機構知識庫與數據知識庫比較研究

宋秀芬

（湖北警官學院刑事技術與情報系）

數據已成為驅動科研活動的戰略性資源，價值性科研數據存檔與保存有助于其在未來研究中被發現與再利用。由于傳統機構知識庫（Institutional Repositories，簡稱IR）數據服務不到位、數據保存內容不完整、缺乏嵌入式科研流程服務、數據監護的功能不完善，故需優化傳統機構知識庫或開發數據知識庫來支持數據監護以適應數據密集型科學發展要求，規避價值性數據丟失風險、維護數據質量、提升數據價值、保障數據長期再利用。在此背景下，文章根據機構知識庫與數據知識庫特點與內涵，從存儲內容、數據監護、嵌入式科研流程服務三個方面比較兩者之間的差異，并利用國外高質量數字知識庫實例對新型機構知識庫與數據知識庫如何適應數據服務要求進行揭示。

1 機構知識庫的內涵

1.1 機構知識庫的定義

Lynch認為，機構知識庫為社區成員提供關于機構與社區創建的數字資源管理、傳播與再利用等一系列服務，是關于數字資料管理、長期保存、組織、訪問與傳播的組織承諾與義務。［1］該定義強調機構知識庫是服務工具（如長期保存）而不是館藏發展系統。Markey等認為，機構知識庫是一系列服務與技術，收集、管理、訪問、傳播與保存機構產生的數字資源，大多數機構知識庫由高校、政府部門、博物館、企業等創建，高校機構知識庫一般由圖書館負責管理與維護。［2］中國科學院的研究認為，機構知識庫是研究機構實施知識管理的工具，是機構有效管理其知識資產的工具，也是機構知識能力建設的重要機制。［3］蘭州大學的研究認為，機構知識庫是一個研究機構收集、保存和傳播數字形式知識資產的重要媒介。［4］

可見，機構知識庫不僅指技術基礎設施（軟件、存儲、服務形式），也包括與技術基礎設施相關的計劃與資源。機構知識庫一般由高校、科研機構、政府部門等機構創建，其任務是對數字資源進行收集、管理、保存、訪問和傳播。

1.2 機構知識庫的存儲內容

機構知識庫的存儲內容包括期刊論文、演示報告、軟件、會議論文、學位論文、研究報告、專著、專利、進修報告、會議PPT、預印本等學術成果。如，臺灣學術機構典藏系統TAIR存儲內容包括教學資料、學生作業、研究計劃等，［5］OpenDOAR收錄的機構知識庫內容以期刊論文、碩士博士論文、研究報告與會議論文為主，［6］中國科學院機構知識庫保存內容包括期刊論文、研究報告、學位論文、文集、專利、會議論文、專著、成果、演示報告與其他。［7］目前，傳統機構知識庫僅存儲科研成果，未對科研成果的支撐數據進行存儲。

1.3 機構知識庫的作用

對科研人員而言，機構知識庫便于查找并獲取完整且豐富的學術研究資源；對科研成果作者而言，機構知識庫實現個人產出的知識資產集中管理與保存，提高科研成果能見度，提升作者學術影響力與地位；對科研機構而言，機構知識庫集中展示機構學術成果，加快學術成果傳播，提高機構學術影響力；對圖書館而言，機構知識庫擴充了圖書館本地特色資源、深化了圖書館對科研與教學的支持能力、深化了圖書館在機構知識管理中的職責與作用、擴展了圖書館在學術交流體系與科教知識基礎設施的職責與作用。

2 數據知識庫的內涵

2.1 數據知識庫的定義

目前，國內外對數據知識庫（Data Repository［8］或Research-Data Repository［9］）的定義還未形成統一認識，本文的數據知識庫指科研數據知識庫。

德國網絡信息計劃（German Initiative for Network Information，DINI）在（2013年開放存取知識庫與發布服務）報告中將數據知識庫定義為：數據知識庫是為科研人員提供科研數據存檔與呈現的平臺，這些科研數據根據不同學科而具有不同格式，是研究過程的結果或基礎。［10］2013年，國際數據知識庫注冊系統re3data.org網站將數據知識庫定義為：數據知識庫是以學術性出版物為基礎的科研數據長期存儲與訪問的可持續信息基礎設施；其中科研數據是通過實驗、測量、調查或訪談等學術項目產生的信息對象。［9］2012年，國內學者首次提出“數據知識庫”概念。［11］中國科學院文獻情報中心的研究認為，數據知識庫不僅是科研數據開放共享的基礎，更是整個規范化科研數據評價體系的基石，數據知識庫的研究重點不僅是信息系統建設，還涉及到數據質量審核、數據成果評估、數據發布的規范政策。［12］劉峰等認為，數據知識庫存儲和管理“科研數據”（Research Data）、支持科研活動及其知識創造的數字知識庫，其中科研數據是指通過采集、實驗、觀察、整理而形成、用于科研分析并最終形成科研成果的數字數據。［13］

綜上：①數據知識庫的利益相關者包括數據知識庫的管理人員、數據創建者、數據用戶、基金委員會、圖書館員、技術支持人員等；②數據知識庫的服務對象包括數據作者、數據所有者、數據發布者、數據用戶等；［14］③數據知識庫的服務目標是為利益相關者提供數據存儲、維護、共享、訪問、再利用等服務；④數據知識庫的作用對象為科研數據，文章將科研數據稱為“數據”，包括科研過程產生的數據集（調查數據、實驗數據、觀察數據、仿真數據與派生數據）、科研成果（出版物）、元數據（數據描述）、數據文件（背景文件、操作指南、說明書等）等；⑤數據知識庫作為數據服務的基礎設施，屬于數字知識庫。［15］

2.2 數據知識庫分類

中國科學院文獻情報中心根據數據知識庫政策，將數據知識庫分為通用型數據知識庫與專業型數據知識庫兩類。通用型數據知識庫面向多學科，如，人文社科領域中Dryad［16］、figshare［17］等，其中Dryad知識庫［18］是國際科學與醫學文獻數據存儲的非盈利性數據知識庫，協助科研人員標識、存儲數據集，并建立數據與論文鏈接。專業型數據知識庫面向特定學科，如，哈佛大學的IQSS Dataverse Network［19］、復旦大學社會科學數據平臺。［20］

Pampel等在分析re3data.org中400個知識庫的基礎上，根據數據來源將數據知識庫分為四種類型：機構數據知識庫、學科數據知識庫、多學科數據知識庫、項目數據知識庫（見表1）。［21］

表1 數據知識庫的分類及其實例

3 傳統機構知識庫與數據知識庫的區別

3.1 存儲內容比較

傳統機構知識庫作為網上文庫或者學術文獻知識庫，僅收集與保存終端產品的科研成果，如期刊論文、會議論文、學位論文、專著、專利、會議PPT、預印本等學術成果，未對學術成果的支撐數據、實驗數據、隱性數據、工具、元數據以及文檔進行保存與維護。［22］如，康奈爾大學圖書館的舊機構知識庫DSpace僅存儲科研過程的終端產品，未存儲科研人員在科研進程中產生的派生數據、實驗數據、模擬數據等。［23］數據知識庫存儲內容包括科研成果以及相關數據集（原始數據、派生數據、重組數據等），將機構內各種系統、各個團隊、各個成員散存的各類學術成果、經驗、實驗記錄、中間數據等進行集成、再組織與可視化。Heery等指出，機構知識庫未存儲數據集，機構需投資與構建數據知識庫來彌補機構知識庫數據服務空缺，利用數據知識庫存儲與處理數據。［24］

可見，傳統機構知識庫數據存儲不完整，未對科研成果的支撐材料進行保存與共享，而數據知識庫彌補了傳統機構知識庫的數據服務空缺。

3.2 數據監護比較

傳統機構知識庫不支持數據監護，數據知識庫支持數據監護戰略實施，是基礎設施與數據監護理論方法共同構成數據服務的統一體。Shreeves等指出，由于機構知識庫存在低存檔率與不支持數據監護的問題，未來機構知識庫需提供數據監護服務以促進數據密集型科學發展，約翰霍普金斯大學、明尼蘇達大學、普渡大學正在構建數據知識庫來支持數據監護。［25］

傳統機構知識庫只注重科研成果與部分數據采集、組織、保存、傳播與統計利用等，不重視數據關聯、版本控制、數據溯源、數據使用跟蹤、幫助與支持、教育與培訓等。傳統機構知識庫只完成科研項目完成后的成果保存工作，而未涉及到項目立項前數據檢索、分析、處理以及項目中期數據存儲、再利用情況的跟蹤等。因此，傳統機構知識庫僅相當于機構科研成果存儲庫，或者是機構成果管理的簡單平臺，未實現數據監護功能，無法勝任數據監護使命。

數據知識庫支持數據密集型學術研究，為科研人員提供科研交流、咨詢、協助、合作、培訓、數據共享等服務。數據知識庫的數據監護服務將數據知識庫、數據監護、科研活動三者緊密聯系在一起，建立了集數據知識庫、數據監護、科研活動于一體的新型管理與服務模式。數據知識庫提供的服務包括：項目前期提供數據檢索、數據管理計劃模板、研究方法咨詢等服務；項目中期提供數據收集工具、數據分析工具、數據實驗室等服務；項目后期提供數據保存服務。因此，數據知識庫承擔全部數據監護工作，有利于規避數據丟失風險，持續維護數據再利用價值。

3.3 嵌入式科研流程服務比較

傳統機構知識庫只涉及科研成果的保存與管理，未提供嵌入式科研流程服務，不參與科研人員的科研過程活動，而數據知識庫服務于科研項目的全生命周期。Choudhury指出，傳統機構知識庫未提供嵌入式科學研究數據服務，新型數字知識庫提供了惠及整個科研流程的數據服務。［26］

傳統機構知識庫作為終端產品存儲平臺未提供數據描述、分析、發現、維護、增值等服務，未提供數據管理政策、模板、工具、教育培訓、咨詢與幫助等服務，導致科研流程與科研數據分離，科研人員按照個人習慣將數據存儲在個人電腦中，無法實現數據長期有效再利用，并易產生數據丟失問題。

數據知識庫是圍繞科研流程展開的全生命周期服務活動，包括立項前研究調查與規劃服務、項目進展中數據收集與分析服務、項目結題后數據保存服務。國外部分數據知識庫提供高質量嵌入式科研流程服務。普渡大學數據知識庫（Purdue University Research Repository，PURR）提供在線協同工作空間與數據共享平臺以支持普渡大學科研人員與其他合作者的數據管理需求，協助科研人員創建數據管理計劃、上傳數據與發布數據；［27］萊布尼茲社會科學研究所GESIS數據知識庫為科研人員提供整個數據生命周期的嵌入式科研流程服務，其具體流程服務包括數據檢索服務、研究計劃咨詢服務、數據收集服務、數據分析服務、數據注冊與存檔服務。［28］

綜上，數據知識庫與傳統機構知識庫在存儲內容、服務目標、嵌入式數據服務與數據監護方面存在差異（見表2）。數據知識庫的產生彌補了機構知識庫的不足，但機構知識庫仍具有其作用與價值，數據知識庫無法替代機構知識庫的作用與價值。

4 數字知識庫的數據服務

傳統機構知識庫對規模大且復雜度大的數據集存在管理難度，不具備小數據所有權管理政策與標準，而科研人員具有數據與文獻發布、數據溯源展現以及數據再利用跟蹤等服務需求。根據國外高校或科研機構的數據服務實踐，可通過升級與優化傳統機構知識庫服務功能（如明尼蘇達大學UDC、康奈爾大學eCommons）與構建數據知識庫（如伊利諾伊大學厄巴納香檳分校Illinois Data Bank、密歇根大學Deep Blue Data、普渡大學PURR）兩種方式來實現數據長期保存與共享。

4.1 新型機構知識庫的數據服務

新型機構知識庫對傳統機構知識庫的數據保存與使用政策、國際標準與慣例、模型與工具、小數據管理機制、數據處理能力等方面進行升級與優化，保障機構知識庫適應數據密集型科學發展要求。高校與科研機構對傳統機構知識庫升級與優化后，不僅可存儲科研成果，還能存儲科研成果相關的原始數據與派生數據。Ball認為，機構知識庫承擔著機構數字成果的監護角色，需要具體政策和工具來保存和監護機構數字成果；［29］Choudhury建議機構知識庫提供嵌入式科研流程的數據服務，并對其已有數據文件或數據記錄（包含多個相關文件）所有權進行跟蹤服務。［26］如明尼蘇達大學Digital Conservancy［30］、康奈爾大學eCommons［31］、賓夕法尼亞大學ScholarSphere［32］、華盛頓大學Open Scholarship［33］等都是在傳統機構知識庫的基礎上升級與優化，收集、存儲與共享多學科的科研成果與相關數據集。［34］

（1）明尼蘇達大學機構知識庫（University Digital Conservancy，UDC）［30］長期保存與提供免費公開訪問大學數字資源，數字資源包括教師開放存取學術作品的副本、優秀學生作品（如學位論文與獲獎論文等）、大學數字記錄（如檔案館數字記錄）以及數據。2015年，構建明尼蘇達大學數據知識庫（Data Repository for the University of Minnesota，DRUM），其屬于UDC子集，具有自定義元數據模式與提交工作流的功能，收集并公開明尼蘇達大學科研人員、學生與教職工產生的數據，世界各地分散科研人員通過數據知識庫平臺檢索與下載數據。［35,36］該數據知識庫為用戶提供靈活數據訪問方式，滿足基金組織對數據共享與保存方面要求，保障數據長期保存與最大化再利用。

（2）康奈爾大學階段型數據知識庫（Data Staging Repository，DataStaR）的嵌入式科研流程服務超越了傳統機構知識庫的終端服務，融合了機構知識庫和學科庫的功能。［37］DataStaR由平臺與服務構成，服務是指在科研人員控制下實現跨機構庫數據處理、存儲、共享與發布等服務，平臺是為科研人員提供科研數據的在線臨時存儲庫。［38］階段型數據知識庫DataStaR的數據可轉移到長期保存的機構知識庫eCommons中。eCommons創建于2002年，用于保存教職工以及學生學術成果以相關數據集，免費提供校內產生的、具有持久價值的數字內容長期訪問。

4.2 數據知識庫的數據服務

數據知識庫承擔數據服務工作，機構知識庫承擔科研與教學成果長期保存任務，且二者存儲內容相互關聯，共同為世界各地科研人員提供知識服務。如，北京大學的開放研究數據服務平臺（PKU-OpenData）為科研人員提供數據存儲、發布、管理、共享與再利用等服務，為數據用戶提供數據瀏覽、檢索、在線分析與下載功能，促進數據傳播、發現、再利用與規范引用。其數據知識庫平臺的數據與北京大學機構知識庫的期刊論文、會議論文、學位論文、報紙、報告、專著、專利等研究成果建立關聯。［39］

（1）2016年，密歇根大學圖書館機構知識庫Deep Blue［40］與數據知識庫Deep Blue Data［41］共同提供知識服務，旨在廣泛傳播密歇根大學社區在科研、教學和創新方面的知識貢獻，并確保其長期有效。Deep Blue Data提供數據保存與訪問服務，其數據來源于機構科研、教學、與學習活動中。作為密歇根大學產生數據存儲與共享平臺，Deep Blue Data提升了數據的再利用價值，滿足了利益相關者關于數據存儲與共享的要求。［41］

（2）伊利諾伊大學厄巴納香檳分校（University of Illinois at Urbana-Champaign，UIUC）機構知識庫（The Illinois Digital Environment for Access to Learning and Scholarship，IDEALS）［42］與數據知識庫Illinois Data Bank在機構數字資產存儲、維護與共享發揮不同作用與價值，共同為本機構數字資產提供長期保存服務。［43］IDEALS收集與傳播教師、科研人員及研究生的學術成果，并提供持續可靠的訪問，其學術成果包括工作文件、技術報告、專題論文和學位論文、演示文稿以及小型數據集。Illinois Data Bank的使命是整合、存儲與維護由教師、科研人員和研究生自愿創建與發布數據，并提供持續可靠訪問數據，其數據來源于伊利諾伊大學厄巴納香檳分校的科研項目。［44］Illinois Data Bank的數據與IDEALS相關成果（如期刊文章、源代碼或存放在別處數據）建立動態關聯，平臺符合基金委員會與出版商對數據存檔要求，保障數據持久和持續訪問，滿足世界各地科研人員的數據服務需求。

（3）2008年，普渡大學圖書館提出了分布式環境的機構知識庫支持數據監護的論點。［45］普渡大學分布式數據監護中心（D2C2）包括三個并行數字知識庫：電子檔案知識庫e-Archives、數字文檔知識庫Purduee-Pubs以及數據知識庫PURR，三個并行數字知識庫實現了分布式研究、分布式數據、分布式方法的不同解決方案。［46］e-Archives服務于數字化檔案與特色館藏，科研人員不受地理、背景與研究興趣限制自由訪問其集合；Purdue e-Pubs存儲普渡大學作者的電子書、論文、報告等；PURR以HUBzero軟件為平臺，用于存儲表格、傳感器與儀器輸出、軟件源代碼與仿真、圖像、視頻、音頻、觀察日志、訪談記錄、調查工具與結果等數據，提供在線的協同工作空間與數據共享平臺以支持普渡大學科研人員與其合作者的數據監護需求，協助科研人員創建虛擬科研環境與數據管理計劃、上傳數據與發布數據等。［47,48］e-Archives與Purduee-Pubs不支持數據監護服務，PURR支持數據密集型科學的學術交流與開放存取，支持嵌入式科研流程服務。

目前，國內機構知識庫無法保障數據長期保存與共享，同時數據知識庫數量少且質量不高，很難滿足科研人員數據服務需求。為了構建有助于數據密集型科學發展的數據監護平臺，國內高校與科研機構迫切需要優化傳統機構知識庫的數據處理功能或構建數據知識庫聯盟，并完善其數據監護功能。筆者將進一步研究國內數據知識庫的數據監護功能，如，可持續性、透明度、數據知識庫聯盟、嵌入式科研流程服務、訪問管理、平臺功能、在線處理、互操作、數據監護人員協同工作等。