پایگاه داده علمی مجموعه ای کامپیوتری و سازماندهی شده از داده های مرتبط است که برای تحقیقات علمی و نظارت طولانی مدت قابل دسترسی است. پایگاه‌های اطلاعاتی علمی امکان ادغام مجموعه‌های داده‌های متفاوت را فراهم می‌کنند و امکان تجزیه و تحلیل داده‌ها را به روش‌های جدید، اغلب در بین رشته‌ها، فراهم می‌کنند و انواع جدیدی از تحقیقات علمی را ممکن می‌سازند.

توسعه و استفاده از پایگاه های اطلاعاتی علمی مزایای متعددی دارد. اول، پایگاه های داده منجر به بهبود کلی در کیفیت داده ها می شود. افزایش تعداد کاربران تعداد دفعات شناسایی و تصحیح مشکلات در داده ها را افزایش می دهد. مزیت دوم هزینه است. به طور کلی صرفه جویی در هزینه کمتر از جمع آوری داده ها است. همچنین، در بسیاری از موارد عوامل غیرقابل کنترل (مانند آب و هوا، تأثیرات جمعیتی و فرآیندهای اکوسیستم) به خاطر آوردن داده ها را به هر قیمتی غیرممکن می کند.

توسعه پایگاه داده یک فرآیند تکاملی است. یک پایگاه داده در طول عمر خود به یک جامعه پویا از کاربران خدمت می کند و باید تغییر کند تا نیازهای متغیر آنها را برآورده کند. به همین دلیل باید چهار سوال پرسیده شود.

من. چرا پایگاه داده مورد نیاز است ؟

ii کاربران پایگاه داده چه کسانی خواهند بود

این یک سوال مهم است زیرا –

الف) اگر یک گروه کاربری برای پایگاه داده قابل شناسایی نباشد، نیاز به پایگاه داده باید دوباره بررسی شود.

ب) دانش در مورد کاربران بالقوه اطلاعات مهمی را در مورد عملکردهای حیاتی که برای موفقیت پایگاه داده مورد نیاز است ارائه می دهد.

III. پایگاه داده باید به چه نوع سوالاتی پاسخ دهد؟

این نحوه ساختار داده ها در پایگاه داده را مشخص می کند. داده‌ها را می‌توان طوری ساختار داد که کارایی سیستم را برای رایج‌ترین انواع پرس‌و‌جوها به حداکثر برساند، یا می‌توان شاخص‌های متعددی از داده‌ها را برای امکان جستجوی انواع مختلف ارائه کرد.

IV چه مشوق هایی برای ارائه دهندگان داده در دسترس خواهد بود؟

همه پایگاه داده ها به یک یا چند منبع داده وابسته هستند. محیط علمی کنونی برای افرادی که داده ها را در پایگاه داده ها مشارکت می دهند، پاداش کمی ارائه می دهد.

2.1 انواع سیستم های پایگاه داده

سیستم های پایگاه داده یک ساختار مرکزی دارند که بر کار و عملکرد پایه پایگاه داده نظارت می کند. این ساختار یا بخشی از نرم افزار سیستم مدیریت پایگاه داده است یا در کد سیستم های داخلی بیشتر تعریف شده است. امروزه، اکثر سیستم ها از ساختار پایگاه داده رابطه ای استفاده می کنند، اما سیستم های دیگری نیز وجود دارند که ممکن است برای انواع خاصی از داده ها مناسب تر باشند (جدول 2 را ببینید).

2.2 پایگاه داده های رابطه ای

پایگاه داده های رابطه ای تا حد زیادی پرکاربردترین مدل های پایگاه داده هستند و به طور گسترده برای پایگاه های داده علمی استفاده می شوند. این احتمالاً به این دلیل است که پایگاه‌های اطلاعاتی رابطه‌ای اجازه می‌دهند داده‌ها به روشی مشابه پایگاه‌های داده سلسله مراتبی و شبکه‌ای ساختار داده شوند، اما سپس اجازه می‌دهد تا روابط بین‌المللی بر اساس مقادیر کلیدی خود داده‌ها مشخص شوند. بنابراین اصلاح ساختار یک پایگاه داده رابطه‌ای با تغییر یا افزودن پیوندهای بین داده‌ها نسبتاً آسان است (شکل 3). این ویژگی ها باعث محبوبیت این سیستم در بین کاربران شده است.

جدول 2. انواع و ویژگی های سیستم پایگاه داده.

نوع پایگاه داده	مشخصات
مبتنی بر سیستم فایل	از فایل ها و دایرکتوری ها برای سازماندهی اطلاعات استفاده می کند. مثال‌ها: سرورهای اطلاعات Gopher (معمولاً DBMS در نظر گرفته نمی‌شوند)
بر اساس سلسله مراتب	داده ها را در یک سیستم سلسله مراتبی ذخیره می کند. مثال ها: نرم افزار پایگاه داده IBM IMS، درختان فیلوژنتیک، تصاویر ماهواره ای در قالب داده های سلسله مراتبی (HDF)
شبکه	داده ها را در واحدهای متصل به هم با محدودیت های کمی در نوع و تعداد اتصالات ذخیره می کند. مثال: نرم افزار Cullinet IDMS/R، پایگاه داده رزرو خطوط هوایی
شی گرا	داده ها را در اشیایی ذخیره می کند که هر کدام شامل مجموعه ای از روش های تعریف شده برای دسترسی و دستکاری داده ها هستند. مثال: پایگاه داده POSTGRES
رابطه ای	داده ها را در جداول ذخیره می کند که می توانند با فیلدهای کلیدی به هم مرتبط شوند. مثال‌ها: پایگاه‌های داده زبان پرس و جو ساختاریافته (SQL) مانند Oracle، Sybase و سرور SQL، پایگاه‌های داده رایانه شخصی مانند DBASE و FoxBase

شکل 3. ساختار پایگاه داده رابطه ای

2.3 ملاحظات نرم افزار DBMS

انتخاب نرم افزار پایگاه داده با وظایفی که نرم افزار انتظار می رود انجام دهد (مانند ورودی، پرس و جو، مرتب سازی و تجزیه و تحلیل) تعیین می شود. سادگی کلید است.

بسیاری از توابع مفید از جمله توانایی مرتب سازی، فهرست بندی و جستجوی داده ها در نرم افزار DBMS تعبیه شده است. پایگاه داده های رابطه ای بزرگ همچنین شامل بررسی های گسترده یکپارچگی و افزونگی هستند. این پایگاه‌های اطلاعاتی همچنین می‌توانند از فرآیندهای تراکنش با قابلیت‌های «بازگشت» پشتیبانی کنند، که امکان بازآفرینی پایگاه داده را همانطور که در یک زمان خاص وجود داشته است، فراهم می‌کند.

2.4 تعامل با شبکه جهانی وب

یک نوآوری مهم در DBMS، معرفی نرم افزاری است که DBMS را قادر می سازد با سرورهای اطلاعاتی وب گسترده (www) تعامل داشته باشد. این اجازه می دهد تا طیف وسیعی از صفحات www پویا تولید شود. این صفحات که برنامه های کاربردی وب نامیده می شوند، به کاربران اجازه می دهند داده ها و ابرداده ها را از طریق یک رابط کاربری معمولی و آشنا بازیابی و مشارکت دهند.

2.5 مدل سازی و عادی سازی داده ها

در ایجاد پایگاه داده، DBMS بوم را تشکیل می دهد، اما مدل داده، نقاشی است. هدف یک مدل داده، تعریف صریح موجودیت های ارائه شده در پایگاه داده و بیان روابط بین این موجودیت های مختلف است (شکل 4). در نهایت، مدل داده به عنوان نقشه راه برای تعریف جداول، اشیا و روابط استفاده خواهد شد.

عادی سازی فرآیندی است که در آن یک مدل داده به عناصر اساسی آن کاهش می یابد. هدف عادی سازی حذف موارد اضافی و منابع بالقوه ناسازگاری است. در طول فرآیند عادی سازی، تعریف موجودیت ها و ویژگی های جدید یا حذف موارد قدیمی از یک مدل داده غیرعادی نیست.

شکل 4. مثالی برای نمودار موجودیت-رابطه.

جدول 3. پایگاه داده «عمیق» در مقابل «گسترده».

پایگاه های داده “عمیق”.	پایگاه های داده “گسترده”.
· در یک یا چند نوع داده تخصص داشته باشید.	· حاوی انواع مختلفی از داده ها است.
· حاوی مقادیر زیادی مشاهدات روی یک (یا چند) نوع داده است.	· شامل انواع مختلفی از مشاهدات، اما داده های نسبتا کمی از هر نوع.
· ابزارهای پیچیده پرس و جو و تجزیه و تحلیل داده ها را فراهم کنید.	· ممکن است ابزارهایی برای مکان یابی داده ها فراهم کند، اما معمولاً ابزارهایی برای تجزیه و تحلیل ندارند.
· ابزارها عمدتاً بر روی محتوای داده ها عمل می کنند.	· ابزارها عمدتاً بر روی محتوای ابرداده عمل می کنند.

2.6 نمونه هایی از پایگاه های علمی

بر اساس محتوای آنها، پایگاه های اطلاعاتی علمی را می توان در یکی از دو دسته عمیق یا گسترده قرار داد (جدول 3 را ببینید). پایگاه‌های داده Deep در یک یا چند نوع داده تخصص دارند و قابلیت‌های جستجو و تحلیل پیچیده را پیاده‌سازی می‌کنند.

پایگاه‌های داده «گسترده» مجموعه‌های داده‌ای هستند که تلاش می‌کنند همه داده‌های مربوط به یک رشته خاص از علم را در بر گیرند.

پایگاه های داده ای که می توانند به عنوان گسترده طبقه بندی شوند، پایگاه های داده مبتنی بر پروژه هستند. این پایگاه‌های اطلاعاتی از یک پروژه تحقیقاتی چند رشته‌ای خاص پشتیبانی می‌کنند و ممکن است شامل طیف وسیعی از داده‌های خاص در یک سایت یا سؤال تحقیقاتی خاص باشد. پایگاه های داده در سایت های تحقیقات زیست محیطی بلند مدت (LTER) مثال خوبی است. این پایگاه‌های اطلاعاتی شامل طیف گسترده‌ای از داده‌های زیست‌محیطی (مانند آب و هوا و آب و هوا، بهره‌وری اولیه، حرکات مواد مغذی، مواد آلی، ساختار تغذیه‌ای، تنوع زیستی و داده‌های آشفتگی)، همراه با اطلاعات مدیریت سایت (مانند فهرست راهنمای پژوهش، کتاب‌شناسی و پیشنهادات کاربردی) است.

یک سری الزامات ضروری وجود دارد که یک پایگاه داده باید برای موفقیت با کاربران داشته باشد.

من. داده هایی که حاوی آن است باید توسط گروهی از کاربران مورد نظر باشد.

همچنین داده ها باید به روز و کامل باشند. بنابراین سیستم داده باید به راحتی به روز شود و به ارائه دهندگان داده انگیزه های مناسب برای به روز رسانی اطلاعات داده شود.

ii داده ها باید در قالبی جذاب به کاربر ارائه شوند.

III. تخصص فناورانه مورد نیاز برای استفاده از سیستم باید با کاربران سازگار باشد.

IV یک مکانیسم گفتگو برای رسیدگی به سؤالات کاربر و برای شناسایی نیازهای برآورده نشده کاربر مورد نیاز است.

یک پایگاه داده برای موفقیت باید تمام این الزامات را برآورده کند.

تضمین کیفیت داده ها

نمی توان اغراق کرد که کیفیت داده ها چقدر برای داده های تحقیقات اکولوژیکی مهم است. آلودگی داده زمانی رخ می دهد که یک فرآیند یا پدیده، به غیر از مورد مورد علاقه، بر یک مقدار متغیر تأثیر بگذارد. پیشگیری از طریق کنترل کیفیت اولین گام در از بین بردن آلودگی داده ها است و بسیار ارجح تر از “درمان” است. پیشگیری در درجه اول یک موضوع مدیریت داده است، نه آماری. بسیاری از مشکلات کیفیتی که با آن مواجه می شوند به دلیل ساخت و ساز و مدیریت داده ها است.

3.1 جلوگیری از آلودگی داده ها

منابع آلودگی داده ها به دلیل خطاهای ورود داده ها را می توان با استفاده از تکنیک های کنترل کیفیت حذف یا تا حد زیادی کاهش داد. یک استراتژی بسیار مؤثر این است که داده ها به طور مستقل توسط دو تکنسین کلید زده شود و سپس برای توافق توسط رایانه تأیید شود. این عمل در خدمات ورود داده های حرفه ای و در برخی از صنایع خدماتی رایج است.

3.2 فیلترهای داده غیرقانونی

داده های غیرقانونی مقادیر متغیر یا ترکیبی از مقادیر هستند که با توجه به پدیده واقعی مشاهده شده به معنای واقعی کلمه غیرممکن است. یک تکنیک ساده و پرکاربرد برای تشخیص این نوع آلودگی، فیلتر داده غیرقانونی است. این یک برنامه کامپیوتری است که به سادگی یک مجموعه داده را با “لیست لباسشویی” از محدودیت های ارزش متغیر بررسی می کند و سپس یک خروجی با هویت و جزئیات هر تخلف ایجاد می کند. برنامه فیلتر را می توان برای شناسایی انواع جدیدی از داده های غیرقانونی که ممکن است قبلاً در مطالعه پیش بینی نشده بود، به روز و/یا بهبود بخشد.

3.3 تشخیص نقاط پرت

با توجه به مدل آماری در حال استفاده، یک مقدار پرت یک مقدار غیرمعمول برای یک متغیر است. منظور از «غیرعادی افراطی» یک موضوع نظری است، اما کلمه عملی در اینجا «غیر معمول» است. در واقع، در هر مجموعه داده ای باید مقادیر شدیدی را انتظار داشت.

تشخیص پرت بخشی از فرآیند بررسی مفروضات مدل‌های آماری است (فرآیندی که باید در تجزیه و تحلیل داده‌های رسمی نقش داشته باشد).

حذف موارد پرت نباید هدف تضمین کیفیت داده باشد. بسیاری از پدیده‌های زیست‌محیطی به‌طور طبیعی ارزش‌های افراطی تولید می‌کنند، و حذف این ارزش‌ها صرفاً به این دلیل که افراطی هستند، معادل این است که وانمود کنیم این پدیده «خوب رفتار می‌کند» در حالی که چنین نیست.

3.4 بررسی فرضیات آزمون با نمودارهای احتمال عادی

الگوهای توزیع نرمال مجموعه داده های آلوده نشده با اندازه معین باید قبل از شناسایی نقاط پرت در داده های آلوده شناخته شود. این معمولاً با این فرض حاصل می شود که اندازه گیری های آلوده از یک توزیع احتمال مشخص، معمولاً توزیع نرمال (یا گاوسی) پیروی می کنند. اکثر آزمون‌های پرت همچنین فرض می‌کنند که اندازه‌گیری‌های مورد علاقه (خطاها در مدل رگرسیون یا ANOVA) از توزیع نرمال پیروی می‌کنند. یک وسیله قدیمی برای بررسی این توزیع نرمال، که در عصر کامپیوتر محبوبیت فزاینده ای پیدا می کند، نمودار احتمال عادی است.

یک منحنی زنگی شکل در یک هیستوگرام ایده آل از داده های توزیع نرمال به دست می آید. اگر در هر مقدار متغیر بالقوه (Y) مساحت تجمعی زیر منحنی زنگی در سمت چپ آن محاسبه شود و سپس اینها رسم شوند، منحنی سیگموید به دست می‌آییم. این مقادیر (Y) در واقع مقادیر ارائه شده در جداول توزیع احتمال عادی هستند. یک نمودار احتمال عادی اساساً محور عمودی را مجدداً فاصله می‌دهد تا نقاطی که از این منحنی سیگموئید خاص پیروی می‌کنند، هنگامی که در برابر محور فاصله‌گذاری شده رسم می‌شوند، روی یک خط مستقیم قرار می‌گیرند. اگر نقاط نمونه به طور قابل ملاحظه ای از یک خط در هنگام ترسیم به این روش منحرف شوند، آنها از توزیع غیرعادی هستند.

3.5 یک آزمون دورافتاده رسمی: آزمون گرابز

یکی از قدیمی ترین و پرکاربردترین روش ها برای تشخیص آلودگی در یک نمونه، آزمایش گرابز است. این آزمایش فرض می‌کند که پس از حذف آلودگی، داده‌ها از توزیع نرمال پیروی می‌کنند. این آزمون به این فرض بسیار حساس است و بنابراین اگر داده‌های «پاک‌شده» توزیع نرمال ندارند، نباید استفاده شود.

3.6 اقدامات تشخیصی برای نقاط اهرمی و نقاط پرت

نقاط اهرمی و نقاط پرت داده های تأثیرگذار در رگرسیون خطی چندگانه هستند. در رگرسیون های خطی ساده، اقدامات تشخیصی رسمی تقریباً غیر ضروری هستند، زیرا نقاط اهرمی و نقاط پرت معمولاً با چشم در نموداری از متغیر پاسخ در مقابل رگرسیون قابل تشخیص هستند. در رگرسیون خطی چندگانه این دیگر درست نیست. در این مورد، بررسی‌های تشخیصی با استفاده از مقادیر اهرمی و باقیمانده‌های دانشجویی می‌توانند به تحلیلگر داده‌ها کمک کنند تا مشاهدات تأثیرگذاری را پیدا کند که به خوبی در نمودارهای پراکندگی و سایر ابزارهای تحلیل ساده پنهان هستند.

پیشگیری و تشخیص آلودگی در نمونه ها و در رگرسیون.

آزمایش گرابس را می توان برای برآورده کردن الزامات نمونه های کوچک تکراری، همانطور که اغلب در مطالعات کیفیت آب انجام می دهد، تطبیق داد. این را می توان با استفاده از یک تخمینگر واریانس ترکیبی در چندین نمونه به دست آورد. مجموعه داده های بسیار بزرگ به طور فزاینده ای رایج می شوند و نیازمند انطباق جدید یا خلاقانه از روش های تضمین کیفیت موجود هستند.

فراداده و اهمیت آنها برای فناوری اطلاعات

فراداده حاوی اطلاعات مورد نیاز برای درک و استفاده موثر از داده ها است. این شامل اسناد محتویات مجموعه داده، زمینه، کیفیت، ساختار و قابلیت دسترسی است.

فراداده ها مورد توجه روزافزون جامعه علمی قرار گرفته اند. بوم‌شناسان، انجمن‌های علمی و آژانس‌های ایالتی و فدرال اهمیت داده‌های با کیفیت بالا، مستند و بایگانی شده ایمن را برای پرداختن به پرسش‌های محیطی درازمدت و مقیاس وسیع تشخیص می‌دهند. داده های زیست محیطی و زیست محیطی (به عنوان مثال جمع آوری شده در ایستگاه های صحرایی، آزمایشگاه های دریایی، پارک های ملی، و ذخایر طبیعی)، نشان دهنده یک منبع مهم نهادی، منطقه ای، ملی و بین المللی است. این داده ها برای درک و نظارت بر سلامت محیط در حال تغییر پویا ضروری است. فراداده جامع کلید «باز کردن» این منابع است و در نتیجه امکان استفاده گسترده و طولانی مدت از این داده ها را فراهم می کند.

4.1 مزایا و هزینه های مرتبط با فراداده

سطرها و ستون‌های مشاهدات عددی و متنی موجود در یک مجموعه داده اغلب به عنوان داده‌های خام نامیده می‌شوند. داده های خام معمولاً در صورتی دارای ارزش تلقی می شوند که بتوان از آنها در چارچوب علمی مطالعه ای که داده ها را تولید کرده استفاده کرد. تفسیر و استفاده از داده های خام برای بررسی مدل(های) نظری یا مفهومی زیربنایی یک مطالعه مستلزم درک انواع متغیرهای اندازه گیری شده است. واحدهای اندازه‌گیری، کیفیت داده‌ها، شرایطی که متغیرها تحت آن اندازه‌گیری شدند و سایر حقایق مرتبط، همگی مورد نیاز هستند و در فراداده ارائه می‌شوند. سپس اطلاعات از ترکیب داده های خام و ابرداده تولید می شود.

محتوای اطلاعات می تواند از طریق تخریب داده های خام یا ابرداده از بین برود. چنین از دست دادن اجتناب ناپذیر است و به عنوان آنتروپی اطلاعات نامیده می شود.

اگرچه از دست دادن و تخریب فراداده می تواند در طول دوره جمع آوری و تجزیه و تحلیل داده ها رخ دهد، نرخ از دست دادن اغلب پس از انتشار نتایج پروژه یا پایان مطالعه افزایش می یابد.

فواید

حداقل سه مزیت عمده را می توان از سرمایه گذاری زمان و پول کافی برای توسعه ابرداده به دست آورد.

من. آنتروپی داده ها به تأخیر می افتد و به همین ترتیب، طول عمر مجموعه داده ها افزایش می یابد

در نتیجه پیچیدگی داده‌ها، محدودیت‌های زمانی و بودجه، و آنتروپی اطلاعات، طول عمر یک مجموعه داده‌های بوم‌شناختی معمولی ممکن است بسیار کوتاه باشد و احتمالاً فقط از مفهوم مجموعه داده‌ها تا انتشار طول بکشد. حتی داده‌هایی که به‌درستی بایگانی و نگهداری می‌شوند اغلب بی‌فایده می‌شوند، زیرا ابرداده‌های مربوطه گم شده یا در دسترس نیستند. توسعه و نگهداری فراداده جامع می تواند با این تمایل طبیعی داده ها به کاهش محتوای اطلاعاتی در طول زمان مقابله کند.

ii استفاده مجدد از داده توسط سازنده و به اشتراک گذاری داده ها با دیگران تسهیل می شود

به استثنای نادر مجموعه‌های داده بسیار ساده که بلافاصله پس از جمع‌آوری تجزیه و تحلیل می‌شوند، حتی گردآورندگان داده‌ها برای تجزیه و تحلیل و پردازش بعدی به نوعی از ابرداده نیاز دارند. علاوه بر این، دانشمندان برای تفسیر و تحلیل دقیق داده‌های تحقیقاتی ناآشنا و طرح‌های آزمایشی پیچیده، به دستورالعمل‌ها یا مستندات بسیار دقیق نیاز دارند.

III. داده های مستند ممکن است برای گسترش مقیاس تحقیقات اکولوژیکی و پشتیبانی از مقایسه های معتبر در مکان و زمان استفاده شود.

برای مثال، تحقیقات کوتاه مدت ممکن است تکامل یابند یا در مطالعات بلندمدت ادغام شوند. پس داده‌ها برای نگهداری سوابق تاریخی چنین مجموعه‌های داده بلندمدت ضروری خواهند بود. این به این دلیل است که ناهماهنگی در مستندسازی داده ها و تغییرات در پرسنل، روش ها و ابزار دقیق احتمالاً در طول پروژه های درازمدت جاری رخ می دهد. علاوه بر این، ابرداده ها برای ترکیب مجموعه داده های فیزیکی، شیمیایی و بیولوژیکی حاوی پارامترهای مختلف، اما دارای حوزه های مکانی یا زمانی مشترک هستند، حیاتی هستند. بنابراین، فراداده جامع می‌تواند مجموعه‌های داده را (که برای یک هدف طراحی شده‌اند) به طور مکرر برای اهداف دیگر و در دوره‌های طولانی مورد استفاده قرار دهد.

هزینه ها

هزینه های بالا، عمدتاً از نظر زمان کارکنان، می تواند با توسعه و نگهداری ابرداده مرتبط باشد. برای آزمایش‌های نسبتاً ساده و کوتاه‌مدت، اندازه و تلاش برای ایجاد ابرداده ممکن است از اندازه و تلاش لازم برای ایجاد فایل داده بیشتر باشد. این در رشته‌هایی مانند شیمی و فیزیک که درک شرایط تجربی برای بازتولید داده‌ها حیاتی است، غیرمعمول نیست. در چنین مواردی، ابرداده ممکن است به همان میزان یا حتی بیشتر از خود داده مورد بررسی قرار گیرد. هزینه های بالایی با ویرایش و انتشار (در قالب های کاغذی یا الکترونیکی) داده ها و ابرداده ها مرتبط است. علاوه بر این، هزینه های مرتبط با توسعه و توزیع ابرداده به ندرت در بودجه پروژه گنجانده می شود. نظارت و نگهداری طولانی مدت از داده ها و ابرداده ها نشان دهنده هزینه های واقعی است که به ندرت محاسبه می شود.

4.2 «استانداردهای» محتوای فراداده مربوط به محیط زیست

همه داده های اکولوژیکی دارای یک جزء مکانی یا جغرافیایی هستند. جزء مکانی داده ها ممکن است از مرکزی بودن تا نسبتاً بی اهمیت بودن برای موفقیت یک پروژه متغیر باشد. به عنوان مثال، داده های جغرافیایی به طور صریح با چندین مکان جغرافیایی مرتبط هستند. در چنین مواردی، هم ویژگی های محیطی مرتبط با هر نقطه نمونه برداری و هم مکان خاص نقاط مورد توجه علمی است. تاکنون بیشتر تلاش‌ها برای استانداردسازی ابرداده‌ها بر روی داده‌هایی با مولفه‌های مکانی قوی متمرکز شده‌اند. در مقابل، داده‌های غیرمکانی ممکن است شامل داده‌های آزمایش‌های آزمایشگاهی یا سایر داده‌های اکولوژیکی جمع‌آوری‌شده در تعداد محدودی از مکان‌ها باشد.

فراداده های مکانی

تلاش های قابل توجهی برای توسعه استانداردهای ابرداده جغرافیایی در طول دهه گذشته انجام شده است. اخیراً کمیته داده های جغرافیایی فدرال (1994، 1998) استانداردهای محتوا برای فراداده های جغرافیایی دیجیتال را تکمیل کرد. استانداردهای محتوا شامل بیش از 200 فیلد فراداده است که در هفت کلاس از توضیحات فراداده طبقه بندی می شوند. تلاش‌هایی برای افزودن برنامه‌های افزودنی به استانداردهای محتوا، ایجاد ابرمجموعه‌های ابرداده متناسب با داده‌های بیولوژیکی، فرهنگی، جمعیت‌شناختی و دیگر انواع داده‌ها در حال انجام است. برای اطلاعات بیشتر در مورد استانداردهای نوظهور ابرداده در اروپا با MEGRIN ( http://www.megrin.org/) تماس بگیرید.. MEGRIN سازمانی است که نمایندگی و متعلق به تعدادی از آژانس های نقشه برداری ملی اروپا است. MEGRIN همچنین یک فهرست راهنمای توصیف داده های جغرافیایی را در وب گسترده دارد که اطلاعاتی در مورد نقشه های دیجیتالی کشورهای اروپایی دارد.

فراداده های اکولوژیکی غیرجغرافیایی

استانداردهای فراداده برای داده‌های بوم‌شناختی غیرمکانی در حال حاضر در قالب‌های پذیرفته‌شده‌ای فراتر از مواردی که برای مطالعات، پروژه‌ها یا سازمان‌های فردی استفاده می‌شوند، وجود ندارد. مطالعات بوم‌شناختی اغلب به مقادیر زیادی داده‌های متغیر مرتبط با ویژگی‌های شیمیایی و فیزیکی محیط، و همچنین اطلاعات مربوط به ارگانیسم‌ها، جمعیت‌ها، جوامع و اکوسیستم‌هایی که بخش زنده محیط را تشکیل می‌دهند، نیاز دارند. بعید است که یک استاندارد فراداده واحد، صرف نظر از اینکه چقدر جامع باشد، برای پوشش انواع داده های زیست محیطی ایجاد شود. در نتیجه، اخیراً مجموعه‌ای از توصیف‌گرهای فراداده غیرمکانی برای علوم اکولوژیکی معرفی شده‌اند. این فهرست از توصیفگرهای فراداده به عنوان الگویی برای رویه‌های فراداده خاص پروژه پیشنهاد شده است.

من. توصیفگرهای مجموعه داده: اطلاعات پایه مجموعه داده ها (به عنوان مثال عنوان مجموعه داده ها، دانشمندان مرتبط، چکیده و کلمات کلیدی).

ii توصیفگرهای منشأ تحقیق: تمام ابرداده های مربوطه که تحقیقی را که مجموعه داده را تولید کرده است (یعنی فرضیه ها، ویژگی های سایت، و طراحی و روش های آزمایشی) توصیف می کند.

III. وضعیت مجموعه داده ها و توصیفگرهای دسترسی: وضعیت مجموعه داده ها و ابرداده های مرتبط، و همچنین اطلاعات مربوط به قابلیت دسترسی به مجموعه داده ها.

IV توصیفگرهای ساختاری داده: تمام ویژگی های مربوط به ساختار فیزیکی فایل داده.

v. توصیفگرهای تکمیلی: کلیه اطلاعات مرتبط دیگری که ممکن است استفاده ثانویه، انتشار و حسابرسی مجموعه داده ها را تسهیل کند.

این توصیفگرهای فراداده برای پاسخ به پنج سؤال اساسی که ممکن است در هنگام تلاش بوم شناس برای شناسایی و استفاده از یک مجموعه داده خاص ایجاد شود، فرموله شده است:

من. چه داده های مرتبطی وجود دارد؟

ii چرا داده ها جمع آوری شد و آیا برای استفاده خاصی مناسب است؟

III. چگونه می توان داده ها را به دست آورد؟

IV داده ها چگونه سازماندهی و ساختار یافته بودند؟

v. چه اطلاعات اضافی در دسترس است که استفاده و تفسیر داده ها را تسهیل کند؟

شناسایی و مستندسازی تمام اطلاعات تکمیلی که ممکن است برای استفاده از داده های خاص مورد نیاز باشد، می تواند به ویژه دشوار باشد. به همین دلیل، طراحی ابرداده‌هایی که می‌توانند به عنوان وسیله‌ای برای بازخورد کاربر و گزارش ناهنجاری داده‌ها نیز عمل کنند، مفید باشد. برای مثال، “سابقه استفاده از مجموعه داده” ممکن است به مجموعه داده ها ارزش افزوده و استفاده طولانی مدت از آنها را تسهیل کند.

استانداردهای فراداده

دانشمندان اطلاعات چندین «استاندارد» فراداده عمومی را برای تسهیل فهرست نویسی و کشف منابع الکترونیکی ایجاد کرده اند. برخی از نمونه‌ها عبارتند از Dublin Core، فرمت تبادل فهرست ناسا و قالب سرویس یاب اطلاعات دولتی.

4.3 نرم افزار و منابع

دستورالعمل‌هایی برای ساختار ابرداده و فناوری پشتیبانی (یعنی نرم‌افزار کاربرپسند برای تولید و مدیریت فراداده) توسط سازمان‌های متعددی مورد بحث و توسعه قرار گرفته‌اند. یکی از رویکردهای امیدوارکننده به خصوص برای مدیریت ابرداده در جستجوی ابرداده مبتنی بر وب و سیستم های بازیابی داده تجسم یافته است. مرکوری که در مرکز بایگانی فعال توزیع شده آزمایشگاه ملی Oak Ridge توسعه یافته است نمونه ای از چنین سیستم های مبتنی بر وب است. مرکوری از جستجوی فراداده برای شناسایی داده های مورد علاقه پشتیبانی می کند و سپس داده ها را به کاربر تحویل می دهد. برای در دسترس قرار دادن داده‌ها و ابرداده‌ها، ارائه‌دهندگان داده‌ها آن‌ها را در ناحیه‌ای روی رایانه‌شان «مشاهده» می‌کنند و مرکوری به‌طور دوره‌ای ابرداده‌ها را جمع‌آوری می‌کند و به‌طور خودکار یک فهرست و یک پایگاه داده رابطه‌ای می‌سازد که متعاقباً در یک مرکز مرکزی قرار می‌گیرد.

ابزارهای تولید فراداده

هنگام انتخاب یک ابزار تولید فراداده، مهم است که در نظر بگیرید که آیا نرم افزار اهداف مشخص شده (به ویژه کامل بودن ابرداده) را برآورده می کند و آیا با دستورالعمل های صنعت یا رشته خاص مطابقت دارد یا خیر. در برخی موارد، ممکن است نیاز به استفاده از بیش از یک ابزار تولید ابرداده باشد.

به عنوان مثال، داده‌های مکانی یک موسسه ممکن است در یک برنامه ابرداده ارائه‌شده توسط فروشنده GIS که با استانداردهای کمیته داده‌های جغرافیایی فدرال (1994، 1998) مطابقت دارد و به خوبی در محیط GIS ادغام شده است، ادغام شود. در مقابل، داده‌های کیفیت آب آن‌ها ممکن است در یک برنامه ابرداده خاص گنجانده شود که سایر الزامات ایجاد شده توسط یک آژانس مالی ایالتی یا فدرال را برآورده می‌کند.

برخی از مهم‌ترین ویژگی‌های ابرداده (مثلاً مشاهدات تاریخ طبیعی) اغلب در قالب‌های بدون ساختار (اغلب به شکل یادداشت‌های کاغذی) ثبت و نگهداری می‌شوند. این ویژگی ها ممکن است برای تفسیر و تحلیل صحیح داده ها حیاتی باشند. یادداشت‌های میدانی و سایر ابرداده‌های بدون ساختار را می‌توان در فایل‌های کاغذی بایگانی کرد یا به فرمت دیجیتال تبدیل کرد (مانند اسکن، رونویسی به متن یا فایل‌های پردازش کلمه). این نوع ابرداده های بدون ساختار ممکن است برای تبادل با همکاران متخصص مناسب باشند، اما برای انتشار مجموعه داده های الکترونیکی و به اشتراک گذاری با جامعه علمی گسترده تر کافی نیستند. اگرچه ابزارهای تولید ابرداده موجود یا پیشنهادی ممکن است اکثر نیازهای ابرداده پروژه را برآورده کنند، باید به نحوه بایگانی و مدیریت نقشه‌ها، یادداشت‌های میدانی و سایر داده‌های بدون ساختار توجه شود.

ساختار فراداده

مقادیر فزاینده ای از فراداده های تکمیلی برای پاسخگویی به خواسته های کاربران داده های ثانویه اضافه می شود. کاربرد این داده ها را می توان با افزودن ساختاری به ابرداده بهبود بخشید. یک رکورد فراداده بسیار ساختار یافته و کاملاً قابل جستجو شامل یک سیستم مدیریت پایگاه داده پیچیده (DBMS) می شود. حداقل ساختار ابرداده را نباید با محتوای کم اشتباه گرفت.

افزایش ساختار ابرداده به دلایل مختلفی می تواند سودمند باشد. چک لیست کاراکتر فراداده ساختاریافته اغلب یک کمک حافظه در مورد اطلاعات مورد نیاز برای تسهیل پردازش و تفسیر بعدی داده ها فراهم می کند. ساختار افزایش یافته توسعه کاتالوگ های قابل جستجو و رابط های پایگاه داده را تسهیل می کند. این به طور بالقوه به داده ها اجازه می دهد تا در دسترس تعداد بیشتری از کاربران و نرم افزارهای پردازشگر قرار گیرند. سطوح بالای ساختار ممکن است یک عمل خوب باشد یا در برخی موارد ممکن است برای پروژه های خاص مورد نیاز باشد (مثلاً پروژه هایی که نیاز به ممیزی داده های دوره ای دارند). با این حال، فراداده‌های بسیار ساختاریافته ممکن است در مواردی که سطوح پایین استفاده ثانویه پیش‌بینی می‌شود، بیش از حد باشد. بنابراین، مزایای ترکیب ابرداده در قالب DBMS بسیار ساختار یافته باید در رابطه با نرم افزار، برنامه نویسی،

انتخاب رسانه و ساختار فراداده اغلب با در دسترس بودن ابزارهای تولید فراداده، پرسنل آموزش دیده در دسترس، محدودیت های زمانی و بودجه و نرخ های پیش بینی شده استفاده از ابرداده تعیین می شود. هنگامی که ابزارهای فراداده خاص ناکافی یا در دسترس نیستند، ابرداده ها ممکن است در فایل های پردازش کلمه (یا متن ASCII با جریان آزاد)، برنامه های تحلیلی (مثلاً برنامه های سیستم تحلیل آماری)، یا برنامه های DBMS ساختار یافته تر گنجانده شوند. ارضای سطوح بالای تقاضا برای ابرداده ممکن است مستلزم دسترسی به ابرداده DBMS از طریق کلمه گسترده وب باشد.

در اواسط دهه 1990، تعدادی از سازمان ها با ذخیره متوسط تا بزرگ داده ها، اجرای طرح های ابرداده را آغاز کردند. توضیحات قالب یا نرم‌افزار پیشرفته‌تر DBMS که ساختار ابرداده را افزایش می‌دهد و اغلب به طور مستقیم داده‌ها و ابرداده‌ها را به هم مرتبط می‌کند، معرفی شد. هدف اولیه این تلاش ها شروع استانداردسازی محتوا و ساختار داده ها به منظور تسهیل جستجو و بازیابی بود.

ابزارهای متعددی برای پیاده‌سازی برنامه‌های ابرداده مبتنی بر وب در سراسر کلمه، از جمله زبان نشانه‌گذاری فرامتن (HTML) و زبان نشانه‌گذاری قابل توسعه (XML) در دسترس هستند. XML یک قالب متن استاندارد شده است که زیرمجموعه ای از زبان نشانه گذاری تعمیم یافته استاندارد (SGML؛ استاندارد ISO 8879) را نشان می دهد. XML در حال حاضر مفیدترین زبان نمایش برای مستندسازی محتوا و معنایی منابع مبتنی بر وب است. این به طور خاص برای انتقال داده های ساختاریافته به برنامه های کاربردی وب طراحی شده است و کاربرد آن با سهولت نسبی گسترش آن با داشتن یک ساختار انعطاف پذیر که از تودرتو دلخواه پشتیبانی می کند و پتانسیل اعتبار سنجی خودکار بیشتر می شود.

4.4 پیاده سازی فراداده

اهداف پیاده‌سازی ابرداده شامل تسهیل شناسایی و کسب داده‌ها برای یک موضوع خاص، دوره زمانی و/یا موقعیت جغرافیایی است. همچنین برای کمک به تعیین مناسب بودن داده ها برای اهداف خاص، تجزیه و تحلیل، مدل سازی و پردازش مورد نیاز است. سه موضوع مهم در برنامه ریزی و اجرای فراداده در نظر گرفته می شود: طول عمر مطلوب داده ها، میزان استفاده پیش بینی شده و اشتراک مسئولیت.

همه داده ها باید با نوعی از ابرداده همراه شوند (حتی اگر حداقل باشند). سطح فراداده ارائه شده میزان و زمان قابل استفاده مجدد داده ها توسط محقق(ها)، دانشمندان، مدیران منابع، تصمیم گیرندگان و سایر کاربران بالقوه را تعیین می کند. توسعه و نگهداری فراداده می تواند یک شرکت پرهزینه باشد. بنابراین ممکن است تلاش برای تطبیق محتوا و ساختار فراداده با نیازهای کاربران مورد انتظار ارزشمند باشد. اختصاص منابع پروژه به طراحی و اجرای فراداده هزینه و تلاش پرسنل را در بر دارد و می تواند در کوتاه مدت منجر به انتشار کمتر شود. پاداش تولید داده ها و ابرداده های با کیفیت بالا است که می تواند برای سال ها یا حتی دهه ها “کاوش” شود.

مرحله کلیدی پیاده سازی ابرداده، ارزیابی نیازهای سایت یا پروژه است. اهداف داده ها باید مشخص شوند (مثلاً طول عمر مورد نظر پروژه یا داده ها یا نیازهای بالقوه استفاده مجدد از داده ها). دستورالعمل ها و رویه هایی برای به اشتراک گذاری داده ها و مالکیت داده ها باید ایجاد شود. زیرساخت های موجود (به عنوان مثال سخت افزار، پرسنل، بودجه و غیره) باید ارزیابی شوند و در نهایت فعالیت های ابرداده باید اولویت بندی و دسته بندی شوند.

پس از اولویت بندی دسته بندی داده ها، لازم است یک استاندارد فراداده موجود (به عنوان مثال استاندارد ابرداده جغرافیایی، FGDC 1994،1998) اتخاذ شود یا مجموعه ای از توصیفگرهای حداقل یا بهینه ابرداده که نیازهای درک شده را برآورده می کند، شناسایی شود. همچنین توصیه می شود که یک پروژه آزمایشی با استفاده از یک یا چند مجموعه داده نسبتاً «ساده» انجام شود. موفقیت ها و مشکلات پروژه باید برای ارزیابی مجدد نیازها و اهداف سایت مورد استفاده قرار گیرد. سپس می توان استانداردهای رسمی فراداده و نرم افزار پشتیبانی را توسعه داد. در حالی که این استانداردها در حال ایجاد هستند، توصیفگرهای فراداده می توانند برای توسعه ابرداده برای دانشمندان، آزمایشگاه ها و پروژه ها استفاده شوند. گروه‌های کوچکی از دانشمندان که بر روی یک هدف تحقیقاتی خاص متمرکز شده‌اند، مانند ترکیب داده‌ها در مورد یک موضوع خاص، ممکن است از تلاش‌ها برای پیاده‌سازی ابرداده بهره‌مند شوند.

اجرای فراداده “کلیدهای موفقیت”.

آن را ساده نگه دارید! از کوچک شروع کنید و بر روی موفقیت ها بنا کنید. به عنوان مثال، زمان و تلاش صرف شده برای یک پروژه آزمایشی معمولاً در دراز مدت چندین برابر پرداخت می شود.
از همان ابتدا بین دانشمندان و مدیران داده اجماع ایجاد کنید. ابتکارات مدیریت داده، صرف نظر از مزایای بالقوه آنها، اغلب زمانی ناموفق هستند که «جامعه کاربر» از فرآیند حذف شود.
طول عمر داده ها تقریباً متناسب با جامعیت فراداده است. با این حال، ایجاد یک هدف از ابرداده کامل که بتواند تمام نیازهای آینده را برآورده کند، ممکن است بسیار پرهزینه و در نهایت دست نیافتنی باشد.
داده ها و ابرداده ها در حالت ایده آل باید مستقل از پلتفرم باشند. سخت افزار و نرم افزار به طور مکرر تغییر می کنند. «استاندارد» امروز ممکن است فردا از بین برود. بنابراین، اجتناب از فرمت‌های ذخیره‌سازی اداری در صورت امکان مفید است.
نظارت بر داده‌های زیست‌محیطی امن بایگانی شده و قابل دسترس برای تحقیقات آتی به شیوه‌های ارتقا و پاداش آن بستگی دارد.

تحقیقات اکولوژیکی پایه و کاربردی به در دسترس بودن داده ها از جمله توانایی مکان یابی و استفاده از داده ها بستگی دارد. اگر تلاش بیشتری برای توسعه مجموعه‌های داده با کیفیت بالا و ابرداده‌های همراه انجام شود، دانشمندان و سازمان‌ها می‌توانند زمان ارزشمند خود را بر روی تحلیل‌ها متمرکز کنند. فراداده جامع همچنین به دانشمندان و سازمان‌ها اجازه می‌دهد تا از داده‌های در نظر گرفته شده برای برنامه‌های دیگر استفاده مجدد کنند. ابزارهای انعطاف‌پذیر تولید و مدیریت فراداده که از ورود، جستجو و بازیابی پشتیبانی می‌کنند، برای تسهیل اجرای ابرداده ضروری هستند. نیاز قابل توجهی به تحقیق و توسعه در این زمینه وجود دارد.

آرشیو داده ها و اطلاعات اکولوژیکی

آرشیو داده ها (معمولاً به صورت الکترونیکی) مجموعه ای از مجموعه داده ها با فراداده های همراه است که به گونه ای ذخیره می شود که کاربران مختلف بتوانند داده ها را مکان یابی، کسب، درک و استفاده کنند. داده‌های بایگانی شده در برابر بلایای طبیعی و انسان‌ساز ایمن هستند و به شکلی حفظ می‌شوند که همچنان با تغییرات فناوری قابل دسترسی خواهند بود.

همانطور که تحقیقات بوم شناسی به سمت تحقیقات چند رشته ای منطقه ای و جهانی پیش می رود، مکانیسم هایی برای ترویج به اشتراک گذاری داده ها در میان بسیاری از رشته ها (هواشناسی، هیدرولوژی، علوم خاک، جنگلداری، کشاورزی، گیاه شناسی و غیره) و تضمین دسترسی به داده ها در آینده مورد نیاز است. آرشیوهای رسمی برای داده های زیست محیطی روزی این فرآیند را ممکن می کند. ارسال داده ها به آرشیو و به دست آوردن داده ها از بایگانی به بخشی جدایی ناپذیر از روند علمی فردا تبدیل خواهد شد. با این حال، بایگانی داده ها هنوز به آن توجه، منابع یا شناسایی مورد نیاز برای تبدیل شدن به بخشی معمولی از چرخه تحقیق و انتشار نشده است. اگرچه تعداد محدودی آرشیو داده های رسمی برای داده های زیست محیطی وجود دارد، بوم شناسان امروزه می توانند داده های خود را به گونه ای مدیریت کنند که نیازهای محلی برای امنیت داده ها و دسترسی را برآورده کند.

یک آرشیو داده برای “حفظ با درک” داده های زیست محیطی ایجاد شده است. در حالت بهینه، مجموعه‌ای دائمی از مجموعه‌های داده با فراداده‌های همراه است، به طوری که کاربران مختلف می‌توانند به آسانی داده‌ها را بدست آورند، درک کنند و استفاده کنند. طراحی یک آرشیو با سه محدودیت تعریف می شود:

من. محدوده داده هایی که باید ذخیره شوند؛

ii قابلیت جستجو و دسترسی؛

III. منابع برای بهره برداری و نگهداری.

تظاهرات و تجربه عملی کامپیوتر

سخنرانی های صبحگاهی با تمرینات آزمایشگاهی مرتبط با موضوع دنبال شد. هدف آن آشنایی شرکت کنندگان با نرم افزارهای موجود و مرتبط و نشان دادن مراحل مختلف انتخاب نرم افزار بود. تمرین ها حول ایجاد و مدیریت پایگاه های داده و در دسترس قرار دادن آنها از طریق اینترنت ترتیب داده شدند.

6.1 ابزار برای ورود داده ها و تجزیه و تحلیل های اساسی: مایکروسافت اکسل

بیشتر داده‌های جمع‌آوری‌شده در این زمینه در یک فایل صفحه‌گسترده به رایانه وارد می‌شوند. اکسل اگر نگوییم رایج ترین برنامه صفحه گسترده است. پردازش اولیه و تحلیل های آماری ساده را می توان بر روی داده های وارد شده انجام داد. اکثر شرکت کنندگان در کارگاه قبلاً از این نرم افزار استفاده کرده اند. بنابراین فقط یک مقدمه کوتاه ارائه شد که پس از آن تشخیص پرت (مقدار غیرمعمول شدید) بر روی نرم افزار انجام شد. شرکت کنندگان ابتدا نمودارهای توزیع داده ها را ایجاد کردند. آنها سپس از آزمون گرابز برای تعیین اینکه آیا داده های مشکوک، پرت واقعی هستند یا خیر، استفاده کردند. از آنجایی که آزمون گرابز توزیع نرمال را در نظر می گیرد، شرکت کنندگان ابتدا این فرض را با استفاده از نمودارهای احتمال عادی بررسی کردند و در صورت نیاز، قبل از اجرای آزمون گرابز، داده ها را تبدیل کردند.

6.2 نرم افزار مدیریت پایگاه داده مفید: Microsoft Access

مجموعه بزرگی از داده ها معمولاً از یک تحقیق یا یک پروژه نظارتی حاصل می شود. پس از تجزیه و تحلیل آنها برای به دست آوردن پاسخ به سؤال ویژه در دست و پس از انتشار نتایج، داده های اساسی همچنان ارزش بالایی را نشان می دهد. آنها می توانند به عنوان مثال برای مطالعات تطبیقی، مطالعات طولانی مدت، آنها می توانند به عنوان داده های مرجع برای تحقیقات دیگر یا به عنوان پارامتر ورودی مدل های اکولوژیکی استفاده شوند. برای دسترسی به داده‌ها برای دانشمندان دیگر یا عموم مردم، تنظیم آنها در یک پایگاه داده ساده، منطقی و به خوبی مدیریت شده اجتناب‌ناپذیر است.

چندین برنامه مدیریت پایگاه داده در بازار وجود دارد، اما یکی از پرکاربردترین ابزارها، مایکروسافت اکسس است، بنابراین شرکت کنندگان دوره مدیریت داده در سمیناری با این ابزار آشنا شدند. اگرچه این نرم افزار عمدتاً برای مدیریت مجموعه داده های تجاری توسعه یافته است، اما می توان از آن برای مدیریت مجموعه داده های زیست محیطی نیز استفاده کرد.

شرکت کنندگان در طی چندین ساعت تجربه ای با این نرم افزار به دست آوردند. آنها یاد گرفتند که چگونه جداول را برای ذخیره داده ها، فرم هایی برای وارد کردن داده ها در رایانه و پرس و جو ایجاد و اصلاح کنند که با کمک آنها می توان اطلاعات مورد نظر را از پایگاه داده به دست آورد. برگزارکنندگان دوره پس از یک دوره آموزشی اولیه کوتاه، برگه های داده دو پروژه یک پروژه پایش پرندگان و یک پروژه پایش پوشش گیاهی را ارائه کردند و شرکت کنندگان باید یکی را انتخاب می کردند و یک پایگاه داده برای ذخیره داده های جمع آوری شده ایجاد می کردند و برای به دست آوردن برخی اطلاعات پرس و جو می کردند. از پایگاه داده این تمرین شرکت کنندگان را قادر می ساخت تا با مشکلات روبرو شوند، نقاط قوت و ضعف برنامه را بیابند و به دنبال راه حل باشند. این تمرین نشان داد که حتی در مورد مجموعه داده های یکسانی، هر شرکت کننده یک پایگاه داده متفاوت ایجاد می کند. مشکلات مختلف و راه حل های متفاوت حتی برای یک مشکل پیدا کرد. این نشان داد که قبل از مرتب کردن داده ها در یک پایگاه داده، ابتدا باید هدف پایگاه داده، کاربران احتمالی و سؤالاتی که پایگاه داده قادر به پاسخگویی به آنها باشد در نظر گرفته شود.

6.3 نقش اینترنت در شبکه های داده

هدف اساسی این کارگاه ایجاد پایگاهی برای سیستم اطلاعات شبکه تحقیقاتی LTER اروپای مرکزی بود. هدف اصلی چنین سیستمی افزایش سهولت تبادل اطلاعات خواهد بود. استفاده گسترده و در دسترس بودن اینترنت تقریباً در تمام مؤسسات تحقیقاتی، استفاده از آن را در اجرای چنین شبکه ای مورد استفاده قرار می دهد. برای ساختن نتایج تحقیق در پایگاه‌های داده‌ای که می‌توان از طریق وب به آنها دسترسی داشت حداقل به دانش اولیه ابزارهای اینترنتی نیاز دارد. بنابراین به دانش وب گرا در کارگاه اهمیت زیادی داده شد.

6.4 زبان وب جهانی: HTML

www (وب جهانی) از HTML (زبان نشانه گذاری فرامتن) برای ایجاد صفحات وب استفاده می کند. این یک زبان کامپیوتری توصیفی برای برنامه‌های مرورگر وب (MS Internet Explorer، Netscape، Opera، و غیره) است که تعیین می‌کند چگونه صفحات باید بر روی صفحه نمایش برای بازدیدکنندگان ظاهر شوند. استفاده از آن در سطح پایه بسیار ساده است، دانش چند دستور (در اینجا “برچسب ها” نامیده می شود) برای ایجاد یک صفحه وب مفید کافی است. ما می‌توانیم نه تنها اشیاء (تصاویر، صداها)، بلکه پیوندهایی به صفحات یا برنامه‌های مرتبط دیگر را که مثلاً قادر به جستجو در پایگاه داده ما هستند، جاسازی کنیم. HTML پایه ای برای طراحی رابط شبکه پایگاه های داده ما است. بهتر است در نظر داشته باشید که اگرچه HTML فرصت های وسوسه انگیز زیادی را برای جذاب تر کردن صفحات ارائه می دهد، اما این ابزارها اندازه را افزایش می دهند و می توانند در دسترس بودن صفحه را دشوار کنند. بنابراین ارزش تلاش برای ایجاد صفحات ساده و منظم را دارد.

برای ویرایش صفحات HTML انواع مختلفی از نرم افزارهای آسان برای استفاده در بازار وجود دارد. شرکت کنندگان در کارگاه با آهنگساز نت اسکیپ آشنا شدند. شرکت کنندگان صفحه وب ساده خود را در سمینار HTML ایجاد کردند که توسط مربیان جمع آوری شد تا به زودی از طریق اینترنت در دسترس قرار گیرند. در پایان دوره تصمیم به ایجاد یک صفحه وب بین المللی گرفته شد که در آن اطلاعات شنیده شده در کارگاه و چندین اطلاعات مرتبط برای علاقه مندان به برنامه جمع آوری شود.

6.5 وب سرورها

برای عمومی کردن صفحات وب از طریق اینترنت به رایانه ای با برنامه وب سرور نیاز است. چندین نوع نرم افزار در دسترس است و اکثر سیستم عامل های جدید اغلب آنها را داخلی دارند. در کارگاه شرکت کنندگان از سرور اطلاعات اینترنتی مایکروسافت و سرور وب شخصی MS استفاده کردند. این ارتباط خوبی با سایر نرم افزارهای مایکروسافت دارد. البته سرورهایی که تحت سیستم عامل های دیگر کار می کنند (مانند یونیکس/لینوکس آپاچی وب سرور) کاملاً مناسب هستند. برای نصب اینها معمولاً به کمک اپراتور سیستم پژوهشکده نیاز است اما پس از نصب همه می توانند با آنها کار کنند.

6.6 ابزارهای وب سرویس

از آنجایی که HTML تنها چشم انداز صفحات وب را تعیین می کند، برای برقراری ارتباط با پایگاه های داده سایر برنامه های مرتبط ضروری هستند. این برنامه‌ها پیوند بین ابزارهای پایگاه داده و کاربران را تضمین می‌کنند، درخواست‌های کاربر را اجرا می‌کنند و یک صفحه عمدتاً مبتنی بر HTML از نتایج ایجاد می‌کنند و آن را به کاربر برمی‌گردانند. برای این اهداف بیشتر از برنامه های CGI و JAVA استفاده می شود. JAVA یک زبان کامپیوتری است که مخصوصاً برای HTML نوشته شده است و معمولاً روی رایانه کاربر اجرا می شود. اسکریپت های CGI کار را روی سرور انجام می دهند و چندین زبان برنامه نویسی قادر به نوشتن آنها هستند. استفاده از هر دو برنامه نیاز به تجربه دارد، اما تعداد زیادی از اسکریپت ها را می توان به صورت رایگان یا کاملاً ارزان از اینترنت برای چندین هدف دانلود کرد. اینها باید فقط کمی برای استفاده خاص ما اصلاح شوند.

اطلاعات مربوط به GTOS و پایگاه داده TEMS

کریستین وندربیلت با استفاده از مستندات GTOS به شرکت کنندگان در کارگاه در مورد سازمان، اهداف و پیوندهایی که GTOS با سایر شبکه های مشاهده گر دارد، اطلاع داد. تاکید بر بهبود تبادل داده و دسترسی به اطلاعات توسط حلقه گسترده ای از کاربران برجسته شد. و همچنین نیاز به هماهنگی روش ها، طبقه بندی داده ها و انتشار داده ها.

مسائل عمده ای که توسط GTOS مورد توجه قرار می گیرد به شرح زیر است:

تغییرات در کیفیت زمین؛

در دسترس بودن منابع آب شیرین؛

از دست دادن تنوع زیستی؛

تغییرات آب و هوا؛

اثرات آلودگی و سمیت.

به دلیل فرآیند بازنگری در حال انجام، پایگاه فراداده TEMS در طول دوره کارگاه در اینترنت در دسترس نبود. با این حال، یک کپی از پایگاه داده TEMS 97 برای نشان دادن نحوه استفاده از پایگاه داده برای یافتن اطلاعات در مورد سایت های شرکت کننده در دسترس بود. با استفاده از گزارش‌های شرکت‌کنندگان کارگاه و منابع ادبی، مجموعه‌ای مقدماتی از ابرداده‌ها در مورد انواع و طول مجموعه داده‌های سایت‌های منتخب در منطقه CEE تولید شد.

اطلاعات در محل

نوع و مدت زمان (در صورت وجود) مجموعه داده ها از سایت های انتخاب شده در کشورهای CEE

جمهوری چک

پارک ملی Krkonose و سایت LTER

سیستم کوهستانی پیچیده، منجلاب های زیر قطبی، سایت رامسر

موجودی، نظارت و تحقیق کامل از دهه 1960

کرت های دائمی: گیاهان آوندی از سال 1967

گیاهان غیر عروقی از سال 1981

بی مهرگان از سال 1982

مهره داران از سال 1983

داده های هیدرولوژی از سال 1904

آب و هوا، خاک، زمین شناسی از سال 1932

GIS (ARC/INFO – بیش از 300 لایه)

یک تیم مدیریت داده 4 نفره وجود دارد.

شخص تماس: Jiri Flousek، اداره NP Krkonose، posta@kmap.cas.cz

ذخیره‌گاه بیوسفر حوضه تربون و سایت LTER:

موزاییک تالاب ها و جنگل های معتدل پهن برگ و مختلط، 2 سایت رامسر از سال 90 و 1993

دما از سال 1876

هیدرولوژی از سال 1945

سرشماری پرندگان از سال 1960

شیمی آب

نظارت و مدیریت استخرهای ماهی بیش از 20 سال، پرندگان آبزی

نوسانات جمعیت، پستانداران، حشرات، قطعات جنگلی از 1938.

شخص تماس: میروسلاو هاتل، اداره PLA حوضه تربون، chkot@envi.cz

مجارستان

سایت Sikfõkút Oak Forest LTER:

جنگل برگریز معتدل

داده های پیوسته روی لایه درخت، درختچه و گیاه

دینامیک و عناصر هواشناسی از سال 1972

داده های غیر مستمر برای تولید اولیه، تولید ثانویه

زوماس، تولید و تجزیه بستر، باکتری ها و قارچ های خاک

چرخه مواد مغذی در سیستم هوا-خاک-گیاه

کاهش بلوط از سال 1979

شخص تماس؛ یانوس آتیلا توث، دانشگاه دبرسن، tja@tigris.klte.hu

سایت دریاچه بالاتون LTER:

دریاچه کم عمق معتدل

داده های هواشناسی و هیدرولوژیکی از سال 1900

شیمی آب در 12 نقطه نمونه از سال 1975

فیتوپلانکتون و زئوپلانکتون از سال 1965

تولید ماهی از سال 1905

بی مهرگان اعماق و ساحلی از سال 1975

ماکروفیت ها از سال 1975

شخص تماس: Sandor herodek Balaton Limnological Inst.HAS, intezet@tres.blki.hu

سایت KISKUN جنگل شنی-استپی LTER:

موزاییک علفزارهای نیمه خشک، تالاب ها، جنگل های ارس-صنوبر در چشم انداز کشاورزی

سوابق هواشناسی و آب های زیرزمینی از سال 1950

نقشه های تاریخی و اخیر پوشش گیاهی از 1783-84، 1883-84، 1980، و 1997-2000 سال

پایگاه داده فلور برای فلور عروقی از سال 1995

توده گیاهی علفزار از سال 1969 (غیر پیوسته)

سوابق حشرات از تله های نور از سال 1962،

پویایی حشرات در باغ های سیب 1986-1994

فعل و انفعالات گیاه و گیاهخوار از سال 1991

شخص تماس: Edit Kovacs-Lang, Inst.Ecol.Bot.HAS, lange@botanika.hu

لهستان

سایت Bieszczady Mountains LTER:

راش کارپات – جنگل صنوبر، مراتع آلپ، مخازن

داده های مربوط به آب و هوا

هیدرولوژی، ساختار جنگل از سال 1960

تاریخچه استفاده از زمین از سال 1850

جمعیت جوندگان از اواسط دهه 1950

پستانداران بزرگ از سال 1980

بی مهرگان از سال 1960

هیدروشیمی از سال 1973

جانوران کف از سال 1989

مطالعات اوزون از سال 1997 (شبکه منطقه ای در کارپات)

شخص تماس: Kajetan Perzanowski Internat.Centre of Ecol.PAS icepas@mikrotech.com.pl

رومانی

ذخیره گاه زیست کره دلتای دانوب:

مجموعه ای از اکوسیستم های طبیعی و نیمه طبیعی مانند شاخه های رودخانه، کانال ها، دریاچه ها، مرداب ها، تالاب ها، تپه های شنی، جنگل ها

داده های اولیه در مورد هیدرولوژی، تشکیل رسوب، ساختار و دینامیک

جوامع گیاهی جمعیت ماهی و پرندگان

از دهه 1980 سوابق در مورد شیمی آب، فلزات سنگین

فیتوپلانکتون ها، ماکروفیت ها، تولید اولیه و ثانویه

شخص تماس: Angheluta Vadineanu، دانشگاه بخارست، anvadi@bio.bio.unibuc.ro

ذخیره‌گاه بیوسفر کوه‌های رتضات:

سیستم کوهستانی پیچیده (سایت متعلق به شبکه GEF است)

بررسی های قبلی داده های مربوط به زمین شناسی، جغرافیا و فلور منطقه را تولید کرد

از دهه 1980، داده‌های گل‌شناسی، جانوری، گیاه‌شناسی، آب

شیمی، داده های پلانکتون از دریاچه های کوهستانی

این سایت عضو “شبکه ازن منطقه ای کارپات و آلودگی هوا” است.

شخص تماس: Dan Cogalniceanu، دانشگاه بخارست، danco@bio.bio.unibuc.ro

اسلواکی

سایت باب جنگل LTER:

جنگل های بلوط برگریز معتدل – ممرز

داده‌های مربوط به بهره‌وری اولیه و ثانویه تنوع زیستی

عناصر هواشناسی

چرخه های مواد مغذی

ویژگی های خاک

شخص تماس: پاول الیاس، دانشگاه کشاورزی نیترا، elias@afnet.uniag.sk

سایت Biely Vah LTER:

جنگل های سوزنی برگ معتدل

داده های مربوط به تنوع زیستی

عناصر هواشناسی

ویژگی های خاک

ساختار پوشش گیاهی

شخص تماس: جولیوس اوزلانی، موسسه اکولوژی منظر SAS، director@uke.savba.sk

سایت Polana LTER:

جنگل های کوهستانی مختلط معتدل

داده های مربوط به تنوع زیستی

ساختار پوشش گیاهی

بهره وری اولیه

عناصر هواشناسی

ویژگی های خاک

شخص تماس: جولیوس اوزلانی، موسسه اکولوژی منظر، SAS، director@uke.savba.sk

یک شبکه نظارتی منطقه ای برای

غلظت ازن، دی اکسید گوگرد و دی اکسید نیتروژن و تأثیر آنها بر جنگل در کوه های کارپات مشخص شد. جمهوری چک، اولند، رومانی، اسلواکی و اوکراین درگیر هستند.

رهبران پروژه: A. Bytnerowicz (USDA) و K. Grodzinska (موسسه گیاه شناسی، دانشگاه علمی لهستانی)

شخص تماس: Krystyna Grodzinska, grodzin@ib-pan.krakow.pl

وضعیت داده ها در سایت های مختلف بسیار متفاوت است. بسیاری از داده ها فقط در قالب نشریات وجود دارند یا فقط در رایانه های هر دانشمند ذخیره می شوند. در موارد معدودی، داده ها در پایگاه های داده قابل دسترسی سازماندهی می شوند.

سطوح مدیریت اطلاعات نیز بین سایت ها بسیار متفاوت است. سایت Krkonose (جمهوری چک) در چهار سال گذشته دارای یک تیم مدیریتی چهار نفره بوده است. با این حال اکثر سایت ها فاقد منابع انسانی و مالی هستند که مانع از توسعه مدیریت اطلاعات می شود. ابتکار درستی برای ارائه کمک های مالی ویژه برای استفاده در توسعه پایگاه داده از داده های بلندمدت “نهفته” موجود توسط جمهوری چک در سال 1999 راه اندازی شد و توسط مجارستان در سال 2000 دنبال شد.

برای پیشرفت باید بر دو مشکل اصلی غلبه کرد:

من. جذب کارشناسان انفورماتیک به دور از صنعت و اقتصاد که در آن حقوق بسیار بالاتری دریافت می کنند به مؤسسات تحقیقاتی.

ii از دانشمندان انتظار می رود که انتشارات علمی تولید کنند نه پایگاه های اطلاعاتی. بنابراین نیاز به تغییر رویکرد و نگرش ارزیابی علمی وجود دارد. برای غلبه بر این مشکلات به حمایت مالی نیز نیاز است. کارگاه های مبتنی بر مشابه به تغییر رویکردها و نگرش های علمی کمک خواهد کرد.

چه در حال نوشتن یک پایان نامه، پایان نامه یا مقاله تحقیقاتی باشید، بررسی ادبیات قبلی و یافته های تحقیق یک وظیفه کلیدی است. به احتمال زیاد، شما به دنبال منابع قابل اعتماد خواهید بود، به احتمال زیاد مقالات تحقیقاتی بررسی شده. پایگاه‌های اطلاعاتی تحقیقات دانشگاهی یافتن متون مورد نظر را آسان می‌کند. ما فهرست برتر منابع آکادمیک مورد اعتماد را گردآوری کرده‌ایم تا به شما در شروع تحقیقاتتان کمک کنیم:

1. اسکوپوس

Scopus یکی از دو پایگاه داده بزرگ تجاری و کتابشناختی است که ادبیات علمی تقریباً از هر رشته ای را پوشش می دهد. Scopus علاوه بر جستجو برای مقالات تحقیقاتی، رتبه‌بندی مجلات دانشگاهی، نمایه‌های نویسندگان و یک ماشین‌حساب h-index را نیز ارائه می‌کند.

پوشش: تقریبا 71 میلیون مورد
منابع: 1.4 میلیارد
رشته: چند رشته ای
گزینه های دسترسی: پیش نمایش رایگان محدود، دسترسی کامل فقط با اشتراک سازمانی
ارائه دهنده: الزویر

رابط جستجوی Scopus — Scopus: پایگاه داده کتابشناختی چند رشته ای که بیش از 71 میلیون مورد علمی را پوشش می دهد.

2. Web of Science

Web of Science که با نام Web of Knowledge نیز شناخته می شود، دومین پایگاه بزرگ کتابشناختی است. معمولاً مؤسسات دانشگاهی به صورت رایگان به Web of Science یا Scopus در شبکه دانشگاه خود دسترسی دارند.

پوشش: تقریبا 100 میلیون مورد
منابع: 1.4 میلیارد
رشته: چند رشته ای
گزینه های دسترسی: فقط اشتراک نهادی
ارائه دهنده: Clarivate (تامسون رویترز سابق)

صفحه فرود Web of Science — Web of Science: بیش از 100 میلیون مقاله علمی

3. PubMed

PubMed منبع شماره یک برای هر کسی است که به دنبال ادبیات پزشکی یا علوم زیستی است. PubMed چکیده ها و جزئیات کتابشناختی بیش از 30 میلیون مقاله را ذخیره می کند و پیوندهای متن کامل را به سایت های ناشر یا پیوندهایی به PDF رایگان در PubMed Central (PMC) ارائه می دهد.

پوشش: تقریبا 30 میلیون مورد
مراجع: NA
رشته: پزشکی، علوم زیستی
گزینه های دسترسی: رایگان
ارائه دهنده: NIH

رابط جستجوی PubMed — رابط جدید آزمایشگاه‌های PubMed: نگاهی اجمالی به آینده رابط جستجوی جدید PubMed.

4. اریک

برای علوم آموزشی، ERIC مقصد شماره یک است. ERIC مخفف Education Resources Information Center است و پایگاهی است که به طور خاص متون مربوط به آموزش را میزبانی می کند.

پوشش: تقریبا 1.3 میلیون مورد
مراجع: NA
رشته: علوم تربیتی
گزینه های دسترسی: رایگان
ارائه دهنده: وزارت آموزش و پرورش ایالات متحده

رابط جستجوی پایگاه داده دانشگاهی ERIC — ERIC: هیچ منبع بهتری برای ادبیات مرتبط با آموزش وجود ندارد

5. IEEE Xplore

IEEE Xplore پایگاه داده آکادمیک پیشرو در زمینه مهندسی و علوم کامپیوتر است. این فقط مقالات مجلات نیست، بلکه مقالات کنفرانس، استانداردها و کتاب هایی هستند که می توانند جستجو شوند.

پوشش: تقریبا 5 میلیون مورد
مراجع: NA
رشته: مهندسی
گزینه های دسترسی: رایگان
ارائه دهنده: IEEE (موسسه مهندسین برق و الکترونیک)

رابط جستجوی IEEE Xplore — IEEE Xplore: یک پایگاه داده دانشگاهی به طور خاص برای مهندسی و علوم کامپیوتر

6. ScienceDirect

ScienceDirect دروازه ای برای میلیون ها مقاله دانشگاهی منتشر شده توسط Elsevier است. 2500 مجله و بیش از 40000 کتاب الکترونیکی را می توان از طریق یک رابط جستجو کرد.

پوشش: تقریبا 16 میلیون مورد
مراجع: NA
رشته: چند رشته ای
گزینه های دسترسی: رایگان
ارائه دهنده: الزویر

رابط جستجوی ScienceDirect — ScienceDirect: یک پایگاه داده چند رشته ای حاوی مقاله از یکی از بزرگترین ناشران دانشگاهی در جهان

7. فهرست مجلات دسترسی آزاد (DOAJ)

DOAJ پایگاه آکادمیک بسیار ویژه ای است زیرا همه مقالات نمایه شده دسترسی آزاد هستند و می توان به صورت رایگان به آنها دسترسی داشت.

پوشش: تقریبا 4.3 میلیون مورد
مراجع: NA
رشته: چند رشته ای
گزینه های دسترسی: رایگان
ارائه دهنده: DOAJ

رابط جستجوی پایگاه داده DOAJ — DOAJ: هر سندی که در این پایگاه داده دانشگاهی بیابید، دسترسی آزاد است و می توان به رایگان به آن دسترسی داشت.

8. JSTOR

JSTOR منبع عالی دیگری برای یافتن مقالات تحقیقاتی است. هر مقاله ای که قبل از سال 1924 در ایالات متحده منتشر شده باشد به صورت رایگان در دسترس است و JSTOR همچنین بورسیه هایی را برای محققان مستقل ارائه می دهد.

پوشش: تقریبا 12 میلیون مورد
مراجع: NA
رشته: چند رشته ای
گزینه های دسترسی: رایگان
ارائه دهنده: ITHAKA

رابط جستجوی JSTOR — JSTOR: 12 میلیون مقاله علمی مربوط به اوایل سال 1876.

راهنمای موضوعی پایگاههای مهم اطلاعاتی:

1.ieeexplore.ieee.org

پوشش موضوعی: مهندسی برق، مهندسی پزشکی، مهندسی کامپیوتر.

کتابخانه های ملی و مجلس
1	کتابخانه ملی جمهوری اسلامی ایران	http://dl.nlai.ir/UI/Forms/Index.aspx
2	کتابخانه دیجیتال مجلس شورای اسلامی	http://dl.ical.ir/UI/Forms/Index.aspx
کتابخانه های دیجیتالی دانشگاهی ایران
ردیف	نام کتابخانه دیجیتالی	آدرس
1	كتابخانه ديجيتالي دانشگاه اميركبير	http://library.aut.ac.ir
2	کتابخانه دانشکده کارآفرینی دانشگاه تهران	http://ent.ut.ac.ir/lib/LoginPage.aspx
3	کتابخانه دانشگاه علم و صنعت ایران	http://dl.iust.ac.ir/Default.aspx?browserEngin=IE
4	کتابخانه دیجیتالی دانشگاه شیراز	http://dlib.shirazu.ac.ir
5	کتابخانه دیجیتالی دانشگاه پیام نور	http://www.pnueb.com/fa/default/default.aspx
6	کتابخانه دیجیتالی دانشگاه تهران	http://dlib.ut.ac.ir/index.htm
كتابخانه هاي ديجيتالي موسسات پژوهشي و مطالعاتي ايران
ردیف	نام کتابخانه دیجیتالی	آدرس
1	کتابخانه دیجیتالی دید	http://www.did.ir/
2	مرکز منطقه ای اطلاع رسانی علوم و فناوری	http://www.srlst.com/rlst-frs_files/Page598.htm
3	کتابخانه شهرک علمی و تحقیقاتی اصفهان	http://lib.istt.ir/Default.aspx?browserEngin=IE
4	کتابخانه و مرکز اسناد سازمان پژوهش های علمی و صنعتی ایران	http://library.irost.org
5	پژوهشگاه علوم و فناوری اطلاعات ایران	http://www.irandoc.ac.ir
6	مؤسسه تحقیقات ارتباطات و فناوری اطلاعات	http://www.itrc.ac.ir/itrcvlib.php
كتابخانه هاي ديجيتالي اسلامي
ردیف	نام کتابخانه دیجیتالی	آدرس
1	مؤسسه فرهنگی و اطلاع رسانی تبیان	http://www.tebyan.net/Index.aspx
2	پایگاه اطلاع رسانی پیامبر اعظم صلی الله علیه و آله و سلم	http://www.payambarazam.ir/books/default.asp
3	مؤسسه تحقیقات و نشر معارف اهل الیت علیهم السلام	http://www.ahlolbait.ir/dlibrary/books
کتابخانه های دیجیتالی عمومی
ردیف	نام کتابخانه دیجیتالی	آدرس
1	کتابخانه مجازی قفسه	http://www.ghafaseh.ir
	كتابخانه همراه به همت موسسه فرهنگي راسخون	www.rasekhoon.net
2	کتابخانه دیجیتالی ارم	http://www.dlib.ir/fa/index.aspx
3	مرکز کتاب الکترونیکی پارس	http://www.ebookpars.com
4	کتابهای الکترونیکی فارسی	http://www.downloadbook.org
شبكه هاي اسلامي مركز جهاني اطلاع رساني آل بيت
ردیف	نام کتابخانه دیجیتالی	آدرس
1	شبکه رافد للتنمیه الثقافیه	http://www.rafed.net/index.php
2	شبکه الامام الرضا علیه السلام	http://www.imamreza.net
3	شبکه یا زهرا سلام الله علیها	http://www.yazahra.net
4	شبکه امام مهدی (عج)

ایجاد پایگاه علمی و معرفی پایگاه های اطلاعات علمی :کامل و بی نظیر

تضمین کیفیت داده ها

فراداده و اهمیت آنها برای فناوری اطلاعات

آرشیو داده ها و اطلاعات اکولوژیکی

تظاهرات و تجربه عملی کامپیوتر

اطلاعات مربوط به GTOS و پایگاه داده TEMS

اطلاعات در محل

1. اسکوپوس

2. Web of Science

3. PubMed

4. اریک

5. IEEE Xplore

6. ScienceDirect

7. فهرست مجلات دسترسی آزاد (DOAJ)

8. JSTOR

علوم محیطی

علم شیمی

فیزیک

ریاضیات و آمار

قبلیثروتمندترین افراد جهان که تحصیلات خود را کامل نکرده اند

بعدی100 موضوع پایان نامه در گرافیک

بدون نظر

دیدگاهتان را بنویسید لغو پاسخ