Un modèle sémantique en vue d’améliorer la FAIRisation des données météorologiques (PFIA 2021) - Méthodes et Ingénierie des Langues, des Ontologies et du Discours Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Un modèle sémantique en vue d’améliorer la FAIRisation des données météorologiques (PFIA 2021)

Résumé

Making meteorological data FAIR in order to ease its reuse is a strategic issue because this data is essential to advance research in many fields. This work proposes a semantic model which combines a metadata model and a data model for describing meteorological observation data. Indeed, modeling (meta)data is an essential step towards their FAIRification. We use the SYNOP open dataset made available by Météo-France to illustrate how difficult data access and understanding can be, and how the use of the proposed model to represent meteorological data improves their compliance with the "F", "I" and "R" principles.
Rendre les données météorologiques FAIR pour faciliter leur réutilisation est un enjeu stratégique car ce sont des données essentielles à la recherche scientifique dans de nombreux domaines. Cet article propose un modèle sémantique associant un modèle de métadonnées et un modèle de données pour décrire les données météorologiques d’observation. En effet, la modélisation des (méta)données est une étape essentielle vers leur FAIRisation. Nous utilisons le jeu de données "SYNOP" de Météo-France pour illustrer les difficultés liées à l’accès et à la compréhension de ce type de données, et pour montrer comment le modèle proposé améliore leur adhésion aux principes "F", "I", et "R".
Fichier principal
Vignette du fichier
actes_IC_CH_PFIA2021_20-29.pdf (2.11 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

emse-03260061 , version 1 (14-06-2021)

Identifiants

  • HAL Id : emse-03260061 , version 1

Citer

Amina Annane, Mouna Kamel, Nathalie Aussenac-Gilles, Cassia Trojahn, Catherine Comparot, et al.. Un modèle sémantique en vue d’améliorer la FAIRisation des données météorologiques (PFIA 2021). Journées Francophones d'Ingénierie des Connaissances (IC 2021) @ Plate-Forme Intelligence Artificielle (PFIA 2021), Collège SIC (Science de l’Ingénierie des Connaissances) de l’AFIA, Jun 2021, Bordeaux (en distanciel), France. pp.20-29. ⟨emse-03260061⟩
346 Consultations
323 Téléchargements

Partager

Gmail Facebook X LinkedIn More