科技人才元數據應用研究

周億城，李貴龍，李維思，涂 彥，唐滿華

（湖南省科學技術信息研究所，長沙 410000）

元數據是關于“數據的數據”，用以描述網絡信息資源，有助于資源發現和便于人和機器可讀性，元數據貫穿于整個數據生命周期，參與數據資源的拆分、重組、分析和挖掘等階段，結構化、標準化、語義化和機器可讀的元數據是政府管理數據的基礎[1]。其使用的主要目的在于：識別、評價、追蹤原始數據在使用過程中的變化，以實現便捷、快速、有效地利用龐大的數據，能夠迅速、精準地對信息資源進行發現、查找和管理[2]。元數據還被稱為中介數據、中繼數據，具有通用性和結構化的特點[3]。此外，美國信息標準組織（National Information Standards Organization，NISO）從其本身的詞源進行定義，即元數據是關于信息或關于數據的數據，是用來創建、解釋和共享所描述事物的信息。元數據是一個具有抽象概念的結構化信息，主要用于對數據資源進行定位、描述、解釋，幫助用戶更快更好地檢索、利用和共享信息。

由于科技人才數據的重要性、敏感性，科技人才元數據在科技管理協同方面還不夠開放，相關人才元數據標準或者規范研究成果也沒有有效地推廣應用。在2017 年12 月，中國科學技術信息研究所聯合科技部科技人才交流開發服務中心、北京萬方軟件有限公司、山東科學技術信息研究所和重慶科技信息研究所等單位發布了GB/T 35397—2017《科技人才元數據元素集》，而該項標準只針對科技人才的元數據組成要素進行一般情況下的規定，對科技人才的元數據如何細化分類、充分描述，構建元數據結構樹，以及對科技人才元數據的創建、存儲、整合及控制的一整套流程，如何精準定位需要查找的數據，減少數據研究的時間成本，構建科技人才元數據管理系統尚未深入研究。

科技人才元數據標準是科技人才信息資源組織、描述、管理、長期保存和保護的基礎，是實現各類科技人才信息系統數據庫之間數據共建共享的重要前提，由于目前科技人才信息數據庫由不同的單位設計和維護，其元數據結構及其元素存在很大的差異，阻礙了科技人才數據之間的共建和共享[4]。因此，通過建立較為通用標準的科技人才元數據，有利于管理人員對元數據的重要信息進行分類篩選，快速精準地挑選出自己切實需要的信息，將大幅提升科技人才工作者的工作效率。

1 科技人才元數據分類與描述

元數據分類具有多種視角和維度，根據描述不同對象可以分為業務元數據、技術元數據、管理元數據等。本文主要從業務元數據和技術元數據2 個方面開展研究，業務元數據主要是對IT 系統的數據實體和數據處理的業務化描述，技術元數據主要用來描述數據實體和數據處理過程中的技術細節和處理規則[5]。

1.1 科技人才業務元數據分類

從業務需要考慮，將科技人才元數據分為科技人才基礎元數據，科技人才核心元數據、科技人才擴展元數據。科技人才基礎元數據是指人才作為一個科研人所具有基本屬性，是個人在參與科技活動時涉及的最基礎信息內容的集合，包括個人的姓名、性別、出生日期和證件號碼等，同時這一部分元數據涉及個人隱私，是需要相當安全保密的；科技人才核心元數據是指作為一個科技人才基本必要的信息，如所學專業、學科領域、職務職稱等，這些信息是描述一個人才非常重要的信息，也是科技人才的一個顯要標識；科技人才擴展元數據是指描述一個人才不是必須的信息，但有這些信息可以更加精準地描述這個人才，如專利、論文、獎勵榮譽等信息。從分類的具體信息可以看出，科技人才基礎元數據偏向于基礎信息描述，核心元數據與擴展元數據更偏向于業務使用。具體分類見表1。

1.2 科技人才技術元數據分類

從應用角度對于科技人才技術元數據進行梳理，首先制定元數據描述的方法，再對其進行標準化的描述。元數據作為對數據的描述，一般的組成部分有數據之間的共享規則、數據傳遞的接口定義、業務走向流程及產品各項參數等[6]。根據科技人才元數據應用的需求，提出一種科技人才結構化數據的梳理方法，按照基本信息、類型、約束方式、取值范圍、關聯關系和附加信息這幾方面對元數據進行梳理，如圖1 所示。

圖1 科技人才技術元數據分類

基本信息包括中英文名字、定義、主要目的等部分。類型信息由元素類型和數據類型2 個部分構成，其中數據元素類型是指數據的種類和結構，包括基本數據類型和復合數據類型2 類，常用數據類型則包括數值型、字符型、日期時間型3 種。數據的約束信息一般包括是否必須選擇、可選可不選、設置條件約束選擇這幾部分組成，由用戶根據實際使用情況確定數據的約束條件。數據的取值范圍由通過列舉可以選取的值、數據本身的最大值和最小值之間的范圍、字符型數據所占用的字符長度這幾部分組成，如人才出生日期、手機號碼等信息。關聯數據是指由幾個基礎數據互相作用而產生的數據，如人才證件信息與電話號碼。數據的附加信息由計數據來源、表示方式和注釋這幾部分組成。數據來源表示原始數據的具體出處，確保數據一數一源。便于數據管理者更清晰地理解科技人才元數據的內容，并以此應用科技人才元數據。

2 科技人才元數據管理系統簡要設計

在應用過程中，采用自頂向下取得較優模型，基于科技人才業務元數據和技術元數據，研究設計了科技人才元數據管理系統。系統設計自上往下從功能域進行分解，將完整的數據流分解為有序排列的業務功能。功能設計主要包括系統管理、目錄服務、元數據管理和其他功能等。具體如圖2 所示。

圖2 科技人才元數據管理系統主要功能架構

元數據業務流主要節點包括編輯、錄入、修改、審核和入庫。數據錄入人完成元數據編輯且無錯誤提示后將結果提交至元數據管理系統，并啟動審核流程。審批流程啟動后通過流程引擎通知數據審核人對錄取數據進行審核。數據審核人在元數據管理系統查閱錄入的元數據，然后反饋意見和審核結果，若數據無誤則審核通過，并發布審核之后的元數據;若審核不通過，則數據退回，由數據錄入人根據審核意見再次編輯元數據并重新提交審核。元數據審核通過后，則元數據入庫，可進行數據查詢，流程如圖3 所示。

圖3 科技人才元數據發布流程

3 實例應用

基于前面科技人才元數據分類、描述以及數據發布流程，在科技人才元數據管理系統進行實驗測試。

3.1 元數據填報

基于表1 對于科技人才元數據的分類研究，根據規定格式創建Excel 數據填寫導入模版，包含姓名、性別、出生日期、民族、國籍、證件類型和證件號碼等元數據信息。如圖4 所示。

圖4 科技人才元數據填報模板（截圖）

3.2 數據校驗

數據校驗原則上依靠各級審核對其真實性和完整性進行把關[7]，為避免出現文本/數值類型、超出值等基礎性錯誤，基于人才元數據系統功能設計將人才各類元數據描述規則寫入系統功能，通過Excel 導入時可進行自動驗證，判斷所填數據是否滿足值域、數據類型等要求。驗證合格后的元數據將按照分類進行存儲，存儲入庫的元數據可直接在系統進行檢索和查看。

如元數據不符合規則校驗未通過時，則Excel 導入失敗，并會提醒導入失敗原因和具體不符合要求的節點，以便核查，具體如圖5 所示。如元數據符合規則，則Excel 導入成功，可點擊查看數據具體明細，并進入審核流程。

圖5 科技人才元數據校驗錯誤提示（截圖）

3.3 數據維護

使用過程中元數據需要不斷地進行更新維護，才能保證元數據的高可用性[8]。本文元數據維護設計是以科技人才證件號碼元數據為唯一識別碼，當元數據發生變化需要更新時則將更新后的數據重新導入系統，以證件號碼元數據為唯一識別碼將前面的數據進行覆蓋，且在導入時會進行提醒是否進行覆蓋，具體如圖6 所示。

圖6 科技人才元數據維護（截圖）

4 結束語

元數據設計是科技人才數據能夠更加安全可靠應用的基礎，本文主要從業務和技術2 個大的方面對科技人才元數據進行分類研究，基于此進行了科技人才元數據應用，提出了適合科技人才元數據分類描述、填報、校驗和維護利用的方法，通過上述方法集成功能模塊對數據進行處理，以期能夠為科技人才數據應用提供案例借鑒。本文對科技人才元數據的分類及應用研究還有待改進，文章期望不斷與實踐結合，對理論部分內容進行反饋與補充，從而更加科學地做好科技人才元數據設計與應用方法。