En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal

Datapartage

DOI et données dynamiques

Je gère une collection ou un jeu de données susceptibles de changer dans le temps.

Les jeux de données scientifiques sont susceptibles de changer au cours du temps pour prendre en compte des corrections ou des ajouts de données. Exemples : données environnementales, données de capteurs, données d’observation, études longitudinales.

De plus, dans le cas de données de taille importante, le scientifique peut vouloir identifier et citer précisément le sous-ensemble de données utilisé pour produire les résultats décrits dans un article.

Dans un contexte où la reproductibilité de la recherche devient un enjeu important, il est important d’identifier et citer les données de manière pertinente. Selon les cas d’usage, plusieurs approches pour l’identification des données dynamiques existent.

Cas 1 : On souhaite identifier et citer les mises à jour correspondant à une période donnée. Exemple : les relevés de température pour une année donnée

L’approche préconisée dans ce cas est une approche dite « time slice », basée sur des intervalles de temps réguliers. Cette approche consiste à archiver une copie des mises à jour correspondant à une période (par exemple les relevés de température de juin 2016) et à attribuer un DOI à cette copie archivée.

Le lien entre une copie archivée spécifique et les autres copies archivées peut se faire grâce aux métadonnées (par exemple la métadonnée RelatedIdentifier de DataCite).

Cas 2 : On souhaite identifier et citer une image complète du jeu de données à un instant donné. Exemple : une série temporelle dans son ensemble à un instant donné.

L’approche préconisée dans ce cas est celle dite « full snapshot » basée sur un archivage régulier  d’une copie complète du jeu de données. Elle  consiste à archiver une copie complète du jeu de données selon une périodicité définie ou à la demande d’un auteur qui souhaite citer le jeu de données, puis à attribuer un DOI à chaque copie archivée.

Le lien entre une copie archivée spécifique et les autres copies archivées peut se faire grâce aux métadonnées (par exemple la métadonnée RelatedIdentifier de DataCite).

Cas 3 : on souhaite identifier et citer la requête qui permet de sélectionner un sous-ensemble précis d’une base de données requêtable

Dans le cas de données volumineuses et dynamiques, archiver et identifier de manière régulière des sous-ensembles correspondant à des résultats de requêtes peut s’avérer coûteux. Partant de ce constat, le groupe  de travail (Data Citation of Evolving Data) de la Research Data Alliance (RDA) a produit des recommandations permettant d’archiver et d’identifier des requêtes en lieu et place des résultats correspondants : https://www.rd-alliance.org/system/files/RDA-DC-Recommendations_151020.pdf.

Cette approche consiste à archiver l’équation de la requête accompagnée des informations ci-dessous et à y associer un DOI :

  • Un timestamp correspondant au moment de l’exécution de la requête
  • La requête originale telle que exprimée par l'utilisateur
  • La requête originale modifiée dans le but de préserver les propriétés essentielles du jeu de données (exemple : tri)
  • Une clé de hashage du résultat de recherche pour permettre de vérifier à posteriori qu’il s’agit ou non de la même requête,  et éviter d’attribuer plusieurs fois un DOI à la même requête.  Les nouvelles requêtes reçoivent un nouvel identifiant DOI. De même, si les résultats d'une requête changent, un nouveau DOI doit être généré.
  • Des métadonnées descriptives telles que celles préconisées par DataCite

Mise en œuvre des recommandations RDA avec le DOI

Application à une base de données relationnelle
  • Versionner et historiser les données
    • Horodater chaque opération d'insertion, de modification et de suppression dans la base de données
    • Garder l’historique de toutes les insertions, modifications et suppressions dans la base de données
    • Stocker toutes les requêtes de sélection ayant vocation à être persistées et citées, plus éventuellement leurs équivalents incluant une opération de tri
    • Générer une clé de hashage pour le sous-ensemble de données résultant de la requête. Cette clé permet de vérifier plus tard que les résultats de la réexécution de la requête correspondent bien à ceux de la requête identifiée et citée.
    • Attribuer  un DOI à la requête pour l’identifier et la rendre citable.
Application à un jeu de données au format CSV

Importer les données au format CSV dans une base de données relationnelle et procéder comme dans le paragraphe précédent

A noter aussi que le groupe de travail RDA a développé le prototype d’une interface de requête Web permettant de capturer les opérations de création d’une requête (sélection, filtrage, tri) et de stocker ces informations  en les associant à un timestamp.

D’autres exemples d’application sont décrits par le groupe de travail dans son wiki : https://www.rd-alliance.org/groups/data-citation-wg/wiki/scalable-dynamic-data-citation-rda-wg-dc-position-paper.html#rdbms

Voir aussi

Certains entrepôts de données proposent un suivi de versions des jeux de données. C’est par exemple le cas des entrepôts de données réalisés avec la technologie Dataverse. Le portail des données de l’INRA Data Inra est réalisé avec Dataverse et propose cette fonctionnalité. Chaque jeu de données (fichiers de données + métadonnées) publié est associé à un DOI et une empreinte digitale permettant d’attester de la fiabilité (authenticité et intégrité) des données.

  • En cas de changements mineurs (ajout ou modification de métadonnées qui ne changent pas la citation), une version mineure du jeu de données est créée
  • En cas de changement majeur (ajout ou modification de métadonnées qui changent la citation, ajout ou suppression de fichiers de données), une version majeure du jeu de donnée est créée et est associée à une nouvelle empreinte digitale.
  • Dans tous les cas, le DOI ne change pas et renvoie vers la page descriptive de la version la plus récente du jeu de données ; l’entrepôt offrant la possibilité d’accéder aux versions antérieures du jeu de données à partir de cette page.
  • Exemple sur le portail Dataverse de Harvard : https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/SUCQ52

Recommandations RDA : https://www.rd-alliance.org/system/files/RDA-DC-Recommendations_151020.pdf et

Recommandations DataCite : https://schema.datacite.org/meta/kernel-4.0/doc/DataCite-MetadataKernel_v4.0.pdf

Recommandations DCC : http://www.dcc.ac.uk/resources/how-guides/cite-datasets#sec:versions