theses.fr
un exemple d'ouverture de l'information scientifique
sur le web de données
mediadix :: 12 octobre 2012
Les identifiants, marchepied vers le web de données
• 2011LYO20079 N° national de thèse• http://www.theses.fr/2011LYO20079• http://www.theses.fr/2011LYO20079/document• http://www.theses.fr/2011LYO20079.rdf
• 030807069 Autorité Sudoc (IdRef)• http://www.theses.fr/030807069• http://www.theses.fr/030807069.rdf
Les données ABES sur le web de données, avec IdRef pour pivot
IdRef =
autorités Sudoc
Le nuage du web de données liées
Le nuage du web de données liées
Sindice,agrégateur RDF,en sait autant sur theses.fr que theses.fr !
Comment faire pour récupérer le RDF de theses.fr
• Moissonnage– OAI-PMH– Sitemaps + RDF
• Dump– Extraction de tout le RDF– Asynchrone (photo au temps t)– Celui qui a récupéré le dump a toute liberté• Ex : monter un serveur SPARQL et une appli dessus
@todo
Adopte un directeur de thèse
Requête fine avec SPARQL :
Je veux un directeur, qui a déjà dirigé une thèse sur la colonisation dans les 5 ans, qui n’encadre pas plus de 4 étudiants, qui est relié à tel vieux prof…
Et encore plus de possibilités, via les liens RDF vers IdRef, Sudoc, Wikipedia…
MAIS CE N’EST PAS SI SIMPLE…
FOURNIR D’AUTRES MOYENS D’EXPLOITER LES DONNÉES
Les technologies sémantiques, c’est pas magique
Fournir d’autres moyens d’exploiter les données
• OAI-PMH (pour thèses élec. Soutenues)• Notices Sudoc (!)
• Web services de recherche :
http://www.theses.fr/?q=colonialisme+allemagne
http://www.theses.fr/?q=colonialisme+allemagne&format=atom
http://www.theses.fr/?q=colonialisme+allemagne&format=solr
Echange de données
≠Ouverture des données
theses.fr en RDF
L’INTEROPÉRABILITÉ, UN DILEMME
Les technologies sémantiques, c’est pas magique
Lever le dilemme de l’interopérabilité ?
marcrel:aut dcterms:creator
MARCREL = MARC 21 Relators(codes de fonction)
Dublin Core
« plus fin mais un truc de bib » « tout le monde comprend mais un peu vague »
marcrel:aut rdfs:subPropertyOf dcterms:creator
Ce mécanisme logique lève le dilemme.Sur le papier…
AVANT D’OUVRIR LES DONNÉES,IL FAUT LES PRODUIRE
Les technologies sémantiques, c’est pas magique
Derrière les données,des workflows, des réseaux, des gens
• STEP – Réseau des thèses en préparation– Ex-FCT (Nanterre)– 80 établissements
• STAR– Réseau des thèses numériques – 80 établissements
• Circulation des données– Saisie en ligne– Imports (partiels ou complets)
• Interconnexion avec IdRef– Utiliser et enrichir le référentiel d’autorités, avec outils IdRef– Automatiser le liage aux autorités ? Mais il faut encore qu’elles existent
POUR SE LIER A D’AUTRES DONNÉES, IL FAUT QU’ELLES SOIENT OUVERTES !
Les technologies sémantiques, c’est pas magique
FondsCalames
Auteur IdRef
LivreSudoc
Thèsetheses.fr
AuteurVIAF
AuteurBnF
AuteurWikipedia
AuteurISNI
Aujourd’hui
owl:sameAs
owl:sameAs
FondsCalames
Auteur IdRef
LivreSudoc
Thèsetheses.fr
AuteurVIAF
AuteurBnF
AuteurWikipedia
AuteurISNI
Demain
owl:sameAs
FondsCalames
Auteur IdRef
LivreSudoc
Thèsetheses.fr
AuteurVIAF
AuteurBnF
AuteurWikipedia
AuteurISNI
Après-demain peut-être ?
owl:sameAs
owl:sameAs
AuteurHAL CCSD
ArticleHAL CCSD
LivreWorldcat
cite
a pourdérivé
owl:sameAs
Donnéesbrutes
+ brevets, projets ANR, etc.
+ CrossRef, revues, indicateurs d’usage, etc.
+ articles, éditions scientifiques, numérisation, etc.
Les services publics de données qui manquent aux thèses à l’IST
• Structures de recherche• Écoles doctorales• Entreprises (SIREN de l’INSEE)• Brevets (?)• Classification des disciplines• Projets de recherche• …
Vers un système d’information de la recherche, mais pas monolithique
Leibniz, Lettre à Arnauld (30 avril 1687)
29
