Refonte de l'entrepot de donnees institutionnel de BANQ
Notice bibliographique
Résumé
Ce projet technique vise à rehausser l'entrepôt de données institutionnelles de Bibliothèque et Archives nationales du Québec (BAnQ) qui ne répond plus aux besoins des directions d'affaires en raison de l'obsolescence des technologies utilisées. Le projet consiste à mettre à niveau l'infrastructure technologique, à remplacer l'outil d'extraction-transformation-chargement (ETL) par une plateforme développée à l'interne ainsi qu'à migrer tous les processus d'affaires vers la nouvelle plateforme en plus ou moins 300 heures d'effort réparties sur une période de 6 mois. Sont exclues de ce projet toutes les activités d'analyse des besoins et des processus avec les directions d'affaires qui seront traitées ultérieurement. Le projet s'appuie sur une méthodologie reconnue de développement incrémental et itératif. Les activités consistent à la planification, à l'analyse, à la conception, au développement et au déploiement de la plateforme ETL et à la migration des traitements. Le bilan du projet montre que la méthodologie s'applique parfaitement aux projets de réalisation d'entrepôt de données conçus sous le style d'architecture en bus de données. La plateforme développée répond aux attentes de l'équipe interne et tous les traitements ont été migrés avec succès dans les délais convenus avec les clients. Je dois reconnaitre que plus d'effort qu'anticipé fut nécessaire pour le développement de la plateforme ETL ainsi que pour le nettoyage des données, ce qui força un rajustement de la portée initiale, mais les objectifs sont en très grande partie atteints à la satisfaction des parties prenantes. Finalement, la réalisation du projet permettra à l'équipe interne de se concentrer davantage sur l'ajout de nouveaux processus d'affaires et de fonctionnalités analytiques ajoutent ainsi de la valeur aux données de l'intuition. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Entrepôt de données (DW), Extraction-Transformation-Chargement(ETL), Intelligence d'affaires (BI), Analyse de données
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».