Signaler les thèses déposées sur TEL dans le Sudoc et theses.fr

35 000 thèses TEL proviennent de Star : et les autres ?

logo_telActuellement, 75 000 documents  estampillés « thèses » sont déposés sur TEL. Or, si 35 000 documents  – qui proviennent de l’application Star – sont bien estampillés « version validée par le Jury », 40 000  d’entre eux ne sont signalés ni dans le Sudoc ni sur theses.fr, alors même que le lien vers le texte intégral de la thèse peut avoir un intérêt pour les lecteurs. Suite à ce constat, plusieurs établissements, soucieux d’offrir une visibilité plus importante à ces travaux de recherche, ont sollicité l’Abes en vue de leur signalement automatique. Deux options s’offraient :

  • importer les notices de TEL en s’appuyant sur leurs métadonnées (XML TEI) pour les transformer en Unimarc.
  • décrire ces documents via les notices des thèses originelles déjà présentes dans le Sudoc.

Pour une plus grande simplicité de mise en œuvre et une bonne cohérence des données – notamment des liens aux autorités IdRef « Nom de personnes » et Rameau, il a été décidé de partir du socle constitué par la notice Sudoc décrivant la thèse originelle papier et d’en faire la matrice de la future notice du document TEL.

Recouper les données de TEL avec celles du Sudoc

L’étape dite « de recouvrement » des données de TEL avec celles du Sudoc a été complexe.

Dans un premier temps, les données de TEL ont été récupérées dans OpenRefine via une requête sur l’API-HAL – https://api.archives-ouvertes.fr/docs en demandant en sortie : URI, Date de soutenance, Auteur et Titre français du document.

Puis, via un test de recouvrement (sur Date, Auteur, Titre), les thèses TEL auxquelles correspondent une notice de thèse originelle papier (notice « mère ») dans le Sudoc, ont été identifiées. Dans un cas sur trois, le taux de recouvrement a échoué (soit 0 notices trouvées dans le Sudoc ou plus de 5)

Ensuite, à partir du NNT,  les différentes notices de reproduction (notices « filles ») rattachées à une notice « mère » ont été identifiées dans le Sudoc, ce qui a permis d’exclure les thèses possédant déjà une notice de reproduction et faisant mention, en zone 856, d’une URL (vers TEL ou Pastel) et pour lesquelles le  signalement avait déjà été effectué.

Après un passage par ces différents tamis, il restait environ 22 000 documents TEL disposant d’une notice de thèse originelle dans le Sudoc. Parmi ces 22 000 documents, n’ont pu être conservées que 15 500 thèses dont la notice de thèse originelle « passait l’AlgoSudoc » et apparaissait dans theses.fr [afin d’améliorer le référencement des thèses dans theses.fr, rappelons que les établissements sont invités à corriger les notices WinIBW qui ne « passent pas l’AlgoSudoc »].

Theses_TEL_image1

Theses_TEL_image2

Les thèses de TEL : reproductions exactes ou autres versions des thèses ?

Une fois identifiés les documents potentiellement à signaler dans le Sudoc,  la question de la méthode s’est posée : dans la mesure où les notices de reproduction décrivant les thèses TEL allaient être générées en masse à l’aide de scripts, il fallait en effet rester prudent.

L’Abes n’étant pas en mesure de vérifier la conformité du dépôt TEL avec la thèse originelle archivée par l’établissement de soutenance, il a été décidé de ne pas signaler les documents déposés sur TEL en tant que reproductions exactes, mais en tant qu’« autres versions » des thèses archivées en bibliothèques.

En lieu et place de l’habituelle zone 455/456 (reproduction de/reproduit comme), nous avons donc opté pour une paire de zones 452 (autre édition sur un autre support), ce qui permet de ne pas statuer sur l’identité de contenu entre la version originelle de la thèse et la version déposée sur TEL.

Ce choix a été renforcé par la suppression, dans la notice ainsi créée, du Directeur de thèse, de l’Université de soutenance, des membres du jury et du NNT, de sorte que le traitement de ces documents corresponde à celui réservé habituellement à une « version commerciale » de thèse. Ce traitement catalographique est applicable à toutes les « autres éditions » et « autres versions » d’une thèse, qui ne sont pas des reproductions exactes ou ne peuvent être considérées comme telles en l’absence de vérification.

La note de thèse (zone 328 : Texte remanié de …) a été conservée [on peut, dans WinIBW, interroger l’index nth pour retrouver les thèses par établissement de soutenance]. De son côté, le NNT est déplacé à la fois en zone de note (zone 305 : « Cette édition peut différer de la version de soutenance enregistrée sous le Numéro National de Thèse : 20XXZZZZ0001 ») et en tant qu’identifiant dans un autre système (zone 033) pour pointer sur la page correspondante sur theses.fr.

Theses_TEL_image4

Bilan

Après plusieurs mois de réflexion, le chantier de signalement des thèses de TEL dans le Sudoc lancé le 26 avril 2018 s’est achevé le 4 mai 2018. Il a donné lieu à la création de quelques 15 500 notices Oa liées à une notice de thèse originelle Aa [on peut les retrouver en interrogeant la zone 035 avec la requête « che sou tel? OU pastel? OU hal? »].

a_noter [voir en fin d’article le nombre de notices créées par établissement].

Le lien d’accès au fichier de la thèse s’affiche désormais sur theses.fr de la façon suivante :  Theses_TEL_image3

Par ailleurs, toutes les notices créées se sont vues attribuer un « exemplaire Abes » afin d’apparaître sur le catalogue Sudoc public.

Dans la mesure où il s’agissait d’une première, la prudence a été de mise, aussi bien en ce qui concerne le périmètre choisi que le traitement retenu pour la création de ces notices. Notre objectif a été, avant tout, de permettre l’intégration dans la notice Sudoc d’un lien vers le texte intégral là où on ne disposait que d’une notice de thèse originelle papier.

Si la procédure choisie – notamment le test de recouvrement – mérite encore d’être affinée, l’objectif est  de parvenir au signalement dans le Sudoc de l’ensemble des thèses de doctorat déposées sur TEL. Pour ce faire, le chantier sera relancé l’année prochaine, puis tous les deux ans.

Après l’Abes, c’est au tour des établissements de jouer

Les établissements sont libres de compléter ou corriger les notices créées, notamment afin de remplacer la zone 452 par une zone 456 – après vérification de la conformité du dépôt TEL avec la version de soutenance – et d’appliquer le traitement habituellement réservé aux reproductions de thèses de doctorat.

Ils peuvent également demander à l’Abes une exemplarisation automatique sur un lot de thèses TEL, afin d’enrichir leur catalogue local.

Enfin, ceux qui souhaitent améliorer le signalement de leurs thèses dans le Sudoc afin, d’une part, de permettre leur référencement dans theses.fr, et, d’autre part, d’obtenir une meilleure couverture Sudoc / TEL, sont invités à contacter le service des Thèses qui pourra leur fournir la liste des thèses ayant été écartées du chantier et dont la reprise est nécessaire.

N’hésitez donc pas à nous solliciter via ABESstp en cas de problèmes ou pour avoir plus de détails sur les outils utilisés et la méthode suivie.

Annexe : Nombre de notices créées par établissement (code court)

Etab. Nb de notices créées Etab. Nb de notices créées Etab. Nb de notices créées
AGPT 46 ENST 117 NAN2 8
AGUY 12 ENSU 8 NANT 285
AIX1 192 EPHE 16 NCAL 1
AIX2 80 EPXX 310 NICE 362
AIX3 94 ESAE 29 NSAM 1
AIXM 1 ESMA 56 NSAR 13
AMIE 31 ESTA 6 OBSP 30
ANGE 16 EVRY 19 ORLE 182
ARTO 5 GLOB 18 PA01 283
AVIG 10 GRE1 1616 PA02 3
BESA 169 GRE2 28 PA03 39
BOR1 284 GRE3 22 PA04 33
BOR2 24 GREN 163 PA05 72
BOR3 44 IEPP 17 PA06 1885
BOR4 45 INAL 7 PA07 625
BORD 1 INAP 75 PA08 45
BRES 115 INPG 890 PA09 49
CAEN 380 INPL 22 PA10 97
CERG 13 INPT 33 PA11 901
CHAM 130 ISAL 1 PA12 12
CLF1 6 ISAM 11 PA13 28
CLF2 270 ISAR 72 PAUU 66
CNAM 34 ISAT 48 PERP 30
COMP 54 LARE 2 POIT 110
CORT 16 LARO 49 POLF 1
DENS 20 LEHA 40 REIM 6
DIJO 107 LEMA 6 REN1 466
DUNK 18 LIL1 42 REN2 43
ECAP 70 LIL2 25 ROUE 123
ECDL 22 LIL3 15 STET 33
ECDM 1 LIMO 6 STR1 136
ECDN 52 LORI 46 STR2 8
ECLI 10 LYO1 79 STR3 2
EHEC 36 LYO2 4 STRA 33
EHES 196 LYO3 12 TELB 9
EIAA 11 LYON 1 TELE 3
EMSE 23 LYSE 1 TOU1 13
ENAM 296 MARN 58 TOU2 69
ENCR 1 METZ 30 TOU3 453
ENGR 40 MNHN 37 TOUL 9
ENMP 291 MON1 29 TOUR 62
ENPC 290 MON2 303 USPC 52
ENSA 11 MON3 27 VALE 58
ENSF 5 MULH 13 VERS 71
ENSL 63 NAN1 78
Publicités

La géolocalisation des autorités géographiques dans le Sudoc – partie 1

Cette série de billets écrite par Elena Avellino présente le travail de géolocalisation de notices d’autorité géographiques dans le Sudoc, réalisé par l’Ecole française de Rome.

  1. Finalités, modalités et applications (ce billet)
  2. Mode d’emploi de la géolocalisation

Pourquoi la géolocalisation ?

Entre 2014 et 2016, en collaboration avec l’Abes, les Écoles françaises à l’étranger (École française d’Athènes, École française de Rome, Casa de Velàzquez à Madrid, Institut français d’archéologie orientale du Caire et École française d’Extrême-Orient) ont conduit le projet « ArchéoRef : signalement de publications archéologiques dans le Sudoc » (voir le poster présenté aux JABES en 2015).
C’est à l’occasion de ce projet qu’ont eu lieu les premières géolocalisations de notices d’autorité géographique dans le Sudoc. À l’EFR, le groupe de travail était composé de Nadia Marconi -archéologue et documentaliste- et moi-même, bibliothécaire et archéologue. Il s’agissait de géolocaliser les notices d’autorité décrivant des sites fouillés par l’Ecole française de Rome.

La géolocalisation vise 3 objectifs :

  • enrichir les notices d’autorités géographiques (Tg),
  • contribuer à la pertinence des recherches bibliographiques dans le Sudoc
  • faciliter l’accès aux ressources liées à un site.

Son intérêt ici est strictement documentaire : en aucun cas; elle n’a la prétention de constituer une base de données proprement topographique ou géographique.

Le travail pour ArchéoRef  a abouti à la mise  au point d’un outil de recherche qui met en relation :

  • une entité géographique
  • l’accès aux données bibliographiques recensées dans le Sudoc qui la concernent
  • sa visualisation sur une carte

Quel est le principe de la géolocalisation dans les notices d’autorité ?

Les coordonnées géographiques saisies dans la notice d’autorité géographique du Sudoc – accompagnée si nécessaire d’un contrôle de la qualité de la notice, de doublons ou encore de la pertinence des liens – sont répercutées immédiatement dans l’interface publique IdRef, qui donne l’accès au positionnement sur une carte géographique et aux notices bibliographiques liées.

Saisie dans WinIBW, l’outil de production du Sudoc :

geolocalisation_notice_winibw

Notice Tg « Pompéi (ville ancienne) » PPN 027243303

Visualisation des données dans l’interface publique IdRef :

geolocalisation_notice_idref

Notice « Pompéi (ville ancienne) » affichée dans IdRef (https://www.idref.fr/027243303)

Accès à la géolocalisation du site archéologique  (bouton « GÉOLOCALISATION » d’IdRef) :

geolocalisation_bouton

Quelles sont les applications, actuelles et à venir  ?

A l’EFR, la géolocalisation dans le Sudoc a été associée à une analyse du référencement bibliographique des sites fouillés par l’établissement et a été utilisée pour enrichir leur présentation dans notre page web. Exemple : Porta Nocera, Pompéi (Italie)  :

Le développement de la géolocalisation des entités géographiques pourrait aboutir à des véritables cartes interactives thématiques qui donneraient accès à la localisation du site, à la notice d’autorité et à sa bibliographie (monographies). L’EFR étudie d’ailleurs, comme suite possible au projet ArchéoRef, le projet d’une carte interactive des monuments de la Rome antique. Contrairement à d’autres projets similaires qui demandent une saisie spécifique des références, la bibliographie de ces cartes thématiques serait alimentée de manière autonome et en temps réel par le catalogage et l’indexation du Sudoc : il s’agirait d’une « bibliographie thématique dynamique ».

Simulation de carte thématique sur les monuments de Rome :

geolocalisation_carte_rome

Géolocalisation de l’Arc de Titus (à gauche) et du Colisée (à droite), visualisation de leur notice d’autorité, puis de leurs bibliographies respectives.

D’autres possibilités sont également envisageables, par analogie à celles qui s’appliquent aux autorités Nom de personne. Par exemple, le renvoi dans les articles de Wikipédia :

geolocalisation_simulation_wikipedia

… ou l’insertion du lien dans d’autres bases de données bibliographiques. À titre d’exemple, pour les Mélanges de l’Ecole française de Rome Antiquité  (Revue.org), on pourrait insérer le renvoi à la notice IdRef dans les index :

geolocalisation_simulation_revue_org

Simulation de l’écran de présentation de la revue, sur revue.org

En conclusion

Les interfaces de consultation peuvent encore être améliorées et adaptées à l’usage. Naturellement, les développements que nous avons évoqués, si jugés utiles et pertinents, demanderaient certainement d’autres aménagements techniques. Il nous semble en revanche intéressant de disposer potentiellement d’un outil qui permettrait de conjuguer une carte interactive d’entités géographiques normalisées et une bibliographie automatiquement mise à jour, qui puiserait ses références dans le riche catalogue collectif du Sudoc.

                     Elena  Avellino
 Bibliothèque de l’École française de Rome
elena.avellino[at]efrome.it
logo_EFR

 

 

 

 

 

La géolocalisation des autorités géographiques dans le Sudoc – partie 2

Cette série de billets écrite par Elena Avellino présente le travail de géolocalisation de notices d’autorité géographiques dans le Sudoc, réalisé par l’École française de Rome.

  1. Finalités, modalités et applications
  2. Mode d’emploi de la géolocalisation (ce billet)

Ce billet expose les modalités de géolocalisation et la transcription de ces données dans l’outil de production du Sudoc, WinIBW.

Étape 1 : définir la référence cartographique

Dans le cadre d’ArchéoRéf, nous avons choisi d’utiliser Google Earth qui permet le relevé des coordonnées sexagésimales et décimales. Les coordonnées obtenues doivent être converties dans le format Unimarc Autorités dans la zone 123. La visualisation sur la carte est réalisée avec Google Map qui ne lit que les coordonnées décimales du champ 123 ($q $r $s $t). Les données sexagésimales ne sont donc pas obligatoires. Par ailleurs, la géolocalisation peut s’effectuer avec d’autres systèmes de référencement cartographique (ex. Geonames).

Étape 2 : établir le degré de précision du pointage

Il est nécessaire ensuite d’établir le degré de précision du pointage. Ce paramètre peut être élaboré en fonction de la fiabilité des sources de localisation et des références des coordonnées cartographiques. Ainsi l’Ecole française d’Athènes a élaboré des paramètres un peu différents de ceux de l’EFR (référence cartographique prise à partir du WebSIG mis au point par les fouilleurs).  Il est en revanche indispensable de toujours mentionner, dans la notice, les modalités de localisation.

L’EFR a fixé trois paramètres de pointage :

  • point exact : pour localiser les structures dont la localisation est certaine comme un bâtiment déterminé ou les petits sites (ex. Amphithéâtre de Pompéi)
  • central : pour les sites plus étendus comme les villes. Dans ce cas nous avons pointé une aire centrale (ex. pour Pompéi, le forum)
  • approximatif : en absence de données exactes nous avons choisi de prendre les coordonnées d’une aire géographique plus étendue.

Étape 3 : relever les coordonnées

À partir de Google Earth :

a) Saisir le nom de la localité (pays, ville ; ici : Pompéigeolocalisation_google_earth_1

b) Visualiser la zone plus ou moins étendue proposée en résultat :

geolocalisation_google_earth_2

c) Cibler, avec le pointeur, le point qui intéresse (ici : l’amphithéâtre de Pompéi)

geolocalisation_google_earth_3

On obtient pour l’Amphithéâtre de Pompéi  –  Coordonnées Google Earth (Est du méridien de Greenwich):

Coordonnés décimales : 40.751297° latitude Nord, 14.495274° longitude Est.

Étape 4 : transcrire la géolocalisation dans WinIBW

Dans la notice d’autorité Tg « Pompéi (ville ancienne) — Amphithéâtre » :

a) insérer la zone Unimarc 123 : coordonnées géographiquesgeolocalisation_zone_123warning_48Attention ! dans chaque sous-zone, il ne faut pas dépasser 8 caractères. Si les coordonnées de géolocalisation sont plus longues, il faut supprimer les derniers chiffres. Les coordonnées des lieux à l’Ouest du méridien de Greenwich dans Google Earth sont signalés par le signe « -« , qui se transcrit dans WinIBW par « 00 ».

Exemple : les coordonnées de Google Earth pour Baelo Claudia (Espagne ; site archéologique ») se transcrivent ainsi :
123 ##‎$de0054630‎$ee0054630‎$fn3605226‎$gn3605226

b) compléter les autres zones Unimarc :

  • 356  : « Note géographique », dans laquelle sont renseignés la base cartographique de référence et le degré de précisiongeolocalisation_zone_356
  • 686 : « Autres classifications », où on indique éventuellement le cadre du projet de géolocalisationgeolocalisation_zone_686
  • 899 : « Note du catalogueur interne au Sudoc » : c’est une zone spécifique aux notices géographiques dont le point d’accès contient une subdivision Rameau $x, $y ou $z, notices dérivées de la BnF et dont la mise à jour est automatique dans le Sudoc (identifiées par la zone 035). La zone sert à éviter que les imports automatiques de la BnF écrasent les données insérées dans le Sudoc, tout en conservant une trace de l’alignement des notices dans les deux catalogues.

899 ##$aIdentifiant RFBNF de la notice à ne pas placer en 035 pour ne pas risquer de perte de données : « FRBNFXXXXXXXXX »

d) faire les liens :

  • 515 : « point d’accès en relation – Nom géographique ». Il s’agit de lier aux sous-unités pertinentes, et réciproquement

geolocalisation_zone_515-bis

En conclusion

L’opération de géolocalisation et la saisie dans le SUDOC se font assez rapidement. À partir de notre expérience, en revanche, le travail de révision et la rétroconversion du corpus des notices bibliographiques liées a été le plus chronophage. Nous avons rencontré également quelques problèmes pour localiser et identifier les sites fouillés anciennement et dont la publication était fragmentaire et incomplète (par exemple,  quelques sites de l’Afrique du Nord).

Elena Avellino
Bibliothèque de l’École française de Rome
elena.avellino[at]efrome.it
logo_EFR

 

 

Synthèse de l’enquête « Évaluation du dispositif CERCLES »

CERCLES_pencils_by_art_sourse

Le dispositif CERCLES (Corrections et Enrichissements par le Réseau de Corpus de l’Enseignement Supérieur) a été lancé en 2015.
Depuis, 17 chantiers ont été lancés, dont 9 encore en cours.

Avec le double objectif d’évaluer les modalités de fonctionnement actuelles et de réfléchir à l’évolution du dispositif, une enquête a été menée, en février 2018, auprès des 18 responsables de chantiers CERCLES.

Voici un résumé de leurs opinions sur le dispositif.

Taux de participation : 77,7 %

18 responsables de chantier ont été sollicités, 14 ont validé le questionnaire. Cela constitue le corpus de réponses complètes et exploitables.
Ceux qui n’ont pas répondu appartiennent à des chantiers co-gérés ; à chaque fois, leurs binômes ont validés leurs réponses, de telle sorte qu’on peut affirmer que, si l’enquête ne reflète pas la totalité des établissements CERCLES, elle reflète en revanche la totalité des chantiers.

Sur l’organisation mise en place par le responsable de chantier :

  • le plus souvent, une petite équipe est mise en place, sans organisation très formelle (échanges sans réunions systématiques et planifiées), mais avec un document collaboratif.
  • s’il n’y a qu’1 agent sur le chantier, l’organisation se met en place en tenant compte de ces moyens limités ; la conduite solitaire d’un chantier n’entrave pas sa réalisation.
  • tous les responsables évoquent la difficulté à faire du « reporting » auprès de leur direction, par manque de document modèle.
  • chacun ressent le besoin de créer des documents spécifiques (procédures, scripts).
  • il semble difficile de prévoir en amont la durée du chantier :
    • le travail en mode projet (estimation, contrôle, révision) n’est pas systématiquement appliqué ;
    • les tâches d’organisation, de coordination ne sont pas quantifiées, au départ, dans le temps estimé nécessaire pour le chantier ;
    • il faut gérer des aléas et des charges de travail imprévues.
  • par contre, le travail CERCLES reste souvent prioritaire, en cas d’aléas.

Sur la reconnaissance de la fonction de responsable de chantier :

  • le plus souvent, un chantier est lancé à l’initiative de l’équipe de catalogage.
  • le travail CERCLES est davantage lié à l’agent (la personne) qu’à sa fonction (la fiche de poste). Ainsi :
    • il n’y pas d’objectifs et d’indicateurs associés dans la fiche de poste des agents responsables de chantier ;
    • aucune pérennité du chantier n’est assurée si l’agent quitte l’établissement.

Sur les enrichissements apportés par le chantier :

  • les axes d’enrichissements s’avèrent toujours plus importants que ceux prévus au départ.
  • les difficultés rencontrées pour les corrections sont liées aux difficultés du traitement des documents électroniques, pas au dysfonctionnement du dispositif CERCLES.
  • la collaboration avec l’éditeur du corpus, au sein du chantier, est utile, mais pas obligatoire.

Sur l’apport de l’ABES :

  • les services sont appréciés, à part l’espace de travail collaboratif, perfectible dans sa forme et dans son usage.

Sur la reconnaissance du réseau :

  • les responsables de chantier n’ont pas vraiment d’avis sur la question. Mais ignorer si on est reconnu ne veut pas dire qu’on ne l’est pas. Cela signifie simplement qu’on n’a jamais eu le moyen de mesurer cette reconnaissance (par exemple, l’ABES n’ pas inclut cette question dans l’enquête 2017 sur les usages professionnels du Sudoc).

Sur les évolutions du dispositif CERCLES :

  • les responsables actuels n’envisagent pas forcément de nouveaux chantiers, puisque la charge de travail est déjà importante.
  • le besoin de lancer des chantiers liées aux données d’autorités de leurs corpus n’apparait pas comme une priorité.
  • les chantiers à venir devraient être d’une volumétrie moins importante, pour attirer d’autres bibliothèques.

 

CERCLES_crayonsEt maintenant… ?

L’équipe de l’ABES en charge de coordonner le dispositif CERCLES analyse ces résultats pour formuler une série de préconisations, qui seront ensuite communiquées au réseau.

La synthèse complète et détaillée des résultats est disponible  ICI.

Univ-Droit et IdRef : une coopération ambitieuse et réciproque

Retours sur une coopération fructueuse entre  l’équipe IdRef de l’Abes et l’équipe d’Univ-Droit dans le cadre de l’UNJF – Université Numérique Juridique Francophone, dont Gilles Dumont, professeur de droit public, est le directeur.

Le portail Univ-Droit

univ-droit_logoUniv-Droit, site dédié au Droit et aux Sciences Politiques, porté par la Conférence des doyens des Facultés de droit, est un outil incontournable pour aborder le champ juridique national. On y trouve des informations sur l’ensemble des formations juridiques universitaires, des structures de recherche et des instances professionnelles ainsi qu’une offre conséquente de ressources pédagogiques (cours en ligne).

Deux annuaires sont également disponibles, qui consacrent une page propre aux entrées de type :

enseignants

structure

Conçus pour la diffusion des informations autant que pour leur bonne gestion interne et relationnelle, ces annuaires s’appuient sur des listes contrôlées et des référentiels, une démarche indispensable pour assurer les liens entre ressources et acteurs. Initiée dès l’origine du portail, cette étape d’identification concerne les données de type  :

  • Structures : la quasi-totalité des entrées s’appuie sur un référentiel national (RNSR pour les laboratoires, UAI pour les structures d’enseignement, Numéro national pour les Ecoles doctorales). Ce travail d’identification a été effectué en coopération avec l’équipe ScanR, et est donc sécurisé.
  • Personnes : certaines pages d’enseignants-chercheurs comportent déjà des renvois vers leur notice d’autorité dans IdRef (exemple : https://univ-droit.fr/universitaires/24364-alain-supiot) sans toutefois que cette identification ne soit exhaustive.

noticeidref

Coopération avec l’Abes

A l’automne dernier, suite à une présentation d’IdRef dans le cadre du groupe de travail “Moteur de recherche” de  SupNumérique, initiative ministérielle destinée à la valorisation des Ressources Pédagogiques Numériques, l’Abes a été sollicitée par l’équipe d’Univ-Droit afin de généraliser l’identification fiable et pérenne des données de type Personnes. En effet, disposer d’identifiants fiables, pérennes et partagés pour l’ensemble des acteurs recensés – personnes physiques ou morales – est une garantie pour l’interopérabilité des données.

Alignement des enseignants-chercheurs

La première opération, similaire à celle détaillée ici, a consisté à identifier automatiquement plus de 90 % des 3 728 enseignants-chercheurs recensés dans Univ-Droit. Et cette fois encore, les alignements produits par l’algorithme se sont révélés très fiables. Enfin, pour les alignements considérés moins sûrs, les données inscrites dans les notices d’autorité sont venues valider les candidats.

Comme à l’accoutumée, cette opération d’alignement a mis en évidence bon nombre d’anomalies dans les données de type Personnes (coquille dans les noms, doublons…), ce qui a donné lieu à autant de corrections, étape importante pour l’amélioration qualitative des données.

Au final, c’est maintenant l’ensemble de la communauté des juristes et politologues français qui dispose désormais d’une identification fiable !

Enrichissements réciproques

Côté IdRef : seront intégrées au sein des notices IdRef, les URL des pages personnes d’Univ-Droit ainsi que des données disciplinaires ou d’affiliation qui en seront extraites pour enrichir et consolider le contenu des autorités. Concrètement, pour ceux qui « parlent Unimarc », le résultat sera l’ajout d’une zone 035 – numéro source dans Univ-Droit, ajout/modification d’une zone 340 – note sur la biographie et les activités.

Côté Univ-Droit : dans les pages Personnes d’Univ-Droit, les renvois vers les notices d’autorité IdRef ont été systématisés. Il en sera probablement de même avec les renvois vers les pages Personnes de theses.fr : https://www.theses.fr/027151808.

Cette démarche double permet à la fois de multiplier les rebonds web et le référencement réciproque, de désambiguïser les personnes d’Univ-droit et de consolider les notices autorités parce qu’elles sont maintenant reliées “physiquement” à Univ-Droit.

Récupération par Univ-Droit des données bibliographiques liées

L’affichage des publications dans les pages d’enseignants-chercheurs va pouvoir évoluer. Pour ce faire, Univ-Droit a l’intention d’exploiter le nouveau web service d’IRef – «References », disponible depuis la V2 d’IdRef (octobre 2017) : pour un identifiant IdRef donné, le webservice renvoie l’ensemble des documents associés dans les différents catalogues ou sources de données bibliographiques connus d’IdRef, à savoir le catalogue Sudoc bien entendu mais aussi theses.fr, Calames, Persée et d’autres.

Jusqu’à présent, dans Univ-Droit, les publications Sudoc proviennent d’une interrogation de HAL – le plus souvent suite à une requête forgée du nom-prénom croisé avec le labo de rattachement – pour aller chercher les rares ISBN dans les résultats de la recherche HAL de type “ouvrage”, qui sont ensuite croisés avec le web service “ISBNtoPPN” pour aboutir, enfin,  à la notice Sudoc.

Prenons l’exemple de Véronique Champeil-Desplats. Cette méthode permet de remonter comme résultats 3 monographies dotées d’un ISBN. En interrogeant le web service « references » d’IdRef avec comme seul paramètre l’identifiant IdRef de Véronique Champeil-Desplats – http://www.idref.fr/services/references/05505563X – on obtient 27 monographies ainsi que son rôle dans chacune. C’est plus simple et plus complet !

L’Abes espère que cette nouvelle exposition des données Sudoc dans Univ-Droit engendrera des retours des enseignants-chercheurs qui constateront que des intrus figurent parmi la liste de leurs ouvrages.

Une nouvelle rubrique pour les thèses

En plus des rubriques déjà présentes, une nouvelle rubrique Thèses va voir le jour puisque le web service “references” utilise theses.fr comme source.
thesesEn conclusion, parce qu’Univ-Droit connaît les identifiants IdRef, l’exposition et la moisson des publications des enseignants-chercheurs en droit et sciences politiques est sécurisée. Parce qu’IdRef connaît Univ-Droit, les notices de ces enseignants-chercheurs sont enrichies et les liens aux données bibliographiques des catalogues sources fiabilisées.

Cette coopération fructueuse entre l’Abes et Univ-Droit démontre, si besoin est, que les chantiers de mise en interopérabilité des données – ici l’identification fiable et pérenne des enseignants-chercheurs – constituent un moteur puissant pour l’amélioration concrète de leur qualité, et conforte l’ambition de construire progressivement un véritable “réseau numérique de confiance” au service  des ressources de l’ESR.

François Mistral, responsable IdRef

 

Calames : les statistiques 2017

calamesEn ce début d’année, voici venu la traditionnelle épiphanie en chiffres du réseau Calames. Le présent billet se propose de fournir aux établissements déployés dans Calames des éléments complémentaires aux statistiques accessibles via Webstats : jauges quantitatives des données produites via l’outil de catalogage ; répartition actualisée des niveaux descriptifs indexés dans la base de données et exposées sur le web ; étiage du trafic sur le catalogue en ligne.

Mais au-delà de ces aspects quantitatifs, c’est la qualité des données qui est au cœur des préoccupations de l’équipe Calames. Si en 2017, les contrôles qualité ont été concentrés sur les inventaires dont l’encodage a été co-financé par l’Abes dans le cadre de sa mission d’encouragement aux rétroconversions, d’autres sondages, plus globaux, ont été effectués : une inspection des liens vers les numérisations (éléments <dao> et <daogrp>) a par exemple permis une correction générale de centaines de liens au cours de l’été 2017. La remise en place progressive d’une cellule nationale de l’EAD en bibliothèques, le (ré-)examen de diverses consignes de catalogage et la poursuite d’une homogénéisation des bonnes pratiques, laissent espérer que ce travail de monitoring et d’aide à une production de qualité s’amplifiera en 2018.

Nota bene : les termes « composants » et « niveaux descriptifs » se trouvent souvent assimilés dans la présentation de ces statistiques. Ils ne sont pourtant pas strictement synonymes, puisque les hauts niveaux d’inventaires (dont les identifiants Calames commencent par le préfixe « FileId-« , en reprenant le numéro interne de chaque instance EAD dans la base de données), qui ne correspondent donc pas à des composants <c>, représentent 1446 des 873 504 niveaux descriptifs comptabilisés.

État de la base publique Calames au 31 décembre 2017

Répartition  des niveaux descriptifs publiés dans Calames : par établissement

repartition-c-publies-fin-2017-par-RCR_png

Répartition des niveaux descriptifs publiés dans Calames : par tranches chronologiques de production

OriginesDonneesCalames2017_png

Répartition  des composants publiés dans Calames : par cercles de déploiement (1er cercle déployé en 2008, 10ème cercle début 2018)

repartition-c-publies-fin-2017-par-cercles_png

Nouvelles données publiées dans Calames

La catalogue public Calames a soufflé sa 10ème bougie en décembre 2017 en approchant des 875 000 niveaux descriptifs publiés :

evolution-c-publies-2007-2017_png

La quantité de données nouvellement publiées a connu un léger tassement en 2017. Elle est largement due à trois grands « publiants » : la BDIC, l’INHA et la BIU Sorbonne. Ces tendances viennent en écho direct aux travaux d’encodage de l’année (cf. infra).

surcroit-c-pub-2017-par-RCR_png

Travaux de catalogage dans l’outil Calames Prod

Pour la cinquième année consécutive, le nombre d’identifiants nouvellement attribués par l’outil Calames Prod au cours de l’année est resté au-dessus de la barre des 100 000 composants, quasiment tous créés en base de production (et non de formation, dont l’usage doit être cantonné à des tests techniques ou à des exercices pédagogiques).
Cependant la majorité de cette production n’est pas aussi également répartie que les années précédentes : la BDIC (qui sera rebaptisée « La Contemporaine » en mars 2018) tient très nettement le haut du pavé avec un tiers des niveaux descriptifs créés dans l’année. Situation dont le seul point de comparaison est 2010 (le Muséum ayant alors produit près de 45% des <c>), alors que le réseau Calames était moins développé.
Viennent ensuite six établissements ayant produit 6 à 7% des <c> de l’année 2017 : Muséum National d’Histoire Naturelle, École Centrale Supélec, BIU Sorbonne, Bibliothèque Littéraire Jacques Doucet, Bibliothèque Mazarine, et Institut National d’Histoire de l’Art.
Le palmarès des 5 établissements ayant créé la plus grande quantité (env. 60%) de niveaux descriptifs dans Calames depuis son origine reste inchangé par rapport à 2016 : Muséum National d’Histoire Naturelle (165 955 <c> créés dans l’outil depuis 2008), BDIC (146176), Institut de France (906 56), Bibliothèque Littéraire Jacques Doucet (73 151) et Académie de Médecine (640 870).

catalogage-dans-calames-2017_png

Pour compléter un peu ce paysage très métrique et brossé à grands traits, le graphique ci-dessous tente de nous en dire plus sur le temps et la fréquence d’usage de l’outil de catalogage Calames Prod. Ainsi, s’il est vrai que la BLJ Doucet a produit un peu plus de 7400 <c> en 2017, elle l’a fait au prix d’un recours plus important à l’outil d’encodage que les autres établissements, effectuant 698 interventions quotidiennes sur fichiers EAD unitaires (soit près de 700 « jours-fichiers »). L’École Centrale, qui est essentiellement intervenue sur deux à trois inventaires distincts au cours de l’année, présente logiquement ici des chiffres plus bas (127 « plages journalières d’interventions sur inventaire » en 2017, et ce quelque soit la durée ou la qualité de l’intervention en question). Au-delà de toute possibilité d’analyse plus précise des modifications effectuées sur des <c> déjà existants, de leur nature et de leur ampleur, un ratio se dégage depuis trois ans : pour une session quotidienne de catalogage sur fichier EAD, compter un vingtaine de <c> nouvellement créés et identifiés.

temps-frequence-catalogage-calames-2017_png

Ventilation des résultats de 10 années de catalogage dans Calames (en production et en publication/indexation)

c-publies-produits-2008-2017_png

Le décalage entre ces deux représentations des composants créés via l’outil Calames (<c> publiés / <c> créés) tient au fait qu’on dénombre en permanence dans la base, et ce depuis quelques années, environ 100 000 composants présents mais n’ayant jamais connu de première publication (fin 2017, en effet, on frôle le million de composants présents en base de production). L’étiage des chantiers d’encodage étant assez stable depuis 2012, on doit aussi lire ce double histogramme en se rappelant qu’une (petite) proportion de niveaux descriptifs sont soit ré-identifiés au fil du temps (ce qui peut se justifier en cas de restructuration des descriptions), soit créés pour en remplacer d’autres (versions multiples d’un même inventaire par exemple).

Statistiques de consultation 

De même qu’en 2015 et en 2016, la hausse continue de la quantité de données exposées, ainsi que plusieurs épisodes de popularité liés aux recherches ponctuelles de certains mots-clés sur les moteurs de recherche généralistes, se sont soldés par un nombre de visites sur le catalogue public en accroissement.

La moyenne du trafic se situe à environ 25 000 visites/mois (soit 8 000 de plus qu’en 2016, ce qui est lié notamment à un important épisode de popularité du site en mars 2017). Le phénomène de « zapping » des internautes reste cependant très sensible, les deux tiers de visites étant « courtes » voire « très courtes ».

Jean-Marie Feurtet, responsable Calames

Chantier Qualité des données de thèses : bilan 2017

En février 2017, l’Abes annonçait via les listes de diffusion des réseaux Sudoc et Thèses que les établissements intéressés pouvaient demander des  traitements automatiques sur les notices de thèses du Sudoc. Ce billet fait le point sur les modifications réalisées entre février et novembre,  ce à l’initiative soit des établissements, soit de l’Abes.

Rappel

thesestheses.fr, moteur de recherche des thèses de doctorat, a pour objet d’afficher les thèses soutenues en France depuis 1985 ainsi que les thèses en préparation ( depuis 10 ans au maximum). Il s’agit donc de données en provenance des applications nationales STEP et STAR et du Sudoc.
Pour les thèses soutenues, le parti pris de theses.fr consiste à regrouper en une seule page l’œuvre « thèse »,  quelle que soit la variété de ses supports matériels et en mettant en avant sa version de soutenance, estampillée d’un tampon «validée par le jury ». Il s’agit donc d’une FRBRisation des données de thèses de doctorat présentes dans le Sudoc.
Dans un monde parfait, les données du Sudoc  trouvent naturellement leur place  dans theses.fr. Hélas, les données du Sudoc ne sont pas parfaites. Grâce au programme de FRBRisation AlgoSudoc, les principales erreurs empêchant le versement dans theses.fr ont été détectées et, depuis le printemps 2015, les établissements ont accès à ces erreurs et peuvent y remédier.

Opérations menées

En 2017, l’Abes a eu l’opportunité de travailler à nouveau sur cette question.  Grâce au renfort d’un collègue contractuel recruté pour cette activité et à un nouvel outillage technique – développé à l’Abes  et à usage strictement interne, ces travaux sont venus en complément des outils traditionnels d’administration des données fournis par OCLC.

Ainsi, de février à novembre 2017, plus de 160 000 notices Sudoc ont été modifiées en utilisant ce nouvel outil d’administration de données. Pendant l’été 2017, une part importante des corrections a été traitée « à la main », principalement des fusions de notices et des corrections de liens erronés entre notices bibliographiques. L’objectif était double :

  • charger dans theses.fr des notices en provenance du Sudoc n’ayant pu être chargées du fait de leur médiocre qualité

Il s’agissait de corriger des erreurs manifestes et, à cette occasion, d’enrichir les notices originelles, notamment celles dépourvues de numéro national de thèses (zone 029), de note de thèse structurée (328$bDiplôme$cDiscipline $eEtablissement de soutenance$dDate de soutenance) ou de code domaine TEF (zone 686).
Des lots ont été constitués établissement par établissement, afin de permettre un versement des modifications dans les SIGB et de compléter les points d’accès 712 à l’établissement de soutenance.

  •  mettre de l’ordre dans les données déjà visibles dans theses.fr

En 2013, lors du versement des données Sudoc dans theses.fr, des choix devaient être faits  – tout verser ou ne verser que les notices de meilleurs qualité ? C’est une voie médiane qui a été retenue : les données Sudoc chargées dans theses.fr comportaient les zones essentielles, même si le contenu de ces zones était parfois peu exploitable ou non conforme aux recommandations du Guide Méthodologique.
Ainsi, par exemple, chaque occurrence distincte d’une zone 328$eEtablissement de soutenance dans une notice de thèse en provenance du Sudoc a créé une entrée au niveau de la facette « Établissements » dans theses.fr. Cette facette n’aurait dû contenir qu’environ 200 entrées puisqu’il existe une liste fermée des libellés des établissements de soutenance …. cependant, le recours à cette liste n’étant pas contrôlé dans WinIBW, n’importe quoi peut en réalité être saisi en 328$e, ce qui a parasité le fonctionnement de la facette « Etablissements » dans theses.fr.

Dans d’autres cas, le désordre dans theses.fr n’était pas dû à des consignes de catalogage non respectées mais à l’évolution des consignes de catalogage. Par exemple, longtemps il n’a pas été possible – dans le Sudoc (alors que STAR le permettait) – de qualifier finement les rôles de personnes en relation avec la thèse (membre du jury, président, rapporteur) ou les rôles des organismes (établissement de cotutelle, école doctorale, autre partenaire de recherche…). Fin 2014, l’Abes a créé  de nouveaux codes de fonction dans le Sudoc et a incité les catalogueurs à s’en servir (cf J.e-cours du 14/12/2014 « Description des thèses de doctorat » ). Évidemment, une grande partie des données rétrospectives du Sudoc étaient à corriger. Même si toutes les données n’ont pu être traitées en 2017, cela a constitué un axe majeur des modifications réalisées.

Résultats

Quantitativement, le nombre de page décrivant des thèses soutenues a fortement augmenté en 2017 [ie : nombre de thèses soutenues en 2016 et 2017  et signalées pour la première fois dans theses.fr au cours de l’année 2017]. Ainsi, alors qu’en 2016, le taux d’accroissement était de 4,04%, de février à décembre 2017, le nombre de pages de thèses soutenues dans theses.fr a connu un accroissement de 10,88%.

Qualitativement, les efforts ont principalement portés sur les organismes liées à la thèse, ce qui a permis de nettoyer les facettes ainsi que les pages dédiées aux organismes. Voici par exemple une copie d’écran de la facette «Établissements» réalisé le 10/02/2017. On y voit, surlignées en jaune, les entrées erronées (faculté),  autant d’éléments aujourd’hui corrigés.

 

 

 

 

 

 

 

 

 

 

Dans la mesure du possible, les zones de texte libre présentes dans la note de thèse – indiquant par exemple la discipline – ont été harmonisées.

Par ailleurs, suite à l’appel lancé via les listes de diffusion, quelques établissements ont sollicité l’Abes pour corriger des lots de données. Parmi les cas les plus fréquents : les notices de reproduction ou les versions électroniques de thèse versées dans une archive institutionnelle locale, pour lesquelles l’URL de diffusion dans la zone 856 devait être corrigée.

Conclusion

Malgré ces forces supplémentaires qui ont permis d’améliorer la qualité des données de thèses dans le Sudoc, ce dossier n’est hélas pas clos. En effet, le programme AlgoSudoc de FRBRisation des données du Sudoc en vue de leur chargement dans theses.fr détecte encore des milliers d’erreurs et les rend publiques.

Afin  que le slogan de theses.fr «Signaler l’ensemble des thèses de doctorat soutenues en France depuis 1985 » devienne réalité, l’Abes invite les établissements qui ne se sont pas encore emparés de ce dossier à prendre en main les données qui leur incombent.

IMR