Archives de catégorie : données de la recherche

Inventaire des présidences d’universités sur Wikidata

Entre mes deux résidences Wikimédia au sein du réseau des URFIST (Bordeaux Nice), j’ai recensé les présidents d’universités sur Wikipédia et Wikidata.

Historique de la fonction de président

La fonction de président d’université est relativement récente. Elle date de la loi Faure de novembre 1968. Une fois adoptée, les universités ont mis en place des assemblées constitutives chargées d’élaborer les statuts des universités et d’organiser les premières élections dans la foulée. Pour en savoir plus, un mémoire de DEA traite du sujet.

Une base de données à créer

Si pas mal d’universités publient l’historique de leurs présidents sur Internet, il n’existe pas – à ma connaissance – de données ouvertes regroupant l’ensemble des universités françaises. Alors que nous vivons dans une abondance de données, il n’est pas rare de buter sur l’absence de données, cf le travail récent pour concevoir la liste des titulaires de la médaille d’argent du CNRS.

Je me suis donc lancé dans la conception de cette base de données car cela me semblait réalisable dans un petit laps de temps par une personne. J’évaluais entre 500 et 1000 le nombre de présidents. J’ai réalisé cet inventaire sur Wikidata en procédant dans un premier temps par l’import des listes qui figuraient sur Wikipédia. Bien souvent ces listes ne comportaient aucune référence. J’en ai donc profité pour chercher des sources secondaires. J’ai souscrit pour l’occasion un abonnement au Monde afin d’accéder à leurs précieuses archives qui sont particulièrement difficiles d’accès. Le Monde couvrait généralement les élections universitaires jusqu’aux années 1990. Puis la presse spécialisée (L’Étudiant et AEF) a pris le relais. On trouve aussi un peu d’info dans la presse quotidienne régionale et dans de vieux ouvrages sur la bibliothèque d’Internet Archive.

Extrait d’un élément Wikidata

Export des données

Voici une requête SPARQL permettant de visualiser les données dans un tableau. Et pour en faciliter la réutilisation, j’ai procédé à une extraction des données Wikidata pour les publier sur data.gouv.fr.

Extrait des résultats de la requête SPARQL

Réutilisations des données

L’avantage de publier les données sur Wikidata est qu’elles sont réutilisables sur Wikipédia. J’en ai profité pour remplacer les listes manuelles de nombreux articles Wikipédia par des listes générées automatiquement. L’ajout de {{liste des dirigeants successifs|titre=président|portrait=oui}} dans l’article Wikipédia de l’université Paris-VIII-Vincennes-Saint-Denis permet de générer ce tableau :

Tableau généré automatiquement dans un article Wikipédia

Il est également possible d’exporter les données Wikidata, ce qu’à fait Julien Gossa afin de produire quelques graphiques.

Bilan

Ce petit exercice permet de créer une base de données originale, montrer l’intérêt du crowdsourcing, rappeler l’intérêt des archives de presse (encore rarement accessibles concernant la période 1950-2000), les possibilités de Wikidata et le rôle joué par Wikipédia et Wikidata dans la diffusion de données ouvertes, y compris en ce qui concerne l’enseignement supérieur et la recherche. La nouvelle version du moteur de recherche scanR permet également de voir l’importance de ces outils. Si vous voulez en savoir plus sur Wikidata, je propose un wébinaire jeudi 13 juin.

PS : vous pouvez apporter votre pierre à l’édifice car il manque une bonne partie de historique de la présidence de l’université Clermont-Ferrand-I.

[Appel à contributions] Colloque « Étudier les pratiques numériques au sein des communautés scientifiques »

Initiée par le Comité pour la science ouverte, l’enquête nationale SOSP – State of Open Science Practices in France a pour but de faire un état des lieux des pratiques en matière d’outils numériques et de données de la recherche dans les communautés scientifiques françaises. Après un état de l’art à l’échelle nationale et internationale, le questionnaire en ligne a récolté près de 1 100 réponses, et 30 entretiens semi-directifs ont été passés courant 2020. Le traitement des données récoltées est en cours d’achèvement, en vue de leur communication et de leur mise à disposition.

Pour mieux appréhender les changements et les nouvelles problématiques induits par le numérique et les données de la recherche dans les pratiques des chercheurs, les enquêtes se développent en France et à l’étranger. Au-delà des résultats des enquêtes, ce sont la conception, la passation, l’analyse, la communication des résultats et la reproductibilité de ces enquêtes qu’il convient désormais d’interroger de manière globale.

Le colloque Étudier les pratiques numériques au sein des communautés scientifiques. Regards sur les outils et les données au prisme de la science ouverte se tiendra en ligne le jeudi 24 juin.

Les soumissions sont attendues pour le 19 avril, sur la plateforme Sciencesconf.

Site du colloque : https://opensp.sciencesconf.org/

Continuer la lecture

Travailler à distance sur la médiatisation des plans de gestion de données : retours d’expérience

Ce billet a en partie été relu et enrichi par les auteur et autrices des interventions présentées: Cécile Arènes, Anne Busin, Sylvie Cocaud, Benjamin Faure, Dominique L’Hostis et Marie Garambois. Qu’elles et il en soient ici remerciées et remercié.

En juin 2019 a été lancé un groupe de travail sur l’accompagnement aux plans de gestion de données, qui réunit des formateurs de tous types d’établissements, tous profils et toutes disciplines. Animé par un groupe de pilotage constitué de représentants de l’EHESS, l’Inist-CNRS, l’INRAE et le réseau des URFIST, ce GT échange régulièrement sur la liste de discussion gt-dmp@groupes.renater.fr des retours d’expérience de formations, des contenus pédagogiques ou des éléments de veille. Il permet également l’organisation d’ateliers de travail et de réflexion sur des thématiques en lien avec les PGD, dont les derniers ont eu lieu cet été.

2020, un contexte qui s’annonçait favorable aux PGD ?

Les recommandations émanant de financeurs de la recherche ou d’organismes scientifiques en faveur de la rédaction de plans de gestion des données de recherche ne datent pas d’hier. Mais ces recommandations tendent également à se transformer en exigences pour un nombre croissant de décideurs, et notamment pour l’Agence nationale de la recherche (ANR) en France. Cet organisme, qui a financé 1157 projets en 2019, exige en effet depuis l’an dernier pour chacun de ces projets que lui soit remis un nouveau livrable : un plan de gestion de données de recherche (PGD, aussi appelé data management plan ou DMP).

2020 s’est donc rapidement annoncée comme une année propice à la mise en place de nouveaux services d’accompagnement à la rédaction de tels documents, en particulier le printemps, date à laquelle les porteurs de projets lauréats de financement devaient s’atteler à la rédaction de la première version du livrable exigé par les financeurs (dans les 6 mois du début du projet).

Même si la crise sanitaire a particulièrement compliqué les choses en forçant l’annulation de formations devant se tenir en présentiel, cette période a tout de même été l’occasion de réfléchir à de nouveaux formats et supports de formation ou d’auto-formation, à distance ou sur un mode hybride, et de développer ceux qui existaient déjà.

Parmi ces actions, on peut relever par exemple :

  • Une semaine de la science ouverte entièrement en ligne, organisée du 15 au 19 juin par l’URFIST Méditerranée et proposant des ateliers sur les PGD ou sur l’utilisation de DMP-OPIDoR ;
  • De nouvelles dates pour les webinaires régulièrement organisés par l’INRAE sur les données de la recherche et les PGD ;
  • Un webinaire organisé le 25 juin dernier par l’Inist-CNRS pour présenter DMP-OPIDoR (autres dates prévues à l’automne) ;
  • L’atelier Dialogu’IST du 9 juillet consacré à la préservation des données de la recherche ;
  • Et bien d’autres actions encore, comme le lancement par les bibliothèques de Lyon 1 et de Grenoble Alpes Université du projet DATACC (dispositif d’ACCompagnement sur les DATA), qui propose des ressources sur les PGD.

Nouvelles pédagogies, nouveaux sujets de réflexion

Outre ces réflexions sur les transformations pédagogiques exigées par la situation sanitaire, le printemps 2020 a également été pour le GT-DMP l’occasion d’échanger autour de certaines questions spécifiques liées aux plans de gestion, et de réfléchir aux besoins ressentis par les formateurs et accompagnateurs eux-mêmes pour aller plus loin dans leur offre pédagogique.

C’est ainsi qu’ont émergé plusieurs thématiques, que le GT a souhaité creuser spécifiquement. La première d’entre elles concernait le fait que les plans de gestion de données, que l’on peut assimiler en partie à des chartes de bonnes pratiques, ont ou pourraient avoir en réalité une utilité qui dépasse le cadre des projets de recherche scientifique. Les entreprises privées, notamment, s’intéressent de plus en plus à ce type d’outil, de même que des services publics extérieurs à la recherche scientifique, comme des municipalités.

Mais c’est également un outil indispensable à une bonne gestion des données au sein des laboratoires, ou plus généralement, des structures de recherche. En effet, comment s’assurer que tous les membres d’une grosse unité puissent bénéficier d’outils adaptés pour le stockage, le traitement et la sauvegarde de leurs données ? Au sein d’espaces de stockage partagés, comment savoir quelles données concernent quels projets, et qui a le droit d’en faire quoi ? Comment faire en sorte que des chercheurs qui travaillent à plusieurs sur des mêmes fichiers adoptent une politique cohérente pour le nommage et le classement des données ? Comment gérer les données issues de fusions ou de scissions d’équipes de recherche, ainsi que les mouvements de chercheurs d’un laboratoire à un autre ?

Le PGD est un outil indispensable pour répondre à ces questions, même si évidemment toutes les rubriques qui structurent habituellement un modèle de PGD « classique » ne sont pas forcément pertinentes dans ce cadre.

Un autre point fréquemment soulevé lors des formations auxquelles les membres du GT-DMP prennent part concerne les efforts à déployer lors de la rédaction de PGD, notamment par les chercheurs, et le découragement qui peut gagner certains porteurs de projets face à ce qu’ils ressentent souvent comme une lourdeur administrative. Ils se retrouvent ainsi parfois à devoir rédiger plusieurs documents différents, dans lesquels il s’avère finalement que les informations à indiquer sont quasiment les mêmes. Les déclarations de conformité RPGD, par exemple, contiennent des informations qui pourraient presque être reprises telles quelles dans certaines rubriques de PGD. De même, les démarches à accomplir auprès de Comités d’éthique ou de Comités de protection des personnes peuvent mobiliser des éléments qui trouvent aussi leur place dans les PGD.

Afin de permettre cet échange d’informations entre le PGD et d’autres documents, mais aussi entre le PGD et des logiciels, plateformes ou autres outils de curation et de gestion de données comme des entrepôts, ou encore entre le PGD et des systèmes de pilotage administratif et financier de la recherche, une solution existe : le machine-actionable data management plan (maDMP, soit un plan de gestion exploitable par des machines). Ce nouveau modèle de PGD permet de structurer l’information qu’il contient de façon à ce que celle-ci puisse être rendue Facile à trouver, Accessible, Interopérable et Réutilisable par toutes sortes de programmes et logiciels, par le biais d’API notamment. Ainsi, le fait de renseigner un volume de données attendu dans une rubrique de PGD pourrait automatiquement entraîner la « réservation » de l’espace nécessaire dans un cloud ou un entrepôt, ou encore renseigner dans le logiciel budgétaire de l’établissement concerné le montant nécessaire à l’achat du matériel de conservation adéquat.

Ces maDMP, sur lesquels travaille notamment un groupe de la Research Data Alliance dont les réalisations sont mises à disposition sur Github, en sont encore à leurs débuts. Cependant, des outils d’aide à la rédaction de PGD s’efforcent dès maintenant d’intégrer ce genre de fonctionnalités supplémentaires, comme le logiciel Data Stewardship Wizard, notamment utilisé aux Pays-Bas et en République Tchèque.

C’est aussi le cas de DMP OPIDoR, pour lequel les équipes techniques de l’Inist préparent actuellement une nouvelle version interrogeable par API.

Enfin, un autre sujet de préoccupation récurrent cette fois-ci non pas chez les chercheurs eux-mêmes, mais davantage chez les personnels chargés de l’appui à la recherche qui souhaitent les accompagner : quelle position adopter pour parler de plans de gestion aux chercheurs et chargés de projets, et comment communiquer sur ses actions consacrées à ce sujet quand on n’est pas soi-même un praticien de la recherche ou que l’on n’a pas l’occasion de les croiser très fréquemment ?

Cette question avait notamment été posée lors de la formation de formateurs aux PGD proposée en janvier dernier à l’URFIST de Paris (sur une idée du GT-DMP et avec la collaboration de l’URFIST Occitanie), et revient fréquemment lors de discussions informelles avec les professionnels de l’IST. L’échange de bonnes pratiques et les retours d’expérience partagés sont souvent ce qui fournit les pistes de réponse les plus riches. Mais à l’heure du coronavirus, force est de constater que les occasions se font de plus en plus rares pour ces échanges à bâtons rompus…

Ces trois thématiques ont néanmoins fait l’objet de deux ateliers de travail à l’été 2020, tous deux tenus au format visioconférence. Le premier s’est tenu le 25 juin 2020, et était ouvert à tous les abonnés de la liste de diffusion GT-DMP. Il a finalement réuni 26 personnes, qui ont pu discuter des deux premières thématiques présentées :

  • Les plans de gestion de données appliqués aux structures de recherche, avec un retour d’expérience de Sylvie Cocaud et Dominique L’Hostis, documentalistes à l’INRAE ;
  • Les évolutions de DMP-OPIDoR, avec une présentation de la nouvelle version de l’outil et de ses pistes de travail en direction du maDMP, par l’équipe de l’Inist menée par Anne Busin et Benjamin Faure.

Un deuxième atelier, réservé, du fait de son format plus participatif, aux membres de l’équipe pilotage du GT-DMP, s’est également tenu le 9 juillet 2020, et a porté sur la question de la communication sur les PGD auprès des chercheurs. Il a été animé par Marie Garambois, responsable du département Publications & Open Access, et Cécile Arènes, chargée de mission Data & Science ouverte, toutes deux conservatrices au SCD de Sorbonne Université.

Atelier du jeudi 25 juin 2020

Les PGD-structures : retour d’expérience à INRAE

INRAE, Institut national de recherche pour l’agriculture, l’alimentation et l’environnement, résulte de la fusion en 2020 de l’Inra (Institut national de recherche agronomique) et de l’IRSTEA (Institut national de recherche en sciences et technologies pour l’environnement et l’agriculture). Une nouvelle direction, la Direction pour la Science Ouverte (DipSO) contribue à l’élaboration et à la mise en œuvre de la politique de science ouverte de l’institut.

Les structures de recherche au sein d’INRAE sont très diverses. Différents documents de cadrage et chartes incitent en particulier les unités expérimentales et les infrastructures de recherche engagées dans une démarche de labellisation à produire un plan de gestion. 

Par ailleurs, certaines personnes qui avaient eu l’occasion d’assister à une formation sur les PGD « projets » depuis 2017 (directeurs d’unités, gestionnaires de données, responsables de plateformes d’analyse…) souhaitaient initier une démarche de création de PGD structures pour :

  • Organiser la gestion des données de la structure,
  • Disposer d’un document de référence, par exemple pour des plateformes proposant des prestations d’analyse,
  • Faciliter la production de PGD projets pouvant exploiter les informations du PGD structure.

Sylvie Cocaud et Dominique L’Hostis ont ainsi pu mettre en place en mars 2018 un groupe de travail dédié, rassemblant 14 membres issus de 9 structures et 5 départements scientifiques différents, qui a produit en janvier 2019 une première version de modèle de plan de gestion structure pour INRAE.

Les débuts des travaux du GT n’ont pas toujours été très faciles : pratiques et attentes différentes des membres (les préoccupations d’un directeur d’unité ne sont pas forcément les mêmes que celles d’un responsable de plateforme d’analyse de données), peu d’exemples existants applicables à INRAE (PGD de grosses infrastructures internationales de calcul ou d’analyse)

Le modèle de PGD structure d’INRAE a été mis à disposition sur DMP-OPIDoR en janvier 2019 et une deuxième version produite en février 2020 pour prendre en compte la nouvelle fonctionnalité   « Produits de recherche ». Ce modèle comporte 9 rubriques et 39 questions.

Pour rédiger un plan selon ce modèle, une structure doit commencer par définir les « produits de recherche » qui seront utilisés, liés soit au type d’activité soit à la source des données.  La démarche a été accompagnée par un programme de classes virtuelles et des formations plus longues dédiées. Une vingtaine d’unités expérimentales ont ainsi été formées début 2020, et ont produit une dizaine de PGD.

Au total, depuis 2019, 173 PGD structures ont été créés (en incluant les plans de test et plans inachevés), ce qui témoigne d’un réel intérêt des chercheurs pour ce type de document. Les unités y voient avant tout un outil d’optimisation de leurs pratiques de gestion, un moyen d’améliorer leur visibilité et de valoriser les données produites dans une démarche de science ouverte. Ils peuvent également faciliter les réponses à des appels à projets. INRAE manque encore de recul sur ces nouvelles bonnes pratiques. Des retours d’expérience complémentaires sont attendus.

L’atelier a également été l’occasion pour S. Cocaud et D. L’Hostis de présenter la démarche suivie par 3 structures très différentes :

  • Génobois, une plateforme de phénotypage des propriétés physico-chimiques du bois et hydrauliques des arbres, qui a tiré profit d’un travail préalable en vue d’obtenir la labellisation ISC et a utilisé DMP-OPIDoR de manière collaborative, mais a rencontré des difficultés liées à des questions de propriété intellectuelle ;
  • L’Unité Expérimentale d’Écologie et d’Écotoxicologie aquatique (U3E), une unité multi-sites qui fédère et exploite de multiples sources de données, chacune faisant l’objet d’un produit de recherche spécifique dans DMP-OPIDoR ;
  • L’Unité de Recherche des Forêts Méditerranéennes (URFM), qui mène des recherches pluridisciplinaires en écologie pour une gestion durable des écosystèmes forestiers méditerranéens en produisant des données à flux constant sur le long terme (sans temporalité « projet ») et a abouti à un PGD divisé en 5 modes de gestion différents.

Les échanges qui ont suivi cette présentation ont notamment porté sur les disciplines dans lesquelles il serait éventuellement plus ou moins facile d’implémenter ce genre de PGD structure. Les structures à forte dominante SHS, notamment, ne semblent pas s’être complètement emparées du sujet, ou en tout cas n’ont pas encore été repérées sur ces questions.

Il est également ressorti des échanges entre participants que des PGD structure à trop grande échelle (université multidisciplinaire par exemple) semblent très difficiles à proposer et à maintenir.

Les évolutions de DMP OPIDoR

L’outil DMP OPIDoR, mis en ligne en 2016, était au départ basé sur le code open source de l’outil DMPonline, plateforme de rédaction en ligne de PGD proposée par le Data Curation Centre (Royaume-Uni). En 2018, DMP OPIDoR a ensuite adopté le code open source Roadmap, issu de la fusion des codes des plateformes DMPTool et DMPonline. L’outil a été adapté aux pratiques françaises, notamment avec l’inclusion d’exemples parlants pour la communauté.

DMP OPIDoR est largement connu dans la communauté des utilisateurs et des formateurs aux PGD, cependant Anne Busin, membre de l’équipe DMP OPIDoR de l’Inist, est revenue au début de l’atelier sur l’onglet Produit de recherche, proposé depuis juillet 2019 dans DMP OPIDoR. Cette fonctionnalité va permettre de distinguer au sein des données produites ou utilisées par un projet plusieurs ensembles distincts, qui pourront faire chacun l’objet d’une gestion spécifique concernant leurs formats, métadonnées, enjeux juridiques ou éthiques, conditions de réutilisation, etc. Le type de Produit de recherche à renseigner s’appuie sur la liste issue du Schéma DataCite 4.3.

Anne Busin a ensuite présenté les nouvelles fonctionnalités de DMP OPIDoR version 2.3.0, déployée au début du mois de juin, parmi lesquelles notamment :

  • La possibilité d’exporter le PGD par produit de recherche
  • L’apparition d’un nouvel onglet dédié à la Demande d’assistance conseil, mais qui n’apparaît que si l’établissement de rattachement de l’utilisateur connecté a activé cette fonctionnalité (par le biais de son Administrateur)
  • Davantage de droits accordés aux Administrateurs d’un établissement, qui peuvent par exemple :
    • créer des structures rattachées à leur établissement (dans le but de mieux identifier les utilisateurs associés à l’établissement), mais cela suppose que les utilisateurs aient déclaré leur structure de rattachement dans leur profil et doit donc faire l’objet d’une communication spécifique ;
    • éditer les profils des utilisateurs rattachés à leur établissement, gérer leurs droits (y compris pour leur attribuer des droits de relecture de plans) et en exporter la liste au format CSV ;
    • accéder à des statistiques concernant les PGD rattachés à leur établissement (les chiffres du mois en cours ne sont pas pris en compte, mais les plans de test le sont) ;
  • Et enfin davantage de droits pour les Super-Administrateurs (Inist notamment), qui peuvent ainsi agir sur les organismes eux-mêmes pour les désactiver (quand deux établissements fusionnent) ou fusionner ou archiver des comptes utilisateurs.

Enfin, Benjamin Faure a présenté les pistes d’évolution actuelles de DMP OPIDoR en vue de proposer une version machine-actionable du PGD, de façon à rendre les contenus interrogeables et récupérables par des API. Les objectifs poursuivis par l’Inist sont ainsi d’éviter aux chercheurs une double saisie des informations sur certains points (questions éthiques et juridiques, lien avec le RGPD, informations relatives à la sécurité des systèmes d’information…), et de pallier leur manque de connaissances des services existants, standards, vocabulaires contrôlés ou autres en intégrant à l’outil des référentiels structurés, permettant l’interopérabilité entre plusieurs outils. Les informations pourront ainsi être échangées entre services et systèmes d’information tout au long du cycle de vie des données, dans la ligné des Dix Principes pour un maDMP proposé par Miksa et al. en 2019.

Cette montée de version de DMP OPIDoR étant encore en cours de réalisation (avec un déploiement espéré pour 2021), l’équipe technique s’efforce actuellement de recueillir auprès de ses utilisateurs des cas d’usage nécessitant de tels échanges entre outils et systèmes.

 À terme, chaque information saisie dans DMP OPIDoR sera structurée sur plusieurs niveaux, et en les couplant le plus souvent possible à des référentiels et standards (implémentés par les utilisateurs eux-mêmes si besoin), de façon à pouvoir être facilement réutilisée pour d’autres usages. Ainsi, une réponse à la question « Quelles données utilisez-vous ? » pourra être structurée en différents champs :

  • Titre
  • Description
  • Identifiant
  • Coût lié
  • Etc.

Qui seront chacun subdivisables en sous-champs, par exemple :

  • Identifiant :
    • Type d’identifiant (liste de valeurs contrôlée : DOI, Handle…)
    • Valeur de l’identifiant
  • Coût lié :
    • Type de coût (liste de valeurs contrôlé : RH, logiciel, matériel…)
    • Valeur du coût :
      • Montant
      • Devise utilisée

Les informations du PDG sont enregistrées de manière structurée. Certaines informations pourront également être réutilisées à plusieurs endroits du plan (ex. : nom du contact pour les données). Ce mode de fonctionnement permettra également de valider la saisie de certaines informations (vérification de la chaîne de caractères, par exemple pour savoir si une adresse mail est bien formatée ou si une date est renseignée selon la norme ISO).

Les informations ainsi saisies seront notamment rendues disponibles au format JSON, structuré et interopérable.

En revanche, au vu des spécificités techniques de cette future nouvelle version, un travail de mapping sera probablement nécessaire à la conversion des PGD actuels dans ce nouveau format machine-actionable, dans le respect des attentes et des demandes des administrateurs DMP-OPIDoR.

Le rôle de ces derniers sera particulièrement important et attendu dans cette transition vers un nouveau « paradigme OPIDoR ». En effet, les discussions qui ont suivi la présentation de l’Inist ont notamment porté sur les risques potentiels de perte d’utilisateurs qui se retrouveraient démunis face à l’augmentation du degré d’informatisation du processus. Où placer le curseur entre cadrage précis de l’information demandée et contraintes sclérosantes, entre orientation vers de bonnes pratiques techniques standardisées et sensibilisation générale au cycle de vie de la donnée ? Autant de questions qui devront faire l’objet d’un effort particulier pour communiquer auprès des personnes amenées à participer à la rédaction de tout plan de gestion de données.

Atelier du jeudi 9 juillet 2020

Et c’est justement cette question de la communication qui a été abordée lors du second atelier de travail du GT-DMP par Marie Garambois et Cécile Arènes, conservatrices de bibliothèque à Sorbonne Université.

Car même si les professionnels de l’IST en charge de la sensibilisation et de l’accompagnement aux PGD côtoient parfois depuis longtemps le monde de la recherche, il n’est pas toujours évident de se comprendre entre ces deux mondes.

Le début de l’atelier a ainsi été l’occasion de revenir sur la différence entre

  • l’information : le contenu du message, que les professionnels IST comprennent et maîtrisent souvent (ex. : « Il est utile de rédiger un PGD parce que… », « Votre organisme de financement demande à ce que vous déposiez vos données… ») ;
  • et la communication : la façon de transmettre cette information, qui suppose notamment de se demander :
    • qui communique ? puis-je me positionner en tant que technicien(ne) ? en tant que personne ayant fait des études supérieures dans la discipline concernée ? en tant que représentant(e) d’un autre service ou d’une autre personne ? quels sont mes domaines de compétences, et au contraire sur quels sujets ne puis-je pas m’exprimer ?
    • à qui je parle ? à mes collègues ? à des chercheurs ? à des informaticiens ? à des politiques ?
    • pourquoi je communique ? pour annoncer un événement ? pour proposer un service ? pour présenter un outil ?
    • quel est mon objectif final ? que l’on revienne vers moi par la suite ? que mes destinataires repartent avec un outil clés en main ?
    • etc.

Outre ce diagnostic à poser sur sa situation propre, il convient également de s’interroger sur son environnement et sur la situation générale de l’établissement / du service dans lequel on s’inscrit, en se posant des questions telles que :

  • Existe-t-il dans mon établissement des procédures particulières pour transmettre le message que je souhaite (ex. : mailing-list modérée, campagne de recueil des informations pour une newsletter, déclarations d’affichage, etc.) ?
  • Mon établissement interdit-il / décourage-t-il la diffusion de supports ou documents produits par d’autres (ex. : réutilisation de supports ou de matériel d’exposition) ?
  • D’un point de vue moins officiel, quel est le ton qui est d’usage pour parler des sujets que je souhaite ? Dans quelle mesure peut-on se permettre d’être informel ? Quelle est la position de l’établissement / du service vis-à-vis de la langue anglaise (ex. : faut-il parler de PGD ou de DMP) ?
  • Auprès de qui nouer ou renforcer des contacts ?
  • Quels sont les espaces appropriés pour nouer ces contacts ? la cantine / le restaurant administratif ainsi que les salles de pause ont immédiatement été identifiés comme des endroits propices !
  • Quels sont les moments appropriés pour nouer ces contacts ? Là encore, les moments de pause déjeuner / café ont été repérés comme des moments adéquats (surtout s’ils sont accompagnés de boissons chaudes…), mais aussi les pauses pendant les événements scientifiques type colloques

Enfin, se pose également la question des médias à employer pour diffuser son message, qui gagnent à être les plus nombreux et inclusifs possibles :

  • Mailing (en se demandant de qui les mails ont intérêt à émaner : d’une adresse générique ou d’une personne identifiée ? d’un service ou d’un autre (ex. : de la Direction de la recherche ou du SCD) ? Ne pas hésiter à utiliser la signature mail comme espace d’expression, en y incluant une image ou une infographie qui viendra renforcer le message ;
  • Communication papier (flyers, kakemonos, affiches, dépliants, cartes de visite) : elle suppose d’avoir mené en amont un travail de repérage des lieux/moments les plus adéquats pour mettre ces supports à disposition, mais présente l’avantage indéniable de permettre aux personnes touchées de repartir « avec quelque chose de concret en main ». Des expériences originales semblent avoir été menées avec des sets de tables déposés dans des plateaux de cantine et ayant remporté un franc succès ! De même, intégrer des flyers dans des pochettes d’accueil à des événements type séminaires d’accueil des nouveaux personnels ou congrès scientifique peut toucher des publics auxquels l’information ne serait pas parvenue autrement ;
  • Newsletter : message souvent bref mais renvoyant vers d’autres ressources, des pages web notamment ;
  • Réseaux sociaux : à utiliser si possible avec l’appui de community managers qui seront en mesure d’identifier les moments propices à de nouveaux messages, ainsi que de donner des conseils de forme pour toucher le public le plus large possible ;
  • Complices : les retours d’expérience sont finalement les meilleurs outils pour sensibiliser aux problématiques de gestion des données de recherche, et il est toujours très utile d’essayer de trouver un ou deux chercheurs volontaires pour compléter sa présentation par une intervention plus personnelle, et favoriser les échanges.

En somme, ce sujet de la communication auprès des chercheurs et autres porteurs de projets et chargés d’appui à la recherche soulève beaucoup de questions et assez peu de réponses, en tout cas de réponses qui soient universelles. En cela, il se rapproche beaucoup du sujet des données de la recherche & PGD lui-même, pour lequel on a pour l’instant bien davantage de questions que de réponses.

En cela, les FAQ qui se développent actuellement sur ces questions des données de la recherche en général et des PGD en particulier sont des outils précieux pour tous ceux qui cherchent à communiquer sur ces sujets. On citera notamment :

  • La FAQ de DoRANum, à laquelle toutes les personnes proposant des formations ou des sessions de sensibilisation aux données et aux PGD sont invitées à contribuer au niveau national ;
  • Le site Question/Réponse en IST de l’INRAE (service exclusivement à destination des personnels des unités INRAE) ;
  • La FAQ élaborée à l’occasion du hackathon Comment améliorer le dépôt et le partage de données de recherche ? tenu en janvier 2020 à l’Université Grenoble Alpes.

Et maintenant ?

Les contraintes imposées par la situation sanitaire exceptionnelle de cette année 2020 ont été l’occasion pour de nombreux établissements et services de repenser leur offre d’accompagnement aux plans de gestion, dans un contexte où les porteurs de projets nouvellement sélectionnés par les financeurs doivent s’atteler le plus souvent pour la première fois à ce type d’exercice.

L’accession de ce document au statut de livrable récurrent des projets de recherche peut donner l’opportunité d’y familiariser un nombre croissant d’acteurs de la recherche, y compris pour ceux qui ne portent pas de projets sur financements ponctuels, comme les doctorants ou les directeurs d’unités au niveau de leur structure. Restera alors aux personnels d’appui à la recherche à prolonger ce phénomène en s’efforçant de proposer de nouveaux types d’actions de sensibilisation pour aller encore plus loin dans l’approfondissement des bonnes pratiques de gestion des données : il reste du pain sur la planche pour le GT-DMP, alors n’hésitez pas à rejoindre notre liste d’échanges et à collaborer à notre espace de documents partagés !


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]

 

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

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. )

H2020: mise à jours des tutoriels de l’Inist-CNRS – DoRANum

“L’Inist-CNRS met à jour ses tutoriels Le libre accès aux résultats de la recherche dans le cadre d’Horizon 2020 afin de tenir compte des modifications des recommandations de la Commission européenne énoncées dans les deux nouveaux guides H2020 …”

Source : H2020: mise à jours des tutoriels de l’Inist-CNRS – DoRANum

Partage des données de la recherche : quels impacts ? Modèles scientifiques, évaluation, services, compétences… (JNE des URFIST, 29 septembre 2016)

Les URFIST (Unités Régionales de Formation à l’Information Scientifique et Technique) organisent régulièrement depuis 2002 une « journée nationale d’étude » (JNE). En 2014, le thème d’étude retenu concernait les différentes formes de publication de la recherche et les modes de légitimation ou d’évaluation associés.
L’objectif de l’édition 2016, qui se tiendra à Paris, s’inscrit dans la continuité de la précédente : les données de la recherche (DR) constituent en effet une modalité relativement nouvelle de la publication des travaux, mais également de publicisation des données qui en sont le fondement. Ces data sous-jacentes sont aussi concernées par le phénomène de l’Open Access dans la mesure où leurs conditions d’accessibilité et de réutilisation, permettent à la connaissance d’avancer, et à l’innovation d’émerger.
Nombreuses sont déjà les contributions qui ont souligné leur masse pléthorique, leur hétérogénéité constitutive, les méthodes d’extraction et de sélection dont elles sont l’objet, ou encore les gains de temps et de moyens que peut procurer leur réutilisation, à des fins de recherche, dans le cadre de nouveaux axes de travail ou de nouveaux projets. Il s’agira ici d’examiner plusieurs catégories de thématiques associées à cette mutation profonde des pratiques informationnelles de recherche. De fait, ce nouveau facteur de production scientifique peut exercer sur les modalités d’investigation et leur impact sociétal une influence dont la portée n’est pas anodine, à la fois en termes de déontologie, d’épistémologie et d’évaluation de la recherche.
Un premier volet de la réflexion aura pour tâche de définir, circonscrire et contextualiser le concept de Données. On examinera en introduction le paysage (inter)national actuel des DR en identifiant leurs acteurs et leur périmètre. Puis on abordera les questionnements épistémologiques soulevés par leur importance croissantes, en tant qu’éléments constitutifs, distincts et identifiés comme tels de la recherche. La dimension importante du cadre juridique de leur potentielle confidentialité et les implications éthiques de la réutilisation des DR dans certains domaines, seront explicitées.
Un second volet fera état des modalités pratiques, tant de la production que de l’exploitation des données : des réalisations européennes seront présentées (en cours notamment au Pays-Bas) suivies d’autres retours d’expérience. Certains contextes très spécifiques, comme celui des thèses, qui constituent un vivier de données trop souvent méconnu, méritent de ce fait même une attention toute particulière. Enfin, on mettra l’accent sur le dialogue entre chercheurs et professionnels de l’information. Ceux-ci sont en effet à même de proposer des services, tant au sein des organismes de recherche et des laboratoires que dans le cadre des bibliothèques ou d’institutions nationales ayant en charge l’Information Scientifique et Technique (IST). La formation dans ce domaine et les « services d’accompagnement des chercheurs » représentent un dispositif stratégique essentiel.
Nous conclurons cette journée par une approche pragmatique, en évoquant une étape désormais quasi indispensable au montage d’un projet de recherche d’envergure internationale : le Data Management Plan (DMP), ou « plan de gestion des données » (PGD), qui porte au premier plan la nécessité d’une réflexion approfondie sur les tenants et aboutissants de ce nouveau paradigme, réflexion à laquelle cette 6e Journée nationale d’étude du Réseau des URFIST voudrait contribuer utilement.

La JNE se déroulera dans l’amphi Abbé Grégoire du CNAM (Conservatoire national des arts et métiers), 292 rue Saint-Martin, 75003 PARIS, accès 10 et 16. Métro Réaumur-Sébastopol

Programme :

9h00-9h30 : Café d’accueil

9h30-10h00 : Ouverture et présentation de la journée

  • 10h00-10h40 : Francis André (DIST, CNRS) : « Le paysage des Données de Recherche. Définition, périmètre, acteurs, politique des DR en Europe et en France »
  • 10h40-11h20 : Dominique Boullier (EPFL) : « Big Data, une autre époque de quantification, un défi pour les sciences sociales »
  • 11h20-12h30 : Table ronde sur les enjeux éthiques et sociétaux liés aux données de la recherche, avec :
  • Serge Abiteboul (Collège de France)
  • Danièle Bourcier (CNRS COMETS)
  • Dominique Cardon (EHESS)
  • Christine Gaspin (MIAT, INRA)
  • Christian Hervé Directeur du Laboratoire d’Éthique Médicale et de Médecine Légale (Faculté de Médecine de Paris)

12h30-14h00 : Pause méridienne

  • 14h00-14h40 : Peter Doorn  (Directeur du DANS Data Archiving and Networked Services – La Haye)  « L’archivage et la gestion des entrepôts de Données aux Pays-Bas »
  • 14h40-15h20 : Joachim Schöpfel (Université de Lille 3 – ANRT) et Isabelle Westeel (SCD Lille 3 SHS) : « Les données de la recherche dans les thèses de doctorat »
  • 15h20-16h45 : Table ronde sur les services, les compétences et les formations, animée par Paolo Lai (INIST), avec :
  • Martina Knoop Institut national de Physique CNRS, chargée des relations avec les chercheurs pour l’IST
  • Émeline Juillard, documentaliste beQuali, Centre de Données Socio-Politiques (Sciences Po – CNRS)
  • Stéphane Pouyllau, ingénieur HumaNum
  • Aurore Cartier, Service Commun de la Documentation, Université Paris Descartes

16h45-17h00 : Clôture de la Journée d’étude

Pour plus d’informations rendez-vous sur : https://urfistjne2016.wordpress.com/

Contact : urfistjne – at – gmail.com et @Urfistjne

Inscription gratuite, mais obligatoire, sur Sygefor