43-EFT.WP.Data.DatasetCards v1.0 | 第1章 概述与范围

目录 ／ 文档-技术白皮书 ／ 43-EFT.WP.Data.DatasetCards v1.0

第1章 概述与范围

I. 章节目的与读者

• 目的：确立“数据集卡（Dataset Card）”在 EFT 体系内的定位、最小合规要求与使用边界；给出与其他卷的依赖关系与引用口径。
• 读者：数据提供方、管线/平台工程师、计量与质量负责人、报告撰写者、审计与复现实验执行者。

II. 术语与引用口径

1. 术语来源：通用术语遵循《EFT.WP.Core.Terms v1.0》，本卷仅增量定义字段名与约束。引用时必须携带卷名与版本号，并优先指向条文级锚点 P/S/M/I。示例：见《EFT.WP.Core.Equations v1.1》Ch.2 S20-1。
2. 内联符号：一律使用反引号包裹，如 T_arr、c_ref、n_eff；含除号/积分/复合算符的表达加括号并显式声明路径 gamma(ell) 与测度 d ell。
3. 到达时两口径（跨卷统一示例）：
   • T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell )
   • T_arr = ( ∫ ( n_eff / c_ref ) d ell )
     任一处使用 T_arr，均需在元数据登记 delta_form、path="gamma(ell)"、measure="d ell"。

III. 本卷适用范围（In Scope）

• 对象：任何用于 EFT 研究、工程或发布的数据集之元数据与文档化要求，含字段集合、取值约束、示例、校验与导出。
• 覆盖环节：来源与采样、清洗与预处理、标签与本体、计量与单位、不确定度与误差预算、切分与分发、质量与基线、隐私伦理合规、发布与版本化、机器可读 Schema 与 Lint、实现绑定与验证 API、模板与最佳实践。对应全书 Ch.3–Ch.18。
• 引用依赖：数据契约与文件组织遵循《EFT.WP.Core.DataSpec v1.0》；单位/量纲与不确定度遵循《EFT.WP.Core.Metrology v1.0》；涉及公式时遵循《EFT.WP.Core.Equations v1.1》。

IV. 非适用范围（Out of Scope）

V. 产出物与合规门槛

1. 产出物：
   • dataset_card.yaml（或 JSON）——满足本卷 Schema 与必填字段；
   • export_manifest——含 version 与 references[]；
   • 校验报告（Lint、Schema 校验、计量校验与不确定度合成项）。
2. 最低合规（发布前必须通过）：
   • 必填字段完整、类型与正则约束通过；
   • 单位/量纲校验 check_dim 通过；
   • T_arr 相关字段已登记 delta_form、path、measure；
   • 参考条目采用“卷名+版本号+锚点”的固定写法，无短码与别名。

VI. 文档结构与跨卷依赖地图

1. 结构映射：
   • Ch.3–Ch.5 定义字段清单与分层（必填与可选扩展）；
   • Ch.6–Ch.8 记录来源/采样、清洗/预处理、标签/本体；
   • Ch.9–Ch.10 落地计量/单位与不确定度/误差预算；
   • Ch.11–Ch.12 切分/分发与质量/基线；
   • Ch.13–Ch.14 合规与版本化；
   • Ch.15–Ch.16 机器可读 Schema、Lint 与验证 API；
   • Ch.17–Ch.18 示例与模板。
2. 依赖约束：
   • 术语一律回指《Core.Terms v1.0》；
   • 量纲/单位与不确定度口径回指《Core.Metrology v1.0》；
   • 与路径相关的方程回指《Core.Equations v1.1》。

VII. 字段层级与命名规范

• 命名风格：键名使用 snake_case，数组以 [] 标示复数字段；保留名与枚举在 Schema 中显式声明。
• 冲突名强制：T_fil 与 T_trans 不可混用；n 与 n_eff 严格区分；任何公式内禁用中文。

VIII. 机器可读与验证接口（概览）

1. Schema 与 Lint：本卷提供 dataset_card.schema.json 与 lint_rules.yaml 的最小集合，覆盖必填/类型/正则/依赖关系。
2. 实现绑定要点：
   • see 字段采用 "卷名 vX.Y:锚点" 写法（如 "EFT.WP.Core.Equations v1.1:S20-1"）；
   • export_manifest 必含 version 与 references[]；
   • 校验函数需支持维度守恒（check_dim）与路径/测度字段联检。

IX. 质量、可复现与审计

• 质量门：对照 Ch.12 的质量与基线要求，给出门槛与覆盖率指标；
• 可复现：数据来源、清洗步骤、随机性控制、环境与依赖必须可重放；
• 审计轨：版本化、引用锚点与计量口径在导出物中可追溯。

X. 使用与维护

• 使用：数据发布前，完成卡片与校验并随数据包一同发布；对外材料仅引用稳定线版本（例如 v1.*）。
• 维护：当字段口径或依赖条目更新时，按本卷 Ch.14 的版本化策略发布新版本，并在导出清单中反映引用变化。