9、元数据质量评估：手动与自动研究方法解析

元数据质量评估：手动与自动研究方法解析

1. 元数据质量评估框架概述

元数据质量评估框架众多，若按其创建者意图应用，都能提供所研究元数据的优缺点信息。不同框架在质量标准或维度的数量和名称上存在差异，但这些维度可在框架间轻松映射。例如，Stivlia 等人提出了他们的 21 个质量维度与 Bruce 和 Hillman 的 7 个维度之间的映射，而 Bruce 和 Hillman 的 7 个维度与 Margaritopoulos 等人的 3 个维度之间也可进行类似映射。

从实用角度看，所有框架本质上都是为了衡量元数据记录的质量，但不同质量框架存在一个重要区别：细节程度。Stivilia 和 Gasset 框架的 38 个维度能比 Margaritopoulos 等人的 3 个维度更清晰地呈现元数据集合的质量状况。然而，获取 38 个维度的值远比获取 3 个维度的评估复杂得多。

选择质量评估框架时，需在期望的细节程度和评估可用资源之间进行权衡。例如，若由元数据管理专家对样本记录进行评估以详细了解元数据集合的状态，应优先选择 Stivilia 和 Gasset 框架；若由非专家或自动方式定期对整个集合进行研究，则可选择 Bruce 和 Hillman 或 Margaritopoulos 等人的更简单框架。

2. 元数据集合质量研究分类

元数据质量研究大致可分为两类：
- 手动研究 ：由元数据专家根据预定义框架或质量标准，手动评估具有统计意义的元数据实例样本。这种方法源于图书馆编目的质量保证实践，专家评估后对不同标准的值求平均，以推断整个集合的元数据质量。
- 自动研究