Ayer se publicó el artículo sobre la Primera Mejor Práctica, que es Proporcione metadatos. Hoy comento la segunda mejor práctica del documento Mejores Prácticas para Datos en la Web, elaborado por el WG DWBP.
BP2: Proporcione metadatos descriptivos
Proporcione metadatos que describan las características generales de los datasets y distribuciones.
Proporcionar información descriptiva sobre los datasets permite que los user agents descubran automáticamente los datasets disponibles en la Web, además de permitir a los humanos entender la naturaleza del dataset y sus distribuciones.
Resultado esperado
Al hacer esto, los humanos serán capaces de interpretar la naturaleza de los datos en el dataset y sus distribuciones. Además, los software agents descubrirán automáticamente los datasets y sus distribuciones.
Posible implementación
Los metadatos descriptivos pueden incluir las siguientes características de un dataset:
- El título y la descripción del dataset
- Palabras clave que describen el contenido
- La fecha de publicación del dataset
- La entidad responsable de hacer disponibles los datos
- El punto de contacto sobre el dataset
- La cobertura geográfica del dataset
- El período de tiempo que cubre el dataset
- Los temas o categorías de un determinado dataset
Los metadatos descriptivos pueden incluir las siguientes características de una distribución:
- El título y la descripción de la distribución
- La fecha de publicación de la distribución
- El tipo de medio de la distribución
La versión legible por máquinas de los datos descriptivos se puede proporcionar utilizando algún vocabulario recomendado por el W3C, creado específicamente para describir datasets. Por ejemplo, el Data Catalog Vocabulary. Este proporciona un marco de trabajo en el cual los datasets se pueden describir como entidades abstractas.
Vea el siguiente ejemplo que presenta datos legibles por máquinas:
Muestra cómo utilizar el Data Catalog Vocabulary (DCAT) para proporcionar datos legibles por máquina para el dataset sobre paradas de autobús (stops-2015-05-05). El dataset tiene una distribución en .csv (stops-2015-05-05.csv) que también se describe utilizando el >Data Catalog Vocabulary (DCAT). El dataset está clasificado en el dominio representado por la URI relativa “movilidad”.
Este dominio se puede definir como parte de un conjunto de dominios identificados por los temas de la URI. Para describir tanto los conceptos como los conceptos del esquema, John utilizó SKOS. Para expresar la frecuencia de actualización, se utilizó una instancia de las “Content-Oriented Guidelines”, desarrolladas como parte del vocabulario del W3C “Data Cube”. John eligió describir la cobertura espacial y temporal del dataset utilizando URIs de Geonames y el Interval dataset de data.gov.uk, respectivamente.
:stops-2015-05-05 a dcat:Dataset ; dct:title "Bus stops of MyCity" ; dcat:keyword "transport","mobility","bus" ; dct:issued "2015-05-05"^^xsd:date ; dcat:contactPoint <http://data.mycity.example.com/transport/contact> ; dct:temporal <http://reference.data.gov.uk/id/year/2015> ; dct:spatial <http://www.geonames.org/3399415> ; dct:publisher :transport-agency-mycity ; dct:accrualPeriodicity <http://purl.org/linked-data/sdmx/2009/code#freq-A> ; dcat:theme :mobility ; dcat:distribution :stops-2015-05-05.csv ; .
:mobility a skos:Concept ; skos:inScheme :themes ; skos:prefLabel "Mobility"@en ; skos:prefLabel "Mobilidade"@pt .
:themes a skos:ConceptScheme ; skos:prefLabel "A set of domains to classify documents" ; .
:stops-2015-05-05.csv a dcat:Distribution ; dct:title "CSV distribution of stops-2015-05-05 dataset" ; dct:description "CSV distribution of the bus stops dataset of MyCity" ; dcat:mediaType "text/csv" ; .
Aquí también puede echar un vistazo a un ejemplo de metadados descriptivos orientados a la comprensión humana.
¿Lo ve? La segunda mejor práctica del documento tampoco es nada del otro mundo. De hecho, la práctica de utilizar metadatos descriptivos promete grandes beneficios a lo largo del tiempo, ya que cuantos más metadatos haya, más ricos y estandarizados sean, más fácil será utilizarlos para realizar cruces y lecturas de los mismos.