Minería de Calidad de Texto y Datos en CRIS
Autores: Azeroual, Otmane
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Minería de Calidad de Texto y Datos en CRIS
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Instituciones científicas
Sistema de información de investigación
Minería de texto y datos
Calidad de los datos
Proyecto CRIS
Aceptación del usuario
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Para proporcionar a las instituciones científicas una documentación integral y bien mantenida de su información de investigación en un sistema de información de investigación actual (CRIS), tienen las mejores condiciones para la implementación de métodos de minería de texto y datos (TDM). El uso de TDM ayuda a identificar y eliminar errores de manera más efectiva, mejorar el proceso, desarrollar el negocio y tomar decisiones informadas. Además, TDM aumenta la comprensión de los datos y su contexto. Esto no solo mejora la calidad de los datos en sí, sino también el manejo que la institución hace de los datos y, en consecuencia, los análisis. Este documento presenta el uso de TDM en CRIS para analizar, cuantificar y corregir los datos no estructurados y sus problemas de calidad. Los datos incorrectos conducen a costos elevados o decisiones erróneas. Asegurar una alta calidad de los datos es un requisito esencial al crear un proyecto CRIS. La aceptación del usuario en un CRIS depende, entre otras cosas, de la calidad de los datos. No solo la calidad objetiva de los datos es el criterio decisivo, sino también la calidad subjetiva que el usuario individual asigna a los datos.
Descripción
Para proporcionar a las instituciones científicas una documentación integral y bien mantenida de su información de investigación en un sistema de información de investigación actual (CRIS), tienen las mejores condiciones para la implementación de métodos de minería de texto y datos (TDM). El uso de TDM ayuda a identificar y eliminar errores de manera más efectiva, mejorar el proceso, desarrollar el negocio y tomar decisiones informadas. Además, TDM aumenta la comprensión de los datos y su contexto. Esto no solo mejora la calidad de los datos en sí, sino también el manejo que la institución hace de los datos y, en consecuencia, los análisis. Este documento presenta el uso de TDM en CRIS para analizar, cuantificar y corregir los datos no estructurados y sus problemas de calidad. Los datos incorrectos conducen a costos elevados o decisiones erróneas. Asegurar una alta calidad de los datos es un requisito esencial al crear un proyecto CRIS. La aceptación del usuario en un CRIS depende, entre otras cosas, de la calidad de los datos. No solo la calidad objetiva de los datos es el criterio decisivo, sino también la calidad subjetiva que el usuario individual asigna a los datos.