Gráfico de Conocimiento del Catastro: Más Allá de la Quinta Estrella de los Datos Abiertos
Autores: Ronzhin, Stanislav; Folmer, Erwin; Maria, Pano; Brattinga, Marco; Beek, Wouter; Lemmens, Rob; van"t Veer, Rein
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Gráfico de Conocimiento del Catastro: Más Allá de la Quinta Estrella de los Datos Abiertos
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Silos de datos
Conjuntos de datos
Gráficos de conocimiento
Lagos de datos
Aprendizaje automático
Asistentes virtuales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Después de más de una década, el enfoque impulsado por la oferta para la publicación de datos públicos (abiertos) ha dado lugar a un número cada vez mayor de silos de datos. Cientos de miles de conjuntos de datos han sido catalogados y se pueden acceder en portales de datos a diferentes niveles administrativos. Sin embargo, por lo general, los usuarios no piensan en términos de conjuntos de datos cuando buscan información. En cambio, están interesados en información que probablemente esté dispersa en varios conjuntos de datos. En el mundo de los datos propietarios dentro de las empresas, las organizaciones invierten mucho en conectar datos en gráficos de conocimiento y/o almacenar datos en lagos de datos con la intención de tener una vista integrada de los datos para su análisis. Con el auge del aprendizaje automático, es una creencia común que los gobiernos pueden mejorar sus servicios, por ejemplo, permitiendo que los ciudadanos obtengan respuestas relacionadas con la información gubernamental de asistentes virtuales como Alexa o Siri. Para proporcionar respuestas de alta calidad, estos sistemas necesitan ser alimentados con gráficos de conocimiento. En este documento, compartimos nuestra experiencia en la construcción y uso del primer gráfico de conocimiento del gobierno abierto en los Países Bajos. Basándonos en los demostradores desarrollados, elaboramos sobre el valor de tener un gráfico así y demostramos su uso en el contexto de una mejor navegación de datos, análisis multicriterio para la planificación urbana y el desarrollo de chatbots conscientes de la ubicación.
Descripción
Después de más de una década, el enfoque impulsado por la oferta para la publicación de datos públicos (abiertos) ha dado lugar a un número cada vez mayor de silos de datos. Cientos de miles de conjuntos de datos han sido catalogados y se pueden acceder en portales de datos a diferentes niveles administrativos. Sin embargo, por lo general, los usuarios no piensan en términos de conjuntos de datos cuando buscan información. En cambio, están interesados en información que probablemente esté dispersa en varios conjuntos de datos. En el mundo de los datos propietarios dentro de las empresas, las organizaciones invierten mucho en conectar datos en gráficos de conocimiento y/o almacenar datos en lagos de datos con la intención de tener una vista integrada de los datos para su análisis. Con el auge del aprendizaje automático, es una creencia común que los gobiernos pueden mejorar sus servicios, por ejemplo, permitiendo que los ciudadanos obtengan respuestas relacionadas con la información gubernamental de asistentes virtuales como Alexa o Siri. Para proporcionar respuestas de alta calidad, estos sistemas necesitan ser alimentados con gráficos de conocimiento. En este documento, compartimos nuestra experiencia en la construcción y uso del primer gráfico de conocimiento del gobierno abierto en los Países Bajos. Basándonos en los demostradores desarrollados, elaboramos sobre el valor de tener un gráfico así y demostramos su uso en el contexto de una mejor navegación de datos, análisis multicriterio para la planificación urbana y el desarrollo de chatbots conscientes de la ubicación.