De biens étranges papiers, rendez-vous se sont donnés
Passés en revue puis réunis ainsi dans ce dossier dédié
Se présentant modestement en tant qu’articles de données
Désormais au regard des lecteurs il nous faut les confier
Après des temps de collecte et de tri, les voici ainsi composés
Ainsi sont ces articles qui s’accompagnent de preuves
Pour que d’autres à leur tour y puisent et s’y abreuvent
En allant les charger sur les entrepôts où sont déposés
Les documents organisés qu’on pourra solliciter
DOI de faits, pérennisés, à jamais retrouvés
Remèdes efficaces contre prédatrices et controuvées
Le cher genre data paper gagne à être cité
Data et quaesita, nouvelles donnes et autres obtenues
Chercheurs en SIC faites place aux nouveaux-venus.
Que diable allait-il faire dans cette galère ?
(Molière, Les fourberies de Scapin, II, 7)
1Que diable allait-il faire dans cette galère ? Voilà en effet ce qu’on pourrait dire du chercheur qui tente de réaliser un data paper en sciences de l’information et de la communication.
2Ce nouveau type de création scientifique a émergé dans des domaines habitués à présenter des données et à les rendre interprétables et vérifiables.
3En sciences humaines, la démarche apparaît plus complexe : elle ne peut être directement transposée, les données de la recherche prenant des formes différentes. À quoi ressemblent donc les données de la recherche tant elles peuvent prendre des formes variées ? Le chercheur prudent hésite alors à faire objet de monstration, ce qui peut lui apparaître parfois justement comme peu normé, pour ne pas dire anormal. Tel un monsieur Jourdain de la production de données de la recherche n’a-t-il peut-être même pas conscience d’en produire ?
4Que diable allait-il faire dans cette galère ? Interrogation légitime quand le chercheur s’aperçoit également qu’il allait lui falloir suivre quelques règles de mise en forme pour exposer ses trouvailles.
5La crainte de « ramer » à contre-courant se fait alors jour. La tentation de mettre les voiles vers d’autres destinations moins exotiques apparaît au fur et à mesure qu’il s’agit de faire rentrer des pratiques diverses parfois mal circonscrites sous la forme réduite d’un data paper.
6Fort heureusement, les évaluateurs veillaient et guidèrent les auteurs désireux de se lancer dans l’aventure. « Là, tout n’est qu’ordre et beauté, Luxe, calme et volupté. ». La promesse était présente, mais encore fallait-il saisir l’invitation au voyage. Les auteurs de ce dossier n’ont pas hésité à embarquer.
7Il en va du data paper comme de la poésie. Il requiert des règles, des normes, des formes : ceci est (bien) un data paper ! Mais il suppose aussi une poétique somme toute surréaliste. Il représente une réalité « différante » (Derrida, 1967), celle d’une mise en données qui facilite l’analyse du réel ainsi recomposé.
8Mais cette poétique qui requiert des métriques, celle de l’ordonnancement de la mise en données d’une thématique ou d’un phénomène étudié, ne doit pas faire disparaître la possibilité d’une créativité. La versification n’obère pas la diversité.
9Alors que sont donc allés faire dans cette galère les deux coordinateurs de ce dossier ? La lecture du dossier permettra d’y trouver quelques réponses. Les coordonnateurs assurent qu’il n’y avait ni fourberie ni tartufferie dans le projet initial, mais confessent néanmoins que l’objectif était d’éviter de cacher ce dessein que d’aucuns ne sauraient voir.
10Ce dossier spécial Data Paper fait suite à l’ouverture de la rubrique en 2019. Il marque une nouvelle étape de l’initiative en prenant le temps de ce dossier une place centrale au sein de la revue.
11Ce dossier nous a convaincus qu’il fallait former plutôt que conformer, transformer les pratiques plutôt que les déformer.
12L’enjeu est important pour les sciences de l’information et de la communication, souvent versées dans l’étude des discours et des imaginaires, mais qui néglige parfois qu’elle est également productrice d’un voile disciplinaire qui dissimule plus qu’il ne révèle, et qui tend trop souvent à repousser les méthodes quantitatives, à désigner parfois les avancées des études digitales pour les produits d’une technophilie béate alors que l’explicitation, la documentation des données et leur publication participent à l’inverse à la nécessité d’une herméneutique renouvelée, essentielle aux conditions de l’interprétation.
13Plus encore et à un échelon modeste, néanmoins essentiel, s’y trouve le potentiel d’une introspection disciplinaire qui peut permettre une meilleure compréhension de l’identité et de l’origine des SIC au travers de data papers les plus divers possibles. L’enjeu des data papers ne réside pas dans un morcellement de données éparses, mais au contraire dans la possibilité de créer du lien.
14Puisse ce dossier y contribuer.
15Le chercheur en sciences humaines et sociales qui perçoit à la périphérie extérieure de son horizon de recherche le concept de data paper se pose, à juste titre, un certain nombre de questions sur les prémices, modalités et objectifs de ce nouvel objet rédactionnel. Il se demande surtout s’il peut, et doit, s’emparer dudit objet.
- 1 Question bien légitime qui s'inscrit dans une forme de rationalité socio-anthropologique du cherche (...)
16Les premières questions qui viennent à l’esprit peuvent porter sur sa forme, son intérêt tant dans le périmètre scientifique que dans la sphère socio-anthropologique du chercheur : qu’est-ce qu’un data paper ? A-t-il le moindre intérêt scientifique ? Que va-t-il (m’)apporter1 ?
17Au-delà de ces questions bien légitimes, d’autres, plus insidieuses, peuvent arriver à l’esprit : comment cet objet des sciences dites « dures » est-il arrivé à l’orée de nos pratiques en sciences humaines et sociales ? S’agit-il, comme le pensent certains, d’une énième tentative de donner un verni de scientificité aux méthodes de recherche en sciences humaines et en sciences sociales dans la continuité des humanités numériques (Mounier, 2018, chap 1), une « condition sine qua non de sortie de crise est la reproductibilité en tant que telle, c’est-à-dire la capacité à reproduire les résultats des travaux de recherche publiés » (Gay, 2021) ? Est-ce encore une percolation méthodologique, qui comme les humanités numériques, transforme le métier de chercheur, sinon par une révolution méthodologico-épistémique, à minima par l’adjonction d’un panel méthodologique transdisciplinaire ? Peut-on comparer les méthodes de description de corpus issus de données générées avec celles de données patiemment récoltées, filtrées ?
18Sans entrer dans un débat autour des humanités numériques, ou digitales, il est évident que l’importance quantitative des corpus et données de cohortes collectées en sciences humaines et sociales suit la même courbe de celle du Web : il y a une massification nette. Sans description des jeux de données, leur réutilisation et valorisation n’est pas possible. Mais si cette réutilisation est souhaitée, sera-t-elle effective ? Les SHS se prêtent-elles à la réutilisation des données ? Selon quelle modalité ? Enfin, grâce aux data papers, la valorisation des données peut-elle éviter la création de jeux très similaires, voire redondants ?
19Une autre question qui peut se poser est liée aux injonctions de mise à disposition des jeux de données de la recherche par les institutions de financement. Ne sommes-nous pas en train de répondre par le data paper à des injonctions technocratiques et administratives ? Nous prenons le pari qu’au-delà de la politique, ces méthodes récentes offrent une réelle opportunité, un nouveau canal même, de valorisation des travaux de recherche.
20Il est vrai que l’ANR, les projets européens et tout organisme de financement réclament maintenant une phase de description précise des méthodes de collecte, stockage, sécurisation et partage des données d’un projet de recherche. En effet, il ne suffit pas de « partager » des données brutes (datasets), il faut aussi les documenter, comme ce doit être le cas lors du dépôt du plan de gestion de données, ou Data Management Plan (Kembellec, 2019, Reymonet et al., 2018). Dans un premier temps, cette injonction peut être vue comme une contrainte complémentaire pour obtenir des financements de recherche, énième strate administrative chronophage de financement de la recherche. La rédaction d’un plan de gestion des données est une action qui est rigoureuse et chronophage. Elle arrive le plus souvent à une étape du projet qui n’est pas encore propice à l’explicitation d’une vision claire de l’ensemble du processus de collecte et traitement des données. Il est cependant possible d’y trouver de l’intérêt. Outre l’explicitation d’une vision claire, elle est aussi, s’il en était besoin, de la prise de conscience des besoins humains, techniques et structurels liés à la bonne marche du projet. Nous commençons à avoir conscience de la nécessité de pérenniser nos données, de les documenter et de les partager. En revanche, nous n’avons pas toujours à l’esprit que nous disposons ici du plan d’un futur data paper : il s’agit d’une production scientifique qui décrit a priori puis itérativement notre méthode de collecte et en présente la reproductibilité. Le plan de gestion de données, document normalisé s’il en est, permet donc à peu de frais de se préparer à rédiger un ou des data papers au fur et à mesure de l’avancée du projet.
21Le projet DoRANum (Apprentissage Numérique sur les Données de la Recherche), porté par l’Inist-CNRS et le réseau des Urfist, définit les data papers comme « des articles à part entière suivant le même processus éditorial que les articles scientifiques Ils ont pour but de rendre des jeux de données accessibles, interprétables et réutilisables » (Doranum, 2017). Donc, il s’agit bien d’un article scientifique « à part entière » et c’est comme cela que les revues les présentent, qu’elles soient spécialisées en datapapers ou disciplinaires. Cependant, la data paper ne peut être un espace scientifique de débat ou de présentation détaillée de résultats de recherche. Schöpfel et al. (2019) reprenant Callaghan et al. (2012, p. 112) posent que le data paper se focalise sur les « quoi, où, pourquoi, comment et qui des données » plutôt que sur les résultats de recherche originaux : cela ressemble à une analyse quintilienne.
22C’est sur ce point que la vision des sciences humaines et sociales (SHS) et des sciences techniques et médicales (STM) du data paper peuvent, de notre point de vue, se confronter en termes d’habitus. En STM, un data paper est un article scientifique descriptif court, d’au maximum 10 pages dans le cas de data in brief2 : ce n’est donc pas un espace de posture épistémique. Il est rarement plus long, mais il s’hybride parfois, sans forcément dire son nom, en article classique comme parfois dans la revue Frontiers3 qui présente des corpus, méthodes de collecte, mais aussi des analyses sur une vingtaine de pages hors annexes.
- 4 Voir à ce propos les postures et retours d’expérience du colloque DHNORD21 sur les enjeux des data (...)
23En sciences humaines et sociales, le data paper est un concept émergent, que l’on retrouve à la marge dans diverses disciplines comme l’histoire ou l’histoire de l’art, pour ne citer que des disciplines que nous avons pu expérimenter4. Nous le pensons comme étant avant tout un écrit d’accompagnement. Il y reprend les codes du data paper en STM, tout en respectant la tradition littéraire. Le data paper accompagne le jeu de données présenté et dans une certaine mesure le projet qui y est associé.
- 5 Nous n’utilisons pas ici l’acception de Breton du discours d'accompagnement qu'il situe dans l’espa (...)
24Nous attribuons à ce discours d’accompagnement5 une vision auctoriale et éditoriale d’un jeu de données. Ici, l’accompagnement est celui des producteurs de données - chercheurs, ingénieurs, et documentalistes, le terme d’auteurs serait à discuter, du jeu de données. Les créateurs du jeu de données l’accompagnent d’un discours permettant de le comprendre, de l’évaluer et de le réutiliser.
25Pour le volet d’évaluation des données, en STM, la focale qualitative est avant tout une question de modélisation, de réglage, de mesures. C’est principalement une démonstration de métrologie : les acteurs de ces disciplines peuvent traiter, interpréter, stocker, récupérer et trier numériquement des données avec précision et fiabilité — à la condition toutefois de leur donner de bonnes instructions. La qualité du résultat est donc directement induite par celle des données initiales (Weinberg, 2003, p. 228-229).
26Dans nos disciplines cette question méthodologique n’est pas moins importante : « compter, comparer, classer, modéliser restent des moyens utiles pour mesurer notre degré de doute ou de certitude, pour expliciter nos hypothèses ou évaluer le poids d’un phénomène » (Lemercier & Zalc, 2008). Il n’est pas possible de qualifier les résultats sans qualifier les sources. Mais la différence est parfaitement explicitée par Johanna Drucker (2011), dans le cadre des humanités : les données ne sont pas de simples mesures, mais de véritables productions d’observations ou d’analyses de corpus subjectivées. C’est la distinction entre data et capta, ou plus aller sur une construction plus fine entre data et sublata selon Bruno Latour (2007).
- 6 Un article traditionnel dans Nature va faire entre 6 et 8 pages maximum selon la discipline pour 2 (...)
27Il n’est donc pas aisé de se contenter de décrire le jeu de données, son processus de collecte et de qualification dans le cadre des SHS en peu de mots. Le processus de construction de la donnée est plus long que celui de sa mesure. Cela explique la nécessité d’une contextualisation plus expressive. De plus, la tradition littéraire des sciences humaines rend ses productions plus prolixes au regard du traditionnel laconisme des sciences dures6. Il est donc probable que pour trouver une tonalité compatible avec un lectorat en SHS et plus spécifiquement encore en SIC, un data paper doive aussi être une construction écrite posée également dans les canons de la discipline. C’est la raison pour laquelle dans ce dossier nous prenons la liberté de proposer des articles qui répondent au cahier des charges initial du data paper, sans en brider l’écriture. Dans cet esprit, les articles de ce dossier décrivent les méthodes de sélection et de collecte des données, les droits et possibilités de réutilisation, la description des jeux, leurs forces et limites. Ne sont donc pas discutés ici les résultats eux-mêmes, mais un espace assez ouvert est offert pour contextes de production des données qu’il s’agisse de projets de recherche, d’analyses de production bibliothéconomiques ou encore d’expérimentations pédagogiques. Ce choix éditorial assumé, qui permet de valoriser les projets des chercheurs par leurs données, est aussi un moyen de pointer le « travail invisible des données » réalisé par les ingénieurs et documentalistes sans lesquels l’écosystème de la recherche ne saurait s’équilibrer (Denis, 2018).
- 7 Il peut s’agir, entre autres, d'enquêtes inter ou trans disciplinaires, de projets de valorisation (...)
28Après cette brève proposition de contour de l’objet data paper, penchons-nous sur sa matérialité. De manière préalable, un data paper présente le contexte de production d’un jeu de données de recherche (Schöpfel 2019, Gay 2021). Le cadre de production doit être explicité : qu’il s’agisse (probablement) d’un projet de recherche, d’un projet professionnel de collecte d’information en lien avec notre discipline ou d’autres disciplines avec des méthodes qui nous sont propres7.
29Les auteurs doivent définir et expliciter les méthodes de collecte et de sélection des données. Les sources doivent être nommées et décrites, les choix de sélection doivent être expliqués. Si la collecte de données implique des techniques numériques, il faut préciser quels algorithmes, quels logiciels ou librairies ont été mobilisés. Pour ce dernier point il peut s’agir d’une description méthodologique et/ou de l’adjonction d’un notebook, c’est-à-dire d’un document exécutable qui hybride écriture et automatisation informatisée (ce sera le cas dans certains articles de ce dossier). Il peut s’agir d’une également expliciter le moyen de citer et d’accéder physiquement aux données.
30Ensuite, et c’est ici que la notion de métadonnées — données sur les données — intervient, elles constituent le meilleur moyen de documenter et donc de permettre la réutilisation des données. Ce travail est d’autant plus aisé à rédiger que les données elles-mêmes ont été produites dans le respect des principes du FAIR. C’est-à-dire qu’elles sont physiquement accessibles, sous licence ouverte et dans des formats ouverts. Enfin, ces données doivent être porteuses de métadonnées explicites, si possible en lien avec les autorités, formats et normes du Web sémantiques.
31Pour ce qui est du plan de ce type d’article, Gay (2021) pose celui proposé par le data Scientific Data du groupe Nature peut tout à fait s’adapter au SHS :
-
Contexte et résumé : succincte description de données produites, leur contexte scientifique ainsi que leurs utilisations potentielles (le terme succinct est ici soumis aux usages auctoriaux et éditoriaux en SHS, la perception de la concision n’étant pas universelle en épistémologie).
-
Méthodes : description précise du processus de production des données afin que celui-ci soit reproductible.
-
Fichiers de données : description de chaque jeu de données associé avec le data paper (variables, noms de fichiers, localisation, formats et taille).
-
Validité des données décrites : analyses ou procédures ayant permis de confirmer la validité des données décrites (confrontation avec différentes sources ou avec des données comparables).
-
Notes d’usage : procédures de réutilisation des données
-
Disponibilité du code : reproductibilité, un éventuel accès au code de reproduction du jeu de données
32Ce dossier contient six articles qui abordent des thématiques diverses et qui s’inscrivent dans le champ des sciences de l’information et de la communication.
33Les data papers du dossier s’appuient ici sur des données produites par le biais d’enquêtes, par l’extraction de données issues de pages web ainsi que par l’étude de données provenant de publications scientifiques.
34Les données présentées ici ne sont pas des raw data au sens de données essentialisées (Gitelman, 2013), elles sont issues de démarches scientifiques qui sont expliquées dans la méthodologie et le contexte des data papers. Les données (obtenues, inférées, recherchées) sont cependant toutes dans des formats ouverts et réutilisables. Les lecteurs du dossier pourront donc devenir à leur tour « légistes du digital » (Le Deuff, 2016) en allant ouvrir les corpus de données qui leur sont offerts.
35Laetitia Bracco nous présente un travail mené en tant que conservatrice de bibliothèques et plus spécifiquement en tant que data librarian en charge des questions de science ouverte à l’Université de Lorraine. Le data paper décrit le baromètre lorrain de la science ouverte, les choix méthodologiques effectués pour assurer un suivi régulier et les outils déployés à sa réalisation. Le data paper possède un double intérêt : celui de fournir des données actualisées du baromètre lorrain, mais surtout de proposer une série d’outils, des méthodes et de codes pouvant être réutilisés par d’autres, notamment d’autres services communs de documentation voulant mettre en place ce type de dispositif. L’initiative montre l’intérêt d’une collaboration active entre chercheurs et data librarians, ce qui plaide pour une meilleure reconnaissance de ces compétences en matière de gestion des données de la recherche dans les futures stratégies en matière de science ouverte que sont en train de mettre en place certains établissements.
36Ces mutations, transformations et enjeux font justement l’objet du data paper de Florence Thiault et Marie-Laure Malingre de l’Urfist de Bretagne-Pays de la Loire. Au sein d’un projet de recherche financé par le Groupement d’intérêt scientifique (GIS) « réseau » des Urfist, elles ont mené un travail de recension des enquêtes nationales ou internationales concernant les pratiques d’IST sur les pratiques d’information scientifique des chercheurs. Le corpus est constitué de 114 enquêtes qui présentent des similitudes, mais bien entendu des spécificités selon le pays et le public visé. Il s’agit d’un matériau précieux compte tenu de la multiplication de ce type d’enquête depuis plusieurs années. Plusieurs réutilisations sont donc possibles entre une visée pragmatique qui consisterait à produire sa propre enquête en IST jusqu’à des méta-analyses comparatives plus poussées.
37Outre les résultats, on appréciera la description précise de la démarche et des outils déployés pour la réalisation du projet, le partage et la conservation des résultats.
38L’IST est également abordée par l’article d’Alaric Tabaries qui propose de s’intéresser à la qualité des métadonnées déposées sur l’archive ouverte HAL de l’université de Toulon. Faisant le constat que les incitations à déposer des publications sur les archives ouvertes a produit une augmentation de la volumétrie disponible, il a cherché à vérifier si quantité peut rimer avec qualité. Ce point préoccupe de plus en plus les administrateurs et les ingénieurs chargés du bon fonctionnement des archives ouvertes qui doivent de plus en plus réaliser de la curation de données et de métadonnées. Par extension, les moteurs comme Isidore qui moissonnent les métadonnées sont effectivement très dépendants de leur qualité. Cette question doit également préoccuper le chercheur s’il veut s’assurer de la bonne indexation et donc de la retrouvabilité potentielle de son travail. Alaric Tabaries propose donc de quantifier par critères de présence la qualité des métadonnées d’un article. La démarche permet d’alerter quant au risque de métadonnées potentiellement médiocres dans une archive. Les critères choisis par l’auteur offrent des perspectives de discussion opportune notamment en ce qui concerne le poids du DOI qui semble plus fréquent en sciences appliquées qu’en SHS. Le data paper offre également la possibilité de réutiliser la méthodologie et les codes disponibles sur un notebook pour l’appliquer à un autre entrepôt.
39Jean Louis Pernin nous propose les données d’une enquête menée auprès d’étudiants dans le contexte de la pandémie. Issu d’un travail initialement pédagogique, l’enquête réalisée avait pour but de mieux saisir et comprendre l’intention d’abandonner ses études en lien le COVID-19. En s’appuyant sur la théorie du comportement planifié, cette étude offre à la fois un set de données ainsi qu’un cadre théorique et des pistes pour anticiper le risque d’abandon des études. Outre les données des résultats de l’enquête, des annexes permettent de réaliser des enquêtes du même type pour décliner la méthode ou pour procéder à des comparaisons. L’intérêt du data paper réside également dans la possibilité d’initier de façon précoce des étudiants à des problématiques de recherche et de les sensibiliser à des questions de méthode et à la mobilisation d’outils.
40Audrey Knauf entreprend une analyse de la revue spécialisée en Intelligence Économique, R2IE en proposant un set de données qui reprend les principaux auteurs, titres et mots-clés au sein des publications depuis la création de la revue. Le contexte de l’étude avait pour objectif d’analyser les relations entre le champ émergent de l’intelligence économique et les sciences de l’information et la communication. Le but était également de comprendre l’évolution d’une revue devenue « qualifiante » en sciences de l’information et de la communication fin 2018. L’article produit un début d’analyse des résultats ce qui en fait un data paper hybride, et ce d’autant que l’analyse des données ne peut être réalisée que par une spécialiste du domaine. L’article ouvre ainsi des pistes de réflexion et de discussion dans l’analyse des résultats autant parmi les spécialistes de l’intelligence économique qu’au sein des SIC quant à la place à accorder à l’intelligence économique.
41David Reymond, Amandine Lebourgeois, Lauren Campo, Kouamvi Couaozotti et Alaric Tabaries nous offrent un data paper original car il couple le set de données décrit avec la possibilité de suivre les opérations effectuées via trois notebooks Jupyter. Cela facilite la vérification du processus, mais cela offre surtout des pistes de réutilisation de tout ou partie de la méthodologie déployée, des requêtes en langage python effectuées et des bibliothèques mobilisées pour la réalisation de ces data papers. Le data paper porte spécifiquement sur l’analyse d’un SWO (Site web organisationnel) et de son environnement numérique au travers l’étude des citations web qu’il reçoit. Le cas d’étude ici est celui de l’environnement web du Parc National de Port-Cros.
-
Marc BERTIN, Université Claude-Bernard Lyon 1
-
Chérifa BOUKACEM-ZEGHMOURI, Université Claude-Bernard Lyon 1
-
Orélie DESFRICHES-DORIA, Université Paris 8
-
Hans DILLAERTS, Université Montpellier 3
-
Bernard JACQUEMIN, Université de Lille.
-
Gérald KEMBELLEC, Cnam
-
Éric KERGOSIEN, Université de Lille
-
Mareike KÖNIG, Institut Historique Allemand à Paris
-
Olivier LE DEUFF, Université Bordeaux Montaigne
-
Violaine REBOUILLAT, Université Lyon 1
-
Rayya ROUMANOS, Université Bordeaux Montaigne
-
Imad SALEH, Université Paris 8
-
Joachim SCHÖPFEL, Université de Lille
-
Marta SEVERO, Université Paris-Nanterre
-
Florence THIAULT, Université Rennes 2
-
Lise VERLAET, Université Montpellier 3