[論文レビュー] Data Quality Measures and Data Cleansing for Research Information Systems

Otmane Azeroual, Gunter Saake+1 more|arXiv (Cornell University)|Jan 18, 2019

Data Quality and Management参考文献 11被引用数 58

ひとこと要約

この論文は、Research Information Systems (RIS) におけるデータ品質を改善する測定と新しいデータ浄化技術を提案し、信頼性のある意思決定を支援します。

ABSTRACT

The collection, transfer and integration of research information into different research Information systems can result in different data errors that can have a variety of negative effects on data quality. In order to detect errors at an early stage and treat them efficiently, it is necessary to determine the clean-up measures and the new techniques of data cleansing for quality improvement in research institutions. Thereby an adequate and reliable basis for decision-making using an RIS is provided, and confidence in a given dataset increased. In this paper, possible measures and the new techniques of data cleansing for improving and increasing the data quality in research information systems will be presented and how these are to be applied to the Research information.

研究の動機と目的

• RIS への研究情報の収集、転送、および統合に起因するデータ品質の問題を特定する。
• 研究機関のデータ品質を改善するためのデータ浄化の測定と技術を提案する。
• RIS を用いた信頼性の高い意思決定を支えるデータ品質の改善方法を説明する。

提案手法

• RIS における収集、転送、統合に起因する潜在的なデータ品質の問題をレビューする。
• RIS データに適用可能なデータ浄化の測定を提示する。
• 研究情報システムの品質向上を目的とした新しいデータ浄化技術を説明する。
• これらの測定を研究情報の管理への適用について説明する。

実験結果

リサーチクエスチョン

• RQ1 Research Information Systems へデータを取り込むときにどのようなデータ品質の問題が生じるか？
• RQ2 このようなデータ品質の問題を検出・浄化するためにどのような測定が使用できるか？
• RQ3 RIS のデータ品質を改善する新しいデータ浄化技術は何か？
• RQ4 これらの測定はRIS を用いた意思決定をどのように支援するか？

主な発見

• 本論文は RIS のデータパイプラインにおけるデータエラーを検出し対処するための測定の可能性について論じている。
• 研究情報システムの品質向上を目指した新しいデータ浄化技術を概説している。
• 提案された測定は RIS を用いた意思決定のための適切で信頼性のある基盤を提供し、データセットの信頼性を高めることを意図している。