Abriendo datos
Descargar como ODP, PDF0 recomendaciones398 vistas
El documento habla sobre la apertura de datos de la administración pública. Explica que la administración gasta dinero en investigación pero no hace públicos los detalles de los gastos de manera estructurada. Propone usar sitios como data.gov y scraping para extraer y estructurar datos de páginas web y PDFs de la administración para hacerlos más accesibles y transparentes. Finalmente, menciona algunos proyectos existentes para extraer y publicar datos del senado español.
Abriendo datos
- 1. Abriendo los datos de la administración J. J. Merelo http://sena2.info
- 2. ¿Qué hace la administración?
- 3. ¿En qué se gasta el dinero?
- 4. ¿Por qué toma ciertas decisiones?
- 5. Por ejemplo: ¿Cuánto dinero se gasta en investigación?
- 6. Fácil: 140 megas de PDFs, no indexados.
- 7. ¿Por qué?
- 9. ¿Cómo?
- 11. Scraping
- 12. Datos en HTML o PDF
- 13. Poca estructura (a mano)
- 14. Primera solución: expresiones regulares
- 15. Segunda solución: Análisis con librerías
- 17. hPricot scrAPI
- 18. Acceso orientado a objetos a la página
- 19. Pero siempre nos quedará el DOM
- 20. ¿Y después?
- 21. Datos etiquetados: SQL, XML RDF, JSON
- 22. Los datos sin metainformación sirven de poco
- 23. Servir como HTML, REST...
- 25. 48 horas de programación
- 26. 6 semanas de difusión
- 27. Software liberado 5000 € premios
- 28. Ganadores: misparadas.com e infocarretera.com
- 30. Ah, ¿pero el Senado hace algo? Scraping de parte de la información
- 34. Kit de construcción del Senado Data::ES::Senado En CPAN
- 35. Web en PHP (de Rubén Dugo)
- 36. Todo en GitHub
- 37. Futuro: Incierto
- 38. Eso es todo Muchas gracias
Notas del editor
- #6: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #7: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #8: No sé si hace falta dar más razones, pero dado todo lo anterior, ¿por qué se deben liberar los datos de la administración?
- #9: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #10: ¿Qué tenemos que hacer?
- #12: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #13: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #14: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #15: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #16: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #17: Es imposible averiguarlo con certeza. Cualquier dato es bueno.
- #18: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #19: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #20: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #21: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #22: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #23: Muchas veces es la única solución, sobre todo cuando no hay estructura HTML clara. En los PDFs (si no son escaneados) no hay otro remedio
- #24: Se trata de hacer los datos lo más usables posible
- #26: Se trata de hacer los datos lo más usables posible
- #27: Se trata de hacer los datos lo más usables posible
- #28: Se trata de hacer los datos lo más usables posible
- #29: Se trata de hacer los datos lo más usables posible
- #30: Logotipo de Campanilla, aquí presente
- #33: Se trata de hacer los datos lo más usables posible
- #34: Se trata de hacer los datos lo más usables posible