प्रमुख प्रश्न नया
AI द्वारा प्रसंस्कृत · लेखक द्वारा अनुमोदित
पत्रकारिता में डेटा के पुनः उपयोग को सुगम बनाने के लिए ओपन रिसर्च डेटा प्लेटफ़ॉर्म कैसे डिज़ाइन किए जाने चाहिए?
Spotify का प्लेयर लोड करता है; Spotify कुकीज़ सेट कर सकता है। यह डिवाइस आपकी पसंद याद रखता है।
मुख्य निष्कर्ष
- शोध डेटा के पुनः उपयोग में पाँच मुख्य बाधाओं की पहचान की: खंडित डेटा पहुँच, तकनीकी प्रारूप में विसंगतियाँ, अपर्याप्त कार्यप्रणाली प्रलेखन, सत्यापन सहायता की कमी और सामयिक अद्यतन में देरी।
- दो मार्गदर्शक मेटा-आवश्यकताएँ स्थापित कीं: विश्वसनीय तकनीकी आदान-प्रदान के लिए साझा डेटा संरचनाएँ प्रदान करना और साझा समझ के लिए प्रासंगिक अनुवाद को सक्षम बनाना।
- दस प्लेटफ़ॉर्म डिज़ाइन आवश्यकताओं को परिभाषित किया, जिसमें तकनीकी तंत्र (मशीन-पठनीय प्रारूप, क्रॉस-सोर्स खोज, और न्यूज़रूम टूल एकीकरण) और व्याख्यात्मक तंत्र (प्रत्यक्ष शोधकर्ता-पत्रकार स्पष्टीकरण चैनल, मान्यताओं व अनिश्चितता को स्पष्ट करने वाले वर्णनात्मक फ़ील्ड, और उदाहरण विज़ुअलाइज़ेशन) शामिल हैं।
- डेटा प्रकाशन और पहुँच को अंतिम चरण मानने के बजाय संपूर्ण डेटा पुनः उपयोग प्रक्रिया के इर्द-गिर्द ओपन-डेटा प्लेटफ़ॉर्म डिज़ाइन करने के महत्व पर बल दिया।
आपके लिए इसका क्या अर्थ है
CIO / आईटी एक्ज़ीक्यूटिव
Allocate budget to integrate contextual translation features and direct communication channels into the institutional open-data platform for non-academic stakeholders.
आईटी प्रबंधक
Configure the open-data repository API to output datasets in machine-readable formats accompanied by standardized methodological documentation fields.
बिज़नेस रणनीतिकार
Conduct a stakeholder mapping exercise to identify external non-academic user groups for a targeted open-data platform value-proposition pilot.
शोधकर्ता
Draft a plain-language narrative field explaining core dataset assumptions and uncertainties to publish alongside the raw research files.
नीति निर्माता
Revise open science grant compliance criteria to mandate interpretive usability standards, such as example visualizations and methodology documentation, alongside raw data publication.
सारांश
यह अध्ययन इस बात की पड़ताल करता है कि जटिल वैज्ञानिक डेटासेट का पुनः उपयोग करने में डेटा पत्रकारों की सहायता के लिए ओपन रिसर्च डेटा प्लेटफ़ॉर्म कैसे डिज़ाइन किए जा सकते हैं। बाउंड्री थ्योरी (विभिन्न विशेषज्ञता वाले समुदायों के बीच ज्ञान के हस्तांतरण और समझ का अध्ययन) पर आधारित डिज़ाइन साइंस रिसर्च दृष्टिकोण का उपयोग करते हुए, शोधकर्ताओं ने छह डेटा पत्रकारों के साथ अर्ध-संरचित साक्षात्कार, 15 डेटा पत्रकारों के साथ एक सह-निर्माण कार्यशाला और 13 सूचना प्रणाली एवं अनुसंधान संचार विशेषज्ञों के साथ मूल्यांकन के माध्यम से आवश्यकताएँ एकत्र कीं।
समस्या
ओपन साइंस नीतियां शोधकर्ताओं को डेटा सार्वजनिक करने के लिए प्रेरित कर रही हैं, लेकिन इसका सार्थक पुनः उपयोग सुनिश्चित करना एक चुनौती बना हुआ है। ओपन-डेटा प्लेटफ़ॉर्म अक्सर डेटा प्रकाशन और तकनीकी पहुँच पर ज़ोर देते हैं, जबकि शोध डेटा को उसके मूल संदर्भ के बाहर समझने के लिए बहुत कम सहायता मिलती है। यह उन डेटा पत्रकारों के लिए विशेष समस्या उत्पन्न करता है, जिन्हें रिपोर्टिंग में उपयोग से पहले अपरिचित डेटासेट का विश्लेषण और सत्यापन करना होता है।
ट्रांसक्रिप्ट
Expert: धन्यवाद अन्ना। यह अध्ययन इस बात का विश्लेषण करता है कि ओपन रिसर्च डेटा प्लेटफ़ॉर्म को इस तरह कैसे डिज़ाइन किया जाए ताकि डेटा पत्रकार जटिल वैज्ञानिक डेटा का पुनः उपयोग कर सकें। विभिन्न नीतियों के कारण शोधकर्ता अपना डेटा सार्वजनिक तो कर रहे हैं, लेकिन न्यूज़रूम जैसी जगहों पर इस डेटा को समझना और रिपोर्टिंग में उपयोग करना अब भी एक व्यावहारिक समस्या बना हुआ है।
Host: डेटा जब पहले से उपलब्ध है, तो पत्रकारों को इसका उपयोग करने में क्या कठिनाइयाँ आ रही हैं?
Expert: अध्ययन के अनुसार, ओपन डेटा प्लेटफ़ॉर्म मुख्य रूप से डेटा को स्टोर करने और तकनीकी पहुँच देने पर ध्यान केंद्रित करते हैं। लेकिन जब कोई डेटा पत्रकार किसी बाहरी अकादमिक डेटासेट को देखता है, तो उसे यह समझने में कठिनाई होती है कि डेटा किस संदर्भ में एकत्र किया गया था, उसकी क्या सीमाएँ हैं और उसका सत्यापन कैसे किया जाए। न्यूज़रूम में समय की कमी होती है, और संदर्भ की कमी के कारण इस डेटा का सही उपयोग नहीं हो पाता।
Host: इस समस्या के समाधान के लिए शोधकर्ताओं ने क्या कार्यप्रणाली अपनाई?
Expert: इस अध्ययन में डिज़ाइन साइंस रिसर्च और बाउंड्री थ्योरी का उपयोग किया गया है। बाउंड्री थ्योरी यह समझने का ढाँचा देती है कि अलग-अलग विशेषज्ञता वाले समूहों के बीच ज्ञान का आदान-प्रदान कैसे होता है। शोधकर्ताओं ने आवश्यकताएँ एकत्र करने के लिए छह डेटा पत्रकारों के साथ अर्ध-संरचित साक्षात्कार किए और 15 डेटा पत्रकारों के साथ एक सह-निर्माण कार्यशाला आयोजित की। इसके बाद, 13 सूचना प्रणाली और अनुसंधान संचार विशेषज्ञों के साथ इन परिणामों का मूल्यांकन किया गया।
Host: इस प्रक्रिया से शोध डेटा के उपयोग से जुड़ी कौन-सी मुख्य बाधाएं सामने आईं?
Expert: अध्ययन ने पाँच विशिष्ट बाधाओं की पहचान की है: पहली, खंडित डेटा पहुँच; दूसरी, तकनीकी प्रारूपों में विसंगतियाँ; तीसरी, कार्यप्रणाली के प्रलेखन की कमी; चौथी, सत्यापन के लिए पर्याप्त साधनों का अभाव; और पाँचवीं, डेटा के अद्यतन में होने वाली देरी।
Host: इन कमियों को दूर करने के लिए अध्ययन में क्या समाधान प्रस्तावित किए गए हैं?
Expert: अध्ययन दो मार्गदर्शक मेटा-आवश्यकताओं और दस प्लेटफ़ॉर्म डिज़ाइन आवश्यकताओं को रेखांकित करता है। पहली मेटा-आवश्यकता विश्वसनीय तकनीकी आदान-प्रदान के लिए साझा डेटा संरचनाएँ उपलब्ध कराने की है, जिसमें मशीन-पठनीय प्रारूप, क्रॉस-सोर्स खोज और न्यूज़रूम टूल्स का एकीकरण शामिल है। दूसरी मेटा-आवश्यकता प्रासंगिक अनुवाद की है, ताकि डेटा का सही संदर्भ समझा जा सके। इसके तहत शोधकर्ता और पत्रकार के बीच सीधा संवाद चैनल, डेटा की मान्यताओं और अनिश्चितताओं को स्पष्ट करने वाले वर्णनात्मक फ़ील्ड, और उदाहरण विज़ुअलाइज़ेशन शामिल किए गए हैं।
Host: यह अध्ययन न्यूज़रूम से परे, व्यावसायिक संगठनों और उद्यमों के लिए क्यों महत्वपूर्ण है?
Expert: यह ढाँचा किसी भी ऐसे संगठन के लिए सीधे तौर पर प्रासंगिक है जहाँ तकनीकी और गैर-तकनीकी टीमों के बीच डेटा का आदान-प्रदान होता है। उदाहरण के लिए, जब डेटा साइंस या अनुसंधान टीमें अपने निष्कर्ष उत्पाद, विपणन या नेतृत्व टीमों के साथ साझा करती हैं, तो वहाँ भी यही सीमाएँ उत्पन्न होती हैं। यदि आंतरिक डेटा रिपॉजिटरी केवल डेटा फ़ाइलें देने के बजाय कार्यप्रणाली, अनिश्चितता और संदर्भ साझा करने की सुविधा दें, तो संगठन के भीतर डेटा का बेहतर और अधिक विश्वसनीय उपयोग संभव हो सकता है।
Host: यानी डेटा केवल उपलब्ध कराना पर्याप्त नहीं है, बल्कि उसके संदर्भ को संप्रेषित करना भी उतना ही आवश्यक है। एलेक्स, इस विश्लेषण के लिए आपका धन्यवाद।
Expert: धन्यवाद अन्ना।
Host: और हमारे श्रोताओं का भी धन्यवाद। आशा है कि यह अध्ययन आपके संगठन में डेटा प्रबंधन और ज्ञान साझा करने की प्रक्रियाओं को समझने में उपयोगी साबित होगा। सुनते रहिए A.I.S. Insights — powered by Living Knowledge। मिलते हैं अगले अंक में।
data journalism, open data platforms, data reuse, boundary spanning, design science research, open science