Archives de catégorie : Document numérique

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

Découvrir Orgmode : 2 meet ups

Tutoriel de Frédéric Santos

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 ? [annulé en raison des mesures de prévention contre le covid-19]

 

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

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. )

Journée d’études : Questionner l’analyse et la visualisation de données (AVD), le 6 Nov 2015 à Sophia Antipolis

wordleAVD

Depuis une vingtaine d’années, la production nativement numérique et la numérisation croissante de données de tous ordres (textuelles, chiffrées, relationnelles, etc.) a considérablement facilité leur archivage, leur circulation, leur consultation et leur manipulation, dans des agencements dont la diversité n’a d’égale que celle des fins auxquelles ces données sont convoquées. Aujourd’hui, qu’il s’agisse de journalisme, de gestion de l’information, de communication, de culture, de littérature, des politiques publiques, du droit ou encore du marketing, les champs de pratiques socio-professionnelles sont confrontés à une masse considérable de données.

Dans le domaine de la recherche en sciences humaines et sociales relative à ces champs, ces données sont porteuses de riches potentialités, mais leur ampleur et leur caractère parfois chaotique peuvent décourager le chercheur. Pourtant, des méthodes et outils spécifiques, parfois désignés sous le vocable « digital methods », ont été progressivement pensés et développés pour faciliter la (re)construction de sens à partir de volumes plus ou moins importants de données. Indexation, crawling ou web scraping, archivage et gestion de bases de données, statistique classique et analyse de données textuelles, analyse de contenu et traitement automatique des langues, graphes de réseaux et cartographies du web, ou encore infographie et modes de visualisation : ces « techniques intellectuelles », distinctes et assemblées, se trouvent à la croisée de divers champs de recherche et concernent très directement les sciences de l’information et de la communication pour explorer, expliquer, synthétiser ou simplement présenter des faits.

Ces méthodes et outils d’agencement informationnel ou de redocumentarisation permettent une herméneutique des corpus et ont une réelle portée heuristique, que cette journée d’études ambitionne de présenter, détailler, croiser et interroger.

En même temps, force est de constater que cette immixtion du numérique dans nos activités quotidiennes s’est produite subrepticement, sans débat ni discussion, dans une forme d’imposition par l’adhésion immédiate (et donc irréfléchie) d’usagers divers dont l’enthousiasme était motivé par nombre de promesses d’ordre sémiotique (l’intelligibilité du monde à moindre coût cognitif), socio-politique (l’émancipation des individus par la démocratie digitale), économique (dans un marché libertaire débarrassé des lourdeurs bureaucratiques).

Portées par des idéologies et des mythologies ambivalentes (et souvent contradictoires), les potentialités socio-techniques du numérique se sont actualisées dans des sociétés hétérogènes, et sont elles-mêmes porteuses d’enjeux et de mécanismes parfois flous ou obscurs qu’il s’agira ici de mieux cerner:

Dans le cadre de cette journée d’études centrée sur l’Analyse et la Visualisation de Données (AVD), les réflexions interrogeront essentiellement deux aspects : les outils, techniques, formats et processus de l’AVD d’une part, les enjeux économiques, socio-politiques et socio-sémiotiques de la mobilisation de ces techniques intellectuelles d’autre part.

Inscription gratuite mais obligatoire : https://sygefor.reseau-urfist.fr/#!/training/5575/6042

___ Programme ____

08:30 : Accueil

09:00 : Ouverture
Denis Pascal, Directeur de l’IUT Nice-Côte d’Azur
Sylvie Mellet, Vice-présidente de la Commission Recherche de l’Université de Nice Sophia Antipolis
– Gabriel Gallezot / Emmanuel Marty

09:30 – Au coeur de l’AVD
A travers la présentation de résultats d’analyse et de visualisation de données, il s’agit de montrer l’intérêt de cette activité, l’attractivité des résultats mais également de décortiquer des processus complexes et l’appréhension des représentations proposées.

* Analyse, modes de visualisation, représentation et interprétation des données

09:30 ——- l’histoire de l’art de raconter une histoire avec les données
Samy Ben Amor , Institut Ingémédia, UFR en sciences de l’information et de la communication, université de Toulon, laboratoire i3M

09:50 ——- Ryoji Ikeda : une réponse esthétique à la question technique
Hervé Zénouda, Maitre de conférences en sciences de l’information et de la communication, Université de Toulon, laboratoire I3M

10:10 ——- Logométrie et discours politique
Damon Mayaffre , Chargé de recherches au CNRS, Directeur de l’UMR 7320, Bases, Corpus, Langage

10:30 ——- « Cyber-guerre » et réseaux sociaux numériques: vers une nouvelle forme d’asymétrie informationnelle?
Cyril Papon, IRENav (Naval Academy Research Institute), Lanvéoc-Poulmic

10:50 ——- “Visualisation interactive de connaissances géographiques incertaines : Le cas de la spécialisation sociale dans l’aire métropolitaine azuréenne”
Giovanni Fusco, Chargé de Recherche CNRS, UMR ESPACE, Université Nice Sophia Antipolis

11:10 – Pause 20 min

* Exploration, extraction, codage et catégorisation des données

11:30 ——- Visualisations pour l’analyse technométrique
David Reymond, Maître de conférences en sciences de l’information et de la communication, Université de Toulon, laboratoire I3M

12:00 ——- AVD : un nouveau rapport du sujet à l’information ?
Jacques Araszkiewiez, Maître de conférences en sciences de l’information et de la communication, Université de Nice Sophia Antipolis, laboratoire I3M

Pause déjeuner … buffet

* Enjeux et effets de l’analyse et la visualisation des données selon 3 terrains d’application

14:00 – Journalisme de données : nouveau récit journalistique ?
Le datajournalisme, c’est exploiter des bases de données volumineuses pour en tirer de l’information et la présenter de façon compréhensible au public. Cet aspect didactique est central. Certains voient dans le datajournalisme un rôle de médiateur à reconquérir pour le journaliste et une sorte de nouvel idéal de la profession. La pratique du datajournalisme n’est pourtant pas un gage de qualité et de fiabilité. Car paradoxalement, le fait brut, la donnée pure peut aussi être l’ennemie du journalisme. En effet, par son apparente objectivation d’une réalité saisie de manière technique ou statistique, le datajournalisme peut occulter les enjeux inhérents au récit journalistique traditionnel (mettre en récit l’actualité en répondant aux 5 W, en se fiant à des sources et par des techniques de recueil identifiées). Ne peut-il pas alors ouvrir la voie à une nouvelle forme de “storytelling technocentré”, potentiellement manipulatoire?

Sana Sbouai, journaliste, co-fondatrice du Pure player inkyfada.
Nikos Smyrnaios, Maitre de conférences en sciences de l’information et de la communication, à l’IUT A de l’Université Toulouse 3, laboratoire LERASS.
– Discutante: Valerie Croissant, Maître de conférences en sciences de l’information et de la communication à l’Institut de la communication, Université Lyon 2, Laboratoire ELICO.

15:15 – SIG et outils cartographiques au service d’une meilleure appréhension du territoire?
Le territoire source d’information inépuisable et continuellement renouvelée n’a cessé d’être interprété. De la « carta » à la « mapa » se jouent des traductions, des lectures spécifiques d’éléments factuels issus du terrain. On pensera bien entendu aux relevés topographiques, mais également à la somme considérable d’information produite par et pour un territoire : des données socio-économiques aux capteurs sonores, en passant par les sites web des organisations. Ce sont des variables d’interprétation qui engendrent de multiples vues qui seront également lues selon différents prismes.
Cette représentation par « compilation, traitement, projection », cette énonciation territoriale questionne le rôle des « faiseurs de mapa », les curseurs qu’ils actionnent et l’inférence sur une projection devant objectiver le réel.

Mariannig Le Béchec, Maître de Conférences en sciences de l’information et de la communication, Université de Poitiers, laboratoire CEREGE
Giovianni Fusco, Chargé de Recherche CNRS, UMR ESPACE, Université Nice Sophia Antipolis
– Discutante : Céline Masoni-Lacroix, Maître de Conférences en Sciences de l’Information et de la Communication, Université Nice Sophia Antipolis, laboratoire I3M

16:30 – Digital humanities, traces sociales et représentations: un champ d’étude privilégié pour les SIC?
L’humanisme, “l’humain est la mesure de toute chose” est consubstantiel de la notion de dispositif. Dans une dialectique complexe d’asservissement et de libération, les dispositifs ont produit ce Sujet qui permet à Peter Sloterdijk de définir l’humanisme à partir de “Grosses lettres envoyées à des amis inconnus”. Au regard de cette manière de concevoir l’humanisme, les humanités numériques portent peut-être mal leur nom. En un sorte de renversement copernicien, elles délogeraient en effet le Sujet de la position centrale qu’il avait au moins théoriquement acquise au sein des dispositifs. Le Sujet, alors même qu’il s’auto-célèbre comme “ego” et s’incarne réellement via l’interactivité, se trouve simultanément dilué sous forme de traces numériques qu’il s’agit de compiler, d’analyser, de traiter en une sorte d’arrangement collectif d’énonciation de désirs immédiats ou si l’on préfère de flux d’informations. Le rapport des humanités aux nouvelles humanités numériques ne peut cependant se réduire à cette opposition radicale entre Sujet et Information. La spécificité des sciences de l’information et de la communication s’enracine au contraire dans une tentative de mesurer concrètement comment ce rapport sujet/information construit une réalité qui ne peut se réduire à l’humanisme ni aux humanités numériques.
Quel rapport entre humanités et humanités digitales ? entre humanisme et humanisme numérique, transhumanisme ou post-humanisme ? Au-delà des divergences d’analyses de ces différentes notions, un point d’ancrage semble pouvoir faire consensus : l’Analyse et la Visualisation de Données est au cœur de ces questions : au cœur des méthodes de datamining constitutives des humanités digitales, au cœur de l’interfaçage toujours plus dense et intense entre homme et machine, au cœur des nouvelles formes de storytelling, de surveillance et de contrôle. La question qui se pose et qui sera posée lors de cette table-ronde, c’est celle de l’instrumentalisation des techniques d’AVD disponibles au nom de l’exploration rationnelle de nouvelles possibilités pour la science et le gouvernement, mais au prix d’une remise en question de l’autonomie, cognitive ou politique, cognitive et politique.

Jacques Araszkiewiez, Maître de Conférences en Sciences de l’Information et de la Communication, Université Nice Sophia Antipolis, laboratoire I3M
Damon Mayaffre, Chargé de recherches au CNRS, Directeur de l’UMR 7320, Bases, Corpus, Langage
– Discutant : Emmanuel Marty, Maître de Conférences en Sciences de l’Information et de la Communication, Université Nice Sophia Antipolis, laboratoire I3M

“Données” de la recherche, les mal-nommées

D’où tu parles ?

L’accès aux données de la recherche fait partie des dossiers d’actualité des bibliothèques universitaires françaises. A ce stade, la question est posée de manière générale ; et avec un effet positif : rappeler que globalement, la collectivité doit se soucier de garantir l’accessibilité aux productions intellectuelles de l’activité publique, et notamment de la recherche publique. Pour les publications, la question de l’accès n’a pas été posée d’emblée, et la communauté scientifique se trouve aujourd’hui dans l’impasse où l’a conduite l’emballement d’une machine commerciale folle : une partie des établissements dans lesquels travaillent les chercheurs n’a pas ou plus les moyens de se payer certaines revues, et l’autre partie se les paye en renonçant à d’autres achats qui contribuaient pourtant à maintenir une diversité éditoriale. Tous les maillons de la chaîne de diffusion des savoirs  y ont pris, souvent inconsciemment, une petite (ou grande) part : les auteurs, les éditeurs, les lecteurs, les relecteurs, les acheteurs, les vendeurs, les médiateurs, les financeurs… Et c’est bien parce que cette faillite est celle d’un système et non d’individus que l’open access peine à renverser la vapeur. Pour cette raison, même si les données de la recherche font figure de cerise sur le gâteau quand on a déjà du mal à généraliser le dépôt dans les archives ouvertes, il est quand même réjouissant d’entendre énoncé l’impératif d’accès aux données, et on peut espérer (suis-je naïve ?) que le mécanisme de publication dont nous subissons les effets pervers ne se réenclenche pas pour d’autres objets. Tout l’enjeu est de préserver le caractère public des données de la recherche publique, et d’éviter la privatisation de leur diffusion (à propos du positionnement des éditeurs scientifiques sur la question des données, voir entre autres l’aperçu synthétique que donne Odile Hologne, « Professionnels de l’IST et données de la recherche : des discours incantatoires aux actions concrètes », Documentaliste, 2013, 3, p.30-31).

Mais une fois passé le positionnement d’ensemble de la problématique, si on veut essayer d’agir très concrètement, et à notre modeste échelle, dans l’intérêt collectif, comment procéder ? Car jusqu’à présent, « données de la recherche » me semble être cette grande valise que me confie un voyageur bien sous tous rapports mais dont je n’ai pas vérifié le contenu. Bon sang mais qu’est ce qu’il y a dedans ? En l’entrebaillant je suis assaillie de questions, et je profite du carnet des Urfist pour les partager, en espérant en réponse vos avis, expériences et autres réflexions, de contrebande ou pas.

 

 Données de la recherche qui es-tu ?

A minima, on s’accorde implicitement sur l’idée suivante : quand on évoque « les données de la recherche », on désigne des chiffres, relevés, mesures, résultats d’expérience, réponses à des enquêtes, statistiques, comptages, et autres donnés quantitatives sur la base desquels va s’élaborer une hypothèse, et/ou qui serviront à infirmer ou valider cette hypothèse… bref essentiellement du quantitatif, que l’on pourra traiter, trier, exploiter, visualiser de manière homogène. La publication de telles données fait déjà partie, dans certaines disciplines du moins, des canons de la rédaction d’un article scientifique (par exemple, la partie « Materials and methods » dans les recommandations pour la rédaction d’articles dans des revues médicales).

Mais suivant les disciplines et les thèmes de recherche, les matériaux qui nourrissent une proposition scientifique varient considérablement : les « données » d’un linguiste peuvent des écrits ou des discours, des enregistrements de locuteurs ; les « données » d’un médiéviste sont des sources archivistiques, archéologiques, épigraphiques, iconographiques, littéraires ; les « données » d’un géologue rassemblent des coupes et observations de terrain consignées sur un carnet, des résultats de carottage, des analyses d’échantillons, des données sismographiques… Bref il n’y a pas, et loin de là, que des données quantitatives de même nature qui constitueraient des séries homogènes relativement faciles à manipuler, échanger et compiler.

La notion de données elle-même est à géométrie variable. Pour ce point je m’appuie sur le projet Ecrito, projet de recherche porté par Muriel Lefebvre avec l’Urfist de Toulouse sur la question des archives de chercheurs (http://ecrito.hypotheses.org/). L’enquête auprès d’un laboratoire de mécanique des fluides a montré que les données brutes issues des expériences étaient soumises à des modèles de validation, qui permettaient d’éliminer certains résultats non probants, les « fausses données » (sic) pour ne conserver que les « vraies données » (re-sic) : les données ici ne sont pas un matériau brut, mais le résultat d’une première opération scientifique, fruit d’une méthodologie propre à la discipline ; dans ce cas, le profane est incapable de définir les contours de la masse de données.

Parallèlement, l’absence de définition restrictive du terme « données » rend poreuse la frontière entre données et publications. Certains chercheurs par exemple revendiquent d’utiliser blogs et réseaux sociaux comme canal de publication, et de ne rédiger qu’ensuite, et pas systématiquement, un article soumis à des revues, article qui compte tenu des délais de publication paraîtra in fine entre 6 et 12 mois plus tard. Est-ce que les éléments originaux d’une proposition scientifique, diffusés et discutés par exemple sous forme lapidaire sur un réseau social, se rangent sous l’étiquette « données de la recherche » ? Ils ne sont pas un matériau brut, mais ils sont dépouillés de l’apparat conventionnel des formes éditoriales, sans autre validation que celle de l’auteur, et diffusés via des canaux que les institutions ne savent pas (encore) exploiter totalement. Comment faire en sorte de les prendre néanmoins en compte en tant que forme la plus rapide de divulgation d’un résultat, voire en tant que support d’une co-construction de savoir ?

 

Pour quoi faire ?

Il me semble qu’il n’y a que trois raisons qui justifient le souci de conserver et transmettre cette masse protéiforme de données :

  1. Une raison d’ordre socio-économique : la mise en place de certaines expériences ou enquêtes coûte cher ; communiquer leurs résultats pour les rendre exploitables par d’autres chercheurs est un moyen de les rentabiliser. Et plus largement, dans une optique citoyenne, on peut considérer que les données produites par une recherche financée par des fonds publics doivent rester à la disposition de la communauté scientifique pour être exploités au mieux.
  2. Une raison plus épistémologique : la diffusion des données sur lesquelles s’appuie la formulation d’une hypothèse est un gage de scientificité ; publier ses données, c’est aussi soumettre son interprétation et ses conclusions à la communauté, ce qui vaut implicitement validation par les pairs (ou mise au pilori). Il est à noter que l’unanimité n’est pas acquise sur ce point. D’abord parce que cette forme d’exposition peut être parfois ressentie comme une mise en danger, porteuse de polémiques potentielles sur des choix de traitement et d’interprétation. Ensuite parce qu’elle se heurte à des objections d’ordre méthodologique ; en sociologie ou en anthropologie par exemple, qui s’appuient beaucoup sur des enquêtes de terrain, certains chercheurs expriment de fortes réserves quant aux réelles possibilités de réexploitation d’enquêtes qualitatives ; selon eux, l’interaction entre enquêteur et enquêtés est telle dans ce type d’études que les résultats n’en sont pas réutilisables hors contexte. Ces freins renvoient au fond aux mécanismes à l’œuvre dans la controverse scientifique, puisque les données font partie des clés qui ouvrent la « boîte noire » de la recherche.
  3. Une raison patrimoniale : conserver la trace de la totalité d’un processus de recherche, de la collecte des données à la publication du résultat, est un moyen de transmettre à terme la culture scientifique et de contribuer à une forme d’histoire de la recherche.

 

Pour quel public ?

Si l’on part des objectifs définis ci-dessus, on peut en déduire deux grandes catégories :

  1. Des données qui doivent être réexploitables par de nouveaux programmes de recherche : cela implique de les restituer prioritairement sous des formes et formats conformes aux méthodes et outils dont les chercheurs se servent ; cela peut parfois différer des standards canoniques de conservation ; et cela suppose une activité proche de la curation de données, qui se pratique déjà au sein de nombre de laboratoires. Mais se placer dans la perspective d’une réutilisation ultérieure des données, cela implique aussi de documenter de manière très précise la manière dont ces données ont été constituées, les conditions de l’expérience ou de l’enquête… bref toute information scientifique qui permet, sur le plan épistémologique, de les réutiliser ; et d’indiquer aussi toutes les spécifications techniques ou juridiques qui conditionnent leur exploitation ; c’est-à-dire de créer des métadonnées qui fournissent toutes les informations nécessaires. De plus, pour que des données soient scientifiquement réutilisables à long terme de manière fiable, il faut pouvoir garantir leur intégrité, donc recourir à des infrastructures de type « coffre-fort » électronique qui permettent d’authentifier et de sécuriser les données, sans risque d’altération. On se rapproche de démarches de type archivistique :  travailler avec un producteur d’information pour analyser et consigner son organisation et ses procédures, contextualiser les documents recueillis dans ce cadre, organiser la conservation et l’accessibilité de corpus de données…
  2.  Des données qui s’insèrent dans un ensemble documentaire (archives, publications) pour témoigner de la manière dont s’est opéré le travail scientifique, et pour en témoigner à l’ensemble de la société et non uniquement à la communauté scientifique : ici la notion de médiation est essentielle, car ce sont moins les données elles-mêmes qui comptent que la manière dont elles ont été produites et exploitées dans un processus de recherche, les publications auxquelles elles ont donné lieu, etc. On se situe davantage dans une approche de vulgarisation, avec une forme d’éditorialisation des informations que l’on veut transmettre. Ici, ce qui importe, c’est aussi de maintenir un lien entre des objets que les cloisonnements institutionnels séparent souvent : des archives (dossiers techniques, documents « administratifs », notes, carnets, projets, papiers de recherche, fichiers divers…), des données sous diverses formes (bases, corpus d’images, tables…), des articles et autres publications, des objets (instruments, prototypes, maquettes…), bref tout autant de jalons d’une même chaîne de recherche.

 

Mettre à disposition sous quelle forme ?

Il existe déjà des exemples de mise à disposition organisée des données. Les chercheurs en ont bien sûr été les premiers promoteurs ; les banques de données en génétique et bio-informatique en sont les exemples les plus connus. A côté de ces communautés d’utilisateurs très structurées, il y a aussi place pour des initiatives de mutualisation très diverses : partage de workflows et d’expériences (par exemple MyExperiment, la plateforme portée par les universités de Manchester et Southampton : http://www.myexperiment.org), partage de toutes formes de graphes, schémas, figures, images (y compris ceux d’expériences négatives sur un site comme figshare : http://figshare.com)

Une constante pour ces diverses initiatives : elles fonctionnent par et pour un réseau disciplinaire qui ne se limite pas aux frontières d’un inter-établissement ; il y a un caractère inter-académique inhérent au travail de recherche. A propos des archives ouverte, on a observé aussi un ancrage de départ fortement disciplinaire, lié à la dimension personnelle et militante du choix de cette forme de dépôt ; le développement de l’open access étant passé par une institutionnalisation, on a assisté au développement d’archives ouvertes propres à un établissement, qui répondent à une préoccupation nouvelle : faire connaître la production scientifique de l’établissement ; l’interopérabilité permet d’éviter l’écueil de la dispersion et garantit une accessibilité globale, quels que soient les serveurs sur lesquels on dépose ses publication. Il est néanmoins intéressant de constater que les grands réservoirs disciplinaires comme Arxiv ne disparaissent pas pour autant et continuent d’apparaître comme un lieu « naturel » de dépôt. Cette dimension trans-institutionnelle est tout aussi forte pour les données de la recherche : si l’établissement est le premier lieu de sensibilisation et de formation, l’intérêt de diffuser des données de recherche est bien de toucher une communauté internationale regroupée autour d’un domaine de recherche. Pour cette raison, il me semble qu’un dispositif de collecte et d’accès à des données de recherche ne peut se mettre efficacement en place que sous une forme mutualisée, adossée à un réseau de chercheurs. Car il ne s’agit pas simplement de rendre accessibles les données existantes à l’instant T, mais d’envisager aussi l’alimentation du système au fur et à mesure de la production de nouvelles données, et son évolution par l’intégration de précisons, corrections, annotations partagées…

La question de la forme sous laquelle on rend les données accessibles convoque aussi la figure tutélaire (ces temps-ci du moins) du web sémantique : web of data, linked data, open data, big data, patata. Sur une toile idéale, je n’aurais qu’à tirer le fil d’Ariane. Mais il y a la réalité aussi, qui nous dit que fabriquer du vrai web sémantique, c’est lourd parce que ça signifie tout « traduire » en rdf. Pas folles les nombreuses institutions qui mettent en ligne des fichiers excel ou autre format avec l’étiquette « ouverture des données ». C’est un bon moyen de publier rapidement. En revanche, cela ne permettra pas l’agrégation automatique ni le lien vers d’autres données ; et cela rendra très difficile l’exploitation des métadonnées (quand elles existent…) spécifiant les conditions de constitution du corpus de données. Je ne sais pas trop vers quoi nous devons essayer de porter notre effort : vers un vrai passage des données aux formats du web sémantique, qui ouvre des possibilités d’échange et de traitement fantastiques ; ou vers une mise en ligne beaucoup plus rustique, qui peut s’opérer à moindre frais et plus rapidement ? Il me semble que seule la première branche de l’alternative rendrait à terme de vrais services à la communauté et autoriserait une réexploitation complète des données ; mais est-ce que le mieux risque en l’occurrence d’être l’ennemi du bien ?

 

Libres de droits ?

On entend souvent dire que « les données de la recherche sont libres de droit ». C’est pratique mais je ne suis pas sûre hélas que ça tienne la route sur toute la distance. Il y a un cadre juridique pour les « données du secteur public », cadre juridique qui évolue d’ailleurs au fur et à mesure des directives européennes (voir http://www.etalab.gouv.fr pour l’avancée de l’idée de « gouvernement ouvert »). Mais si l’on s’intéresse à tout le spectre des « données de la recherche », il est difficile de postuler une liberté de droits complète. Dans le matériau que brassent la recherche, il y a certes des mesures, relevés, observations etc. qui sont bien des « données du secteur public » ; mais pas que… Quelques exemples :

  • En philologie, pour l’établissement d’un texte ancien, les « données de la recherche » sont les enseignements fournis par les divers manuscrits ou éditions : variantes textuelles et codicologiques, dont l’établissement est en soi un travail de recherche. Or dans un tel processus, on peut à plusieurs étapes se retrouver confronté à des questions de droit : les manuscrits étudiés peuvent être détenus par un organisme qui n’autorise pas, ou qui commercialise, leur reproduction ; le travail intermédiaire de lecture, de relevé des variantes et d’analyse est un travail auquel s’applique le droit d’auteur ; et l’édition finale, établie à partir d’une comparaison de diverses versions et d’hypothèses génétiques, est souvent publiée sous le régime privé des contrats d’édition.
  • En sociologie, anthropologie ou histoire contemporaine, le matériau de base de certaines recherches est une campagne d’entretiens et d’observations enregistrés ou filmés. La trame de l’entretien est un travail du chercheur ou de l’équipe de recherche. Le contenu recueilli est en revanche l’oeuvre des interviewés, soumis à leur autorisation pour toute diffusion.
  • En histoire de l’art ou histoire culturelle, certains travaux se fondent sur le repérage et la constitution d’un corpus de sources iconographiques, sur lesquelles peuvent coexister plusieurs droits (celui de l’auteur de l’œuvre originale si elle n’est pas dans le domaine public, celui de l’auteur de la prise de vue ou de la reproduction, celui de l’agence ou de l’institution gestionnaire des droits photo, etc)

On est loin d’épuiser la totalité des cas de figure. Ces exemples ont pour but de montrer que, suivant ce qu’on qualifie de données de la recherche, on peut avoir à appliquer diverses strates juridiques. C’est pourquoi il serait peut-être plus simple de dissocier quand c’est possible la question du droit d’auteur de celle de l’open access : en effet, mettre en libre accès des documents ou des données, ce n’est pas supprimer le droit d’auteur qui les protège ; c’est simplement empêcher qu’il y ait une exclusivité de leur exploitation. Ainsi un auteur qui publie son travail sur une plateforme open access conserve bien sûr sa qualité d’auteur et les droits moraux qui y sont attachés ; il conserve aussi le droit, s’il le souhaite, de gérer lui-même toute forme de reproduction ou de représentation ultérieure de son article (exploitation publique, adaptation, traduction…) ; il peut aussi publier son article dans une revue et céder à l’éditeur les droits d’exploitation sur la forme publiée par la revue ; en revanche il ne peut vis-à-vis de cet éditeur s’engager sur le caractère inédit de son article, pas plus que céder tous les droits patrimoniaux de manière exclusive. C’est dans cet ordre d’idées que certains bailleurs de fonds ou institutions exigent la publication en open access des productions issues de programmes de recherche qu’ils ont portés ou financés.

 

Peut-on conclure ?

A supposer que vous ayez lu jusque là, oui, je me dépêche.

La transmission de ces données est indissociable des usages et des besoins des chercheurs, et ne peut être assurée qu’avec eux. Mais justement pour cette raison, de vraies questions à travers ce sujet sont posées aux bibliothèques et plus largement aux professionnels de l’information :

  1. Quelle place désormais pour l’article ? La forme réputée reine de la publication est un peu bousculée, à la fois par la diminution de la part de contenu original (beaucoup d’articles de type « état de l’art » ou de reprises de publications antérieures), par l’émergence de nouveaux canaux de diffusion (réseaux sociaux scientifiques, blogs…), et par la prise en compte croissante d’autres productions (rapports, documents techniques…). Or beaucoup de modèles reposent sur une distinction nette entre publication et reste de l’activité scientifique, la répartition entre bibliothèques et archives ou les modalités d’évaluation, pour ne citer que quelques broutilles. L’évolution des contours de la publication remet ces modèles en question, même si c’est à la marge (il faut bien commencer).
  2. Mieux prendre en compte l’ensemble des productions de la recherche : limitée à une partie seulement des publications, et qui plus est une partie qui ne constitue plus à coup sûr le premier lieu de diffusion de la recherche comme on vient de le dire, l’actuelle bibliométrie perd de sa légitimité. Notre rôle pourrait être aussi de faire valoir l’argument suivant : les articles ne présentent qu’une part limitative, à la fois « lissée » et peu réexploitable, de l’activité de recherche ; prendre en compte la totalité de l’activité scientifique suppose de s’intéresser à la totalité des productions (rapports, cours, papiers de recherche, mémoires…).
  3. Penser l’ensemble des productions documentaires de la recherche : données, notes, carnets, échanges, brouillons, articles. La totalité de ces formes est englobée sous l’appellation « archives » (= tous les documents produits ou reçus dans l’exercice d’une activité). Archivistes et bibliothécaires ont beaucoup à apprendre les uns des autres, pour assurer la cohésion de cette chaîne de production. Et idéalement, leur travail devrait aussi s’articuler avec celui des services chargés de la conservation du patrimoine scientifique matériel ou immatériel (objets et instruments, histoire et anthropologie des sciences).
  4. Comprendre les méthodes et les besoins des chercheurs : avec la question de la documentation électronique, les bibliothèques se sont positionnées sur des questions techniques, administratives et juridiques liées à l’acquisition et à la mise en œuvre des accès ; elles ne sont pas rentrées dans les contenus. Concernant les données de la recherche en revanche, les questions d’acquisition, d’accès et d’exploitation sont indissociables des impératifs scientifiques et ne peuvent être envisagés qu’avec la communauté des chercheurs. Le cadre de l’établissement n’est pas forcément pertinent, pas plus que les standards documentaires traditionnels. Entre recherche et documentation, il y a un espace à investir pour les bibliothécaires et les chercheurs qui ont envie de travailler ensemble à la diffusion des données.
  5. Et last but not least, à travers nos actions de formation ou d’autres initiatives, faire prendre conscience à la communauté scientifique que ce qu’elle produit est un bien collectif, qu’il faut conserver et diffuser dans un cadre public, et que les données de la recherche en font partie.

 

Appel à communications pour la 4e conférence internationale de “Document numérique et Société”

La 4e conférence internationale de “Document numérique et Société” aura lieu à Zagreb en Croatie, les 29-30 avril 2013.  Le thème de la conférence : “Diversification et renouvellement des médiations“.

La date limite de soumission des propositions est le 31 juillet 2012.

Toutes les informations sur le site :  http://doc-soc.sciencesconf.org

Ci-dessous un extrait de  l’appel à communications :

“Depuis 2006, la conférence « Document numérique et Société » s’est donnée pour mission d’apporter des éclairages sur les dimensions économiques et sociétales de la notion de « document numérique » à travers l’observation de la boucle reliant la production à la réception, de l’analyse de l’offre à celle des usages.

Après avoir favorisé en 2008 les observations et les retours des pratiques de terrain mais aussi les réflexions plus théoriques sur les concepts et les modèles qui continuent de renouveler l’étude du champ documentaire, la conférence de 2010 avait choisi d’approfondir la dimension politique du document.

La quatrième conférence qui se tiendra 29 et 30 avril 2013 à l’Université de Zagreb (Croatie) se donne plus spécifiquement pour objectif d’examiner les évolutions en phase avec le développement sociotechnique du web habituellement défini selon trois couches :

– le web1 en tant que portail : « read only » que l’on peut résumer au web d’accès aux documents ;

– le web2 en tant que plate-forme participative : « read and write », qui hybride publication et conversation et qui interconnecte les internautes, que l’on nomme le web social ;

– le web3 en tant qu’écosystème informationnel : « linked data », où les objets traitent et génèrent des données qu’ils communiquent. Les ressources concernées sont intra et extradocumentaires (documents et fragments documentaires, individus, entités, conversations, logiciels, etc.) ; il s’agit du web des objets documentaires communicants.

Cette conférence se focalisera sur la diversification de la fonction médiation qui consiste à mettre en relation des ressources et des usagers. De nouvelles facettes aux métiers (curation, animation de communautés) viennent renforcer le rôle éditorial dans la recherche et la communication des ressources, la construction et la présentation des collections, la mise à disposition des archives numériques.

Les défis sont nombreux : surcharge informationnelle, filtrage, architecture de l’information, maîtrise de l’information, structuration sémantique…

Il s’agira d’apporter des éclairages dans des contextes variés (entreprises, universités, institutions patrimoniales, secteurs des industries culturelles…) sur les transformations, les nouvelles donnes pour la médiation des documents, de l’information et plus largement des contenus. Quelles sont les valeurs ajoutées qui légitiment aujourd’hui cette médiation face à quel type de besoins ? Quels en sont les principaux agents ? Quels déplacements, intrications, négociations avec les autres types d’activités, avec les technologies ? ….”

 

Alexandre Serres

Enseignant-chercheur, co-responsable de l'URFIST de Rennes

More Posts - Website

Follow Me:
Twitter

Une lecture contextualisée (augmentée ?)

Le lecteur Utopia est un lecteur de document PDF… avec quelques fonctionnalités bien intéressantes.  Possibilité de contextualiser sa lecture par le choix du style et format de citation (Apa, IEEE, MLA…  bibTeX), de savoir qui fait référence à l’article sur le web (rubrique “Altmetric”. Voir à ce sujet : http://altmetrics.org ), de connaître les articles associés à ce texte sur Mendeley et les autres références bibliographiques de l’auteur sur Pubmed Central. Utopia permet aussi de “fouiller” le document par ses illustrations (zone du haut) et de faire un clic-droit sur un terme pour chercher sur la base du NCBI, Quertle, google, wikipedia, …

Toutes les “extensions” sont à découvrir ici : http://utopiadocs.com/quickstart.php. Bien entendu ces “extensions” sont relatives au texte que vous avez devant les yeux. Utopia précise qu’actuellement cela fonctionne plutôt bien avec les articles en science de la vie.

Ce projet fait bien entendu penser à celui de PloS One où les onglets (metrics, related content, comments)  au-dessus de l’article (exemple) présentent eux aussi des extensions qui prolongent la lecture.

“La dimension éducative du document numérique” : nouvelle date pour l’appel à contributions

La date de soumission des articles pour le numéro de la revue “Document numérique“, consacré à “La dimension éducative du document numérique“, est reportée au 30 avril.  Nous avions signalé cet appel à contributions ici-même.

 

Alexandre Serres

Enseignant-chercheur, co-responsable de l'URFIST de Rennes

More Posts - Website

Follow Me:
Twitter

La dimension éducative du document numérique

Nous relayons ici un nouvel appel à publication, pour un numéro de la revue “Document numérique“, consacré à “La dimension éducative du document numérique“.

THÉMATIQUE

“Ce numéro cherche à mettre en avant les dimensions pédagogiques du document numérique tant au niveau institutionnel (pédagogie en ligne, utilisation du document numérique en présentiel et à distance) qu’au niveau plus informel dans des pratiques d’autoformation notamment. L’utilisation des documents numériques devient de plus en plus fréquente mais les usages, les pratiques varient selon les supports, les formats et les lieux d’utilisation. Ce numéro souhaite donc développer les différents types de relations sociotechniques qui existent entre le document numérique et les enseignants et apprenants. ”

OBJECTIF

“Quels sont les méthodes, langages et médiations mis en oeuvre pour conférer une valeur pédagogique au document numérique ? En quoi un document peut‐il avoir une valeur éducative et comment s’opère cette relation ? Quelle culture technique et  informationnelle est alors nécessaire ? Nous recherchons aussi bien des études d’usage auprès d’enseignants, d’étudiants et d’utilisateurs que des analyses théoriques à partir de données voire de méthodes pédagogiques. Nous accorderons un intérêt particulier pour des études autour des pratiques d’autoformation via des dispositifs en ligne qui ne soient pas initialement dédiés à l’apprentissage comme le sont par exemple les réseaux de loisirs créatifs (Le Deuff, 2010). L’étude de communautés comme celle des hackers (Auray, 2002) qui utilisent le document numérique à des fins d’échanges et de progression et d’amélioration en vue d’un objectif commun tout en facilitant l’amélioration de ses connaissances personnelles constituent des pistes intéressantes en ce qui concerne l’accès au savoir. Quels sont dès lors les mécanismes liés à la motivation (Fenouillet, Carré, 2008) qui permettent de répondre favorablement aux différents besoins de formation et d’information ? Les travaux autour des stratégies pour inclure ou « engrammer » une progression et stratégie didactique au sein du document sont vivement souhaités dans ce cadre. Les méthodes de description de la valeur et du contenu pédagogique sont également les bienvenues. La question de l’évolution, des différentes versions qu’un document numérique (redocumentarisation) peut connaître, de sa pérennité ainsi que celle de son archivage en tant que mémoire éducative pourra aussi être développée.  Le numéro cherche à montrer comment le document numérique évolue dans sa dimension éducative et comment il peut s’intégrer dans les formations et notamment quelle peut être sa part au sein d’une culture de l’information et des médias de plus en plus influencée par des environnements numériques.
Nous souhaitons investir les thèmes suivants (liste non exhaustive) :
‐ Aspects théoriques autour des aspects éducatifs, pédagogiques et didactiques des documents numériques
‐ Langages et métadonnées pour la description des ressources pédagogiques
‐ Granularité du document numérique pour l’enseignement
‐ Usages du document numérique comme support pédagogique pour les enseignants
‐ Usages du document numérique par les étudiants et les élèves
‐ Types et méthodes de production de documents numériques à valeur pédagogique
‐ Identification, évolution et pérennité du document numérique.
‐ Apprentissage en ligne via des documents dédiés
‐ Autoformation via des supports numériques divers (forums, vidéos, plans, patrons, échanges et explications sur des forums, réseaux sociaux numériques, réseaux sociaux thématiques)
‐ Formation au document numérique et culture de l’information
‐ Méthodes et apprentissage de la redocumentarisation.
‐ Apport du web sémantique à l’usage éducatif du document”

La date limite de soumission des textes : le 15 mars 2012.

Les propositions sont à envoyer à Olivier Le Deuff, coordonnateur du numéro (voir tous les renseignements pratiques sur le texte complet de l’appel à publication.

Alexandre Serres

Enseignant-chercheur, co-responsable de l'URFIST de Rennes

More Posts - Website

Follow Me:
Twitter