GithubHelp home page GithubHelp logo

ontologies_4_interdisciplinarity's Introduction

Last Updated: 16/07/2024 edit [WORK IN PROGRESS]

|> Lire en ligne

logo

Action de recherche n°4 du GdR CNRS MAGIS

Sommaire

Contact

Si vous souhaitez participez à cette action de recherche, vous pouvez contacter :

Liste de diffusion

Si vous le souhaitez, vous pouvez vous inscrire à la liste de diffusion [email protected].

Espace d'élaboration collaborative Hackmd

Un espace d'échanges et d'élaboration collective est à votre disposition sur l'espace hackmd de l'AR4. Il est possible de rejoindre l'équipe en créant un compte gratuit sur hackmd via ce lien d'invitation.

Groupe Zotero

L'AR dispose d'un groupe zotero pour le partage de recherches bibliographiques et de ressources.

Activités

Webinaires 2023/2024

Les ontologies pour la description du relief

  • Présentateur : Eric Guilbert
  • Date : Jeudi 20 juin 2024, 15h-17h
  • PDF

Atelier thématique 29/10/2024 | Topologie, topographie, toponymie - la localisation dans les ontologies [WIP]

En présentiel à la MSH Val de Loire & distanciel 29 octobre 2024, co-organisé avec le GT WebSem de la MSH Val de Loire.

(Programme à venir)

Webinaires 2022/2023

L'interdisciplinarité: taxonomie, flou et interalogie

  • Présentatrice : Deborah Nourrit
  • Date : Vendredi 26 mai 2023, 13h-15h
  • PDF

Incorporating domain knowledge in the analysis of remote sensing data

  • Présentatrice : Mariana Belgiu
  • Date : Vendredi 20 janvier 2023, 13h30-15h30
  • PDF

Annotation sémantique d'image médicales - les projets CYTOMINE et BigPicture

  • Présentateur : Raphael Marée
  • Date : 27 septembre 2022, 13h30-15h30
  • PDF

Ontologies géospatiales: progrès et challenges ouverts

  • Présentateur : Christophe Claramunt
  • Date : Mercredi 30 mars 2022 - 14h-16h
  • PDF

Atelier thématique 28-29/11/2022 | CIDOC-CRM, une ontologie pivot pour l'interdisciplinarité ?

En présentiel à la MSH Val de Loire & distanciel via Zoom. 28 et 29 novembre 2022 co-organisé avec le GT WebSem de la MSH Val de Loire et le GT SeWin du RTR DIAMS

Télécharger le programme en ligne ici

Lundi 28 novembre 2022

10h-12h - Groupe de Travail Web Sémantique MSH Val de Loire/Huma-Num

  • Projet européen 4CH ∙ Béatrice Markhoff | PDF

  • Web sémantique et ontologie pour une cartographie des compétences du patrimoine culturel : Yannick Duthé et Béatrice Markhoff | PDF

14h-17h - AP Ontologies pour l'interdisciplinarité du GdR MAGIS (hybride)

  • Thérèse Libourel, présentation de WordNet | PDF

  • Olivier Marlet, présentation du CIDOC-CRM et Onto Match Game | PDF

Mardi 29 novembre 2022

9h-12h30 - GT WebSem de la MSH Val de Loire + AP Ontologies pour l'interdisciplinarité du GdR MAGIS + GT SeWin du RTR DIAMS (hybride)

  • Emilio Sanfilippo, Towards a formal model for scholarly interpretations | PDF

  • Béatrice Markhoff, Rôle et manifestations des terminologies dans le Web sémantique | PDF

  • Thomas Francart, SPANATURAL, montrez les graphes de connaissances à vos utilisateurs | PDF

  • Florian Hivert, OpenArchaeo un SPARNATURAL destiné à l’archéologie et à ses chercheurs | PDF

14h-17h - GT SeWin du RTR DIAMS

  • Béatrice Markhoff, Ontologie de jumeaux numériques patrimoniaux | PDF

  • Yannick Duthé, Cartographie des compétences du patrimoine culturel | PDF

  • Christelle Loiselet, Actions pour la sémantisation des données au BRGM | PDF

  • Imad Laouici, Structuration de la connaissance en géologie structurale | PDF

  • Christine Le-Bas, Annotation sémantique des données de l’INRAe Orléans | PDF

Présentation de l'AR

Lors des réunions ouvertes des assises de Juin 2020 du GdR CNRS MAGIS, les participants nombreux (une trentaine) ont exprimé leur intérêt pour le sujet traité par l’action prospective "Ontologies et dynamiques spatiales" entre 2016 et 2021. Ce projet qui est renouvellé comme une Action de Recherche (AR) du GdR CNRS MAGIS est ouvert à de nouvelles participations.

Objectifs scientifiques

Alors que les Sciences de l’Information Géographique (GISciences) évoluent rapidement, s’appuyant notamment sur l’avènement des techniques d’intelligence artificielle, force est de constater que les méthodes « data-driven » (e.g. apprentissage automatisé) tendent à s’imposer très largement face aux méthodes « knowledge-driven ». Ainsi, par exemple dans le domaine de la télédétection, bien que l’intérêt pour les ontologies soit ancien, celles-ci n’ont pas rencontré le succès escompté tandis que d’autres approches plus récentes, telles que l’apprentissage automatisé par réseaux neuronaux profonds (Deep Learning), connaissent un engouement sans précédent.

Fort de ce constat, il convient de se questionner sur le rôle que les ontologies sont amenées à jouer dans les GISciences. D’une part, la construction d’ontologies dans un contexte interdisciplinaire prend du temps et, d’autre part, l’application d’ontologies doit faire face à des problèmes techniques de calculabilité et d’expressivité des langages ontologiques qui expliquent le manque relatif de maturité des technologies sous-jacentes (Claramunt, 2020). L’intérêt continu pour les ontologies perdure cependant parce qu’il est essentiel de maintenir et de structurer les connaissances au cœur de la science.

Dans le contexte des GISciences les connaissances des chercheurs mises en ɶuvre dans les projets sont hétérogènes (traduisant des perceptions diverses). L’écueil principal est d’éviter les interprétations trop “simplistes” dans une approche de type “plus petit dénominateur commun”. Dans le domaine philosophique, un travail de fond est ainsi en regain (Richard et al., 2010). Nous souhaiterions que nos activités nouent ou renouent avec de tels travaux d'ordre plus général sur les ontologies (Armstrong, 1997 ; Heller, 1990 ; Munn et Smith, 2008 ; Arp et al., 2015) afin de mieux les assimiler et les intégrer dans les approches que développe la communauté MAGIS. Ce qui demande d’étendre la connaissance des ontologies en général et celles, existantes, qui contribuent plus directement par leurs apports à l’effort de recherche dans les GISciences. De notre point de vue, les questions scientifiques interdisciplinaires que nous traitons ont grandement à gagner à travers cette ouverture à ce pan de connaissance. En effet, les ontologies sont de nature à favoriser l’interdisciplinarité dans les GISciences par leur potentiel à :

  • agréger et organiser des connaissances très diverses,
  • assurer l’interopérabilité des données et des outils.

Mais ce potentiel doit être confirmé, et pour ce faire, il est essentiel de renforcer les interactions entre les producteurs d’ontologies et les consommateurs d’ontologies.

Ainsi, l’AR choisit de proposer une réflexion scientifique selon deux grands axes :

1. Agrégation et formalisation de connaissances interdisciplinaires dans les ontologies

Il s’agit ici d’évaluer comment construire des ontologies formalisées et opérables à partir de modèles de connaissance. Les GISciences ont la particularité de s’appuyer sur de nombreux concepts vagues et ambigus (Bennett, 2002), ce qui rend les méthodes Top-Down de construction d’ontologies, basées sur la recherche d’un consensus interdisciplinaire, difficiles à mettre en œuvre. Ainsi, certains auteurs prônent des approches bottom-up visant à agréger de la connaissance à partir de nombreuses ontologies applicatives développées localement (Janowicz, 2012).

2. De la donnée à la connaissance : quel rôle pour les ontologies ?

La représentation de connaissance mais aussi les raisonnements (George, 1997) liant les corpus sont essentiels à la construction et à l'usage d'ontologies. Mais la question de l’interprétabilité des résultats issus des approches data-driven émerge fortement (Small, 2020) et les ontologies, de par leur capacité à transformer de la connaissance numérique en connaissance symbolique, pourraient apporter des éléments de réponse. Cependant le cheminement aboutissant à l'interprétation est certainement le moins connu (Bouleau, 2017). Il s’agit ici d’évaluer comment exploiter les ontologies pour guider le traitement et l’interprétation des données afin de produire des résultats interprétables et utiles.

L’AR se positionne donc comme un espace favorisant la mise en relation entre experts utilisant ou souhaitant utiliser des ontologies pour répondre à des questions interdisciplinaires qui concernent les dynamiques spatiales et temporelles dans les territoires habités ou sous l’influence de l’Homme. L’objectif est d’aider à produire une science centrée sur l’utilisateur et non pilotée par les données (Krivine, 2018). Si les ontologies actuelles poussent (“push”) des connaissances déjà structurées elles peuvent aussi gagner en nouvelles connaissances et en interopérabilité grâce aux usagers (“pull”) sous la forme, par exemple, d’un retour sur expérience.

Programme d’actions

La dynamique de cette réflexion sera entretenue à travers des visioconférences, deux fois l’an au moins, où nous souhaitons inviter des experts hors de la communauté MAGIS ayant mobilisé des ontologies avec succès. Lors de ces espaces de débats et d’échanges, nous souhaitons inviter des membres des autres ARs à faire un exposé pour qu’ils viennent dire le cas échéant comment et pourquoi ils ont mobilisé des ontologies (AR humanités spatialisées, AR observatoires), quels sont les problèmes actuels rencontrés en termes de calculabilité, expressivité (AR graphe de connaissance), etc.

Ces visios auront pour objectif de préparer l’appel à communication et la programmation d’ateliers en présentiel, chaque deux ans, où nous mobiliserons la communauté MAGIS et plus largement pour illustrer les deux questions ciblées, d’abord la première, puis la seconde.

La dernière année, nous travaillerons sur la production d’un ouvrage synthétisant les connaissances autour de l’usage et la production d’ontologies pour l’étude de l’espace et de ses évolutions.

L’espace de cette réflexion sera virtualisé, et mis en ligne sur une page Web afin de partager et mobiliser une large audience autour de ces questions.

Bibliographie

Arp, R., Smith, B., & Spear, A. D. (2015). Building ontologies with Basic Formal Ontology. Massachusetts Institute of Technology.
Bennett, B. (2001). What Is a Forest? on the Vagueness of Certain Geographic Concepts. Topoi, 20(2), 189–201. https://doi.org/10.1023/A:1017965025666
Bouleau, N. (2017). Penser l’éventuel. Editions Quae. https://doi.org/10.3917/quae.boule.2017.01
Claramunt, C. (2020). Ontologies for geospatial information: Progress and challenges ahead. Journal of Spatial Information Science, 20, 35–41. https://doi.org/10.5311/JOSIS.2020.20.666
George, C. (1997). Polymorphisme du raisonnement humain. Presses Universitaires de France. https://doi.org/10.3917/puf.georg.1997.01
Heller, M. (1990). The ontology of physical objects: Four-dimensional hunks of matter. Cambridge University Press. https://doi.org/10.1017/CBO9781139166409
Hochberg, H. (1999). Review of A World of States of Affairs. Noûs, 33(3), 473–495. https://www.jstor.org/stable/2671997
Janowicz, K. (2012). Observation‐Driven Geo‐Ontology Engineering. Transactions in GIS, 16(3), 351–374. https://doi.org/10.1111/j.1467-9671.2012.01342.x
Krivine, H., & Ameisen, J. C. (2018). Comprendre sans prévoir, prévoir sans comprendre. Cassini.
Munn, K., & Smith, B. (Eds.). (2008). Applied Ontology: An Introduction. DE GRUYTER. https://doi.org/10.1515/9783110324860
Richard, S. (2010). Analyse et ontologie: le renouveau de la métaphysique dans la tradition analytique. J. Vrin.
Small, C. (2021). Grand Challenges in Remote Sensing Image Analysis and Classification. Frontiers in Remote Sensing, 1, 605220. https://doi.org/10.3389/frsen.2020.605220



About

With a focus on simple, text-based content, this template aims to simplify the creation of a Markdown-based website. There are numerous static site generators (like Jekyll and Hugo) that can use Markdown files for content; however, they require additional backend setup and configuration. In this case, much of that work is done on the frontend instead.

This template can be used anywhere that static files can be hosted - one convenient place to do so is GitHub Pages. Other than a platform/server that hosts files, the site will require no other backend components, and the frontend uses just three libraries:

  • Showdown JS - for the conversion of Markdown to HTML
  • Pico CSS - to add (classless) default styles for the site
  • Highlight JS - to add syntax highlighting for code blocks

Getting Started

To set up a site, simply fork or copy the files from the markdown-pages repository into your own repo, and then enable GitHub pages for your repository. Steps 2 and 3 in this Quickstart for GitHub Pages show how this is done in the interface. Other steps can be ignored.

File Structure

markdown-pages/
|---assets/
|------user/
|	   |---favicon.png
|	   |---example.png
|---pages/
|	|---sample-page.md
|	|---sample-page-2.md
|---index.html
|---README.md

README.md

The README.md file will provide the content for the homepage of your site. Simply author the file using Markdown syntax.

index.html

The index.html file does the magic of converting Markdown to HTML. It will also look for a heading level 1 (h1) on the current page and prepend it to the site title. You can add your site title by modifying this line in the header:

<title>Markdown Pages</title>

There are other lines in the header that you may want to edit as well, such as the meta description and the favicon image name/location.

Pages

Additional pages can be added to the pages directory, using Markdown files. To add a link to an additional page, for example, sample-page.md, the following link structure can be used:

Check out the [sample page](?page=sample-page)

Check out the sample page (link will work on the rendered site, not github.com).

Assets

Images and other files can be added to the assets/user directory and linked as needed.

Images

Images can be included with Markdown as they normally are:

![markdown logo](assets/user/markdown.svg)

And image sizing configuration is available through the parseImgDimensions option in Showdown JS:

![bar](bar.jpg =100x*)    sets width to 100px and height to "auto"
![foo](foo.jpg =100x80)   sets width to 100px and height to 80px
![baz](baz.jpg =80%x5em)  sets width to 80% and height to 5em

Styles

Dark/Light Mode

The site will include a dark/light mode toggle button by default. When adding images to a page, consider adding images that will contrast well against both a light and dark background.

Syntax Highlighting

Syntax highlighting will automatically be applied to code blocks, for example:

def my_function():
  fruits = ['orange', 'apple', 'pear', 'kiwi', 'banana']
  for fruit in fruits:
    if fruit == 'banana':
        print(fruit)

my_function()

Limitations

  • Local Development - since the site uses XMLHttpRequest to grab content, a local web server will be needed if you want to test things locally, e.g. python -m http.server. However, editing files directly on a server/GitHub is part of the convenience/fun.
  • Limited element options - if the element you're trying to use exists in Markdown, the converter should be able to render it as HTML, but this will exclude a lot of more advanced HTML elements.
  • No custom layouts - Markdown used in this way is fairly linear, so you won't be able to do a columns and fancy layouts without extra work.

Todo

  • Find/create a classless a11y CSS framework?
  • Add a header/menu and footer section in index.html that can be populated from Markdown files?
  • Escape HTML in code blocks using JS, so that this doesn't have to be done in code blocks to render correctly
  • Implement more Showdown JS options
  • Move pages out of 'pages' directory so that GitHub and hosted site can find assets using the same relative paths?

ontologies_4_interdisciplinarity's People

Contributors

madouck avatar cplumejeaud avatar

Stargazers

Mattia Bunel avatar

Watchers

 avatar

Forkers

jgravier

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.