Un petit guide pour une collecte efficace de données sur le terrain – Methods Blog

Article fourni par Faith Jones, Helen Spence-Jones et Caroline Greiser

Le travail de terrain est le fondement de la science écologique. Des études d’observation et de surveillance aux expériences réalisées dans des conditions complexes du monde réel, en passant par les modèles de vérification sur le terrain : nous ne pouvons pas espérer comprendre l’écologie si nous ne vérifions pas réellement ce qui se passe dans la nature. L’amour du plein air a également attiré beaucoup d’entre nous vers des carrières en écologie : le travail sur le terrain reste une source de joie, de fascination et d’inspiration, ainsi qu’un élément essentiel de la recherche biologique.

Même si cela nous plaît, la recherche sur le terrain n’est pas toujours facile. Les choses tournent mal. Les choses ne fonctionnent pas. Les choses se cassent. Des accidents arrivent. Données perdues, échantillons mal étiquetés, enregistrements incorrects qui ne sont pas capturés, points de données orphelins… Il est trop facile de trouver un échantillon malveillant dans un congélateur dont l’étiquette n’a aucun sens et dont personne ne se souvient de l’avoir collecté – ou de se rendre compte qu’un problème logiciel gênant a brouillé les métadonnées sur un disque dur rempli de photographies sans aucun autre moyen de savoir où et quand elles ont été prises. De telles frustrations peuvent arriver à nous tous et, dans certains cas malchanceux, peuvent avoir de graves conséquences sur une étude.

Bien entendu, aucun d’entre nous n’est à l’abri d’une malchance, d’un moment de maladresse ou d’une erreur de jugement passagère – et c’est pratiquement un rite de passage pour les nouveaux chercheurs que de commettre des erreurs. De tels faux pas peuvent nous apprendre la résilience, la flexibilité et le noble art de soupirer de façon fataliste et de changer de plan pour la septième fois dans la matinée. Ils nous rappellent que la recherche écologique est complexe : peu importe le soin avec lequel nous planifions, il peut toujours y avoir un facteur ou un événement imprévu qui pose problème.

Les trois auteurs de cette étude ont passé de nombreuses journées, semaines et mois à travailler sur le terrain. Nous avons participé à des contrôles à long terme et à des expériences à court terme ; nous sommes restés dans des stations de terrain permanentes et avons erré dans la nature sauvage avec un sac à dos et une tente ; nous avons enregistré des données avec du papier et un crayon, des gadgets de pointe et même sur des appareils qui sont désormais techniquement des pièces de musée. Et aucun d’entre nous n’est étranger aux choses qui tournent mal, ou aux heures, voire aux semaines, passées à se démener pour reconstituer ou récupérer des données par la suite. Nous nous souvenons de certaines de nos erreurs de débutant avec une clarté (douloureuse) vive, mais heureusement nous pouvons en rire maintenant : le sens de l’humour est parfois une compétence importante sur le terrain ! En fin de compte, nous avons appris de nos expériences.

Mais nous pensons que toute sagesse ne doit pas nécessairement être acquise durement. Nous avons écrit ce guide pour nous-mêmes – ou, plus précisément, pour nos versions juniors, partant en voyage avec un nouvel optimisme et une petite idée de toutes les façons intéressantes dont les choses peuvent mal tourner. Nous nous sommes concentrés sur les choses que nous aurions aimé savoir avant de commencer : les petites habitudes qui valent la peine d’être adoptées et qui peuvent nous faire gagner beaucoup de temps et de frustration à long terme, ou qui peuvent être la grâce salvatrice en cas de malchance.

Certaines des choses que nous avons proposées sont conçues pour éviter les problèmes, comme faire attention à la cohérence de l’étiquetage et s’assurer que tous les membres de l’équipe sont au courant des changements de protocole. D’autres concernent le contrôle des dommages et la récupération en cas de problème, par exemple en effectuant des sauvegardes et en intégrant des redondances dans la conception de la collecte de données. Quelques-unes comptent pour les deux, comme la normalisation des routines de collecte de données ou la réflexion explicite sur la structure des données.

Notre liste n’est ni exhaustive ni exhaustive – et nous ne parvenons même pas toujours à suivre nos propres conseils ! Nous espérons néanmoins qu’il sera utile comme point de départ pour susciter des discussions dans les groupes de laboratoire et les équipes de terrain : qu’il sera repris, adapté et étendu pour les futures saisons et projets de terrain. Et si cela évite à une seule personne de perdre un ensemble de données, de devoir refaire une série de mesures à la fin d’une longue journée, ou de se disputer avec un collègue pour savoir si une valeur est un « 1 » ou un « 7 »… alors nous considérons cela comme un succès.

Lire l’article complet ici.