Principes FAIR et CARE sur les données

August 24, 2020

La technologie a contribué à faciliter la croissance du partage des données et l’essor des données ouvertes - un mouvement auquel DataStream est fier de participer. Lorsque les données sur l’eau sont ouvertes et accessibles, elles peuvent être utilisées pour mieux informer la prise de décision et les efforts d’intendance.

Mais la manière dont les données sont gérées a une incidence importante sur leur utilité finale. Dans cet article, nous examinons deux ensembles de principes directeurs importants et complémentaires qui sous-tendent les meilleures pratiques en matière de gérance et d’accès aux données.

Principes FAIR

Les principes directeurs FAIR pour la gestion et l’intendance des données scientifiques ont été publiés pour la première fois dans Scientific Data en 2016.  Ils ont été élaborés pour aider à résoudre les obstacles communs à la découverte et à la réutilisation des données - longtemps reconnus comme un problème dans la recherche universitaire et ailleurs.

Ces principes fournissent une orientation afin de rendre les données F aciles à trouver, A ccessibles, I nteropérables et R éutilisables.

FACILES À TROUVER

La première étape pour réutiliser les données est de pouvoir les trouver. Les données et les métadonnées (les données relatives aux données) doivent être faciles à trouver, tant pour les humains que pour les ordinateurs. Cela implique d’attribuer aux ensembles de données un identificateur persistant unique au niveau mondial (comme un DOI (identificateur d’objet numérique)) et de l’indexer dans une ressource interrogeable.

ACCESSIBLES

Une fois les données trouvées, il faut savoir comment y accéder. Les données doivent pouvoir être récupérées par leur identifiant (par exemple DOI) en utilisant un protocole de communication normalisé qui est ouvert et gratuit.

INTEROPÉRABLES

L’utilisation de normes de (méta)données communes (comme le schéma de données ouvertes de DataStream pour les données sur la qualité des eaux) permet d’intégrer les données avec d’autres données. En outre, les données doivent interagir avec des applications ou des flux de travail pour l’analyse, le stockage et le traitement.

RÉUTILISABLES

L’objectif ultime de FAIR est d’optimiser la réutilisation des données. Pour y parvenir, les données doivent être diffusées avec une licence d’utilisation claire et accessible et des métadonnées suffisantes pour comprendre les données auxquelles on accède.

 

Vous trouverez de plus amples renseignements au sujet des principes FAIR en consultant l’initiative GO FAIR, qui vise à soutenir la mise en œuvre des principes FAIR.

Principes CARE

Les principes CARE pour la gouvernance des données autochtones ont été élaborés par l’Alliance mondiale pour les données autochtones (GIDA) en 2019 comme complément aux principes FAIR et à d’autres mouvements en faveur des données ouvertes. Comme le souligne GIDA, la raison est que l’accent mis sur les seuls principes FAIR et les données ouvertes ne répond pas pleinement aux droits et aux intérêts des peuples autochtones, y compris le droit de créer de la valeur à partir de données autochtones de manière à ce qu’elles soient ancrées dans la vision du monde des autochtones, et de faire progresser l’innovation et l’autodétermination des autochtones.

Alors que les principes FAIR sont axés sur les données, les principes CARE s’orientent vers les personnes et les objectifs.

AVANTAGE COLLECTIF 

Les écosystèmes de données doivent être conçus et fonctionner de manière à permettre aux peuples autochtones de tirer avantage de ces données.

  • Pour la croissance et l’innovation inclusives
  • Pour un meilleur engagement du gouvernement avec les citoyens
  • Pour des résultats équitables 

AUTORITÉ EN MATIÈRE DE CONTRÔLE

Les droits et les intérêts des peuples autochtones en matière de données autochtones doivent être reconnus et leur pouvoir de contrôler ces données doit être habilité.

  • Reconnaître les droits et les intérêts
  • Des données pour la gouvernance
  • Gouvernance des données

RESPONSABILITÉ 

Les personnes qui travaillent avec des données autochtones ont la responsabilité de partager la manière dont les données sont utilisées pour soutenir l’autodétermination et l’avantage collectif des peuples autochtones.

  • Pour des relations positives
  • Pour accroître la capacité et le potentiel
  • Pour les langues et les visions du monde autochtones.

ÉTHIQUE    

Les droits et le bien-être des peuples autochtones devraient être la préoccupation principale à toutes les étapes du cycle de vie des données et dans l’ensemble de l’écosystème des données.

  • Pour minimiser les dommages et maximiser les bienfaits
  • Pour la justice
  • Pour l’usage futur.

Visitez GIDA pour en apprendre plus et lire le texte intégral des principes.

DataStream et les principes FAIR et CARE

Notre travail à DataStream témoigne d’un engagement continu à respecter les principes FAIR et CARE. Ces principes éclairent la façon dont nous avons édifié la technologie qui sous-tend DataStream, la façon dont nous nous connectons à d’autres systèmes et outils de données, et la façon dont nous travaillons avec les gestionnaires de données (les personnes qui collectent et gèrent les données) pour faire en sorte de clarifier la propriété, les licences et le contrôle des données par rapport à ce qui est publié sur DataStream.

La politique des données de DataStream, le schéma de données ouvertes, la mise en œuvre des DOI des ensembles de données et l’intégration avec d’autres outils et répertoires (comme R, Google Dataset Search, et le dépôt fédéré de données de recherche du Canada) ne sont que quelques exemples de la façon dont nous mettons ces principes en pratique pour améliorer la gestion des données sur l’eau au Canada.

une scène d'un lac avec un quai à moitié peint en rouge au milieu s'étendant dans l'eau. Un bateau est attaché au quai et entouré de montagnes.

Deviens la bouteille d’eau: Démonstration d’une bonne gestion des données

« Deviens la bouteille d’eau ». Tel est le message de Patrick LeClair, spécialiste des données à DataStream, dans cette démonstration pratique de ce à quoi ressemble une bonne gestion des données, tirée du récent webinaire sur les meilleures pratiques de gestion des données.

Poursuivre la lectureDeviens la bouteille d’eau: Démonstration d’une bonne gestion des données  
Nouveau modèle de téléchargement DataStream (v2.0)

Nouveau modèle de téléchargement DataStream (v2.0)

Le modèle de téléchargement DataStream (v2.0) facilite la mise en forme des données par les gestionnaires de données tout en autorisant de nouveaux types de données (par ex. les sédiments).

Poursuivre la lectureNouveau modèle de téléchargement DataStream (v2.0)  
DataStream en Français

DataStream en Français

Nous sommes heureux d'annoncer que DataStream offre désormais un site bilingue pour le partage et l'accès aux données sur la qualité des eaux au Canada. Tout le contenu du site Web est maintenant disponible en français, par le biais des centres Mackenzie DataStream, Atlantic DataStream et Lake Winnipeg DataStream. 

Poursuivre la lectureDataStream en Français