| dbpedia-owl:abstract
| - Des données lisibles par machine sont des données (ou des métadonnées) dont le format leur permet d'être assimilées facilement par un ordinateur. Il en existe deux grandes catégories:
* les données lisibles par l'humain qui sont balisées pour être également lisibles par un ordinateur (le HTML, par exemple);
* et les données dans un format qui est d'abord fait pour être lu par un ordinateur (le XML ou le JSON, par exemple). Lisible par machine n'est pas synonyme de numérique. Un document peut être numérique et facilement accessible en ligne. S'il n'est pas dans un format lisible par machine, il sera cependant plus difficile pour un ordinateur d'en extraire les données et de les traiter. «Les formats lisibles par machine permettent la réutilisation des données automatiquement et facilement (par des ordinateurs, sans qu'il faille les retranscrire "manuellement"). Par exemple, tous les fichiers au format Microsoft Excel ne sont pas lisibles par machine alors que les fichiers au format CSV (Comma-Separated Value) le sont car il s'agit d'un format informatique ouvert – compatible avec tous les logiciels de traitement de données – représentant des données sous forme de tableau structuré.» La lisibilité par machine est l'un des 10 principes d'ouverture des données proposés par la Sunlight Foundation et adoptés par plusieurs gouvernements de par le monde, dont le gouvernement du Canada dans sa politique de données ouvertes : «Les machines peuvent traiter certains types de données beaucoup mieux que d'autres. Les jeux de données publiés par le gouvernement du Canada devraient être conservés dans des formats de fichiers largement utilisés qui se prêtent aisément à un traitement par machine (p. ex., CSV, XML). Ces fichiers devraient être accompagnés de la documentation relative au format et à son mode d'utilisation en lien avec les données.»
- 機讀數據是指合符可由電腦處理格式的數據。機讀數據必須是結構化數據。 在美國，2019年1月14日的將機讀數據定義為「一種格式，該格式可以由計算機輕鬆處理而無需人工干預，同時確保不丟失語義。」法律指示美國聯邦機構以這種方式發佈公共數據，確保「該機構的任何公共數據資產都是機讀的」。 機讀數據可分為兩類：標記為人類可讀的數據，以便機器也可以讀取（例如，微格式，RDFa，HTML），以及主要用於機器處理的數據文件格式（CSV、RDF、XML、JSON）。需注意的是，僅當這些格式其中包含的數據經過正式結構化時，才是機讀數據，而從結構不良的電子表格中導出CSV文件則不符合定義。 機讀不是可數字訪問（英文：digitally accessible）的同義詞。可數字訪問的文檔可能在線上，使人類更易於透過電腦存取，但是如果內容不是機讀的，則很難通過電腦編程邏輯來提取，轉換和處理其內容。 可擴展標記語言（XML）被設計為可人類和機讀的，可擴展樣式表語言轉換（XSLT）用於改善數據的呈現方式以提高人類可讀性。例如，XSLT可用於自動呈現可移植文檔格式（PDF）的XML。機讀數據可以自動轉換以提高可讀性，但是通常來說，事實並非如此。 為了實施《》（GPRA）現代化法案，美國行政管理和預算局（OMB）定義了「機讀格式」，如下所示：「格式可以是標準計算機語言（非英語）。由網絡瀏覽器或計算機系統自動讀取（例如xml）。傳統的文字處理文檔和便攜式文檔格式（PDF）文件很容易被人類讀取，但通常機器難以解釋。其他格式，例如可擴展標記語言（XML），（JSON）或帶有標題欄且可以導出為逗號分隔值（CSV）的電子表格是機讀的格式。由於HTML是一種結構化標記語言，可以謹慎地標記文檔的某些部分，因此計算機可以收集文檔組件來組裝目錄 (書籍)，大綱，文獻檢索書目等。可以使傳統的文字處理文檔和其他格式可以機讀，但該文檔必須包括增強的結構元素。」
- Τα αναγνώσιμα από τη μηχανή δεδομένα (machine-readable data) είναι δεδομένα (ή μεταδεδομένα) που βρίσκονται σε μορφή, η οποία μπορεί να γίνει κατανοητή από έναν υπολογιστή. Υπάρχουν δύο είδη αναγνώσιμων από τη μηχανή δεδομένων: δεδομένα που είναι και αναγνώσιμα από τον άνθρωπο (human-readable), τα οποία είναι σε μορφή κατάλληλη για τον υπολογιστή (όπως τα και το ) και δεδομένα σε μορφή ειδικά σχεδιασμένη για επεξεργασία από τον υπολογιστή (όπως τα πρότυπα , XML και JSON). Το Γραφείο Διαχείρισης και Προϋπολογισμού των ΗΠΑ ορίζει ότι μια μορφή δεδομένων που είναι αναγνώσιμη από τον υπολογιστή είναι μια τυπική γλώσσα υπολογιστή που μπορεί να γίνει κατανοητή αυτόματα από έναν φυλλομετρητή ή άλλο υπολογιστικό σύστημα. Επιπλέον σημειώνει ότι τα συνηθισμένα αρχεία επεξεργαστών κειμένου, η γλώσσα σήμανσης HTML και τα αρχεία PDF μπορούν να διαβαστούν εύκολα από τον άνθρωπο αλλά δυσκολα από τον υπολογιστή, ενώ άλλες μορφές αρχείων, όπως η XML και η JSON, ή λογιστικά φύλλα που περιέχουν κεφαλίδες που μπορούν να εμφανιστούν ως τιμές που χωρίζονται από κόμματα (comma-separated values, CSV), είναι αναγνώσιμες από τη μηχανή. Τέλος, σημειώνει ότι οι κλασικές μορφές αρχείων που δεν είναι αναγνώσιμες από τον υπολογιστή, μπορούν να γίνουν, αν προστεθούν σε αυτές ειδικά δεδομένα που να περιγράφουν τη δομή τους. Η δημοσίευση δεδομένων που ανήκουν στο δημόσιο σε μορφή, σύμφωνα με κάποιο πρότυπο, που να μπορεί να διαβαστεί από τον υπολογιστή, θεωρείται (best practice).
- ( 문서를 참고하십시오.) 기계가 읽을 수 있는 데이터 또는 컴퓨터가 읽을 수 있는 데이터는 컴퓨터가 쉽게 처리할 수 있는 포맷으로 된 데이터 또는 메타데이터이다. 기계 가독형 데이터라고도 하며, 그 데이터는 구조화된 데이터여야만 한다. 여기에는 두 가지 유형이 있다. 하나는 마이크로포맷, , HTML 등과 같이 기계는 물론 인간도 읽을 수 있도록 마크업된 데이터이다. 다른 하나는 RDF, XML, JSON 등과 같이 주로 기계가 처리하도록 의도된 데이터 파일 포맷이다. XML은 인간과 기계가 모두 읽을 수 있도록 설계한 언어이고, XSLT는 XML 문서를 다른 XML 문서로 변환할 때 인간이 읽을 때 더 쉽도록 데이터 표현을 개선한 언어이다. 예를 들어 XSLT는 XML을 PDF로 자동 변환하는 데 사용할 수 있다. 기계가 읽을 수 있는 데이터를 사람이 읽을 수 있도록 자동 변환할 수는 있지만, 그 역은 항상 성립하는 건 아니다. '기계로 읽을 수 있다'는 것이 '디지털 접근이 가능하다'는 것과 동의어는 아니다. 디지털 접근이 가능한 문서는 온라인상에 있어서 사람이 컴퓨터로 접근하기가 쉽지만, 만약 그 문서가 기계가 읽을 수있는 포맷으로 되어 있지 않다면 그 내용을 추출, 변환, 처리하는 게 무척 어렵다. 예를 들어 어떤 문서가 스캔한 이미지 또는 사진 형태로 제공된다면, 사람은 읽을 수 있지만 기계가 읽기는 곤란하다. 미국 관리예산실(OMB)은 정부성과결과선진화법(GPRAMA)을 집행하기 위하여 "기계가 읽을 수 있는"을 "웹 브라우저나 컴퓨터가 자동으로 읽을 수 있는 (영어가 아니라, 예를 들어 XML과 같은) 표준 컴퓨터 언어 포맷"이라고 했다. 전통적인 워드 프로세서 문서 파일이나 PDF 파일은 사람이 쉽게 읽을 수 있지만, 기계가 해석하기는 힘든 대표적인 예이다. XML, JSON 등은 기계가 읽는 것이 가능하고, 스프레드시트도 CSV로 헤더 컬럼을 내보내기했다면 가능하다. HTML은 구조화된 마크업 언어로서 문서의 각 부분에 이름표를 신중하게 붙이기 때문에, 컴퓨터가 문서의 요소를 모아서 목차, 개요, 참고 문헌 등을 조합하는 게 가능하다. 전통적인 워드 프로세서 문서나 다른 포맷을 기계가 읽을 수 있는 포맷으로 변환하는 것은 가능하지만, 그 문서는 강화된 구조적 요소를 포함해야 한다."
- Machine-readable data, or computer-readable data, is data in a format that can be processed by a computer. Machine-readable data must be structured data. Attempts to create machine-readable data occurred as early as the 1960s. At the same time that seminal developments in machine-reading and natural-language processing were releasing (like Weizenbaum's ELIZA), people were anticipating the success of machine-readable functionality and attempting to create machine-readable documents. One such example was musicologist Nancy B. Reich's creation of a machine-readable catalog of composer William Jay Sydeman's works in 1966. In the United States, the OPEN Government Data Act of 14 January 2019 defines machine-readable data as "data in a format that can be easily processed by a computer without human intervention while ensuring no semantic meaning is lost." The law directs U.S. federal agencies to publish public data in such a manner, ensuring that "any public data asset of the agency is machine-readable". Machine-readable data may be classified into two groups: human-readable data that is marked up so that it can also be read by machines (e.g. microformats, RDFa, HTML), and data file formats intended principally for processing by machines (CSV, RDF, XML, JSON). These formats are only machine readable if the data contained within them is formally structured; exporting a CSV file from a badly structured spreadsheet does not meet the definition. Machine readable is not synonymous with digitally accessible. A digitally accessible document may be online, making it easier for humans to access via computers, but its content is much harder to extract, transform, and process via computer programming logic if it is not machine-readable. Extensible Markup Language (XML) is designed to be both human- and machine-readable, and Extensible Stylesheet Language Transformation (XSLT) is used to improve the presentation of the data for human readability. For example, XSLT can be used to automatically render XML in Portable Document Format (PDF). Machine-readable data can be automatically transformed for human-readability but, generally speaking, the reverse is not true. For purposes of implementation of the Government Performance and Results Act (GPRA) Modernization Act, the Office of Management and Budget (OMB) defines "machine readable format" as follows: "Format in a standard computer language (not English text) that can be read automatically by a web browser or computer system. (e.g.; xml). Traditional word processing documents and portable document format (PDF) files are easily read by humans but typically are difficult for machines to interpret. Other formats such as extensible markup language (XML), (JSON), or spreadsheets with header columns that can be exported as comma separated values (CSV) are machine readable formats. As HTML is a structural markup language, discreetly labeling parts of the document, computers are able to gather document components to assemble tables of contents, outlines, literature search bibliographies, etc. It is possible to make traditional word processing documents and other formats machine readable but the documents must include enhanced structural elements."
- Dane do odczytu maszynowego, dane do odczytu komputerowego – dane (lub metadane) zapisane w sposób, który pozwala na ich odczytanie przez komputer. Istnieją dwa rodzaje danych do odczytu maszynowego: dane czytelne dla ludzi, zapisane z użyciem języka znaczników tak, by były również zrozumiałe dla maszyn (np. mikroformaty, ) oraz formaty zapisu danych przeznaczone przede wszystkim do odczytu przez komputery (np. RDF, XML, JSON).
- 機械判読可能なデータ（きかいはんどくかのうなデータ、英語: Machine-readable data）とは、コンピューター（ソフトウェア、プログラミング言語）で容易に処理できるデータ形式を指す。機械判読可能データは構造化されている必要がある。機械判読に適したデータ、機械可読なデータ、マシンリーダブルデータなどとも呼ばれる。
- المعطيات المقروءة بالحاسوب هي المعطيات والمعطيات الوصفية الصالح معالجتها بالحاسوب ونحوه. وكثير منها من المعطيات المقروءة للإنسان أي الميسرة للإنسان والحاسوب.
- I dati leggibili a macchina sono dati (o metadati) esposti in un formato che li renda interpretabili da un computer. Vi sono, da un lato, dati interpretabili dagli esseri umani che sono anche elaborabili da computer, in particolare mediante marcatori o espressioni codificate, come ad esempio i microformat o le estensioni . Dall'altro, esistono formati di file di dati espressamente intesi per essere elaborati da computer, come ad esempio RDF, XML, JSON. Leggibile a macchina non è sinonimo di digitalmente accessibile. Un documento può essere digitalmente accessibile online, il che facilita l'accesso allo stesso da parte di umani via computer; tuttavia, se i dati contenuti nel documento non possono essere letti a macchina, sarà molto più difficile usare un computer per estrarli, trasformarli ed elaborarli. Per chiarire tale distinzione si pensi, ad esempio, a un documento PDF, il quale è sì digitalmente accessibile, tuttavia l'informazione in esso contenuta è difficilmente leggibile a macchina. L'Office of Management and Budget (OMB) statunitense definisce l'equivalente espressione anglosassone "Machine-readable data" come segue: "Format in a standard computer language (not English text) that can be read automatically by a web browser or computer system. (e.g.; xml). Traditional word processing documents, hypertext markup language (HTML) and portable document format (PDF) files are easily read by humans but typically are difficult for machines to interpret. Other formats such as extensible markup language (XML), (JSON), or spreadsheets with header columns that can be exported as comma separated values (CSV) are machine readable formats. It is possible to make traditional word processing documents and other formats machine readable but the documents must include enhanced structural elements." Pubblicare dati del settore pubblico in modalità aperte, standard e leggibile a macchina è una pratica incoraggiata nell'ambito della legislazione europea sul tema dell'informazione del settore pubblico.
- Los datos legibles por máquina, o datos legibles por computadora, son datos (o metadatos) en un formato que una computadora puede procesar fácilmente. Los datos legibles por máquina deben ser datos estructurados. La , promulgada el 14 de enero de 2019, define los datos legibles por máquina como «datos en un formato que puede ser procesado fácilmente por una computadora sin intervención humana, al tiempo que garantiza que no se pierda ningún significado semántico». La Ley ordena a las agencias federales de EE. UU. a que sean datos abiertos de manera predeterminada, asegurando que «cualquier activo de datos públicos de la agencia sea legible por máquina». Hay dos tipos de datos legibles por máquina: datos legibles por humanos que están marcados para que también puedan ser leídos por máquinas (por ejemplo, microformatos, RDFa, HTML) y formatos de archivos de datos destinados principalmente al procesamiento por máquinas (CSV, RDF, XML, JSON). Nuevamente, estos formatos solo son legibles por máquina si los datos contenidos en ellos están formalmente estructurados; exportar un archivo CSV desde una hoja de cálculo mal estructurada hace que los datos no sean legibles por máquina. Legible por máquina no es sinónimo de digitalmente accesible. Un documento accesible digitalmente puede estar en línea, lo que facilita el acceso de los humanos a través de las computadoras, pero su contenido es mucho más difícil de extraer, transformar y procesar a través de la lógica de programación si no es legible por máquina. eXtensible Markup Language (XML) está diseñado para ser legible tanto por humanos como por máquinas, y la Transformación de lenguaje de hoja de estilo extensible (XSLT) se utiliza para mejorar la presentación de los datos para la legibilidad humana. Por ejemplo, XSLT se puede usar para representar automáticamente XML en PDF. Los datos legibles por máquina se pueden transformar automáticamente para facilitar la lectura humana, pero, en general, lo contrario no es cierto. A los efectos de la implementación de la Ley de Rendimiento y Resultados Gubernamentales (GPRA), Acta de Modernización; la Oficina de Administración y Presupuesto (OMB), la ley y oficina son de Estados Unidos. Se define que «legible por máquina» de la siguiente manera: «Formato en un lenguaje informático estándar (no en inglés) que pueda leerse automáticamente por un navegador web o un sistema informático (por ejemplo, xml). Los documentos tradicionales de procesamiento de texto y el formato de documento portátil (PDF) son fáciles de leer por los humanos, pero generalmente son difíciles de interpretar por los equipos. Otros formatos, como el lenguaje de marcado extensible (XML ), (JSON) u hojas de cálculo con columnas de encabezado que se pueden exportar como valores separados por comas (CSV) son formatos legibles por máquina. Como HTML es un lenguaje de marcado estructural, etiquetando discretamente partes del documento, las computadoras pueden reunir componentes de documentos para ensamblar tablas de contenido, esquemas, bibliografías de búsqueda bibliográfica, etc. Es posible hacer que los documentos tradicionales de procesamiento de textos y otros formatos sean legibles por máquina, pero los documentos deben Incluye elementos estructurales mejorados».
|
| comment
| - Los datos legibles por máquina, o datos legibles por computadora, son datos (o metadatos) en un formato que una computadora puede procesar fácilmente. Los datos legibles por máquina deben ser datos estructurados. Legible por máquina no es sinónimo de digitalmente accesible. Un documento accesible digitalmente puede estar en línea, lo que facilita el acceso de los humanos a través de las computadoras, pero su contenido es mucho más difícil de extraer, transformar y procesar a través de la lógica de programación si no es legible por máquina.
- I dati leggibili a macchina sono dati (o metadati) esposti in un formato che li renda interpretabili da un computer. Vi sono, da un lato, dati interpretabili dagli esseri umani che sono anche elaborabili da computer, in particolare mediante marcatori o espressioni codificate, come ad esempio i microformat o le estensioni . Dall'altro, esistono formati di file di dati espressamente intesi per essere elaborati da computer, come ad esempio RDF, XML, JSON.
- 機讀數據是指合符可由電腦處理格式的數據。機讀數據必須是結構化數據。 在美國，2019年1月14日的將機讀數據定義為「一種格式，該格式可以由計算機輕鬆處理而無需人工干預，同時確保不丟失語義。」法律指示美國聯邦機構以這種方式發佈公共數據，確保「該機構的任何公共數據資產都是機讀的」。 機讀數據可分為兩類：標記為人類可讀的數據，以便機器也可以讀取（例如，微格式，RDFa，HTML），以及主要用於機器處理的數據文件格式（CSV、RDF、XML、JSON）。需注意的是，僅當這些格式其中包含的數據經過正式結構化時，才是機讀數據，而從結構不良的電子表格中導出CSV文件則不符合定義。 機讀不是可數字訪問（英文：digitally accessible）的同義詞。可數字訪問的文檔可能在線上，使人類更易於透過電腦存取，但是如果內容不是機讀的，則很難通過電腦編程邏輯來提取，轉換和處理其內容。 可擴展標記語言（XML）被設計為可人類和機讀的，可擴展樣式表語言轉換（XSLT）用於改善數據的呈現方式以提高人類可讀性。例如，XSLT可用於自動呈現可移植文檔格式（PDF）的XML。機讀數據可以自動轉換以提高可讀性，但是通常來說，事實並非如此。
- Des données lisibles par machine sont des données (ou des métadonnées) dont le format leur permet d'être assimilées facilement par un ordinateur. Il en existe deux grandes catégories:
* les données lisibles par l'humain qui sont balisées pour être également lisibles par un ordinateur (le HTML, par exemple);
* et les données dans un format qui est d'abord fait pour être lu par un ordinateur (le XML ou le JSON, par exemple).
- ( 문서를 참고하십시오.) 기계가 읽을 수 있는 데이터 또는 컴퓨터가 읽을 수 있는 데이터는 컴퓨터가 쉽게 처리할 수 있는 포맷으로 된 데이터 또는 메타데이터이다. 기계 가독형 데이터라고도 하며, 그 데이터는 구조화된 데이터여야만 한다. 여기에는 두 가지 유형이 있다. 하나는 마이크로포맷, , HTML 등과 같이 기계는 물론 인간도 읽을 수 있도록 마크업된 데이터이다. 다른 하나는 RDF, XML, JSON 등과 같이 주로 기계가 처리하도록 의도된 데이터 파일 포맷이다. XML은 인간과 기계가 모두 읽을 수 있도록 설계한 언어이고, XSLT는 XML 문서를 다른 XML 문서로 변환할 때 인간이 읽을 때 더 쉽도록 데이터 표현을 개선한 언어이다. 예를 들어 XSLT는 XML을 PDF로 자동 변환하는 데 사용할 수 있다. 기계가 읽을 수 있는 데이터를 사람이 읽을 수 있도록 자동 변환할 수는 있지만, 그 역은 항상 성립하는 건 아니다.
- Dane do odczytu maszynowego, dane do odczytu komputerowego – dane (lub metadane) zapisane w sposób, który pozwala na ich odczytanie przez komputer. Istnieją dwa rodzaje danych do odczytu maszynowego: dane czytelne dla ludzi, zapisane z użyciem języka znaczników tak, by były również zrozumiałe dla maszyn (np. mikroformaty, ) oraz formaty zapisu danych przeznaczone przede wszystkim do odczytu przez komputery (np. RDF, XML, JSON).
- Machine-readable data, or computer-readable data, is data in a format that can be processed by a computer. Machine-readable data must be structured data. Attempts to create machine-readable data occurred as early as the 1960s. At the same time that seminal developments in machine-reading and natural-language processing were releasing (like Weizenbaum's ELIZA), people were anticipating the success of machine-readable functionality and attempting to create machine-readable documents. One such example was musicologist Nancy B. Reich's creation of a machine-readable catalog of composer William Jay Sydeman's works in 1966.
- Τα αναγνώσιμα από τη μηχανή δεδομένα (machine-readable data) είναι δεδομένα (ή μεταδεδομένα) που βρίσκονται σε μορφή, η οποία μπορεί να γίνει κατανοητή από έναν υπολογιστή. Υπάρχουν δύο είδη αναγνώσιμων από τη μηχανή δεδομένων: δεδομένα που είναι και αναγνώσιμα από τον άνθρωπο (human-readable), τα οποία είναι σε μορφή κατάλληλη για τον υπολογιστή (όπως τα και το ) και δεδομένα σε μορφή ειδικά σχεδιασμένη για επεξεργασία από τον υπολογιστή (όπως τα πρότυπα , XML και JSON).
- 機械判読可能なデータ（きかいはんどくかのうなデータ、英語: Machine-readable data）とは、コンピューター（ソフトウェア、プログラミング言語）で容易に処理できるデータ形式を指す。機械判読可能データは構造化されている必要がある。機械判読に適したデータ、機械可読なデータ、マシンリーダブルデータなどとも呼ばれる。
- المعطيات المقروءة بالحاسوب هي المعطيات والمعطيات الوصفية الصالح معالجتها بالحاسوب ونحوه. وكثير منها من المعطيات المقروءة للإنسان أي الميسرة للإنسان والحاسوب.
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
