數(shù)據(jù)出版及其質(zhì)量控制研究綜述*

劉茲恒，涂志芳

科學(xué)數(shù)據(jù)(scientific data)或研究數(shù)據(jù)(research data)是學(xué)術(shù)成果的重要組成部分，也是數(shù)字時代學(xué)術(shù)資源開放共享的重要內(nèi)容范疇，而數(shù)據(jù)出版正是使科學(xué)數(shù)據(jù)能夠被社會廣泛而有效利用的一種手段。較之于已經(jīng)發(fā)展成熟的傳統(tǒng)學(xué)術(shù)出版，數(shù)據(jù)出版作為一個相對新興的研究與實踐課題，無論是理論還是實踐均需要加強思考和探索，尤其較之于傳統(tǒng)學(xué)術(shù)出版嚴(yán)格的審查機(jī)制，數(shù)據(jù)出版因數(shù)據(jù)結(jié)構(gòu)復(fù)雜、準(zhǔn)入門檻較低、開放傳播等特點，更加需要通過質(zhì)量控制手段保障數(shù)據(jù)質(zhì)量和價值。因此，本文圍繞數(shù)據(jù)出版的概念、作用、模式、流程等理論與實踐問題進(jìn)行梳理，繼而對數(shù)據(jù)出版質(zhì)量控制的概念、內(nèi)容與方法進(jìn)行綜述，并對數(shù)據(jù)出版質(zhì)量控制的調(diào)查報告和實踐研究進(jìn)行述評，以期在一定程度上促進(jìn)圖書館界、出版界、科技界對數(shù)據(jù)出版的認(rèn)識，克服現(xiàn)存的問題與困難，推進(jìn)數(shù)據(jù)出版及其質(zhì)量控制理論與實踐更長足的發(fā)展。

1 數(shù)據(jù)出版基本問題研究綜述

國內(nèi)外對科學(xué)數(shù)據(jù)出版的研究主要從理論性思考探索和實踐性調(diào)研分析的角度進(jìn)行，其中理論研究主要包括對數(shù)據(jù)出版概念、作用、模式、流程、問題與挑戰(zhàn)等的論述，實踐研究主要包括論文數(shù)據(jù)附件、數(shù)據(jù)知識庫、數(shù)據(jù)論文等模式的數(shù)據(jù)出版調(diào)研分析及相關(guān)問題討論。

1.1 數(shù)據(jù)出版概念

數(shù)據(jù)出版(data publishing或data publication)首先作為一個概念而存在，不少研究都對數(shù)據(jù)出版及其相關(guān)概念進(jìn)行了釋義或辨析。從出版語義的角度，Lawrence等[1]、Callaghan等[2]對數(shù)據(jù)的“publish”和“Publish”進(jìn)行區(qū)分，前者將數(shù)據(jù)文件貼于網(wǎng)絡(luò)使數(shù)據(jù)得以開放，但文件沒有任何長期存在、不被損壞、相關(guān)信息描述等保障；而后者作為正式的數(shù)據(jù)出版，不僅可揭示數(shù)據(jù)集的科學(xué)質(zhì)量和重要性，也能為數(shù)據(jù)生產(chǎn)者帶來聲譽，同時還意味著對數(shù)據(jù)長期保存的承諾和面向數(shù)據(jù)消費者的數(shù)據(jù)增值。從出版實踐的角度，Penev等[3]認(rèn)為數(shù)據(jù)出版是將數(shù)據(jù)上載到網(wǎng)絡(luò)使得除作者以外的人和組織也能夠下載、分析、重用和引用數(shù)據(jù)的行動；Candela等[4]認(rèn)為數(shù)據(jù)出版是一項將數(shù)據(jù)公開以提供重用并且還能跟蹤數(shù)據(jù)來源和作者貢獻(xiàn)的活動。從概念辨析的角度，數(shù)據(jù)出版與數(shù)據(jù)發(fā)表、數(shù)據(jù)發(fā)布、數(shù)據(jù)開放[5-7]既關(guān)聯(lián)又區(qū)別，數(shù)據(jù)出版過程還應(yīng)考慮長期保存與存儲、元數(shù)據(jù)、引用與作者貢獻(xiàn)、出版許可與數(shù)據(jù)重用、數(shù)據(jù)傳播等關(guān)鍵要素。由此可知，數(shù)據(jù)出版是使科學(xué)數(shù)據(jù)獲得“可溯源”“可引用”“質(zhì)量審查”“承認(rèn)作者貢獻(xiàn)”“長期保存”等特征的活動和過程。

1.2 數(shù)據(jù)出版作用

隨著科學(xué)數(shù)據(jù)管理與共享政策法規(guī)制定、標(biāo)準(zhǔn)規(guī)范發(fā)布、基礎(chǔ)設(shè)施建設(shè)等的深入推進(jìn)和數(shù)據(jù)量的不斷積累，數(shù)據(jù)出版的作用不斷凸顯，國內(nèi)研究者均高度肯定數(shù)據(jù)出版的積極作用。數(shù)據(jù)出版的作用一方面在于其推動數(shù)據(jù)開放共享，促進(jìn)整個學(xué)術(shù)出版和科學(xué)研究的發(fā)展，如Borgman[8]強調(diào)科學(xué)數(shù)據(jù)對新的研究成果產(chǎn)生的價值，Murphy[9]強調(diào)數(shù)據(jù)出版有提高學(xué)者學(xué)術(shù)信譽、保障數(shù)據(jù)存檔與監(jiān)護(hù)、保障數(shù)據(jù)質(zhì)量、提供公共利用、提高研究過程透明度的作用。另一方面，數(shù)據(jù)出版在數(shù)據(jù)開放共享的基礎(chǔ)上，重點解決數(shù)據(jù)知識產(chǎn)權(quán)的問題，保障科學(xué)數(shù)據(jù)的質(zhì)量，提高數(shù)據(jù)重用的價值，如吳立宗等[5]突出數(shù)據(jù)出版解決知識產(chǎn)權(quán)問題、提高數(shù)據(jù)共享積極性的作用，而袁曦臨[10]認(rèn)為數(shù)據(jù)出版是科學(xué)數(shù)據(jù)管理及其可持續(xù)發(fā)展的必然結(jié)果和最終環(huán)節(jié)，是推動科學(xué)數(shù)據(jù)共享的最根本途徑。此外，數(shù)據(jù)出版顯然也能夠為公眾提供更多獲取、利用科學(xué)數(shù)據(jù)的平等機(jī)會，創(chuàng)造社會價值。

1.3 數(shù)據(jù)出版模式

數(shù)據(jù)出版模式，又被稱為數(shù)據(jù)出版途徑、形態(tài)、機(jī)制、路徑等，現(xiàn)有研究主要從數(shù)據(jù)出版客體和數(shù)據(jù)出版主體兩個不同視角對數(shù)據(jù)出版模式進(jìn)行劃分和歸納。

從數(shù)據(jù)出版客體角度，Lawrence等[1]較早提出數(shù)據(jù)出版的5種模式：獨立數(shù)據(jù)出版、學(xué)術(shù)論文輔助數(shù)據(jù)出版、附錄數(shù)據(jù)出版、期刊數(shù)據(jù)檔案出版、數(shù)據(jù)論文出版；王丹丹[11]、孔麗華[12]、顧立平[13]、張小強等[6]、何琳等[14]進(jìn)一步將數(shù)據(jù)出版總結(jié)為3種模式：獨立數(shù)據(jù)出版、作為論文輔助資料的數(shù)據(jù)出版、數(shù)據(jù)論文出版。從數(shù)據(jù)出版主體角度，張麗麗等[15]將數(shù)據(jù)開放模式總結(jié)為3種：自上而下模式、橫縱聯(lián)合模式、自下而上模式；張小強等[6]將數(shù)據(jù)出版分為4種模式：出版機(jī)構(gòu)控制模式、非出版機(jī)構(gòu)獨立控制模式、混合模式、“二次出版”模式。

從數(shù)據(jù)出版客體和數(shù)據(jù)出版主體角度劃分的數(shù)據(jù)出版模式之間是相互映射的關(guān)系，雖表述略有差異，但仍可歸結(jié)為3種模式：(1)獨立數(shù)據(jù)出版，該模式將數(shù)據(jù)作為獨立的信息對象提交到開放存取數(shù)據(jù)知識庫；(2)作為論文關(guān)聯(lián)和輔助資料的數(shù)據(jù)出版，數(shù)據(jù)往往作為論文的附件、附錄而出版或存儲到期刊指定的數(shù)據(jù)倉儲并建立論文和數(shù)據(jù)的關(guān)聯(lián)；(3)數(shù)據(jù)論文出版，將科學(xué)數(shù)據(jù)作為一種文本文獻(xiàn)進(jìn)行出版，包括發(fā)表在專門數(shù)據(jù)期刊的數(shù)據(jù)論文和綜合性期刊的數(shù)據(jù)論文。

1.4 數(shù)據(jù)出版流程

與傳統(tǒng)學(xué)術(shù)出版相似，數(shù)據(jù)出版也有完整的出版流程，數(shù)據(jù)出版流程通常指在網(wǎng)絡(luò)出版數(shù)據(jù)、相關(guān)元數(shù)據(jù)與文檔附件、軟件代碼等的活動和過程[16]，數(shù)據(jù)質(zhì)量控制也往往面向出版流程的不同環(huán)節(jié)而進(jìn)行。例如，從知識轉(zhuǎn)化與創(chuàng)新的角度，Hense等[17]、杜偉等[18]參考知識螺旋模型，把數(shù)據(jù)出版過程簡化為“內(nèi)部化”和“外部化”兩大環(huán)節(jié)，其中“內(nèi)部化”包括搜索和瀏覽、審核和學(xué)習(xí)、實驗3個小環(huán)節(jié)，“外部化”包括解釋和注釋數(shù)據(jù)、執(zhí)行質(zhì)量保障、出版和發(fā)布數(shù)據(jù)3個小環(huán)節(jié)。從工作流程的角度，Kratz等[19]認(rèn)為數(shù)據(jù)出版有4個環(huán)節(jié)，首先將數(shù)據(jù)存儲在知識庫，然后對數(shù)據(jù)進(jìn)行描述，再分配標(biāo)識符，最后進(jìn)行評審；而數(shù)據(jù)出版后應(yīng)可利用、被存檔、可引用、可驗證；吳立宗等[5]認(rèn)為數(shù)據(jù)出版包括數(shù)據(jù)發(fā)布、同行評審、數(shù)據(jù)出版和永久存儲、數(shù)據(jù)引用、數(shù)據(jù)評價等環(huán)節(jié)。目前對數(shù)據(jù)出版流程的研究主要是針對基于數(shù)據(jù)知識庫的數(shù)據(jù)出版，其他兩種出版模式下的數(shù)據(jù)出版流程則遵循傳統(tǒng)期刊出版流程和數(shù)據(jù)政策及數(shù)據(jù)期刊的出版流程。

1.5 數(shù)據(jù)出版實踐

數(shù)據(jù)出版實踐主要從前文所述的論文數(shù)據(jù)附件、數(shù)據(jù)知識庫、數(shù)據(jù)論文3種模式展開，相關(guān)研究也從數(shù)據(jù)知識庫與數(shù)據(jù)出版研究、期刊數(shù)據(jù)政策與數(shù)據(jù)出版研究、數(shù)據(jù)期刊與數(shù)據(jù)論文研究等方面展開。

目前，學(xué)者們主要通過對國內(nèi)外開放數(shù)據(jù)知識庫進(jìn)行調(diào)查分析的方式研究數(shù)據(jù)知識庫的數(shù)據(jù)出版，常用數(shù)據(jù)知識庫案例包括Dryad、figshare、Dataverse、Zenodo、GenBank、北京大學(xué)開放研究數(shù)據(jù)平臺等。相關(guān)研究[20-24]主要對數(shù)據(jù)與論文的鏈接、數(shù)據(jù)出版要素、數(shù)據(jù)學(xué)科領(lǐng)域、內(nèi)容類型、唯一標(biāo)識符、質(zhì)量管理、知識庫建設(shè)過程與經(jīng)驗等問題進(jìn)行調(diào)研分析，厘清數(shù)據(jù)出版與傳統(tǒng)學(xué)術(shù)出版的異同，明確數(shù)據(jù)出版的要素、類型與特點。

期刊出版商通過制定數(shù)據(jù)共享政策對數(shù)據(jù)出版加以控制和規(guī)范，以實現(xiàn)論文和數(shù)據(jù)的關(guān)聯(lián)出版。學(xué)者們通過調(diào)查一種或多種學(xué)科期刊的數(shù)據(jù)政策內(nèi)容，了解作為論文附件的數(shù)據(jù)開放出版情況。一方面，對特定學(xué)科領(lǐng)域期刊的數(shù)據(jù)政策進(jìn)行研究，如Zenk-M?ltgen等[25]、陳秀娟等[26]、雷秋雨等[27]對社會學(xué)、化學(xué)、生物學(xué)領(lǐng)域期刊數(shù)據(jù)政策的數(shù)據(jù)類型、數(shù)據(jù)存儲、質(zhì)量控制等內(nèi)容進(jìn)行分析；另一方面，對多種學(xué)科領(lǐng)域的期刊數(shù)據(jù)政策進(jìn)行綜合研究，如371種自然科學(xué)與人文社會科學(xué)領(lǐng)域的期刊政策內(nèi)容調(diào)查[28]，多領(lǐng)域?qū)W術(shù)期刊數(shù)據(jù)政策的制定主體、客體與內(nèi)容，數(shù)據(jù)政策的實施及其效果、約束力強度及相關(guān)研究項目[29]。大型出版集團(tuán)、學(xué)協(xié)會出版社等是推動數(shù)據(jù)政策制定以及作為論文附件的數(shù)據(jù)出版的主要力量，也是面向研究人員和廣泛的研究社群強化數(shù)據(jù)共享意識、推進(jìn)數(shù)據(jù)共享行為、培養(yǎng)數(shù)據(jù)共享文化的重要陣地。

數(shù)據(jù)期刊(data journal)是在科學(xué)數(shù)據(jù)開放共享趨勢之下發(fā)展起來的新型學(xué)術(shù)期刊，是促進(jìn)數(shù)據(jù)的使用、引用及重用的重要工具[30]，數(shù)據(jù)期刊的定義、類型及出版實踐均得到了關(guān)注[16，31-32]。據(jù)Candela等[33]對國際數(shù)據(jù)期刊的不完全統(tǒng)計，2015年至少已有15家出版機(jī)構(gòu)出版了至少116種數(shù)據(jù)期刊，近年來國內(nèi)外數(shù)據(jù)期刊數(shù)量得到明顯增長，我國《中國科學(xué)數(shù)據(jù)》(2016)、《全球變化數(shù)據(jù)學(xué)報》(2017)也相繼創(chuàng)刊。數(shù)據(jù)論文(data paper)是一種新興的出版物形態(tài)，與傳統(tǒng)學(xué)術(shù)論文最大的不同在于數(shù)據(jù)論文重點描述科學(xué)數(shù)據(jù)本身而不是描述基于科學(xué)假設(shè)和科學(xué)問題的研究結(jié)果[34]，不過也有學(xué)者認(rèn)為中譯名“數(shù)據(jù)論文”未能很好地反映“data paper”的內(nèi)涵邊界與功能定位，而“數(shù)據(jù)導(dǎo)引”更為精準(zhǔn)貼切[35]。數(shù)據(jù)論文內(nèi)容重點描述數(shù)據(jù)的可用性、覆蓋范圍、格式、許可、共享、項目來源、數(shù)據(jù)來源、數(shù)據(jù)質(zhì)量、數(shù)據(jù)重用等要素[36]，數(shù)據(jù)論文出版同樣涉及學(xué)科屬性、出版方式、收錄內(nèi)容要求、引用機(jī)制、版權(quán)協(xié)議、費用等事項[32]。

1.6 數(shù)據(jù)出版的問題與挑戰(zhàn)

盡管數(shù)據(jù)出版已經(jīng)在國內(nèi)外開始了較大規(guī)模的實踐，但作為學(xué)術(shù)交流、傳播與出版領(lǐng)域相對新興的議題，數(shù)據(jù)出版仍存在不少困難和問題需要克服。Hense等[17]認(rèn)為數(shù)據(jù)出版面臨的挑戰(zhàn)存在于格式、內(nèi)容、科學(xué)質(zhì)量控制、格式質(zhì)量控制、技術(shù)質(zhì)量控制、瀏覽與檢索、存儲等多方面；何琳等[14]認(rèn)為科學(xué)數(shù)據(jù)的元數(shù)據(jù)、隱私保護(hù)、組織技術(shù)、知識產(chǎn)權(quán)保護(hù)、出版激勵機(jī)制是數(shù)據(jù)出版待解決的關(guān)鍵問題。張小強等[6]認(rèn)為數(shù)據(jù)出版的主要障礙是倫理規(guī)范與標(biāo)準(zhǔn)的缺失，包括數(shù)據(jù)出版體系中獎懲功能的缺失，數(shù)據(jù)出版復(fù)雜性導(dǎo)致的短期內(nèi)標(biāo)準(zhǔn)規(guī)范的缺失，數(shù)據(jù)出版的用稿規(guī)范、數(shù)據(jù)引用規(guī)范、元數(shù)據(jù)標(biāo)準(zhǔn)等的不完善；張麗麗[37]認(rèn)為，相較于傳統(tǒng)學(xué)術(shù)論文出版，數(shù)據(jù)出版的學(xué)術(shù)地位和行業(yè)認(rèn)可度、運營模式的可持續(xù)性、數(shù)據(jù)開放與版權(quán)保護(hù)等方面仍有待發(fā)展。也就是說，數(shù)據(jù)出版的問題和困難在于數(shù)據(jù)本身內(nèi)在特性以及數(shù)據(jù)出版外在環(huán)境兩個方面：數(shù)據(jù)本身數(shù)量大、格式多樣、技術(shù)依賴、學(xué)科差異大，因此數(shù)據(jù)出版天然具有復(fù)雜性；與數(shù)據(jù)出版配套的標(biāo)準(zhǔn)規(guī)范、技術(shù)工具、體制機(jī)制等還沒有充分發(fā)展起來，數(shù)據(jù)出版要得到像傳統(tǒng)學(xué)術(shù)出版一樣的認(rèn)可，還任重而道遠(yuǎn)。

2 數(shù)據(jù)出版質(zhì)量控制研究綜述

2.1 數(shù)據(jù)質(zhì)量及其標(biāo)準(zhǔn)

數(shù)據(jù)質(zhì)量(data quality)是一個多維度概念，可被描述為一組質(zhì)量特征的集合，也通常取決于對最終用戶目標(biāo)實現(xiàn)產(chǎn)生的價值大小[38]。明確數(shù)據(jù)質(zhì)量的概念及其標(biāo)準(zhǔn)，是對數(shù)據(jù)出版進(jìn)行質(zhì)量控制的基礎(chǔ)。

從質(zhì)量特征的視角，數(shù)據(jù)質(zhì)量強調(diào)數(shù)據(jù)本身應(yīng)該具有的質(zhì)量特征和屬性。Gordon[39]將數(shù)據(jù)質(zhì)量定義為數(shù)據(jù)完整性、有效性、一致性、及時性和準(zhǔn)確性的狀態(tài)以使數(shù)據(jù)適合特定用途，而高質(zhì)量的數(shù)據(jù)則能夠在運行、決策、規(guī)劃中很好地發(fā)揮預(yù)期作用；胡良霖等[40]認(rèn)為數(shù)據(jù)質(zhì)量包括數(shù)值質(zhì)量和模型質(zhì)量兩個維度，前者如準(zhǔn)確性、完整性、一致性、客觀性等，后者如相關(guān)性、可讀性、最小化等，而科學(xué)數(shù)據(jù)質(zhì)量的評價和控制則可從科學(xué)數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)框架、數(shù)據(jù)成熟度模型、評價方法與軟件工具等方面展開。zhu等[41]認(rèn)為數(shù)據(jù)質(zhì)量受所使用的數(shù)據(jù)標(biāo)準(zhǔn)的質(zhì)量(quality of data standards)的影響，即提高某些數(shù)據(jù)標(biāo)準(zhǔn)的質(zhì)量便可能提高根據(jù)標(biāo)準(zhǔn)創(chuàng)建的數(shù)據(jù)的質(zhì)量，并提出將完整性(completeness)和相關(guān)性(relevancy)作為數(shù)據(jù)標(biāo)準(zhǔn)質(zhì)量的兩個重要元素。

從數(shù)據(jù)消費者的視角，數(shù)據(jù)質(zhì)量強調(diào)數(shù)據(jù)之于用戶的質(zhì)量和價值。英國皇家學(xué)會在“科學(xué)是開放事業(yè)”[42]報告中提出開放數(shù)據(jù)的質(zhì)量標(biāo)準(zhǔn)包括可獲取、可理解、可評估和可利用；Peer等[43]認(rèn)為數(shù)據(jù)質(zhì)量意味著“對已知的數(shù)據(jù)重用而言獨立的可理解性”(Independently Understandable Data for Informed Reuse)；Hense[17]認(rèn)為數(shù)據(jù)質(zhì)量的關(guān)鍵因素為聲譽、可靠性和程序規(guī)范；Wang和Strong[44]認(rèn)為數(shù)據(jù)質(zhì)量框架包含內(nèi)在數(shù)據(jù)質(zhì)量(intrinsic data quality)、語境數(shù)據(jù)質(zhì)量(contextual data quality)、可表現(xiàn)性數(shù)據(jù)質(zhì)量(representational data quality)、可訪問性數(shù)據(jù)質(zhì)量(accessibility data quality)4個維度。

可見，數(shù)據(jù)質(zhì)量的維度和指標(biāo)十分豐富，數(shù)據(jù)出版過程中的數(shù)據(jù)質(zhì)量控制可概括為3個方面內(nèi)容：(1)內(nèi)容質(zhì)量，主要指數(shù)據(jù)內(nèi)在的科學(xué)性、邏輯性、真實性、可信度等，如支撐科學(xué)新發(fā)現(xiàn)的價值、驗證文章結(jié)論的價值；(2)形式質(zhì)量，主要指所存儲的數(shù)據(jù)格式的兼容性、可讀性、規(guī)范性、友好性等；(3)語境質(zhì)量(元數(shù)據(jù)質(zhì)量及上下文信息)，主要指理解數(shù)據(jù)所需的語境信息的充分性、有用性，如元數(shù)據(jù)的準(zhǔn)確性、完整性及元數(shù)據(jù)描述與數(shù)據(jù)匹配的真實性等。

2.2 數(shù)據(jù)質(zhì)量控制概念、內(nèi)容與方法

以數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)為基礎(chǔ)，以數(shù)據(jù)質(zhì)量事實為依據(jù)，了解數(shù)據(jù)質(zhì)量控制的概念、內(nèi)容與方法，才能針對性地從數(shù)據(jù)出版的各個環(huán)節(jié)進(jìn)行數(shù)據(jù)質(zhì)量控制，從而使數(shù)據(jù)質(zhì)量結(jié)果符合預(yù)期和需求。

關(guān)于數(shù)據(jù)質(zhì)量控制的概念，相關(guān)研究包括釋義、辨析及定義等視角。加拿大研究數(shù)據(jù)組織(Research Data Canada)[45]將數(shù)據(jù)“質(zhì)量保證”(quality assurance，QA)定義為用于測量和確保產(chǎn)品質(zhì)量的一系列過程，而將數(shù)據(jù)“質(zhì)量控制”(quality control，QC)定義為滿足消費者期望的產(chǎn)品和服務(wù)過程。兩者的主要區(qū)別[46]在于QA是過程導(dǎo)向，側(cè)重建立質(zhì)量以防止錯誤，是用正確的方式做正確的事；而QC是產(chǎn)品導(dǎo)向，側(cè)重質(zhì)量測試(如檢測錯誤)，是確保所做的結(jié)果符合預(yù)期；但通常情況下不對兩者進(jìn)行嚴(yán)格區(qū)分[47]。張靜蓓等[48]進(jìn)一步將“數(shù)據(jù)質(zhì)量控制”定義為用于確定被測試的數(shù)據(jù)是否可以有效地被其他研究人員進(jìn)行驗證和重用的一套標(biāo)準(zhǔn)流程。從對概念的闡釋可知數(shù)據(jù)質(zhì)量控制發(fā)生在數(shù)據(jù)產(chǎn)生、存儲、傳播、利用多個階段，不僅需要從源頭確保數(shù)據(jù)產(chǎn)生的質(zhì)量和價值，也需要在存儲與傳播過程中對質(zhì)量進(jìn)行檢測和驗證，同時還需在面向用戶時確保較高的利用價值。本文在此基礎(chǔ)上認(rèn)為數(shù)據(jù)質(zhì)量控制是在明確數(shù)據(jù)出版的含義及范疇、確定不同的數(shù)據(jù)出版模式及其流程、了解數(shù)據(jù)質(zhì)量的內(nèi)涵及標(biāo)準(zhǔn)的基礎(chǔ)上使得出版后的數(shù)據(jù)達(dá)到甚至超過數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)的一系列政策標(biāo)準(zhǔn)、工具平臺、活動、方法等的過程。

關(guān)于數(shù)據(jù)質(zhì)量控制的內(nèi)容與方法，包括出版環(huán)節(jié)、質(zhì)量控制對象與評審人員等維度。Pampel等[49]認(rèn)為可從數(shù)據(jù)創(chuàng)建、數(shù)據(jù)管理(計劃)、數(shù)據(jù)(集)質(zhì)量評估3個環(huán)節(jié)進(jìn)行數(shù)據(jù)質(zhì)量控制。Austin等[16]認(rèn)為數(shù)據(jù)評審與審查是數(shù)據(jù)質(zhì)量控制的重要方法，包含廣泛的質(zhì)量評估內(nèi)容，如元數(shù)據(jù)的準(zhǔn)確性、數(shù)據(jù)文件與文檔的充分性和計算與分析結(jié)果的準(zhǔn)確性，評審還取決于數(shù)據(jù)出版者的要求、研究者的期望或數(shù)據(jù)敏感性等因素，數(shù)據(jù)評審具體可表現(xiàn)為：(1)數(shù)據(jù)期刊或知識庫的外部專家進(jìn)行同行評審(數(shù)據(jù)內(nèi)容的科學(xué)性、可信度審查)；(2)數(shù)據(jù)知識庫的數(shù)據(jù)管理專員進(jìn)行技術(shù)審查(數(shù)據(jù)形式審查)；(3)數(shù)據(jù)知識庫的學(xué)科內(nèi)容管理專員對數(shù)據(jù)內(nèi)容進(jìn)行審查(數(shù)據(jù)內(nèi)容的完整性審查)。配合數(shù)據(jù)質(zhì)量控制的內(nèi)容，數(shù)據(jù)質(zhì)量控制方法包括數(shù)據(jù)評審、數(shù)據(jù)審查、數(shù)據(jù)確認(rèn)、數(shù)據(jù)驗證等，可借助計算機(jī)技術(shù)、統(tǒng)計軟件、圖表工具或參照一般原理、科學(xué)邏輯、數(shù)據(jù)標(biāo)準(zhǔn)等實現(xiàn)。

2.3 數(shù)據(jù)出版質(zhì)量控制研究

2.3.1 數(shù)據(jù)出版質(zhì)量控制調(diào)查報告

部分國外研究資助機(jī)構(gòu)或?qū)W術(shù)社群對數(shù)據(jù)出版及其質(zhì)量控制問題進(jìn)行了系統(tǒng)性的調(diào)查，包括對科研人員的數(shù)據(jù)共享意愿、數(shù)據(jù)共享現(xiàn)狀、不同模式的數(shù)據(jù)出版概況、特定學(xué)科領(lǐng)域的數(shù)據(jù)開放出版狀況等。

2008年6月，研究信息網(wǎng)絡(luò)(Research Information Network，RIN)發(fā)布題為“共享還是不共享：研究數(shù)據(jù)出版和質(zhì)量保證”的調(diào)查報告[50]，從數(shù)據(jù)創(chuàng)建過程、數(shù)據(jù)管理計劃、數(shù)據(jù)集質(zhì)量評估3個方面對天文學(xué)、系統(tǒng)生物學(xué)、氣候科學(xué)等8個學(xué)科領(lǐng)域的研究者及數(shù)據(jù)出版質(zhì)量控制進(jìn)行調(diào)查，得出結(jié)論包括：(1)大多數(shù)科研人員認(rèn)為數(shù)據(jù)創(chuàng)建者本身最適合判斷自己的數(shù)據(jù)集質(zhì)量，并且信任其他科研人員的數(shù)據(jù)質(zhì)量和完整性；(2)沒有統(tǒng)一的方法對數(shù)據(jù)集內(nèi)容或技術(shù)進(jìn)行同行評審；(3)數(shù)據(jù)中心往往采用嚴(yán)格的程序以確保數(shù)據(jù)本身結(jié)構(gòu)和格式及相關(guān)元數(shù)據(jù)的質(zhì)量標(biāo)準(zhǔn)，但研究者在提交數(shù)據(jù)時往往缺乏滿足這種要求的技能。

2012年2月，永久訪問科學(xué)網(wǎng)絡(luò)記錄聯(lián)盟(Alliance for Permanent Access to the Records of Science Network，APARSEN)發(fā)布學(xué)術(shù)交流環(huán)境下科學(xué)數(shù)據(jù)同行評審報告[49]，從科研人員、數(shù)據(jù)知識庫、數(shù)據(jù)期刊三方視角調(diào)研科學(xué)數(shù)據(jù)質(zhì)量控制：(1)科研人員對數(shù)據(jù)出版持積極態(tài)度，但擔(dān)心數(shù)據(jù)同行評審因所需時間和工作量的巨大而變得不切實際；(2)數(shù)據(jù)管理計劃、數(shù)據(jù)知識庫及其認(rèn)證和審計對數(shù)據(jù)質(zhì)量控制影響突出，數(shù)據(jù)知識庫的質(zhì)量控制方法因數(shù)據(jù)形式、范圍、學(xué)科而異；(3)期刊通過編輯政策、同行評審進(jìn)行數(shù)據(jù)質(zhì)量控制，但仍存在審查任務(wù)重、缺乏技術(shù)標(biāo)準(zhǔn)和普遍做法等問題。

2012年9月，由美國國家科學(xué)基金會(NSF)資助的調(diào)研工作組進(jìn)行了題為“數(shù)據(jù)質(zhì)量監(jiān)護(hù)：確保數(shù)據(jù)質(zhì)量促進(jìn)科學(xué)新發(fā)展”[51]的專題研討會，研討會將科學(xué)數(shù)據(jù)質(zhì)量可能的問題及解決方案歸為4個方面：(1)數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)與語境：識別數(shù)據(jù)生成、分析、存儲、管理、訪問、利用與重用及保存等階段可能的數(shù)據(jù)質(zhì)量威脅，明確數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)及其在不同學(xué)科的差異；(2)人和制度因素：探索利益相關(guān)者進(jìn)行數(shù)據(jù)質(zhì)量控制的激勵和限制因素，明確數(shù)據(jù)質(zhì)量控制的人力和技術(shù)成本，利用風(fēng)險模型評估數(shù)據(jù)質(zhì)量控制的投資回報率；(3)有效和無害的數(shù)據(jù)監(jiān)護(hù)工具：了解數(shù)據(jù)質(zhì)量控制的工具與技術(shù)需求，推薦現(xiàn)有工具用于數(shù)據(jù)選擇、元數(shù)據(jù)自動生成與注釋、數(shù)據(jù)攝取、審計與保存；(4)數(shù)據(jù)質(zhì)量指標(biāo)：確定數(shù)據(jù)質(zhì)量指標(biāo)，開發(fā)應(yīng)用測量并提高數(shù)據(jù)質(zhì)量的技術(shù)。

2016年9月，由歐盟“地平線2020”項目資助的人文科學(xué)研究數(shù)據(jù)開放存取出版調(diào)查報告[52]指出，信任是數(shù)據(jù)知識庫與其相關(guān)主體之間的關(guān)鍵因素，而審計(audit)和認(rèn)證(certification)是對數(shù)據(jù)知識庫進(jìn)行質(zhì)量控制從而提高可信度的有效方法，聯(lián)機(jī)計算機(jī)圖書館中心(OCLC)、歐盟等已經(jīng)制定數(shù)據(jù)知識庫的認(rèn)證標(biāo)準(zhǔn)。

以上針對數(shù)據(jù)出版質(zhì)量控制的調(diào)查報告，提出了質(zhì)量控制實踐過程中可能遇到的問題及解決方案，為了解數(shù)據(jù)出版質(zhì)量控制的不足與缺失、指明未來發(fā)展方向具有重要的參考價值。具體而言涉及數(shù)據(jù)質(zhì)量控制兩個方面的重要議題：(1)數(shù)據(jù)質(zhì)量首先依賴研究人員的“自覺”與“自律”；(2)工作量大、技能要求較高、缺乏成熟的標(biāo)準(zhǔn)規(guī)范以及工具方法，使得數(shù)據(jù)質(zhì)量控制存在困難甚至有些“不切實際”。

2.3.2 數(shù)據(jù)出版質(zhì)量控制實踐研究

針對期刊政策所涉數(shù)據(jù)質(zhì)量控制，不同出版社有不同做法：自然出版集團(tuán)規(guī)定數(shù)據(jù)評議編委會必須包括至少1名數(shù)據(jù)標(biāo)準(zhǔn)審核專家，對作者提交數(shù)據(jù)的質(zhì)量進(jìn)行評估，從而確保實驗數(shù)據(jù)的完整性和可重用性；Elsevier要求期刊編輯在評議文章時對數(shù)據(jù)的時效性、客觀性及來源的真實性等進(jìn)行初步評估[27]。另有期刊與數(shù)據(jù)知識庫合作進(jìn)行數(shù)據(jù)管理，如PLOS與Dryad合作進(jìn)行數(shù)據(jù)審查，PLOS的作者將數(shù)據(jù)提交到Dryad后，數(shù)據(jù)與論文分別接受評審，數(shù)據(jù)和論文同時出版[53]。

針對數(shù)據(jù)知識庫的數(shù)據(jù)質(zhì)量控制，包括數(shù)據(jù)本身、元數(shù)據(jù)及相關(guān)文檔等內(nèi)容，采用了不同的方法技術(shù)，涉及不同的利益相關(guān)方。張靜蓓等[48]認(rèn)為數(shù)據(jù)知識庫質(zhì)量控制包括文件整體質(zhì)量控制、文檔說明質(zhì)量控制、科學(xué)數(shù)據(jù)本身質(zhì)量控制、源代碼質(zhì)量控制，其利益相關(guān)者包括研究人員、大學(xué)圖書館、期刊出版商等。Gordon[39]發(fā)現(xiàn)Dryad存在同一創(chuàng)建者姓名表述不統(tǒng)一、日期表達(dá)方式不統(tǒng)一、資源類型與事實不相符等問題，建議加強對數(shù)據(jù)知識庫的元數(shù)據(jù)質(zhì)量控制。Csordas等[54]調(diào)研蛋白質(zhì)組學(xué)領(lǐng)域的數(shù)據(jù)知識庫PRIDE的數(shù)據(jù)質(zhì)量控制方法，首先對上傳至PRIDE的XML文件進(jìn)行語法檢查；其次對元數(shù)據(jù)是否缺失、是否一致進(jìn)行檢查；最后根據(jù)蛋白質(zhì)組學(xué)領(lǐng)域數(shù)據(jù)的學(xué)科特點檢查數(shù)值的正確性。

針對數(shù)據(jù)論文的質(zhì)量控制，主要采用同行評審的方法，數(shù)據(jù)評審尚存一定的問題，需要加強解決方案的探索。數(shù)據(jù)論文同行評審包括封閉式和開放式兩種形式，側(cè)重考查前期質(zhì)量控制、論文和數(shù)據(jù)的一致性、論文中數(shù)據(jù)的質(zhì)量、論文中數(shù)據(jù)的可用性、論文中數(shù)據(jù)的功用和貢獻(xiàn)度等內(nèi)容[55]。基于對數(shù)據(jù)同行評審進(jìn)展的梳理，Murphy[56]認(rèn)為目前學(xué)界對科學(xué)數(shù)據(jù)同行評審缺少準(zhǔn)確的理解，對數(shù)據(jù)評審與傳統(tǒng)出版物評審的關(guān)聯(lián)與區(qū)別尚不明確，同時也沒有可持續(xù)的角色承擔(dān)數(shù)據(jù)評審的工作。黃如花等[57]從數(shù)據(jù)館員、數(shù)據(jù)驗證服務(wù)、數(shù)據(jù)生命周期管理的角度探索高校圖書館參與數(shù)據(jù)驗證的可能路徑。

基于3種數(shù)據(jù)出版模式研究數(shù)據(jù)質(zhì)量控制，相關(guān)研究結(jié)果表明[11-12，58]：(1)獨立數(shù)據(jù)出版的質(zhì)量控制：同時進(jìn)行技術(shù)審查和同行評審，前者主要從技術(shù)標(biāo)準(zhǔn)層面對數(shù)據(jù)及數(shù)據(jù)文檔進(jìn)行完整性的控制；后者確認(rèn)數(shù)字資產(chǎn)的完整性、評價數(shù)據(jù)集的完整性并評估數(shù)據(jù)文檔的完整性，但目前有相當(dāng)一部分?jǐn)?shù)據(jù)知識庫不進(jìn)行同行評審或只進(jìn)行內(nèi)部評審。(2)作為論文附件的數(shù)據(jù)出版質(zhì)量控制：內(nèi)嵌于期刊論文的數(shù)據(jù)通常表現(xiàn)為圖表、表格、數(shù)字等形式，主要從邏輯上審查數(shù)據(jù)對研究結(jié)論的影響，依賴數(shù)據(jù)創(chuàng)建者對數(shù)據(jù)質(zhì)量的把控。(3)數(shù)據(jù)論文出版：考慮到數(shù)據(jù)論文是數(shù)據(jù)集的描述，數(shù)據(jù)集質(zhì)量體現(xiàn)在完整性、描述的詳細(xì)程度、數(shù)據(jù)有用性，因此數(shù)據(jù)論文質(zhì)量應(yīng)包括數(shù)據(jù)質(zhì)量、描述質(zhì)量、描述和數(shù)據(jù)一致性，一般對

數(shù)據(jù)及論文進(jìn)行嚴(yán)格的同行評審。

2.3.3 數(shù)據(jù)出版質(zhì)量控制的問題與困難

綜上所述，因目前所處的數(shù)據(jù)出版環(huán)境，加之?dāng)?shù)據(jù)及數(shù)據(jù)出版本身的特點，數(shù)據(jù)出版質(zhì)量控制尚存以下問題：(1)數(shù)據(jù)龐大而復(fù)雜、數(shù)據(jù)量增長較快，數(shù)據(jù)評審不得不依靠計算機(jī)的幫助，評審者需要具備足夠的能力并借助軟件工具進(jìn)行科學(xué)質(zhì)量控制；(2)不同類型、不同學(xué)科的數(shù)據(jù)存在明顯差異，難有統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范；(3)理解數(shù)據(jù)需要了解數(shù)據(jù)產(chǎn)生背景及上下文語境，而背景通?！安豢梢姟保率箶?shù)據(jù)質(zhì)量控制的難度加大；(4)數(shù)據(jù)評審是一項復(fù)雜的系統(tǒng)工程，數(shù)據(jù)評審需與數(shù)據(jù)政策、數(shù)據(jù)發(fā)布、數(shù)據(jù)存儲等環(huán)節(jié)協(xié)同；需要學(xué)科領(lǐng)域?qū)＜?、?shù)據(jù)專家、數(shù)據(jù)管理人員甚至軟件工程師的協(xié)同，很少有評審者能夠評審數(shù)據(jù)質(zhì)量的所有方面；現(xiàn)有的數(shù)據(jù)評審大多仍保留了傳統(tǒng)同行評審的形式，未曾深入對數(shù)據(jù)本身的評審；(5)數(shù)據(jù)出版質(zhì)量控制需要大量時間、精力的投入，其投入產(chǎn)出效率可能存在一定的質(zhì)疑；(6)數(shù)據(jù)質(zhì)量不僅在于數(shù)據(jù)本身，還在于對應(yīng)的元數(shù)據(jù)及相關(guān)文檔；(7)數(shù)據(jù)出版質(zhì)量控制是內(nèi)嵌于數(shù)據(jù)出版生態(tài)系統(tǒng)的子系統(tǒng)，要求良好的數(shù)據(jù)共享文化作為基礎(chǔ)。鑒于以上困難，事實上目前的數(shù)據(jù)質(zhì)量控制首先有賴于作者自我審查[17]，而后才是同行評審及其他各類審查的質(zhì)量控制手段。

3 現(xiàn)有研究述評與未來研究展望

綜合以上數(shù)據(jù)出版的理論與實踐研究綜述，目前相關(guān)研究具有以下特點及欠缺：第一，國外理論研究內(nèi)容較為豐富，涉及數(shù)據(jù)出版概念、作用、模式、流程、問題、挑戰(zhàn)等多個方面，對數(shù)據(jù)出版實踐有較強的指導(dǎo)作用；第二，國外較為注重對數(shù)據(jù)出版進(jìn)行長篇幅的系統(tǒng)研究，有助于全面了解數(shù)據(jù)出版的關(guān)鍵問題；第三，國內(nèi)早期多對國外理論研究進(jìn)行推介、對國外實踐進(jìn)行案例研究，后期開始進(jìn)行少量的創(chuàng)新性理論思考；第四，數(shù)據(jù)出版最佳實踐“從0到1”的建設(shè)過程與發(fā)展經(jīng)驗對推動更大范圍的數(shù)據(jù)出版具有重要借鑒作用，而目前較為缺乏對這種成熟經(jīng)驗的總結(jié)和呈現(xiàn)；第五，目前數(shù)據(jù)出版主要發(fā)生在自然科學(xué)與工程技術(shù)領(lǐng)域，缺少對國內(nèi)期刊、人文社科期刊探索數(shù)據(jù)出版的研究與思考；第六，欠缺對研究人員數(shù)據(jù)共享意愿影響因素的調(diào)查，研究人員及學(xué)術(shù)共同體對數(shù)據(jù)出版需求的精準(zhǔn)把握；第七，存在較多的系統(tǒng)性梳理與研究欠缺之處：如對數(shù)據(jù)出版歷史機(jī)遇與發(fā)展進(jìn)程的系統(tǒng)梳理，對數(shù)據(jù)出版系統(tǒng)基礎(chǔ)設(shè)施建設(shè)與軟實力建設(shè)的系統(tǒng)研究，對數(shù)據(jù)成果和數(shù)據(jù)作者導(dǎo)向的數(shù)據(jù)出版影響力的評價方法研究等。

綜合以上數(shù)據(jù)出版質(zhì)量控制的理論與實踐研究綜述，相關(guān)研究特點及欠缺表現(xiàn)為：第一，國外通常對數(shù)據(jù)出版質(zhì)量控制進(jìn)行專題研討和調(diào)查報告，有助于發(fā)現(xiàn)問題、探討解決方案；第二，國內(nèi)研究相對分散，缺乏調(diào)查報告、碩博士論文或?qū)Ｖ鴮ο嚓P(guān)問題進(jìn)行系統(tǒng)梳理和研究；第三，側(cè)重對數(shù)據(jù)出版質(zhì)量控制的實踐進(jìn)行案例分析和研究，較為缺少對數(shù)據(jù)出版及質(zhì)量控制理論與方法的探討；第四，國內(nèi)研究主要集中于對國外實踐經(jīng)驗的描述，缺少對國內(nèi)數(shù)據(jù)出版問題與困難的建設(shè)性思考；第五，對數(shù)據(jù)出版質(zhì)量控制所需時間、金錢等投入產(chǎn)出與成本效益缺少量化評估和直觀體現(xiàn)；對研究者、數(shù)據(jù)管理者等相關(guān)人員滿足數(shù)據(jù)質(zhì)量控制所需的技能要求缺乏明確的梳理；對數(shù)據(jù)質(zhì)量控制所需的標(biāo)準(zhǔn)規(guī)范和方法工具缺乏足夠的需求分析和培訓(xùn)設(shè)計。

可以預(yù)見，未來將有更多的學(xué)者對科學(xué)數(shù)據(jù)出版的理論、方法、平臺、工具、實踐等進(jìn)行系統(tǒng)而綜合的研究，探討數(shù)據(jù)出版及數(shù)據(jù)質(zhì)量控制存在的問題和面臨的困難，推動數(shù)據(jù)出版實踐進(jìn)展，推動科學(xué)數(shù)據(jù)開放事業(yè)的可持續(xù)發(fā)展。具體而言：加快數(shù)據(jù)出版政策制度的研究，保護(hù)數(shù)據(jù)作者的知識產(chǎn)權(quán)，平衡知識產(chǎn)權(quán)保護(hù)和開放傳播的關(guān)系，對原有學(xué)術(shù)評價體系進(jìn)行適應(yīng)性變革，在學(xué)術(shù)評價體系中承認(rèn)數(shù)據(jù)出版的學(xué)術(shù)貢獻(xiàn)；加快數(shù)據(jù)出版標(biāo)準(zhǔn)規(guī)范的研制，完善元數(shù)據(jù)標(biāo)準(zhǔn)、細(xì)化數(shù)據(jù)引用標(biāo)準(zhǔn)使之更具可操作性；調(diào)查數(shù)據(jù)質(zhì)量控制對研究人員和數(shù)據(jù)管理人員的技能要求并建立適應(yīng)的培訓(xùn)體系；加快數(shù)據(jù)出版技術(shù)、工具、平臺的開發(fā)，將數(shù)據(jù)可視化、動態(tài)數(shù)據(jù)呈現(xiàn)等技術(shù)應(yīng)用于數(shù)據(jù)出版；對數(shù)據(jù)出版及其質(zhì)量控制的影響因素進(jìn)行實證研究，從中發(fā)現(xiàn)問題、消除障礙、提出解決方案；從投入產(chǎn)出、成本效益、定性定量的角度分析數(shù)據(jù)出版及其質(zhì)量控制的經(jīng)濟(jì)效益與社會效益；探索數(shù)據(jù)出版賦能下的科學(xué)數(shù)據(jù)影響力評價及學(xué)術(shù)評價，充分展現(xiàn)數(shù)據(jù)出版在增加學(xué)術(shù)影響力方面的作用。