FooSIN est un projet issu de l’Appel Flash Science Ouverte « Pratiques de recherche et données ouvertes » lancé par l’ANR en 2019.
Nous œuvrons pour faciliter la mise en œuvre progressive des principes FAIR en contribuant à l’outillage des gestionnaires et des producteurs de données en agriculture et agro-alimentaire. L’amélioration de la gestion des données facilitera interdisciplinarité et reproductibilité des travaux tout en réduisant la duplication des données. Nous nous intéressons en particulier à l’application des principes FAIR aux ressources sémantiques (ontologies, thésaurus…) qui sont elles-mêmes un outil pour rendre les données plus FAIR (principe I2).
Les objectifs du projet
L’objectif du projet FooSIN est de renforcer la participation d’acteurs français au Food Systems Implementation Network (IN) de GO FAIR pour :
- accélérer la mise en œuvre des principes FAIR au sein de la communauté agroalimentaire française, et
- positionner la France comme un acteur incontournable dans cette évolution et rendre les actions et productions françaises plus visibles au niveau international
En s’adressant à tous les producteurs de données, les principes FAIR sont aussi un moyen de faciliter les échanges entre recherche, professionnels du secteur, ONG et citoyens. Tour à tour producteurs et utilisateurs de données, ils ont tous beaucoup à gagner : transparence, raisonnement sur des données réelles ou de grande échelle, respect de la vie privée, meilleure prise en compte des attentes sociétales sont parmi les impacts attendus.
Nos champs d’action
Le projet est organisé en 3 workpackages correspondant aux 3 piliers identifiés par l’initiative GO FAIR: GO CHANGE (priorités, politiques et mesures d’incitation pour la mise en œuvre de FAIR), GO BUILD (technologies au service des principes FAIR) et GO TRAIN (sensibilisation, formation, et développement des compétences FAIR).
Les actions sont orientées vers 3 objectifs :
Le projet prévoit la production et la diffusion :
-
- d’études de cas d’application des principes FAIR ou de FAIRisation
- de ressources sémantiques (plus) FAIR
- de guides d’utilisation d’outils pour la FAIRisation
la valorisation ou la recommandation :
-
- d’outils de FAIRisation de données ou de ressources sémantiques
- d’outils d’évaluation de la conformité aux principes FAIR
- de contenus de formation ou d’information relatifs aux principes FAIR : lectures
FooSIN s’appuie sur la liste RDF-France-FAIR qu’il a contribué à mettre en place et l’animation de laquelle ses membres participent.
Les résultats du projet
Retours d’expérience
-
- Données d’enquêtes du projet ANR MEDINA : une variété d’approches FAIR (UMR MoISA);
- Itinéraire FAIR d’une carte d’occupation des sols (UMR Tetis);
- Le Thésaurus de la Viande : une ressource sémantique FAIR pour la filière (INRAE);
- De TermSciences à Loterre : comment l’Inist-CNRS a rendu les terminologies ouvertes plus conformes aux principes FAIR (Inist-CNRS);
- Making experimental data tables in the life sciences more FAIR: a pragmatic approach.
- Créer un vocabulaire en SKOS à partir d’un fichier tabulé
Production scientifique du projet
-
- Publications : Collection FooSIN sur HAL
- Jeux de données : Collection FooSIN sur Recherche Data Gouv
Webinaire de restitution
Les résultats du projet FooSIN ont été présentés lors d’un webinaire publie le 17 octobre 2022.
Programme:
- Partie 1, début-6’30 : introduction (Sophie Aubin)
- Partie 1, 7’05-35’24 : cas d’étude FAIR (Sophie Fortuno)
- Partie 1, 35’25-1h09 : publication de ressources sémantiques FAIR (Sophie Aubin)
- Partie 2, début-14’48 : FAIRisation avec des outils Linked Data (Pierre Larmande/Bill Happi)
- Partie 2, 16’11-27’16 :retour sur l’AgroHackathon 2022 FAIRness assessment (Clément Jonquet)
- Partie 2, 27’45-36’35 : perspectives, le projet FAIR-IMPACT (Clément)
- Partie 2, 36’36-fin : remerciements et clôture