我國科學數據中心評價的知識圖譜分析

摘要：在大數據時代背景下，科學數據中心的蓬勃發展使其績效評價逐漸成為研究熱點。通過對國內近十年科學數據中心評價相關成果的系統梳理，為我國科學數據中心評價模型的深化研究提供理論依據和參考。運用科學知識圖譜法，借助CiteSpace軟件對2013－2023年期間CNKI的科學數據中心評價研究相關文獻進行關鍵詞共現分析。研究發現：研究演進上看，2015－2019年為高峰期，文獻數量呈現爆發式增長；研究熱點上看，可歸納為評價對象、評價領域、評價指標體系、績效評估模式。經過對各個主題的深入分析，發現科學數據中心評價已經有一定程度的研究成果積累，然而，對于我國的科學數據中心體系而言，現有的評價體系在可比性和通用性方面存在一定的不足，這對科學數據中心的協調統一發展形成了阻礙。

關鍵詞：科學數據中心；評價模型；科學知識圖譜；關鍵詞共現

1 "引言

科學數據通常是指在自然科學、工程技術科學等領域，通過基礎研究、應用研究、試驗開發等產生的數據以及通過觀測監測、考察調查、檢驗檢測等方式取得并用于科學研究活動的原始數據及衍生數據，是能夠客觀反映事物本質、特征和變化規律的原始性、基礎性數據[1]。科學數據是事關國家科技創新能力和經濟社會發展的戰略資源，也是全球高科技產業競爭的前沿領域?？茖W數據中心是科學數據的存放載體和管理機構，對于促進數據供應方和需求方的對接互動至關重要?？茖W數據的管理與開放共享對推動科技創新具有重要意義，也帶來各類科學數據中心的蓬勃發展。我國近十年來開展了不同層面的科學數據中心建設與運行工作，其建設與運維問題日益成為理論與實踐研究的熱點，由開展科學內涵界定、運行機制研究向績效評價、優化管理延伸。

績效評價是一種系統的評估方法，通過運用一定的技術和方法，建立特定的指標體系，并根據統一的評價標準和流程，對績效進行全面、深入地分析和評判?？茖W數據中心的評價工作通常由主管部門或者第三方機構開展，其關鍵在于建立評價指標體系并采取適當方法將評價指標數據轉換為評價結果。在科學數據中心運行績效評價方面，已經有較多研究人員展開了定性評價、定量評價以及定性定量相結合的評價，但是基于文獻計量法對科學數據中心評價研究進展和方法體系進行總結歸納與分析的研究相對較少。我國各類科學數據中心因建設運行管理評價機制不健全、規范性不夠等問題所導致的良莠不齊現象十分明顯，科學的評價可以深入了解各科學數據中心的發展水平與能力，并發現存在的問題，從而有針對性地提升其管理和服務能力，更好地發揮科學數據價值，以滿足國家重大戰略需求。因此，科學數據中心的評價研究具有十分重要的意義。

基于此，本研究基于文獻計量法，將中國知網（CNKI）近十年的科學數據中心評價相關文獻作為樣本數據，借助CiteSpace軟件進行知識圖譜分析，總結科學數據中心評價領域的研究熱點及前沿議題，以期為科學數據中心評價的深入研究提供理論參考。

2 "相關研究文獻評述

我國日益重視科學數據中心的建設，并在科學數據中心建設和發展方面進行了廣泛的探索和實踐，在科學數據管理與共享方面取得了一定成效。但是，我國科學數據中心的建設、運行及管理難以滿足科技創新需求，這引發了學術界的廣泛關注與深入探討。司莉和王雨娃（2018）基于對6家科學數據中心的調查認為，我國科學數據中心大部分實現了站內數據的整合，但仍舊存在政策中缺乏對數據組織情況的說明、數據標準性和規范性不足、資源揭示層次較淺等問題[2]。高孟緒等（2019）分析了國外發達國家開展科學數據中心建設的先進經驗和做法，提出：我國科學數據中心開展科學數據的標準規范不完善、總體實力和影響力不足[3]。劉小宇等（2020）通過對我國科學數據中心的被引用狀況進行調查和分析發現，科學數據中心提供的數據引用聲明不具體、數據檢索途徑不完善[4]。李楠楠和劉筱敏（2023）調研20個國家科學數據中心對FAIR原則的實踐現狀，總結出我國科學數據中心需要在持久性標識符的采用、元數據標準的公開訪問、數據許可聲明的明確等方面加強規范化、標準化管理[5]。

科學數據中心運行效果如何？如何衡量和評價？姜吉棟等（2013）運用網站鏈接分析的方法，選取網頁總數、總鏈接數等指標，對國家人口健康平臺的5大科學數據中心進行了評價[6]。王劍等（2013）以國家農業科學數據中心網站群為研究對象，提出了一套基于鏈接分析的農業科學數據中心的網絡影響力評價方法[7]。司莉等（2014）圍繞運行管理、數據資源、平臺功能以及服務效能和影響四個方面構建可量化的科學數據中心績效評估指標體系，采用層次分析法設置權重進行加權求和對8個科學數據中心進行績效評估[8]。陳麗娜等（2016）提出可量化的分層多指標服務績效評價體系，運用歸一化方法對國家農作物種質資源平臺“十二五”期間的服務效果進行了評價分析[9]。李曉萍（2018）基于信息系統成功模型、ECM-ISC模型以及社會影響等理論構建了農業科學數據共享平臺持續使用模型，從用戶的角度來評價農業科學數據共享平臺的效能[10]。CURTIS等（2020）研究制定一個系統框架，評估科學數據中心的社會影響[11]。季婉婧等（2020）選取文獻類型、文獻作者單位、研究主題領域等指標對地震科學數據中心進行綜合影響力評價分析[12]。

總體而言，國內對科學數據中心評價的研究較為多樣，多集中于某類或某些科學數據中心，或者評價內容是科學數據中心的單個功能，對于不同層次的科學數據中心橫向比較綜合評價相對較少，雖具有一定的針對性但缺乏全面性。

3 "研究方法與數據來源

3.1 "研究方法

科學知識圖譜是以知識域為對象，顯示科學知識的發展進程與結構關系的一種圖像[13]。科學知識圖譜將科學概念、實體和關系以結構化的形式進行可視化展示，可以廣泛地應用于各學科領域。本文借助陳超美開創的CiteSpace 6.2.R4可視化計量分析軟件對關鍵詞進行分析[13]，以探索科學數據中心評價領域的研究熱點及變化歷程。

3.2 "數據來源

本研究數據來源于中國知網（CNKI），時間跨度為不限－2023年9月1日。在進行文獻檢索時，以“科學數據中心”OR“科學數據共享平臺”OR“開放政府數據”并含“評價”OR“評估”作為主題檢索條件，手動剔除不相關文獻，最終得到有效文獻207篇，包括題目、關鍵詞、作者等信息。將這些文獻按照Refworks格式導出，并根據CiteSpace的要求對導出內容進行去重、轉換，得到樣本數據。

4 "研究現狀分析

在對樣本數據進行可視化分析時，時間設定為2013－2023年，時間切片為1年，top N=50，意為在每個時間切片中提取50個被引次數最高的文獻。根據關鍵詞共現、聚類、時間線結果，結合具體文獻，對科學數據中心評價的時間分布趨勢、研究熱點等數據結果進行分析。

4.1 "時間分布

對科學數據中心評價研究領域的CNKI中文文獻發文量統計，如圖1所示?？梢姀?015年開始到2019年文獻數量呈現爆發式增長，2019年之后，相關文獻數量呈現波動式下降。上述變化趨勢與我國相關政策的調整時間點基本吻合：國務院辦公廳于2018年印發《科學數據管理辦法》，明確提出在條件好、資源優勢明顯的科學數據中心基礎上，優化整合形成國家科

學數據中心；2019年，科技部、財政部共同建成了首批20個國家科學數據中心。這使得我國對于科學數據中心績效評價的需求極為迫切，從而規范科學數據中心體系的建設與發展。

4.2 "研究熱點

關鍵詞用于概括和描述文獻的重要主題、觀點或研究領域，是文獻的主要觀點和核心詞匯。通過使用CiteSpace 6.2.R4軟件對文獻關鍵詞進行共現分析，探索文獻中同時出現的關鍵詞之間的關聯性，結果見圖2。關鍵詞出現的頻次和研究熱度成正比，高頻次的關鍵詞意味著高研究熱度。除了關鍵詞的頻次外，測量節點重要性的另一個指標是中介中心性，它反映了關鍵詞在不同研究領域或主題之間傳遞信息的能力，中介中心性超過0.1的節點稱為關鍵節點。樣本數據中既是高頻次又是關鍵節點的關鍵詞有“開放數據”“數據開放”“政府數據”“數據質量”“評價指標”“評估”“科學數據”，說明這7個關鍵詞既是研究熱點，又具有重要影響。

進一步對關鍵詞進行聚類，得到8個主要聚類，結果見圖3。其中模塊值（Q值）為0.6386，表明關鍵詞聚類網絡結構是顯著的、合理的；輪廓系數（S值）為0.8531，說明聚類是高信度的。對聚類所包含的文獻綜合分析發現，科學數據中心評價研究熱點主要聚焦在指標體系的建立和評價方法的選擇，包括評價對象、評價領域、評價指標體系、績效評估模式。

4.2.1 "科學數據中心評價指標體系

評價對象與評價指標體系的關系是相互依存的。

評價對象作為被評價的主體，需要根據評價目的選擇評價對象，并確保評價標準和方法的適用性。評價指標體系的設計和選擇受到評價對象特點和需求的限制，同時也需要通過評價對象的實際狀況和表現來驗證和完善評價指標體系的有效性。從研究人員的文獻中可以看出，我國科學數據中心評價存在評價對象單一、指標體系不具備通用性的現象。戴瓊潔（2011）設計了針對陜西省科學數據共享平臺的績效評價指標體系和綜合評價模型[14]；李贊梅等（2018）以層次分析法為指導，構建了針對人口健康科學數據共享平臺資源的綜合評價指標體系[15]；辛一（2019）以天津、山西、吉林、上海、浙江、江西、湖北、廣東和陜西9個省份的科學數據共享平臺為研究對象，從網站頁面、數據資源、數據獲取、共享服務4個方面進行網站的對比評價[16]；劉小宇等（2020）選取21家科學數據共享平臺作為研究對象，基于內容分析法對平臺被引用狀況進行調研評價[4]；李芊芊（2022）選取我國建設時間較長或建設之前經歷過試點運行的具有較強代表性的14個省級政府數據開放平臺作為研究對象，對照自擬的三級指標評價模型進行加權排序[17]；姜恩波等（2023）選擇了國內外11家地球科學領域數據中心作為調研對象，對其在可發現、可訪問、可互操作以及可重用4個方面進行評估分析[18]。

4.2.2 "科學數據中心評價領域

科學數據中心績效評價主要包括數據質量評價、數據訪問和共享評價、數據存儲和管理評價、服務質量評價等。研究人員選擇不同的視角對科學數據中心績效進行研究，撒旭等（2020）從科學數據用戶需求的角度通過數據內在質量、數據表示質量、數據訪問質量和數據效用質量4個方面構建科學數據質量評價體系進行評價[19]；劉瓊等（2022）基于現有的科學數據質量評價模型，通過信度分析、合理性檢驗和修正構建了適用于各學科領域的科學數據質量評價模型[20]；孫瑞英和李杰茹（2022）采用德爾菲法及層次分析法對我國16個省級政府數據開放平臺的個人隱私保護政策進行評價[21]；文禹衡和金銘（2022）以用戶注冊協議為樣本建立合規評估點，運用扎根理論對14個國家科學數據中心用戶注冊協議進行合規性評估[22]；徐麗新和袁莉（2019）基于能力成熟度模型、信息構建理論建立“五級三維”的地方政府數據開放門戶成熟度模型，從數據管理、數據服務、用戶參與4個方面來衡量平臺的建設水平[23]；陳水湘（2017）從用戶利用的角度出發，利用德爾菲法、層次分析法和權值評優法構建政府數據開放平臺的價值評價模型[24]；曹海軍和李明（2020）借鑒SERVQUAL模型及平臺服務特點，利用改進的TOPSIS模型對政府數據開放平臺的服務質量進行評價[25]。

4.2.3 "科學數據中心評價績效計算

評價指標數據通常是多樣且復雜的，將采集到的評價指標數據轉換為評價結果是評價工作的一個核心，方法有加權求和法、指標歸一化法、相對排序法、主成分分析法、熵權法等。開放政府數據評估方法以問卷形式采集數據，回答的方式是“是、不是、不確定”，計分時將所有回答換算成“是”的等值，即/（是+不是）×100%；趙偉等（2013）通過平臺檢測、專家咨詢法獲取數據，將收集到的數據采用線性加權模型（具體形式：

（1）

其中，Xij為底層指標層次中的評價值，Wij為底層指標權重，Wi為上一級指標權重）進行綜合計算得出評價結果，進一步用線性歸一化函數

（2）

對評價得分進行歸一化處理[26]；司莉等（2015）采用

專家打分法對每個指標進行打分，按照計算公式（

（3）

Pij為各二級指標得分，Wij為各二級指標綜合權重，4代表一級指標數，j（i）代表一級指標下的二級指標數）得出科學數據共享平臺的綜合績效[2]；王麗芳和赫運濤利用標桿分析法（

（4）

其中Xij為第i個評價對象的第j項指標值，wj為評價指標Xj的權重系數）對科技基礎條件資源綜合實力開展評價研究[27]。ZHAN等（2020）通過主成分分析得到因子載荷矩陣Lp×m，并提取公因子 和公因子貢獻率 ，計算每個因子的得分 和因子權重

（5）

采用對數函數

（6）

調整最后科學數據綜合質量得分[28]。

5 "總結與展望

通過對我國科學數據中心評價研究近10年的知識圖譜分析發現：我國科學數據中心評價參與的機構較多，一些部門、單位或組織已經形成了一些數據中心評價考核指標并開展了評價實踐，但各評價體系差異明顯，不具備可比性和通用性。在快速發展和取得豐碩研究成果的同時，也需要重視對于多種類型數據中心的評價。此外，科學數據中心的發展提高了科學數據的價值發揮，但也增加了重要科學數據遭受網絡威脅的風險。為了確保科學數據共享的安全性，需要對數據中心進行風險評估，從數據加密技術、訪問控制技術等方面設立考察指標。

總體來說，對科學數據中心運行情況考核的研究

還十分有限，尤其缺乏對網站安全評估、數據管理計劃以及強調面向用戶的服務水平等進行深入研究和綜合考察?？茖W數據中心是科研工作取得重大創新性突破的關鍵基礎設施，對科學數據中心的評價是認清數據中心發展階段的必要步驟，也是指導數據中心發展的首要環節。目前的研究現狀不利于科學數據中心的協調統一發展，也不利于形成高水平的國家級科學數據中心。因此，應探索建立科學數據中心相關評價模型，從方法論上改變只能學科獨立評價的現狀，推動形成科學有效的數據中心評價方法體系。

參考文獻

[1] 國家科技基礎條件平臺中心. 國家科學數據資源發展報告2016[M]. 北京： 科學技術文獻出版社， 2016.

[2] 司莉，王雨娃.我國科學數據共享平臺數據組織的現狀及改進建議——基于國家科技基礎條件平臺的分析[J].圖書館建設，2018（10）：52-58.

[3] 高孟緒，王瑞丹，王超，等.關于國家科學數據中心建設與發展的思考[J].農業大數據學報，2019，1（3）：21-27.

[4] 劉小宇，紀雪梅，王芳.我國科學數據共享平臺的被引用狀況調查與分析——以國家科技基礎條件平臺為例[J].情報雜志，2020，39（9）： 168-175.

[5] 李楠楠，劉筱敏.我國國家科學數據中心FAIR原則的實踐現狀調查與分析[J].圖書與情報，2023（2）：137-144.

[6] 姜吉棟，彭潔，趙輝.國家人口與健康共享平臺網站評價——基于網站鏈接分析法[J].農業圖書情報學刊，2013，25（3）：50-53.

[7] 王劍，王健，周國民，等.基于鏈接分析的農業科學數據中心網站群的評價與分析[J].農業圖書情報學刊，2013，25（1）：46-49.

[8] 司莉，李月婷，邢文明，等.我國科學數據共享平臺績效評估實證研究[J].圖書館理論與實踐，2014（9）：30-35.

[9] 陳麗娜，司海平，方溈，等.國家科技基礎條件平臺服務績效評價研究[J].科技管理研究，2016，36（18）：262-266.

[10] 李曉萍.農業科學數據共享平臺用戶持續使用的影響因素研究[D].北京：北京郵電大學，2018.

[11] CURTIS S K， SINGH J， MONT O， et al. Systematic framework to assess social impacts of sharing platforms： Synthesising literature and stakeholder perspectives to arrive at a framework and practice- oriented tool. PLoS One. 2020，15（10）：e0240373. https：//doi.org/10. 1371/journal.pone.0240373.

[12] 季婉婧，曲建升，王金平.基于文獻引用的我國地震科學數據共享平臺影響力分析[J].災害學，2020，35（2）：142-147+153.

[13] 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（2）：242-253.

[14] 戴瓊潔.陜西省科學數據共享平臺運行機制研究[D].西安：西安電子科技大學，2011.

[15] 李贊梅，胡志民，孫海霞，等.國家人口與健康科學數據共享平臺資源綜合評價指標構建研究[J].中國數字醫學，2018，13（3）：2-4.

[16] 辛一.九省份科學數據共享平臺網站建設比較研究[J].中國科技資源導刊，2019，51（3）：18-23+84.

[17] 李芊芊.我國省級政府數據開放平臺評價研究[D].鄭州：鄭州大學，2022.

[18] 姜恩波，潘婷，張蒂.基于FAIR原則的地球科學數據中心調研與評估分析[J].圖書館學研究，2023，（4）：52-70.

[19] 撒旭，王健，范智萱，等.數據期刊同行評議視角下科學數據質量評價指標識別[J].圖書情報工作，2020，64（17）：123-130.

[20] 劉瓊，聶云貝，劉桂鋒.科學數據質量評價指標體系構建及用戶滿意度研究[J].圖書情報導刊，2022，7（12）：31-38.

[21] 孫瑞英，李杰茹.我國政府數據開放平臺個人隱私保護政策評價研究[J].圖書情報工作，2022，66（12）：3-16.

[22] 文禹衡，金銘. 科學數據中心用戶注冊協議的合規性評估研究[J].圖書情報知識， 2022， 39（1）： 119-129.

[23] 徐麗新，袁莉.地方政府數據開放門戶的成熟度評估研究[J].圖書情報工作，2019，63（12）：52-58.

[24] 陳水湘.基于用戶利用的政府數據開放平臺價值評價研究——以19家地方政府數據開放平臺為例[J].情報科學，2017，35（10）： 94-98+102.

[25] 曹海軍，李明.中國政府數據開放平臺服務質量評價——基于 熵權TOPSIS的實證分析[J].上海行政學院學報，2020，21（4）： 55-64.

[26] 趙偉，彭潔，屈寶強，等.網絡環境下我國科技資源信息開放共享評價對比分析[J].數字圖書館論壇，2013，12（12）：58-63.

[27] 王麗芳，赫運濤.我國科技基礎條件資源區域發展評價研究[J].科技和產業，2019，19（4）：8-15+21.

[28] ZHAN G F， JIANG Y， WANG X F， et al. Research on the Quality Evaluation Strategy of Multi-source Heterogeneous Aggregation Data[C]. Journal of Physics： Conference Series， 2020： 1-7. https：// doi.org/10.1088/1742-6596/1616/1/012015

引用格式：王悅悅，陳祖剛，武新乾.我國科學數據中心評價的知識圖譜分析[J].農業大數據學報，2024，6（3）： 373-379. DOI： 10.19788/j.issn.2096-6369.000004.

CITATION： WANG YueYue， CHEN ZuGang， WU XinQian. Knowledge Graph Analysis of Scientific Data Centers Evaluation in China[J]. Journal of Agricultural Big Data， 2024， 6（3）： 373-379. DOI： 10.19788/j.issn.2096-6369.000004.

Knowledge Graph Analysis of Scientific Data Centers Evaluation in China

WANG YueYue1， CHEN ZuGang2，3，4*， WU XinQian1

1. School of Mathematics and Statistics， Henan University of Science and Technology， Luoyang 471000， Henan， China; 2. Key Laboratory of Earth Observation of Hainan Province， Hainan Aerospace Information Research Institute， Sanya 572029， Hainan， China; 3. Aerospace Information Research Institute， Chinese Academy of Sciences， Beijing 100094， China; 4. National Earth Observation Data Center， National Science and Technology Infrastructure， Beijing 100094， China

Abstract： The vigorous development of scientific data center makes its performance evaluation gradually become a research hotspot. By systematically combing the relevant achievements of scientific data center evaluation in China in the past 10 years， this paper provides theoretical basis and reference for further research on the evaluation model of scientific data center in China. Based on the bibliometric method and the scientific knowledge graph method， a keyword co-occurrence analysis was conducted on the literatures related to CNKI's scientific data center evaluation research during 2013-2023. The findings are as follows： In terms of research evolution， 2015-2019 was the peak period， and the number of literatures showed explosive growth. From the perspective of research hotspot， it can be summarized as evaluation object， evaluation field， evaluation index system and performance evaluation model. After in-depth analysis of various topics， it is found that scientific data evaluation has accumulated research achievements to a certain extent. However， for China's scientific data center system， the existing evaluation system has certain deficiencies in comparability and universality， which has hindered the coordinated and unified development of scientific data centers.

Keywords： scientific data centers; evaluation model; map of scientific knowledge; keyword co-occurrence