Автоматизоване оцінювання якості відкритих даних засобами штучного інтелекту

Abstract

У роботі розглянуто проблему автоматизованого оцінювання якості відкритих даних із використанням засобів штучного інтелекту. Запропоновано підхід, що поєднує формальні правила валідації, статистичне профілювання та алгоритми виявлення аномалій. Розроблено прототип інструменту, який забезпечує автоматизоване завантаження та профілювання відкритих даних, перевірку їх повноти, форматної та структурної узгодженості, виявлення дублікатів, проблемних атрибутів і статистично нетипових значень. Взаємодію з платформою відкритих даних на базі CKAN реалізовано через програмний API. Апробація прототипу на реальних наборах відкритих даних підтвердила його здатність виявляти різні типи дефектів та формувати структурований звіт із результатами оцінювання і рекомендаціями щодо покращення даних. Запропонований підхід може бути використаний для автоматизації первинного аудиту якості відкритих даних та регулярного моніторингу їх придатності до повторного використання. Перспективними напрямами подальших досліджень визначено автоматизоване виправлення дефектів, семантичний аналіз метаданих, використання explainable AI та інтеграцію розроблених засобів у CKAN.