數(shù)字保存的認(rèn)知與實踐——基于對高能物理學(xué)科研究人員的調(diào)查

●臧國全，王曉梅（鄭州大學(xué) 信息管理系，鄭州 450001）

數(shù)字保存主要有兩類：學(xué)術(shù)論著保存和研究型數(shù)據(jù)保存。前者比較普遍，理論和實踐相對成熟，后者集中在數(shù)據(jù)密集型領(lǐng)域，理論和實踐都較滯后。高能物理（又稱粒子物理）是一個典型的實驗型學(xué)科，產(chǎn)生大量研究型數(shù)據(jù)（實驗數(shù)據(jù)是研究型數(shù)據(jù)的一種重要類型），對該學(xué)科研究人員的實驗數(shù)據(jù)保存的認(rèn)知與實踐的調(diào)查，有助于了解對數(shù)字保存的期望，掌握數(shù)字保存的現(xiàn)狀，發(fā)現(xiàn)數(shù)字保存理論與實踐的不足。

目前為止，全方位對數(shù)字保存認(rèn)知與實踐的調(diào)查甚為鮮見，歐盟PARSE.insight項目［1］歷經(jīng)三年（2008—2010），不僅對數(shù)字保存利益相關(guān)方（包括科研人員、保存機構(gòu)和出版商）進行了比較系統(tǒng)的調(diào)查，而且也選擇了若干個代表性學(xué)科領(lǐng)域進行案例分析，其中之一是高能物理學(xué)科，針對該學(xué)科的科研人員的調(diào)查對象選擇來自歐洲核子研究中心CERN［2］在全球各地分支機構(gòu)的880位實驗研究者和260位理論研究者。本文基于該項調(diào)查，總結(jié)該領(lǐng)域科研人員對數(shù)字保存的認(rèn)知與實踐，分析數(shù)字保存存在的問題，尋求可能的解決方案。

1 數(shù)字保存的認(rèn)知

1.1 重要性

總體上，絕大多數(shù)理論研究者和實驗研究者對數(shù)字保存的重要性都給予了高度認(rèn)可（見表1）。不同研究經(jīng)歷的人員（少于5年和大于5年）對該項認(rèn)知的程度沒有明顯差別，但理論研究者要明顯高于實驗研究者，這可能說明了前者更注重使用實驗數(shù)據(jù)，而不僅僅局限于基于實驗數(shù)據(jù)分析而公開發(fā)表的成果。

表1 數(shù)字保存的重要性

1.2 保存原因

保存原因有很多，但得到比較廣泛認(rèn)可的（見表2）?？傮w上，與實驗研究者相比，理論研究者對保存原因的認(rèn)知度要略高一點，可能的解釋是實驗研究者對實驗數(shù)據(jù)保存的困難以及進行分析的缺憾體會較深，對保存原因的認(rèn)知更趨理智。

表2 數(shù)字保存的原因

原因1：如果由公共資金資助，實驗數(shù)據(jù)為公共財產(chǎn)，應(yīng)合理保存，為未來科學(xué)研究之用。

原因2：實驗數(shù)據(jù)可以用于未來研究成果的驗證。

原因3：實驗數(shù)據(jù)可以結(jié)合未來實驗數(shù)據(jù)一起使用。

原因4：實驗數(shù)據(jù)可以根據(jù)未來新理論模型進行重新分析。

原因5：實驗數(shù)據(jù)可以用于教育。

1.3 保存用途

數(shù)字保存的基本作用是促進科學(xué)發(fā)展和傳承文化遺產(chǎn)。針對高能物理學(xué)科實驗數(shù)據(jù)保存的最主要作用為前者，對此，實驗研究者（97%） 和理論研究者（99%）都給予了高度認(rèn)可。具體來說，表3列出的四項用途（尤其是前三項）得到研究人員的認(rèn)可度較高。除此之外，被調(diào)查者提到的用途還有完善或驗證新的模擬工具和分析方法等。

表3 保存數(shù)據(jù)的用途

用途1：測試新理論模型。

用途2：驗證新老實驗之間的兼容性或一致性；或探測新老實驗之間的偏差。

用途3：供設(shè)計新實驗方案時參考。

用途4：專題資料匯編（如述評）。

1.4 保存威脅

實驗數(shù)據(jù)的保存威脅比較多，表4列出了受訪者最關(guān)心的威脅。

威脅1：數(shù)字保存缺乏可持續(xù)性導(dǎo)致實驗數(shù)據(jù)未來可能無法訪問。

威脅2：保存數(shù)據(jù)的無控制訪問與使用可能導(dǎo)致錯誤結(jié)論的膨脹。

威脅3：使用保存的數(shù)據(jù)，但未對原始作者進行引用或說明。

威脅4：保存的數(shù)據(jù)可能被無意地修改或被不恰當(dāng)?shù)夭僮鳌?/p>

針對威脅1，對數(shù)字保存可持續(xù)性的關(guān)注為最高，這也充分說明了與傳統(tǒng)信息資源相比，研究人員對數(shù)字資源脆弱性的認(rèn)知更深刻。

表4 保存威脅

針對威脅2，錯誤結(jié)論的膨脹被高度關(guān)注（尤其是實驗研究者），可能因為實驗研究者深知實驗數(shù)據(jù)的復(fù)雜性和其他研究人員對實驗數(shù)據(jù)分析的潛在失誤風(fēng)險。應(yīng)該說，兩者的最主要區(qū)別還是在于學(xué)術(shù)名譽，如果基于原始數(shù)據(jù)由第三方進行分析得出的結(jié)論不夠完善，可能會影響原始數(shù)據(jù)生產(chǎn)者的名譽，但對理論研究者沒有影響。

絕大多數(shù)實驗研究者（77%）認(rèn)為，采取一定程度的訪問控制（比如訪問許可、用戶認(rèn)證等）可以減少錯誤結(jié)論。另外也有一些實驗研究者（34%） 和理論研究者（28%）建議，實驗數(shù)據(jù)在提交保存之前，應(yīng)該對其真實性和完整性以及應(yīng)用的合理性等方面進行評價（如通過同行評審方式），但會增加成本，甚至可能會阻礙科學(xué)交流的自然流程。實際上，訪問控制與開放存取是數(shù)字保存的兩個方面，目前的理論探討和業(yè)界實踐比較傾向的看法是：雖然開放存取存在風(fēng)險，但它帶來的益處要遠(yuǎn)遠(yuǎn)大于所產(chǎn)生的弊端，并且開放存取也可以進行適當(dāng)控制。

針對威脅3，業(yè)界可以參考現(xiàn)行的學(xué)術(shù)論著引用規(guī)范來制定實驗數(shù)據(jù)的引用規(guī)范，研究人員應(yīng)該遵守該規(guī)范，出版商應(yīng)該監(jiān)督實施該規(guī)范，學(xué)術(shù)機構(gòu)應(yīng)該評估該規(guī)范的實施情況。另外，還應(yīng)該加強研究人員的科研誠信教育，設(shè)立科研誠信監(jiān)督機構(gòu)，接受并處理有關(guān)投訴。同行之間監(jiān)督和輿論也是一種方法。總之，科研誠信是科學(xué)昌盛之本，多管齊下才是解決方法。

針對威脅4，研究人員的關(guān)注度較低，主要是技術(shù)層面的問題，任何保存系統(tǒng)都應(yīng)該提供相應(yīng)手段（比如設(shè)置保存數(shù)據(jù)的屬性為只讀型）保護數(shù)據(jù)。另外，保存系統(tǒng)應(yīng)該具有數(shù)據(jù)自動備份機制，定期運行數(shù)據(jù)完整性檢查，必要時實施逆向恢復(fù)功能等。

2 數(shù)字保存的實踐

2.1 保存數(shù)據(jù)類型

調(diào)查結(jié)果顯示，實驗研究人員保存實驗數(shù)據(jù)的類型分布比較寬泛（見表5），表明該研究群體在此項實踐上缺乏共識。

表5 保存數(shù)據(jù)類型

2.2 保存時間

最常見的答案是在整個實驗結(jié)束時，或者完成數(shù)據(jù)分析且分析結(jié)果公開發(fā)表后（見表6）。這說明在高能物理領(lǐng)域，對實驗數(shù)據(jù)的加工需要一個漫長過程，且常常持續(xù)到項目結(jié)束，甚至在整個實驗周期中需要加工多次。

表6 保存數(shù)據(jù)時間

2.3 保存位置

保存位置與數(shù)據(jù)共享密切相關(guān)。調(diào)查結(jié)果顯示（見表7），大多數(shù)實驗研究者不僅將實驗數(shù)據(jù)提交到面向公共服務(wù)的數(shù)字保存系統(tǒng)，同時也保存在僅供課題組內(nèi)部使用共享的數(shù)據(jù)平臺中，說明高能物理學(xué)科實驗研究者具有較強的開放存取意識。

表7 保存數(shù)據(jù)位置

2.4 保存投資

調(diào)查結(jié)果顯示，保存投資占整個費用（包括實驗數(shù)據(jù)生產(chǎn)、分析、處理等各項費用）的比例較高，其中近一半的實驗研究者對實驗數(shù)據(jù)的保存投資占整個費用10%以上（見表8）。而在PARSE.insight的另外一項調(diào)查中，［3］只有少數(shù)實驗研究者（16%）表明他們所在的機構(gòu)提供該項投資，并且該項投資伴隨實驗數(shù)據(jù)生產(chǎn)的整個過程（41%），甚至發(fā)生在數(shù)據(jù)生產(chǎn)之前（31%）。這說明了在實驗項目收尾階段，項目組已優(yōu)先考慮下一個項目，很難籌集資金用于已經(jīng)完成的實驗數(shù)據(jù)的保存。

表8 保存投資

2.5 數(shù)據(jù)使用

實驗數(shù)據(jù)不僅被理論研究者使用，而且也被實驗研究者使用（當(dāng)然實驗研究者同時也是數(shù)據(jù)生產(chǎn)者）。在數(shù)據(jù)使用過程中，最常遇到的問題見表9。

表9 數(shù)據(jù)使用最常遇到的問題

問題1：保存質(zhì)量無法保證。

問題2：實驗數(shù)據(jù)丟失。

問題3：表征信息丟失和過時。

問題4：保存格式過時導(dǎo)致無法訪問。

針對問題1，實際上，保存質(zhì)量是一個寬泛的概念，不僅包括上述其他3個問題，還涵蓋更多內(nèi)容（如實驗數(shù)據(jù)的產(chǎn)權(quán)、保存所需的軟硬件性能等）。

針對問題2，這里的“數(shù)據(jù)丟失”不僅包括一般意義上的數(shù)據(jù)丟失（如存儲介質(zhì)的退化導(dǎo)致數(shù)據(jù)的丟失），而且還包括雖然數(shù)據(jù)存在但已經(jīng)無法使用，比如，由于實驗數(shù)據(jù)的有效訪問依賴于充分的元數(shù)據(jù)，而元數(shù)據(jù)的丟失會導(dǎo)致相應(yīng)實驗數(shù)據(jù)處于“檢索不到”狀態(tài)，這種意義的數(shù)據(jù)丟失所占比例可能更大。

針對問題3，表征信息是有效瀏覽和使用實驗數(shù)據(jù)所必須的工具，比如瀏覽軟件、分析軟件、理解實驗數(shù)據(jù)所需的知識、記錄實驗數(shù)據(jù)生產(chǎn)的文檔等，這類信息常常要求與實驗數(shù)據(jù)一起保存。由于高能物理領(lǐng)域中實驗數(shù)據(jù)的高度復(fù)雜性，表征信息對有效使用和理解實驗數(shù)據(jù)至關(guān)重要。

表征信息的丟失有三種情況：其一是自然丟失，比如存儲介質(zhì)的退化導(dǎo)致保存在這些介質(zhì)中的表征信息丟失；其二是保存策略的實施導(dǎo)致表征信息丟失，比如實施數(shù)字遷移可能會導(dǎo)致表征信息沒有同步遷移；其三是惡意損壞，比如黑客對表征信息數(shù)據(jù)庫的惡意攻擊。表征信息的過時是指新的瀏覽軟件和分析軟件的出現(xiàn)導(dǎo)致采用原來的軟件無法有效使用實驗數(shù)據(jù)，此時原來的瀏覽軟件就過時了。

針對問題4，格式過時是導(dǎo)致數(shù)字資源無法有效使用的最重要原因之一，根據(jù)目前的實踐，解決該問題的常用方法有二：數(shù)字遷移和數(shù)字仿真。數(shù)字遷移是通過改變數(shù)字資源的文檔格式，使其適應(yīng)于新的軟件環(huán)境，從而使用戶能夠采用當(dāng)前軟件有效地訪問和瀏覽過去的數(shù)字資源。數(shù)字仿真則不同，不改變數(shù)字資源的文件格式，但要提供采用新的瀏覽軟件來瀏覽過時格式數(shù)字資源的仿真工具。

3 對數(shù)字保存的思考

3.1 認(rèn)知上的思考

認(rèn)知上，雖然研究人員認(rèn)為實驗數(shù)據(jù)的保存非常重要，并且對實驗數(shù)據(jù)保存的原因和用途的認(rèn)識也比較一致，但對實驗數(shù)據(jù)保存的未來高度憂慮（具體體現(xiàn)在最嚴(yán)重的保存威脅是“可持續(xù)性”）。因此，業(yè)界應(yīng)該加強對數(shù)字保存的可持續(xù)性研究。宏觀上，數(shù)字保存的可持續(xù)性包括管理、技術(shù)、經(jīng)濟可持續(xù)性等方面。多年來，對數(shù)字保存的研究主要集中在管理和技術(shù)層面，但對經(jīng)濟可持續(xù)性涉獵甚少，因此應(yīng)該開展對該課題的探討。

從運行機制角度，目前的數(shù)字保存有兩大類：基于市場機制運營（如CNKI的中國期刊網(wǎng)）和基于公益性機制運營（如美國國會圖書館的American Memory）。這兩類數(shù)字保存都可以視為經(jīng)濟產(chǎn)品，其中前者可視為市場經(jīng)濟產(chǎn)品，后者可視為公共經(jīng)濟產(chǎn)品。從經(jīng)濟產(chǎn)品角度，數(shù)字保存經(jīng)濟可持續(xù)性可以從解析其經(jīng)濟要素并在此基礎(chǔ)上對其進行經(jīng)濟評價兩個方面進行研究。

數(shù)字保存的經(jīng)濟要素解析可以從宏觀和微觀兩個層面進行，宏觀經(jīng)濟要素主要包括“供給與需求”，微觀經(jīng)濟要素主要包括“成本與收入”。數(shù)字保存的經(jīng)濟評價包括定性評價和定量評價，其中定量評價可以從評價指標(biāo)體系建立和評價方法設(shè)計兩個方面進行，評價指標(biāo)體系包括財務(wù)指標(biāo)和實物期權(quán)指標(biāo)，評價方法包括評價指標(biāo)的計量方法、評價指標(biāo)的基準(zhǔn)值設(shè)置方法以及評價實施等。

3.2 實踐上的思考

實踐上，比較集中的是數(shù)字保存質(zhì)量問題。與其他產(chǎn)品一樣，無論是作為經(jīng)濟產(chǎn)品的數(shù)字保存還是作為公共產(chǎn)品的數(shù)字保存，其質(zhì)量問題都可以通過建立其質(zhì)量標(biāo)準(zhǔn)并在此基礎(chǔ)上對其進行質(zhì)量認(rèn)證來解決。

在質(zhì)量標(biāo)準(zhǔn)建立方面，根據(jù)全面質(zhì)量管理理論，產(chǎn)品質(zhì)量不僅限于生產(chǎn)過程，也體現(xiàn)在各個環(huán)節(jié)：決策、設(shè)計、制造、檢查、使用和服務(wù)等。對數(shù)字保存來說，“決策”和“設(shè)計”由保存者實施，“制造”和“檢查”由數(shù)字資源生產(chǎn)者實施（有時候，保存者和生產(chǎn)者是同一個機構(gòu)，有時候則是不同機構(gòu)），“使用”由用戶實施，“服務(wù)”也由保存者實施。鑒于數(shù)字保存的特點，“使用”和“服務(wù)”都需信息技術(shù)支撐。因此，數(shù)字保存的質(zhì)量標(biāo)準(zhǔn)可以從管理質(zhì)量（如保存方針、災(zāi)難性事件的應(yīng)對方案、數(shù)字保存風(fēng)險識別與管理）、性能質(zhì)量（如數(shù)字資源的正確性和完整性、保存信息包組成的完整性、系統(tǒng)檢索性能）、服務(wù)質(zhì)量（如用戶服務(wù)政策、用戶服務(wù)管理）、技術(shù)支持質(zhì)量（如數(shù)據(jù)備份的同步更新、損壞和丟失數(shù)據(jù)的檢測與恢復(fù)、系統(tǒng)軟件與硬件、系統(tǒng)安全）等四個方面來研究建立。

在數(shù)字保存質(zhì)量認(rèn)證方面，可以借鑒成熟的ISO質(zhì)量體系認(rèn)證方案，結(jié)合數(shù)字保存的特點，設(shè)計認(rèn)證模型。該模型可以從認(rèn)證機構(gòu)和認(rèn)證人員的要求與資格、認(rèn)證模式、認(rèn)證標(biāo)準(zhǔn)、認(rèn)證流程和認(rèn)證方案等方面來構(gòu)建。