科研數(shù)據(jù)管理能力成熟度評估模型的系統(tǒng)綜述

[摘 要]科研數(shù)據(jù)管理能力成熟度評估模型將科研數(shù)據(jù)管理實踐與最佳實踐進行比較，發(fā)現(xiàn)并改進實踐過程中的不足。研究旨在對“大科學”背景下科研數(shù)據(jù)管理能力成熟度評估模型的發(fā)展現(xiàn)狀進行描述。為此，對5 個相關數(shù)據(jù)庫發(fā)表的一系列高質量研究成果進行了系統(tǒng)性繪圖研究。所分析的30 篇研究成果顯示了該領域存在的不足和挑戰(zhàn)，盡管科研數(shù)據(jù)管理的概念逐漸完善，但學界并沒有就領域本體達成良好共識，且模型客觀性因素的缺乏導致領域創(chuàng)新動力不足。此外，還存在評估模型對管理機構的角色定位不明確、模型構建與學界之外主體的互動明顯不足的問題。文章希望能為科研數(shù)據(jù)管理能力成熟度評估模型未來的研究提供新的方向和建議。

[關鍵詞]科研數(shù)據(jù)管理 能力成熟度 成熟度評估 系統(tǒng)綜述 系統(tǒng)性繪圖研究

[中圖法分類號]G311 [文獻標識碼]A [文章編號]1003-7845（2024）01-0040-09

[引用本文格式]金業(yè)剛. 科研數(shù)據(jù)管理能力成熟度評估模型的系統(tǒng)綜述[J]. 高校圖書館工作，2024（1）：40-48.

引言

隨著“第四范式”的產生，“科學”日益成為數(shù)據(jù)密集、高度協(xié)作和高度計算的大規(guī)模科學[1] 。這為科研機構帶來了新的機遇和挑戰(zhàn)，包括如何對研究過程中產生的科研數(shù)據(jù)進行有效和可持續(xù)的管理[2] 。科研數(shù)據(jù)管理（Research Data Management，RDM）指對科研數(shù)據(jù)生命周期全過程的監(jiān)護和管理，近十年來一直處于討論與研究的焦點。按照應用較為廣泛的英國數(shù)字管理中心（Digital CurationCentre，DCC）的科研數(shù)據(jù)管理全周期模型，科研數(shù)據(jù)管理服務一般包括創(chuàng)建與接收、鑒定與選擇、采集、保存、存儲、獲取與復用、轉化與遷移、保存規(guī)劃、數(shù)據(jù)描述、信息呈現(xiàn)等內容[3] 。

近些年，隨著數(shù)據(jù)泛濫現(xiàn)象的激增，人們日益認識到數(shù)據(jù)再利用的價值以及科研投資回報最大化的前景，有關RDM 的文獻越來越多[4] 。高等院校和研究機構也開始戰(zhàn)略性布局RDM，將內部產生的研究數(shù)據(jù)視為資產，而不是科學研究的副產品[5] 。不少研究者開發(fā)和改進了RDM 成熟度模型并對機構的數(shù)據(jù)管理能力進行評估，對標廣受認可的最佳實踐，發(fā)現(xiàn)和彌補自身數(shù)據(jù)管理能力的不足。同時許多研究也在試圖運用這些模型并檢驗其有效性，以便在實踐中評估RDM 的成效。國外早期相關模型有基于數(shù)據(jù)管理過程的SDM-CMM，基于能力評估的CCMF、ANDS、DMVitals 等[6] 。隨著科研活動中異構數(shù)據(jù)、跨機構網絡、分布式設施等的廣泛應用，僅僅滿足研究人員或投資者需求的框架不足以全面描述和評估RDM 的特征與質量[7] ，如何設計RDM成熟度模型成為新的挑戰(zhàn)。有研究者重申數(shù)據(jù)質量成熟度對研究數(shù)據(jù)復用的支撐性[8-9] ，部分模型嘗試融合商業(yè)導向和過程導向構建數(shù)據(jù)管理模型[10] ，有研究者提出從科學實驗室中開展數(shù)據(jù)取證和分析的RDM 新方案[11] 。在國內，RDM 經歷了從模型介紹到本土化發(fā)展的歷程，被推介的模型主要有SDMCMM[6，12-13] 、CMMI DMM[13-14] 、RISE-DE[15] 等，學者們從特征差異區(qū)分和應用潛力挖掘兩方面切入，并在此基礎上逐漸創(chuàng)造了成熟的模型成果。例如黨洪莉等[14] 基于DMM 模型采取階梯成熟度與能力要素構建二維框架，陳媛媛[16] 采用了三級能力指標體系，葉蘭[17] 綜合采用了階梯成熟度與兩級指標體系。

RDM 能力和成熟度模型的不確定性因素在于科研活動條件和需求的變化，這意味著圖書館等科研機構需要持續(xù)提升技能水平，重新評估科研數(shù)據(jù)管理的需求[18] 。模型評估的結果因時而異，模型本身也需要不斷迭代以適應新環(huán)境。縱觀既往研究，階段性的需求評估不勝其數(shù)，受歡迎的模型成果也在更替和進化。但是這些模型至今得到何種程度的發(fā)展，存在哪些問題，尚未有研究進行系統(tǒng)歸納和分析。由此，一些隱藏的問題可能成為科研數(shù)據(jù)可持續(xù)性管理的桎梏。

1 研究設計責任

本研究采用“ 系統(tǒng)性繪圖研究” （ SystematicMapping Study，SMS）的方法進行結構化綜述，該方法最初在醫(yī)學領域得到開發(fā)與應用，后逐漸被軟件工程等領域所借鑒[19] 。SMS 類似于系統(tǒng)性文獻綜述（Systematic Literature Review，SLR），在檢索與研究選擇方面，兩者具有共通之處，但在目標、廣度、有效性問題等方面有所不同[20] 。SLR 旨在綜合考察研究證據(jù)的同時考察證據(jù)本身的強度，SMS 主要是對一個研究領域進行系統(tǒng)性繪圖[21] 。相較于傳統(tǒng)的敘述性文獻綜述，SMS 的優(yōu)勢在于其具有一套規(guī)范的文獻選擇與分析流程，能夠較大程度減少文獻綜述過程中的主觀性偏倚、發(fā)表偏倚，同時能提供一個研究領域的“全景藍圖”。根據(jù)Petersen K 等[19]定義的SMS 方法（見圖1），本節(jié)主要呈現(xiàn)計劃階段的任務細節(jié)，后續(xù)章節(jié)則針對該方法的流程下產生的報告結果進行探討與反思。

1. 1 研究問題

參考Giménez - Medina M 等[22] 提供的“ how many， be what， for what”思路，本研究要解決的研究問題如下：

RQ1：研究運用什么方法、技術或工具評估組織的RDM 能力成熟度？

RQ2：這些方法、技術或工具在實際的RDM 能力成熟度評估活動中是否得到驗證？

RQ3：各種RDM 能力成熟度評估方案的本質是什么？

RQ4：RDM 能力成熟度評估方案的研究追求何種目標？

這些問題旨在更多地了解RDM 能力成熟度評估領域的研究成果。因此，了解已提出的方法類型（RQ1）以及它們是否在實踐或理論背景下得到驗證（RQ2）十分有必要。同樣重要的是需要了解RDM能力成熟度評估所涉及的不同研究方法，RQ3 分析了RDM 能力成熟度評估方案中的關鍵要素，包括評估層次、能力類型。RQ4 分析了RDM 能力成熟度評估方案研究的目標，以確定其是否考慮了RDM能力成熟度評估的相關內容，例如能力或成熟度衡量，成熟度標準，利益相關者等。

1. 2 檢索策略

本文以中國知網、Web of Science 核心合集、Scopus、IEEE Xplore、Google Scholar 5 個信息科學、數(shù)據(jù)科學領域常用的數(shù)據(jù)庫為檢索平臺。其中，中國知網是中文文獻集聚最為集中的平臺，用來檢索中文文獻;Web of Science 核心合集和Scopus 都是大型的引文數(shù)據(jù)庫，其涵納多門學科領域，比如經濟、管理、高等教育等，有助于篩選學科領域的核心文獻;IEEE Xplore 涵蓋計算機、通信工程等技術領域的大部分學術成果;Google Scholar 被用于查找網絡資源，以搜集所需學科可能遺漏的相關文獻。數(shù)據(jù)獲取與處理時間為2023 年7 月—8 月，獲取的數(shù)據(jù)為截至2023 年7 月發(fā)表的所有成果。

圍繞“科研數(shù)據(jù)管理”與“能力/ 成熟度評估”兩類核心概念，本文構建了檢索關鍵詞（見表1）。特別地，“模型/ 標準/ 方法”雖然同樣是本研究的核心概念之一，但是因為其使用過于寬泛，當其納入檢索時會產生較大噪聲，因此在檢索階段只保留前兩類核心概念， 將“ 模型/ 標準/ 方法” 置于后續(xù)篩選階段。

基于已界定的關鍵詞，筆者根據(jù)不同數(shù)據(jù)庫的特點制定不同的檢索策略：主要檢索項為“主題”，對不具有該檢索項的數(shù)據(jù)庫（如IEEE Xplore，Scopus），選擇“標題/ 摘要/ 關鍵詞”作為檢索項;使用布爾邏輯運算符連接“科研數(shù)據(jù)管理”和“能力/ 成熟度評估”的相關關鍵詞，根據(jù)上述中英文數(shù)據(jù)庫的檢索要求，構建相應檢索式進行檢索;Google Scholar 的高級檢索功能有別于其他數(shù)據(jù)庫，經過多次檢索后選擇在文章標題中同時包含“research data management”和“maturity”作為篩選條件。由于本次檢索采用的都是常見關鍵詞，導致輸出的初檢結果較為龐大，而本研究只針對科研數(shù)據(jù)管理的通用或一般模型，因此醫(yī)學或軍事等特殊領域的科研數(shù)據(jù)管理模型研究被剔除。

1. 3 文獻納入/ 排除標準

為了確保參考文獻的質量，本研究定義了3 條納入標準（IC）和3 條篩除標準（EC），如表2 所示。將檢索式代入5 個數(shù)據(jù)庫進行檢索并應用這些標準逐步進行挑選，篩選流程如圖2 所示。數(shù)據(jù)庫初始檢索結果的元數(shù)據(jù)包括標題、作者、文獻類型、DOI和摘要等，利用Excel 存儲和組織這些數(shù)據(jù)，總計獲得1 334 篇文獻，應用上述定義的標準后，最終產生30 篇原始文獻用于后續(xù)分析。

1. 4 分類方案

本部分定義了原始文獻的編碼分類方案，以對文獻特征進行深度分析。

RQ1 旨在確定有關RDM 成熟度評估方面的研究產出了哪些方法、技術或工具。為了解答這一問題，本研究參考了“設計學”（Design Science）模型②定義的4 個特征，即構念、模型、方法和實例[23]4-7。需要注意的是，有的學者在文章使用“框架”這一表述，“框架”既指構念（即概念框架），也包括模型、方法或實例，需要視具體情況確定其對應的特征。

RQ2 旨在確定有關RDM 能力成熟度評估是理論的還是實踐的，即需要了解這些研究是否得到有效驗證。因此，本文定義了“已驗證”“未驗證”2 個特征。“已驗證”又被細分為“行業(yè)驗證”和“學術驗證”，如果一個研究具有多個形式的驗證，它同時還會被區(qū)分為“調查”“案例研究”“實驗”[23]45-48。

RQ3 旨在研究各種RDM 能力成熟度評估方案所面臨的問題。首先，為了確定該研究是在何種層次上對RDM 能力成熟度進行評估，筆者將評估層次劃分為數(shù)據(jù)質量層、科研素養(yǎng)層、機構服務層。在機構服務層中，根據(jù)研究機構對象的不同又將機構層細分為高校、圖書館、其他科研機構（如數(shù)據(jù)管理中心、研究所等）、一般性機構（指未嚴格區(qū)分的研究機構）4 類。其次，RDM 能力成熟度評估的一個重要方面是確定評估的能力指標。本文對所獲得的文獻內容進行分析，揭示指向RDM 的能力集合。本文綜合參考Qin J 等[24] 、Crowston K 等[25] 和CoxA M 等[26] 學者的研究，并結合《研究數(shù)據(jù)管理的現(xiàn)實》系列報告，認為RDM 服務能力應至少包含針對數(shù)據(jù)本身的和針對服務用戶兩部分的服務能力。Qin J 等[24] 將其劃分為特定實踐（specific practices）與通用實踐（general practices）兩大領域，因此本研究定義“專業(yè)性”“支持性”為兩類能力特征。

RQ4 旨在確定有關RDM 能力成熟度評估方案研究的目標和重點。首先，需明確評估方案的類型是新方案、既有方案、改進方案還是比較方案。新方案被定義為自2018 年起出現(xiàn)的采納新技術（如大數(shù)據(jù)分析）、吸納新理論（如數(shù)據(jù)循證）或者融合更多主體視角的評估模型。既有方案是指2018 年之前提出的視角相對單一、理論相對陳舊的評估模型。既有方案與改進方案呈發(fā)展關系，對既有方案進行聲明，則為改進方案。比較方案是比較模型特征并評估優(yōu)劣的模型整合，目的在于作出選擇。其次，用“能力評估”和“成熟度評估”來確定在RDM 能力成熟度評估方案研究中，能力或成熟度是否被評估。并且，成熟度的分級標準也是本研究的關注重點，參考Giménez-Medina M 等[22] 的研究，本研究界定了“數(shù)學方法”（如模糊技術、層次分析法、貝葉斯網絡、二次模型）與“非數(shù)學方法”（如調查、分層能力模型），目的是了解RDM 能力成熟度評估方案研究中的成熟度級別是由定量方式還是定性方式確定的。再次，RDM 能力成熟度評估方案研究的目標可劃分為“優(yōu)化管理實踐”“培養(yǎng)管理能力”“建立科研信任”“爭取投資”。最后，RDM 是一個關涉投資者、機構決策者、科研人員和管理人員的多主體活動，利益相關者同樣受到本研究的關注。“四螺旋（QuadrupleHelix）”的概念強調利益相關者的參與對創(chuàng)新和管理過程是至關重要的，需要考慮的利益攸關方不僅是組織本身，還應包括公共機構、學術界和社會，從而使不同的知識模式相互促進、協(xié)同演化和交叉融合[27] 。為了解RDM 能力成熟度評估方案研究在設計RDM 能力成熟度評估方案時是否考慮了利益相關者的作用，“管理部門”和“四螺旋”（包括學術界、業(yè)界、政府和公眾）的特征也納入本文的分析范圍。

2 結果

本節(jié)主要介紹應用初始分類方案之后的分析結果。在既定方案之下，隨著分析文獻的不斷加入，不適用的文獻特征被放棄，新特征不斷加入，分類方案也在不斷演進和趨于完整。針對每個研究問題提取的數(shù)據(jù)如下。

2. 1 研究方案成果

RQ1：研究運用什么方法、技術或工具評估組織的RDM 能力成熟度？ 如圖3 所示，大部分研究聚焦于模型、方法和實例3 個方面，相對而言，關注構念（概念框架）的研究較少，僅占16. 67%。原始文獻中涉及的一些成體系的成熟度模型、方法或工具見表3。提及模型（43. 33%）的研究中有23. 07%同時提到相應的其他實例或工具，如評估指標體系、能力培養(yǎng)方案等。提及方法（33. 33%） 的研究中有40. 00%同時提到其他實例或工具。另外，6 篇研究僅使用實例來評估組織的RDM 能力成熟度。

2. 2 方案驗證情況

RQ2：這些方法、技術或工具在實際的RDM 能力成熟度評價活動中是否得到驗證？ 如圖4 所示。53. 33%的研究得到行業(yè)驗證，20. 00%的研究得到學術驗證。調查和案例研究在已驗證類型里占據(jù)相同的比例。但是，沒有研究通過實驗的方式驗證RDM 能力成熟度評價方案的可靠性。值得注意的是，90. 91%的案例研究提供模型或實例，81. 82%的案例研究屬于行業(yè)驗證。在23 篇提供模型或實例的研究中，有9 篇（39. 13%）使用案例方式進行行業(yè)驗證，有2 篇（8. 70%）借助案例方式進行學術驗證。

2. 3 評估方案要素

RQ3：各種RDM 能力成熟度評估方案的本質是什么？ 如圖5 所示，76. 67%的研究聚焦于機構服務層的評估， 少部分研究聚焦于數(shù)據(jù)質量層（13. 33%）和科研素養(yǎng)層（10. 00%）。在機構服務層中，以一般性機構（36. 67%）和圖書館（26. 66%）為主體。此外，大多數(shù)研究基于數(shù)據(jù)管理政策、數(shù)據(jù)FAIR 遵循度、科研生命周期管理等能力要素開展RDM 能力成熟度評估。同時，協(xié)調多方利益、強調社區(qū)合作也成為研究機構RDM 能力評估的重要內容。如表4 所示，文章總計識別出32 種能力，并將能力關鍵詞凝聚成兩大類：專業(yè)性和支持性，以及四小類：制度規(guī)范（23. 15%）、過程管理（24. 07%）、利益協(xié)調（16. 20%）和服務支持（36. 58%）。其中，制度規(guī)范和過程管理是與數(shù)據(jù)生命周期直接相關的專業(yè)性能力，利益協(xié)調和服務支持是輔助科研數(shù)據(jù)管理的支持性能力。支持性能力（52. 78%） 備受關注，其中，技能培訓（8. 33%）、機構合作（4. 63%）和鼓勵共享（4. 63%）是科研數(shù)據(jù)管理支持性能力的主要組成部分。

2. 4 評估方案目標

RQ4：RDM 能力成熟度評估方案的研究追求何種目標？ 首先，在方案類型上，大部分的方案是既有方案（50. 00%） 和改進方案（23. 34%）， 新方案（13. 33%）和比較方案（13. 33%） 相對較少。在能力或成熟度衡量方面，大部分研究（76. 67%）考慮了能力的評估，較少的研究（40. 00%）考慮了成熟度的評估。值得注意的是，所有能力成熟度評估方案的研究都包含了能力評估，這與能力成熟度評估建立在具體的能力指標之上有關。

其次，確定區(qū)分成熟度的方法尤為重要。大部分對成熟度進行評估的研究采取了發(fā)展成熟的分層能力模型（83. 34%），極少數(shù)使用了層次分析法（8. 33%）和調查法（8. 33%）。總體而言，幾乎所有的能力成熟度評估方案研究通過基于經驗的主觀賦值法判斷RDM 成熟度。此外，成熟度的分級標準和內涵也不盡相同。在12 篇能力評估成熟度評估方案的研究中，6 篇（50. 00%） 采用五級成熟度劃分，3 篇（25. 00%） 采用四級成熟度劃分， 2 篇（16. 67%）為六級成熟度，1 篇（8. 33%）為三級成熟度。在成熟度的具體內涵上，4 篇（33. 33%）設置0級表示一種“無”相應服務或能力“不成熟”的最低狀態(tài)。大部分能力成熟度評估方案研究（58. 3%）使用SEI-CMM 的階段成熟度劃分方法，分為初始級、已管理級、已定義級、定量管理級和優(yōu)化級。在SEI-CMM 的階段成熟度劃分方法中，1 級一般作為初始級，指一種數(shù)據(jù)管理沒有明晰的目標與實踐路徑的狀態(tài)，與四級或六級成熟度中的0 級含義大致相同，但有時0 級被用來強調不存在相關服務或管理活動。少部分研究采取的劃分法強調圖書館在RDM 中的服務能力進階。例如，Cox A M 等[26]將成熟度劃分為0 級（無服務）、1 級（基本級）、2 級（發(fā)展級）和3 級（擴展級），指代圖書館的科研數(shù)據(jù)服務能力從“標準遵從”到“組織再造與能力提升”，再到“形成管理范式” 的發(fā)展過程。而后，Cox A M等[30] 對該模型進行了優(yōu)化，重新描述為遵從級，管理級和轉化級，包括圖書館的科研數(shù)據(jù)服務能力從“規(guī)范依從”到“服務創(chuàng)建”再到“角色嵌入”的發(fā)展過程。Kouper I 等[31] 將成熟度簡化為基礎建立，組織與標準化，監(jiān)控與優(yōu)化三級，以此體現(xiàn)圖書館RDM 專業(yè)能力、個性化服務能力不斷提升的過程。

根據(jù)原始文獻中提取的RDM 能力成熟度評估方案研究的目標，得出如圖6 所示的數(shù)據(jù)。優(yōu)化管理實踐（83. 33%）是原始文獻中提到頻次最多的目標，其次是培養(yǎng)機構或人員的管理能力（23. 33%）以及建立與科研人員的信任（23. 33%），爭取投資占比最小（13. 33%）。

最后，在利益相關者角色方面，表5 的數(shù)據(jù)表明，大部分研究（80. 00%）將組織整體作為數(shù)據(jù)管理職能部門，這與原始文獻中大部分研究是對機構服務層進行評估有關;目前所調研的原始文獻中沒有關注到完全態(tài)的“四螺旋”，但有76. 67%的研究關注學術界RDM 服務需求，10. 00%的研究關注到與業(yè)界在商業(yè)模式上的融合需求，23. 33%的研究關注政府部門對數(shù)據(jù)質量、數(shù)據(jù)合規(guī)性等的特殊需求。

總而言之，根據(jù)上述結果，當前RDM 能力成熟度的研究概況是：評估模型或方法更多圍繞于機構服務層面，主要通過案例研究的方式得到行業(yè)驗證。研究方案更多關注能力成熟度評估以及借鑒既有方案，大多數(shù)研究以優(yōu)化管理實踐為目標，展現(xiàn)出科研組織與學術界的良好互動。

在模型類型上，有靜態(tài)模型和動態(tài)模型之分。靜態(tài)模型可以在任意場景中使用，其往往通過層級的方式排列和組織，這種方式包含特定的技術和工具區(qū)分特征之間的相關性，比如SEI-CMM 模型和DMM 模型等工具。動態(tài)模型強調根據(jù)不同情境的成熟度需求進行動態(tài)調整，動態(tài)模型的特征需要從組織中發(fā)掘，通常包含最適合于特定情境下的特征。在某些情況下，靜態(tài)模型的技術和工具可以用來區(qū)分動態(tài)模型中特征的相關性。

在應用范圍上，有通用模型和特定模型之分，這兩種模型能交叉并以重合的方式出現(xiàn)。通用模型評估組織的RDM 能力成熟度時無地區(qū)、領域或部門限制。特定模型是為了使模型應用的結果具象化，通常適用于特定的地區(qū)、領域或部門。

3 討論

本文利用SMS 方法篩選了30 篇原始文獻，根據(jù)定義的4 個研究問題進行結果分析，發(fā)現(xiàn)不足。

3. 1 對研究本體缺乏共識

RQ1 顯示了較少原始研究（16. 67%）關注構念（概念框架）的內容，這表明在標準化科研數(shù)據(jù)管理中的基本概念研究仍存在一定不足。在RQ3 中也發(fā)現(xiàn)RDM 能力要素出現(xiàn)了缺乏共識的情形，如“結果量化評估”與“科研實踐評估”，“數(shù)據(jù)FAIR 遵循度”與“數(shù)據(jù)合規(guī)性”等。這種問題還體現(xiàn)在“過程管理”與“服務支持”的能力重疊，如“個性化服務”與“主動數(shù)據(jù)管理”，這可能源自模型集合中能力提升與過程優(yōu)化兩種視角的碰撞，不過這啟發(fā)了決策者和投資者：決定方案適配度時需要辨別RDM 能力成熟度評估實體之間的關聯(lián)性。RQ4 顯示既有方案占主導（50. 00%），較少有比較方案（13. 33%），這意味著由于對研究本體缺乏概念共識，模型之間的比較相對困難。未來的研究需要致力于解釋和聯(lián)結領域本體，重新組建RDM 的能力體系等。

3. 2 對管理機構的角色定位不明確

RQ3 顯示大部分研究（76. 67%）聚焦于機構服務層的能力成熟度評估，能力關鍵詞表示了“服務支持”中專業(yè)人員和RDM 機構的重要性。但本文通過對機構服務層的分析發(fā)現(xiàn)，許多RDM 能力成熟度評估研究未區(qū)分研究機構（36. 67%），盡管圖書館和數(shù)據(jù)館員被認為是RDM 的重要管理節(jié)點，但是其角色定位仍然模糊。RQ4 中通過對利益相關者的分析也發(fā)現(xiàn)， 數(shù)據(jù)部門的受關注度（20. 00%）仍然不夠，這可能導致從組織層面提出的培養(yǎng)管理能力的目標缺乏針對性。未來的研究有必要充分挖掘圖書館和數(shù)據(jù)館員對RDM 的支撐作用，提升其個性化服務和專業(yè)化服務能力，使管理者角色更好地嵌入科研數(shù)據(jù)生命周期。

3. 3 模型客觀性因素不足

RQ4 發(fā)現(xiàn)目前的能力成熟度模型評估方法全部為主觀賦值法，以沿用經典的分層能力模型為主，雖然主觀賦值法的可解釋性更強，但其缺乏客觀性。比較方案不足可能預示對模型科學性和適用范圍的審查不足，容易造成某些特定模型的濫用。未來的研究可以嘗試開發(fā)更多的模型，比如模糊技術、主成分分析等，以既有模型作為特征差異區(qū)分的基礎，綜合定量方法與定性方法，開發(fā)客觀性更足、適用性更廣的動態(tài)模型。相較于能力評估研究（76. 67%），成熟度研究（40. 00%）的關注度較小，與能力評估現(xiàn)狀調查相比，研究人員更少會對經驗反饋相關數(shù)據(jù)進行成熟度的分層，這可能也說明了成熟度模型構建方法的客觀性不足。此外，相較于RDM 能力成熟度評估研究廣泛得到行業(yè)驗證，學術驗證的缺乏導致成熟度模型之間同質化嚴重，成熟度模型容易失去創(chuàng)新活力。未來的研究可以在本體標準化研究的基礎上進行多層次多維度的模型改進，以更加細致地區(qū)分各模型特征，避免模型不適配的問題。

3. 4 與學界之外的主體互動不足

在RQ4 對利益相關者的分析中發(fā)現(xiàn)，學界之外的主體仍然鮮有關注。研究中的模型與公眾的互動為零，盡管公共部門是RDM 活動的主要投資者，但并無太多研究（23. 33%）關注身為主要投資者的政府。同時，模型與業(yè)界較少的互動（10. 00%） 同良好的行業(yè)驗證（53. 33%）形成反差，這可能說明商業(yè)模式、成本管理等因素并不會影響高校等科研機構對RDM 能力成熟度模型的使用。未來的研究需要重新思考利益相關者的角色，政府作為公共投資者的角色需要得到重視。

4 結論

本文是一篇對RDM 能力成熟度評估模型進行綜述的SMS 研究，通過對30 篇原始文獻的分析得出目前RDM 能力成熟度評估的研究現(xiàn)狀。結果顯示，目前能力成熟度模型得到了良好的行業(yè)驗證，其側重機構服務的評估，模型構建以研究需要為導向。存在的不足包括缺乏研究本體共識，管理者角色定位不明確，模型客觀性因素不足，與學界之外的主體互動不足，等。因而，語義標準化顯得尤其重要，未來的研究可以嘗試基于數(shù)學方法開發(fā)兼容性更強的RDM 能力成熟度評估動態(tài)模型，提升研究機構的個性化和專業(yè)化服務能力，思考利益相關者在RDM框架中的位置。

注釋：

① Capability Maturity Model Integration，能力成熟度模型集成。

② 構念（Constructs）是指概念性框架（Conceptual Framework），指一組概念定義，這些構念用于描述人工制品（artifacts）與所處環(huán)境中的現(xiàn)象， 提出有關這些現(xiàn)象的問題、陳述概括等。模型（Model）在此處指類比模型，是代表受關注實體（稱為目標）的實體，是對目標實體的抽象描述，通過研究模型可以回答有關目標的問題。方法（Method）是專家解釋現(xiàn)象并產生預期效果的一套機制。實例（Instantiation）是用以支持模型或方法的軟件或工具。

參考文獻

[1] Tolle K M，Tansley D S W，Hey A J G. The fourth paradigm： dataintensivescientific discovery[J]. Proceedings of the IEEE， 2011（8）：1334-1337.

[2] Pryor G. Managing research data[M]. London： Facet Publishing，2012：1-2.

[3] Digital Curation Centre. What is digital curation？ [ EB/ OL].[2023-09-17]. https：// www. dcc. ac. uk/ about/ digital-curation.

[4] Wong G K W. Exploring research data hosting at the HKUST institutionalrepository[J]. Serials Review，2009（3）：125-132.

[5] Lynch C，Carleton D E. Lecture： impact of digital scholarship onresearch libraries [ J]. Journal of Library Administration， 2009（3）：227-244.

[6] 葉蘭. 研究數(shù)據(jù)管理能力成熟度模型評析[J]. 圖書情報知識，2015（2）：115-123.

[7] Lehmann A，Odebrecht C. Reifegradmodelle im forschungsdatenmanagement-IT-prozessoptimierung im wissenschaftsbetrieb[J].Information-Wissenschaft amp; Praxis，2023（1）：9-21.

[8] Bahim C，Casorrán-Amilburu C，Dekkers M，et al. The FAIR datamaturity model： an approach to harmonise FAIR assessments[J].Data Science Journal，2020（1）：41.

[9] Devaraju A，Mokrane M，Cepinskas L，et al. From conceptualizationto implementation： FAIR assessment of research data objects[J]. Data Science Journal，2021（1）：4.

[10] Peng G，Privette J L，Tilmes C， et al. A conceptual enterpriseframework for managing scientific data stewardship [ J]. DataScience Journal，2018：15.

[11] Lefebvre A，Spruit M. Laboratory forensics for open science readiness：an investigative approach to research data management[J].Information Systems Frontiers，2023（1）：381-399.

[12] 李偉綿，崔宇紅. 研究數(shù)據(jù)管理生命周期模型及在服務評估中的應用[J]. 情報理論與實踐，2015（9）：38-41.

[13] 葉蘭. 數(shù)據(jù)管理能力成熟度模型比較研究與啟示[J]. 圖書情報工作， 2020（13）：51-57.

[14] 黨洪莉，譚海兵. 基于DMM 的數(shù)據(jù)管理成熟度模型及在服務評估中的應用[J]. 現(xiàn)代情報，2017（9）：118-121.

[15] 周雷，劉利永. 德國RISE-DE 科研數(shù)據(jù)管理服務自評估模型的研究[J]. 圖書館學研究，2019（21）：38-47，9.

[16] 陳媛媛. 高校科研數(shù)據(jù)管理服務能力研究[J]. 情報雜志，2020（6）：203-207.

[17] 葉蘭. 高校圖書館科學數(shù)據(jù)管理服務能力成熟度模型構建與應用研究[J]. 圖書情報工作，2022（6）：3-14.

[18] Fuhr J. Developing data services skills in academic libraries[J].College amp; Research Libraries，2022（3）：474-502.

[19] Petersen K，F(xiàn)eldt R，Mujtaba S，et al. Systematic mapping studiesin software engineering[C] //12th International Conference on Evaluationand Assessment in Software Engineering （ EASE ）.Swindon：BCS Learning and Development Ltd，2008：68-77.

[20] Kitchenham B，Brereton O P，Budgen D，et al. Systematic literaturereviews in software engineering - a systematic literature review[J]. Information and Software Technology，2009（1）：7-15.

[21] Petersen K，Vakkalanka S，Kuzniarz L. Guidelines for conductingsystematic mapping studies in software engineering： an update[J]. Information and Software Technology，2015：1-18.

[22] Giménez-Medina M，Enríquez J G，Domínguez-Mayo F J. A systematicreview of capability and maturity innovation assessmentmodels： opportunities and challenges[J]. Expert Systems withApplications，2023：118968.

[23] Wieringa R J. Design science methodology for information systemsand software engineering[M]. Berlin：Springer， 2014.

[24] Qin J，Crowston K，Kirkland A. Pursuing best performance in researchdata management by using the capability maturity modeland rubrics [ J ]. Journal of eScience Librarianship， 2017（2）：e1113.

[25] Crowston K，Qin J. A capability maturity model for scientific datamanagement： evidence from the literature[J]. Proceedings of theAmerican Society for Information Science and Technology，2011（1）：1-9.

[26] Cox A M，Kennan M A，Lyon L，et al. Maturing research data servicesand the transformation of academic libraries[J]. Journal ofDocumentation，2019（6）：1432-1462.

[27] Carayannis E G， Campbell D F J. ‘ Mode 3’ and ‘ quadruplehelix’： toward a 21st century fractal innovation ecosystem[J].International Journal of Technology Management，2009（3 - 4）：201-234.

[28] Bunakov V，Matthews B. Data curation framework for facilitiesscience[C] // In Proceedings of the 2nd International Conferenceon Data Technologies and Applications（DATA-2013）. Setúbal ：Science and Technology Publications，Lda，2013：211-216.

[29] Schmidt B，Shearer K. Librarians’ Competencies Profile for ResearchData Management [EB/ OL]. [2023- 11- 21]. https：//www. coar-repositories. org/ files/ Competencies-for-RDM_June-2016. pdf.

[30] Cox A M，Kennan M A，Lyon L，et al. Developments in researchdata management in academic libraries： towards an understandingof research data service maturity[J]. Journal of the Association forInformation Science and Technology，2017（9）：2182-2200.

[31] Kouper I，F(xiàn)ear K，Ishida M，et al. Research data services maturityin academic libraries[M]. Chicago：Association of College andResearch Libraries， 2017：153-170.

[32] Digital Curation Center. CARDIO[EB/ OL]. [2023-11-21]. https：//www. dcc. ac. uk/ resources/ tools/ cardio.

[33] Federer L. Defining data librarianship： a survey of competencies，skills， and training[J]. Journal of the Medical Library Association，2018（3）：294-303.

[34] 孫裕彤，李旭光，胡潛. 高校科研數(shù)據(jù)管理服務成熟度模型構建研究[J]. 數(shù)字圖書館論壇，2021（5）：50-56.

編輯：楊千子