Groupe de recherche ISeGov

Contactez-nous

Données ouvertes

L'équipe de recherche promeut l'utilisation de données ouvertes soutenir la transparence, l’innovation et les politiques fondées sur des données probantes. Notre travail dans ce domaine explore les dimensions techniques, institutionnelles et sociétales de l'ouverture et de la réutilisation des données.
Nous nous concentrons sur la façon dont les données du secteur public peuvent être publiées, enrichies et liées afin de maximiser leur valeur pour les citoyens, les entreprises, les chercheurs et la société civile. Notre équipe combine des technologies sémantiques, des outils de visualisation et des méthodes participatives pour faire progresser les pratiques d'open data.

Principaux sujets de recherche:

Projets sélectionnés:

Au-delà de ces projets, notre équipe poursuit activement des recherches sur pipelines automatisés de publication de données, techniques d'enrichissement sémantique, et le rôle de données liées dans la gouvernance intelligente. Nous sommes particulièrement intéressés par l'intégration de flux de données ouvertes en temps réel, le développement de cadres d’évaluation de la qualité des données, et méthodes d'évaluation de l'impact pour les initiatives en matière de données ouvertes. D'autres sujets incluent algorithmes ouverts, coopératives de données, et modèles de gestion des données qui donnent aux citoyens les moyens d’agir tout en respectant la vie privée et la souveraineté des données. Nous nous engageons à faire progresser les dimensions techniques et institutionnelles de l'écosystème des données ouvertes.

Technologies de données ouvertes liées (données ouvertes liées)

Les données ouvertes liées (LOD) combinent les principes des données liées avec les données ouvertes, ce qui signifie que les données sont non seulement structurées et interconnectées, mais également disponibles gratuitement pour quiconque les utilise, les réutilise et les distribue. Les technologies clés sous-tendant la LOD comprennent les identificateurs de ressources uniformes (URI) pour identifier de manière unique les entités, HTTP pour récupérer ces ressources et le cadre de description des ressources (RDF) en tant que modèle de données basé sur des graphiques pour structurer et relier les données. SPARQL est le langage de requête utilisé pour récupérer et manipuler les données stockées au format RDF. L'objectif est de créer un réseau de données où les informations provenant de diverses sources peuvent être facilement connectées, partagées et traitées par des machines, ce qui permet d'obtenir des informations plus riches et de nouvelles applications.

Processus d'affaires CSD

Dans le contexte des marchés financiers, CSD signifie Central Securities Depository. Un DCT est une infrastructure des marchés financiers qui joue un rôle crucial dans l'environnement post-négociation. Ses principaux processus d'affaires impliquent l'exploitation d'un système de règlement de titres, qui facilite le transfert de propriété des titres (comme les actions et les obligations) entre les parties, souvent sur une base de livraison contre paiement (DvP). Les DCT gèrent également l'enregistrement initial des titres nouvellement émis dans un système de prise en compte (service notarial) et fournissent et tiennent des comptes de titres au niveau supérieur (service central de maintenance). Essentiellement, ils servent de point central pour la détention de titres, assurent l'intégrité des émissions de titres et permettent le règlement efficace des transactions.

Données ouvertes liées multidimensionnelles

Les données ouvertes liées multidimensionnelles désignent la publication d'ensembles de données statistiques ou complexes en tant que données ouvertes liées, souvent à l'aide d'un modèle de cube de données. Cette approche s'appuie sur le vocabulaire du cube de données RDF (QB), une recommandation du W3C, pour représenter des données à dimensions multiples (par exemple, temps, géographie, type de produit) et des mesures (par exemple, ventes, population). En structurant les données de cette manière et en les reliant à d'autres ensembles de données pertinents sur le Web, il devient plus facile d'effectuer des analyses complexes, telles que les opérations de traitement analytique en ligne (OLAP) telles que le tranchage, le découpage en dés et le forage. Cela améliore le potentiel d'intégration des données, permet des requêtes plus riches à travers des sources disparates et prend en charge la découverte de nouvelles informations à partir d'informations ouvertement disponibles.