Улучшение качества данных о биоразнообразии требует совместных усилий сообщества

Повышение качества данных в крупных онлайн-хранилищах зависит от сочетания автоматических проверок и привлечения экспертных знаний. К такому выводу пришли авторы статьи в открытом журнале Zookeys, представляющие Atlas of Living Australia (ALA) и Global Biodiversity Information Facility (GBIF). Они поддерживают недавнюю работу Месибова (2013), выявившую ошибки в данных о многоножках, но подчеркивают, что решение таких проблем требует совместных усилий «агрегаторов» и широкого экспертного сообщества.

В статье отмечается, что агрегированные данные в таких системах, как ALA и GBIF, неизбежно содержат ошибки, и обе организации стремятся улучшить их качество. Ошибки возникают на множестве этапов: вид может быть неправильно определен, его название могло измениться, а доэра GPS-координаты могли быть указаны с погрешностью. При оцифровке музейных карточек или гербарных листов возможны ошибки транскрипции, которые могут умножиться при переводе записи в стандартный формат для ALA или GBIF.

Авторы утверждают, что одним из главных преимуществ публикации цифровых данных является как раз выявление таких проблем, что дает всему сообществу возможность их обнаружить и исправить. Обнаружение Месибовым проблем с данными стало возможным только благодаря удобному публичному доступу к большому массиву биологических данных через ALA и GBIF.

ALA и GBIF также проводят комплекс автоматических проверок, например, отмечая записи, координаты которых не соответствуют заявленной стране наблюдения или местонахождения образца. Однако автоматические проверки не выявят всех ошибок, поэтому для обнаружения и исправления широкого спектра проблем по-прежнему необходима экспертиза специалистов.

Инфраструктура таких агентств, как GBIF и ALA, упрощает обнаружение и исправление ошибок. Агрегация множества записей о виде повышает шансы на выявление аномалий — например, географически изолированного наблюдения. В ALA любой пользователь может прокомментировать проблему в записи. Такие аннотации отправляются поставщику данных для оценки и исправления. Далее обновление записи зависит от ресурсов этого поставщика.

Способность выявлять и исправлять проблемы с данными — это ответственность всего сообщества, а не какого-либо одного агента, например ALA. Необходимо бесшовно и эффективно интегрировать экспертные знания и автоматизированные процессы, чтобы все исправления становились частью устойчивой цифровой базы знаний о видах. Талантливые и преданные своему делу специалисты могут добиться огромного прогресса (как показала работа Месибова), но как гарантировать, что данные и вся сопутствующая работа не будут утеряны после завершения отдельного проекта? Это требует стандартов для фиксации и связывания информации, а также поддержания данных с уникальной документацией всех изменений. Для достижения этого сообщество исследователей биоразнообразия должно быть мотивировано и наделено полномочиями для совместной работы.

Данные должны публиковаться в защищенных хранилищах, где они могут сохраняться и улучшаться бессрочно. ALA и GBIF выходят за рамки хранения данных на отдельных компьютерах частных лиц или институтов, не имеющих стратегии долгосрочной цифровой интеграции, хранения и доступа к данным.