Aller au contenu principal
Accueil

Menu principal

  • Accueil
  • Cadre institutionnel et juridique
    • Les données de la recherche à Sorbonne Université
    • Plans nationaux pour la science ouverte
    • Cadre juridique
  • Votre projet par étapes
    • Plan de gestion des données
    • Collecter & Organiser ses données
    • Traiter & Analyser ses données
    • Stocker ses données
    • Archiver ses données
    • Partager ses données
    • Réutiliser ses données
    • Rendre vos données FAIR ?
    • Exigences des financeurs
  • Besoin d'accompagnement?
    • Les services
    • Se former
    • Les outils
    • L'équipe

Fil d'Ariane

  1. Accueil
  2. Votre projet par étapes
  3. Collecter & Organiser ses données
  4. Collecte des données

Cahier de laboratoire éléctronique 

Les cahiers de laboratoire numériques, également connus sous le nom d'Electronic Laboratory Notebooks (ELN), sont des outils logiciels qui permettent aux chercheurs de consigner électroniquement leurs expériences, observations et données de recherche. Par rapport aux cahiers de laboratoire traditionnels, ils offrent de multiples avantages, tels que la promotion des bonnes pratiques de gestion des données, la sécurisation des données, la facilitation de l'audit, et la possibilité de collaboration.

Le cahier de laboratoire est un logiciel qui permet de recueillir et de centraliser toutes les informations essentielles à la reproduction d’une expérience scientifique. Les différences les plus significatives du cahier papier reposent sur l’approche collaborative (travail en réseau), la traçabilité renforcée (adoption de protocoles-type ou modèles de données) et le gain de temps (requête des expériences par moteur de recherche).
 

Source : Gilles Mathieu, Dominique Pigeon, Tovo Rabemanantsoa, Christophe Chipeaux, Simon Duvillard, et al.. Rapport du groupe de travail sur les cahiers de laboratoires électroniques. [Rapport de recherche] Comité pour la science ouverte. 2021, 68 p. ⟨hal-03563244⟩

  • Tutoriel Mbook : https://www.datacc.org/bonnes-pratiques/utiliser-un-cahier-de-laboratoire-numerique/tutoriel-mbook/
  • Tutoriel eLabFTW : https://www.datacc.org/bonnes-pratiques/utiliser-un-cahier-de-laboratoire-numerique/tutoriel-elabftw/

Le cahier de laboratoire est indispensable pour garantir la traçabilité mais il n'est pas à partager. Il doit en revanche être conservé par l'équipe et le plan de gestion de données peut y faire référence.

Avantages

L'utilisation d'un ELN présente de nombreux avantages pour la recherche, notamment :

  1. Gestion efficace des données : Les ELN permettent aux chercheurs d'organiser et de structurer leurs données de manière plus efficace en utilisant des fonctionnalités telles que la recherche intégrée, la création de liens, et l'ajout de textes, d'images, et d'équations. Cette organisation facilite la récupération ultérieure des informations et la compréhension des résultats.
  2. Renforcement de la sécurité des données : Contrairement aux cahiers de laboratoire traditionnels, les ELN offrent des fonctionnalités de sauvegarde et de protection des données, comme les horodatages, les historiques de versions, et les restrictions d'accès. Ces mesures garantissent l'intégrité et la confidentialité des données de recherche.
  3. Encouragement de la collaboration : Les ELN permettent aux chercheurs de partager aisément leurs données, observations, et protocoles avec d'autres membres de leur équipe ou de la communauté scientifique. Cela favorise la collaboration, la reproductibilité des résultats, et l'échange d'idées.
  4. Facilitation de la conformité réglementaire : Certains ELN sont conçus pour répondre aux exigences réglementaires spécifiques, telles que la conformité aux bonnes pratiques de laboratoire ou aux réglementations sur la confidentialité des données. Cela simplifie le respect des normes de l'industrie et des réglementations en vigueur.

Menu principal

  • Plan de gestion des données
  • Collecter & Organiser ses données
    • Collecte des données
      • Cahier de laboratoire numérique
    • Organisation des données
    • Description des données
  • Traiter & Analyser ses données
  • Stocker ses données
  • Archiver ses données
  • Partager ses données
  • Réutiliser ses données
  • Rendre vos données FAIR ?
  • Exigences des financeurs

Retour en haut👆🏼 
Propulsé par Drupal
Flux RSS

Pied de page

  • Mentions légales
  • Contact