開放科研數(shù)據(jù)平臺的建設(shè)策略研究

姚翔宇

關(guān)鍵詞：開放科研數(shù)據(jù)平臺;數(shù)據(jù)周期;建設(shè)策略

摘 要：開放科研數(shù)據(jù)平臺是開放科研數(shù)據(jù)活動中的有形實體，以面向數(shù)據(jù)周期的視角考察現(xiàn)有平臺實例，其分為存儲型、索引型和導(dǎo)航型3類。文章根據(jù)各類開放科研數(shù)據(jù)平臺的功能，按照打通單一鏈路、連接鏈路節(jié)點、編織路徑網(wǎng)絡(luò)的建設(shè)思路，構(gòu)建了以存儲型平臺為基石、以索引型平臺為關(guān)鍵連接節(jié)點、以導(dǎo)航型平臺為補充的開放科研數(shù)據(jù)平臺體系。

中圖分類號：G250?? 文獻標(biāo)識碼：A?? 文章編號：1003-1588（2022）03-0091-03

開放科研數(shù)據(jù)是開放數(shù)據(jù)運動的組成部分，指開放在科研活動中產(chǎn)生的各種實驗數(shù)據(jù)及觀測、統(tǒng)計、仿真等數(shù)據(jù)[1]。開放科研數(shù)據(jù)既能降低學(xué)術(shù)交流成本，加快科學(xué)知識的創(chuàng)造與傳播速度，又能使科研數(shù)據(jù)得到長期保存，方便人們開展研究工作。開放科研數(shù)據(jù)活動的組成要素有科研人員、組織機構(gòu)、數(shù)據(jù)、平臺、政策、法律、技術(shù)、資金等，其中，開放科研數(shù)據(jù)平臺是承載和表現(xiàn)其他要素的有形實體[2]。目前，雖然部分開放科研數(shù)據(jù)平臺在一定范圍內(nèi)已具有一定的影響力，但其整體圖景仍不夠清晰，學(xué)界應(yīng)對其實現(xiàn)形式進行更深入的調(diào)查、對比和歸納，總結(jié)各類型平臺的特性、適用性和相互關(guān)系，進一步提出現(xiàn)實可行的建設(shè)策略，推動開放科研數(shù)據(jù)平臺的建設(shè)實踐。

1 以面向數(shù)據(jù)周期的視角考察現(xiàn)有平臺實例

司莉?qū)㈤_放科研數(shù)據(jù)與機構(gòu)知識庫建設(shè)相結(jié)合，把開放科研數(shù)據(jù)平臺劃分為機構(gòu)和聯(lián)盟兩類，莊曉喆根據(jù)這一觀點提出了聯(lián)盟平臺集中式、分布式和混合式3種建設(shè)模式[3-4]。完顏鄧鄧在調(diào)研開放科研數(shù)據(jù)平臺建設(shè)的過程中重點關(guān)注了國家、科研資助機構(gòu)、高校等建設(shè)主體的差異[5]。黃國彬根據(jù)發(fā)布內(nèi)容將開放科研數(shù)據(jù)平臺分為單一科學(xué)數(shù)據(jù)發(fā)布平臺和科技文獻與科學(xué)數(shù)據(jù)混合發(fā)布平臺[6]。吳雅威認為開放科研數(shù)據(jù)平臺建設(shè)應(yīng)強調(diào)集中與融合，使其具有數(shù)據(jù)收集、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)監(jiān)護、數(shù)據(jù)分析、數(shù)據(jù)共享和數(shù)據(jù)創(chuàng)新等多種功能，并總結(jié)出支持條件、數(shù)據(jù)功能、評價標(biāo)準(zhǔn)三個平臺建設(shè)元素[7]。上述研究成果從不同方面描繪了開放科研數(shù)據(jù)平臺的形態(tài)，雖然學(xué)者們提供了各自的開放科研數(shù)據(jù)平臺建設(shè)意見，但仍存在過于關(guān)注平臺的某些子集或關(guān)聯(lián)因素及過分追求功能的全面性和完備性等問題。數(shù)據(jù)活動存在固有的生命周期，DDI（Data Documentation Initiative）將其劃分為概念、收集、處理、存儲、發(fā)布、發(fā)現(xiàn)、分析、重用等八個階段，其中，處理、存儲、發(fā)布、發(fā)現(xiàn)、分析、重用階段構(gòu)成了一個再循環(huán)路徑，開放科研數(shù)據(jù)主要服務(wù)于存儲、發(fā)布、發(fā)現(xiàn)、重用階段。以面向數(shù)據(jù)周期的視角對開放科研數(shù)據(jù)平臺進行分類，更加符合數(shù)據(jù)活動的本質(zhì)，且可剔除非核心要素，避免形式交叉的干擾。

2 開放科研數(shù)據(jù)平臺的分類及特征

根據(jù)開放科研數(shù)據(jù)活動在數(shù)據(jù)周期中的對應(yīng)階段，可明確以下開放科研數(shù)據(jù)平臺的表現(xiàn)形式：一是關(guān)涉數(shù)據(jù)存儲在平臺中，二是發(fā)布關(guān)涉平臺展示的內(nèi)容，三是發(fā)現(xiàn)關(guān)涉平臺內(nèi)容的組織和檢索方式，四是重用關(guān)涉數(shù)據(jù)的訪問獲取和引用。筆者據(jù)此選取了CNCB-NGDC Database Commons、DataONE、Harvard Dataverse、RCSB PDB、re3data、Research Data Australia等處于運營狀態(tài)的開放科研數(shù)據(jù)平臺進行調(diào)查和比較，將開放科研數(shù)據(jù)平臺分為存儲型、索引型和導(dǎo)航型三類。

2.1 存儲型開放科研數(shù)據(jù)平臺

存儲型開放科研數(shù)據(jù)平臺（以下簡稱“存儲型平臺”）是以數(shù)據(jù)存儲庫為主要基礎(chǔ)設(shè)施建立的，核心特征是直接保存科研數(shù)據(jù)本體，其在數(shù)據(jù)的提交、保存、訪問政策和用戶使用體驗方面具有較高的一致性，覆蓋了數(shù)據(jù)活動生命周期中的存儲、發(fā)布、發(fā)現(xiàn)、重用等階段，成為連接數(shù)據(jù)生產(chǎn)者和使用者的中介，可被視為開放科研數(shù)據(jù)平臺體系中的基本單元或底層單元。數(shù)據(jù)集是存儲型平臺的管理單元，對應(yīng)現(xiàn)實研究環(huán)境中的項目、事件等實體，其上游是元數(shù)據(jù)，通過約定字段指向描述數(shù)據(jù)集整體的關(guān)鍵性信息，其下游是數(shù)據(jù)文件，是科研數(shù)據(jù)經(jīng)過數(shù)字化處理后用于保存、傳播和再利用的具體形式。從開放科研數(shù)據(jù)平臺的運營主體和數(shù)據(jù)主題看，目前有兩種典型案例值得注意：一是機構(gòu)存儲。機構(gòu)存儲以單個或聯(lián)合數(shù)據(jù)生產(chǎn)機構(gòu)為主體，科研數(shù)據(jù)面向不特定的學(xué)科領(lǐng)域。二是學(xué)科存儲。學(xué)科存儲以單個或聯(lián)合學(xué)術(shù)出版或資助機構(gòu)為主體，科研數(shù)據(jù)面向特定的學(xué)科領(lǐng)域，如：RCSB PDB平臺專注于存儲蛋白質(zhì)、核酸等生物結(jié)構(gòu)信息，其在元數(shù)據(jù)、存儲格式、質(zhì)量標(biāo)準(zhǔn)等方面更符合學(xué)科使用習(xí)慣，并具有在線展示和分析功能。

2.2 索引型開放科研數(shù)據(jù)平臺

索引型開放科研數(shù)據(jù)平臺（以下簡稱“索引型平臺”）主要收集與整合其他類型平臺中的科研數(shù)據(jù)的元數(shù)據(jù)，其核心特征是不直接保存科研數(shù)據(jù)本體。現(xiàn)階段，雖然不同來源的科研數(shù)據(jù)元數(shù)據(jù)通常在字段和格式上存在一定的差異，但仍有相當(dāng)一部分的字段是共有或兼容的，如：英美政府?dāng)?shù)據(jù)門戶網(wǎng)站為了標(biāo)記學(xué)科廣泛、來源多樣、類型不同的科研數(shù)據(jù)，總結(jié)出科研數(shù)據(jù)元數(shù)據(jù)的必選字段，在Dublin Core的基礎(chǔ)上制定了通用元數(shù)據(jù)標(biāo)準(zhǔn)與特定領(lǐng)域元數(shù)據(jù)標(biāo)準(zhǔn)[8]。事實上，索引型平臺的工作重點是處理不同平臺的元數(shù)據(jù)的兼容性問題，通過清洗和映射構(gòu)建結(jié)構(gòu)一致的元數(shù)據(jù)倉庫，并提供統(tǒng)一的檢索界面，建立一站式的數(shù)據(jù)發(fā)現(xiàn)系統(tǒng)，通過統(tǒng)一標(biāo)識符或鏈接的方式提供數(shù)據(jù)訪問途徑。Research Data Austria是索引型平臺的典型代表，作為澳大利亞國家科研基礎(chǔ)設(shè)施計劃的一部分，由政府主導(dǎo)建設(shè)，數(shù)據(jù)內(nèi)容幾乎涵蓋了所有研究領(lǐng)域，其既不存儲數(shù)據(jù)本體，也不干涉數(shù)據(jù)所有權(quán)，僅顯示數(shù)據(jù)發(fā)布合作伙伴持有的元數(shù)據(jù)和數(shù)據(jù)鏈接，并對這些信息進行有序組織。

2.3 導(dǎo)航型開放科研數(shù)據(jù)平臺

導(dǎo)航型開放科研數(shù)據(jù)平臺（以下簡稱“導(dǎo)航型平臺”）主要提供描述各類平臺的元數(shù)據(jù)，其核心特征是不直接觸及科研數(shù)據(jù)本體層和元數(shù)據(jù)層。現(xiàn)階段，無論是存儲型平臺還是索引型平臺的覆蓋范圍都十分有限，導(dǎo)航型平臺在數(shù)據(jù)發(fā)現(xiàn)層面提供了另一種思路。導(dǎo)航型平臺采集其他類型平臺的基本信息并進行分析處理，以自定標(biāo)準(zhǔn)加工得到描述相應(yīng)平臺的元數(shù)據(jù)，通過分類或

關(guān)鍵詞檢索協(xié)助用戶發(fā)現(xiàn)潛在數(shù)據(jù)源，或幫助持有科研數(shù)據(jù)的用戶發(fā)現(xiàn)合適的存儲型平臺。例如，re3data是科學(xué)數(shù)據(jù)存儲庫的注冊導(dǎo)航平臺，接受全球各學(xué)科存儲型平臺的注冊登記，為各平臺建立包括基本信息、機構(gòu)信息、開放條款、數(shù)據(jù)標(biāo)準(zhǔn)在內(nèi)的元數(shù)據(jù)描述，可提供學(xué)科、內(nèi)容、國家的垂直分類導(dǎo)航，用戶可直接檢索相關(guān)信息;中國國家生物信息中心下轄的CNCB-NGDC Database Commons是專注于導(dǎo)航生物領(lǐng)域的開放科研數(shù)據(jù)平臺，能夠自主采集和整理元數(shù)據(jù)信息，并在客觀描述的基礎(chǔ)上提供排名、評分、相關(guān)推薦等增強功能。

3 開放科研數(shù)據(jù)平臺建設(shè)策略

3.1 多層次關(guān)聯(lián)的平臺體系模式

充足的數(shù)據(jù)量和數(shù)據(jù)交叉關(guān)聯(lián)是實現(xiàn)開放科研數(shù)據(jù)倍增效益的前提條件，理想的環(huán)境是在同一個框架且相對集中的平臺上包容開放發(fā)布、統(tǒng)一發(fā)現(xiàn)、協(xié)議共享。但現(xiàn)實情況是，僅re3data平臺就已登記了超過2，450家科研數(shù)據(jù)存儲平臺。造成這種現(xiàn)象的原因有偏向技術(shù)性的數(shù)據(jù)安全和隱私、數(shù)據(jù)多樣性等問題，以及在數(shù)據(jù)所有權(quán)和各方信任問題上難以達成絕對共識。在這種背景下，搭建多層有序的平臺體系是一種合理現(xiàn)實的平臺建設(shè)模式，其中的存儲型平臺保留數(shù)據(jù)本體，是該體系的基石，基于主體“信任”閾值的不同，存儲型平臺可以聯(lián)合或獨立的形式存在，數(shù)量相對較多，需要在保證開放數(shù)據(jù)質(zhì)量和兼容性的協(xié)議層面達成一定共識;索引型平臺是體系中的關(guān)鍵連接節(jié)點，雖然數(shù)量較少，但可通過整合元數(shù)據(jù)的方式聚合數(shù)據(jù)，且不干涉數(shù)據(jù)的所有權(quán)，降低開放數(shù)據(jù)的發(fā)現(xiàn)和獲取成本;導(dǎo)航型平臺作為存儲型平臺和索引型平臺的補充，可實現(xiàn)輔助發(fā)現(xiàn)并擁有開放數(shù)據(jù)運動的社區(qū)功能。

3.2 平臺體系的建設(shè)階段

3.2.1 第一階段?？蒲袛?shù)據(jù)生產(chǎn)機構(gòu)建立自主可控的存儲型平臺。在該階段，平臺建設(shè)主體相對集中，技術(shù)力量有限，建設(shè)目的主要是擴充數(shù)據(jù)存量，發(fā)現(xiàn)及解決實踐過程中存在的問題，并盡力加強技術(shù)層面的交流和研究，評估開發(fā)架構(gòu)的通用性，減少重復(fù)投入。目前，雖然我國部分機構(gòu)在相關(guān)建設(shè)方面已初具規(guī)模，但影響力有限，如：自然科學(xué)領(lǐng)域的科學(xué)數(shù)據(jù)銀行、國家基因組科學(xué)數(shù)據(jù)中心，社會科學(xué)領(lǐng)域的復(fù)旦大學(xué)社會科學(xué)數(shù)據(jù)平臺、北京大學(xué)開放研究數(shù)據(jù)平臺等。

3.2.2 第二階段。隨著分布式存儲型平臺的建設(shè)，數(shù)據(jù)積累量不斷增加，部分關(guān)系緊密的特定社區(qū)基于高度的信任和共識會考慮擴大存儲型開放平臺的成員范圍，使學(xué)術(shù)主體之外的商業(yè)性數(shù)據(jù)托管機構(gòu)、科研服務(wù)機構(gòu)等有機會加入。導(dǎo)航型平臺在該階段應(yīng)承擔(dān)起科研數(shù)據(jù)發(fā)現(xiàn)和連接的職責(zé)，并開展針對平臺的監(jiān)測和評價工作。

3.2.3 第三階段。在該階段，存儲型平臺已相對成型并平穩(wěn)運行，可持續(xù)提供科研數(shù)據(jù)資源，數(shù)據(jù)利用的共識與權(quán)利界限逐漸明確，用戶對數(shù)據(jù)質(zhì)量控制、追蹤和評價等衍生服務(wù)的需求增加;索引型平臺經(jīng)過整合與淘汰逐漸集中，成為科研數(shù)據(jù)發(fā)現(xiàn)和訪問中心;導(dǎo)航型平臺成為多層次關(guān)聯(lián)平臺體系的補充部分，服務(wù)和聯(lián)絡(luò)其他類型平臺成員，扮演專業(yè)協(xié)會或?qū)W術(shù)社區(qū)的角色。

3.3 平臺的功能性建設(shè)要點

3.3.1 存儲型平臺的功能性建設(shè)要點。存儲型平臺涉及用戶參與的環(huán)節(jié)較多，在功能建設(shè)過程中應(yīng)注重交互的便捷性，包括上傳、發(fā)布、更新數(shù)據(jù)和元數(shù)據(jù)的流暢度，以及清晰的界面層次、方便的多人協(xié)作和批量操作功能、正確的版本控制邏輯等，以降低用戶的學(xué)習(xí)和操作成本。存儲型平臺應(yīng)突出元數(shù)據(jù)功能的通用性、可控性和學(xué)術(shù)性，奠定索引基礎(chǔ)，如：將元數(shù)據(jù)分為基本元數(shù)據(jù)和拓展元數(shù)據(jù)，兼顧通用性和差異性;精確定義必填項，減少人工填寫項，引入受控詞表以增強規(guī)范性;提供元數(shù)據(jù)導(dǎo)出文件和引用格式，方便數(shù)據(jù)重用;加強數(shù)據(jù)加密、數(shù)據(jù)備份、密鑰核對、MD5校驗等安全功能。

3.3.2 索引型平臺的功能性建設(shè)要點。索引型平臺集中和發(fā)布不同來源的數(shù)據(jù)及元數(shù)據(jù)，在元數(shù)據(jù)功能方面應(yīng)優(yōu)先保證字段選擇的基礎(chǔ)性，實現(xiàn)寬兼容;著重加強發(fā)現(xiàn)系統(tǒng)功能，提升分類檢索和結(jié)果篩選能力，增加地圖檢索等可視化的發(fā)現(xiàn)方式，并利用元數(shù)據(jù)的數(shù)量優(yōu)勢實現(xiàn)關(guān)聯(lián)發(fā)現(xiàn)，為重用評價奠定基礎(chǔ)。作為數(shù)據(jù)訪問的中介，索引型平臺應(yīng)做好對數(shù)據(jù)來源頁面的自動校驗工作，保障收錄數(shù)據(jù)的有效性，并在條件允許的情況下加入統(tǒng)一身份認證功能，方便用戶獲取受限數(shù)據(jù)。

3.3.3 導(dǎo)航型平臺的功能性建設(shè)要點。與存儲型和索引型平臺相比，導(dǎo)航型平臺的功能結(jié)構(gòu)相對簡單，其工作重點是信息的收錄、維護和更新，通過綜合自主提交、自動校驗、人工維護和反饋校正等方式實現(xiàn)收錄信息的齊全、有效。為了增強導(dǎo)航發(fā)現(xiàn)效能，導(dǎo)航型平臺應(yīng)在垂直分類中為其收錄的平臺描述性元數(shù)據(jù)建立多維度目錄，并進一步加入平臺指標(biāo)評價和社區(qū)交流功能。

參考文獻：

[1] 黃永文，張建勇，黃金霞，等.國外開放科學(xué)數(shù)據(jù)研究綜述[J].現(xiàn)代圖書情報技術(shù)，2013（5）：21-27.

[2] 盛小平，袁圓.國內(nèi)外科學(xué)數(shù)據(jù)開放共享影響因素研究綜述[J].情報理論與實踐，2021（8）：173-179.

[3] 司莉，曾粵亮.國外機構(gòu)科研數(shù)據(jù)知識庫研究進展[J].情報學(xué)報，2017（8）：859-870.

[4] 莊曉喆，司莉.機構(gòu)科研數(shù)據(jù)知識庫聯(lián)盟建設(shè)模式比較[J].圖書館論壇，2018（8）：55-60.

[5] 完顏鄧鄧，高峰.英美澳科學(xué)數(shù)據(jù)存儲與共享平臺建設(shè)現(xiàn)狀調(diào)查及啟示[J].圖書館建設(shè)，2016（3）：29-34.

[6] 黃國彬，劉馨然，姜穎.影響科學(xué)數(shù)據(jù)引用的外部因素分析[J].數(shù)字圖書館論壇，2017（6）：2-8.

[7] 吳雅威，張向先.我國Data Commons平臺的建設(shè)策略研究[J].圖書館學(xué)研究，2019（18）：46-53.

[8] 司莉，李鑫.英美政府?dāng)?shù)據(jù)門戶網(wǎng)站科學(xué)數(shù)據(jù)組織與查詢研究[J].圖書館論壇，2014（10）：110-114.

（編校：馮耕）