1. はじめに

このセクションは規範的ではありません。

以下に示すベストプラクティスは、ウェブをデータ交換の媒体として継続的に拡大・発展させることを促進するために策定されました。世界中の政府によるオープンデータのオンライン共有の増加 [ OKFN-INDEX] [ODB]、研究データ同盟（RDA）などの組織による研究データのオンライン公開促進 [RDA]、ソーシャルメディアデータの収集・分析・公開、情報のクラウドソーシング、フランス国立図書館（Bibliothèque nationale de France）などの重要な文化遺産コレクションのウェブ上での存在感拡大 [BNF]、リンクドオープンデータクラウドの持続的成長 [LODC] などは、ウェブを利用したデータ公開の利用拡大の一例です。

しかし、この成長は一様ではなく、多くの場合、オープンウェブプラットフォームが持つ事実間のリンクや関連リソースの発見、インタラクティブな可視化の実現など、ウェブの持つ可能性を十分に活用していません。

概して、データの発行者はデータをオープン、または制限付きのアクセスで共有することを目指します。データの利用者（自分自身が発行者である場合も含まれます）は、正確で、定期的に更新され、常時利用できるデータであれば、データを見つけ、利用し、リンクできることを望みます。これにより、発行者と利用者の間で共通理解が不可欠となります。この合意がなければ、発行者の努力は利用者のニーズと合致しない可能性があります。

ウェブのオープン性と柔軟性は、「データをどのように表現し、記述し、発見しやすく理解しやすい形で公開するか」など、発行者・利用者双方に新たな課題をもたらします。たとえば、従来型のデータベースのように、単一のデータモデルやDBMSが存在するわけではなく、ウェブ上のデータには表現方法・アクセス方法が複数存在します。これらの課題の詳細については、ウェブ上のデータ課題の章をご覧ください。

このような背景から、データ管理の一貫性を高めるための指針を発行者に提供することが重要になります。こうした指針はデータの再利用を促進し、開発者がどのような技術を用いてもデータへの信頼を高め、真のイノベーションの可能性を高めます。

ただし、すべてのデータやメタデータをオープンに共有すべきとは限りません。セキュリティ、商業的機微、そして何より個人のプライバシーを考慮する必要があります。どのデータをどの条件で共有するかは、発行者が方針を定めるべき分野です。データ共有ポリシーは、公開リスクを評価し、認証や認可などの適切なセキュリティ対策を講じるべきかどうかを判断するものとなるでしょう。

状況によっては、個人に関する機微情報には、氏名、住所、メールアドレス、個人識別番号、IPアドレス、車両登録番号、運転免許証番号、顔・指紋・筆跡・クレジットカード番号・デジタルID・生年月日・出生地・遺伝情報・電話番号・ログイン名・スクリーンネーム・ニックネーム・健康記録などが含まれる場合があります。それらの一部はオープンにしても安全である場合もあり、制御された環境下でさらに公開可能なこともありますが、複数の情報源を結合することで意図せず個人が特定される可能性がある点に留意すべきです。

ウェブ上でデータを公開する一般的なベストプラクティスは、標準規格を利用することです。組織によっては、特定分野や応用分野向けにデータセットの公開手順に関する標準を策定し、その分野のユーザーコミュニティに共有しています。これらの標準は、関係者間で情報をやりとりするための共通手段を定めています。例えば、交通時刻表の公開にはGeneral Transit Feed Specification [GTFS] と Service Interface for Real Time Information [SIRI] があります。これらは標準用語・標準データフォーマット・標準アクセス方法等を規定しています。もう1つの一般的なベストプラクティスとして、文字データの取り扱いにはUnicodeを利用することが推奨されます。Unicodeは多言語テキスト処理を容易にし、ソフトウェアのローカライズも改善します。

ベストプラクティスは、データの公開・利用に関連する様々な側面、たとえばデータフォーマット、アクセス、識別子、メタデータなどをカバーしています。ウェブ上のデータベストプラクティスの範囲を定め必要な特徴を明確にするために、DWBPワーキンググループでは、ウェブでのデータ公開や利用のあり方を示すユースケース集 [DWBP-UCR] をまとめました。これらのユースケースから導かれた要件は、ベストプラクティスの策定指針となっており、分野やアプリケーションに依存しません。ただし、より特殊な文脈に対応する他のベストプラクティスや標準によって拡張・補完することが可能です。語彙という観点では、W3Cの「リンクドデータ公開 ベストプラクティス」[LD-BP]が参考になります。ODRL [ODRL-model] にはライセンスや権利記載のための勧告があり、証跡管理に関する一連の標準 [PROV-Overview] も存在します。空間・時間データの可発見性・アクセシビリティ・相互運用性を含む専門的なアドバイスは、「ウェブ上の空間データ ベストプラクティス」[SDW-BP]で拡張されています。

DWBP ではリンクドデータ手法を推奨していますが、CSV等の他のオープンフォーマットのウェブ上でのデータにもベストプラクティスを紹介しています。タブ区切りデータ等を最大限ウェブ上で相互リンクできるように設計された方法は、Tabular Data Primer [Tabular-Data-Primer] に記載されています。

DWBP 採用を促進するため、発行者の理解・処理可能性・発見性・再利用・信頼・リンク性・アクセス・相互運用性など、さまざまな具体的メリットが明確化されました。 それぞれのベストプラクティスとの関連は、ベストプラクティスの利点にて説明されています。

2. 対象読者

このセクションは規範的ではありません。

本書は、主にウェブ上でデータを公開する方を対象としてベストプラクティスをまとめています。ベストプラクティスは、情報管理スタッフ、開発者、ウェブ上で研究データの共有や再利用を考える科学者のような幅広い関心層のニーズに対応しています。主な対象はデータ発行者ですが、関連する活動に携わるすべての方にもぜひご一読いただきたい内容です。技術仕様書としての正確さと明快さを保ちつつ、できる限り読みやすさ・使いやすさにも配慮しています。

本書の読者は、ウェブアーキテクチャ [WEBARCH] の基本概念（リソース、URIなど）や、いくつかのデータフォーマットについての基礎知識を有していることが想定されています。各ベストプラクティスの規範的要素は達成すべき成果です。実装例も示していますが、状況に応じ技術選定を推奨する場合もあります。語彙やデータモデルの基礎知識があれば、本書の内容をより深く理解できるでしょう。

3. 適用範囲

このセクションは規範的ではありません。

本書では、下記のいずれかに該当するベストプラクティスのみを対象とします：

• ウェブ上で公開するデータに特に関連するもの
• ウェブ上でのデータ公開または再利用を促進するもの
• 機械・人・その組み合わせで検証可能であるもの

前述の通り、ベストプラクティスの実施有無は 達成すべき成果 に基づき判断すべきであり、実装手法例（ガイダンス）は参考情報です。ベストプラクティスは、我々がウェブをともに発展させていく中で、常に改善の余地があります。

4. 背景

このセクションは規範的ではありません。

以下の図は本書における検討範囲を示しています。一般に、ウェブ上でのデータ公開および利用を想定したベストプラクティスは データセット および ディストリビューション に関係します。データは複数のディストリビューション（データセットの物理的な形式）で公開されます。ここでいうデータとは、「記録可能で内在的な意味を持つ既知の事実」（[Navathe]）を指します。こうした多様なディストリビューションによって大規模なデータ共有が可能となり、利用目的・対象・関心・ライセンスの有無に関係なく データ利用者 の様々なグループで活用されます。このような多様性や、発行者と利用者が相互に未知であることから、データセット・ディストリビューションについても、信頼性や再利用につながる情報（構造メタデータ・記述メタデータ・アクセス情報・品質情報・証跡情報・ライセンス情報・利用情報など）の提供が不可欠となります。

ウェブ上でのデータ公開・共有にあたって重要なのは、ウェブのアーキテクチャ的な基盤（[WEBARCH]）です。重要な原則として「URIによるリソースの識別」があり、ここではリソースはデータセット全体または構成要素を指すことがあります。すべてのリソースは安定したURIで公開され、URIによるリソース間のリンクが可能になるべきです。データセット間の相互運用性を高めるためにも、語彙や標準の採用は重要です。

5. 名前空間

このセクションは規範的ではありません。

本書全体で次の名前空間プレフィックスを使用しています。

9. 用語集

このセクションは規範的ではありません。

引用（Citation）

引用には直接的かつ明示的なもの（学術論文の参考文献リストのような）、間接的なもの（例：同一研究グループによる同分野の新しい論文への言及）、または暗示的なもの（例：芸術作品での引用やパロディ、盗作などに見られる）があります。

出典: CiTO, the Citation Typing Ontology.

データアーカイブ（Data archiving）

データアーカイブとは、デジタル資料の長期保存や状態監視に関する一連の慣行のことを指します。

これらの作業はTrusted Digital Repository（TDR、信頼できるデジタルリポジトリ）や、長期アーカイブサービス（LTA）とも呼ばれる機関の責務です。このようなサービスはしばしば、オープンアーカイブ情報システム [OAIS]に則って、インジェスト（受入）、監視、再利用のプロセスでアーカイブを定義します。

データ消費者（Data consumer）

このWGの文脈では、データ消費者とはデータにアクセス・利用し、場合によっては後処理を行う個人またはグループです。

出典: Strong, Diane M., Yang W. Lee, and Richard Y. Wang. "Data quality in context." Communications of the ACM 40.5 (1997): 103-110.

データ形式（Data format）

データ形式とは、情報の表現方法、すなわちコンピュータで使用・保存する際に情報がどのように符号化され記憶されるか、またその表現が形式データ型や標準規格群により制約される場合も含む特定の慣例のことです。

出典: Digital Humanities Curation Guide

データ保存（Data preservation）

データ保存とは、Alliance for Permanent Access Network で「時間を超えてオブジェクトの技術的・知的存続を確保するためのプロセス・運用」と定義されています。これはデータ管理計画（保存計画とメタデータ重視）の一部です。保存への労力をかけるかどうかは、データの将来価値、利用可能なリソース、そして関係者の判断に依存します。

データ生産者（Data producer）

データ生産者とは、データの生成と維持に責任を持つ個人またはグループです。

出典: Strong, Diane M., Yang W. Lee, and Richard Y. Wang. "Data quality in context." Communications of the ACM 40.5 (1997): 103-110.

データ来歴（Data provenance）

来歴（プロヴナンス）はフランス語の "provenir"（由来する・来る）に由来し、芸術作品が所有者を移る際の管理過程の記録を指します。データ来歴も同様に、データ提供者がデータ利用者へ歴史の詳細を伝えるメタデータです。

データ品質（Data quality）

データ品質は、一般に「特定のアプリケーションや用途に対する適合性（fit for use）」として定義されます。

データセット（Dataset）

データセットは、1つの主体によって公開または管理されたデータの集合であり、1つ以上の形式でアクセスまたはダウンロード可能なものを指します。データセットはダウンロードファイルの形だけに限りません。

出典: Data Catalog Vocabulary (DCAT) [VOCAB-DCAT]

配布物（Distribution）

配布物はデータセットの特定の公開形態を指します。1つのデータセットは様々な形式やエンドポイントで提供される場合があり、CSVファイルのダウンロード、API、RSSフィードなどがその例です。

出典: Data Catalog Vocabulary (DCAT) [VOCAB-DCAT]

フィードバック（Feedback）

フィードバックフォーラムは、消費者が特定トピックについて投稿したメッセージを集める場です。メッセージには他の消費者への返信も含まれます。各メッセージには日時スタンプが付与され、個人名での投稿も匿名投稿も可能です。

出典: Semantically-Interlinked Online Communities (SIOC) および アノテーションモデル [Annotation-Model]

なぜアノテーションが作成されたかを理解するため、SKOS コンセプトスキーム [SKOS-PRIMER] を使い、単なるクラス階層よりも意味的に関連する注釈をコミュニティ間で表現します。

ファイル形式（File format）

ファイル形式は、コンピュータファイル内に情報をエンコードして保存するための標準的方法です。ビット配列がどのように情報表現に使われるかを規定します。プロプライエタリまたはフリー、非公開またはオープンな形式もあります。

例：プレーンテキスト（特定の文字コード、理想はUTF-8）、CSV [RFC4180]、PDF [PDF]、XML、JSON [RFC4627]、Turtle [Turtle]、HDF5など。

ライセンス（License）

ライセンスは、データに関連付けられたものについて、公式に何かをすることを許諾する法的文書です。

出典: DCTERMS [DCTERMS]

ロケール（Locale）

ロケールとは、言語や地域に関連する国際的設定値の集合であり、（あるカテゴリの）ユーザーが必要とします。多くは言語タグなどの短縮IDやトークンで示され、環境からプロセスへ渡すことで文化的に影響される挙動に反映されます。

出典: Language Tags and Locale Identifiers for the World Wide Web [LTLI].

機械可読データ（Machine-readable data）

機械可読データとは、コンピュータシステムが自動的に読み取り・処理可能な標準形式で表現されたデータです。従来のワープロやPDFファイルは人には読みやすいですが、機械による解釈や操作は困難なことが多いです。XML, JSON, HDF5, RDF, CSVなどは機械可読データ形式です。

出典: Wikipediaより改変。

準リアルタイム（Near real-time）

「準リアルタイム」または「ほぼリアルタイム」（NRT）とは、通信や計算分野において、イベント発生とその処理済データ利用・表示や制御までの間に、データ処理やネットワーク伝送による遅延が介在することを指します。例えば、準リアルタイム表示は、処理時間を引いた時点のイベントや状況を映し出します。

出典: Wikipedia

機微データ（Sensitive data）

機微データとは、特定の方法でのみ使用される、または限られた人々を対象とするよう意図されたデータやメタデータのことです。個人データ・企業データ・行政データなどが含まれ、公開された機微データの誤用は個人や組織に損害を与える場合があります。

標準（Standard）

技術標準とは、技術システムに関する確立された規範・要求事項です。多くは文書化された、工学・技術的基準・手法・手順の統一規定です。対して、一般に受け入れられて支配的になった慣習・規約・企業標準等はデファクトスタンダード（事実上の標準）とも呼ばれます。

出典: Wikipedia

構造化データ（Structured data）

構造化データとは、固定スキーマに準拠したデータを指します。リレーショナルデータベースやスプレッドシートがその例です。

語彙（Vocabulary）

語彙とは、特定目的のための「用語」の集合です。RDF Schema [RDF-SCHEMA] や FOAF [FOAF]、Dublin Core [DCTERMS] などシンプルなものから、医療分野のように何千もの用語を持つ複雑な語彙まであります。語彙はLinked Dataにおいて重要な役割を果たし、特にデータ統合に有効です。Ontologyとも用語が重複することがあります。

出典: Linked Data Glossary

10. ウェブ上のデータに関する課題

このセクションは規範的ではありません。

下記の図は、ウェブ上でデータを公開・利用する際に直面する主な課題のいくつかをまとめたものです。これらの課題はDWBPユースケースと要件 [DWBP-UCR] をもとに特定されており、図に示したように1つ以上のベストプラクティスが対応しています。

11. ベストプラクティスの利点

このセクションは非規範的です。

以下の一覧は、DWBP を適用することによる主な利点を説明します。各利点は、データセットがウェブ上で提供される方法における改善点を表します。

• 理解促進: 人間はデータ構造、データの意味、メタデータ、およびデータセットの性質をよりよく理解できるようになります。
• 処理容易性: 機械はデータセット内のデータを自動的に処理・操作できるようになります。
• 発見性: 機械がデータセットやデータセット内のデータを自動的に発見できるようになります。
• 再利用: 異なるグループのデータ利用者によるデータセットの再利用可能性が高まります。
• 信頼: 利用者がデータセットに抱く信頼度が向上します。
• リンク性: データリソース（データセットやデータ項目）間でリンクを作成しやすくなります。
• アクセス: 人間と機械の両方が様々な形態で最新のデータにアクセスできるようになります。
• 相互運用性: データ発行者と利用者の間で合意に達しやすくなります。

次の表はベストプラクティスと利点との関連を示します。

下図は、ベストプラクティスを採用することでデータ発行者が得られる利点を示しています。

12. ユースケースの要件とベストプラクティス

このセクションは規範的ではありません。