Curso de movilización de datos sobre biodiversidad

A. Capacidad para identificar el tipo de datos digitales que se pueden extraer de una fuente de datos de biodiversidad (es decir, que se pueden publicar utilizando la red GBIF)

Puede identificar solo los tipos de datos más evidentes de fuentes comunes de datos de biodiversidad (p. ej., registros biológicos de especímenes de colecciones de historia natural). Muestra poca comprensión del potencial de la publicación en línea con GBIF.

Puede identificar correctamente, con frecuencia, al menos un tipo de datos digitales que se pueden extraer de fuentes comunes de datos. Tiene dificultad para identificar cuáles se pueden publicar actualmente usando GBIF.

Puede identificar siempre uno (o más) tipos de datos digitales que pueden extraerse de fuentes de datos comunes. Puede identificar cuál de esos tipos puede publicarse actualmente usando GBIF.

Puede identificar siempre uno o más tipos de datos digitales que pueden extraerse de fuentes de datos comunes y no comunes. Puede identificar cuál de esos tipos puede ser publicado actualmente usando GBIF y cuáles están en discusión. Puede identificar los núcleos de datos y las extensiones utilizadas para publicar esos tipos de datos.

B. Capacidad para extraer información relevante de una fuente de datos de biodiversidad en estructuras de datos simples (p. ej., hojas de cálculo) que siguen los estándares internacionales.

Solo puede extraer grandes fragmentos de información obvia (por ejemplo, toda la información geográfica como una sola unidad) que son evidentes en la fuente de datos. Muestra poco conocimiento de los estándares actuales para el registro de datos de biodiversidad.

Puede recuperar varios elementos de información de la fuente de datos (pero no todos) y puede desglosarlos en partes significativas. Muestra algunos conocimientos básicos de los estándares más comunes (p. ej., DwC) y los campos de datos más utilizados en esos estándares.

Puede identificar toda la información valiosa en una fuente de datos y extraer los elementos obligatorios en una estructura de datos estándar (p. ej., una hoja de cálculo basada en Simple DwC). Puede identificar la información que falta e inferir de la información existente (p. ej., deducir el nombre de un país a partir de una provincia).

Puede identificar toda la información valiosa en una fuente de datos compleja y dividirla en partes significativas que luego se traducen directamente en estándares internacionales. Puede identificar la información crítica que falta en la fuente e inferirla de los datos existentes o de información adicional sobre la fuente (metadatos).

C. Capacidad para comprender y aplicar los principios básicos de la calidad de los datos al proceso de captura de datos.

Muestra una comprensión limitada de cómo la aplicación de principios simples de calidad de datos puede tener un gran impacto en el producto final, evitando una limpieza adicional necesaria después.

Conoce algunos de los principios más genéricos de la calidad de los datos (p. ej., evitar errores ortográficos) pero muestra un conocimiento limitado sobre cómo aplicar principios más específicos al proceso de captura de datos.

Conoce todos los principios básicos de la calidad de los datos y cómo aplicarlos de forma sencilla al proceso de captura de datos. Utiliza formatos de manera consistente durante el proceso de captura de datos (p. ej., en fechas, nombres de países). Documenta todos los procedimientos y cambios relacionados con la calidad de los datos de una manera sencilla.

Demuestra un buen conocimiento de todos los principios comunes de la calidad de los datos y cómo utilizarlos para mejorar el proceso de captura de datos. Utiliza formatos de datos de forma coherente y puede utilizar nomenclaturas, listas de referencias o funciones específicas del software para mejorar la calidad del original. Documenta claramente todos los cambios y decisiones tomadas en relación con la calidad de los datos.