Travailler avec les données ouvertes : comprendre l’utilisation des données ouvertes dans une optique pratique
Notice bibliographique
Résumé
La quantité de données diffusées sur les plateformes par les administrations publiques explose depuis quelques années partout dans le monde. Ces plateformes de données gouvernementales ouvertes sont destinées à améliorer la transparence et la participation. Même si ces plateformes sont prometteuses, elles n’ont pas encore atteint leur plein potentiel. Les chercheurs ont épinglé des obstacles techniques et qualitatifs à l’utilisation des données ouvertes. Bien qu’intéressantes, ces questions ne tiennent pas compte du fait que le sens des données ouvertes dépend aussi du contexte et des personnes concernées. Dans la présente étude, nous analysons l’usage des données ouvertes dans une optique pratique – en tant que construction sociale qui apparaît au fil du temps en interaction avec les gouvernements et les utilisateurs dans un contexte donné – afin de mieux comprendre le rôle du contexte et de la représentation dans le développement des plateformes de données ouvertes. La présente étude s’appuie sur une recherche innovante basée sur l’action, dans laquelle les fonctionnaires et les citoyens collaborent dans le cadre d’initiatives pour trouver des solutions aux problèmes publics au moyen d’une plateforme de données ouvertes. Notre étude propose d’analyser les travaux dans le domaine des données ouvertes d’un point de vue interne. Nos observations indiquent que l’absence de cadre cognitif partagé en ce qui concerne l’interprétation des données ouvertes de même que l’absence d’ensembles de données de qualité peuvent empêcher les processus d’apprentissage collaboratif. Notre approche contextuelle souligne la nécessité de disposer de pratiques en matière de données ouvertes qui s’appuient sur des interactions riches avec les utilisateurs plutôt que sur des implémentations centrées sur le gouvernement. Remarques à l’intention des praticiens Notre étude propose d’analyser les travaux dans le domaine des données ouvertes d’un point de vue interne en examinant ce que font effectivement les gens des données ouvertes, leur influence et les leçons que l’on peut en tirer à propos des compétences, des connaissances et des technologies nécessaires pour pouvoir utiliser ces données. Nous verrons qu’il est essentiel de mettre en place un processus d’apprentissage collaboratif autour des données ouvertes pour développer des pratiques auxquelles adhèrent les initiatives citoyennes. Enfin, nous verrons que les interactions (numériques) continues autour des données ouvertes peuvent aboutir à des interprétations communes et à des pratiques intéressantes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».