Context-aware data quality management

Un modèle du contexte pour la gestion de la qualité des données L'importance du contexte dans la qualité des données (QD) a été démontrée il y a plusieurs décennies et est aujourd'hui largement acceptée. Les premières approches définissent la QD comme l'aptitude à l'utilisation et montraient l'influence du contexte sur la QD. Selon la littérature, la plupart des activités de gestion de la qualité des données (GQD) sont influencées par le contexte des données. En effet, de nombreuses méthodologies abordent la GQD, une tâche complexe composée de plusieurs étapes, où de nombreuses activités d'évaluation et d'amélioration de la QD sont réalisées. Cependant, très peu de méthodologies de la GQD de l'état de l'art prennent en compte le contexte des données, et lorsqu'elles le font, le contexte n'est abordé qu'à quelques étapes. En conséquence, très peu de propositions de modélisation contextuelle peuvent être trouvées dans la littérature de la QD.Cette thèse aborde deux questions de recherche majeures : i) Comment définir le contexte de la qualité des données? et ii) Comment inclure le contexte dans une méthodologie de gestion de la qualité des données ?Pour répondre à la première question, une revue systématique de la littérature (RSL) est appliquée pour étudier comment le contexte est pris en compte dans les propositions récentes de la GQD. Les résultats de la RSL nous ont permis d'identifier un besoin urgent de spécification du contexte, essentiel pour proposer des solutions générales pour la GQD. De plus, cette spécification est la première étape vers la formalisation du contexte.Deuxièmement et sur la base des résultats de la RSL, nous abordons la définition et la modélisation du contexte. Cette thèse propose un modèle du contexte adapté à la GQD, et un tel modèle représente un large ensemble de composants de contexte. De plus, un modèle de la qualité des données défini par une hiérarchie de concepts (à savoir dimension, facteur, métrique et méthode), est présenté, ainsi que les relations entre eux et les composants contextuels. À travers un exemple récurrent, nous spécifions et illustrons l'applicabilité du modèle.Afin de répondre à la deuxième question, cette thèse propose une méthodologie de gestion de la qualité dépendante du contexte (appelée CaDQM). Elle clarifie l'influence du contexte dans la plupart des activités de la GQD. En particulier, les composants du contexte sont identifiés dès les premières étapes et sont utilisés et/ou mis à jour à toutes les étapes de la CaDQM. Cette méthodologie naît non seulement de différents projets de recherche sur la qualité des données, dans lesquels des observations sur les besoins des organisations et des utilisateurs ont été réalisées, mais aussi des preuves recueillies à partir de l'état de l'art. Plus précisément, il s'inspire des méthodologies de qualité des données qui analysent le contexte des données dès leurs premières étapes.Finalement, nous présentons les résultats obtenus dans des expériences menées avec différents jeux de données artificiels et réels, avec des participants de différents niveaux d'expertise dans le domaine de la qualité de données. Nous soulignons 3 résultats pertinents: i) l'application d'une méthodologie de GQD se traduit par des activités de qualité des données mieux guidées et des temps de traitement moindres, ii) l'étape de définition du modèle de qualité des données est considérée comme la plus dépendante du contexte, et iii) le modèle de qualité des données obtenu tenant compte du contexte est plus profond et plus détaillé.