Télécharger pour lire hors ligne
Téléchargé parFrancois ANDRE
Recommandations rda sur la citation des données
Le document présente des recommandations sur la citation des données, visant à assurer leur identification, leur accessibilité et leur stabilité au fil des évolutions technologiques. Il propose des règles pour conserver les versions des données, horodater les opérations et normaliser les requêtes afin de garantir la traçabilité et la reproductibilité. Ces recommandations, développées sur 18 mois par le groupe de travail RDA, visent à améliorer la gestion et la citation des ensembles de données.
Recommandations rda sur la citation des données
- 1. I D EN T I F I C A T I O N D E S D O N N É E S L E S R E C O M M A N D AT I O N S R D A 20/21 janvier 2016
- 2.
- 3. 3 Add an image Constatd’une difficulté Citer des données n’est pas trivial • Un jeu de données peut évoluer dans le temps • Un jeu de données peut être corrigé • On peut vouloir citer plusieurs ou des parties de jeux de données • Citer des données n’est pas citer les programmes ou les personnes Les préconisations RDA Travail de 18 mois 14 préconisations permettant un mécanisme de citation précis des données Téléchargement https://rd-alliance.org/system/files/documents/RDA-DC- Recommendations_151020.pdf C i t e r l e s D o n n é e s 3
- 4. O b je c t i f s 4 CITATION Permettre l’identification et la citation de toute partie d’un ensemble de données associées à un instant précis du système de données RÉCUPÉRATION Permettre de récupérer – à partir d’une citation – les données dans l’état qu’elles avaient au moment où la citation a été définie STABILITÉ Assurer une stabilité au fil des changements technologiques
- 5. S o lu t i o n 5 SUIVI des VERSIONS Les différentes versions d’une données doivent être conservées dans le système de données HORODATAGE Chaque opération sur les données doit être horodatée STOCKAGE des REQUÊTES Les jeux de données sont identifiées en assignant des PID aux requêtes qui les ont retournés. Le couple PID-Requête* est stocké de manière pérenne dans le SI : c’est le query store * On parle bien des requêtes et non de leur résultat.
- 6.
- 7. A : Pr é p a r a t i o n s d e s d o n n é e s ( R 1 R 3 ) 7 R1 Les différentes versions des données doivent être conservées. Gestion des versions R2 Les opérations sur les données – addition, suppression, … – doivent-être horodatées. Horodatage R3 Les requêtes et leurs métadonnées doivent être stockées de manière pérenne et doivent pouvoir être exécutées à nouveau. Stockage des requêtes
- 8. B : Id e n t i f i c a t i o n d e s j e u x ( R 4 R 1 0 ) 8 R4 Les requêtes doivent être normalisées afin de détecter des requêtes identiques. Unicité des requêtes R5 L’ordre des données au sein des jeux de données produits lors des extractions doit être stable. Stabilité de l’ordre des données R6 Lors de la première exécution d’une requête, la signature du jeu de données (somme de contrôle) doit être calculée et stockée avec la requête afin de vérifier le résultat d’une re-exécution. Vérification des jeux de données
- 9. B : Id e n t i f i c a t i o n d e s j e u x ( R 4 R 1 0 ) 9 R7 Chaque requête doit contenir la date de son exécution ou, préférablement, la date de la dernière mise à jour de la base de données Horodatage de la requête R8 Le PID doit permettre d’identifier la requête. Le calcul du PID de la requête doit prendre en compte tous les paramètres, y compris l’horodatage Affectation d’un PID à la requête R9 Le query store doit stocker la requête et ses métadonnées: requête normalisée, somme de contrôle, horodatage… Ces informations doivent pouvoir être affichées sans calcul complémentaire conséquent Stockage de la requête (complément R3)
- 10. B : Id e n t i f i c a t i o n d e s j e u x ( R 4 R 1 0 ) 10 R10 Le texte de citation doit être généré automatiquement doit être fourni en même temps que le jeu de données Texte de citation automatiques
- 11. C : Re - e x é c u t i o n d e s r e q u ê t e s ( R 1 1 R 1 2 ) 11 R11 La landing page des PID doit permettre • De re-exécuter la requête •Obtenir les métadonnées associées à la requête (y.c. le texte de citation) Landing Page R12 Les fonctionnalités de R11 doivent être automatisables (interopérabilité) Automatisation
- 12. D : In v a r i a n c e a u c h a n g e m e n t ( R 1 3 R 1 4 ) 12 R13 Lors d’une migration (modèle du stockage, technologique, hébergement,…) les requêtes doivent être migrées (adaptation, déplacement) Migration des requêtes R14 Une migration de requête doit faire l’objet d’une vérification de re-exécution (comparaison des sommes de contrôle) . Vérification des migrations
- 13. C o mp l é m e n t s 13 IMPLÉMENTATIONS • Dans le cadre de son activité leWG Data Citation a aidé à la mise en place d’implémentations spécifiques pilotes • Pas d’implémentation générique pour le moments POURSUITE LeWG a achevé sa mission initiale Suite de l’activité : - Un document complémentaire aux recommandations est en cours de validation -Webminaire en mars
- 14.
- 15. R e co m m a n d a t i o n s s u p p l é m e n t a i r e s 15 R9b Parmi les critères de recherche, certains doivent permettre au PI d’identifier facilement ces données afin de créer facilement les PID le concernant Recherche de sélections pour le producteur de la donnée R10b Le système d’information doit proposer la publication du PID sur une Registration Authorities (RA). La publication n’est pas le seul fait du fournisseur de la donnée. On peut ne stocker que les requêtes pour lesquelles l’utilisateur a explicité exprimé ce besoin Publication du PID R10c Le système doit permettre d’obtenir un PID (et de le publier) sans pour autant réaliser l’extraction (dans ce cas la somme de contrôle n’est pas présente) Génération du PID sans exécuter l’extraction
- 16. R e co m m a n d a t i o n s s u p p l é m e n t a i r e s 16 R11b La landing page doit permettre de savoir si les données ont été modifiées depuis la requête Landing page étendue R11c La landing page doit permettre de re-exécuter la requête avec les données actuelles (c.a.d. sans tenir compte de l’horodatage de la requête) Obtenir les données plus récentes R? Le système doit permettre de PID correspondant à plusieurs PID existants Générer un PID de PIDs
- 17.
- 18. AVANTAGES Répond à unbesoin scientifique (?) Précision de la citation Traite la question de la granularité Est compatible avec le mécanisme classique Ouvre la publication à l’utilisateur Pro s & Co n sCo mplémen ts Lien avec d’autres problèmatiques structurantes (métadonnées, provenance,…)
- 19. INCONVENIENTS Implémentations limitées àdes prototypes Eléments structurellement spécifiques Certaines fonctionnalités complexes Pro s & Co n s
- 20. SUITE Une implémentation partielleou incrémentale peut être intéressante Certaines recommandations peuvent être assouplies Pro s & Co n s Communauté motivée (pilotes RDA, ENVRI+,…) Technologies proposant l’horodatage (SQL 2011, Git,…) Action Interpôles ?
- 21.
- 22. A u tr e s i n i t i a t i v e s 22 FORCE11 : https://www.force11.org/datacitation •CODATA : http://www.codata.org/task-groups/data-citation-standards-and-practices CEOS : 29 recommandations basées sur les DOI • 29 recommandations basées sur les DOI Téléchargement : http://ceos.org/document_management/Working_Groups/WGISS/Interest_Groups/Data_Stewardship/Best_Practices/CEOS%20Persistent%20Identifier %20Best%20Practices_v1.0.pdf • Extraits R 8 PID non significatif Nouvelles versions nouveau PID Similaire à RDA R8 Citation au niveau de la collection Perte de la citation fine Gestion des séries évolutives : PID unique Perte de la reproductibilité. Citation de données venant de jeux différents potentiellement citation très longue. Différent de RDA Autres
- 23. Merci www.aeris-data.fr Modèle de présentation: ttp://thepopp.com/ - Jun Akizak