Computationnel

Personnage fictif provenant de différentes disciplines (STM, SHS) ayant une culture computationnelle, de la donnée et du partage.

Persona 1

Story

Paula travaille en tant que maîtresse de conférences dans un laboratoire de sciences du langage où elle s’est spécialisée en traitement automatique des langues. Elle collabore régulièrement avec son équipe (5 personnes). Ses travaux consistent à constituer des corpus de textes augmentés d'informations syntaxiques et sémantiques pour aider à l’enrichissement d’analyses linguistiques. Les données collectées sont variées et proviennent notamment d’entretiens. Elle a l’habitude d’ouvrir ses données (avec l’attribution d’une licence). Les enjeux de reproductibilité sont connus au sein de son équipe. En plus des données, elle partage également le code source ayant servi aux analyses et prend soin de documenter les traitements effectués. Aujourd’hui, elle aurait besoin au sein de son équipe d’un référent « données » pour faciliter leur mise à disposition et traitement.

Mise à disposition des données

Conservation des données : sur le serveur de son laboratoire, son ordinateur professionnel et le service d’archivage de son institut.

Mise à disposition et réutilisation : partage souvent des données à l’aide de licences et parfois pour un public ciblé restreint. Partage sur un site web ou en complément des articles ainsi que sur des plateformes telles que Gitlab/Github. Réutilise fréquemment des données produites par d’autres personnes.

Autres ressources à partager : documentation des données et des codes sources, protocoles méthodologiques.

Limitations : des conditions éthiques qui limitent le partage, une mauvaise qualité des données, un manque d’habitude.

Obligations de partage : de la part d’un comité éditorial pour la publication d’un article et par les financeurs.

Environnement numérique

Outils utilisés : langage de programmation, tableurs génériques sous Windows.

Collaboration : travail collectif entre 2 et 5 personnes. Partage de documentation, d’outils de rédaction collectifs et de dossiers partagés.

Contexte d'initiation : par de la veille, des tutoriels, des temps informels et des colloques.

Besoins

• Techniques et infrastructures numériques (aide au traitement des données).

• Un référent au sein du laboratoire.

Persona 2

Story

Alexandre est post-doctorant dans un laboratoire de neurosciences cognitives au sein d’un centre hospitalier universitaire. Une grande partie de son travail consiste en l’acquisition de données expérimentales à la fois comportementales et de neuroimagerie (électrophysiologiques) pour des recherches sur le sommeil. Il travaille ensuite à traiter ces données (codage des expériences, traitement du signal, pre-processing) afin de les analyser statistiquement (tests bayésiens) et de les modéliser puis de réaliser les visualisations pour les figures d’articles scientifiques. Dans son équipe, Alexandre participe à la constitution d’un réseau de laboratoires interdisciplinaire afin de faciliter le recrutement de participant.e.s volontaires pour les expériences de recherche. Il s’intéresse aux enjeux des méta-analyses pour vérifier la qualité des travaux de recherche. Avec les étudiant.e.s de master, qu’il encadre, il s’applique à transmettre les bonnes pratiques de recherche et de la démarche scientifique. Les réunions de laboratoire sont un moment majeur pour le partage d’informations (méthodologie, outils, contenus, biblio, etc.).

Mise à disposition des données

Conservation des données : sur des supports externes, un ordinateur professionnel, un serveur institutionnel et interne du laboratoire et un service d’archivage.

Mise à disposition et réutilisation : partage toujours sans contrôle d’accès ou avec licences (open data). Met à disposition sur Open Science Framework, sur Google Drive, sur une plateforme partagée de codes (Gitlab/Github). Ne réutilise pas des données produites par d’autres mais pense que c’est possible.

Autres ressources à partager : logiciels et scripts d’analyse, métadonnées, protocoles méthodologiques.

Limitations : une volonté de valoriser (avantage compétitif), un temps nécessaire trop important, une mauvaise qualité des données.

Obligations de partage : de la part du financeur (ERC).

Environnement numérique

Outils utilisés : R, Python, Matlab, Excel, Inkscape.

Collaboration : travail collectif entre 2 et 5 personnes avec des enseignant.e.s-chercheur.e.s, des doctorant.e.s et étudiant.e.s en master. Utilise un cahier de laboratoire, des dossiers partagés, des plateformes de codes, des outils de gestion de projet. Échange lors des réunions de laboratoire.

Contexte d'initiation : par les autres membres de l’équipe, par des tutoriels (autodidacte).

Besoins

• Soutien financier et éthique (conscience politique).

• Aide pour la valorisation des données et la publication à un large public.