Les data Papers : quels périmètres, quelles définitions ? Entretien avec Joachim Schöpfel

Joachim Schöpfel est enseignant-chercheur (MCF-HC) en Sciences de l’information et de la communication à l’Université de Lille et membre du laboratoire GERiiCO. Après avoir dirigé l’UFR IDIST de 2009 à 2012 et l’Atelier National de Reproduction des Thèses de 2012 à 2017, il travaille aujourd’hui comme consultant indépendant dans le domaine de l’information scientifique. Adresse courriel : joachim.schopfel@univ-lille.fr

Ses intérêts scientifiques : le libre accès à l’information, les données de la recherche, les thèses et mémoires, la science ouverte.

Dans le cadre du 12ème colloque international d’ISKO-France “Données et mégadonnées ouvertes et SHS : de nouveaux enjeux pour l’état et l’organisation”, Joachim Schöpfel a présenté un article qu’il a co-écrit avec Dominic Farace , Hélène Prost et Antonella Zane.  Cet article s’intitule : « Data papers as a new form of knowledge organization in the field of research data ».

L’article présente un état de l’art de l’environnement des data papers sur le marché de l’édition scientifique : les disciplines concernées, les éditeurs et les modèles économiques, les enjeux liés aux formats et les métadonnées entre autres.

Dans la continuité des entretiens publiés antérieurement sur les données de la recherche (entretien avec Joachim Schöpfel et Alexandre Serres sur les données de la recherche ; entretien avec Francesca Frontini sur les données linguistiques), l’objectif de cet entretien écrit est de revenir sur les principaux résultats présentés dans la communication écrite.  La communication a été publiée dans les actes du colloque d’ISKO-France 2019 et est accessible sur :  https://halshs.archives-ouvertes.fr/ISKOFRANCE2019/halshs-02284548

Les data papers/data journals semblent prendre une importance croissante dans le paysage de l’IST. Ils sont d’ailleurs évoqués explicitement dans le plan national de science ouverte. S’il y a aujourd’hui un intérêt croissant pour ces revues, elles ne sont pas nouvelles pour autant. Quand sont-elles apparues et depuis quand connaissent-elles un développement plus important ?

La plus ancienne revue de données que nous avons trouvée a été lancée en 1956 ; il s’agit du Journal of Chemical and Engineering Data de l’American Chemical Society. Mais la plupart de ces revues sont bien plus récentes. Beaucoup ont été lancés depuis 2008 et 2009.

Combien de data journals existent aujourd’hui ? Quelle part cela représente-t-il sur l’ensemble des revues scientifiques ? Peut-on aujourd’hui estimer le nombre de data papers publiés ? Y a-t-il une forte croissance ces cinq dernières années ?

En croisant des listes, répertoires et bases de données, nous avons trouvé 82 revues qui sont clairement identifiées comme « revues qui publient des articles de données ». Par rapport à l’ensemble des revues scientifiques vivantes, ce n’est presque rien – même pas 0,5%. On peut considérer 28 de ces revues comme étant des revues d’articles de données, au sens strict, dans la mesure où elles publient exclusivement ou presque ce type d’articles.

Quant au nombre total de ces articles, il est difficile de donner une réponse précise, pour la simple raison qu’ils sont encore mal indexés et référencés par les bases de données et moteurs de recherche. Pour les 28 revues, notre estimation prudente est de 11 500 articles ; le nombre réel doit être plus élevé, mais comparé au nombre d’articles dans les bases de données, c’est très, très peu.
La revue la plus importante est Data in Brief d’Elsevier, avec bientôt 4 000 articles. Mais cela reste une exception ; malgré une certaine croissance depuis 2013, le nombre médian d’articles ne dépasse pas 90, et plusieurs revues sont presque vides.

 

Dans quelles disciplines sont-elles le plus développées ?

Les revues de données se sont développées surtout en biologie et génétique, suivies par la médecine, la chimie et la physique.

En existe-t-il beaucoup en SHS ?

Non, il n’y en a que peu, et elles ne sont pas importantes – à une exception près : la revue Internet Archaeology publiée par le Council for British Archaeology et l’Université de York ; cette revue « communautaire » contient déjà plus de 350 articles de données.

 

En analysant les différentes définitions proposées, tu as pu te rendre compte à quel point la notion même de data paper ainsi que les périmètres retenus varient fortement. Peux-tu nous en dire plus à ce sujet ?

Visiblement, il n’y a pas, à ce jour, de compréhension partagée de ce que le terme d’article de données recouvre exactement. Pour faire simple, les uns le considèrent comme une sorte d’abstract, dont l’intérêt principal est une courte description avec un lien qui renvoie vers les données ; une sorte de « point de vente supplémentaire » des données, sur les plateformes de revues.

Tandis que d’autres attendent une information plus riche, y compris sur la qualité de données, leur valeur, leur intérêt potentiel, parfois avec des illustrations (visualisations) et des résultats et même, des données elles-mêmes.

Cela dépend des éditeurs ; mais cela dépend sans doute aussi des rédactions et avant tout des communautés de données, c’est-à-dire des disciplines, équipements, infrastructures…

 

Quelles sont les différences fondamentales entre un data paper et un article scientifique « traditionnel » ?

Il s’agit de deux différences surtout, je pense.

D’une part, la fonction : un article de données ne sert qu’à signaler l’existence d’un jeu de données quelque part accessible sur un serveur (une plateforme, un entrepôt, etc.), avec quelques éléments d’information concernant l’accès et l’utilisation.

D’autre part, la structure : un article de données décrit le jeu de données (variables, valeurs, mesures, etc.), avec une information contextuelle sur le projet de recherche dont il est issu, sur les conditions d’acquisition (collecte) et/ou de production, et une information sur l’intérêt potentiel pour d’autres chercheurs. Normalement il ne contient ni les résultats, ni la discussion ni la conclusion, encore moins l’état de l’art.

 

Peut-on parler d’un modèle de peer reviewing allégé comme pour les méga-revues ?

Je pense que oui, pour deux raisons : même si la plupart des revues indiquent clairement le peer reviewing comme mode de sélection, il ne s’agit ni d’évaluer la qualité des données concernées, ni de valider l’intérêt scientifique des analyses, de la discussion des résultats ou de l’état de l’art. Apparemment il s’agit surtout de vérifier l’accessibilité et la présence et la cohérence des informations indispensables à la réutilisation des données. Cela est sans doute « plus léger » que l’évaluation habituelle d’un manuscrit scientifique.

En revanche, un aspect paraît intéressant : des 28 revues de données au sens strict, cinq pratiquent de l’open peer review, dont une sur le mode interactif entre auteurs et lecteurs, après la mise en ligne de l’article.

 

Quels sont les modèles de financement des data journals ? Ces revues semblent s’inscrire majoritairement dans le modèle open access gold (avec APC). À ta connaissance, y a-t-il des revues qui ont développé des modèles de financement alternatifs ?

Effectivement, le modèle open access avec APC est le modèle dominant des revues de données. Deux seulement sont des revues open access sans APC, et une seule est diffusée en mode abonnement. Elles appartiennent donc en grande partie au nouvel écosystème de la science ouverte ; mais nous n’avons pas trouvé de modèle alternatif, par exemple du genre crowdfunding à l’instar de l’Open Library of Humanities, ou en mode Freemium, à l’instar des revues sur OpenEdition.

 

La question des métadonnées (métadonnées sur les données de recherche, métadonnées sur les articles, métadonnées pour le stockage et l’archivage) semble être particulièrement importante pour les data papers ? Pourquoi ? Peux-tu nous en dire un peu plus à ce sujet ?

Les métadonnées des données dans les entrepôts sont le point de départ. Tu connais les « FAIR guiding principles » pour la gestion et la préservation des données de recherche ; les métadonnées y jouent un rôle central, avec leurs standards, les identifiants pérennes, l’adresse, les licences, etc., mais également avec la richesse de leur information contextuelle.

Il existe beaucoup de formats pour ces métadonnées, quelques-uns génériques (comme celui de DataCite, d’autres plus ou moins pointus, pour certains instruments, certaines données (géolocalisation par exemple) ou certaines méthodologies (comme DDI pour les résultats d’enquêtes).

La préparation d’un article de données s’appuie largement sur l’information de ces métadonnées, en ajoutant le cas échéant d’autres éléments d’information sur la collecte ou production des données, sur leur intérêt potentiel pour d’autres chercheurs, aussi éventuellement sur leur qualité (les mesures de contrôle et de correction, leur validation), etc.

D’une certaine manière il s’agit d’enrichir les métadonnées des données, de les formuler et compléter. On pourrait appeler cela aussi ajouter de la valeur aux métadonnées de données – surtout quand la génération d’un article de données se fait d’une manière automatique ou semi-automatique directement à partir d’un entrepôt de données. L’éditeur Pensoft expérimente un workflow direct entre entrepôt et plateforme de revues.

Et comme tu dis, il y a une autre couche, les métadonnées de l’article de données qui ont d’autres formats, et qui commencent à être impactées par les principes FAIR. Tout cela n’est pas simple, comme une mise en abyme…

 

La notion de data journal / data journal renvoie à des réalités très différentes. L’étude que tu as menée t’a permis de catégoriser ces différences en identifiant 4 différents types de data papers. Peux-tu nous les présenter ?

En fait, les frontières entre les articles et revues de données et les autres articles et revues ne sont pas aussi claires qu’une définition peut faire croire. Nous avons trouvé une réalité plus floue, mouvante, sans doute en transition, pour au moins quatre raisons que nous avons décrites dans notre étude : les revues de données publient aussi d’autres types d’articles ; les articles de données sont publiés par d’autres revues scientifiques (« normales ») ; les articles de données sont (partiellement) plus complexes, avec des résultats d’analyse, une discussion, parfois des états de l’art ; et en plus, il y a d’autres types d’articles quelque part entre les articles scientifiques et les articles de données, comme des overlay articles (en partenariat avec des entrepôts) ou des data services papers, non pas sur les données mais sur les services de données.

 

Partant de ce constat de diversité et d’hétérogénéité des modèles de data papers, il te semblait important de reconceptualiser la notion de data paper. Quelle définition proposes-tu pour les data papers ?

Oui, à partir de notre analyse, nous proposons une nouvelle définition (en anglais) pour mieux comprendre cette catégorie de document et pour faire la distinction avec d’autres types d’articles. Voici une tentative de traduction : « Les articles de données sont des articles rédigés, révisés par des pairs et citables, publiés dans des revues scientifiques, dont le contenu principal est une description des jeux de données de recherche publiés, ainsi que des renseignements contextuels sur la production et l’acquisition de ces données, dans le but de faciliter la « trouvabilité » et la réutilisation des données de recherche ; ils sont intégrés à la gestion des données de recherche et liés à des entrepôts de données. » Il s’agit d’une définition de travail, circonstancielle, et il faut garder en tête que l’édition scientifique évolue rapidement et qu’il faudra sans doute adapter cette définition aux développements en cours.

 

À ton avis, les data paper vont-ils devenir un modèle dominant dans la communication scientifique ?

Un modèle dominant ? Non, je ne pense pas. Je pense que le modèle de l’article scientifique « complet », avec présentation et discussion des résultats restera jusqu’à nouvel ordre plus important que l’article de données. Néanmoins, je suis convaincu que le rapport entre revues, articles et données va profondément changer, en mettant l’accent sur l’interconnexion, l’accessibilité, la navigation facile entre résultats, discussions et informations contextuelles.

Autrement dit, le modèle dominant entre les articles scientifiques, et les articles de données, sera la compatibilité de l’ensemble avec les principes FAIR, ce qui implique une importance accrue des standards, des identifiants et des métadonnées. Comme disait Keith Jeffery d’euroCRIS à propos de l’évolution des dispositifs de l’information scientifique, « metadata is the key ». C’est plus vrai que jamais.

Merci beaucoup Joachim pour cet entretien riche et passionnant. 


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.