Categoria:Observatório de dados

Observatório de Dados é uma iniciativa de Estatística aplicada e de Dados abertos, contendo tutoriais gerais e projetos específicos.

Projetos tais como o Observatório JATS e o Observatório dos Prenomes, e tutoriais sobre conjuntos, estatística e a "metodologia do Observatório de Dados", que se baseia no modelo de recuperação e na proposta da formação de equipes curadoras dos dados.

Existem problemas bem gerais e conhecidos, tais como a falta de transparência e corrupção no governo brasileiro (nos Três poderes) e as fake news, inconsistências e imprecisão nos meios de comunicação do Quarto poder. E existem soluções, tais como o uso de dados abertos, a publicação dos diários oficiais em formatos mais abertos e estruturados, a auditoria dos dados oficiais por parte do cidadão comum, e o combate às fake news através da verificação sistemática dos fatos — que por sua vez demanda transparência e o uso de dados abertos.

Existem também problemas de linguagem e expressão dos fatos através do texto tradicional: a linguagem natural, o texto em português do dia-a-dia, não é suficiente para expressar com precisão, em poucas frases, o resultado de um levantamento estatístico ou de uma análise quantitativa. Para esses problemas, todavia, existem soluções tecnológicas gerais e bem consolidadas: ambientes como a Wikipedia, Wikidata e Wikiversity, permitem expressar os fatos com mais precisão, sem perder a simplicidade e a clareza requeridos pelo cidadão. Temos tudo por aqui:

• Um bom editor de hipertexto: se você estiver logado na Wikiversity e clicar em "editar" terá em mãos a o mais poderoso e amigável editor de hipertextos que a humanidade já construiu. Permite inclusive a edição sofisticada de tabelas, de expressões matemáticas e tudo o mais que um relatório estatístico precisa.

• Um bom suporte ontológico e de metadados para fazer uso irrestrito da Web Semântica: a Wikidata.
  Podemos, numa simples frase, nos referir a conceitos como "pessoa viva" ou "lei seca" sem ambiguidade, sem ficar em dúvida se seria "pessoa esperta ou não-morta?", "proibição geral do alcool ou da lei 11.705?". O link Wikidata garante precisão semântica: pessoa viva e lei seca.

• Um bom suporte pedagógico: proposta do ambiente Wikiversity.

• Uma boa interface para apresentar dados abertos quantitativos: a ponte entre a Wikiversity e as fontes abertas de dados, tais como Datasets-br, IBGE, Dados.gov.br e outros.

O Observatório de Dados tem em vista este tipo de cenário: é possível formalizar a linguagem de apresentação dos fatos quantitativos relevantes para o cidadão, sem perder seu entendimento e a sua profundidade.

Considerando-se que

• A Base Nacional Comum Curricular prevê o ensino da Teoria dos Conjuntos e sua notação, como forma de linguagem.

• A Web Semântica é uma tecnologia madura (10 anos), amplamente utilizada (milhões de dados-ligados já publicados) e simples de usar (RDF).
  A Wikidata, contendo todos os conceitos da Wikipedia e de outras ontologias, se tornou a principal ontologia da Web Semântica.

• A Wikiversity é um ambiente totalmente integrado à Wikipedia e à expressão de conjuntos, orientado à produção de hipertextos e à organização de grupos de estudo.

• Os grupos de interesse, em dados abertos e estatísticas sobre esses dados, podem se organizar como curadores e experts de forma produtiva no ambiente oferecido pela Wikiversity.

podemos caracterizar o Observatório de Dados como um ambiente para a construção colaborativa de estudos e relatórios, onde se encontram disponíveis todos os recursos para uma expressão mais precisa e didática dos conteúdos relativos a dados e estatísticas. Os objetivos principais deste ambiente, e dos seus curadores, são:

1. Oferecer resultados mais didáticos e precisos sobre estatísticas já conhecidas, interpretando-as de maneira consensual e padronizada.
2. Consolidar metodologias testadas e consensuais, através exemplos e tutoriais.
3. Incentivar e difundir relatórios hipertextuais (conectados) produzidos por curadorias especializadas.

Os projetos do Observatório de Dados são "observatórios especializados", montados sobre o tripé das convenções, formação das curadorias e da metodologia de refinamento dos dados.

São observatórios de fato, pois há um "universo de dados" que não damos conta de conhecer, dada a quantidade imensa itens e de detalhes analisáveis; mas podemos escolher um "alvo", e nos pormos a observar o que existe naquela região do "espaço de dados"... E para observar precisamos de ferramentas e pessoas operando essas ferramentas, constituindo assim um observatório.

O Observatório de Dados é um "projeto guarda-chuva" para observatórios especializados e mais efetivos: de nomes de pessoas do Brasil, de documentos científicos, etc. Cada um deles tem seu universo padronizado, conforme definições abaixo.

Rótulo	Elemento típico	Definição formal do conjunto
P   Pessoas vivas em 2010	Pessoa viva no ano de 2010. P = { ∀p ∈ InstancesOf(Pessoa) | nascimento(p) ≤ 2010  ∧  morte(p) > 2010 }
TB  Território Brasileiro de 2010	Ponto geográfico do território brasileiro em 2010. TB = Brasil2010 ⊂ InstancesOf(PontoGeográfico)
D   Documentos	Um documento publicado.	D = InstancesOf(Documento)
DO   Diários Oficiais	Um diário oficial.	DO = InstancesOf(DiárioOficial)
RC   Revistas científicas	Uma revista científica.	RC = InstancesOf(RevistaCientifica)

Título	Domínio de discurso	Descrição
Observatório dos Prenomes	${\displaystyle H=\{\forall h\in P~|~pontoReside(h,2010)\in TB\}}$	Conjunto das pessoas vivas em 2010 (P) e residiam no território brasileiro (TB) do mesmo ano.
Observatório JATS	${\displaystyle A=\{\forall a\in D~|~publicationOf(a)\in RC\}}$	Conjunto dos artigos científicos, documentos (D) publicados pelas revistas científicas (RC).
Observatório LEX	${\displaystyle M=\{\forall m\in D~|~publicationOf(m)\in DO\}}$	Conjunto das matérias (documentos D) publicadas pelos diários oficiais (DO).

Maiores detalhes na definição dos núcleos semânticos.

Banco de dados PostgreSQL com datasets representados em JSON (tipo de dado [JSONb]) Ver https://github.com/datasets-br/sql-unifier