ͼ

Tenue d'un registre de travail

Une étape essentielle du processus de recherche consiste à conserver des traces de votre travail tout au long du projet. Vous aurez à tout le moins besoin des données pour décrire les résultats de votre recherche dans toute présentation ou publication à venir. Vous devrez fournir des renseignements supplémentaires, tels que des informations sur les citations, une explication de la méthodologie de l’enquête, des informations sur l’échantillonnage, le contexte et le codage des questions, comment et pourquoi les variables dérivées ont été créées, et plus encore, afin de conserver vos données dans un dépôt ou de les partager avec d’autres.

éٲDzԲé

De nombreux services et plateformes de préservation de données à long terme exigent une quantité variable de métadonnées structurées pour accompagner les fichiers de données déposés.

Les métadonnées sont des données ou des informations qui facilitent la découverte, la compréhension et la gestion de vos données de recherche. Des métadonnées de bonne qualité sont essentielles pour une utilisation précise et informée, surtout si les données doivent être réutilisées ou partagées plus tard. Les métadonnées créées au cours des étapes de planification d’un projet de recherche réduisent les risques associés à la perte de données pendant et après l’achèvement du projet. Il est donc essentiel de commencer à tenir un registre de vos données dès le début de votre projet.

Utilisez les métadonnées pour :

  • Permettre à d’autres de réutiliser vos données
  • Faciliter la conservation
  • Permettre la reproduction à une date ultérieure
  • Rendre les données compréhensibles pour les autres

Le type de structure utilisé pour consigner vos données dépendra de la complexité du projet ou des données collectées et du nombre de personnes impliquées dans le projet. Envisagez de tenir un registre des éléments suivants :

Sur le plan de l’étude

  • Les créateurs, les collaborateurs, les sources de financement, les droits
  • La question de recherche et sa justification
  • La date à laquelle les données ont été recueillies ou analysées
  • La méthodologie de l’enquête
  • Le cadre d’échantillonnage
  • Les instruments, la configuration des instruments ou les mesures utilisées

Sur le plan du fichier ou de la base de données

  • La relation entre les fichiers
  • Les informations contenues dans les fichiers
  • Le format dans lequel les fichiers sont stockés
  • Les tests ou les analyses effectués sur le(s) fichier(s)
  • Les informations qui concernent le fichier ou le dossier (à l’aide d’un fichier readme.txt)
    • Cela inclut des informations sur le nom des fichiers, les abréviations ou les acronymes utilisés ainsi que sur le contenu du ou des fichiers.

Sur le plan des variables

  • Le nom de la variable, mais aussi l’étiquette de la variable expliquant sa signification, l’unité de mesure, la pondération de l’échantillon, etc.
    • L’information peut être contenue dans une liste de codage.

Sources d’information sur les métadonnées

  • Les renseignements standards soumis dans la demande du comité d’éthique de la recherche (CER)
  • Les cahiers de laboratoire et les protocoles expérimentaux
  • Les questionnaires, les listes de codage, les dictionnaires de données
  • Les fichiers de syntaxe et de sortie des logiciels
  • Les informations sur les réglages de l’équipement et l’étalonnage des instruments
  • Le schéma de la base de données
  • Les rapports méthodologiques
  • La provenance des données dérivées

Utilisation des normes, des taxonomies et des systèmes de classification

Lors de la conservation ou du partage des données, les normes, les taxonomies ou les systèmes de classification peuvent être utilisés pour catégoriser ou consigner les données ou d’autres informations selon une méthode largement comprise. Les dépôts de données vous demandent généralement d’utiliser une norme de métadonnées internationale.

Normes

Il existe une grande variété de normes et de schémas à utiliser pour consigner les données de recherche. La plupart sont propres à une discipline, mais certains peuvent être adaptés pour être utilisés dans d’autres domaines. Tous ont un ensemble de balises de base qui recueillent des informations essentielles relatives à votre projet, notamment le titre, l’auteur, les sources de financement, le résumé, les mots-clés, les conditions d’utilisation et les informations relatives au droit d’auteur. En voici quelques exemples :

  •  (site en anglais), norme d’usage général pour la description des éléments de base (voir plus bas pour l’adaptation française).
  •  (site en anglais), norme basée sur le langage XML pour la description d’ensembles de données en sciences sociales et comportementales.
  •  (site en anglais) pour la description de données géospatiales.

Classifications

Il s’agit d’une méthode de normalisation des informations dans des schémas relationnels garantissant une compréhension généralisée des concepts et des descriptions.

Systèmes de classification

Largement utilisés par les gouvernements pour décrire les relations hiérarchiques et les descriptions standards de classes précises, telles que les biens, les cultures, les unités géographiques, les industries, les professions. En voici quelques exemples :

Exemple de norme de métadonnées : ensemble des éléments de métadonnées Dublin Core

Cet ensemble de quinze termes forme les éléments de base qui doivent être utilisés pour décrire une ressource numérique. Il fait partie d’un ensemble plus complexe de vocabulaires connu sous le nom de DCMI Metadata Terms, qui est certifié norme ISO [ISO15836] et norme ANSI/NISO [NISOZ3985].

Consultez le tableau du

Remerciements

Nous tenons à remercier la Bibliothèque nationale de France et le UK Data Service pour l’utilisation de leur matériel de formation dans la création de ces modules.

Nous tenons également à remercier EDINA et la Data ͼ de l’Université d’Édimbourg pour l’utilisation du matériel du cours en ligne Research Data MANTRA dans la création de ces modules.