Table of Contents

Pourquoi le partage des données et des matériaux est important dans la recherche en génie

La recherche en génie dépend de résultats reproductibles et de méthodes transparentes.Lorsque les chercheurs partagent ouvertement leurs données et leurs matériaux, ils créent une fondation que d'autres peuvent vérifier, étendre et appliquer à de nouveaux problèmes.Cette pratique est devenue une caractéristique déterminante de la science en génie rigoureuse, où la capacité de reproduire des expériences et de valider des modèles affecte directement la crédibilité des résultats publiés.

Contrairement à certains domaines où les données prennent souvent la forme de petites tables ou de mesures simples, la recherche en génie peut impliquer des ensembles de données massives provenant de réseaux de capteurs, des sorties de simulation complexes, des fichiers de conception assistée par ordinateur (CAD), un code source pour les outils d'analyse personnalisés et des prototypes physiques.

Au-delà des avantages immédiats pour les chercheurs, l'adoption généralisée de données et de partage de matériel accélère le rythme de l'innovation dans l'ensemble de la communauté de l'ingénierie. Lorsqu'un groupe de recherche met à disposition ses données expérimentales, d'autres groupes peuvent tester d'autres hypothèses, appliquer des méthodes d'apprentissage automatique ou combiner des ensembles de données provenant de sources multiples pour tirer des conclusions plus larges.

Meilleures pratiques pour le traitement des données de recherche

La gestion des données dans la recherche en génie implique l'ensemble du cycle de vie des données : collecte, traitement, analyse, stockage, partage et conservation.Chaque étape offre des possibilités d'améliorer la qualité, la convivialité et la valeur à long terme.

Organisez les données avec des formats normalisés et des métadonnées riches

Pour les données numériques, il est important de considérer des formats tels que CSV, HDF5 ou NetCDF plutôt que des formats de tableurs propriétaires qui peuvent nécessiter un logiciel spécifique. Pour les données géospatiales, les formats GeoTIFF ou Shapefile sont largement pris en charge. La clé est de choisir des formats qui équilibrent l'accessibilité générale avec la capacité de représenter la complexité complète des données.

Les métadonnées doivent décrire ce que les données représentent, comment elles ont été recueillies, quelles unités sont utilisées, la date et l'emplacement de la collecte, les spécifications des instruments et toutes les étapes de traitement appliquées. Des normes telles que l'Initiative Dublin Core Métadata ou des schémas spécifiques à un domaine comme ceux du NASA Earth Observing System Data and Information System [ fournissent des cadres structurés pour la création de métadonnées.

Assurer la qualité des données par la validation et le nettoyage

Le partage de données sans validation risque de propager des erreurs qui peuvent compromettre les recherches ultérieures. Les ingénieurs devraient établir des procédures de contrôle de la qualité au point de collecte des données. Pour les données des capteurs, cela peut impliquer l'étalonnage régulier des instruments et la vérification de la dérive ou des valeurs aberrantes.

Si les valeurs manquantes sont interpolées, la méthode d'interpolation doit être spécifiée. Idéalement, les données brutes et la version nettoyée sont partagées, ce qui permet à d'autres chercheurs d'évaluer l'impact des décisions de nettoyage sur les résultats finaux.

Sélectionnez des dépôts réputés avec des identifiants persistants

Le choix des sites de dépôt est une décision importante. Les dépôts de données fiables offrent plusieurs avantages par rapport aux sites Web personnels ou institutionnels. Ils fournissent des identifiants persistants tels que les DOI (Digital Object Identificateurs), qui garantissent que les données restent accessibles même si l'établissement d'accueil modifie son infrastructure Web.

Pour la recherche en génie, des dépôts tels que Zenodo, Figshare[, et des options spécifiques comme le Nature Scientific Data recommended repositors[ offrent des plateformes fiables.

Fournir une documentation complète

La documentation devrait permettre à un autre chercheur de comprendre et de réutiliser les données sans avoir à contacter les auteurs originaux. Un dictionnaire de données ou un codebook qui définit chaque variable, ses valeurs possibles et sa signification est essentiel. Pour les ensembles de données complexes, un fichier README en format texte simple peut décrire la structure globale, les relations entre les fichiers et toute hypothèse faite lors de la collecte ou du traitement des données.

Pour les recherches techniques comportant des données expérimentales, la documentation doit comprendre la configuration expérimentale, les spécifications de l'équipement, les registres d'étalonnage, les conditions environnementales et toute déviation par rapport au protocole prévu. L'objectif est de fournir un contexte suffisant pour qu'un chercheur compétent dans le même domaine puisse reproduire l'expérience ou appliquer les données à un nouveau problème avec confiance.

Adresse Confidentialité, confidentialité et sécurité

Bien que les données techniques ne concernent souvent pas des sujets humains, il y a des situations où la confidentialité et la confidentialité se produisent. La recherche impliquant des participants humains, comme les études sur l'interaction homme-ordinateur ou la biomécanique, peut inclure des renseignements personnellement identifiables.

Pour les données exclusives ou contrôlées par l'exportation, les chercheurs doivent se pencher attentivement sur les restrictions. Dans certains cas, le partage de données dérivées ou de résultats agrégés qui ne révèlent pas de détails sensibles peut apporter de la valeur tout en protégeant la propriété intellectuelle.

Meilleures pratiques pour le partage de matériaux d'ingénierie

Les matériaux de recherche en génie vont au-delà des fichiers de données pour inclure des fichiers de conception, code logiciel, spécifications matérielles, protocoles expérimentaux, et échantillons physiques.

Partager le matériel complet et accessible

Un article pourrait décrire une nouvelle conception de capteur, mais seulement inclure une photographie de l'appareil assemblé, laissant d'autres chercheurs de deviner aux dimensions, aux choix de matériaux et aux procédures de montage. Partager l'ensemble complet de matériaux signifie fournir des fichiers CAO, des factures de matériaux, des instructions de montage et du code source pour tout logiciel de firmware ou de contrôle.

Pour les logiciels, le partage de la base de données complète utilisée dans la recherche, y compris les scripts de construction, les suites de test et la documentation, permet à d'autres d'exécuter les mêmes analyses. Mieux encore, le partage d'un environnement conteneurisé comme une image Docker assure que le logiciel fonctionne de façon identique sur différents systèmes.

Choisir des formats ouverts et non-propriétaires

Les formats ouverts maximisent l'accessibilité et la longévité des matériaux partagés. Pour les fichiers CAO, les formats STEP ou IGES sont largement pris en charge par différents progiciels, contrairement aux formats propriétaires qui peuvent nécessiter des licences coûteuses à ouvrir. Pour les fichiers d'impression 3D, les formats STL ou OBJ sont standard.

Lorsque les formats propriétaires sont inévitables, les chercheurs devraient également fournir une conversion en format ouvert ou une spécification détaillée qui permet à d'autres de recréer les outils nécessaires. Le principe est de minimiser les obstacles à l'accès. Un chercheur dans une petite institution ou dans un pays en développement devrait être en mesure de travailler avec des matériaux partagés sans avoir besoin de logiciels propriétaires coûteux.

Établir des modalités claires de délivrance des licences

Sans licence claire, les matériaux partagés existent dans une zone grise légale. D'autres peuvent être incertains s'ils peuvent utiliser, modifier ou redistribuer les matériaux. Choisir une licence ouverte appropriée résout cette ambiguïté et encourage la réutilisation. Pour les données, les licences Creative Commons CC0 ou CC-BY sont des choix populaires.

Le choix de la licence a des implications pratiques. Une licence permissive comme MIT permet une utilisation commerciale et n'exige pas que les oeuvres dérivées soient open source. Une licence de copyleft comme GPL exige que les oeuvres dérivées soient également distribuées sous les mêmes termes. Les chercheurs devraient comprendre ces différences et sélectionner les licences qui s'alignent sur leurs objectifs pour le travail.

Procédures de documentation pour la reproductibilité

Un article publié peut décrire l'approche générale en quelques paragraphes, mais le protocole actuel peut comporter des étapes précises, des conditions environnementales et des procédures de dépannage qui ne sont pas saisies dans le texte principal. Le partage de protocoles détaillés comme matériaux supplémentaires ou par le biais de plates-formes comme protocols.io fournit le niveau de détail nécessaire à la reproduction exacte.

Une courte vidéo montrant comment aligner les composants, appliquer des adhésifs ou utiliser des équipements peut transmettre des informations que le texte et les images statiques ne peuvent pas. Les chercheurs devraient envisager de créer des suppléments vidéo qui passent par les étapes clés de leurs procédures.

Assurer l'accessibilité à long terme et le contrôle des versions

Les sites Web personnels et les pages institutionnelles sont susceptibles de disparaître lorsque les chercheurs déplacent des établissements ou lorsque les systèmes sont améliorés. L'utilisation de dépôts établis avec des engagements de conservation protège contre la pourriture des liens. Les documents doivent être attribués à des identificateurs persistants, et le dépôt doit avoir une politique claire pour maintenir l'accès au cours des décennies.

Le contrôle des versions est particulièrement important pour les logiciels et les ressources mises à jour en continu. Les dépôts Git hébergés sur des plateformes comme GitHub ou GitLab fournissent un historique complet des changements, permettant aux chercheurs de se référer à la version exacte utilisée dans une étude particulière.

Surmonter les défis communs en matière de partage de données et de matériel

Malgré un large consensus sur l'importance du partage, les chercheurs sont confrontés à des obstacles pratiques, qui leur permettent de suivre de façon plus cohérente les pratiques exemplaires.

Préoccupations en matière de propriété intellectuelle et de commercialisation

La recherche en génie a souvent un potentiel commercial, et les chercheurs ou leurs établissements peuvent souhaiter déposer des brevets avant de partager des détails publiquement. Le partage n'a pas besoin de s'opposer à la commercialisation lorsqu'il est géré correctement. Les périodes d'embargo sur les dépôts permettent aux chercheurs de retarder la publication des demandes de brevet jusqu'à ce que les demandes de brevet soient déposées.

Certains organismes de financement et revues exigent maintenant le partage des données dans un délai précis après la publication. La planification de ces exigences dès le début d'un projet aide les chercheurs à éviter les conflits de dernière minute.

Gestion des ensembles de données grands et complexes

Les réseaux de capteurs à haute résolution, les simulations de longue durée et les enregistrements vidéo d'expériences peuvent produire des téraoctets de données. Le transfert, le stockage et le partage de données à cette échelle présentent des défis techniques. Les chercheurs devraient déterminer si l'ensemble complet de données doit être partagé ou si les données dérivées ou résumées répondraient aux besoins de reproductibilité.

Pour les très grands ensembles de données, les dépôts spécialisés dans les mégadonnées, tels que DesignSafe Cyberinfrastructure[ pour l'ingénierie des risques naturels ou NOAA National Centers for Environmental Information[, fournissent l'infrastructure nécessaire pour le stockage et l'accès.Les plateformes de partage basées sur le cloud peuvent également gérer efficacement les transferts importants.

Manipulation des matériaux appartenant à des propriétaires et à des tiers

Lorsque les outils propriétaires sont essentiels à la recherche, le partage devient compliqué. Les chercheurs doivent documenter les versions et configurations exactes des outils propriétaires utilisés, afin que d'autres personnes ayant accès aux mêmes outils puissent reproduire le travail. La fourniture d'autres implémentations utilisant des outils open-source, lorsque cela est possible, augmente l'accessibilité de la recherche.

Lorsqu'ils utilisent des données de tiers soumises à des restrictions de licence, les chercheurs doivent indiquer clairement la source et les conditions d'utilisation. Dans certains cas, le propriétaire des données peut accorder une autorisation de redistribution limitée à des fins de recherche.

Les chercheurs doivent travailler dans le cadre établi par les revues, les organismes de financement et leur communauté professionnelle.

Exigences en matière de publication

Un nombre croissant de revues d'ingénierie exigent que les auteurs incluent des déclarations de disponibilité des données et déposent des données à l'appui dans un dépôt reconnu. Certaines revues vont plus loin, exigeant que les examinateurs aient accès aux données et au code pendant le processus d'examen pour vérifier les demandes.

Les revues dans différents sous-domaines d'ingénierie ont des attentes variables.Le Journal of Engineering Mechanics peut avoir des exigences différentes de transactions d'IEEE sur le traitement des signaux[.

Mandats des organismes de financement

Les principaux organismes de financement, dont la Fondation nationale des sciences (FNS), les Instituts nationaux de la santé (NIH) et le Conseil européen de la recherche (CER), ont des politiques de partage des données qui s'appliquent à la recherche financée. La FNS exige que toutes les propositions comprennent un plan de gestion des données qui décrit comment les données seront gérées, partagées et conservées.

Les chercheurs devraient considérer la planification de la gestion des données comme faisant partie intégrante de la planification de projet plutôt que comme une réflexion après-vente. De nombreux établissements offrent des ressources et des modèles pour aider les chercheurs à créer des plans conformes.

Normes et normes spécifiques en matière de discipline

Dans le domaine de l'ingénierie structurelle, par exemple, la plateforme DesignSafe fournit une norme communautaire pour le partage de données expérimentales et de simulations dans la recherche sur les risques naturels. Dans le domaine de la bioingénierie, des normes comme ISA-Tab fournissent des formats structurés pour décrire les métadonnées expérimentales.

La participation au processus d'élaboration des normes au sein de la communauté des chercheurs est un moyen précieux de contribuer au domaine tout en veillant à ce que les normes répondent aux besoins réels. Même pour les chercheurs qui ne participent pas aux organismes de normalisation, l'adoption des normes communautaires existantes rend le partage des documents plus utile et réduit les efforts requis pour documenter les données et les protocoles.

Le rôle des dépôts, des identificateurs et des normes de métadonnées

L'infrastructure pour le partage des données et des matériaux a beaucoup évolué ces dernières années. Comprendre comment utiliser efficacement cette infrastructure est une compétence de base pour les chercheurs en génie moderne.

Identificateurs persistants et leur valeur

Un identifiant persistant, tel qu'un DOI ou un Handle, permet de trouver et de citer un ensemble de données même si son emplacement physique change. Lorsqu'un ensemble de données a un DOI, les chercheurs peuvent le mentionner dans leurs documents avec confiance que le lien continuera de fonctionner.

Les identificateurs persistants appuient également une attribution appropriée. Lorsqu'un ensemble de données est cité avec un DOI, on peut suivre l'utilisation, en fournissant des mesures qui démontrent l'impact des données. Ceci est particulièrement important pour les chercheurs en début de carrière qui doivent montrer l'influence plus large de leur travail au-delà des publications traditionnelles.

Normes de métadonnées pour la recherche en génie

Les normes de métadonnées fournissent des vocabulaires et des structures communs pour décrire les données, ce qui facilite la découverte et l'intégration des ensembles de données provenant de différentes sources.Les principes FAIR (Findable, Accessible, Interoperable, Reusable) fournissent un cadre de haut niveau et des normes spécifiques à un domaine mettent en œuvre ces principes pour des types particuliers de données.

Pour la recherche en génie, les normes de métadonnées varient selon les sous-domaines.Le NASA Earth Science Data and Information System (ESDIS)[ fournit des normes pour les données géospatiales et environnementales. Le Comité international des matériaux et de l'ingénierie mécanique a élaboré des normes pour les données sur les matériaux.

Orientations futures en matière de partage de données et de matériel pour la recherche en génie

Le paysage du partage des données et des matériaux continue d'évoluer. De nouvelles technologies et de nouvelles attentes façonnent l'avenir de la façon dont la recherche en génie est menée et diffusée.

Les outils qui génèrent automatiquement des métadonnées à partir des sorties des instruments, qui valident les données par rapport aux normes communautaires et qui déposent des données dans les dépôts réduisent le fardeau des chercheurs. L'adoption de ces outils à mesure qu'ils seront disponibles facilitera l'intégration du partage des données dans les flux de travail de recherche réguliers sans ajouter de frais généraux importants.

Les chercheurs en génie qui partagent leurs données selon les meilleures pratiques contribuent à un réservoir croissant de données de formation qui peuvent accélérer les progrès dans des domaines tels que la maintenance prédictive, la découverte de matériaux et l'optimisation de la conception. La valeur des ensembles de données d'ingénierie bien sécurisées ne va qu'augmenter à mesure que ces méthodes seront mûres.

Les chercheurs en début de carrière qui développent de solides habitudes de gestion des données seront bien placés pour répondre aux normes de leur domaine et profiter des possibilités que le partage ouvert crée pour la collaboration, la visibilité et l'impact.

Conclusion

La gestion efficace des données et du matériel dans la recherche en génie est une compétence qui récompense à la fois le chercheur individuel et la communauté scientifique en général. Suivant les pratiques exemplaires décrites ici, organiser les données avec des formats normalisés et des métadonnées riches, assurer la qualité des données, sélectionner des dépôts de données fiables, fournir une documentation complète, traiter de la protection de la vie privée et de la sécurité, partager du matériel complet en format ouvert, établir des licences claires et documenter les procédures en détail crée une base pour une recherche reproductible et digne de confiance.

Les chercheurs qui investissent dans ces pratiques constatent que l'effort porte ses fruits. Leur travail touche un plus large public, leurs conclusions sont plus facilement vérifiées et fondées, et leur contribution au domaine est plus clairement reconnue par des citations et la réutilisation de leurs données et de leurs matériaux.