Le premier sprint pilote du connectome de données de recherche a été réalisé avec succès. L’architecture, le Connectome Knowledge Graph et un prototype de conception avec quatre cas d’utilisation validés par l’utilisateur montrent comment les chercheurs pourraient mieux rechercher, découvrir et organiser les données liées à l’avenir.
Les partenaires pilotes ont créé un prototype de conception d’un service de découverte basé sur le connectome des données de recherche en fonction des besoins des chercheurs et des fournisseurs de services en tant que futurs utilisateurs. Cet objectif sous-tend tous les lots de travail du sprint: la définition et la modélisation conjointes d’une ontologie pour le Connectome Knowledge Graph et la conception du pipeline de données liées comme interface entre les fournisseurs de données (tels que DaSCH et FORS) et la plateforme Connectome.
Dans le cadre d’entretiens semi-structurés, 21 chercheurs de différentes disciplines provenant de 11 institutions et de trois partenaires pilotes ont été interrogés. L’objectif de ces entretiens était d’identifier les problèmes et les besoins communs dans le cycle de vie des données de recherche.
Sur la base de ces résultats et de l’évaluation des cas d’utilisation, des utilisateurs fictifs (personas), des flux de travail et des parcours d’utilisateurs ont été développés pour un service de découverte générique «AskReco». Les chercheurs ont été impliqués dans l’ensemble du processus de prototypage et ont été consultés à différents stades du processus de développement.
Dans l’image ci-dessus, par exemple, un utilisateur fictif, la sociologue Clémentine Schmidt, veut trouver des enregistrements de données sur le thème «Chinese Cities Population Database» et obtient le résultat illustré. En plus des résultats connus, Clémentine reçoit également d’autres informations pertinentes provenant du graphique des connaissances, par exemple «7 publications are based on this dataset» ou des informations comme «Reco identified linkages to 77 other works from 3 different disciplines». Même ces exemples simples montrent la valeur ajoutée des données ouvertes liées (Linked Open Data). Le score de pertinence de «84» se réfère aux préférences personnellement spécifiées pour l’algorithme de recherche (par exemple «Search Keywords included in Title, Abstract and Descriptions»). L’image ci-dessous montre différents types de collections (Collections personnelles, Collections de groupe, Collections recommandées).
Tous les cas d’utilisation et les processus d’utilisation ont été validés par les chercheurs: les chercheurs interrogés ont testé tous les prototypes individuels d’interface utilisateur. Les résultats ont été utilisés pour développer des wireframes améliorés.
L’objectif pour l’année prochaine est de constituer le portefeuille de services et le réseau de partenaires pour l’utilisation des données issues du connectome des données de recherche. Au cours de la prochaine étape, les wireframes seront d’abord transférés sur une plateforme de découverte opérationnelle. D’autres caractéristiques peuvent être définies, testées et développées en fonction des besoins des différentes parties prenantes.
Des partenaires pour des services spécifiques (par exemple, spécifiques à une discipline ou à un utilisateur, comme la data science) seront également acquis. Notre objectif est de définir de nouvelles caractéristiques pour ces services avec nos partenaires et de les développer avec eux.