Veri Ambarı Projelerinde ETL Performansını Etkileyen Faktörlerin Belirlenmesi
Notice bibliographique
Résumé
Bilgi, özel bir amaca ulaşmak için verinin çeşitli analiz, dönüşüm ve gruplama işlemlerinden geçirilerek, daha sonra kullanılmak üzere yöneticiler için hazır ve faydalı bir hale getirilmiş şeklidir. Veri ambarı, farklı kaynaklarda tanımlanmış verilerin, belirli aralıklarla aktarılarak standart bir format ile tek bir ortamda tutulduğu ortamdır. Veri ambarının güncel olması oldukça önemlidir. Veri ambarının güncelliği ise ETL süreci ile sağlanmaktadır. ETL; Çıkar(Extract), Dönüştür(Transform) ve Yükle(Load) kelimelerinin baş harflerinden oluşmaktadır. Kullanılacak verinin dış kaynaklardan çıkarılması, verinin iş süreçlerine göre birleştirilmesi, dönüştürülmesi ve veri ambarına yüklenmesi sürecidir. Bu sürecin başlangıç faaliyetlerinden biri en uygun ETL yazılımının seçimidir. Bu çalışmada Veriambarı oluşturulmasında ETL yazılım aracı seçimini etkileyen ISO 25010 standardında yer alan faktörlerin ağırlıklandırılması ve yazılım araçları arasında AHP yöntemi ile karar verilmesi amaçlanmaktadır.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,013 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».