国外信息服务机构数据管理政策研究与分析_数据管理论文

国外信息服务机构的数据管理政策调研与分析，本文主要内容关键词为：数据管理论文,服务机构论文,国外论文,政策论文,信息论文，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。

      [中图分类号]G231 [文献标识码]A [文章编号]1003-2797(2015)05-0099-11 DOI：10.13366/j.dik.2015.05.099

      1 科研数据管理离不开信息服务机构的积极实践

      科研数据已得到学术界、出版界、图书信息服务界等的高度重视，已有若干学者对此展开讨论[1-5]。科研数据是指在科技活动或通过其他方式所获取的反映客观世界的本质、特征、变化规律等的原始基本数据，以及根据不同科技活动需要，进行系统加工整理的各类数据集[6]。科研数据管理(Research Data Management，以下简称RDM)包括数据选择、组织、描述、保存、访问、使用和评估等工作过程、实践操作，涵盖了从制定标准、数据映射至不同仓储到元数据创建、语义注释和文献链接等广泛的活动，处理后的数据具有增值的普遍特征[7]。这多方面的RDM强调与外界环境(政策、机构)以及人之间的协调[8]。

      目前，国内外已有若干研究，国外如Kim[9]指出RDM服务可以增加科研人员对自己数据的管理，Shen和Virgil[10]调研了美国约翰霍普金斯大学的数据知识库的实施情况，Stephen Kutay[11]分析了科研教育机构在进行数据资源管理时需要注意的一些问题，Davidson[12]分析了目前英国正在实施的数据管理项目，著名信息搜寻行为研究者Gary Marchionin在武汉大学介绍了iSchool的RDM经验[13]，Jelte[14]也曾说数据共享应该是规则而不应该是特例；国内的研究主要集中于国外实践管理政策的归纳总结，如顾立平[15]分析了RDM中的权益问题，吴振新[16]对比了5所大学RDM的政策，吴新年[17]、沈梦轩[18]分析了RDM政策的服务和实践，黄如花从科学元数据的功能需求分析、标准建设等方面分析了国内外科研数据元数据的研究进展[19]，杨云秀、顾立平等人也对国外科研教育机构和科研资助机构的数据政策进行了分析[20-21]。研究美国、欧盟等国外知名信息服务机构的RDM政策有助于我国信息服务机构制定更加完善的数据管理政策。

      近年来，国内已有引领RDM服务的实践，比如2011～2012年，在CALIS三期项目建设中，武汉大学图书馆尝试开展了RDM服务：确定试点院系，搭建共享平台，并开始面向全校提供数据存储和共享服务[22-25]机制和平台。所取得的几项研究成果包括：对比国外高校的科研数据生命周期的管理模型[26]、国内外高校数据共享平台的整理[27]、国外政策以及国内科研教育体系的科研数据服务发展[28]、国内高校用户对RDM的需求调查[29]、武汉大学图书馆在社会RDM方面的实践[22]、武汉大学图书馆实行RDM的案例分析[23]，以及建立科研数据知识库的经验总结[30]等。由武汉大学、中国科学技术信息研究所、澳大利亚南昆士兰大学等于2014年10月26～27日联合举办的COINFO 2014专门介绍了科研数据的引用、发布与共享[31]，这些具体实践都为我国信息服务机构开展RDM提供了良好的基础。

      RDM是解决科研成果完整性、科研数据规范化问题的有效方式，通过对科研数据的管理，能够提高研究的可见性，促进学术成果的严谨性，提高研究的质量，通过再利用提高资源的效率，促进科研人员发现更多更新更有价值的问题，提高科学的完整性以及推动科学的进一步发展[32]。

      中国科学院文献情报中心对RDM开展了相关的研究和实践。在此基础上，为积极面对国内外的数据管理政策变化，结合现阶段科研人员的实际需求，本文从信息服务实践的角度，提炼了DRM的政策要素，以期为我国的RDM政策制定提供参考借鉴。

      2 信息服务机构RDM政策要素的框架分析

      科研数据的管理更加注重完整流程，从数据创建、存储，到后续的管理和完善，直至实现科研数据的共享，都是RDM的内容，如图1所示。

      

      图1 RDM内容框架[33]

      在遵循科研资助机构与科研教育机构的数据管理政策的基础上，制定良好的RDM政策，人们通常考虑“机构要管理什么数据，数据创建之后如何进行存储和保管，才能在保证相关人员权益的同时实现数据的最大化利用”，如果按照这个思路对信息服务机构的科研数据政策进行分析讨论，则可进行研究提问：

      提问1：管理什么？信息服务机构要管理哪些科研数据？需要遵循怎样的规则？

      提问2：如何管理？科研数据创建之后，信息服务机构要如何实现对这些数据的保管、整理？

      提问3：怎么使用？信息服务机构要如何保障各方面的权益，从而实现数据的最大化利用？

      根据这三个研究提问，借鉴《前瞻导论》[34]的政策内容分析方法，细分为若干可观测的研究问题，如表1所示。

      信息服务机构是负责收集、处理、加工信息的机构，也是对科研数据实施管理的机构，主要包括科技情报所、图书馆、信息中心、咨询公司等，无论是隶属于学校的图书馆，还是专门的信息服务中心，其科学研究一般都受到科研资助机构的资助，所以信息服务机构的政策既要遵从科研资助机构关于RDM的政策要求，又要有自身独特的数据政策规定，部分信息服务机构的科研数据政策还要符合所在大学的政策要求。

      以科技信息政策中心编译的《欧盟图书馆实施科研数据管理的案例汇编》为基础，实施滚雪球法，选取具有代表性和借鉴意义的10个研究对象，如图2所示。以下简称剑桥大学图书馆(LCAM)、麻省理工学院图书馆(LMIT)、耶鲁大学图书馆(LYL)、纽约大学图书馆(LNY)、斯坦福大学图书馆(LST)、约翰霍普金斯大学图书馆(LJH)、康奈尔大学图书馆(LC)、伦敦国王学院图书馆(LKCL)、维也纳大学图书馆(LU)、内梅亨大学图书馆(LR)。

      

      

      图2 研究对象

      3 信息服务机构的科研数据存缴内容要点

      3.1 信息服务机构支持RDM的多重角色

      在E-science环境下，科研数据呈现指数型增长趋势[35]。图书馆能够从不同角度提供各种数据服务，Auckland[36-37]指出图书馆员能够提供数据咨询服务、数据分析、数据存储等服务；Anna也认为图书馆能够在国家数据管理规划和发展策略制定、高校RDM实施、RDM人才培养方面发挥重要作用[38-39]；Cox[40]提出图书馆在RDM中扮演着政策和宣传、支撑和培训、审核和数据库存储的角色；Luis提出图书馆员在未来RDM中肩负着“数据监管员”(data curators)的责任[41]；Lyon将图书馆的潜在作用与科研生命周期模型进行映射，指出图书馆能够在RDM中提供RDM收集、RDM策划、RDM信息服务、科研数据引用、RDM培训、科研数据许可、科研数据评估、科研数据存储、科研数据获取和科研数据影响力十个层面上的服务[42-43]。也正是由于科研数据具有的科研价值、经济价值和社会价值，并且是独一无二的，一旦遭到破坏将无法恢复，而信息服务机构作为信息的管理中心，既能够对数据资源进行标引、分类及整理，又能确保数据资源的安全性，因此信息服务机构在科研数据的保存和利用方面具有不可替代的作用。

      3.2 信息服务机构要求作者提交的科研数据内容

      科研数据内容是反映客观事物基本特征及其变化规律的原始基础数据。内容包括但不限于：①调查数据；②实验数据；③访谈数据；④教育数据；⑤工作文件等。许多大学图书馆在进行RDM时都列举了所要存储的科研数据的具体类型，比如LR存储的科研数据包括收集到的各类数据(如访谈数据、视频数据、调查数据、定量数据、核磁共振数据、观测数据、实验数据等)[44]。LYL也给出存储的数据包括各种调查数据、模拟数据、实验数据和其他可编译数据等[45]。LMIT管理的数据内容包括会议论文、图片、预印本、技术报告、论文、工作文件、科研数据集等[46]。LJH也规定数据可以是实验数据、观察数据等，但是数据内容必须是包括可以进一步使用和评价的记录、已发表的科研成果等，无法再进一步利用的数据是不能被存储的[47]。也有一些机构比较特殊，对数据存储内容没有特定要求，如LU存储的科研数据形式可以是观测数据、实验数据、也可以是派生或衍生数据、引用或规范数据以及生成数据，除此之外，还可以有教学意义上的科研数据[48]。

      3.3 信息服务机构对科研数据存储格式有所要求

      科研数据的格式影响着其开放和引用，是确保科研数据能够长期获取的关键，主要包括：①开放的；②不依赖于软件的；③非专业；④未加密；⑤非编译格式等，这种格式的数据更容易被保存和使用，也不会受到软件限制。如LMIT指出为了保证科研数据能够在未来一段时间内可以被发现，提出了数据保存时的优选格式——ODF、ASCII、MPEG-4、TIFF或JPEG2000以及XML[49]。LKCL也提出无论在分析时使用何种格式，但是在进行数据保存时最好使用通用的格式，尽量不要存储诸如RTF、Excel、SPSS这种依赖于软件的文件格式[50]。LST虽然也要求存储开放格式的数据，但是如果格式转换会造成数据丢失，则也可以存储专业格式及其readme.txt文档和相关读取软件[51]。也有部分图书馆比较例外，如LYL认为任何类型的数字文件(录像、文本、照片、数字等)都可以被存储[52]。

      4 信息服务机构科研数据的质量管理要点

      4.1 协助创建个人DMP

      良好的数据管理计划(Data Management Plan，简称DMP)是科研数据共享的前提，它不仅可以帮助科研人员管理科研数据，满足资助者的要求，而且还能够提高资源的共享度。因此，很多机构都提出通过DMP来帮助科研人员实现数据资源的管理。DMP的内容一般包括：①项目、实验、数据的描述；②文档、组织和存储；③访问、共享和重用；④归档等[53](见图3)，如LMIT、LST、LCAM、LYL、LNY、LC、LJH、LR等均提出需要清楚地描述科研数据的创建、内容、管理人员、发布、共享权利、存储位置等相关方面的政策，编制成在线模板供科研人员使用，且提供了科研数据创建工具DMPTool，帮助科研数据成为现在和未来可用的最佳实践[53-59]。此外LMIT、LC等还提供了DMP的实例链接。

      4.2 积极开展RDM的培训工作

      图书馆员是科研管理工作的主要执行者，其对科研数据的认识程度直接决定了RDM工作执行的好坏，因此，很多学校专门开设了培训课程，主要包括：①针对于图书馆员的培训，使其对RDM工作所需的专业技能有更全面的了解，为科研人员提供管理科研数据的支持；②针对科研人员及学生的培训，帮助他们了解科研数据的重要性，增强对科研数据的认识。LMIT[60-61、LCAM[62]、LNY[63]、LJH[64]等提供了各种各样的数据管理培训班帮助科研人员学习如何管理科研数据、如何进行科研数据的文件组织以及如何进行科研数据的版本控制等课程，所有课程都可以通过主页进行查找。LKCL也开设了类似的课程，除了提供相关培训材料和课程时间安排外，还设置了课程反馈意见调查，内容主要包括[65]：①你希望从课程中学到什么？②你已经学到了什么？③你还想学习哪些内容？④你认为课程的优点是什么？⑤你认为课程还有哪些地方需要调整？⑥你愿意向其他人员推荐该课程吗？⑦其他建议。LR建立了一个专业科研数据中心，要求所有员工都必须拥有RDM服务(开发)的知识，还专门为博士生开设了RDM课程[66]。

      

      图3 麻省理工学院图书馆的个人DMP[53]

      4.3 设计符合需求的科研数据元数据标准

      科研数据元数据标准包括但不限于[67]：①标题；②创建者；③标识符；④日期；⑤主题；⑥资助者。由于不同学科特点不同，因此各信息服务机构也都针对自身特点给出了不同的元数据标准。LMIT规定了科研用户上传数据时的元数据内容(见表2)，并且建议用户在搜集和创建元数据时应该对数据产生、组织以及加工过程、缩写等都做好笔记。

      LYL[69]、LNY[70]、LST[71]等也都给出了科研数据上传的元数据描述标准，指出采取何种标准依赖于数据的类型、规模以及所属学科，而LC还特别提供这种说明性文件(命名为readme)[72-73]。相比科研用户自身存储数据，由图书馆统一管理下的科研数据资源更加结构化，有利于储存、检索和挖掘分析等相关利用。

      

      4.4 规范化科研数据的文件命名格式

      文件命名格式可以反映文件的特征、内容，因而需要有足够的描述信息以识别数据文件。文件命名包括但不限于：①项目缩写；②实验名称；③实验位置；④观察员；⑤观察年份；⑥数据类型；⑦版本号；⑧文件类型，同时为了便于自动化处理，文件名中一般很少涉及特殊字符以及空格，通常会使用“—”或“_”来代替，比如LMIT[74]的其中一种文件命名格式为：

      [type of file]_[specimen number]_[version]_[collector]_[YYYYMMDD]_[geolocation].[ext]

      比如蝴蝶项目中一张图片的名称即为image_12345_v1_mcneill_20140117_42.3598N71.0921W.tif

      从这个名称中我们可以清楚地看出图片所描述的内容，这对于数据文件的归类整理、资源共享、查找都有非常重要的作用。LYL[69]、LC[75]、LST[76]等也给出了类似的数据文件命名格式。

      4.5 协助设计合理的科研数据存储时间

      数据的存储时间一定程度上决定了数据的发现和访问服务，对支持科研数据的生命周期具有非常显著的意义。存储时间一般包括：①有时间限制(4年、7年、10年)；②无时间限制(永久保存)。如LKCL规定，如果是由项目资助的已发表科研成果，那么将会保存7年，而未受到项目资助的，会根据情况保存4年；对于没有历史价值且可以二次使用的科研数据，根据兴趣保存4年，而对于有历史价值的科研数据，则在存储时要识别主题和国家，具体时间没有限制77]。也有图书馆对所有数据采取同样的保存期限，如LR要求科研人员致力于保持与他们的学术出版物相关的数据可获取的时限至少为10年[44]；LU开发了一个系统——Phaidra，倡导持续引用的数据政策：“一旦在Phaidra中，就一直在Phaidra中”，以此来实现数字资源和资产的永久托管、存储和索引[78]。

      4.6 建立数据知识库，提供外部链接，协助科研用户存储科研数据

      数据知识库的使用可以帮助科研人员管理数据、统一引用标识符、提高数据的可发现性以及促进数据的长期保存。在数据的存储位置上，通常有：①学校的数据知识库；②公共数据知识库，比如LJH、LCAM、LU、LST都分别开发了自己的知识库JHU Data Archive[79]、DSpace平台[80]、u：scholar[81]、SDR[82]，鼓励师生存储论文、科研数据等资源，但是LCAM还建议关键性的数据应该存储在不同位置而不仅仅是一个数据库中[83]。LMIT还对数据类型进行了区分，其中由LMIT和HP公司合作研发的DSpace平台、麻省理工与哈佛数据中心共同研发的DVN平台，就是专门储存学校教师、研究人员、部门、实验室人员的数字科研成果、教学成果的数据知识库；对于社会科学，可以存储在ICPSR上；此外，图书馆还可以协助科研人员将数据存储在DataBib、re3data.org、OAD上[84]。LC在NSF的资助下，建立了康奈尔地理空间信息库(GUGIR)和美国农业部经济、统计与市场信息系统(USDAESMIS)两个数据储存库，供研究人员存储、分享和发布数据，在此基础上，还开发了数据阶段型存储库(Data Staging Repository，DataStaR)[85]。LNY[86]、LYL[69]等虽然没有专门的知识库，但都提供了不同学科知识库的链接供用户参考。

      5 信息服务机构的科研数据开放共享的要点

      5.1 规范化科研数据的引用格式

      数据引用不仅指文献之间的参考文献，也可以指数据和文献、数据和数据集、数据和数据之间的多重关系[87]，这对于提高科研人员的个人绩效具有一定的影响。在引用科研数据时，一般包括：①作者；②标题；③出版年；④出版商/经销商；⑤URL、标识或其他访问位置等。目前，数据知识库往往赋予每个数据集一个唯一标识符(DOI)，这个标识符能够快速准确识别数据，对于数据引用至关重要，部分机构库还提供数据引用格式，供用户参考。比如LMIT[88]、LJH[89]的社会科研数据服务(Social Science Data Services)指出了数据引用的意义，并规定引用数据时必须包含作者、标题、出版年、出版商/经销商和URL、标识或其他访问的位置五项内容，给出了数据引用的案例及其链接，LYL[90]、LC[91]等也给出了同样的数据引用格式，科研人员可以参考给出的格式实现对数据的引用。LCAM以FAQ的方式介绍了数据的引用，他们认为数据引用没有统一格式，不同学科数据的引用格式也不同，同时给出了密歇根州立大学图书馆以及LMIT数据引用格式标准的链接，供用户参考[92]。

      5.2 协助制定合理的科研数据使用许可及使用范围

      知识成果的使用权利必须通过一系列的条件与限制予以界定[93-94]。

      在使用许可上，可以是：①Creative Commons；②Open Data Commons。如LCAM鼓励用户使用DSpace平台上的数据，为了鼓励对平台上资源的再利用，规定了Incremental和DataTrain项目上的数据许可在BY-NC-SA-2.0，U.K之下，PrePARe项目上的数据许可在BY-SA-2.0之下[95]。对在SDR数据库中数据的使用许可上，LST给科研人员提供了两种选择——Creative Commons(以CC0为主，其他CC BY为辅)和Open Data Commons(PDDL、ODC Attribution License、ODbL)，科研人员可以根据自己的意愿来选择使用哪种许可[96]。LMIT将数据分为自己创造/搜集的数据和从其他来源搜集的数据，其中自己创造的数据应该遵从CC许可的规定，而其他来源数据只能用于教育或科研使用，而不能作他用[97]。

      在使用范围上，可以是：①机构内部人员使用；②机构以外人员使用。如LKCL、LR等都明确规定，作者提交数据时，应该标识出谁可以获取及使用这些数据？数据将如何使用的问题。LR还规定所有发表的科研数据都可以被反复检验，数据资源是对图书馆内所有成员单位(用户、信息服务机构)共享的，当然前提是必须谨慎处理科研数据和诚信学术实践之间的关系[44]。LMIT的DSpace平台和DVN平台中的科研数据是面向全世界用户开放的，最大限度地实现了开放共享。

      5.3 合理划分科研数据类型，注重科研数据的隐私保护，创造良好的保存环境

      安全的数据保存环境是保证科研数据有效传递的重要基础。当涉及机密数据、敏感数据或受试者数据时，科研数据的管理就变得更加重要了。数据类型一般包括：①禁止类数据；②限制类数据；③保密类数据；④公开类数据。数据的隐私保护一般根据数据的类型进行区分，如LST就把数据分为了以上4类并提供了三种数据存储方式，Secure AFS——四种类型均可存储，但其中的Standard AFS只允许存储公开和保密型数据；Secure IGFS——存储公开、保密和限制型数据，Standard IGFS允许存储公开和保密型数据；Online Archive Storage——允许存储公开、保密和限制型数据[98]。在数据共享上，要对数据类型实施修改以保证数据能被共享，同时鼓励科研人员保留多个版本的科研数据，一种是适合公开的，另一种是在严格限制条件下可以展开进一步研究的[99]。当涉及人类受试者数据时，共享将会受到斯坦福机构审查委员会(IRB)的监督，而且对科研分析工具也有要求，在搜集和管理病人健康或其他敏感类信息时，只能使用REDCap、STRIDE、Qualtrics三种工具，Excel不能充当搜集工具，只能分析不含个人信息或匿名化的数据[100]。LKCL更是规定，个人数据的开放使用权利由个人来决定，即便是学院，也必须是在非常必要的情况下才使用个人科研数据，并且匿名数据是首选数据源[101]。

      6 结论与展望

      6.1 信息服务机构的政策要素

      综上所述，针对本研究所提出的三个研究问题可将信息服务机构的RDM政策要求归纳为三方面：科研数据存缴内容规范、科研数据质量管理规范、科研数据共享规范，如表3所示。

      信息服务机构作为RDM的最佳实践者，对科研数据的筛选、DMP的制定、科研数据的描述与保存、科研数据的共享与使用都有重要的指导作用，因此，科研信息服务机构在制定RDM政策时，可以增加与数据存缴、数据质量、数据共享相关的政策内容。此外，在政策制定上，信息服务机构往往还会受到科研资助机构和科研教育机构的指导，因此需要遵循两者在RDM方面的政策。

      6.2 科研数据政策的制定需要从实践中来，并接受实践检验

      本文通过文献综述，采取合理竞替的方法对国外10个信息服务机构的RDM政策要素进行了归纳提炼，形成了初步的政策要素，但我国实践过程中可能存在的问题还需要在实践基础上对数据管理政策内容进行细分和修订。

      6.3 未来研究展望

      随着信息技术的发展，数据资源越来越多，数据管理已成为一种必然趋势。若要激发科研数据的全部潜力，需要进行资助机构政策、研究教育机构政策、学术期刊的数据政策，乃至新兴的数据级别计量(Data Level Metric)等研究与实践。

      本文调研了国外现有的信息服务机构的政策，形成了初步框架，未来还需要在访谈科研人员的基础上进一步累积和深化实施方案，包括《最佳实践》和《信息服务机构的数据管理政策指南》等的研究和政策咨询服务。若干研究提问包括但不限于：

      (1)如何提高人们对数据引用的意识？激励科研人员真正地去提供他们的科研数据，是否可以设立一些小的、有激励性的榜样赋予科研人员象征性的奖励，例如“每月最佳数据分享者”？

      (2)科研数据的管理是为了促使资源能够被更多的科研人员发现，进而产生更多的科研成果，但是科研数据的价值如何能够得到体现？是否只能通过引用？又如何使用指标跟踪数据的引用？除了永久标识符，是否还有其他途径？

      (3)如何将RDM服务嵌入到大学图书馆的专业科研数据中心？如何建立嵌入到科研院所或大学的基础设施？如何实现并提高RDM的嵌入式服务？

      (4)科研数据的描述往往是非规范的，是否需要建立术语服务器的受控词表供用户参考？

      (5)在我国现有的科研政策体系下，图书馆在数据管理中可以发挥怎样的作用？图书馆员呢？如何针对不同的数据类型及学科特点，制定不同的数据管理政策？

      

      目前中国科学院文献情报中心的科技信息政策中心已经全文翻译了《机构知识库进行科研数据管理的政策指南》一文，而且在2015年10月预计将举办第四届中国开放获取推介周，期待有更多同行对RDM的共同研究与推进。

      致谢：中国科学院文献情报中心科技信息政策中心组织编译了《欧盟图书馆实施科研数据管理的案例汇编》报告，并在机构知识库(ir.las.ac.cn)上开放共享。

标签：数据管理论文;  大数据论文;  用户研究论文;  信息存储论文;  用户调研论文;  用户分析论文;