基于元數據技術的科研信息系統與機構知識庫的鏈接研究

唐 鳳（1．上海大學圖書情報檔案系；2．上海大學圖書館）

1 概述

機構知識庫（Institution repository，IR）是依附某個特定機構而建立的數字化學術成果存儲庫，用于該機構收集并長期保存所產生的學術成果，按照開放標準與相應的互操作協議，支持機構內外的成員通過互聯網來免費獲取使用。IR建設的初衷旨在對學術成果的開放獲取，并希望以此來打破學術期刊訂閱的高昂費用和獲取許可的壁壘，促進學術信息的免費獲取和自由使用。［1］科研信息系統（CurrentresearchInformationSystem，CRIS）又稱科研信息管理系統（Research Information Management System，RIMS），它是針對項目和基金的整個科研信息管理的工具。

CRIS/IR之間的“鏈接（Link）”是指允許兩個系統之間進行信息交換和共享，這種信息交流機制將有助于兩個系統的有效耦合。［2］CRIS/IR之間的“鏈接”旨在利用兩個系統的互補功能，增強兩者的功能，更好地滿足科研數據管理的需求，通過互操作技術確保兩個平臺之間實現一定程度的數據交換。［3］雖然CRIS/IR系統的具體要求與管理目標不同，但是學術科研環境下的功能互補性促進了兩者的互操作。

在美國、丹麥、英國、芬蘭等國家，CRIS/IR系統之間的互操作性是一個應用相當廣泛的功能，互操作旨在允許兩個平臺有效地交換和共享信息，或進一步加強彼此的功能，使得這些平臺之間的功能邊界越來越模糊。目前，由于各個國家和地區的CRIS/IR普及程度、技術發展、政府政策等存在較大的差異，兩者鏈接的實踐形式在各個國家和地區也不大相同。其中，丹麥和英國的大學機構使用的CRIS/IR系統鏈接平臺是最多的，也是最豐富的，如，丹麥大學、劍橋大學、圣安德魯斯大學等都在使用CRIS/IR系統的鏈接平臺。［4］實際上，IR也可以通過擴展其基礎數據模型來拓展CRIS的功能，以便收集和管理除了科研成果之外的其他有用信息；對基于都柏林核心集（Dublin Core，DC）的元數據模型進行擴展，以便涵蓋其他科研信息，如科研項目、資金等。2010年，由于南安普敦的EPrints平臺團隊的技術支持與實施，使得在英國出現了越來越多的擴展版IR或IR-as-CRIS平臺。［5］

2 CRIS/IR的鏈接需求和元數據技術分析

2.1 需求分析

（1）迎合開放獲取。歐盟的知識交流項目（KnowledgeExchange，KE）探索將IR內容元數據與CRIS內容元數據有機結合，以此來支持兩者的鏈接。該項目的動機是希望在學術出版物的信息管理中實現CRIS與IR的鏈接。［6］CRIS涉及科研活動的諸多方面，包含學術出版物的元數據；IR旨在保存和傳播學術出版物，也同樣包含出版物元數據。在開放學術交流的共享趨勢下，二者都面臨著出版物實現全面的元數據覆蓋的挑戰，如果CRIS和IR可以輕松地交換關于出版物的元數據，那么它們可以相互支持。但是，CRIS和IR的機構目標和需求存在差異，并且發布了不同的學術出版物元數據標準。一般來說，假如一個機構同時有CRIS和IR兩個系統，那么出版物必須經過兩次注冊才能滿足這兩個系統的要求；如果CRIS和IR都能實現學術出版物元數據的全面覆蓋，這樣這兩個系統都可以從協作中獲益，由此減輕科研人員和管理人員的工作負擔，也可以讓更多的學者從開放獲取中受益。

（2）支持科研數據管理。CRIS和IR之間的“鏈接”旨在利用兩個系統的互補功能，增強兩者的功能，更好地滿足科研數據管理的需求，通過互操作技術確保兩個平臺之間實現一定程度的信息交換和共享。如，CRIS更關注于科研的整個生命周期，IR的目標在于開放獲取和將學術影響力最大化，在管理工作流程和科研工作流程之間也有可能存在顯著的差異，這些差異可以通過針對每個特定需求的系統進行更適當的管理。［7］2015年4月，EUNIS（歐洲高校信息系統組織）和Euro CRIS（歐洲科研信息組織）經過調研后也表示，這兩個系統功能明顯是互補的，CRIS不能代替IR，CRIS和IR都是支持科研機構和科研活動的有價值工具。［6］

2.2 元數據技術分析

（1）IR-DC。Dspace作為全球廣泛使用的開放源代碼軟件，是構建機構知識庫管理和服務平臺的有效工具，是目前全世界用戶數最多、應用最廣泛的IR軟件。IR的元數據標準大部分是采取都柏林核心集，或稍微更復雜的模型，如，MODS、METS或PREMIS。大部分IR系統以DC元素為基礎來描述出版物，免費提供給任意學術機構使用，是可以自由使用、復制和修改開放源代碼的軟件平臺，因而，IR系統的架構相對比較簡單，開放共享是其發展的主要驅動力量。［8］IR使用元數據標準的特點是能夠比較簡單、快捷地描述出版物元數據，但缺乏處理動態信息的能力，因為它只處理與特定時間點相關的科研出版物。［9］它支持符合互操作OAI-PMH協議的元數據開放共享服務，因此十分有利于實現機構間的資源整合、共享以及與其他異構系統間的互通。

（2）CRIS-CERIF。歐洲共享科研信息協議（Common-European Research Information Format， CERIF） 正在逐漸被CRIS建設作為元數據模型采用。CERIF是歐盟推薦給其成員國用來支持科研信息管理的概念模型標準，它是以數據為中心的模型標準，包括實體、屬性及實體間關系。CERIF模型從科研管理流程出發，分析和明確項目、成果、組織、科研人員、資金等各個環節所涉及的主要科研實體及其科研實體間的關系。CERIF是由非營利組織Euro CRIS維護的，基于XML交換格式、同樣遵循OAI-PMH協議，因此也能夠方便地實現互操作或異質資源的統一訪問。［10］CERIF的新穎性在于嚴謹有條理的數據結構、支持n:m關系的實體和時間相關鏈接、使用多種字符集、支持多語言等。

3 科研信息系統與機構知識庫的鏈接形式

IR是機構將其所創建的成果進行收集、存儲和傳播的數字化平臺，這些成果主要是指期刊論文、學位論文、學習資源等。IR的優勢在于提供開放存取、增加國際知名度、集中內容存儲于單一平臺、便于長期數字化保存。CRIS是用來存取和傳播科研信息的工具，內容包括學者、項目、機構、成果（出版物、專利、產品）、設備和器材等。CRIS的優勢在于：學者易于獲取相關的科研信息；科研主管易于分析評估科研活動；科研委員會可以優化科研基金的分配；企業和技術轉移組織易于獲取創新科技與構想、發掘競爭對手及類似研究；媒體和公眾易于獲取信息、軟件或技術等。［11］

3.1 元數據格式映射

由于不同的領域（甚至同一領域）往往存在多個元數據格式，當在用不同元數據格式描述的資源體系之間進行檢索、資源描述和資源利用時，就存在元數據的互操作性問題。利用特定轉換程序對不同元數據元格式進行轉換，稱為元數據映射。

（1）元數據標準差異。從技術角度來看，CRIS和IR依賴于不同的元數據標準，CERIF是前者使用最頻繁的一個，DC或更高級的MODS是后者使用最多的，CRIS和IR之間的主要區別在于它們所使用的元數據標準，這種差異可能會阻礙兩者之間的互操作。因為CERIF在其不同的實體（人、組織、項目）之間描述的語義關系很難轉化為一個“平坦”的DC或MODS標準，因這些標準很難將這些關系表達出來。CRIS需要描述廣泛的科研活動信息，而IR描述的數據通常太簡單。CERIF是目前使用最廣泛的CRIS元數據標準，實施方式在不同國家之間有顯著差異，但它正在迅速成為默認的元數據標準，它將確保與其他信息系統之間更高層次的互操作，不僅僅是與IR進行互操作。基于DC的元數據標準重點在于內容可用性和數字對象的創建、策劃、保存、重用，因此IR元數據標準通常被認為“太平坦”，即描述復雜的科研語義缺乏靈活性，但由于其元數據模型的簡單性使得科研數據永久存儲的成功率很高。目前，CRIS和IR元數據標準都不斷向更復雜的數據模型發展，這些數據模型通常可以實現更深層次的互操作性。大多數開放性的IR都是基于DC元數據的，CERIF也提供描述出版物的元數據，它們具有相似的形式語法和聲明語義，從而促進在異構源上的互操作或同類訪問。［12］因此，兩個系統平臺可實現異質資源融合，促進科研成果的共享。

（2）案例研究。如，圣安德魯斯大學支持開放存取的IR與CRIS鏈接（見圖1），Pure-CRIS本身并不保留全文出版物，但它可以使用CERIF數據模型鏈接到外部系統，如，鏈接到人力資源系統、組織單元系統、開放IR等。IR提供了保存完整文本的技術，通過OAI—PMH協議獲取元數據。此外，對IR的全文獲取是通過Pure-CRIS接口本身傳遞給用戶的。數據架構師安娜表示，圣安德魯斯大學的IR并沒有包容在CRIS中，而是被放在更廣泛的電子科研管理基礎設施中使用。CRIS/IR之間所謂的“鏈接器”是一種軟件，可以在兩個平臺之間交換元數據信息，這種信息交換通常涉及將出版物的元數據從CRIS轉移到IR中，這種信息交換機制允許兩個系統的有效耦合，滿足系統之間不同的需求和目標。這種有效的系統互操作最常見的例子是將Pure-CRIS鏈接到EPritins或DSpace機構存儲庫中。［2］目前，CRIS已經提供了與其他內部機構系統的互操作性，如財務或人力資源模塊，因此CRIS/IR互操作性只是邁向無縫制度系統集成的一個趨勢。最常見的CRIS/IR鏈接通過映射CRIS到IR的元數據標準來實現。因此，這些信息可以在兩個系統之間自動傳輸，通常是由CRIS捕獲發布元數據的形式，然后將這些數據交付到IR中，在滿足適當的版權要求的情況下，從研究者或圖書館中添加完整文本文件，這就是所謂的CRIS/IR鏈接。

3.2 拓展元數據模型

圖1 Pure-CRIS（圣安德魯斯大學）

傳統IR在內容建設、功能、運作方式等方面都比較單一且有一定的局限性。而目前主要的開源IR平臺已經開發了擴展數據模型，從而允許IR提供與CRIS相關的功能，如，項目和資金管理等。因此，擴展數據模型成為研究機構合適的解決方案，采購或開發高度復雜的CRIS可能不是科研機構所優先考慮的。

（1）DSpace-CRIS。DSpace-CRIS是DSpace的“擴展”版本（見圖2），具有強大而靈活的數據模型，不僅可以描述出版物，還可以描述所有科研項目中的實體及實體間的關系。

圖2 Dspace-CRIS（香港大學）

DSpace作為一種開放源代碼軟件具有非常明顯的優勢，因而在當今機構知識庫的構建中有非常廣闊的應用前景。越來越多的用戶使用DSpace作為機構知識庫的構建工具，因為它具有較多的優點：支持符合AI-PMH協議的元數據開放共享服務，十分有利于實現機構間的資源整合、共享以及與其他異構系統間的互通；遵從IR建設標準，支持任一類型的內容存儲；用戶界面較友好；免費提供給任意學術機構使用，可以自由使用、復制和修改開放源代碼的軟件平臺，修改和擴展功能比較容易。實際上，IR可以通過擴展其基礎數據模型來發揮CRIS作用，升級為DSpace-CRIS，從而除了科研成果之外還可以收集其他研究信息。

（2）案例研究。這種互操作的最佳實踐示例是香港大學（HKU）的學術庫。基于DSpace平臺的港大IR成立于2005年，起初它主要運用承載元數據的關系表描述出版物信息，由圖書館建設并負責管理、搜集、存儲及傳播本校的科研成果。在香港大學知識交流項目的推動及意大利Cineca開發團隊的技術支持下，基于DSpace的IR逐漸發展成為DSpace-CRIS系統，將DSpace進行了全面的功能拓展，加入了對其他研究實體的描述。Cineca構建了一個擴展DSpace數據模型的解決方案，為其他科研實體提供了新的關系表，這樣科研人員和科研成果不僅是以出版物形式被描述，還附帶了新的科研實體及其屬性，而且對這些實體和屬性及其所需的功能和集成編寫了規范，如，學者資料和機構信息及其相關的屬性、項目資金、文獻計量信息等。同時，所有研究實體及其屬性都可以運用Lucene搜索引擎搜索，搜索結果呈現在用戶界面。香港大學將只提供開放存儲全文索引的傳統IR升級為CRIS，升級后的IR不僅可以搜集、存儲、展示、分析香港大學科研的相關信息，并以出版物為主導，在內容上有所擴散，對出版物以外的科研成果加以描述，將項目、基金、專利、成果影響、學者信息，院系信息等更多方面包括其中，為科研工作者、管理者、公眾等獲取信息提供了便利。通過這種方式將IR成功轉變為CRIS，成為香港大學學者與外界交流的平臺，同時也為外界的搜索提供了多元化的科研信息和相關的服務。［13］

4 結語

綜上所述，CRIS/IR鏈接意味著為當前研究信息系統和機構存儲庫之間的信息交換提供一些技術機制。這一信息交換通常涉及兩種系統之間某種程度的元數據傳輸或擴展，從而減輕研究人員或管理人員工作負擔，他們不需要花費大量時間來重復輸入相同的信息，就能快速獲得描述出版物或其他研究活動信息。CRIS/IR鏈接符合兩者的應用發展趨勢，兩種系統共存和合作，也可以使系統盡可能地實現互操作，實現真正的“一次輸入，多次輸出”。