samenvatting L-dataverwerking

Samenvatting L-Dataverwerking
Hoofdstuk 1 Data Voorbereiden
Inleiding
 Een database
= een gestructureerde verzameling gegevens waarin de data op zo’n manier zijn geordend
dat ze vlot toegankelijk zijn en gemakkelijk kunnen worden aangepast, ongeacht de omvang
van de dataset
 Eigenschappen van goede database
- Persistentie
- Doorzoekbaarheid
- Gemakkelijk te delen
- Problemen met ontbrekende, onvolledige of foutieve gegevens goed behandelbaar
 Verschillende instrumenten (types databases)
1. Mappen
2. Referentiemanagementprogramma’s
3. Content-managementsystemen
4. Uit digitale bibliotheek van universiteit
5. Repositoiries
6. Onderzoeksdatabanken
 Datamodellen
1. Individuele tabellen
2. Relationele gegevensbanken
3. Hiërarchische structuren met mark-uptaal
4. Linked (open) data met RDF
 SQL
= Standaard-zoektaal voor relationele databases

Data cleaning en data transformation
 Criteria voor kwaliteit gegevens
- Intrinsieke criteria: correct, objectief, betrouwbare bron, ...
- Contextuele criteria: relevant, nuttig, …
- Representatieve criteria: duidelijk gedefinieerd, goed interpreteerbaar, ...
- Toegankelijkheid
 Data cleaning
= het correct coderen van ontbrekende gegevens, het verwijderen van duplicaten en het
uitzuiveren van foutieve input
- Bij
 Manuele invoer
 Automatische collectie
 Samenwerken met anderen
- Beslissingen over missing data
 Data transformation
 Je past structuur van verzameling gegevens aan in functie van de onderzoeksvraag die je
wil beantwoorden
Bv

,  Rijen in kolommen omzetten en omgekeerd (= transponeren)
 Automatisch informatie uit verschillende tabellen combineren
 Omzetten schaal of meetniveau van eigenschap/variabele
 ...
 SQL, draaitabellen, ...

Meetniveaus




Numerieke data Categorische data
- Binair
= resultaat van een telling  Data kunnen = beperkt aantal waarden door onderzoeker
2 waarden gedefinieerd
- Interval
aannemen - Nominaal
 Waarden zijn volwaardige
getallen, geen intrinsiek  Waarden zonder betekenisvolle
nulpunt ordening ertussen
- Ratio - Ordinaal
 Waarden zijn volwaardige  Waarden op betekenisvolle
getallen met intrinsiek nulpunt manier geordend

Andere opdeling

- Discreet
 Geen derde waarde tussen
twee elkaar opvolgende
waarden
- Continu
 Altijd derde waarde tussen
twee andere waarden



Tabellen
 Eendimensionele tabel
= eerste rij of eerste kolom gebruikt als hoofding
 Kruistabel
= labels zowel in eerste rij als eerste kolom
 Hiërarchische tabel
= meerdere labels combineren

Een eenvoudige tabel maken in SQL




 Notatie: STUDENT(ID*, VOORNAAM, FAMNAAM, STUDIE)

,  Hoe aanmaken in LibreOffice Base met SQL?
CREATE TABLE STUDENT (
ID int NOT NULL
VOORNAAM var

Een complexere databank ontwerpen
 Redunantie
= overbodige gegevens
 Herhalingen van bepaalde informatie in tabellen
- Databank wordt nodeloos groot
- Verhoogt kans op fouten

Relationele databases
 Informatie uit elkaar trekken om redunantie te vermijden
 Kruisverbanden leggen




 Redunantie DUS




SID: identificeert student

PID: duidt project aan



 Primaire sleutel (aangeduid met ‘*’) van een record (rij) identificeert dat record (die rij) zelf
uniek, d.i. de sleutel maakt dat record uniek binnen de huidige tabel
- Helpt om te voorkomen dat bepaalde informatie dubbel staat
- Laat toe om van overal in de database te verwijzen naar dat record
 Kolom ID in student = primaire sleutel van die tabel