Data Archive: documentation et métadonnées

L’un des principes majeurs du partage des données réside dans les conditions qui assurent à une donnée sa compréhension et son interprétation par un utilisateur tiers. Ce qui exige une description claire et précise des données ainsi que des informations sur le contexte de leur production.

Deux notions expriment ces exigences:

* la documentation
* les métadonnées
Si je m’en réfère à la dernière édition du Guide des bonnes pratiques publié par le UK Data Archive (mai 2011, cf fiche), elles peuvent être formulées ainsi. (cf. p. 8-10)

1) documentation.
Une donnée isolée, c’est-à-dire coupée de son contexte de production mais aussi de validité est une donnée inutile. Documenter une donnée revient à noter comment elle a été conçue et saisie, ce qu’elle signifie, à préciser son contenu et sa structure. La documentation est également décisive pour assurer une longue conservation des données.
Une bonne documentation comprend des informations sur:

  • le contexte de la collecte de données (historique du projet, ses objectifs, ses hypothèses)
  • les méthodes de collecte des données
  • la structure des données et les liens entre elles
  • la validation des données, les procédures de test, de preuves, etc.
  • les éventuels changements dans le temps
  • informations sur l’accès et les conditions d’usage ou de confidentialité

2) les métadonnéess sont des éléments de documentation qui ont une signification et un but précis. Ces sont des éléments standardisés qui décrivent l’origine, le but, la référence temporelle, la localisation géographique, le créateur, les conditions d’accès et d’utilisation des données. Les métadonnées  sont utilisées comme ressources pour la recherche de données ou comme référence pour les citations.
Ces métadonnées sont généralement structurées et standardisées selon des normes internationalement reconnues (Dublin Core, ISO19115, Data Documentation Initiative (DDI), Metadata Encoding and Transmission Standard (METS) and General International Standard Archival Description (ISAD(G)).

Il y a me semble-t-il des confusions pas encore levées concernant ces notions entre les gestionnaires de données et les archivistes, confusions entretenues en particulier par la numérisation des archives qui en font des documents qui pour être identifiés doivent être eux-aussi accompagnés de métadonnées sans lesquelles ils risqueraient de devenir inaccessibles.

Entre chercheurs ou spécialistes de disciplines différentes, en fonction des impératifs de la recherche elle-même, la précision de la documentation et des métadonnées demeurent un enjeu important et non tranché sur le fond. En particulier, les exigences de précision dans la définition des données peuvent varier d’une discipline à l’autre en fonction aussi de la complexité des données qui sont conservées.

BM/15.08.2011

DATA ARCHIVE: une mise au point et une nouvelle édition

Uk Data Archive vient de publier une nouvelle version (3e révision) de son guide pour l’archivage des données. Il peut être téléchargé à cette adresse: http://www.data-archive.ac.uk/media/2894/managingsharing.pdf

 

DATA ARCHIVE et archivage

Cette réédition me permet de souligner à nouveau quelques unes des différences qui surgissent entre l’archivage des données (Data Archive) et la pratique habituelle de l’archivage.
Le concept de DATA ARCHIVE a pour objectif de définir le plus précisément possible un ensemble de données produites par la recherche ou issues du  monde social de manière à ce que ces données soient certifiées, normalisées, formatées pour être proposée à la communauté des chercheurs pour des recherches primaires ou secondaires. Cette conception vise en effet à réduire au maximum l’hétérogénéité des données, à les inscrire dans un cadre cohérent et stable, conditions qui garantiront la possibilité de leur circulation et de leur réemploi. La priorité ici n’est pas la conservation pérenne mais le partage de données cohérentes, même si ce partage prévoit un terme qui peut être long. C’est la fonction ici qui me paraît différente. Le rapport du DATA Archive par rapport aux archives s’apparente un peu au rapport qu’entretient une bibliothèque scientifique de travail avec une Bibliothèque nationale qui a vocation a conserver dans la très longue durée.

Le concept implique dès lors une gestion contrôlée de la production des données et exige donc une relation active et forte avec les chercheurs qui produisent et utilisent ces données. Le partage de données est ici pensé comme une exigence de la vie scientifique elle-même et de la recherche.

Ce que résume le Guide en quelques sentences précises:

Partager des données, c’est

  • encourager la recherche et le débat scientifiques
  • promouvoir l’innovation et l’usage potentiel de nouvelles données
  • soutenir de nouvelles relations entre les utilisateurs et les producteurs de données
  • maximiser la transparence et la responsabilisation
  • encourager l’amélioration et la validation des méthodes
  • réduire le coût de duplication des données
  • augmenter la visibilité et l’impact de la recherche
  • soutenir la recherche qui crée des données
  • fournir des ressources pour l’éducation et la formation

Je suis bien conscient que ces objectifs ne sont pas étrangers au monde des archivistes, mais si je les rappelle ici c’est d’abord pour mettre en évidence le fait que ceux-ci se rapportent ici d’abord à une logique scientifique et non pas patrimoniale.

L’accent est porté ici sur la communication et la diffusion et non pas la sélection, l’inventaire et la conservation pérenne.

Une tendance forte est en passe de s’imposer dans le domaine de la production et gestion des données des SHS:

  • la gestion des données concerne des masses de plus en plus importantes de données, publiques et privées;
  • leur traitement fait l’objet d’efforts considérable de normalisation et de standardisation correspondant aux exigence posées de leur circulation. Ces efforts sont aujourd’hui largement internationaux, et les débats se déroulent à un niveau au moins européen;
  • à cette échelle, des enquêtes de très grandes envergures sont lancées ou en cours et concernent des domaines de plus en plus vastes, mais aussi des domaines spécifiques qui sont suivis sur de longues années;

La mise en place de dispositifs capables de traiter des données à cette échelle a entrainé des investissements importants mais encore assez disparates d’un pays à l’autre. Des infrastructures ont été créées et des personnels spécialisés se sont formés; la gestion des données s’est «professionnalisée» et partiellement autonomisée de la recherche elle-même. Producteurs et utilisateurs ne sont plus nécessairement les mêmes personnes.

Le Guide qui est proposé ici traduit ce mouvement qui ne concerne pas que les SHS, d’autres centres de données existent également pour les disciplines des sciences de la nature ou de la vie. Il émane d’ailleurs de l’Université d’Essex qui a été pionnière en ces matières et qui gère également le UK Data Archive, l’une des premières institutions du genre.

Le Guide qui est un Guide des bonnes pratiques pour les chercheurs s’adresse en priorité aux chercheurs eux-mêmes et leur proposent une démarche, des conseils et des exemples pour les inciter à déposer leurs données.

Bonnes pratiques de gestion des données
J’en donne ici simplement la table des matières qui fait office de vade-mecum.  Après deux chapitres concernant le partage et la gestion ded données, les chapitres suivants s’adressent plus spécifiquement au chercheur et lui proposent des conseils pour documenter les données (documentions, métadonnées); les formater les données, les enregistrer. Ensuite, un chapitre rappellent les règles et la déontologie, puis le copyright, les droits d’auteurs. Enfin le dernier chapitre vise plutôt les «stratégies» pour les centres de recherches.

La table des matières est assez explicite, et ici encore ne s’apparente que d’assez loin avec un tableau de gestion. Ces opérations sont semblables à celles du Records Management appliqué à la production de données, ce que traduit bien l’expression de Data Magagement!  Car ce qui est demandé  ici au chercheur c’est bien au-delà du tri, et de la documentation, une véritable mise au standards des données, condition nécessaire à leur conservation et leur circulation.
Pour les archives de la recherche, ces opérations «scientifiques» produisent aussi une véritable «sélection» des matériaux puisque, a priori, seuls les matériaux susceptibles d’être mis à ces normes seront retenus. Il y a là me semble-t-il un noeud cristallisant les différences mais aussi les effets de la gestion des données.

BM/15/08/2011

Archives des données des SHS: DATA ARCHIVE

Je reviens ici sur la question des rapports entre données et archives dans les sciences sociales. La conservation des données, le cas échéant leur archivage, a fait l’objet de traitements spécifiques dont je rappelle ici les étapes et les enjeux pour l’une des entreprises pionnières dans ce domaine: le UK Data Archive

DATA ARCHIVE
Une formule désigne l’ensemble de ces opérations: Data Archive, l’expression anglaise renvoie à une idée assez précise et déjà ancienne. Elle désigne de manière précise la conservation de données économiques et sociales produites par des enquêtes.

C’est en effet au début des années 1960 que des universitaires anglais ont réfléchi à l’élaboration de dispositifs pour favoriser le partage des données issues d’enquêtes économiques et sociales en Grande Bretagne.
Deux motivations importantes:
1. trouver une solution pour favoriser la communication (médiocre) des données entre les chercheurs anglais;
2. parer à l’exportation de données vendues à des institutions américaines.

1963 . En décembre est créé le Social and Economic Archive Comittee (SEAC), auparavant intégré dans le Political and Economic Planning depuis 1931, institution financée aussi bien par la London School of Economics, le Social Science Research Council, l’industrie et le gouvernement.
Le SEAC entrepris donc une inventaire des enquêtes susceptibles de fournir des données pour des analyses secondaires, qui concerna dans un premier temps surtout les recherches provenant du marché et autres produits commerciaux plutôt que les travaux universitaires. Ce qui motiva des chercheurs à réfléchir à trouver un lieu de conservation des données économiques et sociales. Le choix se fixa sur l’université d’Essex.

Changements de dénomination
Etabli en 1967, le centre d’archive a changé 5 fois de nom:

* 1967: SSRC Data Bank
* 1972: Survey Archive
* 1982: SSRC Data Archive
* 1984: The Data Archive
* 2000: UK Data Archive

Ces changements de dénomination reflètent également la reconnaissance du service d’archives des données, en particulier dans les années 1980, lorsque le SSRC, confronté à l’hostilité du gouvernement, fut contraint de renoncer au mot «science» et de se rebaptiser Economic and Social Research Council.

1970s
En Grande Bretagne, dans les années 1970, la recherche dans les sciences sociales empiriques obtint d’importantes ressources financières: s’élevant approximativement à 50 mio de £ par année dont la moitié pour les universités. Les crédits ont été coupés dès le début des années 1980

1980s
Après des débuts difficiles, un changement s’opéra dans les années 1970 lorsque les Services statistique du gouvernement commencèrent à communiquer les données publiques au Survey Archive.
Les restrictions budgétaires des années 1980 entravèrent la collection des données mais ont encouragé l’exploitation des données pour des études secondaires.

1990s
Dans les années 1990, de nouveaux efforts ont été consentis et la notion de Data Archive s’est implantée.
En 1992 est créée une Unité historique des données (History Data Unit) au sien des Archives qui sera intégrée au Arts and Humanities Data Service (AHDS) en 1995.

2000s
Au cours des années 2000, le service est devenu le UK Data Archive, dénomination qui témoigne aussi de son importance dan sel le développement d’un réseau international de conservation des données économiques et sociales.
C’est donc un nouveau développement qui confirme et consolide les acquis des politiques de conservations es données en Grande Bretagne. De nouveaux services lui sont attribués :

2001. intégration de Qualidata, service de conservation des données qualitatives
2003: collaboration entre 4 centres de données:

  • * UKDA;
  • * Institute for Social and Economic Research (ISER), Essex;
  • * Cathie Marsh Centre for Census and Survey Research (CCSR), Manchester
  • * Manchester Information and Associated Services (MIMAS), Manchester.

2005: UKDA a été désigné comme un lieu de dépôt de données publiques auprès des Archives nationales et dispose désormais de d’un bâtiment

Données et grandes enquêtes
Le DA a recueilli à ses débuts assez difficilement des données d’enquête quantitatives, mais la situation a changé dès lors que les données de grandes enquêtes lui ont été confiées. En particulier, à partir de 1971, le traitement des données du recensement.

Puis ce furent successivement:

* General Household Survey
* Labor Force Survey
* Family Expenditure Survey
Collaborations avec l’administration et les universités
Le DA est ainsi devenu un service de conservation et d’exploitation d’importantes données publiques, créant aussi des liens privilégiés entre producteurs et utilisateurs de données.
Le développement de ces archives s’est d’ailleurs effectué en collaboration avec les Archives nationales, mais aussi en collaboration avec les universités.

Le SSRC/ESCR a également initié de nombreuses enquêtes:

* British Election Survey
* Bristish Household Panel Survey
* Millenium Cohort SUrvey
* European Social Survey

* UK Longitudinal Houselhold Study (40’000 ménages)

UK Data est donc devenu à la fois un important centre de production de données, de conservation et de traitement de données et un service des Archives Nationales pour la conservation de données économiques et sociales en Grande-Bretagne, sans équivalent de cette importance en France, j’y reviendrai, et avec aujourd’hui une mise en réseau au niveau européen d’une partie de ces données.

Biblio:
1. UK Data Archive, « Acrros the Decades. 40th of Data Archiving », s. d., http://www.data-archive.ac.uk/about/archive/decades.
2. Marie Scot, « Les archives britanniques des sciences sociales. Deux études de cas : UK Data Archive (UKDA) et Qualidata », Genèses no 63, no. 2 (2006): 46-65. https://www.cairn.info/revue-geneses-2006-2-page-46.htm