110 likes | 233 Views
Transfer Wiedzy w Leśnym Centrum Informacji. dr inż. Dorota Farfał Sękocin Stary 5 grudnia 2011 r. Transfer wiedzy. Bazy danych. Publikacje. Doradztwo. Badania ankietowe. Licencje / patenty. S zkolenia. Dokumentacje. Certyfikacja jakości. Strategie przechowywania danych.
E N D
Transfer Wiedzy wLeśnym Centrum Informacji dr inż. Dorota Farfał Sękocin Stary 5 grudnia 2011 r.
Transfer wiedzy Bazy danych Publikacje Doradztwo Badania ankietowe Licencje / patenty Szkolenia Dokumentacje Certyfikacja jakości
Strategie przechowywania danych Rozwój technologii IT Naukowe bazy danych IBL 1930 - 1990 - Papier I poł. lat 90-tych - Bazy DOS II poł. lat 90-tych - Bazy Excel 2013r - cyfryzacja zasobów naukowych, bazy relacyjne • 1956r - pierwszy dysk twardy (pojemność 5MB) • Lata 80-te - PC, laptop, mysz komputerowa, system operacyjny DOS • Lata 90-te - rozwój systemu operacyjnego Windows 1994r - cyfryzacja zbiorów Biblioteki Kongresu USA
Naukowe Bazy Danych IBL OBECNIE LCI Zgromadzone w jednym miejscu – CRD Różnorodne tematycznie Uporządkowanie poprzez jeden format przechowywania Bazy danych jako transfer wiedzy Uprawniony dostęp • Rozproszone – PC • Różnorodne tematycznie • Różne formaty przechowywania • Brak informacji o danych i wielkości baz • Brak dostępu
Strategia IBL: przechowywanie danych w bazach relacyjnych i cyfryzacja archiwów • Zabezpieczenie zasobów naukowych zgodnie z nowoczesnymi standardami, • Zarządzanie zasobami naukowymi w powiązaniu z cyklem życia projektu naukowego, • Zarządzanie dostępem do zasobów naukowych, • Umożliwienie szybkiego wyszukiwania i udostępniania zasobów naukowych, • Udostępnienie narzędzi analitycznych dla zasobów naukowych, • Transfer wiedzy Instytutu do określonych grup użytkowników.
Hurtownia Danych w IBL Definicja 1: Baza danych stworzona do celów analitycznych. Definicja 2: Zbiór danych uporządkowany tematycznie, zintegrowany, zawierający określony wymiar np. czasowy lub geograficzny, bez możliwości ingerencji w strukturę i zawartość.
Cel HD 1. Eksploracja danych (Data mining) • odkrywanie zależności ukrytych w zbiorach danych • poszukiwanie związków, sekwencji, klasyfikacji 2. Zestawienia (zbiorcze, porównawcze, okresowe) • analizy statystyczne • analizy trendów 3. Planowanie i kontrola realizowanych zadań projektowych
Cykl życia danych w Hurtowni Danych • zasilanie okresowe • scalanie i agregacja według określonego „klucza autora” • usuwanie, tylko dla okresów już nie potrzebnych.
„Wyobraźnia jest ważniejsza od wiedzy. Wyobraźnia bez wiedzy może stworzyć rzeczy piękne, wiedza bez wyobraźni najwyżej doskonałe. „Albert Einstein