Ce module constitue une introduction à la gestion des données ; il s'appuie sur les deux modules précédents pour présenter brièvement quelques principes relatifs aux données et donner des exemples d'écueils à éviter dans ce domaine, ainsi que des conseils pour y remédier.
Dans notre module précédent, nous avons posé la question suivante :
Pourquoi est-il important de réfléchir à d'autres utilisations possibles de vos données et à ce que vous pourriez en faire ?
Connaître les réponses à ces questions vous permettra non seulement d'améliorer votre communication avec d'autres chercheurs, en particulier si vous souhaitez partager vos données, mais aussi de renforcer votre capacité à reproduire vos recherches antérieures et à vous en inspirer pour l'avenir. Il est irréaliste et injuste envers vous-même de vous demander de vous souvenir de tout ce qui concerne un projet antérieur ; il est donc extrêmement important de réfléchir à la communication entre votre « moi » passé et votre « moi » futur en matière de données !
D'une certaine manière, la gestion des données correspond au langage et au processus que nous utilisons pour garantir que nos recherches soient correctement replacées dans leur contexte, comprises et consignées. Ce processus permet de partager, de réutiliser et de reproduire efficacement les données, ce qui contribue à assurer la pertinence de vos projets liés aux données pour les années à venir !
En regardant cette vidéo, on comprend mieux ce que nous voulons dire quand nous affirmons que la gestion des données s'apparente presque à un langage. On voyait très bien que les deux chercheurs n'étaient pas sur la même longueur d'onde, et que l'un tournait autour du pot sans que l'autre ne le comprenne. Créer un environnement de recherche de qualité vous aidera à vous sentir plus en confiance dans vos propres travaux et permettra aux futurs chercheurs de mieux comprendre, partager ou s’appuyer sur vos travaux.
Comme nous l'avons déjà mentionné, le fait de réfléchir à la manière dont vous communiquez vos données peut vous aider dans vos propres recherches. En évitant les écueils mis en évidence dans la vidéo que vous venez de visionner, vous pourrez revenir plus facilement à vos recherches antérieures, utiliser certaines parties des données à d'autres fins, ou encore reproduire ou comparer plus facilement vos expériences.
I. Solutions de stockage de données multiples
Il est important de stocker les données à plusieurs endroits. Même s’il peut sembler plus simple et tentant de conserver vos données uniquement sur votre ordinateur portable pendant la durée du projet, il est recommandé de procéder à une sauvegarde. Élaborer dès le début du projet un plan visant à gérer et à poursuivre les sauvegardes une fois le projet terminé garantira la pérennité des données après sa fin. Il est important, lors de la phase de planification du projet ou de la recherche, de déterminer si et comment les données du projet pourraient être utilisées à l’avenir, et si elles seront partagées dans un dépôt public.
Réfléchissez à des solutions potentielles de stockage de données à long terme. Où, comment et quand vos données seront-elles stockées ? Voici quelques questions et éléments à prendre en compte concernant le stockage de vos données : si vous vivez en location et que vous savez que vous pourriez déménager d’ici moins de 5 ans, cela pourrait influencer vos choix en matière de stockage à long terme, par rapport à une situation où vous seriez propriétaire de votre logement. Ou si vous êtes sur le point d’obtenir votre diplôme et que toutes vos données devront être restituées à l’établissement, cela influencera la manière dont vous déciderez de stocker vos données pour l’avenir. Quelles sont les options de stockage en ligne ou dans le cloud disponibles et approuvées par votre établissement ? Et quels référentiels publics pourraient convenir à vos données si vous êtes tenu de fournir, ou si vous souhaitez fournir, un accès libre à celles-ci ?
II. Utilisez des étiquettes standardisées ou créez des étiquettes descriptives
Dans un module ultérieur, nous aborderons en détail les vocabulaires contrôlés et les schémas d'étiquetage. L'utilisation d'étiquettes standardisées favorisera l'interopérabilité de vos données, ce qui facilitera leur utilisation et leur réutilisation dans d'autres applications futures. Cela s'avère particulièrement utile pour les ensembles de données. Si vous souhaitez comparer votre ensemble de données à un autre, le processus sera plus rapide et plus simple si vous avez utilisé un nom normalisé pour vos variables, y compris un format normalisé – tel que surface_temp_avg_degree_C pour désigner la température moyenne de la surface de l’océan en degrés Celsius. Si vos deux ensembles de données possèdent les mêmes noms de variables, il est beaucoup plus facile d’utiliser divers logiciels pour les comparer et les représenter graphiquement.
Cependant, si vous ne connaissez pas les libellés normalisés ou si ceux-ci ne sont pas disponibles, alors : mieux vaut être trop détaillé, mais clair d’un point de vue contextuel, que pas assez détaillé. Idéalement, les données devraient pouvoir être interprétées à première vue par une personne disposant des connaissances nécessaires, sans qu’elle ait besoin de vous consulter pour obtenir des précisions. Il vaut donc de loin mieux donner à une colonne de données un titre long tel que « vitesse du vent à 3h00 à North End, Halifax » plutôt que de l'intituler « vent 3 » simplement pour que ce soit plus court. Il vaut également mieux être trop détaillé si cela permet d’assurer la clarté contextuelle et d’éviter tout malentendu sur la nature des données. Ce niveau de détail facilitera la normalisation ultérieure.
Des étiquettes standardisées et détaillées vous seront également utiles à l'avenir, si vous revenez sur les recherches que vous avez menées ! Surtout si vous souhaitez présenter ces recherches à quelqu'un d'autre, ou si vous devez les expliquer à un employeur potentiel ou dans le cadre d'une candidature à l'enseignement supérieur.
III. Conserver plusieurs copies des données brutes
Si votre rapport ou article de recherche est de grande qualité, d’autres chercheurs pourraient souhaiter réutiliser vos données brutes originales. Il est donc important de conserver des copies de vos données brutes, et pas seulement des données traitées. Il peut s’avérer nécessaire de publier les données brutes lors de la soumission à une revue scientifique ou de les mettre à disposition dans un référentiel de données ouvert, conformément aux exigences de votre organisme de financement.
IV. Utilisez FAIR et CARE
Le respect des principes FAIR et CARE vous aidera à mettre en œuvre les meilleures pratiques afin que d'autres puissent trouver vos données et s'en servir comme base pour leurs propres travaux. Les principes FAIR visent à favoriser le partage entre chercheurs, en garantissant que vos données puissent être repérées par des moteurs de recherche sur Internet, tandis que les principes CARE ont pour objectif de renforcer et d’affirmer la souveraineté des peuples autochtones sur leurs données et de veiller à ce que celles-ci soient utilisées de manière éthique.
V. Envoyez vos données vers un référentiel
Les référentiels contiennent des ensembles de données provenant d’une ou de plusieurs bases de données, destinés à être stockés, gérés et partagés. Un référentiel est de loin le meilleur moyen de partager et de préserver vos données à long terme. CIOOS est l’organisation océanographique à l’origine de ce tutoriel, mais c’est aussi, en réalité, un référentiel qui utilise les conventions standard du secteur ! Nous sommes un excellent hébergeur pour vos données. OBIS est un autre référentiel à prendre en considération : il compte plus de 4 500 ensembles de données et constitue l’une des plus grandes bases de connaissances au monde en matière de données biologiques océaniques !
VI. Mise en œuvre des métadonnées
Les métadonnées seront abordées plus en détail dans les modules 16, 17 et 18 de la section 6 : « Gérer vos métadonnées ». Pour l’instant, il suffit de retenir que les métadonnées sont des données sur les données. Le respect d’un schéma de métadonnées adapté vous aidera à organiser vos données et facilitera leur découverte par les machines sur le Web une fois qu’elles y seront partagées. Darwin Core est un schéma de métadonnées océanographiques particulier, basé sur les taxons biologiques. Les conventions « Climate and Forecast » (CF) constituent un autre schéma de métadonnées océanographiques extrêmement important, qui permet de décrire les propriétés temporelles et spatiales des données.
La mise en œuvre de ces bonnes pratiques constitue un excellent point de départ pour gérer toutes les données avec lesquelles vous êtes amené à travailler, qu’il s’agisse de données relatives à un projet personnel ou à un projet mené pour le compte d’une institution.
Ces écueils peuvent être évités grâce à un plan, un plan de gestion des données pour être précis. Ce ne sont là que quelques éléments à prendre en compte lorsque vous planifiez l'utilisation de vos données dans le cadre d'un projet.
Dans notre prochain module, nous approfondirons nos connaissances sur les plans de gestion des données (DMP) et verrons comment chaque module suivant s'articule avec les différentes parties d'un DMP. Si vous deviez deviner, quel est, selon vous, l'élément le plus important d'un plan de gestion des données ?
Pouvez-vous repérer d'autres pièges liés aux données dans la vidéo présentée ici ? Comment les éviteriez-vous ?
