Lors du premier sprint de la phase pilote, les partenaires du projet de connectome ont œuvré à identifier les besoins des communautés scientifiques concernant la façon d’améliorer l’accessibilité et la réutilisation des données liées pour la recherche.
Pour construire le prototype du connectome de données de recherche, les partenaires de projet ont développé une ontologie destinée au Connectome Knowledge Graph. À cette fin, ils ont pris en compte les problèmes des utilisateurs – identifiés lors de 21 entretiens avec des chercheurs – et les ont transformés en ce qu’ils ont appelé des questions de compétence ontologiques. Ces questions de compétence ont déterminé les fonctionnalités du Connectome Knowledge Graph autrement dit les usages que les utilisateurs peuvent en tirer par le biais de services (par ex. extraction d’informations de collègues chercheurs, recommandations relatives à des publications ou des ensembles de données pertinents).
Les partenaires ont travaillé à partir des bonnes pratiques du Web (par ex. schema.org) et les ont enrichies afin d’élaborer l’ontologie RESCS pour le Connectome Knowledge Graph. Ce travail avait été lancé lors de la phase de design de l’architecture du connectome.
En complément, nous avons comparé notre ontologie avec les meilleures pratiques de la recherche (par ex. OpenAIRE Research Graph), et sélectionné les attributs répondant le mieux aux besoins des chercheurs.
Destiné à renforcer les échanges interdisciplinaires dans la recherche, le connectome offre un graphique de connaissances qui relie les métadonnées de multiples producteurs de données pertinents.
Nous avons utilisé l’ontologie RESCS aux deux fins suivantes dans le connectome pilote: en premier lieu, nous avons prototypé le pipeline de données liées du connectome, qui moissonne, extrait et harmonise les métadonnées à partir de différents producteurs de données (dont DaSCH / Université de Bâle, FORS et OpenAIRE); nous avons mis au point ce prototype en fonction de la structure de métadonnées de l’ontologie RESCS, en utilisant les attributs Blue Brain Nexus Forge. Dans un second temps, nous avons déposé une version lisible par machine de l’ontologie RESCS sur la plateforme Blue Brain Nexus qui fonctionne sur SWITCHengines, de façon à lancer l’importation et la validation des métadonnées provenant du pipeline de données liées du connectome.
En outre, nous avons utilisé une interface Web pour documenter notre ontologie RESCS sur le domaine rescs.org.
L’ontologie RESCS, qui n’existe encore qu’en version prototype, montre déjà la valeur ajoutée que peut apporter le graphique de connaissances aux différentes parties prenantes. Notre objectif pour 2021 est de créer une communauté ouverte de fournisseurs de données, de prestataires de services et de scientifiques utilisateurs pour gérer et enrichir l’ontologie RESCS (par ex. pour compléter les liens entre les données ou les attributs des disciplines). Nous souhaitons en particulier qu’à travers la réutilisation des métadonnées reliées par le connectome, les prestataires de services puissent apporter une valeur ajoutée aux chercheurs.
Un graphique de connaissances peut être vu comme un système structuré d’entités (données, publications, personnes, etc.) reliées entre elles d’après une ontologie particulière. Un graphique de connaissances permet à la fois de dévoiler des éléments réguliers et d’observer des relations qui sinon passeraient inaperçues. Le fait d’intégrer des données dans un graphe de connaissances permet de faire apparaître un horizon de sens unificateur pour les entités reliées entre elles et ouvre la voie à de nouvelles découvertes et pistes de recherche, ainsi qu’à des questions interdisciplinaires d’un genre nouveau.