Semantische Modellierung für Daten

Kapitel 6. Schlechte Beschreibungen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Die Grenzen meiner Sprache bedeuten die Grenzen meiner Welt.

Ludwig Wittgenstein

Wenn wir ein semantisches Modell entwickeln, legen wir Aspekte fest, die zur menschlichen Interpretierbarkeit beitragen (Elementnamen, textliche Definitionen, Verwendungsrichtlinien und andere Dokumentation), sowie Aspekte, die auf die maschinelle Interpretierbarkeit abzielen (Beziehungen zu anderen Elementen, logische Axiome, Inferenzregeln usw.). Als Ersteller von semantischen Modellen legen wir zu Recht großen Wert auf die Aspekte der Maschineninterpretierbarkeit, aber wir unterschätzen oft die Bedeutung und Schwierigkeit, semantische Modelle zu erstellen, die von Menschen verstanden werden. Umgekehrt unterschätzen wir als Nutzerinnen und Nutzer semantischer Modelle oft die Wahrscheinlichkeit, dass wir nicht verstanden haben, worum es bei einem semantischen Modell wirklich geht, und es am Ende auf falsche Weise nutzen. Das ist vielleicht der Hauptgrund für die semantische Kluft zwischen Datenlieferanten und -verbrauchern.

In diesem Kapitel werden einige häufige Fehler beschrieben, die wir machen, wenn wir die Elemente eines semantischen Modells durch Namen, textliche Definitionen und andere Arten von menschenlesbaren Informationen beschreiben.

Schlechte Namen geben

Mein Lieblingsquiz, wenn ich Vorträge über semantische Modellierung ...