3.2. 最终研究
在最后的研究中，使用了算法2。| 算法2数据集选择算法——最终研究 |
开始
将优秀数据集过滤到新列表；
通过Good+过滤数据集并将其添加到列表中；
从列表中删除探索性研究的数据集；
计数=0；
WHILE（计数<50）
如果新数据集与示例中已包含的数据集非常相似，则
从列表中删除数据集；
ELSE公司
将数据集添加到样本中；
从列表中删除数据集；
计数=计数+1；
结束_IF
结束_滑道
结束 |
对于每个类别，根据上述算法选择50个数据集，其中数据集根据优秀或良好+分类进行过滤，并删除探索性研究的数据集。因此，在任何类别中都没有留下分类为优秀的数据集。根据不包括相似性的要求，该列表逐数据集滚动，以构成具有50个数据集的样本。
为了对每个数据集进行分析，使用了每个数据集的人类和机器可读（Turtle）EDP目录信息。对于一些BP，这项研究分两轮或两轮以上进行，因为有必要对信息进行混响或微调。此外，以下BP被排除在分析之外，因为它们不适用于EDP背景或本研究背景：B18、B20、BP23、BP24、BP25、B26、B27、B28、BP31和B33。
尽管W3C关于DWBP的规范明确了如何识别每个BP的合规性或不合规性，但有必要进一步详细说明这些标准，以消除分析过程中的主观性和偏差。为了便于数据的分析和表示，我们将一些业务流程划分为人类可读的版本和计算机可读的版本。分析每个BP的观察结果时采用的标准如下：
最佳实践1——提供元数据。为人类用户和计算机应用程序提供元数据，以便人类可以分析元数据，计算机应用程序可以处理元数据。始终添加“是”代码，因为欧洲数据门户始终需要提供元数据。
最佳实践2-提供描述性元数据。如果数据集目录提供了日期、关键字、标题和发布者等信息，则输入“是”，否则输入“否”。将不可用的元数据元素（被认为是必需的）添加到相应的备注字段中。
最佳实践3-提供结构元数据。需要它们来打开数据集。如果他们有关于每个字段的含义和可接受值的信息，请输入“是”，否则输入“否”。
最佳实践4——提供数据许可证信息。如果数据集有许可证并且许可证类型是明确的[15]，然后输入“是”，但在备注字段中添加相关信息。如果它没有许可证，则填写“否”。 最佳实践5-提供数据来源信息。如果有关于发布者ID、创建日期和数据集修改的信息，则有来源信息[16,17]. 从两个角度对它们进行了分析：（a）除了存在dct:issued属性外，还应存在以下属性之一或全部三个属性：dct:creator、dct:publisher；离散余弦变换；publisher和（b）如果之前的属性都不存在，则应存在prov:actedOnBehalfOf。如果存在两种可能性中的一种或两者都存在，则输入“是”，否则输入“否”，并在适当的备注字段中添加信息。 最佳实践6——提供数据质量信息。如果数据集具有属性dqv:hasQualityMeausrement，则输入“yes”；否则，输入“否”。
最佳实践7——提供版本指示器。我们将其分为BP7H（人类可读信息）和BP7C（计算机可读信息）。在BP7H中，如果数据集有版本信息，则输入“yes”。在BP7C中，只有当它具有某些属性（如pav:version或owl:versionInfo）时，才会添加“yes”。这些属性可以在Turtle语法中识别。在这种情况下，会在备注字段中添加适当的信息。
最佳实践8—提供版本历史记录。我们将其分为BP8H（人类可读信息）和BP8C（计算机可读信息）。在BP8C中，只有当它具有元数据元素dct:isVersionOf、dct:hasVersion、owl:versionInfo、pav:version或与rdfs:comment关联的等效元素时，才输入“yes”。在这种情况下，会在备注字段中添加适当的信息。对于BP8H，如果提供了版本之间差异的摘要，则输入“是”；否则，输入“否”。
最佳实践9—使用持久URI作为数据集的标识符。如果数据集使用已知的永久标识符，例如URN、Handle、DOI、ARK、永久统一资源定位符（PURL）、电子标识符系列出版物（EISP）、国际电子书标识符编号（IEIN）、可扩展资源标识符（XRI）、磁性链接磁铁、虚拟国际权威文件（VIAF）、，国际标准名称识别码（ISNI）或国际标准名称标识码（ISNIC），填写“是”；如果不是，请填写“否”。
最佳实践10—将持久URI用作数据集中的标识符。检查属性（如dct:creator、dct:publisher、dct:location、dct=spacial、dct:subject、dct：license或dct:contributor）是否被永久URI引用，例如文档的DOI或Handle、作者的Orcid或Creative Commons许可的URI。如果是，请输入“是”；否则写上“否”。
最佳实践11-将URI分配给数据集版本和系列。如果为每个版本分配了URI，请输入“yes”；否则，输入“否”。
最佳实践12——使用机器可读的标准化数据格式。如果数据集具有标准化的机器可读分布，例如XML、JSON、Turtle和/或CSV，则输入“yes”；否则，输入“否”。
最佳实践13——使用与地区无关的数据表示。我们将其分为BP13H（人类可读信息）和BP13C（计算机可读信息）。在BP13H中，如果有关于如何解释列中各个值（日期、时间、货币和数字）的信息，则输入“是”；否则，输入“否”。对于BP13C，必须按属性进行搜索：dct:conformsTo、dct:language、dct:location和/或dct:spacial。如果确定，则填写“是”，否则填写“否”。
最佳实践14——以多种格式提供数据。如果数据集具有多种格式的分布，请填写“是”；否则，输入“否”。
最佳实践15——重用词汇表，最好是标准化词汇表。默认情况下，EDP对所有数据集使用DCAT和用于数据集分类（DCAT:theme）的数据主题权限表。因此，我们的分析只关注价值词汇的使用，如Eurovoc。因此，如果数据集描述具有属性dct:subject和标准词汇表（Eurovoc）中的值，则输入“yes”；否则，输入“否”。
最佳实践16——选择正确的形式化级别。对于这一最佳实践，如果数据集使用了适当的词汇，如都柏林核心和Schema.org，则表示“是”；如果它使用的词汇没有过多或过少，请写上“否”。
最佳实践17——提供批量下载。如果数据集可以一次全部下载，则输入“是”；否则，输入“否”。
最佳实践18——为大型数据集提供子集。此最佳实践仅适用于大型数据集。在EDP中，这些已经被划分，因此不适用。
最佳实践19使用内容协商来提供多种格式的可用数据。检查资源的可用表示形式，并尝试通过在HTTP请求头中指定接受的内容来获取它们。如果返回，请填写“是”；否则写上“否”。
最佳实践20-提供实时访问。EDP鼓励数据提供商实时提供数据。然而，该BP无法通过分析其目录进行验证，因此未包含在分析中。
最佳实践21提供最新数据。如果有属性dct:accumalPeriodicity或类似，则输入“是”，否则输入“否”。
最佳实践22——对不可用的数据进行解释。我们将其分为BP22H（人类可读信息）和BP22C（计算机可读信息）。对于BP22H，如果数据集附带有一个HTML文档，其中包含数据集中引用的数据信息，但由于某种原因不可用，请输入“是”；否则写上“否”。对于BP22C，如果使用了适当的HTTP状态代码，例如303（请参阅其他）、410（永久删除）或503（服务*提供数据*不可用），请填写“是”；否则，输入“否”。
最佳实践23-通过API提供数据。EDP支持通过API分配数据集，但由于遵守此BP并不依赖于数据集，因此未对其进行分析。
最佳实践24——将网络标准作为API的基础。该BP的符合性不取决于数据集，因此未进行分析。
最佳实践25——为您的API提供完整的文档。该BP的符合性不取决于数据集，因此未进行分析。
最佳实践26——为您的API提供完整的文档。EDP为其API提供了完整的文档。该BP的符合性不取决于数据集，因此未进行分析。
最佳实践27-保留标识符。该BP也不适用于本研究的范围，因为我们没有查看删除的数据集。
最佳实践28—评估数据集覆盖率。该BP的合规性分析也不在本研究范围内，因为它与档案保存信息有关。
最佳实践29——数据消费者的反馈。数据使用者将能够对数据集及其分布提供反馈和评估。如果有针对数据消费者的反馈机制，例如电子邮件或其他通信渠道，请填写“是”；否则，输入“否”。
最佳实践30——提供反馈。可以向数据使用者提供反馈。该属性的存在被验证为rdfs:comment或类似，如果存在，则输入“yes”，否则输入“no”。
最佳实践31—通过生成新数据来丰富数据。由于我们在数据集或元数据中均未发现任何信息，无法说明数据已被丰富，因此分析中未包含此最佳实践。
最佳实践32提供补充演示。如果数据集有互补的表示形式，如图形，则输入“是”；否则，输入“否”。
最佳实践33——向原始出版商提供反馈。遵守此BP不在本研究范围内，因为我们无法接触EDP与其数据提供商之间的通信。
最佳实践35——引用原始出版物。如果通过文本或链接（例如，数据源，可从中获得）引用任何数据集的原始来源，则输入“是”；否则写上“否”。
该分析表明，政府和交通类别的数据集评级最高，教育类别的数据最低。观察最多的BPs为：BP1、BP2、BP4、BP5、BP10、BP11、BP12、BP13C、BP16、BP17、BP19、BP29和BP34，观察最少的为：BP3、BP7H、BP7C、BP13H、BP14、BP15、BP21、BP32和BP35。此外，在分析的3个类别中，任何数据集都未观察到BP6、BP8H、BP8C、BP9、BP22H、BP22C和BP30（我们提供的数据集为补充材料，表S2–S4，在DataRepositoriUM，https://doi.org/10.34622/datarepositorium/N2P0NK（于2021年8月6日访问）。 这些结果突出了质量驱动的数据发布的重要性。数据发布为管理者和用户都带来了好处。数据发布对于各个部门和用户非常有用，例如在交通方面，可以在紧急情况下提供更有效的响应[18]或者在决策中提供补贴。然而，在发布数据时不注意质量是没有意义的，因为这是确保访问和重用可靠性所必需的。除了公平原则外，遵守W3C推荐的最佳实践也可以提高开放数据的质量，DWBP更全面。 这项研究的结果为数据管理者提供了见解，尤其是在政府背景下，哪些最佳实践最受关注，哪些需要更多关注。此外，从DWBP的角度来看，它填补了EDP提供的数据质量文献中的一个空白。
本研究的局限性在于，由于不符合本研究范围，我们没有分析BP18、BP20、BP23、BP24、BP25、BP26、BP27、BP28、BP31和BP33。
尽管对采样技术格外小心，但许多数据集仍然相似，因此新的研究需要从改进样本构成算法开始。
