Données de recherche

Partager et utiliser des données de recherche peut améliorer l'impact, la validité, la reproductibilité, l'efficacité et la transparence de la recherche scientifique.

Rapport sur les données ouvertes : la perspective des chercheurs

Un nouveau rapport émanant d'Elsevier et de CWTS révèle que bien que les avantages des données de recherche ouvertes soient connus, en pratique, la confusion sur le moment et la façon de partager des données de recherche demeure au sein de la communauté scientifique.

En savoir plus sur le rapport sur les données ouvertes (en anglais)


Rendre les données efficaces

Chez Elsevier, nous pensons qu'il y a 10 aspects spécifiques aux données hautement efficaces qui peuvent servir de feuille de route pour le développement de meilleurs processus et systèmes de gestion des données tout au long du cycle de vie des données. Ceux-ci sont présentés ci-dessous :

Cette pyramide peut servir de feuille de route au développement de meilleurs processus de gestion de données. (Cette œuvre est protégée par une licence internationale Creative Commons Attribution 4.0.)

  1. Stockage
    La première étape de la hiérarchie des besoins en données de recherche est le stockage des données nouvellement acquises.
  2. Conservation
    Une fois les données de recherche stockées, elles doivent être conservées indépendamment du format afin d'éviter tout risque d'obsolescence des données.
  3. Accessibilité
    Même lorsque les données sont stockées et conservées, cela ne signifie pas qu'elles sont automatiquement accessibles. Les chercheurs et les machines souhaitent accéder aux données, par exemple à des fins de méta-analyses ou pour toute autre réutilisation de données.
  4. Disponibilité
    Même si les données sont stockées, conservées et accessibles, cela n'en vaut pas la peine si elles ne sont pas disponibles autour de soi.
  5. Citabilité
    L'un des obstacles à surmonter dans le partage des données est le travail supplémentaire qui s'impose aux chercheurs et le peu de reconnaissance que cela implique. Les citations de données ont le potentiel de changer cela, car elles peuvent être facilement intégrées au système actuel de récompenses basé sur les citations d'articles.
  6. Intelligibilité
    Pour permettre aux données d'être réutilisées, on doit clairement connaître les unités de mesure utilisées, la façon dont les données ont été collectées et les abréviations et paramètres utilisés. L'origine des données est essentielle à leur compréhension.
  7. Examen
    Bien qu'il soit courant d'utiliser l'examen par les pairs pour les articles de recherche, cela l'est bien moins pour ce qui est des données de recherche. Cependant, il s'agit d'une étape importante quant au contrôle qualité et à la fiabilité des données.
  8. Reproductibilité
    La reproductibilité des résultats de recherche est un point crucial pour la science. L'irréproductibilité trouve souvent son origine dans le manque d'éléments au sein des données de recherche, éléments nécessaires pour obtenir des résultats de recherche identiques. Par exemple, les ressources (anticorps, organismes modèles et logiciels) mentionnées dans la littérature manquent souvent de détails suffisants pour permettre la reproductibilité ou la réutilisation.
  9. Réutilisation
    L'autre avantage du partage des données de recherche qui profite à tout le monde de la recherche est la possibilité de réutiliser ces données. Les autres chercheurs réutiliseront des données uniquement si elles sont suffisamment fiables et reproductibles.
  10. Intégration
    Nous pensons qu'il est important d'intégrer ces neuf aspects des « données de recherche hautement efficaces ». Les données devront par exemple être conservées en vue d'être réutilisées. Pour être citées, les données doivent être accessibles. Les pratiques des systèmes actuels de stockage et de partage des données devront être prises en compte lors de la création de systèmes dédiés à la citation ou à la réutilisation des données.
    Ces neuf étapes ainsi que la 10e étape d'intégration sont conçus pour servir de guide permettant de vérifier et valider les pratiques de gestion de données de recherche plutôt que d'être des règles à suivre.

Force11

Co-fondateur
Co-auteur des principes des données FAIR
Implémentation des principes des citations de données

ORCID

Co-fondateur

Pistoia Alliance

Membre actif

ICSU

Membre actif

Scholix

Co-fondateur

STM

Soutien à la déclaration de Bruxelles sur les données ouvertes

Research Data Alliance

Membre actif

Gestion des données de recherche

Elsevier intègre les données de recherche au workflow et les rend accessibles, consultables et réutilisables.

Lire la suite

Collecte de données et de texte

Tous les livres et revues Elsevier autorisent la collecte de texte et de données (TDM). En savoir plus sur la façon de travailler plus efficacement dès aujourd'hui.

Lire la suite

Citation de données

Toutes les revues Elsevier permettent de simplifier la citation dans les documents scientifiques d'une manière claire et cohérente.

Lire la suite