Dans ce module, nous aborderons la gestion des données tout au long du cycle de vie de la recherche et nous expliquerons pourquoi elle est importante, quelle que soit la phase dans laquelle se trouve votre projet de recherche.
Dans notre module précédent, nous avons posé la question suivante :
Quel est l'élément le plus important de la gestion des données ?
Une bonne gestion des données est essentielle pour :
Ces trois principaux organismes de financement sont communément appelés la « Tri-Agence » ou le « Tri-Conseil » et se composent des Instituts de recherche en santé du Canada (IRSC), du Conseil de recherches en sciences naturelles et en génie (CRSNG) et du Conseil de recherches en sciences humaines (CRSH). Ces trois organismes constituent le principal moyen utilisé par le gouvernement fédéral du Canada pour soutenir la recherche dans les établissements d'enseignement supérieur. Même en dehors de ces établissements, si un employé ou un organisme de recherche public est rémunéré grâce à des subventions accordées par l'un de ces conseils, il est soumis aux mêmes règles.
Il est extrêmement important de respecter les directives des trois organismes pour bénéficier d'un financement ! Non seulement le non-respect de ces directives peut avoir des conséquences pour vous (en rendant plus difficile la conduite de vos futures recherches), mais il peut également avoir des répercussions sur l'établissement pour lequel vous travaillez, ce qui rendra également plus difficile la conduite de ses propres recherches.
Les trois organismes de financement canadiens ont récemment instauré une nouvelle exigence selon laquelle, pour bénéficier d’un financement intégral pour un projet de recherche, l’équipe doit respecter des directives spécifiques concernant les plans de gestion des données. (Ces directives diffèrent pour les chercheurs menant des travaux au sein et en collaboration avec les communautés autochtones ; nous y reviendrons plus en détail dans un module ultérieur.)
Ces nouvelles lignes directrices visent à rendre la recherche plus efficace, plus éthique et à faciliter le respect des principes F.A.I.R.
Visibilité – cela signifie que vos travaux de recherche peuvent être identifiés par l'apprentissage automatique, ce qui permet une visibilité maximale en ligne
Accessibilité – cela signifie que vos travaux de recherche sont en libre accès ou facilement accessibles d’une autre manière
Interopérabilité – Cela signifie que vos données peuvent être lues par de nombreux programmes différents et intégrées de manière transparente à d’autres ensembles de données pour permettre une interaction. Plus précisément, cela signifie que vos données peuvent être trouvées par des machines ! Les machines utilisent leur propre langage pour trouver et indexer des éléments sur le Web, et l’interopérabilité signifie que les informations relatives à vos données (métadonnées) sont « traduites » dans un langage qu’elles peuvent lire.
Réutilisation – vos données peuvent être utilisées pour d'autres projets afin d'améliorer la reproductibilité
L'objectif ultime des principes FAIR est de favoriser le partage entre chercheurs !
Voici quelques-uns des éléments les plus importants de la gestion des données tout au long du cycle de vie de la recherche. Ces éléments doivent être pris en compte avant le lancement effectif du projet ; ils sont toutefois classés ici en fonction du moment où vous serez probablement amené à les mettre en œuvre.
Cette étape se déroulerait essentiellement au cours de la phase de planification et de rédaction de la proposition.
Adopter une approche axée sur les données et faire preuve de créativité dans leur utilisation
Il arrive parfois que les gens collectent d’abord leurs données, puis réfléchissent ensuite à ce qu’ils vont en faire. Si la plupart des personnes évoluant dans un établissement d’enseignement supérieur ne sont généralement pas confrontées à ce problème, car le système d’enseignement supérieur repose sur une approche axée sur les données, ce n’est pas forcément le cas de tous les établissements du secteur privé, et les chercheurs ayant uniquement travaillé dans l’industrie peuvent ne pas l’être non plus.
Adopter une approche axée sur les données signifie que tous les aspects de la collecte et de la gestion des données nécessaires à un projet sont pris en compte avant même que celui-ci ne démarre. Cela implique d’anticiper et d’évaluer vos besoins en matière de données, tout en mettant en place des mesures de sécurité au cas où un imprévu surviendrait. En mettant cette compétence en pratique et en veillant à ce qu’elle reste à jour, même si vous intégrez un secteur ou une institution qui ne lui accorde pas la priorité, vous vous assurerez un avantage considérable pour vos futurs projets. C’est un atout majeur sur un CV de pouvoir mettre en avant votre capacité à aborder les données sous cet angle.
Cette étape intervient pendant que vous rassemblez, sélectionnez et traitez les éléments du projet.
Voici ce qu'il advient de vos données au cours du projet de recherche, alors que vous êtes encore en train de les collecter et de les traiter. La gestion active des données est très importante, car attendre la fin du projet pour gérer vos données peut nuire à celui-ci. Cela renvoie à l’adoption d’une approche axée sur les données : la gestion active des données doit en effet être envisagée avant même le début du projet et constituer un élément essentiel de votre plan de gestion des données (DMP).
Il est important de comprendre comment analyser les données que vous allez collecter. L’une des compétences qui peut vous aider à devenir un meilleur analyste de données consiste à maîtriser les bases du codage et à comprendre le fonctionnement des outils d’analyse automatisés. Même s’il n’est pas nécessaire d’être un expert en codage, quelques connaissances en la matière vous seront utiles, en particulier la compréhension des principes théoriques qui sous-tendent un bon codage. L'analyse de données est également une compétence importante à posséder, en particulier lors de la conversion entre feuilles de calcul. Être capable d'analyser et de comprendre où une conversion a mal tourné d'une feuille de calcul à l'autre, ou à quel endroit un programme a commis une erreur, est une compétence essentielle qui vous fera gagner du temps à long terme. Des connaissances de base en programmation peuvent rendre ces transferts plus efficaces, notamment en utilisant Python et des fichiers .csv, mais l'analyse reste indispensable pour détecter les erreurs.
Cette étape intervient au cours de la phase de publication, une fois que vous avez atteint les principaux objectifs de votre recherche.
La gestion des données peut vous aider à partager efficacement vos données. Une bonne planification de la gestion des données facilite la gestion des licences, des métadonnées et des formats normalisés, tout en respectant les principes FAIR qui visent à favoriser le partage des données.
Les données ouvertes sont des données assorties d'une licence autorisant leur réutilisation de bonne foi par toute personne qui le souhaite. Les données ouvertes constituent l'un des moyens les plus simples et les plus efficaces de partage de données, à condition qu'elles soient gérées correctement, conformément aux normes relatives aux données et aux métadonnées. La recherche et l'utilisation de vos données ouvertes doivent être simples pour les autres.
Le partage des données profite à tous les chercheurs, y compris à vous ! Cela permet de réduire les dépenses nécessaires pour rendre les données interopérables, de limiter les expériences répétées (à l'exception des études de reproductibilité) – vous évitez ainsi de mener sans cesse les mêmes recherches parce que les données ne sont pas accessibles – et favorise une meilleure collaboration. Cela améliore également l'efficacité et la qualité de la recherche en fournissant un référentiel des meilleures pratiques.
Cette formation abordera tous les aspects essentiels pour vous aider à devenir le meilleur gestionnaire de données et chercheur en début de carrière possible ! Notre prochain module sera spécifiquement consacré aux éditeurs et aux organismes de financement du secteur océanographique.
Selon vous, quelle est la partie la plus importante du cycle de vie de la recherche ? Quel est le lien plus général avec les données, et y a-t-il des liens que vous aimeriez approfondir ?
