Résumé de section

  •  Objectif : appréhender le concept de data paper

    30 minutes de lecture

    • L’humanité est à un tournant de son histoire. La masse des données acquises est formidable. Il faut de nouveaux instruments pour les simplifier, les condenser ou jamais l’intelligence ne saura ni surmonter les difficultés qui l’accablent, ni réaliser les progrès qu’elle entrevoit et auxquels elle aspire.

    • L'émergence des data papers

      Comment et pourquoi est apparu ce type de publication ? Le cas de GBIF (Global Biodiversity Information Facility).


    • Définitions

      Le Data Paper décrit un jeu de données et son contexte, la méthode d’obtention et le potentiel de réutilisation.

      Un data paper est un article décrivant un ou plusieurs jeux de données publié dans une revue à comité de lecture, ainsi que des informations structurées appelées métadonnées. 

      La préparation, la gestion et la description des données prennent du temps. Les Data papers permettent à cet effort d’être reconnu et valorisé par l’intermédiaire d’un article académique. Contrairement aux articles de recherches classiques, les data papers fournissent une voie formalisée pour le partage des données plutôt qu'un espace où tester des articles de recherche classiques ou présenter de nouvelles analyses.

      Nous utilisons ici le terme data paper (article de données en français) mais de multiples appellations existent. Aussi n’hésitez pas à regarder dans les revues que vous avez l’habitude de consulter si une appellation se rapproche de data paper. Voici quelques exemples :

      Au-delà des données, ce sont également les métadonnées, les logiciels, les scripts permettant l'exploitation des données qui peuvent également être décrits.

    • Un data paper permet « la diffusion des données de recherche, des métadonnées associées, de la documentation d'accompagnement et du code logiciel (dans les cas où les données brutes ont été traitées ou manipulées) en vue d'une réutilisation et d'une analyse, et d’une manière telle qu’elle permette de les découvrir sur le Web et d'y faire référence de façon unique et persistante »

    • Pour la réutilisation des données, il faut donc pouvoir y accéder via un entrepôt de données qui garantit que les données sont bien documentées, conservées, archivées, interopérables, citables, vérifiables et de qualité. L'objectif est d'avoir un identifiant pérenne et persistant pour ces données. Nous retrouvons ici des notions au cœur des principes FAIR.

      Source : Austin etal., 2016 (s'ouvre dans un nouvel onglet)


      Les principes FAIR

      Améliorer la "qualité" des données permet d'associer documentation, code et logiciel. On parle alors de data curation. La Data curation concerne les activités de gestion visant à annoter (produire des métadonnées), à épurer les données et à maintenir les données de recherche (y compris le code logiciel, lorsqu'il est nécessaire pour interpréter les données elles-mêmes) en vue de leur utilisation initiale et de leur réutilisation ultérieure.

    • L’objectif majeur du Data Paper est la réutilisation des données. Pour réussir, le Data Paper doit appliquer les bonnes pratiques, notamment disciplinaires, en termes de description, documentation et format ouvert, pour que les données soient trouvables, accessibles, compréhensibles, interprétables et réutilisables.

    • Qui peut rédiger un data paper ?

      Le public concerné dépasse le public habitué à publier des articles de recherche. Un data paper peut être publié par toute personne impliquée dans la gestion des données de recherche : ingénieurs de recherche, ingénieurs d'études, doctorants. Si dans le cadre de votre thèse, vous avez fait un travail important de création de bases de données, le data paper peut vous permettre de valoriser cette réalisation.


    • Intérêts du data paper

      Pour quelles raisons rédiger et publier un data paper :

      • Pour valoriser un travail peu visible dans un article scientifique classique.
      • Pour garantir la reproductibilité et la qualité des données (leur vérification).
      • Pour faciliter la répétabilité des données (leur réutilisation au-delà du champ disciplinaire original).
      • Pour permettre d'agréger et d'analyser les données de recherche.

      Pour les décideurs publics, les données ouvertes sont une source potentielle d'innovation et de nouvelles connaissances, à condition d'offrir des conditions de réutilisation des données et d'intégrer les citations de data papers dans les critères d'évaluation de la recherche.

       

    • Un enjeu de reproductibilité

      Un data paper ne permet pas seulement la valorisation de données de recherche, il répond aussi à des enjeux de science ouverte et des facteurs de reproductibilité. 

      En 2016, 1576 chercheurs ont répondu à un court questionnaire en ligne sur la reproductibilité de la recherche. Si plus de 60 % des interrogés soulignent la pression à la publication, la compétition pour les postes, les financements, etc., ils citent de nombreux problèmes concernant autant les données « brutes » que les méthodes et la disponibilité du code.

      Source :1,500 scientists lift the lid on reproducibility



    • Nombre de téléchargements sans ou avec data paperBoîtes moustache du nombre de téléchargement avec et sans Data Paper

      Rémy Decoupes. Analyse de l'impact des data papers de l'UMR TETIS. UMR TETIS, 500 rue Jean-François Breton, 34000 Montpellier. 2024. ⟨hal-04428092v2⟩

      Des études encore exploratrices tentent à montrer que les jeux de données associés à un data paper sont plus téléchargés que les jeux qui ne sont pas associés avec un data paper.

      Un data paper est un article qui est de plus en plus considéré comme une publication scientifique. Qui dit article, dit potentiel de citation et donc par conséquent plus de visibilité pour vos travaux et vos recherches.

      Il s'agit d'une démarche qui s’inscrit dans une politique publique de mutualisation qui favorise l’innovation et la création de nouvelles connaissances.


    • Un enjeu éditorial

      Les politiques éditoriales intègrent de plus en plus le dépôt et le partage de données mais dans un contexte d’augmentation des volumes des données, les éditeurs :

      • imposent parfois des limites de taille aux données fournies comme matériel supplémentaire des articles (500 MB chez Elsevier),
      • externalisent la gestion la curation et le stockage des données en recommandant souvent des entrepôts spécifiques (ex : Groupe Nature).

      Certains font de la mise à disposition des données une condition préalable à l’acceptation de l’article (Nature ou PLoS One).


    • Des réponses variables

      Les politiques éditoriales des revues sont variables. Certaines revues exigent le dépôt du jeu de données dans un entrepôt spécifique, modéré par la communauté scientifique qui vérifie la conformité des métadonnées par exemple. Les conseils ou interrogations portent sur la présentation du jeu de données, pour en améliorer la qualité. Certaines revues font le choix de ne pas vérifier les données. Ces informations doivent être prises en compte au moment du choix de la revue, notamment pour les questions liées au choix de l’entrepôt : entrepôt national, lié à la communauté, lié à son employeur, etc.


      Types de politiques d’archivage des données publiques (ADP)

      Types of PDA Policies no policy, avaible upon request, data availability statement, mandated repository, peerreviewed dataset

      Source: Scholler et al., 2019


    • Mais qui assure la qualité des données ?

      Résumé :

      Malgré les incitations des revues académiques envers un accès libre aux données sous-jacentes aux manuscrits scientifiques publiés, des interrogations existent autour de la quantité et de la qualité des données disponibles. Pour répondre à cette question, une enquête qualitative a été conduite en 2018, dans des revues académiques d’écologie auprès des rédacteurs en chef et parties prenantes avec 20 entretiens avec les rédacteurs, les rédacteurs adjoints et le personnel du dépôt et des revues. 

      Source : DanSholler, Karthik Ram, Carl Boettiger, Daniel S.Katz, 2019 (s'ouvre dans un nouvel onglet)


      Ce qui ressort de cette enquête, c'est bien que la responsabilité est partagée entre les différents acteurs. Seul le producteur du jeu de données, c'est à dire l'auteur, doit assurer l’exhaustivité et la qualité des données. Les relecteurs n'ont qu'un périmètre d'action limité, sur les métadonnées.


    • Histoire de la Science ouverte

      L'apparition des data papers s'inscrit dans la lignée du mouvement de la Science ouverte, dont la frise temporelle ci-dessous retrace les évènements marquants de ces dernières décennies.

       

      Sources :

       

    • Votre progression : 20 %