Figure H.4 — Graphic representation of the dataset contents

Bảng thông báo lỗi được chuẩn bị để hiển thị số lượng các lỗi thường gặp phải và cách chúng được phân loại theo một thủ tục thường được sử dụng trong ngành công nghiệp cơ sở dữ liệu đường. Ví dụ cụ thể gán trọng số cho từng loại lỗi. Tổng trọng số tương đương với 100 phần trăm. Kết quả là giá trị có tính đến trọng số được coi là chất lượng của tập dữ liệu. Bảng H.2 cho thấy một ví dụ về tính toán kết quả chất lượng dữ liệu tổng hợp. Một mục được định nghĩa là một đoạn đường được giới hạn bởi các điểm giao cắt với các tuyến đường khác hoặc các ranh giới của đơn vị mẫu.

An error table is prepared to show the number of errors encountered and how they are classified according to a typical procedure used in the road database industry. The particular example procedure assigns weights to each error type. The sum of the weights equals 100 percent. The resulting weighted value is considered to be the quality of the dataset. Table H.2 shows an example of calculating an aggregated data quality result. An item is defined as a road segment which is bounded by intersection points with the other roads or boundaries of the sample unit.

(quy định)

(normative)

Reporting quality information in a quality evaluation report

Phụ lục này mô tả nội dung chi tiết của báo cáo đánh giá chất lượng định lượng. Báo cáo đánh giá chất lượng cung cấp các chi tiết về kết quả chất lượng và thủ tục được sử dụng để tính toán chúng hơn là được ghi lại trong siêu dữ liệu. Bảng I.1 của phụ lục này cung cấp một hình ảnh của các mối quan hệ lồng nhau của nội dung thông báo đánh giá chất lượng.

1. 
   Introduction
   

Tiêu đề cột của bảng và mã số bảng trong Bảng I.1 là:

2. 
   Quality evaluation report components
   

1. 
   – trực tiếp - bên ngoài
   
2. 
   – trực tiếp-nội bộ
   
3. 
   – gián tiếp
   

1. 
   – áp dụng lấy mẫu
   
2. 
   – kiểm tra đầy đủ
   
3. 
   – không áp dụng
   

4. 
   - direct-external
   
5. 
   - direct-internal
   
6. 
   - indirect
   

4. 
   - sampling applied
   
5. 
   - full inspection
   
6. 
   - not applicable
   

(tham khảo)

(informative)

Aggregation of data quality results

Chất lượng của một tập dữ liệu có thể được trình bày bởi một hoặc nhiều kết quả chất lượng dữ liệu tổng hợp (ADQR). Các ADQR tổng hợp kết quả chất lượng từ việc đánh giá chất lượng dữ liệu dựa trên các thành phần chất lượng dữ liệu khác nhau, các thành phần phụ chất lượng dữ liệu khác nhau và / hoặc phạm vi chất lượng dữ liệu.

Các điều khoản phụ tiếp theo của phụ lục này là ví dụ về các phương pháp có thể được sử dụng để sản xuất một ADQR. Trong khi những ví dụ cho thấy tính toán sử dụng các giá trị Boolean, chúng không nhất thiết phải là Boolean. Một kết quả chất lượng dữ liệu có thể là định lượng và thể hiện bằng một giá trị số hoặc giá trị Boolean. Một tập dữ liệu có thể được coi là một chất lượng tổng hợp được chấp nhận mặc dù một hoặc nhiều kết quả chất lượng dữ liệu riêng không chấp nhận. Trong mọi trường hợp, dự định về kết quả tổng hợp phải được làm rõ.

Khi ADQR có thể khó hiểu một cách đầy đủ, dự định về kết quả chất lượng dữ liệu tổng hợp nên được hiểu trước khi đưa ra kết luận dựa trên kết quả chất lượng dữ liệu tổng hợp về chất lượng của các tập dữ liệu.

Điều 8 của Tiêu chuẩn Quốc tế này mô tả báo cáo để tổng hợp kết quả chất lượng dữ liệu.

Quality of a dataset may be represented by one or more aggregated data quality results (ADQR). The ADQR combines quality results from data quality evaluations based on different data quality elements, data quality subelements and/or data quality scopes.

The following subclauses of this annex are examples of methods that may be used for producing an ADQR. While the examples show computation using Boolean values, they do not have to be Boolean. A data quality result may be quantitative or qualitative and represented by a numeric or Boolean value. A dataset may be deemed to be of an acceptable aggregate quality even though one or more individual data quality results fails acceptance. In any case, the meaning of the aggregate result must be made clear.

As the ADQR may be difficult to fully understand, the meaning of the aggregate data quality result should be understood before drawing conclusions based on aggregate data quality results for the quality of the dataset.

Clause 8 of this International Standard describes reporting requirements for aggregate data quality results.

Mỗi kết quả chất lượng dữ liệu liên quan đến việc tính toán được đưa ra một giá trị Boolean v một (1) nếu nó chấp nhận và là số (0) nếu nó không chấp nhận. Chất lượng tổng hợp được xác định bởi phương trình,

  trong đó n là số lượng khung đo lường chất lượng dữ liệu.

Nếu ADQR = 1, sau đó chất lượng tập dữ liệu tổng thể được thực hiện đầy đủ, do đó được chấp nhận. Nếu ADQR = 0, nó được coi là không phù hợp, do đó không được chấp nhận. Kỹ thuật này không cung cấp kết quả cho biết vị trí hoặc tầm quan trọng của sự không phù hợp.

Each data quality result involved in the computation is given a Boolean value v of one (1) if it passed and zero (0) if it failed. The aggregate quality is determined by the equation,

where n is the number of data quality measurement frames.

If ADQR = 1, then the overall dataset quality is deemed to be fully conforming, hence pass. If ADQR = 0, then it is deemed non-conforming, hence fail. The technique does not provide a result that indicates location or magnitude of the non-conformance.

Mỗi kết quả chất lượng dữ liệu liên quan đến việc tính toán được đưa ra một giá trị Boolean v (1) nếu nó chấp nhận và là số (0) nếu nó không chấp nhận. Dựa trên ý nghĩa về mục đích của sản phẩm, giá trị trọng số w giữa 0,0 và 1,0, bao gồm, được gán cho mỗi kết quả chất lượng dữ liệu. Tổng của tất cả các trọng số phải bằng 1,0. Lựa chọn trọng sô là một quyết định chủ quan được thực hiện bởi nhà sản xuất hoặc người dùng dữ liệu. Lý do về quyết định của nhà sản xuất dữ liệu nên được báo cáo như là một phần của kết quả. Chất lượng tổng hợp được xác định bởi phương trình,

với n là số thứ tự

Kỹ thuật này không cung cấp một giá trị độ lớn cho thấy các thể hiện mức phù hợp của một tập dữ liệu với thế giới thực cũng như đo độ phù hợp này. Kỹ thuật này không cung cấp một giá trị định lượng cho biết sự xuất hiện phù hợp hoặc không phù hợp.

Each data quality result involved in the computation is given a Boolean value v of one (1) if it passed and a zero (0) if it failed. Based on the significance to the purpose of the product, a weight value w between 0,0 and 1,0, inclusive, is assigned to each data quality result. The total of all the weights should equal 1,0. The choice of weights is a subjective decision made by the data producer or user. The reason for the data producer’s decision should be reported as part of the result. The aggregate quality is determined by the equation,

where n is the number of data quality measurement frames.

This technique does provide a magnitude value indicating how close a dataset is to full conformance as measured. The technique does not provide a quantitative value that indicates where conformance or non-conformance occurs.

Kỹ thuật này là sự thay đổi của phương pháp 100% chấp nhận/không chấp nhận và trọng số chấp nhận/không chấp nhận. Một tập hợp các kết quả chất lượng dữ liệu liên quan đến việc tính toán được lựa chọn từ kết quả chất lượng dữ liệu được tạo ra trong quá trình đánh giá chất lượng dữ liệu đầy đủ. Tập con trình bày về kết quả chất lượng dữ liệu được coi là quan trọng đối với mục đích của sản phẩm. Kỹ thuật này có thể được sử dụng khi có nhiều thành phần chất lượng dữ liệu đã được đo hơn là cần thiết để đáp ứng thông số kỹ thuật sản phẩm và / hoặc mục đích sản phẩm.

Chất lượng tổng hợp được xác định bằng cách áp dụng 100% chấp nhận/không chấp nhận, có tính đến trọng số, hoặc một số kỹ thuật đánh giá tổng hợp khác về các tập hợp con của kết quả khung đo lường chất lượng dữ liệu.

Khi kỹ thuật này được áp dụng, xác định các khung đo lường chất lượng dữ liệu được lựa chọn là thành viên của nhóm nên được ghi chép.

This technique is a modification of the 100% pass/fail and the weighted pass/fail methods. A subset of data quality results involved in the computation is selected from data quality results produced during the full data quality evaluation. The subset represents data quality results considered significant to the purpose of the product. This technique may be used when more data quality elements have been measured than are needed to meet the product specification and/or purpose.

The aggregate quality is determined by applying the 100% pass/fail, the weighted pass/fail, or some other aggregate evaluation technique to the subset of data quality measurement frame results.

When this technique is applied, the identity of the data quality measurement frames selected as members of the subset should be documented.

Mỗi kết quả chất lượng dữ liệu được đưa ra một giá trị v dựa trên tầm quan trọng của kết quả chất lượng dữ liệu với mục đích của sản phẩm. Lý do về quyết định của nhà sản xuất dữ liệu nên được báo cáo như là một phần của kết quả chất lượng dữ liệu. Chất lượng tổng hợp được xác định theo một trong hai phương trình,

hoặc

Trong đó n là số lượng khung đo lường chất lượng dữ liệu.

Kỹ thuật này không cung cấp giá trị độ lớn cho thấy khoảng cách giữa một tập dữ liệu là hoàn toàn phù hợp khi đo, nhưng chỉ trong các đối tượng của khung dữ liệu đo lường chất lượng trình bày là tối đa hoặc tối thiểu. Kỹ thuật này không cung cấp một giá trị định lượng cho biết sự xuất hiện phù hợp hoặc không phù hợp khi khung đo lường chất lượng dữ liệu được chọn là thông báo cùng với các ADQR. Tuy nhiên, kiểu ADQR này nói rất ít về tầm quan trọng của kết quả chất lượng dữ liệu khác.

Each data quality result is given a value v based on the significance of a data quality result to the purpose of the product. The reason for the data producer’s decision should be reported as part of the dataset’s quality result. The aggregate quality is determined by either of the two equations,

or

ADQR = min.(v_i, i = 1. . . n )

where n is the number of data quality measurement frames measured.

The technique does provides a magnitude value indicating how close a dataset is to full conformance as measured, but only in terms of the data quality measurement frame represented by the maximum or minimum. The technique does provide a quantitative value that indicates where conformance or non-conformance occurs when the selected data quality measurement frame is reported along with the ADQR. However, this type of ADQR tells little about the magnitude of the other data quality results.

[1] ISO 2859 (tất cả các phần), thủ tục lấy mẫu để kiểm tra bằng các thuộc tính

[2] ISO 3534-2: —¹, Thống kê - Từ vựng và biểu tượng - Phần 2: Thống kê ứng dụng

[3] ISO 3951-1: —², thủ tục lấy mẫu và biểu đồ để kiểm tra bởi các biến — Phần 1: Thông số kỹ thuật về kế hoạch lấy mẫu đơn được lập chỉ số bằng cách giới hạn chất lượng chấp nhận (AQL) để kiểm tra lot-by-lot cho một đặc tính chất lượng và AQL duy nhất

[4] ISO 8601:2000, các thành phần dữ liệu và định dạng trao đổi — trao đổi thông tin — Trình bày về thời gian

[5] ISO 9001:2000, Hệ thống quản lý chất lượng — Các yêu cầu

[6] ISO 11404:1996, Công nghệ thông tin — Ngôn ngữ lập trình, môi trường và giao diện phần mềm hệ thống — kiểu dữ liệu ngôn ngữ độc lập

[7] ISO 19108:2002, Thông tin địa lý — Lược đồ thời gian

1. 
   ISO 2859 (all parts), Sampling procedures for inspection by attributes
   
2. 
   ISO 3534-2: —¹, Statistics — Vocabulary and symbols — Part 2: Applied statistics
   
3. 
   ISO 3951-1: —² Sampling procedures and charts for inspection by variables — Part 1: Specification for single sampling plans indexed by acceptance quality limit (AQL) for lot-by-lot inspection for a single quality characteristic and a single AQL
   
4. 
   ISO 8601:2000, Data elements and interchange formats — Information interchange — Representation of dates and times
   
5. 
   ISO 9001:2000, Quality management systems — Requirements
   
6. 
   ISO 11404:1996, Information technology — Programming languages, their environments and system software interfaces — Language-independent datatypes