都平平 李雨珂 孟 勇 鄧志文 鮑 劼 陳俊男

(1.中國礦業(yè)大學(xué)圖書館，江蘇 徐州 221116；2.上海出版印刷高等專科學(xué)校文化傳播系，上海 200093；3.南京大學(xué)圖書館，江蘇 南京 210023；4.國立臺(tái)灣科技大學(xué)，臺(tái)北)

研究數(shù)據(jù)，是新的生產(chǎn)要素，是開展學(xué)術(shù)探究的基礎(chǔ)性資源和實(shí)現(xiàn)十九大報(bào)告提出：“推動(dòng)實(shí)施國家大數(shù)據(jù)戰(zhàn)略，加強(qiáng)完善數(shù)據(jù)基礎(chǔ)設(shè)施，推進(jìn)數(shù)據(jù)資源整合和開放共享，保障數(shù)據(jù)安全，加快建設(shè)數(shù)字中國”的戰(zhàn)略性資源。本文針對(duì)機(jī)構(gòu)知識(shí)庫中研究數(shù)據(jù)關(guān)聯(lián)組織作為研究對(duì)象，創(chuàng)新性設(shè)計(jì)研究數(shù)據(jù)關(guān)聯(lián)組織方案和管理策略，規(guī)范機(jī)構(gòu)知識(shí)資源在重組中的關(guān)聯(lián)保存和運(yùn)用，促進(jìn)數(shù)據(jù)資源發(fā)展，實(shí)現(xiàn)科學(xué)獲取數(shù)據(jù)、全面關(guān)聯(lián)組織數(shù)據(jù)、開放利用數(shù)據(jù)[1]。

1 研究數(shù)據(jù)的發(fā)展與現(xiàn)狀

1.1 發(fā) 展

16世紀(jì)，Tycho Brahe使用六分儀記錄天文觀測(cè)數(shù)據(jù)，R L Baker最早在文獻(xiàn)中使用科研數(shù)據(jù)管理這一術(shù)語，學(xué)術(shù)記錄正在演變成為一種更深入全面的學(xué)術(shù)活動(dòng)記錄，其范圍不再局限于期刊文章和專著報(bào)告的成果，而是擴(kuò)展到包括在研究過程中和出版后產(chǎn)生的一系列學(xué)術(shù)成果[2-3]。400年后，斯隆數(shù)據(jù)巡天(Sloan Digital Sky Survey)廣泛采用新的大數(shù)據(jù)驅(qū)動(dòng)的研究模型來計(jì)算這些數(shù)據(jù)量非常大的數(shù)據(jù)。加上人文和社會(huì)科學(xué)領(lǐng)域新興的數(shù)據(jù)密集型計(jì)算研究技術(shù)，徹底改變了21世紀(jì)學(xué)術(shù)研究數(shù)據(jù)及其組合、管理、處理過程中的面貌，數(shù)據(jù)集的保留和長期管理正在成為學(xué)科學(xué)術(shù)實(shí)踐的一部分，在發(fā)達(dá)國家，以往的機(jī)構(gòu)知識(shí)庫運(yùn)行管理正在開始新的升級(jí)探索——研究數(shù)據(jù)管理(RDM)[4-5]。我國的研究數(shù)據(jù)的研究經(jīng)歷了19世紀(jì)60年代到20世紀(jì)末期的緩慢發(fā)展階段，直到20世紀(jì)末期至今，在開放科學(xué)運(yùn)動(dòng)的促進(jìn)下逐漸升溫。國內(nèi)學(xué)者對(duì)開放科學(xué)的研究集中在概念辨析、動(dòng)機(jī)探索、角色轉(zhuǎn)等方面，2002年科技部提出我國將實(shí)施科學(xué)數(shù)據(jù)共享工程，以此為標(biāo)志，我國的“研究數(shù)據(jù)研究(RDM)”拉開了帷幕。

1.2 現(xiàn) 狀

RDM是開放數(shù)據(jù)運(yùn)動(dòng)的產(chǎn)物，研究數(shù)據(jù)管理涵蓋了數(shù)據(jù)獲取、關(guān)聯(lián)、分析、運(yùn)用各方面。①數(shù)據(jù)獲?。貉芯繑?shù)據(jù)作為學(xué)術(shù)記錄的一部分進(jìn)行管理的益處得到了資助者、政府機(jī)構(gòu)和研究機(jī)構(gòu)的廣泛認(rèn)可[6]。美國國家科學(xué)基金會(huì)(NSF)要求所有項(xiàng)目計(jì)劃書在提交時(shí)一并提交其數(shù)據(jù)管理計(jì)劃，并注明“研究者愿意與其他研究者共享主要數(shù)據(jù)、樣的、物理館藏及其他在NSF資助下創(chuàng)造或收集的支持材料”[7]；英國研究委員會(huì)的理念是“在公共資助下產(chǎn)生的研究數(shù)據(jù)是公共財(cái)富，由公共利益產(chǎn)生，應(yīng)以及時(shí)的、負(fù)責(zé)任的方式盡可能減少限制，公開可用”[8]。國外許多大學(xué)都對(duì)全范圍地記錄教師和學(xué)生創(chuàng)造的數(shù)據(jù)集等學(xué)術(shù)成果感興趣，并經(jīng)常使用Elsevier Pure、Symplectic Elements等科研信息管理(RIM)系統(tǒng)來記錄和描述這些學(xué)術(shù)產(chǎn)出。許多機(jī)構(gòu)開發(fā)了RDM服務(wù)包，以幫助其教師和學(xué)生能夠在研究過程中和研究后有效地管理研究數(shù)據(jù)集，數(shù)據(jù)的發(fā)展要在規(guī)劃基礎(chǔ)上進(jìn)行促進(jìn)數(shù)據(jù)網(wǎng)絡(luò)協(xié)調(diào)和可持續(xù)發(fā)展已經(jīng)成為共識(shí)[9-10]。②關(guān)聯(lián)組織數(shù)據(jù)：把研究數(shù)據(jù)與論文或論著置于同等甚至更為重要的位置是國際科學(xué)界的新理念。數(shù)據(jù)的質(zhì)量而非數(shù)量對(duì)服務(wù)和數(shù)字創(chuàng)新至關(guān)重要(Kuk和Davies，2011)，關(guān)聯(lián)數(shù)據(jù)和開放數(shù)據(jù)的價(jià)值創(chuàng)造需要將來自不同數(shù)據(jù)源的數(shù)據(jù)結(jié)合起來(Janssen,Estevez & Janowski，2014)成果研究數(shù)據(jù)的數(shù)據(jù)關(guān)聯(lián)新組合，可以對(duì)隱藏?cái)?shù)據(jù)的發(fā)現(xiàn)和有利于對(duì)新見解的揭示[11]。③開放復(fù)用數(shù)據(jù)：目前世界發(fā)達(dá)國家都將開放科學(xué)看作是科技創(chuàng)新的抓手，納入本國發(fā)展戰(zhàn)略。2013年歐洲建立了歐洲開放科學(xué)云“European Open Science Cloud”，八國集團(tuán)首腦在北愛爾蘭峰會(huì)上簽署《開放數(shù)據(jù)憲章》提出了開放數(shù)據(jù)五原則[12]。開放科學(xué)是歐盟研究科學(xué)和創(chuàng)新政策的三大重心之一，芬蘭教育文化部于2014年10月發(fā)布了《2014-2017年開放科學(xué)與研究路線圖》，明確提出芬蘭要在2017年成為全球開放科學(xué)的領(lǐng)先國家[13]。2017年3月歐盟委員會(huì)發(fā)布《開放科學(xué)監(jiān)測(cè)報(bào)告》[14]。G Knight提出，高校圖書館有必要根據(jù)研究人員需要提供量身定制的服務(wù)，實(shí)踐中可以依據(jù)現(xiàn)有的科研項(xiàng)目特性嘗試估計(jì)不同情景下潛在用戶的需求，加強(qiáng)數(shù)據(jù)利用和再利用，形成研究成果公開和流通向研究數(shù)據(jù)的再利用轉(zhuǎn)移的趨勢(shì)[15]。④OCLC于2017上半年發(fā)布了《研究數(shù)據(jù)管理的現(xiàn)實(shí)》(The Realities of Research Data Management)系列報(bào)告[16]。

我國“科學(xué)數(shù)據(jù)(科研數(shù)據(jù))開放、共享、管理”的實(shí)踐探索與學(xué)術(shù)研究，主要表現(xiàn)為以下幾個(gè)方面：①出臺(tái)或制定科學(xué)數(shù)據(jù)管理規(guī)范或標(biāo)準(zhǔn)。代表性的有科技部的《國家科學(xué)數(shù)據(jù)中心建設(shè)技術(shù)規(guī)范》、中科院的《科學(xué)數(shù)據(jù)分類規(guī)范與分類詞表》標(biāo)準(zhǔn)、以及中國國家委員會(huì)的《數(shù)據(jù)治理白皮書》國際標(biāo)準(zhǔn)[17]。②開通運(yùn)營若干科學(xué)數(shù)據(jù)共享平臺(tái)。代表性的有科技部的國家科技基礎(chǔ)條件平臺(tái)、陜西省科學(xué)數(shù)據(jù)共享平臺(tái)、自2011年始，復(fù)旦大學(xué)、武漢大學(xué)、北京大學(xué)和上海外國語大學(xué)圖書館先后開展了科研數(shù)據(jù)管理服務(wù)工作。2014年10月召開的“中國高校圖書館科學(xué)數(shù)據(jù)研究與實(shí)踐聯(lián)盟討論會(huì)”確定了“推進(jìn)科研數(shù)據(jù)管理措施、政策的制定和施行”等8項(xiàng)工作目標(biāo)。

2 新一代機(jī)構(gòu)知識(shí)庫的內(nèi)容擴(kuò)展

目前多數(shù)高校建設(shè)的是研究成果型的機(jī)構(gòu)知識(shí)庫，建設(shè)的資源主要是學(xué)術(shù)成果，而“新一代”高校機(jī)構(gòu)知識(shí)庫是傳統(tǒng)機(jī)構(gòu)知識(shí)庫的擴(kuò)展，即科學(xué)研究者，科研過程中產(chǎn)生的研究數(shù)據(jù)，科研過程完成的研究成果三者的共建，在建設(shè)中需要解決的問題是科研全過程中產(chǎn)生的數(shù)據(jù)的采集、保存、關(guān)系數(shù)據(jù)的關(guān)聯(lián)組織、發(fā)布管理等相關(guān)問題。在原有機(jī)構(gòu)庫基礎(chǔ)上主要發(fā)展和完善包括：新一代高校機(jī)構(gòu)知識(shí)庫的建設(shè)內(nèi)容擴(kuò)展；科研全過程數(shù)據(jù)的采集；數(shù)據(jù)保存規(guī)范及數(shù)據(jù)的保存方式；科研過程中數(shù)據(jù)的關(guān)聯(lián)關(guān)系及關(guān)聯(lián)展示；科學(xué)研究者、研究數(shù)據(jù)、研究成果的關(guān)聯(lián)數(shù)據(jù)共享及開放利用。

3 研究數(shù)據(jù)的組織與關(guān)聯(lián)

3.1 機(jī)構(gòu)知識(shí)中成果數(shù)據(jù)與研究數(shù)據(jù)的關(guān)聯(lián)關(guān)系

國外高?？茖W(xué)數(shù)據(jù)管理的方式經(jīng)歷了從機(jī)構(gòu)知識(shí)庫到數(shù)據(jù)存儲(chǔ)管理中心再到數(shù)據(jù)監(jiān)管發(fā)布中心的演變。最初高校機(jī)構(gòu)知識(shí)庫或機(jī)構(gòu)倉儲(chǔ)僅限于保存研究論文、報(bào)告或灰色文獻(xiàn)等成果數(shù)據(jù)，隨著公眾和科學(xué)界對(duì)研究數(shù)據(jù)管理和共享需求越來越高，研究數(shù)據(jù)機(jī)構(gòu)庫成為趨勢(shì)和發(fā)展目標(biāo)。一般產(chǎn)生機(jī)構(gòu)研究數(shù)據(jù)較多的是高校和研究機(jī)構(gòu)，它是科學(xué)進(jìn)程中通過社會(huì)調(diào)查、科學(xué)實(shí)驗(yàn)、科學(xué)勘探，數(shù)據(jù)普查等產(chǎn)生的過程成果，是進(jìn)行科學(xué)研究的依據(jù)，是得出結(jié)論事實(shí)認(rèn)證。研究數(shù)據(jù)中蘊(yùn)含著大量的信息，包括數(shù)據(jù)的屬性、來源、走向、數(shù)據(jù)間的關(guān)系等，要建立科學(xué)的研究體系、可持續(xù)的研究及數(shù)據(jù)二次利用的是必要的，進(jìn)行研究數(shù)據(jù)的采集與歸檔管理。對(duì)科學(xué)數(shù)據(jù)進(jìn)行屬性分析，進(jìn)行關(guān)系關(guān)聯(lián)，可以使讀者直觀了解數(shù)據(jù)與數(shù)據(jù)的鏈接關(guān)系，為讀者的科研選題或科研過程提供支持。見數(shù)據(jù)關(guān)系圖1。

3.2 研究數(shù)據(jù)的數(shù)據(jù)范疇

研究數(shù)據(jù)是通過數(shù)據(jù)的方法研究科學(xué)和用科學(xué)的方法研究數(shù)據(jù)產(chǎn)生的數(shù)據(jù)，學(xué)術(shù)調(diào)研的基礎(chǔ)，為實(shí)證調(diào)研和推理提供的原始材料，研究數(shù)據(jù)的組成包括兩個(gè)因素：一是數(shù)據(jù)的廣泛性和多樣性；二是數(shù)據(jù)研究的共性?，F(xiàn)代社會(huì)的各行各業(yè)都充滿了數(shù)據(jù)，這些數(shù)據(jù)的類型多種多樣，不僅包括傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，也包括網(wǎng)頁、文本、圖像、視頻、語音等非結(jié)構(gòu)化數(shù)據(jù)。主要為：科學(xué)數(shù)據(jù)集(實(shí)驗(yàn)數(shù)據(jù)、模擬數(shù)據(jù)、標(biāo)本數(shù)據(jù)等)；調(diào)查數(shù)據(jù)(勘探數(shù)據(jù)、衛(wèi)星數(shù)據(jù)等)；普查數(shù)據(jù)(人口普查、地質(zhì)普查等)；統(tǒng)計(jì)數(shù)據(jù)(經(jīng)濟(jì)數(shù)據(jù)等)；編制數(shù)據(jù)(軟件、匯編、定制數(shù)據(jù)等)；交互數(shù)據(jù)(富媒體交互產(chǎn)生的數(shù)據(jù))；機(jī)器學(xué)習(xí)數(shù)據(jù)(圖形數(shù)據(jù)等)。

圖1 機(jī)構(gòu)知識(shí)庫和“新一代”機(jī)構(gòu)知識(shí)庫關(guān)聯(lián)關(guān)系

3.3 研究數(shù)據(jù)的采集與歸檔

研究數(shù)據(jù)主要特點(diǎn)為：①數(shù)據(jù)量大；②數(shù)據(jù)維度高；③數(shù)據(jù)不規(guī)律增加；④數(shù)據(jù)類型復(fù)雜；⑤數(shù)據(jù)混雜等特點(diǎn)。采集數(shù)據(jù)主要通過學(xué)者自身的數(shù)據(jù)提交，機(jī)構(gòu)采集，管理通過網(wǎng)頁爬蟲、數(shù)據(jù)抓取、大數(shù)據(jù)標(biāo)注、人工搜索和整理等。快速的提取二次使用數(shù)據(jù)。倉儲(chǔ)時(shí)存在給數(shù)據(jù)清洗和分析帶來挑戰(zhàn)，需要有一定修正功能的模型(如圖像中的正則化和機(jī)器學(xué)習(xí)中的去噪自編碼器)來進(jìn)行清洗處理[18]。

表1 數(shù)據(jù)特性、問題與采集關(guān)系表

4 研究數(shù)據(jù)的關(guān)聯(lián)關(guān)系及開放體系構(gòu)建

關(guān)聯(lián)數(shù)據(jù)是指通過統(tǒng)一資源標(biāo)識(shí)符(URI)來標(biāo)識(shí)實(shí)體數(shù)據(jù)，并用資源描述框架(RDF)進(jìn)行鏈接，然后發(fā)布到網(wǎng)上，繼而用戶可以采用超文本傳輸協(xié)議(HTTP)來獲取利用所發(fā)布的數(shù)據(jù)，其核心意義就是注重?cái)?shù)據(jù)之間的語義互聯(lián)，使人和計(jì)算機(jī)能夠充分利用這些語境信息。數(shù)據(jù)的關(guān)聯(lián)能夠?qū)?shù)據(jù)庫的數(shù)據(jù)進(jìn)行鏈接互聯(lián)，其不僅可以將同一數(shù)據(jù)庫不同系統(tǒng)內(nèi)難以互操作的數(shù)據(jù)進(jìn)行關(guān)聯(lián)，還可以把不同來源的數(shù)據(jù)庫互聯(lián)。具體來說，關(guān)聯(lián)管理是指這些數(shù)據(jù)集可以與其他外部數(shù)據(jù)庫的數(shù)據(jù)集進(jìn)行鏈接，從而達(dá)到資源重組聚合，能夠最大化利用的效果。研究數(shù)據(jù)關(guān)聯(lián)可系統(tǒng)分析為：“成果—關(guān)聯(lián)—數(shù)據(jù)—結(jié)構(gòu)—效果—利用”的邏輯結(jié)構(gòu)關(guān)系出發(fā)，分析RDM組織過程數(shù)據(jù)關(guān)聯(lián)規(guī)律、形成要素、知識(shí)鏈之間的鏈接方式，揭示機(jī)構(gòu)知識(shí)庫和研究數(shù)據(jù)之間的多維度關(guān)系。從好利用和好共享的標(biāo)準(zhǔn)來完善研究數(shù)據(jù)揭示關(guān)系，對(duì)分布、傳遞、相互引證及其功能的開發(fā)利用等做出定量描述，進(jìn)行數(shù)據(jù)分析和研究，建立關(guān)聯(lián)模型，以揭示其特征和內(nèi)在規(guī)律[19]。

圖2 學(xué)者—研究數(shù)據(jù)—研究成果關(guān)聯(lián)關(guān)系

5 機(jī)構(gòu)知識(shí)資源數(shù)據(jù)缺失與實(shí)施保障案例

研究數(shù)據(jù)的作為學(xué)術(shù)記錄的益處已經(jīng)被投資者、政府部門、研究機(jī)構(gòu)所認(rèn)可。

5.1 數(shù)據(jù)缺失的損失案例

法國巴斯德大學(xué)植物學(xué)家Véronique Ziegler-Graff于15年前發(fā)表的一篇文章(J Virol,2002,(13):6815-6824)，被發(fā)現(xiàn)多幅Western Blot和Northern Blot插圖的有問題，包括同一泳道圖像重復(fù)生成不同的插圖、不恰當(dāng)?shù)膶?duì)比度調(diào)校等。責(zé)任落到了負(fù)責(zé)配圖的一作S Pfeffer肩上。該實(shí)驗(yàn)室重復(fù)了實(shí)驗(yàn)，確認(rèn)了當(dāng)年的結(jié)論，也有其他好幾個(gè)實(shí)驗(yàn)室獨(dú)立進(jìn)行了確認(rèn)。本來可以用原始圖像生成正確的插圖糾正過來，然而，因?yàn)椴荒芴峁┧械脑紨?shù)據(jù)，通訊作者最后還是決定，主動(dòng)要求把它撤了……[20]。

一般做完實(shí)驗(yàn)寫好文章，通常單位、資助機(jī)構(gòu)和某些雜志會(huì)要求提交原始數(shù)據(jù)，上傳云端或刻入光盤，但最好的保障措施是機(jī)構(gòu)管理。

5.2 數(shù)據(jù)的保障措施

Dryad(大型公共科研數(shù)據(jù)庫)是2008年9月由美國國家科學(xué)基金會(huì)資助建立的非盈利性共享科研數(shù)據(jù)庫，推動(dòng)各學(xué)科的科研數(shù)據(jù)開放共享。一方面長期保存了出版物背后的數(shù)據(jù)；另一方面也使它們可被發(fā)現(xiàn)、可重復(fù)使用、可引用，讓其他學(xué)者從歷史數(shù)據(jù)中創(chuàng)造新的價(jià)值，也可用真實(shí)數(shù)據(jù)進(jìn)行科研教育[21]。

這類大型的研究數(shù)據(jù)機(jī)構(gòu)，一般有詳細(xì)而完善的數(shù)據(jù)保存策略，包括備份、遷移、故障應(yīng)急預(yù)案等，也有專門的程序來監(jiān)測(cè)數(shù)據(jù)的流通、識(shí)別非法操作。它身為作者和期刊之間的第三方公共數(shù)據(jù)庫，有自己的一套管理審核措施。它接受所有類型的與出版物相關(guān)的原始數(shù)據(jù)，包括文本、圖像、表格、音頻、視頻等等，默認(rèn)情況下與文章一同發(fā)表。數(shù)據(jù)提交后會(huì)獲得永久可解析的DOI標(biāo)識(shí)，便于引用和交流。

由此可見，研究數(shù)據(jù)的管理和研究意義重大。

6 新一代機(jī)構(gòu)知識(shí)資源研究數(shù)據(jù)建設(shè)機(jī)遇與作用

2017年5月，歐盟競爭力委員會(huì)(The Competitiveness Council)在布魯塞爾歐盟總部達(dá)成了一個(gè)雄心勃勃的開放獲取(OA)目標(biāo)——至2020年，歐洲所有科學(xué)文章要實(shí)現(xiàn)可自由訪問，這種開放也延伸到科學(xué)數(shù)據(jù)(我們稱之為“OA-2020決定”)，構(gòu)建科研環(huán)境和創(chuàng)新環(huán)境，為開放科研成果和共享科研數(shù)據(jù)帶來機(jī)遇，改善創(chuàng)新環(huán)境、提高競爭力的有效設(shè)計(jì)。是科學(xué)研究開放化發(fā)展。

新一代機(jī)構(gòu)知識(shí)資源獎(jiǎng)研究成果和研究數(shù)據(jù)資源的關(guān)聯(lián)組織，將其融入高校知識(shí)資源循環(huán)利用創(chuàng)新體系中，對(duì)高校各種創(chuàng)新成果及過程成果(包括專家、知識(shí)、數(shù)據(jù)、利用等)進(jìn)行數(shù)據(jù)揭示和創(chuàng)新發(fā)現(xiàn)，對(duì)其組織、活動(dòng)、成果、政策、環(huán)境、發(fā)展、效果、貢獻(xiàn)等的分布、傳遞、相互關(guān)聯(lián)引證和循環(huán)利用等協(xié)同關(guān)系做出定量描述，并進(jìn)行研究數(shù)據(jù)開放使用分析和研究，揭示其研究數(shù)據(jù)及成果的數(shù)量特征和內(nèi)在規(guī)律[21]。為成果和數(shù)據(jù)揭示的技術(shù)化、規(guī)范化、科學(xué)化提供參考依據(jù),以改善高校知識(shí)資源的組織管理、信息管理和創(chuàng)新管理,提高機(jī)構(gòu)知識(shí)庫研究數(shù)據(jù)關(guān)聯(lián)組織管理水平和開放效果[22]。

研究數(shù)據(jù)資源的關(guān)聯(lián)組織使機(jī)構(gòu)知識(shí)庫的數(shù)字資源實(shí)現(xiàn)有效關(guān)聯(lián)、高度聚合,從而使用戶能夠迅速、準(zhǔn)確、方便獲取到需要的資源,充分滿足用戶的需求。關(guān)聯(lián)數(shù)據(jù)具有高度關(guān)聯(lián)、充分共享、容易擴(kuò)展、方便重用等特征。數(shù)據(jù)資源是重要的現(xiàn)代戰(zhàn)略資源，其重要程度將越來越凸顯，在本世紀(jì)有可能超過石油、煤炭、礦產(chǎn)，成為最重要的人類資源之一[23]。