生物多樣性資料流通課程

在近一步探討資料品質和它在物種出現紀錄上的應用前，尚有一些概念需要釐清，如：資料品質的意義、詞語上常被誤用的「正確性」與「精準性」間之定義與區別，與初級物種資料和物種出現紀錄資料的意義。

物種出現紀錄資料

物種出現紀錄資料(Species-occurrence data)包含：博物館與植物標本館中附在標本(或批次)上的標籤資料、一般的觀測資料、和環境調查資料。在這個範疇中，雖含有線段資料(環境調查中的穿越線調查資料，如：沿河流之蒐集)、多角形資料(於特定區域內的觀測，如：國家公園)、網格資料(於規則網格中的觀測、調查記錄)等不同樣態的資料，但廣義上它們仍算作所謂的"基於點的"(point-based)資料。就此而言，廣義上我們討論的是具有地理參照資訊之資料，其中的地理參照資訊便能將之與特定時空位置連結起來──其中的地理資訊可以含有確切的地理座標(若有則如：經緯度、UTM)，或具對地區的具體描述(如：海拔、深度等)，並這些資訊都需搭配上時間之資料(日期、時刻)。

物種出現紀錄資料一般都會帶有詳細的分類名稱，但亦可能包含有尚未鑑別者。因此，「物種出現紀錄資料」一詞有時能和「初級物種資料(“primary species data”)」相互替換。

初級物種資料

「初級物種資料」(“Primary species data” )用來指最原始的標本蒐集資料，它包含了沒有空間屬性的命名分類描述資訊，如：名稱、系統分類、與不具有地理空間屬性的分類概念。

正確性與精準度

正確性(Accuracy)與精準度(Precision)經常被搞混，其因在於人們普遍不理解其中的差異。

「正確性」指的是量測值(或觀測值、估計值)與真值(或實際情況、或被接受為真的值，如：測量控制點的座標)的靠近程度。

「精準度」(又稱解析度)則可被分為兩種類型： 首先，統計精度指的是重複觀測結果與它們自身的接近程度，其與真值的接近程度無關，因此有可能有高正確性、但低精準度的狀況。 其次，數值精度指的是記錄有效位數的個數，並隨著電腦的出現更加明顯。舉例而言，資料庫中可以輸出經度/緯度至小數點下10位的準確度(約為現實中之0.1mm)，然而該記錄的解析度實際上並不優於10-100m(小數點下3-4位)，這常導致大眾對解析度與準確度產生了混淆、錯誤的認識。

除了帶有空間屬性的資料外，「正確性」與「精準度」這兩個詞也能被用在不具空間屬性的資料上。舉例而言，一個標本可能雖被鑑定至亞種的層級(高的精準度)卻分在錯的分類底下(低正確性)，或是僅鑑定至科的層級(高正確性、低精準度)。

資料品質

「資料品質」一詞具有多個面向，並同時與資料管理、建模分析、品質控管確認、儲存與呈現有關。在Chrisman (1991)及Strong et al. (1997)中分別指出，資料品質僅和資料的利用相關，並且無法獨立於使用者外評估。在資料庫中，一筆數據並沒有所謂「實際的」品質與價值(Dalcin 2004)，它們的潛在價值只有在某位使用者的利用下才進而實現──故也由此可知，資料的品質便與滿足使用者需要的能力息息相關(English 1999)。

Redman (2001)認為：一適合使用的資料必須是能被取得(accessible)、正確(accurate)、即時更新(timely)、完整(complete)、與其他來源一致(consistent with other sources)、與主題相關(relevant)、全面(comprehensive)的，並提供使用者適當程度的細節、且容易閱讀理解。

身為資料保管者，可以去思考該做什麼來面向更廣的使用者、及拓展資料庫的用途(如：增加其潛在的使用與相關性)。這類工作譬如：將資料欄位原子化、或新增地理參考資訊…​…​等等──也是故，這樣的思考也勢必得在 使用性提升 vs. 投入的工作成本 中做出權衡。

品質保證/品質控管

一直以來，品質控管(QC)、品質保證(QA)之間的差異並不清楚。Taulbee (1996)認為強調若要達成品質目標，兩者缺一不可，並對此做出區別。她將品質控管(QC)定義為：根據內部的標準、流程、或程序進行的品質判斷，藉此來控制及監測品質；而品質保證(QA)則依據外部標準進行，藉由回顧過程中的種種行為、品質控管(QC)流程，來確保最終產品符合預定的品質標準。

在更以商業導向的方法中，Redman (2001)將品質保證(QA)定義成「以盡可能低的成本來滿足最重要客戶的需求，並為此設計來生產無瑕疵的資訊產品的所有行為活動」。

上述提到的術語如何實際應用尚不清楚，且在大多數的情境中，它們常被同義地使用，並用以描述資料品質管理的整體操作。

不確定性

「不確定性」(Uncertainty )可以視為是對「對一未知量的知識及資訊的不完整性」的衡量，若當完美的測量裝置存在時，則可確定它的實際程度 (Cullen and Frey 1999)。不確定性是觀察者對資料理解的性質，此性質與觀察者較有關，而非每份資料本身。在資料中永遠存在不確定性，若想透過記錄、理解、和視覺化這樣的不確定性來讓他人能理解並不容易。但總之，不確定性是用來理解風險及其評估的關鍵術語。

誤差

「誤差」(Error )一詞同時包含了資料的不精準(imprecision)與不正確(inaccuracy)兩個層面。有許多因素會造成誤差，但一般來說，誤差會被視為是隨機、或系統性的──隨機誤差指的是隨機抽樣造成測量值與真實值之間產生的偏差；而系統性誤差則來自值上的整體偏移，若從製圖學的視角看仍保有「相對的正確性」(Chrisman 1991)，是而在決定「適用性」時，在某些應用上系統誤差在可能是可被接受的。

舉個情境而言，是在使用不同的大地測量基準的時候。若在整個分析中只使用同個大地測量基準，可能不會發生大問題；但若在分析中使用了來自不同大地測量基準、且有不同偏差的資料，(如：使用不同大地測量基準的資料集、或鑑定時參照了早期版本的命名法規)，則可能就會發生問題。

(Chrisman 1991)提到：由於無法避免誤差，因此應將它視為資料的基礎維度。只有當誤差與資料的同時呈現時，才可能去了解資料的限制、甚至理解現有知識的極限在哪。承上所述，需要計算整理空間、屬性、時間等三個維度的已知誤差，藉此更進一步了解資料性質。

資料驗證與清理

資料驗證(Validation)是檢查資料是否正確、完整、合理的過程。其中包含：格式檢查、完整度檢查、合理性檢查、限制檢查，資料回顧(藉此判別離群值及其他誤差。如：地理上、統計上、時間上、環境性的…​…​等等)，以及相關領域專家(如：分類學家)對資料的評估。此外，這階段也會去檢查資料是否遵守適用的標準、規則和慣例。這些檢查常會將可疑紀錄標記、整理出來，並進行後續的確認。找出造成誤差的主因，並盡可能避免這些錯誤再度發生，是驗證與清理中的關鍵階段(Redman 2001)。

資料清理(Data cleaning)是修補上階段找出的錯誤的過程，其可同義於「資料清潔」(注意：有些人使用「資料清潔」一詞來同時概括資料驗證、清理兩個階段，但此處並非此用法)。這階段中，要避免無意間的資料損失、同時在更改資料時要特別小心。較好的做法是新舊並存(保留原始資料、及更正後的版本)，且並排保存在資料庫中，藉此若在清理時出錯時還能恢復成原始資料。