و کار، دولت ها و کارآفرینان است، با این حال همچنین چالش های قابل ملاحظه ای برای استفاده موثر آن است. در حالیکه موفقیت های نوآورانه متعددی وجود دارد که بر اساس پارادایم داده های باز هستند، عدم اطمینان در مورد کیفیت داده های این مجموعه داده ها وجود دارد. این عدم قطعیت کیفیت داده تهدیدی برای ارزش است که می تواند از چنین داده ها تولید شود. کیفیت داده ها در طول چندین دهه به طور گسترده مورد مطالعه قرار گرفته است و بسیاری از رویکردهای مدیریت کیفیت داده ها ارائه شده است. با این حال، این رویکردها معمولا بر اساس مجموعه داده های داخلی سازمان ها، با فراداده شناخته شده و دانش دامنه معانی داده است. از سوی دیگر داده های باز که اغلب ناآشنا هستند و ممکن است متادیتا را نداشته باشند. هدف از این یادداشت تحقیق این است که چالش های موجود در برخورد با کیفیت داده ها از مجموعه داده های باز، و تعیین برنامه ای برای تحقیقات آینده برای رفع این خطر برای به دست آوردن ارزش از سرمایه گذاری اطلاعات باز.
پیش نمایش مقاله
پیش نمایش مقاله  داده های باز: کیفیت بیش از مقدار

چکیده انگلیسی

Open data aims to unlock the innovation potential of businesses, governments, and entrepreneurs, yet it also harbours significant challenges for its effective use. While numerous innovation successes exist that are based on the open data paradigm, there is uncertainty over the data quality of such datasets. This data quality uncertainty is a threat to the value that can be generated from such data. Data quality has been studied extensively over many decades and many approaches to data quality management have been proposed. However, these approaches are typically based on datasets internal to organizations, with known metadata, and domain knowledge of the data semantics. Open data, on the other hand, are often unfamiliar to the user and may lack metadata. The aim of this research note is to outline the challenges in dealing with data quality of open datasets, and to set an agenda for future research to address this risk to deriving value from open data investments.