A natureza de conjuntos de dados científicos em repositórios sul-americanos: um levantamento de formatos e extensões
| Autor | Marcello Mundim Rodrigues, Cíntia de Azevedo Lourenço, Guilherme Ataíde Dias |
| Cargo | Doutorando em Gestão e Organização do Conhecimento pela Universidade Federal de Minas Gerais / Doutora em Ciência da Informação pela Universidade Federal de Minas Gerais Professora associada Universidade Federal de Minas Gerais, Escola de Ciência da Informação, Belo Horizonte, Brasil / Pós-doutorado em Ciência da Informação pela UNESP Professor... |
| Páginas | 204-229 |
Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 27, p. 01-26, 2022.
Universidade Federal de Santa Catarina. ISSN 1518-2924. DOI: ht tps://doi.org/10.5007/1518-2924.2022.e85148
1
Artigo Original
A NATUREZA DE CONJUNTOS DE DADOS CIENTÍFICOS
EM REPOSITÓRIOS SUL-AMERICANOS: UM
LEVANTAMENTO DE FORMATOS E EXTENSÕES
The nature of scientific datasets in South American repositories: a survey of formats and extensions
Marcello Mundim Rodrigues
Doutorando em Gestão e Organização do Conhecimento pela
Universidade Federal de Minas Gerais
marcellomundim@ufu.br
https://orcid.org/0000-0001-7945-6673
Cíntia de Azevedo Lourenço
Doutora em Ciência da Informação pela Universidade Federal de
Minas Gerais
Professora associada
Universidade Federal de Minas Gerais, Escola de Ciência da
Informação, Belo Horizonte, Brasil
cintia.eci.ufmg@gmail.com
https://orcid.org/0000-0002-2172-7300
Guilherme Ataíde Dias
Pós-doutorado em Ciência da Informação pela UNESP
Professor associado III
Universidade Federal da Paraíba, Departamento de Ciência da
Informação, João Pessoa, Pb, Brasil
guilhermeataide@gmail.com
https://orcid.org/0000-0001-6576-0017
A lista completa com informações dos autores está no final do artigo
RESUMO
Objetivo: identificar os repositórios de dados científicos criados e geridos por Instituições de Ensino Superior e/ou
agências de pesquisa e fomento sul-americanas; identificar e descrever os formatos e extensões dos arquivos que
compõem os conjuntos de dados científicos depositados nesses repositórios.
Método: oito repositórios recuperados pelo RE3DATA foram selecionados à investigação. Obteve-se uma população (N)
de 1.115 conjuntos de dados científicos. A partir da Amostragem Aleatória Estratificada, chegou-se ao valor da amostra
(n) igual a 258 conjuntos de dados, que corresponde a 23,15% da população (N). Os dados retirados das amostras foram
condensados em tabelas e quadros.
Resultado: notou-se que a natureza dos conjuntos de dados científicos investigados se concentra em dados textuais e
numéricos, salvos em arquivos de texto e em tabelas, re spectivamente. Percebeu-se que os conjuntos de dados podem
ser tanto homogêneos (um ou mais arquivos salvos em um ú nico formato e extensão, ex.: formato de imagem em .jpg)
ou heterogêneos (arquivos salvos em diferentes formatos e extensões, ex.: mesmo formato de imagem salvo em .jpg e
.tiff) em sua composição. Apurou-se também que algumas extensões possibilitam a identificação da natureza, do domínio
e do conteúdo dos dados, como observado nas extensões .gpx e .gdb, que se referem a dados de geolocalização, logo,
de natureza alfanumérica.
Conclusões: há crescente necessidade de se descrever a natureza dos dados, assim como os formatos e extensões de
seus arquivos. Esse tipo de metadado descritivo seria valioso a potenciais usuários, pois permitiria obter maior
compreensão do contexto dos dados com foco em seu reúso.
Palavras-chave: dados científicos; conjuntos de dados; repositórios de dados; formatos e extensões; levantamento.
ABSTRACT
Objective: identifying the scientific data repositories created and managed by Higher Education Institutions and/or South
American research and fun ding agencies; identifying and describing the formats and extensions of files that compile the
scientific datasets deposited in these repositories.
Methods: eight repositories retrieved by RE3DATA were selected for investigation. A population (N) of 1.115 scientific
datasets was obtained. By using Stratified Random Sampling, the resulting sample (n) value was 258 datasets, which
corresponds to 23,15% of the population (N). Data surveyed from the samples were condensed into tables and charts.
Results: it was noticed that the nature of the scientific datasets investigated is centered on textual and numerical data,
saved in text files and tables, respectively. Also, the datasets may be either homogeneous (one or more files saved in a
unique format and extension, e.g.: image format in .jpg) or heterogeneous (files saved in different formats and extensions,
Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 27, p. 01-26, 2022.
Universidade Federal de Santa Catarina. ISSN 1518-2924. DOI: ht tps://doi.org/10.5007/1518-2924.2022.e85148
2
Artigo Original
e.g.: same image format
saved in .jpg and .tiff) in their
composition. It was found
that some extensions
enable the identification of
the nature, domain and
content of the data, as observed in the .gpx and gdb extensions, which refer to geospatial data, therefore, alphanumeric
data.
Conclusions: There is a growing need of describing the nature of data, as well as the formats and extensions of files. This
kind of descriptive metadata would be valuable to potential users, as it would allow a greater understanding of the context
of the data, focusing on data reuse.
Keywords: scientific data; datasets; data repositories; formats and extensions; survey.
1 INTRODUÇÃO
Dentro do processo evolutivo da ciência, observaram-se períodos na história
humana que se destacaram pela maneira que a prática científica foi conduzida. Num
primeiro momento, foram feitos experimentos e observações sobre o comportamento
natural das coisas do mundo físico e passíveis de análise, o que se denominou ciência
empírica. O empirismo trabalha variáveis distintas, em ambientes controlados ou não, e que
busca validar ou refutar correlações, como causa-efeito.
Como consequência da experiência empírica, surgiu então um paradigma apoiado
na observação e experimentação com a pretensão de testar hipóteses. Assim, hipóteses,
teorias e leis foram fruto desse processo científico que se manteve e perdurou por séculos,
até sofrer modificações a partir de meados do século XX.
Desde então, a humanidade usufrui da computação para gerar simulações e análises
de dados em seus experimentos, observações e testes de hipóteses, contando inicialmente
com o uso de computadores robustos e com baixas capacidades de armazenamento e
processamento. Com o passar das décadas, essas máquinas tiveram sua capacidade de
processamento melhorada de forma a assistir mais efetivamente os pesquisadores em seu
fazer diário, melhorando o tempo gasto e a qualidade da análise dos dados coletados.
É a partir de meados da década de 1940, com o cenário do fim da segunda guerra
mundial e começo da guerra fria, que o mundo observou o início de uma corrida
armamentista e tecnológica, além de disputas de influências e de territórios entre os
Estados Unidos e a antiga União Soviética, o que impactou na velocidade do
desenvolvimento computacional e industrial.
Surgem também outros avanços em Ciência e Tecnologia (C&T) no período pós-
segunda guerra, tais como pesquisas no uso de energia nuclear, a terceira revolução
industrial, as Tecnologias de Informação e Comunicação (TICs), entre elas a Web e a
Internet, ou seja, serviços estratégicos de inteligência numa disputa de poder entre
potências.
Para continuar a ler
PEÇA SUA AVALIAÇÃO