Découvrabilité RDG : Comprendre et améliorer la “découvrabilité” des jeux de données sur Recherche Data Gouv

Porteuse du projet

Aude Inaudi (Aix-Marseille Université)

Présentation et objectifs

Ce projet pluridisciplinaire en sciences de l’information et de la communication, linguistique et informatique vise à évaluer et améliorer la “découvrabilité” des jeux de données sur l’entrepôt national Recherche Data Gouv, en agissant sur la pertinence des résultats retournés à l’utilisateur qui effectue une recherche et sur la formation des déposants et des réutilisateurs potentiels des jeux de données.

Le projet part du constat qu’il ne suffit pas de rendre visibles les données ou d’avoir préparé leur réutilisabilité pour qu’elles soient effectivement trouvées et réutilisées. En effet, « une barrière majeure à la réutilisation des données ouvertes (open data) est la difficulté à trouver des jeux de données d’intérêt et ceux de grande valeur dans les entrepôts de données » (Ojo et Sennaike, 2020), lesquels suivent une distribution de type « longue traîne » (Färber et Lamprecht, 2022 ; Rebouillat, 2021). Dès lors, il convient de tout mettre en oeuvre afin qu’elles soient aisément “découvrables”.

La “découvrabilité” des données de recherche dépend à la fois de la description et de l’enrichissement (notice documentaire et métadonnées) des jeux de données et du moteur de recherche. La première peut être lacunaire et employer la terminologie propre au producteur ; le second se limite souvent à un calcul de similarité textuelle entre la requête de l’utilisateur et la description des données. La recherche de données ouvertes souffre donc d’un très fort phénomène de décalage de vocabulaire entre la requête formulée du point de vue du réutilisateur et la description des données formulée du point de vue du producteur. Plusieurs approches ont été proposées pour s’attaquer à ce problème : l’expansion de requête vise à modifier ou étendre la requête de l’utilisateur pour inclure des termes potentiellement utilisés dans la description (par ex. Bouadjenek et Verspoor, 2017 ; Pelucchi et al., 2018), tandis que l’expansion de document vise à modifier ou étendre les descriptions pour inclure des termes potentiellement utilisés dans les requêtes des utilisateurs (Alma’aitah et al., 2019).

Méthodologie

Cette recherche appliquée apportera des informations précieuses sur l’usabilité du système de recherche d’information. Elle permettra de proposer des recommandations aux acteurs de la recherche en charge de la curation sur RDG et de l’accompagnement des chercheurs sur la documentation des jeux de données (Ateliers de la donnée, URFIST). Dans un premier temps il s’agira de mesurer la pertinence des résultats retournés par le moteur de recherche de RDG, autrement dit l’adéquation entre la requête de l’utilisateur et les résultats affichés. Dans un second temps, des solutions d’expansion de requêtes seront proposées à RDG en vue d’améliorer la découvrabilité des jeux de données. 

Elle s’articule autour de trois axes :

– Axe 1 : comprendre l’interaction avec les utilisateurs en mesurant la pertinence des résultats retournés par le moteur de recherche de RDG.

– Axe 2 : améliorer la pertinence des réponses par des stratégies linguistiques avec notamment des solutions d’expansion de requêtes.

– Axe 3: enrichir la connaissance des utilisateurs et curateurs de Recherche Data Gouv par une amélioration des pratiques d’indexation et de documentation des jeux de données d’une part, et de recherche d’information d’autre part.

Équipe de recherche

Peggy Cadel, Maîtresse de conférences en SIC, Université Côte d’Azur – URE//Transitions

Amélie Daloz, ATER en SIC, Université Côte d’Azur – URE//Transitions

Candice Fillaud, Consultante science ouverte, Datactivist

Gabriel Gallezot, Maître de conférences en SIC, Coresponsable de l’URFIST Méditerranée, Université Côte d’Azur – URE//Transitions

Anthony Gigerich, Ingénieur TALN, Datactivist

Joël Gombin, Cofondateur et dirigeant, Datactivist

Aude Inaudi, Maîtresse de conférences en SIC, Aix-Marseille Université – IMSIC

Hélène Ledouble, Maîtresse de conférences en linguistique appliquée, Université de Toulon – Babel

Hervé Rostaing, Maître de conférences en SIC, Aix-Marseille Université – IMSIC

Partenaires

Entrepôt Recherche Data Gouv (RDG)

Atelier de la donnée : Cellule Data Grenoble Alpes

---

---