Daha çox

World.dat kimi sadə bir xəritə məlumat mənbəyi varmı?


Bu yaxınlarda www.gnuplotting.org/plotting-the-world/ dünyanın əsas xəritəsini özündə saxlayan bir sənəd istifadə edən bu blog yazısına rast gəldim. Bu tip məlumatların bir adı varmı? Bənzər, lakin daha yüksək qətnamə məlumatları deposu var.

Verilərlə birbaşa əlaqə: www.gnuplotting.org/data/world.dat


World.dat faylı, xüsusi olaraq GnuPlot üçün bir fayl formatıdır. Başqa bir yerdə istifadəsi barədə eşitməmişəm və heç nə tapa bilmədim.

Eyni saytdakı daha yaxın bir blog yazısında müəllif, daha yaxşı məlumatlarla, xüsusən Natural Earth-dən dünya.dat faylını yeniləmədən bəhs edir. Müəllif forma faylları ilə başladığından, eyni məlumat axını, hər hansı bir formada istifadə edilə bilər, çünki formalı fayl formatı hər yerdə olur.


R paketi Rgnuplot istifadə edərək görüntü sənədlərindən və ya şəkillərdən gnuplot üçün öz xəritələrinizi yarada bilərsiniz.

Həm də bir çox kartoqrafik proqnozda plan qura bilər


World.dat - Coğrafi İnformasiya Sistemləri kimi sadə bir xəritə məlumat mənbəyi varmı?

Modul 2: Məlumat toplama metodları - Fəsillər 2

Onlayn dərs

Asudə Tədqiqat Metodları

Tədqiqat sualı müəyyən edildikdən sonra növbəti addım hansı metodun uyğun və təsirli olacağını müəyyənləşdirməkdir.

Aşağıdakı cədvəldə müxtəlif metodologiyaların əsas xüsusiyyətləri təsvir edilmişdir.

Kəmiyyət və kəmiyyət tədqiqat metodologiyaları

Kəmiyyət tədqiqat metodlarına aşağıdakılar daxildir:

Keyfiyyətli tədqiqat metodlarına aşağıdakılar daxildir:

Hər bir tədqiqat metodunun güclü və zəif tərəfləri var. Bir tədqiqat işini tərtib edərkən, tədqiqatın nəticəsinin (məlumatlarının) nə olacağına qərar vermək, sonra istədiyiniz məlumatı istehsal etmək üçün ən yaxşı metodologiyanı seçmək vacibdir.

Məlumat toplama üsulları

İki məlumat mənbəyi var. Əsas məlumatların toplanması anketlərdən, təcrübələrdən və ya birbaşa müşahidələrdən istifadə olunur. İkincil məlumatların toplanması, müxtəlif sənəd mənbələrindən və ya elektron qaydada saxlanılan məlumatlardan məlumat toplamaqla aparıla bilər. ABŞ siyahıyaalması və bazar araşdırmaları ümumi ikinci dərəcəli mənbələrin nümunəsidir. Buna həm & quotdata mədən & quot; deyilir

Əsas məlumat toplama üsulları

Giriş yazmaq

Hər hansı bir tədqiqat təklifində tədqiqatçı & quotinvestisiya & quot; sözündən çəkinməlidir. & Quot; Bu söz mənfi mənada qəbul olunur.

Yaxşı bir girişin əsas komponentləri daxildir

Eksperimental Müalicələr

Eksperimental dizaynlar statistik əhəmiyyətin əsasını təşkil edir. Eksperimental dizaynın əsaslarının nümunəsi aşağıda göstərilmişdir.

Tədqiqatçı açıq havada istirahət proqramının (müstəqil dəyişən, təcrübi müalicə və ya müdaxilə dəyişəninin) risk altında olan gənclərin davranışlarına (asılı və ya nəticə dəyişkənləri) təsiri ilə maraqlanır.

Bu nümunədə müstəqil dəyişənin (açıq istirahət proqramı) asılı dəyişkəndə bir dəyişiklik yaratması gözlənilir. Yaxşı hazırlanmış bir araşdırma ilə belə bir sual qalır, tədqiqatçı davranışdakı dəyişikliklərin, varsa, açıq şəkildə istirahət proqramından qaynaqlandığına, müdaxilə edən və ya kənar dəyişənlərə deyil, necə əmin ola bilər? Eksperimental dizayn müdaxilə edən və kənar dəyişiklikləri aradan qaldırmır, əksinə onların təsirlərini nəzərə almağa çalışır.

Təcrübə nəzarəti dörd əsas faktorla əlaqələndirilir (Huck, Cormier, & amp Bounds, 1974).

Müalicə qrupu: Bir nümunənin və ya populyasiyanın müstəqil dəyişənin manipulyasiyasına məruz qalan hissəsi müalicə qrupu kimi tanınır. Məsələn, istirahət proqramlarına yazılan və iştirak edən gənclər müalicə qrupudur və heç bir istirahət xidmətləri göstərilməyən qrup nəzarət qrupunu təşkil edir.

Eksperimental dizaynın etibarlılığını qiymətləndirmək üçün iki əsas meyar vardır.

Xətalar: müstəqil dəyişənin təsiri ilə digər dəyişənlərin təsirini qarışdıracaq şərtlərdir.

Həqiqi Dizaynlar - Eksperimental Tədqiqat Dizaynına dair beş əsas addım

1. Tədqiqatınızla bağlı hazırkı araşdırmalar üçün ədəbiyyatı araşdırın.
2. Problemi müəyyənləşdirin, fərziyyə hazırlayın, əsas şərtləri və dəyişənləri təyin edin və dəyişənləri işlək vəziyyətə gətirin.
3. Tədqiqat planı hazırlayın:
a. Təcrübəni çirkləndirə biləcək qarışıq / vasitəçi dəyişənləri müəyyənləşdirin və onları idarə etmək və ya minimuma endirmək üçün metodlar inkişaf etdirin.
b. Tədqiqat dizaynını seçin (Fəsil 3-ə baxın).
c. Təsadüfi olaraq mövzuları seçin və təsadüfi olaraq qruplara təyin edin.
d. İstifadə olunan bütün alətləri doğrulayın.
e. Məlumat toplama prosedurlarını inkişaf etdirin, pilot bir araşdırma aparın və cihazı incəldin.
f. Boş və alternativ fərziyyələri söyləyin və tədqiqatın statistik əhəmiyyət səviyyəsini təyin edin.
4. Tədqiqat təcrübəsini (lərini) aparmaq.
5. Bütün məlumatları təhlil edin, müvafiq statistik testlər aparın və nəticələrin hesabatını verin.

Həqiqi dizaynlarla kvazi dizaynlar arasındakı əsas fərq, kvazi dizaynların müalicə və ya nəzarət qruplarına təsadüfi təyinat istifadə etməməsidir, çünki bu dizayn mövcud təbii olaraq mövcud olan parametrlərdə istifadə olunur.

Qruplara ön testlər verilir, sonra bir qrupa müalicə verilir və sonra hər iki qrupa testdən sonra verilir. Bu, davamlı daxili və xarici etibarlılıq sualını yaradır, çünki subyektlər özləri seçirlər. Yarım dizaynda istifadə olunan addımlar həqiqi dizaynlarla eynidir.

Ex Post Facto Dizaynları

Əvvəlki post fakto dizaynı, hansı dəyişənlərin mövzu qrupları arasında ayrı-seçkilik etdiyini təyin edəcəkdir.

Ex Post Facto Dizaynındakı addımlar

Faktdan sonrakı araşdırmalar səbəbi sübut edə bilməz, ancaq fenomeni başa düşmək üçün fikir verə bilər.

DİGƏR SAHƏ ÜSULLARI / QRUP TEXNİKİSİ

Nominal Qrup Texnikası (NGT)

NGT, bir qrup müzakirə quruluş texnikadır. Mövzular üzərində cəmlənmiş bir səy göstərmək üçün faydalıdır. NGT xüsusi maraq qrupları və ya ümumiyyətlə ictimaiyyəti narahat edən məsələləri müəyyənləşdirmək üçün bir metod təqdim edir. Ewert (1990) qeyd etdi ki, NGT parkda və istirahətin planlaşdırılması və idarə edilməsində istifadə üçün kollektiv qərar vermə üsuludur. NGT qrup məsələləri, davranışları və gələcək tədqiqat ehtiyacları barədə fikir əldə etmək üçün istifadə olunur.

Mənbə: (Mitra & amp Lankford, 1999)

Delphi metodu müzakirələrin qurulması və seçilmiş qrupdan variantları ümumiləşdirmək üçün hazırlanmışdır:

Məlumatların dəyərli olduğunu sübut etsə də, toplama prosesi çox vaxt aparır. Vaxt olduqda və respondentlər müəyyən bir müddət ərzində sorğu keçirməyə hazır olduqda, texnika trendləri müəyyənləşdirmək və gələcək hadisələri proqnozlaşdırmaq üçün çox güclü ola bilər.

Texnika bir sıra şəxslərə bir sıra sorğu anketləri və geribildirim hesabatları tələb edir. Hər seriya analiz edilir və alət / bəyanatlar qrupun cavablarını əks etdirmək üçün yenidən nəzərdən keçirilir. Yeni materialı özündə cəmləşdirən yeni bir anket hazırlanır və konsensus əldə edilənədək proses təkrarlanır.

Aşağıdakı oxu, milli peşəkar sertifikatlaşdırma proqramı hazırlamaq üçün delphi texnikasından və məzmun analizindən istifadə edən bir tədqiqat işidir.

Richard Krueger (1988), fokus qrupunu məqsəd, ölçüsü, tərkibi və prosedurları baxımından xüsusi bir qrup növü kimi təsvir edir. Fokus qrupu, adətən bir-biri ilə tanış olmayan və təlim keçmiş bir müsahibə tərəfindən aparılmış yeddi ilə on iki iştirakçıdan ibarətdir. Bu iştirakçılar fokus qrupun mövzusu ilə əlaqəli müəyyən xüsusiyyətləri olduğu üçün seçilir.

Tədqiqatçı fokus qrupunda iştirakçılara səs vermə, plan qurma və ya konsensus əldə etməsi üçün təzyiq göstərmədən fərqli qavrayışları və baxışları inkişaf etdirən icazə verilən bir mühit yaradır. Qrup müzakirəsi, qavrayışdakı meylləri və nümunələri müəyyənləşdirmək üçün oxşar iştirakçılar ilə bir neçə dəfə aparılır. Müzakirələrin diqqətlə və sistematik təhlili məhsul, xidmət və ya fürsətin necə qəbul edildiyi barədə ipuçları və anlayışlar verir.

Fokus qrupu, icazə verilən, təhlükə yaratmayan bir mühitdə müəyyən bir maraq dairəsinə dair təsəvvürləri əldə etmək üçün hazırlanmış diqqətlə planlaşdırılmış bir müzakirə olaraq təyin edilə bilər. Təxminən yeddi ilə on iki nəfər arasında bacarıqlı bir müsahibə tərəfindən aparılır. Müzakirə iştirakçılara fikir və qavrayışlarını bölüşdükləri üçün rahat, rahat və çox vaxt xoşdur. Qrup üzvləri müzakirədəki fikir və şərhlərə cavab verməklə bir-birlərini təsir edirlər.

FOKUS QRUPLARININ XÜSUSİYYƏTLƏRİ

Fokus qrupu müsahibələri ümumiyyətlə dörd xüsusiyyətə malikdir:

İnsan xidmətlərində istifadə olunan digər qrup prosesləri növləri (delfik, nominal, planlaşdırma, terapevtik, həssaslıq və ya tövsiyə) bu xüsusiyyətlərdən birinə və ya bir neçəsinə sahib ola bilər, lakin fokus qrupu görüşləri ilə eyni kombinasiyada deyil.

Davranış / Koqnitiv Xəritəçəkmə

Bilişsel və məkan xəritələşdirmə məlumatları:

İstirahət fəaliyyətləri və səyahətlərinin bütün növləri müəyyən dərəcədə ətraf mühit idrakını əhatə edir, çünki insanlar istirahət yerlərini və görməli yerlərini müəyyənləşdirməli və tapmalıdırlar.

Koqnitiv xəritəçəkmə istirahət mənbəyi menecerlərinə istifadəçilərin və qonaqların ən yaxşı istirahət zonalarının harada yerləşdiyini müəyyənləşdirmək imkanı verir. İntensiv istifadə sahələrini istismar, nəzarət, büdcə, siyasət hazırlanması və planlaşdırma baxımından idarə etmək üçün istifadəçi qavrayışlarını anlamaq vacibdir.

Koqnitiv xəritələr tədqiqat sahəsini zonalara ayırır. Bölgələr mövcud coğrafi, iqlim, landşaft, dəniz ehtiyatları və istirahət yerlərini müəyyənləşdirir. Şəbəkələr respondentlərə ilkin istirahət yerlərini göstərməyə imkan verir və daha sonra yüksək təsir sahələrini müəyyənləşdirmək üçün bir kompozisiya hazırlanır. Tədqiqatçılar istirahət yerlərində (çimərlik, düşərgə, marina, yol səkisi və s.) Ziyarətçilərlə və istirahətçilərlə görüşərək məlumat toplayırlar. Məlumat toplama prosesi zamanı məlumatların etibarlılığını və ümumiləşdirilməsini artırmaq üçün təsadüfi saytlar, günlər, vaxtlar və cavabdehlər (hər üçüncü) seçilməlidir.

Müşahidəli tədqiqatlar şifahi olmayan davranışları (jestlər, fəaliyyətlər, sosial qruplaşmalar və s.) Öyrənmək üçün istifadə olunur.

Sommer & amp Sommer (1986) müşahidə tədqiqatlarına kömək etmək üçün aşağıda göstərilən siyahını hazırladı.

Təsadüfi müşahidə normal olaraq strukturlaşdırılmamış reportajlar kimi aparılır. Tədqiqat layihəsinin ilkin mərhələlərində təsadüfi müşahidə tədqiqatçılara sorğu anketləri və / və ya müsahibə formatları tərtib etmədən əvvəl mövzuları müşahidə etməyə imkan verir.

Müşahidə Tədqiqatlarının növləri

Sənədlər (İkincil Məlumat və ya Data Mining adlanır)

Data mədəniyyəti həm keyfiyyət, həm də kəmiyyət araşdırmalarında geniş istifadə olunur. İkincil məlumatlar tədqiqat layihəsi üçün bir çərçivə, tədqiqat suallarının hazırlanması və tədqiqat nəticələrinin təsdiqlənməsi üçün məlumat verən məlumatlar verir.

İkincil məlumatların tez-tez istifadə olunan mənbələri bunlardır:

Məzmun təhlili sistemli şəkildə yazılı və / və ya danışıq materialının formasını və ya məzmununu təsvir edir. Kütləvi informasiya vasitələrini kəmiyyətcə öyrənmək üçün istifadə olunur. Texnika ikinci dərəcəli məlumatlardan istifadə edir və sadə tədqiqat hesab olunur.

İlk addım öyrəniləcək media və tədqiqat mövzusunu seçməkdir. Sonra məlumatları qeyd etmək üçün bir təsnifat sistemi inkişaf etdirin. Texnikalar təlim keçmiş hakimlərdən və ya prosesin etibarlılığını artırmaq üçün məlumatları çeşidləmək üçün bir kompüter proqramından istifadə edə bilər.

Məzmun təhlili hər bir məlumat mənbəyinin bir sıra ölçülər boyu təhlil edilməsi tələbi səbəbindən yorucu bir prosesdir. Həm də induktiv (temaları və nümunələri müəyyənləşdirir) və ya deduktiv ola bilər (məlumatların tezliklərini kəmiyyətləşdirir). Nəticələr təsviri xarakter daşıyır, eyni zamanda meylləri və ya maraq doğuran məsələləri göstərəcəkdir.

Aşağıdakı oxu, milli peşəkar sertifikatlaşdırma proqramı hazırlamaq üçün delphi texnikasından və məzmun analizindən istifadə edən bir tədqiqat işidir.

Meta-analiz təhlil olunan tədqiqatların nəticələrini birləşdirir. Bir çox fərqli araşdırmada müəyyən bir tapıntı toplusunun gücünü qiymətləndirmək üçün statistik üsullardan istifadə edir. Bu, gələcək tədqiqatların ortaya çıxa biləcəyi bir kontekst yaratmağa və bir çox fərqli araşdırmanın nəticələrini araşdıraraq bir tapıntının etibarlılığını təyin etməyə imkan verir. Tədqiqatçılar əvvəlki tədqiqatlarda istifadə olunan metodları təhlil edir və tədqiqatların nəticələrini ümumi olaraq ölçürlər. Meta-analiz tapıntıları yeni nəzəriyyələr, modellər və konsepsiyalar yaratmaq üçün əsasdır.

Thomas və Nelson (1990) meta-analizin addımlarını təfərrüatlı izah edirlər:

Tarixi tədqiqata analitik tədqiqat da deyilir. Ümumi metodoloji xüsusiyyətlərə keçmiş hadisələrə toxunan bir tədqiqat mövzusu, ilkin və ikinci dərəcəli məlumatların nəzərdən keçirilməsi, tarixi axtarışlar üçün məlumatların qiymətləndirilməsi və məlumatların qiymətləndirilməsi, tapıntıların sintezi və izahı daxildir. Tarixi tədqiqatlar keçmiş tarixi, qanuni və siyasət hadisələri haqqında məlumat və anlayış təmin etməyə çalışır.

Tarixi tədqiqatların aparılması üçün ortaq olan beş əsas prosedur McMillan & amp Schumacher (1984) tərəfindən müəyyən edilmişdir. Tarixi tədqiqatlar prosesinə sistematik bir yanaşma təmin edirlər.

Addım 1: Müvafiq suallar verərək problemi müəyyənləşdirin: Tarixi metod uyğundurmu? Müvafiq məlumatlar mövcuddur? Tapıntılar istirahət xidmətləri sahəsində əhəmiyyətli olacaqmı?

Addım 2: Tədqiqatın aparılması üçün bir çərçivə təmin etmək üçün tədqiqat hipotezini (lazım olduqda) və tədqiqat məqsədlərini inkişaf etdirin. Tədqiqat sualları hadisələrə (kim, nə, nə vaxt, harada), bir hadisənin necə baş verdiyinə (təsviri) və hadisənin niyə baş verdiyinə (şərh) diqqət yetirir. Bu, tədqiqatçının fərziyyələri yoxladığı və eksperimental və nəzarət qrupları üçün ballar arasındakı əhəmiyyəti və ya dəyişən x ilə y dəyişən arasındakı münasibətləri təyin etməyə çalışdığı kəmiyyət tədqiqatları ilə ziddiyyət təşkil edir.

Adım 3: Çox qeydlər etmək və məlumatları təşkil etməkdən ibarət olan məlumatları toplayın. Tədqiqatçı məlumatları düzmək və sənədləşdirmək üçün mövzuları və alt mövzuları kodlaşdırmalıdır. Tarixi tədqiqatlarda istifadə olunan məlumat analiz növlərinə aşağıdakılar daxildir (McMillan & amp Schumacher, 1984-ə əsaslanaraq):

Adım 4: Xarici və daxili tənqidi istifadə edərək, araşdırma məlumatları qiymətləndirməlidir. Məlumat mənbələri sənədlər (məktublar, gündəliklər, sənədlər, qəbzlər, qəzetlər, jurnallar / jurnallar, filmlər, şəkillər, qeydlər, şəxsi və institusional qeydlər və büdcələr), tədbir iştirakçılarının şifahi ifadələri və yadigarlar (dərsliklər, binalar, xəritələr, avadanlıq, mebel və digər əşyalar).

Addım 5: Problemin açıqlanması, mənbənin nəzərdən keçirilməsi, fərziyyələr, tədqiqat sualları və tapıntılar əldə etmək üçün istifadə olunan metodlar, şərh və nəticələr və hərtərəfli bir biblioqrafik istinad sistemi olan məlumatların hesabatı.

Multimetod yanaşma bir neçə mənbədən məlumatların toplanmasını, analizini və inteqrasiyasını və müxtəlif növ tədqiqat metodlarının istifadəsini təşviq edir.

Müəllif hüquqları 2001. Şimali Arizona Universiteti, bütün hüquqlara sahibdir


World.dat - Coğrafi İnformasiya Sistemləri kimi sadə bir xəritə məlumat mənbəyi varmı?

Hava Kirliliği Verileri, Uydu Verileri ilə birlikdə Hava Verilişləri, Dövlət və Xüsusi Hava Keyfiyyəti Məlumatlarının birləşməsidir. Məlumat mənbəyi gündəlik olaraq məlumat tərtib edən Air Visualdır.

Çirklənmə məlumat mənbəyi:

Çirklənmiş Saytlar Məlumatı, Təmiz Yerin Toksik Yerləri Araşdırma Proqramı çərçivəsində təlim keçmiş müstəntiqlər tərəfindən araşdırılmış yerləri göstərir. Bu proqram maliyyələşdirənlərin büdcə və coğrafi fokusu ilə məhdudlaşır və bu səbəbdən də aşağı və orta gəlirli ölkələrdə zəhərli ərazilərin az bir hissəsini göstərir. Məlumat mənbəyi ContaminatedSites.org-dur, saytlar həmin verilənlər bazasında təsdiqləndikdə yeniləmələr avtomatik olaraq bu xəritədə göstərilir.

Çirklənmə Ölümləri Çirklənmə və Sağlamlıq üzrə Lancet Komissiyasından Ölüm və ya DALY ölçümlərində verilir. Məlumat ölkələr üzrə ölkələr üzrə təqdim olunur və risk faktorlarına əsasən sıralana bilər.

Təsdiq edildi

Gözlənən Qiymətləndirmə

GAHP-nin Katibliyi olaraq Saf Earth, ortaq təşkilatlardan gələn bu xəritənin istehsalından məsuldur:

  • Beynəlxalq Yer Elmi Məlumat Şəbəkəsi Mərkəzi (CIESIN)
  • Google Earth Yayım
  • Arnhold Qlobal Sağlamlıq İnstitutu, Mt. Sinay
  • Dünya Resursları İnstitutu - Su Kəməri Su Risk Analizi
  • National Geographic, vuruşunuz
  • Hava vizual
  • Eksen xəritələri
  • Yale Universitetində Ətraf Mühitin İndeksi
  • Dalhousie
  • BM Ətraf Mühiti
  • BMT Ətraf Mühit GEMS Su
  • USAID
  • Avropa Komissiyası
  • UNIDO
  • Sağlamlıq Ölçmə və Qiymətləndirmə İnstitutu

Məlumat natamam olduğundan çirklənmə probleminin yalnız bir hissəsi burada görünə bilər. Məsələn, ABŞ və Avropada havanın çirklənməsi məqbul dərəcədə ölçülür. Ancaq inkişaf etməkdə olan dünyada yalnız bir neçə ölkə və bəzən yalnız bir neçə şəhər hava keyfiyyətini lazımi səviyyədə ölçür. Nəticədə ABŞ və Avropanın çox sayda monitoru olduğu üçün daha çirkli göründüyünü düşünə bilərsiniz. Ancaq bu belə deyil! Əslində, daha çox monitoru olan ölkələrdə, ehtimal ki, çirkliliyi azaltmaq üçün daha çox proqram olacaqdır. Bir çox ölkədə ümumiyyətlə heç bir monitor yoxdur və asanlıqla yüksək dərəcədə çirklənə bilər.

Eynilə, çirklənmiş sahə məlumatları (ümumiyyətlə torpaq və ağır metalların çirklənməsi) yalnız bəzi aşağı və orta gəlirli ölkələr üçün mövcuddur. (Xahiş edirik unutmayın ki, inkişaf etmiş dünyada heç bir çirklənmiş ərazini bilərəkdən siyahıya almamışıq). Bir ölkədə və ya bir şəhərdə az və ya sıfır çirklənmiş sayt görürsənsə, bu yerin onlardan azad olduğu anlamına gəlmir. Bunun əvəzinə, sadəcə onları tapmaq üçün kifayət qədər araşdırma aparılmadığını göstərir.

Mövcud məlumatlardakı bir çox boşluğu doldurmaq üçün, vətəndaşlar hesabatlarının yüklənildiyi və daha sonra Toksik Saytların Araşdırılması Proqramının bir hissəsi olaraq potensial araşdırma üçün Saf Earth tərəfindən nəzərdən keçirildiyi ReportPollution.org veb saytından istifadə edərək öz məlumatlarını əlavə edə bilərlər. Bu çirklənmə nominasiyaları təsdiqləndikdən və elmi yoxlanışdan sonra bu saytın Çirklənmiş Saytlar xüsusiyyətinə daxil ediləcəkdir.

Maruz qalma məlumatları hər bir ölkə üçün aşağıdakı təxminləri ehtiva edir:

  • 5 ug / dl-dən yuxarı qan qurğuşun səviyyələri (BLL) olan uşaqların (19 və daha aşağı) sayı. Bu ÜST və CDC səviyyəsini narahat edir. Bu həddən yuxarı olan uşaqların IQ səviyyəsini azaltması, inkişaf əlilliyini artırması və digər əhəmiyyətli sağlamlıq və cəmiyyət problemləri var.
  • 10 ug / dl-dən yuxarı BLL olan uşaq sayı.
  • Bu ölkə üçün orta BLL
  • Erkən ölümlər qurğuşunla əlaqələndirilir (IHME 2019). Ölümlər ürək-damar xəstəlikləri riskinin artması ilə əlaqələndirilir
  • Əlilliyə Dəyişdirilən Həyat İlləri (DALY) rəhbərliyə aiddir (IHME 2019)

Məlumat 2019-cu il üçün Xəstəlik Yüklərindən istifadə edərək Sağlamlıq Ölçmə və Qiymətləndirmə İnstitutu tərəfindən verilir. Mənbə: Saf Yer / UNİCEF.

WQI - UNEP / GEMS suyu və AEA Su Bazası

Şirin su üçün Qlobal Ətraf Mühitin İzləmə Sistemi (GEMS / Su) dünya ictimaiyyətinə mövzu ilə bağlı elmi qiymətləndirmələri və qərar qəbul etməyi dəstəkləmək üçün şirin suyun keyfiyyəti barədə səsli məlumatlar təqdim edir. Qlobal GEMS / Su monitorinq şəbəkəsindən toplanan yerüstü və yeraltı suyun keyfiyyəti monitorinqi məlumatları GEMStat informasiya sistemi vasitəsilə paylaşılır. Daha çox məlumatı https://www.unep.org/gemswater/who-we-are/overview saytında əldə edin

Sıralama sistemi olan Dəmirçi İndeksi, logaritmik bir tərəzi istifadə edərək saytın şiddətini sıralayır. Ətraflı metodologiya üçün bu nəşrlərə baxın.


Gerçək Dünya Sübutu

  • FDA, postmarket təhlükəsizliyini və mənfi hadisələri izləmək və tənzimləyici qərarlar qəbul etmək üçün RWD və RWE istifadə edir.
  • Səhiyyə cəmiyyəti bu məlumatları əhatə qərarlarını dəstəkləmək və klinik praktikada istifadə üçün təlimatlar və qərar dəstək vasitələri inkişaf etdirmək üçün istifadə edir.
  • Tibbi məhsul istehsalçıları, yeni tədqiqat yanaşmaları yaratmaq üçün klinik tədqiqat dizaynlarını (məsələn, böyük sadə sınaqlar, praktik klinik sınaqlar) və müşahidə tədqiqatlarını dəstəkləmək üçün RWD və RWE istifadə edirlər.

2016-cı ildə qəbul edilmiş 21. Əsrin Tedavisi Qanunu, təsdiq edilmiş dərmanlar üçün yeni göstəricilərin təsdiqlənməsi də daxil olmaqla tənzimləyici qərar qəbul edilməsini dəstəkləmək üçün bu tip məlumatların istifadəsinə əlavə diqqət ayırır. Konqres RWE-ni ənənəvi klinik sınaqlar xaricində mənbələrdən əldə edilən bir dərmanın istifadəsi və ya potensial faydaları və ya riskləri ilə əlaqəli məlumatlar olaraq təyin etdi. FDA aşağıda müzakirə edildiyi kimi bu tərifi genişləndirmişdir.

Bu niyə indi baş verir?

Sağlamlıqla əlaqəli çox sayda məlumat toplamaq və saxlamaq üçün kompüterlərin, mobil cihazların, taxıla bilən əşyaların və digər biosensorların istifadəsi sürətlə sürətlənir. Bu məlumatlar, səhiyyə sahəsindəki klinik sınaqları və tədqiqatları daha yaxşı tərtib etməyə və həyata keçirməyə imkan verəcəkdir ki, əvvəllər mümkünsüz olsa da sualları cavablandıraq. Bundan əlavə, inkişaf etmiş, yeni analitik qabiliyyətlərin inkişafı ilə bu məlumatları daha yaxşı analiz edə bilərik və analizlərimizin nəticələrini tibbi məhsulların hazırlanması və təsdiqlənməsi üçün tətbiq edə bilərik.

RWD nədir və onlar haradan gəlirlər?

Real dünya məlumatxəstələrin sağlamlıq vəziyyəti və / və ya müxtəlif mənbələrdən müntəzəm olaraq toplanan səhiyyə xidmətlərinin göstərilməsi ilə əlaqəli məlumatlardır. RWD bir sıra mənbələrdən gələ bilər, məsələn:

  • Elektron sağlamlıq qeydləri (EHR)
  • İddialar və faturalandırma fəaliyyətləri
  • Məhsul və xəstəlik qeydləri
  • Evdə istifadə parametrləri daxil olmaqla xəstənin yaratdığı məlumatlar
  • Mobil cihazlar kimi sağlamlıq vəziyyəti haqqında məlumat verə biləcək digər mənbələrdən toplanan məlumatlar

RWE nədir?

Real dünya dəlil RWD analizindən əldə edilən tibbi məhsulun istifadəsi və potensial faydaları və ya riskləri ilə əlaqəli klinik dəlildir. RWE, böyük sadə sınaqlar, praqmatik sınaqlar və müşahidə tədqiqatları (perspektivli və / və ya retrospektiv) daxil olmaqla randomizə edilmiş sınaqlar da daxil olmaqla bunlarla məhdudlaşmayan müxtəlif iş dizaynları və ya analizləri ilə yaradıla bilər.

Bu veb sayt, RWD və RWE-nin inkişafı və istifadəsi ilə əlaqədar FDA fəaliyyətlərinin vəziyyəti haqqında ən son məlumatları əldə etmək üçün hazırlanmışdır.


World.dat - Coğrafi İnformasiya Sistemləri kimi sadə bir xəritə məlumat mənbəyi varmı?

Jake Crouch, Ətraf Mühitin Məlumatlandırılması üzrə Milli Mərkəzlər

Orta istilik nə qədər idi?

Rənglər bitişik ABŞ-ın 344 iqlim bölgüsünün hər birində orta aylıq temperaturu göstərir. Ağ və ya çox açıq rənglərdə göstərilən iqlim bölgüləri 50 ° F-ə yaxın orta istiliklərə sahib idi. Xəritədəki mavi rəngli yerlər 50 ° F-dən daha soyuq idi, mavi nə qədər tünd olarsa, orta temperatur da o qədər sərin olur. Narıncı-qırmızı sahələr 50 ° F-dən daha isti idi, kölgə nə qədər qaralsa, aylıq orta temperatur da o qədər isti olur.

Bu ölçmələr haradan gəlir?

Temperatur oxumaları Qlobal Tarixi Klimatologiya Şəbəkəsindəki hava stansiyalarından gəlir. Alimlər, bütün stansiyalarda gün ərzində ən yüksək və ən aşağı temperaturu bütün ay boyunca toplayırlar. Məlumat keyfiyyətini yoxladıqdan sonra stansiyanın aylıq ortalamasını hesablayır və ızgaralı bir xəritədə qururlar. Şəbəkəni doldurmaq üçün bir kompüter proqramı stansiyaların və ərazinin paylanmasını hesablayan riyazi bir filtr tətbiq edir. Hər bir iqlim bölgüsü üçün aylıq orta temperatur, onun içərisinə düşən bütün şəbəkə nöqtəsi dəyərlərinin ortalamasıdır.

Mavi çalarları aylıq orta temperatur 50 ° F-dən aşağı olan iqlim bölgüslərini göstərir. Mavi kölgə nə qədər tünd olarsa, orta temperatur da bir o qədər aşağı olur. Narıncı və qırmızı çalarlarda göstərilən iqlim bölgüləri orta temperatur 50 ° F-dən yuxarı idi. Narıncı və ya qırmızı rəngli tünd nə qədər tünd olarsa, orta temperatur bir o qədər yüksək olur. Ağ və ya çox açıq rənglər orta temperaturun 50 ° F-yə yaxın olduğu iqlim bölgüslərini göstərir.

Bitişik ABŞ-ın 344 iqlim bölgüsünün hər birində orta temperaturun izlənməsi alimlərə iqlimi regional miqyasda izləməyə imkan verir. Enerji şirkətləri bu məlumatları istilik və kondisioner tələbini qiymətləndirmək üçün istifadə edirlər. Kənd təsərrüfatı müəssisələri də bu məlumatları əkin, biçin və mal-qaranı otlağa qoyma müddətlərini optimallaşdırmaq üçün istifadə edirlər.

Data Snapshots mövcud məlumat məhsullarının törəmələridir: geniş bir kütlənin ehtiyaclarını ödəmək üçün mənbə məlumatlarını sadələşdirilmiş vizual tərzdə təqdim edirik. Bu anlar şəkli Milli Ətraf Mühit Məlumat Mərkəzləri (NCEI) - Hava və İqlim tərəfindən hazırlanan və mövcud olan iqlim bölgüsü məlumatlarına (nClimDiv) əsaslanır. Şəkillərimizi yaratmaq üçün mənbə məlumatlarına daxil olan və baza xəritələrimizdə təmsil edən bir sıra ssenarilər çağırırıq.


World.dat - Coğrafi İnformasiya Sistemləri kimi sadə bir xəritə məlumat mənbəyi varmı?

Xahiş edirəm kiçik bir ianə edərək bu sayta dəstək olmağa kömək edin:

Milli bayraqlar, gizirlər, hərbi bayraqlar və dövlət başçısının bayraqları da daxil olmaqla dünyanın ən yaxşı bayraqları üçün gözəl təsvirlərlə ilk dayanacaq olan Dünya Bayrağı Verilənlər Bazasına xoş gəlmisiniz. Müəllimlər, valideynlər, tələbələr və diplomatlar tərəfindən sevilir.

BETA'DA YENİ VERSİYA!
Bu veb saytın yeni bir versiyası xeyli müddətdir hazırlanır və artıq ümumi bir beta versiyasına hazırdır. Bu o deməkdir ki, bütün funksiyalar mövcuddur, ancaq bəzi kiçik problemlər və ya səhvlər ola bilər. Yeni versiyada daha böyük şəkillər və hər bayrağın yüklənə bilən PDF sənədləri var. Xahiş edirəm bir nəzər yetirin və əlaqə səhifəsində verilmiş e-poçtla hər hansı bir rəy göndərin. Yeni sayta keçmək üçün buraya vurun.

Yalnız işə başlamaq üçün aşağıda "A" ilə başlayan verilənlər bazası ilə əhatə olunan bütün təşkilatların, ölkələrin, ərazilərin və alt milli bölgələrin siyahısı verilmişdir. Ölkələr və ərazilər qalın şəkildə göstərilmişdir. Alt milli bölgələrdə ölkələri aşağıda göstərilmişdir. Xaricdəki bir ərazinin öz ana ölkəsinin bir hissəsi olduğu halda, alt milli olaraq qeyd olunduğunu unutmayın (məsələn, Fransız Guyanası).

Digər hərf indekslərini göstərmək üçün naviqasiyadakı əlifba düymələrini istifadə edə bilərsiniz və ya naviqasiya panelindəki əvvəlki və sonrakı düymələri istifadə edə bilərsiniz. Verilənlər bazasına daxil olan bütün ölkələri, alt millətləri və təşkilatları göstərən tam bir indeks də var.

Əsas məlumatları, bayrağın daha böyük şəkillərini və həmin ölkənin və ya təşkilatın digər bayraqlarını görmək üçün girişlərdən birini basın. Bəzi səhifələrdə bayraqların altındakı daha çox bayraqlara aparacaq alt hissə düymələrini tapa bilərsiniz!


EF Data Service API

Envirofacts, bütün daxili məlumat ehtiyatlarına RESTful data service API inkişaf etdirmişdir. Bu funksiya, Envirofacts istifadəçisinə bir URL istifadə edərək istənilən cədvəli sorğu etmək imkanı verir. Varsayılan nəticə, digər tətbiqetmələrdə və Microsoft Excel və ya Access kimi vasitələrdə istifadə edilə bilən XML-dədir. CSV və Excel-in çıxış variantları URL-də istənilə bilər. Envirofacts verilənlər bazası metaməlumatlarının hamısı onlayn olaraq mövcuddur, beləliklə Envirofacts daxilindəki bütün cədvəllər və sütunlar sənədləşdirilir. Cədvəl strukturlarının bu şəkildə mövcud olması, Envirofacts məlumatlarının əksəriyyətini xidmət vasitəsilə asanlıqla əldə etməyə imkan verir.

Ətraf mühitin rahat xidmətinin güclü və məhdudiyyətləri
Bu, istifadəçi verilənlər bazası əlaqələrinə ehtiyac olmadan birdən çox məlumat mənbəyinə daxil olmaq üçün istifadəsi sadə, sənədləşdirilmiş bir yoldur. Nəticə çıxarılan nəticə Excel və ya Access kimi masa üstü tətbiqləri ilə asanlıqla istifadə edilə bilər və ya Veb mas-up yaradılmasında istifadə edilə bilər.

Xidmətin hazırkı buraxılışı, böyük bir miqdarda və məlumat aralığına asan bir giriş təmin edərkən, üç masaya qədər sorğu verməklə məhdudlaşır. Ayrıca, çıxış bir anda 10000 satır məlumatla məhdudlaşır, lakin bir istifadəçi 10000 satır məlumatı seçib növbəti 10000-u almaq üçün geri qayıda bilər.

Axtarış qurmaq
Bir axtarış yaratmaq üçün istifadəçilər müəyyən bir parametr dəsti ilə bir URL yaradırlar. Bu, aşağıdakı formatı istifadə edərək bir simli yaratmaqla həyata keçirilir:

  1. Cədvəl adı - Ən azı bir masa adı tələb olunur. Üçədək masa adı daxil edilə bilər. URL-yə birdən çox cədvəl daxil edərkən, cədvəllərin birləşdirilməsi və ya bağlanması üçün bir kimlik və ya ümumi bir sütun paylaşmalıdırlar. Dəqiq bir nəticə əldə etmək üçün bir kimlik sütunu paylaşan cədvəllərdən istifadə etmək yaxşıdır. Məsələn, TRI Təsis məlumatlarını təşkil edən cədvəllərdə hər biri TRI_FACILITY_ID kimi tanınan bir şəxsiyyət sütunu paylaşır. Bu, TRI Təsis məlumatları kimi müxtəlif mövzu sahələri üçün Envirofacts model səhifələrində əyani şəkildə görünə bilər. Xahiş edirəm RESTful məlumat xidməti daxilində şəxsiyyət sütunları ilə birləşdirilə bilən cədvəlləri tapmaq üçün Envirofacts verilənlər bazası metadatasına baxın.
  2. Sütun adı - Bu isteğe bağlı bir girişdir. Nəticələri məhdudlaşdırmaq üçün bir sütun adı və dəyəri daxil edin. Verilənləri cədvəldən və ya cədvəllərdən məhdudlaşdırmaq üçün URL daxilində birdən çox sütun istifadə edilə bilər. Sütun adı hərf üçün həssas deyil.
  3. Operator - Bu isteğe bağlı bir girişdir. Bu parametr, istifadəçilərə sorğu ilə bir operatordan keçməyə imkan verir. Varsayılan çıxış "=" olur və operator tələb etmir, lakin istifadəçilər "& lt", "& gt", "! =", "BAŞLADI", "QEYDİYYƏTLƏNİR", operatorlara URL vasitəsilə daxil edə bilərlər. "BAŞLADI" operatoru sütun dəyərinin başlanğıcının axtarış dəyərinə bərabər olduğu sətirləri qaytaracaq. "CONTAINING" isə axtarış dəyərinin sütun dəyəri içərisində olduğu satırları qaytarır.
    OPERATORİSTİFADƏ
    =Verilənlər bazası yalnız sütun dəyərinin axtarış dəyərinə bərabər olduğu sətirləri qaytaracaqdır.
    !=Verilənlər bazası yalnız sütun dəyərinin axtarış dəyərinə bərabər olmadığı sətirləri qaytaracaqdır.
    & ltVerilənlər bazası yalnız sütun dəyərinin axtarış dəyərindən az olduğu sətirləri qaytaracaqdır.
    & gtVerilənlər bazası yalnız sütun dəyərinin axtarış dəyərindən çox olduğu sətirləri qaytaracaqdır.
    BAŞLANĞICVerilənlər bazası yalnız sütun dəyərinin başlanğıcının axtarış dəyərinə bərabər olduğu sətirləri qaytaracaqdır. Müqayisə, xarakterə görə, axtarış dəyəri üçün daxil edilən son işarəyə qədər aparılır.
    Ehtiva edirYalnız xarakter sahələri üçün. Verilənlər bazası yalnız axtarış dəyərinin sütun dəyəri içərisində olduğu sətirləri qaytaracaqdır. Nümunə olaraq daxil edilmiş axtarış dəyəri "ABC" və sütun dəyəri "CCABCDD" olduqda, sətir qəbul ediləcəkdir. Sütun dəyəri "AABBCC" olsaydı, "ABC" -nin eyni axtarış dəyərindən istifadə edilərsə, rədd ediləcəkdir.
  4. Sütun dəyəri - Bu isteğe bağlı bir girişdir (# 2 - Sütun Adı istifadə edildiyi hallar istisna olmaqla). Sütun dəyəri dəyişiklik edilmədən verilənlər bazasına qarşı sorğu olunur, bu səbəbdən bu dəyər hərf üçün həssasdır. Davamın dəyərini iki dəfə yoxlamaq üçün Envirofacts içindəki proqram sistemi modelini və sorğularını istifadə edin.
  5. Sətirlər - Bu isteğe bağlı bir girişdir. 'Rows / & ltfirst_row & gt: & ltlast_row & gt' Nəticələrin nömrələnməsi 0-dan başlayaraq göstəriləcək sətirləri göstərin. Beləliklə, ilk beş yüz sətir almaq üçün sətirlərə daxil olun / 0: 499 Sətirlər göstərilməyibsə, ilk 10000 sətirdir.
  6. Çıxış Formatı - Bu isteğe bağlı bir girişdir. Varsayılan çıxış XML-dədir, lakin JSON, CSV və ya Excel-in çıxış variantları URL-də istənilə bilər. Çıxış formatı hərflərə həssas deyil.

7. Say - Bu isteğe bağlı bir girişdir və yuxarıdakı URL şəklində # 7 olaraq göstərilir. Sayı, Sayı seçimi silindikdən sonra bu axtarış üçün qaytarılacaq qeydlərin ümumi sayını göstərir. Count istifadə edildikdə, Excel, CSV və ya XML təyin edilə bilməz. Sütun adı hərf üçün həssas deyil.

Misal üçün:


    STATE_ABBR = "VA" olduğu TRI_FACILITY cədvəlindən nəticə seti qeydlərini 500 ilə 505 arasında qaytarır.

Axtarış qurmaq üçün Envirofacts Metadata istifadə
Envirofacts verilənlər bazası əlaqələri və ayrı-ayrı cədvəl strukturları haqqında məlumat ötürmək üçün bir sıra qrafik verilənlər bazası modellərindən istifadə edir. Axtarışlar Envirofacts məlumat modeli və cədvəl metadatasına sahib olan hər hansı bir məlumat sistemi üçün qurula bilər. İstifadəçilər xüsusi axtarışlarını qurmaq üçün lazımi cədvəl və sütun adlarını müəyyənləşdirmək üçün modellərə bu keçidləri izləyə bilərlər:

The starting points are contained in the links above, but information about system databases and their tables are also available through any of the Data System “Overview” pages, which can be found by navigating through the Envirofacts site to one of the system data information links. For example, from the “About the Data” tab there are “More information on” links to all “Overview” pages. The “Overview” pages have links to a graphic model page showing the database structure and to a table and column information page showing the list of tables and individual table structures. A model link is also available on the sidebar of the data system pages. The following set of screens provide an example of working through the metadata to find the desired table and column names.

Starting from an overview page:

Clicking on the "Model" link in the right side menu brings the user to a page showing the subject areas:

Clicking on a subject area (for example SITES) brings the user to a diagram showing all tables in the subject area and their relationships:

Clicking on a table will take the user to that table’s metadata page:

Clicking on a column name will then take the user to a column description page:

Working with the Output
The result set is XML that can be ported into an application or used as part of a Web mash-up. This is an example of what the output looks like with a return of two records from a search of the table PCS_PERMIT_FACILITY:

<?xml version="1.0"?>
<pcs_permit_facilityList Count="2" Rows="1-2" >
<pcs_permit_facility>
<NPDES>AKG285001</NPDES>
<NAME_1>UNOCAL</NAME_1>
<NAME_2>GRANITE POINT TANK FARM</NAME_2>
<MAJOR_DISCHARGE_INDICATOR>M</MAJOR_DISCHARGE_INDICATOR>
<REGION>10</REGION>
<CITY_CODE>99905</CITY_CODE>
<CITY_NAME>GULF OF ALASKA</CITY_NAME>
<COUNTY_CODE>000</COUNTY_CODE>
<COUNTY_NAME>NONE</COUNTY_NAME>
<SIC_CODE>1311</SIC_CODE>
</pcs_permit_facility>
<pcs_permit_facility>
<NPDES>AKG285002</NPDES>
<NAME_1>UNOCAL</NAME_1>
<NAME_2>TRADING BAY TREATMENT FACILITY</NAME_2>
<MAJOR_DISCHARGE_INDICATOR>M</MAJOR_DISCHARGE_INDICATOR>
<REGION>10</REGION>
<CITY_CODE>99905</CITY_CODE>
<CITY_NAME>GULF OF ALASKA</CITY_NAME>
<COUNTY_CODE>000</COUNTY_CODE>
<COUNTY_NAME>NONE</COUNTY_NAME>
<SIC_CODE>1311</SIC_CODE>
</pcs_permit_facility>
</pcs_permit_facilityList>

After saving this as an XML file, it can be opened in Excel as an XML List, or in MS Access using the “Get External Data/Import” tool to create a table.

Future Enhancements
Envirofacts will consider additional search types such as beginning with or between. Pending the modification of the Envirofacts database architecture, the output may be updated to include additional rows of data (i.e., 1000 at a time).

User Comments/Feedback Requests
For Envirofacts Data Service API usage questions or suggestions, please contact the Envirofacts team.


What Is Data Modeling?

Data Modeling refers to the practice of documenting software and business system design. The “modeling” of these various systems and processes often involves the use of diagrams, symbols, and textual references to represent the way the data flows through a software application or the Data Architecture within an enterprise. Data Modeling also includes practices such as business process modeling which deals with larger conceptual business process and decision making flows of entire organizations.

There is a host of related terminology including conceptual modeling, enterprise modeling, logical models, physical models, entity-relationship models, object models, multi-dimensional models, knowledge graphs, statistical models, canonical data models, application data models, business requirements models, enterprise data models, integration models, business information models, ontologies, taxonomies, non-relational models, semantic modeling, ORM, UML, and many others.

A data model is used to document, define, organize, and show how the data structures within a given database, architecture, application, or platform are connected, stored, accessed, and processed within the given system and between other systems.

“The process of discovering, analyzing, representing, and communicating data requirements in a precise form called the məlumat model.” And “data models depict and enable an organization to understand its data assets.”

Many Data Modeling tutorials discuss the three primary types of data models: logical, physical, and conceptual. The Data Administration Newsletter (TDAN.com) defines each of them as:

  • “A physicalməlumatmodel represents the actual structure of a database—tables and columns, or the messages sent between computer processes. Here the entity types usually represent tables, and the relationship type lines represent the foreign keys between tables.”
  • “A logicalməlumatmodel is a fully attributed data model that is fully normalized. Fullyattributed means that the entity types have all the attributes and relationship types for all the data that is required by the application(s) it serves. It may include:
    • Restrictions on the data that can be held
    • Rules and derived data that are relevant to the processes of the application(s) the logical data model serves.”

    Digər Təriflər of Data Modeling Include:

    • “Data modeling is a representation of the data structures in a table for a company’s database and is a very powerful expression of the company’s business requirements. This data model is the guide used by functional and technical analysts in the design and implementation of a database.” (Techopedia)
    • “Data modeling is the act of exploring data-oriented structures. Like other modeling artifacts data models can be used for a variety of purposes, from high-level conceptual models to physical data models. From the point of view of an object-oriented developer data modeling is conceptually similar to class modeling. With data modeling you identify entity types whereas with class modeling you identify classes.” (Agile Data)

    Bəzi Faydaları of Data Modeling üçün Organizations bunlar:


    Ключевой показатель эффективности

    KPI обычно представляет собой одно значение, относящееся к определенной области или функции, и является показателем достижения успеха в этой области или функции. Значения этого параметра для разного бизнеса и разных функций могут изменяться. Ниже представлены некоторые популярные показатели KPI, которые компании любят отслеживать.

    Показатель лояльности клиентов (NPS). Показывает вероятность того, что клиент порекомендует ваш продукт или услугу своему другу.

    Показатель прибыльности клиентов (CPS). Показывает прибыль, которую приносит клиент вашему бизнесу, с учетом расходов на привлечение и удержание клиента.

    Показатель эффективности рекламы. Показывает количество потенциальных клиентов, ставших клиентами.

    Относительная доля рынка. Показывает занимаемую вами долю рынка в сравнении с вашими конкурентами.

    Коэффициент прибыльности. Показывает процент чистой прибыли в доходе компании.

    Ключевые показатели эффективности лучше всего отображаются с помощью диаграмм KPI.


    Are there any simple map data sources like world.dat - Geographic Information Systems

    The choice of method is influenced by the data collection strategy, the type of variable, the accuracy required, the collection point and the skill of the enumerator. Links between a variable, its source and practical methods for its collection (Table 6.1, Table 6.2 and Table 6.3) can help in choosing appropriate methods. The main data collection methods are:

    · Registration: registers and licences are particularly valuable for complete enumeration, but are limited to variables that change slowly, such as numbers of fishing vessels and their characteristics.

    · Questionnaires: forms which are completed and returned by respondents. An inexpensive method that is useful where literacy rates are high and respondents are co-operative.

    · Interviews: forms which are completed through an interview with the respondent. More expensive than questionnaires, but they are better for more complex questions, low literacy or less co-operation.

    · Direct observations: making direct measurements is the most accurate method for many variables, such as catch, but is often expensive. Many methods, such as observer programmes, are limited to industrial fisheries.

    · Reporting: the main alternative to making direct measurements is to require fishers and others to report their activities. Reporting requires literacy and co-operation, but can be backed up by a legal requirement and direct measurements.

    6.1 VARIABLES, SOURCES AND METHODS

    The choice of the many methods for collecting fishery data will depend on the variables to be measured, the source and the resources available. In many cases, there is a natural way to collect particular variables. For example, relatively static variables, like vessel length or engine size, are often best collected through a registration system. Highly dynamic variables, like catch or effort, may often be best obtained through daily records, such as logsheets.

    For the same variable, the methods can be different depending on the type of fishery. For example, for a large-scale fishery, catch data would be best collected from logbooks, whilst in a small-scale fishery interviews and/or questionnaires would often be the best method. The sources (fishers, processors etc.) are also an important factor for the choice and design of methods. Buyers, processors and other intermediaries are likely to keep their own sales records, which should be used as the basis of data forms. Small-scale fishers often do not keep any records, and data acquisition in this case would be restricted to one-to-one interviews, but the interview structure could be more flexible.

    Data collection should be conducted at intervals sufficiently frequent for the management purpose. For example, data for stock monitoring have to be collected constantly, while household data can be at much longer time intervals. In general, frequently collected data will probably have to rely on fishers or industry personnel providing the data. Less frequent data can use enumerators since the costs of collection are much lower.

    There are cases when fishery data collection programmes cannot be operated on a regular basis because of operational limits. These cases include small scale fishing operations in many inland or remote marine areas, where fishing operations are spread over a large area with part-time fishers using a large array of fishing gears and techniques, sometimes in many different habitats. Under these circumstances, a number of alternative approaches can be taken to assess the fisheries, including:

    Many variables can be collected by more than one method and at different points from fishers to consumers. Where possible, data should be collected from several sources to crosscheck for errors. For example, catch data collected through logbooks can be cross-checked against reported landings based on sales slips, data collected by interview at landing sites and even consumer or trade data.

    In almost all cases, many different variables can be collected simultaneously. For example, length frequency, species composition, average weight and first sale price can all be obtained when vessels land their catch. Collecting of data for different purposes reduces costs and thus due account should be made of this aspect when planning the data collection programme.

    There are strong links between types of data, where they can be obtained and the methods, which are available for their collection. This section provides a guide for selecting data collection methods in relation to the data type and source, and gives some indication of what types of data can be collected simultaneously.

    6.1.1 Data sources

    Harvest: at the level where fish are caught. The most direct approach to the fishery data (e.g. catch, effort).

    Post harvest: levels through which fish are prepared for market. This may include middle person, fish auction, cold storage, processing farms and transport of products.

    Market: all situations where fish are commercially transferred. It may include the fish market at landing port, transaction (secondary market) of products among brokers, processing farms and consumers' market.

    Consumers: at the level where the products are finally consumed.

    Government-related agencies: any agencies or institutes forming part of government (including the inter-governmental level). It would include various agencies outside of fisheries (e.g. custom, coast guard and meteorology department).

    Support industry: industries which provide materials and services for fisheries, but are not directly involved in fisheries business (e.g. ship building industry, fishing gear suppliers).

    6.1.2 Linkage among variables, sources and methods

    The linkage between variables, sources and methods are shown in three tables. These tables intend to give some guidance for selecting collecting methods and sources, and design a data collection system. The tables also would give ideas about what types of data can be collected simultaneously at the same source with the same method.

    Table 6.1 The different types of data that can be collected from the various data sources. Numbers in brackets refer to relevant sections in the main text.

    Government related agencies & institutions

    Compliance data (4.3.1.5 4.3.1.6)

    Costs and earnings data (4.3.3.3)

    Institutions data (4.3.3.5 4.3.4.3)



    Table 6.2 The different data collection methods that can be used for the different sources.

    Compliance data (4.3.1.5 4.3.1.6)

    Costs and earnings data (4.3.3.3)

    Institutions data (4.3.3.5 4.3.4.3)

    Compliance data (4.3.1.5 4.3.1.6)

    Costs and earnings data (4.3.3.3)

    Institutions data (4.3.3.5 4.3.4.3)

    6.2 RECORDING A VARIABLE

    It is important to assess the degree of precision required for the measurement of each variable. This will affect the method of collection, the design of the recording form and later analyses. For example, catch can be recorded in 1, 10, 100, 1000 kg or other units. Total estimated catch can be disaggregated into species by relative proportions or each species mass can be estimated separately. Fishers' age can be recorded by year categories or locally derived groups such as "apprentice", "active" or "semi-retired". However, there is little point in requesting a captain to report and record the catch from a haul to the nearest kilogram, when his estimates are only accurate to the nearest tonne. If more precise measurements are required, the catch will have to be weighed on landing.

    Sometimes decisions on the units of measure are complicated by the type of data to be collected. Data values may need to be represented by codes (e.g. sea state, degree of job satisfaction), which should be standardised.

    6.3 DATA COLLECTION METHODS

    6.3.1 Registration

    A register is a depository of information on fishing vessels, companies, gear, licenses or individual fishers. It can be used to obtain complete enumeration through a legal requirement. Registers are implemented when there is a need for accurate knowledge of the size and type of the fishing fleet and for closer monitoring of fishing activities to ensure compliance with fishery regulations. They may also incorporate information related to fiscal purposes (e.g. issuance or renewal of fishing licenses). Although registers are usually implemented for purposes other than to collect data, they can be very useful in the design and implementation of a statistical system, provided that the data they contain are reliable, timely and complete

    6.3.1.1 Registration data types

    In most countries, vessels , especially commercial fishing vessels, and chartered or contract fishing vessels are registered with the fisheries authorities. Data on vessel type, size, gear type, country of origin, fish holding capacity, number of fishers and engine horsepower should be made available for the registry.

    Companies dealing with fisheries agencies are registered for various purposes. These companies may not only include fishing companies, but also other type of companies involved in processing and marketing fishery products. Data, such as the number of vessels, gear type and vessel size of registered fishing companies, should be recorded during such registration. Processing companies should provide basic data on the type of processing, type of raw material, capacity of processing, and even the source of material.

    Fishing vessels and fishing gears may often be required to hold a valid fishing licence . Unlike vessel registers, licences tend to be issued for access to specific fisheries over a set period of time. Because licences may have to be periodically renewed, they can be a useful way to update information on vessel and gear characteristics.

    A registry must not only capture new records, but be able to indicate that a particular record is inactive (e.g. a company has ceased operations) or record changes in operations (e.g. a company's processing capacity has increased). If licences must be renewed each year, data collected from licensing is particularly useful, as records are updated on an annual basis.

    Registry data also contain criteria for the classification of fishing units into strata. These classifications are usually based on assumptions and a priori knowledge regarding differences on catch rates, species composition and species selectively.

    In general, vessel registers are complex systems requiring well-established administrative procedures supported by effective data communications, data storage and processing components. As such, they predominantly deal with only certain types and size of fishing units, most often belonging to industrial and semi-industrial fleets. Small-scale and subsistence fisheries involving large numbers of fishing units are often not part of a register system or, if registered, are not easily traced so as to allow validation or updating.

    6.3.2 Questionnaires

    In contrast with interviews, where an enumerator poses questions directly, questionnaires refer to forms filled in by respondents alone. Questionnaires can be handed out or sent by mail and later collected or returned by stamped addressed envelope. This method can be adopted for the entire population or sampled sectors.

    Questionnaires may be used to collect regular or infrequent routine data, and data for specialised studies. While the information in this section applies to questionnaires for all these uses, examples will concern only routine data, whether regular or infrequent. Some of the data often obtained through questionnaires include demographic characteristics, fishing practices, opinions of stakeholders on fisheries issues or management, general information on fishers and household food budgets.

    A questionnaire requires respondents to fill out the form themselves, and so requires a high level of literacy. Where multiple languages are common, questionnaires should be prepared using the major languages of the target group. Special care needs to be taken in these cases to ensure accurate translations.

    In order to maximise return rates, questionnaires should be designed to be as simple and clear as possible, with targeted sections and questions. Most importantly, questionnaires should also be as short as possible. If the questionnaire is being given to a sample population, then it may be preferable to prepare several smaller, more targeted questionnaires, each provided to a sub-sample. If the questionnaire is used for a complete enumeration, then special care needs to be taken to avoid overburdening the respondent. If, for instance, several agencies require the same data, attempts should be made to co-ordinate its collection to avoid duplication.

    The information that can be obtained through questionnaires consists of almost any data variable. For example, catch or landing information can be collected through questionnaire from fishers, market middle-persons, market sellers and buyers, processors etc. Likewise, socio-economic data can also be obtained through questionnaires from a variety of sources. However, in all cases variables obtained are an opinion and not a direct measurement, and so may be subject to serious errors. Using direct observations (6.3.4) or reporting systems (6.3.5) for these sorts of data is more reliable.

    Questionnaires, like interviews, can contain either structured questions with blanks to be filled in, multiple choice questions, or they can contain open-ended questions where the respondent is encouraged to reply at length and choose their own focus to some extent.

    To facilitate filling out forms and data entry in a structured format, the form should ideally be machine-readable, or at least laid out with data fields clearly identifiable and responses pre-coded. In general, writing should be reduced to a minimum (e.g. tick boxes, multiple choices), preferably being limited to numerals. In an open-ended format, keywords and other structuring procedures should be imposed later to facilitate database entry and analysis, if necessary.

    6.3.3 Interviews

    In interviews information is obtained through inquiry and recorded by enumerators. Structured interviews are performed by using survey forms, whereas open interviews are notes taken while talking with respondents. The notes are subsequently structured (interpreted) for further analysis. Open-ended interviews, which need to be interpreted and analysed even during the interview, have to be carried out by well-trained observers and/or enumerators.

    As in preparing a questionnaire, it is important to pilot test forms designed for the interviews. The best attempt to clarify and focus by the designer cannot anticipate all possible respondent interpretations. A small-scale test prior to actual use for data collection will assure better data and avoid wasting time and money.

    Although structured interviews can be used to obtain almost any information, as with questionnaires, information is based on personal opinion. Data on variables such as catch or effort are potentially subject to large errors, due to poor estimates or intentional errors of sensitive information.

    6.3.3.1 Open-ended interviews

    Open-ended interviews cover a variety of data-gathering activities, including a number of social science research methods.

    Focus groups are small (5-15 individuals) and composed of representative members of a group whose beliefs, practises or opinions are sought. By asking initial questions and structuring the subsequent discussion, the facilitator/interviewer can obtain, for example, information on common gear use practices, responses to management regulations or opinions about fishing.

    Panel surveys involve the random selection of a small number of representative individuals from a group, who agree to be available over an extended period - often one to three years. During that period, they serve as a stratified random sample of people from whom data can be elicited on a variety of topics.

    6.3.3.2 Structured interview

    Generally, structured interviews are conducted with a well-designed form already established. Forms are filled in by researchers, instead of respondents, and in that it differs from questionnaires. While this approach is more expensive, more complicated questions can be asked and data can be validated as it is collected, improving data quality. Interviews can be undertaken with variety of data sources (fishers to consumers), and through alternative media, such as by telephone or in person.

    Structured interviews form the basis for much of the data collection in small-scale fisheries.

    In an interview approach for sample catch, effort and prices, the enumerators work according to a schedule of landing site visits to record data. Enumerators can be mobile (that is sites are visited on a rotational basis) or resident at a specific sampling site. Their job is to sample vessels, obtaining data on landings, effort and prices from all boat/gear types that are expected to operate during the sampling day. The sample should be as representative as possible of fleet activities. Some additional data related to fishing operations may be required for certain types of fishing units, such as beach seines or boats making multiple fishing trips in one day. For these, the interview may cover planned activities as well as activities already completed.

    In an interview approach for boat/gear activities, the enumerators work according to a schedule of homeport visits to record data on boat/gear activities. Enumerators can be mobile (that is homeports are visited on a rotational basis) or resident at a specific sampling site. In either case, their job is to determine the total number of fishing units (and if feasible, fishing gears) for all boat/gear types based at that homeport and number of those that have been fishing during the sampling day.

    There are several ways of recording boat/gear activities. In many cases, they combine the interview method with direct observations. Direct observations can be used to identify inactive fishing units by observing those that are moored or beached, and the total number of vessels based at the homeport are already known, perhaps from a frame survey or register. Often enumerators will still have to verify that vessels are fishing as opposed to other activities by using interviews during the visit.

    The pure interview approach can be used in those cases where a pre-determined sub-set of the fishing units has been selected. The enumerator's job is to trace all fishers on the list and, by means of interviewing, find out those that had been active during the sampling day. For sites involving a workable number of fishing units (e.g. not larger than 20), the interview may involve all fishing units.

    Sometimes it is possible to ask questions on fishing activity which refer to the previous day or even to two days back. This extra information increases the sample size significantly with little extra cost, ultimately resulting in better estimates of total fishing effort. Experience has shown that most of the variability in boat/gear activity is in time rather than space.

    6.3.4 Direct observations

    Observers can make direct measurements on the fishing vessels, at landing sites, processing plants, or in markets. The variables that enumerators can collect include catch (landing and discards), effort, vessel/gears, operations, environmental variables (e.g. sea state, temperature), biological variables (e.g. length, weight, age), the values and quantities of landings and sales.

    In practice, observers do not only make direct measurements (observations), but also conduct interviews and surveys using questionnaires. They might also be involved in data processing and analysis. The tasks of an observer are difficult and adequate training and supervision are therefore essential.

    Clear decisions need to be made on the nature and extent of data collected during any one trip. Often, the amount of data and frequency of collection can be established analytically with preliminary data.

    Preferably, observers should only collect data, not carry out other activities, such as enforcement, licensing or tax collection. This should help to minimise bias by reducing the incentives to lie. Problems in terms of conflicts between data collection and law enforcement, for example, can be reduced by clear demarcation, separating activities by location or time. This becomes a necessity for at-sea observers. Their positions on fishing vessels and the tasks that they perform depend significantly on a good working relationship with the captain and crew, which can be lost if they are perceived as enforcement personnel.

    The major data obtained through at-sea observers are catch and effort data, which are often used for cross checking fishing logs. At the same time, the at-sea observers can collect extra biological (fish size, maturity, and sex), by-catch and environmental data, as well as other information on the gears, fishing operations etc. Frequently, discards data can only be collected by at-sea observers.

    The main data obtained from observers at landing sites, processing plants and markets include landing (amount, quality, value and price), biological (size, maturity), and effort (how many hauls, hours fishing) data. For the large-scale fishery where a logbook system is used, data collected at landing sites could be used to crosscheck data recorded in logbooks. Data collected from processing plants include quantities by species and, especially in modern factory practices, the batch number of raw materials, which can sometimes be traced back to fishing vessels. These data if collected can be used to validate landing data.

    Collecting data to estimate raising factors for converting landed processed fish weight to the whole weight equivalent may be necessary. By sampling fish before and after processing, conversion factors may be improved. Potential seasonal, life history stage and other variations in body/gut weight ratios suggest date, species, sex and size should be recorded in samples.

    Economic and demographic data at each level (e.g. input and output of various products to and from market and processors) are usually obtained by interview and questionnaire. However, the data directly collected by enumerators can also be the major source as well as supporting data for those collected through other methods.

    While product data in processing plants can be collected through questionnaire (6.3.2) or interview (6.3.3), enumerators can directly collect many physical variables (weight, number, size etc.) more accurately. Automatic scales, through which a continuous stream of fish passes, can record the weight of fish mechanically or through computerised sensors. Similarly, mechanical or automatic weighing bins for whole frozen or defrosted fish, prior to entry to a processing line or cold store, can be used to record weights for each batch. Otherwise, boxes need to be counted and sub-sampled to ensure their fish contents are correctly identified and weighed.

    Fish is often landed in bulk together with non-fish materials (e.g. ice, brine slurry, packing material and pallets). It can be very difficult to estimate the total fish weight, let alone weight by species, product and size grade. Methods need to be established to record whether non-fish material is included in any weighing process (e.g. are scales set to automatically subtract pallet weight?). In the case of processed fish in sealed boxes, it may be that sampling to determine an average weight and then box or pallet counting is sufficient. Alternatively, each box or pallet is weighed and a note taken whether box and pallet weight should be subtracted at a later data when processing the data.

    Complete landings of all catch in relation to a vessel's trip (i.e. emptying of holds) is preferred since records can then be matched against logsheets. However, in some circumstances off-loading in harbours, at the dock or at sea may only be partial, some being retained on board until the next off-loading. In this case, records should be maintained of both catch landed and retained on board.

    Inspectors are a kind of enumerator involved in law enforcement and surveillance (for fishing regulations, sanitary inspections, labour control, etc.). They may work at sea on surveillance vessels, at landing sites on shore, at processing factories and at markets. In general, scientific data are better collected by enumerators who are not directly involved in law enforcement. Nevertheless, many variables collected by the inspectors are very useful, and include landings, operational information, effort, landing price, processing procedure and values of product to the market and processors. Inspectors are also useful in collecting employment data.

    Inspectors may play an important role in verification. In many cases, reports can be physically checked with observations. For example, random samples of boxes can be taken to check box contents (species, product type and size grade) against box identification marks. Inspectors need to be skilled in such sampling strategies.

    As with enumerators/observers, inspector data should be treated with caution because of the high chance of sampling bias. This potential bias of data collected by law-enforcement officers should be considered in analyses.

    Ecological research methods can be undertaken independent of commercial fishing operations to measure variables related to fish populations or the environment. Such research can be carried out by institutional research vessels or by industry or institutions using commercial fishing vessels. The objective is to obtain observations on biological (e.g. stock abundance or spatial distribution and fish size, maturity and spawning activities) and environmental (e.g. salinity and temperature) variables. It is important that this type of research is carried out periodically in order to obtain time sequential data.

    Similarly, socio-cultural research methods can be used to obtain specific information useful to management. Although these methods may not often be considered routine, they provide important data and should be considered for infrequent data collection where possible.

    Key informants are individuals with specialised knowledge on a particular topic. They may include academic specialists, community leaders, or especially skilled fishers. Interviews are usually begun with a set of baseline questions, but the interviewer expects to elicit new and perhaps unexpected information by requesting that the key informant expand on his or her answers to these initial questions. This method is ideal for obtaining in-depth descriptive data on beliefs and practices, including historical practices.

    Participant-observation is a technique whereby the researcher spends an extended period of time (from weeks to years, depending on the objective and the context) living with a target community, both observing their behaviour and participating in their practices. During this time, the researcher will be conducting formal and informal open-ended interviewing on a variety of topics. This is a good method for learning about the actual processes of decision-making, as opposed to the formal procedures. Cultural and institutional rules are rarely followed to the letter, and there are usually informal standards for an acceptable leeway. However, information on these standards can often only be obtained through participant-observation.

    Automatic Location Communicators (ALC) automatically log data through positioning and communications technology. They allow remote observation through recording of fishing activities at sea, and could replace logbooks and observers/inspectors on the bridges of fishing vessels. However, ALCs will be deficient in one simple respect: entry of data on the catch remains the responsibility of the captain.

    Many data on fishing operations can be automatically recorded from bridge instrumentation. Position, speed, heading, deployment of gear through links to electronic instruments are likely to become more common in future. Once gathered, such data may be automatically transmitted to databases through satellite or ground communications.

    The technology that combines vessel position and a catch assessment for management authorities through remote means is generally known as a Vessel Monitoring System (VMS). Confidentiality is the key to the widespread acceptance of VMS, as information on current fishing grounds, and therefore security of position information, is a major concern.

    However, vessel positions, activities and catch reporting through these systems, directly to databases and thence to reports that either aggregate data or remove vessel identifiers are becoming possible. Since it will be relatively simple to check remotely sensed position against recorded position, logsheet records should become more representative of real vessel activities at sea.

    6.3.5 Reporting

    In most complete enumeration approaches, fisheries staff do not directly undertake data collection, but use external data sources. Most commonly, these sources are data forms completed by the fishing companies themselves, middle persons, market operators, processors and even trading companies and custom offices. Such methods are almost exclusively used for semi-industrial and industrial fisheries and institutions.

    Fishing companies are often a good source of information regarding basic data on catches and fishing effort. Regular submission of basic data is a part of the fishing licensing process. Data submitted by companies are often in the form of logbooks or landings declarations. Logbooks should contain detailed information on individual fishing operations, including fishing grounds, type and duration of operation, catch by species and other types of data relating to weather and sea conditions. Landings declarations usually deal with grouped data presented as summaries of fishing trips and catch by species.

    The advantage of using reports is that data are compiled by agents other than fisheries staff and sometimes can be made available in pre-processed computerised format directly from the company's records, thereby reducing administration costs. Confidentiality of information (such as fishing grounds and catch rates) should be part of the agreement for data submission, and statistical outputs of the survey should not contain information related to individual fishing vessels or companies. However, there are also risks of under-reporting or of deliberate distortion of data, especially fishing ground, catch and revenue related information.

    The collection of data from all vessels within a fishery sector is sometimes needed usually from large-scale fisheries. Normally each vessel will be required to record their catch and effort data for every trip on a specially designed logbook. Because it is a painstaking task, usually only essential data are required. For various reasons, the data collected by this method could be inaccurate and thus validation from time to time by inspectors is important.

    Data from post harvest operations are often used for obtaining information on landings, biology, markets, costs and earnings. Where logsheets, landings records and market reports are not available, reliable information can often only be obtained from processing factories. Reports by the processors generally include quantities and value of fish received and the resulting products. Additional information may include the origin of catch (fishing and transport vessels) and size categories of fish.

    Monitoring off-loading catch in processed or whole round form requires considerable attention to detail and much depends on the relationship between the fishery authority and vessel captains or companies. It may be that sufficient trust has been developed to allow vessel or company off-loading records to be used directly, perhaps with random spot checks.

    In some circumstances, off-loading may proceed directly to a processing factory or cold store (particularly by conveyor of bulk fish such as small pelagics, tuna etc.). Detailed landings can still be recorded as long as each batch is marked with its source (vessel name and trip identifier).

    Most factories will maintain records of fish (by species, product type and size grade) that enter processing directly or cold store. They will also maintain information on their output and sales, including destination and price, although such data may be much more difficult or impossible to obtain unless legally required. Data forms will need to be customised to the type of processing and the factory management system.

    Market transaction records may form a feasible way of collecting landings with complete enumeration, particularly in large fleets of small-scale vessels that land in central locations. All invoices, sales slips or sales tallies should be designed with care as to content, style and availability to ensure completeness of coverage. Given the potential volume of paper work, simplicity and brevity will often be the most important criteria.

    The primary identifier on records should be the name of the vessel (including all carrier vessels unloading from more distant fleets) that sold the catch, and the date or trip number, since vessels may make more than one sale from one landing. Total weight by species or commercial group, and price should be collected. İdeal olaraq, balıq ovu sahəsi və balıq ovu səylərinin səviyyəsi haqqında daha çox məlumat əldə edilməlidir, baxmayaraq ki, çox vaxt bu mümkün deyil.

    Gündəlik vərəqələri və açılış vərəqələri ilə oxşar şəkildə satış qeydləri tələb olunan dərəcədə çox nüsxədə müvafiq şəkildə müəyyənləşdirilmiş formalarda hazırlanmalıdır. Kopyaların bazar rəhbərliyi (zərurət olduqda), satıcı, alıcı və balıqçılıq orqanı üçün tələb olunacağı ehtimal olunur.

    Satış həcmi və məhsul növünə görə qiymətlər kimi ümumi satış qeydləri, bio-iqtisadi təhlillər üçün faydalı məlumatlar və məlumat toplama üçün bütün digər yollar olmadıqda tutma və enmə məlumatları mənbəyi təmin edir. Ümumiyyətlə ümumi satışlar barədə üç məlumat mənbəyi mövcuddur: bazar, emal fabriki və ixrac məlumatları. Bununla birlikdə, bu məlumatlar həmişə diqqətli olmalıdır. Məlumat mənbələri birincil mənbədən nə qədər uzaqlaşsalar, bir o qədər çox səhv təqdim ediləcək və daha çox detal (məsələn, balıq ovu sahəsi, balıq ovu səyləri) itiriləcəkdir.

    Bunlara əlavə olaraq, balıqçılıq şirkətlərinin birbaşa sorğuları, ümumi balıqçılıq idarəçiliyinin və idarəçiliyinin əsas götürülə biləcəyi həyati detalları təmin edə bilər. İllik balıqçılıq statistik araşdırmaları könüllü və ya məcburi ola bilər. Könüllü olarsa, cavablar özəl sektorla səlahiyyətlilər arasındakı əməkdaşlıq səviyyəsindən asılı olacaqdır. Məcburi olduqda, qanunvericilik tələb olunur və Şirkətlər və ya Statistik Aktlar kimi müxtəlif formalarda hazırlana bilər.

    Ticarət məlumatları ticarət haqqında gömrük və ya oxşar mənbələrdən alınan məlumatları ifadə edir. Bu məlumatlar sosial-iqtisadi göstəricilərdə istifadə olunur və bəzi müstəsna hallarda açılış məlumatlarını dəstəkləyir.

    İxracat və idxal haqqında məlumatlar əksər ölkələrdə dərc olunur. İxracat və idxal vergilərinin ödənilməli olduğu yerlərdə və ya ixrac təşviqlərinin verilməsi xüsusilə vacibdir. Əlbəttə ki, daxili istehlakda istifadə olunan ovun nisbətini müəyyənləşdirmək üçün bir vasitə olmadığı təqdirdə, ixracın və idxalın məlumatları, ümumi balıq istehsalının qiymətləndirilməsində məhdud istifadə olunur. Bununla birlikdə, bəzi xüsusi hallarda ticarət məlumatları enişlərin qiymətləndirilməsi üçün əsas mənbəyidir (məsələn, köpək balığı, tunalar). Ticarət məlumatları enişlərin qiymətləndirilməsi və ya qiymətləndirilməsi üçün istifadə olunursa, miqdarların ümumiyyətlə bütün ağırlığa çevrilməsinə ehtiyac olacaqdır.

    İxracat məlumatlarında təfərrüatların olmaması sadəcə onların toplandığı formaya görə problem ola bilər. Səlahiyyətli orqanlar tərəfindən qeydə alınan ixracat növləri (adətən balıqçılıq orqanları ilə iş birliyində deyil) tələb olunan məlumatların çox hissəsini gizlədə bilər. Balıq konservləri, dondurulmuş balıq, təzə balıq, qurudulmuş balıq və balıq unu ixracat orqanları üçün yeganə müvafiq kateqoriyalar ola bilər. Dəqiq yetişdirmə faktorları ilə birlikdə bu məlumatlar ümumi balıq istehsalı üçün istifadə edilə bilər. Kiçik bir yerli bazar olduqda bu qiymətləndirmə metodu kifayət qədər dəqiqdir. Bununla birlikdə, növlər tərəfindən bölünməyincə və birbaşa məhsul sahəsinə yaxın məlumat mənbələri ilə əlaqələndirilmədikdə, balıqçılıq idarəsi məqsədləri üçün çox az dəyər verirlər.


    Videoya baxın: ArcMap - تعرف على مصادر البيانات المكانية والوصفية في الـ GIS لرسم الخرائط (Oktyabr 2021).