Semantically Interoperable Census Data: Unlocking the Semantics of Census Data Using Ontologies and Linked Data
Notice bibliographique
Résumé
The Canadian Census of Population is a survey that collects statistical information on the Canadian population. These censuses contain valuable socioeconomic data that is often used by both the public and private sectors for project planning and decision-making. However, there are a few issues that may arise when using census data. Firstly, data wrangling, which is often a time-consuming process, needs to be conducted in order to clean and prepare the data for integration and use. Secondly, different datasets across different census years may be using different terms to describe the same concept/entity, hence creating a problem of referential equivalence (i.e., how do we know whether two different datasets are referring to the same concepts/entities?). Lastly, the data found in a census is often described using natural language that isn't easily interpreted by machines and can be difficult to break down or deconstruct. In this paper, we develop and propose the use of an ontology for representing the data from the Canadian Census of Population as linked data in order to address the aforementioned issues, evaluate the ontology using competency questions based on real world use cases, and discuss the advantages of census linked data for integration and visualisation uses.
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 | 0,016 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,018 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».