Le Partage des données de la recherche: Un changement de paradigme. Francoise Genova Directrice du Centre de Données astronomiques de Strasbourg

Transcription

1 Le Partage des données de la recherche: Un changement de paradigme Francoise Genova Directrice du Centre de Données astronomiques de Strasbourg

2 Un sujet chaud! Prise de position forte des Ministres de la recherche du G8 (juin 2013)

3 Le communiqué des ministres

4 Parmi les mots-clé Données ouvertes sauf exceptions légitimes Données découvrables, accessibles, évaluables, compréhensibles, utilisables, et si possible interopérables avec d autres Mécanismes efficaces, aussi en terme de coût Un environnement adéquat doit être mis en place, incluant La reconnaissance des chercheurs qui s emploient au partage des données La mise en place d infrastructures numériques

5 Les infrastructures de recherche Outil (ou dispositif) possédant des caractéristiques uniques identifiées par la communauté scientifique utilisatrice comme requises pour la conduite d activités de recherche de haut niveau. Organisations internationales (CERN, EMBL, ESO) Infrastructures nationales ou établies en coopération ou en réseau

6 Les feuilles de route Les «feuilles de route» des infrastructures de recherche établies au niveau national et européen ont un fort effet structurant Selon le cas, elles font la liste des projets existants et/ou dont on souhaite la mise en place, et donc définissent des priorités En Europe depuis 2006: feuille de route ESFRI European Strategy Forum on Research Infrastructures Infrastructures dont la construction est souhaitée 35 infrastructures sur la liste initiale, qui a été mise à jour en 2008 et Une nouvelle mise à jour est en cours (les infrastructures sur la liste depuis 2006 vont en sortir). En France depuis 2008, mise à jour 2012: Stratégie nationale des infrastructures de recherche, qui comprend des projets existants et d autres dont on souhaite la mise en place

7 Les infrastructures de l astronomie La discipline a établi et met à jour une «Science Vision» et une Feuille de Route au niveau européen. Les données sont une des infrastructures de la discipline.

8 Les grands principes qui gouvernent les infrastructures de recherche

9 Pas seulement de grands instruments!

10 Toutes les disciplines sont concernées Des instruments, mais aussi des infrastructures numériques, en particulier en Sciences humaines et sociales, dans la feuille de route nationale: Huma-Num: faciliter le tournant numérique de la recherche en sciences humaines et sociales PROGEDO: favoriser la participation d équipes françaises à de grandes enquêtes européennes et veiller à rendre accessible à tout chercheur la statistique publique et dans la feuille de route européenne DARIAH: Digital Infrastructure for the Arts and Humanities CLARIN: Common Language Resources and Technology Infrastructures

11

12 Une infrastructure pour les humanités numériques Une très grande infrastructure de recherche (TGIR) pour les humanités numériques +100 équipes impliquées Fusion de la TGIR Corpus-IR et du TGE Adonis

13 Missions Faciliter le tournant numérique de la recherche en sciences humaines et sociales dans la production et la réutilisation de données numériques Concertation collective par et avec les communautés scientifiques Services numériques pour les données et les métadonnées de la recherche Coordonner la participation de la France dans DARIAH-EU

14 Une cible : les données de la recherche Production de corpus Production de données (chercheurs, labos, msh) Concertation collective par les communautés (consortiums) Gestion temporelle des données

15 Accompagner les communautés Réseaux disciplinaires internationaux.ex Projets de recherche UMR et EA En prenant en compte tous les éléments du paysage national (MSH)

16 Les consortiums disciplinaires Archives des ethnologues Corpus écrits Corpus oraux et multimodaux CAHIER: Corpus d auteurs Archives des mondes contemporains Archives des sciences sociales du politique Cartes et photographies pour les géographes Sources médiévales Mémoire des archéologues et des sources archéologiques 3D Musica Valeur ajoutée: échanges et actions Au sein du Consortium Avec la communauté Avec la TGIR Entre les consortiums Activités Constitution de corpus, mais aussi Mutualisation d outils et de méthodes «Bonnes pratiques» Visibilité au sein des initiatives internationales et européennes Parmi les «livrables» Guides de bonnes pratiques Manuels Outils documentaires communs Formations

17

18 La révolution numérique pour la science Réseau de communication, moyens de calcul massifs, acquisition des données, mais aussi la mise à disposition des données Les données doivent devenir une des infrastructures de la recherche Une révolution dans les méthodes de travail des chercheurs Découvrir les données, y accéder, les réutiliser, les combiner L exemple d une discipline qui a effectué cette évolution/révolution: l astronomie

19 Les données en astronomie (1) Des raisons scientifiques majeures de conserver les données et de les réutiliser Observations sur le long terme de phénomènes variables Un très grand nombre d objets, des interactions complexes à différentes échelles (des phénomènes à l oeuvre sur les grains du mileu interstellaire jusqu aux échelles cosmiques!) Le changement de paradigme est effectif: les astronomes utilisent quotidiennement des données qu ils trouvent dans des services en ligne (plus de requêtes/jour au CDS) Les données sont réutilisées pour des objectifs différents des objectifs initiaux Une augmentation significative du retour scientifique des gros investissements, mais aussi Une augmentation très significative des capacités de recherche au coeur des problématiques de la discipline

20 Les données en astronomie (2) La combinaison d observations par différents instruments permet de comprendre les phénomènes à l oeuvre une part significative et croissante des publications Les données Observations des télescopes sol et spatiaux Très grands relevés du ciel (informations homogènes sur un grand nombre d objets) Bases de données à valeur ajoutée (CDS, NED) Données bibliographiques (journaux académiques, base de données ADS maintenue par la NASA) Données de modélisation

21 Pourquoi? Comment? L habitude de travailler dans des collaborations internationales Un format de données commun depuis les années 70, FITS, toujours maintenu sous l égide de l Union Astronomique Internationale Les données des observatoires sont ouvertes, en général après une période propriétaire (souvent un an) pendant laquelle elles sont réservées aux personnes qui ont obtenu du temps d observation sur appel d offre dans ces conditions les intérêts légitimes des personnes qui ont eu l idée de l observation sont préservés, et le fait que les données sont ouvertes est accepté par la communauté, qui en profite pour ses propres recherches Excellente collaboration avec les journaux académiques de la discipline

22 Mise en réseau des données Elle a commencé dès le démarrage du web (~1993), par la mise en ligne et en réseau des bases de données à valeur ajoutée et des publications, puis des archives d observatoires Depuis 2000: l Observatoire Virtuel Astronomique définit des standards d intéropérabilité et développe des outils pour permettre un accès unifié aux données Facilite l accès aux données en éliminant l étape d apprentissage des interfaces propres à chacun des services de données Mise en place de l International Virtual Observatory Alliance Elle regroupe les projets OV d une vingtaine de pays de tous les continents Utilisation de standards génériques quand c est possible (registre des ressources OAI-PHM, vocabulaires SKOS/RDF), pour assurer la communication avec le monde extérieur

23 L Observatoire Virtuel astronomique Pas de point central, un monde multi-polaire Un modèle ouvert Une fine couche assure l intéropérabilité mais chacun organise ses données comme il le souhaite Tout le monde peut enregistrer un service de données et développer un outil d accès aux données Le VO est invisible, mais il est utilisé chaque fois que les chercheurs utilisent les outils ou les services Les outils d accès aux données se parlent LES DONNÉES SONT UNE DES INFRASTRUCTURES DE L ASTRONOMIE

24 Trouver et utiliser les données

25 Pas seulement les données des grands instruments! La définition en commun de standards et de métadonnées est la clé Les données des grands observatoires, mais aussi les données longue traîne de la recherche Le CDS accueille les données attachées aux publications: tables, images du ciel, séries temporelles,, dans un service de données qui accueille aussi les catalogues des très grands relevés sol et spatiaux Accord avec le journal européen Astronomy & Astrophysics dès 1993 sur la publication des tables (>~100 lignes) en ligne Les tables imprimées deviennent des données réutilisables Description standard des données acceptée par tous les journaux catalogues (au 1/2/2015) incluant des données de tous les grands journaux internationaux de la discipline Plus de requêtes par jour en moyenne sur le service, via le site web ou par d autres interfaces

26 Des données validées par une publication que l on peut découvrir et utiliser Unevuehomogènede données hétérogènes Combinaison des données grâce aux métadonnées Un spectre composite extrait de la collection, construit à la volée Lien vers le catalogue et l article original pour chaque donnée

27 Conclusions Les disciplines scientifiques ont toutes vocation à partager leurs données (compte-tenu évidemement d éventuelles restrictions légitimes) Elles sont dans des états différents en terme de prise de conscience et de réalisation Ce sont elles qui doivent faire l effort initial, pour que les données soient correctement choisies et documentées Chaque chercheur a son rôle à jouer c est lui qui connaît le mieux ses données, et la qualité de la documentation attachée aux données est essentielle Rôle majeur des centres de données disciplinaires Articulation des niveaux locaux, nationaux, internationaux Le cadre du partage des données scientifiques est par essence international Les documentalistes peuvent jouer un rôle important Les données ne sont pas des publications, et il faut des compétences disciplinaires 1/3 du personnel du CDS: documentalistes hautement spécialisés

28 La Research Data Alliance Mise en place en mars 2013 par la CE, l Australie et la NSF pour faciliter le partage des données par delà les frontières des états et les frontières disciplinaires Travail sur les blocs de base nécessaires au partage des données Un forum de discussion technologiques et disciplinaires ~2500 participants de 92 pays

29

30 Quel est l objectif? Les chercheurs et les innovateurs partagent ouvertement les données par delà les frontières des technologies, des disciplines et des pays pour résoudre les grands défis.. 30 construire des passerelles (techniques, sociologiques) pour permettre le partage des données au niveau mondial Les chercheurs, les praticiens des données, les technologistes sont invités à travailler ensemble

31 RDA Interest (IG) and Working Groups (WG) by Focus 1 (as of 12/14) * under review 31 Domain Science - focused Toxicogenomics Interoperability IG Structural Biology IG Biodiversity Data Integration IG Agricultural Data Interoperability IG Wheat Data Interoperability WG Digital Practices in History and Ethnography IG Geospatial IG Community Needs - focused Community Capability Model IG Engagement IG RDA/CODATA Summer Schools in Data Science and Cloud Computing in the Developing World IG Marine Data Harmonization IG Metabolomics IG RDA/CODATA Materials Data Infrastructure and Interoperability IG Research Data Needs of the Photon and Neutron Science Community IG Defining Urban Data Exchange for Science IG* The BioSharingRegistry: Connecting data policies, standards and databases in the life sciences WG* Urban Quality of Life Indicators IG Development of Cloud Computing Capacity and Education in Developing World Research IG Data for Development IG Education and Training on handling of research data IG

32 RDA Interest (IG) and Working Groups (WG) by Focus 2 (as of 12/14) * under review 32 Reference and Sharing - focused Data Citation WG Standardization of Data Cat. and Codes WG RDA/CODATA Legal Interoperability IG Data Stewardship and Services - focused Research Data Provenance IG Preservation e-infrastructure IG RDA / WDS Publishing Data Services WG RDA / WDS Publishing Data Workflows WG Long-tail of Research Data IG RDA/WDS Publishing Data IG RDA/WDS Repository Audit and Certification Base Infrastructure - focused Data Foundation and Terminology WG Metadata Standards Directory WG Practical Policy WG PID Information Types WG Data Type Registries WG Data in Context IG Reproducibility IG Data Description Registry Interoperability Working Group RDA / WDS Publishing Data Bibliometrics WG DSA-WDS Partnership WG Domain Repositories Interest Group Brokering Interest Group ELIXIR Bridging Force IG* Libraries for Research Data IG* RDA / WDS Certification of Digital Repositories IG RDA / WDS Publishing Data Cost Recovery for Data Centres IG Big Data Analytics IG Brokering Governance WG Federated Identity Management IG Metadata IG PID Interest Group Service Management IG Data Fabric IG