Évaluation « FAIRitude » pour Loterre et TermSciences

19 octobre 2020

Au départ : une sollicitation de l’Inrae pour tester une grille d’évaluation FAIR. À l’arrivée : une étude qui a permis de démontrer que Loterre répond en grande partie aux principes FAIR.

FAIR, vous avez dit FAIR ?

Les prin­cipes FAIR sont un ensemble de prin­cipes direc­teurs pour gérer les données de la recherche visant à les rendre faciles à trouver, acces­sibles, inter­opé­rables et réuti­li­sables par l’homme et la machine. Ces prin­cipes s’inscrivent dans le cadre de la science ouverte qui vise à faci­li­ter l’accès aux publi­ca­tions scien­ti­fiques et aux données de la recherche.

Le projet FooSIN pour développer la culture FAIR

Répondant à un appel Flash science ouverte de l’ANR, le projet FooSIN (ANR-19-DATA-0019) est la parti­ci­pa­tion fran­çaise au GO FAIR Food Systems Implementation Network. Autour de l’agriculture et de l’alimentation, l’objectif du projet est notam­ment de propo­ser des outils et des métho­do­lo­gies pour « FAIRifier » les données et ressources sémantiques.

C’est dans le cadre du déve­lop­pe­ment de ces outils que l’Inrae, parte­naire du projet FooSIN, a solli­cité l’Inist en juin 2020 pour tester une grille d’évaluation : la grille SHARC déve­lop­pée par RDA (Research Data Alliance) dont l’Inist fait partie.

Loterre et TermSciences comme cas d’usage

Le service Ingénierie termi­no­lo­gique de l’Inist s’est donc prêté au jeu qui consis­tait à évaluer, selon les critères propo­sés par la grille SHARC, la prise en compte des prin­cipes FAIR par les plate­formes d’exposition de termi­no­lo­gies TermSciences et Loterre, toutes deux conçues par l’Inist à des époques bien différentes.

En effet, quinze ans séparent la mise en œuvre des deux plate­formes et l’analyse compa­rée des résul­tats permet de prendre la mesure de l’évolution des pratiques d’exposition de ressources séman­tiques à l’Inist.

Dans cette étude « test », un score a été appli­qué aux diffé­rents champs de la grille. Une note globale a ainsi été attri­buée à chaque critère FAIR ; des chiffres utili­sés dans l’élaboration de schémas pour une lecture plus visuelle des résul­tats. Le radar de compa­rai­son (ci-dessous) en est une illustration.

 

TermSciences contre Loterre

Sans surprise en raison des années qui séparent les deux plate­formes, Loterre s’est révélée plus « FAIR » que TermSciences. Suivant l’évolution géné­rale du monde de la recherche scien­ti­fique, la plate­forme Loterre (lancée en 2018) est réso­lu­ment tournée vers la science ouverte et la prise en compte des prin­cipes de partage et de réuti­li­sa­tion des données.

Exemple de critère : Loterre – Facile à trouver

Outre le constat, cette analyse a égale­ment permis d’entrevoir les axes qui pour­raient permettre à Loterre d’améliorer encore sa « FAIRitude ».

Une voie que l’équipe de l’Inist compte bien suivre…

Lire aussi…

  • De TermSciences à Loterre : comment l’Inist-CNRS a rendu les termi­no­lo­gies ouvertes plus conformes aux prin­cipes FAIR
Majid Khayari,Véronique Reszetko, Dominique Vachez, Nathalie Vedovotto, Jérémy Yon, Sophie Aubin 

https://hal-cnrs.archives-ouvertes.fr/hal-03176063

⟨10.15454/djh8-yp20⟩ ⟨hal-03176063⟩

  • FAIRness Literacy: The Achilles’ Heel of Applying FAIR Principles.

CODATA Data Science Journal, Committee on Data for Science and Technology (CODATA), 2020, 19 (32), pp.1–11. ⟨10.5334/dsj-2020–032⟩

Romain David, Laurence Mabile, Alison Specht, Sarah Stryeck, Mogens Thomsen, et al..

https://dx.doi.org/10.5334/dsj-2020–032