數據期刊及數據論文定量分析與思考

田稷，陳琿夏

?

數據期刊及數據論文定量分析與思考

田稷，陳琿夏

摘要文章在比較數據期刊、數據論文與傳統學術期刊、學術論文異同的基礎上，定量分析當前幾種具有代表性數據期刊及數據論文情況，并對高校圖書館的相關工作提出建議。

關鍵詞數據數據期刊數據論文

引用本文格式田稷，陳琿夏.數據期刊及數據論文定量分析與思考[J].圖書館論壇，2016（3）：42- 48.

Quantitative Analysis and Study on Data Journal and Data Paper

TIAN Ji，CHEN Hui- xia

Abstract Comparing the similarities and differences between data journals，data papers and traditional academic journals and academic papers，this paper analyzes quantitatively the current situation of the data papers from several representative data journals，and puts forward some suggestions on the relevant work of university libraries. Keywords data；data journal；data paper

0引言

大數據時代的來臨促成了以數據密集型計算為基礎的科學研究第四范式[1]的誕生。新范式下的學術研究與交流需要相關的科學數據和文獻實現互操作，讓人們閱讀論文的同時還可以找到論文的原始數據，重復作者所做的實驗與分析，或者能夠從數據出發找到與其相關文獻。在此環境下，科學研究不再單純地由科學問題或假設驅動，科學數據本身成為重要的研究對象，數據共享問題引起廣泛關注。

谷歌的Peter Norvig曾說，科學是收集事實和發展理論的結合。在科學研究過程中，廣大科研人員在收集事實數據方面投入了大量的時間、精力與經費，他們不僅希望能收集、研究、歸檔產生的數據，還希望能合法地使用他人產生的數據，特別是支撐關鍵發現的數據。之前，機構知識庫、科學數據管理平臺等陸續出現，數據的歸檔和檢索有了許多解決方案，但科學數據推廣利用的深度、廣度和速度遠遠不能滿足新的科研范式的需求。在此背景下，Nature、Wiley等相繼推出了以在線方式發行的數據期刊，專門刊載符合相關學術規范的數據論文，但目前這一發行和發文方式對國內大多數科研人員和圖書館館員來說是一個相對陌生的事物。本文在比較數據期刊、數據論文與傳統學術期刊、學術論文異同的基礎上，定量分析目前幾個主要的數據期刊及數據論文情況，并對高校圖書館的相關工作提出一些建議，以期讓更多的國內科研人員和同行了解并利用。

1數據論文與數據期刊

傳統的學術論文是某一學術課題在實驗性、理論性或預測性上具有新的科學研究成果或創新見解和知識的科學記錄，或是某種已知原理應用于實踐上取得新進展的科學總結，用以提供學術會議上宣讀、交流、討論或學術刊物上發表，或用作其他用途的書面文件。數據論文則是一種特殊類型的學術論文，用于展示研究相關的關鍵數據集，包括描述數據內容、數據產生背景、數據質量和結構的元數據文件。它遵從學術發表規范，接受嚴格的同行評議，也是一種正式的學術論文，其引用也可以被用于科研評價體系，從而激勵科學家更多地分享科研數據。數據論文與其描述的公開發布的數據相鏈接，這個鏈接包含在文章內部，它是對在線數據集或一組數據集進行描述的元數據文檔，遵循一定的數據標準，計算機可讀、可檢索[2]。數據論文與傳統學術論文在內容上最大的區別在于它并不重點報道基于科學假設和科學問題的研究結果，而是重點描述科學數據本身。數據論文在形式上一般包括摘要、背景介紹、數據方法、數據集、數據說明、附加信息六大塊內容。與傳統學術論文在形式上最大的不同在于其包括數據方法、指向數據集的鏈接及相關的數據集。

傳統的學術期刊產生至今已有340多年的歷史，充分發揮了刊載科研成果、開展學術交流、培養學術人才、促進知識積累與創新的重要作用。學術期刊是一種經過同行評審的期刊，發表在學術期刊上的文章通常涉及特定的學科，它展示了研究領域的成果，并起到了公示的作用，其內容主要以原創研究、綜述文章、書評等形式的文獻為主[3]。學術期刊的產生與一定的經濟、政治、科技、文化的發展有關，也與人們對學術信息的需求息息相關。數據期刊的產生也是信息需求發展的結果，是主要發表數據論文的期刊，是互聯網和大數據環境下產生的一種新型的期刊出版模式。與傳統學術期刊相同的是，它也是一種學術期刊，有著學術期刊屬性，也有同行評議、公開發表，也會被相關的數據庫收錄，其上發表的文章也會被他人引用等。但與傳統學術期刊不同的是：在內容上，數據期刊主要描述科學實驗數據和觀察數據，并進行有效整合，力求在最大程度上促進數據重用，幫助用戶了解和使用相關數據；在形式上，傳統的學術期刊本身就包括文獻所有內容，而數據期刊的原始數據則大多存儲在另外的數據平臺，數據論文本身總是與其公開發布的數據集連接(通過URL或DOI)。

2數據期刊與數據論文的定量分析

2.1代表性數據期刊概述

正式的數據期刊與數據論文出現至今不過3年時間，但已引起了廣泛關注，已有學者陸續在數據期刊上發表論文，并產生了引用。本文選取3種具有代表性的數據期刊，對其所刊登的數據論文進行定量分析。3種代表性的數據期刊分別是由Nature出版集團出版的Scientific Data(SD)、由Wiley出版集團出版的Geoscience Data Journal (GDJ)和由Pensoft出版社出版的Biodiversity Data Journal(BDJ)。

Nature出版集團是集紙本和電子出版為一體的科學和醫學信息的出版公司，旗下有多種高影響力期刊，如《科學美國人》《自然神經科學》《自然生物學技術》等，其中最為著名的便是《自然》。Nature出版集團于2013年4月公布其將在2014年春發行數據期刊Scientific Data，以最大化地重用、搜索、鏈接和挖掘數據[4]。Scientific Data(在線ISSN：2052- 4463)是一種開放獲取、在線出版、同行評議的期刊，刊登自然科學學科相關論文，但不限定特定領域。篩選論文的六個關鍵原則為信用(Credit)、重用(Reuse)、質量(Quality)、發現(Discovery)、開放(Open)和服務(Service)。該刊設有在線投稿和追蹤系統；發表數據論文時，作者需支付一定費用。Scientific Data遵循知識共享署名許可協議(Creative Commons Licence)，以促進科學數據的開放獲取[5]。

John Wiley & Sons，Inc. (Wiley)創建于1807年，是一家全球學術出版公司，涉及科學、技術、醫學等領域，并在各專業領域與800余家學會開展了合作[6]。Wiley在2014年6月出版第一期Geoscience Data Journal (在線ISSN：2049- 6060)，是一種開放獲取、同行評議的期刊，主要針對地球科學領域。該刊遵照知識共享署名許可協議(the Creative Commons Attribution License(CC- BY))，所刊登的數據論文描述相關數據集合的收集、處理過程及數據文件的格式，并給出相關數據集合的鏈接，但不涉及任何數據集合的科學分析或從數據中獲得任何結論。發表論文時，作者需支付一定的費用[7]。

Pensoft出版公司1992年成立于保加利亞，是一家獨立的學術出版公司，最初專注于圖書出版，目前已發展成為一家開放存取雜志出版商，在生物多樣性領域出版多種開放存取期刊，如ZooKeys、Biodiversity Data Journal(BDJ)、phytokeys、mycokeys等[8]。Biodiversity Data Journal(在線ISSN：1314- 2828)于2013年9月16日正式上線，它也是一種同行評議、開放獲取的刊物，目前已被Medline數據庫收錄。它針對生物多樣性學科，遵照知識共享署名許可協議(Creative Commons Attribution License(CCBY4.0))，在恰當引用的情況下，任何人都可以復制、傳播、利用文章。BDJ發表標準為獨創性、數據完整發布(數據論文所有的支持數據必須公開發表)、論文結構、前期研究(是否完整準確引用)以及發表數據的機器可讀性等。BDJ的網上投稿系統集成了投稿、同行評議、發表、傳播的整個流程。目前作者在BDJ上發表論文是免費的[9]。

不同數據期刊的數據論文內容編排略有不同，詳見表1。

高科學價值的數據集是數據論文的核心所在，每一篇數據論文的發表前提是數據集必須向公眾公開，數據論文僅提供數據集的鏈接。由于數據期刊自身并不持有相關數據，因此作者需要將數據論文完整的數據集保存在一個或多個公共數據存儲庫中。為便于數據的再利用，所有數據需保持其未經加工的原始狀態。需要提交的數據包括計算數據、結構化數據、實驗或觀測程序中產生的數據等。

在同行評議階段，編輯、編委會成員、評審將會對作者所提交的數據存儲庫進行評估。Scientific Data和Geoscience Data Journal列出了推薦的數據存儲庫或數據中心。Scientific Data提出了可信的數據存儲庫需要滿足的一般標準：在專業領域得到廣泛的支持和認可；確保數據集的長期保存，維持與發表時一致的狀態；提供專業管理；執行相關的、專業認可的報告要求；為提交的數據集提供機密審查；為提交的數據集提供穩定的標識符；允許公眾對數據的訪問不受不必要的限制[10]。Geoscience Data Journal數據存儲庫的推薦標準為在專業領域廣泛使用、擁有正式的數據管理策略、為數據集提供DOI或穩定的URL及唯一的標識符[11]。

表1數據論文編排形式

在數據長期保存方面，研究者、機構、期刊和數據存儲庫承擔共同的責任。數據論文中描述的數據集必須保持永久可用。數據論文發表后，作者必須承諾在自己的實驗室或機構服務器上保存相關數據集至少5年。在這段時間內，若原先提交的數據存儲庫消失或數據丟失，數據期刊可要求作者將數據集上傳至另一個數據存儲庫中，并在數據論文中作出更正和更新。若作者從公共數據存儲庫中移除了數據集或更改了訪問標準，數據期刊可要求作者更正其數據論文，甚至在極端情況下，撤回該數據論文[12]。

2.2對比分析

2.2.1發文量及學科分布

Scientific Data每半月更新一次，2014年3 月11日至2015年3月31日共發表68篇論文，其中數據論文62篇(占91.18%)。由于自然科學所有學科相關的數據論文均可在Scientific Data上發表，相比其他限定某一領域的數據期刊而言，它包含的主題更為全面。

Geoscience Data Journal分別于2014年6月和2014年11月出版了兩期期刊，共有17篇論文，其中數據論文14篇(占82.4%)。該刊論文主要針對地球科學領域，包括但不限于天氣和氣候、海洋學、大氣和海洋化學、冰凍層、生物圈、地表和地質學、水文地理學、地球化學、地球物理學、行星及空間學等。

2013年9月16日至2015年3月20日，Biodiversity Data Journal不定期更新，共發表163篇論文，其中數據論文18篇(占11.04%)。該刊論文主要針對生物多樣性學科。

3種數據期刊發表的數據論文所涉學科分布見表2。

表2數據論文學科分布

從表2可見，Scientific Data收錄論文學科范圍最廣，且生物、醫學占據絕大部分。同時還表明，數據論文多產生于生物、醫學、地球科學等實驗觀測數據量較大的學科。

2.2.2接收—錄用—發表周期

論文從接收到發表的時間周期對作者投稿具有參考指導作用。根據每一篇數據論文的接收(received)日期、錄用(accepted)日期和發表(published)日期，計算每一種數據期刊數據論文的平均接收—錄用周期(從接收到錄用所需天數的平均值)、平均錄用—發表周期(從錄用到發表所需天數的平均值)和平均接收—發表周期(從接收到發表所需天數的平均值)，結果如表3所示。可見，由于數據論文要經過投稿、同行評議、修改、錄用直至發表的整個流程，因此需要一定的論文審閱處理時間。不同數據期刊的論文審閱處理時間差異較大，其中Biodiversity Data Journal的接收—錄用—發表周期最短。

2.2.3作者國籍及國際合作

作為代表一種新興科學研究范式的數據期刊和數據論文，論文作者數反映了成果的合作程度，作者的國籍從一定程度上反映了該國科技發展的領先程度。3種期刊的論文作者數及第一作者國籍情況詳見表4。

表3數據論文平均接收-錄用周期、平均錄用-發表周期、平均接收-發表周期

Scientific Data刊登的數據論文中，平均每篇論文有12.15名作者，美國、英國、瑞士三國作者較多。在數據論文中，所有的作者來自同一國家的有34篇(占54.84%)，國際合作論文為28 篇(占45.16%)。

Geoscience Data Journal刊登的數據論文中，平均每篇論文有7名作者，英國、美國、荷蘭三國作者發表了較多的數據論文。在數據論文中，所有的作者來自同一國家的有8篇(占57.14%)，國際合作論文為6篇(占42.86%)。

Biodiversity Data Journal刊登的數據論文中，平均每篇論文有9.44名作者。由于樣本數較少，各國作者發表論文差異不大，法國、英國、希臘、巴西四國作者發表了較多的數據論文。在數據論文中，所有的作者來自同一國家的有11 篇(占61.11% )，國際合作論文為7篇(占38.89%)。

表4數據論文作者數及第一作者國籍

統計結果表明，由于科學數據的產生需要大量的觀察、實驗工作，因此需要眾多科學研究者互相合作。3種數據期刊的平均作者數統計見表5。從表5可見，數據論文的作者數較多，而其中國際合作的比例達到了40%左右。

2.2.4作者機構類型及跨機構合作

論文作者的機構類型反映出這一新型科學研究范式最先影響并得以接受的行業范圍。Scientific Data刊登的數據論文中，作者來自同一機構的為15篇(占24.19% )，跨機構合作(數據論文的作者來自不同機構)有47篇(占75.81% )。Scientific Data的作者機構可劃分為高校、科研院所、企業等3類。數據論文的作者來源于單一機構類型的有33篇(占53.23%)，作者來源于多種機構類型的有29篇(占46.77%)。其中涉及到產學研合作(企業與科研院所、高等學校之間的合作)的數據論文有7篇，占論文總數的11.29%。

表5數據論文平均論文作者數及國際合作論文比例

Geoscience Data Journal刊登的數據論文中，作者來源同一機構的為6篇(占42.86%)，跨機構合作的為8篇(占57.14%)。數據論文的作者來源于單一機構類型的有10篇(占71.43%)，作者來源于多種機構類型的有4篇(占28.57%)。

Biodiversity Data Journal刊登的數據論文中，作者來源同一機構的為5篇(占27.78%)，跨機構合作的為13篇(占72.22%)。數據論文的作者來源于單一機構類型的有7篇(占38.89%)，作者來源于多種機構類型的有11篇(占61.11%)。

表6數據論文作者機構類型分布

綜上，可知Scientific Data和Biodiversity Data Journal的跨機構合作比例較高，均超過70%。Scientific Data由于所覆蓋的學科范圍較廣，其機構類型也較為豐富，有11.29%的論文屬于產學研合作。Biodiversity Data Journal的特點是超過60%的數據論文作者都來源于不同的機構類型。

3思考

從上述定量分析可以看出，數據期刊與數據論文正在迅速發展，相關的規范與標準仍在完善之中。隨著越來越多科學數據的產生、存儲與共享，以數據密集型計算為基礎的科學研究的第四范式對科研模式的影響范圍越來越大，相信數據論文將會得到更快的發展。由于數據期刊與機構知識庫同科學數據管理平臺相比，它既擁有傳統學術期刊的優勢，在傳播的廣度、深度和速度上又更勝一籌，作者還能得到更好的交流、認可與回報。因此，可以預測數據期刊將會在很大程度上彌補機構知識庫、科學數據管理平臺數據來源被動的缺陷，將會得到越來越多的科研人員關注、認可、利用與投稿。

同時，從以上數據可以看到，目前數據期刊和數據論文都以發達國家為主，我國目前尚沒有真正意義上的數據期刊，我國科研人員在數據期刊上發表的數據論文也非常少，這與我國的科學研究與學術期刊的歷史不長、本身存在較多問題有關。但在互聯網時代，中國期刊不應忽視新環境帶來的新的發展機遇，需要奮起直追，不能重蹈傳統期刊的覆轍，仍落后于發達國家。

無論是數據期刊還是數據論文，都是大數據時代新生的出版類型，它們的興起與發展，將對出版業、圖書館、數據倉儲機構等產生深遠的影響，甚至發展到一定的階段將會引發科技政策和科研評價方法的變革。因此，出版社、圖書館、數據倉儲機構、科研管理相關部門都應該積極應對，盡早布局。對圖書館界而言，應該發揮自己的優勢，至少可以在如下五個方面發揮作用：

(1)數據期刊與數據論文的收集、整合與揭示。由于目前數據期刊大都為在線OA模式，圖書館有責任對此新型文獻進行收集、整理并揭示給自己的用戶，讓讀者能夠及時了解和利用這些科研數據。

(2)數據期刊與數據論文特征分析與咨詢指導。由于數據期刊與數據論文對大多數科研人員來講都是一種新的文獻類型，圖書館員可以在充分學習與了解的基礎之上，對數據期刊的投稿方法、數據論文的撰寫規范等向相關科研人員提供指導。

(3)參與數據論文規范與標準的制定。以中文數據論文為例，目前中文數據論文存在的問題主要包括：沒有專業的數據存儲平臺，沒有對數據標準的規定和說明，對數據的管理僅停留在論文附屬資料的簡單層面；沒有對數據共享、傳播、重用、演繹等作明確說明，或者沒有對數據引用格式作詳細說明。因此，圖書館應充分發揮圖書編目工作中積累的元數據標準制定經驗的優勢，積極參與到相關規范與標準的制定過程中，在這種新型學術生態的生態鏈中發揮更為積極、主動的作用。

(4)為數據論文的存儲提供解決空間與方案。在目前數據期刊的數據存儲解決方案中，數據論文的原始數據大多存儲在另外的存儲平臺。在“數據為王”的時代，我國高校或相關的研究機構必須進行相應的前瞻性規劃，對自己的科研數據進行系統性收集、規范、整合，圖書館作為信息收集、保存與揭示的機構，理應擔此重任，及早籌謀。

(5)建立集數據和文獻于一體的新型數字圖書館，形成數據與信息融合的互操作架構。高校圖書館的主要任務是為教學和科研提供文獻信息服務，當傳統的科研范式發生巨大變革時，圖書館也應跟進，在原有數字圖書館的基礎之上，打造新型數字圖書館，以使科學研究的整個過程都可以在數字圖書館環境中進行，使科學研究的素材、思路、過程和結論都能夠得到有效傳播、共享和利用。

參考文獻

[1] Hey T，Tansley S，Tolle K. The fourth paradigm：data- intensive scientific discovery [EB/OL]. [2015- 09-03]. http：//research.microsoft.com/en- us/collaboration/ fourthparadigm/.

[2]劉鳳紅，崔金鐘，韓芳橋，等.數據論文：大數據時代新興學術論文出版類型探討[J].科技期刊研究，2014，25（12）：1451- 1456.

[3]學術期刊[EB/OL]. [2015- 08- 09]. http：//baike.baidu. com/view/848379.htm.

[4] Nature Publishing Group.Press release archive[EB/OL]. [2015- 09- 03]. http：// www.nature.com/press_releases/ scientificdata.html.

[5] Scientific Data. About[EB/OL].[2015- 08- 06]. http：// www.nature.com/sdata/about.

[6] Wiley. Corporate Information[EB/OL].[2015- 09- 03]. http：//as.wiley.com/ WileyCDA/ Section/id- 301695. html.

[7] WileyOnline Library.Overview[EB/OL].[2015- 08- 06]. http：//onlinelibrary.wiley.com/journal/10.1002/（ISSN）2049- 6060/homepage/ProductInformation.html.

[8] Pensoft. About Pensoft[EB/OL].[2015- 09- 03]. http：// www.pensoft.net/about.php.

[9] Biodiversity Data Journal.About[EB/OL].[2015- 08- 06]. http：//biodiversitydatajournal.com/about.

[10] [12]Nature Publishing Group. Data policies [EB/OL]. [2015- 09- 03]. http：// www.nature.com/sdata/ data- policies.

[11] Wiley Online Library. Author Guidelines [EB/OL]. [2015- 09- 03]. http：//onlinelibrary.wiley.com/journal/ 10.1002/（ISSN）2049- 6060/homepage/ForAuthors. html#dataset_submission.

收稿日期2015- 08- 21

作者簡介田稷，女，碩士，副研究館員，浙江大學圖書館副館長；陳琿夏，女，碩士，浙江大學圖書館助理館員。