dataCleaning
english
Essa ferramenta tem a finalidade de identificar possíveis erros e facilitar a padronização dos dados. Geralmente são erros pequenos e simples, onde uma letra é adicionada, trocada ou omitida. São erros difíceis de serem encontrados em um grande conjunto de dados pela pequena diferença da ortografia.
Uma premissa do trabalho é não interferir na informação. Nenhum dado é modificado, o sistema apenas indica os registros "suspeitos", recomendando ao autor que confira e escolha entre corrigir ou não a informação.
A ferramenta ainda está em desenvolvimento e todas as sugestões serão bem vindas.

Selecione uma coleção 
coleção:    NYBG
total de registros indexados 650117 
- sem coordenadas geográficas 216553 
- georreferenciados 433564 
- georreferenciados bloqueados
- no mar 3323 
- número do catálogo em branco
  menor: 20   maior: 501299261 [ gap ]  
registros repetidos
número do catálogo
registros duplicados
nome + número do coletor 92662 
última atualização  -  logs de erro
da coleção:  06-09-2017 do dataCleaning:  28-04-2020
distribuição geográfica das coletas da coleção

perfil da coleção
estatísticas do dataCleaning
análise da dispersão das coordenadas geográficas

dados taxonômicos
inventário nome científico - coletor - determinador - tipos
reino 2901 suspeito(s)
família não encontrado
genero 432 suspeito(s)
espécie 2777 suspeito(s)
subespécie 163 suspeito(s)
autor 294917 suspeito(s)
duplicata 78345 suspeito(s)
outras inconsistências 69 suspeito(s)
comentários 156 comentários
dados geográficos
inventário país - estado - município
nome do país/estado 17937 suspeito(s)
outlier 30 suspeito(s)
long/lat fora do limite mundial não encontrado
long/lat iguais não encontrado
long ou lat com zero 267 suspeito(s)
long/lat mar (Brasil) 42 suspeito(s)
nome do município (Brasil) 47562 suspeito(s)
análise da coordenada (Brasil) 669 suspeito(s)
outras inconsistências 273 suspeito(s)

data da coleta
data da coleta menor que 1730 não encontrado
ano da coleta maior que identificação não encontrado
sugestões para campos em branco
long/lat (Brasil) 12638 sugestões  
nome país/estado 13491 sugestões
nome município (Brasil) 60733 sugestões

busca
dataCleaning
email
Centro de Referência em Informação Ambiental, CRIA