國內科學數據共享平臺建設現狀及發展策略研究

李正超

（鄭州師范學院信息科學與技術學院）

隨著云計算、大數據、物聯網等技術發展，科技文獻信息數字化速度加快，數字資源與技術流、資金流、人才流一樣，業已成為區域重要的生產要素和社會財富。世界各國的政府和相關組織也對科學數據管理與共享給予有力的支持，聯合國教科文組織將科學數據定為開放存取信息資源；英國決定由政府資金支持的科學數據、研究成果免費向公眾開放，不受版權等因素的影響；歐盟委員會也發表了類似聲明，通過保證科學數據的長期可獲取、共享及重復利用，為其未來發揮更大的作用奠定基礎。因此，對科學數據共享進行研究尤為必要，特別是高校，其科學研究具有整體活躍、學科范圍廣泛、研究基礎良好等特性，易于產生海量的數據，這些數據各自分散、孤立、互動性較差，造成了科學數據管理極為復雜的局面。［1］

1 國內科學數據共享理論研究

科學數據共享的模式多種多樣，劉潤達等［2］把科學數據共享歸為專業化生產、聯合共建共享、數據交換；王培正等［3］認為科學數據共享可劃分為基于完全開放數據庫的共享、基于查詢接口的共享、基于元數據的共享、基于開放網格服務架構（OGSADAI）數據集成的共享四種模式；王晴［4］提出了科學數據共享公益性和商業化兩種模式；完顏鄧鄧［5］根據澳大利亞高校制訂科學數據管理與共享政策的經驗，提出制訂我國高校科學數據管理與共享政策時，內容應完整全面、各項規定應具體明確、細化對相關者責任的規定、明確各方職責、及時更新政策內容；張麗麗［6］認為科學數據共享可分為組織內部的數據共享、有管制的數據共享、中間體形態的數據共享、市場形態的數據共享等多種模式；魏悅、劉桂鋒［7］針對英美澳三國的高校科研數據管理政策比較，運用數據生命周期理論論述科研數據管理政策內容，為國內高校科學數據共享平臺建設和發展提供理論研究基礎和實踐應用參考；溫芳芳［8］通過分析總結國外科學數據開放共享政策法規，為我國制訂相關政策提出政府引導、發揮政府部門與公共資助機構的領導力等建議；黃國彬等［9］通過研究英、澳科學數據共享過程中的個人隱私保護政策，為我國科學數據個人隱私保護政策的制定與實施提供借鑒；東方［10］以美國圖書館界科學數據管理與共享的實踐為案例，對國內科學數據共享啟示包括持續關注科學數據管理與共享、開展科研項目的研究等內容；王延飛等［11］結合國際上科學數據共享發展的典型案例，通過解析發現，在科學數據共享生態中重點活躍領域、關鍵技術、適時開放評估等內容是我國亟待完成的研究任務。

總的來說，目前國內學者研究科學數據共享大多借鑒國外的文獻研究成果，如，英國、美國等，研究領域涉及共享政策、共享治理、共享實踐、隱私權等。對于科學數據共享平臺的現狀，雖然有少量的自評估及構建情況的報告提交，但整體上對這些科學數據共享網站現狀的研究還很少，更缺乏對其數據資源、信息構建以及服務等優劣情況進行深入和綜合的考察。

2 國內科學數據共享平臺建設現狀及問題分析

2.1 國內科學數據共享平臺建設的總體情況

目前，國內科學數據共享平臺總量頗具規模，已有近200個科學數據共享平臺（包括非獨立域名下的二級網站）。其中，高校科學數據共享平臺、復旦大學社會科學數據管理平臺、北京大學開放研究數據平臺等8個平臺發展較具代表性（見下表）。

表 國內科學數據共享平臺建設現狀

整體而言，國內科學數據共享平臺總體建設狀況良好，已由高校如武漢大學、復旦大學、北京大學等延伸到中國科學院、國家科技基礎條件平臺中心以及省級情報信息機構，如，四川省、上海市等。這些科學數據共享平臺主要開展科學數據的存儲、備份和共享服務，整合科技資源，提升創新能力。

2.2 國內科學數據共享平臺建設中存在的問題

（1）思想認識不足，建設資金來源單一。科學數據共享平臺是一個龐大的系統工程，包括建設目標、資金來源、服務方式、數據付費狀況等。據調查，個別平臺主管單位或承建者對科學數據共享存在認識不清、界定模糊的問題。① 一些科技文獻共享平臺中將鏈接的部分科學數據內容等同于科學數據共享平臺，如，廣東省科技文獻共享平臺的科學數據混淆了科技文獻與科學數據的區別，科技文獻包含了科學數據，而科學數據共享平臺突出元數據的獲取、組織、共享、保存與安全等，專指性較強，寬泛的界定將不利于科學數據共享平臺健康發展。② 充足的資金來源是科學數據共享平臺建設的基本保障。國內科學數據共享平臺的建設資金來源單一，缺乏企業等商業機構的合作，單一性的資金來源很難維持科學數據共享平臺建設的可持續發展。如，智能制造科學數據服務平臺是國家科技基礎條件平臺建設的子項目，由科技部、財政部共同組織實施；中國科學院科學數據云由中國科學院信息化專項和國家科技基礎條件平臺資助；復旦大學社會科學數據研究中心提供經費，并主持建設復旦大學社會科學數據管理平臺；北京大學開放研究數據平臺的經費來源于北京大學圖書館等。

（2）服務方式單一。科學數據服務功能多種多樣，包括數據檢索與獲取、最新動態推送、工具和模型應用、圖書館信息服務、多媒體展示等。國內科學數據共享平臺普遍側重于數據的推送、檢索、瀏覽、查詢、下載、可視化等，而忽視了傳統的信息服務功能、社交媒體與手機APP研發等，以至于用戶使用起來較繁瑣，從而降低了科學數據利用率。武漢大學圖書館高校科學數據共享平臺以開源軟件Dspace為平臺基礎，可獲取各類型科學數據，組織、創建符合用戶需求情景的數據庫，存儲、發布自己的數據；也可在平臺上查詢、搜索已發布的數據。北京大學開放研究數據平臺提供研究數據的查詢、瀏覽、檢索、下載、針對性的數據支持（如統計分析）等服務。除了中國科學院數據云DataPub數據共享社區數據社交平臺，其他平臺仍存在很大的空白，仍有拓展的空間。

（3）國內科學數據共享平臺服務內容強化數據主導型，淡化了數據服務型。一方面，國內科學數據共享平臺服務內容不完善，沒有認清科學數據服務內容生命周期性。科學數據共享平臺服務內容包括數據管理計劃、數據空間、數據集、數據組織、數據描述、數據發布等，具有明顯的生命周期性，即科學數據生產、科學數據組織、科學數據存儲、科學數據出版與科學數據利用。武漢大學圖書館高校科學數據共享平臺、復旦大學社會科學數據管理平臺、北京大學開放研究數據平臺、中國科學院科學數據云等均含有數據提交、收集、組織、存貯、分析、可視化、共享、分布、出版功能，但缺少數據管理計劃功能。復旦大學社會科學數據管理平臺、北京大學開放研究數據平臺都選擇開源軟件Dataverse為科學數據共享平臺基礎，具有較好的數據分析和可視化功能，而武漢大學圖書館高校科學數據共享平臺以開源軟件Dspace為平臺基礎，數據分析和可視化功能較弱，用戶不能直接進行在線分析和可視化處理，降低了科學數據的使用率。另一方面，國內科學數據共享平臺普遍缺少科學數據教育培訓與知識科普宣傳推廣服務內容。教育培訓與知識科普宣傳應為平臺重點構建服務內容之一，僅發現國家地球系統科學數據共享服務平臺設置 “知識百科” 欄目，并對其內容進行了分類。

（4）科學數據共享平臺存在不確定因素，風險無所不在。科學數據共享平臺往往涉及數據資源整合、數據出版、數據交易等內容，而科學數據監管項目是一個不斷發展變化的復雜系統，尤其要在未來相當長的一段時間保證科學數據的可用性、真實性和可理解性。實驗數據丟失或被損毀、設備故障、病毒侵襲等風險可能同時存在于平臺系統之中，互相作用、產生連鎖反應，導致科學數據監管工作更加繁重、復雜。現階段，科學數據往往以高校、科研機構為單位儲存各自的數據，但是各個單位之間的數據、單位內部數據與數據的關聯性不高，數據之間的關聯價值未能充分體現出來，難以實現跨單位、跨組織科學數據的開放獲取，制約了科學數據的效益與價值得到最大化發揮。［12］北京大學開放研究數據平臺采取DOI（Digital Object Unique Identifier，數字化對象的識別符）、規范的數據引用、靈活的訪問控制、請求與審核機制、規范的版權保護、實名學術社區等，規避侵權風險；四川省科技文獻共享服務平臺對于一些特殊的數據訪問，設置權限，僅面向四川地區的用戶。國內很少有科學數據共享平臺將數據的訪問與安全及共享緊密聯系起來，在顯著位置提醒用戶數據訪問時需要注意保護數據的知識產權、版權、敏感和私密數據的訪問等，也很少有平臺關注到數據組織機構對元數據做出的說明，如，數據描述、文件命名與格式、版本控制，沒有形成統一的規范標準，不利于科學數據的存儲與分享。

3 國內科學數據共享平臺建設策略

3.1 以開放的思想進行科學數據共享平臺的頂層設計

大數據時代，全社會倡導創建“人人都是數據的提供者，人人都是數據的使用者”的數據共享服務環境。科學數據共享平臺建設者需要轉變思想觀念，充分認識到科學數據管理的重要性與必要性，敢于進行頂層設計，制定不同階段的發展目標、實施方案等。科學數據是一個新興事物，需要對其統攬全局，規避數據過時、攜帶病毒等威脅與侵犯風險，創建有效、可信的科學數據存儲庫，以便廣泛地進行分享交流。

（1）數據云服務。科學數據共享平臺由數據環境上升為數據云服務，分為三層，第一層為SaaS即科學數據應用服務，包括共享社區、不同學科的數據云；第二層為DaaS即科學數據分析技術，包括數據處理、數據資源管理；第三層為IaaS即科學數據基礎設施服務，包括存儲資源、計算資源和數據資源（見下圖）。

圖 科學數據共享平臺研究框架

（2）合理的組織架構。科學數據共享平臺是一個組織或機構，應具備組織或機構的構成要件。因此，平臺的主管部門可以為科學數據的共享成立專門的科學數據共享委員會，配置主任、副主任、組員若干名，委員會下設科學數據共享指導小組和行動小組。［13］指導小組涵蓋不同學科領域的專家、學者，提供及時、專業的知識服務。行動小組主要由研究機構、圖書情報機構等牽頭，具體實施用戶服務、運營管理、參考咨詢以及服務協調。

（3）完善平臺管理。科學數據共享平臺需要制定加盟協議、崗位工作職責、使用規則、服務指南、元數據標準等。平臺制度也包括專項資金投入制度，如數據庫建設招投標、科學數據項目補貼資助等，專項資金可以由政府財政撥款，也可以積極引入社會力量參與科學數據建設，［14］并能夠借鑒高校圖書館數字資源聯合采購的成功經驗，制定科學數據共享平臺聯合科學數據采購制度與實施辦法。平臺制度也含共建共享制度，包括統一規劃科學數據建設、推進系統內數據合作建設、推進跨系統數據合作建設等。平臺應制訂科學數據長期保存政策，以及建立科學數據建設與服務的信息公開、投訴處理和責任追究等機制，從宏觀政策層面保障科學數據共享平臺建設與服務。

3.2 拓展科學數據服務方式

科學數據共享平臺是有效開展科學數據管理的主要手段，服務方式多種多樣。科學數據共享平臺除具備科技文獻信息服務方式外，又具備了科學數據服務，即，科學數據管理計劃、科學數據獲取、科學數據存儲與共享、科學數據再利用、科學數據管理培訓、科學數據保護與道德，以及科學數據管理參考咨詢。［15］科學數據共享平臺還應充分利用主流社交平臺，如，新浪微博、騰訊微博、微信公眾號等，及時更新通知公告、資訊動態、政策法規、研究報告等。上海研發公共服務平臺的科技創新資源數據中心通過開設科技114服務熱線、開通微信公眾賬戶等措施，吸引更多用戶使用平臺各類服務，促進科研成果的推廣。中國科學院數據云利用DataPub數據共享社區數據社交平臺，推動數據共享與交流。DataPub數據共享社區具備以下功能：① 我有數據，即將數據發布到Datapub上，使更多人知道和可以獲取復用科學，充分發揮數據價值；② 我要數據，即查找和獲取Datapub上的數據，或將數據需求提給工作人員；③數據互動，即朋友圈交互、數據社區交互，進行全方位的數據交流與互動。通過DataPub，用戶可以高效地獲取數據；數據提供者獲得了有效的溝通渠道。DataPub以互聯網社交的方式構建數據交互系統（關注、好友、收藏、動態、社區），具有完善的數據評價機制（數據點評、結果分析、benchmark），可進行統一數據服務與集中管理（統一認證、數據授權、數據緩存）。

3.3 完善科學數據的服務內容

（1）數據主導型服務內容。科學數據共享平臺多為數據主導型，重視對用戶已經生成的、平臺自身收集、整理的科學數據進行存儲和管理。武漢大學社會科學數據管理平臺、中國科學院科學數據管理平臺主要用來實現數據的存儲和共享；復旦大學社會科學數據管理平臺不但具有數據存儲和共享功能，而且將數據嵌入到用戶科研一線服務。［16］

（2）教育培訓與知識科普宣傳推廣。科學數據管理與共享教育及培訓是科學數據共享平臺一項重要的服務內容，具體包括工作人員培訓和用戶培訓兩種形式。平臺工作人員需要具備數據抽取、轉換、加載（ETL）流程和數據管道建設等專業知識以及豐富的數據倉庫技能。通過了解平臺所需的數據、識別相關的新數據源、提取可用的格式數據，確保數據不出錯并將數據加載到用戶需求中，滿足用戶的知識需要；同時，其必備的工具技能包括精通R語言或Python編程、強大的SQL技能、基于Hadoop的技術（如MapReduce、Hive和Pig）等。隨著多條數據流水線開始出現，Dataverse、Airflow和Luigi等開源工作流管理工具可用于創建和監控數據流水線。以上是對平臺工作人員培訓的要求，既可通過短期技能培訓，也可通過高校、研究機構等數據管理專業開展學歷教育，二者根據情況而定。短期培訓課程的內容主要包括制定數據管理計劃、科學數據組織、科學數據保存、科學數據監管、元數據管理、數據存、科學數據監管、元數據管理、數據共享等；［1］學歷專業教育課程主要包括科學數據分析、科學數據監護、數據挖掘、科學數據開發與共享等。國內信息專業教育有必要面向數據科學的信息管理與信息系統專業課程體系，從數據科學基礎理論、實驗方法和數據研究領域全面培養。［17］用戶培訓以短期培訓為主，注重技巧、經驗等應用，以提高用戶信息素養。另外，科學數據共享平臺強調知識科普的重要性。［18］用戶通過知識科普，熟悉科學數據獲取內容（如，數據過程要求、權限與認可）、數據組織、數據保存、數據共享、數據安全等管理政策，提高用戶科學數據利用能力與平臺服務效率。

（3）特色資源庫建設。科學數據共享平臺也應重視特色資源庫建設，如，上海大型儀器設施信息服務數據庫，提供上海2萬多臺（套）大型科學儀器基本信息、共享服務情況和政策配套等信息的查詢、比對、篩選服務。

（4）精準服務內容。科學數據共享平臺提供精準服務內容，是指由以用戶共性需求為配置資源依據轉變為以用戶個性化需求為配置資源依據，為用戶提供資源配置方案。［19］如，利用數據倉庫技術，在對大量數據進行整理的基礎上，以用戶訪問科學數據日志為依據，選取用戶知識偏好為實驗數據進行研究，達到數據精確推送。又如，行業研究報告數據庫可按國家行業分類標準分別建庫，為促進企業、尤其是科技型中小微企業加速發展而量身定做的決策咨詢高端平臺，其主要欄目可分為行業資訊、市場分析報告、技術研究報告、政策環境報告、綜合分析報告、專題報告定制、行業研究報告題錄等；數據庫資源涉及各行各業；其中，行業資訊每天更新，深度報告按行業每月更新，全年更新深度報告也應達到一定數量。

3.4 重視科學數據共享平臺的風險管理

科學數據共享平臺建設之初，將科學數據監管項目納入建設之中，詳細分析系統可能面臨的各種風險，制訂完善的風險管理策略，保證系統長期、有效運行。科學數據共享平臺注重研究科學數據共享中監管項目風險管理，包括數據資源優化整合、數據出版、數據交易可能呈現的風險；大力培養科學數據人才，如，數據管理咨詢人員、科研數據館員、數據驗證人員、數據分析人員、數據可視化分析人員、數據管理專家、數據服務協調人員等。同時，科學數據共享平臺針對價值較高的科學數據長期保存可以通過SaaS軟件實現，如通過異地備份來保證數據安全；性價較低的科學數據，可以進行及時更新，保障科學數據的更新速度。因此，科學數據共享平臺首先充分利用技術手段，如，利用防火墻和VLAN對不同區域、不同網絡、網絡資源間的訪問進行限制，或建立平臺網絡防病毒體系，或平臺網絡安全監控中心，全程監控。此外，科學數據共享平臺也應強化管理，包括人員安全培訓、制度建設、安全普法教育等，規避科學數據共享平臺的風險。