Objectifs :
Les organismes de financements poussent aujourd’hui les chercheurs à partager plus largement leurs données (mesures de terrain ou de laboratoire, sorties de modèles, code informatique, réponses aux questionnaires…). Les objectifs sont de permettre la vérification des travaux par les pairs ainsi que l’exploitation des données dans d’autres cadres que celui initialement prévu par le projet ayant financé l’expérience. Cependant, pour que des données soient réutilisables par les pairs, il ne suffit pas de déposer ses fichiers en ligne, il faut les organiser et les documenter correctement. Le but de cette formation est donc d’initier les étudiants aux bonnes pratiques en matière de gestion des données, ce qui leur sera aussi utile au quotidien pour s’y retrouver dans leurs fichiers et collaborer avec leurs collègues.

Programme :
Cours (2h). Introduction à la science ouverte et au FAIR data. Nommer et organiser ses fichiers pour s’y retrouver et collaborer efficacement. Documenter ses données et ses codes avec les métadonnées. Choisir le bon format de fichier selon le type de données (données chiffrées à une ou plusieurs dimensions, images…) : formats ouverts/propriétaires, obsolescence… Partager ses données en ligne : risques et contraintes légales, propriété intellectuelle et choix de la licence, plateformes de partage (« data repositories »), obtenir un DOI. Publier un article de présentation de base de données (« data paper »). Cas des données de STS et de santé : consentement, anonymisation, stockage sécurisé, effacement…

TD (3h). Les participants sont invités à renommer quelques fichiers exemples, écrire un en-tête rassemblant les métadonnées pour un de leurs fichier de données, identifier des revues publiant des « data papers » et des entrepôt de données dans leur domaine, et effectuer un dépôt en mode brouillon sur la plateforme de partage européenne Zenodo. Le rendu attendu comprend un document PDF avec les informations demandées et le fichier contenant l’en-tête ; il faut également partager avec la formatrice le dépôt effectué sur Zenodo.

Pré-requis :
Les étudiants doivent avoir des données à organiser et/ou à partager (données de mesures, sorties de modèle, résultats d’enquête de terrain…) et se connecter au TD depuis leur PC de travail (pas depuis un téléphone) pour pouvoir travailler pendant le TD.

Equipe pédagogique :
Dieudonné Elsa (elsa.dieudonne@univ-littoral.fr) MCF ULCO - LPCA

Méthode pédagogique :
Présentation par la formatrice puis travail individuel des étudiants sur leurs propres données. Un rendu est attendu à la fin du TD, faute de quoi la formation ne sera pas validée.

Compétences acquises à l'issue de la formation :
Arrêté du 22 février 2019 définissant les compétences des diplômés du doctorat et inscrivant le doctorat au RNCP

Les Compétences et capacités visées à l'issue de la formation (fiches RNCP)

Arrêté du 22 février 2019 définissant les compétences des diplômés du doctorat et inscrivant le doctorat au répertoire national de la certification professionnelle. https://www.legifrance.gouv.fr/loda/id/JORFTEXT000038200990/

Bloc 3 : Valorisation et transfert des résultats d’une démarche R&D, d’études et prospective

- Mobiliser les techniques de communication de données en « open data » pour valoriser des démarches et résultats

La formation participe à l'objectif suivant :conforter la culture scientifique des doctorants dans leur champ disciplinaire ou en interdisciplinaire