[论文解读] Towards High-Value Datasets determination for data-driven development: a systematic literature review

Anastasija Nikiforova, Nina Rizun+3 more|arXiv (Cornell University)|May 17, 2023

Smart Cities and Technologies被引用 5

一句话总结

本篇系统性文献回顾识别并综合了现有方法、指标以及利益相关方在确定数据驱动型公共部门创新中的高价值数据集（HVDs）时的参与情况。该研究提出了一套基础性知识库，以指导首席数据官基于情境、经济和可用性标准系统评估HVDs，填补了国家和区域数据计划在标准化方法论上的关键空白。

ABSTRACT

The OGD is seen as a political and socio-economic phenomenon that promises to promote civic engagement and stimulate public sector innovations in various areas of public life. To bring the expected benefits, data must be reused and transformed into value-added products or services. This, in turn, sets another precondition for data that are expected to not only be available and comply with open data principles, but also be of value, i.e., of interest for reuse by the end-user. This refers to the notion of 'high-value dataset' (HVD), recognized by the European Data Portal as a key trend in the OGD area in 2022. While there is a progress in this direction, e.g., the Open Data Directive, incl. identifying 6 key categories, a list of HVDs and arrangements for their publication and re-use, they can be seen as 'core' / 'base' datasets aimed at increasing interoperability of public sector data with a high priority, contributing to the development of a more mature OGD initiative. Depending on the specifics of a region and country - geographical location, social, environmental, economic issues, cultural characteristics, (under)developed sectors and market specificities, more datasets can be recognized as of high value for a particular country. However, there is no standardized approach to assist chief data officers in this. In this paper, we present a systematic review of existing literature on the HVD determination, which is expected to form an initial knowledge base for this process, incl. used approaches and indicators to determine them, data, stakeholders.

研究动机与目标

• 解决公共部门数据计划中识别高价值数据集（HVDs）缺乏标准化方法论的问题。
• 分析现有关于HVD确定的文献，以提取关键标准、指标及利益相关方角色。
• 支持首席数据官和政策制定者基于证据对数据集优先级进行再利用和创新的决策。
• 为未来针对区域和国家背景量身定制的HVD评估框架的开发建立基础性知识库。
• 通过识别数据集真正价值的要素（超越单纯可获取性），弥合开放数据政策与实际数据再利用之间的差距。

提出的方法

• 采用既定的PRISMA指南开展系统性文献回顾，以识别关于高价值数据集确定的同行评审研究。
• 在学术数据库中检索2000至2023年间发表的、聚焦于HVDs、数据再利用及开放数据价值创造的研究。
• 应用纳入与排除标准，根据与HVD识别的相关性、方法论及情境对相关研究进行筛选。
• 通过主题分析综合研究发现，提取HVD评估中反复出现的标准、指标及利益相关方参与情况。
• 将方法分类为以数据为中心、以用户为中心和以政策为导向的HVD确定方法。
• 将识别出的指标（例如，数据质量、可重用性、社会影响）进行映射，以支持结构化的评估框架。

实验结果

研究问题

• RQ1 文献中用于确定公共部门数据计划中高价值数据集的标准和指标有哪些？
• RQ2 哪些利益相关方群体参与了HVD确定过程，他们各自扮演什么角色？
• RQ3 现有HVD确定方法在不同地区、部门或数据类型之间有何差异？
• RQ4 当前HVD识别过程中存在哪些方法论上的空白，如何加以弥补？
• RQ5 如何基于现有研究开发一种标准化且具有情境敏感性的HVD确定框架？

主要发现

• 文献将数据质量、可重用性、时效性以及与社会挑战的相关性确定为核心指标，用于HVD的判定。
• 终端用户、领域专家及公共部门机构等利益相关方持续参与数据集价值的评估，凸显以用户为中心的评估方式。
• 在确定数据集价值时，对情境因素（如区域经济需求、环境关切及文化特殊性）的强调显著，超越了通用的开放数据原则。
• 当前方法分散，缺乏统一框架，凸显了对标准化评估模型的迫切需求。
• 欧盟《开放数据指令》提供了HVD类别的基础清单，但国家和区域的扩展版本需要具备情境特异性的标准。
• 本回顾揭示了HVD识别在方法论严谨性与可重复性方面存在不足，亟需建立系统化、基于证据的评估框架。