Siapkan dan uji NAHPU pada setiap perangkat sebelum mengandalkannya untuk pencatatan koleksi. NAHPU dirancang agar penyiapannya mudah dan berbagi konfigurasinya sederhana. Penyiapan adalah tahap ketika pencegahan kesalahan paling murah. Satu pembatasan yang ditambahkan di Pengaturan sebelum berangkat menghapus satu kelas kesalahan yang jika tidak akan ditemukan kurator bertahun-tahun kemudian, itu pun kalau ditemukan.
Sepakati konfigurasi
Section titled “Sepakati konfigurasi”Tetapkan konfigurasi bersama tim, bukan per perangkat. Cara ini menjaga keseragaman di semua perangkat dan menekan peluang kesalahan. Kami menyarankan satu orang khusus yang menjalankan penyiapan di NAHPU. Setelah itu, bagikan konfigurasinya kepada seluruh anggota agar mereka dapat menyiapkan perangkat masing-masing.
Tinjau visibilitas kolom dan prasetel di Pengaturan. Kolom yang disembunyikan tetap dapat menyimpan data dan muncul dalam ekspor. Buat kolom khusus hanya bila tidak ada kolom bawaan yang mewakili pengamatan tersebut, lalu sepakati penempatan, tipe, cakupan, katalog yang berlaku, satuan, dan nilai yang diizinkan. Masukkan satu nilai uji dan periksa hasil ekspornya.
Siapkan sumber daya bersama
Section titled “Siapkan sumber daya bersama”- Personel dan takson. Tetapkan personel yang diperlukan dan tinjau daftar takson, termasuk tingkat identifikasi dan identifikasi yang belum pasti. Gunakan kembali entri basis data yang sudah ada bila mewakili orang atau takson yang sama.
- Satu pemelihara. Tentukan perangkat mana yang memelihara definisi bersama dan membagikan pembaruannya.
- Dokumen dan fonta. Siapkan prasetel ekspor, templat dokumen, tata letak cetak, dan fonta yang dibutuhkan. Transfer konfigurasi pengguna tidak menyertakan berkas fonta khusus maupun gambar; pasang aset itu secara terpisah dan uji dokumen hasilnya.
- Identitas proyek. Gunakan identitas proyek untuk menetapkan UUID proyek yang sama ketika beberapa perangkat berkontribusi pada satu proyek. Setiap orang yang memakai perangkat lain mengimpor identitas itu sebelum membuat catatan. Nama proyek yang sama saja tidak menghasilkan UUID bersama.
Latih alur kerjanya
Section titled “Latih alur kerjanya”Gunakan proyek latihan dengan nama yang jelas. Buat lokasi, koordinat, kegiatan pengumpulan, dan spesimen; ubah satu identifikasi; tambahkan bagian spesimen, media, dan berkas terkait bila relevan. Tutup dan buka kembali setiap catatan untuk memastikan nilainya tersimpan. Dialog memerlukan tombol konfirmasi yang eksplisit; banyak kolom catatan tersimpan otomatis.
Setelah itu, ulangi latihan seperti kondisi lapangan sesungguhnya:
- Bekerja tanpa internet, termasuk izin lokasi dan kamera yang diperlukan.
- Periksa tabel hasil ekspor yang sebenarnya dan satu label tercetak.
- Impor arsip proyek pada instalasi uji terpisah, lalu buka catatan dan berkasnya.
- Uji penggantian basis data hanya pada instalasi yang isinya boleh dibuang.
Verifikasi dengan membaca catatan, bukan hasil ekspor
Section titled “Verifikasi dengan membaca catatan, bukan hasil ekspor”Buka kembali setiap catatan latihan dan bandingkan kolom demi kolom dengan label fisiknya. Menyisir tabel ekspor untuk mencari kolom kosong dan nilai menyimpang tidaklah setara, dan selisihnya terukur: hampir semua kesalahan pengetikan yang nyata berupa nilai yang masuk akal dan berada dalam rentang yang diizinkan, sehingga lolos dari pemeriksaan berbasis nilai kosong dan angka mustahil. Anggaplah ekspor yang tampak bersih tidak membuktikan apa pun.
Bila sebuah nilai cukup penting, masukkan dua kali dari sumbernya lalu bandingkan. Entri ganda memakan waktu lebih banyak, dan itu pertukaran yang wajar untuk pengenal serta pengukuran yang tak bisa dipulihkan setelah spesimen masuk botol.
Sebelum berangkat
Section titled “Sebelum berangkat”Pastikan penyimpanan, daya, sumber daya terpasang, tujuan pencadangan, dan proyek kerja tim sudah siap. Lihat Perangkat, Pemilihan dan perawatan perangkat, dan pemulihan proyek.
Referensi
Section titled “Referensi”Barchard KA & Pace LA (2011). Preventing human error: the impact of data entry methods on data accuracy and statistical results. Computers in Human Behavior 27:1834–1839.
Chapman AD (2005). Principles of Data Quality. GBIF Secretariat, Kopenhagen.