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:    SinBiota
total de registros indexados 131517 
- sem coordenadas geográficas
- georreferenciados 131515 
- georreferenciados bloqueados
- no mar 15152 
- número do catálogo em branco
  menor: 671   maior: 22844 [ gap ]  
registros repetidos
número do catálogo 123456 
registros duplicados 28517 
nome + número do coletor
última atualização  -  logs de erro
da coleção:  02-10-2019 do dataCleaning:  13-10-2020
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 23704 suspeito(s)
família não encontrado
genero 63 suspeito(s)
espécie 401 suspeito(s)
subespécie não encontrado
autor não encontrado
duplicata não encontrado
outras inconsistências 6 suspeito(s)
anotações 38 anotações
dados geográficos
inventário país - estado - município
nome do país/estado 1797 suspeito(s)
outlier 401 suspeito(s)
long/lat fora do limite mundial 385 suspeito(s)
long/lat iguais 87 suspeito(s)
long ou lat com zero não encontrado
long/lat mar (Brasil) 815 suspeito(s)
nome do município (Brasil) 383 suspeito(s)
análise da coordenada (Brasil) não encontrado
outras inconsistências não encontrado

data da coleta
data da coleta menor que 1930 não encontrado
ano da coleta maior que identificação não encontrado
sugestões para campos em branco
long/lat (Brasil) não encontrado
nome país/estado não encontrado
nome município (Brasil) 111965 sugestões

busca
dataCleaning
email
Centro de Referência em Informação Ambiental, CRIA