Bien définir les populations ou les corpus – notion de population ouverte ou fermée
Une fois la décision prise et le logiciel choisi en fonction des objectifs de la base (sur ce point important que nous n'abordons pas, il est bien entendu intéressant de consulter des informaticiens mais aussi et surtout, des collègues qui ont construit des bases de données lors d'un projet historique ou en sciences humaines et sociales), il faut cerner la population ou le corpus visé.
S'il existe un critère clair permettant de décider si une entité appartient ou non à la population ou au corpus, on dira que celui-ci est fermé. Par exemple, les références du Répertoire bibliographique mathématique (voir l'étude de cas n°1). Si au contraire, il n'y a pas de critère permettant de délimiter franchement la population, on dira que celle-ci est ouverte. Par exemple, le corpus des « journaux mathématiques » du projet CIRMATH (conçu comme l'ensemble des journaux publiant régulièrement une rubrique de mathématiques – voir l'exercice ci-dessus). Dans ce cas, l'expertise des chercheurs qui alimentent ou contrôlent la base est un élément essentiel pour la qualité de la base.
Cette nuance est particulièrement sensible lors de l'interprétation des résultats obtenus à partir de la base. Dans le cas des références du Répertoire bibliographique mathématique, les pourcentages et les statistiques ont un caractère objectif indéniable (à condition bien sûr de se souvenir que cette objectivisation s'étend sur le corpus des références du répertoire et non pas sur la production mathématique du 19e siècle). Par contre dans le second cas, les contours de la population restent assez flous, les résultats statistiques établis sur l'ensemble de la population ne peuvent avoir qu'un caractère heuristique. Certaines analyses statistiques effectuées sur des sous-corpus mieux délimités (à la fois par la base et/ou par des critères externes) peuvent avoir quant à elles plus de légitimité objectives.
