hrvatski

Aplikacija za analizu akademske produktivnosti

Nepristupačnost podataka o akademskim radovima predstavlja poseban problem za analizu i pregled podataka. Servisi koji poslužuju ovakve podatke obično nemaju sve potrebne podatke, ne prate određenu strukturu podataka ili imaju druga ograničenja poput broja podataka koje je moguće preuzeti, vremenski okviri u kojima je podatke moguće preuzeti, posebni zahtjevi na pristup podacima, zabrana izvođenja analize nad preuzetim podacima i tome slično. Cilj ovog rada bio je demonstrirati jednostavnije i pristupačnije rješenje za korištenje podataka o akademskim radovima u svrhu analize i pregleda podataka. Odabrane su tehnologije koje su efikasnije u radu s podacima koji su visoko povezani. Za pohranu podataka odabrana je graf baza u kojoj su veze jednako važne kao i podaci. Na ovaj način jednostavnije je i učinkovitije dohvaćanje povezanih podataka preko njihovih veza za razliku od tradicionalnih relacijskih baza podataka. Za pretraživanje podataka u graf bazi predložena je tehnologija ElasticSearch koja indeksira sve podatke graf baze. Indeksirani podaci koriste se za učinkovito pretraživanje svih podataka. Generalno pretraživanje podataka jedna je od mana graf baza koja se na ovaj način može otkloniti. Za izradu web aplikacije odabrane su tehnologije kojima se olakšava razvoj. Podešeno je prepoznavanje tipova podataka u Javascript dinamičkom jeziku. Napravljen je pregled načina na koji je moguće iskoristiti napravljeno aplikacijsko programsko sučelje graf baze. Predloženo je prikupljanje, obrada i pohrana podataka. Za prikupljanje podataka korišteni su skriptni jezici. Oni ubrzavaju razvoj privremenih sustava svojom pristupačnošću i visokom razinom apstrakcije. Obrada podataka napravljena je nad prikupljenim podacima u više koraka. Nakon analize prikupljenih podataka, svi podaci koje je bilo moguće dobiti iz podatkovnog izvora pretvoreni su u predloženi format. Opisane su i određene metode za ubrzavanje obrade podataka. Za analizu podataka o akademskim radovima potrebno je uzeti u obzir što više izvora podataka. Na ovaj način podaci će biti cjeloviti. Preuzete podatke potrebno je prilagoditi zajedničkoj strukturi. Razlike u strukturi izvora mogu predstavljati problem kod prilagodbe u postojeću strukturu. Za naprednije parsiranje podataka predlažu se metode strojnog učenja. Sustav je predloženo otvoriti za korištenje kako bi potakli kolaboraciju i daljnji razvoj. Opisano je postavljanje sustava u produkcijsko okružje, osiguravanje prometa podataka i različiti načini za posluživanje podataka.

analiza podataka, graf baze podataka, aplikacijska programska sučelja, dinamički jezici

nije evidentirano