Séminaire Métadonnées

Le 8 mars 2012 s’est tenue à l’Ecole Nationale des Sciences Géographiques (ENSG), la 5ème séance du séminaire Belgrand, séminaire consacré à l’ingénierie des bases de données. Elle avait pour thème « Archivage et moissonnage, deux mamelles de la recherche en réseau : avec quelles métadonnées ? ». Belgrand est un projet visant à créer un réseau scientifique autour de l’ingénierie des données pour la ville et la mobilité il est porté par l’IFSTTAR, l’IRSTV, le Lab’Urba et l’IGN. Trois équipements ont été présentés au cours du séminaire.

Le premier est Dataverse, un outil logiciel créé à Harvard dont Olivier Bonin et Jean-Paul Hubert ont présenté la mise en œuvre en ce moment à l’IFSTTAR. Comme RunMyCode (cf. précédent billet), Dataverse vise la reproductibilité de résultats de recherche en rendant accessibles les données utilisées pour produire ces résultats qui ont donné lieu à des publications. Les jeux de données sont archivés, mis en ligne et indexés. Ils sont considérés comme des publications scientifiques: Dataverse standardise la citation des jeux de données en générant automatiquement une référence avec un identifiant.

Etienne Taffoureau, du BRGM, a présenté Géocatalogue, le catalogue et moteur de recherche du Géoportail, qui « inventorie et restitue les différentes sources d’informations géographiques publiques ». Le Géocatalogue assure en effet le référencement et la diffusion de données publiques en appliquant la directive INSPIRE et en suivant les normes d’interopérabilité de l’ISO et de l’OGC (Open Geospatial Consortium). Il ne concerne pas le stockage des données qui reste assuré par leurs producteurs.

Enfin Stéphane Pouyllau a présenté le TGE Adonis, Très Grand Equipement du CNRS pour l’Accès unifié aux données et documents numériques des sciences humaines et sociales et plus particulièrement la plate-forme de recherche Isidore. A travers sa présentation il a surtout souligné les enjeux autour de l’accès aux données numériques de la recherche en open access: l’archivage et sa pérennité, les formats de données, les services mis en place, le stockage et les métadonnées. Pour ces dernières il a insisté sur la qualité des métadonnées nécessaire au bon fonctionnement du web de données, c’est-à-dire sur leur structuration et leur documentation et aussi sur l’interopérabilité des outils.

L’ensemble des présentations est en ligne: http://belgrand-gebd.ifsttar.fr/seminaire/5eme-seance-080312/

Le service RunMyCode

Science Express 115RunMyCode est un webservice (version beta) qui permet au chercheur d’associer à sa publication scientifique un « site web compagnon » afin de partager avec d’autres la méthodologie présentée dans l’article et pouvoir ainsi la reproduire. RunMyCode permet en effet, via un navigateur web, l’exécution des codes informatiques associés à une publication, en utilisant ses propres données et en définissant ses propres valeurs de paramètres.

Il s’agit pour le chercheur, non seulement de fournir des informations sur sa publication (titre, auteur, texte de la publication) mais aussi les codes informatiques et exécutables utilisés pour produire les résultats présentés dans la publication.

Ainsi, il est possible de réutiliser une méthodologie pour appliquer un traitement de données ou calcul, similaire à celui utilisé pour une publication d’origine, mais en le faisant cette fois porter sur de nouvelles données. De la même manière, il est donc également possible de répliquer ou reproduire un résultat scientifique pour en vérifier la validité.

Financé par des organismes de recherche et universités (CNRS-TGE Adonis, HEC Paris, Université d’Orléans), RunMyCode est gratuit et couvre pour l’instant les domaines de recherche relatifs à l’économie ou aux science de gestion (économétrie, économie de la santé, macroéconomie, etc.).

En savoir plus:

Crédits photographiques: Science Express 115 par Blogging Dagger

Reproductibilité de la recherche

binary Le fait de pouvoir reproduire des résultats de recherche, dans des contextes similaires ou différents de ceux de leur production initiale, grâce à l’accessibilité des données et des codes informatiques qui ont permis l’analyse de ces  données et mené à ces résultats, c’est ce dont traite cet article paru dans Science:

Roger D. Peng (Johns Hopkins University) « Reproducible Research in Computational Science », Science, Dec 2011: http://www.runmycode.org/data/MetaSite/upload/Science_Peng_2011.pdf.

« The standard of reproducibility calls for the data and the computer code used to analyze the data be made available to others« .

Entre une reproductibilité totale (automatiser la reproduction d’une analyse scientifique) ou au contraire impossible, il existe toute sortes de reproductibilités qui dépendent de cet accès, ou pas, aux données de la recherche et à leurs codes.

« The reproducibility standard is based on the fact that every computational experiment has, in theory, a detailed log of every action taken by the computer. Making these computer codes available to others provides a level of detail regarding the analysis that is greater than the analagous noncomputational experimental descriptions printed in journals using a natural language ».

L’accès aux articles de revues ou autres publications va en effet de soi, mais comment avoir accès à ces codes informatiques et aux formats de stockage des données alors qu’ils ne sont pas toujours open source ou que les codes ne sont tout simplement pas conservés? C’est ainsi qu’une revue comme « Biostatistics » (qui publie des articles dans le domaine des méthodes biostatistiques, de l’épidémiologie ou de la génomique) incite ses auteurs à proposer les codes en plus de la publication elle-même. Mais cette initiative ne reflète pas la majorité des pratiques de recherche pour lesquelles les codes ne sont pas accessibles.

Dans cet article, l’auteur propose donc d’utiliser de façon systématique des réservoirs qui existent déjà pour déposer les codes, comme GitHub (http://github.com) ou SourceForge (http://sourceforge.net), mais surtout, il propose que se développe le fait de lier des données, des métadonnées et le code informatique aux publications scientifiques, et ce quelques soient les disciplines.

Crédits photographiques: Binary par xfce