Archives de catégorie : Science ouverte / Open Science
Billets concernant la science ouverte, et particulièrement le séminaire doctoral organisé sur le campus CNRS de Villejuif (autour de Julie Giovacchini, Raphaëlle Chossenot, Alexis Michaud et Jean-Baptiste Maistre)
Résumé de la séance du 23/11/2021 : Repenser ses pratiques numériques : adopter des logiciels et services libres pour une science ouverte
Intervention de Balthazar Do Nascimento (CNRS-LaCiTO) et de Mathieu Wostyn (association Globenet)
(La séance n’a pas été filmée ni enregistrée, mais le support de la formation sera bientôt disponible)
Les intervenants ont rappelé que le recours à des logiciels libres concerne tout le monde, pas seulement les informaticiens et des spécialistes des technologie.
Le sujet est vaste, comprend beaucoup d’implications juridiques, politiques et sociales.
Historique
La naissance du logiciel libre est lié au projet GNU développé en 1983 et à son fondateur, Richard Stallman.
Un problème de matériel l’a incité à s’intéresser au sujet des logiciels bloqués par les marques (cas des imprimantes, par exemple).
Stallman était proche des milieux hackers (terme né en 1959, lié au MIT, chez des étudiants qui voulaient connaître le fonctionnement des choses, des réseaux, des ordinateurs).
Essor de l’idée de liberté et de partage.
Les intervenants ont ensuite défini quelques concepts :
a) logiciel libre : garantie de 4 libertés fondamentales, aspect éthique assez fort
b) logiciel propriétaire : code non modifiable; logiciel payant (parfois gratuit)
c) logiciel open source. Domine actuellement.
Ne garantit pas forcément les 4 libertés du logiciel libre, il peut y avoir des restrictions.
Il existe une fondation : Open Source Initiative
d) logiciel graticiel : gratuit non libre
Logiciel propriétaire distribué gratuitement sans toutefois conférer à l’utilisateur certaines libertés d’usage.
De nos jours, beaucoup de logiciels et d’applications liés à internet fonctionnent grâce à des logiciels libres, mais sont hébergés par des entreprises privées qui rajoutent des briques “propriétaires”.
Les intervenants ont ensuite évoqué les licences, avec ou sans copyleft (forme de licence liée à la propriété intellectuelle) ainsi que les “modes” actuelles dans ce domaine (BSD : https://fr.wikipedia.org/wiki/Licence_BSD ; MIT : https://fr.wikipedia.org/wiki/Licence_MIT).
La séance s’est achevée par un débat avec les participants sur leurs usages et questions au sujet des logiciels qu’ils utilisent.
Si les arguments en faveur du recours aux logiciels libres sont nombreux (formats non propriétaires, possibilité de récupérer les données, coûts), les freins ne le sont pas moins :
– formation (il faut apprendre à se servir d’un logiciel qui fonctionne suivant une autre logique, cela peut prendre du temps que l’utilisateur n’arrive pas à trouver) ;
– pérennité moindre de certains logiciels libres (il faut donc changer, réapprendre régulièrement) ;
– ergonomie (certains logiciels sont développés dans l’idée qu’ils fonctionnent différemment de la version payante, ce qui est peu incitatif pour l’utilisateur)…
Dans ce contexte, les associations liées aux logiciels libres peuvent servir de centre d’information et aider au changement des pratiques des usagers.
La séance du 12/10 a accueilli, en hybride (présentiel et visioconférence), Stéphane Crozat (Université Technologique de Compiègne, Framasoft, Picasoft) et Mathieu Wostyn (association Globenet, https://codimd.globenet.org/lssOhehBS6u7MaSJJxiyYA?both).
Thème de l’intervention : « Données et outils : formats ouverts et licences libres dans une perspective de pérennité »
Pour la réécouter : https://www.canal-u.tv/video/cnrs_ups2259/donnees_et_outils_formats_ouverts_et_licences_libres_dans_une_perspective_de_perennite.63855
Stéphane Crozat a effectué des rappels rapides sur le droit d’auteur et les règles liées au concept d’œuvre (originalité et mise en forme, évocation des cas particuliers [doctorants sous contrat, chercheur versus fonctionnaire créant une affiche pour son administration ; œuvre collective…], le droit moral et le droit patrimonial :
– droit moral : inaliénable, perpétuel
– droit patrimonial : cessible, durée limitée
Toute réutilisation d’une œuvre suppose l’accord de l’auteur, souvent encadrée par un contrat.
Ont ensuite été évoquées les licences libres
– Années 1980 : inversion du système : on associe au contenu, dès le départ, un contrat qui fixe les droits patrimoniaux pour les oeuvres : naissance de la licence CC. Le réutilisateur n’a plus besoin de demander à l’auteur.
– Première licence créée : GPL (GNU en français) = à destination des logiciels mais le concept a été réutilisé ensuite pour d’autres supports et donc adaptée
– GNU General Public License (en français : Licence publique générale GNU) qui est une licence de logiciel libre provenant du projet GNU (signifiant, au sens large, Guaranteed Public for Life)
licences les plus connues de nos jours : licence CC, avec 6 variantes (https://creativecommons.org/licenses/?lang=fr-FR) et différents millésimes
Sont non exclusives : cela n’empêche pas de signer un contrat commercial pour cette œuvre.
S. Crozat a ensuite évoqué le contexte plus général de la science ouverte, qui doit permettre l’accès aux travaux scientifiques (publications et données), permettre leur réutilisation (grâce aux licences libres), qui est essentiel (comme l’a montré récemment le cas de la recherche sur le virus COVID).
Le recours à la CC n’est pas obligatoire.
Il a évoqué le contexte règlementaire français (loi pour une République numérique de 2016, en particulier l’article 30), son application pour les articles de revue et les données.
L’exposé s’est achevé par l’évocation des associations qui valorisent et développent les logiciels et les applications libres (comme Framasoft, Picasoft…) et qui peuvent servir de centre de ressources et d’information.
La dernière séance de ce cycle de séminaire a clôturé une série consacrée aux questions juridiques liées aux problématiques de Science Ouverte, et a été plus spécifiquement consacrée aux questions soulevées par le recueil et l’exploitation de données orales. Elle a été animée par Stefano Manfredi, chercheur au SeDyl et spécialiste de ces questions. L’exposé a particulièrement insisté sur les problématiques éthiques liées au travail de terrain, et a permis quelques éclaircissements importants pour approfondir la réflexion globale du séminaire sur les questions de droit de propriété et de droit d’auteur. Un partie de la présentation s’est également concentrée sur les modalités de publication de ces données bien particulières, et sur les bonnes pratiques en matière de format de diffusion et de métadonnées.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
La séance du 26/01/2021 a poursuivi l’exploration des questions juridiques liées à la Science Ouverte, avec une intervention de nos collègues du Service Partenariat et Valorisation de la délégation régionale Paris-Villejuif du CNRS : Nathalie Olivier, Adrien Boussaguet et Khalid Belhadj-Hacen.
Nous avons pu en leur compagnie mieux comprendre les rôles et missions d’un SPV. Une présentation très complète a été faite sur les notions de droit d’auteur et droit des brevets, avec un panorama étendu sur la notion de propriété intellectuelle.
La discussion, très riche, a permis de mesurer la nécessité et la fécondité d’un dialogue entre spécialistes du droit et militants de la Science Ouverte.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
La séance du 15/12, en format hybride, a été animée par Alexis Michaud et Séverine Guillaume. Elle a été consacrée à la présentation de la Collection Pangloss comme cas d’usage de données linguistiques ouvertes pour la recherche.
Pangloss, archive ouverte dédiée aux langues rares, est un exemple de collection répondant dans sa conception et ses usages aux ambitions de la science ouverte : des données Facile à trouver, Accessibles, Interopérables et Réutilisables (ce que résume l’acronyme anglais FAIR). A cet effet, elle utilise des outils génériques, et les normes du domaine : format XML pour les annotations et métadonnées, standard OLAC pour le catalogage, licences CC.
La collection Pangloss répond en outre à l’exigence d’une conservation pérenne des documents. Pour cela Pangloss, s’inscrit au sein des collections de Cocoon, maillon de la Très Grande Infrastructure de Recherche Huma-Num. La séance de séminaire porte sur le fonctionnement pratique de cette archive ouverte et les perspectives pour les déposants.
La captation de la séance réalisée par Céline Ferlita peut être librement consultée sur Canal U.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
La séance du 10/11 accueillait, en visioconférence du fait de la situation sanitaire générale, Lionel Maurel, directeur adjoint scientifique à l’Institut des Sciences Humaines et Sociales du CNRS, en charge de la Science Ouverte et des données de la recherche, également auteur de longue date du précieux blog S.I.Lex. Après une introduction exposant les implications politiques, éthiques et scientifiques du glissement actuel de la problématique maintenant ancienne de l’Open Access à celle de la Science Ouverte, Lionel Maurel a répondu, avec générosité et talent, à un feu nourri de questions de la part des différents participants, concernant les droits liés aux brevets d’invention, aux bases de données, au consentement dans le recueil et traitement des données personnelles. Un accent particulier a été mis sur la question du traitement des données et de l’inspiration éthique de la nouvelle règlementation dite RGPD. Il a aussi été question de la titularité des droits d’auteur, de la diffusion d’œuvres sur les réseaux sociaux, des jeux de données associés aux publications scientifiques et des nouvelles règles éditoriales induites.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
La séance du 6/10/2020 était animée par Raphaëlle Chossenot et Alexis Michaud. Les intervenants ont présenté leur propre expérience d’édition et de publication et ont dressé un panorama à la fois pratique et critique des usages et des lieux de publication en linguistique et phonologie, sans s’interdire des excursus dans d’autres disciplines notamment en sciences humaines et sociales. De l’éloge de la #slowscience aux critères de bonne pratique éditoriale, les questions abordées ont pu montrer d’une part les biais et difficultés pour discerner les lieux pertinents de publication pour les doctorants et jeunes chercheurs, d’autre part la responsabilité collective dans les choix et les pratiques afin d’infléchir le paysage général de l’édition scientifique dans une direction plus appropriée aux impératifs de la science ouverte. La discussion qui a suivi les présentations a mis l’accent sur les questions liées à l’évaluation des chercheurs, à la pratique du dépôt de preprint, à l’importance de l’accessibilité des données de la recherche et à l’utilisation de plateformes comme HAL.
La captation vidéo de la première partie de la séance, organisée par l’UPS 2259, est disponible ici.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
En mars 2018, le campus CNRS de Villejuif accueillait une matinée de réflexion et sensibilisation organisée par Julie Giovacchini et Elodie Chacon sur le thème Science ouverte et libres savoirs : l’Open Access , un défi scientifique et politique. Il s’agissait notamment de : > comprendre la Loi pour une République numérique > diffuser ses publications > identifier les prédateurs > choisir ses outils Etaient notamment invités Pierre-Carl Langlais (chercheur en sciences de l’information et de la communication, GRIPIC) et Armelle Thomas (chargée de la promotion et l’information sur l’Information Scientifique et Technique, Maison des Sciences de l’Homme de Dijon).
A la suite de cet événement, un groupe s’est constitué autour de Julie Giovacchini, Raphaëlle Chossenot et Jean-Baptiste Maistre. Des échanges auxquels ont participé Anne Bélingard, Karine Gay, Agathe Marion, Isabelle Michel, Nathalie Olivier, Duna Troiani, Sophie Vassilaki, Bernard Weiss, Houcin Zerroug… ont abouti à la formulation d’un projet de séminaire, qui a été accrédité par la Sorbonne Nouvelle et par l’INALCO.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
En préparation de l’exposé de Lionel Maurel, une lecture incontournable : le Carnet de recherche S.I.Lex, dont la fréquentation régulière est vivement recommandée. On pourra débuter la lecture ici, par exemple (choix tout subjectif!)
Bibliographie et autres ressources
Le groupe Zotero « HAL, Open Access, Communs » joue le rôle de répertoire bibliographique pour le séminaire. Le groupe est semi-public : tout le monde peut lire mais tout le monde ne peut pas contribuer. Cette configuration autorise à y partager des fichiers. Si vous souhaitez contribuer, vous pouvez écrire aux organisateurs pour demander l’accès complet.
DoRANum, une plateforme d’auto-formation en ligne sur la gestion et la partage des données de la recherche. (Egalement sur Twitter.) Un webinaire aura lieu le jeudi 24 septembre 2020, de 10h30 à 11h30. Pour participer à ce webinaire, on peut s’inscrire via ce lien.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
La séance d’ouverture du séminaire a eu lieu le 30/09/2020 et a été consacrée à l’insertion des chercheurs dans les réseaux sociaux généralistes. Elle était animée par Julie Giovacchini, ingénieure de recherche au Centre Jean Pépin (UMR8230-CNRS-ENS-PSL).
La crise récente de la covid-19 a souligné la situation paradoxale de la parole savante publique : réclamée, respectée mais aussi fragile et souvent inintelligible. Si le premier devoir des scientifiques est bien de diffuser la science auprès du public, où et comment le faire pour être entendu, écouté et compris ? Comment déterminer la posture idéale, entre proximité, autorité et rigueur ? Cette séance avait pour objectif de 1) situer historiquement la question du débat scientifique public et de ses modalités 2) évoquer les révolutions techniques qui ont permis la démocratisation actuelle du débat scientifique, notamment la diffusion des CMS (en évoquant les questions liées aux GAFAM et à la centralisation massive et monopolistique d’Internet qu’ils provoquent) 3) proposer quelques pistes méthodologiques et éthiques pour définir une posture d’expression scientifique ouverte.
Vous pouvez retrouver la captation vidéo de la première partie de la séance sur Canal U ici. La conférence a été suivie d’une heure de questions et débats avec les participants, et de nombreux problèmes ont été abordés, notamment la place des réseaux dits académiques comme Academia.edu et les bénéfices scientifiques et humains que la participations aux réseaux sociaux généralistes peuvent apporter aux jeunes chercheurs.
CNRS - UMR 8230 - Spécialiste de philosophie hellénistique (épicurisme et scepticisme) et d'histoire de la médecine, ingénieure en analyse de sources anciennes, rédactrice pour la revue Philosophie antique.
Un groupe de collègues du campus CNRS de Villejuif a entrepris d’organiser un séminaire doctoral “Science ouverte : enjeux et méthodes”. La page du séminaire sur le site de la Sorbonne Nouvelle expose la problématique et présente le programme des séances. Les billets de ce Carnet de recherche vont permettre de compléter ces informations par des liens vers diverses ressources, et d’accueillir les réflexions des uns et des autres.
En préparation de l’exposé de Lionel Maurel, une lecture incontournable : le Carnet de recherche S.I.Lex, dont la fréquentation régulière est vivement recommandée. On pourra débuter la lecture ici, par exemple (choix tout subjectif!)
Bibliographie et autres ressources
Le groupe Zotero “HAL, Open Access, Communs” joue le rôle de répertoire bibliographique pour le séminaire. Le groupe est semi-public : tout le monde peut lire mais tout le monde ne peut pas contribuer. Cette configuration autorise à y partager des fichiers. Si vous souhaitez contribuer, vous pouvez écrire aux organisateurs pour demander l’accès complet.
DoRANum, une plateforme d’auto-formation en ligne sur la gestion et la partage des données de la recherche. (Egalement sur Twitter.) Un webinaire aura lieu le jeudi 24 septembre 2020, de 10h30 à 11h30. Pour participer à ce webinaire, on peut s’inscrire via ce lien.
En mars 2018, le campus CNRS de Villejuif accueillait une matinée de réflexion et sensibilisation organisée par Julie Giovacchini et Elodie Chacon sur le thème Science ouverte et libres savoirs : l’Open Access , un défi scientifique et politique. Il s’agissait notamment de : > comprendre la Loi pour une République numérique > diffuser ses publications > identifier les prédateurs > choisir ses outils Etaient notamment invités Pierre-Carl Langlais (chercheur en sciences de l’information et de la communication, GRIPIC) et Armelle Thomas (chargée de la promotion et l’information sur l’Information Scientifique et Technique, Maison des Sciences de l’Homme de Dijon).
A la suite de cet événement, un groupe s’est constitué autour de Julie Giovacchini, Raphaëlle Chossenot et Jean-Baptiste Maistre. Des échanges auxquels ont participé Anne Bélingard, Karine Gay, Agathe Marion, Isabelle Michel, Nathalie Olivier, Duna Troiani, Sophie Vassilaki, Bernard Weiss, Houcin Zerroug… ont abouti à la formulation d’un projet de séminaire, qui a été accrédité par la Sorbonne Nouvelle et par l’INALCO.
(Billet en français – This post is only available in French)
A la demande de Danièle Bourcier, introductrice des licences CreativeCommons en France, j’ai rédigé un court texte au sujet de l’emploi de ces licences dans l’entreprise de documentation des langues en danger qui constitue, depuis sa fondation en 1976, un axe central des activités du laboratoire LACITO (Langues et Civilisations à Tradition Orale).
La Collection Pangloss rassemble des documents multimédia de langues « rares », principalement à tradition orale (sans écriture). Elle est l’une des collections hébergées par l’archive ouverte CoCoON (Collection de Corpus Oraux Numériques). Depuis ses débuts dans les années 1990, la Collection Pangloss a suivi le principe qu’on résume aujourd’hui par la préconisation d’un accès aux données aussi large qu’il est possible, aussi restreint qu’il est nécessaire. Les données primaires et leurs annotations sont consultables en ligne, et téléchargeables en intégralité. Les licences Creative Commons ont été recommandées aux déposants dès leur diffusion dans les premières années de ce siècle, et demeurent (en 2020) les seules licences qui fassent l’objet d’une présentation sur le site internet de l’archive ouverte CoCoON. C’est donc tout naturellement que les déposants se trouvent orientés vers ces licences.
Les déposants adoptent volontiers les licences Creative Commons parce qu’elles promettent des solutions simples pour éviter les problèmes juridiques. Si on ne sait trop où porter son choix parmi les diverses déclinaisons de ces solutions clefs en main, on n’a qu’à choisir une licence qui offre le rempart le plus solide possible contre des usages indésirables : interdire l’utilisation commerciale, en mode NC, et la modification, en mode ND. On est à l’abri des soucis, et on a l’esprit tranquille pour se concentrer sur ce qui compte vraiment : produire nos publications.
Par quel ébranlement accède-t-on, dans un second temps, à une autre vision des choses ? À l’occasion d’une invitation à une réunion du chapitre français de Creative Commons ? D’une discussion avec un.e passionné.e du libre accès qui travaille à la bibliothèque universitaire, ou avec un.e collègue qui vous oriente vers la liste internet [accesouvert] ? Ou encore en regardant une vidéo de Calimaq, qui vous amène à découvrir la Quadrature du Net, et des livres passionnants (Hess & Ostrom 2007; Snowden 2019) ? Dès lors, en même temps qu’on découvre que les licences Creative Commons ne sont pas une réponse nécessaire et suffisante à toutes les questions juridiques que posent la collecte, l’archivage, la diffusion et l’exploitation de données linguistiques, on mesure leur rôle de porte d’entrée vers le monde des Communs – communs sylvestres aussi bien que communs de la connaissance. On est dès lors prêt à entendre des messages comme celui que porte une Journée d’étude « Diffuser les données numériques en SHS : le droit et l’éthique comme alliés ». Dans une époque où des gouvernements « décomplexés » orchestrent l’étiolement de l’enseignement et de la recherche (faible investissement dans la recherche publique, modalités déséquilibrées de répartition des crédits au détriment du financement de base à l’activité scientifique, soutien insuffisant aux collectifs de recherche, diminution continue de l’emploi scientifique, dégradation des conditions de travail), l’engagement pour la Science ouverte en vient peu à peu à se confondre avec le beau programme d’un « retour aux sources de l’ethos de la science ». Une source où puiser « la force qui nous manque » (Joly 2007), qui est celle du collectif.
Références citées :
Hess, Charlotte & Elinor Ostrom. 2007. Understanding knowledge as a commons. Cambridge, MA: MIT Press.
Joly, Eva. 2007. La Force qui nous manque. Les Arènes.
Data sets on which our publications are based need to be made available, for obvious reasons of verifiability, replicability, and cumulative progress in research. This point is made eloquently in many publications. For instance:
“Openness is one of the central values of science. Open scientific practices such as sharing data, materials and analysis scripts alongside published articles have many benefits, including easier replication and extension studies, increased availability of data for theory-building and meta-analysis, and increased possibility of review and collaboration even after a paper has been published. Although modern information technology makes sharing easier than ever before, uptake of open practices has been slow.”
Since I first wrote down my fundamental beliefs on this topic back in 2002, the field (linguistics, and specifically, phonetics) has not changed as it should have: disposable data are still the norm. This post takes the example of three small data sets that I deposited this year (data associated to publications from the early 2000s) to illustrate the current situation of lack of support for the conservation of research data. The conclusion is that changes to the mainstream model of publication and evaluation should be made now: scientific journals need to make access to research data a prerequisite for publication. And for these changes to happen, we need to take action.
1. Data from my first phonetics paper
My first phonetics paper was published in 2004: “Final consonants and glottalization: new perspectives from Hanoi Vietnamese”. Phonetica 61(2–3). 119–146. It is based on audio and electroglottographic recordings. At the time, neither the reviewers nor the editor asked for access to the research data. Various pieces of software carry out citation counts to estimate ‘impact’ (this paper was cited 1 time in PubMed, 33 times in Web of Science, 120 times in Google Scholar, etc.) and analyze ‘traffic’ (how many times the PDF was downloaded, when, by whom, etc.). On the other hand, even though the corresponding data (multimedia recordings) have been online for more than a decade, no tool that I know of ever looked for connections between the study and the data (and software) on which it is based.
The recordings were first made available online in 2005/2006 through a “Databases” project at Université Paris 3 – Sorbonne Nouvelle that aimed to make linguists’ data available online in good order, as multimedia files accompanied by metadata and logically structured transcriptions and annotations. The metadata (here) are sufficiently clear that a web crawler could identify the language of the recordings as Vietnamese: the language is encoded in the metadata as x-sil-VIE, and while this code is not very widely used, a key to the language codes used in the database is available (here), clarifying that this is a code from the Summer Institute of Linguistics’ Ethnologue database and that it refers to Vietnamese. The deposit is also associated with a PDF description (here) that is not hard to ‘mine’ for information, not to mention that high-tech tools could conduct automatic language recognition from the audio files. Software built by Google Scholar engineers is pretty good at identifying references despite the bewildering diversity of citation formats. Similar results could be attained in locating data sets: allowing for multifaceted search across databases, tracking data set usage, and so on. Linking data, publications and software into an Open Science environment is not a technical impossibility: the reason why it is not happening is that Open Science is clearly not a priority of the big players (the commercial publishers and service providers). The assessment of research output (for finding a job in a research institution and keeping it) is based on publications, with little if any recognition of the time spent on the empirical basis of science. And paradoxical as it may seem, the evaluation of a submitted manuscript in phonetics/phonology is often conducted without even a sample of the data on which the results, discussion and conclusions are based.
This year, the data set of my 2004 study was made available in the Pangloss Collection, with time-aligned transcripts and translations. These data not only constitute an indispensible complement to the research article: they also have potential for an open-ended list of uses. (The materials are currently at bottom of list here.) But for want of institutional recognition and support, such efforts for making data available along with publications remain an uphill journey.
In 2003, I contributed a chapter to a book about focus marking:
“Focus et tons lexicaux: de la variété des paramètres prosodiques”. In A. Lacheret-Dujour & J. François (eds.), Fonction et moyens d’expression de la focalisation à travers les langues (Mémoires de La Société de Linguistique de Paris, nouvelle série, tome XIII), 13–47. Louvain: Peeters.
This was my first contribution to a book and I was keen to make a good job of it. In view of the relevance of speech prosody to focus marking, I suggested to the editors to have multimedia materials published alongside the printed volume. I am delighted to report that they readily agreed to this, and not a few of the contributors to the volume chose to make audio and video recordings available on a CD-ROM. The printed volume, with accompanying CD-ROM, is available from a dozen of university libraries in the (French) network of academic libraries, SUDOC. The catalogue entry mentions the CD-ROM, but cannot go into any detail on its contents, which limits possibilities for locating these data samples.
When I deposited the preprint version of my chapter in a preprint archive about four years later, I forgot to upload the supplementary files. I have now done so, and the audio files (WAV files) are now available as supplementary files associated to the publication (here), also with a PDF providing explanations about these data. I feel good about doing so, but it is, again, a lonely journey. I frequently get automated e-mail asking me to confirm authorship of a paper, to review my list of publications in a database (there are quite a number of such databases), but I never got e-mail asking for this kind of assistance (‘academic crowd-sourcing’) in relation to data or software. This is because, as recapitulated above, the importance of primary data is oddly underestimated in the current editorial environment (‘publication ecosystem’?) in linguistics.
3. Sample data from a 2003 conference presentation
In the same year that I wrote my first book chapter (in French), I wrote a paper (in English) for a conference about speech prosody. ‘Deaf and dumb’ papers about prosody sound like a strange paradox, so I asked the organizers whether they would find it useful to have multimedia files accompanying the research papers. Like the editors of the 2003 volume published by the Société de Linguistique de Paris, the editors of the “Prosodic Interfaces” conference (Amina Mettouchi and Gaëlle Ferré) found the idea relevant and forward-looking. Participants were encouraged to submit audio files for inclusion on the CD-ROM containing the conference proceedings. These files are still accessible (as of 2018), here. This year, I added the files associated to my conference paper to the deposit in the preprint archive, here. When doing so, I felt proud about these excerpts, which (in my perfectly objective opinion as data collector and author of the paper!) add a lot to the publication. Cited examples can be listened to, and I also included audio recordings of explanations provided in Naxi (the target language) by language consultants expressing their intuitions about subtle stylistic nuances associated with two variants of an utterance (one with a full form and the other with a reduced form). This allowed a colleague who is a native speaker of Naxi to spot a beautiful example of syllable reduction (which I had not noticed) inside the very sentence in which the consultant described processes of syllable reduction. This lovely case of mise en abyme constitutes a further piece of evidence that syllable reduction processes are pervasive in the Naxi language.
But contrary to what I expected, such initiatives failed to gain much traction among linguists. Despite possibilities for embedding sound files of cited examples into PDFs (as exemplified in this paper), it has not yet become common practice to offer at least a sample of data alongside scientific papers.
Conclusion
“An ounce of practice is worth more than tons of preaching”, as the saying goes: looking it up, I realize that it’s from none less than Mahatma Gandhi. But it’s now over 20 years since I made documentation and conservation of spoken language data one of my lifelong priorities, and judging from my experience, making small steps on one’s own will not get us where we want (any more than sporadic, individual attempts at consuming less resources and creating less pollution can avert environmental disaster). To advance towards open science, we do not only need to get the principles right and put them to good practice. We also need to do advocacy and change the rules.
The field needs to take a turn towards Open Science, and this is not going to happen without us investing some of our time into it: taking a strong stand, and voicing concerns that are key to our discipline’s future, every time that we have opportunities to speak out as authors, as members of editorial teams, as evaluators, and so on. If scientific journals make access to research data a prerequisite for reviewing (as they should really have started to do two decades ago), also insisting on open access to the data (with an embargo of several years or even decades where necessary), practices will change, and the Open Data Excuse Bingo will be a thing of the past.
In-depth language documentation is clearly a priority duty for linguists of our generation. This is what will remain as our most important legacy. It is also a major driving force for real advances in linguistics, as multimedia digital databases open up a tremendous potential for testing linguistic analyses and building computer models: a huge space opens up once we have a reliable, high-quality empirical basis for our studies.
This point has been made eloquently in various forums; it can now be considered a rather uncontroversial point of view. Realizations tend to lag behind somewhat, though. In addition to personal conviction, institutional recognition is required for academics to invest as much time as they should (and in many cases would like to) into the time-consuming tasks of preparing data for long-term preservation, online circulation, and further computer processing. There has been a vivid discussion about publications and publication venues on the Internet list “Issues and Announcements Related to Tibeto-Burman Linguistics” lately (Tibeto-Burman internet domain). Stephen Morey pointed out that:
“Here in Australia, the Australian Linguistics Society has set up a subcommittee to work out ways by which text corpora – annotated, analysed and curated – can be assessed and counted as research output just as articles in journals are. This follows on the recognition of the scholarly merit of Language Documentation by the Linguistics Society of America in 2010.
Once academics can get credit for this kind of work, we’ll be able to put more time into it and this will be of benefit to communities in the long run as well.”
This was a response to Guillaume’s suggestion: “I think that our community should value more the production of dictionaries and text collections including translations in the local national languages, not just in English (or even only in the local languages, without English), even if this kind of publication never get cited. Citation-based evaluation of academic productivity has a highly detrimental effect on the field, and evaluators should really make a special case for non-English publications intended for speakers of the endangered languages.”
To me, the exchanges over the Tibeto-Burman list conveyed a keen sense of the excitement of doing linguistics on under-resourced languages. This is an era for pioneers, and the frontier is… in our own gardens, which we must cultivate, following the motto of the Pangloss Collection! The framework is in place: long-term archiving and stable identifiers; open archives for consultation; CreativeCommons licenses… and it’s now a matter of getting one’s act together. In the long run this is well-invested time and effort, as the hours, days and months of manual weeding, pruning and trimming make for great documents, which always find an appreciative audience at some point.
Informations et réflexions sur la Science ouverte et les données de recherche dans les sciences humaines et sociales. (À l'origine, carnet d'un projet qui concernait des corpus de langues de l'Himalaya.)