Dès la phase initiale des projets de recherche, les organismes de financement imposent une réflexion sur la collecte, la modélisation, production, le stockage et la valorisation des données de la recherche. Gérald Kembellec propose de voir cette contrainte comme l’opportunité d’anticiper les questions liées aux données des projets de recherche, en effet leur qualité et leur structuration permettront une exploitation et une ré-exploitation maximales.

Il illustre son propos au travers d’exemples pratiques de projets en cours, en Histoire ou Histoire de l’art. Cet atelier est l’occasion de discuter la posture maïeutique interdisciplinaire, point de départ d’une modélisation robuste – elle-même garante de la réalisation d’un corpus de qualité. Il termine par la question de l’exposition, de l’ouverture et la diffusion des données de la recherche : les enjeux et méthodes.

Gérald Kembellec est MCF en sciences de l’information et de la communication au CNAM (Paris) et actuellement chargé de recherche au département des Humanités Numériques de l’Institut Historique Allemand (IHA, Paris). Ses thématiques de prédilection sont l’accès aux données liées au sein des dispositifs info-communicationnels et les systèmes de recommandations. Il aime exercer ces thématiques sur le terrain des humanités.

Vidéo

Minutes de l'atelier

FPLAB Atelier théorique - 21 mai 2021

Modélisation des données. Une maïeutique interdisciplinaire pour des données de qualité, avec Gérald Kembellec

→ page de l’événement

→présentation

Retour sur le premier projet en HN qui a amené à travailler le sujet de la modélisation de données

Préambule

injonction au DMP depuis 2019, dès le montage de projet:

comment on collecte, stocke, partage, restituer, diffuser les données

LE DMP comme un outil pour formaliser ces aspects: formulaire en ligne.

COnsidérer le DMP comme une étape constructive pour son projet :

nous oblige à modéliser: penser le projet de recherche en amont et réfléchir aux données, leur type, leur volume, leur stockage, une éventuelle anonymisation, choix de licence, etc.
anticiper la valorisation du projet, et celle des données

Modéliser et co-construire: spécificité “interdisciplinaire” des HN

transfert des méthodes d’une discipline à une autre, mais avec une finalité inscrite dans sa propre discipline. travailler à plusieurs, mais y trouver de la matière et de l’intérêt à sa propre discipline

!= transdisciplinarité: travailler avec une vision discontinue entre discipline (co-construction d’objet)

Interdisciplinarité:

échange de méthodes: suppose un dialogue et un échange de connaissances.

Les HN sont par nature interdisciplinaires.

Objet de recherche: penser un phénomène, observé depuis une ou plusieurs disciplines

démarche d’écoute de l’autre, et démarche de maïeutique

enrichissement scientifique mutuel

Modéliser son objet de recherche: maïeutique en dialogue

méthode socratique d’échange : interroger les autres pour exprimer leurs connaissances, leurs points de vue. écouter et reformuler, séries de boucles itératives

questionner, écouter, retranscrire (sous forme schématique), confronter et négocier les points de vue

outil SyMoGIH http://symogih.org/ (labo LARHRA): système pour comprendre les liens (sémantiques) entre acteurs de l’histoire et tous les concepts d’histoire (lieux, actions, objets, faits, etc.)

considérer que cette modélisaiton permet de prendre du recul sur son objet.

mocodo.wingi.net : logiciel permettant de modéliser un objet de recherche facilement sans se préoccuper de la modélisation de la base de données.

Modélisation comme une transcription conceptuelle d’un objet de recherche. Ce n’est pas nécessairement (ou pas encore) une pratique informatique.

Réaliser un dispositif de médiation après la modélisation

du modèle au dispositif:

FUD, Heurist, OmekaS, NakalaPress,

Retour sur un projet interdisciplinaire

Histoire de l’art, SIC, Sociologie

Corpus de critiques d’art

approche monographique des critiques

documentation et modélisation des échanges pour comprendre les demandes des acteurs

Modèle co-construit.

du modèle aux interfaces répondant aux besoins usagers, mais aussi à la réalité des modèles documentaires et informatiques

prosopographie: analyser les acteurs par leurs caractéristiques

à l’Origine du projet: la maïeutique

1ere modélisation trop simpliste par rapport au besoin des chercheurs en HA.

la maïeutique pour faire émerger un modèle plus complexe, ex: prise en compte de personnes, pseudo, collectif, etc.

Importance de la qualité des modèles et des données

granularité pour :

interroger la base de manière pointue
enrichir les contenus des pages générées:
- référencements, etc.
- interrogation sémantique
- identification individuele des contenus
- détection et moissonnage des notices
augmenter la granularité des recherches et la finesse d’interrogation via du raisonnement d’inférence avec un moteur sémantique (de type SPARQL), par ex. pour une meilleure citabilité des auteurs

réconcilier des pratiques (formats) avec des exigences de documentation

collecte
relecture
saisie contrainte qualitative: la saisie devait accéder à une “autorité sociale énonciative et institutinonelle” (Gérard Leclerc)
Dépôt

Interfaces

visuelles: IHM, dont formulaire de recherche en français vernaculaire
systématiques: ETL, API
microformat/microdonnées: permettent aux moteurs de détecter des connaissances à l’intérieur d’un contenu

voir openLink Structured Data Sniffer: http://osds.openlinksw.com

Vers la prosopographie

science annexe de l’histoire: observation des personnes dans leur milieu (à la sociabilité identifque)

ex, projet de Lamassé/Cohamé (?): les universitaires au moyen-âge

la modélisation des données en amont a permis de faire ressortir des éléments prosopographiques : salons, sociétés syndicats, oeuvres, critiques, pseudo, formations, distinctions, profession des parents, etc.

utilisation de notices d’autorité (ISNI, wikidata) pour faire du raisonnement par graphe

visualisations sur le corpus (post-hackathon)

PCLanglais: http://vintagedata.org/divers/reseauCritiquesArt/

Questions

Isabelle Marthot Santaniello: prosopographie, avec données fines sur les individus. La source des données est-elle conservée dans la base de données ?

les données étaient déjà traitées (thèse, master), mais aussi ISNI (référentiel d’autorité).

pas de lien aux sources des données

Laurent (MetaindeX): BD type NoSQL moins de contraintes qu’une modélisation rigide en amont.

avec le recul, à quel point l’effort poussé de modélisation et de contraintes posées sur l’outil est-il à l’usage rentable pour le chercheur, comparé à un stockage dans une BD peut-être moins contrainte (type NoSQL typiquement) mais disposant d’un langage de requête avancé

À l’usage, certains éléments n’ont pas pu être modélisés et donc n’ont pas pu être intégrés

Evolution avec le principe du datalake et de son traitement pour des données structurées

voir papier sur BD SCM

Claude Mussou: dimension quanti est toujours complétée par un retour aux sources et aux documents
Valérie: Comment intégrez-vous le suivi de la maintenance de la plateforme, les mises à jours continuent-elles dans cette ressource ou est-ce un projet considéré comme terminé?

BDD figée, phase d’exploitation

Données archivées sur Zenodo

implémentation du modèles

Utilisation de micro-données (schema.org) plutôt que du RDFA

Palimpseste de descriptions

Raphaëlle Krummeich (IRIHS) Quid de FRBRoo (BNF) ou le Cidoc-CRM et ses extensions?

https://ontome.dataforhistory.org/

Gérald Kembellec