[논문 리뷰] Data Quality Measures and Data Cleansing for Research Information Systems

Otmane Azeroual, Gunter Saake외 1명|arXiv (Cornell University)|2019. 01. 18.

Data Quality and Management참고 문헌 11인용 수 58

한 줄 요약

이 논문은 데이터 품질을 향상시키기 위한 측정 방법과 새로운 데이터 정리 기술을 제시하고 RIS에서 신뢰할 수 있는 의사결정을 지원합니다.

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.

연구 동기 및 목표

• RIS에 연구정보를 수집, 전송 및 통합하는 과정에서 나타나는 데이터 품질 문제를 식별한다.
• 연구기관의 데이터 품질 향상을 위한 데이터 정리 측정 및 기술을 제안한다.
• 개선된 데이터 품질이 RIS를 사용한 신뢰할 수 있는 의사결정을 어떻게 지원하는지 설명한다.

제안 방법

• RIS의 수집, 전송 및 통합으로 인해 발생할 수 있는 데이터 품질 문제를 검토한다.
• RIS 데이터에 적용 가능한 데이터 정리 측정 방법을 제시한다.
• 데이터 품질 향상을 위한 데이터 정리에 관한 새로운 기법을 설명한다.
• RIS 관리에 대한 이러한 측정의 적용을 설명한다.

실험 결과

연구 질문

• RQ1 RIS에 데이터를 공급할 때 어떤 데이터 품질 문제가 발생하는가?
• RQ2 이러한 데이터 품질 문제를 감지하고 정리하는 데 어떤 측정 방법을 사용할 수 있는가?
• RQ3 RIS의 데이터 품질을 향상시키는 새로운 데이터 정리 기법은 무엇인가?
• RQ4 이러한 측정은 RIS를 이용한 의사결정을 어떻게 지원하는가?

주요 결과

• 논문은 RIS 데이터 파이프라인에서 데이터 오류를 감지하고 해결하기 위한 가능한 측정 방법을 논의한다.
• 데이터 품질 향상을 목표로 하는 RIS용 새로운 데이터 정리 기법을 개략적으로 제시한다.
• 제안된 측정은 RIS를 사용한 의사결정에 적절하고 신뢰할 수 있는 근거를 제공하고 데이터 세트의 신뢰성을 높이려는 목적이 있다.