Data Incognita… Où sont les données ?
Nous avons consacré une partie de l’année 2017 à la question des données de la recherche. Ce billet a vocation à partager notre démarche et à valoriser l’exposition Data Incognita que nous avons réalisée pour l’Open Access Week 2017.
Monter en compétences
Inquiets à l’idée de ne pas pouvoir répondre correctement aux sollicitations des chercheurs sur le sujet, nous nous sommes beaucoup formés et informés, à l’instar d’une grande partie de la communauté IST :
- en commençant par un Mooc Research Data Management and Sharing de l’Université de Caroline du Nord à Chapel Hill et de l’Université d’Édimbourg, en complétant
avec les tutoriels de l’INIST et ceux du portail français Doranum, et en parcourant bien d’autres ressources recensées notamment sur cette page du CIRAD ;
- en participant à des séminaires ou en les visionnant en ligne, notamment ceux organisés par l’INRA, très en pointe sur la question des données de la recherche (voir celui-ci ou celui-là plus particulièrement sur les data papers) ;
- en parcourant les très nombreux sites dédiés au sujet, et en particulier le portail français Cat OPIDOR.
Parallèlement, nous avons saisi toutes les occasions d’échanger avec les chercheurs pour connaître leurs habitudes quant à la gestion et au partage de leurs données. Nous avons aussi commencé de les sensibiliser aux contraintes juridiques (sans pour autant se présenter comme des spécialistes du droit) et aux possibilités techniques avec un tableau dynamique pour les guider dans le choix d’un carnet de laboratoire électronique ou d’un entrepôt.
Identifier les données
Nous avons aussi cherché à identifier les datasets déjà publiés dans nos chercheurs, pour évaluer la situation de façon objective. Pour cela, nous avons réalisé une opération simple :
- Nous avons réutilisé le corpus de publications de notre établissement sur les années 2013-2015.
- Nous avons retenu ainsi les 2 786 publications avec un DOI.
- Nous avons exploité l’API de Scholix (pour Scholarly Link eXchange), qui permet de détecter les liens entre publications et datasets. C’est notamment le service utilisé par Scopus pour alimenter la boîte Related research data sur la notice d’une publication.
Scholix propose une API qui s’interroge de façon simple, en faisant varier la fin de l’URL avec le DOI d’une publication ou d’un dataset. Par exemple, la requête suivante nous renvoie le dataset lié à la publication dont le DOI est 10.1002/2016JD025484 :
https://api-dliservice-prototype-dli.d4science.org/v1/linksFromPid?pid=10.1002/2016JD025484.
Il s’agit d’un dataset publié sur l’entrepôt Pangaea, dont le DOI est 10.1594/pangaea.864909. Et inversement, avec cette requête https://api-dliservice-prototype-dli.d4science.org/v1/linksFromPid?pid=10.1594/pangaea.864909, Scholix nous signale la publication qui s’appuie sur ce dataset. Dans un tableau Excel, avec la fonction SERVICEWEB, nous obtenons en quelques secondes l’ensemble des résultats.
Verdict : 26 publications liées à un ou plusieurs datasets, soit 1% du corpus… Quasiment toutes ces publications relèvent des sciences environnementales. Même s’il est évident que 26 publications ne peuvent être représentatives, nous relevons malgré tout qu’elles sont en moyenne bien plus citées et ont un bien meilleur score Altmetric que celles du reste du corpus (ce qui irait dans le sens des études sur le sujet comme celle de Piwowar & Vision en 2013).
Publications sans données associées (n=2760) | Publications avec données associées (n=26) | |
Nombre de citations reçues dans Scopus – Moyenne | 7,2 | 45,6 |
Score Altmetric – Moyenne | 17,2 | 77,8 |
Nous ne connaissons pas la fiabilité de l’API Scholix toujours en beta. L’équipe de Scholix nous explique que les fournisseurs n’ont pas le même taux de couverture et que si Datacite fournit plutôt bien les publications liées à ses datasets, Crossref est plus lacunaire quant au signalement des datasets. Ce constat dégrade quelque peu notre méthodologie puisqu’il n’est pas impossible que nous passions à côté de datasets en les recherchant à partir de publications. L’équipe de Scholix nous alerte aussi sur le fait qu’avec les URLs données plus haut en exemples, seule la première page de 10 résultats est retournée. Il faudrait écrire un script pour obtenir tous les résultats, mais cela n’affecte pas ici notre taux de publications repérées comme étant associées à un ou plusieurs datasets.
Ceci étant dit, même si notre résultat n’est qu’une tendance, il montre la nécessité du travail de sensibilisation auprès des chercheurs.
L’expo Data Incognita…
C’est donc avec cette idée de sensibiliser nos chercheurs, en allant au-delà des pages web d’information conçues pour eux, que nous sommes allés au bout du projet (un peu fou…) de réaliser une exposition qui montrerait aux chercheurs des laboratoires de l’École des Ponts que les données ont toujours été au cœur de l’activité des ingénieurs et chercheurs de l’École, notamment au XIXe siècle. Nous avons orienté nos collègues en charge du fonds ancien pour qu’ils en trouvent la trace dans les documents patrimoniaux qu’ils conservent et valorisent. Cette exposition, baptisée Data Incognita, trouvera naturellement son prolongement en ligne dans une expo virtuelle sur la Bibliothèque Numérique Patrimoniale de l’École, pour ceux qui n’auront pas eu le plaisir de la voir accrochée dans le Hall de l’École à l’occasion de l’Open Access Week 2017.
Nous espérons que toutes ces actions porteront bientôt leurs fruits et que, si 2017 était consacrée à la formation et la sensibilisation, 2018 sera l’année de l’action !
[Image en une : Yusheng1 sur Amazon ici]
OpenEdition vous propose de citer ce billet de la manière suivante :
Frédérique Bordignon (22 octobre 2017). Data Incognita… Où sont les données ? Carnet'IST. Consulté le 23 mai 2025 à l’adresse https://doi.org/10.58079/m8ng
1 réponse
[…] les liens entre publications et datasets, propose une API que nous avions déjà présentée dans ce billet sur les données. Le service s’appelait à l’époque Scholix. Toujours avec une liste de DOIs en […]