SlideShare une entreprise Scribd logo
1  sur  80
Marie-Laure Malingre, Florence Thiault
URFIST de Rennes
7 avril 2021
Pourquoi et comment rédiger un Plan de gestion
de données (PGD / DMP) ?
2
1. Eléments de contexte : politiques de Science ouverte, politiques des
données
2. Rappels sur les données de la recherche
3. Définition d’un Plan de Gestion de Données
4. Pourquoi rédiger un PGD ?
5. La rédaction du PGD : Découverte de DMP OPIDoR
6. Comment rédiger un PGD en appliquant les principes FAIR
7. Evaluation des PGD : TP
8. Evolution des PGD
Plan
2
3
Eléments de contexte : politiques de Science
ouverte, politiques des données
 Le rapport de l’OCDE (2007; version révisée 2021)
« Principes et lignes directrices pour l’accès aux données de la
recherche financée sur fonds publics »
 « La valeur des données réside dans leur exploitation. L’accès total
et ouvert aux données scientifiques devrait devenir la norme
internationale pour l’échange des données scientifiques issues de la
recherche financée sur fonds publics »
• Programme de recherche européen Horizon 2020
 Projet pilote lancé en 2013 sur les données de recherche
 Fait « du libre accès aux données de recherche la règle
générale »
Plusieurs jalons :
4
Open Research Data Problématique de l’accès aux données
de la recherche financée sur fonds
publics
Contexte et politiques
• Loi pour une République numérique (octobre 2016)
 Article 30 : conditions de libre réutilisation des données de
recherche
« II.- Dès lors que les données issues d'une activité de
recherche financée au moins pour moitié par des dotations de
l'Etat, des collectivités territoriales, des établissements publics,
des subventions d'agences de financement nationales ou par
des fonds de l'Union européenne ne sont pas protégées par un
droit spécifique ou une réglementation particulière et qu'elles
ont été rendues publiques par le chercheur, l'établissement ou
l'organisme de recherche, leur réutilisation est libre. »
5
Open Research Data
Contexte et politiques
• Participation française à des réseaux
internationaux
– RDA Alliance
• « La Research Data Alliance (RDA) est une organisation
internationale, interdisciplinaire, dont la mission est de
construire des passerelles, à la fois sociales et techniques,
pour permettre un libre partage des données et leur
interopérabilité. »
• « Dans le cadre du projet européen RDA Europe 4.0, qui a
démarré le 1er mars 2018, le CNRS a la charge de développer
le nœud national RDA-France. » (Ouvrir la Science)
– Initiative GoFAIR
• réutilisation optimale des données de la recherche
• fournir des données et des services « FAIR ».
6
Open Research Data
Contexte et politiques
 2018 : Plan national pour la Science Ouverte. Deuxième axe :
« structurer et ouvrir les données de la recherche »
 Principe d’ouverture par défaut pour toutes les données publiées dans le
cadre d’appels à projet sur fonds publics
7
Open Research Data
Contexte et politiques
 Plan d’action 2019 de l’ANR et ouverture des données de
recherche
« Engagée dans une politique de science ouverte […],
l’ANR appelle les coordinateurs à considérer la question des
données de recherche au moment du montage et tout au
long du projet. L’Agence demande à ce que les publications
consécutives aux projets qu'elle finance, soient déposées en
texte intégral dans une archive ouverte, et imposera de plus un
plan de gestion des données (DMP) pour les projets financés à
partir de 2019. »
8
Open Research Data
Modèle de DMP / PGD ANR sur DMP Opidor
Contexte et politiques
9
Rappels sur les données de recherche
• Diversité des données de la recherche
10
Pourquoi s’intéresser à la gestion des données
Source : Marie Puren. Gérer les données de la recherche, 2018
11
Source : Magali Moysan. Les plans de gestion de données, 2016
Que deviennent les données ?
 Les enjeux liés à leur utilisation
 Rôle des données dans la validation de la recherche, rôle de la
donnée comme guide de la recherche
 Maîtrise des données
Il importe de :
 Traiter ces masses d’information pour les analyser
 Réaliser une gestion des données permettant de les retrouver
et de les rendre compréhensibles
 Développer des services d’accès
 Garantir la fiabilité et la traçabilité des données
12
Enjeux de la gestion des données
 Les enjeux liés à leur conservation
 Pour garantir de la perte de données ou de leur altération
 Pour protéger les données
 Pour permettre leur éventuelle réutilisation dans un autre
contexte de recherche
 Pour conserver une trace de la recherche (patrimoine
scientifique)
Il importe de :
 Définir les modalités de diffusion, de conservation, d’archivage
des données (sélection et préparation des données, migration
vers des formats de données sans perte de qualité,
entrepôts…)
13
Enjeux de la gestion des données
 Les enjeux liés à leur partage et leur réutilisation
 Permettre et faciliter l’accès le plus large lorsque cela est possible
 Eviter les phénomènes de privatisation et d’appropriation des
données
 Améliorer la qualité, la visibilité, l’impact de la recherche
 Favoriser les collaborations scientifiques demandant le partage
ou l’élaboration collective de données
ll importe de :
 Documenter les données et les décrire de manière très précise
 Définir des conditions d’accès, des droits de réutilisation
 Contrôler la compatibilité, l’interopérabilité des formats, la lisibilité
 Procéder à une Dé-contextualisation – re-contextualisation
14
« Aussi ouvert que possible, aussi fermé que nécessaire »
Les données peuvent relever de droits multiples
Enjeux de la gestion des données
15
Source : J.C. Desconnets, P. Aventurier, S. Banon. Entrepôt de données ouvertes IRD
Cycle de vie des données de la recherche, CCSD, voir aussi INIST, adapté du modèle UK Data Archive
Collecter / créer les données; capturer les données
avec les métadonnées; acquérir des données
existantes d’un tiers.
Analyser et interpréter les données ;
produire les résultats de recherche ; citer
les sources de données.
Définir un espace de stockage des données
Définir les droits d’auteur et
d’utilisation; contrôler les métadonnées
et la documentation ; faire des copies
de sauvegarde; publier et partager les
données.
Préparer les données pour la conservation; migrer
les données vers le meilleur format et un support
adapté; les sauvegarder et les décrire dans un
entrepôt de données; définir les accès et
promouvoir les données archivées
Entrer, numériser, transcrire, traduire les données ;
vérifier, valider nettoyer, anonymiser ; dériver des
données ; décrire et documenter les données ; gérer
et sauvegarder les données.
Réaliser des analyses secondaires, un
suivi de recherche, une nouvelle
recherche, des évaluations de la
recherche…
16
Le cycle de vie des données
17
Qu’est-ce qu’un PGD ?
Le PGD : une définition
Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA.
URFIST Paris - 05 avril 2019
18
Document formalisé qui
décrit la façon dont les
données seront obtenues,
traitées, documentées,
analysées, organisées,
stockées, sécurisées,
préservées, partagées…
au cours et à l’issue
d’un projet.
• Aide à la mise en
place de bonnes
pratiques de
gestion à toutes
les étapes du
cycle de vie des
données
Cycle de
vie
des
données
Le PGD : une définition
S’appuie sur le cycle de vie des données
19
Le PGD : une définition
Le PGD dans le cycle de la recherche
Nathalie Reymonet, Magalie Moysan, Aurore Cartier, Renaud Délémontez. Réaliser un plan de gestion de données “
FAIR ” : modèle . 2018. sic_01690547v2
Le PGD : une définition
1966 > première mention des PGD
• Documents de procédure décrivant
les activités de recherche et
développement dans des projets
aéronautiques et techniques
complexes
Années 70-80 > extension de
l’utilisation des PGD
• Outil de gestion de projets en phase
active
Jusqu’au début des années 2000 :
• Un périmètre limité pour les DMP
2000-2010
• Explosion de la production de
données
• Importance croissante des politiques
publiques comme leviers
• OCDE : « Declaration on Access to
Research Data fromPublic Funding »
• 2005, UK : recommandation aux
organismes de financement d’exiger
la soumission de DMP avec les
demandes de financement
2010-
• Mandats du PGD des organismes
de financement
• Outillage institutionnel pour aider le
chercheur 20
Le PGD une forme récente pour une pratique plus ancienne
Source : The History, Advocacy and Efficacity of Data
Management Plans
Quand fait-on un PGD ?
C’est un document évolutif :
- Initié en amont du projet (de préférence dès le montage du projet)
- Commencer par ce que l’on sait du projet
- Nulle obligation de rédiger tout le DMP d’un coup
- Continuellement mis à jour tout au long du projet
Différents types de PGD
- PGD de projets
- PGD de structures, d’établissements
- PGD de thèses
- PGD de logiciels ou SMP (cf. modèle PRESOFT)
21
Le PGD : une définition
22
Les plans de gestion de données - S. Cocaud et D. L'Hostis,
INRA. URFIST Paris - 05 avril 2019
16.04.21
PLAN DE GESTION DES DONNÉES
MODÈLE ANR
 Modèle composé de 6 grandes thématiques illustrant les bonnes
pratiques de gestion et de partage :
Modèle de DMP pour l’ANR
Description des
données et collecte
ou réutilisation des
données existantes
Documentation et
qualité des données
Stockage et
sauvegarde pendant
le processus de
recherche
Exigences légales et
éthiques, codes de
conduite
Partage des
données et
conservation à long
terme
Responsabilités et
ressources en
matière de gestion
des données
1. Préparation du projet
2. Coûts liés au projet
3. Collecte et réutilisation des
données
4. Documentation des données
5. Stockage et organisation
6. Accès aux données
7. Partage et publication
8. Archivage
9. Aspects éthiques et juridiques
10. Informations générales sur le
projet et ses données
24
Pour résumer : 10 sujets à traiter dans un PGD
Edugroepen, 2018
URFIST Rennes
Les acteurs impliqués
Source : Parcours interactif sur
la gestion des données de la
recherche, DoRANum
Communauté scientifique
Ingénieur projet
Service juridique
Délégué à la Protection
des Données
Professionnel de l’IST
Informaticien
Archiviste
Un quiz DoRANum sur le plan de gestion de données
26
Planifier la gestion des données : DMP
27
Pourquoi rédiger un PGD ?
Anticiper les questions de gestion avec un PGD
Le PGD / DMP s’appuie sur le cycle de vie des
données/documents
“Data Management Plans (DMPs) are a key element of
good data management.”
Faciliter les bonnes pratiques, les pratiques FAIR
(H2020 Programme. Guidelines on FAIR Data Management in Horizon 2020)
L’établissement d’un PGD est de plus en plus demandé
dans les appels à projets financés sur fonds publics,
notamment européens.
28
Pourquoi rédiger un PGD / DMP
Le PGD : une définition
29
• Réfléchir à ses pratiques pour améliorer l’efficacité
de sa recherche
• Économiser son temps et ses efforts
• Réduire les risques de fausse manipulation ou
d’oubli
• Augmenter ses chances d’obtenir des subventions
• Faciliter la valorisation de ses données
• Anticiper de futures recherches
• Préparer des data paper
Dans l’intérêt du chercheur
Le PGD : une définition
30
Pour les organismes de recherche
• Reproductibilité de la recherche, réputation
Pour les financeurs
• Réutilisabilité des données, retour sur investissement, innovation
Données consultables ou réutilisables
Science vérifiable et reproductible
Meilleure réputation chercheurs et institutions de recherche
Augmentation de la confiance accordée par société civile
Dans l’intérêt des parties prenantes
Le PGD : une définition
Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA.
URFIST Paris - 05 avril 2019
31
Se poser les bonnes questions dès le début du projet pour…
• identifier les risques liés à la gestion des données,
assurer la sécurité et la préservation des données sur
le long terme,
• identifier les responsabilités, les rôles de chacun
dans la gestion des données, planifier les ressources
et compétences nécessaires à cette gestion,
• garantir des données fiables et bien gérées tout au
long du projet, compréhensibles, disponibles et
préservées sur le long terme pour une réutilisation
future (démarche FAIR)
Planifier la gestion des données
32
Source : Entrepôt de données ouvertes IRD
33
Découverte de DMP OPIDoR
DMP OPIDOR - Guide d’utilisation
DMP OPIDOR
GUIDE D’UTILISATION
STAGE URFIST de Rennes, « Semaine Data-SHS », 8 décembre 2020
CNRS – Inist/DVDR/Service Formation-DoRANum
16.04.21
SOMMAIRE
 Présentation
 Page d’accueil / connexion - authentification
 Création d’un plan de gestion des données - Modèles
 Rédaction du plan
 Partage d’un plan
 Téléchargement
 DMPs publics
 Gestion des notifications
 Ressources
DMP OPIDOR
PRÉSENTATION
https://dmp.opidor.fr
Outil d’aide à la création en ligne de DMP, permettant d’anticiper la gestion des
données dans le cadre de projets de recherche
 Accessible à la communauté scientifique de l’ESR et à ses partenaires
français ou étrangers
 Personnalisable par tout organisme de recherche pour la mise en place de
sa politique de données
 Enrichi par des exemples et des recommandations adaptés à
l’environnement de recherche
 Collaboratif : il facilite les échanges entre les partenaires d’un même projet
et les services d’accompagnement
 Outil open source, développé par une communauté internationale, basé sur
le code commun DMPRoadmap du Digital Curation Center et de l’UC3
16.04.21
P 37
DMP OPIDOR
PAGE D’ACCUEIL / DE CONNEXION
Créer un compte
Se connecter avec son
accès institutionnel
16.04.21 38
DMP OPIDOR
S’INSCRIRE / S’AUTHENTIFIER
Sélectionner son
établissement
16.04.21 39
DMP OPIDOR
PAGE D’ACCUEIL APRÈS AUTHENTIFICATION Menu principal
Messages
OPIDoR
Plans créés
ou partagés avec
un utilisateur
authentifié
Tri possible
16.04.21 40
DMP OPIDOR
CRÉER UN PLAN
Plusieurs possibilités pour
créer un plan
16.04.21 41
DMP OPIDOR
CRÉER UN PLAN À PARTIR D’UN MODÈLE
Sélectionner
le modèle
Saisir l’acronyme et le
titre du projet
16.04.21 42
DMP OPIDOR
RÉDIGER LE PLAN : RENSEIGNEMENTS SUR LE PROJET
Préciser le numéro
de subvention
Partie commune
à tous les
modèles de plan
Identifiant du
DMP lorsqu’il est
publié et partagé
dans un entrepôt
16.04.21 43
DMP OPIDOR
RÉDIGER LE PLAN : PRODUITS DE RECHERCHE
Déclarez séparément les
différents types de produits de
la recherche : jeux de données,
logiciel, objet physique…
16.04.21 44
DMP OPIDOR
RÉDIGER LE PLAN : VUE D’ENSEMBLE
Récapitulatif des
sections et
questions du DMP,
en fonction du
modèle choisi
16.04.21
45
DMP OPIDOR
RÉDIGER LE PLAN : LES DIFFÉRENTES SECTIONS
Plusieurs sections :
À déplier pour
répondre aux
questions et accéder
aux recommandations
16.04.21 46
DMP OPIDOR
RÉDIGER LE PLAN : RÉDIGER LES DIFFÉRENTES SECTIONS
Possibilité de
créer un tableau
Ne pas oublier
d’enregistrer
chaque réponse
Recommandations :
Il est possible d’en
sélectionner d’autres
Cocher cette case si
on veut dupliquer
les réponses de
cette section pour
les autres produits
de recherche
16.04.21 47
DMP OPIDOR
RÉDIGER LE PLAN : COMMENTAIRES
Il est possible
d’ajouter des
commentaires à
partager avec ses
collaborateurs
16.04.21 48
DMP OPIDOR
PARTAGER UN PLAN DE GESTION
Renseigner le mail du collaborateur
puis lui attribuer des droits
Possibilité de demander
une assistance
Visibilité du PGD
16.04.21 49
DMP OPIDOR
TÉLÉCHARGER UN PLAN DE GESTION
Choix du format d’export :
html, pdf, docx
16.04.21 50
DMP OPIDOR
DMPs PUBLICS
 Les DMPs publics sont
créés à l’aide de DMP
OPIDoR et partagés
publiquement par leurs
propriétaires
 Les plans de test ne
peuvent pas être
rendus publics
16.04.21 51
DMP OPIDOR
GÉRER LES NOTIFICATIONS
Permet d’être
prévenu lorsqu’un
collaborateur fait
des modifications
16.04.21 52
DMP OPIDOR
RESSOURCES
 Aide
 Exemples de plan de gestion
de données
 Ressources utiles, guides, sites
 Types de produits de recherche
www.cnrs.fr
16.04.21
53
info-opidor@inist.fr
contact@doranum.fr
https://dmp.opidor.fr
https://doranum.fr
54
Comment rédiger un PGD en
appliquant les principes FAIR
55
Les principes FAIR
https://doranum.fr/enjeux-benefices/principes-fair/
• Quel identifiant sera attribué aux données ? (DOI…)
• Quelles métadonnées seront utilisées pour décrire les
données ?
• Dans quel entrepôt seront déposées les données ?
• Des mots-clés sont-ils utilisés pour faciliter la découverte
des données ?
• Des mécanismes d'interrogation standards (SPARQL, SQL,
APIs standards) seront-ils disponibles ?
• Comment les fichiers seront-ils organisés ?
• Quelle convention de nommage sera utilisée pour les
répertoires et les fichiers de données ?
• Comment les versions des fichiers seront-elles identifiées ?
56
Le principe « findable » dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Findable
• Quelles sont les données qui seront librement accessibles ?
• Comment les données seront rendues accessibles ?
– dépôt dans un entrepôt…
• S’il y a des données en accès restreint,
– Pour quelles raisons ces données ne peuvent pas être
partagées largement ?
– Comment accéder à ces données ? (conditions d'accès)
• Des outils (documentation ou logiciel…) sont-ils nécessaires
pour accéder aux données ?
– Sont-ils open source, sinon seront-ils fournis ?
• La documentation et le code associés sont-ils accessibles
avec les données ?
57
Le principe « Accessible» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Accessible
• Les (méta)données peuvent-elles être échangées,
combinées et utilisées par d'autres (humains ou machines) ?
– Spécifier les standards, méthodologies, vocabulaires,
utilisés pour assurer l’interopérabilité des données et
métadonnées
– Utilisez-vous des vocabulaires standards assurant une
interopérabilité interdisciplinaire ?
– Dans le cas où vous devez utiliser des ontologies ou des
vocabulaires non standards, prévoyez-vous de faire des
liens (mapping) vers des ontologies ou des vocabulaires
communs ?
• Les (méta)données sont-elles liées à d’autres données ?
58
Le principe « Interoperable» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Interoperable
• Quelle licence sera associée aux données pour permettre
une large utilisation ?
• Quand les données seront-elles mises à disposition ?
– Les données sont-elles utilisables par des tiers, pendant
le projet/après la fin du projet?
– Quelles données sont à accès restreint et pourquoi ?
– Quel délai pour un éventuel embargo ?
– Pour quelle durée les données seront-elles disponibles
pour réutilisation ?
• Avez-vous décrit les processus d'assurance qualité des
données ?
59
Le principe « Reusable» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Reusable
1. Commencer tôt
2. Réfléchir à la réutilisation
3. Vérifier les politiques en vigueur
4. Se faire aider
5. Penser large
6. S’inspirer du travail d’autrui
7. Être précis là où c’est
nécessaire
8. Être concret
9. Oser avouer qu’on ne sait pas
10. Mettre à jour
60
10 conseils pour la rédaction du PGD
Edugroepen, 2018
61
Evaluer un PGD
62
L’expérience de la Commission européenne
• La commission européenne a évalué les plans
de gestion de données de projets en faisant
appel à des experts.
• L’évaluation est basée sur le modèle du plan de
gestion de la commission.
• Elle consiste à indiquer si l’information est
correctement, partiellement ou mal décrite et à
formuler des recommandations pour chaque
critère.
63
Recommandations de l’ANR
Comité pour la Science ouverte (CoSO) - Collège
« Données », Groupe de travaiI « PGD »
64
Recommandation n°15 du COSO
• La mise en place d’un « pilote » ;
• Une évaluation-conseil basée sur la trame du
plan de gestion de données de Science Europe ;
• Avoir une attente différente quant au niveau de
description en fonction de la version du PGD
• De formuler des recommandations globales ou
des alertes pour les responsables de projets (par
ex. dans le cas ou des projets gèrent des
données personnelles ou des données sensibles
sans mettre en œuvre les bonnes pratiques de
gestion ou d’ouverture de ces données).
65
ANR Évaluation des plans de gestion de données
Signification des scores :
0 : rubrique peu ou mal renseignée
1 : rubrique partiellement renseignée
2 : rubrique bien décrite
Organisation du TP
• Deux exemples de PGD à évaluer à partir de la
grille ANR et Horizon 2020
• Temps de découverte individuelle du PGD à
évaluer : 30 mn
• Mise en commun, présentation : 20 mn par PGD
URFIST Rennes
RESSOURCES pour le TP Evaluation de PGD
Grille H2020
Grille ANR
PGD PCR Confluence
PGD STIRRER
URFIST Rennes
CONSIGNES pour le TP
• Individuellement, effectuez une lecture critique
des plans de gestion rédigés, à la lumière des
consignes « officielles » d’évaluation : grilles
ANR, Horizon 2020
• Pour chaque élément du PGD, indiquez si les
exigences du modèle vous semblent
totalement, partiellement ou non satisfaites
• Quelles pistes d’amélioration pouvez-vous
suggérer ?
URFIST Rennes
69
Evolutions des PGD
70
• Une nouvelle génération de PGD : les
« machine actionable DMP »
• maDMP, Plans de gestion lisibles et exploitables par
des machines
• Groupe de travail RDA
Evolution des PGD
71
• Les maDMP, objectifs, principes, fonctionnalités
Evolution des PGD
Permettre l’échange d’information et établir des correspondances
entre le PGD et d’autres documents (comportant des éléments
analogues) ou plateformes
Automatiser certaines étapes de renseignements du DMPs et de
mise en œuvre de la gestion des données.
Structurer de l’information du PGD pour la rendre conforme aux
principes FAIR = la rendre facile à trouver, accessible,
interopérable et réutilisable par des programmes et logiciels,
notamment via des API
URFIST Rennes
Evolution des PGD
Source : INIST, Benjamin Faure, Florian Mazur, Data BFC2, 2019
2 exemples
URFIST Rennes
Evolution des PGD
Préparation par l’INIST d’une nouvelle
version de DMP OPIDoR : maDMP
OPIDoR
 Version interrogeable par API
 Génération de formulaires
dynamiques
Source : INIST
Projet maDMP4LS : a machine-
actionable DMP for Life Sciences
 porté par l’IFB (Institut Français de
Bioinformatique)
 partenaire principal INIST
Vers des DMP disciplinaires ?
 Plusieurs types d’entrepôts :
 Entrepôts propres à un éditeur : GigaDB (GigaScience)
 Entrepôts liés à une discipline, un champ disciplinaire :
SEANOE, pour les sciences de la mer, Réseau Quételet pour les
sciences sociales, Nakala pour les Sciences humaines et sociales
 Entrepôts liés à une institution : Edinburgh Datashare, Université
d’Edinburgh) ou à un organisme international : Zenodo
 Entrepôts généralistes ou multidisciplinaires : Dataverse Project,
Zenodo
 Par rapport aux données :
 Entrepôts acceptant tous les jeux de données, même non liés à une
publication : Zenodo, Figshare, DRYAD
 Entrepôts n’acceptant que des données liées à des publications : ?
 Entrepôts acceptant publications scientifiques et jeux de données :
Zenodo
 Entrepôts pour données sensibles (ex : UK Data Service Secure Lab)
Source : Doranum 74
MEMENTO : Entrepôts de données
• Comment choisir un entrepôt ?
 Un entrepôt vous est recommandé :
 Par votre institution, votre financeur…
 S’il n’y a pas d’entrepôt recommandé :
 Identifier des entrepôts via des répertoires :
• CatOPIDoR
• RE3data.org
• OAD : Data Repositories
 Chercher un entrepôt certifié
75
MEMENTO : Entrepôts de données
 Pour une bonne compréhension et réutilisation des
données, décrire ses données :
 Avec la documentation associée aux données
 Avec des métadonnées les plus complètes
 Possibilité d’utiliser des standards de métadonnées
 Génériques, par exemple :
 Dublin Core, 15 métadonnées de base
 Disciplinaires, par exemple :
 DDI = Data Documentation Initiative, en SHS (« social,
behavioral, economic, and health sciences »)
 EML = Ecological Metadata Language, en Ecologie
> Mentionner le standard dans le PGD
76
MEMENTO : Standards de métadonnées
 Guides de standards de métadonnées
Digital Curation Centre (UK)
https://www.dcc.ac.uk/guidance/standards/metadata
RDA (Research Data Alliance) / Metadata Directory
http://rd-alliance.github.io/metadata-directory/
FAIRsharing.org
https://fairsharing.org/standards/
 Outils pour créer des métadonnées
Voir sur Doranum « Outils de création de métadonnées »
77
MEMENTO : Standards de métadonnées
– Commission Européenne. (2016, février 15). Programme-cadre européen
pour la recherche et l’innovation. Horizon 2020. Lignes directrices pour la
gestion des données dans Horizon 2020. Consulté à l’adresse
http://openaccess.inist.fr/IMG/pdf/lignes_directrices_gestion_des_donnees_h
orizon_2020_version2._1_tr_fr.pdf
– European Commission. (21/03/2017). H2020 Programme. Guidelines to the
Rules on Open Access to Scientific Publications and Open Access to
Research Data in Horizon 2020. http://magic-
nexus.eu/sites/default/files/files_documents_repository/h2020-hi-oa-pilot-
guide_en.pdf
– European Research Council (ERC). (2017). Implementation of Open Access
to Scientific Publications and Research Data in projects supported by the
European Research Council under Horizon 2020 (Guidelines on).
https://ec.europa.eu/research/participants/data/ref/h2020/other/hi/oa-
pilot/h2020-hi-erc-oa-guide_en.pdf
– Reymonet, N., Moysan, M., Cartier, A., & Délémontez, R. (2018). Réaliser un
plan de gestion de données « FAIR » : modèle. Consulté à l’adresse
https://archivesic.ccsd.cnrs.fr/sic_01690547/document
78
Indications bibliographiques / Ressources
– Wilkinson, M. D., Dumontier, M., Aalbersberg, Ij. J., Appleton, G., Axton, M.,
Baak, A., … Mons, B. (2016). The FAIR Guiding Principles for scientific data
management and stewardship. Scientific Data, 3, 160018.
https://doi.org/10.1038/sdata.2016.18
– Le Gall, O. (2016). Charte pour le libre accès aux publications et aux
données. INRA. https://doi.org/10.15454/1.485854076583696E12
– OpenAIRE guidelines https://www.openaire.eu/guides/
– Whyte, A., Murphy, F., Meyers, N., & Unsworth, K. (2017, septembre). Can
wider exposure of DMPs better connect research data production to
preservation? Présenté à Exposing DMPs Working Group, Québec.
https://www.rd-alliance.org/system/files/documents/2-RDA10-Murphy-
ExposingDMPs.pptx
– Hooft, R. Elsevier Publishing Campus. (s. d.). How to create a good data
management plan. Consulté à l’adresse https://www.elsevier.com/authors-
update/story/publishing-trends/how-to-create-a-good-data-management-plan
– The State of Open Data 2017, curated by Figshare, October 2017,
https://figshare.com/articles/The_State_of_Open_Data_Report_2017/54811
87/1
79
Indications bibliographiques / Ressources
– Research Data Alliance. (13:04:53 UTC). OpenAIRE and Eudat services and
tools to support FAIR DMP implementat…. Données & analyses.
https://fr.slideshare.net/ResearchDataAlliance/openaire-and-eudat-services-
and-tools-to-support-fair-dmp-implementation-68900290
– CIRAD Se familiariser avec les plans de gestion de données de la recherche
https://coop-ist.cirad.fr/gestion-de-l-information/gerer-les-donnees-de-la-
recherche/se-familiariser-avec-les-plans-de-gestion-de-donnees-de-la-
recherche/3-exemple-de-trame-d-un-plan-de-gestion-de-donnees
– DCC Example DMPs and guidance http://www.dcc.ac.uk/resources/data-
management-plans/guidance-examples
– DMP Online Funder requirements
https://dmponline.dcc.ac.uk/public_templates
– DMP Tool Funder requirements https://dmptool.org/public_templates
– DMP Tool Public Plans https://dmptool.org/public_plans
– INRA Plan de gestion des données
https://www6.inra.fr/datapartage/Gerer/Plan-de-gestion
– Exemples de grilles d’évaluation : Wellcome Trust
https://zenodo.org/record/257650/files/Wellcome_Rubric_v2.1.pdf, EPSRC
https://zenodo.org/record/247087#.WtTGRJcuBaQ 80
Indications bibliographiques / Ressources

Contenu connexe

Tendances

L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...
L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...
L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...Lesticetlart Invisu
 
9 30 fandre-dist_cnrs_piv_2017
9 30 fandre-dist_cnrs_piv_20179 30 fandre-dist_cnrs_piv_2017
9 30 fandre-dist_cnrs_piv_2017Bertrand Tavitian
 
Congress 09 data_share_handout_f
Congress 09 data_share_handout_fCongress 09 data_share_handout_f
Congress 09 data_share_handout_fFyrdaous Lahlou
 
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-Réponses
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-RéponsesFiche pratique IST Agropolis : Les Données de la Recherche : Questions-Réponses
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-RéponsesAgropolis International
 
Votre "data" je vous la sers comment ?
Votre "data" je vous la sers comment ?Votre "data" je vous la sers comment ?
Votre "data" je vous la sers comment ?dcotte
 
Données de la recherche : quel positionnement et quels rôles pour les bibliot...
Données de la recherche : quel positionnement et quels rôles pour les bibliot...Données de la recherche : quel positionnement et quels rôles pour les bibliot...
Données de la recherche : quel positionnement et quels rôles pour les bibliot...Pierre Naegelen
 
Visite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesVisite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesGautier Poupeau
 
Visite guidée au pays de la donnée - Introduction et tour d'horizon
Visite guidée au pays de la donnée - Introduction et tour d'horizonVisite guidée au pays de la donnée - Introduction et tour d'horizon
Visite guidée au pays de la donnée - Introduction et tour d'horizonGautier Poupeau
 
L'Accord Science Internationale sur les données ouvertues dans un monde des d...
L'Accord Science Internationale sur les données ouvertues dans un monde des d...L'Accord Science Internationale sur les données ouvertues dans un monde des d...
L'Accord Science Internationale sur les données ouvertues dans un monde des d...Academy of Science of South Africa (ASSAf)
 
Data Science & Big Data, réalités et perspectives.
Data Science & Big Data, réalités et perspectives.Data Science & Big Data, réalités et perspectives.
Data Science & Big Data, réalités et perspectives.Aleph Technologies
 

Tendances (20)

Presentation entrepot polescience-v73-ssbonus
Presentation entrepot polescience-v73-ssbonusPresentation entrepot polescience-v73-ssbonus
Presentation entrepot polescience-v73-ssbonus
 
Entreposer ses donnees-JeudIST IRD 20181213
Entreposer ses donnees-JeudIST IRD 20181213Entreposer ses donnees-JeudIST IRD 20181213
Entreposer ses donnees-JeudIST IRD 20181213
 
Introduction aux données de la recherche
Introduction aux données de la rechercheIntroduction aux données de la recherche
Introduction aux données de la recherche
 
L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...
L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...
L'ouverture des données de la recherche en 2015 : définitions, enjeux, dynami...
 
Documentation IRD Occitanie : Outils et Services
Documentation IRD Occitanie : Outils et ServicesDocumentation IRD Occitanie : Outils et Services
Documentation IRD Occitanie : Outils et Services
 
Presentation jeudistv2
Presentation jeudistv2Presentation jeudistv2
Presentation jeudistv2
 
Introduction au Plan de Gestion de Données
Introduction au Plan de Gestion de DonnéesIntroduction au Plan de Gestion de Données
Introduction au Plan de Gestion de Données
 
Projets de coopération en Information Scientifique et Technique (IST)_Marc Go...
Projets de coopération en Information Scientifique et Technique (IST)_Marc Go...Projets de coopération en Information Scientifique et Technique (IST)_Marc Go...
Projets de coopération en Information Scientifique et Technique (IST)_Marc Go...
 
9 30 fandre-dist_cnrs_piv_2017
9 30 fandre-dist_cnrs_piv_20179 30 fandre-dist_cnrs_piv_2017
9 30 fandre-dist_cnrs_piv_2017
 
Congress 09 data_share_handout_f
Congress 09 data_share_handout_fCongress 09 data_share_handout_f
Congress 09 data_share_handout_f
 
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-Réponses
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-RéponsesFiche pratique IST Agropolis : Les Données de la Recherche : Questions-Réponses
Fiche pratique IST Agropolis : Les Données de la Recherche : Questions-Réponses
 
Votre "data" je vous la sers comment ?
Votre "data" je vous la sers comment ?Votre "data" je vous la sers comment ?
Votre "data" je vous la sers comment ?
 
M allanic piv2017_c
M allanic piv2017_cM allanic piv2017_c
M allanic piv2017_c
 
Données de la recherche : quel positionnement et quels rôles pour les bibliot...
Données de la recherche : quel positionnement et quels rôles pour les bibliot...Données de la recherche : quel positionnement et quels rôles pour les bibliot...
Données de la recherche : quel positionnement et quels rôles pour les bibliot...
 
Visite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesVisite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des données
 
Mc jacquemot piv2017_c
Mc jacquemot piv2017_cMc jacquemot piv2017_c
Mc jacquemot piv2017_c
 
Visite guidée au pays de la donnée - Introduction et tour d'horizon
Visite guidée au pays de la donnée - Introduction et tour d'horizonVisite guidée au pays de la donnée - Introduction et tour d'horizon
Visite guidée au pays de la donnée - Introduction et tour d'horizon
 
L'Accord Science Internationale sur les données ouvertues dans un monde des d...
L'Accord Science Internationale sur les données ouvertues dans un monde des d...L'Accord Science Internationale sur les données ouvertues dans un monde des d...
L'Accord Science Internationale sur les données ouvertues dans un monde des d...
 
Module8a tdm-cnedellec
Module8a tdm-cnedellecModule8a tdm-cnedellec
Module8a tdm-cnedellec
 
Data Science & Big Data, réalités et perspectives.
Data Science & Big Data, réalités et perspectives.Data Science & Big Data, réalités et perspectives.
Data Science & Big Data, réalités et perspectives.
 

Similaire à Stage pgd 2021-04-07

IST, comment préparer l'avenir ?
IST, comment préparer l'avenir ?IST, comment préparer l'avenir ?
IST, comment préparer l'avenir ?ABES
 
Data mining et data science
Data mining et data scienceData mining et data science
Data mining et data scienceRima Jamli Faidi
 
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Desconnets Jean-Christophe
 
Valorisation des données _ Data Capture Platform-Overvieww.pdf
Valorisation des données _ Data Capture Platform-Overvieww.pdfValorisation des données _ Data Capture Platform-Overvieww.pdf
Valorisation des données _ Data Capture Platform-Overvieww.pdfLiliaBrahimi2
 
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...CASRAI
 
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...pascal aventurier
 
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...Données ouvertes de la recherche : nouvelles pratiques de publication et de p...
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...pascal aventurier
 
Les mégadonnées dans la recherche
Les mégadonnées dans la rechercheLes mégadonnées dans la recherche
Les mégadonnées dans la rechercheNicolae Sfetcu
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste epiconcept
 
Pratiques informationnelles
Pratiques informationnellesPratiques informationnelles
Pratiques informationnelleselisepelletier
 
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...Le transfert de connaissances - Favoriser des pratiques et des politiques fon...
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...valéry ridde
 
Gérer et diffuser ses données: principes et bonnes pratiques
Gérer et diffuser ses données: principes et bonnes pratiquesGérer et diffuser ses données: principes et bonnes pratiques
Gérer et diffuser ses données: principes et bonnes pratiquesMathieu Saby
 
Le projet du SCD de Nice: une approche globale des données de la recherche
Le projet du SCD de Nice: une approche globale des données de la rechercheLe projet du SCD de Nice: une approche globale des données de la recherche
Le projet du SCD de Nice: une approche globale des données de la rechercheMathieu Saby
 
Outils de veille et d'intelligence économique territoriale
Outils de veille et d'intelligence économique territorialeOutils de veille et d'intelligence économique territoriale
Outils de veille et d'intelligence économique territorialeChristophe Marnat
 
Big Data ete learning Analytics
Big Data ete learning AnalyticsBig Data ete learning Analytics
Big Data ete learning AnalyticsMokhtar Ben Henda
 
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...Academy of Science of South Africa (ASSAf)
 
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...Gautier Poupeau
 

Similaire à Stage pgd 2021-04-07 (18)

IST, comment préparer l'avenir ?
IST, comment préparer l'avenir ?IST, comment préparer l'avenir ?
IST, comment préparer l'avenir ?
 
Data mining et data science
Data mining et data scienceData mining et data science
Data mining et data science
 
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
 
Valorisation des données _ Data Capture Platform-Overvieww.pdf
Valorisation des données _ Data Capture Platform-Overvieww.pdfValorisation des données _ Data Capture Platform-Overvieww.pdf
Valorisation des données _ Data Capture Platform-Overvieww.pdf
 
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...
RDC Ted Hewitt: Data Management Planning: A Tri-Council and University Perspe...
 
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...
Une introduction aux données de la recherche. Journée d'Etude Agropolis Montp...
 
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...Données ouvertes de la recherche : nouvelles pratiques de publication et de p...
Données ouvertes de la recherche : nouvelles pratiques de publication et de p...
 
Les mégadonnées dans la recherche
Les mégadonnées dans la rechercheLes mégadonnées dans la recherche
Les mégadonnées dans la recherche
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste
 
Pratiques informationnelles
Pratiques informationnellesPratiques informationnelles
Pratiques informationnelles
 
Duchesne Medialab Mai09
Duchesne Medialab Mai09Duchesne Medialab Mai09
Duchesne Medialab Mai09
 
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...Le transfert de connaissances - Favoriser des pratiques et des politiques fon...
Le transfert de connaissances - Favoriser des pratiques et des politiques fon...
 
Gérer et diffuser ses données: principes et bonnes pratiques
Gérer et diffuser ses données: principes et bonnes pratiquesGérer et diffuser ses données: principes et bonnes pratiques
Gérer et diffuser ses données: principes et bonnes pratiques
 
Le projet du SCD de Nice: une approche globale des données de la recherche
Le projet du SCD de Nice: une approche globale des données de la rechercheLe projet du SCD de Nice: une approche globale des données de la recherche
Le projet du SCD de Nice: une approche globale des données de la recherche
 
Outils de veille et d'intelligence économique territoriale
Outils de veille et d'intelligence économique territorialeOutils de veille et d'intelligence économique territoriale
Outils de veille et d'intelligence économique territoriale
 
Big Data ete learning Analytics
Big Data ete learning AnalyticsBig Data ete learning Analytics
Big Data ete learning Analytics
 
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...
Draft de Politique Nationale en matiere de Donnees Ouvertes/Mamy Randriamahar...
 
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...
Le "Lac de données" de l'Ina, un projet pour placer la donnée au cœur de l'or...
 

Dernier

Exemple de grille d'audit 5S, check liste Audit
Exemple de grille d'audit 5S, check liste AuditExemple de grille d'audit 5S, check liste Audit
Exemple de grille d'audit 5S, check liste Audittechwinconsulting
 
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Pedago Lu
 
rapport de stage gros oeuvre_compressed.pdf
rapport de stage gros oeuvre_compressed.pdfrapport de stage gros oeuvre_compressed.pdf
rapport de stage gros oeuvre_compressed.pdfOssamaLachheb
 
Les débuts de la collection "Le livre de poche"
Les débuts de la collection "Le livre de poche"Les débuts de la collection "Le livre de poche"
Les débuts de la collection "Le livre de poche"ArchivesdeLyon
 
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024frizzole
 
PowerPoint-de-Soutenance-de-TFE-infirmier.pdf
PowerPoint-de-Soutenance-de-TFE-infirmier.pdfPowerPoint-de-Soutenance-de-TFE-infirmier.pdf
PowerPoint-de-Soutenance-de-TFE-infirmier.pdfDafWafia
 
GHASSOUB _Seance 3_ measurement and evaluation in education.pptx
GHASSOUB _Seance 3_ measurement and evaluation in education.pptxGHASSOUB _Seance 3_ measurement and evaluation in education.pptx
GHASSOUB _Seance 3_ measurement and evaluation in education.pptxAbderrahim GHASSOUB
 
Nathanaëlle Herbelin.pptx Peintre française
Nathanaëlle Herbelin.pptx Peintre françaiseNathanaëlle Herbelin.pptx Peintre française
Nathanaëlle Herbelin.pptx Peintre françaiseTxaruka
 
Quitter la nuit. pptx
Quitter        la             nuit.   pptxQuitter        la             nuit.   pptx
Quitter la nuit. pptxTxaruka
 
Réunion des directeurs de Jonzac - 15 mai 2024
Réunion des directeurs de Jonzac - 15 mai 2024Réunion des directeurs de Jonzac - 15 mai 2024
Réunion des directeurs de Jonzac - 15 mai 2024IEN_Jonzac
 
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptx
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptxGHASSOUB _Seance 4_ measurement and evaluation in education_-.pptx
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptxAbderrahim GHASSOUB
 
Un petit coin etwinning- Au fil des cultures urbaines
Un petit coin  etwinning- Au fil des cultures urbainesUn petit coin  etwinning- Au fil des cultures urbaines
Un petit coin etwinning- Au fil des cultures urbainesSocratis Vasiopoulos
 
Quitter la nuit. pptx
Quitter          la        nuit.    pptxQuitter          la        nuit.    pptx
Quitter la nuit. pptxTxaruka
 

Dernier (13)

Exemple de grille d'audit 5S, check liste Audit
Exemple de grille d'audit 5S, check liste AuditExemple de grille d'audit 5S, check liste Audit
Exemple de grille d'audit 5S, check liste Audit
 
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
 
rapport de stage gros oeuvre_compressed.pdf
rapport de stage gros oeuvre_compressed.pdfrapport de stage gros oeuvre_compressed.pdf
rapport de stage gros oeuvre_compressed.pdf
 
Les débuts de la collection "Le livre de poche"
Les débuts de la collection "Le livre de poche"Les débuts de la collection "Le livre de poche"
Les débuts de la collection "Le livre de poche"
 
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
 
PowerPoint-de-Soutenance-de-TFE-infirmier.pdf
PowerPoint-de-Soutenance-de-TFE-infirmier.pdfPowerPoint-de-Soutenance-de-TFE-infirmier.pdf
PowerPoint-de-Soutenance-de-TFE-infirmier.pdf
 
GHASSOUB _Seance 3_ measurement and evaluation in education.pptx
GHASSOUB _Seance 3_ measurement and evaluation in education.pptxGHASSOUB _Seance 3_ measurement and evaluation in education.pptx
GHASSOUB _Seance 3_ measurement and evaluation in education.pptx
 
Nathanaëlle Herbelin.pptx Peintre française
Nathanaëlle Herbelin.pptx Peintre françaiseNathanaëlle Herbelin.pptx Peintre française
Nathanaëlle Herbelin.pptx Peintre française
 
Quitter la nuit. pptx
Quitter        la             nuit.   pptxQuitter        la             nuit.   pptx
Quitter la nuit. pptx
 
Réunion des directeurs de Jonzac - 15 mai 2024
Réunion des directeurs de Jonzac - 15 mai 2024Réunion des directeurs de Jonzac - 15 mai 2024
Réunion des directeurs de Jonzac - 15 mai 2024
 
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptx
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptxGHASSOUB _Seance 4_ measurement and evaluation in education_-.pptx
GHASSOUB _Seance 4_ measurement and evaluation in education_-.pptx
 
Un petit coin etwinning- Au fil des cultures urbaines
Un petit coin  etwinning- Au fil des cultures urbainesUn petit coin  etwinning- Au fil des cultures urbaines
Un petit coin etwinning- Au fil des cultures urbaines
 
Quitter la nuit. pptx
Quitter          la        nuit.    pptxQuitter          la        nuit.    pptx
Quitter la nuit. pptx
 

Stage pgd 2021-04-07

  • 1. Marie-Laure Malingre, Florence Thiault URFIST de Rennes 7 avril 2021 Pourquoi et comment rédiger un Plan de gestion de données (PGD / DMP) ?
  • 2. 2 1. Eléments de contexte : politiques de Science ouverte, politiques des données 2. Rappels sur les données de la recherche 3. Définition d’un Plan de Gestion de Données 4. Pourquoi rédiger un PGD ? 5. La rédaction du PGD : Découverte de DMP OPIDoR 6. Comment rédiger un PGD en appliquant les principes FAIR 7. Evaluation des PGD : TP 8. Evolution des PGD Plan 2
  • 3. 3 Eléments de contexte : politiques de Science ouverte, politiques des données
  • 4.  Le rapport de l’OCDE (2007; version révisée 2021) « Principes et lignes directrices pour l’accès aux données de la recherche financée sur fonds publics »  « La valeur des données réside dans leur exploitation. L’accès total et ouvert aux données scientifiques devrait devenir la norme internationale pour l’échange des données scientifiques issues de la recherche financée sur fonds publics » • Programme de recherche européen Horizon 2020  Projet pilote lancé en 2013 sur les données de recherche  Fait « du libre accès aux données de recherche la règle générale » Plusieurs jalons : 4 Open Research Data Problématique de l’accès aux données de la recherche financée sur fonds publics Contexte et politiques
  • 5. • Loi pour une République numérique (octobre 2016)  Article 30 : conditions de libre réutilisation des données de recherche « II.- Dès lors que les données issues d'une activité de recherche financée au moins pour moitié par des dotations de l'Etat, des collectivités territoriales, des établissements publics, des subventions d'agences de financement nationales ou par des fonds de l'Union européenne ne sont pas protégées par un droit spécifique ou une réglementation particulière et qu'elles ont été rendues publiques par le chercheur, l'établissement ou l'organisme de recherche, leur réutilisation est libre. » 5 Open Research Data Contexte et politiques
  • 6. • Participation française à des réseaux internationaux – RDA Alliance • « La Research Data Alliance (RDA) est une organisation internationale, interdisciplinaire, dont la mission est de construire des passerelles, à la fois sociales et techniques, pour permettre un libre partage des données et leur interopérabilité. » • « Dans le cadre du projet européen RDA Europe 4.0, qui a démarré le 1er mars 2018, le CNRS a la charge de développer le nœud national RDA-France. » (Ouvrir la Science) – Initiative GoFAIR • réutilisation optimale des données de la recherche • fournir des données et des services « FAIR ». 6 Open Research Data Contexte et politiques
  • 7.  2018 : Plan national pour la Science Ouverte. Deuxième axe : « structurer et ouvrir les données de la recherche »  Principe d’ouverture par défaut pour toutes les données publiées dans le cadre d’appels à projet sur fonds publics 7 Open Research Data Contexte et politiques
  • 8.  Plan d’action 2019 de l’ANR et ouverture des données de recherche « Engagée dans une politique de science ouverte […], l’ANR appelle les coordinateurs à considérer la question des données de recherche au moment du montage et tout au long du projet. L’Agence demande à ce que les publications consécutives aux projets qu'elle finance, soient déposées en texte intégral dans une archive ouverte, et imposera de plus un plan de gestion des données (DMP) pour les projets financés à partir de 2019. » 8 Open Research Data Modèle de DMP / PGD ANR sur DMP Opidor Contexte et politiques
  • 9. 9 Rappels sur les données de recherche
  • 10. • Diversité des données de la recherche 10 Pourquoi s’intéresser à la gestion des données Source : Marie Puren. Gérer les données de la recherche, 2018
  • 11. 11 Source : Magali Moysan. Les plans de gestion de données, 2016 Que deviennent les données ?
  • 12.  Les enjeux liés à leur utilisation  Rôle des données dans la validation de la recherche, rôle de la donnée comme guide de la recherche  Maîtrise des données Il importe de :  Traiter ces masses d’information pour les analyser  Réaliser une gestion des données permettant de les retrouver et de les rendre compréhensibles  Développer des services d’accès  Garantir la fiabilité et la traçabilité des données 12 Enjeux de la gestion des données
  • 13.  Les enjeux liés à leur conservation  Pour garantir de la perte de données ou de leur altération  Pour protéger les données  Pour permettre leur éventuelle réutilisation dans un autre contexte de recherche  Pour conserver une trace de la recherche (patrimoine scientifique) Il importe de :  Définir les modalités de diffusion, de conservation, d’archivage des données (sélection et préparation des données, migration vers des formats de données sans perte de qualité, entrepôts…) 13 Enjeux de la gestion des données
  • 14.  Les enjeux liés à leur partage et leur réutilisation  Permettre et faciliter l’accès le plus large lorsque cela est possible  Eviter les phénomènes de privatisation et d’appropriation des données  Améliorer la qualité, la visibilité, l’impact de la recherche  Favoriser les collaborations scientifiques demandant le partage ou l’élaboration collective de données ll importe de :  Documenter les données et les décrire de manière très précise  Définir des conditions d’accès, des droits de réutilisation  Contrôler la compatibilité, l’interopérabilité des formats, la lisibilité  Procéder à une Dé-contextualisation – re-contextualisation 14 « Aussi ouvert que possible, aussi fermé que nécessaire » Les données peuvent relever de droits multiples Enjeux de la gestion des données
  • 15. 15 Source : J.C. Desconnets, P. Aventurier, S. Banon. Entrepôt de données ouvertes IRD
  • 16. Cycle de vie des données de la recherche, CCSD, voir aussi INIST, adapté du modèle UK Data Archive Collecter / créer les données; capturer les données avec les métadonnées; acquérir des données existantes d’un tiers. Analyser et interpréter les données ; produire les résultats de recherche ; citer les sources de données. Définir un espace de stockage des données Définir les droits d’auteur et d’utilisation; contrôler les métadonnées et la documentation ; faire des copies de sauvegarde; publier et partager les données. Préparer les données pour la conservation; migrer les données vers le meilleur format et un support adapté; les sauvegarder et les décrire dans un entrepôt de données; définir les accès et promouvoir les données archivées Entrer, numériser, transcrire, traduire les données ; vérifier, valider nettoyer, anonymiser ; dériver des données ; décrire et documenter les données ; gérer et sauvegarder les données. Réaliser des analyses secondaires, un suivi de recherche, une nouvelle recherche, des évaluations de la recherche… 16 Le cycle de vie des données
  • 18. Le PGD : une définition Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA. URFIST Paris - 05 avril 2019 18 Document formalisé qui décrit la façon dont les données seront obtenues, traitées, documentées, analysées, organisées, stockées, sécurisées, préservées, partagées… au cours et à l’issue d’un projet. • Aide à la mise en place de bonnes pratiques de gestion à toutes les étapes du cycle de vie des données Cycle de vie des données Le PGD : une définition S’appuie sur le cycle de vie des données
  • 19. 19 Le PGD : une définition Le PGD dans le cycle de la recherche Nathalie Reymonet, Magalie Moysan, Aurore Cartier, Renaud Délémontez. Réaliser un plan de gestion de données “ FAIR ” : modèle . 2018. sic_01690547v2
  • 20. Le PGD : une définition 1966 > première mention des PGD • Documents de procédure décrivant les activités de recherche et développement dans des projets aéronautiques et techniques complexes Années 70-80 > extension de l’utilisation des PGD • Outil de gestion de projets en phase active Jusqu’au début des années 2000 : • Un périmètre limité pour les DMP 2000-2010 • Explosion de la production de données • Importance croissante des politiques publiques comme leviers • OCDE : « Declaration on Access to Research Data fromPublic Funding » • 2005, UK : recommandation aux organismes de financement d’exiger la soumission de DMP avec les demandes de financement 2010- • Mandats du PGD des organismes de financement • Outillage institutionnel pour aider le chercheur 20 Le PGD une forme récente pour une pratique plus ancienne Source : The History, Advocacy and Efficacity of Data Management Plans
  • 21. Quand fait-on un PGD ? C’est un document évolutif : - Initié en amont du projet (de préférence dès le montage du projet) - Commencer par ce que l’on sait du projet - Nulle obligation de rédiger tout le DMP d’un coup - Continuellement mis à jour tout au long du projet Différents types de PGD - PGD de projets - PGD de structures, d’établissements - PGD de thèses - PGD de logiciels ou SMP (cf. modèle PRESOFT) 21 Le PGD : une définition
  • 22. 22 Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA. URFIST Paris - 05 avril 2019
  • 23. 16.04.21 PLAN DE GESTION DES DONNÉES MODÈLE ANR  Modèle composé de 6 grandes thématiques illustrant les bonnes pratiques de gestion et de partage : Modèle de DMP pour l’ANR Description des données et collecte ou réutilisation des données existantes Documentation et qualité des données Stockage et sauvegarde pendant le processus de recherche Exigences légales et éthiques, codes de conduite Partage des données et conservation à long terme Responsabilités et ressources en matière de gestion des données
  • 24. 1. Préparation du projet 2. Coûts liés au projet 3. Collecte et réutilisation des données 4. Documentation des données 5. Stockage et organisation 6. Accès aux données 7. Partage et publication 8. Archivage 9. Aspects éthiques et juridiques 10. Informations générales sur le projet et ses données 24 Pour résumer : 10 sujets à traiter dans un PGD Edugroepen, 2018
  • 25. URFIST Rennes Les acteurs impliqués Source : Parcours interactif sur la gestion des données de la recherche, DoRANum Communauté scientifique Ingénieur projet Service juridique Délégué à la Protection des Données Professionnel de l’IST Informaticien Archiviste
  • 26. Un quiz DoRANum sur le plan de gestion de données 26 Planifier la gestion des données : DMP
  • 28. Anticiper les questions de gestion avec un PGD Le PGD / DMP s’appuie sur le cycle de vie des données/documents “Data Management Plans (DMPs) are a key element of good data management.” Faciliter les bonnes pratiques, les pratiques FAIR (H2020 Programme. Guidelines on FAIR Data Management in Horizon 2020) L’établissement d’un PGD est de plus en plus demandé dans les appels à projets financés sur fonds publics, notamment européens. 28 Pourquoi rédiger un PGD / DMP
  • 29. Le PGD : une définition 29 • Réfléchir à ses pratiques pour améliorer l’efficacité de sa recherche • Économiser son temps et ses efforts • Réduire les risques de fausse manipulation ou d’oubli • Augmenter ses chances d’obtenir des subventions • Faciliter la valorisation de ses données • Anticiper de futures recherches • Préparer des data paper Dans l’intérêt du chercheur
  • 30. Le PGD : une définition 30 Pour les organismes de recherche • Reproductibilité de la recherche, réputation Pour les financeurs • Réutilisabilité des données, retour sur investissement, innovation Données consultables ou réutilisables Science vérifiable et reproductible Meilleure réputation chercheurs et institutions de recherche Augmentation de la confiance accordée par société civile Dans l’intérêt des parties prenantes
  • 31. Le PGD : une définition Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA. URFIST Paris - 05 avril 2019 31 Se poser les bonnes questions dès le début du projet pour… • identifier les risques liés à la gestion des données, assurer la sécurité et la préservation des données sur le long terme, • identifier les responsabilités, les rôles de chacun dans la gestion des données, planifier les ressources et compétences nécessaires à cette gestion, • garantir des données fiables et bien gérées tout au long du projet, compréhensibles, disponibles et préservées sur le long terme pour une réutilisation future (démarche FAIR) Planifier la gestion des données
  • 32. 32 Source : Entrepôt de données ouvertes IRD
  • 33. 33 Découverte de DMP OPIDoR DMP OPIDOR - Guide d’utilisation
  • 34. DMP OPIDOR GUIDE D’UTILISATION STAGE URFIST de Rennes, « Semaine Data-SHS », 8 décembre 2020 CNRS – Inist/DVDR/Service Formation-DoRANum
  • 35. 16.04.21 SOMMAIRE  Présentation  Page d’accueil / connexion - authentification  Création d’un plan de gestion des données - Modèles  Rédaction du plan  Partage d’un plan  Téléchargement  DMPs publics  Gestion des notifications  Ressources
  • 36. DMP OPIDOR PRÉSENTATION https://dmp.opidor.fr Outil d’aide à la création en ligne de DMP, permettant d’anticiper la gestion des données dans le cadre de projets de recherche  Accessible à la communauté scientifique de l’ESR et à ses partenaires français ou étrangers  Personnalisable par tout organisme de recherche pour la mise en place de sa politique de données  Enrichi par des exemples et des recommandations adaptés à l’environnement de recherche  Collaboratif : il facilite les échanges entre les partenaires d’un même projet et les services d’accompagnement  Outil open source, développé par une communauté internationale, basé sur le code commun DMPRoadmap du Digital Curation Center et de l’UC3
  • 37. 16.04.21 P 37 DMP OPIDOR PAGE D’ACCUEIL / DE CONNEXION Créer un compte Se connecter avec son accès institutionnel
  • 38. 16.04.21 38 DMP OPIDOR S’INSCRIRE / S’AUTHENTIFIER Sélectionner son établissement
  • 39. 16.04.21 39 DMP OPIDOR PAGE D’ACCUEIL APRÈS AUTHENTIFICATION Menu principal Messages OPIDoR Plans créés ou partagés avec un utilisateur authentifié Tri possible
  • 40. 16.04.21 40 DMP OPIDOR CRÉER UN PLAN Plusieurs possibilités pour créer un plan
  • 41. 16.04.21 41 DMP OPIDOR CRÉER UN PLAN À PARTIR D’UN MODÈLE Sélectionner le modèle Saisir l’acronyme et le titre du projet
  • 42. 16.04.21 42 DMP OPIDOR RÉDIGER LE PLAN : RENSEIGNEMENTS SUR LE PROJET Préciser le numéro de subvention Partie commune à tous les modèles de plan Identifiant du DMP lorsqu’il est publié et partagé dans un entrepôt
  • 43. 16.04.21 43 DMP OPIDOR RÉDIGER LE PLAN : PRODUITS DE RECHERCHE Déclarez séparément les différents types de produits de la recherche : jeux de données, logiciel, objet physique…
  • 44. 16.04.21 44 DMP OPIDOR RÉDIGER LE PLAN : VUE D’ENSEMBLE Récapitulatif des sections et questions du DMP, en fonction du modèle choisi
  • 45. 16.04.21 45 DMP OPIDOR RÉDIGER LE PLAN : LES DIFFÉRENTES SECTIONS Plusieurs sections : À déplier pour répondre aux questions et accéder aux recommandations
  • 46. 16.04.21 46 DMP OPIDOR RÉDIGER LE PLAN : RÉDIGER LES DIFFÉRENTES SECTIONS Possibilité de créer un tableau Ne pas oublier d’enregistrer chaque réponse Recommandations : Il est possible d’en sélectionner d’autres Cocher cette case si on veut dupliquer les réponses de cette section pour les autres produits de recherche
  • 47. 16.04.21 47 DMP OPIDOR RÉDIGER LE PLAN : COMMENTAIRES Il est possible d’ajouter des commentaires à partager avec ses collaborateurs
  • 48. 16.04.21 48 DMP OPIDOR PARTAGER UN PLAN DE GESTION Renseigner le mail du collaborateur puis lui attribuer des droits Possibilité de demander une assistance Visibilité du PGD
  • 49. 16.04.21 49 DMP OPIDOR TÉLÉCHARGER UN PLAN DE GESTION Choix du format d’export : html, pdf, docx
  • 50. 16.04.21 50 DMP OPIDOR DMPs PUBLICS  Les DMPs publics sont créés à l’aide de DMP OPIDoR et partagés publiquement par leurs propriétaires  Les plans de test ne peuvent pas être rendus publics
  • 51. 16.04.21 51 DMP OPIDOR GÉRER LES NOTIFICATIONS Permet d’être prévenu lorsqu’un collaborateur fait des modifications
  • 52. 16.04.21 52 DMP OPIDOR RESSOURCES  Aide  Exemples de plan de gestion de données  Ressources utiles, guides, sites  Types de produits de recherche
  • 54. 54 Comment rédiger un PGD en appliquant les principes FAIR
  • 56. • Quel identifiant sera attribué aux données ? (DOI…) • Quelles métadonnées seront utilisées pour décrire les données ? • Dans quel entrepôt seront déposées les données ? • Des mots-clés sont-ils utilisés pour faciliter la découverte des données ? • Des mécanismes d'interrogation standards (SPARQL, SQL, APIs standards) seront-ils disponibles ? • Comment les fichiers seront-ils organisés ? • Quelle convention de nommage sera utilisée pour les répertoires et les fichiers de données ? • Comment les versions des fichiers seront-elles identifiées ? 56 Le principe « findable » dans le PGD https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Findable
  • 57. • Quelles sont les données qui seront librement accessibles ? • Comment les données seront rendues accessibles ? – dépôt dans un entrepôt… • S’il y a des données en accès restreint, – Pour quelles raisons ces données ne peuvent pas être partagées largement ? – Comment accéder à ces données ? (conditions d'accès) • Des outils (documentation ou logiciel…) sont-ils nécessaires pour accéder aux données ? – Sont-ils open source, sinon seront-ils fournis ? • La documentation et le code associés sont-ils accessibles avec les données ? 57 Le principe « Accessible» dans le PGD https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Accessible
  • 58. • Les (méta)données peuvent-elles être échangées, combinées et utilisées par d'autres (humains ou machines) ? – Spécifier les standards, méthodologies, vocabulaires, utilisés pour assurer l’interopérabilité des données et métadonnées – Utilisez-vous des vocabulaires standards assurant une interopérabilité interdisciplinaire ? – Dans le cas où vous devez utiliser des ontologies ou des vocabulaires non standards, prévoyez-vous de faire des liens (mapping) vers des ontologies ou des vocabulaires communs ? • Les (méta)données sont-elles liées à d’autres données ? 58 Le principe « Interoperable» dans le PGD https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Interoperable
  • 59. • Quelle licence sera associée aux données pour permettre une large utilisation ? • Quand les données seront-elles mises à disposition ? – Les données sont-elles utilisables par des tiers, pendant le projet/après la fin du projet? – Quelles données sont à accès restreint et pourquoi ? – Quel délai pour un éventuel embargo ? – Pour quelle durée les données seront-elles disponibles pour réutilisation ? • Avez-vous décrit les processus d'assurance qualité des données ? 59 Le principe « Reusable» dans le PGD https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Reusable
  • 60. 1. Commencer tôt 2. Réfléchir à la réutilisation 3. Vérifier les politiques en vigueur 4. Se faire aider 5. Penser large 6. S’inspirer du travail d’autrui 7. Être précis là où c’est nécessaire 8. Être concret 9. Oser avouer qu’on ne sait pas 10. Mettre à jour 60 10 conseils pour la rédaction du PGD Edugroepen, 2018
  • 62. 62 L’expérience de la Commission européenne • La commission européenne a évalué les plans de gestion de données de projets en faisant appel à des experts. • L’évaluation est basée sur le modèle du plan de gestion de la commission. • Elle consiste à indiquer si l’information est correctement, partiellement ou mal décrite et à formuler des recommandations pour chaque critère.
  • 63. 63 Recommandations de l’ANR Comité pour la Science ouverte (CoSO) - Collège « Données », Groupe de travaiI « PGD »
  • 64. 64 Recommandation n°15 du COSO • La mise en place d’un « pilote » ; • Une évaluation-conseil basée sur la trame du plan de gestion de données de Science Europe ; • Avoir une attente différente quant au niveau de description en fonction de la version du PGD • De formuler des recommandations globales ou des alertes pour les responsables de projets (par ex. dans le cas ou des projets gèrent des données personnelles ou des données sensibles sans mettre en œuvre les bonnes pratiques de gestion ou d’ouverture de ces données).
  • 65. 65 ANR Évaluation des plans de gestion de données Signification des scores : 0 : rubrique peu ou mal renseignée 1 : rubrique partiellement renseignée 2 : rubrique bien décrite
  • 66. Organisation du TP • Deux exemples de PGD à évaluer à partir de la grille ANR et Horizon 2020 • Temps de découverte individuelle du PGD à évaluer : 30 mn • Mise en commun, présentation : 20 mn par PGD URFIST Rennes
  • 67. RESSOURCES pour le TP Evaluation de PGD Grille H2020 Grille ANR PGD PCR Confluence PGD STIRRER URFIST Rennes
  • 68. CONSIGNES pour le TP • Individuellement, effectuez une lecture critique des plans de gestion rédigés, à la lumière des consignes « officielles » d’évaluation : grilles ANR, Horizon 2020 • Pour chaque élément du PGD, indiquez si les exigences du modèle vous semblent totalement, partiellement ou non satisfaites • Quelles pistes d’amélioration pouvez-vous suggérer ? URFIST Rennes
  • 70. 70 • Une nouvelle génération de PGD : les « machine actionable DMP » • maDMP, Plans de gestion lisibles et exploitables par des machines • Groupe de travail RDA Evolution des PGD
  • 71. 71 • Les maDMP, objectifs, principes, fonctionnalités Evolution des PGD Permettre l’échange d’information et établir des correspondances entre le PGD et d’autres documents (comportant des éléments analogues) ou plateformes Automatiser certaines étapes de renseignements du DMPs et de mise en œuvre de la gestion des données. Structurer de l’information du PGD pour la rendre conforme aux principes FAIR = la rendre facile à trouver, accessible, interopérable et réutilisable par des programmes et logiciels, notamment via des API
  • 72. URFIST Rennes Evolution des PGD Source : INIST, Benjamin Faure, Florian Mazur, Data BFC2, 2019
  • 73. 2 exemples URFIST Rennes Evolution des PGD Préparation par l’INIST d’une nouvelle version de DMP OPIDoR : maDMP OPIDoR  Version interrogeable par API  Génération de formulaires dynamiques Source : INIST Projet maDMP4LS : a machine- actionable DMP for Life Sciences  porté par l’IFB (Institut Français de Bioinformatique)  partenaire principal INIST Vers des DMP disciplinaires ?
  • 74.  Plusieurs types d’entrepôts :  Entrepôts propres à un éditeur : GigaDB (GigaScience)  Entrepôts liés à une discipline, un champ disciplinaire : SEANOE, pour les sciences de la mer, Réseau Quételet pour les sciences sociales, Nakala pour les Sciences humaines et sociales  Entrepôts liés à une institution : Edinburgh Datashare, Université d’Edinburgh) ou à un organisme international : Zenodo  Entrepôts généralistes ou multidisciplinaires : Dataverse Project, Zenodo  Par rapport aux données :  Entrepôts acceptant tous les jeux de données, même non liés à une publication : Zenodo, Figshare, DRYAD  Entrepôts n’acceptant que des données liées à des publications : ?  Entrepôts acceptant publications scientifiques et jeux de données : Zenodo  Entrepôts pour données sensibles (ex : UK Data Service Secure Lab) Source : Doranum 74 MEMENTO : Entrepôts de données
  • 75. • Comment choisir un entrepôt ?  Un entrepôt vous est recommandé :  Par votre institution, votre financeur…  S’il n’y a pas d’entrepôt recommandé :  Identifier des entrepôts via des répertoires : • CatOPIDoR • RE3data.org • OAD : Data Repositories  Chercher un entrepôt certifié 75 MEMENTO : Entrepôts de données
  • 76.  Pour une bonne compréhension et réutilisation des données, décrire ses données :  Avec la documentation associée aux données  Avec des métadonnées les plus complètes  Possibilité d’utiliser des standards de métadonnées  Génériques, par exemple :  Dublin Core, 15 métadonnées de base  Disciplinaires, par exemple :  DDI = Data Documentation Initiative, en SHS (« social, behavioral, economic, and health sciences »)  EML = Ecological Metadata Language, en Ecologie > Mentionner le standard dans le PGD 76 MEMENTO : Standards de métadonnées
  • 77.  Guides de standards de métadonnées Digital Curation Centre (UK) https://www.dcc.ac.uk/guidance/standards/metadata RDA (Research Data Alliance) / Metadata Directory http://rd-alliance.github.io/metadata-directory/ FAIRsharing.org https://fairsharing.org/standards/  Outils pour créer des métadonnées Voir sur Doranum « Outils de création de métadonnées » 77 MEMENTO : Standards de métadonnées
  • 78. – Commission Européenne. (2016, février 15). Programme-cadre européen pour la recherche et l’innovation. Horizon 2020. Lignes directrices pour la gestion des données dans Horizon 2020. Consulté à l’adresse http://openaccess.inist.fr/IMG/pdf/lignes_directrices_gestion_des_donnees_h orizon_2020_version2._1_tr_fr.pdf – European Commission. (21/03/2017). H2020 Programme. Guidelines to the Rules on Open Access to Scientific Publications and Open Access to Research Data in Horizon 2020. http://magic- nexus.eu/sites/default/files/files_documents_repository/h2020-hi-oa-pilot- guide_en.pdf – European Research Council (ERC). (2017). Implementation of Open Access to Scientific Publications and Research Data in projects supported by the European Research Council under Horizon 2020 (Guidelines on). https://ec.europa.eu/research/participants/data/ref/h2020/other/hi/oa- pilot/h2020-hi-erc-oa-guide_en.pdf – Reymonet, N., Moysan, M., Cartier, A., & Délémontez, R. (2018). Réaliser un plan de gestion de données « FAIR » : modèle. Consulté à l’adresse https://archivesic.ccsd.cnrs.fr/sic_01690547/document 78 Indications bibliographiques / Ressources
  • 79. – Wilkinson, M. D., Dumontier, M., Aalbersberg, Ij. J., Appleton, G., Axton, M., Baak, A., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018. https://doi.org/10.1038/sdata.2016.18 – Le Gall, O. (2016). Charte pour le libre accès aux publications et aux données. INRA. https://doi.org/10.15454/1.485854076583696E12 – OpenAIRE guidelines https://www.openaire.eu/guides/ – Whyte, A., Murphy, F., Meyers, N., & Unsworth, K. (2017, septembre). Can wider exposure of DMPs better connect research data production to preservation? Présenté à Exposing DMPs Working Group, Québec. https://www.rd-alliance.org/system/files/documents/2-RDA10-Murphy- ExposingDMPs.pptx – Hooft, R. Elsevier Publishing Campus. (s. d.). How to create a good data management plan. Consulté à l’adresse https://www.elsevier.com/authors- update/story/publishing-trends/how-to-create-a-good-data-management-plan – The State of Open Data 2017, curated by Figshare, October 2017, https://figshare.com/articles/The_State_of_Open_Data_Report_2017/54811 87/1 79 Indications bibliographiques / Ressources
  • 80. – Research Data Alliance. (13:04:53 UTC). OpenAIRE and Eudat services and tools to support FAIR DMP implementat…. Données & analyses. https://fr.slideshare.net/ResearchDataAlliance/openaire-and-eudat-services- and-tools-to-support-fair-dmp-implementation-68900290 – CIRAD Se familiariser avec les plans de gestion de données de la recherche https://coop-ist.cirad.fr/gestion-de-l-information/gerer-les-donnees-de-la- recherche/se-familiariser-avec-les-plans-de-gestion-de-donnees-de-la- recherche/3-exemple-de-trame-d-un-plan-de-gestion-de-donnees – DCC Example DMPs and guidance http://www.dcc.ac.uk/resources/data- management-plans/guidance-examples – DMP Online Funder requirements https://dmponline.dcc.ac.uk/public_templates – DMP Tool Funder requirements https://dmptool.org/public_templates – DMP Tool Public Plans https://dmptool.org/public_plans – INRA Plan de gestion des données https://www6.inra.fr/datapartage/Gerer/Plan-de-gestion – Exemples de grilles d’évaluation : Wellcome Trust https://zenodo.org/record/257650/files/Wellcome_Rubric_v2.1.pdf, EPSRC https://zenodo.org/record/247087#.WtTGRJcuBaQ 80 Indications bibliographiques / Ressources