Et datasæt er en samling af data, der hører sammen og kan bruges til at analysere mønstre, besvare spørgsmål eller træne digitale modeller, herunder AI-systemer. Et datasæt kan være lille og enkelt, som et regneark med temperaturmålinger, eller meget stort og komplekst, som millioner af billeder, tekster eller lydklip. Dataene kan være strukturerede, for eksempel i tabeller, eller mindre strukturerede, som fritekst og video.
Hvad består et datasæt af?
Et datasæt indeholder typisk mange enkelte datapunkter, som beskriver noget bestemt. Det kan være oplysninger om personer, produkter, vejret, valgresultater eller trafik. Ofte ligger dataene i filer eller formater, der gør dem nemme at søge i og analysere, som CSV, JSON eller databaser.
Det afgørende er ikke kun selve tallene eller ordene, men også deres kontekst. For at forstå et datasæt skal man vide, hvor dataene kommer fra, hvad de måler, hvornår de er indsamlet, og hvordan de er blevet behandlet. Uden den baggrund kan data let misforstås. Et datasæt over ledighed giver for eksempel først reel mening, når man kender definitionen af, hvem der tælles med, og hvordan tallene er indsamlet.
Datasæt i praksis
I journalistik bruges datasæt til at afdække udviklinger og dokumentere historier. En redaktion kan for eksempel analysere et datasæt over kommunale budgetter for at finde mønstre i offentlige udgifter. I forskning bruges datasæt til at teste hypoteser, og i virksomheder kan de bruges til at forudsige efterspørgsel eller opdage fejl.
I AI er datasæt særligt vigtige, fordi modeller lærer ud fra de eksempler, de får. Hvis et datasæt er mangelfuldt, skævt eller fejlbehæftet, kan det påvirke resultaterne. Derfor er kvalitet, repræsentativitet og dokumentation centrale spørgsmål.
Hvorfor er det vigtigt?
Datasæt spiller en voksende rolle i politik, teknologi, forskning og medier. De former de analyser og beslutninger, som præger den offentlige debat. Derfor er forståelsen af, hvad et datasæt er, og hvordan det er opbygget, vigtig i aktuelle nyheder om AI, dataetik og digital styring.