データ

データ（/ ˈ d eɪ t ə / DAY -tə、米国では/ ˈ d æ t ə / DAT -əとも）は、情報を伝達する離散値または連続値の集合であり、量、品質、事実、統計、その他の意味の基本単位、または単にさらに正式に解釈される可能性のある記号のシーケンスを表します。データムは、データの集合内の個々の値です。データは通常、追加のコンテキストと意味を提供する表などの構造に編成され、それ自体がより大きな構造のデータとして使用されることがあります。データは、計算プロセスの変数として使用されることがあります。^{[1] [2]}データは抽象的なアイデアや具体的な測定値を表すことができます。^{[3]データは、}科学的研究、経済学、および事実上あらゆる形態の人間の組織活動 で一般的に使用されています。データセットの例には、価格指数（消費者物価指数など）、失業率、識字率、国勢調査データなどがあります。この文脈では、データは、有用な情報を抽出できる生の事実と数字を表します。

データは、測定、観察、クエリ、分析などの技術を使用して収集され、通常はさらに処理できる数字または文字として表されます。フィールド データは、制御されていない現場環境で収集されたデータです。実験データは、制御された科学実験の過程で生成されるデータです。データは、計算、推論、議論、プレゼンテーション、視覚化、またはその他の形式の事後分析などの技術を使用して分析されます。分析の前に、生データ(または未処理データ) は通常、クリーニングされます。つまり、外れ値は削除され、明らかな機器またはデータ入力エラーは修正されます。

データは、計算、推論、議論の基礎として使用できる事実情報の最小単位と見なすことができます。データは、抽象的なアイデアから具体的な測定値にまで及び、統計を含みますが、これに限定されません。何らかの関連するコンテキストで提示されたテーマ的に関連したデータは、情報と見なすことができます。コンテキストに関連した情報は、データの洞察またはインテリジェンスとして説明できます。時間の経過とともに蓄積される洞察とインテリジェンスの蓄積は、情報として説明できます。データは「デジタル経済の新しい石油」と説明されています。^{[4] [5]}一般的な概念としてのデータは、既存の情報または知識が、より適切な使用または処理に適した何らかの形式で表現またはコード化されているという事実を指します。

コンピューティング技術の進歩により、ビッグデータが登場しました。ビッグデータとは通常、ペタバイト規模の非常に大量のデータを指します。従来のデータ分析方法とコンピューティングでは、このような大規模な（そして増加し続ける）データセットを扱うのは困難であり、不可能です。（理論上、無限のデータからは無限の情報が得られ、洞察やインテリジェンスを抽出することは不可能になります。）これに対応して、比較的新しい分野であるデータサイエンスでは、機械学習（およびその他の人工知能（AI））手法を使用して、ビッグデータに分析手法を効率的に適用できるようにしています。

ラテン語の「data」は、「与えられた」を意味するdatumの複数形と、 「与える」を意味するdare^{の中性過去分詞である。 [6]} 英語で「data」という単語が初めて使われたのは1640年代である。「data」という単語が「送信可能で保存可能なコンピュータ情報」という意味で使われたのは1946年である。「データ処理」という表現が初めて使われたのは1954年である。^[6]

「データ」が「情報」の同義語としてより一般的に使用される場合、それは単数形の集合名詞として扱われます。この用法は、日常会話やソフトウェア開発やコンピュータサイエンスなどの技術・科学分野で一般的です。この用法の1つの例は、「ビッグデータ」という用語です。データセットの処理と分析を指すためにさらに具体的に使用される場合、この用語は複数形を保持します。この用法は、自然科学、生命科学、社会科学、ソフトウェア開発、コンピュータサイエンスで一般的であり、20世紀と21世紀に人気が高まりました。一部のスタイルガイドでは、用語の異なる意味を認識せず、ガイドの対象読者に最も適した形式を推奨するだけです。たとえば、第7版のAPAスタイルでは、「データ」を複数形として扱う必要があります。^[7]

データ、情報、知識、知恵は密接に関連した概念ですが、それぞれが他の用語に対して役割を果たし、それぞれの用語に意味があります。一般的な見解によれば、データは収集され分析され、何らかの方法で分析されて初めて、データは意思決定に適した情報になります。^[8]あるデータセットが誰かにとって有益である程度は、その人がそれを予想外に感じる程度によって決まると言えます。データストリームに含まれる情報量は、シャノンエントロピーによって特徴付けられます。

知識とは、ある実体が持つ環境に対する認識であり、データは単にその知識を伝えるものです。たとえば、エベレスト山の高さを指定するデータベースのエントリは、正確に測定された値を伝えるデータです。この測定値は、エベレスト山に関する他のデータとともに本に掲載され、エベレスト山を登る最良の方法を決定する人々に役立つ形で山を説明することができます。このデータによって表される特性に対する認識が知識です。

データは最も抽象度の低い概念であり、次に抽象度が低いのが情報であり、最も抽象度が高いのが知識であるとよく考えられている。^[9]この見解では、データは解釈によって情報になる。たとえば、エベレスト山の高さは一般に「データ」と見なされ、エベレスト山の地質学的特徴に関する本は「情報」と見なされ、エベレスト山頂に到達する最良の方法に関する実用的な情報を含む登山ガイドブックは「知識」と見なされる。「情報」には、日常的な使用から技術的な使用まで、さまざまな意味がある。しかし、この見解は、データが情報から、情報が知識から生じる仕組みを逆にすると主張することもある。^[10]一般的に言えば、情報の概念は、制約、コミュニケーション、制御、データ、形式、指示、知識、意味、精神的刺激、パターン、知覚、表現の概念と密接に関連している。ベイノン・デイヴィスは、データと情報を区別するために記号の概念を使用している。データは一連の記号であり、情報は記号が何かを指すために使用されるときに発生する。^{[11] [12]}

コンピューティングデバイスやマシンが開発される前は、人々は手作業でデータを収集し、それにパターンを課す必要がありました。コンピューティングデバイスやマシンの開発により、これらのデバイスもデータを収集できるようになりました。2010年代には、マーケティング、市民による社会サービスの利用状況の分析から科学研究まで、多くの分野でコンピューターが広く使用され、データを収集して分類または処理しました。データ内のこれらのパターンは、知識を高めるために使用できる情報と見なされています。これらのパターンは「真実」として解釈される可能性があり（「真実」は主観的な概念である可能性がありますが）、一部の分野や文化では美的および倫理的基準として承認される場合があります。知覚可能な物理的または仮想的な痕跡を残すイベントは、データを通じて追跡できます。マークと観察のリンクが切断されると、マークはもはやデータとは見なされません。^[13]

機械式コンピュータは、データの表現方法によって分類されます。アナログ コンピュータは、データを電圧、距離、位置、またはその他の物理量として表現します。デジタル コンピュータは、データを固定のアルファベットから抽出した一連の記号として表現します。最も一般的なデジタル コンピュータは、バイナリ アルファベット、つまり、通常「0」と「1」で示される 2 つの文字のアルファベットを使用します。数字や文字などのより一般的な表現は、バイナリ アルファベットから作成されます。一部の特殊な形式のデータは区別されます。コンピュータ プログラムは、命令として解釈できるデータの集合です。ほとんどのコンピュータ言語では、プログラムと、プログラムが動作するその他のデータとを区別しますが、一部の言語、特にLispや同様の言語では、プログラムは基本的にその他のデータと区別できません。メタデータ、つまりその他のデータの説明を区別することも役立ちます。メタデータの類似した用語ですが、以前の用語は「補助データ」です。メタデータの典型的な例は、書籍の内容の説明である図書館カタログです。

データを登録する必要がある場合、データはデータドキュメントの形式で存在します。データ ドキュメントの種類は次のとおりです。

• データリポジトリ
• データ研究
• データセット
• ソフトウェア
• データペーパー
• データベース
• データハンドブック
• データジャーナル

これらのデータ ドキュメントの一部 (データ リポジトリ、データ スタディ、データ セット、ソフトウェア) は、データ引用索引に索引付けされていますが、データ ペーパーは、Science Citation Indexなどの従来の書誌データベースに索引付けされています。

データ収集は、一次情報源（研究者がデータを最初に入手する人）または二次情報源（研究者が、科学雑誌に掲載されたデータなど、他の情報源によってすでに収集されているデータを入手する）を通じて行うことができます。データ分析方法論は多様であり、データ三角測量法やデータ浸透法などがあります。^[14]後者は、5 つの分析角度（少なくとも 3 つ）を使用してデータを収集、分類、分析する明確な方法を提供し、研究の客観性を最大限に高め、調査対象の現象を可能な限り完全に理解できるようにします。分析角度には、定性的および定量的方法、文献レビュー（学術論文を含む）、専門家へのインタビュー、およびコンピューター シミュレーションがあります。その後、データは一連の事前に決定された手順を使用して「浸透」され、最も関連性の高い情報が抽出されます。

コンピュータサイエンス、テクノロジー、図書館学の重要な分野は、データの寿命です。科学研究​​は、特にゲノミクスや天文学で膨大な量のデータを生成しますが、医療科学、たとえば医用画像処理でも膨大な量のデータが生成されます。過去には、科学データは論文や書籍で出版され、図書館に保管されていましたが、最近では実質的にすべてのデータがハードドライブまたは光ディスクに保存されています。ただし、紙とは対照的に、これらのストレージデバイスは数十年後には読み取れなくなる可能性があります。科学出版社と図書館は数十年にわたってこの問題に取り組んできましたが、何世紀にもわたって、あるいは永遠にデータを長期保存するための満足のいく解決策はまだありません。

データのアクセシビリティ。もう1つの問題は、多くの科学データが公開されていないか、データベースなどのデータリポジトリに保存されていないことです。最近の調査では、2〜22年前に公開された516の研究からデータが要求されましたが、これらの研究のうち、要求されたデータを提供できる、または提供する意思がある研究は5件中1件未満でした。全体として、データを取得する可能性は、公開後毎年17％低下しました。^{[15]同様に、} Dryadの100のデータセットの調査では、半数以上に研究結果を再現するための詳細が欠けていることがわかりました。^[16]これは、公開されていない、または再現するのに十分な詳細がない科学データへのアクセスの悲惨な状況を示しています。

再現性の問題を解決するには、 FAIRデータ、つまり検索可能、アクセス可能、相互運用可能、再利用可能なデータを要求するという試みがあります。これらの要件を満たすデータは、その後の研究に使用でき、科学技術の進歩につながります。^[17]

データは他の分野でもますます使用されるようになっているが、その高度な解釈的性質が、データは「与えられたもの」であるという精神と相容れないのではないかという指摘もある。ピーター・チェックランドは、膨大な数の可能性のあるデータと、注目されるべきそのサブセットとを区別するために、カプタ（ラテン語のcapere 、「取る」に由来）という用語を導入した。 ^[18] ジョアンナ・ドラッカーは、人文科学は知識生産を「状況依存的、部分的、構成的」なものとみなしているため、データを使用すると、現象は離散的であるとか、観察者に依存しないといった逆効果の仮定が導入される可能性があると主張した。^[19]観察行為を構成的なものとして強調するカプタという用語は、人文科学における視覚的表現のためのデータに代わるものとして提案されている。

データ駆動型という用語は、他のすべての要因よりも主にデータによって強制される活動に適用される新語です。^[要出典]データ駆動型アプリケーションには、データ駆動型プログラミングやデータ駆動型ジャーナリズムが含まれます。

無料辞書「ウィクショナリー」でデータを検索します。

ウィキメディア・コモンズには、データに関連するメディアがあります。

Scholia にはDataのトピックプロファイルがあります。

• データは単数名詞です（詳細な評価）