Очистка и разметка в OpenRefine Ключникова Дарья: различия между версиями
Материал из Поле цифровой дидактики
Нет описания правки |
Нет описания правки |
||
| Строка 11: | Строка 11: | ||
* Дата приведена к виду даты (точно уже не помню, где-то 16 или 18 изменений) | * Дата приведена к виду даты (точно уже не помню, где-то 16 или 18 изменений) | ||
timestamp → Edit cells → Common transforms → To date | timestamp → Edit cells → Common transforms → To date | ||
* ''Почему-то некоторые даты заменились текстом. Наверное, из-за ручной сборки CSV.'' | |||
* Объединены два дубликата | * Объединены два дубликата | ||
| Строка 19: | Строка 20: | ||
[[Файл:Дубликат 1.png|Проделанные шаги]] | [[Файл:Дубликат 1.png|Проделанные шаги]] | ||
[[Файл:Дубликат 2.png|Проделанные шаги]] | [[Файл:Дубликат 2.png|Проделанные шаги]] | ||
* ''Почему-то дубликаты не смёржились между собой, просто в таблице появились записи с одинаковыми названиями'' | |||
== Результаты == | == Результаты == | ||
В целом, в данных из категории содержалось не так много ошибок, однако столкнулась со следующими проблемами: | В целом, в данных из категории содержалось не так много ошибок, однако столкнулась со следующими проблемами: | ||
* В итоге не получилось полноценно поработать с [[OpenRefine]] через json-запрос, т.к. все полученные отображались в одну строку, которая имела очень много столбцов с каждым отдельным значением. Исправить это средствами [[OpenRefine]] никак не удалось (+ интуитивно не понятно, как прописывать путь, который запрашивает программа, т.к. как такового поля для ввода пути там не отображается. Пришлось тыкаться вручную) | * В итоге не получилось полноценно поработать с [[OpenRefine]] через json-запрос, т.к. все полученные отображались в одну строку, которая имела очень много столбцов с каждым отдельным значением. Исправить это средствами [[OpenRefine]] никак не удалось (+ интуитивно не понятно, как прописывать путь, который запрашивает программа, т.к. как такового поля для ввода пути там не отображается. Пришлось тыкаться вручную) | ||
* Из-за этого пришлось переделывать JSON в CSV. Онлайн-конвертеры не смогли справиться с этой задачей (ВООБЩЕ НИКАК НЕ СМОГЛИ), поэтому пришлось прибегнуть к использованию [ | * Из-за этого пришлось переделывать JSON в CSV. Онлайн-конвертеры не смогли справиться с этой задачей (ВООБЩЕ НИКАК НЕ СМОГЛИ), поэтому пришлось прибегнуть к использованию [Deepseek ИИ] для составления CSV. Возможно, поэтому в колонке text появились лишние символы + ИИ значительно сократил текст, передаваемый в JSONе. | ||
Если делиться опытом, работа с [[OpenRefine]] очень разочаровала. Возможно, в процессе работы что-то пошло не так, но больше всего расстроило то, что никак не получилось привести JSON в божеский вид - огромные чистые данные получила моментально, а вот привести их в нормальную таблицу так и не вышло. Возможно, стало даже хуже. | Если делиться опытом, работа с [[OpenRefine]] очень разочаровала. Возможно, в процессе работы что-то пошло не так, но больше всего расстроило то, что никак не получилось привести JSON в божеский вид - огромные чистые данные получила моментально, а вот привести их в нормальную таблицу так и не вышло. Возможно, стало даже хуже. | ||
Таблицу после обработки можно посмотреть | Таблицу после обработки можно посмотреть [https://drive.google.com/file/d/1CvaIiF3BJQBTpKNv69ESs9LAo902sIZ5/view?usp=sharing тут] | ||
[[Категория:CompLing Works]] | [[Категория:CompLing Works]] | ||
Версия от 08:26, 14 июня 2026
Выбранная категория
Для очистки и разметки была выбрана категория EducationalTechnology с платформы digida.mgpu.ru. С помощью json-запроса, был сформирован кластер из 20 первых статей (в алфавитном порядке), который отправился на обработку в OpenRefine.
Проделанные шаги
- Почищены пробелы в заголовках (0 изменений)
title → Edit cells → Common transforms → Trim leading and trailing whitespace
- Заголовки приведены в регистр заголовков (16 изменений)
title → Edit cells → Common transforms → To titlecase
- Дата приведена к виду даты (точно уже не помню, где-то 16 или 18 изменений)
timestamp → Edit cells → Common transforms → To date
- Почему-то некоторые даты заменились текстом. Наверное, из-за ручной сборки CSV.
- Объединены два дубликата
title → Edit cells → Cluster and edit
Здесь пришлось поиграться с методами и ключевыми функциями, в итоге результат дала только одна (см. скриншоты)
- Почему-то дубликаты не смёржились между собой, просто в таблице появились записи с одинаковыми названиями
Результаты
В целом, в данных из категории содержалось не так много ошибок, однако столкнулась со следующими проблемами:
- В итоге не получилось полноценно поработать с OpenRefine через json-запрос, т.к. все полученные отображались в одну строку, которая имела очень много столбцов с каждым отдельным значением. Исправить это средствами OpenRefine никак не удалось (+ интуитивно не понятно, как прописывать путь, который запрашивает программа, т.к. как такового поля для ввода пути там не отображается. Пришлось тыкаться вручную)
- Из-за этого пришлось переделывать JSON в CSV. Онлайн-конвертеры не смогли справиться с этой задачей (ВООБЩЕ НИКАК НЕ СМОГЛИ), поэтому пришлось прибегнуть к использованию [Deepseek ИИ] для составления CSV. Возможно, поэтому в колонке text появились лишние символы + ИИ значительно сократил текст, передаваемый в JSONе.
Если делиться опытом, работа с OpenRefine очень разочаровала. Возможно, в процессе работы что-то пошло не так, но больше всего расстроило то, что никак не получилось привести JSON в божеский вид - огромные чистые данные получила моментально, а вот привести их в нормальную таблицу так и не вышло. Возможно, стало даже хуже.
Таблицу после обработки можно посмотреть тут
