王衛(wèi)華 胡良霖 沈志宏

（中國科學(xué)院計算機網(wǎng)絡(luò)信息中心，北京 100190）

科學(xué)數(shù)據(jù)引用規(guī)范的研制

王衛(wèi)華 胡良霖 沈志宏

（中國科學(xué)院計算機網(wǎng)絡(luò)信息中心，北京 100190）

科學(xué)數(shù)據(jù)的引用可以明確數(shù)據(jù)歸屬，通過引用量的分析可以對數(shù)據(jù)的科研價值進行客觀評價，這對促進數(shù)據(jù)的傳播和再利用將起到很好的推動作用。本文首先介紹了國內(nèi)外數(shù)據(jù)引用方面的研究進展；然后借鑒國際上已有的研究成果，針對中科院“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)與服務(wù)”項目的數(shù)據(jù)管理特點，制定了科學(xué)數(shù)據(jù)引用規(guī)范；最后對規(guī)范的實施情況進行了總結(jié)并提出了進一步研究方向。

科學(xué)數(shù)據(jù)；數(shù)據(jù)引用；引用規(guī)范；數(shù)據(jù)管理

國外科學(xué)數(shù)據(jù)引用格式在不同研究領(lǐng)域和項目中有不同規(guī)定。下面重點介紹STD-DOI、DataCite、PANGAEA、ICPSR、Dataverse Network等項目或機構(gòu)的引用格式。

（1）STD-DOI引用格式

在STD-DOI項目[4]中，其引用元素包括Creator(s)、Publication year、Dataset name、Publisher、Persistent identi f er幾個基本元素。其引用格式如下：

Creator(s)(publication year): Data set name, Publisher. Persistent identi f er.

引用示例如下：

Kamm, H; M achon, L; Donner, S (2004): Gas Chrom atography (KTB Field Lab), GFZ Potsdam. doi:10.1594/GFZ/ICDP/KTB/ktb-geoch-gaschr-p.

（2）DataCite引用格式

DataCite項目的數(shù)據(jù)引用基本格式包括Creator、 Publication Year、Title、Publisher、Identi f er 5個必選元素，另外還有Version、ResourceType兩個可選元素。完整的引用格式為：

Creator (PublicationYear): Title. Version. Publisher. ResourceType. Identi f er

其中，Identi f er可以以原有的格式出現(xiàn)，或者是以可訪問的http 方式出現(xiàn)。引用示例如下：

Geofon operator (2009): GEFON event gfz2009 kciu (NW Balkan Region).

http://dx.doi.org/10.1594/GFZ.GEOFON.gfz2009 kciu（3）PANGAEA引用格式

PANGAEA[5]的引用格式為：

Creator (PublicationYear): Title, Publisher, Identi f er.

引用示例如下：

Stein, R.; Fahl, K. (2003): Distribution of grain size and clay m inerals in surface sediments of the Kara Sea, PANGAEA, doi:10.1594/PANGAEA.119754.

（4）ICPSR引用格式

ICPSR的引用格式[6]較為復(fù)雜。其引用格式繼承了“社會科學(xué)數(shù)據(jù)標準 Data Documentation Initiative”中的一些元素規(guī)定。引用格式如下：

Author(s). Title [computer f le]. City and state of the producer. Name of the data producer [producer]. Year. Unique identifier. City and state of the data distributor, distributor [distributor].date.

其中，[computer f le]指該數(shù)據(jù)集為電子格式的數(shù)據(jù)，Year指數(shù)據(jù)產(chǎn)生的時間，date指數(shù)據(jù)發(fā)表日期（能夠從網(wǎng)上獲得的時間）。引用示例如下：

Earls, Felton J., Jeanne Brooks-Gunn, Stephen W. Raudenbush, and Robert J. Sampson. PROJECT ON HUM AN DEVELOPM ENT IN CH ICAGO NEIGHBORHOODS (PHDCN): CHILD BEHAVIOR CHECKLIST, WAVE 1, 1994-1997 [Computer file]. ICPSR13582-v1. Boston, MA: Harvard M edical School [producer], 2002. Ann A rbor, M I: Interuniversity Consortium for Political and Social Research [distributor], 2005-07-22.

（5）Dataverse Network引用格式

The Dataverse network project規(guī)定，在網(wǎng)絡(luò)應(yīng)用環(huán)境下，基本格式包括6個必須元素：Author、Date、Title、Unique global identi f er、Universal Numeric Fingerprint(UNF)、Bridge service和一個可選元素Value[f eldname]。其中，Bridge service為URL格式，通過Unique global identi f er進行鏈接。f eldname默認來源于DC的type-vocabulary，如果來源于其他的元數(shù)據(jù)scheme,則需要特別注明。如果為打印格式，Bridge service為可選。Dataverse Network引用格式[7-8]為：

Author, Date, “Title”, Unique global identifier Universal Numeric Fingerprint(UNF) Value[f eldname]

引用示例如下：

Gary King; Langche Zeng, 2006, “Replication Data Set for ‘When Can History be Our Guide? The Pitfalls of Counterfactual Inference’” hd l:1902.1/ DXRXCFAWPK

UNF:3:DaY lT6QSX9r0D50ye+tXpA== Murray Research Archive [distributor]

國內(nèi)科研領(lǐng)域已經(jīng)意識到科學(xué)數(shù)據(jù)引用的重要性，也具有科學(xué)數(shù)據(jù)引用的需求。世界數(shù)據(jù)中心冰川（雪冰）凍土學(xué)科中心[9]要求在使用該中心數(shù)據(jù)時注明“致謝：本研究使用的***資料由世界數(shù)據(jù)中心蘭州冰川與凍土學(xué)科中心提供”。中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心[10]要求用戶在使用此中心數(shù)據(jù)集時在致謝欄里注明“致謝：數(shù)據(jù)下載于國家自然科學(xué)基金委員會中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心，http://westdc.westgis.ac.cn”。中科院計算機網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站[11]要求使用者在發(fā)表論文成果時注明“數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站(http:// datam irror.csdb.cn) ” 。

從上述科學(xué)數(shù)據(jù)引用格式研究狀況分析中可以看出，國際上大型組織機構(gòu)和科研項目制定的引用規(guī)范已經(jīng)具有規(guī)范的格式，引用內(nèi)容已經(jīng)細化到科學(xué)數(shù)據(jù)的名稱、作者、時間等屬性。同國外相比，國內(nèi)科研領(lǐng)域雖然意識到科學(xué)數(shù)據(jù)引用的重要性，并且在各自的數(shù)據(jù)資源網(wǎng)站規(guī)定了引用注意事項和要求，但沒有形成統(tǒng)一的引用格式，引用內(nèi)容相對寬泛，不能反映科學(xué)數(shù)據(jù)本身的特性。另外，國內(nèi)的數(shù)據(jù)引用規(guī)范要求中很少體現(xiàn)數(shù)據(jù)生產(chǎn)者個人的價值和貢獻，僅標明了科學(xué)數(shù)據(jù)的發(fā)布機構(gòu)。

國外科學(xué)數(shù)據(jù)引用規(guī)范元素的設(shè)置對比如表1所示。從表1中可以看出，這些規(guī)范的設(shè)置雖然繁簡不同，但都包含數(shù)據(jù)創(chuàng)建者、數(shù)據(jù)發(fā)表時間、數(shù)據(jù)集名稱、數(shù)據(jù)發(fā)表機構(gòu)、唯一標識符這幾個必選元素。這反映了國際社會對這幾個元素的設(shè)置具有高度認同。這幾個元素回答了科學(xué)數(shù)據(jù)引用中最核心的問題，即有關(guān)科學(xué)數(shù)據(jù)的標識、歸屬、來源和時間的問題。

3 中國科學(xué)院的數(shù)據(jù)管理

多年來，中國科學(xué)院“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)與服務(wù)”項目形成了院內(nèi)跨所聯(lián)合，共建共享的組織管理模式。中國科學(xué)院計算機網(wǎng)絡(luò)信息中心是項目總承擔(dān)單位，負責(zé)協(xié)調(diào)實施數(shù)據(jù)資源中心建設(shè)和科學(xué)數(shù)據(jù)庫建設(shè)，為數(shù)據(jù)應(yīng)用環(huán)境提供技術(shù)支撐服務(wù)，同時負責(zé)整個項目的門戶系統(tǒng)建設(shè)，為數(shù)據(jù)的發(fā)布和訪問提供總平臺，但不擁有數(shù)據(jù)所有權(quán)。中科院各研究所負責(zé)數(shù)據(jù)資源建設(shè)，對各自承建的數(shù)據(jù)資源擁有所有權(quán)和使用權(quán)，同時可以獨立對外提供數(shù)據(jù)服務(wù)。

這樣的項目組織方式是一種多層次、權(quán)限交叉、約束松散的形式，項目最終成果（主要是數(shù)據(jù)）的所有權(quán)和使用權(quán)與項目管理中的權(quán)責(zé)角色嚴重脫離。這種情況使得在科學(xué)數(shù)據(jù)引用中所涉及的角色較多，除了對數(shù)據(jù)本身屬性的描述外，還需要理清各方對數(shù)據(jù)的干預(yù)。

表1 國外科學(xué)數(shù)據(jù)引用元素對比

4 科學(xué)數(shù)據(jù)引用規(guī)范的制定

本文學(xué)習(xí)借鑒了國際科研組織制定的數(shù)據(jù)引用規(guī)范，在設(shè)計上繼承了那些必選元素，保持與國際社會一致。同時在分析“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)與服務(wù)”項目數(shù)據(jù)管理特點的基礎(chǔ)上，補充選取了其他元素，以便明確不同角色對數(shù)據(jù)的影響和貢獻。

4.1 元素設(shè)置

對科學(xué)數(shù)據(jù)的引用包括作者、名稱、發(fā)布機構(gòu)[發(fā)布機構(gòu)]、發(fā)布年份、傳播機構(gòu)[傳播機構(gòu)]、傳播時間、唯一標識符和解析地址等8個必選元素以及版本等1個可選元素。

前4個元素與傳統(tǒng)文獻引用元素含義相同，作者表示數(shù)據(jù)（集）的創(chuàng)建者，可以是單位或者個人；名稱即該數(shù)據(jù)集的名稱；發(fā)布機構(gòu)類似于文獻引用中的發(fā)表刊物，即公開該數(shù)據(jù)（集）的機構(gòu)，該元素后面跟[發(fā)布機構(gòu)]限定詞；發(fā)布年份表示該數(shù)據(jù)（集）公開的年份。這4個元素可以使讀者快速了解該數(shù)據(jù)集的特征，明確數(shù)據(jù)的歸屬。

傳播機構(gòu)即該數(shù)據(jù)集的存儲和傳播機構(gòu)，用來說明該數(shù)據(jù)集從何處獲得，該元素后面跟[傳播機構(gòu)]限定詞；傳播時間即該數(shù)據(jù)集可以從存儲傳播機構(gòu)獲取該數(shù)據(jù)的起始時間。 這兩個元素對數(shù)據(jù)的來源進行了明確。

唯一標識符是一個全球唯一的字符串。該字符串可以獨立于科學(xué)數(shù)據(jù)的存儲位置而唯一永久地標識一條科學(xué)數(shù)據(jù)，從而建立起科學(xué)數(shù)據(jù)引用信息與真實數(shù)據(jù)之間的永久聯(lián)系。

最后一個必選元素是解析網(wǎng)址。由于只有少數(shù)唯一標識符（比如DOI）得到部分瀏覽器的支持，大多數(shù)唯一標識符，尤其是領(lǐng)域或機構(gòu)內(nèi)部的唯一標識符不能被瀏覽器直接識別和解析，因此需要明確指定唯一標識符的解析網(wǎng)址。解析網(wǎng)址為URL格式，由解析服務(wù)網(wǎng)址和唯一標識符兩部分組成，例如http://citation.csdb.cn/是用于唯一標識符解析服務(wù)的網(wǎng)址，cn. csdb. datam irror. LE71230392011343EDC00是“科學(xué)數(shù)據(jù)庫及其信息系統(tǒng)”項目（縮寫：CSDB）分配給該數(shù)據(jù)（集）的唯一標識符，那么該條數(shù)據(jù)（集）完整的解析網(wǎng)址為：http://citation.csdb.cn/CSDB:cn. csdb. datamirror. LE71230392011343EDC00。在瀏覽器中輸入該解析網(wǎng)址，就可以獲得所標識的數(shù)據(jù)對象。如果唯一標識符中出現(xiàn)需要轉(zhuǎn)義的字符集，需要將這些字符轉(zhuǎn)義為瀏覽器支持的字符。當引用信息在網(wǎng)頁中顯示時，可以將解析網(wǎng)址作為唯一標識符的超鏈接。

除必選元素外，該標準定義了一個可選元素，即版本。版本用來標識同一數(shù)據(jù)集的不同版本。本規(guī)范建議將同一數(shù)據(jù)集的變動視為不同的版本，但在新版本的元數(shù)據(jù)應(yīng)包含指向最初版本的鏈接。對于一些海量的數(shù)據(jù)集，新版本可以僅包含原始數(shù)據(jù)的變化。

4.2 引用格式

一條由必選元素組成的引用信息格式為：

作者.名稱.發(fā)布機構(gòu)[發(fā)布機構(gòu)],發(fā)布年份.傳播機構(gòu)[傳播機構(gòu)],傳播時間.唯一標識符;解析網(wǎng)址.

示例：

NASA.500m地表反射率8天合成產(chǎn)品.NASA [發(fā)布機構(gòu)],2007.中科院計算機網(wǎng)絡(luò)信息中心[傳播機構(gòu)],2009-03-02.csdb:cn.csdb.datamirror.LE712303 92011343EDC00;http://citation.csdb.cn/csdb:cn.csdb. datam irror.LE71230392011343EDC00.

一條由全部元素組成的引用信息格式為：

作者.名稱(版本).發(fā)布機構(gòu)[發(fā)布機構(gòu)],發(fā)布年份.傳播機構(gòu)[傳播機構(gòu)],傳播時間.唯一標識符;解析網(wǎng)址.

示例：

中國科學(xué)院地理科學(xué)與資源研究所. 人地系統(tǒng)主題數(shù)據(jù)庫元數(shù)據(jù)標準(V2.0). 中國科學(xué)院地理科學(xué)與資源研究所[發(fā)布機構(gòu)],2010.中科院計算機網(wǎng)絡(luò)信息中心中心[傳播機構(gòu)], 2011-01-19.csdb:cn. csdb.TR-REC-015-01;http://citation.csdb.cn/csdb:cn. csdb. datam irror. LE71230392011343EDC00.

5 總結(jié)

科學(xué)數(shù)據(jù)引用研究仍處于探索階段，國際上一些大型的組織機構(gòu)和科研項目對該課題進行了積極探索并取得了初步的研究成果，為進一步深入研究提供了經(jīng)驗和參考。本文借鑒國外研究成果，同時分析了“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)與服務(wù)”項目數(shù)據(jù)管理的特點，制定了科學(xué)數(shù)據(jù)引用規(guī)范。

目前，該引用規(guī)范已應(yīng)用于中國科學(xué)院“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)與服務(wù)”項目中，通過系統(tǒng)自動生成了項目內(nèi)500多個數(shù)據(jù)庫（數(shù)據(jù)集）的引用信息。用戶進行數(shù)據(jù)檢索時，在每一條檢索結(jié)果中同時提供了該條數(shù)據(jù)的引用信息，以方便用戶進行引用標注。

數(shù)據(jù)應(yīng)用規(guī)范的推廣和應(yīng)用，離不開數(shù)據(jù)發(fā)布和引用系統(tǒng)的支持。首先必須保證數(shù)據(jù)能夠被永久地標識，另外還需要有一個可靠的、可以長久定位的地址。其次，在完善科學(xué)數(shù)據(jù)發(fā)布和引用技術(shù)的基礎(chǔ)上，需要研究和建立科學(xué)數(shù)據(jù)引用機制。通過出臺鼓勵政策，倡導(dǎo)引用科學(xué)數(shù)據(jù)的習(xí)慣，增強科學(xué)數(shù)據(jù)知識產(chǎn)權(quán)保護的意識。可以通過推進數(shù)據(jù)中心與學(xué)術(shù)期刊的合作，在學(xué)術(shù)文章發(fā)表的同時提交相關(guān)研究數(shù)據(jù)，建立文獻與數(shù)據(jù)之間的交叉引用。

[1] 傅曉峰.關(guān)于促進科學(xué)數(shù)據(jù)共享管理的一些思考[J].中國基礎(chǔ)科學(xué),2006(6):17-19.

[2] Chavan VS, Ingwersen P. Towards a Data Publishing Framework for Primary Biodiversity Data: Challenges and Potentials for the Biodiversity Informatics Community[J/OL]. [2012-08-20]。 http://www. biomedcentral.com/1471-2105-10/s14/s2.

[3] 彭潔,涂勇.科學(xué)數(shù)據(jù)引用的探討[J].數(shù)字圖書館論壇, 2008(10):14-18.

[4] The German National Library of Science and Technology (TIB). Publication and Citation of Scientific Primary Data [EB/OL]. [2012-08-20] www.std-doi.de.

[5] A lfred Wegener Institute for Polar and Marine Research (AW I). PANGAEA [DB/OL]. [2012-08-20] http:// www.pangaea.de/.

[6] NSCU LIBRARIES. How to Cite a Date Set[EB/OL]. [2012-08-20]. http://www.lib.ncsu.edu/data/citingdatasets.htm l.

[7] King Gary. An Introduction to the Dataverse Network as an Infrastructure for Data Sharing[J]. Sociological Methods and Research, 2007(36):173-199.

[8] M icah Altman, Gary King. A Proposed Standard for the Scholarly Citation of Quantitative Data. D-Lib Magazine [J/OL]. [2012-08-20] http://www.dlib.org/dlib/ march07/altman/03altman.htm l.

[9] 中國科學(xué)院寒旱所遙感室.世界數(shù)據(jù)中心冰川(雪冰)凍土學(xué)科中心[DB/OL]. [--]. http://wdcdgg.westgis. ac.cn/chinese/index.htm.

[10] 中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所.中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心[DB/OL]. [2012-08-20]. http://westdc.westgis.ac.cn/data/fecdec71-77d1-43c2-b472-8b1c729874cb.

[11] 中國科學(xué)院計算機網(wǎng)絡(luò)信息中心. 國際科學(xué)數(shù)據(jù)服務(wù)平臺[DB/OL]. [2012-08-20]. http://datamirror.csdb. cn/dem/f les/gc.jsp.

Development of Citation Specif cation for Scientif c Data

Wang Weihua, Hu Lianglin, Shen Zhihong
(Computer Network Information Center, Chinese Academy of Sciences, Beijing 100190, China)

The scientific data citation can clear data vesting and objective evaluate the scientific value of the data by analyzing the citation amount, which w ill play a good role in promoting the spreading and reuse of the data. This paper first introduces the domestic and international data citation research progress; then draw on existing international research results and consider data m anagem ent features of the “CAS environm ent construction of data applications and services "project to develop the scientific data citation specification; Finally, summarize the specif cation implementation and further research directions.

Scientif c data, data citation, citation specif cation, data management

G35

：ADOI：10.3772/j.issn.1674-1544.2013.01.007

1 引言

和要求進行研究和探討，提出適合我國科學(xué)數(shù)據(jù)管理的科學(xué)數(shù)據(jù)引用規(guī)范，以推進科學(xué)數(shù)據(jù)規(guī)范化引用。

學(xué)數(shù)據(jù)引用格式研究狀況

orschungsZentrum Potsdam (GFZ).

10.1594/GFG.GEOFON.gfz2009kciu.

王衛(wèi)華（1978- ），女，工程師，碩士，主要研究方向：數(shù)據(jù)庫技術(shù)與標準規(guī)范、數(shù)據(jù)應(yīng)用和服務(wù)。

2012年9月24日。

科學(xué)數(shù)據(jù)是人類社會科技活動所產(chǎn)生的基本數(shù)據(jù)、資料以及按照不同需求而系統(tǒng)加工的數(shù)據(jù)產(chǎn)品和相關(guān)信息，具有明顯的潛在價值和可開發(fā)價值，并在應(yīng)用過程中得以增值，是信息時代最基本、最活躍、影響面最寬的科技資源[1]。其中很大部分的科學(xué)數(shù)據(jù)是通過長期觀測或工作積累而獲得的，具有極高的科研價值，為相關(guān)領(lǐng)域的科研工作提供重要參考和支持。在科學(xué)數(shù)據(jù)共享過程中，由于缺少類似于傳統(tǒng)文獻的引用機制，科學(xué)數(shù)據(jù)的使用情況和使用效果無法衡量，導(dǎo)致科學(xué)數(shù)據(jù)的創(chuàng)建者、管理者或保存者的活動績效無法評估，他們的科研價值得不到很好體現(xiàn)。這在很大程度上阻礙了科學(xué)數(shù)據(jù)生產(chǎn)者和管理者的工作熱情[2-3]?？茖W(xué)數(shù)據(jù)引用課題的研究正是在這種需求下產(chǎn)生的。通過建立類似于傳統(tǒng)文獻的引用規(guī)則，可以明確科學(xué)數(shù)據(jù)的歸屬；通過引用量的分析，可以對科學(xué)數(shù)據(jù)的科研價值進行客觀評價。這對促進科學(xué)數(shù)據(jù)的傳播和再利用將起到很好的推動作用。

國外大型科學(xué)數(shù)據(jù)機構(gòu)與科研組織對數(shù)據(jù)發(fā)布和引用模式以及基礎(chǔ)環(huán)境建設(shè)進行了積極的探索，并取得了初步成果，對于科學(xué)數(shù)據(jù)的引用已經(jīng)具有規(guī)范的格式。而國內(nèi)在該領(lǐng)域的研究相對落后。因此，針對國內(nèi)科學(xué)數(shù)據(jù)的管理特點，本文將重點對國內(nèi)外科學(xué)數(shù)據(jù)