desafíos en accesibilidad a la información

Desafíos en Accesibilidad a la Información

Loreto BravoUniversidad de Concepción

Bases de Datos II, 2012 2

Asimetrías de Información

El consejo de innovación de Chile ha destacado:Es necesario pasar de una economía basada en recursos naturales a una basada en conocimiento e innovaciónUn obstáculo para conseguirlo son las fallas de información. En particular:

Asimetrías de información: problema encontrado en una transacción donde una parte tiene más o mejor información que otros.

Sugieren como solución:generación de la informaciónpublicación de la información


Qué se ha hecho?Ley sobre documentos electrónicos, firma electrónica y servicios de certificación de dicha firma (N°19.799, 2002)

Ley de Transparencia (2009)Reparticiones de gobierno deben publicar sus datos en la Web


Datos Públicos en ChileBiblioteca del Congreso NacionalCongreso NacionalSenado de ChileCámara de DiputadosGobierno de ChileDiario Legislativo OficialINEServicio de AduanasDirección del trabajoBanco CentralMinisterio de Hacienda CORFOMunicipalidadesSuperintendencia de Valores y Seguros

SERNACMinisterio de EducaciónMinisterio de SaludCONICYTSuperintendencia de SaludFONASAISAPRESSubtelServicio ElectoralCONAFSERNATURInstituto Geográfico MilitarTransantiago

Y muchos más!


Datos Públicos en ChileHay un creciente volumen de información que comienza a estar formalmente disponibleSin embargo, para que sea realmente accesible debe ser posible:

localizarconsultaragregarnavegar

Esto se ve dificultado en la situación actual por:heterogeneidad de los formatos de datosdiferentes modelos de datosgrandes volúmenes de información

Congreso de Estudiantes, UBB 6


Buscando en la Web

Busqueda por palabras claves

Palabras claves + estructurasite:filetype:define:intitle:

colores filetype:ppt site:.cl

Buscando en la Web

Cual es la correlación entre partido político y voto a favor de proyectos de ley medioambientales?Cual es la relación a lo largo del tiempo de la tasa de interés fijada por el banco central y la utilizada en los bancos?Dado un código de un examen de salud y mi sueldo: que plan de salud me da una mejor cobertura?



Dificultad: heterogeneidad de datos


Dificultad: estructura de la web

IngredientesComida Ingrediente

Pavo A 1 Pavo

Pavo A Tomillo

Pavo A Jugo limon

<comida><nombre> Pavo A </nombre><ingredientes>

<ingrediente>1 Pavo</ingrediente><ingrediente>tomillo</ingrediente><ingrediente>jugo de limon</ingrediente>

</ingredientes><preparacion> …</preparacion> </comida>

RecetasComida PreparacionPavo A …

menos estructurado

más estructurado


Dificultad: grandes volumenes de información

web superficial

web profunda


Dificultad: distintos tipos de usuario


Dificultad: semántica

Qué significa cada uno de los elementos de la tabla?"IPM General Variación Porcentual"="Ipm gral-var." ?


Dificultad: semántica

Qué significan los códigos?Qué unidades corresponden a los distintos montos?


Qué se puede hacer?

Muchos de estos problemas ya han sido investigados en forma aislada en el área de bases de datos y manejo de informaciónSin embargo, el problema actual es a una escala, heterogeneidad y descentralización que no ha sido enfrentado antes


Publicación de datos

Publicar, hoy en día, no tiene ninguna regulaciónSolo los protocolos básicos de la Web (HTML, HTTP, URL)Recíen el 26 de Marzo del 2012 surgió una propuesta:

“Consulta pública Propuesta de Norma Técnica para Publicación de Datos en Chile”

Este problema puede (y debe!) ser tratado en forma sistemáticaEs necesario crear estándares para:

publicarprotocolos de accesopolíticas de accesometadatos para guardar información de procedencia, uso y contenido


Vinculación de datosCon la aparición de la Internet la información comenzó a ser una colección de islas de documentos y servicios conectados por enlaces sin semánticaLos primeros pasos hacia convertir la Web en una fuente de datos usables por aplicaciones es el enlace de datos en la Web con semántica entendible

Ejemplo: RDFa

Se necesita más: poder vincular datos no solo paginas!Ejemplo: linked data

All content on this site is licensed under <a rel="license"href="http://creativecommons.org/licenses/by/3.0/"> a Creative Commons License </a>.


Consultas a los datosLa noción de consultar y obtener respuestas lógicas es el estándar en el campo de base de datos, pero no en la Web. En la Web, no existe una forma de preguntar consultas estructuradas y lógicas a las fuentes de datos

Proveedores que tienen contratos sobre MM$10 con el Ministerio de Salud?

Los datos están disponibles, pero• En distintas localizaciones• En formatos tan diversos que hacen imposible cualquier procesamiento

directo

Posible solución: contratar a un programador para escribir los scripts adecuados, construir una base de datos común, y un lenguaje como SQL para consulta


Consultas a los datosLa navegación a través de los datos es un compañero necesario a la consulta.

Para las fuentes de datos chilenas, esta es la forma de alcanzar los datos.

El problema de consultar/navegar no es simple! La investigación en lenguajes de consulta como XQuery y SPARQL ha mostrado que no es imposible

La solución no esta allí aun, pero abren el camino...


Integración de datosSi se quiere que la información este realmente disponible a un usuario común, integración es una meta inevitable y crucial.

Por ejemplo, información acerca de estudiantes de escuelas básicas y el sueldo por familia del Ministerio de Educación son necesarios en un proyecto de conectividad en la Agencia de Telecomunicación.

Muchas veces es necesario:Tener una vista comúnTener una forma común de consultaAgregar datos

eficiencia en servidoresnecesidades del usuario, etc

Transferir datos de un esquema a otro


Qué se ha hecho?Existen varios proyectos que han tratado de atacar algunos de estos problemas:

Publicación/VinculaciónLinked data (Datos Vinculados)Freebase

• Ley de transparencia en ChileRDFa…

Consulta/IntegraciónTécnicas tradicionales de integración de datosDataspacesAPIsLenguajes de consultas para grafos…


Linked Data

Surge dentro de la Web semánticaTiene cuatro principios (definidos por Tim Berners-Lee)

Utilizar URIs para identificar los recursos publicados en la Web Utiliza HTTP URIs para que la gente pueda localizar y consultar estos recursos. Cuando alguien busque una URI, proporciona información útilutilizando algún estándar (RDF) Incluir enlaces a otras URI de forma que se potencie el descubrimiento de información en la Web.

Presentación en TED: http://www.youtube.com/watch?v=UUpw-7_SWds


Linked dataInformación de los recursos se presenta usando el modelo de datos de RDF (resource description framework)

Basado en tripletes (sujeto-predicado-obecto)Subject: http://data.linkedmdb.org/resource/film/77Predicate: http://www.w3.org/2002/07/owl#sameAsObject: http://dbpedia.org/resource/Pulp_Fiction_%28film%29

77 Pulp Fictionowl:sameAs


Navegando Linked Datahttp://dbpedia.org/page/Concepci%C3%B3n,_Chile

25

Navegando Linked DataEl URI de Concepción en la dbpedia es:

http://dbpedia.org/page/Concepci%C3%B3n,_ChileAl acceder ese link el servidor identifica el formato requerido y redirecciona al documento correcto para representar esos datos:

html (por ejemplo si la solicitud viene de un navegador)• Lo que vemos al hacer click a http://dbpedia.org/page/Concepci%C3%B3n,_Chile

n3 (rdf)• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.n3

ttl (rdf)• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.ttl

Y otros…• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.nt• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.xml• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.atom• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.json• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.jrdf• http://dbpedia.org/data/Concepci%C3%B3n,_Chile.jsod

26

Navegando Linked DataSe puede recorrer siguiendo los links de source, target o predicate


Linked Data

Los datos organizados de esa manera pueden ser explorados y procesados directamente por computadoras

ya no estan dentro de documentos en donde su significado, utilización, formato, relaciones, etcétera, no son visibles para motores de búsqueda o aplicaciones de computadora.


Como generar Linked data1. Desde cero…2. Utilizando herramientas para RDFizar desde otros

formatos3. Utilizando herramientas que genera vistas en Linked

data para bases de datos relacionalesEj: D2R

4. Wrappers para envolver APIs


Mayo 2007


Abril 2008


Julio 2009 4.7 billiones de tripletes RDF vinculados por 142 million de links

Septiembre 2011Linking Open Data cloud

diagram, by Richard Cyganiak and Anja Jentzsch.

http://lod-cloud.net/

Septiembre 2011

Distribución de tripletas por dominio


Distribución de links por dominio


Consultando Linked Data

Lenguaje de consulta para RDF: SPARQLRecomendación de la W3C desde Enero 2008Tan expresiva como algebra relacional

No permite aprovecharnos de la estructura de grafo de linked dataMejor que no tener lenguaje de consulta!


Freebase (http://www.freebase.com)"Base de datos abierta, compartida con el conocimiento del mundo"Esquema es fijo y al igual que linked data, los datos son guardados como un grafoConstruida por la genteTiene un lenguaje de consulta MQL (Metaweb Query Language)Freebase es una empresa que genera ingresos a través de publicidad en su sitio.

En el futuro esperan también tener ingresos ordenando datos propietarios


Esquemas en Freebasehttp://schemas.freebaseapps.com/Mas de 37 millones de temas Cada tema tiene tipos y propiedades

Si se quiere ver como una base de datos relacional cada tipo es una tablaEjemplo: http://www.freebase.com/music/album

tema: /musicTipo: /music/albumPropiedad; Artist


Lenguaje de consulta Freebase

MQLMetaweb Query LanguageEjemplo de consulta con API:

https://www.googleapis.com/freebase/v1/mqlread?query={"type":"/music/artist","name":“Los Tres","album":[]}

Para consumo humano se puede usar el link:http://www.freebase.com/query


Freebase

Los datos pueden ser accedidos a través de API: utilizando lenguaje de consulta MQLpuntos RDF: entregan los datos en formato linked dataVolcado de una base de datos (database dump)


Web de datos vs Web de documentos


Desafío

Hacer este mundo de datos accesible a todos y procesable por todos, de la

forma como las maquinas de búsqueda y los navegadores lo hicieron con el

mundo de documentos.

Desafíos en Accesibilidad a la Información

Loreto BravoUniversidad de Concepción

desafíos en accesibilidad a la información

Documents