Quest-ce que le travail scientifique des données ?
18 déc. 2020 Qu'est-ce que le travail scientifique des données ? Big data little data
MÉTHODOLOGIE DE LA RECHERCHE SCIENTIFIQUE
Le travail de recherche sociale est très similaire au travail médical car il sur la prise de conscience que la connaissance scientifique est soumise à ...
Sciences Po Lille
votre travail et c'est à vous qu'il appartient de savoir les mobiliser : lisez servez-vous des Le mémoire est un travail de recherche scientifique.
GUIDE DE PRÉSENTATION ET DE RÉDACTION DUN TRAVAIL
Pour rédiger un travail scientifique en histoire de l'art la création d'une bibliographie est indispensable. Pour qu'une étude soit vérifiable et pour
3. Le travail scientifique des données
18 déc. 2020 Qu'est-ce que le travail scientifique des données ? Big data little data
Pour une epistemologie des bibliotheques De quelques aspects dn
De quelques aspects du travail scientifique en bibliotheconomie scientifiques qu'ils se trouvent dans des bibliotheques specialisees ou.
GUIDE DE RÉDACTION ET DE PRÉSENTATION DES RAPPORTS
scientifiques de ces disciplines. Toutefois la formation en gérontologie à l'Université de. Sherbrooke est multidisciplinaire et il est possible que des
INITIATION A LA METHODOLOGIE DE RECHERCHE EN SHS
3 janv. 2015 Qu'est-ce que "faire de la recherche" ? 3. Sur quels critères va-t-on évaluer le travail de l'étudiant ? 4. Quelles sont les étapes d'une ...
Rédiger les section discussion et conclusio nde lartilce scientifique
Dans la discussion donnez du poids à votre travail La signification scientifique est l'interprétation que vous faites des résultats obtenus par.
Un article scientifique
d'articles scientifiques est un art qu'il convient d'apprivoiser et de à identifier le travail à effectuer à l'ordonner de manière logique et à se ...
Quest-ce que le travail scientifique des données - OpenEdition Books
18 déc 2020 · Qu'est-ce que le travail scientifique des données ? Big data little data no data Christine L Borgman Traduction de Charlotte Matoussowsky
3 Le travail scientifique des données - OpenEdition Books
Introduction « Travail scientifique des données » (data scholarship)1 est un terme que j'ai créé pour exprimer l'agencement complexe des relations entre
[PDF] GUIDE DE PRÉSENTATION ET DE RÉDACTION DUN TRAVAIL
21 sept 2016 · Afin de rédiger un travail scientifique en histoire de l'art l'établissement d'une bibliographie est indispensable Pour qu'une étude soit
[PDF] Quest-ce quune bonne recherche?
Voici ce qu'il indique : « La recherche de qualité désigne le plus souvent le processus scientifique englobant tous les aspects de la conception d'une étude
[PDF] MÉTHODOLOGIE DE LA RECHERCHE SCIENTIFIQUE
C'est à ce moment qu'il convient de réfléchir à des plans alternatifs travailler en réseau et contacter des personnes qui peuvent faciliter la recherche et
[PDF] Méthodes de travail
Il est judicieux de commencer la rédaction avant que les travaux de recherche L'honnêteté scientifique veut qu'un travail mené sous une subvention ou
[PDF] Normes de rédaction dun travail scientifique - formad-environnement
Un rapport écrit quel que soit le lecteur auquel il est destiné est appelé à convaincre de ce que l'étudiant a bien rempli les objectifs qui lui sont assignés
[PDF] Rédaction scientifique : mémoires thèses
M1 - SP - Communication Scientifique afin de lui permettre de comprendre pourquoi le travail a été réalisé Qu'est-ce que l'on a cherché à évaluer?
[PDF] Rédiger une problématique de recherche +
La recherche scientifique est caractérisée par une démarche systématique problématique est bien rédigée elle démontre que vous connaissez votre champ
Quel est le travail des scientifiques ?
Il conçoit et met en œuvre des programmes informatiques pour aider les biologistes à mieux comprendre le monde du vivant. Le technicien biologiste réalise des analyses biologiques et des contrôles de produits dans des laboratoires.Comment se présente un travail scientifique ?
Les articles scientifiques, les travaux universitaires et les rapports de recherche se découpent en six sections : 1) introduction, 2) méthodologie 3) résultats, 4) discussion, 5) conclusion, 6) bibliographie.Comment faire une travail scientifique ?
Les 5 étapes
1L'identification du sujet.2La problématique et l'hypothèse.3La recherche documentaire et. les sources d'information.4Les fiches de lecture.5Le plan de rédaction.- La recherche scientifique vise à mettre en lumière de nouvelles informations ou à en vérifier d'anciennes afin d'augmenter ou de vérifier les connaissances. Par conséquent, la recherche scientifique repose sur l'examen d'hypothèses afin de comprendre ou d'analyser un phénomène donné au sein de la société.
OpenEdition Press
Qu'est-ce que le travail scientifique des donnéesBig data, little data, no data
Christine L. Borgman
Traducteur : Charlotte Matoussowsky
DOI : 10.4000/books.oep.14692
Éditeur : OpenEdition Press
Lieu d'édition : Marseille
Année d'édition : 2020
Date de mise en ligne : 18 décembre 2020
Collection : Encyclopédie numérique
EAN électronique : 9791036565410
https://books.openedition.orgÉdition imprimée
EAN (Édition imprimée) : 9791036550386
Nombre de pages : 420
Référence électronique
BORGMAN, Christine L.
Qu'est-ce que le travail scienti
que des données ? Big data, little data, no data.Nouvelle édition [en ligne]. Marseille
: OpenEdition Press, 2020 (généré le 16 mai 2023). Disponible surInternet
:10.4000/books.oep.14692.
© OpenEdition Press, 2020
Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modi cation 4.0 International - CC BY-NC-ND 4.0RÉSUMÉS
Puisant ses analyses et ses exemples dans des champs scientifiques variés, cet ouvrage (dontl'original est paru en 2015 chez MIT Press) offre une étude inédite des utilisations des données au
sein des infrastructures de la connaissance - utilisations qui varient largement d'une discipline à
l'autre.Bien que le
big data ait régulièrement les honneurs de la presse des deux côtés de l'Atlantique, Christine L. Borgman met en évidence qu'il vaut mieux disposer des bonnes données qu'en avoir beaucoup. Elle montre également que les little data peuvent s'avérer aussi précieuses que les big data , et, que, dans bien des cas, il n'y a aucune donnée, parce que les informations pertinentes n'existent pas, sont introuvables ou sont indisponibles... Au travers d'études de cas pratiques issus d'horizons divers, Christine L. Borgman met aussi enlumière que les données n'ont ni valeur ni signification isolément : elles s'inscrivent au sein
d'une infrastructure de la connaissance, c'est-à-dire d'un écosystème de personnes, de pratiques,
de technologies, d'institutions, d'objets matériels et de relations.Pour l'autrice, gérer les données et les exploiter sur le long terme requiert ainsi des
investissements massifs dans ces infrastructures de la connaissance. L'avenir de la recherche, dans un monde en réseau, en dépend.CHRISTINE L. BORGMAN
Christine L. Borgman est professeure à l'université de Californie à Los Angeles (UCLA), titulaire de la chaire en sciences de l'information.NOTE DE L'ÉDITEUR
Cet ouvrage est la traduction française de
Big Data, Little Data, No Data. Scholarship in theNetworked World
, paru en 2015 chez MIT Press. Sa traduction a été subventionnée par le ministère de l'Enseignement supérieur, de la Recherche et de l'Innovation dans le cadre du Plan national pour la science ouverte.QU'EST-CE QUE LE TRAVAIL SCIENTIFIQUE
DES DONNÉES ?
La traduction de cet ouvrage a été subventionnée par le ministère de l"Enseignement supérieur, de la Recherche et de l"Innovation dans le cadre du Plan national pour la science ouverteQU'EST-CE QUE LE TRAVAIL SCIENTIFIQUE
DES DONNÉES ?
Big data, little data, no data
Traduction de Charlotte MatoussowskyCHRISTINE L. BORGMAN En couverture : Abstract technology big data background concept© your123 - stock.adobe.com
Conception graphique : Veronica Holguín
Suivi et coordination éditoriale : Julie Pynte, Amandine Texier et Cédric GaultierTraduction : Charlotte Matoussowsky
Correction : Solenne Louis
Mise en page grâce à Métopes. Méthodes et outils pour l'édition structurée.Cet ouvrage est la traduction française de Big Data, Little Data, No Data. Scholarship in the Networked
World, paru en 2015 chez MIT Press.
Collection " Encyclopédie numérique », 2020Cet ouvrage est en ligne en accès ouvert :
http://books.openedition.org/oep/14692 Texte : Licence Creative Commons Attribution - Pas d'utilisation commercialePas de modification 4.0 International
ISBN papier : 979-10-365-5038-6
ISBN électronique : 979-10-365-6541-0
7Note de la traductriceBig Data, Little Data, No Data est l'oeuvre d'une professeure américaine, rédigée dans
un contexte essentiellement anglophone. Sa traduction - comme toute traduction - a nécessité un travail d'adaptation de la part de l'équipe éditoriale d'OpenEdition afin de transmettre au lectorat francophone les idées de ce texte dans une langue la plus précise et la plus claire possible. Ce travail résulte d'une somme de choix, qu'il serait fastidieux de tous expliquer ici : au besoin, certains seront explicités au fil du texte au moyen d'une note de la traduc- trice (NdT). Il nous paraît cependant utile d'expliquer ici comment nous avons retranscrit en fran- çais le concept fondamental de data scholarship, afin de ne pas ennuyer le lectorat avec de trop nombreuses explicitations et notes au fil du texte. Cette explication vient se substituer à un court passage que nous avons supprimé du texte original 1 qui, parce qu'il expliquait des concepts anglophones en des termes anglophones, ne pouvait être traduit littéralement sans trahir soit la pensée de Christine L. Borgman, soit la langue française. Le terme data scholarship est composé des mots data, " données », et scholarship. Ce dernier désigne l'activité de la ou du scholar, c'est-à-dire du savant ou de la savante en quête d'érudition, ainsi que le savoir qui résulte de cette activité. Quasi-synonyme de research, il lui est toutefois préféré dans le contexte des sciences humaines. Par ailleurs, la scholarship ne se limite pas strictement aux expériences scientifiques, à la recherche d'informations et aux autres activités permettant de construire son propre savoir, mais peut aussi englober la scholarly communication, c'est-à-dire la communication formelle et informelle entre scientifiques, ou communication savante, qui comprend entre autres l'édition scientifique, l'évaluation par les pairs (peer review), les conférences ou encore les discussions informelles. En français, le terme " recherche », riche de connotations variées touchant aussi bien au travail scientifique qu'à la carrière, nous a paru le plus adéquat à rendre cette notion. Cependant, la data scholarship n'est pas une recherche sur les données, au sens où celles-ci seraient le point d'intérêt des scientifiques, mais plutôt une recherche au moyen des données. Elle est un ensemble de pratiques intégrées dans le travail1. La lectrice ou le lecteur curieux pourra retrouver le paragraphe concerné au chapitre 3, p. 31-32
de l'édition originale parue chez MIT Press.8QU'EST-CE QUE LE TRAVAIL SCIENTIFIQUE DES DONNÉES ?quotidien des chercheurs et chercheuses, souvent sans qu'ils en aient conscience et sans que ce labeur soit remarqué, ce qui pousse Christine L. Borgman à le qualifier de " travail invisible ». Ce réseau de significations nous a conduits, avec l'accord de
l'autrice, à traduire data scholarship par " travail scientifique des données », indiquant par là la transformation opérée sur les données par les acteurs de la recherche. Par convention, nous avons choisi d'utiliser dans cet ouvrage les termes " sciences exactes » (que nous traduisons de l'anglais américain sciences) pour désigner les sciences naturelles, expérimentales et formelles, par opposition aux sciences sociales d'une part et aux sciences humaines d'autre part. L'idée n'est évidemment pas de suggérer que ces dernières seraient " inexactes ». Nous aurions pu recourir à l'acronyme STM (sciences, techniques/technologies et médecine) mais il nous a semblé recouvrir une réalité un peu différente. Sauf mention contraire, les citations anglophones ont été traduites par nos soins pour le présent ouvrage. Enfin, parce que Christine L. Borgman a veillé à évoquer aussi bien les femmes que les hommes de science, nous nous sommes efforcés d'en faire autant tout au long de la traduction.Charlotte Matoussowsky
9Preface to the French translation
of Big Data, Little Data, No Data The origin of this translation into French was the invitation from Marin Dacos and Françoise Genova to keynote the 2018 Paris conference launching the National Open Science Plan for France, subtitled "from Strategy to Action." This stimulating three-day event, organized in partnership with the Research Data Alliance, drew participants from France, Europe, and the U.S. to explore emerging issues around open access to publi- cations, data, software, and other scientific research objects. Top-down approaches to open science, in the form of government science policies, met bottom-up approaches in the form of community practices. The ambitious National Plan combines country- specific actions with European initiatives: "France is committed to making scientific research results open to all - researchers, companies, citizens." In the two years since that launch event, open science continues to evolve in concept, policy, and practice. Notions of "openness," whether referring to publications, data, software, or other entities, are as amorphous as ever. What is open to whom, when, why, and under what circumstances varies widely. Open access (OA) to publications is the usual starting point for open science, as is the case in the plan for France. OA publishing comes in many flavors, however. Some plans shift the costs to government funding agencies, some to universities, some to authors, and some to publishers. Other flavors promote preprint servers and institutional repositories as complements to paid subscriptions. Government initiatives such as Plan S, due to take effect in 2021, are controversial, resulting in complex compromises among stakeholders (Kwon, 2018;Noorden, 2020; Plan S, 2019).
The second pillar of most open science plans, including that of France, is open data. Access to research data, a central theme of this book, is yet more complex than OA publishing. Scholarly publishing has a long history, dating back millennia for books and centuries for journal articles. Data also have long histories, but more as process than as scholarly products to be exchanged. Research data can be embodied in artifacts, but they also can be abstractions or simulations. Almost any entity can be used as evidence of some phenomena. One person's signal is another's noise. Humans are in the loop throughout the entire lifecycle of data, from creation to curation to decay or disposal (Borgman, 2019).10QU'EST-CE QUE LE TRAVAIL SCIENTIFIQUE DES DONNÉES ?In the time since this book's original publication in 2015, stakeholders have come to acknowledge the messiness of openness (Aspesi and Brand, 2020). While most dis-
ciplines now accept open access publishing, the means and adoption rates vary by domain, funding source, country, and other factors. More stakeholders recognize the messiness of scientific data, with advances in research on philosophical, epistemolo- gical, social, technical, and cultural aspects of data practices (Borgman, 2019; Druc- ker, 2014; Lane et al., 2020; Leonelli, 2019a, 2019b; Pasquetto et al., 2019; Rosenberg,2018). The FAIR principles, first promulgated in 2016 (Wilkinson et al., 2016), established
a framework for disseminating data openly. These principles were quickly adopted into European science policy (European Union Publications Office, 2018). Practical, on-the- ground efforts to implement FAIR reveal the aspirational nature of the enterprise. For data to be Findable, communities must agree on methods for description, search, and retrieval. For data to be Accessible and Interoperable, stakeholders must agree on tech- nical and legal frameworks. For data to be Reusable, originators must provide access to adequate documentation, and often to associated software, instrumentation, and other technologies. Reusing data is a goal more achievable than reproducible or replicable science, all of which remain contested concepts. The FAIR principles are subject to temporal factors. The longer the time from origin, the more difficult data are to find, access, interoperate, or reuse. Data creators retain significant advantages in the ability to reuse research data (Pasquetto et al., 2017, 2019). Several new journals devoted to interdisciplinary investigations of data have launched in the last five years, such as the Harvard Data Science Review, Scientific Data, and the Journal of Data and Information Science, plus countless special issues of discipline- specific journals. Interest in software preservation, software citation, and data citation continues to grow (Bouquin et al., 2020; Davenport et al., 2020; Smith et al., 2016; Software Heritage Foundation, 2019; Wofford et al., 2020). These venues, plus confe- rences, government reports, and funding initiatives serve to broaden the conversation about research data. Theoretical, technical, and practice topics abound, such as costs and benefits of data preservation, ethics and values of providing access to humanquotesdbs_dbs41.pdfusesText_41[PDF] présentation d un travail scientifique
[PDF] montrer qu'une application est bilinéaire
[PDF] forme bilinéaire symétrique
[PDF] forme bilinéaire exemple
[PDF] le rôle des médias dans la culture
[PDF] medias et culture
[PDF] evolution des médias
[PDF] culture médiatique définition
[PDF] histoire des medias dans le monde
[PDF] histoire et évolution des médias
[PDF] puissance de 10 ecriture decimale
[PDF] notation scientifique exercices corrigés 3eme
[PDF] sigma de 1/k
[PDF] les formes poétiques