科學大數據背景下的科研協作：特征、案例與機遇

顏嘉麒 閔超 余厚強 魏家鵬 賈韜 馬建

摘? ?要：大科學裝置和大規模科學基礎設施產生的科學數據促進了領域科學研究的新一輪發展，更加驅動了科學研究者之間的創新科研協作。科學數據驅動的科研協作，成為科學研究的新范式和大趨勢。第六屆中國科學數據大會以“科學數據與重大科研基礎設置”為主題，關注科學數據管理與開放共享過程中的政策、方法、技術及基礎設施建設等問題。文章以大會分論壇“科學數據驅動的科研協作”內容的梳理和總結為基礎，從科學數據驅動的科研協作之機理、特征、案例、研究路徑等視角進行述評，揭示了科學數據驅動的科研協作的新范式，提出了未來研究方向與機會。

關鍵詞：科研協作;科學數據;科學裝置;科學基礎設施

中圖分類號：G250.2;G311? ?文獻標識碼：A? ?DOI：10.11968/tsyqb.1003-6938.2020052

Abstract The scientific research data generated by large scale scientific apparatus and research infrastructures has accelerated the new development in scientific domain research， driving innovative research collaborations among scientific researchers. The collaboration driven by scientific data has become a new paradigm and trend for scientific research. Under such circumstances， the 6th China Data Science Conference （CDSC） was held with the theme of "Scientific Data and Large Scale Scientific Infrastructure"， focusing on the problems occurring in the process of scientific data management and sharing， including policies， methods， technologies， and infrastructures construction， etc. As a summary of the Workshop of Scientific Data driven Research Collaboration （SDRC） in the CDSC， the paper made investigation and study of the mechanism， features， cases， and research paths of SDRC. New paradigm of research collaboration driven by scientific data was identified， and proposals were put forward for future research directions and opportunities， which provides a foundation for the theoretical and practical development of scientific research collaboration.

Key words research collaboration; scientific data; scientific apparatus; research infrastructures

1? ?引言

科學數據是國家科技創新發展和經濟社會進步的重要基礎性戰略資源，是科研創新最基本、最活躍、影響面最寬的科技資源。隨著大天區面積多目標光纖光譜天文望遠鏡（LAMOST）、大亞灣核反應堆中微子實驗、500米口徑球面射電望遠鏡（FAST）等近年來相繼投入運行使用，這些科研基礎設施將產生大量可靠的科學數據資源。以這些大科學裝置產生的數據為代表，科學數據引發領域科學研究的范式變革，驅動了科學研究者之間的科研協作創新。科學數據驅動的科研協作方式，成為科學研究的新范式和大趨勢。在此背景下， 2019年8月21-23日在中國貴陽主辦的第六屆中國科學數據大會以“科學數據與重大科研基礎設施”為主題，設有5個大會報告、21個并行分會、216個分會報告，關注科學數據管理與開放共享過程中的政策、方法、技術及基礎設施建設等問題。

中國科學數據大會是在2013年由國際科技數據委員會（Committee on Data for Science and Technology，CODATA）中國全國委員會發起并開始籌備， 旨在推動我國科學數據的開放、技術交流及數據科學的發展。中國科學數據大會在我國加快科研大數據開放共享、大數據時代科研信息化基礎環境建設、全球影響力科技創新中心建設、科學數據與數據科學學科建設、科學數據服務創新發展等方面起到積極的推動作用。科學大數據是中國科學數據大會長期以來關注的重要問題，首屆科學數據大會就以“科研大數據與數據科學”為主題;在第四屆科學數據大會上，中科院副院長張亞平還指出，在科學研究領域，繼觀測實驗、理論分析、計算模擬之后，一種“大數據驅動的科學發現”新模式已經開始顯現，科學大數據已經成為科技創新的新引擎。

本次中國科學數據大會上，南京大學信息管理學院顏嘉麒副教授、閔超助理教授、南京理工大學經濟管理學院余厚強副教授、西南大學計算機與信息科學學院賈韜教授與香港城市大學資訊系統系的馬建教授共同發起并籌辦了“科學數據驅動的科研協作”主題分會。來自上海交通大學、中科院成都文獻情報中心、大連理工大學等機構的演講嘉賓和科研人員共50余人參加了分會的現場討論與交流。本文通過對會議內容與嘉賓研討的梳理和總結，從科學數據驅動的科研協作之機理、特點、案例、研究路徑等視角進行述評，提出未來研究方向與機會，以期為相關實踐與理論發展提供參考。

2? ?科學大數據背景下科研協作范式的轉變

科學數據產生，通常是由科學研究者以特定的科學裝置（或者特定的實驗環境）通過某種實驗程序收集而來。從信息系統（Human， System， Information）的研究角度[1]來看，科學數據驅動的科研協作主要是由科學研究者、科研裝置（環境）、科學數據三個因素組成的科研協作新范式（見圖1）。科學研究者是科學實踐的主體，確定研究對象并設計科學活動。科學裝置（環境）是科學活動中科學研究者采用的實踐工具，也代表科學活動的程序和規范。科學數據是表征研究對象客體各種特征的產物，是通過科學活動由某種科學裝置（環境）而產生的。

傳統的科研協作是科學研究者主導的[2]。科學研究者使用科學裝置，科學裝置產生科學數據，科學研究者處理科學數據。科學研究者的基本特征是能動性和創造性。科學研究者以個體面貌出現，也以群體面貌出現。科學研究者之間的科研協作隨著研究者之間越來越明確的分工而顯得越來越明顯。科學裝置（環境）的基本特征是規范性和工具性，而科學數據的基本特征是客觀性和對象性。隨著科研協作的發展，多套科學裝置協作同時研究一個科學問題、多份科學數據互相驗證科學研究的情形也變得越來越常見。

科學大數據是指與科學研究相關的大數據[3]。在科學大數據時代，科學研究者、科學裝置和科學數據三者之間的相互作用和影響進一步促進了科學協作新模式的出現。重大科研基礎設施的建設與更新，引發數據快速累積;高通量儀器設備以及新數據處理技術和方法帶來了科學數據的快速增長，打破了過去由科學研究者主導科研協作的平衡。五百米口徑球面射電望遠鏡（FAST）多科學目標巡天每天將產生約500TB的零級未壓縮數據，需要100G高速網絡將數據傳輸至數據中心進行處理①。FAST科學工程的建立和產生的大量難以處理的科學數據，驅使天文學家主動尋求與全球范圍內計算機科學家、人工智能專家、軟硬件工程師的跨領域科研協作。同樣的，在生命科學領域，高通量測序技術能一次對幾十萬到幾百萬條DNA分子進行序列測定。我國具有龐大的基因數據產出能力，隨著國家在人口健康領域的戰略部署，將產生百PB級的基因數據①，占世界總數的一半以上。這種大規模的基因數據，使得生命科學在生命科學家與數據庫、數據科學、信息管理等領域專家的互動與協作中迸發出新的科學發現模式。

有別于實驗科學、理論科學、計算科學，上述這種科學發現模式強調數據作為科學發現的基礎，并以數據為中心和驅動、基于對海量數據的處理和分析去發現新知識為基本特征。科學研究者參與到科學數據的采集、存儲、管理、分析、可視化和知識發現的各個不同階段，形成科學協作、科學發現的新方法和新途徑。

3? ?科學數據驅動科研協作的特征

科學數據驅動的科研協作模式順應的是科學研究范式的改變。20世紀，科學史學家普賴斯[4]就曾經指出科學研究的模式將由大學實驗室所從事的小科學（Little Science）轉變為多學科整合應用性的大科學（Big Science）。普賴斯指出，小科學強調昔日個人化的研究成果，而由于科學文獻數量大增、資訊超載，致使科學研究者無法及時充分掌握及利用科學資訊，且造成研究之重復，因而現在的研究趨向集體研究而產生大科學[5]。大科學研究模式的改變，使得科學協作也已經從研究者之間的“合作”，逐漸轉變為由大量科學數據產生驅動下，科學家、工程師、從業者之間以及他們與科研儀器之間的“協同工作”。具體說來，與傳統科研協作相比，科學數據驅動的科研協作至少在以下六方面表現出顯著的特征。

3.1? ? 科學合作規模持續增大

在過去的數十年間，科學研究的主體整體上經歷了從單打獨斗到團隊合作的發展變遷，尤其是近年來呈現出從小團隊科研到大團隊科研的明顯趨勢。科學研究者之間的頻繁合作行為表現在不斷增長的科研團隊規模，而團隊規模的增長在科學論文合著行為中體現得十分明顯。胡志剛②基于科睿唯安公司的InCites工具分析發現，如今論文合著中科研團隊的規模已經增長到四十年前的三倍多。在1980-1984年間，一篇科學論文的作者數量平均是3.29人，而這一數字到2015-2019年間已增長到6.91人。與此同時，科學合作在多個層面得到加強，國家間的合作占比從原來的4.1%增加到22.25%，專業學術機構與產業界的合作比例亦增加到原來水平的兩倍有余。

3.2? ? ?科學合作模式呈現異質性

在合作規模持續增長的宏大背景下，科學合作模式在不同主體之間涌現出異質性。（1）在合作模式研究方面，陳云偉③利用論文作者合作網絡社團劃分的方法，在量子信息、腦科學、碳纖維、稀土、大氣灰霾等領域展開大量實證研究。他發現不同的科研單元呈現迥異的科研工作模式，如在量子信息領域的四個頂級科研單元中，我國科研單元呈現出顯著的集團軍式的合作模式，具備明顯的聯合攻關特征，而國外科研單元中的科學研究者則在論文發表方面表現出較為疏松的合作網絡;（2）在國際合作方面，沙特阿拉伯是國際化程度最高的國家，約四分之三的論文來自國際合作。中國大陸、土耳其和印度的國際論文比例則處于相對靠后的位置;（3）在產學研合作方面，瑞士以高達7.26%的產學研合作論文比例高居全球首位，中國的產學研合作則低于世界平均水平。不同學科內部的合作模式也具有差異性，如天文學與天體物理學由于研究工作的獨特性質，近一半的論文來自國際合作;再如石油工程領域的產學研合作比例遠高于其他領域④。

3.3? ? ?從合作發文到基于儀器設備、基礎設施的科研協作

合作發文的背后是科研相關人員之間愈發頻繁的協同工作，典型代表是以大型科研裝置、設備、儀器等科學基礎設施為中心，吸引越來越多的科學工作者投身其中。然而，正如本次會議上魏家鵬①和顏嘉麒②總結的，目前科研儀器設備在科研協作中發揮作用還受到一些障礙的影響，如用戶范圍有限[6]、使用門檻偏高[7]、共享平臺缺乏[8]等。他們基于區塊鏈技術思想，分別從制度與技術方面提出一種科研設備共享平臺的設計方案。在科研設備的共享過程中，通過引入積分、賬戶等制度，將設備擁有者、申請者、使用者的權益與積分進行錨定，建立一整套安全、高效、可流轉的設備共享生態系統;在技術方面，借助區塊鏈去中心化、可信以及不可篡改的技術特征，完整嵌入科學設備的積分記錄系統，從而真實記錄每一次協作的發生。他們指出，該方案的本質即是在保證科研設備所有權不發生轉移的前提下，通過Token積分對科研設備的使用權進行流轉與共享，從而增益科學價值，促進科研協作。

3.4? ? 科學數據的保存和利用需要更加規范化

科學數據集一方面產生于科研發現與協作過程，如今越來越呈現出數量大、種類多、來源廣等特征;另一方面，科研工作者對科學數據的使用需求日益多樣化，對這些數據的挖掘與利用也進一步推動著科學發現與協作的升級。與會者分別從天文學與地球科學兩個學科角度闡述了這一問題。左雨萌③指出天文歷史數據的長期保存是天文數據管理中的重要問題，原因在于數據的未來復用往往受到數據保存中一系列格式轉化的影響，這就需要數據生產者、保存者與使用者的多方協同。哈佛大學圖書館與史密森天文臺的合作項目Phaedra，為天文手稿、文獻、文物等多種實體包含的珍貴數據提供了成功復用的案例。余厚強等④從地球系統科學出發，通過對數據共享平臺的統計和內容分析，發現科學數據集的使用方式除了學術需求外，還存在教育需求、社會需求等多樣方式。不過他們也指出，傳統的數據引證方式只能反映不足8%的數據集使用需求，因此有必要建立更加規范化、標準化的科學數據引證、評價與共享體系。

3.5? ? 科學數據共享在科研協作中具有重要位置

如今科學研究越來越依賴于數據，對科學數據進行共享也成為科研協作的重要基石與驅動因素[9]。為此，我國采用建立機構知識庫、國家級科研數據中心等方式，促進科研數據的跨機構、跨行業共享與交流。科研數據需要共享，其原因在于，一方面科研數據包含的信息類和數據項豐富[10]， 包括科研人員數據、科研資料數據、科研技術數據以及科研環境數據等，貫穿于科研的整個生命周期，價值巨大;另一方面，科研數據的共享有利于減少數據的重復生產、降低數據的使用成本、增進科研成果的同行評議[11]，進一步有助于提高我國科學研究成果的產出。然而，顏嘉麒等①②指出，現有的科研數據共享平臺尚未很好地實現共享交流的效果，主要體現在“不能共享”“不愿共享”和“不敢共享”。其主要原因在于，已有平臺的接入機制少、成本高、障礙多;數據共享者面臨的風險責任與權利收益之間存在矛盾[12];傳統有限防護機制未能很好保障數據安全。顏嘉麒等同時認為，區塊鏈中的分布式共享賬本技術有潛力為構建開放、安全、可信的科研數據共享網絡提供技術與制度方面的參考。

3.6? ? 科學協作促使科學家在全球范圍內流動

大規模科學設施的投入、科學資源的配置和科學數據的產生同樣驅動和引導了科學家的流動，并激發出更多的科學協作機會，這尤其體現在科研人員的國際流動上。科研人員的流動，一方面在流入國與流出國之間建立起聯系，背后是科學知識的流動與科學影響的輸出，另一方面也有可能造成不同地區科學人才結構的失衡。這更體現了科學裝置投入和科學數據產生對吸引人才的重要作用。李江等⑤基于對全球范圍科學家簡歷數據的分析，認為科學人員的流動已經從某些地區的人才流失、人才回流發展到全球范圍內的人才環流。他們構建出科學家流動的三維地圖，按照年份、學科、地區、機構等條件展示科學家流動的特征與趨勢。科學家去新的機構、城市與國家任職，這一信息反映在其簡歷信息上，尤其是以ORCID為代表的大型數據集，系統記錄了科學家流動的全球數據。當然，科學家流動除了受到科研條件與科研資源的影響，還受制于諸多復雜的因素，如經濟發展、自然環境、社會環境、子女教育等。

4? ?案例分析：LAMOST科學數據驅動的科研協作

大科學裝置是一種在物理上不可分割的科研資源，產生的大規模科學數據促使來自不同團體的科學家組成研究團隊協同工作，有效降低了科學合作中的協調成本[13-14]。以2008年建成的LAMOST天文望遠鏡為例，它是中科院國家天文臺的國家重大科技基礎設施，以大視場、大光譜觀測等特點居于國際領先地位。2019年3月，巡天7年的LAMOST望遠鏡發布DR6數據集，其中包括4902個觀測天區與1125萬條光譜，成為世界首個突破千萬量級的光譜巡天項目[15]。

LAMOST的建造與使用是大科學裝置促進科研協作在全球范圍內開展的鮮明案例。Web of Science數據庫與美國國家太空總署（NASA）的天體物理數據系統ADS顯示，截至2018年，除了中國以外，美國、英國、澳大利亞、德國、法國、加拿大、西班牙、日本、意大利、丹麥等國家均在不同程度上利用LAMOST產出科研論文。這些科研成果隨著LAMOST觀測數據集度過保護期后向國際學術界開放共享的步伐，在成果數量上呈現出指數型快速增長的態勢。相關的科研協作主要體現在LAMOST巡天項目與有關科研計劃的數據發布、天文觀測與研究、多種望遠鏡觀測結果的比較等工作上。主要的研究問題則包括光譜技術、恒星豐度與基本參數、銀河系動力學、數據分析方法等眾多方面。

基于LAMOST的科研協作同樣展現出多樣性的合作來源與異質性的合作模式。在國際合作層面，有國外科研機構參與的論文數量已經超過單純由中國科研機構完成的論文數量，并且前者比后者多出25%的可觀比例。其中，在有國外機構參與的論文中，又有近四分之一是單純由國外機構自身或者相互合作完成。毫無疑問，中國是國際合作網絡的核心，與美國、德國、英國等發達國家之間的合作更加頻繁;而歐洲國家如法國、英國、德國、比利時等之間的合作也保持在較高的水平上。在機構合作層面，盡管中科院系統的科研院所具有臨近優勢，但是一系列國外科研機構同樣在使用LAMOST與其開放的數據從事科學研究，其中不乏美國勞倫斯理工學院、加州理工學院，意大利國家天體物理研究所，澳大利亞悉尼大學，以及英國劍橋大學等世界著名科研機構。同樣地，中科院國家天文臺與南京天文光學技術研究所作為機構合作網絡中的兩個中心節點，與國內外科研機構在協同利用LAMOST上起到重要的樞紐與協調作用。在科學家個人層面，如果將個人合作關系繪制成網絡圖，可以看到某些顯著的合作模式從圖中涌現出來（見圖2）。整張合作網絡在微觀上呈現密集的合作狀態，科學家個人之間的合作逐步在本地形成了內部凝聚的合作群體，這些合作群體的規模有大有小，散布于整張網絡的各個位置。在網絡中非常顯著的位置，出現了一個規模很大的連通分支，它主要是有中國科學家群體組成的密集合作網絡，經由各種網絡路徑與其他網絡節點（科學家）產生千絲萬縷的合作聯系。網絡中還有其他一些內部聯系緊密的子網絡，它們內部發生頻繁的合作，同時通過某些橋節點而與其他子網絡內的科學家產生聯系。如比利時皇家天文臺的Peter De Cat連接了多個中外研究群體。LAMOST無疑為全球天文學家解決天文學問題提供了良好的觀測工具與協作平臺。

5? ?未來的研究方向與機會

隨著科學大數據的公開與普及，科研人員如何合理地分配與利用科學裝置及其產生的大量科研數據，以及科研人員在更廣泛的層面上應該如何更好地開展科研合作，已經成為科學界日益關注的問題。對此議題的深入探討將推進科學數據共享與科研合作朝向高效、高產與高影響的方向發展。“科學數據驅動的科研協作”科研論壇，經過研討，與會專家認為科學數據驅動的科研協作在以下三個主要方向上展現出豐富的研究機遇。

5.1? ? 科研協作的分析與描述

通過應用數理統計和計算技術等數學方法對科研協作活動的過程、形式、規模、影響進行定量分析，從中找出科學數據驅動的科研協作的活動規律性。科研協作的計量與描述研究方法主要源于情報科學和科學學，亦包括網絡計量學和替代計量學的方法。

（1）非正式科學交流環境下的科研協作模式。科學大數據環境下涌現出許多新的科研協作模式。在正式科學交流所使用的平臺和工具之外，研究者通過非正式科學交流渠道實現科研協作，也在發揮重要作用。分析和描述非正式科學交流環境里的科研協作模式，包括通過社交媒體平臺分享合作信息、推廣科研成果，通過眾包平臺實現數據分布式標注等，將成為科學計量學領域重要的研究課題。

（2）科研協作的規模與網絡分析。科研協作規模是指參與科研協作的人員數量、資金投入、時間投入等要素的規模，能夠反映科研協作的整體發展態勢。在科學大數據的環境下，科研協作網絡層次更加豐富，包括國家層次、機構層次和個人層次的合作網絡。未來科學計量研究除了通過合著關系構建，也可以考慮使用基金項目、會議組織等其他各種形式豐富的合作聯系，更加立體的揭示科研協作的核心人員、合作模式。

（3）區域間科研協作發展趨勢與影響力。科學大數據環境下科研協作是跨國界跨區域的合作。國家之間科研協作的橫向比較，通過統計其科研協作發展隨時間的變化，分析各國科研協作的項目、政策，洞察國家科研協作的宏觀趨勢。跨區域科研協作表現在不同的地理層次，洲際、國際、省際、市際乃至校際之間的科研協作，呈現出不同的特點，在設計初衷和目標使命方面亦存在不同，分析跨區域科研協作項目的影響力，有助于理解地理要素對科研協作的作用。

5.2? ? 科研協作的設計與實現

通過信息技術與科學學的組合，解決在科學協作中遇到的技術與工程問題。科研協作的設計與實現的研究方法主要借鑒計算機科學和軟件工程等工程學的研究方法，通過不斷進步的信息通訊技術實現和支持科學數據驅動的科研協作。該方向的主要課題包括但不限于：

（1）科學數據資源共享機制、科研協作平臺框架設計。在科學大數據環境下，科研資源分享方式與傳統科研環境下的科學數據共享發生了本質的改變。多源、多維與海量的科學大數據需要更加高效的共享機制和科研協作平臺。如何利用人工智能、區塊鏈、協同計算等前沿信息技術，設計更能保證隱私和權益的科學數據資源共享機制、更有效率的科研協作平臺，是未來研究支持科研協作一個重要的研究方向。

（2）科研智能協作具體推薦與分析算法。科學大數據環境下，科研工作者在不同項目里的角色更加多樣化，可以參與的科研協作形式更加豐富，在科研工作可以發揮的作用越來越多。通過機器學習與推薦系統算法，智能推薦與分析科研協作的模式，可以實現更有效率的科研協作服務，并且可以進一步通過數據分析驅動創新的科研協作。

（3）科學數據共享中的質量控制和信息安全問題研究。科學數據的質量控制與信息安全問題是指數據存儲穩定性、數據質量、防止黑客攻擊等保障科學數據可被安全訪問的基本問題，是科研協作得以開展的基礎。科學大數據環境下，科學數據的內容、種類、數量等都發生了變化。在這種新環境下，如何通過各種加密方式、授權管理、質量檢測和信息安全手段來控制和保護科學數據的共享，將會成為未來研究的熱點和重點。

5.3? ? 科研協作的管理與規劃

通過社會學和管理學的研究方法，旨在解決科研協作的管理和規劃問題。科研協作的管理與規劃的研究方法主要借鑒管理學、運籌學和經濟學等社會學的研究方法。該方向的主要課題包括但不限于：

（1）科研協作相關科技政策與科學大數據規范化管理研究。政府和管理部門為了鼓勵和支持科研協作，應該如何規范科學大數據的采集、使用、共享等方面的管理，是在科學大數據背景下科技管理的重要課題。科技政策體系實施上，如何將數據管理與科研研究模式相結合，必然為科技管理的研究者帶來很多未來的研究機會。

（2）科技資源統籌、利益分配與共享激勵措施。科技資源是創新體系的重要組成要素，決定了創新能力的強弱。在科學大數據環境下，更加需要統籌科技資源總體狀況。因此，研究如何根據不同類型科技基礎條件資源的發展特點分配利益，設計充分調動參與者積極性的共享激勵措施政策，也會是未來的研究熱點。

（3）科研協作項目的評審機制與經濟和社會效益評估。科學大數據環境下，對科學產出的評價更加全面和多樣化。如何設計健全科學協作項目的評審機制，如對科研協作項目不僅從科技產出，也從經濟和社會角度進行多角度評估，會是未來科學評價的重點。

6? ?結語

隨著大規模科學數據的增長，基于科學數據驅動的科研協作成為必然趨勢，呈現出新特點和新模式，構成科學數據大會中的重要議題。可以預見，未來人與人、人與儀器之間的交互越來越普遍，科研協作將更加緊密地圍繞科學數據來展開。但是，科學數據問題也存在學科差異。在自然科學如高能物理學、天體物理學等，基于大科學裝置產生的大規模科學數據十分普遍;在工程技術領域如物聯網、森林監控體系等，基于海量傳感器產生的海量數據得到廣泛積累;在人文社科領域如考古、新聞傳播領域，基于數字人文、3D建模、社交媒體等的大數據引領學科研究新范式。這些不同學科的科學數據，在屬性特點、存儲傳播和研究路徑方面都表現出差異，需要開展針對性的研究。

參考文獻：

[1]? Gregor S.The Nature of Theory in Information Systems[J].MIS Quarterly，2006，30（3）：611-642.

[2]? 王赟，魏子晗，沈絲楚，等.世紀科學之問“合作+行為是如何進化的”——中國學者的回應[J].科學通報，2016，61（1）：20-33.

[3]? 孫建軍，李陽.科學大數據：范式重塑與價值實現[J].圖書與情報，2017（5）：20-26.

[4]? Price D J d S.Little science，big science[M].New York： Columbia Univ.Press，1963.

[5]? 劉則淵，陳悅，朱曉宇.普賴斯對科學學理論的貢獻——紀念科學計量學之父普賴斯逝世30周年[J].科學學研究，2013，31（12）：1761-1772.

[6]? 宋立榮，劉春曉，張薇.我國大型科學儀器資源開放共享建設中問題及對策思考[J].情報雜志，2014，33（11）：1-6，13.

[7]? 劉洋，何建佳.大型科學儀器設備共享的合作收益分配模型——基于努力因素的分析[J].科技管理研究，2017，37（3）：179-184.

[8]? 董誠，張新民，侯敏.大型科學儀器共享的三層次模型及實例分析[J].中國基礎科學，2012，14（5）：55-59.

[9]? 黎建輝，沈志宏，孟小峰.科學大數據管理：概念、技術與系統[J].計算機研究與發展，2017，54（2）：235-247.

[10]? Fischer B A，Zigmond M J.The Essential Nature of Sharing in Science[J].Science & Engineering Ethics，2010，16（4）：783-799.

[11]? Tenopir C，Allard S，Douglass K，et al.Data sharing by scientists：practices and perceptions[J].PLoS ONE，2011，6：e21101.

[12]? Christine L.Borgman，青秀玲.科研數據共享的挑戰[J].現代圖書情報技術，2013（5）：1-20.

[13]? 黃敏，楊海珍.加強大科學裝置的管理[J].中國科學院院刊，2006（3）：41-46.

[14]? 張玲玲，王蝶，張利斌.跨學科性與團隊合作對大科學裝置科學效益的影響研究[J].管理世界，2019，35（12）：199-212.

[15]? 國家天文臺.LAMOST DR6數據集正式發布[EB/OL].[2019-12-20].http：//www.bao.ac.cn/xwzx/gdtpxw/201903/t20190327_5262549.html.