[論文レビュー] Use of Context in Data Quality Management: a Systematic Literature Review

Flavia Serra, Verónika Peralta+2 more|arXiv (Cornell University)|Apr 22, 2022

Data Quality and Management被引用数 5

ひとこと要約

本系統的文献レビューでは、現代のデータ品質管理（DQM）アプローチにおける文脈の統合方法を調査し、文脈が極めて重要であると広く認識されている一方で、58件のレビュー対象論文のうち正式な文脈定義を提供しているのはたった6件（10.3%）にとどまることを明らかにした。研究では、DQ要件が最も一般的な文脈コンポONENTであると特定し、特にビッグデータやリンクトデータのような多様な分野において、DQメトリクスのための文脈の形式化に著しいギャップが存在することを強調している。

ABSTRACT

The importance of context in data quality (DQ) was shown many years ago and nowadays is widely accepted. Early approaches and surveys defined DQ as extit{fitness for use} and showed the influence of context on DQ. This paper presents a Systematic Literature Review (SLR) for investigating how context is taken into account in recent proposals for DQ management. We specifically present the planning and execution of the SLR, the analysis criteria and our results reflecting the relationship between context and DQ in the state of the art and, particularly, how that context is defined and used for DQ management.

研究の動機と目的

• 最近のデータ品質管理（DQM）提案における文脈の現在の使用方法を調査すること。
• DQM文献における文脈のコンポonent、定義、表現方法を特定・分類すること。
• DQMにおける文脈の形式化水準、特にデータ品質メトリクスや次元との関連において評価すること。
• DQにおける文脈の定義に合意が得られていない現状を是正し、今後のモデリング作業を支援すること。
• 既存研究におけるギャップとトレンドを同定することで、文脈に配慮したDQモデルの開発を支援すること。

提案手法

• 関連研究を同定するため、厳密で再現可能なSLR手法に従って系統的文献レビューを実施した。
• デジタル図書館（例：Springer）を対象に事前に定義された検索文字列を適用し、DQMと文脈に関する58件の関連論文を取得した。
• 研究の種別（例：モデル、フレームワーク）、応用分野、データモデル、事例研究の観点から論文を分類した。
• 各論文について、文脈定義（正式または非公式）、文脈コンポonent、表現技術（例：ルール、しきい値）を分析した。
• 文脈コンポonentをDQプロセス段階（特に測定と評価）にマッピングした。
• 文脈の形式化水準を評価し、自然言語、論理言語、数値指標の使用を含む表現方法を分析した。

実験結果

リサーチクエスチョン

• RQ1 最近のデータ品質管理提案において、文脈はどのように定義され、使用されているか？
• RQ2 DQ管理における文脈の最も一般的なコンポonentは何か。また、それらはどのように表現されているか？
• RQ3 現在のDQM研究において、文脈はどの程度正式に定義されたりモデル化されているか？
• RQ4 文脈はDQプロセスの測定と評価段階にどのように影響を与えているか？
• RQ5 特にビッグデータやリンクトデータのような分野において、文脈統合のギャップは何か？

主な発見

• 58件のレビュー対象論文のうち、正式なDQMにおける文脈定義を提供しているのは6件（10.3%）にとどまる。
• DQ要件が最も頻繁に挙げられる文脈コンポonentであり、その後に応用分野、ビジネスルール、タスク固有の要件が続く。
• DQプロセスの測定と評価段階が最も文脈に依存しやすく、提案された文脈コンポonentの数が最も多かった。
• 自然言語または論理言語で表現されたルールが、文脈コンポonentを表現する最も一般的な方法である。
• 文脈の重要性は広く認識されているが、多くのDQメトリクスは文脈に依存せず、汎用的かつ再利用可能な形で定義されていない。
• 適切なDQ次元やメトリクスについて合意が得られていないことが浮き彫りになっており、DQプロジェクトにおいて文脈に配慮したモデリングの必要性が強調される。