Intervention 45' Mediadix 12 octobre 2012

1. theses.fr
un exemple d'ouverture de
l'information scientifique
sur le web de données
mediadix :: 12 octobre 2012

8. Les identifiants,
marchepied vers le web de données
• 2011LYO20079 N° national de thèse
• http://www.theses.fr/2011LYO20079
• http://www.theses.fr/2011LYO20079/document
• http://www.theses.fr/2011LYO20079.rdf
• 030807069 Autorité Sudoc (IdRef)
• http://www.theses.fr/030807069
• http://www.theses.fr/030807069.rdf

9. Les données ABES sur le web de
données, avec IdRef pour pivot

10. Le nuage du web de données liées

11. Le nuage du web de données liées

13. Comment faire pour récupérer le RDF
de theses.fr
• Moissonnage
– OAI-PMH
– Sitemaps + RDF
• Dump
– Extraction de tout le RDF
– Asynchrone (photo au temps t)
– Celui qui a récupéré le dump a toute liberté
• Ex : monter un serveur SPARQL et une appli dessus 

14. Adopte un directeur de thèse
Requête fine avec SPARQL :
Je veux un directeur, qui a
déjà dirigé une thèse sur
la colonisation dans les 5
ans, qui n’encadre pas plus
de 4 étudiants, qui est
relié à tel vieux prof…
Et encore plus de possibilités, via les liens RDF vers IdRef, Sudoc, Wikipedia…

15. MAIS CE N’EST PAS SI SIMPLE…

16. Les technologies sémantiques, c’est pas magique
FOURNIR D’AUTRES MOYENS
D’EXPLOITER LES DONNÉES

17. Fournir d’autres moyens d’exploiter les
données
• OAI-PMH (pour thèses élec. Soutenues)
• Notices Sudoc (!)
• Web services de recherche :
http://www.theses.fr/?q=colonialisme+allemagne
http://www.theses.fr/?q=colonialisme+allemagne&format=atom
http://www.theses.fr/?q=colonialisme+allemagne&format=solr

18. t heses.f r en R F
D

19. Les technologies sémantiques, c’est pas magique
L’INTEROPÉRABILITÉ,
UN DILEMME

21. Lever le dilemme de l’interopérabilité
?
marcrel:aut dcterms:creator
MARCREL = MARC 21 Relators Dublin Core
(codes de fonction)
« plus fin mais un truc de bib » « tout le monde comprend mais un peu
vague »
marcrel:aut rdfs:subPropertyOf dcterms:creator
Ce mécanisme logique
lève le dilemme.
Sur le papier…

22. Les technologies sémantiques, c’est pas magique
AVANT D’OUVRIR LES DONNÉES,
IL FAUT LES PRODUIRE

23. Derrière les données,
des workflows, des réseaux, des gens
• STEP
– Réseau des thèses en préparation
– Ex-FCT (Nanterre)
– 80 établissements
• STAR
– Réseau des thèses numériques
– 80 établissements
• Circulation des données
– Saisie en ligne
– Imports (partiels ou complets)
• Interconnexion avec IdRef
– Utiliser et enrichir le référentiel d’autorités, avec outils IdRef
– Automatiser le liage aux autorités ? Mais il faut encore qu’elles
existent

24. Les technologies sémantiques, c’est pas magique
POUR SE LIER A D’AUTRES DONNÉES, IL
FAUT QU’ELLES SOIENT OUVERTES !

25. Aujourd’hui Fonds
Calames
Livre
Sudoc
Auteur IdRef
Thèse
theses.fr
owl:sameAs
Auteur
VIAF
Auteur
BnF owl:sameAs
Auteur
Auteur ISNI
Wikipedia

26. Demain Fonds
Calames
Livre
Sudoc
Auteur IdRef
Thèse
theses.fr
owl:sameAs
Auteur
VIAF
Auteur
BnF
Auteur
Auteur ISNI
Wikipedia

27. + articles, éditions
scientifiques, num
Après-demain peut-être ? Fonds érisation, etc.
Calames
Livre
Worldcat
Livre
Sudoc
cite Auteur IdRef
Données Thèse
brutes theses.fr
a pour owl:sameAs
+
brevets, proj
dérivé
ets ANR, etc. Auteur
HAL CCSD
Auteur
VIAF
Article
HAL CCSD
Auteur
BnF owl:sameAs
+ CrossRef,
revues,
indicateurs
d’usage, etc.
Auteur
Auteur ISNI
Wikipedia

28. Les services publics de données qui
manquent aux thèses à l’IST
• Structures de recherche
• Écoles doctorales
• Entreprises (SIREN de l’INSEE)
• Brevets (?)
• Classification des disciplines
• Projets de recherche
• …

29. Leibniz, Lettre à Arnauld (30 avril 1687)
29