Descripteurs

Parution de la norme ISO DIS 25964 (thésaurus)

Après SKOS en août 2009 qui est devenue une recommandation du W3C, voici venir la norme ISO DIS 25964-1 sur les thésaurus.
Pas de doublon, mais deux documents à caractère normatif qui se complètent. D'ailleurs, beaucoup au sein du Groupe ISO sur les thésaurus ont également participé aux réflexions sur SKOS.

La norme ISO DIS 25964-1 vient remplacer deux (très) anciennes normes, l'une sur les thésaurus monolingues (ISO 2788:1986) et l'autre sur les thésaurus multilingues (ISO 5964:1986).

ISO DIS 25964-1 
- Information and documentation — Thesauri and interoperability with other vocabularies — Part 1: Thesauri for information retrieval
- Information et documentation - Thésaurus et interopérabilité avec d'autres vocabulaires — Partie 1: Thésaurus pour la recherche documentaire

Nous avons 5 mois (jusqu'en mars 2010) pour commenter.

Et pour vous appâter, le sommaire de ce document :

Introduction viii
1 Scope 1
2 Definitions 1
3 Symbols, abbreviations and other conventions 10
4 Thesaurus overview and objectives 13
5 Concepts and their scope in a thesaurus 15
6 Thesaurus terms 18
7 Complex concepts 31
8 The equivalence relationship, in a monolingual context 37
9 Equivalence across languages 41
10 Relationships between concepts 48
11 Facet analysis 58
12 Presentation and layout 60
13 Managing thesaurus construction and maintenance 78
14 Guidelines for thesaurus management software 88
15 Data model 93
16 Integration of thesauri with the applications that use them 106
17 Exchange formats 109
18 Protocols 110
Annex A (informative)  Examples of displays found in published thesauri 112
Annex B (informative)  XML Schema for data exchange 130
Bibliography 131
Index 135

Pour les professionnels (et les formateurs) des changements importants, un peu plus encore pour ceux qui utilisaient la norme NF Z 47-100:1981 : distinction formalisée entre concepts et termes, enrichissement des types de relations, facette, ....Cette version, à la suite de la norme américaine sur les thésaurus de 2005, intègre des recommandations concernant les logiciels de gestion et l'intégration de thésaurus dans des applications.
Le modèle de données constitue une bonne source de travail pour les développeurs (ne pas hésiter à diffuser largement). Mais ce chapitre est également un bon outil de travail pour les professionnels pour comprendre les évolutions. Enfin le schéma XML n'est pas encore testé et n'est pas encore proposé dans le DIS.

Je rappelle que ce document ne constitue que la première partie de la norme, qui sera complétée par une deuxième partie sur l'interopérabilité avec d'autres thésaurus. Nous venons de démarrer ces travaux...

Le groupe français qui travaille sur cette norme prépare un document de communication sur la norme.

Mais n'hésitez pas à en faire l'acquisition (pour la somme de 65€ ou 98 F suisses sur le site de l'ISO), et à le commenter, même de façon partielle.
A suivre.

Vocabulaires du Sceren/CNDP et projet européen

Dans le cadre d'un projet européen - ASPECT - auquel le SCEREN/CNDP participe, un document de présentation synthétique de l'ensemble des vocabulaires documentaires (pdf en  anglais) produit et maintenu pour l'Education nationale par le CNDP, a été réalisé. Sont exposés :

• Motbis, bien sûr, consultable en ligne (www.motbis.fr)

• mais aussi les nomenclatures, autres types de vocabulaires contrôlés employés dans divers répertoires

• et enfin OTAREN, un langage de recherche qui met en correspondance les 9000 notions de Motbis avec différents autres vocabulaires :
  • Thesaurus : de l'Onu, de l'UNESCO, AGROVOC,  EUROVOC, GEMET, TEE (European Educational thesaurus) , ETB thesaurus,  termsciences / INIST
  • Vedettes matières : RAMEAU et LCSH
  • Listes d'autorité :  les nomenclatures du CNDP, celles de la Bnf, LONA (US) et UQAM (CA)

• Un article sur OTAREN avait été rédigé en 2007, dans le cadre du numéro spécial de la revue Documentaliste sur les Langages documentaires et outils linguistiques

Quelques mots dans ce document sur le logiciel GTI utilisé et sur les procédures mises en oeuvre pour la maintenance de ces outils linguistiques.

Quelques mots sur ASPECT (Adopting Standards and Specifications for Educational Content)

ASPECT est un programme de l'UE (e-contentplus) visant à développer de bonnes pratiques autour des spécifications du secteur de l'éducation (spécifications pour la plupart normalisées). Ce projet a identifié un sous-projet sur les vocabulaires nommé VBE - Vocabulary Bank for Education, répertoire multilingue des vocabulaires utilisés pour la description des ressources pédagogiques dans les différents pays des membres partenaires. Une présentation de ce projet VBE vient d'être faite à la 8ème conférence NKOS 2009 (European Networked Knowledge Organization System).

Un "démonstrateur" de l'outil qui permettrait d'enregistrer ou de consulter ces vocabulaires est proposé en consultation.

A ces vocabulaires (schémas de métadonnées et listes contrôlées associés) on peut ajouter les vocabulaires plus riches utilisés en général pour décrire les contenus. Une tableau présentant ces 9 outils est proposé en ligne. 

• EDUThes (2002), Thésaurus des systèmes éducatifs en Europe (TESE) (2009)
• Thésaurus Européen de la Education (TEE – voir maintenant TESE) (1998)
• Thésaurus Européen de la Formation (TEF) (20   
• Thésaurus IBE Unesco    6th Ed, 2nd Rev  (2007)
• ETB (European Treasury Browser)    (2003? je recherche des informations sur cet outil)
• Thésaurus ERIC (mise à jour annuelle)
• Thésaurus de la formation du Cnam (2005)
• Thésaurus de la formation (2006)
• Formacode nomenclature (2008)

Sources

• Projet de l'UE, ASPECT - http://aspect.eun.org/
  • VBE - http://aspect.vocman.com/vbe/browse
• CEN Learning Technology Observatory (CEN-LTSO) - http://www.cen-ltso.net/
• European Schoolnet -  http://www.eun.org/
• Sceren/CNDP - Le document est en ligne sur le blog de la DRT (Direction des ressources et de la technologies) du CNDP.

• Le blog de la DRT/CNDP - http://drtblog.cndp.fr/?p=530
• le document (pdf en anglais) : http://drtblog.cndp.fr/wp-content/uploads/2009/10/CNDPs-vocabularies.pdf

SKOS et ISO DIS 25964 (thésaurus)

SKOS est passé, le 18 août 2009, au statut officiel de « Recommandation W3C ».
[attention la page d’accueil n’a pas encore été mise à jour]

Cette recommandation est pilotée par le Groupe de Travail pour le Déploiement du Web Sémantique (Semantic Web Deployment Working Group ou SWDWG) 

Plus d'information sur SKOS...

Je vous recommande l’article SKOS sur Wikipédia. Merci à Bernard Vatant pour ce travail estival. N’hésitez pas à l’enrichir.

Les documents de références :

• SKOS Simple Knowledge Organization System Reference, du 18 Août 2009 -  http://www.w3.org/TR/skos-reference/
• SKOS Simple Knowledge Organization System Primer, du 18 Août 2009 - http://www.w3.org/TR/skos-primer
• SKOS Use Cases and Requirements, du 18 Août 2009, http://www.w3.org/TR/skos-ucr/

Pour ceux qui veulent aller plus loin :

sur les aspects conceptuels : "SKOS une ontologie des systèmes de représentation des connaissances, par Hélène Rabault, 2009
sur les aspects développement, vous avez le wiki, plateforme de travail SKOS, http://esw.w3.org/topic/SkosDev

2. Norme sur les thésaurus

Rappel : La révision des normes internationales sur les thésaurus monolingues (ISO 2788:1986) et multilingues (ISO 5964:1986) a été lancée en juillet 2007 (document de novembre 2008).

Nous avons fourni le 15 août 2009 (!), le DIS (Draft int. standard) sur les thésaurus.
(pour le moment, seul le CD (committee draft) est indiqué sur le site de l'ISO)

L’identifiant et le titre de la (future) norme :

• ISO DIS 25964-1  - Information and documentation — Thesauri and interoperability with other vocabularies — Part 1: Thesauri for information retrieval
• titre de la norme en français : Information et documentation - Thésaurus et interopérabilité avec d'autres vocabulaires - Partie 1: Thésaurus pour la recherche documentaire

Espérons que nous aurons rapidement ce document soumis à commentaires. Je vous tiendrai au courant. 

Nous démarrons la 2ème partie de cette norme (travail sur 6 mois ?) qui portera sur l’interopérabilité entre thésaurus et avec d’autres vocabulaires : Thésaurus, Classification, vedettes-matière, taxonomie, ontologie, terminologie, anneau de synonymes. 
Si vous avez des choses à dire sur un de ces thèmes, n’hésitez pas à nous rejoindre (en me faisant parvenir un courriel.

OAI, recherche fédérée et "exemplaires" multiples !

Interroger simultanément plusieurs ressources à partir d'une seule requête est une fonctionnalité fondamentale bien connue des documentalistes qui interrogent depuis les années 1970, les serveurs professionnels, comme Dialog, STN, Questel,.. (une histoire de ces serveurs).

Un des problèmes de cette fonctionnalité reste la présentation des résultats fournis par ces diverses sources, et plus particulièrement la suppression des doublons pouvant exister entre les ressources.
En imposant des principes de dépôt et surtout un format "normalisé" de description des ressources (même s'il est possible d'enrichir le DC simple), la recherche sur des entrepôts OAI devrait nous éviter ces problèmes.

Or une recherche sur le métamoteur OAI, ScientificCommons, nous ramène très fréquemment des doublons et même, comme nous allons le voir, 6 résultats pour un même titre !

1. Pourquoi ces doublons ?
L'application de ScientificCommons nous offrant la possibilité de contrôler l'origine des enregistrements, nous voyons qu'il s'agit de la même ressource OAI dans laquelle l'application de moissonnage a rapatrié la page liée à l'identifiant, ici le DOI mais aussi la page "résumé" .

• Publication details
  Download     http://citeseerx.ist.psu.edu/viewdoc/summary10.1.1.69.7216
  Source     http://www.heppnetz.de/files/hepp-de-bruijn-ESWC2007-gentax-CRC.pdf
• Publication details
  Download     http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.69.7216
  Source     http://www.heppnetz.de/files/hepp-de-bruijn-ESWC2007-gentax-CRC.pdf

Ce doublon pourrait donc être résolu techniquement (assez simplement ?), soit au niveau de l'application ScientificCommons, soit peut être à la source.

D'autres résultats montrent que ces doublons peuvent être dus aux différents accès à une même ressource. Par exemple pour cette OAI australienne, les doublons proviennent du moisonnage via deux URL :

• l'écran de recherche  : http://espace.library.curtin.edu.au:80
• l'écran réservé au moissonnage :  http://espace.library.curtin.edu.au:1802/webingest/action/start.do
• alors que l'adresse de l'OAI Arrow Discovery Service, est clairement unique dans les 2 cas : [http://search.arrow.edu.au/apps/ArrowUI/OAIHandler]

(PS: ceci n'est pas visible sur le site de ScientificCommons. C'est en récupérant les notices bibliographiques sous Zotero que l'on identifie ces deux accès à la même source)  

L'URL d'accès étant différente, le moteur de moissonnage semble les considérer comme différentes ... Alors que l'adresse (l'identifiant?) de l'OAI reste la même (ici - http://search.arrow.edu.au/apps/ArrowUI/OAIHandler).

Encore un point technique qui pourrait être résolu, me semble-t-il en prenant l'adresse de l'OAI et non pas l'adresse des accès proposés ? (mais je ne connais pas tous les arcanes de la norme OAI !).

2. L'écran suivant montre un problème qui n'est pas à caractère technique mais organisationnel.

Une étude poussée de ces 6 réponses nous permet de noter que les OAI moissonnées sont au nombre de 4 :

1. http://archive-edutice.ccsd.cnrs.fr/oai/oai.php
2. http://archive-edutice.ccsd.cnrs.fr/oai/oai.php (identique à 1.)
3. http://edutice.archives-ouvertes.fr/oai/oai.php (alias, renvoi à 1.)
4. http://hal.ccsd.cnrs.fr/oai/oai.php
5. http://hal.ccsd.cnrs.fr/oai/oai.php (identique à 4.)
6. http://hal.inria.fr/oai/oai.php

Nous retrouvons les doublons évoqués dans la première partie de ce billet, pour une même Archive OAI.

Nous avons identifié trois autres motifs possibles aux nombreux "exemplaires" :

• HAL est déjà en fait une méta-archive moissonnant les archives Edutice (produite par la Fondation Maison des Sciences de l’Homme de Paris) et Inria, tout comme ScientificCommon
• La structure interne des enregistrements que nous avons étudié montre des différences qui peuvent également être à la source de ces problèmes
• Des différences sur la description du document (type de document, les mots clés, langue)  montrent qu'il y a eu deux saisies du même document

L'informatique nous aide, mais il faut aussi aider l'informatique ;-)

Et après de multiples recherches en français ou en anglais, je peux vous dire que ce problème est particulièrement visible pour les entrepôts Français. 

Tout cela ne n'arrange pas les affaires de l'utilisateur exploitant SciencesCommons, pourtant si efficace !