Pour une utilisation optimale des données personnelles à des fins de recherche : vers un réseau de ressources collectives
Notice bibliographique
Résumé
Les bases de données populationnelles (gouvernementales, biobanques) occupent l’espace de la santé et des politiques publiques depuis longtemps. Les données personnelles qui y sont contenues sont toutefois soumises à une pression nouvelle, de par la valeur qu’elles représentent pour la recherche populationnelle. L’étude des maladies communes nécessitent de grands échantillons pour produire des résultats statistiquement significatifs. D’ailleurs, les collaborations internationales et initiatives de réseautage se multiplient. Les bases de données populationnelles agissent alors en synergie, générant de nombreux bénéfices pour la société (ex. : identifier des facteurs de risques, mieux connaître l’épidémiologie humaine, stimuler les économies nationales, etc.). Dans ce système complexe, les intérêts des acteurs (sujets de recherche, chercheurs, comités d’éthique – CÉR -, gouvernements, organismes subventionnaires) déterminent l’action et les normes applicables. La recherche avec des sujets humains et l’utilisation massive de données personnelles comportent de nombreuses sensibilités. Des balises juridiques ont été érigées pour protéger les personnes et leur vie privée, mais elles s’avèrent inadéquates dans un contexte de recherche populationnelle. L’obligation d’obtenir un nouveau consentement pour chaque utilisation, l’incapacité des CÉR locaux à représenter une population et la multiplication des disparités normatives entre juridictions sont autant de barrières qui se dressent. Après avoir exploré différents modèles normatifs internationaux (patrimoine commun de l’humanité, biens publics mondiaux, modèles dits libres), le modèle en réseau apparaît comme le plus apte à rallier les différents niveaux de gouvernance impliqués (individuel, populationnel et international). La création d’un réseau de ressources collectives pour la recherche populationnelle est ici proposée. La recherche scientifique est une finalité compatible aux autres utilisations pour lesquelles les données ont été collectées. Les bases de données sont maintenues pour servir l’utilité publique. Le réseau devrait donc faciliter l’accès aux projets de recherche populationnelle socialement utiles, ou dans l’intérêt public. Pour qu’un tel réseau fonctionne, la population devrait être sensibilisée à la valeur des données personnelles pour la recherche, des liens directs entre CÉR devraient être créés afin de favoriser l’empuissancement des acteurs locaux, les initiatives internationales et locales devraient s’influencer de manière réflexive. L’État, en tant que gardien des données personnelles et promoteur de la recherche, agirait comme coordonnateur du système avec pour objectif, d’optimiser l’utilisation des données personnelles à des fins de recherche populationnelle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».