Faire Avancer le Catalogue des Collections d’Histoire Naturelle du Monde

Hobern D, Asase A, Groom Q, Luo M, Paul D, Robertson T, Semal P, Thiers B, Woodburn M & Zschuschen E (2020) Preogressant le Catalogue des Collections d’Histoire Naturelle du Monde. v2.0. Copenhague: Secrétariat du GBIF. https://doi.org/10.35035/p93g-te47.

Le document Faire Avancer le Catalogue des Collections d’Histoire Naturelle du Monde est licencié sous Creative Commons Attribution 4.0 Unported License.

https://doi.org/10.35035/p93g-te47

v2.0, mars 2020

Mis à jour de la v1.0, publié le 25 février 2020: Hobern D, Asase A, Groom Q, Paul D, Robertson T, Semal P, Thiers B & Woodburn M (2020) Faire Avancer le Catalogue des Collections d’Histoire Naturelle du Monde. v1.0. Copenhague: Secrétariat du GBIF. https://doi.org/10.15468/doc-wnsx-ep77

Les changements principaux par rapport à la v1.0 sont ci-dessous :

Maryland sematophyllum mousse (Sematophyllum marylandicum), collecté par W.R. Buck dans Ferncliff Natural Area, Ohiopyle State Park, Pennsylvania, États-Unis. Photo 2018 New York Botanical Garden via The New York Botanical Garden Herbarium (NY), licencié sous CC BY 4.0.

Le personnel des collections et les taxonomistes collaborent en tant que communauté véritablement mondiale. De précieux spécimens sont distribués entre institutions dans toutes les parties du monde. Les chercheurs visitent ces collections ou empruntent des spécimens dans le cadre de leurs travaux. L’Index Herbariorum (IH) est le répertoire des informations sur l’herbarie du monde (adresses, contacts, spécialités, dimensions, etc.). Il s’agit d’une ressource bien gérée et hautement considérée comme un outil par la communauté botanique. Il n’existe pas d’équivalent complet pour les autres collections d’histoire naturelle, bien que les infrastructures nationales/régionales telles que les pages des collections de l’ALA, la liste iDigBio US Collections et les profils CETAF remplissent des rôles similaires. Le GBIF a récemment intégré le Registre Mondial des Collections Scientifiques (GRSciColl) dans son registre en tant que cadre pouvant être étendu avec des données plus riches organisées par les communautés de collections.

Les études taxinomiques et les autres projets de recherche dépendent généralement des chercheurs (ou de leurs contacts) qui savent quelles institutions possèdent des spécimens pertinents ou d’autres matériaux. Ce qui est compliqué par l’histoire des expéditions et des activités de collecte. Les spécimens ont été dispersés sur tous les continents. Seule une faible proportion de ces spécimens ont été placés sous forme de formulaires accessibles via le GBIF ou d’autres portails. Un catalogue fournissant au moins des renseignements sommaires sur la portée taxonomique et géographique de chaque collection pourrait aider les chercheurs à localiser les matériaux pertinents.

Les informations nécessaires pour construire le catalogue des collections correspondent de près aux métadonnées requises pour publier un jeu de données de spécimens sur le GBIF et d’autres portails. Un enregistrement qui décrit une collection peut être considéré comme une première étape minimale, peut-être par le biais de processus tels que 'Join The Dots' et continuer à la numérisation complète. Un catalogue complet de ces enregistrements pourrait guider les efforts pour donner la priorité à la numérisation, en mettant en évidence les collections avec des fonds d’une importance particulière ou en aidant le développement de réseaux de numérisation collaborative tels que les réseaux de collections thématiques ADBC.

Les estimations du nombre de spécimens détenus par les collections s’élèvent à des milliards, mais aucun nombre définitif n’existe. Un catalogue pourrait aider à réduire ces estimations et à évaluer la valeur économique de ces dépôts irremplaçables. Ces informations peuvent aider à justifier l’ampleur des efforts et du financement nécessaires pour la numérisation des collections et rendre leurs données accessibles pour une utilisation universelle, fiable et persistante.

Des informations précises dans toute les collection peuvent être utilisées comme référence ou comme données liées associées à des enregistrements de spécimens et à d’autres objets de données. Les utilisateurs d’enregistrements de spécimens ont besoin d’informations contextuelles sur la collection qui contient le spécimen, par exemple pour communiquer avec les gestionnaires de collection à propos des spécimens individuels, pour apporter des corrections aux données des spécimens ou simplement pour déterminer si la collection est susceptible de contenir des quantités de spécimens similaires. Il peut être inefficace d’intégrer toutes ces informations dans l’enregistrements du spécimen. La détention d’une seule copie faisant autorité aide à maintenir l’information recueillie à jour. Les enregistrements de collection peuvent également contenir des renseignements sur la portée taxonomique ou géographique ou d’autres aspects qui peuvent résoudre les ambiguïtés potentielles dans un enregistrements de spécimen. Les liens vers les enregistrements de collection actuels amélioreront également les publications taxonomique faisant référence à leurs matériaux. Ceci est particulièrement important parce que les numéros de catalogue et autres identifiants de spécimens utilisés dans les publications peuvent ne pas être liés à des informations numérisées sur les spécimens. La connexion à la collection simplifie l’accès futur et peut permettre à l’avenir de déduire des liens numériques.

Bien qu’aucun catalogue complet de collections n’existe, le besoin de telles informations conduit à ce que de telles données soient publiées de manière répétée dans différents formats pour différents portails, documentation du projet, métadonnées pour d’autres données, etc. Cette duplication est source de confusion, car des informations obsolètes restent sur le Web. Les mécanismes qui se lient toujours à une seule version continuellement mise à jour (et à une histoire de versions) résoudront ces problèmes.

Un annuaire complet pourrait servir de base à de nouveaux outils qui renforcent les efforts taxonomiques et la coopération entre tous les détenteurs de collection. Un exemple pourrait être le développement de systèmes de prêts distribués ou de la numérisation à la demande, tel que prévu pour le système de prêts et de visites européens de DiSSCo (ELViS). Un catalogue pourrait également servir de vitrine aux institutions pour mettre en valeur leurs propriétés et leurs caractéristiques uniques, comme dans le concept visuel partagé par le GBIF pour les pages de collection. Le suivi et les rapports du GBIF sur l’utilisation des données sur la biodiversité dans les publications de recherche pourraient alimenter de nouveaux services fournissant des paramètres standards et aider les collections à mesurer et à rendre compte de leur impact.

La valeur de la recherche est principalement mesurée en termes de visibilité et d’impact de la littérature publiée. Les collections d’histoire naturelle sont mal reconnues par de telles mesures et leur importance est presque cachée dans le contexte des outils de recherche fondateurs. Les utilisateurs des collections sont régulièrement invités à citer les spécimens examinés et à référencer la collection. Cependant, la citation est souvent manquante, incomplette ou ambiguës. Des infrastructures de recherche telles que OpenAIRE en Europe cartographie de plus en plus non seulement les liens entre les chercheurs et les publications, mais aussi les ensembles de données, les projets, les fournisseurs de contenu et les organisations. Un catalogue pourrait aider à normaliser la citation des collections, rendant leur impact visible à travers de tels graphiques de connaissances. Les revues et les comités de rédaction pourraient être encouragés à exiger des identificateurs de collection standard partout où les collections sont référencées.

Bien que cette consultation vise à encourager le développement d’informations standardisées pour toutes les collections à l’échelle mondiale, chaque pays ou région peut avoir des besoins ou des utilisations pour cette même information dans les applications et les services locaux. Il est important d’identifier une envergure de ces besoins et de s’assurer qu’ils sont traités dans le cadre d’une solution collaborative. Une approche inclusive incitera à travailler ensemble pour rendre l’information sur chaque catalogue aussi complète, actuelle et exacte que possible. Les exigences sont relativement bien comprises de la part de l’Europe (par exemple DiSSCo) et des États-Unis (par exemple iDigBio), mais d’autres régions peuvent avoir des besoins subtilement ou sensiblement différents.

La portée du catalogue doit être définie. L' usage principal envisagé est la liste et la description des collections contenant des spécimens biologiques conservés, dénommés ici "collections d’histoire naturelle". La consultation se concentrera sur le développement d’une solution solide et efficace pour les collections d’histoire naturelle, mais il sera précieux d’explorer les besoins et les opportunités d’autres types de collections de sciences naturelles. Certaines d’entre elles peuvent s’intégrer facilement dans le champ d’application du catalogue. Dans d’autres cas, le travail sur le catalogue pourra être bénéfique à ces autres communautés. Notez en particulier que: 1) de nombreuses institutions détiennent des collections biologiques et géologiques et peuvent les gérer comme une entitité unifiée ; 2) DiSSCo inclut les collections géologiques dans son champ d’application et d’autres réseaux tels que iDigBio incluent à tout le moins des collections paléontologiques ; 3) GRSciColl a été créé un registre de toutes les collections scientifiques; et 4) la norme 'Collection Description' du TDWG est extensible à différents types de collections.

La plupart des collections sont déjà identifiées par un ou plusieurs codes de collection et peuvent avoir déjà des identifiants web (URLs, DOIs, etc.) dans une ou plusieurs bases de données. Le catalogue pourrait réutiliser l’un ou l’autre de ces identifiants ou aider à supporter un schéma normalisé. GRSciColl est là pour aider à la normalisation des codes de collection et des identifiants lisibles par machines, mais plusieurs autres efforts sont également en place. Les identifiants uniques pour chaque collection seront importants afin de maximiser les liens croisés entre information et référence standardisée, mais d’autres identifiants existants devraient idéalement conduire à la même information et être reconnus comme des synonymes de ces identifiants préférés.

Au sein de l’IH, chaque herbarium correspond généralement à une institution avec son propre code de collection, son adresse postale, etc. Au sein de la zoologie, les musées sont souvent structurés en collections de groupes taxonomiques différents, voire hiérarchisées. Les spécimens récoltés lors des expéditions célèbres ou par des chercheurs importants peuvent avoir leur propre identité et apparaître comme des collections spéciales. Par conséquent, les conservateurs et les chercheurs peuvent vouloir désigner des ensembles de spécimens différents (potentiellement superposés) comme des collections séparées avec leurs propres noms, identifiants et descriptions.

Le TDWG Collection Descriptions (CD) Interest Group est en train de développer le standard CD pour les descriptions de collection (dérivé du standard TDWG Natural Collections Description (NCD)). Les réseaux existants et les systèmes institutionnels utilisent une variété de formats différents ou de variantes de normes de métadonnées pour leurs enregistrements de collection, par lequel l’interopérabilité entre ces ressources (et de ce fait l’agrégation des données) est limitée. Pour surmonter cette barrière, il faut de la clarté autour de facteurs tels que les normes et les vocabulaires préférés, les champs obligatoires et la compatibilité entre les informations sous différents formats.

Les informations du catalogue de collection peuvent être liées à un large éventail d’autres informations de biodiversité (spécimens, séquences, jeux de données, images, publications, etc.). pour supporter l’accès et l’exploration de l’information.

La valeur principale du catalogue de collection peut apparaître dans les services d’information qui peuvent être offerts autour de l’information gérée. La prise en considération de ces services peut aider à clarifier les exigences en matière de contenu.

Les informations existantes sur les collections sont éditées et maintenues de différentes manières. IH permet aux herbiers de fournir ou de modifier leurs enregistrements et offre un support aux herbiers leurs mises à jour par e-mail ou par d’autres canaux. D’autres communautés, comme les portails nationaux, offrent d’autres moyens aux collections pour fournir ou mettre à jour leurs informations. Plusieurs outils aident les éditeurs de données à créer des métadonnées EML pour la publication de données sur le GBIF ou ailleurs. Ceux-ci pourraient évoluer vers des enregistrements de collection dans des formats préférés. L’Integrated Publishing Toolkit (IPT) pourrait être amélioré pour offrir l’enregistrement de collection comme l’un des types d’enregistrements principaux qui peuvent être partagés. Cela permettrait aux collections de publier un ou plusieurs enregistrements de collection comme un petit jeu de données indépendant ou de réseaux de collections pour gérer et publier un jeu de données comprenant de nombreux enregistrements de collection. Wikidata pourrait également servir d’outil ou de plate-forme pour éditer des informations du catalogue et le rendre largement accessible et réutilisable.

IH est le catalogue le mieux établi et dessert une grande communauté de collections, mais beaucoup d’autres communautés sont importantes, comme les efforts ciblés au niveau régional ou national, tels que les profils institutionnels du CETAF, les portails web d’iDigBio et d’ALA, et l’Initiative pour une seule collection mondiale, et les efforts alignés thèmatiques, comme le Répertoire mondial des collections culturelles et le portail du Réseau mondial de la biodiversité du génome. Un catalogue global complet devrait s’assurer que les besoins de ces différentes communautés sont satisfaits et soutenir leur fonctionnement continu et leur indépendance partout où elles sont utiles aux collections. Comprendre ces exigences est essentiel à la planification de la mise en œuvre technique et à la gouvernance du catalogue.

Le GBIF a pour mission de fournir un soutien à l’échelle mondiale aux solutions informatiques de la biodiversité et a élargi son Registre afin d' héberger les données historiquement maintenues dans GRSciColl. Le contenu de GRSciColl est incomplet et doit être considéré comme un cadre à l’expansion vers des métadonnées de collection plus riches qui représentent correctement les besoins et les intérêts des collections. Le GBIF peut servir de contexte à l’intégration et à la déduplication des informations de collection à partir de différentes sources et à l’interconnexion de ces informations avec d’autres données sur la biodiversité. Le GBIF a besoin de conseils sur la meilleure façon de répondre aux besoins et à la gestion de l’identité des collections et de leurs communautés, au fur et à mesure qu’il développe de tels services.

La plupart des collections d’histoire naturelle conservent des données sur leurs spécimens dans un système de gestion de collections (CMS) tel que Specify, Symbiota, EMu, DarWIN ou BRAHMS. Certains de ces outils pourraient s’enrichir d’une interface directe avec le catalogue de collection, fournissant ainsi des métadonnées et des statistiques constamment à jour.

La valeur d’une ressource commune partagée peut être maximisée en s’assurant que les interfaces et les API répondent aux besoins de tous les groupes clés de parties prenantes, en ce compris la résolution des problèmes liés à la diffusion de contenu dans toute la mesure possible dans plusieurs langages. Certains besoins peuvent être résolus en proposant des composants clients réutilisables qui peuvent être intégrés dans d’autres applications.

L’hypothèse de base est que chaque institution devrait avoir la responsabilité et le contrôle de l’information sur ses collections. Cependant, il peut être approprié de déléguer partiellement ou entièrement cette responsabilité, à des communautés thématiques, régionales ou nationales qui ont des curateurs de données capables d’assurer la qualité et la normalisation des enregistrements de collections. Dans certains contextes, où les institutions ont, pour quelque raison que ce soit, n’ont pas fourni des informations faisant autorité ou n’ont pas les ressources pour le faire, il peut y avoir des raisons d’autoriser ou d’encourager une plus large base d’utilisateurs à contribuer et à améliorer les enregistrements de collections. Dans tous les cas, un historique de l’information est nécessaire afin que les utilisateurs puissent comprendre et répondre aux changements apportés par d’autres.

Les communautés telles que IH, CETAF, ALA, iDigBio, etc., jouent un rôle important de soutien des collections et de promotion des pratiques basées sur les normes. Dans de nombreux cas, ces communautés ont un haut niveau de compréhension et participent étroitement au développement de solutions informatiques sur la biodiversité. Leurs rôles et leurs droits doivent être bien définis et pris en compte dans toute solution intégrée.

Les Infrastructures d’information sur la biodiversité telles que GBIF, DiSSCo, iDigBio et d’autres plates-formes nationales et régionales sont généralement financées dans le cadre élargi d’objectifs de science ouverte pour les infrastructures de recherche. Leur participation peut constituer un pont important entre les besoins des communautés de collection, de financement et d’expertise en solutions informatiques. Les rôles et les responsabilités doivent toutefois être bien définis afin d’assurer que les besoins des chercheurs et des communautés d’utilisateurs restent centraux. Il est important de définir clairement comment ces infrastructures techniques peuvent participer au mieux à la solution globale, notamment en démontrant les bénéfices nécessaires pour obtenir un financement durable pour un catalogue intégré et pour toutes les parties qui le constituent.

Une solution complexe, basée sur les communs, dépendra pour sa réussite à long terme d’un modèle de gouvernance qui garantira à toutes les parties la confiance que leurs intérêts soient bien servis et protégés. Le modèle devrait trouver le juste équilibre entre l’assurance d’une collaboration saine et la minimisation des frais généraux en termes de réunions, de rapports, etc.

L’effort pour que chaque institution s’inscrire et de gèrer ses propres enregistrements de collections sera sans doute relativement faible. Toutefois, la stabilité du système dépendra des efforts continus, de ces institutions ou d’autres parties, pour corriger les erreurs et les informations périmées. Il devrait y avoir des avantages clairs ou des incitants qui encourageraient les parties prenantes à contribuer à cet effort. Un objectif clé devrait être de s’assurer que le catalogue contribue utilement au travail des gestionnaires de collection et des taxonomistes. La reconnaissance des contributions devrait aussi être précieuse.

Les besoins en financement dépendront entre autre de l’approche adoptée pour construire le catalogue. Les coûts seront plus élevés si le soutien central nécessaire au maintien du contenu est plus important. Même si le contenu est largement géré gratuitement par la communauté internationale, soutenir une telle infrastructure fiable nécessite des efforts et des investissements à long terme (voir par exemple le modèle CoreTrustSeal pour les dépôts de confiance).