数据级别计量——概念辨析与实践进展，本文主要内容关键词为：进展论文,级别论文,概念论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
分类号 G250.8 1 科研数据开放共享的趋势与数据级别计量的诞生 科技信息开放共享的概念是由21世纪初的三份公开声明提出的：2002年2月的《布达佩斯开放获取计划》[1]、2003年6月的《贝塞斯达开放获取出版声明》[2]以及2003年10月的《柏林宣言：科学与人文科学知识的开放获取》[3]。在柏林宣言中，已将科研数据作为学术知识的一部分。世界经济合作与发展组织(Organization for Economic Cooperation and Development，OECD)在2007年的《OECD关于公共资助的科研数据获取的指导方针和原则》[4]中揭示了数据共享的基本原则：“开放性意味着在同等条件下，国际研究界以最低的成本——最好不超过传播的边际成本——来获取科研数据。公共资助的科研数据的公开获取应该是容易的、及时的、用户友好的，并且最好是基于互联网。”英国皇家学会(Royal Society)敦促科学家们在“可理解的开放”基础上，提供科研数据的开放共享和数据重用，其在2012年发布的《科学是开放事业》报告中指出：发布科学理论及其实证和观察数据是其他人判断、同意、拒绝、理解该项工作的基础[5]。可见，科学界对科研数据开放共享的态度和立场，早有定论和支持举措。 科技信息开放共享，已经成为世界主要科技大国的发展战略和实现目标。美国白宫科技政策办公室(Office of Science and Technology Policy，OSTP)指明：“无论全部或者部分受到联邦资助的科研项目，所产生的数字形式的科研数据都应该被存储起来，并且提供检索、获取和使用等公共访问和共享。”[6]欧盟Horizon 2020计划中的科技信息开放共享(Open Access to Scientific Information)包括两大部分：①经过同行评议而在学术期刊上发表的科学研究论文；②科研数据：出版物的底层数据或者原始数据[7]。在其《科学出版和研究数据开放获取2020年展望指南》(Guidelines on Open Access to Scientific Publications and Research Data in Horizon 2020)中明确指出：用户能够免费获取、挖掘、利用、重用以及传播开放的可评估的数据[8]。中国国务院总理李克强在全球研究理事会2014年北京大会上的致辞中指出[9]：“各国应采取多种方式，促进科学知识的广泛传播与共享……中国奉行互利共赢的开放战略……支持建立公共财政资助的科学知识开放获取机制，促进中国和世界科学事业共同发展。”综上所述，包括科研数据在内的科技信息政策已成为各国政府推进社会创新的重要途径之一。 然而，尽管世界上绝大多数科学家认同实施科研数据开放共享可促进科学进步，具有共同的潜在利益，然而大多数人在实际执行的时候，还是有所顾忌[10-12]。综合而言，科研数据开放共享的困难主要体现在五个方面： (1)科研数据的贡献未定：科学数据的贡献不被承认或者过于模糊。 (2)数据供应者未被认可：缺乏对科研数据的收集、处理、保护和对提供者给予必要的科研贡献认可。 (3)科研管理体系的忽略：承认和认可机制尚未纳入到现阶段的科研管理中。 (4)科研评价体系的忽视：数据贡献及其认可机制没有得到科学评价体系的尊重和认可。 (5)科研数据共享的权益保障不明确：数据贡献认可机制不在科学数据的转移、使用管理和效益分配中。 上述问题相互关联，成因多样，不能单靠某项政策或者方法来解决。其实，国际学术界已经注意到了这些问题，并探讨其中的原因以及变革需求。 科研成果贡献的评估，目前过度依赖期刊影响因子(Journal Impact Factor，JIF)，这个问题屡次被提出。《科研评估的旧金山宣言》(San Francisco Declaration on Research Assessment，DORA)[13]指出：“对科研绩效而言，JIF是一个误导性的措施……它鼓励操纵，太容易耍花招，而且不完全透明。JIF的主导地位有负面影响。”2014年国际科学理事会(International Council for Science，ICSU)的《科学数据和文献的开放获取以及科研计量》[14]，不仅赞同OECD关于科学数据开放共享的指导方针和原则，而且指出：“文献和数据的开放获取是必要的，但为科研进程的健全发展，仅仅如此还不够。评价科研成果和科研人员的理性程序也很重要，这才能使最好的研究得到支持。……作为一系列指标之一，论文级别计量(Article-Level Metrics，ALM)是一种鼓励基于科学内涵和贡献的更加平衡的评估。……指标是统计数据，指标所采用的样品数越少，它们就越不可靠，其‘明显’的‘客观性’可能是虚幻的。” 在《科研数据价值：数据计量的文化与技术视角》[15]的报告中，不同学者提出了对数据计量(Data Metrics，DM)或者数据级别计量(Data Level Metrics，DLM)的初步看法和要求。他们认为，科研数据的应用可以产生新的数据，因此，科研数据的开放共享会产生数据并返回到科研生命周期中的数据收集阶段，进而产生良好的循环效益。数据共享是数据计量建立的先决条件，而另一条路径，即数据计量促进数据共享，还需要未来长期观察，但它需要被关注并推动发展。 2 数据级别计量的历史传承与发展要素 数据级别计量尝试解决的问题包括科研数据出版、引用、共享等的记录、计算和计量，不同于以往人们所认识的面向文献的各种计量理论和方法。然而，它承继了以往这些计量科学的发展经验和精华。简要回顾数据级别计量的历史传承，有助我们探讨它的发展要素。 文献统计学(Bibliography in Statistics)是早期学者利用文献数量来观察科学与技术历史变化的一种方式[16]。1969年，普里查德(Pritchard)对文献统计学和文献计量学进行区分，指出后者是应用数学和统计方法探索书籍和其他媒体传播现象的研究工作[17]。同年，俄罗斯学者纳里莫夫(Nalimov)创造了Наукометрия一词。即今天的科学计量学(Scientometrics)，意指探索科学和技术的所有文献的计量方法[18]。1979年，德国学者纳基(Nacke)依据德文Informetrie一词提出信息计量学，意指将数学应用到信息资料处理上的方法，包括但不限于文献计量的方法和范畴，随后他在信息科学领域提出Informetrics作为专业术语[19]。Tague-Sutcliffe曾对文献计量、科学计量和信息计量做了较好的梳理、溯源和分析[20]。中国大陆学者邱均平教授认为：文献计量学是信息计量学发展的基础，也是科学计量学发展的基础，而信息计量学与科学计量学，则是文献计量学发展的方向[21]。中国台湾学者蔡明月教授认为：从图书馆计量学、书目计量学、科学计量学到信息计量学一路走来，各种矛盾与冲突不断，其根源可溯及传统图书馆学的新支，亦即在欧洲所称之文献学，以及移植美国之后所定名之信息科学的定义与内涵[22]。文献计量、科学计量、信息计量的发展表明，各种计量并非单独存在或者后者取代前者，而是相互影响，共同成长。 随着信息技术的变革，信息科学领域也在不断变化。1995年，博思(Bossy)提出网络计量学(Netometrics)作为描述互联网之间科学活动行为的专业术语[23]。1997年，芬兰学者建议用网络信息计量学(Webometrics)概括利用信息计量方法研究以网络为基础的信息交流现象[24]。许多学者为此重新审视和梳理各种计量学的方法和范围[25-27]。另外，学者们还拓展了专利计量学(Patentmetrics)等的研究[28-30]。 自20世纪60年代文献计量学发展以来，图书馆信息服务和情报研究也有长足进步。汤森路透(Thomson Reuters)在20世纪80年代开发的影响因子以及在Web of Science(WoS)的应用，使许多大学的图书馆员得以利用电子资源进行基于引文的影响力计量服务[31-32]。2004年，Elsevier旗下的Scopus开始提供不同学科的论文和期刊引用数据[33]。在2011～2012年间出现了Plum Analytics[34]、ImpactSory[35]和Altmetrics[36]等替代计量服务[22]，这类新兴的工具可计算人们利用一篇文章的浏览、下载、注释、打分、评语、推荐、引用等各种使用场景，不局限于依靠引文数据和有限的信息系统上的用户日志。英国青年科学家Tananbaum首先注意到Altmetrics和Article-Level Metrics(ALM)的异同点：它们都具有更加细致(more granular)和更加即时(more immediate)的计算能力，可计算文献被各种途径的使用情况；ALM更专注于分析单篇论文的文献使用周期以及包括引文和Web 2.0在内的各种数据，而Altmetrics可灵活运用于Web 2.0用户行为的计量方面[37]。不过，在很多学术讨论中，人们并不在意Altmetrics和ALM的区别，而更专注于它们与其他计量方法在实际应用上的不同。 国外已有Altmetrics和ALM的多个研究，既有综述Altmetrics的内容[38]，也有分析ALM的报告[39]，以及对两者作用的综述等[40]。另外，有人梳理Altmetrics的16项特点后，提出图书馆员若掌握这些工具，不仅能够成为科研人员的合作伙伴，还可具备更为丰富的学习支援能力[41]。有人检验社会网络服务的计量应用结果，认为它们确实能够有效评估单篇论文的实际影响力[42]。有人针对ALM，整理出一篇科研论文不同程度被利用的方式，以及它们所代表的综合影响力，包括从浏览、存档、讨论、推荐到引用的数据记录[43-45]。国内学者刘春丽(将Altmetrics译为选择性计量学)较早介绍了Altmetrics与网络计量学的异同以及Total-Impact工具[46]。邱均平与余厚强(将Altmetrics命名为替代计量)比较传统期刊出版与在线期刊出版的异同，介绍随着信息技术变革和信息需求的增加，Altmetrics快速发展的背景[47]。顾立平在两篇论文中，介绍了Altmerics和ALM的异同，并且从技术角度分析PLoS的ALMs数据模型和流程，以及如何制作这类数据发布系统，检测Web 2.0用户行为的优点和局限等[48-49]。如同网络信息计量学面临的课题不同，但仍然与其他计量学保持紧密关系一样，Altmetrics和ALM也有着相同情况，有时需要刻意区别，多数时候并不截然区分。例如，在有些文章中，论文作者把Altmetric.org和Altmetrics.com混淆，从而说不清楚post-peer-review是否算作Altmetric；还有些人把PLoS和SPARC分别给出的ALM完全看作一回事，这容易混淆工具和理念的差异，尤其PLoS提出的是类似Altmetric的开放数据APIs工具，而SPARC强调更多的是ALM和Altmetric.org的差别，注重它对学者记录(scholar records)的贡献。如果我们讨论ALMs的学者记录，必须把它放在科研数据管理政策的框架中考虑，特别是科研记录(scientific records)管理规范早有定论，而数据级别计量就是为满足这类政策实施过程而产生的。 简而言之，数据级别计量承袭的各种计量学如下： (1)文献计量学(Bibliometrics)，探讨各种索引摘要数据库出版文献的计量与分类，其基本概念与定律是其他计量学应用的基础，比如著名的三大定律：布拉德福定律(Bradford's Law)、洛特卡定律(Lotka's Law)、齐普夫定律(Zipf's Law)。 (2)科学计量学(Scientometrics)，观察科学活动与学术传播的现象，比如科学社群的知识交流模式与活动等。 (3)信息计量学(Informetrics)，测量信息的使用、传播及其影响。 (4)网络信息计量学(Webometrics)，利用信息计量学与科学计量学的方法研究网络空间(Cyber Space)现象的活动，包括：网络链接、网络挖掘(Web mining)、网页影响(Web impact factor)等。 (5)专利计量学(Patentometrics)，采用上述各种可能的计量方法，针对专利文本这种特殊文献载体的内容进行分析，例如专利排名算法(PatentRank Algorithm)。时常与其他计量学的研究成果进行比较和综合。 (6)替代计量(Altmetrics)，可以分析单篇论文也可分析单本期刊的影响力，而且它的时间计量单位是天而不是年，重视用户行为数据而非文献引用数据。 (7)论文级别计量(Article Level Metric，ALM)，专注于分析单篇论文，不仅包括文献引用数据，也包括更为细致的用户行为数据。 最近，研究信息生态学(Infodemiology)和信息观测学(Infoveillance，法语veillance意为观测)的信息生态体系(Info-epidemiology)正在兴起，它指的是信息在各种使用环节中每项活动的痕迹，经过汇总之后，得以对此信息进行准确客观的价值和影响力判断[50]。它的兴起与信息交流模式的快速变化，以及Altmetrics和ALM的快速发展相关。美国国家信息标准组织(NISO)在制定标准过程中，其项目部副主任Nettie Lagacc表示[51]：“引文分析无法对新的、普遍的文献产生的影响进行衡量，比如像Twitter、Facebook或博客等社交网络工具所产生的文献……而且，新的学术成果形式，如数据集、软件工具、算法或分子结构等，已经很常见，但是不容易，甚至无法通过传统的引用指标来衡量。”美国国家科研基金会(NSF)正在调整资助政策，考虑计算科研人员的所有产出而不只限于期刊论文的引用所反映的影响力[52-53]。人们对于新指标应超越传统的期刊影响因子，激励开放共享并且重视各类科研成果的价值充满期待。 3 数据级别计量的发展与应用 数据级别计量是能够为数据共享提供潜在激励的重要元素[54]。这些计量可以被包含在适当的专业与职业奖励结构体系中，并且有助于使数据共享与数据发布成为学者常规工作中的重要活动[55]。然而，对于数据集的计量还鲜有研究及文章提及，因为“数据计量”或者“数据级别计量”还是比较新的概念，在科学出版物中还没有得到广泛应用[56]。目前还不存在可以将从数据收集到发布整个过程的参与者都识别出来的数据计量标准[57]。因此，数据级别计量还是一个并没有被充分认识的概念，但是它的发展已经十分迅速。 数据级别计量是在数据共享背景下，主要和数据发布与数据引用相关的计量，包括但不限于Altmetric和ALM等。数据级别计量涉及三个核心概念。 (1)数据共享，指“个人或机构自愿将信息提供给以合法研究为目的的其他个人或机构的行为”或者“发布科研数据给其他人使用的行为”[58-59]。数据共享需要系统地收集、管理和传播数据，而这与如何计算数据提供者的贡献和数据共享后的实际被利用情况相关。 (2)数据引用，指在已出版文章的参考文献列表中正式引用的数据源，引用的数据可以产生特定的研究成果[60]。这个概念包含如下观点：数据集应该和其他学术产品一样发布，被视作一项科研成果[61]。数据引用有多种方式，例如，不仅仅在学术论文中引用，数据和数据之间也可以引用。 (3)数据发布，数据集需要被发布的观点印证科学出版模型，但批评者认为这种模型并不能适应与数据集共享和发布相关的所有情景[62]。数据发布时，包含哪些元数据内容，可以更容易被共享和引用，进而计算数据发布后的影响力，需要更深入的研究。 这三个概念使数据级别计量与Altmetrics和ALM以及其他计量学有所区别。 在对“引用”的理解上，虽然Altmetrics和ALM以及DLM都并不仅仅考虑文摘数据库商所提供的论文元数据、论文参考文献，以及数据库用户下载和浏览论文三种数据所组成的使用行为统计，但是DLM更进一步关注“数据”、“学术记录”以及与学术记录紧密相关的“个人”(学者或者数据使用者和提供者)。在引文游戏(Citation Game可翻译为引用博弈，但内文主旨实则嘲讽引文一事)[63]和引用革命[64]等文章，以及《超越文献计量》[65]专著中，研究者反思过去环绕“文献”或者“信息载体”的种种局限，将计量对象放到“个人”和“数据”的视角和框架下。笔者将数据级别计量产生前后所考虑的引用关系描绘如下(见图1、图2)。
