Suite

Existe-t-il des sources de données cartographiques simples comme world.dat


Je suis récemment tombé sur ce billet de blog www.gnuplotting.org/plotting-the-world/ qui utilisait un fichier contenant une carte de base du monde. Existe-t-il un nom pour ce type de données. Existe-t-il également un référentiel de données de résolution similaire mais supérieure.

Lien direct vers les données : www.gnuplotting.org/data/world.dat


Le fichier world.dat est un format de fichier spécifiquement pour GnuPlot. Je n'en ai entendu parler nulle part ailleurs et je n'ai rien trouvé.

Dans un article de blog plus récent sur ce même site, l'auteur parle de la mise à jour du fichier world.dat avec de meilleures données - en particulier de Natural Earth. Étant donné que l'auteur commence par les fichiers de forme, ce même flux de données pourrait être utilisé sur à peu près n'importe quoi car le format de fichier de forme est assez omniprésent.


Vous pouvez créer vos propres cartes pour gnuplot à partir de fichiers image ou de fichiers de formes en utilisant le package R Rgnuplot.

Il peut également tracer une dizaine de projections cartographiques


Existe-t-il des sources de données cartographiques simples comme world.dat - Systèmes d'information géographique

Module 2 : Méthodes de collecte de données - Chapitres 2

Leçon en ligne

Méthodes de recherche sur les loisirs

Une fois qu'une question de recherche a été déterminée, l'étape suivante consiste à déterminer quelle méthode sera appropriée et efficace.

Le tableau ci-dessous décrit les caractéristiques de base des différentes méthodologies.

Méthodologies de recherche qualitative et quantitative

Quantitatif les méthodes de recherche comprennent :

Qualitatif les méthodes de recherche comprennent :

Chaque méthode de recherche a ses forces et ses faiblesses. Lors de la conception d'une étude de recherche, il est important de décider quels résultats (données) l'étude produira, puis de sélectionner la meilleure méthodologie pour produire les informations souhaitées.

Techniques de collecte de données

Il existe deux sources de données. La collecte de données primaires utilise des enquêtes, des expériences ou des observations directes. La collecte de données secondaires peut être effectuée en collectant des informations à partir d'une source diverse de documents ou d'informations stockées électroniquement. Les recensements américains et les études de marché sont des exemples de sources communes de données secondaires. Ceci est également appelé "data mining."

Techniques de collecte de données clés

Rédaction d'une introduction

Dans toute proposition de recherche, le chercheur doit éviter le mot « enquête ». Ce mot est perçu dans un sens négatif.

Les éléments clés d'une bonne introduction comprennent

Traitements expérimentaux

Les plans expérimentaux sont à la base de la signification statistique. Un exemple des principes fondamentaux d'une conception expérimentale est présenté ci-dessous.

Un chercheur s'intéresse à l'effet d'un programme de loisirs de plein air (la variable indépendante, le traitement expérimental ou la variable d'intervention) sur les comportements (variables dépendantes ou de résultat) des jeunes à risque.

Dans cet exemple, la variable indépendante (programme de loisirs de plein air) devrait effectuer un changement dans la variable dépendante. Même avec une étude bien conçue, une question demeure : comment le chercheur peut-il être sûr que les changements de comportement, le cas échéant, ont été causés par le programme de loisirs de plein air, et non par une autre variable intermédiaire ou étrangère ? Une conception expérimentale n'élimine pas les variables intervenantes ou étrangères, mais tente de rendre compte de leurs effets.

Le contrôle expérimental est associé à quatre facteurs principaux (Huck, Cormier, & Bounds, 1974).

Groupe de traitement: La partie d'un échantillon ou d'une population qui est exposée à une manipulation de la variable indépendante est connue sous le nom de groupe de traitement. Par exemple, les jeunes qui s'inscrivent et participent à des programmes de loisirs constituent le groupe de traitement, et le groupe auquel aucun service de loisirs n'est fourni constitue le groupe témoin.

Il existe deux critères principaux pour évaluer la validité d'un plan expérimental.

Erreurs : sont des conditions qui peuvent confondre l'effet de la variable indépendante avec celui de certaines autres variables.

True Designs - Cinq étapes de base pour la conception de la recherche expérimentale

1. Examinez la littérature pour les recherches actuelles liées à votre étude.
2. Définir le problème, formuler une hypothèse, définir les termes et variables de base et opérationnaliser les variables.
3. Élaborer un plan de recherche :
une. Identifiez les variables confusionnelles/médiatrices qui peuvent contaminer l'expérience et développez des méthodes pour les contrôler ou les minimiser.
b. Sélectionnez un plan de recherche (voir chapitre 3).
c. Sélectionnez au hasard des sujets et attribuez-les au hasard à des groupes.
ré. Valider tous les instruments utilisés.
e. Élaborer des procédures de collecte de données, mener une étude pilote et affiner l'instrument.
F. Énoncez les hypothèses nulle et alternative et définissez le niveau de signification statistique de l'étude.
4. Menez les expériences de recherche.
5. Analysez toutes les données, effectuez des tests statistiques appropriés et communiquez les résultats.

La principale différence entre les vrais plans et les quasi plans est que les quasi plans n'utilisent pas d'assignation aléatoire dans les groupes de traitement ou de contrôle puisque ce plan est utilisé dans des environnements naturels existants.

Les groupes reçoivent des prétests, puis un groupe reçoit un traitement, puis les deux groupes reçoivent un post-test. Cela crée une question continue de validité interne et externe, puisque les sujets sont auto-sélectionnés. Les étapes utilisées dans un quasi-design sont les mêmes que les vrais designs.

Conceptions ex post facto

Une conception ex post facto déterminera quelles variables discriminent entre les groupes de sujets.

Étapes d'une conception ex post facto

Les études ex post facto ne peuvent pas prouver la causalité, mais peuvent donner un aperçu de la compréhension du phénomène.

AUTRES MÉTHODES DE TERRAIN/TECHNIQUES DE GROUPE

Technique du groupe nominal (NGT)

La NGT est une technique de structuration de discussion de groupe. Il est utile pour fournir un effort ciblé sur des sujets. Le NGT fournit une méthode pour identifier les problèmes qui préoccupent les groupes d'intérêts spéciaux ou le grand public. Ewert (1990) a noté que la NGT est une technique de prise de décision collective à utiliser dans la planification et la gestion des parcs et des loisirs. Le NGT est utilisé pour obtenir un aperçu des problèmes du groupe, des comportements et des besoins de recherche futurs.

Source : (Mitra et Lankford, 1999)

La méthode delphi a été développée pour structurer les discussions et résumer les options d'un groupe sélectionné pour :

Bien que les données puissent s'avérer précieuses, le processus de collecte prend beaucoup de temps. Lorsque le temps est disponible et que les répondants sont prêts à être interrogés sur une période de temps, la technique peut être très puissante pour identifier les tendances et prédire les événements futurs.

La technique nécessite une série de questionnaires et de rapports de rétroaction à un groupe d'individus. Chaque série est analysée et l'instrument/les déclarations sont révisés pour refléter les réponses du groupe. Un nouveau questionnaire est préparé qui inclut le nouveau matériel, et le processus est répété jusqu'à ce qu'un consensus soit atteint.

La lecture ci-dessous est une étude de recherche qui a utilisé la technique delphi et l'analyse de contenu pour développer un programme national de certification professionnelle.

Richard Krueger (1988) décrit le groupe de discussion comme un type particulier de groupe en termes d'objectif, de taille, de composition et de procédures. Un groupe de discussion est généralement composé de sept à douze participants qui ne se connaissent pas et dirigé par un intervieweur qualifié. Ces participants sont sélectionnés parce qu'ils ont certaines caractéristiques en commun qui se rapportent au sujet du groupe de discussion.

Le chercheur crée un environnement permissif dans le groupe de discussion qui nourrit différentes perceptions et points de vue, sans faire pression sur les participants pour qu'ils votent, planifient ou parviennent à un consensus. La discussion de groupe est menée plusieurs fois avec des types de participants similaires pour identifier les tendances et les modèles de perceptions. Une analyse minutieuse et systématique des discussions fournit des indices et des idées sur la façon dont un produit, un service ou une opportunité est perçu.

Un groupe de discussion peut être défini comme une discussion soigneusement planifiée conçue pour obtenir des perceptions sur un domaine d'intérêt défini dans un environnement permissif et non menaçant. Elle est menée auprès d'environ sept à douze personnes par un enquêteur qualifié. La discussion est détendue, confortable et souvent agréable pour les participants qui partagent leurs idées et leurs perceptions. Les membres du groupe s'influencent mutuellement en répondant aux idées et aux commentaires de la discussion.

CARACTÉRISTIQUES DES GROUPES DE DISCUSSION

Les entretiens de groupe de discussion ont généralement quatre caractéristiques :

D'autres types de processus de groupe utilisés dans les services sociaux (delphiques, nominaux, de planification, thérapeutiques, de sensibilité ou consultatifs) peuvent avoir une ou plusieurs de ces caractéristiques, mais pas dans la même combinaison que celles des entretiens de groupe de discussion.

Cartographie comportementale/cognitive

Les informations de cartographie cognitive et spatiale fournissent une carte spatiale de :

Tous les types d'activités récréatives et de voyages impliquent un certain niveau de cognition environnementale, car les gens doivent identifier et localiser les destinations et les attractions récréatives.

La cartographie cognitive permet aux gestionnaires de ressources récréatives d'identifier où les utilisateurs et les visiteurs perçoivent les meilleures aires de loisirs. Il est important de comprendre les perceptions des utilisateurs afin de gérer les zones d'utilisation intensive en termes de maintenance, de supervision, de budgétisation, d'élaboration de politiques et de planification.

Des cartes cognitives quadrillent le site de recherche en zones. Les zones identifient les sites géographiques, climatiques, paysagers, marins et récréatifs existants. Les grilles permettent aux répondants d'indiquer les principaux sites de loisirs, puis un composite est développé pour identifier les zones à fort impact. Les chercheurs recueillent des données dans les aires de loisirs (plage, terrain de camping, marina, début de sentier, etc.) en interrogeant les visiteurs et les récréateurs. Au cours du processus de collecte de données, des sites, des jours, des heures et des répondants aléatoires (tous les énièmes) doivent être choisis pour augmenter la fiabilité et la généralisabilité des données.

La recherche observationnelle est utilisée pour étudier les comportements non verbaux (gestes, activités, regroupements sociaux, etc.).

Sommer & Sommer (1986) a développé la liste ci-dessous pour aider à la recherche d'observation.

L'observation fortuite se fait normalement comme des entretiens non structurés. Au cours des premières étapes d'un projet de recherche, l'observation informelle permet au(x) chercheur(s) d'observer les sujets avant de concevoir des questionnaires et/ou des formats d'entretien.

Types d'études d'observation

Documents (également appelés Données Secondaires ou Data Mining)

L'exploration de données est couramment utilisée dans la recherche qualitative et quantitative. Les données secondaires fournissent des données qui fournissent un cadre pour le projet de recherche, l'élaboration de questions de recherche et la validation des résultats de l'étude.

Les sources de données secondaires fréquemment utilisées sont :

L'analyse de contenu décrit systématiquement la forme ou le contenu du matériel écrit et/ou parlé. Il est utilisé pour étudier quantitativement les médias de masse. La technique utilise des données secondaires et est considérée comme une recherche discrète.

La première étape consiste à sélectionner les médias à étudier et le sujet de recherche. Ensuite, développez un système de classification pour enregistrer les informations. Les techniques peuvent utiliser des juges formés ou un programme informatique peut être utilisé pour trier les données afin d'augmenter la fiabilité du processus.

L'analyse de contenu est un processus fastidieux en raison de l'exigence que chaque source de données soit analysée selon un certain nombre de dimensions. Il peut également être inductif (identifie les thèmes et les modèles) ou déductif (quantifie les fréquences des données). Les résultats sont descriptifs, mais indiqueront également des tendances ou des questions d'intérêt.

La lecture ci-dessous est une étude de recherche qui a utilisé la technique Delphi et l'analyse de contenu pour développer un programme national de certification professionnelle.

La méta-analyse combine les résultats des études examinées. Il utilise des techniques statistiques pour estimer la force d'un ensemble donné de résultats dans de nombreuses études différentes. Cela permet de créer un contexte à partir duquel des recherches futures peuvent émerger et de déterminer la fiabilité d'un résultat en examinant les résultats de nombreuses études différentes. Les chercheurs analysent les méthodes utilisées dans les études précédentes et quantifient collectivement les résultats des études. Les résultats de la méta-analyse constituent une base pour l'établissement de nouvelles théories, modèles et concepts.

Thomas et Nelson (1990) détaillent les étapes de la méta-analyse :

La recherche historique est également appelée recherche analytique. Les caractéristiques méthodologiques communes incluent un sujet de recherche qui aborde les événements passés, l'examen des données primaires et secondaires, les techniques de critique pour les recherches historiques et l'évaluation de l'information, ainsi que la synthèse et l'explication des résultats. Les études historiques tentent de fournir des informations et une compréhension des événements historiques, juridiques et politiques passés.

Cinq procédures de base communes à la conduite de la recherche historique ont été identifiées par McMillan & Schumacher (1984). Ils fournissent une approche systématique du processus de recherche historique.

Étape 1 : Définir le problème en posant des questions pertinentes telles que : La méthode historique est-elle appropriée ? Des données pertinentes sont-elles disponibles ? Les résultats seront-ils significatifs dans le domaine des services de loisirs ?

Étape 2 : Développer l'hypothèse de recherche (si nécessaire) et les objectifs de recherche pour fournir un cadre pour la conduite de la recherche. Les questions de recherche se concentrent sur les événements (qui, quoi, quand, où), comment un événement s'est produit (descriptif) et pourquoi l'événement s'est produit (interprétation). Cela contraste avec les études quantitatives, dans lesquelles le chercheur teste des hypothèses et essaie de déterminer la signification entre les scores des groupes expérimentaux et témoins ou les relations entre la variable x et la variable y.

Étape 3 : Collecter les données, qui consiste à prendre de nombreuses notes et à organiser les données. Le chercheur doit coder les sujets et les sous-sujets afin d'organiser et de classer les données. Les types d'analyse de données utilisés dans la recherche historique incluent (basé sur McMillan & Schumacher, 1984):

Étape 4 : À l'aide de critiques externes et internes, la recherche doit évaluer les données. Les sources de données comprennent des documents (lettres, agendas, factures, reçus, journaux, revues/magazines, films, images, enregistrements, dossiers personnels et institutionnels et budgets), des témoignages oraux des participants aux événements et des reliques (manuels, bâtiments, cartes, équipement, mobilier et autres objets).

Étape 5 : Rapport des résultats, qui comprend un énoncé du problème, un examen du matériel source, des hypothèses, des questions de recherche et des méthodes utilisées pour obtenir les résultats, les interprétations et les conclusions, et un système de référencement bibliographique complet.

L'approche multiméthode encourage la collecte, l'analyse et l'intégration de données provenant de plusieurs sources et l'utilisation de divers types de méthodes de recherche.

Copyright 2001. Université du Nord de l'Arizona, TOUS DROITS RÉSERVÉS


Existe-t-il des sources de données cartographiques simples comme world.dat - Systèmes d'information géographique

Les données sur la pollution atmosphérique sont une combinaison de données météorologiques, de données gouvernementales et privées sur la qualité de l'air, ainsi que de données satellitaires. La source de données est Air Visual qui compile les données quotidiennement.

Source de données sur la pollution :

Les données sur les sites contaminés montrent les sites étudiés par des enquêteurs qualifiés dans le cadre du programme d'enquête sur les sites toxiques de Pure Earth. Ce programme est limité par le budget et l'orientation géographique des bailleurs de fonds et ne montre donc qu'un petit pourcentage des sites toxiques dans les pays à revenu faible et intermédiaire. La source de données est ContaminatedSites.org, les mises à jour s'affichent automatiquement sur cette carte lorsque les sites sont approuvés dans cette base de données.

Les décès par pollution sont indiqués en métriques de décès ou DALY de la The Lancet Commission on Pollution and Health. Les données sont présentées pays par pays et peuvent être triées en fonction des facteurs de risque.

Approuvé

Évaluation en attente

Pure Earth, en tant que Secrétariat du GAHP, est responsable de la production de cette carte avec la contribution des organisations partenaires :

  • Centre pour le réseau international d'information sur les sciences de la Terre (CIESIN)
  • Sensibilisation Google Earth
  • Institut Arnhold pour la santé mondiale, mont. Sinaï
  • World Resources Institute – Analyse des risques liés à l'eau des aqueducs
  • National Geographic, votre photo
  • Aérien visuel
  • Cartes d'axe
  • Indice de performance environnementale à l'Université de Yale
  • Dalhousie
  • ONU Environnement en direct
  • ONU Environnement GEMS Eau
  • TU AS DIT
  • Commission européenne
  • ONUDI
  • Institut de mesure et d'évaluation de la santé

Seule une partie du problème de pollution peut être visualisée ici, car les données sont incomplètes. Par exemple, la pollution de l'air est raisonnablement bien mesurée aux États-Unis et en Europe. Mais dans le monde en développement, seuls quelques pays, et parfois seulement quelques villes mesurent correctement la qualité de l'air. Vous pensez peut-être, par conséquent, que les États-Unis et l'Europe semblent plus pollués, car ils ont de nombreux moniteurs. Mais ce n'est pas le cas! En fait, les pays avec plus de moniteurs auront probablement plus de programmes pour réduire la pollution. De nombreux pays n'ont aucun moniteur et pourraient facilement être très pollués.

De même, les données sur les sites contaminés (généralement la pollution des sols et des métaux lourds) ne sont disponibles que pour certains pays à revenu faible ou intermédiaire. (Veuillez également noter que nous n'avons pas intentionnellement répertorié de sites contaminés dans le monde développé). Si vous voyez peu ou pas de sites contaminés dans un pays ou une ville, cela ne signifie pas que l'endroit en est exempt. Au lieu de cela, cela signifie simplement qu'il n'y a pas eu suffisamment d'études pour les trouver.

Afin de combler les nombreuses lacunes dans les données disponibles, les citoyens peuvent ajouter leurs propres données, en utilisant le site Web ReportPollution.org où les rapports des citoyens sont téléchargés puis examinés par Pure Earth pour une enquête potentielle dans le cadre de son programme d'enquête sur les sites toxiques. Ces nominations de pollution seront intégrées, après validation, et vérification scientifique, dans le volet Sites Contaminés de ce site.

Les données d'exposition comprennent les estimations suivantes pour chaque pays :

  • Nombre d'enfants (19 ans et moins) avec une plombémie (BLL) supérieure à 5 ug/dl. C'est le niveau de préoccupation de l'OMS et des CDC. Les enfants au-dessus de ce seuil sont susceptibles d'avoir un QI réduit, des troubles du développement accrus et d'autres problèmes de santé et de société importants.
  • Nombre d'enfants avec BLL supérieur à 10 ug/dl.
  • BLL moyen pour ce pays
  • Décès prématurés attribués au plomb (IHME 2019). Les décès sont attribués à un risque accru de maladie cardiovasculaire
  • Années de vie ajustées sur l'incapacité (DALY) attribuées au plomb (IHME 2019)

Les données sont fournies par l'Institute for Health Metrics and Evaluation, en utilisant leur ensemble de données sur la charge de morbidité pour 2019. Source : Pure Earth/UNICEF.

WQI – Eau PNUE/GEMS et Base d'eau de l'AEE

Le Système mondial de surveillance de l'environnement pour l'eau douce (GEMS/Eau) fournit à la communauté mondiale des données fiables sur la qualité de l'eau douce pour soutenir les évaluations scientifiques et la prise de décision sur le sujet. Les données de surveillance de la qualité des eaux de surface et souterraines collectées à partir du réseau mondial de surveillance GEMS/Eau sont partagées via le système d'information GEMStat. En savoir plus sur https://www.unep.org/gemswater/who-we-are/overview

Un système de classement, le Blacksmith Index, classe la gravité du site à l'aide d'une échelle logarithmique. Voir ces publications pour une méthodologie détaillée.


Preuve du monde réel

  • La FDA utilise RWD et RWE pour surveiller la sécurité post-commercialisation et les événements indésirables et pour prendre des décisions réglementaires.
  • La communauté des soins de santé utilise ces données pour étayer les décisions de couverture et pour élaborer des lignes directrices et des outils d'aide à la décision à utiliser dans la pratique clinique.
  • Les développeurs de produits médicaux utilisent RWD et RWE pour soutenir les conceptions d'essais cliniques (par exemple, de grands essais simples, des essais cliniques pragmatiques) et des études d'observation pour générer de nouvelles approches de traitement innovantes.

Le 21st Century Cures Act, adopté en 2016, met davantage l'accent sur l'utilisation de ces types de données pour soutenir la prise de décision réglementaire, y compris l'approbation de nouvelles indications pour les médicaments approuvés. Le Congrès a défini RWE comme des données concernant l'utilisation, ou les avantages ou les risques potentiels, d'un médicament dérivé de sources autres que les essais cliniques traditionnels. La FDA a élargi cette définition comme indiqué ci-dessous.

Pourquoi cela se produit-il maintenant?

L'utilisation d'ordinateurs, d'appareils mobiles, de dispositifs portables et d'autres biocapteurs pour collecter et stocker d'énormes quantités de données liées à la santé s'est rapidement accélérée. Ces données ont le potentiel de nous permettre de mieux concevoir et mener des essais cliniques et des études dans le cadre des soins de santé pour répondre à des questions auparavant infaisables. De plus, avec le développement de nouvelles capacités analytiques sophistiquées, nous sommes mieux en mesure d'analyser ces données et d'appliquer les résultats de nos analyses au développement et à l'approbation de produits médicaux.

Que sont les RWD et d'où viennent-ils ?

Monde réel Les donnéessont les données relatives à l'état de santé du patient et/ou à la prestation des soins de santé recueillies de façon routinière auprès de diverses sources. RWD peut provenir de plusieurs sources, par exemple :

  • Dossiers de santé électroniques (DSE)
  • Activités de réclamation et de facturation
  • Registres de produits et de maladies
  • Données générées par les patients, y compris dans les contextes d'utilisation à domicile
  • Données recueillies à partir d'autres sources pouvant informer sur l'état de santé, telles que les appareils mobiles

Qu'est-ce que RWE ?

Monde réel preuve est la preuve clinique concernant l'utilisation et les avantages ou risques potentiels d'un produit médical dérivé de l'analyse de la RWD. Le RWE peut être généré par différents modèles d'études ou analyses, y compris, mais sans s'y limiter, des essais randomisés, y compris des essais simples de grande envergure, des essais pragmatiques et des études observationnelles (prospectives et/ou rétrospectives).

Ce site Web a été conçu pour recueillir des informations à jour sur l'état des activités de la FDA concernant le développement et l'utilisation de RWD et RWE.


Existe-t-il des sources de données cartographiques simples comme world.dat - Systèmes d'information géographique

Jake Crouch, Centres nationaux d'information environnementale

Quelle était la température moyenne ?

Les couleurs montrent la température mensuelle moyenne dans chacune des 344 divisions climatiques des États-Unis contigus. Les divisions climatiques montrées en blanc ou en couleurs très claires avaient des températures moyennes proches de 50 °F. Les zones bleues sur la carte étaient plus froides que 50 °F, plus le bleu était foncé, plus la température moyenne était froide. Les zones orange à rouge étaient plus chaudes que 50 °F, plus l'ombre était foncée, plus la température moyenne mensuelle était élevée.

D'où viennent ces mesures ?

Les relevés de température proviennent des stations météorologiques du Réseau mondial de climatologie historique. Les scientifiques collectent la température la plus élevée et la plus basse de la journée à chaque station pendant tout le mois. Après avoir vérifié la qualité des données, ils calculent la moyenne mensuelle de la station et la tracent sur une carte quadrillée. Pour remplir la grille, un programme informatique applique un filtre mathématique qui tient compte de la répartition des stations et du terrain. La température moyenne mensuelle pour chaque division climatique est la moyenne de toutes les valeurs de point de grille qui s'y trouvent.

Les nuances de bleu montrent les divisions climatiques qui avaient des températures moyennes mensuelles inférieures à 50 ° F. Plus la nuance de bleu est foncée, plus la température moyenne est basse. Les divisions climatiques indiquées dans les tons orange et rouge avaient des températures moyennes supérieures à 50 ° F. Plus la nuance d'orange ou de rouge est foncée, plus la température moyenne est élevée. Les couleurs blanches ou très claires montrent des divisions climatiques où la température moyenne était proche de 50°F.

Le suivi de la température moyenne dans chacune des 344 divisions climatiques des États-Unis contigus donne aux scientifiques un moyen de surveiller le climat à l'échelle régionale. Les entreprises énergétiques utilisent ces informations pour estimer la demande de chauffage et de climatisation. Les entreprises agricoles utilisent également ces données pour optimiser le moment de la plantation, de la récolte et de la mise au pâturage du bétail.

Les instantanés de données sont des dérivés de produits de données existants : pour répondre aux besoins d'un large public, nous présentons les données sources dans un style visuel simplifié. Cet ensemble d'instantanés est basé sur les données de la division climatique (nClimDiv) produites par et disponibles auprès des Centres nationaux d'information sur l'environnement (NCEI) - Météo et climat. Pour produire nos images, nous invoquons un ensemble de scripts qui accèdent aux données sources et les représentent sur nos cartes de base.


Existe-t-il des sources de données cartographiques simples comme world.dat - Systèmes d'information géographique

Aidez-nous à soutenir ce site en faisant un petit don :

Bienvenue dans la base de données des drapeaux du monde, le premier arrêt pour les drapeaux précis du monde, y compris les drapeaux nationaux, les enseignes, les drapeaux militaires et les drapeaux des chefs d'État, avec de belles illustrations. Aimé par les enseignants, les parents, les étudiants et les diplomates.

NOUVELLE VERSION EN BÊTA !
Une nouvelle version de ce site Web est en développement depuis un certain temps et il est maintenant prêt pour une version bêta publique. Cela signifie que toutes les fonctionnalités sont là, mais il peut y avoir quelques petits problèmes ou erreurs. La nouvelle version comporte des images plus grandes et des fichiers PDF téléchargeables de chaque drapeau. Veuillez jeter un œil et envoyer vos commentaires à l'e-mail indiqué sur la page de contacts. Cliquez ici pour accéder au nouveau site.

Juste pour vous aider à démarrer, vous trouverez ci-dessous une liste de toutes les organisations, pays, territoires et régions infranationales couverts par la base de données qui commencent par "A". Les pays et territoires sont indiqués en gras. Les régions infranationales ont leur pays indiqué en dessous. Notez que lorsqu'un territoire d'outre-mer est considéré comme faisant partie de son pays d'origine, il est marqué comme sous-national (par exemple, la Guyane française).

Vous pouvez utiliser les boutons alphabétiques dans la navigation pour afficher les autres indices de lettres, ou utiliser les boutons précédent et suivant dans le panneau de navigation. Il existe également un index complet qui montre tous les pays, sous-nationaux et organisations couverts par la base de données.

Cliquez sur l'une des entrées pour voir des informations de base, des images plus grandes du drapeau et d'autres drapeaux de ce pays ou de cette organisation. Sur certaines pages, vous trouverez des boutons de sous-section sous les drapeaux qui vous mèneront à encore plus de drapeaux !


API de service de données EF

Envirofacts a développé une API de service de données RESTful pour toutes ses bases de données internes. Cette fonctionnalité offre à un utilisateur d'Envirofacts la possibilité d'interroger n'importe quelle table à l'aide d'une URL. La sortie par défaut est au format XML, qui peut être utilisé dans d'autres applications, ainsi que dans des outils tels que Microsoft Excel ou Access. Les options de sortie de CSV et Excel peuvent être demandées dans l'URL. L'intégralité des métadonnées de la base de données Envirofacts est disponible en ligne, de sorte que toutes les tables et colonnes d'Envirofacts soient documentées. Le fait de disposer des structures de table de cette manière rend la plupart des données Envirofacts facilement accessibles via le service.

Points forts et limites du service RESTful Envirofacts
Il s'agit d'un moyen simple à utiliser et bien documenté pour accéder à plusieurs sources de données sans avoir besoin de connexions à la base de données utilisateur. La sortie résultante peut être facilement utilisée avec des applications de bureau telles qu'Excel ou Access, ou utilisée dans la création de Web mash-ups.

La version actuelle du service, tout en offrant un accès facile à une quantité et une gamme de données considérables, se limite à interroger jusqu'à trois tables. De plus, la sortie est limitée à 10 000 lignes de données à la fois, mais un utilisateur peut choisir les 10 000 lignes de données, puis revenir pour récupérer les 10 000 suivantes.

Construire une recherche
Pour créer une recherche, les utilisateurs créent une URL avec un ensemble spécifique de paramètres. Cela se fait en créant une chaîne en utilisant le format suivant :

  1. Nom de la table – Au moins un nom de table est requis. Vous pouvez saisir jusqu'à trois noms de table. Lors de l'insertion de plusieurs tables dans l'URL, elles doivent partager un ID ou une colonne commune, afin que les tables puissent être jointes ou liées. Pour récupérer une sortie précise, il est préférable d'utiliser des tables qui partagent une colonne ID. Par exemple, dans les tables qui composent les informations d'installation TRI, elles partagent chacune une colonne d'ID connue sous le nom de TRI_FACILITY_ID. Cela peut être vu visuellement dans les pages de modèles Envirofacts pour divers domaines tels que les informations sur les installations TRI. Veuillez vous référer aux métadonnées de la base de données Envirofacts pour localiser les tables qui peuvent être jointes via les colonnes ID dans le service de données RESTful.
  2. Nom de colonne – Il s'agit d'une entrée facultative. Entrez un nom de colonne et une valeur pour limiter les résultats. Plusieurs colonnes peuvent être utilisées dans l'URL pour limiter les données d'une ou de plusieurs tables. Le nom de la colonne n'est pas sensible à la casse.
  3. Opérateur – Il s'agit d'une entrée facultative. Ce paramètre permet aux utilisateurs de passer un opérateur avec la requête. La sortie par défaut est "=" et ne nécessite pas d'opérateur, mais les utilisateurs peuvent également saisir les opérateurs "<", " >", "!=", "BEGINNING", "CONTAINING", via l'URL. L'opérateur "BEGINNING" renverra les lignes où le début d'une valeur de colonne est égal à la valeur de recherche. Alors que "CONTAINING" renverra des lignes où la valeur de recherche est contenue dans la valeur de la colonne.
    OPÉRATEURUSAGE
    =La base de données ne renverra que les lignes où la valeur de la colonne est égale à la valeur de recherche.
    !=La base de données ne renverra que les lignes où la valeur de la colonne n'est PAS égale à la valeur de recherche.
    <La base de données ne renverra que les lignes où la valeur de la colonne est inférieure à la valeur de recherche.
    >La base de données ne renverra que les lignes où la valeur de la colonne est supérieure à la valeur de recherche.
    DÉBUTLa base de données ne renverra que les lignes où la valeur de début de colonne est égale à la valeur de recherche. Une comparaison est effectuée, caractère par caractère, jusqu'au dernier caractère saisi pour la valeur de recherche.
    CONTENANTPour les champs Caractère uniquement. La base de données ne renverra que les lignes où la valeur de recherche est contenue dans la valeur de la colonne. Par exemple, si la valeur de recherche saisie est « ABC » et la valeur de la colonne est « CCABCDD », la ligne sera acceptée. En utilisant la même valeur de recherche de « ABC » si la valeur de la colonne était « AABBCC », la ligne sera rejetée.
  4. Valeur de la colonne – Il s'agit d'une entrée facultative (sauf lors de l'utilisation de #2 - Nom de la colonne). La valeur de la colonne est interrogée sur la base de données sans modification, cette valeur est donc sensible à la casse. Utilisez le modèle de système de programme et les requêtes dans Envirofacts pour vérifier la casse de la valeur.
  5. Lignes – Il s'agit d'une entrée facultative. Spécifiez les lignes à afficher en entrant 'rows/ <first_row> : <last_row>' La numérotation des résultats commence à 0. Ainsi, pour obtenir les cinq cents premières lignes, entrez rows/0:499 Si les lignes ne sont pas spécifiées, la valeur par défaut est les 10000 premières lignes.
  6. Format de sortie – Il s'agit d'une entrée facultative. La sortie par défaut est en XML, cependant, les options de sortie JSON, CSV ou Excel peuvent être demandées dans l'URL. Le format de sortie n'est pas sensible à la casse.

7. Compter - Il s'agit d'une entrée facultative et est indiquée comme #7 dans l'image URL ci-dessus. Count affiche le nombre total d'enregistrements qui seront renvoyés pour cette recherche une fois l'option Count supprimée. Lorsque Count est utilisé, Excel, CSV ou XML ne peut pas être spécifié. Le nom de la colonne n'est pas sensible à la casse.

Par exemple:


    renvoie les enregistrements de jeu de résultats 500 à 505 de la table TRI_FACILITY où STATE_ABBR = "VA".

Utiliser les métadonnées Envirofacts pour construire une recherche
Envirofacts utilise un ensemble de modèles de base de données graphiques pour transmettre des informations sur les relations de la base de données et les structures de table individuelles. Les recherches peuvent être construites pour n'importe quel système de données qui a un modèle de données Envirofacts et des métadonnées de table. Les utilisateurs peuvent suivre ces liens vers les modèles pour déterminer les noms de table et de colonne nécessaires pour construire leurs recherches personnalisées :

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 Les données maquette.” 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:

  • "UNE physiqueLes donnéesmaquette 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.”
  • "UNE logiqueLes donnéesmaquette 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.”

    Autre Définitions de Données La modélisation Comprendre:

    • “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)

    Certains Avantages de Données La modélisation pour Organisations sommes:


    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. Idéalement, des données supplémentaires devraient être obtenues sur le lieu de pêche et le niveau d'effort de pêche, bien que souvent cela ne soit pas possible.

    De la même manière que les fiches de pêche et les fiches de débarquement, les registres des ventes doivent être préparés sous des formes identifiées de manière appropriée en plusieurs exemplaires selon les besoins. Des copies sont susceptibles d'être demandées à l'administration du marché (le cas échéant), au vendeur, à l'acheteur et à l'autorité des pêches.

    Les registres généraux des ventes, tels que le volume des ventes et les prix par type de produit, fournissent des informations utiles pour les analyses bio-économiques et une source de données sur les captures et les débarquements lorsque toutes les autres voies de collecte de données ne sont pas disponibles. Trois sources d'information sur les ventes générales sont généralement disponibles : le marché, l'usine de transformation et les données d'exportation. Cependant, ces données doivent toujours être traitées avec précaution. Plus les sources de données sont éloignées de la source principale, plus d'erreurs seront introduites et plus de détails (par exemple, le lieu de pêche, l'effort de pêche) seront perdus.

    En plus de cela, des enquêtes directes auprès des entreprises de pêche peuvent fournir des détails essentiels sur lesquels la gestion et l'administration globales des pêches peuvent être basées. Les enquêtes statistiques annuelles sur les pêches peuvent être volontaires ou obligatoires. Si elles sont volontaires, les réponses dépendront du niveau de coopération entre le secteur privé et les autorités. Si elle est obligatoire, la législation est requise et peut être rédigée sous diverses formes, telles que les lois sur les sociétés ou les statistiques.

    Les données commerciales font référence aux informations provenant des douanes ou de sources similaires sur le commerce. Ces données sont utilisées dans les indicateurs socio-économiques et, dans certains cas exceptionnels, appuient les données sur les débarquements.

    Des informations sur les exportations et les importations sont publiées dans la plupart des pays. C'est particulièrement important lorsque des taxes à l'exportation ou à l'importation sont dues ou que des incitations à l'exportation sont données. Bien entendu, les données d'exportation et d'importation sont d'une utilité limitée pour estimer la production totale de poisson, à moins qu'il n'existe également des moyens d'établir la proportion des captures qui est utilisée dans la consommation intérieure. Cependant, dans certains cas particuliers, les données commerciales sont la principale source d'estimation des débarquements (par exemple, requins, thons). Si les données commerciales sont utilisées pour valider ou estimer les débarquements, les quantités devront généralement être converties en poids total.

    Le manque de détails dans les données d'exportation peut être un problème simplement en raison de la forme sous laquelle elles sont collectées. Les catégories d'exportation enregistrées par les autorités (pas généralement en coopération avec les autorités des pêches) peuvent masquer une grande partie des informations requises. Le poisson en conserve, le poisson congelé, le poisson frais, le poisson séché et la farine de poisson peuvent être les seules catégories pertinentes pour les autorités d'exportation. Avec des facteurs d'augmentation précis, ces données peuvent être utilisées pour la production totale de poisson. Cette méthode d'estimation est assez précise lorsqu'il existe un petit marché local. Cependant, à moins qu'elles ne soient ventilées par espèce et reliées directement à des sources de données plus proches du secteur de la pêche, elles n'ont que peu de valeur à des fins de gestion des pêches.


    Voir la vidéo: Modifier la source de données dune requête (Octobre 2021).