Slides and abstracts of the 2nd Annual European DDI Users Group Meeting

El Segundo Encuentro Europeo de Usuarios de DDI (EDDI10), que se celebra anualmente, tuvo lugar en SURFfoundation en Utrecht (Holanda) los días 8 y 9 de diciembre, con la participación de casi 70 personas de 13 países. Antes del encuentro también se impartieron cursos de DDI y SDMX, y un taller para desarrolladores de DDI. Tal como se anunció al final de la conferencia, el anfitrión de EDDI del próximo año será Swedish National Data Service (SND) en Gotemburgo. 

Las presentaciones y resúmenes del EDDI10 son de un alto interés y se pueden consultar en los siguientes enlaces:

Introduction

Putting DDI to Work for You

Wendy Thomas (MPC - Minnesota Population Center)

Introduction to the Statistical Data and Metadata Exchange (SDMX) Standard

Arofan Gregory (ODaF - Open Data Foundation)

Challenges for Data Intensive Research

Peter Wittenburg (Max Planck Institute for Psycholinguistics, Nijmegen)

Searching and Locating

DataCite: Making Data Citable (Abstract)

Wolfgang Zenk‐Möltgen, Brigitte Hausstein (both GESIS - Leibniz Institute for the Social Sciences), Jan Brase (TIB - German National Library of Science and Technology)

If you build it, they will come: the case for creating DDI 3 metadata and the advanced search and discovery tools that will follow (Abstract)

William Block (CISER - Cornell Institute for Social and Economic Research)

DDI at the Swedish National Data Service (Abstract)

Johan Fihn, Olof Olsson, Iris Alfredsson, Hans Jørgen Marker (all SND - Swedish National Data Service)

Project Updates

Keeping up with Questasy (Abstract)

Alerk Amin (CentERdata - Institute for Data Collection and Research)

Data Service Center for Business and Organizational Data – Specifics concerning DDI dealing with organizational data (Abstract)

 Christian Gerhards (Bielefeld University, Faculty of Sociology)

Metadata in the Data Production Process

Metadata Driven Survey Design (Abstract)

Jeremy Iverson (Algenta Technologies)

Exploring the relationship between DDI, SDMX and the Generic Statistical Business Process Model (Abstract)

Steven Vale (UNECE - United Nations Economic Commission for Europe)

DDI Software

DDI + API: building services on top of your existing DDI holdings (Abstract)

Ørnulf Risnes (Nesstar)

A query-based access system using DDI and SDMX (Abstract)

Don McIntosh (STR - Space-Time Research) / presented by Arofan Gegory

Colectica: A Platform for DDI 3-based Metadata Management (Abstract)

Dan Smith (Algenta Technologies)

Reports and Updates on DDI activities

Controlled vocabularies for DDI and other metadata structures - an update (Abstract)

Meinhard Moschner (GESIS - Leibniz Institute for the Social Sciences), Taina Jääsekläinen (FSD - Finnish Social Science Data Archive), Joachim Wackerow (GESIS - Leibniz Institute for the Social Sciences)

Locating objects identified by DDI3 Uniform Resource Names (Abstract)

Joachim Wackerow (GESIS - Leibniz Institute for the Social Sciences)

Development of the next DDI Tools Catalog (Abstract)

Stefan Kramer (CISER - Cornell Institute for Social and Economic Research)

From DDI 2 to DDI 3

The use of DDI tools and standards in epidemiology & public health research (Abstract)

Tito Castillo (Institute of Child Health, University College London)

The STARDAT Project: Integrating DDI Tools at the GESIS Data Archive (Abstract)

Monika Linne, Alexander Mühlbauer, and Wolfgang Zenk-Möltgen (all GESIS - Leibniz Institute for the Social Sciences)

Data Collection

Putting DDI in the driver’s seat: Using Metadata to control data capture (Abstract)

Samuel Spencer (ABS - Australian Bureau of Statistics)

Converting general Microsoft Word questionnaires to DDI (Abstract)

Nadine Dulisch (GESIS - Leibniz Institute for the Social Sciences)

Current Status and Recent Events

Report on Dagstuhl Workshop on Managing Metadata for Longitudinal Data - Best Practices

William Block and Stefan Kramer (both Cornell Institute for Social and Economic Research)

Report on Developers Workshop 

Jeremy Iverson (Algenta Technologies)

DDI Specification: Current Status and Outlook 

Wendy Thomas, Arofan Gregory, and Joachim Wackerow (all Technical Implementation Committee, DDI Alliance)

Modelo Neuchâtel para la gestión de clasificaciones, variables y otros conceptos relacionados

En 2004, el grupo de Neuchâtel publicó la versión 2.1 de su modelo conceptual para la gestión de clasificaciones estadísticas. El propósito principal de la obra fue tener un lenguaje y una percepción común de la estructura de las clasificaciones, los objetos que las componen, sus atributos y los vínculos entre ellos. Posteriormente en 2006, el modelo se extendió a variables y otros conceptos relacionados. El modelo incluye elementos, y sus atributos, tales como:

• Las operaciones estadísticas, las familias de operaciones y las realización de una operación.
• Las variables, los conceptos nominales y operacionales, la unidades de medidas.
• Matrices, cubos y tablas
• Población, marcos y muestras.

El objetivo de los documentos es ofrecer puntos de partida para las Oficinas Estadísticas con la finalidad de que dispongan de modelos básicos de metadatos. Asimismo, conjuntamente con la empresa alemana Run-Software se desarrolló una herramienta de libre acceso, conocida con el nombre Bridge, para la gestión de los objetos y atributos del modelo de Neuchâtel.


Oficinas de Estadísticas y personas miembros del grupo de Neuchâtel :

• Statistics Denmark: Søren Netterstrøm (sne@dst.dk)
• Statistics Netherlands: Ad Willeboordse (AWLE@cbs.nl)
• Statistics Norway: Anne Gro Hustoft (anne.gro.hustoft@ssb.no) - Jenny Linnerud (jenny.linnerud@ssb.no)
• Statistics Sweden: Birgitta Ehrenström, editor (birgitta.ehrenstrom@scb.se) - Klas Blomqvist Klas.Blomqvist@scb.se)
• Swiss Federal Statistical Office: Claude Macchi (claude.macchi@bfs.admin.ch) - Dominique Held (dominique.held@bfs.admin.ch)
• Run Software: Werkstatt Reinhard Karge (reinhard.karge@runsoftware.com)
• US Bureau of Labor Statistics: Dan Gillman (Gillman.Daniel@bls.gov)

Para saber más:

• Neuchâtel Terminology Model: Classification database object types and their attributes (Inglés - PDF)
• Neuchâtel Terminology Model: PART II: Variables and related concepts, object types and their attributes (Inglés - PDF)

Núcleo de Metadatos Documentales

El ISTAC presenta en las JECAS 2010 su núcleo de metadatos documentales de recursos de información estadística.

 

El Núcleo de Metadatos Documentales de los Recursos de Información Estadística del Instituto Canario de Estadística (ISTAC) establece el conjunto de metadatos que comparten todos los resultados estadísticos de una operación estadística, independientemente de su tipo o formato.

Definimos como operación estadística base al conjunto de tareas estadísticas que tienen como objetivo la obtención de resultados estadísticos inéditos y su posterior publicación. Por lo tanto, tales operaciones son las columnas sobre las que se sostiene el sistema de información estadística pública. El principal resultado de una operación estadística base es la matriz de microdatos estadísticos y a partir de los mismos, a través de métodos de agregación, se pueden  obtener otros resultados que denominamos macrodatos estadísticos. Estos macrodatos los podemos clasificar en:

1. Matrices de macrodatos
2. Cubos estadísticos
3. Tablas estadísticas

Y a partir de ellos se obtienen representaciones visuales sintéticas, tales como gráficos o mapas. Asimismo, una publicación estadística se constituye por la agrupación, ordenación y análisis de diversos resultados estadísticos. Y una noticia estadística no es más que una información sintética surgida de una publicación estadística y que nace con vocación de comunicación generalista.

                                     

Definimos pues como recurso de información estadística tanto a los resultados estadísticos como a las publicaciones y noticias estadísticas. En definitiva, el núcleo establece el conjunto de metadatos documentales que comparten los siguientes recursos de información estadística:

Recursos estadísticos

Tipo	Tipo DCMI (1)	Código
DATASET	Dataset	DS
DATASET > matriz de datos	Dataset	DSM
DATASET > cubo	Dataset	DSC
DATASET > tabla	Dataset	DST
FIGURA	Image	F
FIGURA > gráfico	Image	FG
FIGURA > mapa	Image	FM
COLECCIÓN DE DATOS Y FIGURAS	Colecction	P
COLECCIÓN > datos detallados	Colecction	PDD
COLECCIÓN > análisis y descripción de datos	Colecction	PAD
NOTICIA	Collecction	N
NOTICIA > estadística	Collecction	NE

Recordemos que el Código de Buenas Prácticas de las Estadísticas Europeas en su principio número 15, sobre accesibilidad y claridad, establece que “Las estadísticas europeas deberían presentarse de forma clara y comprensible, difundirse de forma adecuada y conveniente y estar disponibles, asimismo se debería permitir el acceso a las mismas de forma imparcial, con metadatos y orientación de apoyo”.

Una definición utilizada con frecuencia nos dice que los metadatos son "datos sobre datos", en general un objeto que describe o dice algo sobre otro objeto de información. De manera formal podríamos decir que un metadato es un dato que se encarga de mantener un registro sobre el significado, contexto o propósito de un objeto informativo, con la pretensión de poder descubrir, entender, extraer y administrar dicho objeto.

Estándares de referencia

En la definición del núcleo de metadatos se han tenido en consideración los siguientes estándares:

1. Dublin Core¸ como estándar genérico para la documentación de recursos, en su versión extendida de elementos refinados compuesta por 40 tipos de metadatos. 

2. Data Documentation Initiative (DDI), tanto en su versión 2 como en su versión 3. 

3. PC-Axis, en su versión 2008.

Los metadatos del núcleo

El núcleo de metadatos documentales de los recursos de información estadística del ISTAC lo componen 70 metadatos organizados en los siguientes bloques:

›         Versiones

›         Identificadores

›         Idiomas         

›         Clasificadores temáticos del contenido

›         Descriptores de contenido

›         Descriptores de clase de recurso

›         Descriptores de producción de un recurso

›         Descriptores de publicación de un recurso

›         Descriptores de relaciones entre recursos

›         Descriptores de propiedad intelectual

›         Descriptores de interacción con los usuarios

Un ejemplo de uso: el buscador web

 

El uso más frecuentemente mencionado sobre metadatos es la refinación de consultas en buscadores. En ese sentido, el nuevo buscador de la página Web del ISTAC (actualmente en desarrollo) aprovecha el núcleo de metadatos para facilitar a los usuarios sus búsquedas.

Bibliografía básica de referencia

DATA DOCUMENTATION INICIATIVE (2008), Technical Specification – Version 3.0. Part I: Overview.

DATA DOCUMENTATION INICIATIVE (2008), Technical Specification – Version 3.0. Part II: User Guide.

DATA DOCUMENTATION INICIATIVE, Technical Information -Version 2.1: Information on the DTD Elements.

DATA DOCUMENTATION INICIATIVE, Mapping DDI 2.1 – Dublin Core.

DATA DOCUMENTATION INICIATIVE, Mapping DDI 2.1 – DDI 3.0.

DATA INFORMATION SPECIALISTS COMMITTEE – UK (2009), Policy-making for Research Data in Repositories: A Guide.

DUBLIN CORE METADATA INICIATIVE, DCMI Type Vocabulary.

INSTITUTO CANARIO DE ESTADÍSTICA (2009), Manual de metadatos PC-Axis.

INSTITUTO CANARIO DE ESTADÍSTICA (2009), Normas básicas de premigración de tablas a PC-Axis.

THE LONDON SCHOOL OF ECONOMICS AND POLITICAL SCIENCE (2008), Version Toolkit for authors, researchers and repository staff.

¿Qué es y para qué sirve un sistema de metadatos estadísticos?

Los metadatos permiten que los datos estadísticos sean bien entendidos, compartidos y explotados de manera eficaz por todo tipo de usuarios a lo largo del tiempo; y se utilizan para poder identificar, acceder y usar los datos.

 

El Código de Buenas Prácticas de las Estadísticas Europeas en su principio número 15, sobre accesibilidad y claridad, establece que “Las estadísticas europeas deberían presentarse de forma clara y comprensible, difundirse de forma adecuada y conveniente y estar disponibles, asimismo se debería permitir el acceso a las mismas de forma imparcial, con metadatos y orientación de apoyo”.

Una definición utilizada con frecuencia nos dice que los metadatos son "datos sobre datos", en general un objeto que describe o dice algo sobre otro objeto de información. De manera formal podríamos decir que un metadato es un dato que se encarga de mantener un registro sobre el significado, contexto o propósito de un objeto informativo, con la pretensión de poder descubrir, entender, extraer y administrar dicho objeto.

De acuerdo con la definición anterior de metadatos, podríamos afirmar que un Sistema de Metadatos Estadísticos ofrece información sobre las colecciones de objetos estadísticos y la relación entre ellos, así como sobre los procesos en los que están involucrados, describiendo cada uno de los eventos, sus componentes y cada una de las restricciones que se les aplican.

Asimismo, los metadatos de la información estadística informan a los usuarios sobre los datos existentes describiendo: los conceptos, las fuentes, la calidad, su distribución, el formato, restricciones de seguridad, frecuencia de actualización, etcétera; de tal manera que sirven para describir un conjunto de datos estadísticos, contestando a las preguntas: “de qué”, “de cuándo”, “de dónde”, “de quién son”, “de dónde son” y “el cómo” se han generado los datos.

Por tanto, los metadatos estadísticos constituyen la información que permite que los datos estadísticos sean bien entendidos, compartidos y explotados de manera eficaz por todo tipo de usuarios a lo largo del tiempo; y se utilizan para poder identificar, acceder y usar los datos. Algunos de los objetivos que se persiguen con la creación de los metadatos son los siguientes:

1) Que se puedan buscar y encontrar los conjuntos de datos, es decir, saber qué datos existen para una determinada zona, referencia temporal y para un tema determinado; de acuerdo con las características específicas que el usuario demanda.

2) Facilitar la utilización de los datos, mediante la descripción de todas las características técnicas relevantes de los mismos de un modo objetivo, amplio y completo. Haciendo posible su explotación y ayudando a los usuarios tanto en la obtención de resultados como en su mantenimiento y actualización.

3) Que se pueda valorar la calidad del conjunto de datos.

4) Que se pueda elegir cuál es el conjunto de datos más idóneo para las necesidades de los usuarios.

5) Evitar la duplicidad de trabajo, informando sobre la información existente, su ubicación y su disponibilidad. 

Para saber más: Statistical Metadata in a Corporate Context (Inglés)

¿Qué es el COMMON METADATA FRAMEWORK?

El COMMON METADATA FRAMEWORK  es un marco de metadatos estadísticos cuyo desarrollo fue iniciado en la reunión de febrero de 2004 del período de sesiones de trabajo conjunto de UNECE-Eurostat-OCDE sobre metadatos estadísticos (METIS).  Este valioso recurso se está elaborando a través de la entrada colectiva de organizaciones de estadística nacionales e internacionales, coordinado por el grupo directivo de METIS y la Secretaría de la CEPE. Se trata de una publicación en línea que está evolucionando en consonancia con la evolución en el campo de metadatos estadísticos.

Como decíamos el CMF se publica en línea y se divide en cuatro partes, cada una de las cuales se concentra en diferentes aspectos prácticos y teóricos de los sistemas de metadatos estadísticos y proporciona conocimiento vital para cualquiera que trabaje con metadatos estadísticos:

Parte A - Los metadatos estadísticos en un contexto corporativo

Describe los problemas que rodean la gestión y administración de proyectos de sistemas de metadatos estadísticos.

Parte B - Conceptos de metadatos, normas, modelos y registros

Aclara la importancia de la terminología estándar y bien definida. Proporciona información acerca de conceptos pertinentes, las normas internacionales y modelos.

Parte C - Los metadatos y los procesos del negocio en estadística

En esta parte se aporta información, mejores prácticas y otros materiales para el desarrollo de metainformación que facilite la documentación de la producción de las estadísticas. Es especialmente relevante la aportación de un modelo genérico de procesos estadístico denominado Generic Statistical Businnes Process Model, fundamentado en el modelo de la oficina estadística de Nueva Zelanda y mejorado con las aportaciones de la oficina estadística de Canadá.

Parte D - Aplicación

Se centra en las experiencias de las organizaciones nacionales e internacionales de estadística que recientemente han implementado o rediseñados sus sistemas de metadatos estadísticos.