張若晗

(黑龍江大學 信息管理學院，黑龍江 哈爾濱 150080)

1 調(diào)研目的

科學數(shù)據(jù)的共享和重用近年來開始蓬勃發(fā)展，政府機關(guān)、學術(shù)機構(gòu)與期刊出版商紛紛鼓勵科研人員共享科學數(shù)據(jù)，但是數(shù)據(jù)共享的操作流程繁復，會耗費數(shù)據(jù)共享者的時間和精力，數(shù)據(jù)的引用標準尚未規(guī)范，數(shù)據(jù)重用者在利用二手數(shù)據(jù)進行科學研究中也遇到一些障礙。本研究探討管理學領(lǐng)域科研人員的數(shù)據(jù)重用現(xiàn)狀，為促進科學數(shù)據(jù)的發(fā)布和再利用提供建議，支持科學數(shù)據(jù)的長足發(fā)展。

2 調(diào)研對象

為了保證樣本論文的質(zhì)量，根據(jù)CNKI數(shù)據(jù)庫學科期刊導航提供的期刊影響因子數(shù)據(jù)，本研究選取國內(nèi)管理學領(lǐng)域影響因子排名較高的4種期刊，分別為《管理世界》《公共管理學報》《管理科學》《管理學報》，這些期刊在管理學領(lǐng)域具有較大的影響力，對稿件的數(shù)據(jù)使用規(guī)范性要求較高，有利于提高本文統(tǒng)計分析結(jié)果的可信性。為了更好地體現(xiàn)管理學實證研究中數(shù)據(jù)重用的現(xiàn)狀，選擇2010年～2019年刊載的期刊論文，通過中國知網(wǎng)檢索主題為“數(shù)據(jù)”的文獻，共檢索到論文492篇，去除其中編輯寄語、會議報道、簡訊等文獻后，最終共獲取467篇樣本。具體樣本的分布，如圖1所示。

圖1 樣本期刊論文分布情況

3 數(shù)據(jù)處理方法

為了便于樣本統(tǒng)計，通過內(nèi)容分析法對上述467篇文獻的科學數(shù)據(jù)重用行為進行識別與標注。由于數(shù)據(jù)引用尚未有可靠的機器標識方法，主要通過人工識別的方式。筆者對文章中有關(guān)數(shù)據(jù)來源的說明性文字等也進行了標注，一般常見的表達方式是“數(shù)據(jù)說明”或“數(shù)據(jù)來源”“變量與數(shù)據(jù)”等。借助Excel對收集的數(shù)據(jù)進行批量分析與處理，具體統(tǒng)計的內(nèi)容包括5個方面，分別是:①數(shù)據(jù)是否重用，包括樣本數(shù)據(jù)重用的比例；②數(shù)據(jù)來源類型;③數(shù)據(jù)評估判據(jù)；④數(shù)據(jù)獲取障礙；⑤數(shù)據(jù)處理方式。

4 依據(jù)和說明

對上述5個方面的內(nèi)容進行識別，其中論文內(nèi)未涉及的部分識別為空值，并在此基礎(chǔ)上計算了每一篇有數(shù)據(jù)重用的文獻的重用規(guī)范程度，具體詳見表1。

表1 統(tǒng)計內(nèi)容具體細分及示例

4.1 數(shù)據(jù)是否重用

此類目根據(jù)數(shù)據(jù)重用的定義確定，指的是論文的主體部分是否應用二手數(shù)據(jù)對新的研究問題進行研究，有重用取值1，無重用取值0。

4.2 數(shù)據(jù)來源類型

統(tǒng)計不同數(shù)據(jù)來源類型出現(xiàn)的次數(shù)，由于同一篇文章會存在各種類型數(shù)據(jù)同時使用的情況，每一種類型都進行統(tǒng)計，但同一篇文章內(nèi)同類型數(shù)據(jù)只統(tǒng)計一次。此類目用來反映數(shù)據(jù)重用者的數(shù)據(jù)來源類型使用偏好。

4.3 數(shù)據(jù)評估判據(jù)

數(shù)據(jù)評估判據(jù)指的是數(shù)據(jù)重用者對數(shù)據(jù)評估時有哪些判斷依據(jù)，本研究將數(shù)據(jù)質(zhì)量的評估判據(jù)歸納為:完整性、可獲得性、適用性、準確性。

4.4 數(shù)據(jù)獲取障礙

數(shù)據(jù)獲取障礙反映科研人員在搜集各類數(shù)據(jù)時存在的障礙，具體細分為：可獲得性受到限制、數(shù)據(jù)缺失、定義模糊、數(shù)據(jù)異常。

4.5 數(shù)據(jù)處理方式

數(shù)據(jù)處理方式體現(xiàn)科研人員根據(jù)具體情況對缺陷數(shù)據(jù)處理方式的差異。本研究具體分為剔除、匹配合并、調(diào)整、補充4個方面。

5 調(diào)研數(shù)據(jù)分析

2010年～2019年管理學領(lǐng)域4本期刊的數(shù)據(jù)重用論文數(shù)317篇，占總論文數(shù)的67.9%，說明管理學科研人員的數(shù)據(jù)重用占實證研究的比重較大，數(shù)據(jù)重用現(xiàn)象較為普遍。具體統(tǒng)計結(jié)果如表2，僅有8篇文章未明確表明數(shù)據(jù)來源類型，說明大部分數(shù)據(jù)重用文章會標明數(shù)據(jù)來源；有165篇文章未標明評估數(shù)據(jù)時有哪些判斷依據(jù)占比較高；有141篇沒有標明數(shù)據(jù)獲取遇到的障礙以及147篇文章沒有提及對于二手數(shù)據(jù)的處理方式?？梢?，在重用數(shù)據(jù)時，數(shù)據(jù)來源是管理學科研人員在文章中幾乎都會交代的要素，對于如何評估數(shù)據(jù)、獲取數(shù)據(jù)的障礙以及如何處理數(shù)據(jù)等問題關(guān)注較少。

表2 具體統(tǒng)計結(jié)果

5.1 數(shù)據(jù)來源類型的偏好分析

管理學科研人員使用的數(shù)據(jù)主要來源于政府數(shù)據(jù)(37%)、數(shù)據(jù)庫數(shù)據(jù)(26%)和網(wǎng)絡(luò)數(shù)據(jù)(14%)，其中政府數(shù)據(jù)比重最大，大多來自統(tǒng)計年鑒，主要由國家統(tǒng)計局進行收集，規(guī)范性強。其次，占比較大的是數(shù)據(jù)庫數(shù)據(jù)，通過調(diào)研可知，管理學科研人員使用微觀數(shù)據(jù)庫作為數(shù)據(jù)來源的情況較為普遍。政府數(shù)據(jù)和數(shù)據(jù)庫數(shù)據(jù)統(tǒng)計結(jié)果較為可靠，并且統(tǒng)計數(shù)量較大，特別是微觀數(shù)據(jù)庫代表性高、針對性強，對數(shù)據(jù)的收集和存儲更加細化，受到科研人員的青睞。公共服務部門、政府機關(guān)在一定情況下會公開發(fā)布調(diào)查研究所得的相關(guān)數(shù)據(jù)，大數(shù)據(jù)環(huán)境下互聯(lián)網(wǎng)平臺為各個來源的科學數(shù)據(jù)傳播提供了新渠道，提高了科學數(shù)據(jù)的多渠道獲取。網(wǎng)絡(luò)數(shù)據(jù)主要由于獲取較為便利，科研人員可以通過網(wǎng)絡(luò)爬蟲有針對性地搜集數(shù)據(jù)?？蒲许椖颗c論文數(shù)據(jù)(6%)主要是為特定的研究目的進行的數(shù)據(jù)收集，有特定的情境，適用性有限。檔案館的開放程度較低，其科學數(shù)據(jù)的易獲取性較弱，并且檔案數(shù)據(jù)有些屬于非公開文件，一般作為補充數(shù)據(jù)，單獨使用情況較少。詳細數(shù)據(jù)來源類型分布，如圖2所示。

圖2 數(shù)據(jù)來源類型

5.2 數(shù)據(jù)評估判據(jù)

從調(diào)研數(shù)據(jù)看，管理學科研人員者評估數(shù)據(jù)主要關(guān)注數(shù)據(jù)的適用性(37%)，原始數(shù)據(jù)一般是由數(shù)據(jù)生產(chǎn)者在研究過程中收集的，數(shù)據(jù)重用者在使用數(shù)據(jù)時會考慮數(shù)據(jù)是否適用于自己的研究內(nèi)容，而且一般會選取具有代表性的數(shù)據(jù)，所以關(guān)注度較高。數(shù)據(jù)的完整性、數(shù)據(jù)覆蓋是否全面對于研究者也十分重要。另外，科研人員會傾向于使用數(shù)量多、時間跨度大、地域跨度大的數(shù)據(jù)，數(shù)據(jù)的準確性也是科研人員在評估數(shù)據(jù)時的標準，使用的數(shù)據(jù)準確與否對研究結(jié)果有直接影響。數(shù)據(jù)可得性也在評估時有提及，盡管占比(15%)比較低，但這也是數(shù)據(jù)重用的前提。

5.3 數(shù)據(jù)獲取障礙

數(shù)據(jù)獲取最大的障礙因素是數(shù)據(jù)缺失(43%)。數(shù)據(jù)缺失一般由于一些原因產(chǎn)生空缺，對研究者獲取數(shù)據(jù)產(chǎn)生了一定程度的限制。數(shù)據(jù)由于誤差因素導致的數(shù)據(jù)異常也成為研究者獲取數(shù)據(jù)的另一大限制 (29%)。數(shù)據(jù)的可獲得性既作為數(shù)據(jù)評估的一個標準，也是數(shù)據(jù)獲取的障礙。另外，原始數(shù)據(jù)中對于數(shù)據(jù)定義模糊，導致重用者不能準確理解數(shù)據(jù)，也造成一定的障礙，但是占比較小(11%)。

圖3 數(shù)據(jù)評估判據(jù)

圖4 數(shù)據(jù)獲取障礙

5.4 數(shù)據(jù)處理方式

通過調(diào)研分析，剔除成為管理學科研人員處理數(shù)據(jù)的主要解決方式。因為在數(shù)據(jù)處理中，對于缺失或者不可獲得的數(shù)據(jù)來說，剔除最為簡便，并且一般研究使用的數(shù)據(jù)量較大，剔除少數(shù)變量對研究結(jié)果影響不大。對于數(shù)據(jù)異常的情況，剔除相對容易。但是，每個研究的內(nèi)容不同，數(shù)據(jù)處理方式也有差別，例如:將數(shù)據(jù)整理后匹配合并，或者用其他數(shù)據(jù)源進行補充、調(diào)整。

圖5 數(shù)據(jù)處理方式

6 調(diào)研結(jié)果

研究結(jié)果顯示，重用論文有317篇，占總論文數(shù)的67.9%，重用情況較為普遍說明管理學科學研究對數(shù)據(jù)的依賴程度較高。本研究主要從數(shù)據(jù)是否重用、數(shù)據(jù)來源類型、數(shù)據(jù)評估判據(jù)、數(shù)據(jù)獲取障礙、數(shù)據(jù)處理方式5個方面具體分析管理學科研人員的數(shù)據(jù)重用特征。

在數(shù)據(jù)來源方面，本研究的結(jié)果與沈婷婷(2016)對社會學研究者二手數(shù)據(jù)利用行為分析的結(jié)果一致，幾乎全部的作者都對數(shù)據(jù)來源進行明確標注。管理學科研人員較常使用來自大型數(shù)據(jù)庫與政府部門的資料，Zhang(2011)之處使用過SDSS數(shù)據(jù)庫(天文領(lǐng)域)的200篇論文中，其中有51.9%是來自公開的數(shù)據(jù)庫，這樣的研究結(jié)果與本研究的調(diào)研結(jié)果大致相符。

在數(shù)據(jù)評估評估方面，管理學科研人員在重用數(shù)據(jù)時，會受數(shù)據(jù)的完整性、可獲得性、適用性、準確性等因素影響。例如，在完整性方面，會考慮調(diào)查問卷題項的豐富程度，或者數(shù)據(jù)的缺失情況是否影響研究內(nèi)容；在可獲得性方面，作者在選擇具備相同條件數(shù)據(jù)時，會優(yōu)先考慮方便取得或免費獲得的數(shù)據(jù)；在適用性方面，會觀察收集數(shù)據(jù)的方法是否符合自己的研究，題項的設(shè)計、問題是否吻合；在準確性方面，作者會觀察資料內(nèi)容與題項設(shè)計是否吻合，或者通過統(tǒng)計方式檢測數(shù)據(jù)的信效度。此外，對于部分科研人員來說，數(shù)據(jù)的時間跨度和時效性也是非常重要的。

在數(shù)據(jù)處理方面，與Rolland和Lee(2013)的研究結(jié)果類似，本研究的管理學科研人員同樣會對數(shù)據(jù)進行清理，多數(shù)采用剔除缺失數(shù)據(jù)和異常的數(shù)據(jù)變?yōu)榭捎玫臓顟B(tài)，在缺失數(shù)據(jù)時，會視情況匹配整合，或者用替代數(shù)據(jù)進行補充。

但從調(diào)研情況來看，仍存在一些不規(guī)范之處，在數(shù)據(jù)使用方面還有較大提升空間。調(diào)查發(fā)現(xiàn)，大多數(shù)作者在引用數(shù)據(jù)庫數(shù)據(jù)與圖表數(shù)據(jù)時，僅對數(shù)據(jù)來源在文中做描述性標注或者列出部分引用元素，這種數(shù)據(jù)重用行為使讀者難以通過查閱數(shù)據(jù)引文來定位原始數(shù)據(jù)，阻礙了數(shù)據(jù)的傳播與再利用。