Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Data is supposed to be the new gold, but how can you unlock the value in your data? Managing large datasets used to be a task for specialists, but you don't have to worry about inconsistencies or errors anymore. OpenRefine lets you clean, link, and publish your dataset in a breeze. Using OpenRefine takes you on a practical tour of all the handy features of this well-known data transformation tool. It is a hands-on recipe book that teaches you data techniques by example. Starting from the basics, it gradually transforms you into an OpenRefine expert. This book will teach you all the necessary skills to handle any large dataset and to turn it into high-quality data for the Web. After you learn how to analyze data and spot issues, we'll see how we can solve them to obtain a clean dataset. Messy and inconsistent data is recovered through advanced techniques such as automated clustering. We'll then show extract links from keyword and full-text fields using reconciliation and named-entity extraction.

Information systems --- Library automation --- Computer architecture. Operating systems --- Data mining. --- Electronic data processing. --- Exploration de données (Informatique) --- Informatique --- COMPUTERS --- General --- Engineering & Applied Sciences --- Computer Science --- Exploration de données (Informatique)

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Als onderzoeker of student in de geesteswetenschappen werk je vandaag in een omgeving waarin je slechts enkele muisklikken bent verwijderd van miljoenen teksten, beelden en geluidsopnames uit bibliotheken, archieven en databanken overal ter wereld. Je vindt daarnaast ook vlot je weg naar talloze blogs, tweets, onderzoekspapers en andere digitale publicaties. Deze overvloed aan data, ook wel "big data' genoemd, biedt ongekende mogelijkheden, maar brengt ook een aantal uitdagingen met zich mee. Hoe bepaal je bijvoorbeeld welk materiaal relevant is voor jouw specifieke project? En welke onderzoeksvragen moet je stellen als je met een algoritme duizenden teksten kan doorzoeken? Om het maximum te kunnen halen uit de heterogene en vaak grote gegevensverzamelingen die vandaag voorhanden zijn, heb je gespecialiseerde kennis en vaardigheden nodig. Dit boek wil daarbij helpen. Het legt uit hoe je best informatie en data beheert, onderzoeksdatabanken aanmaakt en bevraagt, data visualiseert en analyseert, en hoe je deze data ook kan delen en publiceren.Het handboek 'Digitale geletterdheid' is geschreven voor onderzoekers en studenten en biedt een brede kijk op het omgaan met digitale data in het onderzoek binnen de geesteswetenschappen. De verschillende technieken en methodologische ontwikkelingen worden gecontextualiseerd en aan de hand van heldere voorbeelden uit verschillende disciplines uitgelegd. Bron : http://www.bol.com

#KVHA:Methodologie --- #KVHA:Dataverwerking; Geesteswetenschappen --- 930.2 --- sociaal onderzoek --- 930.2 Methoden en technieken van de geschiedwetenschap --- Methoden en technieken van de geschiedwetenschap --- 301.08 --- Human sciences (algemeen) --- Information systems --- Science --- Wetenschap --- Humane wetenschappen (algemeen) --- Informatiesystemen --- Academic collection --- 528.51 --- dataverwerking --- geesteswetenschappen --- onderzoeksvaardigheden --- internet - adresboeken, browsers, chatten, e-mail, tagging, sociale netwerken --- 027.021 --- 027.021 Wetenschappelijke bibliotheken --- Wetenschappelijke bibliotheken --- #SBIB:303H0 --- Dataverwerking --- Methodologie --- Cultuurwetenschappen --- Digitale geletterdheid --- Big Data --- Informatieverwerking --- 10.03 methods, techniques and organization of research in the humanities. --- 454.52 --- computerondersteund onderwijs