科研人員數據共享意愿的影響因素研究

收稿日期：2020-05-14

作者簡介：鄭琳（1990-），女，講師，博士，研究方向：信息資源管理、信息法規與政策。

摘要：[目的/意義]對現有科研人員數據共享意愿影響因素研究進行系統評價，明確不同影響因素的具體作用，解決當前研究結果混雜、相悖的問題，根據研究結論探討提升科研人員數據共享意愿的有力措施。同時，探索Meta分析方法在圖情領域的應用，豐富本領域研究方法與視角。[方法/過程]梳理相關理論和研究，提出研究問題和假設，采用Meta分析方法，以科研人員數據共享意愿影響因素為因變量，從18篇納入文獻中提取具體效應值并進行整合分析，驗證研究假設并對研究結論做出解釋。[結果/結論]主觀規范、感知收益和感知易用性正向影響科研人員數據共享意愿，年齡、感知成本、感知風險負向影響科研人員數據共享意愿。當前研究存在研究數量較少，對科研人員數據共享行為和意愿過程了解不夠深入的問題。

關鍵詞：科研人員;數據共享;開放數據;影響因素;Meta分析

DOI：10.3969/j.issn.1008-0821.2021.04.008

〔中圖分類號〕G203〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0069-10

Factors Influencing Researchers Intention of Data Sharing

——Based on Meta-analysis Method

Zheng Lin

（School of Social Development，Yangzhou University，Yangzhou 225008，China）

Abstract：[Purpose/Significance]This Paper evaluated existing research on factors of researchers data sharing intention systematically，in order make sure the specific role of different influencing factors and to solve the mixed and contradictory problems of current research results.Meanwhile，the paper explored the application and value in LIS，which aims to enrich methods and perspectives in LIS research.[Method/Process]By analyzing related theories and papers，the paper came up with research questions and hypotheses，then the paper extracted effect values from 18 including researches in order to carry out a comprehensive analysis，in order to verify research hypotheses and explain research conclusions.[Result/Conclusion]The study showed that subjective norms，perceived revenue and perceived usability had positive effect on researchers data sharing intention，age，perceived effort and perceived risk had negative effect on researchers data sharing intention.Currenthy，researches ignored the correct procedures of research data sharing.

Key words：researcher;data sharing;open data;influencing factors;Meta-analysis

科學研究已經進入到第四范式階段。在互聯網技術和信息技術的推動下，科學研究從自然到社會，從宏觀到微觀層面的觀察、感知、計算、模擬等活動正不斷產生海量的科研數據，這些數據不僅能夠作為科學研究中新型的科學基礎設施，更為科學研究帶來了新的研究視角、方法和工具，從根本上重塑了科學研究的范式。與此同時，由于科研數據共享不僅在豐富科學研究的原材料方面具有重要意義，還能夠在打通科研交流屏障、科研結果驗證等方面發揮重要作用，因而，當前的科研人員開始變得不僅關注一項科學研究的最終成果，還關注該科學研究實施過程中應用的科研數據資源甚至是數據共享保障及行為研究。已有研究表明，多種因素可能影響科研人員的數據共享行為和意愿[1-3]，但是由于不同研究在對象、平臺、方法以及情景等方面有所區別，其最終的研究結論也會出現差異甚至相互矛盾的情況。Meta分析方法能夠以定量的方式對現有研究成果進行再綜合，是當前對二次數據進行系統分析、明確不同影響因子的影響方向與程度的較為常見的方法。鑒于此，本文采用Meta分析研究方法，通過對現有相關研究數據加以提取并整合，以探明本文的主要研究問題：現有科研人員數據共享意愿研究中所提出的不同影響因素的具體作用到底為何？圍繞這一研究問題，本文圍繞下述3個方面制定了研究思路。首先，系統梳理相關研究進展，探索性地提出科研人員數據共享意愿影響因素的研究假設;其次，應用Meta分析方法對現有研究結果進行定量、系統的整合，分析不同影響因素的合并效應值并開展討論;最后，明確現有研究存在的問題及未來可供研究的方向，審視本文的創新和不足之處，為后續相關研究提供可供參考的借鑒。

1理論基礎、相關研究與研究假設

縱觀現有科研人員數據共享意愿及影響因素的研究，從研究類型上看，主要采取了實證研究，但是對于具有普適性解釋效力的影響因素尚未達成一致。從研究方法上看，主要采用了截面數據研究的方式，通過問卷、訪談等方式測定被試科研人員的數據共享意愿及影響因素。從研究的理論基礎上看，主要采用了計劃行為理論（Theory of Planned Behavior，TPB）和制度理論（Institutional Theory，IT）。其中，計劃行為理論的源頭為1963年Fishbein和Ajzen聯合提出的多屬性態度理論，后經修正發展為理性行為理論（Theory of Reasoned Action，TRA），并最終于1991年完成對模型的進一步擴展，提出計劃行為模型[4-5]。計劃行為理論認為意愿會直接影響主體的行為選擇，而主體的意愿又會受到主觀規范、感知行為控制以及態度的共同影響。在計劃行為理論基礎之上，現有研究提出了一系列可能的科研人員數據共享意愿影響因素，包括感知收益、感知風險、感知易用性等[6-9]。制度理論由Scott W R于2007年提出[10]，與計劃行為理論主要關注行為個體層面的影響因素不同，制度理論擴大了研究視角，增加了外部制度和環境壓力對行為主體意愿所產生的影響，因而被廣泛應用到主體行為意愿的研究當中。基于制度理論，現有研究認為組織規范、制度規范等外部環境因素也會影響科研人員的數據共享意愿[11-13]。除上述理論模型外，還有研究從個體特征角度對科研人員的數據共享意愿進行探討，指標涵蓋年齡、性別甚至性格特征等[14-16]。基于上述梳理，結合科研人員對數據共享接受行為的內在作用機制，并借鑒現有研究提出的影響因素劃分標準[7，17]，本文將科研人員的數據共享意愿影響因素劃分成6個維度：個體特征、主觀規范、感知收益、感知成本、感知易用性以及感知風險。

1.1個體特征

科研人員個體特征層面的差異可能會影響其數據共享意愿，這些個體特征包括年齡、性別以及性格等。①年齡。科研人員的年齡反映其所處研究生涯的不同階段，進而可能影響不同階段下科研人員對于數據共享行為的接受意愿和心態。針對這一問題，2014年Eynden V V D等的研究認為，科研人員的年齡會正向影響其數據共享意愿[18]，Linek S B等的研究也證實了這一觀點[16]。而Ostaszewski M、Amos H等的研究則認為科研人員的年齡與其數據共享意愿呈負相關關系[15，19]。②性別。2011年，Tenopir C等的研究認為，相較于男性，女性對新事物的接受態度更為謹慎和保守，因此女性科研人員可能更不愿意共享其科研數據[20]。2015年，Mai H O等的研究采用定量的方式證實上述猜想，提出性別會顯著影響科研人員的數據共享意愿[21]。③性格。科研人員的性格開放程度、樂觀程度、冒險程度等特征可能會影響其數據共享意愿，鑒于此，2017年Stephanie等人的研究采用大五性格測試、黑暗三性格測試和社會期許量調查了受測者的科研數據共享意愿，發現科研人員的開放度、社會期許度與數據共享意愿呈正相關，而黑暗三性格得分則與數據共享意愿呈負相關。通過上述分析可知，科研人員的個體特征可能影響其數據共享意愿，因而本文將個體特征項納入Meta分析效應值范疇，又由于Meta分析要求效應值個數大于或等于3，當前關于科研人員性別和性格對數據共享意愿研究的數量較少，不符合這一標準，故排除。基于此，本文僅將年齡納入研究范疇，并提出如下假設：

H1：年齡對科研人員的數據共享意愿具有正向影響。

1.2主觀規范

主觀規范是行為主體就是否要采取某一行動而感受到的社會壓力，是評估行為意愿最為重要的指標之一。現有研究認為主觀規范對科研人員的數據共享意愿有正向影響，但是關于該指標的影響度及解釋力并不統一[7，22]。關于主觀規范的作用力到底如何，已有研究通過量化的方式證明，當主觀規范對行為主體意愿呈正向影響時，其影響力最弱，而當其影響為負向時，主觀規范的影響力則十分顯著。鑒于此，為量化并明確主觀規范對科研人員數據共享意愿的真正影響，本文提出如下假設：

H2：主觀規范對科研人員的數據共享意愿具有正向影響。

科研數據共享浪潮下，許多機構與組織都出臺政策以促進科研人員共享數據，包括科研人員所處學術機構、學術期刊以及學術委員會、基金會等，僅以主觀規范對上述不同組織的規范效力進行籠統量化似乎過于局限。因此，部分研究選擇在理性行為理論的基礎上結合制度理論，將主觀規范細化并拆解為不同的子因素進行衡量，包括來自期刊的規范壓力，來自基金的規范壓力以及科研人員所處組織內的規范壓力[14，23]。鑒于此，本文將假設2進一步拆分，提出如下子假設：

H2-a：期刊規范對科研人員的數據共享意愿具有正向影響。

H2-b：基金規范對科研人員的數據共享意愿具有正向影響。

H2-c：組織規范對科研人員的數據共享意愿具有正向影響。

1.3感知收益

感知收益是行為主體根據已有信息，對采取行動后所能獲得的回報做出的心理預期，這種回報可能來自直接的利益回饋，也可能來自社會聲譽的提高，甚至還可能僅體現于自我滿足感的層面。2016年，孫曉燕對社會科學研究人員的調研顯示，感知收益對科研人員的數據共享意愿有顯著的正向影響作用，并且可以減少來自感知風險層面的負面影響，促進科研數據共享[23]，英國Wellcome基金會的調查報告也顯示，論文被引量和學術聲譽是科研人員愿意共享數據的主要原因[24]，2019年，包秦雯等通過對地球科學領域科研人員進行調查，進一步支持了上述觀點[22]。鑒于此，本文提出如下假設：

H3：感知收益對科研人員的數據共享意愿具有正向影響。

1.4感知成本

感知成本是行為主體對采取某一行為可能付出的時間、精力以及智力等成本的心理預期。近年來，隨著科研數據共享的不斷平臺化，其共享過程也變得更加規范化，數據的共享不再局限于簡單的分享或上傳，而是涉及到不同學科和領域數據的細分、對數據類型及格式等進行標準化處理，甚至還需要對數據的獲取、保存、處理以及共享方案進行詳盡描述。即使是那些不經過平臺的私人數據共享和交流行為，為了保證數據安全和隱私性，也需要對數據進行脫敏等一系列操作。上述對數據的處理勢必需要科研人員付出大量的時間、精力和智力成本，而科研人員又是較為繁忙且珍視時間和精力成本的一個群體，因此，其所感知到的來自時間、精力等方面的壓力很有可能對其科研數據共享的意愿產生負面效果，進而阻礙其數據共享行為。鑒于此，本文提出如下假設：

H4：感知成本對科研人員的數據共享意愿具有負向影響。

1.5感知易用性

感知易用性是行為主體所感受到的，使用一個系統的容易程度。科研數據共享的平臺化使得科研數據的共享行為可以看作是科研人員與數據共享平臺交互作用的一個結果，平臺的友好程度、界面設計等都會直接影響用戶體驗，進而影響科研人員的數據共享意愿[25]。2013年，Ostaszewski M向超過24 000位波蘭學者發放問卷，對回收的849份有效問卷進行分析發現，有21%的科研人員認為缺乏合理的存儲庫將抑制其數據共享意愿，另有20%的科研人員認為缺少既定的平臺操作標準是其不愿共享科研數據的主要原因[26]。Knowledge Exchange于2014年的研究對22名來自不同學科的科研人員進行了調查，認為好的基礎設施將提升科研人員的數據共享意愿[21]。2015年，Kim Y等綜合采用計劃行為理論和制度理論構建了理論模型，探索科研數據共享平臺/數據倉儲的可獲得性和可用性對科研人員數據共享意愿的影響，發現二者相關性為0.309，影響作用非常顯著[27]。鑒于此，本文提出如下假設：

H5：感知易用性對科研人員的數據共享意愿具有正向影響。

1.6感知風險

感知風險是行為主體對采取行動可能帶來的負面結果的預判。與普通的知識共享或信息共享不同，科研數據的共享不僅帶有非常明顯的數據喪失和科研競爭色彩，還會涉及到數據的敏感性、數據被錯誤解讀等問題。2011年，普渡大學圖書館對學校戶外水質觀測站的6名博士研究生的數據共享態度進行了調查，發現競爭成本對科研人員的數據共享意愿有著非常明顯的負面影響[28]，其于2011年的另一項針對3 000多名科研人員的調查研究結果顯示，出于競爭的考慮，有25%的科研人員希望在項目結束后再共享科研數據，甚至有5%的科研人員希望在退休后再共享科研數據[28]。2012年，Enke N等以德國的生物多樣性研究人員為對象，隨機選取了超過250位和超過3 000位科研人員進行訪談和網絡問卷調查。結果表明有多達53%的人擔心在數據共享的過程中失去對科研數據的控制權，另有31%的人擔心自己的科研數據被不當使用從而得出錯誤結論[29]。鑒于此，本文提出如下假設：

H6：感知易用性對科研人員的數據共享意愿具有負向影響。

2研究設計

2.1研究方法

本文采用Meta分析方法。Meta分析也稱為薈萃分析，最早源自費舍爾于1920年提出的“合并P值”的思想。1976年，統計學家Glass進一步將之發展為“合并統計量”，并首次將這種分析方法命名為Meta分析[30]。Meta分析的工作原理是對不同的納入研究賦予不同的權重，進而計算最終的合并效應值。所謂效應值，就是反映研究變量或指標之間的關系程度或重要性的數值。與傳統的質性文獻綜述相比，Meta分析不僅可以對研究結論進行定量估計，還可以解決單個樣本規模較小的問題，提升研究的統計學檢驗效能。更為可貴的是，Meta分析并不僅局限于回顧以往的研究，還可以幫助發現既往研究的不足之處，回答單個研究所無法回答出的問題。盡管曾有研究質疑Meta分析是一種試圖將蘋果和橙子混為一談的方法[31]，但是不同學科對Meta分析的引入和應用已經證明其是一種有效且高質的研究方法：20世紀70年代，Meta分析首先被引入醫學研究當中并大放異彩，之后，藥學、教育學、生態學等學科紛紛引入Meta分析方法，獲得了可喜成果。相較之下，圖情領域對Meta分析的關注較晚，最早見于20世紀90年代：1993年，Trahan E撰文介紹了Meta分析在圖情領域的應用前景，試圖在本領域推廣Meta分析[32]。1996年，Salang M M C采用Meta分析方法分析了信息需求與信息檢索之間的關系[33]。之后，圖情領域有關Meta分析方法的研究成果有所增加，但仍然罕見，且多集中在探討Meta分析對本領域重要意義與價值等理論層面，實際應用不多。因而，本文選用Meta分析方法，一方面希望明確科研人員數據共享意愿的影響因素與作用，一方面也希望借此研究探索Meta分析在圖情領域的應用價值，為后續相關研究提供有益借鑒，起到拋磚引玉的作用。

2.2文獻檢索與篩選

充分的文獻檢索能夠最大限度地降低發表偏倚，是開展Meta分析的重要基石。本文分別在中國知網（CNKI）、萬方數據庫、Web of Science等數據庫中使用3組檢索詞進行組配檢索，這3組檢索詞分別是：①“科研數據”“科學數據”“研究數據”“學術數據”;②“數據共享”“數據開放”“數據獲取”“開放獲取”;③“意愿”“態度”“影響因素”以及上述檢索詞的對應單詞，分別為①“Research Data”“Scientific Data”“Academic Data”;②“Data Sharing”“Open Data”“Data Open Access”;③“Intent”“Intention”“Will”“Willingness”“Attitude”“Influencing Factor”“Influencing Effect”等。為進一步保障納入文獻的全面性，本文同時采用滾雪球方式從目標文獻的引文中進一步獲取相關文獻，最終共得到相關主題中英文文獻40余篇。經過文獻篩選，最終獲得符合Meta分析標準的納入文獻18篇。文獻篩選的標準如下：①剔除單純論述性的文獻，因為這一類型文獻中沒有可供提取的數據;②剔除重復發表、采用相同研究對象或樣本的不同文獻，僅保留質量較高的一篇;③剔除主觀性強或表述不清的文獻，保證研究結論可靠、高質。

2.3數據提取與錄入

通過對納入文獻的詳細閱讀，同時基于本研究的研究假設，筆者在提取納入研究效應量的同時，也請1位博士研究生同時開展納入研究的數據提取工作，以確保數據提取的可靠性，通過一致性計算，Kappa值為0.960，說明對數據的提取過程是具有高度一致性的。數據提取標準如下：①由于同一效應值提取自不同文獻，不同文獻對于該效應值的表述有所差異，因此提取數據的過程中應對相同內涵但是不同稱謂的效應值進行反復對照和確認，確保將相同效應值正確歸類;②如由于研究方法不同導致不同研究中的同一效應值對應不同的上下位類，則應按照逐層取平均的方式進行合并比較;③Meta分析方法規定，出于對合并效應值代表性與說服力的考量，納入效應值的個數應該大于或等于3，因此，本研究中剔除了那些效應量總數小于3的影響因素指標。提取出的效應值就是反應不同因素對政務社交媒體采納具體影響的數值，具體到本文，主要就是指二者之間的相關關系r值。經過對18篇納入文獻進行編碼與詳盡閱讀，本文最終提取了18篇納入文獻的編碼表，如表1所示。

3結果分析與討論

3.1異質性分析

不同納入研究之間可能會存在差異，也就是所謂的異質性。異質性產生的原因可能是研究對象不同所引起的，也可能是研究方法的不同導致的，而只有將這些納入研究之間的差異調節至統一假設前提之下才能對其效應值進行合并處理。根據Meta分析，效應模型的選擇要根據納入研究之間的異質性決定：異質性小，使用固定效應值模型;異質性大，則使用隨機效應模型。兩種模型之間的不同在于，固定效應值模型假設不同研究結論的不一致是由于抽樣誤差導致，因而在賦予權重的過程中會主要考慮研究樣本量的差異，而隨機效應模型則允許不同研究之間的真實效應不同，除樣本外還會綜合考慮其他因素對研究結論的影響。固定效應模型的關注點僅局限在納入研究范圍內，而隨機效應模型則試圖通過對納入研究的分析將結論推廣到其所代表的總體中去。

反映異質性的數值主要有Q值、自由度df值以及I2。在Meta分析中，Q值可以被看作是不同納入研究之間的觀測變異，而自由度df則是期望變異的大小，Q值與df的差值就是不同納入研究之間超額變異的大小。通過衡量超額變異的大小，可以幫助判斷納入研究之間的異質性。為了進一步衡量異質性程度，還可以參考I2的取值。I2代表著效應量總變異中異質性所占比重，根據Meta分析要求，I2值超過40，研究之間存在異質性;超過50即存在較大異質性;超過75則存在不可忽略的異質性。具體到本文，可以看到除感知成本變量外，其他變量的異質性均較高，不僅Q值大于df值，I2取值也較高。因此，本文中除感知成本外的變量都采用隨機效應模型進行合并，而由于感知成本變量的I2取值為44.403，處于Meta分析異質性分區的臨界值范圍，因此本文同時選用固定效應模型和隨機效應模型對該變量的合并效應值進行計算。實際上，在異質性很低的時候，兩種效應模型所得出的結論是基本一致的，這一點從表2中感知成本變量在不同效應模型下的取值也能看出來。

3.2發表偏倚分析

有研究證明，那些報告較高效應量的研究相較于報告低效應量的研究更容易被發表，因而也更容易被納入到Meta分析中。除此外，文獻的語言、可獲得性等原因也可能導致對納入文獻無法全部獲取，這就是所謂的發表偏倚[34]。事實上，發表偏倚并不僅局限于Meta分析，它廣泛存在于所有基于文獻的研究方法之中。為計算納入研究的發表偏倚，本文分別繪制了不同影響因素的漏斗圖。一般而言，在效應值個數較少的情況下，可直接對漏斗圖進行觀測，通過觀察納入研究在漏斗圖中的分布情況判斷發表偏倚狀況。如代表納入研究的點在漏斗圖中分布較為對稱，則發表偏倚情況理想，反之，研究受發表偏倚的影響較大，不宜做Meta分析。在本文分別繪制的漏斗圖中，不同影響因素的漏斗圖分布情況均較為理想，可初步判斷本研究不受發表偏倚影響。與漏斗圖相比，失安全系數能夠通過具體數值更加精確地反映研究的發表偏倚情況。所謂失安全系數，就是需要找到的、能夠使研究結論逆轉且尚未被發現的研究數量。失安全系數越高，則Meta分析結論的穩定性也就越高。關于失安全系數的標準，現有研究普遍采用“5k+10”的計算方法，即失安全系數應至少等于效應值數量的5倍再加10。

具體到本文，除年齡變量的失安全系數與標準有較小差距之外，其余變量的失安全系數均超過要求的標準，因而可認為本研究不受發表偏倚的影響。

3.3敏感度分析

現有關于Meta分析研究的檢驗分析一般只包含異質性和發表偏倚兩種類型。實際上，一個標準、完整的Meta分析過程還需要對整體研究的敏感度進行分析。敏感度分析的目的在于檢驗研究整體的穩健性。其思路是通過改變效應量類型或者調整納入效應值數量等渠道，觀測調整后與調整前結論之間的差異。如果調整后的結論與調整前差異不大，則表明研究整體具有較強的穩定性。鑒于本文的納入文獻中可供提取的數據類型有限，本文主要采取第二種方式，即調整納入研究的數量來測定研究的敏感度。具體思路為：分多次計算合并效應值，每次按順序剔除一個納入效應值，比較剔除前后合并效應值的變化情況。也就是說，假設效應值個數為k，則每次剔除1個效應值，用剩下的k-1個效應值計算合并效應值，并得出k個剔除后的合并效應值，與總合并效應值進行比對。在本文中，由于年齡一項只有3個效應值，剔除1個后不符合Meta分析關于納入效應值最低數量的需求，因此年齡一項并未進行敏感度分析。其他影響因素的敏感度分析如表3所示。由表3可知，依次剔除單個效應值后的合并效應值與總合并效應值差距不大，敏感度分析達標。

3.4研究假設討論

在表2中，點估計就是最終的合并效應值，而95%的區間估計則是效應值有可能的取值范圍。根據Meta分析，如果置信區間經過無效線（取值范圍內包括0），說明自變量對因變量的影響作用不僅可能取正、取負，也有可能取0，影響作用無法判斷。具體到本文，年齡的合并效應值為-0.041，且95%的置信區間不經過無效線（-0.081～-0.002），P值等于0.039，說明年齡對科研人員數據共享意愿的影響會產生負面作用，年齡越大，數據共享意愿越低，且年齡對科研人員數據共享意愿的影響顯著。這一結論與本研究最初的假設恰好相反，畢竟，本研究最初假設科研競爭會隨著年齡的增加而減弱，進而對科研數據共享意愿產生正向影響。針對最終結果為負向影響，本文選擇參考Amos H等的研究結論進行解釋：與年長科研人員相比，年輕科研人員有可能會出于希望自己的研究方法、成果等被迅速認可，提升學術地位等原因，更愿意共享自己的科研數據[19]。與此同時，由于年齡一項的納入效應值數量以及樣本數量都較為有限，因此本研究建議這一結論僅做參考之用。

主觀規范的合并效應值為0.424，且95%的置信區間不經過無效線（0.173～0.622），P值等于0.000，說明主觀規范對科研人員的數據共享意愿具有正向影響，影響作用非常顯著。這說明，通過內外部規范性壓力的作用可以促進科研人員的數據共享行為。具體到主觀規范下的3個子假設可知，期刊規范、基金規范和組織規范的合并效應值分別為0.152（95%置信區間0.051～0.250，P=0.003）、0.010（95%置信區間-0.040～0.0590，P=0.703）以及0.219（95%置信區間0.149～0.286，P=0.000***）。這說明，期刊的規定對科研人員的數據共享意愿有正向影響，影響作用顯著。本文認為，這主要是因為在現有科研評估體制下，科研成果數量對科研人員的評價具有重要作用，而學術論文的發表帶有強烈的買方市場色彩，這導致學術期刊具有很強的話語權，進而迫使科研人員共享出自己的科研數據。基金壓力的置信區間經過了無效線，無法證明其對科研人員數據共享意愿的具體影響。在3個子假設中，組織規范對于科研人員的數據共享意愿影響最大，也最為顯著，這說明要想促進科研人員的數據共享行為，最直接有效的渠道來自于科研人員所屬機構內部。并且，現有研究也表明，科研人員在數據共享過程中會表現出較為明顯的從眾心理，看到自己周圍的人都在共享科研數據，又或者感知到共享科研數據已經成為本機構、本領域內的一項約定俗成的習慣，都會提升科研人員的數據共享意愿[3，20]。

感知收益的合并效應值為0.232（95%置信區間0.145～0.315，P=0.000），說明科研人員對數據共享收益的預期對其共享意愿具有正向影響，影響作用非常顯著。因此，可以通過給予科研人員一定回報的方式提升其數據共享意愿水平。這種回報既可以是經濟方面的[20]，也可以是社會聲望方面的，還可以是數據引用、致謝以及數據獲取權限方面的。尤其在數據獲取權限方面，現有研究證明，科研人員在數據共享環節中往往伴隨著數據需求[35]。因而，學術機構和數據共享平臺可以考慮設立一個基于數據共享行為的數據獲取權限制度，通過衡量不同科研人員的數據共享經歷，評估其數據共享程度和質量，并為其賦予不同的數據獲取級別，進而提升其數據共享意愿。

感知成本的合并效應值在不同效應模型下分別為-0.133（95%置信區間-0.155～-0.110，P=0.000）和-0.136（95%置信區間-0.170～-0.101，P=0.000），兩者相差不大，說明感知成本對科研人員的數據共享意愿具有負向影響，影響作用非常顯著。隨著科研數據共享的規模化和標準化，共享過程中對數據的范化處理要求只會越來越高，因此，時間、精力以及智力上的成本付出不可能被消除，只可能被弱化。這就需要學術機構以及數據共享平臺等方面盡量簡化數據處理流程。結合感知易用性假設來看，其合并效應值為0.222（95%置信區間0.084～0.353，P=0.002），也說明數據共享過程中的操作以及數據共享平臺的易用程度對科研人員的數據共享意愿具有非常顯著的正向影響，簡化數據共享標準、盡可能為科研人員提供充分的技術支援，都可以抵消來自感知成本層面的負向作用。

感知風險的合并效應值為-0.133（95%置信區間-0.208～-0.058，P=0.001），說明感知風險對于科研人員數據共享意愿具有負向影響，影響作用非常顯著。鑒于此，可以通過降低科研數據共享的知識喪失和數據不當利用的風險來提升科研人員的數據共享意愿。可以考慮引入完善的數據共享時效機制，設置科研數據的禁錮期，同時通過對數據獲取人身份以及數據用途的嚴格審核等方式來消除科研人員對數據不當利用可能帶來的風險的顧慮。表4匯總了本文的研究假設驗證結果。

4結論與討論

本文利用Meta分析方法對科研人員數據共享意愿影響因素研究的結論進行了系統評價，發現主觀規范、感知收益和感知易用性對于科研人員數據共享意愿呈正相關關系，年齡、感知成本、感知風險對于科研人員數據共享意愿呈負相關關系，從一定程度上解答了之前的獨立研究所無法明確解答的問題。本文的另一個研究發現在于，在對納入文獻進行分析的過程中，發現現有研究對于影響科研人員數據共享意愿的因素認識仍不全面，造成這種不全面的原因在于現有研究的理論基礎主要基于計劃行為理論和制度理論，而上述兩種理論更多關注于影響科研人員數據共享意愿的客觀因素，對于主觀因素，如科研人員的性格開放度、利他意愿程度等關注則相對較低。與此同時，現有研究傾向于將科研人員的數據共享行為和意愿看作是一個整體過程，卻沒有意識到科研人員的數據共享意愿可能受到先驗經驗的影響，其對初次數據共享效果的滿意度將影響之后的持續數據共享意愿。因此，后續研究可以將上述兩個共享階段加以區分，探討初次共享后對于不同影響因素的期望確認和滿意度評估將如何作為調節變量去影響持續共享環節中不同影響因素的具體作用，并探索提升初次共享效果和滿意度的有效方法。

本文的理論意義在于，本文從綜合、系統、量化的角度對科研人員數據共享意愿進行再次評估，回答了獨立研究無法回答的研究問題。與此同時，科研人員數據共享意愿及影響因素的研究本質上屬于圖、情報學科中信息行為領域的研究范疇，是數據時代下信息行為研究主題的新發展，具有重要的理論價值。本文的實踐意義在于，明確不同影響因素的具體作用和程度能夠為日后的科研數據管理和治理實踐提供理論支撐，對不同影響因素的闡釋可以為之后科研數據共享實踐的推動提供有力的干預性手段。畢竟，科學研究的最終目的不僅在于解釋真理，也應該回應現實需求的關切。本文也正是在意識到科研數據共享管理與治理任務紛繁與復雜性質的背景下，期望應用本領域知識與研究方法為現實實踐提供理論支撐。

本文存在的一個研究不足在于納入文獻總量有待擴充，這主要是現有相關主題研究數量仍然較少的原因，并且，本文嚴格地納入文獻標準也進一步縮小了納入文獻的體量。不過，雖然Meta分析方法誕生距今已經數十年，但是Meta分析在不同學科的引入與應用仍處在進一步探索的階段，在這一階段下，關于Meta分析的納入文獻數量尚未有一個明確的觀點，一般認為，研究問題的實際意義、樣本量以及效應值個數等因素也可以部分抵消來自納入文獻數量方面的不足[36-37]。即使是應用Meta分析最為成熟的醫學領域，對納入文獻數量的標準也尚未達成一致：2013年，我國學者馬彬對國內外中醫藥Meta分析類研究進行評估發現，不同領域下發表的文章中，許多文章的納入文獻數量僅為十余篇甚至個位數[38]。因此，本文認為，嚴格的納入標準、較為理想的樣本量和研究問題的理論與現實意義將從一定程度上彌補納入文獻數量層面的不足。本文的另一個不足是年齡指標的納入效應值數量較少，僅有3個。與此同時，由于相關研究數量較少，本研究僅解釋了部分影響因素，諸如性別、地理位置、所在學科以及數據質量等因素都未被納入研究范疇。后續研究可以在此層面進一步探索，構建影響科研人員數據共享意愿的全指標模型。

參考文獻

[1]Oushy M H，Palacios R，Holden A E，et al.To Share or Not to Share？A Survey of Biomedical Researchers in the U.S.Southwest，an Ethnically Diverse Region[J].Plos One，2015，10（9）：e0138239.

[2]Wicherts J M，Bakker M，Molenaar D.Willingness to Share Research Data Is Related to the Strength of the Evidence and the Quality of Reporting of Statistical Results[J].Plos One，2011，6（11）：e26828.

[3]Ltd K P.Data Dimensions：Disciplinary Differences in Research Data Sharing，Reuse and Long Term Viability[J].Digital Curation Centre，2010.

[4]Ajzen I.From Intentions to Actions：A Theory of Planned Behavior[M].Action Control.Springer，Berlin，Heidelberg，1985：11-39.

[5]Ajzen I.The Theory of Planned Behavior[J].Organizational Behavior and Human Decision Processes，1991，50（2）：179-211.

[6]Harper L M，Kim Y.Attitudinal，Normative，and Resource Factors Affecting Psychologists Intentions to Adopt an Open Data Badge：An Empirical Analysis[J].International Journal of Information Management，2018，41：23-32.

[7]Yuan H.Analysis of Main Influencing Factors of Scientific Data Sharing in Universities[J].Open Access Library Journal，2019，6（3）：1.

[8]張晉朝.我國高校科研人員科學數據共享意愿研究[J].情報理論與實踐，2013，36（10）：25-30.

[9]余玲.科研人員科學數據共享意愿的影響因素研究[D].衡陽：南華大學，2016.

[10]Scott W R.Institutions and Organizations：Ideas and Interests[M].Sage，2008.

[11]Kim Y.Fostering Scientists Data Sharing Behaviors Via Data Repositories，Journal Supplements，and Personal Communication Methods[J].Information Processing & Management，2017，53（4）：871-885.

[12]Kim Y，Stanton J M.Institutional and Individual Factors Affecting Scientists Data-sharing Behaviors：A Multilevel Analysis[J].Journal of the Association for Information Science and Technology，2016，67（4）：776-799.

[13]Kim Y，Kim S.Institutional，Motivational，and Resource Factors Influencing Health Scientists Data-sharing Behaviours[J].Journal of Scholarly Publishing，2015，46（4）：366-389.

[14]Sherline C P.Measuring the Norm of Reciprocity on Data Sharing Practices：A Carrot or Stick Approach？[J].2014.

[15]Ostaszewski M.Analysis of the Attitude Within Academic and Research Communities Towards Open Science-A Quantitative Survey[J].2014.

[16]Linek S B，Fecher B，Friesike S，et al.Data Sharing as Social Dilemma：Influence of the Researchers Personality[J].PloS One，2017，12（8）：e0183216.

[17]劉桂鋒，濮靜蓉，錢錦琳.科研數據共享影響因素分析及作用闡釋[J].圖書館論壇，2018，38（11）：10-17，26.

[18]Eynden V V D，Bishop L.Sowing the Seed：Incentives and Motivations for Sharing Research Data，a Researchers Perspective[EB/OL].http：//xueshu.baidu.com/s？wd=Sowing+the+se ed%3A+Incentives+and+motivations+for+sharing+research+data%2C+a+researcher%E2%80%99s+perspective&rsv_bp=0&tn=SE_baiduxueshu_c1gjeupa&rsv_spt=3&ie=utf-8&f=8&rsv_sug2=0&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D&rsv_n=2，2017-09-09.

[19]Amos H，Frances M，Ruthven T.Rsquared：Researching the Researchers.A Study Into How the Researchers at the University of New South Wales Use and Share Research Data[C].2010.

[20]Tenopir C，Allard S，Douglass K，et al.Data Sharing by Scientists：Practices and Perceptions[J].Plos One，2011，6（6）：e21101.

[21]Mai H O，Palacios R，Holden A E C，et al.To Share or Not to Share？A Survey of Biomedical Researchers in the U.S.Southwest，an Ethnically Diverse Region[J].Plos One，2015，10（9）：e0138239.