[论文解读] Comprehensive and Comprehensible Data Catalogs: The What, Who, Where, When, Why, and How of Metadata Management

Pranav Subramaniam, Yintong Ma+3 more|arXiv (Cornell University)|Mar 12, 2021

Scientific Computing and Data Management参考文献 37被引用 4

一句话总结

本文提出了5W1H+R心智模型——一种用于数据目录中元数据管理的全面且易懂的框架，采用在经典5W1H（何事、何人、何地、何时、何故、如何）基础上增加'原因'（Reason）的结构，以标准化元数据表示。该模型通过用户研究验证，显著提升了元数据在不同用户间的可发现性与一致性，改善了企业级元数据管理中的理解与可用性。

ABSTRACT

Data management tasks require access to metadata, which is increasingly tracked by databases called data catalogs. Current catalogs are too dependent on users' understanding of data, leading to difficulties in large organizations of users with different skills: catalogs either make metadata easy for users to store and difficult to retrieve, or they make it easy to retrieve, but difficult to store. In this paper, we present 5W1H+R, a new catalog mental model that is comprehensive in the metadata it represents, and comprehensible in that it permits all users to locate metadata easily. We demonstrate these properties via a user study. We then discuss practical guidelines for implementing the new mental model. We conclude mental models are important to make data catalogs more useful and to boost metadata management efforts.

研究动机与目标

• 解决由于用户理解差异与术语不一致导致的企业级数据目录中元数据存储与检索不一致的问题。
• 设计一种兼顾全面性与易懂性的共享心智模型，使所有用户能够有效存储与检索元数据。
• 通过将用户意图与标准化的元数据类别对齐，减轻元数据管理的认知负荷。
• 通过用户研究验证该模型的有效性，比较不同用户群体在理解与可用性方面的表现。
• 为在实际数据目录系统中实施5W1H+R心智模型提供实用指南。

提出的方法

• 提出5W1H+R心智模型——在经典5W1H基础上增加'原因'（Reason），将元数据划分为六种类别：何事（What）、何人（Who）、何地（Where）、何时（When）、何故（Why）和如何（How）。
• 应用认知契合理论来论证该模型的设计，确保用户心智模型与元数据表示之间的一致性。
• 开展用户研究，将5W1H+R模型与现有灵活的元数据模式进行对比，评估其可理解性与可用性。
• 设计一个实现5W1H+R模型的原型数据目录界面，以测试用户交互与元数据检索性能。
• 利用用户的定性与定量反馈，评估该模型在支持一致元标记与发现方面的能力。
• 基于模型结构与用户研究结果，推导出数据目录供应商的实施指南。

实验结果

研究问题

• RQ1 标准化的心智模型如5W1H+R在多大程度上提升了不同用户在数据目录中对元数据的可理解性？
• RQ2 与灵活的、用户自定义的模式相比，5W1H+R模型在多大程度上减少了元数据存储与检索中的模糊性？
• RQ3 5W1H+R模型是否能在不牺牲可用性或不需大量用户培训的前提下，支持全面的元数据表达？
• RQ4 具有不同技术背景的用户在5W1H+R框架下如何感知并使用元数据？
• RQ5 将5W1H+R模型集成到现有数据目录系统中的实际设计与实施指南是什么？

主要发现

• 5W1H+R心智模型显著提升了用户定位与理解相关元数据的能力，减少了元数据检索中的语义模糊性。
• 当元数据采用5W1H+R框架组织时，用户表现出更高的信心与更快的决策速度，相比自由格式的元数据输入。
• 该模型实现了用户意图到元数据字段的一致映射，减少了不同用户对同一数据描述的差异。
• 用户研究证实，5W1H+R模型在支持全面元数据捕获与直观检索之间实现了良好平衡，兼顾了灵活性与标准化。
• 用户认为该模型结构直观且可扩展，能够以极低的认知负荷将元数据正确映射到对应类别。
• 基于研究推导出的实施指南强调了语义对齐、基于角色的元数据视图以及在生产目录中逐步采纳的重要性。