Objectifs :
L’impact de la recherche scientifique sur la société impose un double impératif de rigueur et de transparence par ce que l’on appelle communément la Science Ouverte. L’objectif de la formation est que les doctorants prennent conscience de l’intégration nécessaire et complète de ce paradigme constitué de toutes les dimensions de la recherche. La formation vise à une meilleure compréhension pratique des concepts clés et des applications correspondantes de la Science Ouverte, en particulier ici pour ce qui relève de la gestion des données de la recherche. La formation vise à permettre aux participants de mettre en œuvre les approches étudiées dans le contexte de leur propre projet de recherche, mais elle s’attachera également à leur donner une culture et des habitudes leur permettant d’aller vers l’autonomie et l’efficacité dans la diversité de leurs situations professionnelles. Elle ne cible pas un champ disciplinaire particulier et l’interculturalité sera utilisée pour dynamiser les échanges et évaluer le caractère générique des solutions abordées.
Les objectifs d’apprentissage sont :

• OA1. Comprendre les principes et concepts sociaux, économiques, juridiques et éthiques qui sous-tendent la science ouverte.
  
• OA2. Avoir un aperçu des développements autour de la science ouverte et de l'impact personnel qu'ils peuvent avoir sur leur environnement.
  
• OA3. Assimiler les caractéristiques et les principes des données de recherche ouvertes, y compris leur documentation appropriée pour permettre à d'autres de les comprendre et de les réutiliser pour d’autres applications.
  
• OA4. Être familier des types de données qui peuvent être considérés comme sensibles et les restrictions ou contraintes liées au partage ouvert de ses données.
  
• OA5. Être capable d’évaluer la validité du principe FAIR pour un ensemble de données et le cas échéant de proposer des mesures d’adaptation.
  
• OA6. Comprendre ce que sont les métadonnées, leur utilité et les éléments qui les constituent.
  
• OA7. Savoir convertir un jeu de données " fermé " en un jeu de données " ouvert " en mettant en œuvre les mesures nécessaires dans un plan de gestion des données, avec une gestion des données et des métadonnées appropriées.
  
• OA8. Comprendre le cycle de vie de la donnée et l’identifier dans ses propres usages.
  
• OA9. Connaître les principes et les outils de partage des données de recherche.
  
• OA10. Communiquer et travailler en groupes pluridisciplinaires.
  

Programme :
JOUR 1

• Introduction logistique et atelier brise-glace.
  
• Concepts et principes de la Science Ouverte avec les données ouvertes en point de mire.
  
• Le cycle de vie des données de la recherche et conception d’un plan de gestion des données.
  
• Atelier fil rouge – cadrage et mise en route.

JOUR 2

• Comment gérer les données pendant le projet ? (stockage, sauvegarde, accès et collaboration)
  
• Quels formats de fichiers et quelles normes pour quels usages ?
  
• Le point sur les métadonnées et leurs standards pour des données réutilisables.
  
• Diffuser et partager, d’accord, mais comment ? (entrepôts, data journal, persistent ID, archivage)
  
• Atelier fil rouge – temps réflexif.

JOUR 3

• À qui appartiennent les données ? Quelles licences pour les diffuser ?
  
• Qu'est-ce que le RGPD ? Quelles conséquences pour ma recherche ?
  
• Atelier fil rouge – ajustements et discussion avec son encadrant.
  
• Discussion croisée autour du fil rouge avec les encadrants.
  

Pré-requis :
Pour bénéficier pleinement de la formation, il est utile d’avoir réfléchi en amont aux types de données utilisées pendant le doctorat. La participation de l’encadrant lors de la dernière demi-journée (24 janvier après midi) est REQUISE afin d’assurer la continuité du travail engagé. De plus, les encadrants peuvent assister s’ils le souhaitent aux sessions “Concepts et principes de la Science Ouverte” et “Cycle de vie des données de la recherche” de la première journée.

Equipe pédagogique :
MARTIN Jean-François, maître de conférences à Montpellier SupAgro DEHNE GARCIA Alexandre, co-animateur de l’UAR INRA Ingenum (ingénierie pour le numérique) et ingénieur à la Direction pour la Science Ouverte de l’INRAE au 1er janvier 2020.

Méthode pédagogique :
La pluralité culturelle du collège doctoral et donc des doctorants participant à la formation impose un cadre générique au contenu. Néanmoins, cette diversité sera un moteur efficace du conflit sociocognitif (qui suscite des confrontations de point de vue générant la remise en cause de représentations, et par conséquent l’émergence de connaissances nouvelles) que nous mettrons pleinement à profit. Nous affirmons ici le caractère culturel de la formation, la rendant mobilisable dans n’importe quel contexte.
Les doctorants, publics de cette formation, sont dans une dynamique de formation par la recherche qui les oblige à une grande polyvalence dans leurs stratégies d’apprentissage. Cette flexibilité nous permettra de choisir la méthode pédagogique la mieux adaptée dans le champ des possibles (affirmative, démonstrative, interrogative, active) au regard des objectifs d’apprentissage sans blocage a priori. Avec cette approche en tête, la scénarisation de la formation fera appel à des enchaînements d’évènements d’apprentissages construits pour favoriser l’engagement des participants dans l’acquisition des compétences visées. Le caractère opérationnel des compétences acquises sera mis en avant sans omettre les bases conceptuelles sous-jacentes, ce qui devrait garantir la valeur perçue des tâches proposées. De plus, dès que possible, les sessions s'appuieront sur les projets personnels des participants pour lesquels sera dégagé du temps spécifique à l’emploi du temps. Enfin, nous nous attacherons à gérer la perception de la difficulté de la tâche (écart perçu entre compétence actuelle et compétence nécessaire) afin de ne pas dégrader la motivation et donc la capacité d’apprentissage des participants. Cette perception de difficulté (incompétence consciente) sera la plus importante après avoir touché du doigt la complexité des aspects à prendre en compte pour une gestion globale de ses données de recherche dans un objectif de Science Ouverte (milieu de première journée). La suite du programme s’attachera à combler cet écart jusqu’à l’acquisition des compétences visées, tout au long des deux jours et demi restants.

Compétences acquises à l'issue de la formation :

• C1. Être capable d'expliquer les principes et les concepts académiques, économiques et sociétaux fondamentaux qui sous-tendent la science ouverte, et en quoi c'est important pour soi en termes d'impacts plus larges.
  
• C2. Développer une compréhension des nombreuses dimensions de la science ouverte et de certains des outils et pratiques impliqués dans ce domaine.
  
• C3. Comprendre les caractéristiques des données ouvertes, et en particulier les principes FAIR.
  
• C4. Énoncer certains des arguments pour et contre les données ouvertes.
  
• C5. Être capable de différencier et de traiter des données sensibles et des données ouvertes/FAIR ; ces deux catégories n’étant pas nécessairement incompatibles.
  
• C6. Pouvoir transformer un jeu de données fermé en un jeu de données ouvert, conforme aux normes du FAIR et conçu pour maximiser l'accessibilité, la transparence et la réutilisation en fournissant suffisamment de métadonnées.
  
• C7. Connaître la différence entre les données brutes et les données traitées (ou nettoyées) et l'importance des versions.
  
• C8. Savoir choisir et diffuser les métadonnées associées aux données générées, qu’elles soient ouvertes ou non.
  
• C9. Connaître les formats de fichiers couramment utilisés et les normes préconisées pour une réutilisation maximale.
  
• C10. Être capable de rédiger un plan de gestion des données.