圖書館數據資源建設:內涵、價值與路徑*

孟祥保?高冕

摘 要 數據資源建設是大數據時代圖書館信息資源建設的延伸和拓展。數據資源建設源于數值資源觀、特色資源觀和數據資源觀三種觀念，與傳統數字信息資源建設既有聯系也有區別。數據資源建設具有豐富圖書館學理論、提升圖書館核心競爭力、延伸學科服務范圍與深度、融入科研數據生態等價值。論文提出建立以需求為導向的數據資源建設模式，重點關注數據資源建設內涵、發展政策、數據館員、數據資源使用與評價。

關鍵詞 數據資源建設；數據館藏；數據采訪；數據素養

分類號 G253

DOI 10.16810/j.cnki.1672-514X.2023.05.008

Library Data Resources Construction： Connotation， Value and Approach

Meng Xiangbao， Gao Mian

Abstract Data resources construction is an extension and expansion of traditional information resource construction. Library data resources construction is derived from the three concepts of numerical resource view， characteristic resource view and data resource view. The content of data resources construction is related to and different from the construction of traditional digital resources. Data resources construction has the positive value of enriching the theory of library science， enhancing the core competitiveness of the library， extending the scope and depth of subject services， and integrating into the research data ecosystem. This paper proposes to establish a demand-oriented data resources construction model， focusing on the connotation of data resources construction， data collection development policies， data librarians， and data resource usage and evaluation.

Keywords Data resources construction. Data collection. Data acquisitions. Data literacy.

0 引言

數據資源既是國家戰略資源，也是科學研究的基石和保障，已經逐步成為圖書館館藏資源體系的有機組成部分。比如，北京大學圖書館、加州大學伯克利分校圖書館已經在數字資源導航中設置了“統計/研究數據”“統計與數值數據”等資源類型，表明數據資源的采購、組織、評價和使用開始得到學術圖書館的重視。2017年，美國俄亥俄州立大學圖書館開始探索數據采購項目，分析不同學科數據集的規模、格式、存儲方式、許可協議、可發現性和成本問題[1]。從學術角度而言，信息流動從期刊文章轉向數據，對圖書館經費預算、館藏采訪與評價、采購談判與許可協議帶來了深刻影響[2]。由此，圍繞“數據”所展開的信息資源建設實踐與理論研究，將不斷拓展“十四五”期間信息資源建設的研究邊界與研究內容[3]。探索包括數據資源發展政策、采訪標準、使用評價等在內的基本問題，將是未來一段時期內圖書館信息資源建設的重要議題。

1 圖書館數據資源建設的觀念和內涵

1.1 數據資源建設的三種觀念

圖書館數據資源建設觀念是一個逐步發展的過程，與科研支持服務、資源共享、技術發展緊密聯系。從目前可掌握的文獻來看，最早可追溯至1964年，菲利普·E·匡威提出建立行為科學數據存儲合作網絡，為數據再利用提供服務[4]。1974年，美國加州大學伯克利分校霍華德·達爾比·懷特在其博士學位論中全面闡述了社會科學數據服務相關問題[5]。1988年，加州大學館員丹尼爾·C·曾較為詳細地梳理了高校圖書館數字數據館藏發展歷史及其相關問題[6]。2007年，楊從科借鑒信息資源管理和信息資源建設思想，界定了農業科學數據資源建設的內涵[7]。綜合現有文獻，數據資源建設觀念可分為數值資源觀、特色資源觀和數據資源觀三種。

（1）數值資源觀。側重數值型數據的采訪、組織與服務研究與實踐。1999年，美國康奈爾大學圖書館威廉·H·沃爾特斯較為系統地討論了數值數據資源識別、評價與選擇策略[8]。2001年，北美研究圖書館協會（Association of Research Libraries， ARL）的報告《數值數據產品與服務》調查了66個成員館的數值數據產品集合、機器可讀數據產品的可訪問性、人員配備、經費預算、數字數據收集與服務的評價等基本情況[9]，宏觀描述了北美研究型圖書館數值資源分布狀況。地理空間數據是數值數據館藏的典型，伊菲根尼亞·瓦爾達科斯塔和薩蘭托斯·卡皮達基較為全面系統調查了全球高校圖書館地理空間數據發展政策、技術基礎設施、地理信息系統（Geographic Information System， GIS）服務、遠程服務、用戶培訓和開源軟件利用情況[10]。此外，相關實證還表明，圖書館所購買的數值型商業數據庫對會計、金融領域的科研人員尤為重要[11]，證明了數值數據資源建設持續進行的必要性。

（2）特色資源觀。從特色資源建設角度論述數據資源的關鍵問題。蓋爾芬德將數據集視為灰色文獻的一種，并提出相應的發展政策[12]。胡安-何塞·博特從特藏建設角度系統分析了數據集的分布與格式類型、兼容性，圖書館數字化數據的采訪、安全性、監護、質量審計、數據集獲取、權限管理與科研利用、互操作和可發現性、數字保存等一系列重要問題[13]。由此可見，特色資源觀是將數據資源視為特色館藏的有機組成部分，給予了數據資源重點關注，但是也存在對其價值認識深度不足、建設方法不完善等問題。

（3）數據資源觀。從文獻資源建設角度探討科研數據相關問題。2013年，在國際社會科學信息服務與技術聯合會（International Association for Social Science Information Service and Technology， IASSIST）上，黑利·穆尼較為系統介紹了數據館藏發展政策與模式[14]。2015年，凱倫·哈根布姆和米歇爾·海斯萊特通過問卷調查和深度訪談數據館員，總結出高校圖書館小數據收集與管理的三個關鍵問題：數據館藏發展、訪問和評估[15]。2010年，UIUCL開始數據集購買試點工作，由數字與空間數據館員負責。圖書館事先向全校師生征集數據購買申請計劃，申請人原則上每年不不超過5000美元，且需要解釋研究數據意義，并能夠在全校范圍內使用。雖然申請人對該計劃反饋總體滿意，但是這一購買計劃需要建立在申請人較為熟悉數據基礎之上，并要求圖書館縮短采購時間、有針對性地進行用戶培訓和多渠道營銷[16]。2019年，安妮塔·福斯特（Anita K.Foster）介紹了俄亥俄州立大學圖書館（Ohio State University Libraries，OSUL）數據集采購項目實施過程及其經驗[1]。2007年，OSUL建立數據管理興趣小組，開展前期探索，并在2014年設立數據館員崗位，積極嘗試數據服務工作，實施了前期環境掃描與用戶需求調查。2017年，OSUL探索實施數據采購項目，由館藏發展專家和學科館員討論了校內用戶數據購買申請，確定了13種擬購數據集，最終購買7種[1]。由此可見，數據資源建設有其自身的獨特性和價值性。

綜上所述，本文認為數據資源建設包括數值資源建設，并與特色資源建設存在交集，具體如圖1所示。三者關系的相同點在于：無論是數值資源建設，還是特色資源建設，或者是數據資源建設觀，都把數據作為圖書館的重要資源，最終目的都是建立符合自身需求的數據館藏體系。三者關系的不同點在于：一是資源形態不同，數值型資源建設僅考慮到統計數據、GIS數據等數值型數據，而數據資源建設和特色資源建設還包括文本、圖片、視頻等，資源范圍更為廣泛、類型更為復雜；二是建設方式不同，特色資源建設主要以“訪”為主，采用一般的文獻資源建設方式，而數值資源建設和數據資源建設主要是采購或者自建；三是建設重點不同，特色資源建設追求的是特色性，數值型資源建設和數據資源建設追求的是服務價值。

1.2 圖書館數據資源建設的主要內涵

（1）數據資源建設的定義。數據資源是一類能夠反映人類世界活動的信息資源，具有復雜性、有用性、稀缺性、可重復性和動態性，還具有多種潛在的價值[17]。《浙江省數字經濟促進條例》將數據資源界定為“以電子化形式記錄和保存的具備原始性、可機器讀取、可供社會化再利用的數據集合，包括公共數據和非公共數據。”[18]

借鑒信息資源建設定義[19]，本文將數據資源建設定義為：圖書館對各種來源、各種類型的數據進行選擇、采集、組織和保存等活動，使之形成可資利用的信息資源體系，從而為科研與教學、文化建設提供保障，促進學術交流。從這個定義出發，數據資源建設內涵包括三個方面。一是數據資源建設的起點是用戶需求，建設的目標仍然是保障科研、教學和文化建設，滿足用戶不斷增長的數據資源采集、組織、保存、出版、共享、再利用、保密等各類需求。二是數據資源建設流程規范化，建設流程仍然符合文獻資源建設，尤其是數字資源建設的基本流程，即選擇、采集、組織和保存等環節，但存在部分差異。三是建設來源主要包括采購和機構數據。采購的數據應注重需求性和協調性，以滿足教學科研為主要原則，并注重與其他資源的匹配度。機構數據應注重特色性，重點收藏，例如中國人民大學的CGSS調查數據，東南大學的全國道德國情調查數據。

（2）數據資源建設的影響因素。圖書館數據資源建設考慮因素主要包括范圍、相關性、質量、成本、存儲要求、數據文檔、使用條款[20]。①范圍與相關性。數據集的普遍適用性、與學校的教學科研需要保持一致性、及時性，歷史數據的價值、地理范圍、數據集的未來價值性都是需要考慮的內容。例如，UIUC圖書館數據集采購時候，在處理用戶數據采購需求時候，需要研究人員能夠清晰解釋數據的研究意義，從而幫助館員更為準確地判斷數據價值及購買決策[16]。②格式。數據應考慮統計分析軟件的可讀性，如Excel、Stata、SPSS、SAS 和 ArcGIS，并以標準格式提供。例如，圖片是TIFF格式，運動圖像是MOV格式，結構化數據是XML格式，文件采用PDF格式等。③質量。綜合考慮數據本身和數據出版商，以保證數據的可靠性和長期訪問性。數據是最新的，不需要頻繁或者高成本更新。④成本。考慮所購買的數據集的使用人數、投入產出效益，條件允許的情況下可與其他單位共同購買。⑤存儲要求。考慮圖書館數據庫存儲功能，機密數據訪問所需要的特殊存儲和訪問要求。⑥數據文檔。數據集附有適當的文檔和相關元數據信息，編目容易程度及語種因素。⑦使用條款。所有教師和學生都可以訪問所購買的數據集，條款應與圖書館購買的其它電子資源的條款一致，考慮合理使用和學者對數據衍生品的權利。

此外，還應考慮學科領域數據的特殊性，例如在健康數據領域，有八種類型數據不應該長期保存和公開，即：敏感或保密數據，具有知識產權的數據，不好的元數據，測試、臨時或中間數據，不良或垃圾數據，由于各種原因而無法被他人使用的數據，未使用且沒有明顯的文化或歷史價值的舊數據[21]。

例如，UCLA圖書館的數據資源采訪考慮的主要因素是：①數據具有重要的教育意義，并符合學校科研、教學需求；②數據是開源、許可或購買的；③訪問條款允許將數據提供給學校師生（包括臨時用戶）；④可以通過圖書館目錄系統和發現系統來組織、描述和訪問數據；⑤數據格式符合標準且適合保存；⑥數據必須是公共版本，不包含個人標識；⑦成本必須合理，充分體現資源價值。另外，數據還應是最新的，不需頻繁購買更新，必須附有適當的數據文檔[22]。

2 圖書館數據資源建設價值

2.1 豐富圖書館學理論

隨著科學數據管理領域的不斷發展，迫切需要相應的理論來指導圖書館組織與管理數據資源。傳統上，圖書館信息資源建設理論體系主要由基礎理論、文獻信息資源建設、數字信息資源建設、信息資源共建共享構成[19]。數據資源建設理論主要探討數據資源的類型、特征與來源，以及數據資源建設的內涵、數據資源采選流程與方法、數據資源評價、數據資源組織方法、數據資源發展政策等基本理論問題，既與傳統信息資源建設一脈相承，也具有自身的時代性、特色性，從而推動信息資源建設理論進一步發展。

數據資源建設理論進一步拓展了圖書館學五定律在大數據時代的新內涵。首先，數據資源建設的根本目的是為了滿足用戶的需求，這與“書是為了用的”相一致。其次，數據資源建設具有開放性，是保障用戶能夠平等獲取數據資源，維護用戶的數據權利，如FAIR原則，這與“每個讀者有其書”相一致。再者，圖書館的數據素養教育、精準化服務、智能化服務的目的是為人找“數”，為“數”找人，這與“每本書有其讀者”相一致。另外，圖書館提供數據索引、開放數據門戶，如科睿唯安的數據引文索引數據庫產品、DataCite的服務平臺，這與“節省讀者的時間”相一致。最后，數據資源本身就是一個數據生態系統，圖書館系統是其中的一環，這與“圖書館是一個生長著的有機體”相一致。

2.2 提升圖書館核心競爭力

數據資源建設是圖書館特色資源的一個體現。數字化時代，普通數字資源出現同質化現象。機構數據的組織與管理是自身特色發展的一個重要途徑，如愛丁堡大學數據圖書館建設項目內容包括數據統計分析支持服務、在線數據管理培訓項目MANTRA、愛丁堡數據審計框架、數據支持教學項目、英國數據信息專家委員會數據共享工程（DISC-UK DataShare），在數據資源建設、數據素養教育、數據共享工程、數據服務、數據管理方面全方位實施和推進，體現了獨特的發展特色。

“數據即服務”，數據組織、數據服務、數據政策、數據管理、數據館員等將全方位推動圖書館轉型[23]。數據資源建設要聚焦上述問題，在數據組織、數據分析、數據發現、數據引用、數據共享、數據評價等方面提升圖書館服務能力。數據發現服務也是圖書館新的社會職能，采集、組織、保存、傳播和共享數據，能夠促進學術交流系統發展，保存人類數據文明成果和數字記憶。

2.3 延伸學科服務范圍與深度

隨著決策支持服務、情報服務的深入發展，ESI數據、Incites等數據資源及數據分析軟件的價值日益凸顯，數據已經成為館藏資源的重要形態。隨著“雙一流”建設的深入推進，學科服務、決策支持服務、數據素養教育等不斷涌現， 數據資源建設拓展了學科服務的范圍。例如，浙江大學圖書館利用ESI、Web of Science數據資源及數據分析工具，分析了全球科技發展態勢，揭示了學術增長點，為學校科研創新布局提供決策參考[24]。科學研究不斷走向大科學時代，數據驅動科學發現、科學數據共享成為研究范式。學科服務需要瞄準科學范式的變化，為科研人員提供數據資源、數據出版支持，數據管理計劃成為學科服務的新高地。

2.4 融入科研數據生態系統

科研數據生態系統是以多類型科研數據為核心，具有數據生命特征的動態、復雜的生態化系統，包括各類型科研數據，還包括與生命周期相關的環境、人員[25]。圖書館先后歷經文獻資源建設、信息資源建設再到數據資源建設，自身就是一個生態進化過程。在科研數據生態系統中，圖書館通過數據資源采訪、組織、評價及學科數據素養教育等，與科研人員建立緊密聯系。同時，圖書館還積極建立科研數據知識庫、開發數據管理工具、開展數據出版服務等，全面融入科研數據生態系統。例如，美國普渡大學圖書館先后建立了普渡大學科研知識庫（Purdue University Research Repository， PURR），本科生數據管理、數據共享和出版、數據科學、GIS數據、數據集存儲等Libguides，并開設《數據生命周期管理概論》《數據科學與社會：倫理、法律、社會問題》《地理信息系統概論》《信息和數據科學專題》等系列數據素養課程，在資源建設、課程開發、平臺建設等方面多維度融入學校數據科學教育生態[26]。

3 圖書館數據資源建設路徑

3.1 聚焦需求，凝練數據資源建設內涵

數據資源建設首先需要明確數據資源的內涵，聚焦用戶的科研和學習需求、機構發展的決策數據需求、大型項目的數據支持需求等，建立用戶需求驅動和用戶生成的數據資源集，以及開放數據資源集。一是用戶需求驅動的數據資源建設，要以滿足用戶數據資源利用為起點，采購國內外數據集。數據密集型科研范式下，研究人員對數字數據，尤其是一些大型調查項目數據的需求將會與日俱增，如澳大利亞數據檔案（Australian Data Archive）、聯合國糧農組織的全球地理信息系統（FAO GeoNetwork）、中國國家統計局數據、中國資訊行搜數網。二是用戶生成驅動的數據資源建設，要滿足本機構數據保存的需求，起到機構知識庫的作用。近些年，越來越多大學圖書館意識到機構數據資源的價值，開始自建科研數據知識庫，如北京大學開放數據研究平臺、復旦大學社會科學數據平臺。三是開放數據資源建設，要滿足用戶查找、定位和獲取全球范圍內的開放數據知識庫、數據期刊、數據論文、數據集相關資源的需求。

3.2 瞄準需求，制定數據資源發展政策

部分高校圖書館制定了圖書館數據資源發展政策[19]，明確和規范數據資源建設目標、范圍與流程。從調研結果來看，僅有少數的圖書館發布了要素完備、內容充實的數據資源發展政策（詳見表1），主要體現在保持與館藏發展政策的一致性，遵循圖書館文獻資源建設的基本思路與方法之上。同時，還具備了數據資源的特殊性，表現在對資源類型、格式、存儲要求、讀取軟件、數據文檔等方面的規定。

數據資源發展政策也逐步進入研究視野。克里斯·艾克提出了數字科研數據集的選擇政策，并建立數據采訪決策流程[35]。帕特里克·弗洛倫斯探討了GIS數據館藏發展政策制訂，應考慮圖書館既有的館藏發展政策、GIS用戶社區的需求、學校GIS服務及圖書館的基礎設施[36]。參照文獻資源發展政策的定義[37]，本文將數據資源發展政策定義為：以書面形式系統確定圖書館數據資源發展政策及具體實施規范，實現數據資源與紙本資源、數字資源的有機銜接，實現科研數據的有效管理和最大效益。數據資源發展政策作為數據資源建設的指導性文件，具有規范和指引數據資源建設的作用，應給予足夠的重視。

3.3 服務需求，培育數據資源建設團隊

數據資源建設需要專業化團隊運作，團隊一般由數據館員、學科館員、采訪館員、財務人員等組成。例如，馬里蘭大學圖書館采訪與數據服務組由組長、訂購/服務主管、技術支持人員、學科館員、付款與收款經理、財務助理、學生助理等人員構成[38]。訂單處理、商務談判和經費管理等工作需要采訪館員實施，數據資源需求處理、數據資源評價等則需要學科館員或數據館員的專業知識與技能。例如，加州大學伯克利分校的數據科學不斷發展，對數據資源需求日益強烈，學科館員負責處理用戶數據資源采購需求[39]。此外，數據分析軟件、數據存儲還需要技術館員的參與。因此，圖書館既需要加強館員數據素養教育，讓館員熟悉科研數據資源的分布特征及相關屬性、數據統計分析軟件的性能和使用方法、數據管理的知識與技能，又需要優化組織結構、工作流程與方法，為數據資源建設提供組織保障。

3.4 立足需求，建立數據資源評價機制

數據資源的使用績效評估，一般可以從數據影響力、數據引用和數據使用三個方面進行定量分析。數據影響力主要是針對開放數據集，數據引用主要是事后評價方法，而資源采購決策由于存在時間延遲，因此數據使用統計分析要具有可操作性，合理收集機構用戶瀏覽、下載和標注數據集的行為，以此作為評價數據資源的重要依據。2018年，《研究數據使用統計實施規范》（第1版）推出，遵循COUNTER第5版標準，從總數據集調查量、數據集調查量、總數據集請求量、數據集請求量四個方面規范了數據使用統計指標[40]，具有數據統計的特殊性。此外，定性評價作為重要評價方法，在數據購買需求調查時要進行深度訪談。數據資源選擇評價時，也要綜合考慮數據集與教學科研的相關性、價值性、稀缺性、文檔層次性、配置性、脆弱性和經濟可行性等因素[41]。

4 結語

數據資源建設是大數據時代圖書館信息資源建設的深化與拓展，也是圖書館核心功能在數智時代的體現。本文從信息資源建設角度初步探討了數據資源建設的內涵、價值與實施建議，為圖書館發展提供有益的參考。對于數據資源建設與數據治理的互動、數據資源建設與科研數據管理協同、科研數據資源建設績效評價等方面還需要進一步討論。

參考文獻：

FOSTER A K， RINEHART A K， SPRINGS G E. Piloting the purchase of research data sets as collections： navigating the unknowns [J]. Portal： Libraries and the Academy， 2019， 19（2）： 315-328.

DAVIS H M， VICKERY J N. Datasets， a shift in the currency of scholarly communication： implications for library collections and acquisitions [J]. Serials Review， 2007， 33（1）： 26-32.

肖希明，石慶功，劉奕.信息資源建設：“十三五”回望與“十四五”前瞻[J].圖書情報工作，2021，65（1）：55-63.

CONVERSE P E. A network of data archives for the behavioral sciences [J]. Public Opinion Quarterly， 1964， 28（2）： 273-286.

WHITE H D. Social science data sets： a study for librarians [D]. Berkeley：University of California，? 1974.

TSANG D C. Academic libraries and collection development of nonbibliographic machine-readable data files[J]. IASSIST Quarterly， 1988，12（3）：26-29.

楊從科.中國農業科學數據資源建設研究[D].北京：中國農業科學院，2007：39.

WALTERS W H. Building and maintaining a numeric data collection [J]. Journal of Documentation，1999， 55（3）： 271-287.

COOK M N， HERNANDEZ J J， NICHOLSON S. SPEC Kit 263： Numeric data products and services [M]. Washington D.C.： Association of Research Libraries， 2001.

VARDAKOSTA I， KAPIDAKIS S. Geospatial data collection policies， technology and open source in websites of academic libraries worldwide [J]. Journal of Academic Librarianship，2016，42（4）：319-328.

REITER L. Commercial data in academic business research： a study on use and access [J]. Journal of Business & Finance Librarianship， 2020， 25（3-4）： 244-260.

GELFAND J M. Academic libraries and collection development implications for grey literature [J]. Publishing Research Quarterly， 1997， 13（2）： 15-23.

BOTé J-J. Dataset management as a special collection [J]. Collection Management， 2019，44（2-4）：259-276.

MOONEY H. Strategies and models for data collection development [EB/OL]. [2021-07-22]. https：//iassistdata.org/downloads/2013/2013_c2_mooney_etal.pdf.

HOGENBOOM K， HAYSLETT M. Pioneers in the wild west： managing data collections [J]. Portal： Libraries and the Academy， 2017， 17（2）： 295-319.

SHEEHAN B， HOGENBOOM K. Assessing a patron-driven， library-funded data purchase program [J]. The Journal of Academic Librarianship， 2017， 43（1）： 49-56.

楊善林，周開樂.大數據中的管理問題：基于大數據的資源觀[J].管理科學學報，2015（5）：1-8.

浙江省人民代表大會常務委員會.浙江省數字經濟促進條例[EB/OL].[2021-12-29].https：//www.zjrd.gov.cn/dflf/fggg/202012/t20201224_90483.html.

肖希明.信息資源建設：概念、內容與體系[J].中國圖書館學報，2006（5）：5-8.

YOUNG S. What to do about data： an overview of guidelines and policies for dataset collection development[EB/OL]. [2021-07-22]. https：//doi.org/10.13028/9hk9-p212.

KUNG J Y C， CAMPBELL S. What not to keep： notall data have future research value [J]. Journal of the Canadian Health Libraries Association， 2016， 37（2）： 53-57.

Principles of data acquisition [EB/OL]. [2021-08-11]. https：//www.library.ucla.edu/about/collections/collection-development-initiatives/principles-data-acquisition.

楊國立，周鑫.“數據即服務”背景下圖書情報機構科學數據服務的發展機遇[J].情報學報，2017，36（8）：772-780.

浙江大學.浙江大學發布《重大領域交叉前沿方向2021》報告[EB/OL].[2021-12-01].https：//www.zju.edu.cn/2021/0916/c32862a2422047/pagem.htm.

豐佰恒，佟澤華，馮曉，等.科研大數據生態系統：構成要素及關聯關系[J].情報理論與實踐，2021，44（9）： 14-22， 32.

楊習超，張煒.高校數據科學教育生態系統建構：以美國普渡大學為例[J].比較教育研究，2021，43（2）： 98-104.

University of Virginia Library. Data collection development policy [EB/OL]. [2020-05-12]. https：//www.library.virginia.edu/services/data-purchase-program/data-collection-development-policy/.

Brown University library. Social sciences data collection development policy [EB/OL]. [2021-05-12]. http：//libguides.brown.edu/socscidata.

James Madison University Library. Data collection development policy [EB/OL]. [2021-05-12]. https：//www.lib.jmu.edu/policies/data-collection-development/.

Michigan State University Library. Collection development policy statement： digital research data [EB/OL]. [2021-05-12]. https：//libguides.lib.msu.edu/c.php？g=139267.

University of North Texas Library. Collection development policy for general collection research data [EB/OL]. [2021-05-12]. https：//library.unt.edu/policies/general-collection-research-data/.

University of California， Santa Barbara. Collection development policy for social sciences data [EB/OL]. [2021-05-12]. https：//www.library.ucsb.edu/collection-development/collection-development-policy-social-science-data.

Ontario Tech University. Data collection development guidelines [EB/OL]. [2021-05-12]. https：//ontariotechu.ca/sites/library/about/library-policy/data-collection-development-guidelines.php.

Carleton College Library. Collection development policy for data and data-related products [EB/OL].[2021-05-12]. https：//apps.carleton.edu/campus/library/assets/DataCollectionDevelopmentPolicy_2015.pdf.

EAKER C. Selection and appraisal of digital research datasets[M]// KELLAM L， THOMPSON K. Databrarianship： the academic data librarian in theory and practice . Chicago， Illinois： Association of College and Research Libraries，2016：245-258.

FLORANCE P. GIS Collection development within an academic library [J]. Library Trends 2006， 55（2）： 222-235.

戴龍基.文獻資源發展政策研究[M].北京：北京大學出版社，2007：3.

CS acquisitions and data services [EB/OL]. [2021-10-01]. https：//www.lib.umd.edu/binaries/content/assets/public/collections/acquisitionsanddataservices_orgchart_202006pdf.pdf.

Data acquisition and access program： UC Berkeley Library [EB/OL]. [2021-08-11]. https：//guides.lib.berkeley.edu/data.

林偉明，葉蘭.研究數據使用統計新標準及其應用案例研究[J].圖書情報工作，2019，63（16）：32-42.

EAKER C. Selection and appraisal of digital research datasets[M]// KELLAM L， THOMPSON K. Databrarianship： the academic data librarian in theory and practice . Chicago， Illinois： Association of College and Research Libraries，2016：245-258.