Gérer les données de la recherche, de la création à l’interopérabilité (1/3)

Depuis 3 ans, la TGIR Huma-Num organise annuellement une action nationale de formation (ANF) sur les données de la recherche. Après la visualisation des données, l’architecture du web sémantique, cette année s’est centrée sur la problématique de l’interopérabilité des données de la recherche.

Nous vous proposons à travers une série de trois billets, un aperçu des enseignements de cette formation qui s’est déroulée du 21 au 25 septembre 2015.

1/3  – Du bon usage des métadonnées

 

La semaine a débuté par l’exposé de Valérie Tesnières, directrice d’études à l’EHESS et  actuelle directrice de la Bibliothèque de documentation internationale contemporaine (BDIC). Partant des différentes cultures professionnelles à l’œuvre dans la gestion des données et métadonnées de la recherche en sciences humaines et sociales (SHS), Valérie Tesnières est revenue sur l’évolution des pratiques introduite par le passage d’un web documentaire à un web de données.  L’enjeu pour les ingénieurs, documentaires, archivistes est aujourd’hui moins de produire de données que de les connecter les unes avec les autres. Les protocoles mis en place  ne sont pas abandonnés mais valorisés et utilisés dans des logiques nouvelles qui  repose sur l’ interopérabilité des données et permet de rendre plus visibles mais aussi dans certaines conditions réutilisables et enrichissables les productions de la recherche en sciences humaines et sociales (shs). Ces orientations nouvelles se doivent d’être raisonnées. Il ne s’agit pas de plier la recherche aux conditions techniques mais bien que le développement technique et numérique se trouvent au service de la recherche.

Savoir quelles données rendre interopérables, et pourquoi, induit une problématisation des attentes par les chercheurs, nécessite une collaboration plus étroite entre les différentes sphères de la production de la connaissance et une anticipation toujours plus en amont sur le formatage et la structuration des données enfin elle rend nécessaire une réflexion sur les usages et usagers attendus des données produites.

De l’importance des métadonnées

Produire des métadonnées permet à la fois l’interopérabilité des données et leurs assure une meilleure pérennisation.  Elles servent à documenter les données. Leur forme dépend du contexte, de l’objet décrit et des objectifs de partage et conservation. A fonction diverses (intellectuelle, technique, juridique, hiérarchisation des données, etc.) correspond divers standards et différentes typologies de métadonnées  (textuelles, visuelles, formules, etc.)

Plusieurs des interventions et ateliers de la formation ANF 2015 sont revenus sur la formalisation des métadonnées et leurs fonctions, en particulier celle de Catherine Morel-Pair (Inist-CNRS).

Les différents standards qui ont été présentés s’appuient sur des vocabulaires de description standardisés (Dublin Core, EAD, etc.) et des syntaxes d’écriture (Tableaux, XML, RDF, JSON, etc.). Soulignons ici, l’importance du Dublin Core. Il est un standard largement utilisé pour partager et mutualiser les données de la recherche. Il se trouve à la base de l’OAI-PMH et du Web de données. Particulièrement bien adapté à la description bibliographique il repose sur 15 éléments qui peuvent être enrichis (on parle alors du Dublin Core qualifié ou étendu).

D’autres formats de métadonnées existent pour fournir des informations de nature spécifique, le standard EXIF pour les spécifications de formats d’images, les métadonnées de standard METS pour la structure et les liens des données d’un corpus, les licences creative commons peuvent aussi être considérées comme des métadonnées relatives aux droits, etc.

Le Dublin Clogo-petit-nakala-rvbore est le standard choisi par Nakala l’un des services développés par la TGIR Huma-Num. Nakala permet une description a minima ou plus affinée des données qui y sont déposées par les équipes de recherches, à partir du schéma de métadonnée fourni par le Dublin Core.

video-481821__180Voire à ce sujet le tutoriel vidéo proposer par Huma-Num : Déposer et documenter ses données dans NAKALA

L’OAI-PMH

L’OAI-PMH (Open Archives Initiative Protocol for Metadata Harvesting) est un protocole métier entre un producteur de données (provider) et un client (harvest) pour le moissonnage des données. Il repose sur un vocabulaire simplifié et partagé (ressource, item, Record, Set) sur une structure de notice commune (avec une partie header et une partie métadonnées). Le format des métadonnées correspond a minima à celui du Dublin Core  . Six verbes (Identify, ListMetadataFormats, ListSets, ListIdentifiers, ListRecords, GetRecord) permettent de réaliser le moissonnage des données et de transmettre par set ou par item les données du fournisseur au client.

Le service proposé par la TGIR Huma-Num NAKALA, offre pour chaque compte un flux OAI-PMH qui repose sur le Dublin Core  simple ou étendu et permet le moissonnage des données.

L’OAI-PMH est aujourd’hui très répandu pour permettre l’interopérabilité des données dans le domaine de la recherche scientifique comme dans celui du patrimoine.

Le Web de données

L’OAI-PMH n’est pas le seul protocole métier qui rend possible la circulation des données ; ils sont même très nombreux sur le web. Le rôle des informaticiens face à ce paysage est de les traduire, les convertir et les aligner dans le but de rendre toujours plus facilement les données interopérables. La traduction a pour but de multiplier les équivalences entre des types d’objets, de liens, des catégories de classifications et des individus.

Thomas Francart (Société Sparna) à travers ses ateliers et exposés a permis aux stagiaires de s’initier au Web de données et d’en faire ressortir les enjeux.

Le Web des données est un langage informatique qui permet de structurer les contenus pour améliorer à la fois la recherche d’informations, la synonymie, la polysémie et le multilinguisme des données qui sont accessibles à l’utilisateur en un langage humain.

Pour cela il procède à la formalisation descriptions de données (métadonnées) à partir de 3 élément : Sujet – Verbe – Complément.

Le Web de données permet de mieux identifier les données en traduisant de façon non ambiguë des termes des ontologies, en langage machine.

Il est de bon usage d’utiliser des URI qui à la différence de l’URL n’est pas une adresse (une localisation de la donnée) mais l’identifiant de la donnée elle-même. Aujourd’hui on parle plus souvent des IRI (International Resource Identifier) qui correspond à des URIs Unicode. Ce sont les identifiants pérennes ou permaliens.

LOD_Cloud_Diagram_as_of_September_2011

A partir de la structuration des données et de leurs identifiants, il devient alors possible de relier les données « dans » le web. Par exemple on peut relier des données qui parle d’une même sujet, on peut faire des équivalences (synonymie, multilinguisme, etc.) ont peut utiliser une donnée comme complément ou verbe d’une autre donnée définie comme sujet, etc. La constitution de graphes permet de réutiliser des données déjà disponibles sur le web pour former de nouveaux ensembles de connaissances.

Le Web des données émerge alors de la multiplication des triplets « Sujet verbe complément » qui sont reliés entre eux et qui en viennent à former des graphes rendant le Web interopérable. Il repose sur une grammaire le RDF, des vocabulaires RDFS/OWL, des règles d’écritures (Turtle, RDF/XML, RDFa) et des moyens de communications le SPARQL.

Le service NAKALA permet aux projets de recherche qui s’en saisissent de s’inscrire dans le Web de données en fournissant notamment des identifiants pérennes aux données qui y sont sont déposées et en permettant leur conversion RDF (3store) Image1

La place des référentiels pour l’ouverture des données

La constitution de graphes permet de réutiliser des données déjà disponibles sur le web pour former de nouveaux ensembles de connaissances. On distingue trois types d’informations qui correspondent à trois niveaux d’interprétation les vocabulaires contrôlés, les notices d’autorités et les notices, l’interopérabilité des données se joue à chacun de ces niveaux.

Pour l’interopérabilité au niveau des notices l’exemple cité fut celui du réseau des CDI des collèges et lycées français (Canopé) qui cherche à enrichir ses catalogues à partir de données de la BNF, via les data.bnf. Le VIAF Virtual International Authority File et ISNI ont servi d’illustrations pour l’interopérabilité des notices d’autorités. Pour l’interopérabilité au niveau des vocabulaires, nous avons eu l’occasion de découvrir l’usage de SKOS qui est un vocabulaire RDF permettant de décrire des vocabulaires contrôlés ou des thésaurus. Pour l’illustrer, c’est initiative de l’IRSTEA qui a été prise en exemple. Cet institut a récemment transformé son thésaurus en SKOS pour l’aligner sur d’autres thésaurus référents pour les disciplines qu’ils recouvrent (le GEMET et Agrovoc).

L’intervenant Jean Delahousse, (Consultant dans les industries de la connaissance) est revenu sur l’importance de décrire clairement les concepts autant pour les machines (pour leurs permettre de se conjuguer) que pour la compréhension et logique humaine. Bien architecturé le web de données permet de développer un travail collaboratif autour des concepts, il permet d’enrichir les référentiels déjà existants en les faisant dialoguer les uns avec les autres, ici la traçabilité des évolutions est importante. Il donne aussi l’occasion de développer des référentiels spécifiques à des projets de recherche tous en le permettant de rester connectés et ouverts. Ce qui est en train de se construire ce sont les graphes de connaissance et non plus les listes de termes, les concepts sont de plus en plus documentés devenant à leur tour objets de connaissance (à ce sujet voir par exemple les concepts forgés par data.bnf).

logo-isidore-petitISIDORE développée par la TGIR Huma-Num   est une plateforme d’accès  unifié aux documents et données numériques des sciences humaines et sociales. Elle repose sur le langage du web de données. Pour en savoir plus voir la présentation d’ISIDORE sur le site de la TGIR Huma-Num.

Consulter les prochains Billets


1 réponse

  1. 16/10/2015

    […] Sourced through Scoop.it from: arcmc.hypotheses.org […]

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *