Loc.gov: Library of Congress

Autor:

-

2.7.2021

Tento článek pojednává o informačním zdroji, který umožňuje vyhledávat ve sbírkách největší světové knihovny a jejím digitalizovaném archivu a umožňuje vyhledávání a přístupu k dalším publikacím, které se nacházejí ve sbírkách spolupracujících institucí.

Informační zdroj Library of Congress

Knihovna Kongresu (Library of Congress) je největší knihovnou světa s více než 170 mil. kusů publikací ve sbírce (Library of Congress, 2021a) a s ročním růstem okolo 2 mil. publikací. Knihovna je Národní knihovnou USA. Slouží tak jako studovna a badatelna. Nachází se ve Washingtonu D.C. v několika hlavních budovách. Další pobočky má po celých Spojených státech a jiných státech světa. (Billington, 2021)

Tento informační zdroj slouží k přístupu ke službám knihovny (vyhledávání, objednávání služeb) a k přístupu k jejímu digitalizovanému obsahu. Obsah knihovny je přístupné zdarma. (Library of Congress, 2021b)

Vyhledávání v Library of Congress

Vyhledávání v katalogu knihovny probíhá několika způsoby. Nejednoduší je zadávání celého vyhledávaného výrazu do vyhledávací řádky. Tento dotaz ovšem bude široky a bude obsahovat také irrelevantní dotazy. Dotaz se dá filtrovat dle typu publikace. Vyhledávání lze vidět na obrázku č. 1.

Obrázek 1: Vyhledávání publikace. (Library of Congress, 2021c)

Vyhledávaný obsah se dá filtrovat, ale nastavování relevantní oblastí nelze nastavit na úrovni dotazů. Filtrování lze vidět na obrázku č. 2.

Obrázek 2: Filtrování při vyhledávání. (Library of Congress, 2021d)

U elektronických a digitalizovaných dokumentů lze jejich obsah zobrazit přímo na monitoru u ostatních periodik dojde k přesměrování na katalog knihovny. U této možnosti (katalog knihovny) jsou rozšířené možnosti vyhledávání a k jejich popsání dojde níže.

Při zobrazení jsou uvedeny informace o publikaci. Jde např. o její název, vydavatele, autora, datum vydání, věcné poznámky k publikaci, či počet stran.

Základní vyhledávání

Ostatní vyhledávání je možné v online katalogu knihovny, ten je přístupný následovně na obrázku č. 3, popř. přes odkaz: https://catalog.loc.gov/.

Obrázek 3: Vyhledávání v katalogu knihovny. (Library of Congress, 2021c)

Zde se přistupuje k vyhledávání následovně (modře základní, červeně pokročilý, zeleně klíčová slova) a lze to vidět na obrázku č. 4.

Obrázek 4: Výběr možnosti vyhledávání. (Library of Congress, 2021e)

Všechny vyhledávání umožnují vyhledávat přes specifikované kategorie. Základní vyhledávání je umožněno přes následující kategorie, které jsou uvedeny níže a je dostupné přes odkaz https://catalog.loc.gov/vwebv/searchBrowse. Ukázku obrazovky pro základní vyhledávání lze vidět na obrázku č. 5.

Obrázek 5: Základní vyhledávání (Library of Congress, 2021f)

Titles: Název publikace
Authors/creators: Autor, vydavatel publikace. Obsahuje dvojí způsob hledání:
- obsahuje zadaný řetězec
- začíná hledaným řetězcem
Subjects: Hledaná oblast publikace. Obsahuje dvojí způsob hledání:
- obsahuje zadaný řetězec
- začíná hledaným řetězcem
Names/titles: Hledaný výraz, jméno v textu. Obsahuje dvojí způsob hledání:
- obsahuje zadaný řetězec
- začíná hledaným řetězcem
Series/uniform titles: Hledaný název řady publikace
CALL NUMBERS: Umístění publikace
LCCN: Identifikátor publikace

V případech, kde vyhledáváme výskyt daného řetězce v textu, pak lze použít tyto zástupné symboly.

% – místo tohoto znaku může být jakýkoliv jeden znak,
? – místo tohoto znaku může být libovolné množství znaků.

Hledaný výraz lze také filtrovat dle:

Roku publikace,
řazení publikace do oblastí (dětské, evropské, americké apod.),
umístění publikace (v jaké knihovně se nachází),
typu publikace (kniha, film),
jazyku,
počtu záznamů na stránce.

Pokročilé vyhledávání

Další možností je pokročilé vyhledávání, které umožňuje spojovat jednotlivé zadané výrazy pomocí logických spojek. Vyhledávaní je přístupné zde: https://catalog.loc.gov/vwebv/searchAdvanced. Popis logických spojek je následující:

AND: Výsledek obsahuje oba zadané výrazy
OR: Výsledek obsahuje alespoň jeden zadaný výraz
NOT: Výsledek neobsahuje zadaný výraz

Vyhledávání probíhá pomocí podobných kategorií. Jejich počet je ovšem větší. Také zde funguje filtrování výsledků a zástupné symboly. Podobu pokročilého vyhledávání lze vidět na obrázku č. 6.

Obrázek 6: Pokročilé vyhledávání (Library of Congress, 2021g)

Vyhledávání dle klíčových slov

Poslední možností je vyhledávaní dle klíčových slov. Toto vyhledávání je přístupné zde: https://catalog.loc.gov/vwebv/searchKeyword.

Lze vyhledávat dle názvu, autora, oblasti, popř. si vybrat jakékoliv z definovaných kategorií (pod položkou EXPERT) na tomto seznamu: https://catalog.loc.gov/vwebv/ui/en_US/htdocs/help/index_name.html. U této kategorie lze také používat logické spojky. U všech kategorií funguje filtrování výsledků.

Ukázka vyhledávání v uložišti

Pro zkoušku vyhledáme publikace, která má v názvu Abraham Lincoln. Vyhledáváme tedy dle kategorie TITLE. První publikace se věnuje armádní kariéře Abrahama Lincolna. Je tedy relevantní k danému hledanému výrazu. To lze vidět na obrázku č. 7.

Obrázek 7: Ukázka vyhledávání (Library of Congress, 2021h)

Po otevření se nám zobrazí informace o publikace. Je zde uveden autor publikace (včetně roků, kdy žil), název publikace, typ publikace, nakladatel a rok vydání. Dále je zde možnost o tuto knihu zažádat (ve fyzické podobě) a zjistit, kde se kniha nachází. To lze vidět na obrázku č. 8.

Obrázek 8: Náhled informací o knize (Library of Congress, 2021i)

Mimo tyto informace jsou zde popsány informace o knize (počet stran, rozměry, materiál), ID v rámci knihovny, sekce, kde se publikace nachází a v jakých kategoriích je kniha řazena. Pro knihy, zde moc dodatečných informací není. Pro filmové publikace je jich ovšem více. Jsou zde např. uvedeni herci a všechny osoby spolupracující na filmu. Dále jsou zde i poznámky k obsahu filmu, co vše mimo film obsahuje (např. reklamy apod).

Autory publikací, popř. herce lze vyhledávat pomocí hyperlinkových odkazů, které přesměrují uživatele do vyhledávání dle dané kategorie. To lze např. vidět níže na obrázku č. 9.

Obrázek 9: Vyhledávání autora pomocí hyperlinkového odkazu (Library of Congress, 2021j)

Vyhledávání v kolekcích dokumentů

Knihovna umožňuje také vyhledávat v kolekcích dokumentů (např. soukromou korespondenci osob apod), popř. hledat jiné poskytovatele, kteří mají dokumenty, které se věnují dané oblasti, popř. obsahuje e-dokumenty (knihy, deníky). Ty jsou dostupné přes katalog knihovny na obrázku č. 10 (modře interní kolekce, zeleně externí kolekce a e-dokumenty).

V interních dokumentech se dá vyhledávat dle zadaného výrazu, popř. zobrazit všechny kolekce dle dané kategorie. Vyhledávání lze vidět na obrázku č. 11.

Obrázek 11: Vyhledávání v interních kolekcích (Library of Congress, 2021k)

Při rozkliknutí výsledků se zobrazí informace o kolekci, kde se fyzicky nachází a co je jejím obsahem. Každý dokument je zde také popsaný.

Vyhledávání na externí kolekce probíhá výběrem oblasti, popř. zadáním do vyhledávání. Externí vyhledávání lze vidět na obrázku č. 12.

Obrázek 12: Vyhledávání v externích kolekcích (Library of Congress, 2021l)

Zde se po rozkliknutí zobrazí seznam externích poskytovatelů dat, které mají o dané oblasti potřebné data. U každého je také popis, který vysvětluje, jaké informace se zde nacházejí a zda je přístupný zdarma, popř. za poplatek. To lze vidět na obrázku č. 13.

Obrázek 13: Detail externí kolekce (Library of Congress, 2021l)

Po přepnutí na e-dokumenty se po rozkliknutí zobrazí informace o daném dokumentu, včetně informací, zda je přístupný a odkaz na externí stránky, kde je umístěn

Závěr

Informační zdroj loc.gov je přístupovým prostředí do sbírek Knihovny Kongresu. Z tohoto zdroje lze tak přistupovat k největším světovým sbírkám publikací o velikosti přesahující 170 mil. kusů. Umožňuje vyhledávat jak fyzické kusy, které si lze v knihovně zapůjčit, tak i v digitalizovaném archivu, včetně multimediálních záznamů. Mimo vlastní sbírky knihovny kongresu umožňuje vyhledávat také v dalších informačních zdrojích mimo vlastní sbírky knihovny.

V práci je popsán způsob práce s tímto informačním zdrojem z hlediska vyhledávání.

Zdroje

BILLINGTON, James H., 2021. Library of Congress. In britannica.com [online]. Chicago: Encyclopædia Britannica, Inc., 2021. [cit. 2021-03-23]. Dostupné z: https://www.britannica.com/topic/Library-of-Congress

LIBRARY OF CONGRESS, 2021a. General Information. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://www.loc.gov/about/general-information/

LIBRARY OF CONGRESS, 2021b. Frequently Asked Questions. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://www.loc.gov/about/frequently-asked-questions/

LIBRARY OF CONGRESS, 2021c. LIBRARY OF CONGRESS. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://www.loc.gov/

LIBRARY OF CONGRESS, 2021d. Search in LIBRARY OF CONGRESS. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://www.loc.gov/search/?in=&q=&new=true&st=

LIBRARY OF CONGRESS, 2021e. Search option in LIBRARY OF CONGRESS. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/

LIBRARY OF CONGRESS, 2021f. Browse in archive of LIBRARY OF CONGRESS. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/vwebv/searchBrowse

LIBRARY OF CONGRESS, 2021g. Advance search in archive of LIBRARY OF CONGRESS. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/vwebv/searchAdvanced

LIBRARY OF CONGRESS, 2021h. abraham lincoln. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/vwebv/search?searchArg=abraham+lincoln&searchCode=TKEY%5E*&searchType=1&limitTo=none&fromYear=&toYear=&limitTo=LOCA%3Dall&limitTo=PLAC%3Dall&limitTo=TYPE%3Dall&limitTo=LANG%3Dall&recCount=25

LIBRARY OF CONGRESS, 2021i. The military life of Abraham Lincoln, Commander in Chief. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/vwebv/holdingsInfo?searchId=6212&recCount=25&recPointer=0&bibId=290817

LIBRARY OF CONGRESS, 2021j. Dupuy, Trevor N.. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://catalog.loc.gov/vwebv/search?searchArg=Dupuy,%20Trevor%20N.%20(Trevor%20Nevitt),%201916-1995.&searchCode=NAME%2B&searchType=1&recCount=25

LIBRARY OF CONGRESS, 2021k. Search Finding Aids. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://findingaids.loc.gov/

LIBRARY OF CONGRESS, 2021l. Library of Congress E-Resources Online Catalog. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://eresources.loc.gov/

LIBRARY OF CONGRESS, 2021m. Library of Congress E-Resources Online Catalog: Art and Architecture. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-03-23]. Dostupné z: https://eresources.loc.gov/search~S9/m?SEARCH=Art+and+Architecture

LIBRARY OF CONGRESS, 2021n. Úvodní snímek: George Washington. In loc.gov. [online]. Washignton D.C.: Library of Congress, 2021. [cit. 2021-05-02]. Dostupné z: https://www.loc.gov/resource/cph.3a09915

Nástroj Doing Business – analyzujte, kde jsou nejlepší podmínky pro podnikání

Autor:

Mechl Matyáš

-

12.3.2021

0

Základní informace o společnosti

Doing Business je projekt založen roku 2002, který zkoumáním několika metrik porovnává prostředí podnikové regulace v téměř 190 ekonomikách s cílem poskytnout akademickým pracovníkům, novinářům, zájemcům v oblasti ekonomiky a dalším informace o tom, který stát přináší nejpřijatelnější prostředí pro podnikání. Doing Business se nezaměřuje pouze na zkoumání podnikové regulace na úrovni států, ale provádí také studie různých měst a regionů ve vybraných zemích. Uživatel může porovnávat nejen státy světa, ale také některá jejich města. Lze tedy získat povědomí o tom, které město je z hlediska snadnosti podnikání optimální. Dalším záměrem tohoto projektu je vzbudit soutěživost jednotlivých ekonomik o vytvoření co nejadekvátnějších regulací. [1]

Indikátory

První zveřejněná studie Doing Business byla již rok po jeho založení, tedy v roce 2003. Studie zkoumala snadnost podnikání u 133 ekonomik pomocí 5 identifikátorů. Od této doby došlo k značnému pokroku, kdy letošní studie zahrnuje 190 ekonomik, které jsou měřeny pomocí 11 indikátorů. [1]

Seznam těchto indikátorů, včetně popisu, co je u nich měřeno obsahuje tabulka č.1., která je volně dostupná na stránkách Doing Business v sekci About.

Tabulka 1 Indikátory a co je u nich měřeno [2]

Indikátory	Co je měřeno
Starting a business	Postupy, čas, náklady, minimální kapitál pro založení s.r.o. pro muže a ženy
Dealing with construction permits	Postupy, čas a náklady na vyřízení všech formalit k vybudování skladu, mechanismy kontroly kvality a bezpečnosti v systému stavebního povolení
Getting electricity	Postupy, čas, náklady na připojení k elektrické síti, spolehlivost dodávky a transparentnost tarifů dodavatelů elektřiny
Registering property	Postupy, čas, náklady na převod nemovitostí. Kvalita systému katastrálního úřadu pro muže a ženy
Getting credit	Zákony o movitých věcech a úvěrové informační systémy
Protecting minority investors	Práva menšinových akcionářů v transakcích se spřízněnými stranami a ve správě a řízení společností
Paying taxes	Platby, čas a celková daň a sazba příspěvku, aby firma splňovala všechny daňové předpisy i procesy následné archivace
Trading across borders	Čas a náklady na export produktů s komparativní výhodou a na import zboží
Enforcing contracts	Čas a náklady na vyřešení obchodního sporu a kvalita soudních procesů pro muže a ženy
Resolving insolvency	Čas, náklady, výsledek a míra vymáhání obchodní neschopnosti a síla právního rámce pro platební neschopnost
Employing workers*	Flexibilita regulace zaměstnanosti
Contracting with the government*	Postupy, čas na účasti a získání veřejných zakázek. Regulační rámec spojený se zadáváním veřejných zakázek

* Nejsou součástí hodnocení v Doing Business 2020.

Získávání dat

Data, která společnost Doing Business využívá pro tvorby studií, jsou získávána ze 4 základních pramenů. Patří zde zákony a předpisy jednotlivých států, respondenti společnosti, vláda a zaměstnanci World Bank Group. Společnost uvádí, že má více než 48 tisíc profesionálů ve 190 ekonomikách. Kolekce dat následně probíhá pomocí písemné či ústní komunikace, dotazníkového šetření, vlastní návštěvou apod. [3] Celý proces, včetně časového harmonogramu se nachází na obrázku č.1.

Obrázek 1 Jak Doing Business sbírá a ověřuje data [4]

Využití

Doing Business představuje veřejně dostupný nástroj, jenž najde uplatnění v širokém spektru oblastí. Od roku 2003 bylo výzkumnými pracovníky napsáno tisíce článku opírající se o data, které poskytl tento nástroj. Dále kromě novinářů, lidí zajímající se o ekonomiku a mnoho dalších, je možno najít uplatnění i v oblasti zákonodárné, kdy poslanci/vláda mohou využít data pro objevení nedostatků země ve které působí a navrhovat efektivní zákony v oblasti podnikové regulace, které mohou vytvořit pro občany optimální prostředí pro podnikání a posunout ekonomiku země dopředu. [3]

První pohled na webové prostředí

Web společnosti Doing Business poskytuje uživatelům 7 jazykových mutací jako je angličtina, španělština, francouzština, portugalština, ruština, čínština a arabština. Při prvním pohledu na web uživatel hned vidí datový vyhledávač a přehled hlavních zjištění, kterých dosáhla společnost při tvorbě reportu „Doing Business 2020“. Za zmínku stojí například informace, že Saúdská Arábie, Jordánsko, Togo, Bahrajn, Tádžikistán, Pákistán, Kuvajt, Čína, Indie a Nigérie vykazují markantní zlepšení oproti minulých let. [5] Co se týče datového vyhledávače, jehož vzhled demonstruje obrázek č.2, ten nabízí uživateli možnost filtrace pomocí ekonomiky nebo indikátorů.

Obrázek 2 Datový vyhledávač na domovské obrazovce[5]

V případe filtrování podle ekonomiky (v tomto případě byla zvolena Česká republika) je uživatel přesměrován na záložku „Data“, kde mu jsou zobrazeny výsledky studie pro danou zemi. Uživatel se dozví, jaké celkové skóre země obdržela a na jaké pozici v celkovém žebříčku všech ekonomik se nachází.

Níže na stránce se nachází přehled, jak dopadlo hodnocení pro jednotlivé oblasti v rámci zvolené země. V případě České republiky může uživatel vidět, že ze všech zkoumaných ekonomik nabízí ČR nejlepší podmínky pro „Trading across Borders“. Na druhou stranu byla země nejhůř hodnocena v oblasti „Starting a Business“.

Obrázek 4 Výsledky pro jednotlivé oblasti [6]

Závěr přehledu tvoří interaktivní tabulka, kde se uživatel kliknutím na jednu z oblastní dozví, co vše bylo v rámci dané oblasti zkoumáno, včetně výsledků zkoumání. Vzhled tabulky pro oblast „Trading Across Boarders“ demonstuje obrázek níže.

Obrázek 5 Vzhled interaktivní tabulky [6]

V případě že by se uživateli o dané zemi chtěl dozvědět více než je zobrazeno na této stránce, je mu umožněno stáhnout si report v podobě PDF souboru, který obsahuje kompletní výsledky studie pro danou zemi včetně detailnějšího popisu jednotlivých oblastí. Pro zajímavost je vhodné zmínit, že v případě České republiky(odkaz) má report pro rok 2020 rozsah 69 stránek. Jestliže se nechce uživatel omezovat pouze na jeden stát a zajímají ho kompletní reporty studie „Doing Business“ zahrnující všech 190 ekonomik, stačí pouze v navigační části webu přejí na stránku „Reports“, kde jsou pro uživatele připravené PDF reporty již od vydaní pro rok 2004. Volba reportu probíhá pomocí rozbalovacího seznamu.

Rankings

Další možnosti stránky doingbusiness.org přináší záložka „Rankings“, kde se nachází tabulka obsahující všech 190 ekonomik a jejich hodnocení. Uživatel si zde může vybrat zda chce vidět hodnocení v podobě rankingu nebo skóre. Obě dvě hodnoty reflektují úspěšnost ekonomiky v oblasti snadnosti podnikání, akorát na jinačí škále. V případě rankingu nabývá hodnocení hodnot od 1 do 190, kdy stát držící ranking 1 představuje ekonomiku poskytující nejpříznivější podmínky z hlediska regulací pro podnikání. Jedná se tedy o určitý žebříček. Jak již je ukázáno na obrázku č.3, celkové umístění ČR je na 41. místě, což muže být poněkud uspokojující. Pro zájemce zde Doing Business zanechává link na PDF soubor s názvem „ease of doing business rankings and the ease of doing business scores are calculated“, kde je možné na 10 stránkách se dočíst jak ranking a skóre fungují a jak jsou vypočítávány. [8]

Pro možnost filtrování dat v tabulce na stránce jsou zde připraveny dva rozbalovací seznamy. První rozbalovací seznam pojednává o regionech a druhý o platových třídách (viz. obrázky níže).

Obrázek 7 Rozbalovací seznamy pro regiony a platové třídy [8]

Výslednou tabulku lze také stáhnout ve formátu .xlsx či PDF. V případě nevyužití rozbalovacího seznamu se na stránce nachází tabulka obsahujících všech 190 záznamů. Například z přiloženého obrázku č.8 lze vyčíst, že nejpřijatelnější prostředí pro podníkání z pohledu státní regulací je Nový Zéland.

Obrázek 8 Nejlépe hodnocené ekonomiky [8]

Historical Data Sets and Trends Data

Záložka „Historical Data Sets and Trends Data“ umožňuje uživateli vygenerovat si dataset na základě jeho preferencí z dat, které Doing Business má. Tvorba zde probíhá ve 3 krocích, kdy v prvním si uživatel vybere ekonomiky, které chce v datasetu mít. Uživatel si může vyklikat jednotlivé ekonomiky nebo využít předdefinovaných skupin tvořených buď podle regionů, nebo platových skupin.

Obrázek 9 Vzhled filtru pro vytváření datasetu [9]

V kroku č.2 dochází k volbě oblastí – Starting a Business, Getting Credit, Trading across Borders apod. Poslední krok nabízí možnost zvolit si zda bude dataset obsahovat data pouze z Doing Business 2020, či i starší. Výsledek se na stránce zobrazí ve formě interaktivní tabulky s možnosti stažení ve formátu .xlsx či pdf.

Law Library

Záložka s názvem „Law Library“ se představuje jako největší online sbírka obchodních zákonů a předpisů. [10] Jedná se o velice povedený nástroj, kdy pomocí filtrů je uživatel schopen si vyhledat zákony a předpisy ve 190 ekonomikách. Na výběr je zde od administrativních až po daňové zákony. Výsledek se zobrazí ve formě url linku odkazujících na relevantní zdroj. V případě bankovního práva České republiky se jedná o webové stránky ČNB.

Obrázek 10 Bankovní a daňové zákony pro ČR [10]

Business Reforms

Poslední zajímavý nastroj přináší záložka s názvem „Business Reforms“, kde pomocí selekce ekonomiky, oblasti či regionu se uživatel může dozvědět, jaké se v dané lokalitě vytvořily reformy pro ulehčení či ztížení podnikaní. V případě, pro tuto práci zvolené, České republiky se zde vyskytuje poslední záznam z roku 2018, kde ČR provedla zlepšení v oblasti „Starting Business“ a to snížením poplatků pro založení společnosti s ručeným omezeným. Naopak ke ztížení podnikaní došlo v oblasti placení daní, kde zavedením nových požadavků na vyplnění přiznání k DPH došlo ke zkomplikování procesu placení daní. [11]

Závěr

Doing Businnes představuje projekt založený v roce 2002, který provádí studie v celkem 190 ekonomikách napříč světem. Cílem projektu je zmapovat oblast podnikové regulace v jednotlivých ekonomikách a určit, který stát přináší nejpřijatelnější prostředí pro podnikání. Výsledky jejich studie následně publikují na svých stránkách s názvem “Doing Business”, kde jsou volně ke stažení v PDF formátu. Mimo toho se na stránkách společnosti nachází cela řada užitečných nástrojů. Za zmínku stojí třeba možnost stažení si datasetu Doing Business, nahlédnout do největší online sbírky obchodních zákonů a mnoho dalších. Autor doporučuje všem čtenářům si webovou stránku společnosti Doing Business prohlédnout, jelikož se jedná o velice zajímavý a přínosný projekt nacházející uplatnění v mnoha oblastech od novinařiny až po politiku.

Zdroje

[1] About us. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/about-us

[2] What Doing Business measures—12 areas of business regulation. In: About Doing Business: Openknowledge.worldbank.org [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://openknowledge.worldbank.org/bitstream/handle/10986/32436/9781464814402_Ch01.pdf

[3] About Doing Business. Openknowledge.worldbank.org [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://openknowledge.worldbank.org/bitstream/handle/10986/32436/9781464814402_Ch01.pdf

[4] How Doing Business collects and verifies the data. In: About Doing Business: Openknowledge.worldbank.org [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://openknowledge.worldbank.org/bitstream/handle/10986/32436/9781464814402_Ch01.pdf

[5] DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/doingbusiness

[6] Ease of Doing Business in Czech Republic. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/data/exploreeconomies/czech-republic#DB_tab

[7] Reports. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/reports/global-reports/doing-business-2020

[8] Rankings. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/rankings

[9] Historical Data Sets and Trends Data. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/custom-query

[10] Law Library. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/law-library

[11] Business Reforms in Czech Republic. DoingBusiness Measuring Business Regulations [online]. The World Bank Group, c2021 [cit. 2021-02-05]. Dostupné z: https://www.doingbusiness.org/en/reforms/overview/economy/czech-republic

Seznam obrázků

Obrázek 1 Jak Doing Business sbírá a ověřuje data [4]

Obrázek 2 Datový vyhledávač na domovské obrazovce [5]

Obrázek 3 Hodnocení České republiky [6]

Obrázek 4 Výsledky pro jednotlivé oblasti [6]

Obrázek 5 Vzhled interaktivní tabulky [6]

Obrázek 6 Rozbalovací seznam [7]

Obrázek 7 Rozbalovací seznamy pro regiony a platové třídy [8]

Obrázek 8 Nejlépe hodnocené ekonomiky [8]

Obrázek 9 Vzhled filtru pro vytváření datasetu [9]

Obrázek 10 Bankovní a daňové zákony pro ČR [10]

Obrázek 11 Business reformy pro ČR [11]

CC Search – k stovkám milionů fotografií z celého světa

Autor:

Jan

-

11.3.2021

0

Co znamená Creative Commons Search?

Zkratka CC reprezentuje název neziskové organizace Creative Commons, která se zabývá licencováním multimediálního obsahu. Zároveň do jejího portfolia spadá již zmíněný CC Search, což je nástroj, který umožňuje snadno objevovat a používat otevřeně licencovaná a veřejně dostupná autorská díla pomocí snadného vyhledávání. CC Search prohledává více než 300 milionů obrázků z otevřených API a datové sady Common Crawl. Jde nad rámec jednoduchého vyhledávání a agreguje výsledky napříč několika veřejnými úložišti (Flickr, Europeana,… ) do jednoho souhrnného katalogu. V současné době CC Search plně podporuje prohledávání obrázků, ale plánují plně implementovat vyhledávání napříč dalšími typy médií, jako jsou otevřené texty, audio a video. Tento „další“ multimediální obsah momentálně běží v testovací verzi. Obsah z těchto platforem lze prohledávat pomocí CC Search a sdílet na webu díky licencím CC.

Ukázka procházených zdrojů — Obrázek: Ukázka log procházených informačních zdrojů s licencovaným obsahem dle CC. [Zdroj: creativecommons.org]

Typy licencí Creative Commons

Každé dílo, ať už jde o obrázek, fotografii, hudbu, odborný i prozaický, nebo i poetický text, má svého autora a ten vlastní k dílu autorská práva. Ta obsahují mix práv a povinností spjatých s daným dílem a stanovují to, jak se s ním smí zacházet. Autorskoprávní nástroje a licence Creative Commons vytvářejí rovnováhu v rámci tradičního nastavení „všechna práva vyhrazena“, které jinak automaticky autorské právo zajišťuje. Nástroje Creative Commons nabízejí každému, od jednotlivých autorů až po velké společnosti jednoduchý standardizovaný způsob, jak umožnit ostatním užívat jejich dílo. Přehled jednotlivých licencí s ukázkou práv a povinností k nim spjatých je uveden v následující tabulce.

Tabulka znázorňující přehled licencí a práv + povinností — Tabulka: Znázorňující přehled CC licencí a jejich práv + povinností [Zdroj: web.natur.cuni.cz]

Možnosti vyhledávání v CC Search

Na první pohled při příchodu na platformu CC Search, která se nachází na adrese https://search.creativecommons.org se uživateli objeví nápadně podobné rozhraní připomínající jinou vyhledávací platformu Google. Uprostřed obrazovky se tyčí velký Search Bar umožňující zadání klíčových slov pro vyhledávání v rámci obsahu, který je licencovaný pomocí CC licencí. Po kliknutí na tlačítko Search se uživateli zobrazí, stejně jako u Googlu katalog výsledků, které se vztahují ke klíčovým slovům, jenž uživatel zadal k vyhledání.

CCSearch Úvodní stránka — Obrázek: Úvodní stránka při příchodu na search.creativecommons.org [Zdroj: Vlastní zpracování]

Syntaxe vyhledávání

Stejně jako již zmíněný Google, tak i CC Search umožňuje uživatelům konkretizovat jejich vyhledávání pomocí speciálních symbolů nebo slov, které slouží k bližšímu upřesnění vámi hledaných spojení.

Vyhledávání s přesnou shodou

Pro vyhledávání slova nebo fráze je nutné hledaný termín dát do uvozovek. Například pro doslovné vyhledávání tvrzení Empire State building je potřeba do Search Baru zadat „Empire State Building“, tím dáváme najevo, že nás zajímá jen přesná shoda, nikoliv částečná.

Kombinování vyhledávaných termínů

Pokud by uživatel potřeboval různě kombinovat vyhledávané termíny, tak k tomu slouží operátory, které umožňují vykonávat komplexnější dotazy. Nejprve budou představeny samotné operátory a poté ke každému bude uveden příklad využití a vysvětlení jak funguje.

+ Operátor značící logickou operaci AND
| Operátor značící logickou operaci OR
– Operátor negující jeden token/termín
* Operátor, který na konci hledaného výrazu značí tzv. prefix query
() Operátor pro signalizaci priority
~N Operátor uvádějící se na konci slova sloužící k nastavení Fuzzy distance výrazu

Příklady vyhledávání:

dog+cat -> Tento dotaz vyhledá výsledky, na kterých je jak pes, tak kočka.

dog|cat -> Tento dotaz by vyhledal výsledky, na kterých je buď pec nebo kočka, ale nemusely by tam nutně být oba.

dog -buldog -> Tento dotaz by vyhledal výsledky, na kterých jsou psi, ale vynechal by ty na nich je vyobrazený buldok. Využili jsme daný operátor – k vyloučení buldočího plemene z výsledků vyhledávání psů.

net* -> Tento dotaz by vyhledal výsledky pro slova, které začínají na net a hvězdička poté značí, že může následovat cokoliv. Jedná se o takzvaný Wildcard operátor. Takže ve výsledcích by se mohla objevit slova jako: Netflix, Netherlends, network, a spousta dalších.

dogs + (labrador|chivava) -> Tento dotaz by vyhledal výsledky, na kterých jsou psi, ale konkrétně čivava nebo labrador. Závorky slouží k určení priority dotazu nebo ke kombinování složitějších dotazů.

theatre~1 -> Tento dotaz by vyhledal výsledky, které se mohou lišit o proti hledanému výrazu o jeden znak. Výsledek by tedy mohl obsahovat slova, která mají jiný pravopis jako třeba Theater místo Theatre. Tento jev se odborně nazývá fuzzy logic/fuzziness.

Meta Search

Meta vyhledávač (známý také jako více vláknový modul) je vyhledávací nástroj, který odesílá váš dotaz současně několika vyhledávačům (Search Engine), webovým adresářům (WD) a někdy i takzvanému Invisible (Deep) Webu, shromažďování online informací neindexovaných tradičními vyhledávači. V tomto případě se vyhledávač snaží najít veškery obsah indexovaný licencemi Creative Commons. CC Search následně z posbíraných pozitivních výsledků hledání vytvoří katalog, který se uživateli zobrazí jako výsledek hledání, ale tato funkcionalita zatím funguje pouze pro obrázky. Audio a Video má na stránce zastoupení v záložkách, ale hledání momentálně nabízí jen odkazy na zdroje obsahující daný obsah pod licencemi CC, což je názorně předvedeno v přiložených obrázcích.

Výsledek vyhledávání obrázku pro slovo Drum

Filtrování a přehled výsledků

Výsledný agregovaný katalog obrázků pro audio a video tato funkcionalita zatím nefugnuje, lze dále selektovat finální výběr obrázků, na základě intuitivních filtrů, které CC Search nabízí v levém menu. K dispozici jsou uživateli filtry podle:

Použití obrázku
Typu CC licence obrázku
Zdroje obrázku
Typu obrázku
Formátu obrázku
Poměru stran
Velikosti obrázku
Autora

Filtry fungují velmi intuitivně jako na většině eshopů a běžných stránkách, kdy uživatel vybere jednotlivé filtry, o které má zájem a ty mu automaticky překreslují výsledný katalog, aby splňoval uživatelem stanovené požadavky. Pokud by si přál odstranit nějaký konkrétní filtr, tak jej stačí odkliknout nebo zrušit křížkem, případně je zde možnost vyčistit všechny filtry, která zruší veškeré nastavené filtrování výsledků.

Ukázka 1 možností filtrování výsledného katalogu

Zdroje:

Anopress: Inteligentní monitoring médií

Autor:

Šárka Plachá

-

10.3.2021

0

Úvod

Informace nás dnes zahlcují ze všech stran, ať už z tisku, rozhlasu, internetu anebo sociálních sítí. Díky neustálému růstu a rychlosti médií, je tak velmi obtížně držet krok s dobou.

Jaké jsou nejnovější články na téma, které vás zajímá? Kolikrát se letos psalo o vaší firmě v médiích a kolikrát o konkurentech? Čemu se média nyní věnuji? Místo trávení velkého množství času s vyhledávači ve snaze najít odpovědi na tyto otázky, máme nyní možnost využít informační zdroje, které nám s těmito problémy snadno pomohou.

Základní rozhraní systému Anopress. [Zdroj: autor]

Obecné informace o databázi Anopress

Anopress představuje databázi českých médii, která mimo plných textů z českých noviny a časopiseckých článků, obsahuje doslovné přepisy televizních a rozhlasových relací, nebo například zprávy z internetových serverů. V roce 2019 byla databáze také rozšířena o sociální média, konkrétně Facebook, Instagram, Twitter, Youtube a archivně tištěných publikací sahá až do roku 1996 a obsahuje i tituly které již dávno nevychází. U televizních a rozhlasových relací je archiv datován do roku 1998. V současné době je monitorováno 5183 zdrojů z České republiky a Slovenska.

K aktualizaci článků dochází u většiny typů médií (televize, rozhlas, internet, sociální média) v průběhu celého dne, denní tisk je aktualizován každý den v 6 hodin ráno. Denně do databáze přibývá zhruba 300 tisíc nových záznamů (https://www.anopress.cz, 2021 a Masarykova univerzita, 2020)

Databázi spravuje od roku 2020 společnost NEWTON Media, a. s. , která v České republice působí od roku 1995. Společnost Anopress IT, a.s, která databázi založila, zanikla fúzí se společností NEWTON Media k 31. 12. 2019. (Wikipedie: Otevřená encyklopedie, 2020; https://www.mediar.cz/anopress-splyne-s-materskou-firmou-newton-media/, 2. 12. 2019)

Vyhledávání

Výběr období – Tento filtr nám umožňuje omezit období, kdy byly dané články vydané či zpracované. A to od hodiny až po dny, týdny, měsíce anebo roky.Pro základní vyhledávání sloučí vyhledávací pole, jež se nachází v horní části úvodní obrazovky. Dotaz může tvořit jedno slovo nebo více slov za sebou, v druhém případě pak výsledkem budou články, které obsahují celé toto sousloví. Veškeré hledané výrazy se automaticky skloňují, vyhledavač pak nebere v potaz velikost písmen, avšak je nutné zadávat českou diakritiku. Anopress pak také nabízí mnoho dalších kritérií, které při vyhledávání můžete využít. Tyto kritéria se nachází pod vyhledávacím oknem. Mezi tyto kritéria patří:

Výběr zdrojů – Tato funkce nám umožňuje vybrat supinu zdrojů, čí přímo pouze konkrétní zdroj, popřípadě negace dané skupiny nebo zdroje. Uživatel si pak může vybrat z osmi skupin zdrojů Celostátní, TV a rozhlas, Regiony, Časopisy a ostatní, Internet, Webmonitoring, Sociální média, Webmonitoring – sk.
Rozšířené vyhledávání – Tato možnost nám nabízí rozšířit naše konkrétní vyhledávání o konkrétního autora, stranu, název, rubriku anebo relaci. Tyto kritéria lze také negovat a mezi kritérii lze nastavit vztah „a zároveň“ či „nebo“.
Výběr operátorů – V této nabídce máme několik operátorů, které se vkládají po kliknutí do vyhledávacího pole a umožňují nám tak rozšířit či konkretizovat vyhledávané slova. Operátory lze zadávat i ručně a to buď velkými či malými písmeny. Mezi operátory najdeme:
- AND – tento operátor představuje slovní spojení „a zároveň“. Výsledky tak budou obsahovat obě klíčová slova spojené tímto operátorem.
- OR – zastupuje slovní spojení „nebo“ a výsledkem tak budou články, které obsahují alespoň jedno klíčového slovo spojení tímto operátorem. Tento operátor lze také nahradit čárkou.
- NOT – umožňuje vyloučit konkrétní klíčová slova, která zadáme.
- .BEST – operátor odpovídá již předešlému operátoru OR, ale oproti němu přiřazuje výsledkům s oběma slovy vyšší váhu, než výsledkům, které obsahují pouze jedno klíčové slovo. Pod tímto operátorem si zhruba můžeme představi slovní spojení „nejlépe s“.
- .NEAR – při použití tohoto operátoru bude vyhledávač vyhledávat články s oběma klíčovými slovy spojené tímto operátorem a budou seřazené dle relevance. Nejvýše budou články, kde jsou tato slova nejblíže. Můžeme také nastavit maximální vzdálenost slov. V takovém případě bude mít operátor například tvar „.near/16“. Přičemž číslo šestnáct představuje maximální vzdálenost. Doporučuje se používat čísla 16, což je průměrná délka české věty, a 66, což je průměrná délka českého odstavce.
- .COUNT – pomocí tohoto operátoru můžeme určit, minimálně kolikrát by se dané slovo mělo ve výsledku objevit. Řekněme, že chceme, aby se slovo výsledku objevilo minimálně pětkrát. V takovém případě bude mít operátor tvar .count/5 a výsledkem budou články, jenž obsahují alespoň pět daných klíčových slov v jakém kolik slovním tvaru.

Důležité je ještě zmínit, že operátory .BEST, .NEAR a .COUNT je nutné použít s tečkou, aby byly využity jako operátor. Ačkoli se před operátory AND, OR, NOT tečka psát nemusí, vyhledávač s nimi dokáže pracovat i pokud budou tečku obsahovat.

Mimo těchto možností pak vyhledávací řádka dokáže pracovat s dalšími operátory, které nejsou v nabídce uvedeny. Jednak se konkrétně o tyto operátory:

.WORD – zabraňuje skloňování daného slova a vyhledává jen přesně zadaný tvar. Tento operátor pak lze nahradit uvozovkami.
.CASE – tento operátor pak zachovává uvedenou velikost písmen.

Při vyhledávání můžeme pro složitější výrazy použít kulaté závorky. Je si však potřeba dát pozor na počet levých a pravých závorek, který musí odpovídat. Dále je třeba upozornit na to, že nová slova cizího původu, což jsou většinou jména a názvy firem, se automaticky neskloňují. V takovém případě je dobré buďto uvést všechny možné tvary nebo použít operátor „*“, který nahrazuje jakákoliv písmena. Například tak při vyhledávání slova Anopress* máme jistotu, že ve výsledku budou i slova Anopressem, Anopressu apod.

Použitý vyhledávací dotaz je možné si uložit i pro budoucí použití a to pomocí tlačítka „Dotazy“ vlevo.

Novinkou, s kterou Anopress přišel v roce 2019, je vyhledávání pomocí emotikonů. (Mav, 2019)

Práce s výsledky

Kliknutím na název článku se nám zobrazí plnotextový přepis článku. Ten si dále můžeme zobrazit jako náhled originálu anebo rovnou přejít na originální stránku, pokud to je možné. Publikaci si dále můžeme uložit do vlastní schránky, stáhnout (do formátů HTML, PDF, RTF, TXT anebo CSV), poslat mailem, vytisknout anebo vygenerovat pevný odkaz na daný článek. Novější funkcí je možnost citace ve spolupráci se stránkou citace PRO.Výsledné články můžeme pomocí tlačítka vlevo pod vyhledávací konzolí seřadit od nejnovějších, dle data vydání, dle relevance, dle titulku anebo dle strany, pořadí. Vpravo pak máme možnost zapnout Anotace, díky kterým i jednotlivých článků uvidíme grafický náhled. Další možností je pak tlačítko graf, které nám zobrazí grafické zpracování článku dle data a typu, tedy zda šlo o tisk, internet, sociální média, televizi anebo rozhlas. Tento graf si následně můžeme pomocí tlačítka vpravo vyexportovat jako obrázek, pdf nebo excel.

Pro nás pak velmi podstatným číslem je procento, které se výsledcích objevuje pod každým článkem. Toto procento nám ukazuje, jak moc článek odpovídá našemu vyhledávání.

Další funkce

Jednou z dalších funkcí, kterou Anopress nabízí je možno zasílání tak zvaných alertů v případě vydaní nového článku, jež odpovídá našemu dotazu. U alertu můžeme nastavit výstup, konkrétně název, formát, kódování, vzhled, obsah, zda má klíčová slova zvýraznit a zda má články dle něčeho seskupit či jak je seřadit. Dále je možné nastavit časování, tedy zda chceme upozornění dostávat denně, týdně, měsíčně, jako konkrétní den a jaký čas. V neposlední řadě je nutné vyplnit naši emailovou adresu a potvrdit vytvoření tohoto plánu.

V pravém horním rohu si pak můžeme prohlédnout statistiky stažení anebo dashboard, který obecně zobrazuje denní statistiky nových článků. Tento dashboard je však možné si personalizovat a nastavit co se na něm má zobrazovat. Následně si dashboard můžeme nastavit jako uvítací obrazovku, když do aplikace přijdeme.

Jak Anopress ukládá publikace do databáze

Tento proces se liší dle typu publikace, tedy zda jde o tisk, televizní záznam, rozhlas anebo sociální síť.

V případě tisku je buď článek zaslán v elektronické podobě, což je nejjednodušší možnost. Článek se pak sváže s náhledem, zdrojem, opatří se potřebnými metadaty a následně se nahraje do databáze. Pokud článek přijde v grafické podobě, například přední strana novin, je použit speciální software, který identifikuje článek a přepíše jej do textové podoby. Následně je nahrán do databáze.

Co se týče televizních a rozhlasových záznamů, dříve veškeré zpracování probíhalo ručně, nyní je již většinou automatizované a ručně je pak prováděna editace. K veškerým publikacím tohoto typu tak existuje jak textový přepis, tak odkaz na nahrávku. Důležitou činností je pak zde také identifikace mluvčího.

U webmonitoringu se dříve využívali RSS kanály, dnes však Anopress využívá crawlery. Sociální sítě jsou také automaticky nahrávané, ovšem stojí za zmínku, že jsou pozorované jen veřejné profily.

Licence

Společnost NEWTON Media nabízí dva druhy ročních licencí přístupu do databáze Anopress pro instituce s jedním uživatelským přístupem. Přístup je dostupný nepřetržité a váže se k heslu a IP adrese. S možností přihlašování odkazem, kdy pak není potřeba heslo. Tento přístup využívá většina knihoven a škol, které chtějí zpřístupnit databázi svým uživatelům.

První z nich je přístup s pouze možností prohlédnout si články, které jsou jeden rok staré. V tom případě je cena na rok 1 000 Kč bez DPH. Druhá licence je pak plnohodnotná, tedy s možností prohledávat všechny články až do roku 1996. Cena této licence činí 2 750 Kč bez DPH (dle informací k roku 2019). (Veřejné informační služby knihoven, 2020)

Příklady využití

Databáze Anopress skýtá mnoho možností využití. Jednak k hledání vydaných publikací o vlastní firmě, produktech nebo například o konkurenci. Zjištění informací o oboru, ve kterém člověk působí a hlavně nových inovací v daném odvětví. Možné nové příležitosti a trhu, či obecně informace o aktuálním dění. Nebo například hledání informací o konkrétních osobách jako jsou obchodní partneři, politici, či jiné známe osobnosti.

Databáze je pak častým zdrojem pro studenty při psaní jejich závěrečných prací. To hlavně díky tomu, že společnost spolupracuje s několika vysokými školami, a tak studenti těchto škol mají k databázi Anopress volný přístup. Mezi tyto školy patří například Vysoká škola Ekonomická v Praze, Masarykova univerzita nebo Univerzita Karlova. (Anopress, 2020)

Společnost Anopress pak také od konce roku 2019 zahájila spolupráci se společností EBSCO Information Services a tak nově EBSCO Discovery Service™ indexuje i databázi Anopress. Plný text se však zobrazí jen v případě, že má daný uživatel do databáze Anopress přístup. (EBSCO Information Services, 2019)

Zdroje

EBSCO Information Services. EBSCO Discovery Service nově indexuje databázi Anopress [online]. 17. 12. 2019 [cit. 07. 02. 2021]. Dostupné z: https://www.ebsco.com/e/cs-cz/blog/novinky-ebsco-discovery-prosinec

MAV. Anopress monitoruje postoje, emoce a nálady. In: Mediaguru.cz [online]. 2019 [cit. 05. 02. 2021]. Dostupné z: https://www.mediaguru.cz/clanky/2019/06/anopress-monitoruje-postoje-emoce-a-nalady/

Data.gov.uk ako brána pre prístup k dátam zo Spojeného kráľovstva

Autor:

Radoslav Sabados

-

8.3.2021

0

Úvod

Data.gov.uk patria k prvým a celosvetovo uznávaným portálom s open government dátami. Od svojho založenia v roku 2010 umožňujú prístup pod otvorenou licenciou k tisíckam datasetov, rozdelených do niekoľkých kategórií, ako sú napríklad doprava, vzdelanie a ekonomika prevažne v csv formáte. Počet datasetov neustále rastie a tiež vznikajú nové využitia týchto dát v rôznych aplikáciách. Zaujímavým využitím je aplikácia zobrazujúca úroveň kriminality vo vašom okolí, alebo ďalšia aplikácia pre cyklistov, ktorá vás varuje, ktorým miestam sa vyhnúť pri vašej trase, pretože sa tam stalo veľa nehôd cyklistov. V tomto článku sa pozrieme bližšie na celý príbeh data.gov.uk, čo všetko sú jeho prínosy a vysvetlíme si ako túto stránku používať.

Príbeh za vznikom data.gov.uk

Kľúčovú úlohu pre úspech projektu data.gov.uk zohrali Tim Berners-Lee a Nigel Shadbolt. Tim Berners-Lee, ktorý je považovaný za zakladateľa World Wide Webu prišiel k ďalšej revolučnej myšlienke a to otvoreným prepojeným dátam. Vo svojom článku Linked Data definuje pravidlá ako jednoducho tieto dáta prepojiť pomocou URI, jednoduchého identifikátoru prostriedku (Berners-Lee 2006). Vďaka tomuto článku vznikol medzi prvými projekt DBpedia, ktorá prepája rôzne dáta z wikipédie a umožňuje tak nájdenie nových spojitostí. Tim ďalej pokračoval v propagácii tejto myšlienky a výborne ju preslávil na TED konferencii, kde upozornil na obrovský nevyužitý potenciál prepojených otvorených dát pre rôzne sféry a hlavne pre boj s veľkými problémami, ktorým čelí svet (Berners-Lee 2009).

Profesor Nigel Shadbolt viedol projekt Advanced Knowledge Technologies (AKT), ktorý sa zaoberal témou použitia štandardov sémantického webu pre open government dáta. Výsledky tejto práce boli prezentované parlamentu Spojeného kráľovstva a na ich základe sa vytváral aj portál data.gov.uk (Shadbolt et al. 2012). Shaldbolt spomína, že závery tohto projektu zaujali aj ľudí vo vláde, ktorí boli naklonení ďalšiemu využitiu týchto poznatkov. Hovorí tiež, že hneď po vzniku tejto priaznivej nálady vo vláde bol aj veľmi dôležitý obed Gordona Browna, vtedajšieho premiéra a Tima Bernersa-Leho, ktorý presvedčil premiéra, aby im vláda dala dáta a oni ich výmenou za to premenia na web of data. Takto sa započal projekt data.gov.uk a celý tím pre jeho vznik mali na starosti práve už spomínané osobnosti Shadbolt a Berners-Lee. (SETsquared Partnership 2010).

Trvalo len rok od spustenia projektu a na portály sa objavilo niečo cez 6000 vládnych datasetov. Vďaka ich zverejneniu pod voľnou licenciou vzniklo niekoľko zaujímavých aplikácii. Okrem už spomínaných vznikla aj napríklad JustPark, ktorá umožní vyhľadať parkovacie miesto alebo si ho rezervovať dopredu (LinkedData.Center 2015). Potom aplikácia Fix My Street zjednodušila problém nahlasovania výtlkov a ďalších problémov s cestami kompetentným autoritám (Shadbolt 2011).

Open government dáta sa postupne stali trendom vo svete, a nakoniec dorazili aj do našich končín. Úplne prvou stránkou s open gevernment dátami bola americká data.gov, ktorá vznikla za podpory Obamovej administratívy. Druhou nato bola britská data.gov.uk. Neskôr u nás vznikli národné portály pre prístup k otvoreným dátam ako sú data.gov.cz a data.gov.sk. Metropoly oboch krajín prišli s vlastnými iniciatívami, ktoré pre Česko predstavuje Praha s opendata.praha.eu a na Slovensku Bratislava s opendata.bratislava.sk.

Čo priniesli data.gov.uk?

So začatím používania portálu nastal zásadný posun mentality zo strany štátnej aparatúry. Zmenil sa postoj udržiavania dát u seba a prípadného sprístupnenia za nejaký poplatok na zverejňovanie všetkých dát pod voľnou licenciou až na tie, ktoré sú súkromného charakteru. Shaldbolt hovorí, že práve táto zmena prináša vytváranie oveľa väčšej hodnoty, ako by boli niekde nečinne uložené, prípadne zverejnená len ich časť na požiadanie a za poplatok (SETsquared Partnership 2010).

Kapoor, Weerakkody a Sivarajah prehľadne zhrnuli benefity, ktoré by mali používaním open government platform vzniknúť. Prvou je zvýšenie transparentnosti zo strany štátu. Zverejnené vládne dáta by mali zvýšiť dôveru občanov a zároveň im umožniť lepšiu verejnú kontrolu nad tým, čo sa deje v štáte. Ďalším prínosom by mala byť podpora ekonomického rastu. Zverejnenie týchto dát pod otvorenou licenciou, by malo umožniť trhu vytvoriť nové produkty a služby. Tie by mali zvýšiť produktivitu, niektorej štátnej inštitúcie alebo inej spoločnosti naviazanej na dané dáta. Vzniknutie nového produktu by malo priniesť zamestnanosť a tá zase priniesť príjem pre štát vo forme daní. Za sociálny benefit môžeme považovať nové možnosti interakcie občanov s vládou. Tie by mali byť interaktívne a zároveň lepšie poskytovať informácie. Ďalej by malo dôjsť k zvýšeniu efektivity a redukcii nákladov inštitúcii, pretože získavanie dát je časovo a finančne náročne. Tým, že sa dáta otvorili verejnosti, by malo dôjsť k zvýšeniu ich kvality, keďže sú dostupné k verejnej kontrole. Tá by mala upozorniť na chýbajúce a nesprávne dáta. Shadbolt spomína príklad ako sa prvýkrát zverejnil zoznam všetkých autobusových zastávok v uk a za krátku dobu verejnosť prišla na to, že cez 12% zo všetkých zastávok je na úplne inom mieste, ako by mali byť podľa daného datasetu (SETsquared Partnership 2010). Podpora inovácii je tiež dôležitým benefitom. Nové poskytnuté dáta sú príležitosťou pre vývojárov k tvorbe nových inovatívnych riešení (Kapoor et al. 2015, s. 264).

Data.gov.uk majú význam nielen pre podporu transparentnosti a inovácii, ale aj vo vede. Štúdia od Yana a Webera z Washingtonskej univerzity, ktorá skúmala využitie open government dát v peer-reviewed literatúre zistila, že tento druh zdrojov dát sa využíva stále viac a to naprieč rôznymi vedeckými disciplínami. Najviac využívaným zdrojom z celkovo 1229 skúmaných článkov boli práve data.gov.uk a boli dokonca ešte viac používané ako americký portál data.gov. Najčastejšie používaným datasetom v skúmaných článkoch tejto štúdie bol „index of deprivation“ a bol používaný hlavne v oblasti výskumu verejného zdravia a medicíny (Yan a Weber 2018).

Vedecké disciplíny využívajúce open government dáta vo výskume (Yan a Weber 2018)

Prehľad 30 najpoužívanejších OGD stránok vo výskume (Yan a Weber 2018)

Ako používať data.gov.uk

Stránka prešla zásadným redizajnom v roku 2018, aby viac zapadala do siete ostatných vládnych stránok Spojeného kráľovstva a zároveň sa zjednodušila pre bežného používateľa. Vďaka tomu zmizlo aj viacero zaujímavých podsekcií stránky, ako napríklad rôzne štatistiky používania webu, alebo prehľad aplikácii používajúcich open dáta z tejto stránky.

Pôvodný dizajn stránky Zdroj: https://web.archive.org/web/20170710012634/https://data.gov.uk/data/site-usage#totals

Aktuálny vizuál po redizajne stránky Zdroj: https://data.gov.uk/

Kategórie

Hneď na domovskej stránke je rázcestie s kategóriami, do ktorých sú roztriedené jednotlivé zverejnené dáta. Kategórie sú prehľadné a zrozumiteľné aj pre laického používateľa. Nižšie je uvedený ich zoznam aj s popisom obsahu:

Business a ekonómia

Datasety o medzinárodnom obchode (clá, export, import), daniach, devízových rezervách, covid pomoci pre ekonomiku, malých a stredných podnikoch a vývoji priemyslu všeobecne.

Zločin a spravodlivosť

Základné prehľadové datasety o polícií, súdoch a väzniciach (lokalita, zamestnanci). Ďalej dáta o kriminalite, napríklad o podvodoch, alebo podpaľačstve. Tiež sa zaznamenávajú aj údaje o tom, kedy boli použité strelné zbrane políciou. Ďalej tu sú datasety o situácii na hraniciach a imigrácií.

Obrana

Sprístupnené dáta o vojenských zložkách, civilných zamestnancoch v armáde, penzijných schémach pre armádu, ostrých streľbách vo vojenských obvodoch, bezpečnostnej situácii, zdravotných incidentoch v armáde, pátracích a záchranných operáciách.

Vzdelanie

Údaje o zamestnancoch v školstve, o knižniciach, mládežníckych organizáciách, dochádzke študentov, školách, kvalifikáciách a národnom kurikulu.

Životné prostredie

Dáta o životných podmienkach zvierat, vývoji počasia, oblastiach s rôznymi formami environmentálnej záťaže, živelných pohromách, ochrane lesov, riek, kvality vzduchu, geologické dáta a poľnohospodárstvo.

Vláda

Prehľad o riadení pracovných síl, platy zamestnancov, inovačné a výkonnostné reporty, nehnuteľnosti, záznamy o stretnutiach s externými organizáciami a business plány oddelení.

Vládne výdaje

Datasety so všetkými platby v štátnom sektore nad 25 000 libier.

Zdravotníctvo

Dáta o zdravotných testoch, fajčení, drogách, alkohole, potravinovej hygiene, prevencii rakoviny, účinnosti liečby a výdaje nemocníc nad 25 000 libier.

Mapovanie

Rôzne mapy lokalít (morské dno a suchozemský terén) a adresy, vlastníctva pozemkov, letecké fotografie, parkovacie zóny, stav ciest , volebné miestnosti a zastávky hromadnej dopravy.

Spoločnosť

Zamestnanosť, podpora v nezamestnanosti, nezamestnanosť mladých, komunitné služby, rodinné financie, nízkopríjmové skupiny obyvateľstva, viera, populácia a jej mobilita.

Mestá

Bývanie, územné plánovanie, verejné priestranstvá, voľný čas, lokality prípojok na inžinierske siete, energie a odpady, spotreba, zelená infraštruktúra a bezdomovectvo.

Doprava

Letiská, cesty, plánované rekonštrukcie ciest, osvetlenie ciest, nákladná doprava, železničná sieť, elektrické autá, parkovanie, autobusy, hustota dopravy, lokality semaforov, chodníky, cyklotrasy a licencie pre taxislužby (data.gov.uk 2021).

Filtre

Po výbere konkrétnej kategórie, ktorá nás zaujala si môžeme ešte viac spresniť naše vyhľadávanie pomocou dostupných filtrov. Prvým je filter podľa inštitúcie, ktorá dané dáta zverejnila. Zoznam dostupných inštitúcií sa líši podľa našej predchádzajúcej voľby kategórie a priebežne sa aktualizuje. Nižšie na obrázku môžeme vidieť filter podľa inštitúcie v kategórií obrana.

Filter s voľbami inštitúcií. Zdroj: https://data.gov.uk/

Druhým filtrom, podľa ktorého môžeme spresniť naše vyhľadávanie je filter podľa dátového formátu. Väčšina prístupných súborov je v csv formáte, ale niekedy sa nájdu aj iné ako napríklad json, xlsx a ďalšie.

Filter s voľbou dátového formátu. Zdroj: https://data.gov.uk/

Tretí z dostupných filtrov je zameraný na licenciu, pod ktorou sú zverejnené datasety. Väčšina z datasetov na data.gov.uk je zverejnená pod voľnou licenciou Open Government Lice, ale pre istotu je vhodné zaškrtnúť toto políčko a ústiť sa, že skutočne spadajú pod spomínanú licenciu.

Filter pre Open Government Licenciu. Zdroj: https://data.gov.uk/

Výsledky vyhľadávania si môžeme zoradiť podľa dátumu pridania datasetu, alebo podľa zhody s našim vyhľadávaním.

Filter pre zoradenie podľa dátumu pridania, alebo najlepšej zhody. Zdroj: https://data.gov.uk/

Open Government Licence

Ako už bolo spomenuté, majorita datasetov na data.gov.uk spadá pod open governmnet licence. Tá je aktuálne v tretej verzii a umožňuje:

Kopírovať, publikovať a distribuovať informácie
Prispôsobiť informácie
Využívať informácie komerčným a nekomerčným spôsobom, napríklad ich kombinovaním s ostatnými informáciami, alebo ich využitím vo vlastnom produkte, či aplikácii

Pri použití dát je nutné:

Potvrdiť zdroj informácie vo vašom produkte, alebo aplikácii pomocou výslovného uvedenia prehlásenia (attribution statement, ktorý je špecifikovaný poskytovateľom) o zdroji, alebo uvedením prepojenia naň. A ak je to možné uviesť aj odkaz na Open Government Licenciu.

Niektoré výnimky z licencie:

Súkromné dáta
Doklady totožnosti, ako je napríklad cestovný pas
Vojenské insígnie
Intelektuálne vlastníctvo, ako sú patenty a ochranné známky

Podrobnejší zoznam výnimiek, ďalšie špecifikácie k licencii a znenia predchádzajúcich verzií sú uvedené na stránke národného archívu: http://www.nationalarchives.gov.uk/doc/open-government-licence/version/3/

Princípy publikovania dát na data.gov.uk

Profesor Shadbolt predstavil na konferencii IIEA niekoľko zásadných princípov publikovania dát, vyžadovaných od vládnych inštitúcii pre data.gov.uk. Jedným z problémov, s ktorým sa pri projekte stretli bol problém takzvaného „data huggingu“, keď inštitúcie veľmi neradi sprístupňovali svoje dáta hocikomu inému. To sa snažili zmeniť a vytvoriť princíp, kde sa publikujú všetky dáta až na tie, u ktorých máme dobrý dôvod ich nezverejňovať (napríklad súkromné dáta). Ďalším navrhovaným princopom je, že publikované dáta by mali byť v znovu použiteľnom a strojovo čitateľnom formáte. Tiež dáta by sa mali publikovať pod otvorenou licenciou, ktorá umožňuje opätovné použitie aj pre komerčné účely (Open Government Licence). Verejné inštitúcie majú práve podporovať a propagovať používanie týchto dát verejnosťou. Pre lepšie pochopenie ako čo najlepšie publikovať dáta navrhli používať pomôcku od Tima Bernersa-Leeho „Five stars to stardom“, ktorá pomocou počtu hviezdičiek určuje kvalitu zverejnených dát (Shadbolt 2011).

* Zverejniť dáta na web v hociktorom formáte

** Zverejniť ich v štruktúrovanom formáte

*** Používať tvorené štandardy a formáte pre zverejnené dáta

**** Používať URL k identifikácii dát

***** Prepojiť naše zverejnené dáta s ostatnými zverejnenými dátami

Ak by boli dáta zverejnené aj s prepojením na ostatné dáta, tak sa odstráni ďalší častý problém, ktorý sa vyskytoval v projekte a to „dátové silá“. Koncept dátových síl predstavuje jednotlivé oddelenia, alebo inštitúcie, ktoré disponujú dátami, avšak vôbec nie sú medzi sebou prepojené a preto sa nevyužíva ich plný potenciál .

Ilustrácia dátových síl. Zdroj: https://pixabay.com/sk/photos/sil%C3%A1-skladovanie-obilia-1598168/

Ako používať data.gov.uk?

Používanie data.gov.uk je veľmi jednoduché, ale pozrime sa na jeden konkrétny príklad. Dajme tomu, že chceme nájsť aktuálne dáta o hlučnosti pre jednotlivé lokality v Spojenom kráľovstve. Pre efektívnejšie vyhľadávanie využijeme možnosť voľby kategórie aj filtre. Na začiatok si zvolíme príslušnú kategóriu, kde očakávame, že by sa mali údaje o hlučnosti nachádzať. Preto si pre naše vyhľadávanie zvolíme životné prostredie (Environment). Dáta chceme mať vo vhodnom formáte pre prácu s nimi a preto si v ďalšom filtri volíme formát csv. Ďalej ešte zaškrtneme filter pre zobrazenie dát len pod Open Government Licenciou. Pre zobrazenie najaktuálnejších dát si ešte zvolíme zoradenie podľa najnovších dát namiesto najväčšej zhody. Do vyhľadávacieho poľa použijeme výraz noise exposure, ktorý by mal dobre reprezentovať náš predmet vyhľadávania.

Ukážka vyhľadávania č.1 Zdroj: https://data.gov.uk/

Po spustení vyhľadávania by sme mali dostať podobný výsledok.

Ukážka vyhľadávania č.2 Zdroj: https://data.gov.uk/

V čase písania tohto článku bol najaktuálnejším datasetom Noise Exposure data – Round 3. Na stránke venovanej nemu si môžeme pozrieť detailnejšie informácie o ňom, kedy bol prevedený poslednýkrát update, podrobnejší popis datasetu a s nim súvisiace datasety.

Ukážka vyhľadávania č.3 Zdroj: https://data.gov.uk/

Ukážka vyhľadávania č.4 Zdroj: https://data.gov.uk/

Pred stiahnutím dát si ich ešte môžeme pozrieť v náhľade. Alebo ak by sme našli nejaké nezrovnalosti, prípadne mali otázku ohľadom dát, môžeme kontaktovať danú inštitúciu zodpovednú za dataset.

Ukážka vyhľadávania č.5. Zdroj: https://data.gov.uk/

Pre pokročilejších používateľov je k dispozícií prístup pomocou API. Používa sa CKAN API a detailný návod ako s ňou pracovať je na stránke: https://docs.ckan.org/en/2.7/api/index.html

Záver

Data.gov.uk sú skutočne výborným zdrojom dát z prostredia Veľkej Británie. To dokazujú užitočné aplikácie, ktoré vďaka nim vznikli, ale aj veľké množstvo výskumných projektov z rôznych vedeckých disciplín. Výraznejšie zverejňovanie umožnilo lepšiu kontrolu zo strany verejnosti a vytvorilo priestor pre inovácie. Dizajn stránky je prehľadný a vie sa v ňom zorientovať aj menej skúsený používateľ. Akurát by sa dalo vytknúť, že nie vždy všetky datasety sú v najlepšej kvalite a možno by mohli byť častejšie aktualizované. Avšak celkovo sa jedná o prínosnú stránku, na ktorej sa dá nájsť jednoducho veľké množstvo užitočných informácii.

Použité zdroje:

BERNERS-LEE, Tim, 2006. Linked Data. https://www.w3.org/ [online] [cit. 7.2.2021]. Dostupné na: https://www.w3.org/DesignIssues/LinkedData.html

BERNERS-LEE, Tim, 2009. Tim Berners-Lee: The next Web of open, linked data – YouTube [online] [cit. 7.2.2021]. Dostupné na: https://www.youtube.com/watch?v=OM6XIICm_qo&ab_channel=TED

DATA.GOV.UK, 2021. Find open data – data.gov.uk. data.gov.uk [online] [cit. 10.2.2021]. Dostupné na: https://data.gov.uk/

KAPOOR, Kawaljeet, Vishanth WEERAKKODY a Uthayasankar SIVARAJAH, 2015. Open Data Platforms and Their Usability: Proposing a Framework for Evaluating Citizen Intentions. V: Marijn JANSSEN, Matti MÄNTYMÄKI, Jan HIDDERS, Bram KLIEVINK, Winfried LAMERSDORF, Bastiaan VAN LOENEN a Anneke ZUIDERWIJK, ed. Open and Big Data Management and Innovation [online]. Cham: Springer International Publishing, s. 261–271. Lecture Notes in Computer Science. ISBN 978-3-319-25013-7. Dostupné na: doi:10.1007/978-3-319-25013-7_21

LINKEDDATA.CENTER, 2015. Almost 400 apps that use uk gov open data – documentation portal [online] [cit. 10.2.2021]. Dostupné na: http://sites.linkeddata.center/help/business/cases/296-apps-that-use-uk-datasets

SETSQUARED PARTNERSHIP, 2010. Transparency and Open Data: data.gov.uk [online]. [Youtube]. 2010. SETSQUARED PARTNERSHIP. Dostupné na: https://www.youtube.com/watch?v=vBNPIiKi00w&t=432s&ab_channel=SETsquaredPartnership

SHADBOLT, Nigel, 2011. A year of data.gov.uk. The Guardian [online]. 2011 [cit. 10.2.2021]. Dostupné na: https://www.theguardian.com/news/datablog/2011/jan/21/data-gov-nigel-shadbolt-government

SHADBOLT, Nigel, 2011. Nigel Shadbolt on UK Government Open Data Initiative [online]. [Youtube]. 2011. SHADBOLT, Nigel. IIEA. Dostupné na: https://www.youtube.com/watch?v=srPinVmjBOE&t=595s&ab_channel=IIEA

SHADBOLT, Nigel, Kieron O’HARA, Tim BERNERS-LEE, Nicholas GIBBINS, Hugh GLASER, Wendy HALL a m c SCHRAEFEL, 2012. Linked open government data: lessons from Data.gov.uk. IEEE Intelligent Systems [online]. 2012, roč. 27, č. 3, s. 16–24. ISSN 1541-1672. Dostupné na: doi:10.1109/MIS.2012.23

YAN, An a Nicholas WEBER, 2018. Mining Open Government Data Used in Scientific Research. V: Gobinda CHOWDHURY, Julie MCLEOD, Val GILLET a Peter WILLETT, ed. Transforming Digital Worlds [online]. Cham: Springer International Publishing, s. 303–313. Lecture Notes in Computer Science. ISBN 978-3-319-78105-1. Dostupné na: doi:10.1007/978-3-319-78105-1_34

Opendatasoft: Udělejme data přístupnější všem

Autor:

Phuong Anh Nguyen

-

8.3.2021

0

Úvod

S příchodem internetu exponenciálně roste objem dostupných informací a pro jedince je obtížné se v takovém množství orientovat. Hlavním problémem je nedostatečná kontrola kvality a nekontrolovatelný tok příchozích informací. Proto mnoho lidí trpí informačním přetížením, což je stav, během kteraého jsme obklopeni obrovským objemem dat a konzumujeme větší objem informací, než dokážeme zpracovat. Takové přetížení způsobuje, že jsme v dané problematice jen více zmatení, brání nám v přemyšlení a rozhodování se.

V dnešní době existuje velké množství informačních zdrojů, které nám umožnují efektivnější práci s vyhledáváním a zpracováním informací. Tyto zdroje mohou být jak tuzemské, tak zahraniční. Pro účely této práce byl vybrán Opendatasoft, který spadá pod francouzskou společnost, sídlící v Paříži.

Opendatasoft patří mezi SaaS platformy (software as a service). Společnosti platformu používají k přístupu, opětovnému použití a sdílení dat pro firemní rozvoj a obchodní růst. Data jsou rovněž zpřístupňována prostřednictvím API. Nástroj nám umožňuje organizovat, sdílet a vizualizovat různé typy dat do tabulek, grafů či map. Software je používán jak soukromými společnostmi, tak veřejnými subjekty.

Hlavním cílem Opendatasoft je nabízet veřejná data ve formě otevřených dat. Otevřená data jsou data, ke kterým mají přístup všichni uživatelé a mohou být využívána pro vlastní i komerční účely. Dříve byli klíčovými uživateli platformy především orgány francouzské vlády a místní komunity. Nyní je služba zpřístupněna veřejným i soukromým firmám po celém světě. Uživatelé služby mohou svá data poskytovat veřejně ostatním společnostem, či jen s omezeným přístupem, členům organizace nebo partnerským společnostem.

Opendatasoft nabízí různé druhy řešení:

Private Data Solution
Data Product
Open Data
Smart City and IoT

Opendatasoft obsahuje sadu různých funkcí pro:

shromažďování datových sad z různých zdrojů a v různých formátech
transformaci datových sad pomocí funkcí k přípravě dat
publikaci datových sad jako API
prozkoumání katalogu, vizualizaci jednotlivých datových sad nebo vytvoření kombinací datových sad

Katalog datových sad

Katalog se skládá z volně přístupných dat, ke kterým mají přístup všichni uživatelé, a soukromých dat, které jsou k dispozici pouze autentizovaným uživatelům.

Obrázek 1: Katalog Opendatasoft (Opendatasoft.com)

Na levé straně se nachází počet aktuálně dostupných datových sad s různými možnostmi řazení podle abecedního pořadí, data úpravy, počtu záznamů, počtu stažení či popularity. Dle výchozího nastavení je seřazení od nejnovějšího data k nejstaršímu datu úpravy. Dále můžeme sady pro snadnější vyhledání konkrétních data setů různě filtrovat. Platforma nabízí filtrování pomocí textového vyhledávání, jazyka data setu, portálu, témat, vydavatele a dalších parametrů. Opendatasoft nabízí stažení katalogu v různých formátech jako jsou např. .xls, .csv, .xml a další.

Na straně druhé jsou zobrazeny všechny dostupné datové sady dle vyhledávání. Každý obdélník tzv. „katalogová karta“ představuje jednu datovou sadu. Na kartách jsou zobrazena metadata, týkající se datových sad spolu s nástroji pro rychlou vizualizaci dat (tabulka, graf či mapa) a odkazy ke sdílení nebo opětovnému použití datové sady (export, API). Katalogové karty si mohou uživatelé zcela přizpůsobit dle vlastních preferencí.

Vyhledávání datové sady

Dotazovací jazyk Opendatasoft umožňuje fulltextové dotazy. Pokud je slovo či slovní spojení napsané v uvozovkách, Opendatasoft vrátí pouze přesné shody daného slova.

photo vrací výsledky, které obsahují photo, photography, photograph, photographer…
„photo“ vrátí pouze datové sady, které obsahují přesnou shodu slova

Platforma podporuje dotazování pomocí booleovských operátorů AND, OR a NOT. Výrazy lze prostřednictvím závorky kombinovat mezi sebou.

Další z funkcí dotazovacího jazyka je filtrování výsledků na základě hodnoty konkrétního pole. Názvy polí odpovídají dostupným metadatům. Při vyhledávání datové sady uvedeme v dotazu název pole jako předponu.

Názvy polí jsou:

publisher – vydavatel datové sady
title – název datové sady
description – popis datové sady
license – licence k datové sadě
records_count – počet záznamů v datové sadě
modified – datum poslední úpravy
language – jazyk datové sady (iso kód)
theme – téma datové sady
references – odkazy na datovou sadu

Vyhledávání v datech

Dotazy se zadávají do vyhledávacího pole v sekci Filters. Zadáním pojmu či slovního spojení, které nás zajímá, se nám vrátí každý záznam obsahující klíčová slova v datech.

id_field:value – příkaz, který nám vrátí všechny záznamy obsahující určitou hodnotu v konkrétním sloupci

value1 AND value2 – příkaz nám vrátí záznamy, obsahující value1 a value2

value1 OR value2 – vrátí nám záznamy, obsahující alespoň jednu z definovaných hodnot

NOT value – vrátí každý záznam, který neobsahuje zadanou hodnotu

#exact(id_field,“value“) – definování přesné hodnoty, která má být obsažena ve sloupci id_field, například, #exact(host_name, „Alexa“) vrátí záznamy s jménem hostitele obsahujícím přesně „Alexa“ a nic jiného

#null(id_field) – vrátí všechny záznamy, které mají v definovaném sloupci prázdnou hodnotu

id_date_field>=YYYY/MM/DD – vrátí všechny záznamy, u kterých je datum poslední recenze rovno nebo větší než zadané datum

Ve vyhledávání lze za název pole umístit různé operátory:

:, =, ==: zobrazí výsledky, které se přesně shodují s hodnotou (hodnoty pole mohou být textového nebo číselného typu)
>, <,> =, <=: zobrazí výsledky s hodnotami pole, které jsou větší, menší, větší nebo rovno, menší nebo rovno jako hodnota, v případě, že se jedná o datum nebo číselnou hodnotu
[start_date TO end_date]: zobrazí záznamy mezi start_date a end_date

Práce v Opendatasoft

Publikace datové sady

Práce v platformě Opendatasoft bude demonstrována na příkladu datové sady o kriminalitě a bezpečnosti z policejního oddělení ve městě Cary za posledních 10 let. Nejprve je potřeba načíst datovou sadu kliknutím na tlačítko Create my first dataset. V náhledu je zobrazena možnost přejmenování datové sady, zvolíme jasný a výstižný název.

Obrázek 2: Datová sada – Police incidents (Opendatasoft.com)

Po úspěšném nahrání dat si na kartě Processing definujeme filtry, s jejichž pomocí budeme později vytvářet grafy. Ve sloupcích, u kterých chceme nastavit filtrování, klikneme na ikonku filtru. Opendatasoft nám dále umožňuje úpravu dat přímo v platformě. Na kartě Information k datové sadě přidáme popis dat, téma, klíčová slova a další metadata. Nakonec data uložíme a publikujeme.

Obrázek 3: Publikace datové sady (Opendatasoft.com)

Publikovaná data můžeme dále v programu vizualizovat a analyzovat z různých pohledů:

Table view – výchozí zobrazení dat
Map view – zobrazení mapy je možné jen v případě, kdy v datové sadě máme k dispozici zeměpisné souřadnice
Analyze view – slouží k tvorbě grafů (sloupcové, koláčové, pruhové, spojnicové a další)

V záložce Embed se nám vygeneruje URL link, pomocí kterého můžeme sdílet vytvořené vizualizace s ostatními členy týmu či partnery veřejně. V případě změny původních dat se pomocí API veškeré vizualizace vložené na web aktualizují podle nových dat v reálném čase.

Využití

Příklady využití lze nalézt v mnoha různých odvětvích např. v energetice, veřejných službách, místních komunitách, dopravě, vládě, bankovnictví, pojišťovnictví a dalších. Velkou hodnotu mohou veřejná data přinést lokálním společnostem, jelikož platforma obsahuje velké množností datových sad z Francie (13,299 z 21,213 datových sad). Dále platforma zahrnuje anglické, německé, španělské či holandské datové sady.

Závěr

Opendatasoft nám poskytuje velké množství otevřených dat, která můžete volně sdílet, šířit a využívat ve svých projektech i komerčně. Využití najdou převážně místní společnosti, jelikož se jedná o francouzskou platformu a hlavními poskytovateli dat jsou zejména města, dopravní podniky, vládní instituce a další veřejné subjekty. Města mohou data dále využívat při plánování strategií či vytváření různých projektů sloužících k občanskému využití. Kromě veřejně přístupných dat nám Opendatasoft nabízí užitečné funkce spojené s prací s daty. Nástroj nám umožňuje organizaci, transformaci, sdílení a vizualizace různých typů datových sad na jednom místě.

Použité zdroje

[1] Opendatasoft [online]. [cit. 2021-02-10]. Dostupné z: https://www.opendatasoft.com/

[2] Navigating the catalog. Help.opendatasoft [online]. 2021 [cit. 2021-02-10]. Dostupné z: https://help.opendatasoft.com/platform/en/exploring_catalog_and_datasets/01_navigating_the_catalog/catalog.html

[3] Searching in the data. Help.opendatasoft [online]. 2021 [cit. 2021-02-10]. Dostupné z: https://help.opendatasoft.com/platform/en/exploring_catalog_and_datasets/03_searching_the_data/search.html

Seznam obrázku

Obrázek 1: Katalog Opendatasoft (Opendatasoft.com)

Obrázek 2: Datová sada – Police incidents (Opendatasoft.com)

Obrázek 3: Publikace datové sady (Opendatasoft.com)

VisualPing.io: Monitoring webů pro každého

Autor:

Lukáš Zeman

-

7.3.2021

0

Úvod

Každý z nás již někdy netrpělivě očekával výsledky důležité zkoušky, nové informace o konkurenčním produktu, či jsme očekávali zlevnění našeho vysněného zboží. Při tomto očekávání denně nebo dokonce každou hodinu obnovovali webové stránky doufajíc ve zveřejnění tíženého obsahu. V této oblasti nám může pomoaci nástroj VisualPing.io.

Co je VisualPing?

VisualPing je nástroj, který dle vašich požadavků dokáže ve vámi zadaném časovém intervalu kontrolovat změny na webové stránce a upozornit vás na její případné změny.

Této funkce lze využít pro soukromé účely. Například pro sledování ceny produktu, který chcete zakoupit, pro sledování aktualit na stránkách školy či zaměstnavatele, nebo pro hlídání volné pozice ve vaší vysněné firmě.

Stejně dobře lze ale využít této funkce i ve firemním prostředí, kde tento nástroj využijete pro sledování vaší konkurence, udržení si přehledu v nové legislativě, sledování nově zveřejněných dat, nebo jako kontrolu zobrazení vaší webové stránky z pohledu koncového uživatele.

Tento online nástroj je navíc zdarma dostupný jako rozšíření webového prohlížeče, widget na vaší webové stránce a v plánu je i mobilní aplikace.

Práce s VisualPing

Již na úvodní stránce online nástroje máme možnost si vytvořit náš první „Job“. Tento formulář zároveň slouží k registraci nového uživatele. (Viz. Obrázek 1) Pro vytvoření našeho prvního Jobu nepotřebujeme nic víc než URL adresu stránky, kterou chceme sledovat, a emailovou adresu, kam chceme report zasílat.

Obrázek 1: Část úvodní strany VisualPing.io obsahující formulář k vytvoření Jobu. [Zdroj: visualping.io]

Z Obrázku 1 lze okamžitě vysledovat většinu pokročilého nastavení, které vám aplikace dává k dispozici, a se kterým vás v následujících odstavcích obeznámím.

Nejdříve je však dobré se seznámit s vylepšeným prostředím, které vám umožní správu všech vašich Jobů. (Obrázek 2) Na levé straně obrazovky naleznete seznam všech Jobů a zároveň okno pro rychlé vyhledávání. Napravo naleznete detail konkrétního Jobu včetně historie již proběhlých kontrol. A v záhlaví stránky pak naleznete informace o zbývajících kontrolách daný měsíc, přístup k nastavení účtu a případnému přechodu k měsíčnímu předplatnému.

Obrázek 2: Rozhraní správy Jobů. Použitá stránka náhledu https://fis.vse.cz/ [Zdroj: autor]

Jakých funkcí v rámci VisualPing lze vlastně tedy využít? Je to:

Nastavení periodicity, kde máte možnost vybrat z devíti časových úseků od 5 minut do 1 týdne. Zároveň je vám v pokročilém nastavení umožněno z těchto intervalů vyloučit specifické dny v týdnu a konkrétní čas, kdy daný Job má probíhat. Tím vám VisualPing umožňuje šetřit jednotlivými kontrolami, což vám ve výsledku šetří peníze.

Selekce části stránky pak zařídí, abyste sledovali pouze ty změny, které vás opravdu zajímají. Tato funkce je dostupná ve dvou variantách. V první lze sledovat vámi nastavenou vizuální výseč stránky a druhá vám pak umožňuje vybrat konkrétní předem identifikovaný prvek stránky. Tento druhý způsob vám poskytuje vyšší odolnost proti změně rozložení stránky.

Sledování změny textu je nejjednodušší způsob kontroly stránky. API zkontroluje celou stránku a upozorní vás na jakoukoli textovou změnu. Tuto funkci lze omezit pomocí klíčových slov, kdy upřesníte slovo či slovní spojení, které vás zajímá, a jestli se má jednat o jeho odstranění nebo naopak přidání.

Zabezpečení proti falešným upozorněním nabízí možnosti jako je dvojitá kontrola, prodleva před pořízením snímku obrazovky, užívání fixní IP adresy a v případě vizuálního ověření procentuální změna oproti poslednímu obrázku. Tato změna lze nastavit v pěti variantách: Any, Tiny (1 %), Medium (10 %), Major (25 %), Gigantic (50 %).

Proxy. Aplikace vám v základu nabízí možnost navštívit stránku pomocí proxy serveru 12 různých zemí. Pro firmy pak nabízí zřízení přihlášení z vlastní domény.

Notifikace lze v pokročilém nastavení posléze rozšířit o zprávy na Slack, discord, Rss a dalších platformách.

Akce jsou poslední a nejzajímavější funkcí VisualPing. Tato funkce vám umožňuje nastavit akce, které se mají stát předtím, než bude screenshot pořízen. Tuto funkci tak lze použít například pro přihlášení do systému nebo pro zablokování určitých prvků reklamy, které by případně spouštěly falešné notifikace. Prvky stránky můžete identifikovat ve vizuálním rozhraní nabízeným aplikací, přímo pomocí Xpath, nebo u některých příkazů lze vybrat rovnou celou třídu elementů.

K dispozici máte příkazy: Click, Type, Select, Block, Wait, iFrame, Cookie a Refresh.

Obrázek 3: Příklad využití akcí. [Zdroj: visualping.io]

Pricing

VisualPing nabízí buďto standardizované ceny pro jednotlivce, a to buďto ve verzi měsíčního předplatného, které se dále dělí dle velikosti balíčku, nebo verzi pay per use, která vám umožní koupit určitý počet kontrol a ty smíte spotřebovat kdykoli.

Druhý ceník je pro podniky. Tento ceny jsou udělovány vždy po předchozí domluvě s klientem a mohou být individualizované dle potřeb klienta.

Závěr

Ve zkratce je tedy VisualPing velmi užitečný nástroj pro úplné laiky, i pro pokročilé uživatele. Tento nástroj umožňuje kontrolovat změny na jakémkoli webu. Díky jeho obsahem téměř neomezeným hranicím může sloužit jako competitive intelligence nástroj pro velmi širokou škálu firem. Úplný laik sice může při špatném zacházení s tímto nástrojem dostávat falešná upozornění. Mírně pokročilým uživatelům však jejich zamezení i s dalšími užitečnými funkcemi nástroj nabízí. Jeho nedostatkem pro pokročilého uživatele by pak mohla být nedostatečná volnost v personifikaci vlastních Jobů. Například totiž periodicitu kontrol si uživatel nemůže nastavit sám, ale musí vybrat z předem definovaných možností.

Zdroje

[1] VisualPing – Website monitoring [online]. [cit. 10.2.2021]. Dostupné z: https://visualping.io/

[2] VisualPing – FAQ [online]. [cit. 10.2.2021]. Dostupné z: https://visualping.io/faq

Seznam obrázků

Obrázek 1: Část úvodní strany obsahující formulář k vytvoření Jobu. [Zdroj: autor]

Obrázek 2: Rozhraní správy Jobů. Použitá stránka náhledu https://fis.vse.cz/ [Zdroj: autor]

Obrázek 3: Příklad využití akcí. [Zdroj: visualping.io]

Feedly pomáhá hledat signály a potlačovat nežádoucí šum

Autor:

Daniel Hubner

-

6.3.2021

0

Úvodní představení Feedly

Dnešní doba je mimo jiné specifická množstvím a dostupností informací, ke kterým má člověk přístup prakticky odkudkoliv. Díky tomu si člověk může najít co ho zajímá, na druhou stranu může pro hledané téma najít tisíce příspěvků a vybrat si ten správný, může být obtížné. S ohledem na množství¹ a dostupnost informací není těžké dospět k zahlcení. Tomu by měla zabránit webová aplikace Feedly.

Feedly je vnímán jako nástroj, který pomáhá s výběrem relevantních informací dle preferencí uživatele. Cílem je agregovat zprávy na jedno místo z různých webových zdrojů, navíc je dokáže roztřídit do uživatelem vytvořených kategorií. Mimo sledování vybraných rubrik a článků, dokáže identifikovat článek dle klíčových slov, které si uživatel přeje sledovat. Feedly nemá plnit úlohu vyhledávače, lepší je si ho představit jako agregátor zpravodajských serverů, kde naleznete všechny články, které Vás zajímají.

Rešeršní možnosti a operátory vyhledávání

Webová aplikace má přehledné rozhraní a pro pokračování je důležité si vymezit hlavní pojmy. Na levé straně vidíme kromě hlavního menu také lištu, kde jsou dvě kategorie – Feeds a Boards.

Obrázek 1: Rozhraní webu Feedly. [zdroj obrázku: autor] 4

Feeds reprezentuje hlavní stránku, kterou je možné roztřídit do uživatelem vytvořených kategorií. Tyto kategorie agregují různé zdroje na jedno místo.

Mezi aktuálně podporované zdroje patří²:

Webové stránky – jednotlivé zpravodajské weby, i blogy (pro vybraná témata navrhuje i nejpopulárnější balíček zdrojů je sledování).
Klíčová slova – sledování zadaných klíčových slov napříč světově nejpopulárnějšími publikacemi (napojené na Google News)
Twitter – účty, tweety, hashtagy
Newsletter – extrakce z inboxu emailu

Obrázek 2: Návrh balíčků k danému tématu. [zdroj obrázku: autor] 4

Pro webové zdroje a klíčová slova je možné zvolit jazyk zdrojů, na základě vybraného jazyka nabízí nejpopulárnější zdroje – aktuálně podporuje 11 jazyků. U jednotlivých článků je uvedena jednoduchá metrika zajímavosti, jejíž hodnota je vytvářena komunitou Feedly. Funguje na jednoduchém principu – pokud si uživatel uloží článek na později, přidá to článku na významnosti. Do popředí se dostávají tedy články (pokud nemá uživatel nastaveno jinak), které jsou důležité pro celou komunitu sledující daný zdroj.

Obrázek 3: Metrika zajímavosti článků. [zdroj obrázku: autor] 4

Boards shromažďuje konkrétní uložené články z Feedu. Tyto články vybírá sám uživatel, buďto za účelem přečtení na později, archivaci nebo sdílení s týmem. Z hlediska hierarchie slouží jako podkategorie jednotlivých kategorií vytvořených ve Feedu.

Použití pro rešerše

Pro vytváření rešerší a získávání vhledů do různých témat, je použití Feedly určitě na místě. Dokáže práci velice zefektivnit a ušetřit čas. Avšak rešerši vnímá trochu jinak – není to proaktivní vyhledávání informací a zdrojů, ale spíše na základě definovaných pravidel vyhledává na pozadí vhodné články, zprávy. Spíše než k ojedinělému vyhledávání informací, se hodí na dlouhodobější sledování kategorií. Výhodou je aktualizované dodávání požadovaných informací, jednoduše řečeno, pokud se objeví nějaká novinka k Vámi hledanému tématu, tuto informaci budete mít ve Feedu. Může napomoci také k odhalování trendů v dané oblasti, když se objeví něco nového nebo zlomového, budete mít sjednocené informace na jednom místě. K tomu je potřeba, aby byl uživatel dostatečně pozorný a dokázal si uložené informace dát do širšího kontextu a identifikovat slabý signál, který by mu mohl poskytnout konkurenční výhodu. Bohužel není možné propojit Feedly se zdroji z deep webu. Může se zdát, že je možné propojit např s Web of Science, ale to zobrazuje pouze články ze Surface, které se týkají informací o daném zdroji, než aby zobrazoval nově vydané vědecké texty přímo ze stránky. Obzvlášť užitečné by bylo napojení na knihovnu obsahující legislativu (např. ASPI).

Leo Assistant

Prvotní klasifikaci užitečných článků zajišťuje Leo Assistant, který na základě námi definovaných pravidel zobrazí relevantní články. Leo je postaven na algoritmech umělé inteligence AI a za využití textové analýzy (NLP) rozlišuje co je užitečné (signál) a co ne (šum)³. Díky tomu máme k dispozici vytříděné požadované články, což vede k časové úspoře. Články roztříděné asistentem jsou označený zeleným labelem, po najetí na tento label se odůvodní zvolená akce. Užitečné je dávat asistentovi zpětnou vazbu na roztříděné články, které ovlivní jeho budoucí klasifikování – dochází ke trénování algoritmu na přání uživatele. Leo je součástí pouze placeného plánu za $ 8,25.⁴

Mezi hlavní poskytované funkce patří:

Topic:
- Prioritizování na základě definovaných témat, klíčových slov, společností (např. o konkurenci) – možné kombinovat s dalšími funkcemi (Business Events)⁵
Like Board:
- Pokud už máme vytvořený Board, necháme Lea naučit dané téma na námi vybraných užitečných článků. Leo si sám najde vzorce, které aplikuje pro další klasifikaci⁶
Business Events:
- Identifikuje užitečné business události (financování akcí, uvedení produktů na trh nebo partnerství)⁷
Deduplication:
- Zabraňuje shromažďování článků se stejnými informacemi. Může se stát, že jeden článek je zveřejněn ve více RSS feed. Užitečné třeba při zveřejnění nějakého produktu, technologie a články obsahují pouze minoritní změny⁸
Mute Filters:
- Tak jako je možné vybrat si určit trendy, témata, klíčová slova, tak je možné zablokovat i nežádoucí⁹
Summarization:
- K jednotlivým článkům vytvoří Leo shrnutí, to může uživateli ušetřit čas a zefektivnit práci¹⁰

Obrázek 4: Klasifikace článků pomocí Leo Assistant. [zdroj obrázku: autor] 4

K nastavení Leo asistenta je možné využít základní operátory, které je možné použít i pro specifikování jednotlivých témat, klíčových slov.

Feedly poskytuje tyto operátory:

Quotes – Chcete-li hledat přesnou frázi, přidejte uvozovky,
AND – Používá se mezi dvěma slovy – vyhledá obě slova v článku,
minus – Znaménko minus (-) vylučuje slovo nebo frázi, které následují za ním,
OR – Vyhledání více než jedné fráze nebo slova, kde se v článku musí objevit pouze jeden z výrazů,
intitle – K určení, jaké slovo má být obsaženo v nadpisu.¹¹

Jednotlivé operátory je možné kombinovat a díky nim lépe zacílit vyhledávání.

Popis indexu a dostupnosti zdrojů

Uživatel si může přidat jakýkoliv zpravodajský zdroj – stačí zadat pouze název webu / URL / RSS zdroj. Pokud nemá žádný preferovaný zdroj, může zadat pouze téma, které ho zajímá a Feedly mu nabídne webové zdroje. K některým tématům má předpřipravené balíčky se zdroji, které je možné hromadně sledovat. Umožňuje přidat i podcasty, ale neumožňuje jejich přehrávání. Obecně jde říci, že je možný se propojit s jakýmkoliv zdrojem, který poskytuje RSS¹². Do budoucna chtějí i připojení na Instagram.

Obrázek 5: Návrhy ke sledování vzhledem k napsanému slovu [zdroj obrázku: autor] 4

Kromě webových zdrojů je možné přidat i klíčová slova, které uživatele zajímají. Tyto klíčová slova jsou hledána na webové stránce news.google.com, která obsahuje světově nejpopulárnější publikace.¹¹

Užitečném může být spojením s Twitterem. Je možné sledovat jednotlivé uživatele, ale také zveřejněné tweety, hashtagy. Buďto je možné sledovat tweety bez dalších odkazů anebo je možné sledovat tweety obsahující nějaký link (třeba na článek). Z Feedly je možné se přímo dostat jak na samotný Tweet, tak ale i na odkaz.¹³

Pokud má uživatel nastavený odběr k nějakému newsletteru, který mu pravidelně chodí do emailu, je možné propojit email s Feedly a mít tak další zdroj. Mnoho newsletterů může končit ve Spamu nebo v nevyžádané poště a nemusí se k uživateli dostat, navíc email není ideální místo na čtení zpráv. Z toho důvodu existuje právě i toto napojení.¹⁴

Příklady využití

Feedly nalezne vyšší uplatnění v agilním prostředí, které není úplně tak rigidní a spíše než dlouhodobé plánování, tak převažuje krátkodobé či situační. Své uplatnění může mít také při vytváření Ansoffovy matice. Pokud má být podnik úspěšný, a to i dlouhodobě, je potřeba aby inovoval. Feedly je velice silné ve spojení s nějakou knihovnou z deep webu, kdy získáme prvotní signál od Feedly a tuto znalost dále rozšíříme ve vědecké publikaci. Důležité je všímat si slabých signálů a ty se snažit dát do kontextu – to poskytne výhodou nad konkurencí.

Příkladem může být, když se firma bude snažit expanzovat svou působnost do jiného odvětví, ale nějak na to nepospíchá. Definuje pravidla pro Feedly a může se věnovat své hlavní činnosti na místo toho, aby se pročítala články z různých zdrojů. Výhodou je také sdílení jednotlivých článků napříč týmem, který může být sestaven z různých divizí podniku a tam, kde někdo nevidí signál, ho druhý vidět může. Články je možné sdílet s konkrétními členy a umožňuje i anotování. Před začátkem projektu je potřeba udělat důkladnou rešerši a k tomu nám také dopomůže právě Feedly, které už může sbírat informace z daného tématu už nějakou dobu.

Obrázek 6: Sdílení článků se členy týmu a možnost anotovat 15

Důležité je zmínit, že Feedly nenahradí kompletně práci na rešerších, pouze se jedná o nástroj, který má zefektivnit workflow a přinést časovou úsporu. Nabité poznatky je vhodné kombinovat s jinými vědeckými zdroji, které bohužel není možné na Feedly napojit.

Závěr

Feedly je určitě užitečný nástroj, neboť pomáhá agregovat různé informační zdroje na jedno místo. Své uplatnění najde při rešerších, které je ale nutné kombinovat i s dalšími vědeckými knihovnami a deep web zdroji, které bohužel není možné na Feedly napojit. Jeho síla se projeví především v placených plánech, kde je dostupný i Leo Assistant, který protřiďuje články za využití AI a námi stanovených pravidel. Důležité je také přesně specifikovat požadavky na zdroje, témata a klíčová slova, protože pokud tak neučiníme, můžeme dojít i tak k přehlcení informacemi. S ohledem na CI má své využití, neboť se můžeme dostat k informacím dříve, než konkurence a také můžeme sbírat články a zmínky o našem konkurentovi a budeš už na nás, jak s tím naložíme.

Zdroje

The IBM Big Data Platform. Transforming Data with Intelligence https://tdwi.org/whitepapers/2014/04/ibm_the-ibm-big-data-platform.aspx
The 11 types of sources you can add on Feedly.
Feedly Blog https://blog.feedly.com/the-11-types-of-sources-you-can-add-to-feedly/.
Meet Leo, Your AI Research Assistant.
Feedly Blog https://blog.feedly.com/leo/.
Feedly – Goodbye information overload.
Feedly https://feedly.com.
Leo and Topics.
Feedly Blog https://blog.feedly.com/leo-and-topics/.
Introduction to Leo 0.5.
Feedly Blog https://blog.feedly.com/introduction-to-leo-0-5/.
Leo understands funding events, product launches, and partnership announcements.
Feedly Blog https://blog.feedly.com/leo-understands-funding-events-product-launches-and-partnership-announcements/.
Deduplication Skill – Leo.
Feedly Blog https://blog.feedly.com/deduplication-skill-leo/.
Leo and Mute Filters.
Feedly Blog https://blog.feedly.com/leo-and-mute-filters/.
Leo and Summarization.
Feedly Blog https://blog.feedly.com/leo-and-summarization/.
How to Track Google News Keyword Alerts in Feedly.
Feedly Blog https://blog.feedly.com/follow-google-news/.
How to add RSS feeds for Medium?
https://feedly.helpscoutdocs.com/article/351-how-to-add-rss-feeds-for-medium
Get tweets in Feedly.
Feedly Blog https://blog.feedly.com/get-tweets-in-feedly/.
Get newsletters in Feedly.
Feedly Blog https://blog.feedly.com/get-newsletters-in-feedly/.
Share insights with your team.
Feedly Blog https://blog.feedly.com/how-to-get-the-most-out-of-feedly-with-your-team/.

Open Data Network: solidní rozcestník otevřených dat

Autor:

Martin Šlégr

-

5.3.2021

0

Nástroj Open Data Network (zkr. ODN) slouží jako vyhledávač otevřených dat. Konkrétně se zaměřuje na oblast vládních dat v rámci USA na úroveň jednotlivých okresů a umožňuje vyhledávat různé volně dostupné informace z jednotlivých kategorií. Využitelný je tedy jak pro širokou veřejnost, tak pro výzkumníky, soukromé společnosti apod. Zároveň nabízí software pro organizace/státní orgány, které tato data vydávají a umožňují jim pomocí distribuovaného prostředí jejich data sdílet a analyzovat. Cílem Open Data Network je tedy umožnit plošnou distribuci těchto dat na jednom místě. A jelikož se jedná o otevřená data (open data), data jsou volně použitelná jak pro vlastní, tak komerční účely. [1]

Software vytvořila společnost Socrata v r. 2014, kterou odkoupila společnost Tyler Technologies v r. 2018. [2]

Struktura a vyhledávání

Jak již bylo zmíněno, nástroj slouží k vyhledávání otevřených dat. K tomu využívá aplikační rozhraní REST API a pro správu používá program Apiary (zkr. ODN API).

Kategorie dat

Mezi hlavní kategorie, které ODN nabízí, patří:

finance
infrastruktura
životní prostředí
doprava
veřejná bezpečnost
demografie
ekonomika
vzdělání
zdraví
bydlení a rozvoj
sociální služby
rekreace/zábava
politika

Tyto data dále dělí dle jednotlivých států a jejich okresů. Podobně jako ostatní informační nástroje, i ODN umožnuje vyhledávání pro více i méně zkušené uživatele pomocí uživatelského rozhraní.

Možnosti vyhledávání

Webové stránky vyhledávače mají velmi jednoduchý a přehledný design, který pro základní (přímé) vyhledávání dokáže využít i nezkušený uživatel. Na hlavní stránce je vyhledávací okno, které zobrazuje nápovědu k možnému vyhledávání. Dále jsou zde zobrazeny kategorie dat a jednotlivé státy, ve kterých je možné data hledat.

Obr. 1 – vyhledávací pole ODN, zdroj: autor

Přímé vyhledávání

Vyhledávací dotaz je možné zadat jak formou otázky, tak pomocí klíčových slov. Na obrázku níže (viz Obr. 2) je vidět výsledek vyhledávání „The median female earnings of Kings County, NY“ (medián příjmů žen z Kings County v New Yorku). Kromě samotné informace, tedy konkrétní hodnoty, je vidět i mnoho dalších relevantních informací, jako např. porovnání s mediánem u mužů a obecným mediánem, geografickým rozdělením aj. Vždy záleží na povaze dotazu, jaké další možnosti nástroj zobrazí.

Obr. 2 – okno výsledku vyhledávání, zdroj: autor

V levé části je nabídka dalších podobných otázek a případné doplnění/změny lokality dotazu (stát/okres). V horním menu je pak možné dále přepínat mezi kategoriemi dat v rámci dané oblasti včetně možnosti filtrování. To opět závisí na dané kategorii a dostupnosti dat. Resp. zobrazují se jiné filtry u ekonomických dat než u dat ze zdravotnictví.

V dolní části obrazovky jsou zobrazené datasety relevantní s daným dotazem. U každé z nich je vidět název, zdroj, popis a datum poslední úpravy. Při rozkliknutí je možné dohledat další podrobné informaci včetně konkrétního původu dat.

Pokročilejší vyhledávání

Co se týče pokročilejšího/konkrétnějšího vyhledávání, aplikace jej umožňuje přes již zmíněné rozhraní ODN API. Tento způsob přístupu má velmi široké využití ve vlastních aplikacích, kde pomocí rozhraní HTTP snadno získat potřebná data ve formátu JSON.

Pro nezkušeného uživatele je tvorba dotazu poměrně složitá a vyžaduje určitou znalost REST API, HTTP a formátu JSON. ODN API ovšem nabízí přehlednou nápovědu a příklady užití. Skupiny příkazů dělí na:

suggestions
search datasets
search questions
entity lookup
entity relationships
data availability
data constraints
data values
map creation

Při zpracování se používá fulltextové vyhledávání, takže při správné syntaxi by dotaz měl vždy vrátit výsledek bez ohledu na fakt, zda informaci nalezl či nikoliv (výsledek ve smyslu úspěšného HTTP dotazu).

Pokud bychom chtěli replikovat dotaz z přímého vyhledávání (medián výdělku žen), tak bychom využili příkaz „question“, resp. vyhledání otázky, a syntaxe dotazu bude vypadat následovně:

http://api.opendatanetwork.com/search/v1/question?query=The%20median%20female%20earnings%20of%20Kings%20County%2C%20NY

Aplikace nám vrátí odpověď, v jejímž těle (angl. response body) bude následující JSON:

Obr. 3 – ukázka výstupu v JSON kódu, zdroj: autor

Pod každým příkazem je zobrazena ukázka, jak správně nastavit připojení k ODN API pro různé programovací jazyky (Javascript, C#, Python, PHP aj.), což může být velmi užitečné právě pro méně zkušené uživatele, kteří si chtějí propojit vlastní řešení s ODN API. [3]

Obr. 4 – ukázka PHP kódu k připojení ODN API, zdroj: autor

Příklady užití

V prvním příkladu pomocí přímého vyhledávání zkusíme dohledat data o úspěšnosti dokončení vysoké školy ve státě New York. Na úvodní stránce do vyhledávače zadáme „college graduation rate NY“. V tomto konkrétním příkladu našel nástroj více konkrétních otázek, a proto nám zobrazil nabídku možností, kterou nejvíce definuje náš dotaz. Pokud by ani jedna nevyhovovala našemu zadání, je možné prohledávat mezi jednotlivými datasety zobrazenými pod nabídkou. Vybereme „What is the college graduation rate of New York, NY?“.

Obr. 5 – výsledek vyhledávání (příklad 1), zdroj: autor

V horní části okna je zobrazen výsledek – úspěšnost je 37,4 % v r. 2018. Ve filtrech můžeme dále vybírat dostupné období a případně zvolit podobné otázky (např. úspěšnost absolvování střední školy). Všechny tyto data jsou ale již zobrazeny v tabulce níže. Dále je zde vidět mapa, které ovšem z důvodu chybějících dat nebo technické závadě v době zkoušení nezobrazovala výsledky. Podobně jako na předchozí stránce jsou pak vidět konkrétní datasety týkající se tématu úspěšnosti absolvování škol v New Yorku.

Pro druhý příklad použijeme ODN API a konkrétně chceme zjistit počet obyvatel ve státě Washington. Pro získání dat (příkaz data) nejdříve potřebujeme zjistit „entity_id“, resp. kód státu Washington. Ten zjistíme pomocí příkazu entity:

http://api.opendatanetwork.com/entity/v1?entity_name=washington

Tento dotaz nám vrátí velké množství výsledků od jednotlivých okresů až po konkrétní body na mapě. Proto dotaz více specifikujeme přidáním typu entity (typy entit jsou uvedené v dokumentaci ODN API):

http://api.opendatanetwork.com/entity/v1?entity_name=washington&entity_type=region.state

Tím dostaneme požadovaný výsledek v JSON a identifikátor státu Washington.

{  
   "entities": [    
       {      
          "id": "0400000US53",      
          "name": "Washington",      
          "type": "region.state"    
        }  
   ]
}

Nyní už můžeme vyhledat konkrétní data o populaci přes příkaz data:

http://api.opendatanetwork.com/data/v1/values?variable=demographics.population.count&entity_id=0400000US53

Opět nám nástroj vrátí data ve formátu JSON[1]:

{
  "data": [
    [
      "year",
      "0400000US53"
    ],
    [
      2009,
      6465755
    ],
    [
      2010,
      6561297
    ],

Další zpracování dat už je na uživateli. Jak již bylo řečeno, využití ODN API je vhodné pro zkušenější uživatele, kterým nestačí pouze zobrazení přes ODN, ale potřebují otevřená data ve vlastním rozhraní/aplikaci.

[1] Seznam ve formátu JSON není uveden celý.

Shrnutí

Cílem této práce bylo představit nástroj Open Data Network a jeho možnosti pro vyhledávání dat. Jedná se o velmi dobře zpracovaný program, který umožňuje sofistikované využití otevřených dat pro vlastní použití. Jedinou značnou nevýhodou je omezení na vládní data pouze v rámci USA.

Použitá literatura

[1] SOCRATA. What Is the Open Data Network? [online]. 2015 [vid. 2021-02-10]. Dostupné z: https://www.youtube.com/watch?v=FvcFW6DhRHQ&ab_channel=Socrata

[2] LERMAN, Rachel. Seattle tech company Socrata bought by Tyler Technologies. The Seattle Times [online]. 18. duben 2018 [vid. 2021-02-10]. Dostupné z: https://www.seattletimes.com/business/technology/seattle-tech-company-socrata-bought-by-tyler-technologies/

[3] SOCRATA. ODN API · Apiary. ODN API [online]. 2021 [vid. 2021-02-10]. Dostupné z: https://odn.docs.apiary.io/#reference/0/suggestions

SocialBearing.com nabízí vhled do příspěvků a uživatelů fenoménu dnešní doby – Twitteru

Autor:

Milan Vyhnanovský

-

4.3.2021

0

Úvod

Žijeme v době internetu. Komunikace mezi lidmi a přenos informací v rámci jednotlivých skupin či celé společnosti se neustále zrychluje a dosud nikdy nebyl snažší. Pro přenos informací a názorů lidí existuje mnoho kanálů. Zásadním nástrojem pro tuto činnost jsou sociální sítě. V našem okolí asi málokdo nemá účet na žádné sociální síti. Na nich jsou denně publikovány miliony a možná spíše miliardy příspěvků. Většina z těchto příspěvků se obvykle stává „mrtvými“ po uplynutí určité doby. U některých je to pár hodin, u některých den, výjimečně i více dní. Příspěvek a informace je předána a dále už se o ni tolik lidí nezajímá, protože již není prostě úplně nová a přebijí ji novější příspěvky a informace. Co když ale budeme chtít zpětně v příspěvcích bádat nebo dokonce příspěvky s určitými znaky agregovat a dělat nad nimi různé analýzy? O nástroji SocialBearing, který to umožňuje v rámci sítě Twitter, si povíme více v následujících kapitolách.

O nástroji

Vznik samotného nástroje se datuje do roku 2014. Autor uvádí, že při jeho tvorbě nevěděl, jaké cílové skupině nebo skupinám bude vlastně nástroj určen. Jeho primárním cílem bylo vytvořit „open search“ statistický nástroj pro kohokoli, kdo by se zajímalo o širší vhled do zajímavých tweetů, lidí, statistik nebo sentimenty o kterémkoli subjektu. Autor jmenuje 9 účelů vyhledávání, pro který je primárně možné nástroj využít.

Analýza zmínek vaší značky nebo businessu
Nejlepší tweety o vašem webu nebo článku
Populární hashtagy, trendy nebo konverzace
Nejvíce poutavé tweety obsahující obrázky či odkazy
Zajímavá fakta a vhledy do vašich přátel a sledujících
Zajímavé účty ke sledování
Účty k ukončení sledování
Analýza vlastní timeline
Tweety s geolokačními prvky

Základní předpoklady a omezení

Pro používání nástroje je zapotřebí být přihlášen na Twitteru a autorizovat aplikaci k jeho využívání. API omezuje počet možných requestů za určitou dobu. V případě prohledávání uživatelských timeline je omezení na 180 requestů každých 15 minut a pro vyhledávání zmínek omezení činí 15 requestů na 15 minut. Vyhledávání probíhá tzv. „on demand“, čili v závislosti na aktuálním stavu tweetů a indexace a poskytuje výsledky založené na vyhledávání zmínek až 7 dní zpětně. V případě prohledávání uživatelských timeline může zobrazit až 3200 nejnovějších tweetů. Neprobíhá žádná archivace výsledků. S premium účtem je možné některá výše uvedená omezení odbourat a stejně tak získat nové funkcionality např. v rámci pokročilého filtrování výsledků.

Ne všechny tweety je však možné nástrojem nalézt a zahrnout do analýzy. Tweety od určitých uživatelů, kteří jsou méně aktivní, jsou také méně indexovány. Čili indexovány jsou prioritně tweety od aktivních uživatelů s většími počty sledujících. Stejně tak nejsou do analýz zahrnout tweety uživatelů, kteří mají chráněný (soukromý, zamčený) profil a jejich tweety nejsou veřejně dostupné komukoli. Stejně tak nebudou zahrnuty tweety, které byly z důvodu jejich vysoké citlivosti zablokovány. Nicméně u většiny citlivých tweetů Twitter poskytuje tzv. flag „possible sensitive content“, přes kterou je možné výsledky vyhledávání filtrovat.

Autor zdrůrazňuje, že sentiment skóre vyhledávaných tweetů není vždy přesné a že s použitím „natural language detection“ se budou vždy ve výsledcích vyskytovat tzv. „false positive“ výsledky. Zdůrazňuje také, že např. sarkasmus a ironie je obvykle velmi složité algoritmicky detekovat.

Nástroj vyhodnocuje pro každý tweet sentiment skóre takovým způsobem, že každé slovo ve tweetu je porovnáno se souborem pozitivních a negativních slov. Sentiment skóre pro každé slovo je pak přidáno k ostatním a je vytvořeno souhrnné sentiment skóre samotného tweetu.

Geolokace a soukromí uživatelů Twitter

Autor uvádí, že pro geolokační analýzy náhodně upravuje koordináty uložené v geolokační značce tweetu a to tak, že značka je posunuta libovolným směrem do vzdálenosti zhruba o velikosti fotbalového hřiště, což k neprozrazení přesné adresy uživatele zřejmě postačuje a zároveň jsme ještě pořád schopni tweety na základě geolokace efektivně shlukovat např. na základě konání nějaké hromadné akce. Během analýzy v roce 2016 bylo zjištěno, že zhruba 65% uživatelů umožňuje Twitteru ukládat geolokační data.

Použití nástroje

Po příchodu na hlavní stránku nástroje nám je nabídnuto především pole pro zadání našeho dotazu s tím, že je nabízeno 6 různých druhů vyhledávání:

Tweets – prohledává tweety
Timelines – analyzuje příspěvky konkrétního uživatele
Geo – analyzuje klíčové slovo ve tweetech s geolokačními daty v určitém rádiusu od zadaného bodu
People – vyhledává lidi, kteří jsou nejrelevantnější zadanému dotazu
Followers – analyzuje sledující konkrétního zadaného uživatele
Friends – analyzuje účty, které zadaný uživatel sleduje

U některých způsobů je také umožněno rozšířené nastavení:

Tweets – přesná shoda, omezení na fotky/odkazy/video/ověřené, typ, ID
Geo – radius vyhledávání od zadaného bodu

Obrázek 1: Úvodní obrazovka – vyhledávací pole, druhy vyhledávání, rozšířené nastavení [Zdroj: autor]

Pro vyzkoušení vyhledávání použijeme vyhledávání ve tweetech. Slova se zadávají v libovolném počtu a oddělují se mezerou. V takovém případě se zřejmě jedná o „OR“ vyhledávání. V případě zaškrtnutí možnosti „Exact match“ se zřejmě jedná o „AND“ vyhledávání. Využijeme aktuální politické situace ve Spojených státech amerických a zadáme vyhledávání s těmito parametry:

Hledané slovní spojení: Trump
Type: Popular

Po stisknutí vyhledávacího tlačítka se během pár sekund zobrazí výsledky. Zobrazí se 100 nejnovějších tweetů. Pod tímto číslem je tlačítko „Load more“, které umožňuje zhruba po stovkách načítat další tweety a promítnout je do analýzy.

Obrázek 2: Výsledky vyhledávání [Zdroj: autor]

Nechal jsem načíst zhruba 1000 nejnovějších tweetů. Dle dalšího čísla “Timeframe” se dozvídám, že se jedná o vhled za dobu pouhých 3 minut s dosahem téměř 4 mil., což mě osobně poměrně šokuje. Kromě toho mě zaujme analýza sentiment, kde se dozvídám, že z analyzovaných tweetů bylo pouze zhruba 15% pozitivního charakteru (“Great” nebo “Good) a přes 55 % negativního charakteru (“Terrible” a “Bad”). Dále vidím, že téměř 80% příspěvků jsou tzv. Retweety, což je sdílení původního příspěvku a pouhých zhruba 8% jsou nově napsané tweety. Další vhledy poskytují statistiky jako jsou druh přístupu (iPhone, Android, Web…) nebo jazyk tweetů.

Obrázek 3: Hashtag & word cloud, tweets by country [Zdroj: autor]

Pokud se posunu na stránce o kousek dolů, mohu vidět zajímavý vhled do hashtagů a slov, které se prolínají analyzovanými tweety. Opět je vidět, že to odráží aktuální politickou situaci ve Spojených státech, kdy se v tzv. Hashtag I word cloudu vyskytují slova jako “impeachment” či “guilty”. Lze však nalézt i jiné faktické znaky jako “republicans” či “America”.

Je mi také nabídnuta analýza geolokačních dat a abych se pro ni rozhodl, tak mi nástroj napoví, že 64% uživatelů, kteří analyzované tweety publikovali, měli zapnutou geolokaci. To ukáže, že největší část tweetů pochází logicky ze Spojených států, ale i z dalších zemí Evropy či Asie.

Obrázek 4: Procházení analyzovaných tweetů [Zdroj: autor]

Když půjdu po stránce ještě níže, tak se mi postupně zobrazují jednotlivé analyzované tweety s příslušnými statistikami, kterými se můžu probírat. Mohu je různě filtrovat, řadit, či načítat nové. Jsou v nich zvýrazněna slova použita k analýze sentimentu.

V levé části obrazovky se vyskytují filtry, které se dají aplikovat na celý set nalezených výsledků. Mezi ně patří například:

Druh – plain tweets, retweets, replies, pictures, videos….
Sentiment – great, good, neutral, bad, terrible
Jazyk
Statistiky tweetů – dosah, počet sledujících
Ostatní – duplikáty apod.

Dále je možné filtrovat příspěvky dle nejlepších přispěvatelů ať už z pohledu jejich aktivity k danému tématu, nebo obecného dosahu příspěvku uživatelů. Možná je i filtrace přes hashtagy, slova, zmínky profilů, domény odkazů aj. Těch možností je skutečně mnoho.

Teoreticky bych si tedy mohl upravit vyhledávání tak, abych měl vhled do tweetů na příslušné téma od známějších osobností (většinou politiků) z Evropy.

Podobné statistiky a filtrace umožňují i ostatní druhy vyhledávání z nichž se mi nejvíce líbilo vyhledávání lidí na základě zadaného slova. Lze tak nalézt zajímavé účty ke sledování o kterých byste jinak třeba ani nevěděli a sledovat skutečně to, o co má daný člověk zájem. Pro společnosti a osobnosti s velkým počtem uživatelů může být zajímavý vhled do vlastních followerů a zjistit tak třeba, kdo je hlavním odběratelem jejich informací na twitteru a na základě takového vhledu rozvíjet určité kampaně.

Licence

Nástroj je možné využívat zdarma s určitými omezeními. Pro neomezené využití a ještě pokročilejší funkce je zapotřebí vlastnit premium účet. Data jsou získávána prostřednictvím API přímo z twitteru a nejsou nijak omezena na způsobu jejich využití a jsou mj. veřejně dostupná. Aplikace pouze přináší velmi rychlý způsob, jak je zpracovat a agregovat.

Závěr

Aplikace má z mého pohledu určitě široké spektrum potenciálních uživatelů. Bude se hodit ať už společnostem, které mohou na základě těchto dat upravovat své twitterové jednání a třeba i tvořit prodejní kampaně. Stejně tak aplikaci využijí známé osobnosti a influenceři, kteří chtějí získat povědomí o tom, kdo je vlastně jejich primárním konzumentem na Twitteru. Dále je možné nástroj využít např. při různých analýzách určité aktuálně nastalé politické či jiné situace k analýze názorů lidí. A pokud nemá někdo zájem o takové komplexnější analýzy a kroky, tak si minimálně může na základě svých zájmů najít nové účty ke sledování.

Zdroje

Twitter Analytics for Tweets, Timelines & Twitter Maps | Social Bearing. Twitter Analytics for Tweets, Timelines & Twitter Maps | Social Bearing [online]. Copyright © 2021 [cit. 11.02.2021]. Dostupné z: https://socialbearing.com/

Seznam obrázků

Obrázek 1: Úvodní obrazovka – vyhledávací pole, druhy vyhledávání, rozšířené nastavení [Zdroj: autor]

Obrázek 2: Výsledky vyhledávání [Zdroj: autor]

Obrázek 3: Hashtag & word cloud, tweets by country [Zdroj: autor]

Obrázek 4: Procházení analyzovaných tweetů [Zdroj: autor]