Learn R Programming

lupa (version 0.1.1)

marco_calidad: Declarar una taxonomía de calidad de datos

Description

Un marco_calidad enumera las dimensiones y factores contra los que se interpreta la cobertura de un análisis. No contiene métricas instanciadas: esa función sigue correspondiendo a modelo(). Tampoco es un catálogo de métricas; catalogo_agesic() conserva esa correspondencia específica.

Usage

marco_calidad(nombre, factores)

marco_agesic()

marco_iso25012()

marco_cepal()

Value

marco_calidad(), marco_agesic(), marco_iso25012() y marco_cepal() devuelven un objeto S3 marco_calidad. as.data.frame() devuelve su tabla de factores.

Arguments

nombre

Nombre del marco.

factores

Data frame con dimension y factor, o lista con nombres. El data frame puede añadir estos campos de contrato:

  • como_resolverlo: instrucción que muestra cobertura_analisis() cuando el factor todavía no fue medido;

  • perfil_mide: lógico que declara si el profiling por sí solo aporta una medición suficiente del factor. No ejecuta métricas ni se infiere del nombre; su valor predeterminado es FALSE;

  • aplicabilidad: "siempre", "temporal" o "geometria". Las dos últimas permiten informar "no_aplica" cuando el perfil no contiene columnas temporales o geometrías, respectivamente;

  • disponibilidad: "disponible" o "fuera_de_alcance". Esta última declara una limitación del motor y no puede combinarse con perfil_mide = TRUE.

Las columnas adicionales se conservan como metadatos y no cambian por sí solas la cobertura. Si se usa una lista, como_resolverlo recibe una instrucción genérica, perfil_mide = FALSE, aplicabilidad = "siempre" y disponibilidad = "disponible" para todas las filas.

Details

marco_agesic() devuelve la taxonomía incluida de fábrica. Un marco propio puede construirse con un data frame o con una lista cuyos nombres son dimensiones y cuyos valores son factores. La forma lista aplica a todas las filas los valores predeterminados descritos abajo; en particular, perfil_mide = FALSE.

En AGESIC, las instrucciones como_resolverlo de los factores se derivan de las métricas implementadas o agregables en catalogo_agesic(). En los marcos ISO/IEC 25012 y CEA/CEPAL no se infieren métricas por similitud de nombres: sus factores conservan la instrucción declarada por cada marco hasta que se les asocia una métrica con el mismo par dimensión-factor.

marco_iso25012() adapta las dos perspectivas de ISO/IEC 25012:2008 a la estructura dimensión-factor. Usa tres grupos disjuntos como dimensiones: características inherentes, características inherentes y dependientes del sistema, y características dependientes del sistema. Este agrupamiento es una representación operativa para lupa, no afirma que la norma defina una jerarquía dimensión-factor. Los nombres de las quince características y su clasificación siguen la norma; las descripciones son redacción propia. Las quince filas declaran perfil_mide = FALSE: a diferencia de la política incluida para dos factores de AGESIC, el profiling genérico no demuestra por sí solo que una característica ISO satisfaga el uso declarado.

marco_cepal() representa los cuatro niveles y los diecinueve principios del marco nacional de aseguramiento de la calidad de las Naciones Unidas, adoptados y adaptados para América Latina y el Caribe por la CEA/CEPAL. La columna principio conserva la numeración de la fuente. Los nombres de los niveles y principios son textuales; las descripciones y las instrucciones como_resolverlo de este paquete son redacción propia. Los principios 1 a 13 quedan fuera del alcance de una tabla: se refieren al sistema, al entorno institucional o al proceso estadístico. Los principios 14 a 19 describen productos estadísticos y quedan disponibles, aunque ninguno se considera medido por el profiling genérico.

References

ISO/IEC (2008). ISO/IEC 25012:2008 Software engineering — Software product Quality Requirements and Evaluation (SQuaRE) — Data quality model. https://www.iso.org/standard/35736.html.

Naciones Unidas (2019). Manual del marco nacional de aseguramiento de calidad en las estadísticas oficiales. Estudios en Métodos, serie M, N° 100 (ST/ESA/STAT/SER.M/100), Nueva York.

Grupo de Trabajo de la Conferencia Estadística de las Américas (CEA), coordinado por Colombia (DANE) y México (INEGI), Secretaría Técnica: División de Estadísticas de la CEPAL (2022). Guía para la implementación del marco de aseguramiento de la calidad para procesos y productos estadísticos. LC/CEA.11/19. Comisión Económica para América Latina y el Caribe (CEPAL), Naciones Unidas, Santiago.

See Also

catalogo_agesic(), modelo(), cobertura_analisis()

Examples

Run this code
propio <- marco_calidad("Marco operativo", list(
  Trazabilidad = c("Origen documentado", "Linaje reproducible"),
  Pertinencia = "Adecuaci\u00f3n al uso"
))
propio
as.data.frame(propio)
marco_agesic()
iso <- marco_iso25012()
table(as.data.frame(iso)$dimension)
marco_cepal()

Run the code above in your browser using DataLab