Isabelle Mauger Perez et Aurélien Charot, ABES theses.fr tutoriel Isabelle Mauger Perez et Aurélien Charot, ABES Journées ABES – 20 juin 2012

Une application en production depuis le 11 juillet 2011 theses.fr : des données, une interface, des services Une application en production depuis le 11 juillet 2011

Que trouve-t-on aujourd’hui dans theses.fr ? Toutes les données validées dans STAR Description de 11 397 thèses soutenues à partir de 2006 Indexation du texte intégral Accès au texte intégral dans 70% des cas (8 019 thèses) Toutes les données de STEP lorsqu’une certaine finesse de description est atteinte Description de 64 812 thèses en préparation depuis 2002 131 335 personnes Une base de données de personnes qualifiées par les thèses qui leur sont liées Exemple : jazz Brésil

Les pages « finales » Les pages de thèses soutenues Les pages de thèses en préparation sous réserve d’un lien IdRef-autorités Sudoc, Les pages de personnes Les pages d’organismes

Les pages « finales » Les pages de thèses soutenues http://www.theses.fr/2011REN20056 Les pages « finales » Les pages de thèses soutenues Les pages de thèses en préparation sous réserve d’un lien IdRef-autorités Sudoc, Les pages de personnes Les pages d’organismes

Les pages « finales » Les pages de thèses soutenues http://www.theses.fr/2011REN20056 http://www.theses.fr/s57810 Les pages « finales » Les pages de thèses soutenues Les pages de thèses en préparation sous réserve d’un lien IdRef-autorités Sudoc, Les pages de personnes Les pages d’organismes

Les pages « finales » Les pages de thèses soutenues http://www.theses.fr/2011REN20056 http://www.theses.fr/154887528 http://www.theses.fr/s57810 Les pages « finales » Les pages de thèses soutenues Les pages de thèses en préparation sous réserve d’un lien IdRef-autorités Sudoc, Les pages de personnes Les pages d’organismes

http://www.theses.fr/ 079486304

Les trois onglets de recherche Toutes les thèses Deux restrictions possibles : uniquement les thèses soutenues uniquement les thèses soutenues accessibles en ligne Thèses en préparation Restriction possible : uniquement les thèses en préparation dont la soutenance est prévue dans les 6 prochains mois Personnes : docteurs, directeurs de thèse, membres du jury Restriction possible : uniquement les personnes en lien avec une thèse soutenue ou en préparation depuis moins de 5 ans

Au choix de l’utilisateur Consultation par l’encart de recherche Requête sur les métadonnées et le texte intégral Consultation par l’encart de recherche puis raffinement par utilisation des facettes date de soutenance, établissement discipline, école doctorale, langue de la thèse, directeur de thèse, domaine Consultation par navigation pure via les facettes

Page d’accueil : www.theses.fr

Page de résultats obtenue après utilisation de l’encart de recherche http://www.theses.fr/?q=merlin+l%27enchanteur

Page de résultats obtenue après raffinement par la facette Etablissement http://www.theses.fr/?q=merlin%20l'enchanteur&fq=dateSoutenance:[1965-01-01T23:59:59Z%2BTO%2B2012-12-31T23:59:59Z]&checkedfacets=etablissement=Paris%204;&start=0&status=&access=&prevision=&filtrepersonne=

Page de la thèse soutenue obtenue en cliquant sur le titre http://www.theses.fr/2008PA040218

Page d’un organisme obtenue en cliquant sur le nom de l’organisme http://www.theses.fr/138030405

Page de la thèse en préparation obtenue en cliquant sur le titre http://www.theses.fr/s71765

Page d’une personne obtenue en cliquant sur le nom de la personne http://www.theses.fr/029521912

Les services Rebonds vers des applications du web 2.0 via AddThis Recommandations des flux ATOM par défaut thèses soutenues récemment, soutenues récemment accessibles en ligne, nouvelles thèses en préparation, annonces de soutenance et des flux personnalisables : flux de recherche Zotero format txt format csv formats « machines »

Un service particulier : Rendre possible un cercle vertueux : l’utilisateur entre en contact avec le producteur pour signaler une erreur Depuis avril 2012 Mail au correspondant STEP ou au correspondant STAR

Les données brutes Ouvertes, réutilisables via une API. pour une liste de résultats : ajouter &format=xml ou &format=json ou &format=atom ou &format=csv ou &format=txt en paramètre de l’url de recherche pour une page finale : ajouter .xml (ou .rdf ) à l’url de la page Ce principe permet d’ajouter autant de formats que nécessaire. Exemple : récupérer la description de la thèse 2010MON30067 dans l’interface en rdf/xml Exemple : récupérer la liste de toutes les thèses soutenues à Toulouse 2 et accessibles en ligne dans l’ED Science du langage. en xml (solr) en json

theses.fr et Google Description de toutes les pages de theses.fr dans un fichier sitemap pour faciliter l’indexation des robots 77% du trafic provient des moteurs de recherche

Quelques chiffres

Plus de détails Le cercle vertueux de theses.fr : mise en relation de l’utilisateur et du producteur de données, Punktokomo, 10 avril 2012 theses.fr : comment fonctionne l’onglet « personnes » ?, Punktokomo ,19 janvier 2012 theses.fr : l’API XML de recherche, Punktokomo, 22 juillet 2011 theses.fr : l’API XML des personnes, Punktokomo, 12 juillet 2011 theses.fr : l’API XML des thèses, Punktokomo , 12 juillet 2011 theses.fr : les technologies utilisées, Punktokomo, 12 juillet 2011

Un projet dotÉ de moyens spécifiques jusqu’a fin 2012 theses.fr : les prochains développements Un projet dotÉ de moyens spécifiques jusqu’a fin 2012

Quelles fonctionnalités demain dans theses.fr ? (1) Une interface en trois langues Français, anglais, italien Un module de recherche avancée exclure la recherche dans le texte intégral ne pas tenir compte de la pertinence définie par défaut (pondération des index) faciliter la recherche exacte Calendrier : fin septembre 2012

Quelles fonctionnalités demain dans theses.fr ? (2) Des services accessibles sur authentification paniers alerte mail … Des services spécifiques pour les personnes reconnues comme étant l’auteur d’une thèse mise en relation : être contacté via theses.fr accès aux statistiques de sa page de thèse Impossibilité d’offrir de tels services pour les directeurs de thèse Calendrier : fin 2012

Que trouvera-t-on demain dans theses.fr ? (1) Toutes les données du Sudoc relatives aux thèses de doctorat françaises soutenues depuis 1985 Toutes ? Non. Celles qui passent avec succès l’algorithme de chargement qui a pour but de les « FRBriser ». Regroupement des notices Sudoc en familles composées de : la notice mère (la notice de la thèse originelle telle que validée par le jury : zone 105$m) Éventuellement, les notices enfants (les notices de reproduction : zone 105$bv) Chaque famille aura une page propre : www.theses.fr/NNT Conséquence pour theses.fr : recherche de l’exhaustivité depuis 1985. Calendrier : fin septembre 2012.

Que trouvera-t-on demain dans theses.fr ? (2) Toutes les données de TEL et l’indexation du texte intégral sous réserve que le lien à la thèse originelle ait été trouvé. Principe : chargement de toutes les données de TEL dans le Sudoc par moissonnage oai-pmh de TEL. Création de notices probablement assez pauvres (pas de liens IdRef) mais avec l’accès au texte intégral. Algorithme « FRBrisateur » de chargement dans theses.fr Si la notice mère est trouvée, ajout dans theses.fr de l’accès au texte intégral Conséquence pour theses.fr : faciliter l’accès au texte intégral sur le web Calendrier : fin 2012

Que trouvera-t-on demain dans theses.fr ? (3) Des liens vers le catalogue des « thèses à la carte » de l’ANRT de Lille Principe : envoi régulier (mensuel ?) de la liste de NNT disponibles dans « thèses à la carte ». Conséquence pour theses.fr : faciliter l’accès au texte intégral avec la possibilité de commander un fac-similé de la thèse. Calendrier : soumis aux contraintes de l’ANRT, sans doute fin 2012.

Que trouvera-t-on demain dans theses.fr ? (4) Les données de Thésa pour les thèses en préparation au sein d’établissements relevant de la CGE et non utilisateurs de STEP. Principe : envoi régulier (mensuel ?) des données par l’INIST. Conséquence pour theses.fr : recenser toutes les thèses en préparation Calendrier : soumis aux contraintes de l’INIST, sans doute fin 2012.

Que trouvera-t-on demain dans theses.fr ? (5) Des liens vers les données non-documentaires issus des partenaires associatifs du projet : Intelli’Agence-ABG par exemple. Cvthèque Offres d’emploi … Conséquence pour theses.fr : servir les docteurs et les doctorants au-delà de leur travail académique Calendrier : soumis aux contraintes de l’ Intelli’Agence-ABG, sans doute fin 2012.

Journées ABES – 20 juin 2012