全球科學數(shù)據(jù)出版發(fā)展態(tài)勢分析
——基于Web of Science 數(shù)據(jù)庫的調研

王衛(wèi)軍，李成贊，鄭曉歡，褚大偉，姜璐璐，陳昕，杜一，周園春*

1.中國科學院計算機網(wǎng)絡信息中心，北京 100190

2.中國科學院大學，北京 100049

3.中國科學院辦公廳，北京 100864

1 科學數(shù)據(jù)出版概述

數(shù)據(jù)密集型知識作為科學研究的第四范式，科學數(shù)據(jù)出版逐漸成為數(shù)據(jù)密集型科學發(fā)現(xiàn)的重要學術傳播方式[1]。2010 年國際科技數(shù)據(jù)委員會在年會上對數(shù)據(jù)出版的概念進行討論[2]。歐盟在2014 年開始啟動的地平線2020 計劃中，提出在歐洲的公共資助研究中，要確?？茖W出版物的開放獲取，并促進科學數(shù)據(jù)的開放獲取[3,4]。在我國，2017 年12 月，中國科學院計算機網(wǎng)絡信息中心主持編制的《信息技術科學數(shù)據(jù)引用》GB/T 35294-2017 準，規(guī)定了科學數(shù)據(jù)引用元素描述方法、引用元素詳細說明、引用格式等方面的內容[5]。2018 年3 月，國務院辦公廳印發(fā)《科學數(shù)據(jù)管理辦法》，明確主管部門和法人單位應積極推動科學數(shù)據(jù)出版和傳播工作，支持科研人員整理發(fā)表產權清晰、準確完整、共享價值高的科學數(shù)據(jù)[6]。2019 年2 月，中國科學院印發(fā)了《中國科學院科學數(shù)據(jù)管理與開放共享辦法（試行）》[7]，該辦法以中科院數(shù)據(jù)工作問題和需求為導向，聚焦科學數(shù)據(jù)管理與開放共享的突破點與保障機制。2019 年11 月，國際科學理事會數(shù)據(jù)委員會（CODATA）發(fā)布《科研數(shù)據(jù)北京宣言》[8]，肯定了世界各地已發(fā)布的數(shù)據(jù)政策和實施進展，并在此基礎上闡明了推進相關領域多邊合作的核心原則。隨著政府、組織或機構在政策、制度等層面對科學數(shù)據(jù)管理工作的引導與扶持，科學數(shù)據(jù)出版工作蓬勃發(fā)展，同時科學數(shù)據(jù)出版的相關學術理論及實踐研究不斷豐富。

科學數(shù)據(jù)是科研成果的重要組成部分，科學數(shù)據(jù)出版作為一種新的科學數(shù)據(jù)共享模式，是推動科學數(shù)據(jù)共享，實現(xiàn)科學數(shù)據(jù)價值最大化，加速科技創(chuàng)新與經濟發(fā)展的重要方式。在學術研究領域，相關學者對科學數(shù)據(jù)出版的定義[9-11]、科學數(shù)據(jù)的出版模式[12-14]、科學數(shù)據(jù)的出版平臺[3,15]、科學數(shù)據(jù)的質量控制[1,5,9,11,12,16-21]、科學數(shù)據(jù)的影響力評價[22,23]、科學數(shù)據(jù)的共享問題[24-26]等理論及實踐問題進行研究。其中，文獻[12]在關于科學數(shù)據(jù)出版模式的研究中將其歸納為3 種：獨立的數(shù)據(jù)出版、論文附件形式數(shù)據(jù)出版、數(shù)據(jù)論文出版。在上述出版模式中，獨立的數(shù)據(jù)出版是指將數(shù)據(jù)作為獨立的對象存儲在數(shù)據(jù)倉儲中[24]；論文附件形式出版指的是一些學術期刊與數(shù)據(jù)倉儲合作，期刊負責論文出版，數(shù)據(jù)倉儲平臺負責數(shù)據(jù)存儲的形式；數(shù)據(jù)論文的出版指數(shù)據(jù)生產者按照一定科學規(guī)范形成的觀察、實驗、計算分析等原始數(shù)據(jù)或集成數(shù)據(jù)庫（集）通過專門的數(shù)據(jù)論文進行描述，以促進數(shù)據(jù)的可發(fā)現(xiàn)、可獲取、可理解和再利用[1]。目前，已有越來越多的期刊專注于科學數(shù)據(jù)出版，如《Data in Brief》、《Scientific Data》、《Earth System Science Data》以及國內的《中國科學數(shù)據(jù)》、《全球變化數(shù)據(jù)學報》等。同時用于存儲科學數(shù)據(jù)的數(shù)據(jù)存儲平臺也不斷涌現(xiàn)，如Gene Expression Omnibus、Figshare、Zenodo 以及國內的ScienceDB 存儲庫等?？茖W數(shù)據(jù)出版的蓬勃發(fā)展也吸引了越來越多的商業(yè)性數(shù)據(jù)庫和搜索引擎的關注，如2012 年科睿唯安（Clarivate）發(fā)布的數(shù)據(jù)引文索引（Data Citation Index，DCI）服務平臺，以及2018 年Google 推出的專用數(shù)據(jù)集搜索引擎Dataset Search。

目前，科學數(shù)據(jù)出版主要包括數(shù)據(jù)集的獨立出版、數(shù)據(jù)集作為論文附件形式出版、數(shù)據(jù)論文的出版等模式，因此科學數(shù)據(jù)出版在數(shù)據(jù)庫中涉及的文獻類型主要為數(shù)據(jù)集和數(shù)據(jù)論文。在本文的研究中，為更好地獲取全球范圍內的科學數(shù)據(jù)出版數(shù)據(jù)，論文選擇Web of Science 數(shù)據(jù)庫產品，通過檢索數(shù)據(jù)論文（Data Paper）、數(shù)據(jù)集（Data Set、Data Study）記錄，從多個維度進行科學數(shù)據(jù)發(fā)展態(tài)勢分析。

2 研究方法

為從全球視角對科學數(shù)據(jù)出版態(tài)勢進行分析，促進科學數(shù)據(jù)出版事業(yè)的發(fā)展。文中選擇Web of Science 數(shù)據(jù)庫，設定出版年為1900–2020 年（年限以數(shù)據(jù)庫所收錄數(shù)據(jù)的出版時間確定），文獻類型為Data Paper，共檢出數(shù)據(jù)論文9,453 條記錄（檢出記錄出版年份分布在2006–2020 年間），統(tǒng)計時間為2021 年5 月12 日。其中Web of Science 核心合集檢出9,280 條記錄，MEDLINE 數(shù)據(jù)庫檢出8,460 條記錄，BIOSIS Previews 數(shù)據(jù)庫檢出7,771 條記錄，INSPEC 數(shù)據(jù)庫檢出937 條記錄，中國科學引文數(shù)據(jù)庫檢出44 條記錄。上述數(shù)據(jù)中，國內的《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》期刊雖被中國科學引文數(shù)據(jù)庫收錄，但文獻類型被標注為Article，故未被包含到上述檢索結果中。針對此種情況，本文對《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》進行單獨檢索及處理，共獲取297 條數(shù)據(jù)論文記錄，其中，2017 年39 篇，2018 年45 篇，2019 年121 篇，2020 年92 篇。

選擇Web of Science 數(shù)據(jù)庫下的Data Citation Index 數(shù)據(jù)庫，設定出版年為1700–2020 年（年限以數(shù)據(jù)庫所收錄數(shù)據(jù)的出版時間確定），共檢出12,401,617 條記錄（檢出記錄出版年份分布在1800–2020 年），統(tǒng)計時間為2021 年5 月8 日。Data Citation Index 數(shù)據(jù)庫包括Repository（知識庫）、Data Study（數(shù)據(jù)研究）、Data Set（數(shù)據(jù)集）、Software（軟件）4 種記錄[27]。其中Repository 是數(shù)據(jù)庫或者數(shù)據(jù)記錄的集合，用于存儲并提供對Data Study、Data Set 數(shù)據(jù)的訪問；Data Study 是存儲在知識庫中的關于研究或實驗的描述信息，以及與該Data Study 相關的數(shù)據(jù)；Data Set 是知識庫收集的與數(shù)據(jù)研究或實驗等相關的數(shù)據(jù)文件，文件格式包括電子表格、音頻、視頻等；Software 是知識庫存儲的軟件，可以是一段源代碼、一個模型或一個完整的程序。由于Data Study 包含一些實驗或調查相關的數(shù)據(jù)，研究中將Data Study、Data Set 統(tǒng)稱為“數(shù)據(jù)集”進行相關分析研究。數(shù)據(jù)檢索中，通過將數(shù)據(jù)類型限定為Data Study、Data Set，共獲取12,218,549 條記錄。

為從不同角度解析全球科學數(shù)據(jù)的出版情況及發(fā)展態(tài)勢，研究中設定時間、國家/地區(qū)、研究方向、出版來源、影響力等5 個維度?；诟鱾€維度分別對數(shù)據(jù)論文及數(shù)據(jù)集的出版數(shù)據(jù)進行檢索，探析全球科學數(shù)據(jù)出版發(fā)展態(tài)勢，特別是我國科學數(shù)據(jù)的發(fā)展態(tài)勢，以期為我國科學數(shù)據(jù)出版政策制定及開展相關研究提供參考。

3 全球科學數(shù)據(jù)出版發(fā)展態(tài)勢

3.1 時間維度

數(shù)據(jù)論文全球及TOP 5 國家從時間維度（年份）呈現(xiàn)的數(shù)量分布情況中，數(shù)據(jù)庫中檢索出Data Paper 類型文獻9453 條記錄。另外，檢索《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》期刊獲取記錄297 條，其中66 條記錄缺少國家字段信息。鑒于兩份期刊數(shù)據(jù)絕大部分為中國科研人員發(fā)表的數(shù)據(jù)論文，因此對其數(shù)據(jù)通過人工方式進行簡單處理。將297 條記錄按照年份合并到全球的出版數(shù)據(jù)中，其中的295 條記錄按照年份合并到中國的出版數(shù)據(jù)中。數(shù)據(jù)論文的全球出版數(shù)據(jù)中，2006 年為1 篇，2007–2010 年均為0 篇，圖1 選取2011–2020 年數(shù)據(jù)論文出版數(shù)據(jù)進行呈現(xiàn)出版趨勢。從全球數(shù)據(jù)論文出版數(shù)量以及趨勢線可知，數(shù)據(jù)論文出版從2011–2020 年整體呈現(xiàn)快速上漲態(tài)勢。另外，從出版數(shù)量排名前5 的國家看，其數(shù)量也基本保持逐年增長的態(tài)勢。全球數(shù)據(jù)集及TOP5 國家從時間維度（年份）呈現(xiàn)的出版數(shù)量分布情況，如圖2 所示。從全球數(shù)據(jù)集的發(fā)布數(shù)量及趨勢線可知，2001年以來，全球數(shù)據(jù)集從年發(fā)布數(shù)量4 萬左右，到2019 年達到年發(fā)布量137 萬之多的峰值。2001–2019年數(shù)據(jù)集的數(shù)量雖然出現(xiàn)波動（數(shù)據(jù)庫中2020 年數(shù)據(jù)集的數(shù)量處于不斷更新狀態(tài)），但整體上呈現(xiàn)上漲趨勢。在時間維度上融入國家維度信息時，Data Citation Index 數(shù)據(jù)庫中的數(shù)據(jù)集（Data Set、Data Study 類型數(shù)據(jù)）記錄中有9,582,355 條記錄（約占78%）不包含國家字段。但通過對部分國家最早出現(xiàn)數(shù)據(jù)集的時間進行檢索，可知美國為1837 年，中國（不含臺灣）為1989 年，加拿大為1974年，德國為1971 年，日本為1972 年，英國為1837 年，挪威為1974 年，荷蘭為1960 年，法國為1922 年。雖然各個國家數(shù)據(jù)集的發(fā)布起始時間會受到數(shù)據(jù)庫收錄數(shù)據(jù)全面性、完整性等因素的影響，而存在一定誤差，但是結合歷史等因素，基本可以認為我國發(fā)布數(shù)據(jù)集的最早時間均要晚于上述幾個國家。

圖1 數(shù)據(jù)論文年度分布情況

圖2 數(shù)據(jù)集年度分布情況

綜合上述時間維度數(shù)據(jù)，從數(shù)據(jù)庫中收錄的自1800 年以來出版的數(shù)據(jù)集，到21 世紀初期開始出版的數(shù)據(jù)論文，都可以看作是科學數(shù)據(jù)出版的不同形式或延續(xù)。從時間及數(shù)量規(guī)模上看，數(shù)據(jù)集出版歷史悠久，已經形成龐大的出版規(guī)模。數(shù)據(jù)論文出版的出現(xiàn)時間較短，在年度出版數(shù)量上雖然增加迅速，但是從規(guī)模上可以認為其尚處于初期發(fā)展階段。同時上述數(shù)據(jù)也可以在一定程度上反映出，歐美國家特別是美國，在科學數(shù)據(jù)共享工作中從數(shù)據(jù)集出版到數(shù)據(jù)論文出版，均在數(shù)量上占據(jù)優(yōu)勢。在我國，中國科學院為實現(xiàn)科學數(shù)據(jù)的管理與共享，于1983 年提出了“科學數(shù)據(jù)庫及其信息系統(tǒng)”項目，先后經歷了信息化建設、科學數(shù)據(jù)資源整合、科學大數(shù)據(jù)工程等發(fā)展歷程，該項目涵蓋化學、生物等多個學科數(shù)據(jù)，并取得了顯著的社會效益及一定的經濟效益[28]。結合上述檢索數(shù)據(jù)，對于數(shù)據(jù)論文的出版，我國無論是從數(shù)量還是起始時間，基本能與歐美等發(fā)達國家基本保持同步。對于數(shù)據(jù)集的出版，在數(shù)據(jù)庫中收錄的最早時間為1989 年，到2020 年，在有國家字段的記錄中我國共有16 萬多條。結合中國科學院的科學數(shù)據(jù)庫建設時間，基本可以認為我國在上世紀80 年代初開始科學數(shù)據(jù)相關管理與共享建設工作，因此，從數(shù)量上我國科學數(shù)據(jù)出版事業(yè)在較短時期內已經取得了很大發(fā)展與成就。

3.2 國家/地區(qū)維度

在對文獻類型為Data Paper 的數(shù)據(jù)論文進行國家維度的統(tǒng)計時，由于數(shù)據(jù)論文出版中存在不同國家間研究人員合作的情況，同一論文會被多次統(tǒng)計，劃分到多個國家，所以基于國家維度的記錄總數(shù)要遠遠多于9,453 條。數(shù)據(jù)論文最終進行國家維度信息統(tǒng)計時，將中國數(shù)據(jù)增加295 條記錄（增加《中國科學數(shù)據(jù)》、《全球變化數(shù)據(jù)學報》出版的數(shù)據(jù)論文）。在對數(shù)據(jù)集進行國家維度的統(tǒng)計時，78%的記錄缺少國家字段信息，但從特定國家的數(shù)據(jù)集最早出版時間、已有的特定國家的數(shù)據(jù)記錄出版來源分布等角度，也能獲取一些有效信息。表1 是排名前20 的數(shù)據(jù)論文國家分布情況，其中，美國數(shù)據(jù)論文出版數(shù)量為2,165 篇，緊跟其后的國家是中國（不含臺灣）1284 篇，德國897 篇，英國895 篇，意大利710 篇，法國553 篇，日本545 篇，印度474 篇，西班牙469 篇，加拿大466 篇等?？茖W數(shù)據(jù)論文的數(shù)量上，美國作者參與的論文占據(jù)絕對優(yōu)勢，排名前10 的國家也基本上為發(fā)達國家，作為發(fā)展中國家的中國、印度分別排名第2 和第8，可以反映出中印兩國在數(shù)據(jù)論文出版方面取得的成就。表2 是排名前20 的數(shù)據(jù)集國家分布情況，雖然受限于大部分記錄缺少國家信息，但是依舊能從數(shù)據(jù)中看出，美國以132 萬之多的數(shù)據(jù)集記錄數(shù)量在1221 萬多總記錄數(shù)量中占據(jù)重要地位，也在一定程度上反映了美國科學研究工作中的數(shù)據(jù)開放共享理念及成就。

表1 數(shù)據(jù)論文國家/地區(qū)分布數(shù)量TOP 20

表2 數(shù)據(jù)集國家/地區(qū)分布數(shù)量TOP 20

綜合上述國家維度數(shù)據(jù)，科學數(shù)據(jù)出版作為科學數(shù)據(jù)價值最大化，推動科技創(chuàng)新的重要途徑，均受到發(fā)達國家和發(fā)展中國家及科研群體的關注與推動。從全球層面，在數(shù)據(jù)論文和數(shù)據(jù)集的出版數(shù)量上，發(fā)達國家整體呈現(xiàn)出了較大優(yōu)勢，基本可以反映出國家的經濟和科技實力與科學數(shù)據(jù)出版規(guī)模間的影響關系。作為新興經濟體的中國、印度等在科學數(shù)據(jù)出版數(shù)量上的表現(xiàn)，反映出國家經濟發(fā)展的過程中，科學數(shù)據(jù)共享作為國家科技實力提升的重要組成部分而受到關注與推動。結合上述科學數(shù)據(jù)出版數(shù)量數(shù)據(jù)，目前我國科學數(shù)據(jù)出版數(shù)量與美國雖存在差距，但我國是在相對較短的時期內取得的成績，這也反映出我國科學數(shù)據(jù)開放共享事業(yè)的快速發(fā)展趨勢，以及未來的巨大發(fā)展?jié)摿Α?/p>

3.3 研究方向維度

從研究方向維度分析，論文采用數(shù)據(jù)庫中提供的基于研究方向的數(shù)據(jù)記錄分類，其中表3 為數(shù)據(jù)論文的研究方向分布情況（不包括《中國科學數(shù)據(jù)》、《全球變化數(shù)據(jù)學報》數(shù)據(jù)），表4 為數(shù)據(jù)集的研究方向分布情況。對數(shù)據(jù)論文和數(shù)據(jù)集的各個研究方向的總量進行統(tǒng)計，最終數(shù)據(jù)記錄總量均大于實際記錄總量，可見存在同一數(shù)據(jù)論文或數(shù)據(jù)集劃分到多個研究方向的現(xiàn)象，可視為存在學科交叉。

表3 數(shù)據(jù)論文研究方向TOP 20

表4 數(shù)據(jù)集研究方向TOP 20

在數(shù)據(jù)論文的研究方向中，數(shù)量居于第1 位的科學技術及其他主題占記錄總數(shù)量的84.42%。如果在統(tǒng)計時剔除科學技術及其他主題研究方向，可檢索出8895 條記錄，約占記錄總量的94%。因此可以認為直接使用數(shù)據(jù)庫中的研究方向劃分體系能夠合理體現(xiàn)數(shù)據(jù)論文的分類，同時也反映出科學技術及其他主題研究方向過于宏觀。數(shù)據(jù)論文其他研究方向的數(shù)據(jù)分布中，數(shù)學計算生物學記錄數(shù)量為2,153 篇，占據(jù)總量的22.78%；基因遺傳記錄數(shù)量為2,006，占據(jù)總量的21.22%；生物化學分子生物學記錄數(shù)量為1,975，占據(jù)總量的20.89%；生態(tài)環(huán)境科學記錄數(shù)量為1,517，占據(jù)總量的16.05%；農業(yè)記錄數(shù)量為1,156，占據(jù)總量的12.23%；生物多樣性保護記錄數(shù)量為857，占據(jù)總量的9.07%；氣象大氣科學記錄數(shù)量為837，占據(jù)總量的8.85%；公共環(huán)境職業(yè)衛(wèi)生記錄數(shù)量為721，占據(jù)總量的7.63%；情報學圖書館學記錄數(shù)量為674，占據(jù)總量的7.13%。對《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》的數(shù)據(jù)論文研究方向單獨進行統(tǒng)計，其研究方向主要分布于科學技術及其他主題208 條、地質學16 條、生態(tài)環(huán)境科學11 條、植物科學10 條、農業(yè)9 條、林業(yè)7 條、礦物學7 條、情報學圖書館學6 條等。

數(shù)據(jù)集的研究方向中，基因遺傳記錄數(shù)量為4,427,272，占據(jù)總量的36.23%；科學技術及其他主題記錄數(shù)量為3,088,854，占據(jù)總量的25.28%；生物化學分子生物學記錄數(shù)量為2,770,278，占據(jù)總量的22.67%；晶體學記錄數(shù)量為1,391,384，占據(jù)總量的11.39%；地質學記錄數(shù)量為917,989，占據(jù)總量的7.51%；生態(tài)環(huán)境科學記錄數(shù)量為885,952，占據(jù)總量的7.25%；地理學記錄數(shù)量為602,949，占據(jù)總量的4.94%；社會科學及其他主題記錄數(shù)量為483,845，占據(jù)總量的3.96%；微生物學記錄數(shù)量為413,275，占據(jù)總量的3.38%；藝術人文及其他主題記錄數(shù)量為364,489，占據(jù)總量的2.98%。

從研究方向上看，數(shù)據(jù)論文和數(shù)據(jù)集的研究方向分布具有一定的相似性，主要分布于自然科學等側重于實驗數(shù)據(jù)支撐的研究方向。但在社會科學領域也有分布，如數(shù)據(jù)論文的情報學圖書館學研究方向，數(shù)據(jù)集的社科科學、藝術人文等研究方向。綜上所述，科學數(shù)據(jù)作為相應研究方向的數(shù)據(jù)支撐，無論是對自然科學的實驗分析，還是對社會科學的實證研究都具有重要的價值。

3.4 出版來源維度

從出版物來源維度分析，數(shù)據(jù)論文（不包括《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》數(shù)據(jù)）絕大部分來源于《Data in Brief》、《Scientific Data》，數(shù)量約占到79%左右，如圖3 所示。其中，《Data in Brief》是Elsevier 公司以數(shù)據(jù)存儲、共享為導向的學術期刊，接受所有學科的開放投稿，由于Elsevier收錄論文后，通常會給論文作者發(fā)送郵件建議作者將科學數(shù)據(jù)進行出版，可以認為是《Data in Brief》出版數(shù)據(jù)論文數(shù)量占據(jù)重要地位的原因之一?！禨cientific Data》是Nature 出版集團的開放獲取在線期刊，接收自然科學和社會科學領域論文，旨在幫助科研人員發(fā)布、發(fā)現(xiàn)和重用研究數(shù)據(jù)，該期刊對研究數(shù)據(jù)的開放起到了里程碑性質的推動作用[4]。論文通過對來自中國的數(shù)據(jù)論文出版來源進行檢索，可以發(fā)現(xiàn)中國的數(shù)據(jù)論文在國外刊物上出版排名前4 的出版物中，《Data in Brief》（國外出版物）涉及509 篇，《Scientific Data》（國外出版物）涉及214 篇，《Gigascience》（國外出版物）涉及77 篇，《Earth System Science Data》（國外出版物）涉及44 篇等。通過檢索《中國科學數(shù)據(jù)》、《全球變化數(shù)據(jù)學報》的出版數(shù)據(jù)可知，《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》出版中國數(shù)據(jù)論文記錄共有295 條，由此基本可以推斷中國學者比較傾向于通過國外出版物發(fā)表數(shù)據(jù)論文。

圖3 數(shù)據(jù)論文出版來源分布情況

數(shù)據(jù)集在存儲平臺的分布情況如圖4 所示，數(shù)據(jù)集相對于數(shù)據(jù)論文在各出版途徑的數(shù)量分布上相對比較分散，可以看出數(shù)據(jù)集存儲平臺在全球的多樣化發(fā)展態(tài)勢。其中，F(xiàn)igshare（https://figshare.com/）是一個在線數(shù)據(jù)知識庫，用于存儲、分享和發(fā)現(xiàn)科研數(shù)據(jù)；Gene Expression Omnibus[29]是一個基因表達數(shù)據(jù)倉庫，用于從任何物種或人造的來源檢索基因表達數(shù)據(jù)；Cambridge Structural Database（https://www.ccdc.cam.ac.uk/solutions/csd-core/components/csd/）是世界上小分子有機和金屬有機晶體結構的儲存庫，收錄了全世界范圍內所有已認可的有機及金屬有機化合物的晶體結構；Zenodo（https://www.zenodo.org/）與Figshare 一樣，都是知名的多學科數(shù)據(jù)分享平臺，用于存儲、分享和發(fā)現(xiàn)科研數(shù)據(jù)；US Census Bureau TIGER/Line Shapefiles（https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.2018.html）提供了人口普查的地理和制圖信息；Pangaea（https://www.pangaea.de/about/）作為開放訪問庫運行，旨在歸檔、發(fā)布和分發(fā)來自地球系統(tǒng)研究的地理參考數(shù)據(jù)；UniProt Knowledgebase（https://www.uniprot.org/）包括蛋白質序列數(shù)據(jù)以及大量注釋信息；ArrayExpress Archive（https://www.ebi.ac.uk/arrayexpress/about.html）是主要科學期刊推薦的存儲庫之一，用于存儲來自微陣列和測序平臺的功能基因組學數(shù)據(jù)，以支持可重復的研究。同樣，通過對來自中國的數(shù)據(jù)集的出版途徑進行檢索后可知，Plant Transcription Factor Database 存儲庫（中國）涉及65,535 個，Gene Expression Omnibus 存儲庫（美國）涉及52,981 個，Animal QTL Database 存儲庫（美國）涉及12,398個，European Nucleotide Archive 存儲庫（英國）涉及11,592 個，Genbank 存儲庫（美國）涉及7,182個，Zenodo 存儲庫（瑞士）涉及6,328 個，Compendium Of Protein Lysine Acetylation 存儲庫（中國）涉及3,311 個，Harvard Dataverse 存儲庫（美國）涉及444 個，IEEE Dataport 存儲庫（美國）涉及269 個，Mass Spectrometry Interactive Virtual Environment 存儲庫（美國）涉及263 個，World Data Centre For Climate 存儲庫（德國）涉及225 個，Peking University Open Research Data Platform 存儲庫（中國）涉及113 個。雖然數(shù)據(jù)集缺少國家字段的記錄較多，但是上述信息也基本可以反映出：在數(shù)據(jù)集的出版上，中國的數(shù)據(jù)集雖同樣存在傾向于國外數(shù)據(jù)集平臺出版的問題。但相對于數(shù)據(jù)論文的出版，國內的數(shù)據(jù)集出版平臺也為其提供了重要的出版途徑。

圖4 數(shù)據(jù)集存儲平臺分布情況

綜上所述，全球范圍內，數(shù)據(jù)集相對于數(shù)據(jù)論文的出現(xiàn)時間要早很多，其出版途徑也相對更加多樣化。研究中對Data Citation Index 數(shù)據(jù)庫中出版年為2020 年之前的Repository（知識庫）數(shù)據(jù)記錄進行檢索，共獲取9 個來自中國（不包括臺灣）的知識庫，如表5 所示。Data Citation Index 數(shù)據(jù)庫收錄的我國建設的知識庫主要為2000 年以后，其囊括的數(shù)據(jù)集的數(shù)量約7 萬余條（在數(shù)據(jù)庫中檢出國家信息為中國的數(shù)據(jù)集的總數(shù)量約16 萬余條），可知通過國外出版途徑發(fā)布數(shù)據(jù)集的現(xiàn)象要弱于數(shù)據(jù)論文。在相關研究中，將出版途徑卻側重于國外出版平臺的現(xiàn)象稱為“科學數(shù)據(jù)外流”[30]，其原因歸納為：國外科學數(shù)據(jù)出版平臺的影響力及吸引力顯著優(yōu)于國內；國內科技評價體系推動數(shù)據(jù)出版偏重國外途徑；國外學術出版機構要求提交科學數(shù)據(jù)等。其中，科研人員出版傾向可以認為是數(shù)據(jù)主動外流，科技評價體系的影響及國外期刊數(shù)據(jù)存儲政策要求可以認為是數(shù)據(jù)的被動外流。針對上述現(xiàn)象，除了制定相應政策法規(guī)引導相關出版機構組織投入更多資金推動科學數(shù)據(jù)出版平臺的發(fā)展，提升對科研人員的吸引力外，還需改變人才評價機制，鼓勵科研人員通過國內科學數(shù)據(jù)平臺發(fā)布數(shù)據(jù)，推動我國科學數(shù)據(jù)出版事業(yè)的發(fā)展。

表5 Data Citation Index 數(shù)據(jù)庫中收錄的中國科學數(shù)據(jù)存儲平臺

3.5 影響力維度

在Web of Science 數(shù)據(jù)庫中，科學數(shù)據(jù)出版的影響力評價方法主要采用數(shù)據(jù)論文或數(shù)據(jù)集被引用頻次作為衡量指標。目前也有研究[23]將數(shù)據(jù)論文的被引次數(shù)與出版物的影響因子結合進行數(shù)據(jù)論文影響力的評價。通過將檢索出的Data Paper 文獻類型的影響力數(shù)據(jù)與《中國科學數(shù)據(jù)》和《全球變化數(shù)據(jù)學報》的影響力數(shù)據(jù)進行整合，繪制圖5 所示的全球范圍每年數(shù)據(jù)論文出版數(shù)量與每年度數(shù)據(jù)論文被引頻次繪制圖表，可發(fā)現(xiàn)數(shù)據(jù)論文的年度被引用頻次整體上呈現(xiàn)上升趨勢，這在一定程度上代表數(shù)據(jù)論文的出版模式引起越來越多的科研人員的關注。表6 對全球范圍年均被引用頻次最大的前30 篇數(shù)據(jù)論文進行統(tǒng)計，可知歐美國家的數(shù)據(jù)論文占據(jù)很大部分，其出版途徑中《Scientific Data》期刊占據(jù)一半左右，這在一定程度上反映《Scientific Data》期刊在科學數(shù)據(jù)出版中的重要影響力。同時，在前30 的數(shù)據(jù)論文中，中國科學家作為第一作者在2020 年的《Scientific Data》期刊上發(fā)表的2 篇數(shù)據(jù)論文也快速獲得了很高的影響力，這也反映出我國科學家參與的科學數(shù)據(jù)論文在影響力上取得的成績。由于Data Citation Index 數(shù)據(jù)庫中收錄數(shù)據(jù)量大，且未提供年均被引頻次指標，論文對數(shù)據(jù)集中被引頻次排名前25 的數(shù)據(jù)集進行統(tǒng)計（表7），可以發(fā)現(xiàn)美國在數(shù)據(jù)集的共享工作中獲得了很大的影響力。同時從數(shù)據(jù)集最早出現(xiàn)的時間看，全球最早為19 世紀初，主要開始于歐美國家，文獻[31]認為學術文獻之間的引用存在馬太效應，即文獻的被引用概率與其已有的引用數(shù)據(jù)成正比，可以在一定程度上將馬太效應理論用于解釋歐美國家數(shù)據(jù)集影響力高的原因之一。但在表7中1984 年、2017 年出版的數(shù)據(jù)集均獲得了較高的引用次數(shù)，可以在一定程度上反映出數(shù)據(jù)集的質量和價值也是吸引相關科研人員進行引用的重要因素。

表7 數(shù)據(jù)集影響力TOP 25

圖5 全球數(shù)據(jù)論文年度數(shù)量與被引頻次

表6 數(shù)據(jù)論文影響力TOP 30

備注：數(shù)據(jù)論文的被引數(shù)為2021 年5 月12 日檢索時被引數(shù)據(jù)，數(shù)據(jù)論文年均被引數(shù)=總被引數(shù)/（2021 年?數(shù)據(jù)論文出版年+1）。

綜上所述，具有高影響力的數(shù)據(jù)論文和數(shù)據(jù)集主要來源于歐美國家。上述數(shù)據(jù)的形成因素，如果不考慮科研人員引用行為、數(shù)據(jù)庫數(shù)據(jù)收錄全面性等的影響，則在某種程度上可以認為歐美發(fā)達國家科學數(shù)據(jù)共享工作的開展情況要優(yōu)于國內。同時從數(shù)據(jù)論文的被引情況可知，近年來國內科學數(shù)據(jù)出版也取得了一定的影響力。

4 科學數(shù)據(jù)出版態(tài)勢分析及啟示

4.1 出版態(tài)勢總結

科學數(shù)據(jù)出版是實現(xiàn)科研數(shù)據(jù)價值最大化的有效途徑，也是推動國家科技創(chuàng)新的重要方式。文中對Web of Science 數(shù)據(jù)庫中全球范圍內的數(shù)據(jù)論文及數(shù)據(jù)集出版數(shù)據(jù)進行分析，并與國內出版數(shù)據(jù)進行對比，可以獲取以下認知：

（1）從時間及國家/地區(qū)維度。全球科學數(shù)據(jù)出版整體呈現(xiàn)出蓬勃發(fā)展的態(tài)勢，數(shù)據(jù)集和數(shù)據(jù)論文的出版數(shù)量都呈現(xiàn)出快速增長的趨勢?？梢灶A知隨著人類探索未知世界的不斷深入，科研人員對科學數(shù)據(jù)出版價值的認知提升，科學數(shù)據(jù)出版在數(shù)量及規(guī)模都將保持繼續(xù)上升態(tài)勢。從數(shù)據(jù)論文出版時間及國家的角度，中美兩國發(fā)布數(shù)據(jù)論文的起始時間基本一致，但中國每年數(shù)據(jù)論文的出版數(shù)量基本上是美國的一半左右。從數(shù)據(jù)集時間及國家的角度看，由于數(shù)據(jù)集78%的記錄缺少國家信息的描述，數(shù)據(jù)雖然不能準確反映國家維度出版數(shù)據(jù)集的增長趨勢，但根據(jù)從數(shù)據(jù)庫中獲知的國家最早出版數(shù)據(jù)集的時間可知，美國始于1837 年，中國始于1989 年。結合我國中國科學院于1983 年開始建設的“科學數(shù)據(jù)庫及其信息系統(tǒng)”項目，可以認為，我國科學數(shù)據(jù)集出版雖起步晚，但在數(shù)量上不斷增加（基于已有包含國家字段的記錄統(tǒng)計）。上述數(shù)據(jù)基本反映出了我國科學數(shù)據(jù)出版整體起步較晚，目前與美國之間依舊存在差距，但數(shù)量數(shù)據(jù)也反映出我國科學數(shù)據(jù)出版工作在很短時期內取得了很大的成績。

（2）從研究方向維度。全球科學數(shù)據(jù)出版的研究方向主要集中于自然科學領域，也有研究方向屬于社會科學領域，如圖書情報、藝術等，但社會科學領域的數(shù)據(jù)論文、數(shù)據(jù)集在總體數(shù)量中并不占據(jù)主導地位。上述情況與自然科學和社會科學的研究方法密切相關，前者注重實驗研究，后者注重理論研究?？茖W數(shù)據(jù)作為科學研究的重要組成部分，其出版共享工作不僅要關注于自然科學領域，還應在社會科學領域開展相關數(shù)據(jù)共享實踐工作。

（3）從出版來源維度。從數(shù)據(jù)的分布看，數(shù)據(jù)論文的數(shù)量主要集中分布于個別期刊，而數(shù)據(jù)集的出版途徑則相對分散。從更深層次看，可以認為數(shù)據(jù)集出版開始時間早，出版途徑相對成熟并且多樣化，而數(shù)據(jù)論文的出版還處于初步發(fā)展階段，其出版途徑主要集中于少數(shù)期刊，因此數(shù)據(jù)論文的出版還需探索更多的出版模式，豐富出版途徑。同時，我國雖然在科學數(shù)據(jù)出版中占據(jù)重要地位，但是出版途徑存在偏重于國外出版物和存儲平臺的問題。

（4）從影響力維度。全球范圍具有高被引頻次的數(shù)據(jù)論文和數(shù)據(jù)集，均主要分布在歐美國家。從整體上看，作為發(fā)展中國家的中國在數(shù)據(jù)論文和數(shù)據(jù)集的“量”上得到了巨大發(fā)展，在“質”上雖然取得了一定成就，但依舊與歐美國家存在差距。我國數(shù)據(jù)集的發(fā)布起始時間較晚，以及科研人員對數(shù)據(jù)共享認識的差異，高影響力數(shù)據(jù)集的出版相對不足。數(shù)據(jù)論文作為科學數(shù)據(jù)出版的新形式，其本質上也是數(shù)據(jù)集的另外一種體現(xiàn)形式，雖然中美近乎同時起步，也取得了一定進步，但還需要在“質”上引導與鼓勵更多機構和科研人員的參與。

4.2 啟示與建議

綜合全球科學數(shù)據(jù)出版的多個維度發(fā)展態(tài)勢，以及結合我國科學數(shù)據(jù)出版的發(fā)展現(xiàn)狀，論文認為我國科學數(shù)據(jù)出版應側重于從以下幾個方面進行完善并推動我國科學數(shù)據(jù)價值最大化，服務我國科學研究工作。

（1）制定規(guī)范的科學數(shù)據(jù)出版質量控制體系。從上述檢索出來的數(shù)據(jù)論文、數(shù)據(jù)集數(shù)據(jù)可以發(fā)現(xiàn)，78%的數(shù)據(jù)集記錄的國家信息存在缺失、部分國家信息直接標注為國家下的州（?。?、數(shù)據(jù)論文出版途徑存在全稱和簡稱共現(xiàn)等問題，數(shù)據(jù)的不完整、數(shù)據(jù)歧義等問題會直接影響對科學數(shù)據(jù)出版進行深層次分析的準確性。目前，科學數(shù)據(jù)出版尚處于探索的階段[15]，我國的《科學數(shù)據(jù)管理辦法》、《信息技術科學數(shù)據(jù)引用》等都為科學數(shù)據(jù)知識產權保護和共享提供了方向，但這些工作還遠遠不能滿足科學數(shù)據(jù)出版發(fā)展的需要，未來的工作需要從質量控制的角度，以科學數(shù)據(jù)共享為目的，從更高的層面對科學數(shù)據(jù)出版的各個流程制定規(guī)范化的科學數(shù)據(jù)分類、科學數(shù)據(jù)描述、科學數(shù)據(jù)存儲與發(fā)布等相關標準、體系與框架，并形成具有約束效力的文件。

（2）打造優(yōu)秀科學數(shù)據(jù)出版途徑。我國的科學數(shù)據(jù)出版基本上開始于上世紀80 年代，雖然隨著我國科技實力的不斷上升，科學數(shù)據(jù)出版事業(yè)不斷發(fā)展，但科學數(shù)據(jù)出版與國外相比依舊存在差距，在國內具有高國際影響力的優(yōu)秀期刊和存儲平臺相對較少是這種差距的表現(xiàn)之一。針對此種問題，一是需要政府管理機構充分認識到科學數(shù)據(jù)出版對我國科研水平提升的重要價值。二是要從管理層面制定政策、投入資金，引導、鼓勵國內相關研究機構、出版機構參與到科學數(shù)據(jù)出版工作中，并制定相應科學數(shù)據(jù)出版工作的考核評價體系，激勵優(yōu)秀科學數(shù)據(jù)出版物或出版平臺的發(fā)展。三是制定法律規(guī)范要求國內出版機構和科研人員出版科學數(shù)據(jù)時，需在國內出版平臺提交相關科學數(shù)據(jù)。四是將科學數(shù)據(jù)成果納入到人才評價體系中，激勵更多科研人員出版優(yōu)秀科學數(shù)據(jù)?？傊枰?、機構、科研人員等多方共同努力為國內科學數(shù)據(jù)出版提供更為優(yōu)秀的科學數(shù)據(jù)來源，進而打造優(yōu)秀科學數(shù)據(jù)出版途徑。

（3）在全科學研究領域鼓勵并引導科學數(shù)據(jù)共享發(fā)布。從文中數(shù)據(jù)可以獲知，科學數(shù)據(jù)論文和數(shù)據(jù)集的出版涉及自然科學、社會科學等各個學科領域，科學數(shù)據(jù)無論是在自然科學領域，還是在社會科學領域都具有重要的價值。從此角度，無論是哪個學科領域，只要涉及到科學數(shù)據(jù)支撐的研究工作，都應該鼓勵科研人員進行其研究數(shù)據(jù)的共享。在科學數(shù)據(jù)出版中，政府層面應該制定相應的激勵政策鼓勵各個學科領域的出版機構，積極參與到科學數(shù)據(jù)出版的工作中。各研究領域的出版機構要主動要求投稿人將論文數(shù)據(jù)進行公開共享。人才管理機構要將科研人員的科學數(shù)據(jù)成果納入科研人員學術成果中。總之，需要從制度上、利益上吸引我國各個學科領域科研人員進行科學數(shù)據(jù)共享。

（4）引導科學數(shù)據(jù)出版從“量”到“質”的轉變。在將我國與國外數(shù)據(jù)出版進行對比的過程中，可以發(fā)現(xiàn)我國科學數(shù)據(jù)出版在“量”上蓬勃發(fā)展，在“質”上與歐美發(fā)達國家存在差距。從表面上看是科研實力的差距，我國需要從政府管理層面制定政策、投入更多資金，提升整體科研水平，扶持激勵高質量科學數(shù)據(jù)的出版。從內在深層原因看，是我國需要改革和完善科學評價體制，將科學數(shù)據(jù)出版納入人才評價及激勵機制，同時在對人才評價時還要注重科學數(shù)據(jù)產生的影響力及對相應學科領域的貢獻、研究價值和意義。同時，還應意識到我國科學數(shù)據(jù)在量上雖已得到一定程度的發(fā)展，但還遠遠不夠，還需要繼續(xù)采取各種措施吸引更多科研人員貢獻自己的科學數(shù)據(jù)。量變是質變的準備，我國的科學數(shù)據(jù)出版目前依舊有許多工作需要完善，如規(guī)范科學數(shù)據(jù)出版質量、培育高影響力科學數(shù)據(jù)出版平臺、鼓勵各學科科學數(shù)據(jù)出版等，為我國科學數(shù)據(jù)出版的質變提供前提和準備。

致 謝

本文得到中國科學院戰(zhàn)略性先導科技專項（B 類）課題（XDB38030300）；國家自然科學基金專項（L1924075）；科技部創(chuàng)新方法工作專項（2019IM020100）；中科院十三五信息化專項（XXH13505、XXH13514）項目資助。