Back to Search Start Over

Une méthodologie et un outil d'évaluation du niveau de ' FAIRness ' pour les ressources sémantiques : le cas d'AgroPortal

Authors :
Emna Amdouni
Clement Jonquet
Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier (LIRMM)
Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)
Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie (MISTEA)
Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)
Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)
WEB-CUBE
Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)
Maxime Lefrançois
ANR-18-CE23-0017,D2KAB,Des Données aux Connaissances en Agronomie et Biodiversité(2018)
ANR-19-DATA-0019,FooSIN,Participation française au GO FAIR Food Systems Implementation Network(2019)
AMDOUNI, Emna
APPEL À PROJETS GÉNÉRIQUE 2018 - Des Données aux Connaissances en Agronomie et Biodiversité - - D2KAB2018 - ANR-18-CE23-0017 - AAPG2018 - VALID
Participation française au GO FAIR Food Systems Implementation Network - - FooSIN2019 - ANR-19-DATA-0019 - DONNEES - VALID
Source :
Jourrnées francophones d’Ingénierie des Connaissances (IC 2021) Plate-Forme Intelligence Artificielle (PFIA'21), Jourrnées francophones d’Ingénierie des Connaissances (IC 2021) Plate-Forme Intelligence Artificielle (PFIA'21), Jun 2021, Bordeaux, France. pp.11-19, HAL
Publication Year :
2021
Publisher :
HAL CCSD, 2021.

Abstract

The “FAIR” principles define a set of characteristics data and their metadata should respect in order to be Findable, Accessible, Interoperable, and Reusable. Per principle I2, an ontology, and more generally a semantic resource, should also be FAIR. Ontology-specific criteria begin to emerge, but there is still no mechanism to assess the degree of implementation of these principles. We propose an automatic evaluation method of the level of "FAIRness" of an ontology which is based on a rich and structured representation of the metadata. We rely on the MOD metadata model and have developed a prototype for AgroPortal, a repository of semantic resources and ontologies in agronomy.<br />Les principes "FAIR" définissent un ensemble de caractéristiques que les données et leurs métadonnées devraient présenter pour être Faciles à trouver, Accessibles, Interopérables et Réutilisables. Également, suivant le principe I2, une ontologie, et plus généralement une ressource sémantique, devrait aussi être "FAIR". Des critères spécifiques aux ontologies commencent à apparaître, mais il n'existe toujours pas de mécanismes pour évaluer le degré de mise en oeuvre de ces principes. Nous proposons une approche d'évaluation automatique du niveau de "FAIRness" d'une ontologie qui se base sur une représentation riche et structurée des métadonnées. Nous nous reposons sur le modèle de métadonnées MOD et avons développé un prototype pour AgroPortal, un portail de ressources sémantiques et d'ontologies en agronomie.

Details

Language :
French
Database :
OpenAIRE
Journal :
Jourrnées francophones d’Ingénierie des Connaissances (IC 2021) Plate-Forme Intelligence Artificielle (PFIA'21), Jourrnées francophones d’Ingénierie des Connaissances (IC 2021) Plate-Forme Intelligence Artificielle (PFIA'21), Jun 2021, Bordeaux, France. pp.11-19, HAL
Accession number :
edsair.dedup.wf.001..74c4b12b851b0a7075d7859c2fac4511