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 699441 
- sem coordenadas geográficas 235094 
- georreferenciados 464347 
- georreferenciados bloqueados
- no mar 3812 
- número do catálogo em branco
  menor: 20   maior: 501299261 [ gap ]  
registros repetidos
número do catálogo 4 
registros duplicados 2 
nome + número do coletor 98321 
última atualização  -  logs de erro
da coleção:  13-02-2021 do dataCleaning:  processando
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 3570 suspeito(s)
família não encontrado
genero 567 suspeito(s)
espécie 3080 suspeito(s)
subespécie 163 suspeito(s)
autor 291925 suspeito(s)
duplicata 80852 suspeito(s)
outras inconsistências 11 suspeito(s)
anotações 905 anotações
dados geográficos
inventário país - estado - município
nome do país/estado 20261 suspeito(s)
outlier 36 suspeito(s)
long/lat fora do limite mundial 3 suspeito(s)
long/lat iguais 2 suspeito(s)
long ou lat com zero 295 suspeito(s)
long/lat mar (Brasil) 63 suspeito(s)
nome do município (Brasil) 48634 suspeito(s)
análise da coordenada (Brasil) 673 suspeito(s)
outras inconsistências 381 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) 13229 sugestões  
nome país/estado 15795 sugestões
nome município (Brasil) 61169 sugestões

busca
dataCleaning
email
Centro de Referência em Informação Ambiental, CRIA