Je ne vous apprends rien (captain obvious !) en disant que pour se reposer sur Wikidata en matière de généalogie équine, il est très important que les données renseignées y soient de bonne qualité.
Cela tombe bien, la question de la qualité des données dans Wikidata intéresse à la fois des chercheurs et la communauté des projets Wikimédia elle-même.
Cette thématique entre en relation directe avec les multiples ré-usages des données de Wikidata, par exemple pour des applications sur téléphone mobiles et le développement d’agents conversationnels.
Si vous ne comprenez rien à ce dont cause cette bibliographie scientifique, pas de panique, il vous est possible de suivre le MOOC Wikidata, qui sera relancé le 23 septembre 2023.
La suite de ce billet reprend les résumés des publications citées.
La présentation de Piscopo et al. en conférence en 2017
- A. Piscopo, C. Phethean et E. Simperl, « What makes a good collaborative knowledge graph: group composition and quality in wikidata », In Social Informatics: 9th International Conference, SocInfo 2017, Oxford, UK, September 13-15, 2017, Proceedings, Part I 9 (pp. 305-322).
Les processus de production collaborative dans Wikidata n’ont pas encore été explorés à l’époque de cette présentation. Cette analyse de régression étudie comment la contribution de différents types d’utilisateurs de Wikidata, à savoir les robots et les éditeurs humains, enregistrés ou anonymes, influe sur la qualité des résultats. Piscopo et al. concluent qu’une contribution équilibrée de bots et d’éditeurs humains influence positivement la qualité des résultats, alors qu’un nombre élevé de modifications anonymes peut lui nuire. L’ancienneté et la diversité des intérêts au sein des types d’utilisateurs conduisent également à une meilleure qualité de données.
(cité 39 fois au 17/07/2023)
L’outil RECOIN présenté par Balaraman et al. en 2018
- Balaraman, V., Razniewski, S., & Nutt, W. (2018). Recoin: relative completeness in Wikidata. In Companion Proceedings of the The Web Conference 2018 (pp. 1787-1792).
Cet article se concentre sur la complétude des données. Il présente une approche permettant de mesurer l’exhaustivité relative dans Wikidata par comparaison avec les données présentes dans des entités similaires. Cette approche d’exhaustivité relative est facilement évolutive grâce à l’introduction de nouvelles classes et propriétés dans la base de connaissances, et a été implémentée pour toutes les entités disponibles dans Wikidata.
(cité 58 fois au 17/07/2023)
L’outil RECOIN a depuis été intégré aux gadgets disponibles dans l’interface de contribution des utilisateurs de Wikidata.
La recension de Piscopo et Simperl en 2019
- A. Piscopo et E. Simperl, « What we talk about when we talk about Wikidata quality: a literature survey », In Proceedings of the 15th International Symposium on Open Collaboration, 2019, (pp. 1-11)
Cette recension évalue la qualité des données dans Wikidata sur la base de l’analyse de 28 articles, classés en fonction des dimensions de la qualité qui y sont abordées.
La recension conclut qu’un certain nombre de dimensions de la qualité n’ont pas encore été traitées de manière adéquate, par exemple l’exactitude et la fiabilité des données, et que des travaux futurs devraient se concentrer sur ces aspects.
(cité 54 fois au 17/07/2023)
L’article d’Amaral et al. en 2021
- G. Amaral, A. Piscopo, L. A. Kaffee, O. Rodrigues et E. Simperl, « Assessing the quality of sources in Wikidata across languages: a hybrid approach », Journal of Data and Information Quality (JDIQ), 13(4), 2021, 1-35.
Le contenu de Wikidata doit être étayé par des références crédibles ; ce point est particulièrement important, car Wikidata encourage explicitement les éditeurs à ajouter des affirmations qui ne font pas l’objet d’un large consensus, pour autant qu’elles soient corroborées par des références. Néanmoins, malgré ce lien essentiel entre le contenu et les références, la capacité de Wikidata à évaluer et à garantir systématiquement la qualité de ses références reste limitée. À cette fin, cette étude mixte détermine la pertinence, la facilité d’accès et l’autorité des références de Wikidata, à l’échelle et dans différentes langues, en utilisant le crowdsourcing en ligne, les statistiques descriptives et l’apprentissage automatique.
(cité 14 fois au 17/07/2023)
L’article de Shenoy et al. en 2022
- K. Shenoy, F. Ilievski, D. Garijo, D. Schwabe et P. Szekely, « A study of the quality of wikidata », Journal of Web Semantics, 2022, 72.
Cette étude pose un cadre permettant de détecter et d’analyser les déclarations de faible qualité dans Wikidata, en mettant en lumière les pratiques de sa communauté. Elle explore trois indicateurs de qualité des données dans Wikidata, basés sur :
- le consensus de la communauté sur les connaissances enregistrées, en supposant que les déclarations qui ont été supprimées et non réajoutées sont implicitement considérées comme étant de faible qualité ;
- les déclarations qui ont été dépréciées ;
- les violations de contraintes dans les données.
L’étude combine ces trois indicateurs pour détecter des déclarations de faible qualité, en révélant les problèmes posés par les entités en double, les triplets manquants, les contraintes et règles non respectées, et les distinctions taxonomiques.
(cité 42 fois au 17/07/2023)
L’article de Beghaeiraveri en 2022
- Hosseini Beghaeiraveri, S. A. (2022). Towards Automated Technologies in the Referencing Quality of Wikidata. In Companion Proceedings of the Web Conference 2022 (pp. 324-328).
Wikidata compte plus d’un milliard de déclarations, dont environ 70 % ont des références liées, à l’époque de cette communication. Beghaeiraveri suggère d’utiliser des outils automatisés pour vérifier et améliorer la qualité des références dans Wikidata, grâce à un cadre d’évaluation de référencement complet basé sur les dimensions et les critères de qualité des données, qui seront implémentés sous forme de scripts réutilisables automatisés. Pour améliorer la qualité des références, des méthodes d’extraction de relations sont utilisées afin d’établir un cadre dans les suggestion de références pour Wikidata. Au cours de la recherche, une approche par sous-ensemble pour créer une plateforme de comparaison et gérer la grande taille de Wikidata a été développée.
(cité 2 fois au 17/07/2023)
Le RQSS, introduit par Beghaeiraveri et al. en 2022
- S. A. H. Beghaeiraveri, A. Gray, et F. McNeill, « RQSS: Referencing Quality Scoring System for Wikidata »,
Cette étude très récente (2022), suite directe de la communication précédente, introduit un système de notation de la qualité du référencement dans Wikidata (Referencing Quality Scoring System – RQSS). Ce système fournit des scores quantifiés qui permettent d’analyser et d’évaluer la qualité du référencement de chaque élément, puis de la contrôler régulièrement. L’article de Beghaeiraveri et al. conclut que ce RQSS est pratique, en ce qu’il fournit des informations précieuses, qui peuvent être utilisées par les contributeurs de Wikidata et les porteurs de projets pour identifier des lacunes qualitatives.
OpenEdition vous propose de citer ce billet de la manière suivante :
Amélie Charles (17 juillet 2023). Qualité des données sur Wikidata : une bibliographie scientifique. Généalogie des chevaux. Consulté le 8 décembre 2024 à l’adresse https://doi.org/10.58079/12lcr