- - -
- - -
Dépôt Institutionnel de l’Université libre de Bruxelles / Université libre de Bruxelles Institutional Repository
Thèse de doctorat/ PhD Thesis Citation APA:
Durieux, V. (2013). Le collaborative tagging appliqué à l'information médicale scientifique: étude des tags et de leur adoption par les médecins dans le cadre de leurs pratiques informationnelles (Unpublished doctoral dissertation). Université libre de Bruxelles, Faculté de Philosophie et Lettres – Sciences de l'information et de la communication, Bruxelles.
Disponible à / Available at permalink : https://dipot.ulb.ac.be/dspace/bitstream/2013/209555/4/8b920e4f-6f52-486a-80db-771b258fed4f.txt
(English version below)
Cette thèse de doctorat a été numérisée par l’Université libre de Bruxelles. L’auteur qui s’opposerait à sa mise en ligne dans DI-fusion est invité à prendre contact avec l’Université ([email protected]).
Dans le cas où une version électronique native de la thèse existe, l’Université ne peut garantir que la présente version numérisée soit identique à la version électronique native, ni qu’elle soit la version officielle définitive de la thèse.
DI-fusion, le Dépôt Institutionnel de l’Université libre de Bruxelles, recueille la production scientifique de l’Université, mise à disposition en libre accès autant que possible. Les œuvres accessibles dans DI-fusion sont protégées par la législation belge relative aux droits d'auteur et aux droits voisins. Toute personne peut, sans avoir à demander l’autorisation de l’auteur ou de l’ayant-droit, à des fins d’usage privé ou à des fins d’illustration de l’enseignement ou de recherche scientifique, dans la mesure justifiée par le but non lucratif poursuivi, lire, télécharger ou reproduire sur papier ou sur tout autre support, les articles ou des fragments d’autres œuvres, disponibles dans DI-fusion, pour autant que :
Le nom des auteurs, le titre et la référence bibliographique complète soient cités;
L’identifiant unique attribué aux métadonnées dans DI-fusion (permalink) soit indiqué;
Le contenu ne soit pas modifié.
L’œuvre ne peut être stockée dans une autre base de données dans le but d’y donner accès ; l’identifiant unique (permalink) indiqué ci-dessus doit toujours être utilisé pour donner accès à l’œuvre. Toute autre utilisation non mentionnée ci-dessus nécessite l’autorisation de l’auteur de l’œuvre ou de l’ayant droit.
--- English Version ---
This Ph.D. thesis has been digitized by Université libre de Bruxelles. The author who would disagree on its online availability in DI-fusion is invited to contact the University ([email protected]).
If a native electronic version of the thesis exists, the University can guarantee neither that the present digitized version is identical to the native electronic version, nor that it is the definitive official version of the thesis.
DI-fusion is the Institutional Repository of Université libre de Bruxelles; it collects the research output of the University, available on open access as much as possible. The works included in DI-fusion are protected by the Belgian legislation relating to authors’ rights and neighbouring rights.
Any user may, without prior permission from the authors or copyright owners, for private usage or for educational or scientific research purposes, to the extent justified by the non-profit activity, read, download or reproduce on paper or on any other media, the articles or fragments of other works, available in DI-fusion, provided:
The authors, title and full bibliographic details are credited in any copy;
The unique identifier (permalink) for the original metadata page in DI-fusion is indicated;
The content is not changed in any way.
It is not permitted to store the work in another database in order to provide access to it; the unique identifier (permalink) indicated above must always be used to provide access to the work. Any other use not mentioned above requires the authors’ or copyright owners’ permission.
UNIVERSITÉ LIBRE DE BRUXELLES
FACULTÉ DE PHILOSOPHIE ET LETTRES ULB
Le collaborative tagging appliqué à l'information médicale scientifique :
Étude des tags et de leur adoption par les médecins dans le cadre de leurs pratiques informationnelles
Valérie DURIEUX présentée en vue de
l’obtention du grade académique de Docteur en Information et communication
sous la direction de Messieurs les Professeurs Jean-Pierre Devroey et François Heinderyckx
Année académique 2013-2014
UNIVERSITÉ LIBRE DE BRUXELLES ULB
FACULTÉ DE PHILOSOPHIE ET LETTRES
Le collaborative tagging appliqué à l'information médicale scientifique :
Étude des tags et de leur adoption par les médecins dans le cadre de leurs pratiques informationnelles
Valérie DURIEUX Thèse présentée en vue de
l’obtention du grade académique de Docteur en Information et communication
sous la direction de Messieurs les Professeurs Jean-Pierre Devroey et François Heinderyckx
Année académique 2013-2014
Université Libre de Bruxelles
003555003
Table desmatières
Liste des tableaux...vii
Liste des figures... ix
Liste des acronymes... xi
Résumé... xiii
Remerciements... xv
Introduction... 1
Chapitre 1 Information médicale scientifique...11
1. Typologie de l'information médicale... 12
2. Sources d’information primaire...13
2.1. Typologie des articles scientifiques... 13
2.2. Production et publication... 15
2.3. Édition et accès... 17
2.3.1. Oligopole des éditeurs commerciaux...17
2.32. Alternative Open ylccess...18
2.4. Lecture critique et évaluation de la qualité... 20
3. Sources d’information secondaire...23
3.1. Bases de données bibliographiques... 24
3.2. Bases de données bibliométriques... 25
4. Conclusion...27
Chapitre 2 Description de l’information... 29
1. Indexation ou description du contenu...30
1.1. Processus d’indexation humaine... 30
1.2. Critères de qualité de l’indexation humaine...31
1.2.1. Exhaustivité ou largeur d’indexation...31
1.2.2. Spécificité ou profondeur d’indexation... 32
1.2.3. Consistance...33
1.3. Limites de l’indexation humaine... 35
2. Langages contrôlés...35
2.1. Typologie des langages contrôlés... 36 1
2.1.1. Langages classificatoires... 37
2.1.2. Langages alphabétiques... 39
2.2. Thésaurus MeSH... 42
2.3. Limites des langages contrôlés...43
3. Indexation à Tère d’internet... 45
3.1. Indexation automatique du Web... 45
3.2. Indexation humaine du Web...47
3.2.1. Méta-balises... 47
3.2.2. Répertoires de sites...48
3.2.3. De l’internaute au webacteur... 51
4. Conclusion...52
Chapitre 3 Collaborative tagging et folksonomies... 53
1. Terminologie...54
1.1. Collaborative tagging... 54
1.2. Tag... 54
1.3. Folksonomie...55
1.4. Tag cloud... 56
1.5. Social bookmarking... 57
2. Tags et tagueurs : analyse... 58
2.1. Les tags... 59
2.2. Les tagueurs et leurs motivations...64
3. Forces et faiblesses du collaborative tagging...67
4. Applications... 71
4.1. Tagging de signets : social bookmarking... 72
4.1.1. Delicious... 72
4.1.2. CiteULike... 73
4.1.3. Connotea... 74
4.2. Tagging de livres... 75
4.2.1. LibraryThing...75
4.2.2. Tagging et catalogues de bibliothèques...76
4.3. Tagging d’images fixes et animées... 78
4.3.1. Flickr... 78
4.3.2. YouTube...80
4.4. Tagging d’œuvres d’art : le cas du Steve Project... 81
5. L’avenir du collaborative tagging et des folksonomies... 82 ii
Tabledesmatières
Chapitre 4 Étude des tags...85
1. Études connexes... 86
2. Comparaison Delicious et CISMeF...95
2.1. Matériels et méthodes... 96
2.2. Résultats... 99
2.2.1. Taux de recouvrement des ressources...99
2.2.2. Statistiques descriptives... 100
2.2.3. Analyse morpho-lexicale des termes d’indexation...103
2.2.4. Comparaison sémantique des termes d’indexation... 104
2.3. Discussion... 107
3. Comparaison Delicious, CiteULike et PubMed... 112
3.1. Matériels et méthodes...112
3.2. Résultats... 113
3.2.1. Statistiques descriptives... 113
3.2.2. Analyse morpho-lexicale des termes d’indexation...115
3.2.3. Comparaison sémantique des termes d’indexation... 116
3.3. Discussion... 119
4. Conclusion...125
Chapitre 5 Recherche de l’information...127
1. Terminologie... 128
1.1. Information retrieval - information searching... 128
1.2. Recherche d’informations - recherche documentaire... 129
1.3. Querying - searching - browsing...130
2. Comportement de recherche d’informations...131
2.1. Théories, modèles et concepts... 132
2.2. Méthodes de collecte de données...137
2.3. Comportements de recherche d’informations sur internet... 143
3. Systèmes de recherche d’informations : leur évaluation...146
3.1. Évaluations orientées système... 148
3.2. Évaluations orientées utilisateur... 151
4. Fonctionnalités de recherche des systèmes étudiés...155
4.1. Medline via Pubmed...155
4.2. CiteULike...159
Chapitre 6 Étude des utilisateurs...163
1. Préambule... 164
1.1. Pratiques informationnelles des médecins... 164
1.2. Utilisation d’un système de collaborative tagging par les médecins...166
2. Méthodologie...167
2.1. Population et comportements informationnels étudiés... 167
2.2. Recrutement des participants... 168
2.3. Scénario d’entretien... 169
2.3.1. Étapes de l’entretien... 170
2.3.2. Environnement et supports techniques...175
2.3.3. Phase de test...176
2.4. Préparation des données récoltées... 177
2.5. Codage et analyse des données récoltées... 177
2.5.1. Les débriefmgs...177
2.5.2. Les tâches de recherche...179
3. Résultats... 181
3.1. Les participants...181
3.2. Usage des TIC...182
3.2.1. Ordinateur à disposition... 182
3.2.2. Fréquence d’utilisation et niveau de familiarité... 183
3.2.3. Gestion des données entre ordinateurs... 184
3.3. Connaissances et pratiques informationnelles... 184
3.3.1. Temps consacré à la recherche scientifique et informationnelle. 184 3.3.2. Sources d’information fréquemment utilisées... 185
3.3.3. Critères de sélection des articles scientifiques...187
3.3.4. Abonnement à des périodiques... 188
3.3.5. Veille informationnelle... 188
3.3.6. Aide à la recherche et partage de l’information... 189
3.3.7. Gestion des références bibliographiques... 191
3.3.8. Visite à la bibliothèque et utilisation de ses services...192
3.3.9. Formation à la recherche d’informations et à PubMed... 192
3.4. PubMed... 193
3.4.1. Fonctionnalités utilisées... 193
3.4.2. Requêtes formulées...194
3.4.3. Connaissance et utilisation du thésaurus MeSH... 196
Tabledesmatières
3.4.4. Tâche de recherche...196
3.4.5. Perception de PubMed par les participants... 197
3.5. CiteULike...199
3.5.1. Fonctionnalités utilisées... 199
3.5.2. Requêtes formulées...201
3.5.3. Dysfonctionnements observés... 203
3.5.4. Tâche de recherche... 205
3.5.5. Perception de CiteULike par les participants...208
4. Discussion... 211
4.1. Usage des TIC...211
4.2. Connaissances et pratiques informationnelles... 212
4.3. PubMed... 219
4.4. CiteULike... 228
4.5. Limites de l’étude... 233
5. Conclusion...235
Conclusion générale... 239
Bibliographie...249
Annexes... 275
V
Liste des tableaux
Tableau 1 : Structure IMRaD des articles scientifiques...14
Tableau 2 : Extrait de la Classification Décimal Dewey...38
Tableau 3 : Correspondance des principales métadonnées entre Delicious et ClSMeF... 97
Tableau 4 : Nombre de termes d'indexation attribués dans Delicious et ClSMeF ... 102
Tableau 5 : Top 5 des termes d’indexation les plus fréquemment utilisés... 103
Tableau 6 : Composition des tags et des descripteurs... 103
Tableau 7 : Catégorisation des tags par rapport aux descripteurs...104
Tableau 8 : Catégorisation des tags de type NotRelated... 106
Tableau 9 ; Récapitulatif des statistiques descriptives en regard d’autres études ... 107
Tableau 10 : Comparaison de la catégorisation des tags avec d’autres études.... 109
Tableau 11 : Nombre de termes d’indexation attribués dans PubMed, CiteULike et Delicious...114
Tableau 12 : Composition des tags dans CiteULike et Delicious... 115
Tableau 13 : Comparaison de la catégorisation des tags entre les deux études ..122
Tableau 14 : Comparaison de la catégorisation des tags de type Notrelated entre les deux études...123
Tableau 15 : Contingence des valeurs nécessaires au calcul du rappel et de la précision... 149
Tableau 16 : Scénario d’entretien... 169
Tableau 17 : Grille de codage des débriefings...178
Tableau 18 : Grille de codage des tâches de recherche...180
Tableau 19 : Présentation des participants... 181
Tableau 20 ; Distribution des services représentés... 182
Tableau 21 ; Niveau de familiarité des participants par rapport à l’ordinateur et internet... 184
Tableau 22 : Exemple de mapping réussi avec les MeSH... 195
Tableau 23 : Exemple de mapping manqué avec les MeSH... 195
Tableau 24 : Données récapitulatives concernant la tâche de recherche dans PubMed... 197
vii
Tableau 25 : Termes de recherche utilisés par les participants dans PubMed et
CiteULike...203
Tableau 26 : Données récapitulatives concernant la tâche de recherche dans CiteULike...205
Tableau 27 : Exemples de mapping réussis dans PubMed... 222
Tableau 28 ; Exemples de mapping manqués dans PubMed... 223
Tableau 29 : Echecs de la tâche de recherche dans CiteULike...231
Liste des figures
Figure 1 : Structure de la dissertation... 6
Figure 2 : Processus de production et de publication scientifique...15
Figure 3 : Illustration des relations d’équivalence dans la LSCH... 40
Figure 4 : Illustration des relations hiérarchiques et associatives dans la LCSH ...40
Figure 5 : Position du descripteur « Colonie Neoplasms » dans l'arborescence du MeSH... 43
Figure 6 : Extrait des subheadings du descripteur « Colonie Neoplasms » dans le MeSH... 43
Figure 7 : Extrait de la page d’accueil de l’Open Directory Project... 49
Figure 8 : Extrait de la liste thématique proposée par le CISMeF...51
Figure 9 : Extrait du tag cloud associé au livre de Smith (2009) dans LibraryThing ...57
Figure 10 ; Modèle conceptuel du processus de collaborative tagging... 59
Figure 11 : Exemple de courbe de loi de puissance... 63
Figure 12 : Fenêtre de tagging dans Delicious...73
Figure 13 : Fenêtre de tagging dans CiteULike... 74
Figure 14 : Notice du livre de Smith (2008) dans LibraryThing... 76
Figure 15 : Extraits d’une notice de l’Ann Arbor District Library... 77
Figure 16 : Navigation à l’aide des tags dans Flickr... 79
Figure 17 : Notice d’un objet d’art dans le Steve Project...82
Figure 18 : Courbe Hype Cycle de Gartner... 83
Figure 19 : Illustration des lignes de désir... 84
Figure 20 : Affichage des résultats fournis par le Mash-up... 96
Figure 21 ; Recouvrement des ressources répertoriées dans CISMeF et Delicious ... 100
Figure 22 : Nombre d’utilisateurs par ressource dans Delicious, par ordre décroissant... 101
Figure 23 ; Distribution des tags et des descripteurs distincts, par ordre décroissant... 102
Figure 24 : Langue des tags attribués dans Delicious...104
Figure 25 : Nombre d’utilisateurs par article dans CiteULike et Delicious, par ordre décroissant... 114
IX
Figure 26 : Distribution des tags distincts dans CiteULike et Delicious, par ordre
décroissant... 115
Figure 27 : Langue des tags attribués dans CiteULike et Delicious... 116
Figure 28 ; Catégorisation des tags par rapport aux descripteurs...117
Figure 29 : Catégorisation des tags de type NotRelated... 118
Figure 30 : Modèle général de Wilson... 133
Figure 31 : Modèle Sense-Making de Dervin... 134
Figure 32 : Extrait du formulaire de recherche avancée dans Google... 144
Figure 33 : Fenêtre de recherche simple de l’interface PubMed... 155
Figure 34 : Détails d’un mapping effectué par PubMed... 156
Figure 35 : Écran de recherche avancée dans PubMed...157
Figure 36 : Interrogation de la MeSH Database et formulation de la requête.157 Figure 37 ; Affichage des résultats dans PubMed... 158
Figure 38 : Fenêtre de recherche simple dans CiteULike... 159
Figure 39 : Barre de tri dans CiteULike... 160
Figure 40 : Navigation à partir d’une notice bibliographique dans CiteULike.161 Figure 41 : Aménagement de l’environnement d’expérimentation... 175
Figure 42 : Distribution des statuts représentés... 182
Figure 43 : Durée de la tâche de recherche par participant dans PubMed et CiteULike... 205
Figure 44 : Nombre de requêtes lancées par participant dans PubMed et CiteULike...206
Figure 45 : Nombre d’articles sélectionnés par participant dans PubMed et CiteULike...206
Figure 46 : Comparaison des articles sélectionnés dans PubMed et CiteULike...207
Figure 47 : Taux de réussite du mapping dans PubMed... 223
Liste desacronymes
AAT ACM ASK BICfB CCA CDD CDU CISMeF CLC CONA CTT EBM HTML KCE LAPTE LCSH MeSH NLM OA OPAC PG TGM TGN TIC TREC ULAN URL
Art & Architecture Thésaurus
Association for Computing Machinery Anomalous State of Knowledge
Bibliothèque Interuniversitaire de la Communauté française de Belgique
Chef de Clinique Adjoint Classification Décimale Dewey Classification Décimale Universelle
Catalogue et Index des Sites Médicaux de langue Française Chinese Library Classification
Cultural Objects Name Authority Classified Chinese Thésaurus Evidence-Based Medicine HyperText Markup Language
Centre Fédéral d’Expertise des Soins de Santé
Laboratoire de Psychologie du Travail et Psychologie Économique Library of Congress Subject Headings
Medical Subject Headings National Library of Medicine Open Access
Oline Public Access Catalog Post-Gradué
Thésaurus for Graphie Materials Thésaurus of Géographie Names
Technologies de l’Information et de la Communication Text REtrieval Conférence
Union List of Artist Names Uniform Resource Locator
XI
RÉSUMÉ
Suite à l’avènement du Web 2.0, le rôle de l’internaute s’est vu modifier, passant de consommateur passif à acteur à part entière. De nouvelles fonctionnalités ont vu le jour augmentant considérablement les possibilités d’interaction avec le système. Parmi celles-ci, le collaborative tagging permet à l’utilisateur de décrire l’information en ligne par l’attribution de mots-clés (ou tags], la particularité étant que ces tags ne sont pas uniquement accessibles aux tagueurs eux-mêmes mais à l’ensemble des internautes. L’octroi de tags à une ressource lui offre donc de multiples chemins d’accès exploitables par la communauté internet tout entière. Régulièrement comparé à l’indexation
« professionnelle », le collaborative tagging soulève une question essentielle : cette nouvelle pratique contribue-t-elle favorablement à la description et, par extension, à la recherche d’informations sur internet ?
Tous les types d’informations ne pouvant être étudiés, la présente dissertation se focalise sur l’information médicale scientifique utilisée par les médecins dans le cadre de leur pratique professionnelle. Elle propose, dans un premier temps, de mesurer le potentiel des tags assignés dans deux systèmes de collaborative tagging (Delicious et CiteULike) à décrire l’information en les comparant à des descripteurs attribués par des professionnels de l’information pour un même échantillon de ressources. La comparaison a mis en lumière l’exploitabilité des tags en termes de dispositifs de recherche d’informations mais a néanmoins révélé des faiblesses indéniables par rapport à une indexation réalisée par des professionnels à l’aide d’un langage contrôlé.
Dans un second temps, la dissertation s’est intéressée aux utilisateurs finaux en quête d’informations, c’est-à-dire les médecins, afin de déterminer dans quelle mesure un système de collaborative tagging (CiteULike) peut assister ces derniers lors de leur recherche d’informations scientifiques. Pour ce faire, des entretiens individuels combinant interview semi-structurée et expérimentation ont été organisés avec une vingtaine de médecins. Ils ont fourni des indications riches et variées quant à leur adoption effective ou potentielle d’un système de collaborative tagging dans le cadre de leurs pratiques informationnelles
xiii courantes.
Enfin, cette dissertation se propose d’aller au-delà de l’étude des tags et du phénomène de collaborative tagging dans son ensemble. Elle s’intéresse également aux compétences informationnelles des médecins observés en vue d’alimenter la réflexion sur les formations qui leur sont dispensées tout au long de leurs études mais également durant leur parcours professionnel.
Remerciements
La présente dissertation est le résultat de six années de recherche mais elle est surtout le fruit de collaborations et de discussions enrichissantes. De nombreuses personnes ont contribué à leur manière à l’aboutissement de cette thèse et je tiens à les en remercier.
Mes remerciements vont tout d’abord à Messieurs Heinderyckx et Devroey pour avoir accepté de reprendre ce projet en cours de route, mais également pour leurs nombreux conseils qui m’ont accompagnée et guidée jusqu’à son aboutissement.
Je tiens ensuite à remercier Pascal Francq, initiateur de ce projet de recherche.
Malgré son départ de l’Université, il a su rester présent tout au long de ce parcours pour m’apporter son aide et son soutien. Dès mon arrivée à l’ULB, j’aspirais à faire de la recherche, il m’en a donné les moyens et la détermination.
Je souhaite également remercier Madame Schietse et mes collègues de la Bibliothèque des Sciences de la Santé, plus particulièrement Luc et PascaleJsJ pour leurs nombreux encouragements. Ils ont contribué à l’établissement d’un environnement de travail serein et motivant.
Je remercie Monsieur Gevenois pour l’opportunité et la confiance qu’il m’a accordées en me proposant de coécrire un article scientifique. Cette première expérience de rédaction s’est révélée extrêmement enrichissante tant au point de vue scientifique qu’humain. Je le remercie également pour son soutien et son aide lors de la mise en place des entretiens.
J’adresse également mes remerciements à Gaétan Kerdelhué et toute l’équipe du ClSMeF pour leur collaboration lors de ma première étude comparant tags et descripteurs.
Je remercie mes collègues et amis, Anouk, Émilie, Jeoffrey, Julie, Juliette, Margaux, Stéphanie, Val et Vinciane, qui m’ont accompagnée tout au long de ce projet. Leur présence et leur écoute m’ont permis de surmonter les difficultés et les moments de doute.
XV
Je n'oublie pas les médecins de l’hôpital Érasme qui ont accepté de participer à la phase d'expérimentation et m’ont accordé leur temps. Sans eux, une partie importante de cette thèse n’aurait pu être réalisée.
Enfin et surtout, je remercie mes parents qui ont été présents et à l’écoute tout au long de mes études : mon Papa, pour m’avoir transmis son souci du détail et son sens de l’organisation ; ma Maman, pour ses nombreuses relectures consciencieuses et avisées, que ce soit de cette thèse ou des divers travaux et mémoires que j’ai rédigés.
Introduction
"Today I want to talk about categorization, and I want to convinceyou that a lot of what we think we know about categorization is wrong. In particular, I want to convince you that many of the ways we're attempting to apply categorization to the electronic world are actually a bad fit, because weVe adopted habits ofmind that are left over from earlier strategies. I aiso want to convince you that what we're seeing when we see the Web is actually a radical break with previous categorization strategies, rather than an extension ofthem.
The second part of the talk is more spéculative, because it is often the case that old Systems get broken before people know what's going to take their place. [...]
That's what l think is happening with categorization. What I think is coming instead are much more organic ways of organizing information than our carrent categorization schemes allow, based on two units - the link, which can point to anything, and the tag, which is a way of attaching labels to links. The strategy of tagging - free-form labeling, without regard to categorical constraints - seems like a recipe for disaster, but as the Web has shown us, you can extract a surprising amount of value from big messy data sets.” (Shirky, 2005b)
Voici comment Clay Shirky, fervent défenseur du collaborative tagging, débute son article au titre volontairement provocateur Ontology is overrated. Dans ce dernier, l’auteur vante les mérites de ce nouveau processus d’indexation issu des innovations apportées par le Web 2.0. Le collaborative tagging consiste en l’attribution par l’internaute de tags, librement choisis, à des contenus en ligne.
Shirky estime que ce nouveau mode d’indexation va détrôner l’indexation humaine réalisée par les professionnels de l’information et que les folksonomies (listes constituées des tags attribués) vont progressivement prendre la place des langages contrôlés sur lesquels s’appuie généralement l’indexation
« professionnelle ». Pour étayer son hjqDothèse, l’auteur avance que l’indexation réalisée par des professionnels à l’aide d’un langage contrôlé ne peut être appliquée à l’ensemble des documents disponibles sur internet étant donné leur nombre sans cesse croissant, ce que l’indexation distribuée permet. Shirky ajoute
1
que les catégorisations et autres langages contrôlés ne répondent pas aux besoins des utilisateurs contrairement aux tags ; ces derniers étant attribués par les utilisateurs finaux eux-mêmes. Cette hypothèse, soutenue par d’autres chercheurs, a évidemment provoqué des débats animés, plus particulièrement du côté des professionnels de l’information.
Au départ, ces débats, de même que les premières études relatives au collaborative tagging, ont pris place majoritairement sur des forums et des listes de discussion. Ce n’est que plus tard, eu égard à l’engouement massif suscité par le phénomène, que des études scientifiques ont été réalisées, contribuant activement à l’enrichissement de la littérature scientifique sur le sujet. On distingue deux courants de recherches principaux : d’une part, les études appartenant au domaine des sciences de l’information et des bibliothèques adoptant des méthodes aussi bien quantitatives que qualitatives, et d’autre part, celles menées par les chercheurs en sciences informatiques, exclusivement quantitatives quant à elles. Ces dernières visent généralement à améliorer les performances des systèmes de collaborative tagging ou encore à combler les faiblesses avérées de ce processus et des folksonomies qui en découlent. On reproche par exemple à celles-ci leur absence de structure, par opposition aux langages contrôlés. Des algorithmes ont dès lors été créés en vue d’organiser ces listes de tags. Mes recherches s’inscrivant dans le premier courant, je me focaliserai donc sur les études appartenant à ce dernier.
Dans le domaine des sciences de l’information et des bibliothèques, les recherches relatives au collaborative tagging s’intéressent principalement aux tags ainsi qu’aux internautes qui les attribuent. Les motivations de ces derniers, par exemple, constituent un sujet largement investigué. Quant aux tags, leurs analyses sont nombreuses. Elles se distinguent principalement par les méthodes employées. Alors que certaines étudient des échantillons colossaux de tags de manière automatique et d’un point de vue exclusivement lexical, d’autres emploient des méthodes qualitatives en s’intéressant à la sémantique des tags et travaillent dès lors sur des corpus restreints. Une autre particularité méthodologique, relativement répandue, est le recours aux descripteurs assignés par des professionnels de l’information en tant qu’éléments de comparaison.
Qu’elles soient de type quantitatif ou qualitatif, ces études présentent
Introduction
généralement des résultats relativement encourageants en faveur des tags mais révèlent également un nombre important de faiblesses et de dysfonctionnements.
En 2005, lorsque Shirky rédige son article, le collaborative tagging est connu des internautes depuis un an à peine. Très peu d’études scientifiques s’y sont jusque-là intéressées. Les recherches réalisées dans le cadre de cette dissertation ont débuté environ à cette époque. J’ai donc eu la chance de pouvoir observer ce phénomène et suivre son évolution durant environ six années. Un peu moins d’une décennie après la publication de l’article de Shirky, qu’est-il advenu de ce processus jugé jadis révolutionnaire ? Les tags attribués par les internautes ont- ils remplacé les mots clés et descripteurs attribués par les professionnels de l’information ? Les systèmes de collaborative tagging sont-ils devenus une alternative aux moteurs commerciaux tels que Google pour rechercher de l’information en ligne ? La présente dissertation a pour ambition de dresser le bilan sur le phénomène de coiiaborative tagging ainsi que de mesurer ses capacités en termes de description de contenu et d’aide à la recherche informationnelle.
Tous les types d’informations ne pouvant être étudiés, mes recherches se focalisent sur l’information médicale scientifique utilisée par les médecins dans le cadre de leur pratique professionnelle. Le choix des médecins comme population d’étude s’explique par l’accès privilégié à ces derniers dont je dispose en tant qu’assistante à la Bibliothèque des Sciences de la Santé de l’Université libre de Bruxelles. Mes activités au sein de cette bibliothèque m’ont en effet permis de me familiariser avec cette population particulière ainsi qu’avec les principales sources d’information scientifique qui leur sont destinées.
Questions de recherche et méthodes
La question de recherche principale à laquelle tente de répondre cette dissertation est la suivante :
Dans queiie mesure ie processus de collaborative tagging permet-ii de décrire i'information médicale scientifique en vue de sa recherche ultérieure par les médecins 1
3
Sur base des précédentes recherches relatives au collaborative tagging, la question de recherche principale se divise en deux sous-questions qui constituent les deux axes principaux de cette dissertation :
1. Dans quelle mesure le processus de collaborative tagging contribue-t-il à la description de l’information médicale scientifique diffusée sur internet ?
2. Dans quelle mesure un système de collaborative tagging peut-il assister les médecins lors de leur recherche d’informations scientifiques ?
En vue de répondre à la première sous-question de recherche et de mesurer le potentiel du collaborative tagging à décrire l’information, les tags des internautes ont été comparés aux descripteurs attribués par des professionnels de l'information. Afin de pouvoir discuter les résultats obtenus au regard de ceux d'études antérieures, la catégorisation proposée par Kipp (2005) a été adoptée.
La première analyse compare les tags assignés par les utilisateurs d’un système de collaborative tagging (Delicious) aux descripteurs attribués par des bibliothécaires (CISMeF) à un échantillon de 106 ressources médicales belges.
Afin de confirmer les résultats obtenus, une seconde analyse a été effectuée. Les tags de deux systèmes de collaborative tagging (Delicious et CiteULike) ont été comparés aux descripteurs assignés dans une base de données bibliographique (PubMed) à des articles scientifiques répertoriés dans les trois systèmes. Tout en présentant des résultats en faveur du collaborative tagging, cette seconde analyse est venue quelque peu nuancer les conclusions de la première étude. De plus, elle a permis d'identifier les différences et similitudes dans les comportements de tagging adoptés par les utilisateurs de deux systèmes de collaborative tagging distincts.
Afin de répondre à la seconde sous-question de recherche, des entretiens individuels ont été organisés avec une vingtaine de médecins. Au cours de ces entretiens, deux méthodes ont été combinées : l’interview semi-structurée et l’expérimentation, également appelée task-oriented évaluation. Toutes deux ont permis de collecter des données relatives aux connaissances et pratiques informationnelles des médecins participants. Elles ont également fourni des indications quant à leur utilisation d’un système de collaborative tagging et d’une base de données bibliographique, cette dernière servant principalement d’élément de comparaison pour l’analyse des pratiques informationnelles des médecins observés. Grâce à la combinaison des méthodes d’interview et
Introduction
d'expérimentation, les données collectées ont pu être comparées afin d’en vérifier la fiabilité et la consistance.
Enjeux de la thèse
À une époque où l’information disponible connaît une croissance exponentielle jusqu’à en arriver au phénomène de surcharge informationnelle {information overload), il est devenu indispensable de pouvoir trouver la « bonne » information qui correspond au mieux au besoin identifié. Le collaborative tagging est envisagé par de nombreux auteurs comme une alternative à l’indexation humaine réalisée par des professionnels de l’information dont l’application est impossible sur internet. Le but de cette thèse est donc de mesurer le potentiel de ce processus jugé prometteur et de voir dans quelle mesure il constitue une véritable innovation.
Le choix des médecins comme population d’étude tient du fait que trouver l’information correspond au mieux à leur besoin est encore plus essentielle pour ceux-ci, et ce dans un laps de temps excessivement court étant donné un emploi du temps chargé et dans certains cas, une réponse urgente nécessaire pour le bien du patient. Bien qu’ils disposent de bases de données bibliographiques spécialisées, telles que PubMed, les médecins n’en sont pas moins surchargés d’information. En 2010, près de 700.000 nouveaux articles médicaux scientifiques étaient ajoutés dans cette base de données (National Library of Mediclne, 2012). Malgré ce nombre impressionnant, PubMed est loin de couvrir la totalité de l’information médicale scientifique disponible. S’ils visent l’exhaustivité, les médecins sont donc contraints de se tourner vers le Web. Y trouver l’information pertinente répondant au besoin défini y est d’autant plus complexe au vu du nombre de pages qui ne cesse de s’ajouter. Alors que les articles scientifiques répertoriés dans PubMed disposent de descripteurs assignés par des professionnels facilitant leur découverte, les articles uniquement répertoriés par les moteurs de recherche n’en disposent pas. Les médecins doivent dès lors se fier à l’indexation automatique réalisée par les moteurs de recherche. L’apparition du phénomène de collaborative tagging a donc été envisagée comme une amélioration de l’accès à l’information en ligne dont la masse se montre impossible à traiter dans sa totalité par les professionnels de l’information.
5
Cependant, même si les tags présentent un certain potentiel en termes de description de contenu, encore faut-il être capable de les exploiter. Pour ce faire, des connaissances informationnelles se révèlent indispensables afin de pouvoir utiliser les interfaces de recherche à bon escient en formulant des équations élaborées. En effet, bien que les moteurs commerciaux, tels que Google, encouragent de par leurs interfaces épurées la formulation de requêtes simples, voire simplistes, seules des requêtes « avancées » permettent de ne pas se voir submerger d’informations non pertinentes. Dès lors, cette dissertation se propose d’aller au-delà de l’étude des tags et du phénomène de collaborative tagging dans son ensemble. Elle s’intéresse également aux compétences informationnelles des médecins observés en vue d’alimenter la réflexion sur les formations qui leur sont dispensées tout au long de leurs études mais également durant leur parcours professionnel.
Structure de la dissertation
Comme l’illustre la Figure 1, le corps de cette dissertation se répartit en six chapitres.
Figure 1 : Structure de la dissertation
Introduction
Après une présentation du contexte de l’information médicale scientifique, la dissertation se divise en deux axes principaux, correspondant chacun à une des deux sous-questions de recherche précédemment énoncées. Alors que le premier axe se focalise sur la description de l’information, le second s’intéresse, quant à lui, au processus de recherche de cette dernière. Tous deux débutent par un chapitre théorique exposant les concepts et théories principales sur lesquels vient s’appuyer un chapitre empirique venant clôturer chaque partie. Les recherches effectuées dans le cadre de cette dissertation, sur les tags dans le premier axe, et sur les utilisateurs dans le second, y sont rapportées. Le chapitre 3 occupe, quant à lui, un rôle central en présentant de manière détaillée les concepts et études relatives au processus de collaborative tagging et aux folksonomies qui en découlent.
Le Chapitre 1 est consacré au contexte global de l’information médicale scientifique. 11 débute par la typologie des informations auxquelles les médecins sont confrontés dans le cadre de leurs pratiques professionnelles. 11 se focalise ensuite sur les articles scientifiques qui constituent la source principale de l’information médicale scientifique. Les processus de production, de publication et d’édition propres à la littérature scientifique sont expliqués afin d’en comprendre le fonctionnement et les enjeux. Le chapitre se termine par une présentation des sources d’information secondaire, plus particulièrement les bases de données bibliographiques et bibliométriques, qui facilitent la recherche des articles scientifiques dans le domaine de la médecine.
Le Chapitre 2 s’intéresse au processus de description de l’information, également appelé indexation. Le processus d’indexation humaine est tout d’abord expliqué ainsi que les principaux critères sur lesquels repose l’évaluation de sa qualité. La première partie de ce chapitre se termine par l’identification des limites de ce type d’indexation. Dans un second temps, les langages contrôlés sur lesquels s’appuie généralement le processus d’indexation humaine sont présentés. Une attention particulière est apportée au thésaurus MeSH, qui constitue le langage contrôlé le plus répandu pour l’indexation de l’information médicale scientifique. Enfin, la troisième partie du chapitre s’intéresse aux techniques d’indexation appliquées au Web : il s’agit, d’une part, de l’indexation réalisée de manière automatique par les moteurs de recherche et d’autre part, de l’indexation humaine sous la forme de méta-balises, de répertoires de sites et de
7
tags. Cette dernière pratique, appelée collaborative tagging, constitue le sujet central de la présente dissertation.
Le chapitre 3 poursuit la description du processus de collaborative tagging brièvement évoqué dans le chapitre précédent. 11 définit les concepts qui lui sont associés, tels que tag, folksonomie ou encore social bookmarking. Les principales recherches précédemment menées portant sur les tags ainsi que sur les tagueurs et leurs motivations sont ensuite exposées. Suite à l'identification des forces et faiblesses du collaborative tagging, une sélection des applications les plus populaires est présentée. Le chapitre se termine par une réflexion quant à l’avenir du processus de collaborative tagging et des folksonomies qui en émergent.
Le chapitre 4 rend compte des deux études de tags menées dans le cadre de la présente dissertation. Toutes deux consistent en une comparaison des tags attribués par des internautes avec des descripteurs MeSH assignés par des professionnels de l'information. Les méthodes employées sont identiques dans les deux études afin de pouvoir confronter les résultats obtenus.
Le chapitre 5 présente les concepts et théories relatives au processus de recherche d’informations sur lesquels vient s’appuyer l’étude des utilisateurs relatée dans le chapitre 6. Après quelques précisions terminologiques concernant les notions centrales liées au concept de recherche d’informations, la deuxième partie de ce chapitre s’intéresse aux comportements informationnels. Les théories, modèles et concepts qui y sont associés sont présentés ainsi que les méthodes de collectes de données employées en vue de les étudier.
L’interrogation d’internet étant devenue une pratique courante, les comportements informationnels qui y sont observés sont également abordés afin de mesurer leur influence potentielle sur les pratiques informationnelles observées dans le cadre de la présente dissertation. La troisième partie de ce chapitre décrit les méthodes et critères appliqués dans le cadre de l’évaluation des systèmes de recherche d’informations, et dont certains seront employés dans l’analyse des systèmes étudiés par la suite. Enfin, le chapitre présente les fonctionnalités de recherche proposées par ces deux systèmes en question ; Medline via PubMed et CitellLike.
Introduction
Le chapitre 6 rapporte la mise en place et les résultats de l’étude des utilisateurs visant à mesurer l’adoption avérée ou potentielle des tags par les médecins observés. Cette étude repose sur une vingtaine d’entretiens individuels, combinant les techniques de l’interview semi-structurée et de l’expérimentation.
Outre l’étude des tags et de leur utilisation par les médecins, les entretiens ont également pour ambition d’analyser les connaissances et pratiques informationnelles de ces derniers.
Pour clore cette dissertation, une conclusion générale rappelle et résume les principaux résultats de recherche obtenus. À la lumière de ces derniers, des réflexions quant au potentiel et à l’avenir du collaborative tagging mais également quant aux comportements informationnels observés sont proposées. Sur base de ces réflexions, des pistes de recherches futures sont tracées.
Chapitre 1 Information médicale scientifique
Dans le cadre de leur pratique de la médecine, les professionnels de la santé sont quotidiennement confrontés à une masse d’informations considérable. Afin d’appréhender au mieux le rapport des médecins à l’information, entre autres au niveau de leurs comportements de recherche, il est essentiel de définir le contexte informationnel de manière globale. Pour ce faire, une t3qjologie de l’information médicale employée par les médecins est explicitée dans la première partie de ce chapitre.
La présente dissertation se focalisant sur l’information médicale scientifique, majoritairement publiée dans des articles de revues spécialisées, la seconde partie de ce chapitre en propose une présentation détaillée. Les principaux types d’articles scientifiques médicaux ainsi que la structure standardisée qu’ils se doivent de respecter sont tout d’abord décrits. Les processus de production et de dissémination de l’information médicale scientifique, aboutissant généralement à sa publication, sont ensuite abordés. La présentation se poursuit par une description du contexte éditorial, qui se caractérise actuellement par le monopole des éditeurs commerciaux et l’alternative qu’offre VOpen Access. Enfin, les critères d’évaluation des articles, et par extension des scientifiques qui en sont les auteurs, sont examinés.
La troisième et dernière partie de ce chapitre s’intéresse aux sources d’information secondaire, telles que les bases de données bibliographiques et bibliométriques. Ces sources, dont la fonction principale est de répertorier les articles publiés dans des revues scientifiques, se révèlent en effet incontournables lors du processus de recherche d’informations.
11
1. T)^ologie de l’information médicale
Gorman (1995) identifie cinq catégories d’informations qui sont utilisées par les médecins dans leur pratique quotidienne :
1. Patient data se réfère aux informations relatives à une personne déterminée. 11 s’agit entre autres de l'historique du patient, des observations consignées suite à un examen physique et des résultats de tests diagnostiques. Ces diverses informations peuvent provenir du dossier médical du patient ou être fournies par le patient lui-même, sa famille ou ses amis.
2. Population statistics correspond aux données agrégées concernant une cohorte de patients. Ces données sont généralement issues de rapports de santé publique publiés, par exemple, par des agences gouvernementales.
3. Medical knowledge se réfère aux informations généralisables à l’ensemble des patients qui résultent d’observations et d’expériences scientifiques. Les principales sources de ce t5qje d’informations sont les articles scientifiques publiés dans des revues médicales et les livres de référence, appelés textbooks.
4. Logistic information comprend les informations relatives à l’aspect administratif ou procédural de la pratique médicale, généralement au niveau local (ex. : au sein d’un hôpital). 11 s’agit entre autres de documents administratifs, de formulaires ou encore de procédures. Bien que ces informations ne soient pas purement médicales, elles sont essentielles au travail du médecin.
5. Social influences se réfère aux attentes et croyances des patients mais également de la communauté médicale dans laquelle le médecin exerce. Cela correspond par exemple aux traditions et habitudes implicites qui sont adoptées dans un centre de soins. Tout comme les informations logistiques, ces données extramédicales sont indispensables au médecin.
La présente dissertation s’intéresse exclusivement au savoir médical [medical knowledge) et aux sources employées par le médecin en vue de l’acquérir et de le développer. Ces dernières se répartissent en deux catégories distinctes ; les sources d’information primaire et les sources d’information secondaire (Hersh, 2003).
Chapitre 1 Informationmédicalescientifique
2. Sources d’information primaire
Une source d’information primaire, appelée également document primaire,
« présente une information à caractère original, c'est-à-dire lue ou vue par le lecteur dans l'état où l'auteur l'a écrite ou conçue » (Boulogne, 2004, p. 185]. Les deux principales sources d’information primaire en sciences biomédicales sont les articles scientifiques et les livres de référence [textbooks). Cependant, bien que largement employés par les médecins, les seconds ne bénéficient généralement pas de la même estime que les premiers (Hersh, 2003]. Deux raisons principales peuvent l’expliquer. La première est que la publication d’articles scientifiques est généralement plus rapide que celle d’un livre, élément essentiel étant donné la rapide obsolescence de l’information médicale. La seconde réside en grande partie dans le fait que les chercheurs sont évalués principalement sur base de la popularité de leurs productions scientifiques à l’aide d’indicateurs bibliométriques qui ne prennent généralement en compte dans leur calcul que les articles scientifiques^.
2.1. Typologie des articles scientifiques
Il existe différentes formes d’articles médicaux qui se distinguent principalement par les objectifs poursuivis (Maisonneuve, 1998] :
- L’article original [original article) « rapporte une étude reposant sur des observations ou une recherche expérimentale effectuée chez l'homme, l'animal ou in vitro » (Lorette et Grenier, 2002, p. 5]. L’article est qualifié d’original car il présente des résultats nouveaux n’ayant pas encore fait l’objet d’une publication. L’objectif principal de ce type d’article est d’établir des faits.
- Le cas clinique [clinical trial) rapporte et commente brièvement une observation originale dont l’intérêt doit être clairement exprimé. 11 s’agit par exemple d’exposer l’effet inattendu d’un médicament ou la démarche diagnostique d’une maladie rare. L’objectif du cas clinique est de proposer des hypothèses.
- La revue générale [review) consiste en une synthèse d’un sujet d’actualité s’appuyant sur une analyse étendue mais non exhaustive de la littérature.
* La notion d'indicateur bibliométrique est présentée à la section 2.4 de ce chapitre, p. 20.
13
- La revue systématique [systematic review) s'apparente à la revue générale mais s’en distingue par le caractère exhaustif de l’analyse de la littérature sur laquelle elle repose. Qu’elles soient générales ou systématiques, les revues ont pour objectif de fournir un aperçu global sur un thème particulier.
- La métaanalyse {meta-analysis) repose sur une démarche statistique combinant les résultats d’un grand nombre d’études distinctes sur un sujet donné. Sa force réside dans la masse de données comparées en vue d’en tirer une conclusion globale. Elle repose sur une méthodologie précise et rigoureuse en vue d’assurer son objectivité et sa reproductibilité. La métaanalyse et la revue systématique constituent les sources de référence de VEvidence-Based Medicine^, généralement traduit par « médecine fondée sur les données probantes » ou par « médecine factuelle » (Lorette et Grenier, 2002).
La majorité des articles scientifiques médicaux respecte une structure appelée
« IMRaD » qui vise à présenter les informations selon la logique scientifique (Maisonneuve, 1998]. Un article adoptant cette structure se divise en quatre parties, chacune répondant à une question précise (voir Tableau 1). Au vu du nombre sans cesse croissant d’articles publiés, l’adoption d’une telle structure engendre pour le lecteur un gain de temps non négligeable. Elle lui permet en effet d’atteindre assez rapidement les éléments d’informations spécifiques qui l’intéressent (Sollaci et Pereira, 2004].
Partie Question
Introduction Pourquoi le travail a-t-il été effectué ? Méthodes Comment le travail a-t-il été effectué ? Résultats Qu’a-t-on observé ?
Discussion Qu’en pense-t-on ?
Tableau 1 : Structure IMRaD des articles scientifiques
2 VEvidence-Based Medicine (EBM), apparue dans le courant des années 80, se définit comme « the conscientious, explicit, and judicious use of current best evidence in making decisions about the care of individuel patients» (Sackett et ai, 1996, p.71). La pratique de l'EBM par le médecin consiste à intégrer son expertise avec les données probantes, appelées aussi preuves scientifiques, en vue d'appuyer ses décisions cliniques. Dans cette nouvelle approche de la médecine, qui est de plus en plus répandue, la recherche d'informations est dès lors une composante primordiale que le médecin doit impérativement maîtriser (Delvenne et Pasleau, 2000).
Chapitre 1 Informationmédicalescientifique
2.2. Production et publication
La reconnaissance de toute production scientifique repose principalement sur sa publication, le plus souvent dans une revue scientifique sous la forme d'un article original. Cette activité de publication se révèle primordiale et incontournable pour un chercheur étant donné que l’évaluation de son travail se base quasi exclusivement sur le nombre d'articles qu’il a publiés et leurs citations; d’où la célèbre expression «publish or perish» [Hersh, 2003). Cette course à la publication représente une pression énorme pour le chercheur qui n’est pas sans conséquence. Elle encourage en effet la publication de données redondantes ou sans véritable intérêt (Liesegang étal, 2003). Pour présenter une certaine valeur scientifique, un article doit soit contribuer au savoir, soit confirmer ou contredire des faits précédemment établis, soit fournir une analyse critique de la littérature relativement exhaustive (Cook étal, 2009).
^ Schéma inspiré du modèie de Garvey et Griffith (1972] proposé par Hurd [2000, p. 1280). li est intéressant de mentionner que le processus n'a pas beaucoup changé depuis les années 70. La principale différence réside au niveau des technologies de publication et de « recensement ». Dans le schéma initial, le Current Contents [liste des tables des matières de revues scientifiques] est utilisé à la place de la base de données bibliographique.
15
Avant d’atteindre le stade ultime de la publication, le travail du chercheur suit généralement le parcours présenté à la Figure 2 [p. 15). La démarche scientifique, quelle que soit la discipline, commence par une recherche d'informations sur le sujet choisi. Cette dernière a pour objectif d’identifier les études antérieures déjà réalisées, et sur lesquelles le chercheur peut s’appuyer (Huguier et Maisonneuve, 2003). Dans un premier temps, ces études guident celui-ci dans la formulation de sa question de recherche et dans l’établissement de la méthodologie à adopter en vue d’y répondre. Dans un second temps, les études antérieures, et plus particulièrement les résultats qu’elles fournissent, sont comparées par le chercheur à ses propres résultats en vue d’alimenter la discussion.
Une fois sa recherche menée à bien, le chercheur présente les résultats obtenus à ses pairs. 11 commence généralement par des séminaires réunissant un nombre réduit de personnes qu’il connaît (ex. : ses collègues de département) ; Garvey et Griffith (1972) parlent d’une « friendly audience ». Il poursuit la dissémination de ses résultats lors de conférences qui rassemblent généralement de nombreux participants. Ces présentations sont l’occasion de recevoir les remarques, critiques et conseils d’autres scientifiques, avant la soumission de son manuscrit à une revue pour publication.
L’acceptation d’un article par une revue repose sur un processus appelé peer- review, traduit par « évaluation par les pairs ». Les reviewers d’un article, généralement au nombre de deux, sont choisis par l’éditeur de la revue sur base de leurs domaines d’expertise. Outre la qualité intrinsèque de l’article, l’intérêt potentiel de celui-ci pour le lectorat de la revue en question est considéré (Liesegang et al, 2003). À la fin du processus d’évaluation, chaque reviewer établit un rapport avec ses commentaires et appréciations. Sur base de ces rapports, l’éditeur prend une décision quant à la publication du manuscrit. 11 existe quatre cas de figure : le manuscrit est soit accepté sans modification, soit accepté sous réserve de modifications, soit rejeté avec encouragements à resoumettre une version modifiée, soit rejeté sans condition (Cook et al 2009).
Le premier cas est extrêmement rare. Quant au dernier, sa fréquence dépend de la sélectivité de la revue à laquelle le manuscrit a été soumis. Les revues généralistes (ex. : New England Journal of Medicine, JAMA, British Medical Journal), ainsi que celles qui sont les mieux classées sur base de leur Facteur d’impact, présentent un taux de rejet relativement élevé. À titre d’exemple, la revue Nature
