Sprint science ouverte : éditer et traduire collaborativement le manuel Open Science Training Handbook de Foster Open science : 26/06/2020, 100% online

En raison des mesures de prévention contre le covid-19, le sprint initialement prévu en avril avait dû être annulé. Sprint is back, 100% online !

Objectifs

  • Concevoir la version française du manuel Open Science Training Handbook, de Foster Open Science : le texte sera disponible en accès ouvert
  • Découvrir des méthodes pédagogiques pour former à la science ouverte
  • S’initier à une méthode de travail collaborative et intensive

Dans le cadre de ce sprint édition et traduction, 2 types d’activités vous sont proposées : 

  • éditer la version française produite par l’association HackYourResearch à partir d’une solution de traduction automatique ; l’un des objectifs du projet est notamment d’enrichir la traduction obtenue automatiquement grâce aux expertises des participants
  • traduire de l’anglais vers le français les passages non traduits

Chaque participant·e sera amené.e à travailler sur les aspects édition et traduction. Le texte à traduire et à éditer a été sélectionné pour sa qualité. Il est disponible dans d’autres langues. La version produite par les participant·e·s sera à son tour éditée par une traductrice professionnelle.

Publics cibles :

Le sprint n’est pas une formation sur la science ouverte : le manuel à éditer et traduire se focalise sur des méthodes pédagogiques.

L’inscription est gratuite pour tous publics.

 

Accès à la littérature scientifique : des inégalités encore inacceptables

L’accès à des informations de qualité est essentiel pour assurer le progrès scientifique et le développement. L’accès à l’information afin de faciliter des soins de santé adéquats est également considéré comme un droit de l’homme.

Cependant, selon les disciplines scientifiques, entre 60 % à 80 % des articles scientifiques sont disponibles uniquement sur abonnement payant sur les sites web des éditeurs. Pour les chercheurs et cliniciens, l’accès à ces articles est donc dépendant du fait que leurs institutions aient souscrit et payé ces abonnements.

Des accès inégaux à la littérature scientifique à travers le monde

Nous avons évalué (voir l’article publié dans PeerJ) les inégalités d’accès à la littérature scientifique dans des institutions de recherche de 27 pays, dans le domaine de l’ophtalmologie. En nous basant sur la littérature existante, nous avons évalué que le nombre d’articles accessibles via un abonnement payant auxquels les chercheurs en biologie ou en médecine doivent accéder annuellement pour se documenter de manière satisfaisante est de l’ordre de 115, puis montré que dans les 27 institutions incluses dans notre étude, les chercheurs peuvent accéder en moyenne à seulement 54 de ces articles, soit moins de la moitié.

Cette valeur moyenne cache des disparités énormes : certains chercheurs et cliniciens ont accès à très peu de ces articles, voire aucun, notamment dans des pays à faibles revenus ; tandis que d’autres ont accès à près de 95 % des articles.

Proportion de textes intégraux d’articles sur abonnement disponibles pour chacune des 27 institutions incluses dans l’étude. Christophe Boudry et collaborateurs/Peer J, CC BY

Ces inégalités d’accès montrent que de nombreuses institutions de recherche sont incapables de souscrire les abonnements aux revues nécessaires afin que leurs chercheurs puissent pratiquer une recherche de qualité. Elles sont sérieusement entravées par les restrictions budgétaires et le manque d’intérêt et de moyens des états pour soutenir la recherche et l’accès aux ressources scientifiques.

Pour accéder aux articles qui leur manquent, les chercheurs et cliniciens peuvent utiliser des moyens alternatifs légaux : recherche de l’article sur Internet ou en demandant directement aux auteurs des copies de l’article (dénommées demande de « tirés à part »). Ces méthodes alternatives permettent d’augmenter le pourcentage moyen d’articles auxquels il leur est possible d’accéder : environ 64 %, réduisant les inégalités d’accès sans les faire disparaître, car un nombre relativement important de chercheurs ont encore seulement accès à moins d’un tiers des articles sur abonnement.

Des accès insuffisants aux articles sur abonnement qui incitent à recourir à des moyens illégaux

Face à cette situation encore trop souvent défavorable, beaucoup de chercheurs dans le monde n’hésitent pas à recourir à des moyens illégaux, en particulier en utilisant le site Sci-Hub. Celui-ci permet de télécharger un nombre important d’articles scientifiques disponibles sur abonnement. Nos données montrent que l’utilisation complémentaire de ce site illégal permet aux chercheurs et cliniciens d’accéder à une fraction satisfaisante des articles sur abonnement dont ils ont besoin, 95,5 % en moyenne, réduisant de fait drastiquement les inégalités d’accès entre chercheurs. Ces données montrent que Sci-Hub peut aider les chercheurs et cliniciens en ophtalmologie travaillant dans des institutions ou des pays moins favorisés en leur permettant d’obtenir les informations essentielles dont ils ont besoin pour répondre de manière appropriée aux besoins de soins des patients. Sans cette option, ils ne seraient pas en mesure de faire face aux exigences de leur profession.

Un remède pire que le mal ?

L’utilisation de Sci-Hub est cependant loin d’être une solution satisfaisante : d’une part son utilisation est rigoureusement interdite dans la plupart des pays du monde (incluant la France). D’autre part, ce site pourrait perturber l’ensemble du système de publication académique, car il nuit aux éditeurs en raison des pertes de profits générées par son utilisation. Afin de limiter ces pertes, les éditeurs pourraient être tentés d’augmenter le prix de leurs abonnements, entraînant très probablement une réduction du nombre d’abonnements, avec pour effet d’accentuer encore les inégalités.

Les éditeurs pourraient également généraliser le modèle de la « voie dorée » du libre accès : dans ce modèle de publication, les articles sont accessibles librement sur le site de l’éditeur sans qu’il soit nécessaire de souscrire un abonnement, mais les auteurs doivent le plus souvent payer des frais de publication dont le montant peut atteindre plusieurs milliers d’euros. Ce modèle de l’auteur-payeur s’oppose directement au modèle lecteur-payeur des revues accessibles via un abonnement. Une généralisation de la voie dorée s’accompagnerait hélas très certainement d’une augmentation importante du montant des frais de publication payés par les auteurs afin compenser la baisse du nombre d’abonnements souscrits, dans l’objectif de maintenir les revenus des éditeurs. Ceci aurait pour conséquence immédiate de générer de nouvelles inégalités entre les auteurs qui ont les fonds pour payer ces frais de publication et ceux qui n’en ont pas, et ceci malgré l’existence d’éditeurs accordant des remises ou même la gratuité aux auteurs se situant dans les pays les moins favorisés (les critères pris en compte par les éditeurs pour accorder ces remises ou la gratuité des frais de publication se basent sur des paramètres socio-économiques tels que l’index de développement humain du pays des auteurs ou l’appartenance à la catégorie des pays à revenu faible ou intermédiaire). Les auteurs se situant dans ces pays les moins favorisés pourraient alors voir émerger une nouvelle barrière financière infranchissable pour publier leurs travaux de recherche dans les revues ne proposant pas ces remises. De plus, ce modèle favorise l’existence d’éditeurs prédateurs, dont l’objectif majeur est de générer des profits en publiant des articles à la seule condition que les auteurs payent les frais de publication demandés, sans se soucier de critères de sélection, de qualité, ou d’intégrité scientifique.

Certains éditeurs ont réagi en intentant des poursuites pénales contre Sci-Hub afin de tenter de fermer ce site. Jusqu’à présent, ces tentatives ont échoué, et il est probable que les futures tentatives aboutiront au même résultat. Il semble que Sci-Hub cessera de fonctionner uniquement si et quand les conditions qui le rendent indispensables à beaucoup de chercheurs et cliniciens pour se documenter disparaîtront.

Quelles solutions alors ?

Pour cela plusieurs voies peuvent être empruntées. Par exemple, il serait possible inclure plus de pays dans les programmes d’aides internationales, comme le programme HINARI de l’Organisation mondiale de la santé, qui offre un accès en ligne gratuit ou à très faible coût à la littérature biomédicale à des institutions sans but lucratif dans les pays à revenu faible ou intermédiaire.

Il serait également possible d’augmenter la fraction des articles consultables en libre accès (40 % environ en biologie/médecine) en promouvant davantage l’archivage des articles dans des archives ouvertes, par exemple en France HAL, et en mettant en place des politiques internationales, nationales et institutionnelles en matière de libre accès, comme cela a été fait récemment en Europe sous la forme du Plan S, en France avec la loi pour une République numérique et la mise en place du Comité national pour la science ouverte en 2019.

La mise en œuvre de services offrant un accès par abonnement individuel à tous les articles de toutes les bases de données à un prix « abordable » pour la plupart des scientifiques du monde entier, comme cela a déjà été fait dans d’autres domaines, en particulier celui de la musique, pourrait également être une piste à explorer.

En tous cas, quelles que soient les solutions choisies, il est urgent que la communauté scientifique, ainsi que les décideurs, se mobilisent de manière encore plus importante pour limiter les inégalités d’accès à la littérature scientifique dans le monde décrites dans cet article, et qui prennent une résonnance toute particulière en cette période d’épidémie de COVID-19. Cette crise, espérons-le, aura pour conséquence d’accélérer la prise de conscience du besoin impérieux de lever toutes les barrières à l’accès à l’information scientifique dans le monde.

Remarque : Les lecteurs doivent noter que, dans de nombreuses juridictions et en particulier en France, l’utilisation de Sci-Hub peut constituer une violation de la loi. Les utilisateurs de Sci-Hub le font donc à leurs propres risques. Cet article n’est pas une approbation ni un encouragement à l’utilisation de Sci-Hub, et son auteur décline toute responsabilité en cas d’utilisation de Sci-Hub par son lectorat.

Cet article fait partie de la série « Les belles histoires de la science ouverte » publiée avec le soutien du ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation. Pour en savoir plus, visitez le site Ouvrirlascience.fr.

Christophe Boudry

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

Accompagner la rédaction aux plans de gestion de données [PGD / DMP] : de l’appui aux chercheurs à la formation de formateurs

Billet rédigé conjointement par Amélie Barrio (URFIST Occitanie) et Justine Ancelin-Fabre (URFIST de Paris).

Rédiger un plan de gestion des données de la recherche ne s’improvise pas : il est aujourd’hui une des pièces indispensables pour répondre à un appel à projet européen, national et de plus en plus régional ou local. Accompagner les chercheurs dans cette étape a été l’une des premières réponses apportées par les organismes de formations (Réseau des URFIST, Inist, Enssib, etc.) dans ce cadre. Aujourd’hui, face à l’augmentation de la demande, la question de la formation de formateurs a été posée et une première session organisée à Paris en janvier dernier.

Le plan de gestion de données, une pièce maîtresse du projet de recherche ?

Qu’est-ce qu’un PGD ?

Il est habituel de rappeler, au cours de formations ou d’ateliers de sensibilisation à la question des données de la recherche, qu’il n’existe pas de définition universelle de ce terme « données ». Le concept de plan de gestion de données (PGD, autrement appelé DMP pour Data management plan), en revanche, semble avoir des contours moins mouvants, même si là encore on manque d’une définition officielle[1]. Selon l’une d’entre elles, l’on pourrait dire d’un PGD qu’il s’agit d’« un document formalisé explicitant la manière dont seront obtenues, documentées, analysées, disséminées et archivées les données produites au cours et à l’issue d’un processus ou d’un projet de recherche. »

Si d’autres définitions existent, toutes tournent autour des mêmes notions :

  1. L’unicité : le PGD est le vecteur idéal pour rassembler au sein d’un même écrit des informations pouvant être disséminées chez différents acteurs (chercheurs, techniciens, partenaires du secteur privé…) ou dans différents documents (accords de consortium, chartes éthiques etc.) ;
  2. La formalisation : le PGD prend à l’heure actuelle l’aspect d’un document textuel, dans lequel il est nécessaire de rédiger des phrases qui aient du sens, dans une langue nationale (ou internationale) définie. C’est qu’il est encore (trop) souvent identifié comme une pièce administrative destinée à des évaluateurs qui en prendront connaissance, avec d’autres éléments de dossier, en vue d’accorder ou non des subventions. Dans un deuxième temps, le PGD pourra être lu par les équipes qui collectent ou manipulent les données concernées, voire in fine par un public tiers qui souhaitera prendre connaissance du processus d’élaboration des données produites ou utilisées par le projet, ou faire du PGD un objet de recherche en lui-même ;
  3. La planification de projet : l’emploi des termes « au cours et à l’issue d’un processus ou d’un projet de recherche » rappelle que la rédaction et l’utilisation d’un PGD ne sauraient être cantonnées à des projets limités dans le temps, mais concernent tout individu ou équipe susceptible de produire ou manipuler des données, de quelque nature que ce soit. On trouve ainsi des PGD proposés par des établissements ou laboratoires de recherche, ou par des organismes publics non scientifiques.

Même si les premiers bénéficiaires de la rédaction d’un plan de gestion de données sont les rédacteurs eux-mêmes, et avec eux, l’ensemble de l’équipe de recherche dont les données sont décrites, force est de constater que l’intérêt pour ces documents est indissociable des pratiques actuelles de pilotage de la recherche scientifique par projet.

La Commission européenne, engagée depuis longtemps sur ces thématiques par le biais de diverses recommandations à ses États membres en faveur de l’accès ouvert à l’information scientifique et technique, a exigé dès 2016 la fourniture de plans de gestions de données pour les projets qu’elle subventionne. En France, l’Agence nationale de la recherche (ANR) a indiqué que les projets qu’elle finance devront dorénavant non seulement diffuser en accès ouvert les publications liées à ces projets, et les données sous-jacentes en libre accès, mais qu’il sera également indispensable de fournir un plan de gestion de ces données.

À l’heure où près des deux tiers des financements de la recherche publique française proviennent d’appels à projets dont les initiateurs sont de plus en plus nombreux à exiger des plans de gestion, la demande d’accompagnement à la rédaction se pose d’autant plus que les PGD rédigés sont loin d’être tous accessibles en ligne. Il donc nécessaire d’identifier la ou les personnes susceptible(s) d’assurer cet accompagnement dans sa structure ou son établissement, disponible sur Cat Opidor.

Quels acteurs dans la rédaction de plans de gestion ?

Les porteurs de projet sont en première ligne dans cette mission de rédaction de plan de gestion, car censés être les mieux à même de connaître les données qu’ils collectent et manipulent. Ils se retrouvent bien souvent nommément désignés dans ce document, de façon à endosser la responsabilité des traitements subis par les données.

Cependant, la rédaction d’un plan de gestion ne saurait être une entreprise solitaire. Même si les points à aborder dans un PGD peuvent connaître des variantes en fonction des modèles existants et des exigences des financeurs, un socle commun (souvent proposé sous forme de checklists et autres récapitulatifs, ou au sein de réflexions plus approfondies comme celle de Science Europe) peut être dégagé de ces différentes pratiques, et il en ressort que la diversité des aspects à prendre en compte dans une bonne gestion de données nécessite de faire appel aux compétences d’interlocuteurs variés (informaticiens, juristes, chargés de valorisation, etc.).

Parmi eux, les professionnels de l’information scientifique et technique (IST), qu’ils soient bibliothécaires, documentalistes, archivistes, sont souvent sollicités (ou volontaires) pour collaborer à la rédaction de PGD ou proposer un accompagnement à cette démarche[2]. On peut ainsi penser aux data champions de l’université de Cambridge, membres d’un réseau de soutien aux chercheurs sur ces questions, et interlocuteurs tout désignés pour participer à la rédaction.

Les documentalistes de laboratoires sont depuis bien longtemps en charge de tâches qui dépassent le domaine traditionnel de la gestion de collections documentaires. Quant aux SCD, ils se positionnent de plus en plus comme « des espaces privilégiés pour concevoir des offres dédiées aux données de la recherche, [qui] agissent en transversalité dans les établissements et répondent aux enjeux de la science ouverte. » Dans certains cas, de nouveaux postes de chargé(e) de mission Données de la recherche ou assimilé sont même créés dans les établissements de recherche, et rattachés aux SCD afin de développer de nouveaux services autour de la donnée, comme le Data Lab de la BNU de Strasbourg ou celui de l’Université de Lorraine. Des notions comme l’interopérabilité des formats de métadonnées, la nécessité de recourir à un vocabulaire normalisé ou l’intérêt de mettre des ressources scientifiques à la libre disposition de tous font en effet bien souvent partie intégrante de leurs travaux quotidiens, et peuvent être mis à profit dans de nouveaux services aux chercheurs qui dépassent le cadre de la rédaction d’un plan de gestion en particulier. La familiarité des professionnels de la documentation avec la notion de travail en réseau est en outre un atout considérable pour aborder cette tâche de rédaction collaborative de PGD.

Quels rôles à jouer pour les professionnels de l’IST ?

Les ex-Universités Paris Descartes et Paris Diderot ont été parmi les premières institutions à s’emparer de la question des plans de gestion des données de recherche, en proposant notamment dès 2015 un modèle personnalisé et un guide de rédaction respectant les principes FAIR, tous deux mis à jour en 2018.

En fonction des disparités de tutelles et de fonctionnement dans les établissements, les professionnels de l’IST confrontés à ces questions s’interrogent :

  • Selon quel plan d’action sensibiliser les chercheurs d’un laboratoire ou d’une institution ? à qui parler PGD en premier, et en quels termes ?
  • Comment toucher certaines équipes de recherche ou communautés disciplinaires moins concernées par les exigences des financeurs, ou persuadées qu’elles n’ont pas forcément leur part à jouer dans la rédaction de tels documents car elles ne portent pas elles-mêmes les projets retenus ?
  • Comment faire évoluer la conception du PGD de « énième document administratif » à « guide indispensable de bonnes pratiques pour le quotidien » ?
  • Comment faire en sorte que les bonnes pratiques de gestion de données décrites dans un PGD soient étendues à la vie quotidienne d’un laboratoire de recherche ?
  • Comment se tenir au courant des nouveautés tant administratives et juridiques que scientifiques et pédagogiques, sur une question en évolution rapide et constante ?
  • Quelles ressources sont à la disposition des professionnels IST en charge d’accompagner des PGD, et comment procéder pour participer à leur co-création et à leur enrichissement ? comment savoir « ce qui fonctionne » ou ne fonctionne pas quand on parle PGD avec les chercheurs et leurs partenaires de travail ?
  • Comment intégrer dans les services aux chercheurs l’accompagnement aux données de la recherche ? Comment impulser une culture de la donnée auprès de la communauté de recherche ?

Toutes ces questions ont amené les différents acteurs de la formation à se poser la question de l’accompagnement terrain nécessaire pour monter en compétences sur ces thématiques et répondre au mieux aux besoins de sensibilisation et de formation. Au-delà des premières actions de formations déployées sur le territoire, notamment dans les URFIST de Strasbourg et Toulouse, la nécessité d’un groupe de travail a émergé pour favoriser les échanges et pratiques.

Accompagner les accompagnateurs : naissance d’un groupe de travail en 2019

Genèse du GT-DMP

En 2013, l’INRAE (ex-INRA) a commencé à s’intéresser aux données de la recherche dans leur sens le plus large, par le biais de plusieurs groupes de réflexion dont les travaux ont donné naissance au site d’information DataPartage. L’un des groupes de travail avait également eu pour commande de produire un modèle de plan de gestion pour l’INRA, modèle qui s’est finalement subdivisé en plusieurs versions aujourd’hui disponibles et utilisables par tous sur le site DMP-OPIDoR.

Une enquête a en outre été menée en 2017 auprès des chercheurs s’étant créé un compte sur la plateforme DMP-OPIDoR, afin d’en savoir davantage sur les difficultés rencontrées et affiner la politique d’accompagnement de l’établissement. Là encore, des documentalistes de l’INRA ont pu faire profiter de leur expertise un certain nombre d’autres établissements en France, et intervenir dans les URFIST de Paris, Lyon et Rennes sur ce sujet.

Dans cette lignée, les interventions sur les données de la recherche et aux plans de gestion se sont multipliées ces dernières années dans le réseau des URFIST, aussi bien sous la forme d’une journée d’étude que de brefs ateliers au sein de laboratoires, de formations doctorales ou de stages ouverts à tous.

L’action de l’Inist-CNRS est également prépondérante sur cette thématique des données de la recherche en général et des PGD en particulier, notamment par le biais d’un certain nombre d’outils largement connus et utilisés :

  • La plateforme d’information et d’auto-formation DoRANum, co-portée par le réseau des URFIST ;
  • Le portail OPIDoR (Optimiser le Partage et l’Interopérabilité des Données de la Recherche), qui se décline en plusieurs services :
    • Cat-OPIDoR, wiki des services dédiés aux données de la recherche ;
    • PID-OPIDoR, service d’attribution d’identifiants pérennes de type DOI ;
    • et DMP-OPIDoR, outil d’aide à la rédaction en ligne de plans de gestion de données.

Outre ces outils mis à disposition de tous, l’Inist propose également une offre de formation sur de nombreux sujets d’information scientifique et technique, et intervient régulièrement au plan national sur la question des plans de gestion au sein de divers établissements. De plus en plus régulièrement sollicitées, les équipes de l’Inist ont éprouvé le besoin de constituer un réseau de formateurs, qui pourraient être à même de mailler l’ensemble du territoire afin de répondre de manière collaborative aux demandes reçues.

Du fait de ses missions totalement alignées avec ce besoin, le réseau des URFIST a ainsi été contacté par l’Inist à l’automne 2018, de même que l’ex-INRA. Une première réunion de réflexion s’est tenue en novembre, au cours de laquelle chaque participant(e) a pu faire l’état des formations qu’il ou elle avait eu l’occasion d’organiser ou souhaitait monter.

Devant la diversité des sollicitations et des pratiques, est vite apparu l’intérêt de constituer un groupe de travail plus large. Le début de l’année 2019 a donc été l’occasion d’associer, outre des membres supplémentaires du réseau des URFIST, des représentants d’autres établissements : l’ex-IRSTEA (aujourd’hui INRAE), qui avait déjà eu l’occasion d’organiser plusieurs actions de sensibilisation aux plans de gestion, ainsi que l’EHESS, en pleine réflexion sur les services à mettre en œuvre autour des données de la recherche et de son futur entrepôt Didómena, mais encore au stade de la réflexion concernant les PGD.

Et en juin 2019, ce sont finalement 21 personnes qui se sont réunies une journée à l’École des chartes, pour échanger de vive voix sur leurs retours d’expérience et attentes en termes de formation aux plans de gestion des données de la recherche.

Dans le vif du sujet : naissance d’une réflexion collective

Les profils des participants à la réunion de lancement des travaux de ce qui allait s’appeler le GT-DMP étaient assez variés : documentalistes, bibliothécaires, enseignants-chercheurs, informaticiens ou encore ingénieurs d’étude, tous formateurs ou en passe de le devenir. Chaque établissement représenté a pu présenter ses actions de formation et/ou de sensibilisation aux plans de gestion, mais aussi aux données au sens large. Des fiches descriptives de ces actions avaient été remplies et partagées en amont de la réunion, de façon à avoir une base commune de discussion et pouvoir plus facilement comparer les approches adoptées. En annexe de ces fiches, les supports utilisés[3] lors des actions décrites ont également été mis à la disposition du groupe.

L’Inist et les ex-INRA et IRSTEA, notamment, ont exposé plus en détail les programmes suivis et méthodes pédagogiques utilisées au cours de leurs formations et ateliers. Les supports de ces interventions sont régulièrement partagés en libre accès par ces institutions sur leurs sites internet.

Parmi les méthodes pédagogiques employées, le jeu sérieux a fait l’objet de plusieurs appropriations : par l’Inist en premier lieu, qui organise régulièrement des séances de son jeu de plateau GOpenDoRe, mais aussi par l’ex-IRSTEA, qui propose pour débuter ses formations un « jeu des définitions » à ses participants : confrontés à 9 termes en rapport avec les données de la recherche[4], ceux-ci doivent en trouver la meilleure définition.

L’ex-INRA, de son côté, a notamment présenté un exercice que plusieurs autres membres du GT se sont approprié par la suite, et qui consiste à mettre les stagiaires en position d’évaluateurs en leur fournissant des PGD rédigés, avec les grilles d’évaluation « officielles » utilisées par les relecteurs des projets H2020 ou de l’INRA.

La deuxième partie de la journée a été l’occasion de travailler collectivement à d’autres synopsis de formations aux PGD, voués à être testés et documentés pour être reproduits facilement par tout membre du groupe de travail. Après une réflexion collective sur les scénarios-types de formations pour lesquelles bâtir un synopsis, trois sujets ont été traités :

  1. Accompagnement d’un projet ANR ou H2020 : sensibilisation d’1h30 auprès d’un labo de recherche ;
  2. Formation doctorale : initiation aux PGD sur un format mixte, avec un « tronc commun » pouvant être suivi à distance et réutilisable dans d’autres formations + séance de 3h en présentiel à destination de gros effectifs dans des disciplines multiples ;
  3. Formation de formateurs ou de personnes-relais sur 2 jours, tout type d’établissement et toute discipline confondus.

Ces sprints d’ingénierie pédagogique ont permis la rédaction (complétée a posteriori) de deux synopsis, sur l’accompagnement de projet et la formation de formateurs.

Ils ont également été l’occasion de confirmer le fait que tous les formateurs sont confrontés au même problème, celui de n’avoir pas (encore) suffisamment d’exemples sur lesquels bâtir leurs interventions, qu’il s’agisse de :

  • Supports pédagogiques ;
  • Exercices / travaux pratiques adaptés à des profils, niveaux et disciplines très divers (portant sur des jeux de données réels ou fabriqués pour l’occasion, sur des mises en situation réelles ou inventées) ;
  • Plans de gestion rédigés (dans la bonne langue, selon le bon modèle et dans la bonne discipline) ;
  • Retours d’expériences concrets de rédacteurs et d’évaluateurs de PGD.

Une liste de diffusion (gt-dmp@groupes.renater.fr) a donc été créée immédiatement après la réunion du groupe de travail, de façon à faciliter la veille collective et à permettre d’échanger ressources et liens utiles. En parallèle, un espace d’échanges de fichiers a été ouvert à tous les participants à la réunion au sein de la plateforme CoRe du CNRS, puis migré quelques mois plus tard au sein de l’espace Documents partagés lié à la liste de diffusion Renater.

Les mois qui ont suivi ont ainsi été l’occasion d’échanger plus avant sur nos expériences de formation, et de partager davantage de contenus. Les inscriptions à la liste de diffusion ont également été rendues possibles pour tous, augmentant le groupe de travail à 40 personnes en mars 2020.

Du scénario à la réalisation : animation d’une formation de formateurs aux PGD, janvier 2020

Sept mois après le lancement officiel du GT-DMP, l’un des synopsis élaborés a été mis en pratique au cours d’une formation proposée par l’URFIST de Paris et l’URFIST Occitanie. 14 professionnels de l’IST, travaillant aussi bien dans des SCD qu’au sein de laboratoires, ont pu participer à ce stage de deux jours, intitulé « Accompagner la rédaction d’un plan de gestion de données (PGD) ou Data Management Plan (DMP) ».

Le programme, très largement inspiré des réflexions du groupe de travail, a fait alterner théorie et pratique, échanges et études de cas concrets. Sur deux jours, l’objectif était de proposer aux stagiaires des éléments de réponse sur les points suivants :

  • À quoi ressemble exactement un PGD ?
  • De quelles informations se compose-t-il ?
  • Sur quelles compétences sa rédaction repose-t-elle ?
  • Comment les professionnels de l’IST, qui ne travaillent pas directement sur les données, peuvent-ils assister les chercheurs dans la rédaction d’un tel document ?
  • Quels outils sont mis à disposition pour accompagner la rédaction de PGD ?

Recueil des attentes des stagiaires, rédigées sur post-its

Recueil des attentes des stagiaires

La première demi-journée a été consacrée à une remobilisation de connaissances sur ce qu’est un PGD, et les notions qu’il peut aborder. Ce rappel a consisté en un balayage du déroulé du stage sur les plans de gestions proposé au catalogue de l’URFIST de Paris, lui-même fortement inspiré de la formation proposée par l’ex-INRA sur ce même format d’une journée. Il a été l’occasion d’une réflexion commune sur certaines thématiques parfois difficiles à exposer de manière claire, comme la notion de « produits de la recherche » utilisée par la plateforme DMP-OPIDoR, ou sur lesquelles on manque encore d’informations, comme l’estimation des coûts liés à la gestion des données.

Avis des stagiaires sur les différentes parties du déroulé de formation présenté : que faut-il développer, réduire, continuer à proposer, arrêter de proposer, commencer à proposer.

Les avis des stagiaires sur le déroulé de formation présenté.

L’après-midi a été l’occasion de travailler en sous-groupes sur les principes FAIR, et sur leur traduction concrète dans les plans de gestion de données. Chaque sous-groupe s’est vu attribuer un des quatre principes, et a dû réfléchir à la façon dont il pourrait aider une équipe de recherche à compléter la partie de PGD correspondante. Des exemples de plans de gestion rédigés étaient à leur disposition, même si les parties de ces plans en relation avec le principe FAIR étudié pouvaient être de plus ou moins bonne qualité.

Les participants ont ainsi réfléchi aux différentes notions à la fois centrales et périphériques évoquées par leur principe FAIR et à l’importance à leur accorder dans le PGD, mais aussi aux ressources, tant humaines que bibliographiques ou informatiques, qu’il serait utile de mobiliser pour compléter correctement un plan de gestion.

L’ensemble de ces pistes de réflexion a ensuite été replacé dans le contexte du modèle de PGD proposé par l’ANR, car si celui-ci ne met pas les principes FAIR autant en avant que le modèle de la Commission européenne, il est tout de même fondamental de le compléter en gardant ces principes à l’esprit.

Les points à aborder pour remplir les questions de PGD qui portent sur les principes FAIR.

Les principes FAIR dans un PGD : un vaste programme.

La deuxième journée du stage a commencé par une matinée consacrée à l’ingénierie de formation et aux techniques pédagogiques. En écho à la réunion du groupe de travail du mois de juin, les stagiaires ont dû réfléchir en équipes à des scénarios d’actions de sensibilisation répondant à plusieurs contraintes :

  • Cas n°1 : présenter un service d’aide à la gestion des DR en 15 minutes devant un amphi de 200 personnes pour la rentrée de l’école doctorale
  • Cas n°2 : en séminaire de labo, on dispose d’une heure pour convaincre une trentaine de chercheurs et doctorants à rédiger des PGD
  • Cas n°3 : animer un atelier de 3h sur les PGD, ouvert à tous, dans le cadre de l’Open Access Week
  • Cas n°4 : pendant le créneau de la pause déjeuner (45 minutes), dans le hall de la BU, tenir un stand pour sensibiliser aux bonnes pratiques de gestion des données de la recherche (sans moyen informatique)

La matinée a également été l’occasion de présenter en détail les techniques d’animation utilisées par les membres du groupe de travail, telles que l’évaluation de PGD ou les jeux sérieux. Outre GOpenDoRe, les stagiaires ont ainsi pu s’essayer au jeu Libérez la Science : un jeu FAIR-play, proposé par le CIRAD.

Enfin, le stage s’est achevé par des travaux en sous-groupes sur des mises en situation scénarisées, pour lesquelles les participants devaient réfléchir à une stratégie globale d’accompagnement d’équipes de recherche :

  • Cas n°1 : un laboratoire de sciences de l’ingénieur travaillant régulièrement avec le secteur privé, dont les doctorants sont souvent sous contrat CIFRE et manipulent donc des données à la fois massives et soumises à un droit complexe ;
  • Cas n°2 : un laboratoire de SHS qui vient de remporter un appel à projet européen, et doit travailler et partager ses données avec d’autres unités de recherche dans des pays étrangers ;
  • Cas n°3 : un laboratoire de psychologie, à la croisée entre SHS et SVM, qui doit intégrer une nouvelle équipe de recherche qui arrive avec des pratiques de gestion qui lui sont propres et des données personnelles et sensibles.

Stratégies d'accompagnement mises en place par les stagiaires pour chaque cas pratique : recueil des idées sur des post-its.

Quelques pistes pour monter des stratégies d’accompagnement personnalisé.

Ces moments de réflexion ont ainsi été l’occasion de solliciter l’ensemble des notions abordées au cours du stage.

Enfin, voici à chaud les réflexions autour de l’évaluation du stage et des suites à lui donner.

Points forts Points faibles Pistes d’amélioration
  • Animation à deux voix ;
  • Variété des échanges entre les apprenants ;
  • Format deux jours avec alternance de théorie et de pratique ;
  • Sujet en forte croissance pour lequel les professionnels IST sont en demande forte de formations et de réponses.
  • Manque de familiarité de certains apprenants avec le concept de plan de gestion ;
  • Difficulté à explorer en profondeur les spécificités de tous les types de données rencontrés (hyperspécialisation de certains participants) ;
  • Orientations différentes des tutelles, qui ne permettent pas toujours de se projeter facilement dans la conception d’un service support ;
  • Manque d’éléments de réponse sur certains points (coûts éligibles gestion et diffusion des données H2020 et ANR par exemple).
  • Organiser un stage spécifique sur l’accompagnement des projets de recherche, au-delà de la question des PGD (prévu à l’URFIST de Paris à l’automne 2020) ;
  • Mieux promouvoir les outils et supports existants pour permettre aux participants de commencer à travailler la question des PGD en amont de la formation, et d’ainsi avoir davantage de retours d’expérience à partager (interface DMP-OPIDoR personnalisée pour son établissement, modèle de PGD pré-rempli, liste de discussion GT-DMP permettant d’obtenir des réponses de la communauté sur toute question liée aux données, etc.) ;
  • Coupler la formation avec un stage sur la communication (ex. : « Deux minutes pour convaincre un chercheur de l’utilité d’un PGD ») ;
  • Renforcer la distinction entre formation initiale sur les PGD et formation de formateurs, en insistant davantage sur les pré-requis.

Transformer l’essai

Proposer ce stage à Paris a permis de rassembler 14 personnes d’horizons différents et de toute la France. Toutefois, l’hétérogénéité des stagiaires quant à leur niveau de connaissance et d’appropriation de ces questions dans leur établissement a renforcé la nécessité de poursuivre en parallèle des stages d’initiation à la gestion et diffusion des données de la recherche à destination des professionnels IST.

Il est à souhaiter que cette formation de formateurs puisse être reproduite, notamment dans d’autres URFIST, en bénéficiant des retours de cette première expérience et, autant que possible, de nouveaux matériaux qui pourraient être produits dans les mois à venir. On peut notamment imaginer que les nouvelles exigences de l’ANR en matière de rédaction de PGD donneront lieu à la rédaction d’une grille d’évaluation et de supports d’accompagnement, ainsi qu’à des interventions de ses représentants au sein d’organismes de recherche et/ou de formation, pour mieux préciser les attentes de l’agence. On peut également espérer que davantage de plans de gestion seront rendus publics, notamment des plans qui suivraient les modèles H2020 ou ANR, de façon à donner une représentation disciplinaire plus complète et diversifiée que celle qui existe actuellement.

Dans cette direction, les participants au stage de janvier ont été encouragés à participer à la constitution collective d’un ensemble de ressources autour de l’évaluation de plans de gestion, l’idée étant de partager des « rapports d’évaluation » fictifs portant sur des plans rédigés jugés pertinents du fait de leur nature (ex. : PGD lié à une thèse de doctorat plutôt qu’à un projet de recherche « classique »), de leur langue de rédaction (ex. : rares PGD en français), de la discipline concernée (les PGD de SHS sont pour l’instant moins nombreux que ceux de SVM) ou du modèle de PGD suivi (encore peu de PGD rédigés selon le modèle H2020 par rapport à ceux qui suivent le modèle de la NSF par exemple). L’espace Documents partagés lié à la liste de discussion GT-DMP sur Renater est le lieu idéal pour constituer cette bibliothèque collaborative, et chacun est appelé à contribuer en proposant sa propre évaluation.

L’ensemble des participants au groupe de travail GT-DMP souhaite également poursuivre son action de veille et de signalement de ressources intéressantes, en priorité par le biais de sa liste de diffusion pour ce qui concerne les informations ponctuelles ou à courte durée de vie (ex. : annonce de colloque), mais aussi sur l’espace de partage de documents pour des matériaux plus durables.

Parmi les thématiques qui retiendront probablement notre attention dans les mois à venir, on peut citer les plans de gestion de données actionnables par machine (machine-actionable DMP ou maDMP), des PGD interactifs susceptibles d’être lus mais aussi complétés de manière automatisée par des applications tierces comme des logiciels de comptabilité ou des API d’entrepôts de données. Un tel fonctionnement permettrait de faciliter la tâche des rédacteurs, mais aussi d’envisager le plan de gestion comme un outil en continuelle évolution plutôt que comme un document figé dans le temps. On passerait ainsi du data management plan au data management records, qui se mettrait quasiment tout seul à jour au fil du projet de recherche.

De même, on gardera en tête l’évolution probable du data management plan vers le outputs management plan, sur le modèle de ce qu’exige à présent le Wellcome Trust par exemple, et que l’Inist-CNRS a intégré à son outil DMP-OPIDoR par le biais de la notion de « produits de la recherche ». C’est que la définition de données de recherche n’a jamais été aussi large, et que l’on commence à intégrer dans la réflexion sur leur bonne gestion l’ensemble des matériaux produits par les chercheurs, à l’exception (peut-être discutable) des publications scientifiques. Les programmes et logiciels, notamment, sont aujourd’hui en première ligne des interrogations sur ces produits de recherche, comme en témoigne une récente Note d’opportunité sur la valorisation des logiciels issus de la recherche ou une proposition de plan de gestion des logiciels (software management plan).

Le GT-DMP va maintenant s’atteler à poursuivre et encourager une réflexion collective autour de toutes ces thématiques, avec le souhait de renforcer le dialogue et la coopération de leurs différents acteurs. Une nouvelle réunion de travail sera ainsi programmée dans les mois qui viennent autour de ces questions, réunion qui sera documentée et dont les produits seront mis à la disposition de tous les membres de la liste de diffusion.

D’ici là, réflexions et échanges se poursuivront sur la liste de diffusion et au sein de l’espace de partage de documents qui lui est associé. Si le sujet vous intéresse, ne manquez pas de nous rejoindre !

 

Pour aller plus loin

Les professionnels de l’IST ont un rôle à jouer en matière de gestion des données de la recherche :

 

 

 


Notes

[1] À noter que, pour utiles que seraient des définitions « officielles » des notions de données de recherche, plan de gestion ou autre concept associé, une question fondamentale resterait à résoudre au préalable : qui serait en mesure de proposer de telles définitions pour qu’elles soient reconnues comme officielles ?

[2] Le groupe Données du GTSO Couperin propose un répertoire des services de soutien à la rédaction des plans de gestion de données.

[3] Ces supports sont librement accessibles dans l’espace Documents partagés de la liste de discussion Renater gt-dmp.

[4] Les 9 termes (ou expressions) étaient choisis parmi la liste suivante, à adapter en fonction des besoins, des publics et des disciplines : Données de la recherche, Métadonnées, Open Access, Data Paper, Directive INSPIRE, Plan de gestion des données, Réutilisation des données, Interopérabilité, Propriété intellectuelle, Horizon 2020, Donnée sensible, Archivage, Sauvegarde, Catalogage, FAIR.

Sprint science ouverte : éditer et traduire collaborativement le manuel Open Science Training Handbook de Foster Open science (16 avril 2020, Bordeaux et Paris) : edit 18/03 session annulée (mesures prévention coronavirus)

Edit 18/03 : en raison des mesures pour limiter la propagation du coronavirus, il n’est plus possible de maintenir le sprint initialement prévu le 16 avril 2020.  Des alternatives sont en cours d’organisation : sprinters, we’ll need you soon ! Merci pour votre compréhension.

Le sprint est co-organisé par l’Urfist de Bordeaux et l’association HackYourResearch (ex. HackYourPhD) ; il est soutenu par Foster Open Science, le Comité pour la science ouverte et la Mission de la pédagogie et du numérique pour l’enseignement supérieur (Mipnes). 

Rdv le 16 avril 2020 à Bordeaux et à Paris pour un sprint dans le sprint

2 centres, 2 équipes de sprinters pour éditer et traduire en 1 journée le manuel de formation à la science ouverte conçu par Foster Open Science : Open Science Training Handbook

Le manuel a déjà été traduit dans plusieurs langues. Venez contribuer à la version française en rejoignant une équipe de sprinters. Le sprint n’est pas une formation sur la science ouverte : c’est l’occasion de travailler de manière collaborative sur la science ouverte. 

Le sprint va permettre d’éditer et de traduire un manuel issu lui-même d’un book sprint ayant eu lieu en 2018 à la bibliothèque allemande nationale de science et technologie, piloté par Foster Open Science

S’inscrire dans un (seul !) centre pour rejoindre une équipe de sprinters : 

Sait-on à l’avance quels chapitres du livre va-t-on éditer et traduire ? Non. La répartition est connue le jour même par tirage au sort. Il n’y a pas non plus de répartition thématique afin de permettre aux participants de travailler sur un panel de sujets. Le découpage tient compte du nombre de signes. 

Objectifs

  • Concevoir la version française du manuel Open Science Training Handbook, de Foster Open Science : le texte sera disponible en accès ouvert
  • Découvrir des méthodes pédagogiques pour former à la science ouverte
  • S’initier à une méthode de travail collaborative et intensive

Dans le cadre de ce sprint édition et traduction, 2 types d’activités vous sont proposées : 

  • éditer la version française produite par l’association HackYourResearch à partir d’une solution de traduction automatique ; l’un des objectifs du projet est notamment d’enrichir la traduction obtenue automatiquement grâce aux expertises des participants
  • traduire de l’anglais vers le français les passages non traduits

Chaque participant·e sera amené.e à travailler sur les aspects édition et traduction. 

Le texte à traduire et à éditer a été sélectionné pour sa qualité.

La version produite par les participant·e·s sera à son tour éditée par une traductrice professionnelle. 

Qui seront les sprinters ?

Si le texte est déjà partiellement traduit, à quoi le sprint sert-il ? 

La version proposée par l’association HackYourResearch a été produite directement avec des outils de traduction automatisée. Vos expertises dans le domaine de la science ouverte vont permettre de faire évoluer ce texte, d’y apporter toutes les nuances nécessaires. 

L’avis de Gisèle Massol, traductrice et interprète professionnelle : 

En tant que chercheurs, traducteurs et linguistes, nous croyons que la traduction automatique, malgré d’impressionnants progrès, ne peut se substituer à la traduction humaine. En effet, la machine permet d’automatiser et d’accélérer le processus de traduction pour proposer une première version plus ou moins précise du texte original, mais seul un examen et une révision approfondie par un traducteur humain permet de comprendre les nuances les plus fines du texte d’origine et de les restituer dans la langue cible.

Par ailleurs, la démarche d’Open Science que valorise le manuel à traduire, fait appel à un ensemble de pratiques qui seront mises en oeuvre pendant le sprint de traduction : le travail collaboratif entre spécialistes de plusieurs disciplines, l’utilisation des outils internet et la confrontation directe des résultats de la machine avec les questions et hypothèses des participants au sprint. Enfin, l’objet final sera la diffusion et la vulgarisation des résultats de la recherche commune, après la phase de discussion scientifique.

Le sprint de traduction fera collaborer des spécialistes de diverses disciplines autour d’un exercice dont ils ne sont pas experts, pour leur permettre par la pratique directe, d’acquérir des outils méthodologiques par l’analyse critique de la traduction automatique, sa révision et son amélioration par les apports collaboratifs, pour parvenir à une production commune.

Intervenants, acteurs

Qui est Foster Open Science ? 

FOSTER Plus (Fostering the practical implementation of Open Science in Horizon 2020 and beyond) est un projet de deux ans financé par l’UE, mené par 11 partenaires dans 6 pays. L’objectif principal est de contribuer à un changement réel et durable dans le comportement des chercheurs européens afin que la science ouverte devienne la norme.

Les communautés de recherche, les institutions de recherche et les organismes de financement de la recherche ont tous reconnu que les compétences en matière de science ouverte sont de plus en plus essentielles pour permettre aux chercheurs d’entreprendre une recherche et une innovation responsables. Si toutes les parties prenantes s’accordent de plus en plus sur la nécessité d’améliorer les compétences en matière de science ouverte, l’adoption d’approches de science ouverte a été assez limitée jusqu’à présent. + d’infos

Les acteurs du sprint français

Elisa de Castro Guerra : formatrice à Activdesign et présidente de Floss Manuals Francophone, Elisa de Castro Guerra est spécialisée en création numérique et web. Elle travaille sur le développement d’applications web depuis plusieurs années. E. de Castro Guerra milite pour l’utilisation des logiciels libres, en particulier par la facilitation d’écriture de documentations en langue française. E. de Castro Guerra anime ainsi régulièrement des book sprints pour des associations, des entreprises. Elle a animé le book sprint de l’Urfist de Bordeaux sur la reproductibilité de la recherche

Gisèle Massol est traductrice assermentée. Elle est formatrice pour adultes en langue anglaise des spécialités scientifiques et techniques et a été intervenante à l’Université de Bordeaux pour les Facultés de Médecine, Neurosciences et Sociologie. Traductrice-interprète expert auprès de la Cour d’Appel de Bordeaux, G. Massol intervient aussi en tant qu’interprète de conférences et est donc habituée par la traduction simultanée à gérer de la production linguistique dans de très brefs délais.

HackYourResearch : “HackYourResearch est une communauté créée en France en janvier 2013 par Célya Gruson-Daniel et Guillaume Dumas. Elle regroupe des profils variés (doctorant·e·s, jeunes chercheur·e·s, entrepreneur·e·s, designers…) autour d’un même sujet d’intérêt : l’Open Science. Sous ce terme, se cache la volonté commune d’amener plus de collaboration, de transparence, et d’ouverture dans les pratiques de recherche actuelles. HackYourResearch souhaite explorer cette thématique de l’Open Science, afin de mieux de la définir et suivre ses évolutions. Cette exploration se fait de façon collaborative sous différents formats.” + d’infos

L’unité régionale de formation à l’information scientifique et technique (Urfist) de Bordeaux : l’unité de Bordeaux fait partie d’un réseau national. Les missions des Urfist sont de former les chercheurs, enseignants-chercheurs, doctorants et personnels scientifiques de toutes disciplines aux enjeux de l’information et de l’édition scientifique. Les Urfist développent aussi des actions ciblant les personnels de soutien à la recherche. + d’infos

Le comité pour la science ouverte propose des orientations et instruit les sujets sur les questions de la science ouverte, impulse et accompagne les actions associées dans une structure fluide, facilitant l’expression et la remontée des idées, les engagements et les contributions aux différents groupes de travail. + d’infos

La mission de la pédagogie et du numérique pour l’enseignement supérieur vise à améliorer la qualité et l’efficience des parcours de formation au service de la réussite des apprenants et du développement des territoires selon deux priorités : rénover les approches et pratiques d’enseignement et de  formation étendues à la formation tout au long de la vie ; faire du numérique un catalyseur de ces transformations et en soutenir les effets. + d’infos

Org mode, un compagnon de route pour les adeptes de data science et de recherche reproductible

Quelques mots sur Org mode

En très peu de mots, Org mode pourrait être présenté comme le cousin germain des Jupyter notebooks. Org mode et les notebooks créés via Jupyter lab représentent 2 solutions particulièrement intéressantes et matures dans un contexte de recherche. Les interfaces interactives créées via Org mode et les Jupyter notebooks permettent à leurs utilisateurs de : développer, documenter (Markdown, HTML/CSS), gérer des citations BibTeX ou des équations, exécuter du code, à partir d’un seul et même document. 

Grâce à Babel, Org-mode permet donc d’exécuter des blocs de code à partir d’un même fichier texte. Fortran, Python, R, des scripts de traitement en Bash, des formules LaTeX, des images. 

Quels sont les avantages de ce type de solution pour des chercheurs.euses et des data scientists ?

(merci à Frédéric Santos – statisticien à l’UMR Pacea – et Christophe Halgand – ingénieur de recherche en calcul scientifique à l’Institut de Neurosciences Cognitives et Intégratives d’Aquitaine – pour leurs avis éclairants)

  • générer plusieurs formats d’exports à partir d’un même fichier : pratique pour créer des pages web facilement intégrables dans un site web
  • bénéficier des avantages de LaTeX … la complexité du langage en moins pour gérer des références internes, de la biblio
  • présenter des résultats sous forme de diaporamas qu’on peut modifier en direct : les visualisations comme les calculs sont mis à jour directement
  • créer des démonstrations permettant de répondre à un point spécifique (ex. démonstration mathématique), créer des tutos pour donner la possibilité d’interagir avec le code mais aussi de figer facilement les données en créant une page html
  • concevoir des supports pédagogiques interactifs
  • quand on est en situation de prise de notes : pouvoir créer des modules de code interactifs
  • rédiger des articles plus reproductibles : certes, un outil ne fera jamais tout car la méthode joue un rôle majeur, mais Org mode peut rendre de fiers services

Org-mode, un outil pour les happy few ? Pas vraiment, Org mode peut séduire un large public :

Whether you are a statistician or data scientist or algorithm/software developer, you will benefit from this elegant open-source tool for efficient and robust reproducible research. I will outline my favorite set-up (Virtual Machine, Linux, Emacs, LaTeX, CDLaTeX, R, ESS) and demonstrate its potential in statistical analysis and algorithm development.

(Chen 2018)

Org mode : vers la rédaction d’articles plus reproductibles. Échanges avec Frédéric Santos, R-addict et statisticien (UMR Pacea)

R-addict et statisticien, Frédéric Santos exerce ses missions au sein de l’unité mixte de recherche Pacea (De la préhistoire à l’actuel). Fr. Santos est chargé d’analyser, de définir et de mettre en œuvre les outils statistiques et informatiques pour la gestion et le traitement des données dans le cadre des projets de recherche de l’unité Pacea. Il anime également des formations à la statistique. 

Propos recueillis par Sabrina Granger, Urfist de Bordeaux

Comment se servir d’Org mode tout en appliquant les consignes impartis par les éditeurs aux auteurs ? Ne s’expose-t-on pas à des problèmes de non interopérabilité ? 

Tous les journaux acceptant les manuscrits en format LaTeX et fournissant des templates LaTeX sont compatibles. C’est le cas de toutes les revues PLOS, de Nature, de PNAS, à priori de toutes les revues Elsevier et Springer, etc. Il n’y a que chez Wiley que beaucoup de journaux n’acceptent que des manuscrits au format Word, parfois en plus avec des exigences de mise en forme fantaisistes… dans un tel cas, en effet, c’est pratiquement incompatible avec l’utilisation d’Org mode (ou alors, les difficultés liées au respect de la mise en forme deviennent supérieures aux bénéfices tirés de l’utilisation d’Org mode).

En fait, tout fichier Org mode peut être exporté en LaTeX en utilisant une classe LaTeX externe. Si l’éditeur la fournit (et fournit aussi un .csl ou un .bst pour le style biblio), c’est gagné : il n’y a rien de spécifique à faire.

Il faut aussi noter que de nouveaux systèmes de publication se développent en dehors du giron des éditeurs classiques, comme les “Peer Community In” (NDLR : voir aussi les supports du workshop 2018 Urfist de Bordeaux sur le peer review) . Comme il s’agit d’un système de peer-review sur la base de preprints déposés sur arXiv ou bioRxiv, l’auteur a toutes les libertés imaginables en termes de mise en forme, et peut employer les outils qui lui plaisent sans se soucier de leur compatibilité avec les normes des éditeurs.

Sous quel format le fichier est-il envoyé à la revue, quels formats de sortie peut-on gérer ? 

Par exemple chez Elsevier ou Springer, le manuscrit initial peut être envoyé comme un simple PDF, sans fichier source éditable. Un fichier source éditable doit ensuite être fourni avec la première révision. On peut alors envoyer le fichier PDF généré par Org mode (qui sera consulté par les reviewers), ainsi que le fichier .tex (qui sera utilisé par l’éditeur) exporté à partir du document Org mode. Tout ce que souhaitent les éditeurs, c’est d’avoir un .tex éditable : peu importe si le fichier .tex a été tapé directement en LaTeX, ou converti/exporté en LaTeX depuis un fichier Org mode, Rmarkdown ou Jupyter.

Puis-je facilement revoir le manuscrit collaborativement avec ce type de solution ? 

Oui et non ! Si les co-auteurs connaissent eux aussi Org mode (ou Rmarkdown) et Git, on peut faire un petit dépôt GitLab ou GitHub pour orchestrer et coordonner tout ça. Mais ce n’est pas encore répandu dans toutes les disciplines.

Si aucun autre co-auteur ne connaît ces outils et qu’aucun ne veut/peut les apprendre, alors une solution est de faire le manuscrit en Rmarkdown, d’exporter le Rmarkdown en Word, de transmettre le Word aux co-auteurs, et ensuite d’utiliser le package R “redoc” qui permet de répercuter automatiquement sur le fichier Rmarkdown les modifications faites dans le Word. 

C’est à l’heure actuelle la seule solution qui existe pour travailler “en mode notebook” avec des co-auteurs qui ne veulent pas le faire ; il n’existe encore aucun équivalent en Org mode ou Jupyter à ma connaissance.

Soumettre un papier de cette manière, ça change surtout la vie des reviewers ou celle de l’auteur ?

Clairement les deux ! 

Pour l’auteur, écrire un article en Word est une galère abominable ; écrire un article en Rmarkdown ou Org mode tient presque du plaisir (je suis sérieux !). En plus, on est sûr de ne pas écrire de bêtises, on gagne du temps en s’assurant que toute modification faite en cours de route sur les données sera automatiquement répercutée sur l’ensemble des résultats sans avoir rien à faire, on a absolument tout dans le même fichier (texte, code, figures, tables, résultats, et même lettre à l’éditeur, réponse aux reviewers, et même mails envoyés par des collaborateurs si on veut !), etc

Org mode a également la particularité d’offrir des fonctionnalités de gestion de projet pour planifier très précisément l’avancée du travail. On peut établir un planning, fixer des dates limites par tâche, mettre des “timers”, des priorités, des tags, des statuts, suivre le % d’avancement pour chaque tâche, etc. Bref, tout devient plus simple, et complètement centralisé. Un dernier avantage évident pour l’auteur : on gagne fortement en potentiel de citation, parce que l’article devient à la fois plus “crédible” et transparent, et parce qu’il sert également d’exemple auquel d’autres chercheurs peuvent se référer.

Pour les reviewers, cela les prédispose très favorablement à faire des commentaires plus agréables sur le papier, et cela leur garantit aussi que l’auteur ne “triche” pas sur ses données (cela leur épargne aussi des vérifications manuelles).

Org mode, c’est ok pour un papier, mais quid d’un livre ou une thèse?

Voici un exemple de livre écrit à 100% en Org mode. Il n’y en a pas encore énormément à ma connaissance, mais Org mode est très clairement l’outil le plus adapté à la rédaction de documents très longs mêlant texte, code informatique, et résultats de ce code. Pour des documents très courts ou des petites notes/présentations, Jupyter peut être une solution plus légère.

Une seconde alternative, ciblant spécifiquement les manuscrits de thèses, est le package R Huskydown, , voir le template de l’Université George Washington :

This project provides a template for writing a PhD thesis in R Markdown, and rendering those files into a PDF formatted according to the requirements of the University of Washington. It uses the University of Washington Thesis class to convert R Markdown files into a PDF formatted ready for submission at UW. This project was inspired by the thesisdown and bookdown packages. Currently, the PDF and gitbook versions are fully-functional, and are the focus of this package. The word and epub versions are in development, have no templates behind them, and are essentially calls to the appropriate functions in bookdown. If you are new to working with bookdown and rmarkdown, please read over the documentation available in huskydown PDF template (which you can create by following the simple instructions below) and the bookdown book. Under the hood, the University of Washington Thesis LaTeX template is used to ensure that documents conform precisely to submission standards. At the same time, composition and formatting can be done using lightweight markdown syntax, and R code and its output can be seamlessly included using rmarkdown

Découvrir Org mode

Chen, Feiming. 2018. ‘Organizing Research Projects with an Efficient Open-Source Tool (Emacs Org-Mode)’. presented at the Washington  Statistical Society, October 23. http://washstat.org/presentations/20181024/Chen_F.pdf.

Schulte, Eric, and Dan Davison. 2011. ‘Active Documents with Org-Mode’. Computing in Science & Engineering 13 (3): 66–73. https://doi.org/10.1109/MCSE.2011.41.

Stanisic, Luka, Arnaud Legrand, and Vincent Danjean. 2014. ‘An Effective Git And Org-Mode Based Workflow For Reproducible Research’. Operating Systems Review 49: 61–70. https://doi.org/10.1145/2723872.2723881.

Se former

07/04/2020, Bordeaux (campus de Talence) : Meet up : Org mode versus Jupyter lab (notebooks). Tu crois que tu sais interagir avec du code ?

Tutoriel de Frédéric Santos

Créer un style pour Zotero correspondant à une norme bibliographique juridique : retour d’expérience bordelais. Billet invité

Ce billet a été rédigé par Frédérique Flamerie de Lachapelle, conservatrice des bibliothèques à la direction de la documentation de l’Université de Bordeaux et membre de la rédaction du blog Zotero francophone.

Sur le projet, voir aussi : Gravier, Pierre. 2019. ‘Un style (Zotero) pour la recherche en droit : Retours sur une co-construction efficace’. Arabesques, no. 95: 16–17.

Escalator et escaliers à Lisbonne

Auteur : Daniel Kulinski – CC BY-NC-SA https://www.flickr.com/photos/didmyself/32714095277

Ce billet détaille les choix de méthode et d’outils effectués pour produire le fichier CSL Université de Bordeaux – Ecole doctorale de droit (French) dans le cadre du projet Citer des références juridiques de l’Urfist de Bordeaux, en partenariat avec la direction de la documentation de l’université de Bordeaux.

Il se focalise sur la démarche de transposition en un fichier CSL du style bibliographique formalisé dans le guide Citer des références bibliographiques juridiques, pour une utilisation du style intégrée à Zotero. Nous n’abordons pas la première phase du projet, ayant conduit à la publication de la première édition du guide ; nous vous invitons à consulter la page du projet sur le site de l’Urfist de Bordeaux pour plus de détails à ce sujet. Le point de départ demeure donc un point intermédiaire à l’échelle du projet dans son ensemble. Au-delà du point d’arrivée que constitue la publication du style et du matériel associé, nous proposerons en conclusion quelques perspectives de prolongement.

Sans reprendre l’ensemble des propos liminaires à la deuxième édition du guide, soulignons que cette phase du projet avait pour objectif de traduire les consignes de la première édition en instructions applicables par un logiciel. Il ne s’agissait pas d’écrire un nouveau guide, ni même de remettre en cause les choix méthodologiques de la première édition au profit de simplifications que des considérations techniques auraient rendu nécessaires. C’est donc au contraire un principe d’économie qui a guidé la démarche générale. Dans cette perspective, si certaines règles définies dans la première édition du guide ont été explicitées ou modifiées pour rendre possible l’automatisation par Zotero, les changements ont été minimes et limités à des ajustements nécessaires.

Collaboration, documentation et réutilisation

La méthode et les outils choisis ont répondu à un triple enjeu de collaboration, de documentation et de réutilisabilité des contenus produits.

La collaboration s’entend tout d’abord entre les acteurs du projet, aux profils complémentaires. L’éditeur du guide, maîtrisant parfaitement les normes bibliographiques du droit, a ainsi été sollicité à plusieurs reprises pour valider des propositions d’évolution rendues nécessaires par le langage CSL, ou dont l’impact était estimé mineur en regard du gain pour l’écriture du style CSL. En l’absence de connaissance des pratiques de la citation juridique, il aurait en effet été difficile de savoir sur quel élément de consigne il était possible de transiger ou non.

La collaboration, ensuite, s’entend également entre les acteurs du projet et les utilisateurs finaux, en premier lieu et avant tout les utilisateurs locaux pour lesquels le projet a été conçu, l’Ecole doctorale de droit de l’université de Bordeaux. La première édition du guide a suscité des retours formels ou informels au-delà de son public cible initial, de la part d’un public plus large, universitaire ou non, concerné par la citation de références juridiques. Il s’est donc agi de permettre non seulement aux destinataires directs mais plus largement à la communauté de juristes utilisatrice de Zotero de suivre le projet et éventuellement d’y contribuer, a minima en testant le fichier CSL. Une séance de tests et d’échanges avec des doctorants de l’Ecole doctorale de droit de l’université de Bordeaux a d’ailleurs été organisée lorqu’une première version fontionnelle du fichier CSL a pu être finalisée, à la mi-septembre 2019. Cette séance a notamment conduit à la révision certains des paramétrages effectués (par exemple le délimiteur pour les citations multiples en note de bas de page) et à l’intégration de nouveaux types de documents, les articles de presse et de magazine (voir l’issue GitHub pour l’ajout des modèles correspondant à ce type de document).

La démarche de documentation s’entend elle aussi dans cette double dimension interne et externe. D’un point de vue interne, nous souhaitions documenter tous les choix et les discussions qui ont jalonné la production du style. D’un point de vue externe, il convenait de fournir aux utilisateurs les éléments suffisants pour pouvoir utiliser le style de façon optimale. Le fichier CSL implique en effet quelques spécificités dans le paramétrage et l’usage des modules de traitement de texte de Zotero, ainsi que dans la saisie des données dans la bibliothèque Zotero. Si le recours à des champs indirects ou détournés a été limité au maximum, les spécifications du style n’ont pas permis d’en faire l’économie pour certains cas précis, par exemple pour les rôles de préfacier ou de directeur de thèse, qui ne sont pris en charge ni par CSL ni par Zotero.

L’enjeu de la réutilisation, enfin, met en évidence une autre catégorie d’utilisateurs potentiels, les réutilisateurs du fichier CSL ou de la documentation. Si les licences Creative Commons sous laquelle sont publiés le fichier CSL, la documentation et le guide autorisent de fait leur réutilisation, nous avons eu à coeur de la favoriser, en respectant au maximum les bonnes pratiques d’écriture CSL, en commentant le fichier CSL pour en faciliter la compréhension, enfin en publiant la documentation sous un format ouvert.

Les outils : GitHub, ReadtheDocs et groupe Zotero

Le principe d’économie évoqué précédemment s’est traduit dans le nombre et le choix des outils, en évitant de démultiplier les interfaces ou les plateformes utilisés.

GitHub s’est dès le départ imposé comme un outil pivot pour le projet. Disposer d’un historique documenté de toutes les modifications apportées au fichier de code CSL constitue bien sûr un atout majeur. Le dépôt csl_ed_droit_ubx sur GitHub a aussi permis de centraliser et de suivre toutes les discussions grâce aux issues (voir par exemple la discussion sur la mention d’édition), et d’ouvrir ces discussions à des contributions extérieures à l’université de Bordeaux, voire extérieures à la communauté de l’enseignement supérieur et de la recherche français.
La fonctionnalité de wiki de GitHub a aussi été mise à profit, principalement pour la page Contribuer au projet.

Un second dépôt GitHub csl_ed_droit_ub_documentation alimente les fichiers de la documentation du style CSL – Université de Bordeaux – Ecole doctorale de droit hébergée et publiée sur ReadtheDocs. Cette documentation constitue une version augmentée du guide “Citer des références bibliographiques juridiques”.

Elle comporte tout d’abord des indications pour le paramétrage et l’usage de Zotero, ainsi que des notes d’application générales communes à tous les types de document, à partir notamment des “Recommandations particulières” du guide – voir la section “Lisez-moi”.

Pour chaque type de document, elle intègre de plus des notes d’application dans Zotero et pour chaque exemple le lien vers le document correspondant dans la bibliothèque de groupe – voir la section “Modèles de citation des différents types de documents”.
Enfin, elle est versionnable et disponible aux formats html et aux formats pdf. Le langage ReStructuredText a été privilégié à Markdown, notamment en raison de ses possibilités de mise en forme étendues.

Le dernier outil se révèle finalement le premier, celui que nous avons mis en place avant même de travailler sur le fichier CSL, à savoir une bibliothèque de groupe Zotero, accessible librement en lecture depuis la page du groupe Zotero “style_csl_ed_droit_bx”.

Cette bibliothèque rassemble sous la forme de documents Zotero tous les exemples mentionnés dans la première édition du guide, et en comporte de nouveaux créés pour la deuxième édition. Ces nouveaux exemples illustrent d’une part des cas précisés, tels que les chapitres de livre et les articles de mélanges, relevant tous deux du type “contribution à un ouvrage”, et d’autre part des cas ajoutés dans la deuxième édition, tels que les articles de presse et de magazine.

A l’instar des autres outils, la bibliothèque Zotero est utile à la fois en interne et en externe, à la fois pour l’écriture du fichier CSL et pour la bonne appropriation et le bon usage du style par les utilisateurs.

Du point de vue de l’écriture du fichier CSL, on peut ainsi s’assurer aisément de transposer correctement les consignes de mise en forme. Le recours à des exemples préexistants facilite également le dialogue et les échanges avec les auteurs des consignes.

Du point de vue de l’utilisation du style, on dispose de modèles pour enregistrer correctement les documents dans sa bibliothèque, de façon à ce que toutes les informations soient saisies sous la forme et dans le champ appropriés (directeur de thèse, titre abrégé de mélange par exemple).

Ce récapitulatif des outils ne serait pas complet si l’on ne mentionnait pas les logiciels utilisés pour l’écriture du fichier CSL, à savoir l’éditeur CSL Zotero, combiné à un éditeur de texte. Pour davantage de détails, nous vous recommandons le billet consacré à ce sujet sur le blog Zotero francophone.

COLLECTIF, « Quel outil pour éditer des styles CSL? », sur Le blog Zotero francophone [en ligne], publié le 15 janvier 2018, [consulté le 5 juin 2019]. https://zotero.hypotheses.org/758

Perspectives

Si la publication au début de l’année 2019 d’une nouvelle édition du guide “Citer des références bibliographiques juridiques”, du fichier CSL et des ressources associées constituent une forme d’aboutissement, des pistes de prolongement du projet se dessinent également.

Une première perspective concerne l’augmentation de la typologie documentaire prise en charge, par le style et/ou le fichier CSL. Le guide comporte en effet déjà des indications pour la citation des jugements et arrêts et des codes ; l’intégration de ces consignes au fichier CSL sera étudiée. A la suite des articles de presse et de magazine ajoutés dans la deuxième édition, de nouveaux types de document comme les communications orales dans des congrès et les posters pourraient par ailleurs être ajoutés, en fonction des demandes des utilisateurs. Une procédure a été définie pour soumettre ces demandes, elle est accessible depuis le projet sur GitHub : page Contribuer au projet > Demander la prise en compte d’un nouveau type de document.

Une deuxième perspective porte sur l’utilisation de certaines des ressources associées au style (la bibliothèque de groupe notamment) lors de formations documentaires, pour sensibiliser les usagers à la qualité des données bibliographiques de leur bibliothèque Zotero. Cette perspective a notamment été évoquée lors de la formation “Citer des références…” organisée par l’Urfist de Bordeaux en partenariat avec la direction de la documentation de l’université de Bordeaux.

Enfin, une dernière perspective, non des moindres mais plus lointaine car relevant d’autres projets et d’autres acteurs, porte sur la réutilisation du fichier CSL pour la création d’un nouveau style. Il pourrait s’agit d’un style pour le domaine juridique mais répondant à des normes différentes (comme celles de RefLex par exemple), comme d’un style adapté à un domaine disciplinaire différent et répondant à d’autres normes.

Ateliers pratiques sur l’usage des ressources ISTEX

La plateforme ISTEX propose un accès à une collection pluridisciplinaire de 22 millions de documents pour l’ensemble des établissements de l’enseignement supérieur et de la recherche (ESR) français.
Les ressources sont réparties en 25 corpus éditeurs rassemblant plus de 250 éditeurs scientifiques et ont été acquises sans date limite d’accès et d’exploitation.
Les ressources se répartissent en 6 grands ensembles :

  • sciences de la vie et de la santé
  • sciences et techniques
  • sciences économiques et gestion
  • lettres et sciences humaines
  • sciences juridiques et politiques
  • axe pluridisciplinaire

Le développement de logiciels d’apprentissage automatique a permis d’enrichir et d’uniformiser l’ensemble des ressources afin d’interroger très finement l’intégralité de la base. À ce réservoir inégalé s’ajoute des services aux utilisateurs permettant d’en optimiser l’exploitation grâce à des outils de fouille de contenus (Text Mining) et de visualisation interactive.

Contexte

Les équipes ISTEX et leurs partenaires se sont déplacés dans une vingtaine de villes françaises en 2018 dans le cadre de l’événement ISTEX Tour pour réaliser des démonstrations sur le fonctionnement de la plateforme ISTEX et des services associés de fouille de textes. L’enquête de satisfaction diffusée auprès des participants a révélé une volonté d’aller plus loin dans l’usage des services et des outils présentés au cours d’ateliers pratiques.
Les équipes d’ISTEX s’associent cette année au réseau des URFIST pour proposer des « ateliers pratiques ISTEX ». Ces ateliers d’une journée permettront aux participants la prise en main des services et des outils de constitution, de visualisation et d’exploration d’un corpus thématique. Ils ont également pour objectifs de renforcer la communauté d’utilisateurs des ressources ISTEX et d’éveiller les pratiques documentaires vers la fouille de textes et de données (TDM).

Calendrier

Afin de desservir au mieux le territoire, l’INIST et les sept URFIST proposeront chacun un atelier pratique ISTEX cette année :

Programme

Matin : découvrir la plateforme ISTEX et services intégrés

Atelier : Construire et valoriser un corpus spécialisé à partir du réservoir ISTEX
30 min de présentation de la base ISTEX et 2h30 de manipulation de corpus

Les participants pourront découvrir les services ISTEX et s’approprier les méthodes de constitution et d’exploration de corpus à travers des exemples de corpus développés par l’INIST.  
Après une présentation générale d’ISTEX, cet atelier se déclinera en 3 modules :

  • Interrogation d’ISTEX pour constituer un corpus  
    • Affiner la requête pour limiter les étapes de post-traitement des résultats  
  • Extraction du corpus  
    • Utilisation du service de téléchargement ISTEX-DL  
  • Exploration, analyse et partage d’un corpus  
    • Utilisation du service de visualisation Lodex

A l’issue de cet atelier, les participants sauront interroger la base ISTEX pour construire, télécharger et explorer leur propre corpus.

Après-midi : Visualiser et analyser les métadonnées d’un corpus documentaire

Cette session sera consacrée à un seul des deux ateliers suivant :

  • Atelier 1 : Exploration d’un corpus documentaires ISTEX à l’aide de l’outil de cartographie Gargantext
  • Atelier 2 : Exploration d’un corpus documentaires ISTEX à l’aide de l’outil de cartographie Cillex  

Atelier 1 : Exploration d’un corpus documentaires ISTEX à l’aide de l’outil de cartographie Gargantext  
30 min de présentation de Gargantext et 2h30 de manipulation cartographique  

L’outil Gargantext est conçu pour produire des cartes interactives qui évoluent au fur et à mesure que vous travaillez dessus. Ces cartes thématiques de mots peuvent être utilisées pour construire un état de l’art en cartographiant un ensemble de documents, et mettant en place une représentation collective d’un questionnement, etc.   
La carte n’est pas l’objectif final mais une étape intermédiaire qui se conçoit comme support pour créer une représentation adaptative d’une question ou d’un problème en permettant des aller/retours entre les différents niveaux de vos corpus (document, termes, cartes, etc.). 

Cartographie Gargantext : expérimentation de Gargantext sur le corpus ISTEX 
Tutoriel : réalisation de sa première carte 

  • Le projet EasISTEX : Expérimentation de Gargantext sur le corpus ISTEX  
  • Présentation des bases de données  
  • Manipulations basiques de l’interface  
  • Usage avancé : Comment améliorer une carte  
  • Présentation de la version 4 de Gargantext 

Atelier 2 : Exploration d’un corpus documentaires ISTEX à l’aide de l’outil de cartographie Cillex  
30 min de présentation de Cillex et 2h30 de manipulation cartographique

L’outil Cillex est conçu pour produire des cartes dynamiques référençant les métadonnées d’une requête à l’API ISTEX. Cette cartographie permet de choisir les métadonnées d’intérêt en fonction du type de recherche (par thématique, par auteur, etc.)  

Cartographie Cillex : outils de visualisation du corpus documentaire ISTEX
Vidéo de présentation  

  • Ecosystème ISTEX : le projet Cillex  
  • Manipulation basique de l’interface  
  • Usage avancé :  
    • Traitement des données sur un tableur  
    • Affiner la sélection documentaire  
    • Visualiser les métadonnées d’intérêt

Ressources

En complément de ces formations, l’INIST a produit plusieurs tutoriels multimédia pour apprendre à interroger et interfacer l’API ISTEX (6 tutoriels).
Ces tutoriels permettront aux participants de se familiariser à la base ISTEX, comprendre les différents formats de documents et assimiler le vocabulaire en amont de l’atelier : 

L’écosystème ISTEX expose également certains projets qui ont utilisé ISTEX et ses corpus plein texte pour effectuer des recherche de type fouille de texte.
Ces ateliers seront l’occasion aussi pour ISTEX d’évaluer les besoins de communication et de formation et de réfléchir aux axes de développement des services existants.

Documentation et actualités

Plateforme ISTEX : TimeLine
Documentation ISTEX : doc.istex.fr
Twitter : @ISTEX_Platform
Blog ISTEX : blog.istex.fr

Pour toute autre information :
Contact technique : https://www.istex.fr/contact/

Un book sprint pour booster vos projets de rédaction collaborative. Interview d’Elisa de Castro Guerra (FlossManuals francophone)

Le contexte

L’Unité régionale de formation à l’information scientifique et technique de Bordeaux a organisé du 15 au 19 avril 2019 un book sprint sur la reproductibilité de la recherche. En savoir plus sur les auteurs. Les chercheurs, issus de différentes disciplines, ont rédigé tous les contenus et conçu la table des matières ex nihilo. L’équipe d’auteurs a été constituée spécialement pour le book sprint.
Début de la rédaction : lundi après-midi. Fin de la rédaction : jeudi soir. En savoir + sur le projet

Le livre issu du book sprint est disponible en accès libre.

Vous pouvez faire des propositions de contenus en créant une « issue » sur GitHub.

A l’origine, les book sprints ont été conçus pour documenter les logiciels libres : il s’agit d’une adaptation des code sprints des développeurs. L’accent est mis sur le travail collaboratif entre participants aux compétences diversifiées. Il s’agit d’une pratique d’écriture collaborative, pas seulement collective. Tout est écrit durant le sprint. La post-production (correction des coquilles, mise en page, intégration des références biblios, etc.) en revanche peut nécessiter plusieurs semaines de travail une fois le sprint passé. Sur une durée de 3 à 5 jours, le travail est effectué sous la houlette d’un facilitateur, dont le rôle est d’organiser les échanges.

Pour éclairer le rôle fondamental du facilitateur dans ce type de projet et la méthode du book sprint, l’Urfist de Bordeaux a posé quelques questions à Elisa de Castro Guerra qui a facilité le book sprint sur la reproductibilité de la recherche. Propos recueillis par Sabrina Granger, chef de projet.

Elisa, pourrais-tu te présenter en quelques mots? Quel est ton parcours, quels sont tes centres d’intérêt actuels?

Je suis psychologue et ethnologue de formation. Par curiosité et par goût, j’ai rejoint diverses communautés virtuelles autour du logiciel libre. Je me suis prise au jeu et je travaille aujourd’hui avec ces outils. Par un principe de retour à la communauté, je participe, à la hauteur de mes compétences, à ces logiciels, plus précisément aux logiciels libres graphiques avec une approche en UX design et sur de la documentation, sur de la formation. J’ai co-fondé plusieurs associations dont une a pour objectif de documenter avec un point de vue pédagogique l’utilisation de ces logiciels (Floss Manuals Francophone). Participer à ces logiciels et cet univers m’ont ouvert à d’autres compétences. Professionnellement j’ai pu en tirer avantage et cela m’arrive maintenant de faciliter des book sprints depuis 2011 sur des projets variés.

Qu’est-ce qu’un book sprint peut apporter à un service universitaire, un laboratoire de recherche ?

Le book sprint est une méthode pour écrire rapidement à plusieurs. Le groupe co-construit une bulle temporelle et crée un environnement favorable à la création et l’intelligence collective. Le temps est compté car l’objectif est bien identifié (produire un livre en quelques jours). Les différentes tâches sont identifiées aussi bien dans leur nature que leur durée.

Je ne connais pas précisément le travail spécifique du laboratoire de recherche, mais suite à l’expérience que nous avons vécu [NDLR : Elisa fait référence au book sprint organisé par l’Urfist de Bordeaux], j’ai l’impression que ce book sprint a permis :

  • de découvrir une nouvelle façon de collaborer
  • de découvrir une autre façon d’écrire vite et bien
  • de fédérer des chercheurs issus de disciplines différentes mais pourtant bousculés par des problématiques communes
  • d’enrichir sa pensée
  • de vivre une expérience humaine passionnante

Quels sont les 3 facteurs clés de réussite pour un book sprint selon toi? Et quels sont les 3 écueils principaux à éviter?

L’idéal est de réunir des personnes qui ont envie de participer à ce type d’expérience. Ces participants doivent avoir des points de vue (une expérience) différents des uns des autres, et des niveaux sur la question également différents.

Le sujet abordé doit être innovant, inutile de refaire ce qui existe déjà.

Il faut éviter d’organiser un book sprint dans le milieu naturel du participant, sinon il ne sera pas complètement disponible pour participer à cet événement. Il faut également éviter qu’un nouveau participant arrive en fin de book sprint, le risque est alors trop grand de déconstruire le travail déjà réalisé et de démotiver les participants présents depuis le début.

L’équipe réunie doit absolument être présente sur la totalité de l’événement, si c’est difficile, il faut alors plutôt accepter des participants quittant avant la fin plutôt que l’inverse.

Cite-moi 3 idées reçues (fausses)  que l’on pourrait avoir sur les book sprints? en termes d’organisation, de durée, de profils d’auteurs, de compétences mobilisées, etc.

Il est nécessaire d’avoir un facilitateur, réunir des participants ne suffit pas, même de bonne volonté. Et c’est difficile d’être à la fois auteur et facilitateur !

La durée du book sprint doit rester courte (pas plus de 5 jours) et être regroupée dans le temps (l’idéal est de proposer un book sprint sur 3 à 5 jours consécutif).

Les auteurs doivent déjà avoir eu une expérience positive avec l’écriture, être prêts à collaborer (écrire et accepter que quelqu’un modifie votre paragraphe) et à discuter.

Selon le sujet, il est essentiel de réunir des compétences diversifiées pour une approche plurielle et des expériences à des niveaux différents (débutant, intermédiaire, expert).

Quel est le rôle du facilitateur? Et comment bien faciliter un book sprint?

Le facilitateur a une vue globale sur la co-création alors que les participants sont dans la création de leur plus petite partie. Le facilitateur sait ce qui a été fait et ce qui reste à faire et met en place une lisibilité de ce qui reste à faire pour que chacun se responsabilise et s’organise afin de gérer son apport au regard du temps disponible.

Le facilitateur ressent l’humeur du groupe, il prend soin du groupe, et est attentif à ce que chacun reste dans sa zone de confort et a les moyens de donner le meilleur de soi-même.

Le facilitateur organise les discussions pour que les doutes soient levés et que le résultat de la co-création soit le reflet satisfaisant du groupe.

Je ne sais comment expliquer la facilitation d’un book sprint en peu de mots, participez à mes formations pour en apprendre davantage !

Quels sont les autres rôles que l’on peut prévoir quand on organise un book sprint?

Souvent en relation avec l’objet final, au cours de mon expérience de divers book sprints, nous avons pu faire appel à :

  • un développeur pour qu’il corrige les bugs constatés lors de l’événement
  • un traducteur pour qu’il contribue et améliore la localisation française
  • un débutant correspondant à la cible de la co-création afin de tester immédiatement (et corriger le cas échéant) l’efficacité de notre action
  • un graphiste pour la réalisation de schémas ou illustrations à insérer dans l’ouvrage
  • un coordinateur de projet pour identifier les auteurs et le lieu
  • un relecteur pour qu’il fasse une repasse sur la totalité de l’ouvrage terminé pour chasser les erreurs typographiques et de style inévitables
  • un bibliothécaire pour prendre soin de la bibliographie et des références bibliographiques
  • voire … un cuisinier pour nous préparer de bon petits plats le midi et le soir afin de créer des moments positif de vie du groupe autrement que par le travail !

Reproductibilité de la recherche : « Vers une recherche reproductible : Faire évoluer ses pratiques » un ouvrage en français pour une recherche plus transparente

Auteurs : Loïc Desquilbet, Boris Hejblum, Arnaud Legrand, Pascal Pernot, Nicolas Rougier

L’ouvrage est en accès libre, téléchargeable aux formats PDF et EPub.

URL pérenne : https://hal.archives-ouvertes.fr/hal-02144142

5 auteurs issus de disciplines variées ont rédigé un ouvrage en français pour aider chercheurs comme personnels scientifiques à relever les défis de la reproductibilité de la recherche. Dette technique, code informatique abscons, tableurs indomptables, figures impossibles à reproduire (alors même que l’article a été accepté par la revue !), chaos numérique, etc. Les freins à la traçabilité de la recherche sont nombreux et d’ordre aussi bien technique que méthodologique.

Tout au long du livre, les auteurs proposent un panel de solutions dont certaines ne nécessitent aucune compétence technique avancée pour être mises en œuvre. L’ouvrage a pour vocation de s’adresser à un public large.

Mots clés : recherche reproductible ; transparence de la recherche ; science ouverte ; crise de la réplication ; open source ; open data ; data sharing ; réutilisation des données ; standardisation ; book sprint

Les contenus de l’ouvrage

L’objectif de cet ouvrage est de donner les outils pour comprendre les enjeux de la recherche reproductible. Celle-ci vise à donner l’opportunité à tout chercheur de vérifier ou d’obtenir de nouveau les résultats d’un autre chercheur, que ce soit pour établir des comparaisons ou pour s’en inspirer. Notons que cet autre chercheur peut être l’auteur des travaux lui-même : ce qui était clair à un moment donné ne l’est plus quelques semaines plus tard. Notre ambition est d’apporter des solutions avec un niveau de technicité varié, permettant à chacun d’améliorer sa pratique dans son domaine et selon ses moyens.

Le livre se structure en trois grandes parties :

– la première partie traite de la notion même de recherche reproductible selon différentes perspectives. Il s’agit de prendre pour point de départ des expériences “traumatiques” engendrées par des pratiques plus ou moins (moins en fait) propices à une recherche reproductible.

– la deuxième partie explicite les causes et les origines des différents problèmes auxquels chaque chercheur, quel que soit son degré d’expertise dans son domaine, peut être confronté un jour ou l’autre.

– la troisième partie présente enfin une sélection de solutions offertes par la recherche reproductible pour résoudre ou prévenir ces problèmes à l’échelle de chacun.

Desquilbet, Loïc, Sabrina Granger, Boris Hejblum, Arnaud Legrand, Pascal Pernot, et Nicolas P. Rougier. Vers une recherche reproductible : Faire évoluer ses pratiques. Bordeaux : Urfist de Bordeaux, 2019.

Proposer des contenus, poser des questions aux auteurs

En créant une « issue » via GitHub ou en contactant l’Urfist de Bordeaux par mail (urfist/at/u-bordeaux.fr), il est possible de proposer des contenus, de poser des questions aux auteurs, tant sur les contenus que sur la méthode. Vous souhaiteriez proposer une traduction de l’ouvrage? Contactez-nous. https://github.com/rr-france/bookrr

Qu’est-ce qu’un book sprint?

La spécificité de cet ouvrage est d’avoir été rédigé dans le cadre d’un book sprint organisé par l’Unité régionale de formation à l’information scientifique et technique de Bordeaux (15-19/04/2019) : les auteurs ont rédigé tous les contenus et la table des matières ex nihilo. Pour en savoir + sur le projet

Un book sprint est un mode de rédaction collaboratif, pas seulement collectif. La notion de premier auteur n’existe pas.

Les auteurs

En savoir plus sur les auteurs, découvrir les contributeurs

Debunking data fraud : suites du meetup “To cheat or not to cheat : The dark side of data science”

Le contexte

Le 7 mars 2019, l’Urfist de Bordeaux et l’école doctorale “Mathématiques et informatique” (Université de Bordeaux) ont co-organisé le meet up : « To cheat or not to cheat : The dark side of data science ».

Peer review truqué, visualisations de données partisanes, interprétations abusives… Participant.e.s et intervenants ont échangé tout l’après-midi sur les pratiques de recherche les plus douteuses.

Intervenants

Nicolas Rougier est chercheur Inria en neurosciences computationelles. Il travaille à l’institut des maladies neurodégénératives à Bordeaux. Il a co-fondé le journal ReScience qui est spécialisé dans la publication de réplication en sciences computationelles. @NPRougier

Christophe Bontemps est ingénieur de recherche à l’INRA au sein de la Toulouse School of Economics. Economètre-statisticien de formation, il enseigne la visualisation des données depuis plusieurs années et est co-organisateur du Meetup Toulouse Dataviz. @Xtophe_Bontemps

Retours sur le meet up avec Christophe Bontemps

Propos recueillis par S. Granger, pour l’Urfist de Bordeaux

Christophe, stp, pourrais-tu te présenter en quelques mots? Quel est ton parcours? Quelles compétences principales as-tu développées et comment es-tu venu à te spécialiser dans la visualisation de données?

La version courte pour me présenter, c’est “Ingénieur économètre à la Toulouse School of Economics (TSE) pour l’INRA”, mais comme ce n’est ni très glamour ni très compréhensible, je préfère la version romancée : je suis une sorte de mathématicien qui essaie d’aider des chercheurs (en économie) à répondre à leurs questions en utilisant des données (de la vraie vie) et des modèles statistiques adaptés (modèles économétriques). Pour faire cela , je manipule évidemment des données, explore leurs caractéristiques et estime différentes statistiques ou indicateurs plus ou moins complexes,  voire des fonctions.

La représentation graphique (la dataviz) est omniprésente dans ma pratique que ce soit pour l’exploration des données ou pour la représentation de résultats. Il y a quelques années, pour résoudre mes propres problèmes de visualisation de mes estimations, j’ai voulu progresser sur les méthodes de visualisation de données.

J’ai alors acheté plein de bouquins, lu des articles et décidé d’approfondir le sujet. La meilleure méthode pour faire cela c’était d’enseigner, ce que je fais depuis 4 ans à l’ENSAI (Rennes), à TSE et bientôt à Vérone en Italie. Depuis 3 ans, je co-anime aussi le Meetup Toulouse Dataviz (1200 membres) qui organise aussi depuis 2 ans un challenge de visualisation de données, le “Hackaviz”.

Pourrais-tu me citer 3 fausses bonnes idées en matière de dataviz?

Mes cours et mes étudiants m’ont beaucoup appris sur la dataviz. Mais c’est surtout en faisant des erreurs et en partant sur de mauvaises idées, dont celles-ci, que l’on apprend :

  • Un graphique vaut 1000 mots.  Il est vrai qu’un graphique peut porter un message plus puissamment qu’un texte. Il sera aussi mieux mémorisé. Mais un graphique sans contexte, et donc sans les mots qui l’accompagnent pour en décrire les éléments visuels, leur signification, la source des données, la question posée et les éléments de réponse apportés par le graphique, n’apprend pas plus sur le monde qu’un joli coloriage.
  • Plus ça bouge, mieux c’est !, autrement dit, une bonne dataviz est interactive, est obligatoirement dynamique et tout réagit à tout. Les effets “Wahoo” que l’on rencontre souvent sur le net sont rarement porteurs de sens et de comparaisons instructives. Les data journalistes (les vrais) ne s’y trompent pas et sont revenus à des formes graphiques plus simples et porteuses d’histoires.
  • Pour des données géolocalisées, on est obligé de faire une carte”. Non, on peut comprendre les élections américaines sans cartes, on peut mesurer l’évolution du changement climatique sans faire une carte des températures (qui ne reflétera pas l’impact sur les populations par exemple). Les cartes sont des représentations extrêmement complexes qui exigent beaucoup de compétences, de l’expérience et de la rigueur dans leur composition. C’est d’ailleurs un métier et il y a des formations spécifiques pour cela.  Ajouter des éléments statistiques sur une carte relève donc du défi (comment visualiser l’incertitude autour d’une valeur sur une carte? Quels éléments visuels peut-on superposer à une carte? Que et comment comparer sur une carte ?). Or, comme de nombreux et formidables outils existent, nombreux sont ceux qui ont ce réflexe malheureux de cartographie. ( La même remarque s’applique aux données de réseau sociaux représentées sous forme de boules de poils inutiles par réflexe, parce que les données sont “de réseau”. )

Pourrais-tu me citer 3 idées reçues sur la dataviz, dans un contexte de recherche?

“Mon” monde de la recherche est composé d’économistes, d’économètres et de statisticiens qui sont parfois réceptifs à la dataviz, mais parfois pas. Je n’ai donc qu’une vision très partielle de la recherche, mais j’ai souvent entendu les choses suivantes, potentiellement entendues ailleurs :

  • Une bonne table suffit. Les tables de statistiques descriptives sont encore une norme absolue, mais comparer des distributions avec des moyennes, écarts-types, min et max, c’est extrêmement réducteur. Une bonne table est souvent supplantée par une bonne visualisation, mais il faut se donner un peu de mal, c’est vrai.
  • Il ne faut pas passer trop de temps sur les graphiques, l’important ce sont les résultats”. La visualisation de données est encore perçue comme un outil pratique lié au développement de l’informatique. Or, c’est aussi un outil de la statistique moderne qui permet de tester visuellement et rapidement un ensemble d’hypothèses. Tout comme la statistique, cela demande de créer les bons tests, c’est à dire les bonnes visualisations et ce n’est pas un amusement esthétique. De nombreux statisticiens de renom ont d’ailleurs  travaillé à créer les bons outils et les bonnes pratiques dans différents contextes.
  • Pas de boîtes à moustaches, personne ne comprendra ce que cela représente. C’est un éditeur de revue (une revue sérieuse) qui m’a écrit cela. Dommage, cette représentation a vraiment son utilité et elle fut inventée en 1977! C’est vraiment symptomatique du travail qu’il reste à faire pour éduquer toute une population assez conservatrice lorsqu’il s’agit de publication.

Supposons que je n’aie pas de compétences techniques en R ou Python, ou tout autre langage de programmation. Mon truc, ce sont les tableurs. Quels seraient tes 3 conseils pour m’aider à améliorer mes visualisations de données? Par quoi puis-je commencer?

Je commencerais par investir dans… les possibilités graphiques des tableurs ! L’outil que l’on utilise n’est pas le plus important, même si les graphiques proposés en premier choix dans ces tableurs ont de graves défauts.

Ensuite, je lirais (en anglais) l’excellent livre Storytelling with Data ou (en français)  Convaincre avec des Graphiques efficaces. Ces deux livres sont entièrement composés de graphiques sous Excel et donnent de très bonnes pratiques de visualisation, faciles à appliquer au quotidien.

Enfin, je suivrais une formation (en ligne ou pas) pour comprendre pourquoi et comment on fait des graphiques. Une formation agnostique sur les outils utilisés, axée sur les techniques de visualisation que l’on peut appliquer même sur du papier avec des crayons de couleur.

Autre cas de figure : dans mon unité de recherche, je souhaiterais disséminer des bonnes pratiques de dataviz. Que me conseilles-tu en termes de modalités de transfert de compétences? Que peut apporter un hackathon à des chercheurs par exemple?

Oui, un hackathon, (ou un hackaviz) est un excellent moyen de se plonger dans une problématique de représentation de données à partir d’un jeu de données inconnu qu’il faut découvrir. Cela permet aussi de se rendre compte que l’on peut présenter des faits, des résultats, des trouvailles de différentes façons et que l’on peut aussi “ne pas voir” quelque chose. En outre, l’exercice, si encadré, permet de découvrir de nouvelles pratiques et de nouveaux outils que l’on aura envie d’essayer tout de suite sur le jeu de données. Ce n’est pas très difficile à mettre en œuvre et est souvent enrichissant et ludique parce qu’on travaille en groupe.

Selon toi, existe-t-il des cas de triche acceptables?

Cela dépend ce qu’on appelle “triche”.  “Tricher” avec les règles pour simplifier et mettre l’accent sur un point précis en informant le lecteur est tout à fait acceptable. “Tricher” en créant une carte du métro qui ne respecte pas les distances entre stations est tout à fait acceptable (et accepté) également. Tandis que tricher avec les données, choisir une représentation volontairement (ou pas) trompeuse, non adaptée aux données, recadrée, ou simplement faussée, n’est par contre pas acceptable. On voit de nombreux cas, hélas, comme j’ai pu vous l’exposer à Bordeaux.

Et inversement, qu’est-ce qui reste inacceptable, pour TOUJOURS? aka un score de 55 sur l’échelle du scandale, qui est une échelle allant de 1 à 10.

Bon nombre de visualisations sont hélas basées sur des comparaisons (ou sur des statistiques) qui n’ont pas de sens. Que l’on utilise des échelles doubles, que l’on tronque des axes, ou que l’on torde des graphiques pour tromper l’œil et le cerveau par des comparaisons faussées reste inacceptable. Mais il y a toujours une chose qui me révolte dans ce domaine : c’est la comparaison d’éléments non comparables. Que cela soit une comparaison chiffrée ou graphique. L’exemple récurrent de la comparaison du nombre de morts sur les routes lors du week-end de Pâques me fait souvent douter de l’intelligence humaine ou me laisse penser qu’il y a tentative de manipulation. Est-ce que l’on compare le nombre de promeneurs  dans les Pyrénées sous la pluie et sous le soleil? Quelle que soit la représentation graphique de ces pseudo-statistiques, ces comparaisons sont stupides, intolérables et oui toujours scandaleuses !

Plus généralement, selon toi, quelles bonnes pratiques de dataviz adopter pour une recherche plus transparente et plus reproductible?

Tout d’abord, si les (bonnes) méthodes de visualisation de données étaient enseignées dans les cursus des disciplines où l’on traite des données et où l’on utilise des statistiques, la question des bonnes pratiques se poserait moins cruellement qu’aujourd’hui.

Ensuite, je crois que la question de la transparence et de la reproductibilité se pose en termes d’outils, mais aussi de volonté. Il faut des outils permettant de tracer les étapes de la production d’un graphique (et donc d’un résultat), mais il faut aussi que les chercheurs aient l’envie de partager cette chaîne de traitements.

Donc, formation + bons outils (pas de tableurs) + volonté + incitations. Tout un programme, qui se met en place doucement avec une nouvelle génération de chercheurs.

Pour finir, comment définirais-tu une bonne dataviz?

Excellente question que j’esquive en laissant répondre le génial Jacques Bertin “Il n’y a pas de bons ou de mauvais [graphiques] (…), il y a des constructions qui répondent  et d’autres qui ne répondent pas aux questions qu’on est en droit de se poser”. (cf. Jacques Bertin “Théorie matricielle de la graphique” Communication et langages, Armand Colin, 1981, 48, 62-74. )