C2V7.pdf

C2V7 Návrh zajištění podpory katalogizace dat ve veřejném datovém fondu v NKOD

Vytvořeno v rámci projektu

Rozvoj datových politik v oblasti zlepšování kvality a interoperability dat veřejné správy

CZ.03.4.74/0.0/0.0/15_025/0013983

Klíčová aktivita: 03 Návrhy a realizace opatření pro zlepšování kvality otevřených dat

Verze výstupu: 01

Navrhované rozšíření funkcionalit NKOD V rámci tohoto výstupu jsou navrženy nové funkcionality rozšiřující stávající stav Národního katalogu otevřených dat (NKOD) o podporu dat publikovaných ve veřejném datovém fondu (VDF). Tyto funkcionality závisí na existenci podkladových otevřených dat publikovaných z Registru práv a povinností (RPP). V době psaní tohoto výstupu potřebná data z RPP ještě publikována nebyla, a tak byla připravena umělá data, dle předpokládané podoby, pro účely ukázání funkcionalit ve vyvinutém prototypu. Označení datové sady náležející do VDF Pro tuto funkcionalitu není třeba rozšiřovat katalogizační záznam NKOD ani vstupní registrační formulář. Fakt, že datová sada náleží do VDF, bude zjištěn z dat RPP v průběhu harvestace NKOD, a příslušné datové sady budou označeny jako náležející do VDF pomocí jejich zařazení do třídy https://data.gov.cz/slovník/nkod/vdf/datová-sada- publikující-veřejné-údaje.

Pokud je datová sada číselníkem, bude navíc označena třídou https://data.gov.cz/slovník/nkod/vdf/číselník.

Tento fakt pak bude zohledněn v uživatelském rozhraní NKOD v detailu datové sady pomocí odznaku VDF pro datové sady publikující veřejné údaje:

Návrh kódu pro odznak: VDF: veřejné údaje

Návrh kódu pro odznak: VDF: číselník

Dále bude zobrazena informace o původci dat v případě, že je odlišný od poskytovatele dat. Data s touto informací by měla být dostupná v otevřených datech RPP. Vyhledávání datových sad přes náležitost do VDF V uživatelském rozhraní NKOD bude umožněno vybrat datové sady náležející do VDF pomocí pokročilého filtru “Veřejný datový fond”.

Výpis OVM publikujících ve VDF Zjistit poskytovatele (OVM) publikující ve VDF bude možno dvěma způsoby.

První způsob využívá funkcionalitu “Vyhledávání datových sad přes náležitost do VDF”. Po zaškrtnutí typu datové sady ve VDF filtru budou vyfiltrováni právě ti poskytovatelé dat, kteř í publikují datové sady do VDF. Tento způsob však neumožňuje filtrovat dle původce dat.

Druhý způsob zjištění, zda poskytovatel poskytuje datové sady VDF, bude označení poskytovatele dat VDF v seznamu poskytovatelů pomocí odznaku VDF, jež lze prokliknout na seznam datových sad VDF daného poskytovatele. Pokud původce dat není poskytovatelem dat do NKOD, tak se v tomto seznamu neobjeví.

Návrh kódu pro odznaky:

<li class="list-group-item"> VDF poskytovatel původce </li> Zobrazení číselníků z VDF využívaných v datových sadách publikujících ve VDF veřejné údaje a naopak, zobrazení datových sad publikujících veřejné údaje využívajících číselník ve VDF v zobrazení jeho detailu Tyto informace se dotáhnou online ze SPARQL endpointu RPP. Dokud v něm potřebné údaje nebudou, prototyp je bude získávat z předpřipravených dat. Datové sady typu číselník Pro datovou sadu publikující číselník bude přidán seznam datových sad obsahujících údaje kódované tímto číselníkem:

SPARQL dotaz pro získání seznamu datových sad: PREFIX pojmy: https://slovník.gov.cz/legislativní/sbírka/111/2009/pojem/

SELECT DISTINCT ?ds WHERE { [] a pojmy:údaj ; pojmy:je-kódovaný-číselníkem/pojmy:iri-číselníku-v-nkod <https://data.gov.cz/zdroj/datové- sady/00007064/7e1c097e0b500f25d0d5a33832dd3dff> ; #toto je aktuálně zobrazený číselník pojmy:iri-datové-sady-publikující-veřejný-údaj ?ds . }

Datové sady publikující veřejný údaj Pro datovou sadu publikující veřejné údaje seznam datových sad s použitými číselníky:

SPARQL dotaz pro získání seznamu číselníků: PREFIX pojmy: https://slovník.gov.cz/legislativní/sbírka/111/2009/pojem/

SELECT DISTINCT ?ciselnik WHERE {

[] a pojmy:údaj ; pojmy:je-kódovaný-číselníkem/pojmy:iri-číselníku-v-nkod ?ciselnik ; pojmy:iri-datové-sady-publikující-veřejný-údaj <https://data.gov.cz/zdroj/datové- sady/00007064/9c73b802263c5e0ccf5542f10fbc35bb> .

#toto je aktuálně zobrazená datová sada publikující veřejný údaj kódovaný číselníkem } Dokumentace prototypu implementujícího návrh nových funkcionalit NKOD Předpoklady, které je nutné splnit před nasazením prototypu do produkce

Národní katalog otevřených dat (NKOD) má k dispozici SPARQL endpoint Registru práv a povinností (RPP), který je aktuálně dostupný na https://rpp- opendata.egon.gov.cz/odrpp/sparql/
Ve SPARQL endpointu jsou nahrána data o veřejnosti a neveřejnosti údajů
Pro veřejné údaje je indikováno, které datové sady z NKOD veřejný údaj obsahují
Pro údaje kódované číselníkem je indikováno, které datové sady z NKOD číselník obsahují
Pro číselníky je evidováno, kdo je poskytovatelem číselníku, tj. původcem dat, což je něco jiného, než kdo je poskytovatelem datové sady do NKOD, což je DIA.
Pro agendové údaje je indikováno, kdo je ohlašovatelem dané agendy

Klíčové funkcionality v prototypu NKOD LinkedPipes ETL a pipeline tvořící NKOD

V rámci harvestace je nyní stahován seznam údajů evidovaných v RPP pomocí simulovaného SPARQL endpointu RPP spolu s informacemi, v jakých datových sadách v NKOD je daný veřejný údaj publikován, a jakým číselníkem v NKOD jsou kódovány údaje kódované číselníkem. Tato informace je pak použita v indexu pro Apache Solr, kam přibyly položky popisující datovou sadu:

"vdf_public_data" : "false", 
"vdf_codelist" : "false",

Informace o tom, kdo je původcem datové sady číselníku, je v NKOD reprezentována dle standardu DCAT 2 jako vlastnost datové sady dcterms:creator, například:

@prefix dcterms: http://purl.org/dc/terms/ . @prefix ovm: https://rpp-opendata.egon.gov.cz/odrpp/zdroj/orgán-veřejné-moci/ .

https://data.gov.cz/zdroj/datové-sady/1

dcterms:creator ovm:00025593 .

LinkedPipes DCAT-AP Viewer (uživatelské rozhraní NKOD) Do konfigurace je nyní třeba přidat SPARQL endpoint RPP. Pokud nebude zadán, nové funkcionality se neprojeví. Detail datové sady Do detailu datové sady byly přidány funkcionality dle návrhu.

Odznaky indikující veřejné údaje a číselníky
Původce dat
Pro datovou sadu obsahující veřejné údaje z VDF seznam datových sad s číselníky
Pro datovou sadu obsahující číselník z VDF seznam datových sad obsahujících údaje kódované tímto číselníkem Seznam datových sad Do seznamu datových sad přibyla možnost filtrovat datové sady publikující veřejné údaje z VDF a číselníky VDF. Do Apache Solr bylo třeba přidat příslušné označení datové sady.

"vdf_public_data" : "false", "vdf_codelist" : "false", Seznam poskytovatelů dat V seznamu poskytovatelů dat nyní rozlišujeme původce a poskytovatele dat. Předpokládáme, že původci dat a číselníků ve VDF taktéž tato data publikují jako otevřená data, a tedy jsou v seznamu poskytovatelů otevřených dat. Pokud by tomu tak nebylo, jména původců dat, pokud to jsou OVM, lze také získat z RPP. Přílohy Použitý open-source software:
LinkedPipes ETL (fork v https://github.com/datagov-cz/etl) ○ soubor etl.zip
LinkedPipes DCAT-AP Viewer (fork v https://github.com/datagov-cz/dcat-ap-viewer) - Zdrojový kód prototypu uživatelského rozhraní ○ soubor dcat-ap-viewer.zip
Upravená pipeline LinkedPipes ETL pro harvestaci v rámci NKOD ○ soubor 07 Harvestace LKOD a formulářů, aktualizace uživatelského rozhraní.jsonld
Umělá testovací data simulující obsah RPP ○ soubor testovací data.ttl
Umělá testovací data simulující označení původců dat ○ soubor test původce dat z VDF.ttl