摘要通過調研國內外數據驅動研究現狀、趨勢和用戶需求，分析研究數據管理服務的國內外發展情況，研究提出高校研究數據管理服務體系，并介紹北京大學研究數據管理服務的研究成果、框架設計、構建經驗與服務效果，為高校建設一流研究數據管理服務、支持用戶數據驅動研究范式需求，提供研究與實踐經驗。以促進數據驅動研究，推動開放科學。

關鍵詞數據驅動研究研究數據管理數據服務體系數據服務數據政策

分類號G251

DOI10.16603/j.issn1002-1027.2019.02.008

1引言

隨著云計算、移動互聯網的應用普及，以及可穿戴智能設備的出現，一場全新的、以大規模數據生產、分享、使用為代表的技術革命正在發生，數據成為寶貴的資源、資產和生產要素。對海量數據及其隱含信息、知識的收集、分析、挖掘、有效整合，將為科學研究、社會經濟發展帶來巨大的紅利。大數據的廣泛應用開啟了一個全新的智能時代[1]。2017年，以谷歌阿爾法狗（AlphaGo）和阿爾法元（AlphaZero）為代表，深度學習技術取得突破，標志著人工智能元年到來。大數據和人工智能時代，世界各國對數據的依賴快速上升，搶占大數據發展先機，已成為國家戰略。美國、日本、韓國、中國、歐盟等國家和地區紛紛將大數據利用上升為國家戰略，積極推進數據政策，希望利用大數據技術實現研究和產業領域的突破[2]。

數據科學已經成為全球高校發展最快的專業。數據科學社區（Data science Community）的數據顯示，截至2018年12月，全球共有26個國家的361所高校開設了597個數據科學相關學位專業，其中美國高校開設的數據科學專業數量最多。全美有247所高校共設置461個數據科學學位專業，占全球總量的77%[3]。在中國，2016年2月，北京大學、對外經濟貿易大學、中南大學首次成功申請到“數據科學與大數據技術”本科新專業。2017年3月，第二批32所高校獲批。2018年3月，教育部公布的高校新增專業名單中，有248所學校獲批，是過去兩次審批通過額度的近8倍[4]。

2017年11月24日至2018年4月3日，由北京大學圖書館和北京大學信息管理系發起與組織，多家機構合作，成功舉辦了“首屆全國高校數據驅動創新研究大賽”（以下簡稱大賽）。大賽吸引了全國眾多高校學生積極參與。比賽期間，有近4萬用戶訪問大賽主頁，共吸引來自北京大學等全國169所高校的1892名同學報名參賽，共有593組隊伍，涉及56個一級學科。最終，來自121所高校的968人（共289支隊伍）成功提交了參賽作品，涉及45個一級學科。成功提交作品最多的前20個一級學科中，圖書館、情報和檔案學科隊伍最多，達到59組，其次是應用經濟學、社會學、管理科學與工程、計算機科學、統計學也分別達到達50組、27組、23組、19組、19組。在通過形式審核的233篇論文中，有103篇論文使用平臺已有數據，135篇論文使用自產的原創性數據，同時使用平臺已有數據和自己原創數據的共有5篇。參賽隊伍使用數據情況與筆者前期調研情況表明：數據已是絕大多數學科研究的基礎，研究者需要高質量的大數據提交、發布和研究服務平臺;高質量調查數據、招聘數據與社交媒體數據仍是人文社科經濟學領域研究者重點關注的研究數據。

隨著數據量與數據需求的飛速增長，大數據和海量數據的管理、共享、發布和保存面臨著巨大的成本與效率考驗。研究數據的存儲形式、存儲容量與存儲效率制約著研究使用數據規模與利用形式，成為研究數據管理的挑戰。重視與發展研究數據的管理與服務，已成為國家層面與科研機構未來提升學術競爭力和影響力的重要發展戰略之一。2018年4月2日，國務院國務院辦公廳關于印發科學數據管理辦法的通知，以研究數據全生命周期為中心，加強和規范研究數據的管理，推動開放共享[5]。順應教學和研究需求，建設一流的研究數據管理服務體系，提供研究數據支撐服務，成為全球研究型圖書館的必然選擇。

本文將調研國內外研究數據管理服務的發展情況，提出建設研究數據管理服務體系的建議。并以北京大學研究數據管理服務體系的建設經驗為例，為圖書館推動研究數據管理服務提供參考。

一流高校研究數據管理服務體系的研究與建設/崔海媛，羅鵬程，李國俊，朱玲

Research and Implementation on Research Data Management Services Supporting the Data Driven Research Demand/Cui Haiyuan，Luo Pengcheng，Li Guojun，Zhu Ling

一流高校研究數據管理服務體系的研究與建設/崔海媛，羅鵬程，李國俊，朱玲

Research and Implementation on Research Data Management Services Supporting the Data Driven Research Demand/Cui Haiyuan，Luo Pengcheng，Li Guojun，Zhu Ling

2研究綜述

原中國科學院圖書館館長張曉林指出，在全學科數據驅動研究成為趨勢的時代，圖書館需要重新定義服務目標、內容、方式和能力，在大數據的基礎上，基于新技術和方法，提供全新知識服務。美國麻省理工學院、美國國家醫學圖書館和英國大英圖書館等都已經調整戰略，融匯數據資源，重構知識服務的平臺、機制[6]。原上海圖書館館長吳建中通過對20年來全球知識開放運動的梳理和分析，提出研究數據管理對推進知識開放和共享的重要意義，并提出4點建議：①加大宣傳力度，增強開放共享意識;②制定相關政策，推進開放科學發展;③整合各類資源，建設數字基礎設施;④培育專業人才，提升數據管理水平[7]。

國際上，研究數據作為科學研究的重要成果受到國際學術界和出版界越來越多的重視。2009年以來，美國、英國、澳大利亞、歐盟等國家和地區紛紛出臺開放數據政策。2011年，美國自然科學基金委要求項目申請書必須包含“數據管理計劃”[8]，美國多個資助機構的數據管理政策陸續發布。歐盟與歐洲資助機構出臺一系列數據政策。2011年，英國聯合信息系統委員會（Joint Information Systems Committee）和電子科學核心計劃（EScience Core Programme）聯合組建的“國家數據監管中心（National Digital Curation Center）”發布《制定數據管理與共享計劃》[9]。英國皇家學會（Royal Society）于2012 年7 月發布報告《科學是開放事業》（Science as an Open Enterprise），確立共享和開放科學數據的基本原則、機遇與面臨的挑戰[10]。歐盟2020計劃規定，2017年開始全面實施科研數據開放制度，推動“開放科學”戰略[11]。截至2018年6月，在資助機構開放獲取政策查詢數據庫SHERPA/JULIET中，144個資助機構，41個資助機構政策中要求必須開放研究數據，19個機構鼓勵開放[12]。

在各種政策驅動下，研究數據管理倉儲發展迅速。截至2018年12月，根據國際研究數據倉儲注冊組織（Registry of Research Data Repositories）的統計，全世界至少有2250多個研究數據倉儲[13]。哈佛大學等世界頂尖高校均建立了自己的數據倉儲。科學數據出版期刊不斷涌現，2011年2月，美國《科學》（Science）刊登“數據處理（Dealing with Data）”專題[14]，Wiley公司于2012年推出了期刊《地球科學數據》（Geoscience Data Journal）[15]，自然集團在2014年推出期刊《科學數據》（Scientific Data）[16]，中國科學院也于2016年推出期刊《中國科學數據》[17]，研究數據逐漸成為出版領域搶占的制高點。數據引用及引文數據庫也得到越來越多的應用，原湯森路透公司于2012年在Web of Science中推出了“數據引用索引”（Data Citation Index），用于數據的檢索和引用跟蹤。

國家、基金會和機構數據政策推動數據管理服務需求，研究數據管理（Research Data Management， RDM）成為研究型圖書館的重要服務，相關研究與實踐發展迅速。

卡羅·泰諾普（Carol Tenopir）等在2016年2月向333個歐洲大學圖書館發送郵件調查研究數據管理服務的開展情況，共有119個圖書館回復郵件。90%以上的圖書館都已經開展或計劃開展研究數據的管理計劃制定、培訓、開發等服務，319%的圖書館已經參與到研究項目中，提供數據服務[18]。 阿楊尹（Ayoung Yoon）等在2015年10月-12月期間，對185個美國研究型大學圖書館的網站進行調查分析后，發現美國研究型圖書館開展的研究數據管理服務主要包括：咨詢幫助（help/ask librarians，795%）、數據管理（Data deposit，60%）、研究數據管理計劃（Data management planning，411%）、數據咨詢（Data consultation，384%）、數據出版和共享（data publishing and sharing，276%）、數據方法（data methodology，157%）[19]。

2017年3月，美國聯機計算機圖書館中心（Online Computer Library Center，OCLC）發布“研究數據管理現實”系列報告，報告以12個北美、歐洲和澳大利亞的圖書館的研究為基礎，重點對愛丁堡大學（英國）、伊利諾伊大學厄巴納-香檳分校（美國）、蒙納士大學（澳大利亞）和瓦赫寧根大學（荷蘭）等4所大學的服務進行案例分析， 研究這些機構的研究數據管理能力，總結研究數據管理服務為三大領域：教育類、解決方案類和長期保存類[20]。

澳大利亞國際數據服務中心（The Australian National Data Service）提出數據管理能力的5個要素：政策和流程、信息架構、服務能力、元數據管理和研究數據管理。并給出五個發展階段的成熟度[21]。伊蓮·馬丁（Elaine R. Martin）提出基于圖書館以用戶為中心開展數據管理服務的框架，主要涵蓋：數據服務、數據管理實踐指導、信息素養、存檔保存和政策服務[22]。英國的數字策管中心（The Digital Curation Centre）根據研究生命周期，提出研究數據管理支持服務框架應涵蓋：政策和規劃、可持續性發展、研究數據管理計劃、元數據管理、數據存儲、數據存檔策略、數據管理、培訓指南等[23]。于飛（Fei YU）等（2017年）介紹了澳大利亞昆士蘭大學在對大學用戶進行調查后，設計與開展基于生命周期的研究數據管理服務內容包括：①研究數據管理計劃和準備（數據指南、數據培訓、研究數據管理計劃等）;②研究過程支持服務（數據工具、管理和分析、培訓等）;③數據保存、出版和傳播（數據發布平臺、長期保存和數據出版等）。見圖1[24]。

3研究數據管理服務體系的設計與建設

2015年，北京大學圖書館制定2018行動計劃，調整組織機構，重新組織與設計服務，將原系統部更名為信息化與數據中心，設置數據管理與服務崗位，全面開展研究數據管理平臺、工具和服務建設，設計數據管理服務框架。另外組建研究支持中心，設置數據館員，開展信息素養和數據咨詢等服務。數據資源成為資源建設的重要組成部分。2015年12月25日，北京大學圖書館正式發布開放研究數據服務平臺（以下簡稱“開放數據平臺”）、機構知識庫、開放出版-期刊網和學者主頁，構建新型學術交流生態系統，推動開放獲取與研究數據管理服務，成為國內高校相關建設的引領者。并在開放數據平臺的基礎上，開展平臺、服務、培訓、政策制定與推進等一系列研究和服務工作，推動北京大學建設成為研究數據匯集、管理與服務的引領者。

3.1需求調研

2013年起，筆者團隊從調研開始，定位研究者需求，掌握國際發展動態，開發數據服務平臺，全面推廣服務，完成北京大學研究數據管理服務框架的初步構建，為未來研究和服務奠定基礎。圖2列出北京大學研究數據管理服務的建設歷程。

2014年，筆者團隊對校內教師進行問卷調查，獲取50份教師的反饋，并對26名教師進行一對一需求訪談。調研發現：高達87.5%的受訪者愿意在一定條件下開放研究數據，開放的最大動機是通過開放數據，提升數據價值、提高成果引用率與增強數據曝光度。開放的最大疑慮是他人利用數據搶先發表成果。開放條件中，受訪者最需要“審核使用者身份和數據使用用途后提供”功能。通過調研，準確定位研究者對研究數據管理服務的實際需求。

一對一訪談發現：①數據開放程度與學科特點密切。對于數據驅動、數據密集特征明顯的學科，數據開放比較標準和規范，可以推進到原始數據的程度，例如社會調查學科和生物信息學科。在生物信息學科，發表期刊時發表數據已經是趨勢，大多向期刊指定數據庫提交，或者自己建立數據庫。對于其他學科，數據開放也存在，但向大多數同行開放的僅是整理后的成果數據，原始數據只與直接合作者共享。②數據開放具有明顯的時滯期。幾乎所有的學者都強調，數據必須在自己的成果發表之后，才考慮開放。這與學者對“數據被他人搶先發表成果”的擔心是一致的。③研究數據開放行為多為學者自發，缺乏政策激勵機制和維護更新平臺，缺乏基于數據引用、認可和學術聲譽的良性反饋，亟需規范的數據服務平臺。

2017年，筆者對校內本科生與研究生的課程調研發現：全校約26個院系開設數據驅動研究的研究生課程約有56門，本科生課程有85門，不僅分布于理工學部，也分布于人文與社會科學學部。對9名課程教師進行訪談，調研發現：教師課程教學急需高質量開放研究數據平臺。教師獲取數據的難度遠遠超過獲取文獻。

2018年，筆者對國外27所大學（美國12所、英國11所和澳大利亞4所）的研究數據管理服務主頁進行調研，梳理國內外研究機構和大學的研究數據管理服務內容。調研結果見表1，可以發現研究數據管理服務內容主要包括：數據管理計劃、數據服務、數據素養、數據管理、長期保存和數據政策幾部分。圍繞研究和研究數據生命周期，提供全流程的數據管理服務。

3.3建設過程

（1）數據建設

在數據建設方面，截至2018年12月，開放數據平臺發布數據空間37個、數據集236個、數據文件1096個，收錄中國家庭追蹤調查、中國健康與養老追蹤調查、綜合型語言知識庫、中國歷代人物傳記資料庫等多個高質量、具有國際影響力的數據集。

（2）比較與分析不同研究數據發布平臺，推出符合北京大學需求的開放數據平臺

在調研與測試多個軟件平臺與工具的基礎上，確定應用開源軟件Dataverse建設北京大學研究數據開放服務平臺，開發實現中英雙語界面、校統一認證、用戶審核管理、DOI注冊、數據統計等新功能，滿足數據提交、管理與服務需求。實現數據成果交互與揭示，數據平臺與機構知識庫實現互操作，將基于平臺數據集的研究成果通過機構知識庫進行保存與服務。推動國際平臺交互與揭示，數據平臺與國際數據倉儲Re3data、國際數據引用索引平臺（Data Citation Index）實現數據交互、收錄與揭示，提高數據平臺國際可見度。

建設云存儲、云筆記、唯一標識符管理系統、長期保存框架等相關平臺和服務。在提供開放數據服務的基礎上，研究與應用項目管理工具、平臺服務。

（3）全面開展北京大學研究數據管理服務

以合作促發展，通過建立校內多部門、多院系合作機制，為課程、項目與教師提供持續服務，并與院系、教師課題組、政府、企業建立數據合作關系，立足高校實際需求，與國際同步發展，建立良性、可持續發展機制。

（4）推動建設北京大學研究數據長期保存與共享服務機制

調研研究數據管理服務政策、長期保存與共享服務機制，將數據政策研究納入到北京大學開放獲取政策推動項目中。推出北京大學數據唯一標識符服務，提供數據的長期保存與國際數據中心互操作服務。

（5）服務營銷

在中國研究數據相關政策滯后于國際的情況下，如何讓更多研究者了解、參與和受益于研究數據管理服務，成為一項挑戰。筆者團隊通過策劃多種方案，推動研究數據管理服務建設。

首先，通過營銷提升影響力。

對開放數據平臺進行搜索引擎優化（Search Engine Optimization），改進與提高搜索引擎排名，優化后，平臺搜索進入百度和谷歌搜索結果第一。在北京大學主頁科學研究欄目下發布開放數據平臺鏈接，增加平臺入口。通過北京大學37個院系圖書館分館發放研究數據管理宣傳冊，并在校圖書館管理委員會年度會議、科研秘書年度會議和在國內外學術會議上廣泛宣傳北京大學研究數據管理服務。與國際數據倉儲Re3data和國際數據引用索引平臺Data Citation Index合作，將平臺數據在國際平臺上收錄與揭示，增強國際可見度，擴大數據的國際影響力。

其次，服務營銷案例-首屆全國高校數據驅動研究大賽。

為廣泛宣傳研究數據管理服務，2016年11月7日至12月16日，北京大學圖書館舉辦第三屆搜索達人大賽——“開放數據”篇。大賽共吸引300多名師生參與，幫助師生拓展開放數據視野，提高開放數據搜索和分析的實踐技能，激發利用開放數據進行教學科研的熱情，以更好地開展科學數據管理與利用相關服務、助力教學科研、推動科學數據開放共享。

2017年12月至2018年4月，由北京大學圖書館發起，聯合校內外機構，成功舉辦“全國高校數據驅動創新研究大賽”。大賽吸引全國高校萬余人的關注，在報名階段，共吸引來自全國160多所高校近600支隊伍（近2000名選手）參賽報名。最終由來自全國120余所高校的289支隊伍（近1000人）成功提交參賽作品。評選出13支現場答辯隊伍和120支優秀隊伍。2018年4月3日下午，答辯活動在北京大學舉行，現場評選出特等獎、一等獎、二等獎和三等獎共計十三項大獎。大賽得到廣泛關注，全國數十個高校發布相關信息，主流媒體進行報道，參賽者對大賽極為重視，提交的高質量、有創新研究成果的參賽作品，得到評審專家們的充分肯定。

大賽達到了營銷開放數據平臺的目標。在大賽舉辦之前，平臺的日均訪客數為52人，大賽宣傳報名期間開放數據平臺日均訪客數為753人，大賽結束后日均訪客數為477人。通過大賽，平臺日均訪問量增加了近10倍，大賽期間，數據下載量達到過去兩年總和的5倍，新增用戶數量達到過去兩年總和的4倍。

34未來規劃

抓住大數據發展機遇，將北京大學建設成為研究數據匯集、管理與服務的世界一流引領者，已成為北京大學圖書館的重要發展目標之一。北京大學圖書館未來將在以下方面推進研究數據管理：加強在數據工具、軟件、管理與服務等方面的研究與應用，以數據服務為凝聚力，建設持續匯集國內外高質量研究數據的研究數據平臺，提供基于數據的教學與研究的支撐平臺;開展數據創新研究、教學與產業孵化活動與比賽;與校外數據資源豐富的政府、企事業單位合作，尋求互補共贏的合作模式;推動數據教學與科研創新。

在數據服務和數據管理平臺建設方面，將通過以下方式加快發展：

為教學提供支撐服務，促進與課程相關的數據和論文的保存、積累。

融入教師的科研過程，通過數據館員與教師展開深入合作，推進研究數據的全生命周期管理。

推動北京大學制定研究數據管理與服務政策，推動研究數據的收集、保存、管理和共享。

優化平臺性能與功能，發展為國際一流數據平臺。

提升平臺的數據量承載能力，構建基于大數據、高并發的數據管理系統，促進平臺對生物、醫學、社會科學等學科大數據的支撐。

提高數據平臺與其他系統的互操作性，促進數據與論文成果、學者主頁、項目成果的關聯，加速數據的流動和共享。

4結語

在大數據和人工智能環境下，研究數據呈指數級增長，數據驅動研究成為全學科研究態勢，數據管理和服務的需求日益迫切。2018年12月2日—4日，在第14屆開放獲取柏林會議上，中國國家自然科學基金委、國家科技圖書文獻中心、中科院文獻情報中心代表在會議上發布立場聲明，明確表示中國支持歐盟倡議的OA2020和開放獲取S計劃，支持公共資助項目研究論文立即開放獲取[25]。S計劃包括研究數據的開放獲取，此聲明意味著中國的開放數據政策可能也即將出臺。對研究型圖書館來說，這既是挑戰，也是機遇。圖書館應重視研究數據管理服務，助力中國高等教育的“雙一流”建設，把握研究數據管理服務發展契機，加快研究與實踐，成為研究數據匯集、管理與服務的引領者。

參考文獻

1黃曉艷， 馬珉. 大數據開啟智能時代——訪中國科學院院士鄂維南 [J]. 高科技與產業化， 2017， （6）： 36-41.

2張影強， 張大璐， 梁鵬. 發達國家如何布局大數據戰略 [J]. 中國經濟報告， 2018， （1）： 87-89.

3College & university data science degrees[EB/OL]. [2018-12-20]. http：//datascience.community/colleges.

4283所高校獲批數據科學與大數據專業[EB/OL]. [2018-05-10]. http：//36kr.com/p/5125134.html.

5國務院辦公廳關于印發科學數據管理辦法的通知[EB/OL]. [2018-05-01]. http：//www.gov.cn/zhengce/content/2018-04/02/content_5279272.htm.

6張曉林. 顛覆性變革與后圖書館時代——推動知識服務的供給側結構性改革 [J]. 中國圖書館學報， 2018， 44（1）： 4-16.

7吳建中. 推進開放數據 助力開放科學 [J]. 圖書館雜志， 2018， 37（2）： 4-10.

8Nsf data sharing policy[EB/OL]. [2018-10-01]. https：//www.nsf.gov/bfa/dias/policy/dmp.jsp.

9陳大慶. 英國科研資助機構的數據管理與共享政策調查及啟示 [J]. 圖書情報工作， 2013（8）： 5-11.

10Science as an open enterprise[EB/OL]. [2018-12-02]. https：//royalsociety.org/topicspolicy/projects/sciencepublicenterprise/report/.

11COMMISSION E. Open access & data management[EB/OL]. [2018-07-10]. http：//ec.europa.eu/research/participants/docs/h2020fundingguide/crosscuttingissues/openaccessdissemination_en.htm.

12Research funders open access policies[EB/OL]. [2018-05-31]. http：//v2.sherpa.ac.uk/juliet/.

13Re3data.Org[EB/OL]. [2018-12-20]. https：//www.re3data.org/.

14Special online collection： Dealing with data[EB/OL]. [2018-06-19]. http：//www.sciencemag.org/site/special/data/#opennewwindow.

15Geoscience data journal [EB/OL]. [2018-06-19]. https：//rmets.onlinelibrary.wiley.com/journal/20496060.

16Welcome， scientific data[EB/OL]. [2018-06-19]. https：//www.nature.com/news/welcomescientificdata1.15293.

17中國科學數據[EB/OL]. [2018-06-19]. http：//www.csdata.org/p/static/33/.

18Tenopir C， Talja S， Horstmann W， et al. Research data services in european academic research libraries [J]. Liber Quarterly， 2017， 27（1）： 23-44.

19Yoon A， Schultz T. Research data management services in academic libraries in the us： A content analysis of libraries websites [J]. College & Research Libraries， 2017， 78（7）： 920-933.

20Bryant R， Lavoie B， Malpas C， et al. A tour of the research data management （rdm） service space. The realities of research data management， part 1 [J]. 2017，

21Creating a data management framework[EB/OL]. [2018-06-07]. https：//www.ands.org.au/guides/creatingadatamanagementframework.

22Martin E R. The role of librarians in data science： a call to action [J]. Journal of eScience Librarianship， 2016， 4（2）： 7-9.

23How to develop rdm services—a guide for heis[EB/OL]. [2018-05-01]. http：//www.dcc.ac.uk/resources/howguides/howdeveloprdmservices.

24Yu F， Deuble R， Morgan H. Designing research data management services based on the research lifecycle–a consultative leadership approach [J]. Journal of the Australian Library and Information Association， 2017， 66（3）： 287-298.

25張曉林. 讓所有科研論文免費閱讀，中國機構明確力挺開放獲取[EB/OL]. [2018-12-20]. http：//zhishifenzi.com/depth/depth/4778.html.

作者單位：北京大學圖書館，北京，100871

收稿日期：2018年7月7日