20 questions pour la gestion des données

Mots-clefs

archivage, data curation cycle, data management plan, données de recherche, Gestion des données de la recherche, plateforme de veille, projet de recherche

La gestion des données de la recherche pose de nombreuses questions. Ce billet est pour nous l’occasion de décrire les informations principales renseignées dans un data management plan (DMP) : quelles seront les données collectées durant notre projet de recherche ? De quelle manière souhaitons-nous les partager avec le reste de la communauté scientifique ? Enfin, comment envisageons-nous leur gestion et leur archivage ?

Un projet sur l’évaluation de plateformes de veille

Dans le cadre du Master en Sciences de l’information, nous sommes mandatées pour réaliser un projet de recherche. Encadrées par Mme Madinier, notre étude, portant sur l’évaluation de plateformes de veille, s’inscrit dans le cadre d’un projet plus large, le projet webSO+. Notre recherche, de type exploratoire, proposera pour la première fois d’évaluer des plateformes non pas selon les fonctionnalités proposées, mais selon la qualité des résultats retournés.

Le data management plan : un document en passe de devenir obligatoire

Dès octobre 2017, tout chercheur suisse devra fournir un document précisant la manière dont seront gérées les données de la recherche avant, pendant et après le projet (FNSNF 2017). Plusieurs modèles existent pour la réalisation de ce document. Pour notre part, nous avons décidé de répondre aux vingt questions du chercheur David Shotton.

The DCC Curation Lifecycle Model : les étapes du cycle de vie
des données pour une curation et une préservation optimale

Source : http://www.dcc.ac.uk/resources/curation-lifecycle-model /

Des données de quelle nature ?

Nos données seront nouvelles, car créées durant notre projet. Elles sont de natures différentes :

• Les données collectées sur les plateformes sont des données compilées, de nature en partie révisable, car elles sont le reflet de ce qui existe sur le web.
• Les grilles d’évaluation créées pour évaluer ces données collectées s’apparentent à des données de type « simulation », le modèle d’évaluation des données étant plus important que les données en elles-mêmes (Schneider sans date).

Comment partager les données ? : la question des droits d’auteur

Désireuses que nos données soient libres d’accès et de réutilisation pour tous, nous avons dû nous poser au préalable la question des droits d’auteur.

Tout d’abord, nous devons considérer les auteurs à l’origine des données collectées depuis le web. Bénéficiant du cadre de l’exception de citation et de celui de la recherche et de l’enseignement, nous pouvons diffuser sans restriction les titres et URL de ces données.

Par ailleurs, nous avons dû nous assurer que les plateformes ne réclameraient pas de droits pour la création de recueils de données, auquel cas nous aurions dû nous soumettre à certaines restrictions de diffusion.

Enfin se pose la question de nos propres droits concernant les grilles d’évaluation que nous allons créer. Afin de permettre la diffusion et la réutilisation de nos données, nous avons fait le choix du copyright CC BY.

L’active data management : l’enjeu de la sécurité

Tout au long de notre projet, nos données seront stockées sur les disques durs de nos ordinateurs, mais aussi dans le cloud, pour en garantir une sauvegarde optimale. Pour ce faire, nous utiliserons le service Dropbox.

Les données collectées sur les plateformes étant en partie révisables, se pose l’enjeu de la fréquence d’exportation. Cependant, pour des questions de faisabilité (nous ne pouvons pas prévoir la volumétrie des données collectées), nous sommes aujourd’hui dans l’incapacité de communiquer cette information.

Zenodo : pour un archivage à court terme

Afin de permettre à la communauté scientifique d’accéder et de réutiliser rapidement nos données, il nous a paru opportun de faire le choix d’une solution pour un archivage à court terme.

Zenodo, développé par le CERN, est intéressant car :

• il affecte automatiquement un DOI à chacun des documents déposés,
• il utilise le protocole OAI-PMH permettant l’interopérabilité des archives ouvertes,
• il permet de créer et de gérer des communautés en permettant la définition des droits d’accès aux données (Pôle Digitalist 2017).

Cependant, c’est un entrepôt dont l’archivage est géré par une machine, encore incapable d’assurer les mêmes tâches que les professionnels de manière automatique. Ainsi, nous devons envisager une autre solution pour l’archivage à long terme.

Quel entrepôt pour l’archivage à long terme ?

Après avoir effectué des recherches sur OpenDOAR, il apparaît qu’il n’existe pas d’entrepôt de données en Suisse pour le domaine des sciences de l’information. Le projet suisse DLCM proposera à terme une solution à ce sujet.

A ce stade du projet, nous poursuivons donc nos réflexions. Nos données n’étant pas de nature sensible, il nous serait possible de les déposer dans un entrepôt en dehors de la Suisse. Ainsi, trois entrepôts de notre domaine ont pu être identifiés et contactés. Nous attendons leur réponse.

Floriane Minana & Fanny Quiquerez

Sources

A propos des licences – Creative Commons. Creativecommons.org [en ligne]. [Consulté le 13 mai 2017]. Disponible à l’adresse : https://creativecommons.org/licenses/?lang=fr

FONDS NATIONAL SUISSE DE LA RECHERCHE SCIENTIFIQUE (FNSNF), 2017. Open Research Data : les requêtes devront inclure un plan de gestion des données. Snf.ch [en ligne]. [Consulté le 20 mai 2017]. Disponible à l’adresse : http://www.snf.ch/fr/pointrecherche/newsroom/Pages/news-170306-open-research-data-bientot-une-realite.aspx

PÔLE DIGITALIST (DLH), 2017. Datapartage – Déposer dans Zenodo-Inra. Inra.fr [en ligne]. [Consulté le 13 mai 2017]. Disponible à l’adresse : https://www6.inra.fr/datapartage/Partager-Publier/Valoriser-ses-donnees/Deposer-dans-Zenodo-Inra

SCHNEIDER, René, [sans date]. Données de la recherche : connaissances de base [document PDF].

Support de cours : Cours “M1C1 – Fondements des sciences de l’information et soutien à la recherche”, Haute école de gestion de Genève, filière information documentaire, année académique 2016-2017

SHOTTON, David, 2012. Twenty Questions for Research Data Management. Data management planning [en ligne]. 7 mars 2012. [Consulté le 20 mai 2017]. Disponible à l’adresse : https://datamanagementplanning.wordpress.com/2012/03/07/twenty-questions-for-research-data-management/

UNIL, Université de Lausanne, 2017. Réaliser un Data Management. Unil.ch [en ligne]. [Consulté le 13 mai 2017]. Disponible à l’adresse : https://uniris.unil.ch/researchdata/sujet/realiser-un-data-management-plan/

Enrichissement des dépôts institutionnels suisses : évaluation de la proportion d’articles en texte intégral disponibles et développement de stratégies d’acquisition automatique

Mots-clefs

archives institutionnelles, automatisation de recherche, open access, publication scientifique suisse

Un contexte

Dans le cadre du master en Sciences de l’Information que nous suivons actuellement à la HEG, nous avons été mandatés pour effectuer un travail de recherche d’une durée d’une année dans un des nombreux domaines relatifs à notre champ d’études.

Débuté en mars 2017, le rendu final du projet est arrêté pour le mois de janvier 2018, et les premiers résultats seront présentés sous forme d’un poster, le 14 décembre 2017, lors d’une session idoine.

Parmi une vingtaine de mandats différents, nous avons choisi de nous consacrer au projet de recherche proposé par le Professeur Patrick Ruch concernant le dépôt d’articles scientifiques, et plus particulièrement les archives institutionnelles suisses.

Les archives institutionnelles

En Suisse, la littérature produite par les chercheurs est généralement publiée sous forme d’articles chez des éditeurs commerciaux. Cependant, il existe aussi des dépôts d’articles au sein des institutions. Celles-ci ont pour vocation d’accueillir, de rassembler et de rendre disponible les publications écrites sous son toit. Il s’agit des archives institutionnelles. Malheureusement, toute la littérature produite dans ces institutions ne s’y trouve pas nécessairement.

Il en résulte plusieurs problèmes : d’une part, ces archives institutionnelles sont dépendantes de l’institution auxquelles elles appartiennent, donc morcelées sur le territoire Suisse, et seuls les établissements les plus fortunés peuvent avoir la chance d’en avoir une suffisamment développée. D’autre part, elles sont souvent incomplètes.

C’est pour ces raisons ainsi que pour s’aligner sur le modèle européen, qu’une stratégie nationale de l’Open Access vient d’être mise en place. Dans ce contexte, il est désormais indispensable de se pencher sur  la possibilité de créer une archive institutionnelle nationale et sa mise en application.

Le projet de recherche

Ainsi, le Professeur Patrick Ruch, nous mandate, afin de se pencher sur ce projet. Notre but est d’estimer et d’évaluer la quantité d’articles scientifiques disponibles dans les archives institutionnelles suisses, ainsi que de développer une stratégie automatique d’acquisition de notices bibliographiques et de texte intégral.

En effet, tous les articles financés par des fonds de recherche suisses sont nécessairement quelque part : dans d’autres sources, comme des archives ouvertes, des bases de données commerciales, des éditeurs etc…

L’idée est d’identifier et d’aller chercher les articles (ou leurs métadonnées) et de quantifier la proportion déjà présente dans les archives institutionnelles. Puis, à terme, proposer une méthode automatique afin de récolter informatiquement ces données. Bien sûr, nous devrons respecter les contraintes de droit d’auteur et d’embargo de publication sur certains articles.

Nous répondrons à trois questions de recherche pour arriver à ce but :

1. Quelle est la proportion de publications produite par des chercheurs affiliés à des institutions suisses qui se trouve dans les archives institutionnelles suisses ?
2. Comment identifier les articles issus de fonds de recherche suisse dans les sources internationales (archives ouvertes et plateformes commerciales) ?
3. Quelle part de la publication suisse absente des archives institutionnelles peut être obtenue automatiquement depuis les sources internationales et comment en systématiser l’acquisition ?

Notre recherche, qui débute maintenant, portera en premier lieu sur l’identification et la description des ressources représentatives qui seront utilisées pour y quantifier les articles suisses. De cette manière nous serons à même de définir un panel à des fins de test de plusieurs dépôts institutionnels et de plusieurs sources internationales.

En second lieu, nous émettrons des recommandations sur l’identification automatique des articles de chercheurs affiliés à des institutions suisses dans des sources internationales et l’automatisation du moissonnage de notices.

Le data management plan

Une partie de cette recherche est également pour nous l’occasion de créer un Data Management Plan (DMP). C’est un outil qui nous permettra de structurer et de cadrer ce que nous allons faire des données de la recherche que nous produirons. Pour ce faire, nous nous poserons des questions concernant la description de nos données, la méthodologie de collecte des données, la méthode de curation des données sélectionnée, la sécurité et la confidentialité des données, le moyen de partage et d’accès aux données, et plus encore…

Nous proposerons donc une solution pour le management plan, ainsi qu’une solution pour l’archivage à court, puis à long terme.

Mais ce sujet à lui seul fera ultérieurement l’objet d’un article de notre part dans ces colonnes.

Elodie Schwob et Matthieu Putallaz

 

Master IS : la recherche en route !

Mots-clefs

archives institutionnelles, data management plan, données de recherche, gestion des risques, gouvernance de l'information, identifiants pérennes, poster scientifique, projet de recherche, Twitter, veille, webométrie

Les étudiants du Master IS débutent ce mois-ci leur projet de recherche qui s’achèvera début 2018 avec la publication de leurs résultats sous forme de mémoire de recherche. Un poster scientifique présentera le projet, sa méthodologie et les premiers résultats : la session de présentation aura lieu le 14 décembre 2017 à la HEG.

Il s’agit pour eux de mener à bien une recherche originale en sciences de l’information en produisant et communiquant des connaissances scientifiques nouvelles.

Cette année, la liste des sujets proposés aux étudiants était très variée : veille, gouvernance de l’information, risques informationnels, archives institutionnelles ou encore gestion des données de la recherche sont quelques-unes des grandes thématiques qui ont été choisies.

Les projets de recherche dans le détail

Une évaluation de la qualité des métriques d’Alexa en webométrie posera aux étudiants la question de la transparence des données : peut-on avoir confiance dans les données d’Alexa.com ? Comment faire pour avoir des données normalisées et transparentes du web ?

Deux sujets concernant la veille interrogeront d’une part les sources (Twitter, Google News, Bing, etc.) et leur pertinence et d’autre part les outils de surveillance et leur recouvrement : quelles sources sont les plus pertinentes, bruitées ou encore couvrantes ? Quels outils de veille sont les plus performants pour couvrir un champ informationnel précis ?

Une étude sur cinq mois de tweets géolocalisés en Suisse proposera aux étudiants d’explorer ces données afin d’offrir une description quantitative globale de ces données et questionnera la signifiance de cette ressource et plus largement l’opportunité de l’archivage des tweets suisses.

Dans le cadre du projet « EU29 Information Governance Maturity in EU Public Administration » (InterPARES Trust), un groupe d’étudiants cherchera à connaître la perception de la gouvernance de l’information des gestionnaires de l’information dans les administrations publiques, en dressant notamment un état de l’art et en conduisant des entretiens.

La gestion des risques informationnels dans les organisations est devenue une compétence importante pour le professionnel de l’information. Afin de répondre aux enjeux à la fois technologiques et juridiques des risques informationnels, les étudiants offriront un état de l’art inédit qui permettra de définir et d’offrir une typologie des risques et des outils existants pour y faire face.

Au sein d’un projet de Swissuniversities, des étudiants interrogeront l’opportunité d’archives institutionnelles unifiées en acquérant des articles écrits par des chercheurs suisses à partir d’archives institutionnelles internationales. Tout en respectant les licences internationales, quelles seraient les possibilités d’accéder aux full-text directement à la source ?

Les institutions scientifiques suisses seront contraintes, à l’avenir, de mettre à disposition leurs données de la recherche. Dans ce contexte, un groupe d’étudiants cherchera à concevoir une chaîne des services internes utilisant une solution Open Source pour la curation des données tout au long du Data Life Cycle.

Afin d’offrir aux données de la recherche des identifiants pérennes pour en assurer une bonne citation, mais aussi la création d’identités de confiance, ce projet de recherche invitera les étudiants à établir un panorama comparatif et visuel des identifiants existants et à esquisser un modèle en respectant la particularité de la situation suisse.

Exemple de poster scientifique de la saison 2015: « GEo Tweet: exploration des tweets géolocalisés à Genève »

Les étudiants posteront régulièrement sur ce blog des contributions qui feront état de leurs résultats, ainsi que d’une réflexion autour du Data Management Plan (DMP), la gestion active et l’archivage à long terme des données issues de leur projet.

L’ensemble de la filière leur souhaite bonne chance dans cet important travail et se réjouit de découvrir leurs premiers résultats!