Manejo de colecciones de datos científicos en la Web

1. I Jornadas de Divulgación de Tecnologías de Información y Comunicaciones y el Desarrollo SostenibleDTIC-UCVCaracas Julio 2005 Manejo de colecciones de datos científicos en la Web Rodrigo Torréns, Zulay Méndez, Magdiel Ablan, Rigoberto Andressen Universidad de Los Andes, Centro Nacional de Cálculo Científico, Parque Tecnológico de Mérida

2. Introducción: Comentarios iniciales sobre: • Manejo de colecciones de datos en Venezuela • Red de Estaciones Bio-climáticas de Mérida • ECO-RED Venezuela • Red ILTER (International Long Term Ecological Research Network)

3. Los datos producto de una investigación científica • Los datos que yo necesito, existen? • Dónde están? • Cómo los obtengo? Uso de tecnologías de información para: • Ubicar • Accesar • Recuperar • Compartir …datos

4. Uso de metadatos y estándares de intercambio de información Objetivos Para lograr el… Uso secundario y a largo plazo de colecciones de datos científicos Se debe…Ubicar y recuperar informaciónGarantizar permanencia de los datos en el tiempo Herramientas organizativas y tecnológicas que pueden hacer esto posible:

5. Formación de Redes de colaboración entre científicos y entre usuarios de información Tecnologías de Información y Comunicaciones Uso de metadatos y estándares de intercambio de información Herramientas Herramientas organizativas y tecnológicas que pueden hacer esto posible:

6. Qué significa la palabra “metadatos”? a) b) c) Mc M D M2 M1 M D D D • " Datos sobre los datos " . • "Nivel superior de la información, o instrucciones que describen el contenido, contexto, calidad, estructura, y accesibilidad de una colección de datos específica"(J.K. Michener 1997). Metadatos como parte de los datos Metadatos externos al recurso de información Meta-metadatos (colecciones de metadatos)

7. Para qué “metadatos”? Preguntas que se deberían poder responder usando metadatos: • Qué datos describe una colección de datos científicos? • Quien produjo la colección? • Porqué fue creada la colección? • Cómo fue creada la colección? • Cuan confiables son los datos. Qué problemas persisten en la colección? • Cómo alguien puede obtener una copia de la colección? • Quien escribió los metadatos?

8. Ejemplos de metadatos y de comunidades que usan metadatos Muestra datos NBIIhttp://www.nbii.gov/ Documentación de datos geoespaciales (estándar FGDC) http://cndg.clearinghouse.gub.uy

9. Ejemplos de metadatos y de comunidades que usan metadatos Documentación de datos geoespaciales (Interfaz a Clearinghouse FGDC y GCMD Data Documenter)

10. Algunos de los estándares para metadatos geoespaciales, biológicos y ambientales más usados • FGDC-CSDGM. Content Standard for Digital Geospatial Metadata.Federal Geographic Data Committe (1994): Datos geoespaciales. [www.fgdc.gov] • FGDC-NBII. Perfil Biológico de FGDC. Biología y ciencias naturales. [www.nbii.gov]. • Global Change Master Directory Interchange Format – DIF. (1993) Ciencias de la Tierra. [gcmd.gsfc.nasa.gov] • Darwin Core (DwC). Colecciones de Historia Natural. • Descriptores para Metadatos no-geoespaciales. NCEAS-LTER (1997) Datos ecológicos.Base del estándar EML.[lternet.washington.edu]

11. Manejo de colecciones de datos científicos. Algunas experiencias locales Red de Estaciones Bioclimáticas del Estado Mérida (redbc) Red de Estaciones Ecológicas de Venezuela (ECORED)

12. Red de Estaciones Bio-climáticas del Estado Mérida (redbc) Justificación • Dificultades que existen en Venezuelapara ubicar y usar colecciones de datos bio-climáticos. • Interés de organizaciones, instituciones y personas que tienen datos históricos los cuales desean preservar o compartir para su uso a largo plazo. • Necesidad de implementar un sistema de información que permita realizar análisis y descubrir correlaciones entre diferentes conjuntos de información, que ayuden a la toma de decisiones e investigación científica.

13. La Experiencia de la Red de Estaciones Bio-climáticas del Estado Mérida (redbc) Objetivos principales • Manejo, identificación, y preservación en el tiempo, de recursos de información relacionados con la biología y el clima usando estándares internacionales de formato y contenidos. • Generación de un Sistema de Información a través del Web que permita el facil acceso de investigadores, productores y organizaciones que necesiten la información producida por la red de estaciones.

14. La Experiencia de la Red de Estaciones Bio-climáticas del Estado Mérida (redbc) Objetivos secundarios • Mantener en el tiempo las colecciones de datos y desarrollar mecanismos de almacenamiento, catalogación y distribución de la información generada. • Realizar permanentemente labores de identificación de nuevas fuentes de información que puedan incorporarse a las colecciones existentes. • Concientizar a los científicos sobre la importancia de la preservación de los datos generados en sus investigaciones.

15. Estaciones de laredbc • Estación INIA-Chama, Sur del Lago de Maracaibo • Estación Ciplat, Sur del Lago de Maracaibo • EstaciónLa Hechicera, Mérida • Estación Mucujún, Mérida • Estación Santa Rosa, Mérida • Estación San Juan, Mérida

16. Instituciones afiliadas actualmente laredbc • Centro Internacional del Plátano (CIPLAT) • Instituto Nacional de Investigaciones Agrícolas (INIA)- Chama, Sur del Lago • Instituto de Ciencias Ambientales y Ecológicas (ICAE) de la ULA • Instituto de Investigaciones Agropecuarlas de la ULA (IIAULA)

17. Funcionamiento de laredbc Sistema de Información Bioclimático basado en el web • Ubicación de características de colecciones de datos. • Utilización de tecnologías Internet-Web, que aceleran y facilitan grandemente el proceso de captura, actualización y difusión de la información bio-climática, permitiendo varios niveles de acceso y recuperación de dicha información. • Actualmente sólo se proveen datos sin procesar (archivos de datos provenientes de las estaciones meteorológicas) y sus respectivos metadatos. En el futuro se podrá acceder a información previamente procesada (gráficos, tablas, etc). • Libre acceso a colecciones de datos (datasets) producidos por miembros de la red y (en lo posible) por cualquier persona o institución que los necesite.

18. Miembros de la REDBCServidor (CECALCULA) Internet Funcionamiento de laredbc Sistema de manejo de datos: Datos llegan por varias vías (enviados por gerentes locales de información): -E-mail -Web-CD-Entregas personales Gerentes Centrales de información los procesan de ser necesario y los publican en Internet

19. Consultando las colecciones de datos Ejemplo: Colección de datos Estación Chama Es

20. Consultando las colecciones de datos Ejemplo: Colección de datos Estación Chama Formato de metadatos • html • xml (EML: Ecological Metadata Language) • txt Presentación de datos • Datos originales (sin procesar) • Datos ordenados (Por año y por mes) Enlace

21. Consultando las colecciones de datos Metadatos html(para visualización por Web) Ejemplo: Colección de datos Estación Chama Metadatos xml (EML) (para intercambio con otros sistemas y procesamiento automático)

22. Consultando las colecciones de datos Ejemplo: Colección de datos Estación Chama Interfaces Web: Datos originales

23. Consultando las colecciones de datos Ejemplo: Colección de datos Estación Chama Datos originales Datos sin procesar, tal como vienen de los instrumentos o científicos que los capturan

24. Consultando las colecciones de datos Ejemplo: Colección de datos Estación Chama Datos ordenados Datos con algún tipo de procesamiento

25. Consultando las colecciones de datos Ejemplo: Consulta en KNB Datos enviados a KNB: http://knb.ecoinformatics.org

26. Formas de envío y publicación de metadatos y datos? Afiliarse a la redbc • Contactar por e-mail o teléfono al Proveedor de metadatos Documentar los datos Llenar Planilla de documentación de datos proporcionada por el gerente central de información. Se pueden configurar planillas de diferentes tipos: Web, Word, txt, etc.

27. Dificultades en el desarrollo de proyectos de este tipo • Escaso conocimiento de la importancia de la preservación y posibilidades de uso secundario de los datos. • Poca disposición de los científicos para compartir los datos. • Poca receptividad para aportar metadatos que documenten las colecciones de datos. • Confusiones que tienen que ver con los derechos de propiedad y uso de los datos. • Información incorrecta sobre la calidad y cantidad de información que dicen poseer algunas instituciones (entorpece la investigación). • Bajo interés por parte de algunos gerentes de información local en publicar sus colecciones de datos (retardo en envío de datos-pérdida de información). • Algunos gerentes locales no disponen de conexión a internet. • Costos de los instrumentos de captura de datos. • No existe la figura de “gerente local de información”.

28. El Futuro Usos futuros: • Redes de manejo de conocimientos basadas en datos y metadatos (intención de KNB) • Acceso a herramientas analíticas "en-línea" para integrar varias herramientas como SAS, MATLAB, etc. con acceso a datos de red de científicos (LTER) • Herramientas para producir formas alternativas de metadatos que permitan a cualquier sitio participar fácilmente en otras bases de datos internacionales y Clearinghouses de datos (FGDC, GCMD, NBII, etc.)

29. Referencias • Clearinghouse Federal Geographic Data Commite (FGDC,NBII)http://www.fgdc.gov/clearinghouse/ • Global Change Master Directory (GCMD, DIF)http://gcmd.gsfc.nasa.gov • Long Term Ecological Research Network (LTER, EML)http://lternet.edu • Knowledge Network of Biocomplexity http://knb.ecoinformatics.org • National Center for Ecological Analysis and Synthesiswww.nceas.gov

30. www.cecalc.ula.ve/redbc/