FAIR et DMP : des acronymes à connaître

2 acronymes centraux dans les politiques relatives aux données de recherche : FAIR et DMP

FAIR

Source : Par SangyaPundir [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via Wikimedia Commons

Adapté de : Par SangyaPundir [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via Wikimedia Commons

Les principes FAIR visent à assurer que les données sont partagées d’une manière qui permette et améliore leur réutilisation, à la fois par des humains et par des machines. A chaque principe sont associées des caractéristiques qui en précisent et spécifient l’application.

Les principes FAIR ont été développés initialement au sein du groupement FORCE11, the Future of Research Communication and e-Scholarship, et présentés dans un article paru en 2016 dans Scientific Data.

Les principes FAIR

To be findable:
F1. (meta)data are assigned a globally unique and persistent identifier
F2. data are described with rich metadata (defined by R1 below)
F3. metadata clearly and explicitly include the identifier of the data it describes
F4. (meta)data are registered or indexed in a searchable resource

To be Accessible:
A1. (meta)data are retrievable by their identifier using a standardized communications protocol
A1.1 the protocol is open, free, and universally implementable
A1.2 the protocol allows for an authentication and authorization procedure, where necessar y
A2. metadata are accessible, even when the data are no longer available
To be Interoperable:
I1. (meta)data use a formal, accessible, shared, and broadly applicable language for knowledge representation.
I2. (meta)data use vocabularies that follow FAIR principles
I3. (meta)data include qualified references to other (meta)data

To be Reusable:
R1. meta(data) are richly described with a plurality of accurate and relevant attributes
R1.1. (meta)data are released with a clear and accessible data usage license
R1.2. (meta)data are associated with detailed provenance
R1.3. (meta)data meet domain-relevant community standards "

Sources :

Wilkinson, M. D. et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship.[Scientific Data, 3, sdata201618]

 

Comprendre et appliquer les principes FAIR

FOSTER Plus consor tium. (2018). Open Science Training Handbook. Repéré à https://book.fosteropenscience.eu/

source : Bezjak, S., Clyburne-Sherin, A., Conzett, P., Fernandes, P. L., Görögh, E., Helbig, K., Kramer, B., Labastida, I., Niemeyer, K., Psomopoulos, F., Ross-Hellauer, T., Schneider, R., Tennant, J., Verbakel, E., Brinken, H., & Heller, L. (2018). Open Science Training Handbook. FOSTER Plus Consortium. https://book.fosteropenscience.eu/ [CC-Zero]

Le site de l’INRA consacre des pages détaillées et en français aux principes FAIR, y compris des recommandations et des questions à se poser lors de la rédaction d’un plan de gestion de données. Ces pages sont accessibles à partir de la page : Produire des données FAIR.

Le Fonds national suisse de la recherche scientifique propose sous la forme d’un tableau récapitulatif une analyse pratique en 3 rubriques : "In other words", "Researcher ’s responsibility", "Requirements to be fulfilled by the repository".

Fonds national suisse de la recherche scientifique. (2017). Explanation of the FAIR data principles.

Données FAIR et ouvertes ?

L’application des principes FAIR aux données implique que ces dernières doivent pouvoir être trouvées, comprises et réutilisées. Cela ne signifie pas qu’elles doivent être nécessairement en accès entièrement libre.

Ainsi des données peuvent être FAIR mais non ouvertes, si elles appliquent les principes FAIR, mais sont soumises à des restrictions d’accès.

Des données peuvent être ouvertes mais non FAIR, si elles sont mises à disposition publiquement, mais sont dépourvues d’une documentation suffisante ou d’une licence précisant clairement les conditions de réutilisation.

Source : Adapté de : Jones, S. (2018). FAIR data: what it means, how we achieve it, and the role of RDA. Repéré à https://www.slideshare.net/sjDCC/fair-data-what-it-means-how-we-achieve-it-and-the-role-of-rda

Source : Adapté de : Jones, S. (2018). FAIR data: what it means, how we achieve it, and the role of RDA. Repéré sur slideshare

Vos données sont-elles FAIR ?

Comment évaluer si des données respectent les principes FAIR ? Comment identifier précisément les actions à mener pour rendre des données davantage conformes aux principes FAIR ?

Le document "How FAIR are your data?" offre une brève liste de contrôle en une page imprimable, sous la forme de cases à cocher.

Jones, S. & Grootveld, M. (2017, 24 novembre). How FAIR are your data?

Le formulaire en ligne "FAIR self-assessment tool" conçu par l’Australian Research Data Commons génère à la fois un score global et un score pour chacun des principes FAIR, en fonction des options de réponse choisies. Pour chacun des principes, le formulaire affiche en effet un ensemble de questions précises ; pour chacune de ces questions, les options de réponse sont présentées sous la forme d’un menu déroulant.

DMP

Le DMP, data management plan, ou PGD, plan de gestion de données, peut être défini comme "un document synthétique qui aide à organiser et anticiper toutes les étapes du cycle de vie de la donnée. Il explique pour chaque jeu de données comment seront gérées les données d’un projet, depuis leur création ou collecte jusqu’à leur partage et leur archivage."

Source : INIST-CNRS. (2018). Plan de gestion des données : fiche synthétique. DoRANum.

Contenu

Le contenu peut varier en fonction du modèle de plan, qu’il soit imposé par un tiers ou choisi. Les rubriques recouvrent souvent les thèmes suivants :

  • description des données et de leur organisation intellectuelle et matérielle,
  • processus et méthodologies employés pour traiter les données à toutes les étapes,
  • choix et modes de diffusion,
  • choix et modes d’archivage.

Dans le contexte des appels à projet, il peut être demandé d’expliciter plus spécifiquement comment les principes FAIR sont pris en compte et appliqués.

Ressources

DMPOPIDoR est une interface de rédaction collaborative de DMP gérée et hébergée par l’Inist-CNRS. Elle est mise à disposition de la communauté de l’enseignement supérieur et de la recherche française.

Le document Sensibilisation au DMP dans le contexte des appels à projets fournit des éléments de contexte, des exemples de modèle et des ressources concernant le DMP.

Un atelier Rédiger un plan de gestion de données avec DMPOPIDoR (Data Management Plan - DMP), animé par Nathalie Reymonet et Magalie Moysan (Université Paris Diderot) a été organisé en mai 2018 à Bordeaux dans le cadre de la journée Des outils pratiques pour gérer et valoriser vos données de recherche.

Mise à jour le 25/10/2024