EM-DAT-04 · Предметная модель · W2
Качество данных и покрытие контекста
Правило качества, измерение, нарушение, покрытие и план исправления. Полнота источника, заполненность полей и истинность фактов - разные показатели.
В очереди исследования
Claude: not-started; Grok: not-started.
Entire research brief pending
Предметная граница и кандидатные типы
- DataQualityRule
- QualityEvaluation
- QualityIssue
- CoverageAssessment
Вопросы глубокого исследования
- Чем completeness отличается от accuracy?
- Как измерять покрытие без известного знаменателя?
- Что значит свежесть для конкретной цели?
Проверяемые инварианты
- Оценка закрепляет правило и выборку
- Неизвестный знаменатель явен
- Исправление не переписывает прошлую оценку
Сквозной приёмочный сценарий
Полный, но устаревший набор и частичная достоверная выборка получают раздельные оценки.
Отрицательный пример
100% заполненных полей объявлено 100% достоверностью.
Сопоставляемые подходы
- W3C DCAT: dataset, distribution, catalog
- W3C PROV и Data Cube: происхождение и наблюдение
- SDMX и практика BI/data catalog: показатели, разрезы, определения и выпуски
Кандидаты в действующем каталоге
- WM-DAT-007 · Data Quality Assessment · 0.3.0-research.1 · доступна для установки
Смысловое соответствие требует исследования границ; наличие опубликованной модели не завершает эту карточку.
Требования к результату
Каждая карточка исполняется вместе с полным контрактом исследования: определения, поля и кратности, жизненный цикл, источники, мастерство данных, права, пять граней объекта, минимум восемь инвариантов, положительные и отрицательные примеры, зависимости, миграция и ограничения применимости.