Wiki SBU

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== Stage ENSSIB "Gérer, valoriser et préserver les données de la recherche", 7-9 juin 2016 ======


Réflexion au sein de Couperin sur la création d'un GT "données de la recherche"

===== Francis André (CNRS) : données de la recherche et science ouverte, enjeux et perspectives =====

A la base : avoir des infrastructures, des "tuyaux". Au-dessus : développer des services pour gérer ces données (avec personnels IST) ☛curation des données. En haut : gouvernance\\
⇒il faut que ces trois niveaux sont opérationnels. Le niveau infrastructure l'est, au niveau européen. Le niveau services est en cours de développement (à des degrés divers selon les disciplines). Le 3e en est au démarrage. 

Concept européen, né grâce aux technologies de l'information. Science plus transparente, plus facilement reproductible, avec un plus grand impact sur la société. Intégration du citoyen dans les discours politiques européens : parce qu'on a ces technologies de l'information, on peut développer ce concept d'open science. Cf consultation Science 2.0 de la Commission européenne. 

Open Science : rendre accessible les résultats de la recherche à la société, qu'elle soit composée d'amateurs ou de professionnels. 

Open Science : liée à open educational ressources, OA, Open peer review, open methodology, open source, open data ⇒changement des pratiques quotidiennes des chercheurs. On ne peut pas dissocier les choses : mouvement global d'ouverture

Ecosystème qui émerge : AO, Figshare, Dryad, Openannotation.org, Myexperiment.org, Runmycode.org, altmetrics...

Les chercheurs n'ont aucune retombée positive quand ils consacrent du temps à curer leurs données (aucun bénéfice pour leur carrière) : rôle essentiel des personnels IST ! Impliquer les acteurs ! Importance majeure de la formation des différents acteurs.

Roadmap et agenda Open Science définis lors de la conférence Open Science d'Amsterdam (avril 2016) ont été adoptés par le conseil de compétitivité de l'UE en mai.\\
2016 : mise en place d el'Open Science Policy Platform, avec GT thématiques. Au menu de ces groupes : récompenses pour les chercheurs ; altmetrics ; intégrité de la recherche ; citizen science ; ouverture ressources pédagogiques ; business models ; application des principes FAIR ; Open Science Cloud

FAIR : Findable, Accessible, Interoperable, Reusable

Stratégie UE : lien recherche/innovation ; partenariats public/privé pour transfert de technologie ; libre circulation des connaissances 

Personnels IST doivent intervenir à toutes les étapes du cycle de vie des données, même dans la création et le traitement. 

DMP : faire en sorte que les données accompagnent le projet tout au long de sa vie, et que le projet puisse s'appuyer dessus. Dynamique, en interaction avec les chercheurs. 

Plus la donnée est concentrée, plus la couche de métadonnées est importante : savoir quel appareil a produit la donnée, quel était son calibrage, etc. 

embedded data : donnée incorporée dans la publication. Le TDM vise à extraire ces données des publications. 

Rôle du personnel IST : donner aux chercheurs les bonnes réponses à leurs questions. Il faut donc se poser les questions et trouver les réponses avant que les chercheurs y soient confrontés. 

Intégrer la gestion des données dans le périmètre d'activités des personnels IST. Les données : c'est de l'IST. Données brutes : domaine du chercheur. Jeux de données : avec le personnel IST. Valoriser la production interne de son établissement. Vision du chercheur : ce qui intéresse le chercheur c'est la création et l'accès, il ne devrait pas avoir à se préoccuper de l'infrastructure d'information. Mais en réalité : nécessité de travailler ensemble, et de pratiquer l'immersion dans les labos. 

Besoin fondamental : certification ! Trust ! Personnels IST ont un rôle à jouer dans l'élaboration et la garantie de la qualité des processus. 

Cadre européen de l'open science = volonté politique forte et claire. C'est désormais aux acteurs opérationnels sur le terrain d'agir. 

===== Esther Dzalé Yeumo : Données de la recherche et recherche agronomique =====

charte de déontologie de l'INRA : les données de la recherche sont la propriété ou la copropriété de l'INRA. 

Comité d'éthique INRA a rendu un avis qui encourage l'INRA à partager les données de la recherche, mais demande discernement dans le partage : quelles données partager, quand et comment ? 

Mise en place d'un Comité données : politique, recommandations, propriété intellectuelle ⇒stratégie scientifique\\
+ stratégie méthodologique et technique avec service IST

GT INRA 2011-2012 : rapport juin 2012 avec recommandations\\
Fin 2012 : élaboration d'une politique (11 principes pour mieux gérer les données)\
Avril 2013 : lancement des chantiers de mise en oeuvre ⇒outils de TDM, questions juridiques, compétences, identifiants pérennes, entrepôt...

Attentes des chercheurs INRA :\\
- services, accompagnement : sécurité des données, questions juridiques, comment partager, quelles données, choix d'un entrepôt, lien publications/données, data papers. Ex : à quel moment du workflow faut-il attribuer un DOI ?\\
- outils informatiques : portail, accès sécurisé aux données, DOI, logiciels, environnements collaboratifs\\
- Politique, RH : reconnaissance, quelles compétences, GPEC\\
Avis du comité d'éthique insiste sur besoin d'informations et de concertation : les chercheurs sont dans l'incertitude, et l'institution est responsable de leurs données et de leur bonne gestion. 

Conseil scientifique INRA définit les données de recherche en tenant compte du contexte d'ouverture des données : information qui représente le matériau de base d'une activité de recherche ayant bénéficié d'un financement public

Problèmes rencontrés avec les ressources génétiques et génomiques : les grandes banques de données comme genBank n'ont pas forcément prévu l'explosion actuelle des données et des besoins et sont victimes de leur succès. Goulot d'étranglement quand stockage centralisé et délais de dépôt très longs. Réflexion en cours pour un stockage distribué avec moteurs de recherche performants. 

Données d'enquêtes et de cohortes : anonymisation, respect du secret, obligations réglementaires en matière de destruction des données, pérennité des plateformes

Expérimentations, observations : gros travail à faire de standardisation des formats, des métadonnées et des vocabulaires. 

Travail en cours sur un cahier des charges pour un entrepôt de données : quels services en fonction de la nature des données qui sont hébergées dans l'entrepôt ? Le cahier des charges va définir les différents niveaux de sécurisation à appliquer en fonction du degré de sensibilité de la donnée. Réflexion sur solution de stockage distribué.
Wiki SBU

Outils pour utilisateurs

Outils du site

Outils de la page
