美國高校數據監護平臺研究與借鑒*

宋秀芬　鄧仲華（武漢大學信息管理學院　湖北武漢　430072）

·數據管理與服務·

美國高校數據監護平臺研究與借鑒*

宋秀芬鄧仲華
（武漢大學信息管理學院湖北武漢430072）

摘要：

文章剖析了約翰·霍普金斯大學Data Conservancy、哈佛大學Dataverse Network、康奈爾大學Data Staging Repository的平臺特征、功能及局限性。結果表明：基于國內數據監護平臺現狀，國內平臺需從平臺功能、政策支持、數據標準、教育培訓與合作交流等方面借鑒美國數據監護平臺的構建經驗。

關鍵詞：

數據監護平臺；數據引用；數據標準；數據共享

1　引言

數據是科研成果，也是后續科學研究的基石，科研需求崔生數據監護誕生，數據監護已成為高校、研究機構與政府部門等關注的重要課題，而高校在技術、設備和人才等方面具有構建數據監護平臺的天然優勢，高校構建統一數據監護平臺有利于改變傳統數據私有觀念，打破信息壁壘，實現數據有效交流與共享，提升數據價值與加速科研進程。

國外高校在數據監護實踐方面發展迅速且成效顯著，美國在構建數據監護平臺方面積累了豐富經驗，構建了諸多高質量且公信力強的數據監護平臺，如：康奈爾大學 DataStaR、哈佛大學 Dataverse Network、哈佛—麻省數據中心HMDC、約翰·霍普金斯大學Data Conservancy、普渡大學分布式數據中心D2C2等。國內部分高校認識到數據監護平臺的重要性，并開始實施數據監護平臺的構建，如：中國人民大學中國社會調查開放數據庫、中山大學社會科學調查中心與復旦大學社會科學數據平臺等，但與美國相比，國內數據監護實踐還存在較大差距。因此，國內高校在借鑒美國構建數據監護平臺經驗的基礎上，開發出具有自身特點的平臺，避免重復工作、減少資金浪費、提高效率等。

國內學者對數據監護研究處于借鑒與探索階段，以楊鶴林、殷沈琴、賴劍菲、覃丹為代表的國內學者研究了國外數據監護平臺構建現狀與對我國的借鑒與啟示，楊鶴林詳細介紹了康奈爾大學DataStaR的模型、思路、特色等；殷沈琴評估了 Nesstar、DSpace、Fedora Commons、Dataverse平臺軟件的進階功能、元數據標準、在線分析功能；賴劍菲從需求、目標、經費保障和數據來源方面分析了國內外11個代表性的數據共享平臺 （康奈爾大學DataStaR、約翰·霍普金斯大學Data Conservancy、哈佛—麻省數據中心HMDC等）的建設特點；覃丹從整體結構、檢索服務、導航服務、咨詢/幫助、教育培訓等內容上介紹了英美高校5個社會科學數據共享平臺的建設現狀，分析了平臺軟件（Fedora Commons、Dataverse、SDA、Nesstar）的功能與建設特點，可見，以上研究成果從整體上概述了數據監護平臺的特色功能，但均未對各數據監護平臺特色功能、局限與不足進行深度剖析，而深入剖析平臺特色功能、局限與不足可為國內數據監護平臺的構建與選型提供價值性參考，基于此，文章選取美國康奈爾大學DataStaR、哈佛大學 Dataverse Network、約翰·霍普金斯大學 Data Conservancy平臺加以深入研究，而挑選依據在于這三個平臺具有代表性、影響力大且為開源軟件。

2　美國高校數據監護平臺的比較

美國研究數據監護時間較早，數據監護平臺發展成熟，平臺功能完善，本文將重點比較三大數據監護平臺（康奈爾大學DataStaR、哈佛大學Dataverse Network、約翰·霍普金斯大學Data Conservancy）的功能、目標、服務方式、局限性等（見表1）。

2.1約翰·霍普金斯大學DataConservancy

約翰·霍普金斯大學Data Conservancy（以下簡稱DC）主要監護天文、地球、生物和人文社會科學等學科數據，提供跨機構和跨學科的數據監護工具及服務，收集、處理、存儲、保存與共享數據以滿足學術團體的數據監護需求，約翰·霍普金斯大學的持續工作包括開發跨學科領域數據監護工具、搭建科學數據監護基礎設施、規劃數據監護職業教育、構建可持續數據監護模型等。

2.1.1智能查詢

DC超越了機構庫或學科庫的數據查詢功能。DC的特征提取框架利用關鍵與綜合特征將多個項目數據聚合在一起，實現了基于時間、空間、類別的跨學科數據檢索與分類瀏覽，并提供附加服務（如網絡地圖服務、子集提取等）與個性化定制服務（如可制定用戶界面）以滿足特殊需求，促進數據發現和集成。

2.1.2跨系統數據互通

DC模塊化架構和技術組件與外部服務組件的互操作實現了無縫數據遷移。用戶提交輸入與輸出數據請求后，通過API（應用程序編程接口）攝取、檢索與訪問數據，API外部服務組件或系統與DC的交互實現了跨學科數據服務與增值服務，如：

（1）DC與美國國家冰雪數據中心（National Snow and Ice Data Center，NSIDC）的照片互操作服務。DC監護大量圖像，其中包括南極洲冰川圖像，NSIDC圖像收集模塊定期從DC元數據庫中收集元數據、增加新圖像與建立DC照片鏈接。用戶在DC平臺終端界面通過冰川名稱、位置、日期、攝影師等關鍵詞檢索圖像，查看低分辨率圖像，訂購高分辨率圖像。

表1　美國數據監護平臺建設情況

（2）DC與arXiv.org（電子預印本文庫）的數據與出版物雙向鏈接。作者向arXiv.org提交發表的論文與數據，論文存于arXiv系統，而數據存入約翰·霍普金斯大學DC中，arXiv系統的論文與DC的數據之間建立了雙向鏈接，用戶檢索與訪問論文與相關數據。

2.1.3配套的教育與培訓

DC提供的數據監護教育與培訓形式包括培訓材料、網絡研討會、課程、專題研討會和實習、數據管理規劃等，DC平臺承擔服務、協調、咨詢、培訓和宣傳等工作，數據監護人員在豐富多樣的教育和培訓中掌握數據監護的知識與技能。

2.1.4局限與不足

DC平臺軟件為測試版，系統存在兼容的局限性，其中包括系統版本兼容問題（API和數據模型兼容）、數據遷移、數據標準化等問題。

2.2哈佛大學Dataverse Network

由于傳統數據存儲與共享方法缺乏保存策略、永久認可條款和訪問機制等，再加上所有權與控制權問題；科研人員不重視數據保存問題，部分研究者通過網站共享數據，部分研究者根本未共享數據；而科研人員、圖書館、期刊和科研機構統一數據監護平臺來管理和共享數據，因此，Dataverse正是基于此背景而產生的。

哈佛大學Dataverse Network（以下簡稱DVN）是軟件、協議、自動化存儲等共同體，存儲世界所有學科數據，包括世界上最大社會科學研究數據集。其任務是收集、共享、引用、分析、保存與再利用數據，其目的是實現數據共享與跨系統數據互聯互通，其目標是滿足科研人員的數據監護需求，改變學術環境，激勵科研人員與出版商共享數據，加速科研進程。

2.2.1虛擬檔案館

DVN是基于標準的集中存儲、分布式控制、成果認可的數據共享平臺。DVN無需硬件與軟件成本，利用機構庫的基礎設施與技術提供專業歸案服務，包括數據備份、恢復，轉換、保存等服務。一個機構創建多個虛擬檔案館（命名為“Dataverses”），如：學者、團隊、期刊的“Dataverses”，虛擬網絡檔案館為作者提供分布式數據控制，每個Dataverse通過人性化界面為用戶提供數據引用、發現、更新、訪問及再利用等服務。數據的發布架框支持數據控制、永久引用、發現與保存等，數據作者無需維護與備份，便可獲得學術成果的認可。

2.2.2數據共享鼓勵

鼓勵數據共享方式包括成果認可、工作可見及數據控制。鼓勵作者共享數據需要增強學術認可度與可見性，傳統上學術果引用不足體現認可程度，而數據本身也需引用，每個Dataverse自動生成永久數據引用，數據引用有利于原始研究成果的再利用，提升數據收集者或數據作者的認可度；數據作者的“Dataverse”相當個人網站，集中式的Dataverse后臺進行數據保存、分析與轉換等，作者即刻可見工作成果，無需關心保存與存檔問題，除了認可與可見性，還有數據控制問題。數據存儲在一個集中機構庫里，數據作者隨時控制、更新、描述與設限訪問數據集等。

2.2.3數據永久引用

數據更新時，引文版本自動更新，版本控制是為了引用數據的最新版本。DVN構建了數據引用原則和標準，生成數據引用內容包括：作者、發布日期、標題、統一標識符、網站、通用數字指紋、出版商、數據子集、版本等字段，由此可見，在傳統引用基礎上，DVN數據引用增加了永久標識符和通用數字指紋，永久標識符代表引用數字對象獨立且永久，即使數字對象從一個站點移到另一個站點，數據引用將鏈接到最新網站；通用數字指紋生成是基于數據集的內容而不是格式，即使數據格式發生了變化，通用數字指紋不會改變。永久標識符對應于一項研究，通用數字指紋對應于一個數據集。DVN分配給每項研究一個永久標識符，每項研究包括一個或多個數據集，每個永久標識符對應于一項研究而不是單個數據集，每個通用數字指紋生成是基于每項研究中一個數據集。

數據引用的主要目的是提高數據作者以及數據出版商的聲望，加強發布成果和數據連接。在創建一項研究時，自動生成數據引用，數據作者提供出版物上文章的永久數據引用，然后釋放或者發布數據，期刊的文章研究結果與基礎數據自動建立了雙向鏈接，所引用數據鏈接到已發表文章、出版物、數據集及相關文章。

2.2.4訪問控制

DVN通過使用條款、限制條件與技術來保護數據的利益相關者權利。訪問控制分三個級別：對于公共研究，查看研究中描述信息，只有用戶同意數據使用條款后，才可訪問數據文件；對于研究中受限文件，公開描述信息，具有授權密碼的用戶可查看和下載部分受限數據文件；對于受限研究項目，當整個研究項目受限訪問時，可檢索元數據與部分描述信息，不能訪問全部數據文件。

DVN為作者提供分布式控制權，數據作者控制數據訪問、更新、保存和使用等。當用戶請求訪問受限文件或完整項目研究時，DVN中數據作者或出版商授權用戶訪問數據集，授權訪問條件是基于大學或其他機構相關聯IP地址。

2.2.5易于使用與維護

DVN界面具有友好性、人性化且低維護等特征，數據作者通過網絡界面實施所有設置和管理研究。科研人員創建個人網站的虛擬檔案館，不需要安裝任何軟件或特殊要求，DVN采用云服務而不是應用程序服務，這種服務便于用戶操作與維護。

2.2.6局限與不足

（1）子集提取支持。子集提取與智能查詢又豐富了數據作者的成果。數據子集提取與分析不是數據共享框架關鍵，但有利于數據使用，每個“Dataverse”通過處理數據集、標準化格式與提取變量信息等方式豐富數據作者研究成果，DVN軟件附加數據服務是提取與分析數據集的子集，目前DVN支持表格數據集和社交網絡數據集的子集提取與分析，未來需開發工具或方案解決更多類型數據的子集提取、分析與可視化等。

（2）數據安全保護。訪問控制未能保護私有或機密數據安全。DVN利用數據使用條款來保護機密數據安全，數據使用條款是基于整個DVN或機構、作者與出版商的要求，個人或組織共同識別數據風險，數據機構根據內部評級法（IRB）收集數據，研究者識別數據中未含有機密數據，數據用戶訪問數據集時，不能鏈接多個數據集或其他信息。另外，對于非常敏感研究中DVN元數據與完整引文（包括UFN）需要離線安全存儲。

科學研究中敏感或機密數據的存儲和共享是未來數據安全的重要挑戰，未來需開發存儲工具來收集數據，機密數據需存儲于單獨機構庫、提供安全控制、并利用限制方法進行數據發布和在線分析。

2.3康奈爾大學DataStaR

數據階段型存儲庫 （Data Staging Repository，DataStaR）是研究數據共享和發現的語義平臺，提供研究流程中嵌入數據服務，其由平臺和服務構成，服務是指在研究人員控制下實現跨機構庫數據處理、存儲、共享與發布等服務；平臺是為研究人員提供研究數據的在線臨時存儲庫。DataStaR旨在充分利用現有基礎設施以及外部資源來提供持續數據存儲、共享與發布服務，實現跨學科或機構庫數據共享。

2.3.1協同工作

DataStaR虛擬社區便于科研人員交流學術、傳輸文件、協同工作、共享數據等，科研人員、數據科學家、圖書館員等共同構建最佳數據監護實踐來滿足科研人員的個性化需求，DataStaR平臺便于科研人員監護數據與協同工作，促進跨學科數據的再利用。

2.3.2嵌入服務

機構庫是收藏數據的倉儲，只存儲科研流程中的終端成果，未對整個科研流程中實時數據進行維護、更新與完善，因此，機構庫功能無法滿足數據監護需求。DataStaR是基于機構庫基礎上實施數據監護戰略，提供面向科研流程的嵌入數據服務，提供科研數據交流與知識共享的平臺和橋梁，改變了科研人員學術交流與共享方式，提升了跨學科數據再利用價值。

2.3.3彈性存儲

DataStaR彈性存儲政策未強制要求科研人員提交數據，科研人員自愿發布數據集到學科庫或機構庫，彈性存儲政策尊重研究人員的使用習慣，豐富了機構庫的學術成果，贏得了學術界和科研人員的尊重，培養了用戶忠誠度，建立了DataStaR與科研人員長遠的伙伴關系。

2.3.4小科學數據監護

DataStaR是基于小科學數據監護需求與服務缺失的矛盾背景下誕生的。科研人員需要平臺與服務來監護“小科學”數據集以促進數據共享與發布；小科學數據監護存在盲區，缺乏存儲平臺、標準、分享機制與長期再利用策略等。DataStaR作為臨時與過渡性存儲庫無需專門基礎設施，只需利用機構庫與學科庫現有基礎設施來進行數據存儲、管理和訪問。DataStaR融合了機構庫與學科庫的功能，利用機構庫的能力提供訪問支持與數據服務，并支持數據向長期存儲庫流動。

2.3.5語義網技術

DataStaR利用語義網技術描述不同學科數據集，實現基于跨學科元數據標準的元數據再利用。研究人員在DataStaR平臺上創建、共享和發布不同元數據標準來描述不同學科數據集，此外，DataStaR使用多個元數據標準描述單個數據集。因此，語義網技術支持基于多種元數據標準的數據描述、元數據再利用、以及跨機構庫數據互通性。

2.3.6局限與不足

（1）數據的長期保存。DataStaR階段型存儲庫定位于短期的、暫時性的數據集存儲點，兼有一般機構庫和學科庫的特征，DataStaR不能承擔數據集長期保存任務，備份數據集的元數據，可供科研人員再利用高質量元數據，促進數據向長期存儲庫流動。

（3）服務功能的完善。DataStaR是數據向長期保存過渡階段的臨時存儲庫，兼有學科庫與機構庫功能，不具有數據監護中更新、分析、處理、可視化等功能，DataStaR注重數據監護的發展，如：數據服務咨詢、數據管理規劃、數據保存標準制定、與數字倉儲構建等方面，因此，DataStaR是數據監護發展的基礎，DataStaR未來需完善平臺服務功能。

3　美國高校數據監護平臺的借鑒

美國數據監護平臺研究表明，在平臺功能、數據規范、組織管理、版權管理、系統選取、平臺服務、安全保障等方面擁有成熟的技術與規范的流程標準。而國內研究數據監護時間短，數據監護實踐處于探索與借鑒階段，個別高校實施了平臺試點建設，具有代表性數據監護平臺包括復旦大學社會科學數據平臺與中國社會調查開放數據庫，復旦大學社會科學數據平臺軟件是Dataverse Network漢化及二次開發，其平臺任務是收集、整理和開發中國社會經濟發展數據，提供數據保存、處理、共享等基礎服務；中國社會調查開放數據庫收集、整理、存儲與發布國內社會調查數據，僅提供數據存儲、檢索、瀏覽、下載服務。

由此可見，與美國平臺相比，國內平臺構建存在滯后性與差距性，主要表現為以下方面：缺乏監護綜合數據的完善服務功能；缺乏完善的數據監護政策體系；缺少統一元數據標準與規范；缺乏配套的教育培訓方案、缺乏平臺、機構、國家之間合作交流機制等問題。因此，國內平臺應從平臺功能、政策支持、數據標準、教育培訓與合作交流借鑒美國數據監護平臺建設的經驗，開發出中國特色的數據監護平臺。

4　對國內高校構建數據監護平臺的建議

由于國內外數據監護構建的環境存在差異性，我國不能直接移植美國平臺與策略，需借鑒美國平臺構建經驗，發展具有本土特色的數據監護平臺。筆者主要基于美國數據監護平臺構建的文獻調研結果基礎，從平臺功能、政策支持、數據標準、教育教育培訓與合作交流方面，提出國內高校數據監護平臺構建的參考建議。

4.1平臺功能

根據數據監護生命周期理論，高?？茖W數據監護平臺應具有數據收集、評價、組織、處理、描述、訪問、再利用功能。這些功能歸納為兩類功能基本功能與附加功能，其中基本功能包括數據管理、數據服務、數據轉換、數據共享等；附加功能包括版本管理、數據標引、數據模板、數據引用、在線分析、數據更新、子集提取等。

4.2政策支持

高校數據監護平臺構建應遵循政策體系，完善的數據監護政策體系保障了數據監護平臺有效運行與服務功能實現。數據監護政策體系涉及內容較多，如：數據治理（受限訪問、知識產權）、數據使用、數據共享政策等，完善的政策體系規范了數據監護服務，保障了平臺服務功能實現。

4.3數據標準

統一數據標準有利于跨系統的數據交流與共享，并與國際數據監護平臺無縫連接，實現國際平臺合作交流與共享。我國平臺建設應采用國際規范的數據標準（元數據標準DDI與DDL）以實現未來平臺間的數據交流與交換。目前國內數據標準涉及數據分類、引用、轉換、保存等規范或標準并沒有明確的規定，阻礙了平臺間合作交流。

4.4教育培訓

研究人員的數據素養與數據監護平臺服務功能相互影響、共同促進。而科研人員的數據素養與數據監護意識的教育和培養需納入平臺建設，如：通過數據監護課程、虛擬社區與研討會等形式提供數據保存、收集、使用等基本數據監護知識；在線幫助與指導研究人員協同科研、數據格式轉換、數據分析等。數據監護的教育與培訓有利于提高研究人員的數據素養，培養研究人員的數據監護能力，研究人員的數據素養與數據監護平臺服務功能相互影響與促進。

4.5合作交流

我國高校數據監護平臺構建與實施需要人、機構、高校、國家之間的合作與交流，合作與交流的目的為了人才、技術、資金、設施、數據等優化配置，實現資源最大化利用。如：哈佛大學—麻省理工大學數據中心HMDC、復旦大學與哈佛大學合作的Dataverse Network漢化版，合作與交流擴大了數據共享范圍，保障了服務質量，豐富了共享資源，提高了資源利用率。

參考文獻：

［1］Witt M.Institutional repositories and research data curation in a distributed environment［J］.Library Trends，2008，57（2）:191-201.

［2］Heidorn P B.The emerging role of libraries in data curation and e-science［J］.Journal of Library Administration，2011，51 （7-8）:662-672.

［3］宋秀芬，鄧仲華.數據監護的知識技能與教育研究［J］.圖書館學研究，2014（21）:5-11.

［4］鄧仲華，宋秀芬.信息資源云的數據監護研究［J］.圖書館學研究，2014（17）：45-52.

［5］宋秀芬，鄧仲華，金勇.高校圖書館數據監護的流程管理研究［J］.圖書館學研究，2015（5）:6.

［6］楊鶴林.從數據監護看美國高校圖書館的機構庫建設新思路——來自 DataStaR的啟示 ［J］.大學圖書館學報，2012 （2）:23-28.

［7］殷沈琴，張計龍，張瑩，等.社會科學數據管理服務平臺系統選型研究——以復旦大學社會科學數據平臺為例［J］.圖書情報工作，2013，57（19）:92-96.

［8］賴劍菲，洪正國.對高校科學數據管理平臺建設的建議［J］.圖書情報工作，2013，57（6）:23-27.

［9］覃丹.英美社會科學數據管理與共享服務平臺調查分析［J］.圖書情報工作，2014，58（16）:67-75.

［10］王玉林，曾詠梅，崔然，等.我國高校圖書館面向社會開放現狀調查［J］.圖書與情報，2012（6）:26-32.

［11］Mayernik M，Choudhury G S，DiLauro T，et al.The data conservancy instance:Infrastructure and organizational services for research data curation［J］.D-Lib Magazine，2012，18（9）:2.

［12］Hanisch R，Choudhury S.The Data Conservancy:Building a Sustainable System for Interdisciplinary Scientific Data Curation and Preservation［J/OL］.［2015-03-20］.http：//jhir.library jhu.edul/handle/1774.2/34018.

［13］王娟.基于美國經驗的我國高校圖書館科學數據管理發展路徑探析［J］.湖南社會科學，2014（3）:226-228.

［14］ King G.An introduction to the Dataverse Network as an infrastructure for data sharing［J］.Sociological Methods&Resear ch，2007，36（2）:173-199.

［15］Crosas M.The dataverse network？:an open-source application for sharing，discovering and preserving data［J］.D-lib Magazine，2011，17（1）:2.

［16］Altman M，Adams M O，Crabtree J，et al.Digital preservation through archival collaboration:The data preservation alliance for the social sciences［J］.American Archivist，2009，72（1）:170-184.

［17］Firebaugh G.Replication Data Sets and Favored-Hypothesis Bias Comment on Jeremy Freese（2007）and Gary King（2007）［J］.Sociological methods&research，2007，36（2）:200-209.

［18］Crosas M.A data sharing story［J］.Journal of eScience Librarianship，2013，1（3）:7.

［19］Steinhart G，Dietrich D，Green A.Establishing trust in a chain of preservation:The TRAC checklist applied to a datastaging repository（DataStaR）［J］.D-Lib Magazine，2009，15（9/10）.

［20］ Weinberg J，Snavely A.Symbiotic space-sharing on sdsc’s datastar system［C］.Job Scheduling Strategies for Parallel Processing.Springer Berlin Heidelberg，2007:192-209.

［21］Lowe B.Datastar:Bridging XML and OWL in science metadata management［M］．Metadata and Semantic Research.Springer Berlin Heidelberg，2009:141-150.

［22］Steinhart G.DataStaR:A Data Sharing and Publication Infrastructure to Support Research［Article and Abstract］［J］.A-gricultural Information Worldwide，2011，4（1）:16-20.

［23］ Mayernik M S，Thompson C A，Williams V，et al.Enriching Education with Exemplars in Practice:Iterative Development of Data Curation Internships［J］.International Journal of Digital Curation，2015，10（1）:123-134.

［24］XIE J，CHEN Y.Research on the curation of scientific dada home and abroad［J］.Journal of Academic Library and Information Science，2014（4）:25.

［25］Mendoza C，Boswell J S，Ajoku D C，et al.AtomPy:An Open Atomic Data Curation Environment for Astrophysical Applications［J］.Atoms，2014，2（2）:123-156.

［26］ 羅英.共享與善治:質量公共服務對質量監管效果的影響——基于我國宏觀質量觀測數據的實證分析［J］.宏觀質量研究，2013，1（1）:59-67.

［27］程虹，陳川.2013年我國質量學術研究的現狀與進展--宏觀視野，共同治理與數據積累［J］.宏觀質量研究，2014，2 （1）:11-29.

［28］Davidson J，Hank C.International data curation education action（IDEA）working group:a report from the second workshop of IDEA［J］.D-Lib Magazine，2009，15（3/4）.

［29］Orchard S，Kerrien S，Abbani S，et al.Protein interaction data curation:the International Molecular Exchange（IMEx）consortium［J］.Nature methods，2012，9（4）:345-350.

［30］Witt M，Carlson J，Brandt D S，et al.Constructing data curation profiles［J］.International Journal of Digital Curation，2009，4（3）:93-103.

中圖分類號：

G203

文獻標識碼：

A

DOI：

10.11968/tsygb.1003-6938.2015068

作者簡介：

宋秀芬（1982-），女，武漢大學信息管理學院情報學博士研究生；鄧仲華（1957-），男，武漢大學信息管理學院教授。

*本文系

國家自然科學基金資助項目“大數據環境下面向科學研究第四范式的信息資源云研究”（項目編號：71373191）研究成果之一。

收稿日期：

2015-04-03；責任編輯：魏志鵬

Data Curation Platforms in American University：Research and Reference

Abstract

This paper analyzes the features,functions and limitations among Johns Hopkins University DC,Harvard University DVN,and Cornell University DataStaR platform.Based on the problem of domestic data curation platform, the paper provides the advice for constructing domestic data curation platform by comparing platform function,policy support,data standard,education&training and cooperation of the three data curation platforms in US.

Key words

data curation platform；data eeferencing；data standard；data sharing