□楊鶴林

數(shù)據(jù)監(jiān)護:美國高校圖書館的新探索

□楊鶴林

近年來美國高校圖書館在國家機構(gòu)支持下開始了數(shù)據(jù)監(jiān)護的研究和實踐,該文辨析數(shù)據(jù)監(jiān)護的概念,闡述其對支持高?？茖W研究的重要作用,并介紹了數(shù)據(jù)監(jiān)護在美國的最新進展,提出國內(nèi)圖書館應當及時開展相關(guān)實踐。

科學數(shù)據(jù) 數(shù)據(jù)監(jiān)護 高校圖書館

20 世紀70年代,科學數(shù)據(jù)共享開始在國外出現(xiàn),許多國際組織和政府對此予以高度重視;90年代初美國將“完全與開放”的數(shù)據(jù)共享政策作為聯(lián)邦政府在信息時代的一項基本國策;我國也在2002年正式啟動“科學數(shù)據(jù)共享工程”,全面推動數(shù)據(jù)共享建設。高校圖書館在數(shù)字資源長期保存領域的研究已經(jīng)有20余年,但未對科研過程中所產(chǎn)生的大量數(shù)據(jù)給予足夠重視;此外,單純進行保存工作,無法充分發(fā)揮高校圖書館在信息管理、信息增值方面的職業(yè)優(yōu)勢,限制了圖書館學科服務的進一步提升。近年來,上述問題開始得到重視,數(shù)據(jù)監(jiān)護(data curation)服務逐漸成為國外圖書館界科研及實踐的新熱點,其中以美國高校圖書館表現(xiàn)最為活躍。

1 數(shù)據(jù)與數(shù)據(jù)監(jiān)護

1.1 數(shù)據(jù)的定義

數(shù)據(jù)監(jiān)護中所謂的“數(shù)據(jù)”,并非計算機科學中所指的以數(shù)字化形式編碼的“數(shù)據(jù)”。英國 JISC(Joint Information Systems Committee,聯(lián)合信息系統(tǒng)委員會)是較早開展相關(guān)研究的學術(shù)團體,它將“數(shù)據(jù)”定義為“原始的研究數(shù)據(jù)”[1];美國NSF(the National Science Foundation,國家科學基金會)將“數(shù)據(jù)”的定義進一步細化為“所有能以數(shù)字化形式存儲并能以電子方式獲取的信息,包括數(shù)字、文本、出版物、感應器讀數(shù)流、視頻、音頻、算法、軟件、模型 、模擬、圖像等 ?！盵2]

通過上述定義我們可知,數(shù)據(jù)監(jiān)護中的“數(shù)據(jù)”專指科學數(shù)據(jù),即科學研究中通過測算、計量、觀察、訪談、調(diào)查、設計、建模等方法獲得的,并能以現(xiàn)代信息技術(shù)保存和獲取的記錄。

1.2 數(shù)據(jù)監(jiān)護的定義

Curation一詞源于博物館學,意為“策展”,表示對藏品持續(xù)養(yǎng)護并推出有主題的展覽,最終提高館藏面世率,促進科研和教育。JISC在2004年的相關(guān)報告中專門就圖書館中的curation及相關(guān)概念作了解釋:

數(shù)據(jù)監(jiān)護(curation)是為確保數(shù)據(jù)當前使用目的,并能用于未來再發(fā)現(xiàn)及再利用,從數(shù)據(jù)產(chǎn)生伊始即對其進行管理和完善的活動。對于動態(tài)數(shù)據(jù)集而言,數(shù)據(jù)監(jiān)護意味著需進行持續(xù)性補充和更新,以使數(shù)據(jù)符合用戶需求。

數(shù)據(jù)存檔(archiving)是合理對數(shù)據(jù)進行選擇及儲存,以確保其物理上及概念上的完整性,以及具備可獲取性、安全性和可靠性的活動,它從內(nèi)容層面確保數(shù)據(jù)的可用性。

數(shù)據(jù)保存(preservation)是對具體數(shù)據(jù)對象進行持續(xù)維護,以確保其在硬件技術(shù)變革后仍能被讀取和理解的活動,它從技術(shù)層面確保數(shù)據(jù)的可持續(xù)性[3]。

其他學者對數(shù)據(jù)監(jiān)護的定義基本與JISC類似,Shreeves認為“數(shù)據(jù)監(jiān)護是在數(shù)據(jù)供學術(shù)、科學及教育所用的生命周期內(nèi)對其進行持續(xù)管理的活動,包括評價、篩選、重現(xiàn)及組織數(shù)據(jù)以供獲取和使用。”[4];Choudhury認為“數(shù)據(jù)監(jiān)護是對數(shù)據(jù)進行收集、組織、驗證及保護,以供科學家在面臨各種研究挑戰(zhàn)時使用的活動?！盵5]

由上可見,數(shù)據(jù)監(jiān)護有三個特點:首先它是一項持續(xù)性任務;其次它對數(shù)據(jù)進行系統(tǒng)性維護;再次它通過推送數(shù)據(jù)為科研服務,最終實現(xiàn)數(shù)據(jù)的價值。

2 數(shù)據(jù)監(jiān)護的意義

2.1 數(shù)據(jù)監(jiān)護可完善高校的小型科學研究

目前跨國合作的超大型科研項目,如人類基因組計劃,由于受到重視,資金雄厚且參與者眾多,基本都制定了縝密的數(shù)據(jù)政策,有專人維護并發(fā)布數(shù)據(jù)。專業(yè)科研系統(tǒng)中獲得的數(shù)據(jù)也有對應的機構(gòu)進行處理,如中國科學院早在1982年就在“七五”規(guī)劃中開始了科學數(shù)據(jù)庫建設,“十五”結(jié)束時子庫達503個,涵蓋物理、化學、地球科學、能源與材料、信息科學等多個方面。

與之形成鮮明對比的是,眾多分散的、地方性的、通常由一位或幾位學者負責的小型高?？蒲许椖繀s至今缺乏統(tǒng)一的數(shù)據(jù)管理平臺,值得注意的是,小型科研積累的數(shù)據(jù)總量其實非常驚人,據(jù)估算為大型科研項目的二至三倍,這些數(shù)據(jù)通常保存在項目組成員的計算機和服務器里,由研究生維護,格式紛繁復雜,既沒有統(tǒng)一標準,也沒有分享機制,更缺乏項目完結(jié)后對數(shù)據(jù)的長期利用策略[6]。

小型科學是人們認識和了解特定局部事物的重要手段,可以說是科學界的“地方志”。長期忽視小型科學的數(shù)據(jù)是非常不合理的,對此美國NIH(National Institute of Health,國立健康研究院)從2003年起要求年度預算達到50萬美元的項目在申請時必須制定數(shù)據(jù)共享方案[7]。圖書館作為高校的信息中心,通過開展數(shù)據(jù)監(jiān)護可有效支持小型科學的發(fā)展。如美國伊利諾伊大學圖書館與該校生物學院于2004年合作開發(fā)了“鼴鼠數(shù)量長期調(diào)查數(shù)據(jù)集庫”,提供25年來每月農(nóng)墾區(qū)鼴鼠誘捕量及63個月來每周兩次的牧草地鼴鼠誘捕量[8]。這些數(shù)據(jù)具有極強的地域針對性,對發(fā)展當?shù)剞r(nóng)業(yè)有積極意義。

2.2 數(shù)據(jù)監(jiān)護可成為高校數(shù)據(jù)交流渠道

目前,學者通過互聯(lián)網(wǎng)進行交流的內(nèi)容多為科研成果,原始數(shù)據(jù)和資料尚未有一個很好的共享渠道。其實在當前科研數(shù)字化的背景下,學者實驗、調(diào)查、閱讀、記錄等行為幾乎都通過計算機即可完成,科學數(shù)據(jù)大部分為電子形式,客觀上為網(wǎng)絡化交流提供了可行性,圖書館開展數(shù)據(jù)監(jiān)護也可以很好地入藏這類非紙質(zhì)信息,符合e-science時代的信息需求。如喬治亞州理工學院的先進腦成像技術(shù)中心(The Georgia Tech Center for Advanced Brain Imaging)每位專家的實驗室均各自存儲有4-5TB的研究數(shù)據(jù),因沒有統(tǒng)一檢索平臺和公用數(shù)據(jù)庫,專家只能各自開展研究并由研究生對數(shù)據(jù)進行維護。經(jīng)學院圖書館調(diào)查,專家均對建立科學數(shù)據(jù)共享平臺表現(xiàn)了強烈的興趣,但苦于不懂信息技術(shù)和信息管理方法,商業(yè)機構(gòu)開價又太過高昂,因此迫切希望圖書館能針對數(shù)據(jù)交流搭建一個平臺[9]。

2.3 數(shù)據(jù)監(jiān)護可提供高校數(shù)據(jù)發(fā)布平臺

目前各學科學者在發(fā)表文章時,經(jīng)常要使用數(shù)據(jù)作為支撐材料,這就產(chǎn)生了大量表格和圖片。但圖表受限于版面費和頁數(shù)無法大量刊載。因此學者開始在文章中提供數(shù)據(jù)的URL地址供讀者自行上網(wǎng)查看,近年來這種出版現(xiàn)象在自然科學諸領域刊物愈發(fā)多見。但互聯(lián)網(wǎng)上的資料同樣容易流失,據(jù)OCLC統(tǒng)計,1998年、1999年和2000年存在的網(wǎng)站IP到2002年時分別僅剩13%、19%和33%[10]。可見個人提供的網(wǎng)上數(shù)據(jù)保存問題很嚴峻,數(shù)據(jù)遺失將使科研成果不完整,影響其價值。數(shù)據(jù)監(jiān)護恰好可以憑借圖書館穩(wěn)定性好、可信度高的優(yōu)勢,提供一個由專人維護的、長期運作的統(tǒng)一數(shù)據(jù)發(fā)布平臺。

2.4 數(shù)據(jù)監(jiān)護是高校圖書館持續(xù)發(fā)展的必然選擇

金融危機以來,國外高校都面臨著嚴峻的財政問題,圖書館首當其沖成為削減開支的對象,甚至出現(xiàn)大量分館被關(guān)閉的現(xiàn)象。圖書館迫切希望通過加大學科服務的深度和廣度,進一步與高?？蒲腥诤?從而體現(xiàn)自身價值,避免邊緣化。高校圖書館可在現(xiàn)有機構(gòu)庫的基礎上積極轉(zhuǎn)型,將目標由科研成果轉(zhuǎn)向科研支撐材料——數(shù)據(jù),通過為科研項目提供數(shù)據(jù)監(jiān)護服務,從而擺脫單純的收藏者角色,成為知識發(fā)布、保存、利用和管理的全能者。

3 當前數(shù)據(jù)監(jiān)護的研究主題

數(shù)據(jù)監(jiān)護作為一項新興課題,其理論體系尚在逐漸完善中,目前主要以實踐為主。筆者通過瀏覽相關(guān)項目網(wǎng)站、閱讀學術(shù)論文及咨詢伊利諾伊大學圖書情報研究生院相關(guān)教師,得出當前研究的幾項主題。

3.1 數(shù)據(jù)監(jiān)護的戰(zhàn)略實施研究

NSB(National Science Board,美國國家科學基金會董事會)于2005年9月發(fā)布了關(guān)于數(shù)據(jù)藏品長期保存的指導性文件,詳細分析了什么是數(shù)據(jù)、數(shù)據(jù)保存策略、數(shù)據(jù)保存者任務等內(nèi)容,文件指出目前數(shù)據(jù)的保存任務非常緊急,建議NSF職能部門盡快在技術(shù)和財政兩方面制定發(fā)展策略[11]。作為對這一要求的回應,NSF于2007年啟動DataNet計劃,明確以圖書館為主體,預算1億美元,用5年時間資助5項數(shù)據(jù)監(jiān)護重點研究課題。目前有兩個獲全額資助的課題:

其一為 DataONE(Data Observation Network for Earth)項目,由新墨西哥大學圖書館主持,于2009年8月啟動。該項目專門針對地球科學開發(fā),旨在構(gòu)建一個能提供準確清晰的地球觀測數(shù)據(jù)(主要是圖表和可視化示意圖)的分布式數(shù)據(jù)監(jiān)護網(wǎng)絡體系[12]。

其二為Data Conservancy項目,由約翰霍普金斯大學圖書館主持,于2009年10月啟動。項目采取以用戶為中心的理念,使用OAI-ORE標準,在現(xiàn)有數(shù)字化系統(tǒng)和標準上開發(fā)數(shù)據(jù)監(jiān)護系統(tǒng),系統(tǒng)特色包括模塊化設計、互操作網(wǎng)絡、層存儲等[13]。

實際參與兩個項目的高校圖書館多達10余所,盡管尚在初期建設階段,但從發(fā)布的項目目標看,各圖書館均有長期承擔數(shù)據(jù)監(jiān)護的意向,目前的戰(zhàn)略布局主要有:

第一,搶占數(shù)據(jù)監(jiān)護服務陣地。不論數(shù)據(jù)集的大小及發(fā)展是否明朗,圖書館都應當立即針對可獲得的數(shù)據(jù)集開始收集工作,以此開始探索數(shù)據(jù)監(jiān)護的一系列活動,通過收集數(shù)據(jù)使用案例,分析并總結(jié)用戶需求及使用規(guī)律,為數(shù)據(jù)監(jiān)護提供基礎材料。

第二,加快元數(shù)據(jù)建設。為不同學科的數(shù)據(jù)檢索設立元數(shù)據(jù)標準,通過協(xié)助學者進行科研結(jié)果的元數(shù)據(jù)交流,有力支持跨學科、跨協(xié)會的數(shù)據(jù)檢索與發(fā)掘活動。

第三,完成“數(shù)據(jù)監(jiān)護員”角色轉(zhuǎn)變。加大宣傳力度,推薦圖書館員加入運作中的科研團隊并承擔“數(shù)據(jù)學者”的角色,通過實踐為團隊提供數(shù)據(jù)監(jiān)護實操技能及策略,就數(shù)據(jù)管理的最佳實施方法廣泛征詢科研工作者及科研團隊的意見[14]。

3.2 數(shù)據(jù)監(jiān)護的發(fā)展策略研究

數(shù)據(jù)監(jiān)護運動恰逢金融危機之際,使得眾多項目資助者都提出了一個共同的要求:數(shù)據(jù)監(jiān)護要能實現(xiàn)經(jīng)濟上的可持續(xù)發(fā)展。NSF的DataNet計劃就明確要求被資助者提出經(jīng)濟模式,在5年資助期滿后具備自生存能力。NSF實際要求的是“圖書館——學科”共建模式,其成員不僅要有圖書館員及信息技術(shù)員,還必須有相關(guān)學科的學者參與,通過為科研人員提供服務,吸引其加入該活動并注資[15]。Testi介紹了Biomed Town社團的合作組織網(wǎng)模式,其推出的生物醫(yī)學類科學數(shù)據(jù)存儲庫使用客戶端/服務器模式。服務器置于門戶網(wǎng),客戶端根據(jù)該庫的本體進行數(shù)據(jù)上傳和完善后獲得點數(shù)。用戶可以用點數(shù)再“采購”數(shù)據(jù),當然,PhysiomeSpace也可付費購買點數(shù)[16]。

3.3 數(shù)據(jù)監(jiān)護的合作模式研究

如何實現(xiàn)圖書館與科研團隊的合作,多數(shù)圖書館均傾向于在較為完善的學科館員服務方式上繼續(xù)探索。如康奈爾大學圖書館的DataStaR(Data Staging Repository,分布式數(shù)據(jù)存儲庫)項目,研究者將在學科館員協(xié)助下完成元數(shù)據(jù)的處理、檢索、提交、共享[17]。普渡大學圖書館的D2C2(Distributed Data Curation Center,分布式數(shù)據(jù)監(jiān)護中心)項目則通過學科館員聯(lián)合各學科專業(yè)學者,共同研究數(shù)據(jù)存儲庫建設,開發(fā)元數(shù)據(jù)搜索和數(shù)據(jù)監(jiān)護流程等,最終目標是通過D2C2使所有學科館員都能承擔起相應領域的數(shù)據(jù)監(jiān)護任務[18]。

3.4 數(shù)據(jù)監(jiān)護的內(nèi)容研究

2007年,IMLS(the Institute for Museum and Library Services,博物館與圖書館服務協(xié)會)資助普渡大學圖書館和伊利諾伊大學圖書情報學院共同開展Data Curation Profiles項目,旨在通過訪問調(diào)查的形式,探明各研究領域內(nèi)數(shù)據(jù)共享者、科研各階段文件格式、數(shù)據(jù)價值和用途、共享途徑、期望保存年限、產(chǎn)權(quán)歸屬等問題。至2010年7月,該項目共發(fā)布了人類基因、大氣建模、交通流等9個研究領域的調(diào)查報告[19]。

3.5 數(shù)據(jù)監(jiān)護的技術(shù)研究

數(shù)據(jù)監(jiān)護秉承開放獲取理念,如Data Conservancy項目采用基于圖書館的DuraSpace軟件,由DSpace和Fedora聯(lián)合開發(fā),是一種新的基于網(wǎng)絡的服務,它既“基于云”又“基于機構(gòu)”,能夠解決許多組織沒有時間、資源或意愿處理的復雜問題,便于公共機構(gòu)向多個存儲系統(tǒng)分配內(nèi)容,與直接利用云端服務商相比有很大的不同[20]。

目前開展的數(shù)據(jù)監(jiān)護項目都認定資源將是分布式,需要監(jiān)護的數(shù)據(jù)不僅量大,且類別和復雜性也在增強。Hedges認為監(jiān)護自動化是解決的關(guān)鍵,并介紹了一種使用iRODS的方法,目標是為用戶提供一個靈活的,可定制的網(wǎng)格數(shù)據(jù)管理平臺;以監(jiān)護規(guī)章和策略為規(guī)則,用數(shù)據(jù)集、數(shù)據(jù)對象代替了目錄和文件的概念,并將它們存儲在數(shù)據(jù)庫中,組成一個虛擬的目錄樹。將分布在不同計算機上的數(shù)據(jù)資源虛擬到一臺虛擬服務器上,客戶端通過訪問這臺虛擬服務器即可以獲取所有的數(shù)據(jù)[21]。

3.6 數(shù)據(jù)監(jiān)護的職業(yè)教育研究

數(shù)據(jù)監(jiān)護作為一項知識服務,其數(shù)據(jù)處理和管理方法實際上來源于信息管理,正是圖書館的強項。伊利諾伊大學圖書館與信息科學研究生院的DCEP(Data Curation Education Program,數(shù)據(jù)監(jiān)護教育計劃)采取在成熟課程基礎上添加新內(nèi)容的建設方法,輔以針對性強的實習,主要研究數(shù)據(jù)采集與管理、知識表達、數(shù)字資源保存與存檔、數(shù)據(jù)標準、數(shù)據(jù)政策。課程包括信息組織、信息建模、本體論和元數(shù)據(jù)理論與實踐等[22]。

北卡羅來納大學的DigCCurr項目(Digital Curation Curriculum,數(shù)字化監(jiān)護課程)的目標是開發(fā)一門可開放獲取的、碩士研究生層次的課程。該項目把推出全新的授課內(nèi)容作為創(chuàng)新點,目前已完成5門課的設計:iRODS規(guī)則構(gòu)建、數(shù)字資源保存與獲取、卡羅萊納數(shù)據(jù)監(jiān)護人員入門、數(shù)字藏品管理信息技術(shù)、數(shù)據(jù)監(jiān)護應用與挑戰(zhàn);另有數(shù)據(jù)監(jiān)護知識與職業(yè)能力基質(zhì)、數(shù)據(jù)監(jiān)護功能高階分類兩門課仍在完善中。2008年啟動的DigCCurr II項目則進一步提出要在2011年開發(fā)出數(shù)據(jù)監(jiān)護博士研究生課程和教學網(wǎng)絡[23]。

4 結(jié)語

筆者通過檢索網(wǎng)上資源,發(fā)現(xiàn)目前data curation在我國鮮有提及,孟廣均將digitial curation譯為“數(shù)字保存”[24],任平將其譯為“數(shù)字醫(yī)療”[25];另外互聯(lián)網(wǎng)上有少量博客將其譯為“數(shù)據(jù)典藏”、“數(shù)據(jù)診斷”等,這些文獻及網(wǎng)頁內(nèi)容簡略,未能充分反映數(shù)據(jù)監(jiān)護的全貌,而且對data curation的翻譯值得商榷,顯示該領域在中國還沒有引起足夠的重視。數(shù)據(jù)監(jiān)護作為圖書館服務的一個新興領域,國外在這方面的研究和實踐也尚不足十年,目前前述國際項目均仍在進行中,有些甚至剛剛起動,可以預見不久的將來必能取得長足進步。為拓展高校圖書館的發(fā)展道路,深化其在信息服務領域的地位,建議國內(nèi)同仁密切關(guān)注國外進展,爭取在政策、研究、教育方面盡快開始探索性實踐。

1 Lord P,Macdonald A.Data curation for e-Science in the UK:an audit to establish requirements for future curation and provision.[2010-07-29].http://www.jisc.ac.uk/uploaded_documents/e-ScienceReportFinal.pdf

2 National Science Board.Long-lived digital data collections:enabling research and education in the 21st century.[2010-07-14].http://www.nsf.gov/pubs/2005/nsb0540/nsb0540.pdf

3 同1 :12

4 Shreeves S,Cragin M.Introduction:Institutional repositories:Current state and future.Library Trends,2008(2):89-97

5 Choudhury S.Data curation:An ecological perspective.C&RL News,2010(4):194-196

6 Carlson S.Lost in a Sea of Science Data.The Chronicle of Higher Education,2006-06-23

7 NIH.Final NIH statement on sharing research data release date.[2010-07-22].http://grants.nih.gov/grants/guide/noticefiles/NOT-OD-03-032.html

8 IDEA LS@Illinois.[2010-07-22].http://www.ideals.illinois.edu/

9 Walters T O.Data Curation Program Development in U.S.Universities:T he Georgia Institute of Technology Example.The International Journal of Digital Curation.2009(3):83-92

10 OCLC.Web Characterization.[2010-08-04].http://www.oclc.org/research/activities/past/orprojects/wcp/stats/misc.htm

11 同2 :49

12 DataONE.[2010-08-03].https://dataone.org/

13 DataConservancy.[2010-08-03].http://dataconservancy.org/

14 Choudhury G S.Initiatives from the NSF's DataNet program.[2010-07-28].http://www.educause.edu/E09+Hybrid/EDUCAUSE2009FacetoFaceConferen/Initia tivesfromtheNSFs-DataNetP/175757

15 NSF.Sustainable Digital Data Preservation and Access Network.[2010-07-22].http://www.nsf.gov/pubs/2008/nsf08021/nsf08021.jsp

16 Testi,D.PhysiomeSpace:digital library service for biomedical data.philosophical transactions of the royal society-a mathematical physical and engineering sciences.2010,368:2853-2861

17 DataStaR.[2010-08-03].http://datastar.mannlib.cornell.edu/

18 D2 C2.[2010-07-11].http://d2c2.lib.purdue.edu/

19 Data Curation Profiles.[2010-08-03].http://www.datacurationprofiles.org

20 同13

21 Hedges,M.Rule-based curation and preservation of data:A data grid approach using iRODS.future generation computer systems—the international journal of grid computing-theory methods and applications.2009(4):446-452

22 DCEP.[2010-09-22].http://cirss.lis.illinois.edu/CollM eta/dcep.html

23 DigCCurr.[2010-09-10].http://www.ils.unc.edu/digccurr/index.html

24 孟廣均等.國外圖書館學情報學最新理論與實踐研究.北京:科學出版社,2009:265-266

25 任平.數(shù)字資源長期保存研究在英國.現(xiàn)代圖書情報技術(shù).2005(3):66-69

Data Curation:A New Development of University Libraries in the U.S.

Yang Helin

In recent years,university libraries in the U.S.have begun researches and practices on data curation with supports from national institutes.This paper discusses the concept of data curation,explains its important role of scientific research in universities,and introduces the latest research progresses in the U.S.It also puts forward a proposal that relevant practices should be promptly introduced to China.

Scientific Data;Data Curation;Academic Libraries

暨南大學圖書館,廣州,510632

2010年9月20日