淘汰 addr:TW:dataset 欄位並改善 source 值

[Lzmxya]

addr:TW:dataset 與 source 這兩個欄位，皆用於表示門牌的資料來源，其中 addr:TW:dataset 填入的是政府資料開放平臺的資料集識別碼（datasetId），source 則為各地方政府之名稱。以新北市為例：addr:TW:dataset=168887 指出資料源自於政府資料開放平臺資料集識別碼 168887 號資料集；source=新北市政府 則表示資料源自於新北市政府。這些資料確實由新北市政府提供，然而更精確地說，是新北市政府民政局，這點可從 https://data.gov.tw/dataset/168887 的「提供機關」一欄得知。由此可見，比起 source=新北市政府，addr:TW:dataset=168887 是更為精確的來源，當一個元素已有 addr:TW:dataset=168887 時，我們除了可得知其提供機關以外，還能瞭解到它的更新頻率、授權方式和上架日期和資料集名稱「新北市門牌位置數值資料」等詮釋資料，更重要的是：有了政府資料開放平臺的資料集識別碼，我們始能取得該資料集（試想，若僅憑 source=新北市政府，使用者就能找到該資料集的下載網址，那他可真有本事！）。

綜上所述，168887 與 新北市政府 皆在傳達資料的來源，而前者更為準確，因此，兩者應留其一，其一應為 168887。

然而，目前已匯入至 OpenStreetMap 的門牌，將政府資料開放平臺的資料集識別碼填於 addr:TW:dataset 欄位，這是十分奇怪、不合邏輯的一件事。以下為個人見解：

1. 資料集識別碼就是資料來源，既然是來源，何不使用行之有年的 source 鍵？
2. 綜觀其他冠有 addr: 的鍵，皆為組成地址的元素，例如郵遞區號、城市、鄉鎮、街道和門牌號碼等。資料集識別碼顯然不會被寫在信封上，因此不應屬於 addr: 群。
3. 透過 Taginfo 查詢 addr: 可發現，全球僅臺灣以此方式表示資料集來源，且標籤狀態未經批准。
4. 即便要用此格式表示資料集來源，也應是 addr:dataset_ref:tw 或 addr:dataset_ref=TW168887 而非 addr:TW:dataset，如此才保有在其他地區使用的彈性（其中，比照多語系名稱的命名空間，tw 應為「小寫」）。

基於以上理由（尤其是第二項），我建議：

1. 逐步淘汰 addr:TW:dataset（考量到資料量龐大，此作業應低優先度分批進行，並儘量依附於其他門牌相關之編輯，如：3+3 郵遞區號）
2. 刪除 source 欄中模稜兩可的地方政府名稱，改以資料集識別碼或資料集實際名稱代之。

至於 source 欄具體該如何填寫，可再討論，以下是幾種或許可行的方式：

方案	優點	缺點	備註
source=data-gov-tw/168887	xxx/xxx 模式已有先例1	可能須在 OpenStreetMap Wiki 撰寫相關文件，供使用者瞭解其涵義	其他來源亦為「政府資料開放平臺」的元素可統一使用此格式
source=https://data.gov.tw/dataset/168887	直接指出來源出處	網址有失效的風險、字元數較多
source=新北市門牌位置數值資料	一目了然、永久有效的來源值	無法直接取得資料	使用者藉由搜尋引擎，仍可檢索到資料集的存放處

歡迎大家集思廣義，探討更佳的標示方式。

Footnotes

1. 例如 microsoft/BuildingFootprints、YahooJapan/ALPSMAP ↩

[LaoshuBaby]

对 addr:TW:dataset=168887 提出异议，OSM中用数据来源机构的名称直接标注是较为常见的，也不仅仅在台湾。

数字缺少易读性，而且不查文档也不会知道是 https://data.gov.tw/dataset/{id} 中的 id。套用您的句式，若使用者仅凭168887就能找到URL Schema，那他也是很有本事的。因此无论是在tag里面记载URL Schema中的id，还是记载operator，要准确还原dataset的位置，都需要外部文档（可以放在osmwiki上）的支持，对照表和使用过的若干笔数据的来源链接都是少不了的。

此外您也确实指出了，依靠外部链接容易失效和存在变化的可能性（虽然政府公开数据肯定是非常稳定的，但不是专门放url的tag里放了url也不会很优雅）

source=* 的使用也是存在争议的，如osmwiki所述：

With modern editors, the source=* tag is typically added to the changeset when a change is made, not as a tag on a piece of information which may be updated at different times based on different sources.

因此折中一下，我个人会提议 source:dataset=* 用作记载发布单位，用 source:dataset:ref=* 和 source:dataset:url=* 等来标识具体的识别号（而URL Schema呢？则还是要在osmwiki上记载了）

若在osmwiki上有dataset和provider以及url的对照参考表登记，甚至 source:dataset:url=* 也省了

亦感谢您深入探讨这一话题，不妨等下看有无台湾当地的开发者有无更好方案。

[LaoshuBaby]

4. 即便要用此格式表示資料集來源，也應是 addr:dataset_ref:tw 或 addr:dataset_ref=TW168887 而非 addr:TW:dataset，如此才保有在其他地區使用的彈性（其中，比照多語系名稱的命名空間，tw 應為「小寫」）。

此外对这点提出异议，在表示地区代码的时候OSM里面确实有保持大写的习惯，如"place:PH"和"place:CN"、或是network=*中也有很多例子。即使您指出的《多语言命名规范》一文中，也有这样一段不排斥大小写的示例

Keep uppercase codes used only for naming prefixes or suffixes in region specific tags (that are also independent of the language used): use preferably ISO 3166 codes in this case. For example, Traditional Chinese in Hong Kong is tagged name:zh-Hant-HK=, not name:zh-hant-hk=. (Use of the lowercase spellings largely ended in 2018. [1][2])

[Lzmxya]

此外对这点提出异议，在表示地区代码的时候OSM里面确实有保持大写的习惯

您說的對！仔細看了一下，ISO 3166 的地點代碼慣用大寫，而語言代碼 ISO 639 則慣用小寫。「TW」使用大寫是正確的。

因此折中一下，我个人会提议 source:dataset=* 用作记载发布单位，用 source:dataset:ref=* 和 source:dataset:url=* 等来标识具体的识别号（而URL Schema呢？则还是要在osmwiki上记载了）

然而先前廣泛存在 source:addr、source:maxspeed、source:name 這樣的用法，意為指出該資料來源是針對「後綴提及的標籤」，這將與 source:dataset=* 的思路衝突。若後者成立，那麼 source:addr 的值就該是 新北市板橋區中山路一段161號（來源供應者「新北市政府」的地址）。

source=* 的使用也是存在争议的

沒錯！其實前述 source:addr、source:maxspeed 等用法，在文件上都被歸在〈 Historic usage on objects and attributes〉一節。既然目前的方針是建議在變更集附上 source=* 而非個別元素，我想不如就直接刪去目前地址節點中的 addr:TW:dataset 與 source，改為在匯入時於變更集的標籤加註。