Thèse Année : 2024

Interdisciplinary data research in Open Science

Recherche de données interdisciplinaire dans la Science Ouverte

Résumé

Open Science is a movement aimed at opening up the data and knowledge-creation processes of scientific research. The aim is to set up an interdisciplinary and inter-community exchange of information. Each community or discipline has its own data management needs and tools. To enable this exchange of information, interoperability is an essential characteristic. But interoperability lacks an universally shared definition ensuring a common understanding of objectives and needs. In this thesis, we have studied in depth various proposed definitions of interoperability. However, none of them provides answers to the question of information exchange in Open Science, or is sufficiently generic to be adaptable to research needs. We have therefore proposed a complete and generic definition of interoperability, accompanied by a theoretical model, which addresses all communities and disciplines on the notion of interoperability. On this basis, we have proposed two solutions to ensure information exchange in Open Science. We have proposed (i) a data lake architecture adapted to Open Science. Data lakes are “Big Data Analytics” solutions that enable a variety of users to ingest heterogeneous data and analyze it, while ensuring its quality, security and lifecycle management. The sheer volume of data produced in the context of Open Science makes it impossible to copy data into the data lake for use. We have combined this architecture with multi-model metadata management and virtual dataset integration to solve this problem. To complete our solution, and for a response to Open Science as a whole, we have proposed (ii) a decentralized and distributed network architecture of data management platforms, responding to the needs expressed by researchers in the literature and accompanied by a demonstrator. This solution enables the desired information exchange to take place through cooperation between data management platforms, with unified access to metadata and transparency for the user. Both solutions have been validated by experimentation with data from pre-existing open data management platforms used by researchers. Thanks to these architectures, a user can search and import datasets from a set of selected platforms, without having to know the associated metadata schema.
La Science Ouverte est un mouvement visant l'ouverture des données et des processus de création de connaissances de la recherche scientifique. L'objectif est la mise en place d'un échange d'informations interdisciplinaire et inter-communautaire. Chaque communauté ou discipline possède ses propres besoins et outils sur la gestion de données. Pour permettre cet échange d'informations, l'interopérabilité est une caractéristique essentielle. Mais l'interopérabilité ne possède pas de définition unanimement partagée assurant une compréhension commune des objectifs et des besoins. Dans cette thèse, nous avons étudié en profondeur différentes propositions de définition de l'interopérabilité. Cependant, aucune définition ne permet d'apporter des réponses à l'échange d'information dans la Science Ouverte ou n'est suffisamment générique pour être adaptable aux besoins de la recherche. Nous avons donc proposé une définition de l'interopérabilité accompagnée d'un modèle théorique, qui s'adresse à l'ensemble des communautés et des disciplines sur la notion d'interopérabilité. Sur cette base, nous avons proposé deux solutions pour assurer l'échange d'information dans la Science Ouverte. Nous avons proposé (i) une architecture de lac de données adapté à la Science Ouverte. Les lacs de données sont des solutions de “Big Data Analytics” permettant à des utilisateurs variés d'y ingérer des données hétérogènes, de les analyser tout en assurant leur qualité leur sécurité ainsi que la gestion de leur cycle de vie. Le volume trop important des données produites dans le contexte de la Science Ouverte ne permet pas de copier les données dans le lac de données pour leur utilisation. Nous avons associé à cette architecture une gestion multi-modèles des métadonnées ainsi qu'une intégration virtuelle de jeux de données pour résoudre ce problème. Pour compléter notre solution et pour une réponse à l'ensemble de la Science Ouverte, nous avons proposé (ii) une architecture de réseau décentralisée et distribuée de plateformes de gestions de données, répondant aux besoins exprimés par les chercheurs dans la littérature et accompagnée d'un démonstrateur. Cette solution permet la mise en place de cet échange d'information recherché à travers une coopération des plateformes de gestion de données, un accès unifié aux métadonnées et transparent pour l'utilisateur. Ces deux solutions ont été validées par des expérimentations avec des données de plateformes de gestion de données ouvertes pré-existantes et utilisées par des chercheurs. Grâce à ces architectures, un utilisateur peut rechercher et importer des jeux de données au sein d'un ensemble de plateformes qu'il a sélectionnées, sans qu'il ait à connaître le schéma des métadonnées associées.
Fichier principal
Vignette du fichier
These_VND.pdf (4.31 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-04902377 , version 1 (20-01-2025)

Identifiants

  • HAL Id : tel-04902377 , version 1

Citer

Vincent-Nam Dang. Recherche de données interdisciplinaire dans la Science Ouverte. Informatique. Université Toulouse Capitole, 2024. Français. ⟨NNT : ⟩. ⟨tel-04902377⟩
0 Consultations
0 Téléchargements

Partager

More