ПРОГРАМНІ ЗАСОБИ ДЛЯ УПРАВЛІННЯ ЯКІСТЮ ДАНИХ У СИСТЕМІ CRIS
DOI:
https://doi.org/10.62405/osiconf.2026.56Ключові слова:
Сучасна дослідницька інформаційна система; Управління якістю даних; Очищення даних; Моніторинг даних; SK CRIS; Програмні інструменти.Анотація
Словацька інформаційна система поточних досліджень (SK CRIS) інтегрує дослідницьку інформацію з кількох різнорідних джерел, що створює значні труднощі для забезпечення повноти, точності та узгодженості даних. Узагальнено практичний досвід управління якістю даних, отриманий під час роботи SK CRIS, та представлено програмно-підтримувані підходи до покращення якості дослідницької інформації. Особлива увага приділяється дослідницьким проєктам, включаючи пакетний імпорт даних, зіставлення дослідника та проекту, виявлення неповних та дублікатних записів, а також збагачення даних. Впроваджені рішення поєднують вбудовані механізми валідації, обробку на основі API за допомогою Postman, пакетну обробку даних XLSX та контрольовані словники. Також досліджується потенціал штучного інтелекту для призначення відсутніх дослідницьких полів на основі назв проектів та анотацій. Результати показують, що ефективне управління якістю даних CRIS вимагає поєднання автоматизованих інструментів перевірки, обробки та збагачення даних з експертним наглядом та постійним моніторингом.
Посилання
Zendulková, D.; Gavurníková, G.; Turňa, J. (2026). The Ecosystem of State Support for Science in Slovakia and Scientific Data. In O. Azeroual (Ed.), Technical Foundations and Applications of Trustworthy AI Systems (pp. 225-262). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-2600-1433-2.ch008
Stempfhuber, M. (2008). Information quality in the context of CRIS and CERIF. https://dspacecris.eurocris.org/handle/11366/331
Azeroual, O. & Schöpfel, J. (2019). Quality Issues of CRIS Data: An Exploratory Investigation with Universities from Twelve Countries. Publications, 7(1), 14. https://doi.org/10.3390/publications7010014
Azeroual,O.; Saake, G.; Schallehn, E (2018). Analyzing data quality issues in research information systems via data profiling. International Journal of Information Management, 41, pp. 50-56, https://doi.org/10.1016/j.ijinfomgt.2018.02.007
Azeroual, O.; Schöpfel. J.; Ivanovic, D.; Nikiforova, A. (2022). Combining Data Lake and Data Wrangling for Ensuring Data Quality in CRIS. Procedia Computer Science, 211, 3–16. https://doi.org/10.1016/j.procs.2022.10.171
Gurney, T. (2022). The changing scope of data quality and fit for purpose: evolution and adaption of a CRIS solution. Procedia Computer Science, 211, 201–205. https://doi.org/10.1016/j.procs.2022.10.192
Lappalainen, Y.; Lassila, M.; Heikkilä, T.; Nieminen, J.; Lehtilä, T. (2023). Migrating 120,000 Legacy Publications from Several Systems into a Current Research Information System Using Advanced Data Wrangling Techniques. Publications, 11(4), 49. https://doi.org/10.3390/publications11040049
Peroni, S.& Rizzetto, E. (2025). A Tool for Validating and Monitoring Bibliographic Data in Open Research Information Systems: the OpenCitations Collections. Proceedings of the 21st Conference on Information and Research science Connecting to Digital and Library science .pp. 1-13 https://hdl.handle.net/11585/1050675
Zendulková, D. & Azeroual, O. (2026) Practical Prompt Engineering for AI-Supported Metadata Processing in CRIS. Conference paper. 17th International Conference on Current Research Information Systems (CRIS2026). https://dspacecris.eurocris.org/handle/11366/10292
