數(shù)據(jù)密集型科研環(huán)境下的科研數(shù)據(jù)管理框架研究*

彭鑫，鄧仲華

（武漢大學(xué)信息管理學(xué)院，武漢 430072）

數(shù)據(jù)密集型科研環(huán)境下的科研數(shù)據(jù)管理框架研究*

彭鑫，鄧仲華

（武漢大學(xué)信息管理學(xué)院，武漢 430072）

隨著科學(xué)研究第四范式概念的不斷深入，科學(xué)研究越來越依賴于從大量科研數(shù)據(jù)中發(fā)現(xiàn)新的知識(shí)和科學(xué)規(guī)律，科研數(shù)據(jù)的管理成為科學(xué)研究第四范式發(fā)展面臨的首要問題。通過文獻(xiàn)調(diào)研，梳理數(shù)據(jù)密集型科研環(huán)境下科研數(shù)據(jù)的特征，分析科研用戶對(duì)科研數(shù)據(jù)管理的具體需求，并梳理科研數(shù)據(jù)管理各階段的具體任務(wù)，基于此提出科研數(shù)據(jù)管理框架。結(jié)合國內(nèi)外實(shí)踐現(xiàn)狀，對(duì)科研數(shù)據(jù)管理框架的發(fā)展提出建議，為科研數(shù)據(jù)管理平臺(tái)或工具的開發(fā)提供借鑒和參考，對(duì)解決數(shù)據(jù)密集型科研環(huán)境下缺乏數(shù)據(jù)管理工具的困境具有一定意義。

數(shù)據(jù)密集型科研環(huán)境；第四范式；科研數(shù)據(jù)管理

隨著大數(shù)據(jù)時(shí)代的來臨，數(shù)字化程度加深，科學(xué)研究進(jìn)入數(shù)據(jù)密集型科研環(huán)境?？蒲袛?shù)據(jù)不僅是科研活動(dòng)的產(chǎn)物，還是科研活動(dòng)開展的基礎(chǔ)?？茖W(xué)研究越來越依賴于對(duì)大量科研數(shù)據(jù)實(shí)時(shí)、動(dòng)態(tài)地監(jiān)測(cè)和分析來解決各種科學(xué)問題，第四范式應(yīng)運(yùn)而生[1]。第四范式又稱作數(shù)據(jù)密集型的知識(shí)發(fā)現(xiàn)，借助數(shù)據(jù)工具和計(jì)算機(jī)技術(shù)進(jìn)行建模、分析以發(fā)現(xiàn)新的知識(shí)或科研規(guī)律。吉姆?格雷提出E-Science環(huán)境和科學(xué)研究第四范式的概念，指出數(shù)據(jù)密集型環(huán)境下科學(xué)研究缺乏數(shù)據(jù)管理和分析工具的現(xiàn)狀[2]。隨著科研數(shù)據(jù)大量積累，面對(duì)大量、分散、結(jié)構(gòu)多樣的科研數(shù)據(jù)，科學(xué)研究第四范式的發(fā)展面臨多方面挑戰(zhàn)?？蒲袛?shù)據(jù)的價(jià)值日益凸顯，科研范式的轉(zhuǎn)變以及對(duì)科研數(shù)據(jù)開放獲取的需求增加，使得有效的科研數(shù)據(jù)管理成為亟待解決的問題。

1 數(shù)據(jù)密集型科研環(huán)境下科研數(shù)據(jù)管理

1.1 科研數(shù)據(jù)及特征分析

科研數(shù)據(jù)指人類從事科研活動(dòng)所產(chǎn)生的原始觀測(cè)數(shù)據(jù)（如遙感學(xué)、地理學(xué)、社會(huì)經(jīng)濟(jì)學(xué)等領(lǐng)域的觀測(cè)數(shù)據(jù)）、實(shí)驗(yàn)室儀器設(shè)備產(chǎn)生的實(shí)驗(yàn)數(shù)據(jù)（如光譜圖像、基因序列等數(shù)據(jù)）、仿真數(shù)據(jù)以及Web數(shù)據(jù)。科研數(shù)據(jù)迅速增長(zhǎng)并大量積累，來自不同學(xué)科領(lǐng)域不同類型的科研數(shù)據(jù)，共同構(gòu)成數(shù)據(jù)密集型科研環(huán)境?？蒲袛?shù)據(jù)具有大數(shù)據(jù)的一般特征：（1）數(shù)據(jù)來源廣泛、分布分散，包括高校實(shí)驗(yàn)室、機(jī)構(gòu)庫、學(xué)科庫、政府?dāng)?shù)據(jù)庫及互聯(lián)網(wǎng)等；（2）數(shù)據(jù)體量巨大，海量歷史數(shù)據(jù)不斷積累，且呈PB級(jí)別動(dòng)態(tài)增長(zhǎng)；（3）數(shù)據(jù)結(jié)構(gòu)多樣，結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)混合；（4）數(shù)據(jù)價(jià)值性，科研數(shù)據(jù)具有研究?jī)r(jià)值和使用價(jià)值。相較一般的大數(shù)據(jù)，科研數(shù)據(jù)對(duì)時(shí)效性要求較低，更強(qiáng)調(diào)從大量、積累的科研數(shù)據(jù)中演化和發(fā)現(xiàn)新的科研規(guī)律或知識(shí)[3]。因此，科研數(shù)據(jù)又呈現(xiàn)一定的特殊性：（1）學(xué)科差異性，不同學(xué)科領(lǐng)域數(shù)據(jù)體量、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)形式等方面具有較大差異；（2）學(xué)科交叉性和關(guān)聯(lián)性，數(shù)據(jù)通常涉及多個(gè)學(xué)科領(lǐng)域，對(duì)跨領(lǐng)域、跨機(jī)構(gòu)、跨數(shù)據(jù)庫的數(shù)據(jù)融合提出新要求；（3）歷史積累性，大數(shù)據(jù)環(huán)境下強(qiáng)調(diào)數(shù)據(jù)的動(dòng)態(tài)實(shí)時(shí)性，而數(shù)據(jù)密集型科研環(huán)境下更注重?cái)?shù)據(jù)的歷史積累和數(shù)據(jù)體系的完整；（4）準(zhǔn)確性和完整性，科研數(shù)據(jù)需要長(zhǎng)期存儲(chǔ)，存儲(chǔ)成本高，要盡可能保證數(shù)據(jù)的真實(shí)性、準(zhǔn)確性，并對(duì)數(shù)據(jù)質(zhì)量和研究?jī)r(jià)值進(jìn)行評(píng)估。

1.2 科研數(shù)據(jù)管理的內(nèi)涵及生命周期理論

李曉輝認(rèn)為有效的科研數(shù)據(jù)管理能避免科研數(shù)據(jù)流失，促進(jìn)數(shù)據(jù)成果出版，提高數(shù)據(jù)曝光度，以此實(shí)現(xiàn)數(shù)據(jù)的有效共享，對(duì)質(zhì)疑提供科學(xué)驗(yàn)證，鼓勵(lì)科研觀點(diǎn)多樣性，能極大節(jié)省科研成本，充分發(fā)揮資助機(jī)構(gòu)的研究?jī)r(jià)值[4]；Cox等將科研數(shù)據(jù)管理定義為科研生命周期中圍繞數(shù)據(jù)收集、存儲(chǔ)、安全、共享和重用展開的系列管理活動(dòng)[5]；崔宇紅認(rèn)為科研數(shù)據(jù)管理是對(duì)科研數(shù)據(jù)進(jìn)行統(tǒng)籌協(xié)調(diào)和配置，最終形成科研數(shù)據(jù)管理的相關(guān)理念、政策、規(guī)范和體系[6]?？蒲袛?shù)據(jù)管理的對(duì)象是科研活動(dòng)所產(chǎn)生的過程數(shù)據(jù)和成果數(shù)據(jù)，主要管理活動(dòng)包括數(shù)據(jù)采集、篩選、存儲(chǔ)、維護(hù)、發(fā)布與共享等；科研數(shù)據(jù)管理的目的即支持科研人員在科研過程中對(duì)數(shù)據(jù)反復(fù)利用，充分挖掘科研數(shù)據(jù)的研究?jī)r(jià)值。

科研數(shù)據(jù)管理過程具有明顯的周期性和階段性特征，基于科研活動(dòng)不同階段的數(shù)據(jù)形態(tài)和數(shù)據(jù)處理活動(dòng)，形成關(guān)于科研數(shù)據(jù)管理的相關(guān)生命周期理論。新墨西哥大學(xué)圖書館DataONE項(xiàng)目從數(shù)據(jù)服務(wù)和信息框架實(shí)施的角度，提出科研數(shù)據(jù)生命周期的八個(gè)階段，即計(jì)劃、收集、質(zhì)量保證、描述、保存、發(fā)現(xiàn)、集成、分析[7]；英國數(shù)據(jù)監(jiān)護(hù)中心提出經(jīng)典的數(shù)據(jù)監(jiān)護(hù)框架，內(nèi)容包括數(shù)據(jù)概念化、數(shù)據(jù)產(chǎn)生、獲取和使用、數(shù)據(jù)評(píng)估和選擇、數(shù)據(jù)存儲(chǔ)、歸檔、長(zhǎng)期保存、數(shù)據(jù)重新評(píng)估、標(biāo)準(zhǔn)化存儲(chǔ)、數(shù)據(jù)公開和再利用、知識(shí)轉(zhuǎn)化[8]；美國政治與社會(huì)校際聯(lián)盟從數(shù)據(jù)管理過程提出科研數(shù)據(jù)管理生命周期框架，包括提出數(shù)據(jù)管理和發(fā)展計(jì)劃、項(xiàng)目啟動(dòng)、數(shù)據(jù)收集和文件創(chuàng)建、數(shù)據(jù)分析、數(shù)據(jù)共享準(zhǔn)備和數(shù)據(jù)存儲(chǔ)六個(gè)階段[9]。生命周期理論的提出，有助于對(duì)科研數(shù)據(jù)管理各階段任務(wù)進(jìn)行梳理，對(duì)進(jìn)一步規(guī)范科研數(shù)據(jù)管理的細(xì)節(jié)提供引導(dǎo)思路，為科研數(shù)據(jù)管理工具的開發(fā)提供依據(jù)[10]。

本文從支撐科研數(shù)據(jù)管理工具開發(fā)的角度，將科研數(shù)據(jù)管理過程劃分為五個(gè)階段：數(shù)據(jù)采集、數(shù)據(jù)組織與整合、數(shù)據(jù)驗(yàn)證及評(píng)估、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)共享利用。

2 科研數(shù)據(jù)管理需求分析

數(shù)據(jù)密集型科研環(huán)境下，科研數(shù)據(jù)管理工具的缺乏成為制約科研數(shù)據(jù)價(jià)值發(fā)揮的重要因素。結(jié)合當(dāng)前科研數(shù)據(jù)管理實(shí)踐現(xiàn)狀，明確用戶對(duì)科研數(shù)據(jù)管理各階段的需求，對(duì)進(jìn)一步解決科研數(shù)據(jù)管理面臨的挑戰(zhàn)具有重要意義。

2.1 國內(nèi)外科研數(shù)據(jù)管理實(shí)踐現(xiàn)狀

國外高校和基金機(jī)構(gòu)已不同程度地開展科研數(shù)據(jù)管理相關(guān)實(shí)踐。英國數(shù)據(jù)監(jiān)護(hù)中心開發(fā)數(shù)據(jù)管理計(jì)劃工具DMPOnline，通過基金機(jī)構(gòu)獲得資助的科研項(xiàng)目從制定數(shù)據(jù)管理計(jì)劃開始，按照指導(dǎo)框架完成數(shù)據(jù)采集、元數(shù)據(jù)描述、數(shù)據(jù)長(zhǎng)期存儲(chǔ)、數(shù)據(jù)共享、數(shù)據(jù)安全等數(shù)據(jù)管理相關(guān)工作的描述[11]；美國國家自然科學(xué)基金委員會(huì)通過強(qiáng)制要求項(xiàng)目申請(qǐng)者提交數(shù)據(jù)管理計(jì)劃書，要求申請(qǐng)者在項(xiàng)目申報(bào)階段便對(duì)科研數(shù)據(jù)的管理細(xì)節(jié)制訂詳細(xì)計(jì)劃，并借助加利福尼亞大學(xué)開發(fā)的DMPTools完成在線數(shù)據(jù)管理計(jì)劃制訂；康奈爾大學(xué)在科研數(shù)據(jù)管理實(shí)踐中采取嵌入式服務(wù)方式，并構(gòu)建數(shù)據(jù)階段性存儲(chǔ)平臺(tái)DataStaR協(xié)助研究者長(zhǎng)期發(fā)布和使用數(shù)據(jù)成果[12]；劍橋大學(xué)通過一系列管理工具協(xié)助科研數(shù)據(jù)管理（如利用DMPOnline創(chuàng)建數(shù)據(jù)管理計(jì)劃，利用ISA Tools完成元數(shù)據(jù)創(chuàng)建等）。國內(nèi)科研數(shù)據(jù)管理實(shí)踐尚處于探索階段，我國有9個(gè)學(xué)科中心于1988年正式加入世界數(shù)據(jù)中心[13]，針對(duì)學(xué)科領(lǐng)域數(shù)據(jù)建設(shè)共享平臺(tái)提供科研數(shù)據(jù)管理與共享服務(wù)。中國科學(xué)院正在建設(shè)科學(xué)數(shù)據(jù)云平臺(tái)，擬利用云計(jì)算和大數(shù)據(jù)技術(shù)，為科研數(shù)據(jù)的管理、存儲(chǔ)、分析提供相關(guān)服務(wù)[14]；此外，武漢大學(xué)、廈門大學(xué)圖書館不同程度地開展對(duì)科研數(shù)據(jù)管理平臺(tái)建設(shè)的探討，武漢大學(xué)基于Dspace開源系統(tǒng)為全校師生提供可實(shí)現(xiàn)數(shù)據(jù)保存、數(shù)據(jù)管理與數(shù)據(jù)共享的服務(wù)平臺(tái)[15]。

2.2 科研數(shù)據(jù)管理面臨的挑戰(zhàn)

盡管科研數(shù)據(jù)管理的重要性被學(xué)者不斷強(qiáng)調(diào)，但在實(shí)踐過程中仍面臨多方面的挑戰(zhàn)：（1）數(shù)據(jù)來源廣泛，數(shù)據(jù)管理缺乏統(tǒng)一標(biāo)準(zhǔn)，為數(shù)據(jù)的采集和整合帶來挑戰(zhàn)；（2）通用型科研數(shù)據(jù)管理平臺(tái)或工具的缺乏，小規(guī)?？蒲袌F(tuán)隊(duì)、個(gè)人科研用戶因缺乏足夠的科研經(jīng)費(fèi)或開放的科研數(shù)據(jù)管理渠道，致使大量科研數(shù)據(jù)流失；（3）科研數(shù)據(jù)管理意識(shí)不足，科研用戶的數(shù)據(jù)管理習(xí)慣未養(yǎng)成，對(duì)科研數(shù)據(jù)主動(dòng)收集和共享意識(shí)不足，使科研數(shù)據(jù)管理在實(shí)踐中存在一定阻礙；（4）科研數(shù)據(jù)具有跨學(xué)科特點(diǎn)，數(shù)據(jù)管理相關(guān)標(biāo)準(zhǔn)的缺失使數(shù)據(jù)孤島現(xiàn)象嚴(yán)重，數(shù)據(jù)的組織和融合存在一定難度，數(shù)據(jù)價(jià)值難以發(fā)揮；（5）大規(guī)模數(shù)據(jù)的長(zhǎng)期存儲(chǔ)，對(duì)存儲(chǔ)空間、存儲(chǔ)技術(shù)以及數(shù)據(jù)組織提出更高要求。

2.3 科研數(shù)據(jù)管理需求分析

結(jié)合當(dāng)前國內(nèi)科研環(huán)境、科研數(shù)據(jù)特征以及科研數(shù)據(jù)管理不同階段面臨的挑戰(zhàn)，科研數(shù)據(jù)管理需契合多方面需求[16]。（1）數(shù)據(jù)采集方案多樣化。為保證數(shù)據(jù)資源體系的完整性，既需要為用戶提供靈活便捷的科研數(shù)據(jù)存儲(chǔ)、管理和共享一體化平臺(tái)，還需要完成科研數(shù)據(jù)的融合，整合機(jī)構(gòu)庫、知識(shí)庫及互聯(lián)網(wǎng)多渠道的科研數(shù)據(jù)。（2）數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一化。制定統(tǒng)一的數(shù)據(jù)格式標(biāo)準(zhǔn)、元數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)組織標(biāo)準(zhǔn)，以實(shí)現(xiàn)對(duì)不同結(jié)構(gòu)科研數(shù)據(jù)的統(tǒng)一管理。標(biāo)準(zhǔn)的制定，對(duì)科研數(shù)據(jù)規(guī)范化管理十分關(guān)鍵。（3）數(shù)據(jù)多維度組織?？蒲袛?shù)據(jù)的學(xué)科交叉性和關(guān)聯(lián)性，使數(shù)據(jù)可從多個(gè)維度進(jìn)行組織和分類，科研數(shù)據(jù)在管理過程中需要通過元數(shù)據(jù)、數(shù)據(jù)標(biāo)識(shí)、數(shù)據(jù)標(biāo)簽等方式，對(duì)數(shù)據(jù)進(jìn)行多維度描述和組織，實(shí)現(xiàn)對(duì)數(shù)據(jù)的有效組織和關(guān)聯(lián)。（4）數(shù)據(jù)質(zhì)量管理?？蒲袛?shù)據(jù)管理目的是協(xié)助科研用戶更好地挖掘數(shù)據(jù)價(jià)值，支撐科研活動(dòng)?？蒲袛?shù)據(jù)的準(zhǔn)確性、完整性一定程度上決定數(shù)據(jù)的研究和使用價(jià)值，應(yīng)加強(qiáng)數(shù)據(jù)質(zhì)量管理與控制。（5）數(shù)據(jù)的長(zhǎng)期存儲(chǔ)。科研數(shù)據(jù)存儲(chǔ)既要滿足數(shù)據(jù)的歷史積累，又要滿足數(shù)據(jù)的動(dòng)態(tài)增長(zhǎng)，對(duì)存儲(chǔ)空間、存儲(chǔ)能力、安全性提出更高要求。（6）數(shù)據(jù)管理平臺(tái)的通用性[17]?？蒲袛?shù)據(jù)管理既要滿足學(xué)科化特征，又要滿足用戶個(gè)性化和針對(duì)性的數(shù)據(jù)管理需求，對(duì)構(gòu)建通用型數(shù)據(jù)管理平臺(tái)提出要求。

3 科研數(shù)據(jù)管理框架構(gòu)建

3.1 科研數(shù)據(jù)管理框架

科研數(shù)據(jù)管理是一項(xiàng)復(fù)雜、時(shí)間跨度長(zhǎng)的項(xiàng)目，科學(xué)研究的不同階段科研數(shù)據(jù)管理面臨不同的任務(wù)和要求，用戶提出的科研數(shù)據(jù)管理需求也不同。本文從科研數(shù)據(jù)組織和融合的角度，對(duì)科研數(shù)據(jù)管理各階段的具體任務(wù)和處理流程進(jìn)行梳理，提出科研數(shù)據(jù)管理框架（見圖1）。

（1）科研數(shù)據(jù)采集。科研數(shù)據(jù)的不同來源決定科研數(shù)據(jù)采集主要包括共享聯(lián)盟、主動(dòng)上傳和直接獲取三種方式[18]。①共享聯(lián)盟。一般來源于大型實(shí)驗(yàn)室、科研單位機(jī)構(gòu)庫、政府?dāng)?shù)據(jù)庫等科研數(shù)據(jù)，根據(jù)不同機(jī)構(gòu)的標(biāo)準(zhǔn)存儲(chǔ)于各數(shù)據(jù)庫。通過獲取其數(shù)據(jù)接口權(quán)限，制定相應(yīng)學(xué)科標(biāo)準(zhǔn)和技術(shù)標(biāo)準(zhǔn)，以下載或轉(zhuǎn)錄的方式實(shí)現(xiàn)科研數(shù)據(jù)的融合[19]。②主動(dòng)上傳。許多中小型實(shí)驗(yàn)室、研究機(jī)構(gòu)以及科研人員，因缺乏經(jīng)費(fèi)難以獲得科研數(shù)據(jù)管理與共享的資源，由用戶主動(dòng)上傳和共享科研數(shù)據(jù)構(gòu)建的科研數(shù)據(jù)共享平臺(tái)，是分散科研數(shù)據(jù)的采集渠道之一。③直接獲取。爬蟲技術(shù)日趨成熟，使來源于互聯(lián)網(wǎng)的分散科研數(shù)據(jù)得到有效地采集和整合。結(jié)合不同的學(xué)科特點(diǎn)、數(shù)據(jù)來源，有針對(duì)性地提出數(shù)據(jù)采集方案，以盡可能從數(shù)據(jù)采集層面確保數(shù)據(jù)資源體系的完整性。

（2）科研數(shù)據(jù)組織與整合?？蒲袛?shù)據(jù)具有學(xué)科交叉性，對(duì)數(shù)據(jù)的分析是多維度的，因而需對(duì)科研數(shù)據(jù)進(jìn)行有序地組織。①標(biāo)準(zhǔn)制定?？蒲袛?shù)據(jù)來源分散、結(jié)構(gòu)多樣，可能涉及多個(gè)學(xué)科領(lǐng)域，科研數(shù)據(jù)標(biāo)準(zhǔn)的制定對(duì)統(tǒng)一數(shù)據(jù)管理具有重要作用。標(biāo)準(zhǔn)的制定既要綜合考慮學(xué)科層面的數(shù)據(jù)標(biāo)準(zhǔn)，又要從數(shù)據(jù)組織層面對(duì)數(shù)據(jù)設(shè)立標(biāo)準(zhǔn)（包括數(shù)據(jù)格式標(biāo)準(zhǔn)、元數(shù)據(jù)標(biāo)準(zhǔn)以及數(shù)據(jù)組織相關(guān)標(biāo)準(zhǔn)）。②數(shù)據(jù)管理計(jì)劃制定。借鑒國外經(jīng)驗(yàn)，在項(xiàng)目開展前，對(duì)科研數(shù)據(jù)采集、組織、存儲(chǔ)等管理過程進(jìn)行有效規(guī)劃，以提升數(shù)據(jù)管理的效率和質(zhì)量。預(yù)先制定規(guī)劃，對(duì)數(shù)據(jù)來源、數(shù)據(jù)類型、數(shù)據(jù)體量進(jìn)行預(yù)估，并制定數(shù)據(jù)組織和存儲(chǔ)方案，結(jié)合相關(guān)科研數(shù)據(jù)政策，確保數(shù)據(jù)管理的可行性。③數(shù)據(jù)組織。首先，根據(jù)制定的數(shù)據(jù)標(biāo)準(zhǔn)對(duì)數(shù)據(jù)格式進(jìn)行轉(zhuǎn)化，使數(shù)據(jù)以系統(tǒng)可處理的標(biāo)準(zhǔn)格式暫存于系統(tǒng)；其次，對(duì)數(shù)據(jù)進(jìn)行清洗，剔除冗余、錯(cuò)誤、不完整的數(shù)據(jù)；再次，對(duì)數(shù)據(jù)集進(jìn)行多維度描述，完善元數(shù)據(jù)相關(guān)內(nèi)容；最后，通過對(duì)數(shù)據(jù)進(jìn)行標(biāo)識(shí)建立數(shù)據(jù)間聯(lián)系，為后續(xù)數(shù)據(jù)交叉應(yīng)用建立基礎(chǔ)。

（3）科研數(shù)據(jù)驗(yàn)證及評(píng)估?？茖W(xué)研究是一項(xiàng)精密、嚴(yán)謹(jǐn)?shù)幕顒?dòng)，科研數(shù)據(jù)作為科學(xué)研究的基礎(chǔ)，使數(shù)據(jù)質(zhì)量和數(shù)據(jù)的嚴(yán)謹(jǐn)性決定數(shù)據(jù)的研究?jī)r(jià)值，因此對(duì)數(shù)據(jù)進(jìn)行驗(yàn)證和評(píng)估十分必要。從科研數(shù)據(jù)監(jiān)護(hù)看，科研數(shù)據(jù)的驗(yàn)證和評(píng)估主要包括對(duì)數(shù)據(jù)進(jìn)行識(shí)別、度量和監(jiān)控等[20]。從數(shù)據(jù)質(zhì)量管理看，科研數(shù)據(jù)驗(yàn)證主要包括以下方面：①通過核實(shí)數(shù)據(jù)格式，確保與數(shù)據(jù)集的一致性；②通過統(tǒng)計(jì)分析（如最大值、最小值、平均值等）或圖表的方式，核實(shí)可疑值、不可能值，識(shí)別異常值；③通過在能反映質(zhì)量的數(shù)據(jù)集內(nèi)編碼，以驗(yàn)證數(shù)據(jù)通信的質(zhì)量；④識(shí)別缺失值，通過核實(shí)相似數(shù)據(jù)集發(fā)現(xiàn)潛在問題。除對(duì)數(shù)據(jù)進(jìn)行評(píng)估和審查外，還包括對(duì)數(shù)據(jù)采集過程、數(shù)據(jù)處理過程等進(jìn)行基本評(píng)估，避免因處理不當(dāng)影響數(shù)據(jù)質(zhì)量[7]。

圖1 科研數(shù)據(jù)管理框架

（4）科研數(shù)據(jù)存儲(chǔ)。數(shù)據(jù)存儲(chǔ)指將科研數(shù)據(jù)按照一定方式，進(jìn)行有序組織，并長(zhǎng)期存儲(chǔ)在數(shù)據(jù)庫中，為后續(xù)數(shù)據(jù)共享和分析利用提供基礎(chǔ)。數(shù)據(jù)存儲(chǔ)主要涉及兩個(gè)層面問題。第一個(gè)層面是針對(duì)數(shù)據(jù)資源的組織與存儲(chǔ)。從數(shù)據(jù)歸屬劃分，主要包括基于學(xué)科、基于機(jī)構(gòu)、基于項(xiàng)目以及綜合性四種分類組織方式；從數(shù)據(jù)本身劃分，包括主體領(lǐng)域、機(jī)密性、內(nèi)容類型以及數(shù)據(jù)規(guī)模四種方式[19]。因此，需要對(duì)數(shù)據(jù)進(jìn)行有序的分類和組織，并通過建立索引和訪問機(jī)制對(duì)數(shù)據(jù)進(jìn)行標(biāo)引，使得物理上存儲(chǔ)于不同的數(shù)據(jù)庫、機(jī)構(gòu)庫或知識(shí)庫的數(shù)據(jù)，在邏輯上形成完整的資源體系。第二個(gè)層面考慮到科研數(shù)據(jù)的歷史積累性，從數(shù)據(jù)的存儲(chǔ)空間以及空間擴(kuò)展性、存儲(chǔ)安全性出發(fā)，在技術(shù)上提出更高要求。如部分機(jī)構(gòu)在數(shù)據(jù)存儲(chǔ)實(shí)踐中引入云計(jì)算技術(shù)，使數(shù)據(jù)在物理存儲(chǔ)上分布合理，在邏輯上具有整體性和關(guān)聯(lián)性，在空間上具有較強(qiáng)的擴(kuò)展性。

（5）科研數(shù)據(jù)共享及利用?？蒲袛?shù)據(jù)的有效整合和管理，為數(shù)據(jù)的共享和利用建立了基礎(chǔ)，但科研數(shù)據(jù)的共享還涉及數(shù)據(jù)安全、知識(shí)產(chǎn)權(quán)以及學(xué)術(shù)道德等問題，需充分考慮政策環(huán)境、權(quán)限管理等多方面的因素，為用戶提供便捷、快速、安全的數(shù)據(jù)公開共享渠道。科研數(shù)據(jù)利用是實(shí)現(xiàn)數(shù)據(jù)價(jià)值的重要過程，包括：其他科研人員能快速檢索和便捷地獲取所需原始科研數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行再驗(yàn)證；通過對(duì)原始科研數(shù)據(jù)進(jìn)行分析，挖掘新知識(shí)；從積累的大量原始科研數(shù)據(jù)中，通過演化或大數(shù)據(jù)技術(shù)發(fā)現(xiàn)新研究規(guī)律等[21]。數(shù)據(jù)利用具有靈活性，需充分結(jié)合研究人員的科研需求，從不同的角度和層面對(duì)數(shù)據(jù)加以分析，不可一概而論。

3.2 科研數(shù)據(jù)管理框架的重要環(huán)節(jié)

面向科學(xué)研究第四范式的科研數(shù)據(jù)管理相較一般的數(shù)據(jù)管理，對(duì)數(shù)據(jù)的真實(shí)性、準(zhǔn)確性、關(guān)聯(lián)性、研究?jī)r(jià)值，以及數(shù)據(jù)資源的完整性提出更高要求，因此框架的構(gòu)建需充分考慮數(shù)據(jù)來源多渠道、數(shù)據(jù)結(jié)構(gòu)多樣化以及數(shù)據(jù)交叉性等多種因素。識(shí)別科研數(shù)據(jù)管理的關(guān)鍵環(huán)節(jié)，并結(jié)合科研數(shù)據(jù)特征和不同的學(xué)科領(lǐng)域進(jìn)行分析，能提升框架的適用性和可行性。

（1）數(shù)據(jù)標(biāo)準(zhǔn)的統(tǒng)一。標(biāo)準(zhǔn)的制定為科研數(shù)據(jù)管理奠定基礎(chǔ)，制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和技術(shù)標(biāo)準(zhǔn)，是科研數(shù)據(jù)管理的前提和重要環(huán)節(jié)。針對(duì)不同學(xué)科領(lǐng)域和不同類型的數(shù)據(jù)，統(tǒng)一數(shù)據(jù)的存儲(chǔ)格式、組織結(jié)構(gòu)，對(duì)構(gòu)建和整合數(shù)據(jù)資源具有重要意義。數(shù)據(jù)標(biāo)準(zhǔn)的制定為數(shù)據(jù)關(guān)聯(lián)、構(gòu)建語義聯(lián)系提供基礎(chǔ)。如元數(shù)據(jù)標(biāo)準(zhǔn)的制定，為進(jìn)一步的數(shù)據(jù)標(biāo)識(shí)和數(shù)據(jù)識(shí)別奠定基礎(chǔ)。此外，從數(shù)據(jù)采集和組織的角度制定規(guī)范，包括針對(duì)分散的子系統(tǒng)制定統(tǒng)一的接口標(biāo)準(zhǔn)；對(duì)不同形式的數(shù)據(jù)格式進(jìn)行轉(zhuǎn)換，制定數(shù)據(jù)轉(zhuǎn)化標(biāo)準(zhǔn)；在數(shù)據(jù)進(jìn)行存儲(chǔ)時(shí)，按照數(shù)據(jù)存儲(chǔ)的格式標(biāo)準(zhǔn)、分類標(biāo)準(zhǔn)和組織標(biāo)準(zhǔn)進(jìn)行操作。

（2）數(shù)據(jù)關(guān)聯(lián)的重要性。數(shù)據(jù)密集型環(huán)境下科學(xué)研究的對(duì)象為科研大數(shù)據(jù)集合，數(shù)據(jù)的研究?jī)r(jià)值很大程度上取決于數(shù)據(jù)完整性。因此，在大量積累的科研數(shù)據(jù)中構(gòu)建數(shù)據(jù)間的關(guān)聯(lián)，對(duì)發(fā)揮數(shù)據(jù)跨領(lǐng)域、跨學(xué)科的研究?jī)r(jià)值具有重要意義。從數(shù)據(jù)資源組織和整合看，通過制定數(shù)據(jù)標(biāo)簽、建立數(shù)據(jù)標(biāo)引以及構(gòu)建語義網(wǎng)等，能從技術(shù)上解決科研數(shù)據(jù)集關(guān)聯(lián)的問題。在數(shù)據(jù)資源盡可能豐富的情況下，數(shù)據(jù)關(guān)聯(lián)能使物理上分布的數(shù)據(jù)，在邏輯上呈現(xiàn)網(wǎng)絡(luò)化和整體性，解決數(shù)據(jù)孤島問題，促進(jìn)對(duì)數(shù)據(jù)潛在價(jià)值的挖掘。

（3）元數(shù)據(jù)制定的必要性。制定元數(shù)據(jù)能完善對(duì)數(shù)據(jù)的描述，提升數(shù)據(jù)資源的識(shí)別率，便于對(duì)數(shù)據(jù)資源的評(píng)價(jià)和追蹤，還能有效地實(shí)現(xiàn)對(duì)數(shù)據(jù)資源的發(fā)現(xiàn)、組織和管理[22]。元數(shù)據(jù)管理具有明顯的學(xué)科特性，不同學(xué)科領(lǐng)域的元數(shù)據(jù)在構(gòu)成要素、標(biāo)準(zhǔn)格式、組織上存在一定差異。盡管有學(xué)者從必選項(xiàng)、推薦項(xiàng)和參考項(xiàng)提出通用元數(shù)據(jù)標(biāo)準(zhǔn)，仍需為用戶提供充分的咨詢和引導(dǎo)服務(wù)，協(xié)助用戶完善元數(shù)據(jù)的相關(guān)內(nèi)容，建立元數(shù)據(jù)記錄。

（4）數(shù)據(jù)質(zhì)量是數(shù)據(jù)價(jià)值的前提?？茖W(xué)研究具有嚴(yán)謹(jǐn)性，基于科研數(shù)據(jù)的科學(xué)發(fā)現(xiàn)對(duì)數(shù)據(jù)的準(zhǔn)確性、真實(shí)性、可追溯性等影響數(shù)據(jù)質(zhì)量的因素提出更高要求。目前，國外通過數(shù)據(jù)管理計(jì)劃、元數(shù)據(jù)描述，對(duì)數(shù)據(jù)收集和處理過程進(jìn)行記錄，對(duì)數(shù)據(jù)集進(jìn)行詳細(xì)描述，為數(shù)據(jù)質(zhì)量評(píng)估提供依據(jù)。隨著數(shù)據(jù)監(jiān)護(hù)的發(fā)展，在科研數(shù)據(jù)管理過程中有意識(shí)地避免因數(shù)據(jù)采集和處理過程不當(dāng)而影響數(shù)據(jù)質(zhì)量，確保數(shù)據(jù)可追溯、數(shù)據(jù)質(zhì)量可驗(yàn)證。由于不同學(xué)科領(lǐng)域科研數(shù)據(jù)的特殊性，構(gòu)建數(shù)據(jù)質(zhì)量評(píng)估體系具有必要性。

4 發(fā)展建議

科研數(shù)據(jù)管理框架的提出對(duì)進(jìn)一步促進(jìn)科研數(shù)據(jù)管理工具的開發(fā)具有重要意義，但框架的實(shí)施還需在實(shí)踐探索中不斷完善。武漢大學(xué)在對(duì)不同學(xué)科的科研數(shù)據(jù)量和科研數(shù)據(jù)管理需求進(jìn)行調(diào)研的基礎(chǔ)上，結(jié)合國內(nèi)外科研數(shù)據(jù)管理與共享平臺(tái)的建設(shè)經(jīng)驗(yàn)，開展科研數(shù)據(jù)管理平臺(tái)試點(diǎn)項(xiàng)目，并在部分學(xué)院開展項(xiàng)目試點(diǎn)。項(xiàng)目實(shí)踐經(jīng)驗(yàn)表明，對(duì)科研數(shù)據(jù)管理進(jìn)行明確的定位，對(duì)科研數(shù)據(jù)管理活動(dòng)的具體流程進(jìn)行梳理，對(duì)各階段的具體任務(wù)進(jìn)行規(guī)劃具有必要性。對(duì)科研數(shù)據(jù)管理框架與實(shí)踐進(jìn)行融合，可從三個(gè)方面展開。

（1）從頂層設(shè)計(jì)著手，配合團(tuán)隊(duì)建設(shè)展開?？蒲袛?shù)據(jù)管理過程復(fù)雜，涉及的利益相關(guān)方眾多，在科研數(shù)據(jù)管理項(xiàng)目開展前期，應(yīng)從項(xiàng)目的整體規(guī)劃著手。由于國內(nèi)科研數(shù)據(jù)管理實(shí)踐經(jīng)驗(yàn)不足，對(duì)科研數(shù)據(jù)管理過程進(jìn)行梳理和規(guī)范，總結(jié)并提煉出科研數(shù)據(jù)管理的框架，為通用型科研數(shù)據(jù)管理工具或平臺(tái)的開發(fā)提供指導(dǎo)具有必要性。另外，科研數(shù)據(jù)管理的實(shí)踐需要多方參與者共同配合，團(tuán)隊(duì)建設(shè)在一定程度上決定實(shí)踐是否具有可行性?！拔錆h大學(xué)科研數(shù)據(jù)管理”項(xiàng)目在實(shí)踐過程中聯(lián)合國內(nèi)外科研數(shù)據(jù)管理專家、學(xué)校科研管理部門、學(xué)校圖書館以及試點(diǎn)學(xué)院的多方合作，為項(xiàng)目的實(shí)施提供專業(yè)建議，并給予多方面支持。

（2）明確目標(biāo)與定位，逐步推行項(xiàng)目實(shí)施?？蒲袛?shù)據(jù)管理項(xiàng)目實(shí)踐需充分考慮科研用戶需求、資金、技術(shù)、人力等多方面因素，以便進(jìn)行科學(xué)定位。明確科研數(shù)據(jù)管理的具體目標(biāo)，對(duì)項(xiàng)目進(jìn)行準(zhǔn)確定位，并逐步開展和完善項(xiàng)目建設(shè)，確?？蒲袛?shù)據(jù)管理項(xiàng)目的建設(shè)不偏離初衷。中國科學(xué)院早期基于研究所建立了多個(gè)機(jī)構(gòu)數(shù)據(jù)庫，積累大量科研數(shù)據(jù)，并圍繞科研數(shù)據(jù)管理開展相關(guān)服務(wù)。隨著技術(shù)的發(fā)展，數(shù)據(jù)管理趨勢(shì)的變化，中國科學(xué)院進(jìn)行重新定位并構(gòu)建科研數(shù)據(jù)云平臺(tái)，充分利用云計(jì)算、大數(shù)據(jù)技術(shù)以及開源工具，提供科研數(shù)據(jù)的存儲(chǔ)、管理和分析利用等服務(wù)。武漢大學(xué)在進(jìn)行科研數(shù)據(jù)管理項(xiàng)目時(shí)，以部分學(xué)院作為試點(diǎn)，通過不斷地實(shí)踐和嘗試，逐步完善平臺(tái)功能和服務(wù)。因此，以科研數(shù)據(jù)管理框架為指導(dǎo)，結(jié)合用戶需求，明確科研數(shù)據(jù)管理的目標(biāo)和定位，逐步完善和推行項(xiàng)目的實(shí)施，提升項(xiàng)目的實(shí)踐可行性。

（3）支撐科研數(shù)據(jù)管理的相關(guān)服務(wù)?？蒲袛?shù)據(jù)管理具有學(xué)科性和專業(yè)性，因此，需要配合相關(guān)服務(wù)，滿足用戶個(gè)性化需求。康奈爾大學(xué)采用典型的嵌入式科研數(shù)據(jù)服務(wù)，由數(shù)據(jù)服務(wù)人員參與科研團(tuán)隊(duì)指導(dǎo)科研人員完成科研數(shù)據(jù)管理的相關(guān)工作，并為科研人員提供咨詢、培訓(xùn)等服務(wù)。嵌入式服務(wù)一方面能幫助科研數(shù)據(jù)管理服務(wù)提供者更充分地了解用戶需求和當(dāng)前科研數(shù)據(jù)管理存在的不足；另一方面，能充分考慮科研人員的學(xué)科背景和需求差異，極大地推動(dòng)科研數(shù)據(jù)管理項(xiàng)目的開展與實(shí)施。因此，為用戶提供科研數(shù)據(jù)采集、存儲(chǔ)、元數(shù)據(jù)、咨詢和培訓(xùn)等服務(wù)，能在一定程度上彌補(bǔ)管理工具的不足，共同推進(jìn)科研數(shù)據(jù)管理框架的實(shí)施。

5 結(jié)語

在科學(xué)研究第四范式的發(fā)展歷程中，科研數(shù)據(jù)管理和共享的需求不斷增長(zhǎng)，使科研數(shù)據(jù)管理工具的開發(fā)及建設(shè)成為當(dāng)前首要任務(wù)。隨著開源技術(shù)的發(fā)展，科研數(shù)據(jù)管理工具的開發(fā)成本將更低，開發(fā)效率將極大提升，通用型平臺(tái)和管理工具將在科研領(lǐng)域普及。標(biāo)準(zhǔn)化的科研數(shù)據(jù)管理流程和管理框架將從頂層設(shè)計(jì)的角度，為科研數(shù)據(jù)管理通用平臺(tái)或工具的開發(fā)提供指導(dǎo)，在一定程度上避免跨部門數(shù)據(jù)融合存在的數(shù)據(jù)標(biāo)準(zhǔn)不一致等問題，對(duì)跨平臺(tái)、跨機(jī)構(gòu)的數(shù)據(jù)管理與融合具有重要意義。隨著科研環(huán)境和數(shù)據(jù)政策的進(jìn)一步完善，科研人員的數(shù)據(jù)管理意識(shí)不斷提升，機(jī)構(gòu)間的合作將更加緊密，科研數(shù)據(jù)管理的應(yīng)用空間將得到更大拓展。

[1]HEY T,TANSLEY S,TOLLE K.第四范式:數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)[M].張曉林,潘教峰,譯.北京:科學(xué)出版社,2012.

[2]朗揚(yáng)琴,孔麗華.科學(xué)研究的第四范式吉姆?格雷的報(bào)告“E-Science:一種科研模式的變革”簡(jiǎn)介[J].科研信息化技術(shù)與應(yīng)用,2010(2):92-94.

[3]白如江,冷伏海.“大數(shù)據(jù)”時(shí)代科研數(shù)據(jù)整合研究[J].情報(bào)理論與實(shí)踐,2014,37(1):94-99.

[4]李曉輝.圖書館科研數(shù)據(jù)管理與服務(wù)模式探討[J].中國圖書館學(xué)報(bào)，2011(5):46-52.

[5]COX A M,PINFIELD S.Research data management and libraries:current activities and future priorities[J].Journal of Librarianship and Information Science,2014,46(4):299-316.

[6]崔宇紅.E-Science環(huán)境中研究圖書館的新角色:科學(xué)數(shù)據(jù)管理[J].圖書館雜志,2012(10):20-23.

[7]STRASSER C,COOK R,MICHENER W,et al.Primer on Data Management: What you always wanted to know[EB/OL].[2017-05-09].https://www.dataone.org/sites/all/documents/DataONE_BP_Primer_020212.pdf.

[8]What is digital curation?[EB/OL].[2017-02-28].http://www.dcc.ac.uk/digital-curation/what-digital-curation.

[9]Guide to Social Science Data Preparation and Archiving:Introduction[EB/OL].[2017-06-01].http://www.icpsr.umich.edu/icpsrweb/content/deposit/guide/index.

[10]徐芳.高校圖書館科研數(shù)據(jù)協(xié)同監(jiān)管模式構(gòu)建研究[J].情報(bào)理論與實(shí)踐,2017,40(3):14-19.

[11]劉峰,張曉林.數(shù)據(jù)管理計(jì)劃構(gòu)成規(guī)范及其可操作數(shù)據(jù)監(jiān)護(hù)模型研究[J].現(xiàn)代圖書情報(bào)技術(shù),2016(1):11-16.

[12]楊鶴林.從數(shù)據(jù)監(jiān)護(hù)看美國高校圖書館的機(jī)構(gòu)庫建設(shè)新思路——來自DataStaR的啟示[J].大學(xué)圖書館學(xué)報(bào),2012(2):23-28.

[13]王卷樂,孫九林.世界數(shù)據(jù)中心(WDC)中國學(xué)科數(shù)據(jù)共享進(jìn)展[J].中國基礎(chǔ)科學(xué),2007(2):36-40.

[14]中國科學(xué)院數(shù)據(jù)云[EB/OL].[2017-06-11].http://www.csdb.cn/.

[15]高校科學(xué)數(shù)據(jù)共享平臺(tái).武漢大學(xué)科研數(shù)據(jù)管理[EB/OL]. [2017-06-11].http://sdm.lib.whu.edu.cn/jspui/.

[16]胡永生,劉穎.基于用戶調(diào)查的高?？茖W(xué)數(shù)據(jù)管理需求分析[J].圖書情報(bào)工作,2013,57(6):28-32,78.

[17]劉霞,饒艷.高校圖書館科學(xué)數(shù)據(jù)管理與服務(wù)初探——武漢大學(xué)圖書館案例分析[J].圖書情報(bào)工作,2013,57(6):33-38.

[18]熊文龍,李瑞婻.基于科學(xué)數(shù)據(jù)管理的圖書館數(shù)據(jù)服務(wù)研究[J].圖書情報(bào)工作,2014,58(22):48-53.

[19]唐燕花.高?？蒲袛?shù)據(jù)管理服務(wù)實(shí)踐研究及建議[J].圖書情報(bào)工作,2016,60(24):130-138.

[20]吳金紅,陳勇躍.面向科研第四范式的科學(xué)數(shù)據(jù)監(jiān)管體系研究[J].圖書情報(bào)工作,2015,59(16):11-17.

[21]BORGMAN C L.科研數(shù)據(jù)共享的挑戰(zhàn)[J].青秀玲,譯.現(xiàn)代圖書情報(bào)技術(shù),2013(5):1-20.

[22]劉峰,張曉林.科學(xué)數(shù)據(jù)元數(shù)據(jù)標(biāo)準(zhǔn)評(píng)述及其通用化設(shè)計(jì)研究[J].現(xiàn)代圖書情報(bào)技術(shù),2015(12):3-12.

作者簡(jiǎn)介

彭鑫，女，1993年生，碩士研究生，研究方向：科學(xué)研究第四范式和科研數(shù)據(jù)管理，E-mail：px001@foxmail.com。

鄧仲華，男，1957年生，教授，博士生導(dǎo)師，研究方向：管理信息系統(tǒng)、大數(shù)據(jù)、云計(jì)算。

Study of Research Data Management Model Under the Data-Intensive Scientific Environment

PENG Xin, DENG ZhongHua(School of Information Management, Wuhan University, Wuhan 430072, China)

With the concept of the fourth paradigm of science deepen, discovery of new knowledge and science laws rely more and more on data-intensive scienti fi c discovery, and research data management becomes the primary issue. Through literature research, we concluded the features of research data under the data-intensive environment, analyzed the requirements of research data management, and concluded the tasks of data management during different period. Based on those we came up with a data management model and gave some suggestions on its development based on the practices experiences at home and abroad, which will help with the lacking of data management tools, and have reference meanings for the development of data management tools.

Data-Intensive Scienti fi c Environment; Fourth Paradigm; Research Data Management

G250

10.3772/j.issn.1673-2286.2017.07.011

2017-05-24）

* 本研究得到國家自然科學(xué)基金項(xiàng)目“大數(shù)據(jù)環(huán)境下面向科學(xué)研究第四范式的信息資源云研究”（編號(hào)：71373191）資助。