高校科研項目周期中數據質量控制模式探究

唐晶　屈文建

摘要：[目的/意義]旨在為高校科研項目周期中數據質量控制提供一種有效控制途徑與方法。[方法/過程]圍繞科研項目周期和數據質量控制周期構建數據質量控制架構體系，并在此體系之下從認知、管理、流程3個視角分別實施數據質量控制，引入質量差距模型、企業(yè)架構模型和流程分析等控制方法，剖析高校科研項目周期中科研數據質量控制機理。[結果/結論] 構建了適用于科研項目周期中高校科研數據質量控制架構體系及其數據質量控制模式，為高校科研數據質量控制提供理論支撐。

關鍵詞：數據質量? ? 科研項目周期? ? 科研環(huán)境? ? 質量差距模型? ? 企業(yè)架構模型

分類號：G250

引用格式：唐晶， 屈文建. 高校科研項目周期中數據質量控制模式探究[J/OL]. 知識管理論壇， 2020， 5（1）： 24-35[引用日期]. http：//www.kmf.ac.cn/p/197/.

1? 引言

隨著第四科研范式環(huán)境即數據密集型科研環(huán)境的形成，科研數據量成指數型迅猛增長，數據表現形式多樣，對于科研人員來說，其所需存儲、處理的數據量驚人，數據來源和數據結構繁多復雜，為推動科研項目的進程帶來了很大的阻礙[1]。且科研項目中充斥的數據資源來源復雜、存儲結構多樣，各個科研項目團隊的數據共享技術兼容性差、數據管理意識不足，導致科研數據質量低下、利用率不高。而高校具有得天獨厚的科研數據資源優(yōu)勢，是產生、利用科研數據從事科學研究的主力軍，因此，高校更需要加強數據密集型科研環(huán)境下數據質量控制，并以此為基礎探索、構建、完善國內高校在數字化科研背景下的科研數據管理架構與體系。

回顧國內外高校科研數據質量控制的研究歷程，研究成果集中于理論體系的建立以及實踐應用。在高校科研數據質量控制理論體系構建方面，DAMA將數據質量控制分為10個職能域，成為當前較為被認可的數據管理知識體系[1];包冬梅等創(chuàng)新性地提出了高校圖書館數據治理框架——CALib框架，促進了高校圖書館數據資源有效利用[2];屈文建等基于Krantz理論建立了高校科研數據質量控制架構并剖析其作用機制，為高校科研團隊控制科研數據提供了有效理論支撐[3]。在實踐應用方面，馬波等通過借鑒和總結歐美高校圖書館的科研數據管理實踐經驗，提出了加強數據治理意識與基礎設施構建、人才培養(yǎng)等策略，以期提高國內高校科研數據治理水平[4];徐慧芳等通過調研國內科研數據管理實踐并進行SWOT分析，從多個視角提出了國內高校圖書館有效實施科研數據服務與質量控制的途徑[5]。然而通過對已有研究的梳理可以發(fā)現，在數字化科研背景下，科研數據管理作為高校圖書館及科研機構新的業(yè)務生長點，其數據質量控制模式在應付海量的數據規(guī)模時還有較大的提升空間。

基于此，本文圍繞科研項目周期構建高校科研數據質量控制架構體系，并從認知、管理、流程3個視角提出高校科研數據質量控制模式，為促進我國科研機構、圖書館等開展科研數據質量工程提供理論參考。

2? 科研項目周期中實行數據質量控制的必要性

2.1? 科研項目周期內涵及其相關數據活動

科研項目生命周期是一種管理學意義上的項目生命周期，描述科研項目“計劃—立項—實施—結題”的發(fā)展階段和歷程。為便于后續(xù)研究，本文采用陸玉泉提出的科研項目生命周期劃分方法，將科研項目周期劃分為科研構思、科研實施、成果整理和成果發(fā)表4個階段[6]，如圖1所示，基于此來研究科研項目周期中的高校科研數據質量控制。

（1）科研構思階段。科研構思階段是科研項目選題和申報立項的基礎，它體現了科研項目團隊的研究能力和科研項目的新穎性、前沿性。這一階段的數據活動主要是數據資源采集。項目團隊需要進行大量科研數據搜集、確定項目干系人、科研項目選題及數據質量規(guī)劃等前期研究相關工作，其中數據搜集來源主要依靠共享聯盟、主動上傳和直接獲取等方式[7]，采集內容包括但不限于：相關科研文獻資料閱讀、國內外發(fā)展方向與研究動態(tài)跟蹤、技術可行性分析、市場調研等。

（2）科研實施階段。在科研實施階段，項目團隊需要根據科研構思階段完成的科研規(guī)劃來進行學術論文撰寫、科學實驗開展等相關科研活動。這一階段是科研數據生產、發(fā)現的黃金時期，需要按照前期行動中得到的數據準則嚴格規(guī)范新建數據，采取合適的數據處理工具對數據進行預處理，盡可能在早期獲得較高質量的數據。

（3）成果整理階段。得到原始科研數據后，需借助數據挖掘、數據庫、數據質量檢測識別等技術工具對數據進行提取、整合和挖掘，得到更精準的實驗結果，并以此為根據撰寫科研成果。對科研數據進行整合、分析與可視化，使其更直觀地反映事物之間的真實聯系是成果整理階段的工作重心。

（4）成果發(fā)表階段。經過前期的努力與錘煉，項目團隊的科研成果成形，經修改、調整后進入評議、審查和發(fā)表階段。這一階段主要由項目評審小組對科研成果質量進行評議，審核通過后將科研數據上傳至共享聯盟等科研數據共享平臺，進行數據的存檔和分享，同時科研項目團隊在經短暫休整后著手下一個科研項目的開展。

2.2? 科研項目周期中高校科研數據質量問題及原因

科研數據作為高校科研項目周期中的重要組成，盡管其質量控制的重要性不斷被學者強調，但在高校科研項目實踐中仍存在諸多問題。數據錯誤、不完整、不一致、不及時是高校科研數據質量的主要問題（見表1），其原因分為以下幾種：①科研數據來源復雜且類型多樣[6]。科研項目團隊成員大多來自不同學科，擁有不同學科背景，由此而生的科研數據來源復雜且未能有統一數據規(guī)范，數據孤島現象加劇，給數據的采集和整理帶來不小挑戰(zhàn)。②科研數據規(guī)模偏小。高校科研項目團隊產生的科研數據規(guī)模不大，但項目團隊數量眾多，使得項目團隊在數據發(fā)現中很難檢索到高質量數據。③科研數據質量控制意識不足。項目團隊成員的數據質量管理的習慣尚未養(yǎng)成，在科研數據搜集能力、數據共享意識、數據安全意識等方面還存在一定欠缺。

綜合科研項目周期中數據質量問題剖析和原因分析可知，要將無序、信息混亂的科研數據序化整合以供高校科研項目團隊重復利用，就必須針對存在的質量問題提出一套基于準確性、完整性、一致性和及時性的可靠數據質量評估標準，構建數據質量工程的實踐架構體系，實現科研數據的創(chuàng)新增值、科研項目管理的效率提升和項目團隊質量控制意識的提高。

2.3? 實施高校科研數據質量控制的意義

結合高校科研數據自身特點、科研數據需求及科研環(huán)境等多方面情況，本文認為在高校科研項目周期中實施數據質量控制的意義主要表現在以下幾個方面：

（1）促進跨學科科研數據的組織與融合。由于科研項目研究的需要和項目成員自身學科背景的異質性，科研數據普遍具有學科交叉和關聯的特點，這一特征使得數據管理相關標準難以制定或缺乏普適性，造成科研數據利用率低下。在科研項目周期中實施數據質量控制有助于實施數據多維度組織，從不同維度對科研項目周期中不同階段的科研數據進行組織與分類，提高科研數據利用率。

（2）滿足高校科研項目團隊對高質量數據的需求。對于高校科研項目團隊人員而言，有缺陷的、不完整的或誤導性的數據極有可能造成科學實驗的失敗，造成科研成本急劇上升，甚至項目無法結題。而準確、完整的科研數據在推動科研項目進程方面可起到事半功倍的效用，緩解項目團隊的科研壓力，提高數據的研究和使用價值。

（3）融入第四科研范式環(huán)境的必然要求。全新的科研范式下科研數據成為科學研究的基礎性資源[8]。已有的科研數據是新研究的寶貴資產，對已有數據的整合、挖掘和再利用為學術研究提供了一種新的資源[9]。由此而生的高密集科研大數據對傳統的科研數據管理造成了巨大沖擊，因此在科研項目周期中構建高校科研數據質量控制架構體系、提高科研數據質量是融入第四科研范式環(huán)境的必然要求。

3? 科研項目周期中高校科研數據質量控制架構體系

高校科研數據質量控制是一項時間跨度長、過程復雜的項目，在科研項目周期的不同階段，科研數據的來源、質量要求和控制方法也不同。本研究從科研項目周期和質量控制階段兩個角度構建高校科研數據質量控制架構體系，如圖2所示。高校科研項目周期中的相關數據活動涉及項目規(guī)劃者、數據采集者等5類數據質量角色，他們在促進科研項目順利開展的同時，從評估、認知和行動3個階段開展數據質量控制活動，根據評估階段產生的科研數據質量評估結果確定數據質量問題產生的根本原因，并從認知、管理、流程3個視角制定科研數據質量提高方案，從而形成科研數據質量控制周期，不斷提高科研數據質量。

3.1? 高校科研數據質量控制過程中相關角色

科研項目周期中主要涉及項目規(guī)劃者、數據采集者、技術支持者、數據分析者和記錄管理人員這5類角色，他們與科研項目和質量控制周期緊密相連，影響著科研數據的質量和價值。

（1）項目規(guī)劃者。規(guī)劃者一般包括科研項目中的項目主持人、數據架構師等人，主要在科研構思階段收集科研項目數據需求，擬定科研項目數據管理規(guī)劃，將數據質量提高融入項目設計和體系架構中，以便減少風險、抓住機遇和合理地分配資源。

（2）數據采集者。主要是指科研項目團隊中實施科研實驗或搜集數據的人員，他們掌握著數據的最初來源，作為數據質量角色的重要組成部分承擔捕獲、創(chuàng)建或維護數據的職責。

（3）技術支持者。主要指項目團隊中數據庫管理員、IT支持者等人員，開發(fā)科研數據存儲平臺，實施元數據管理并建立數據有效性規(guī)則，在邏輯上形成完整的資源體系，使科研數據在物理存儲上具有整體性和關聯性、在空間上具有較強的擴展性。

（4）數據分析者。知識工作者在成果整理階段運用數據挖掘、數據建模等數據分析技術，對原始科研數據進行深入分析，識別、檢測并清洗錯誤、無效等低質量數據，對高質量的數據進行整理、分析，挖掘科研數據背后事物之間的潛在聯系，得出理想的科研成果。

（5）記錄管理人員。記錄管理人員在整個科研項目周期和質量控制周期中負責采集科研數據與規(guī)范存檔記錄，并明確其在生命周期各階段的狀態(tài)。由于數據通常分散在項目團隊不同成員手中，因此建立科研數據在每個周期階段的狀態(tài)、操作、環(huán)境信息等完整的文檔記錄更為重要，以便減少科研數據在項目周期中的流失，加強了科研數據的管理與控制[10]。

3.2? 數據質量控制周期

數據質量控制周期通過評估、溯因和行動3個高層步驟，為討論和著手思考“控制”提供一種簡單的方法[11]。在評估階段，需要評判當前科研項目環(huán)境和數據，并將其與需求和預期相比較;在溯因階段，了解數據和信息的真實狀態(tài)、對科研的影響和根本原因是重點;前兩個階段的順利進行為行動階段打下堅實基礎，數據質量管理人員在這一階段除了糾正當前科研數據錯誤之外，還需預防未來信息和科研數據質量問題。評估是溯因的關鍵，溯因將引起行動，行動又由定期評估來核實，由此，科研數據質量控制得以良性循環(huán)。

3.2.1? 評估階段

評估階段是整個質量控制周期的基礎，也是高校科研項目周期得以持續(xù)的前提。在這一階段主要包括科研數據的需求和環(huán)境分析、定義數據質量維度和數據質量評估3個方面。有效的規(guī)劃是確保任何科研項目成功實施必不可少的要素，對科研數據的需求和環(huán)境進行全面分析將使科研項目實施真正做到有的放矢和更有針對性;根據科研項目周期中的數據質量問題并結合以往研究，定義科研數據質量維度包括正確性、完整性、一致性和及時性4個維度，統一規(guī)范科研項目周期中數據質量控制的標準和測量方法，以便后續(xù)數據質量評估的順利開展。

3.2.2? 溯因階段

找出科研數據質量問題的根本原因并有針對性地制定提高方案是溯因階段的重中之重。數據管理人員收集所有與低數據質量相關的背景信息，追蹤和回溯科研數據在科研項目周期里流通的路徑并進行捕獲和比較，對質量問題進行優(yōu)先級分類，最終確定數據質量問題的根本原因。若根本原因引起的質量問題超出了預先的數據質量評估維度，則需返回評估階段重新對數據需求和環(huán)境進行分析;若根本原因在預計質量問題范圍內，需要確定根本原因發(fā)生的階段，提出解決根本原因的具體建議，并對若干建議劃分優(yōu)先等級，確定質量提高方案。

3.2.3? 行動階段

行動階段的目的是糾正當前科研數據錯誤，同時采取手段預防未來科研數據錯誤。由溯因階段輸入至行動階段的質量提高方案主要包括質量差距模型、企業(yè)架構模型和流程分析3種模式。從認知視角來看，引入質量差距模型，認知并分析期望的科研數據質量和實際感知的科研數據質量之間的差距，對于正確把握質量問題產生的根本原因具有關鍵作用;從管理視角來看，隨著跨學科趨勢的增強，高校科研項目更強調跨部門性的協同合作，在企業(yè)架構的模型上實施高校科研數據質量控制能從科研團隊層面為數據質量控制活動提供保障;從流程視角來看，高校科研數據質量水平還與項目周期中各個環(huán)節(jié)息息相關，因此本研究還引入流程分析，從微觀角度有計劃、有組織地把控高校科研數據質量。這3個視角提出的科研數據質量改進流程和數據糾正方法，為科研項目周期中高校科研數據質量控制提供了理論思路和實踐基礎。

4? 科研項目周期中高校科研數據質量控制模式分析

為確保數據管理方可以自始至終控制科研項目周期中的科研數據質量，在產生實質影響前盡早識別、排序和修復數據缺陷，本文基于高校科研數據質量控制架構體系的三大階段，提出了科研項目周期中高校科研數據質量控制總模式，如圖3所示。該模式闡述了在高校科研數據質量控制架構體系下數據質量控制的具體模式及流程。評估階段和溯因階段是在全項目周期中實時監(jiān)測科研活動中的數據質量，依據科研數據質量規(guī)則及維度對數據質量進行評估后，找出數據質量問題并根據問題的性質、出現的階段進行分類編號。在行動階段，數據管理人員將從認知視角出發(fā)，引入質量差距分析模型，將實際的數據質量與項目團隊期望的數據質量進行比較，進行質量差距分析，從而深入測量、嚴密評判各類數據質量問題并找到根本原因，為科研團隊制定數據質量控制決策提供關鍵依據;從管理視角來看，數據管理人員根據基于質量差距模型的科研數據質量控制模式排查出來的質量問題根本原因，將數據質量控制整合為企業(yè)架構的固有組件，從宏觀上提出解決科研項目中跨學科、跨部門的數據質量控制和協同監(jiān)管問題的方法，為科研項目周期中的高校科研數據質量控制活動提供理論支撐和數據治理規(guī)范;最后，數據管理人員從流程視角上對整個科研項目周期進行數據質量問題監(jiān)測與跟蹤，從微觀層面確保問題能得到及時有效的處置，并提高項目流程管理效率。現對各視角下數據質量控制模式進行剖析。

4.1? 基于質量差距模型的高校科研數據質量控制模式

營銷學家A. Parasuraman和L. Berry等人提出服務質量差距模型，通過對顧客感知的實際服務質量與期望服務質量的差距比較來分析存在的質量問題[12]，J. R. Evans提出“客戶驅動質量”方法，主張從需求的角度提升數據質量[13]。在高校科研項目周期中，對科研數據管理人員和項目團隊進行數據質量差距分析是發(fā)現數據質量根本原因、實現數據質量有效提高的關鍵前提。質量差距分析模型主要是通過項目團隊期望的數據質量和其實際感知的數據質量的差距，進行根本原因分析，從而精準修復數據質量問題，實現提高科研數據質量的目的，具體如圖4所示：

影響項目團隊成員期望的數據質量因素一般包括歷史數據的可靠性、科研機構的宣傳力度以及科研數據的需求程度等，這些因素的相互作用構成了科研項目周期中項目團隊對科研數據質量的期望指數;而項目團隊實際感知到的數據質量的形成來源于數據采集質量的可靠性、數據質量標準制定的科學性、對科研數據的分析能力和團隊成員的數據素養(yǎng)。數據質量控制人員通過用戶調查法、問卷調查法多種方式了解這兩者之間的差距，并根據調查結果進行質量差距分析。質量差距分析內容由數據質量期望差距、數據質量標準差距、數據質量傳遞差距、溝通質量差距和整體感知質量差距構成，其中整體感知質量差距是整個模型分析的關鍵，前4個差距的大小直接影響著科研項目團隊感知的科研數據質量差距的大小，因而在進行質量控制時應盡量縮小前4個差距。數據控制人員通過質量差距分析列出來的差距清單，進行快速配置測試或查詢，記錄下可能需要糾正的數據集，進行質量根本原因分析。識別錯誤源和理解錯誤的引入是根本原因分析的重點，主要通過在整個科研項目周期中重復識別數據“進時有效、出時無效”的處理階段，精準定位數據活動中數據錯誤源的位置，在此基礎上更進一步分析數據質量缺陷造成的原因，了解引入錯誤的方式。將數據質量原因按優(yōu)先級分類，有助于將業(yè)務價值與高質量數據關聯起來，同時還能發(fā)現少量在評估階段疏漏的質量問題，促進數據質量控制體系的改進。若問題原因在預計范圍內，則需要采取數據糾正與清理、根本原因消除、監(jiān)測和預防等修復質量方法，以提高科研數據質量。

4.2? 基于企業(yè)架構模型的高校科研數據質量控制模式

高校科研項目團隊成員大多來自于不同院系，學科背景的異質性使得科研數據內容綜合性強、跨學科性強，數據難以分類、有序儲存;同時高校科研數據質量控制需要多個部門共同協作，具有跨部門性，因此從管理角度來說還需要構建一套適應高校科研數據特征的數據質量控制模式。企業(yè)架構是一種按照一定系統設計原則進行組織的理論框架，在信息資源集成[14]、數據治理[15]等方面得到廣泛應用，因此可將企業(yè)架構模型引入高校科研數據質量控制模式。企業(yè)架構的內容一般包括業(yè)務架構、應用架構、數據架構和技術架構4層[16]，將其應用于科研數據質量工程實踐中，具體如圖5所示。

技術層是整個企業(yè)架構模式的基礎，涉及到網絡傳輸基本服務、IT基礎設施設備、大數據處理技術和智力支持等要素。其中網絡傳輸和IT基礎設施設備為支撐整個科研數據活動和質量控制活動提供了保障，大數據處理技術是數據密集型科研環(huán)境下獲取高質量數據不可或缺的支撐點，為數據質量控制提供強大的技術支持，包括數據關聯分析、用戶行為智能預測、知識圖譜分析、聚類分析等，可實現對原始科研數據的有效處理。

數據層具體可分為數據采集、數據質量控制和數據存儲3個方面，該層面主要是為科研項目提供多維化的科研數據來源，并運用數據處理工具和技術對數據進行預處理和規(guī)范化存儲。數據采集方面，凡是能滿足項目團隊科研需要的資源都成為數據采集的對象，這些多維化數據來源主要包括共享聯盟資源、網絡資源和項目歷史資源，項目團隊根據科研需要從中提取知識，并將其應用到實際科研活動之中。但鑒于數據質量的良莠不齊，應當按照數據質量控制周期的循環(huán)步驟對采集的數據進行質量控制，經評估后確定數據質量根本原因、確定質量提高方案，從而預防和糾正數據錯誤，完成數據預處理工作。同時，還應設置必要的數據存儲規(guī)范，對數據進行統一格式化后再存檔至科研數據存儲平臺。

應用層主要是根據業(yè)務層和數據層提供的數據質量控制方案進一步提高數據質量，即對科研數據進行提取、整合和深入挖掘。其中數據提取是指對科研數據進行選擇和清洗，保證原始數據的準確性和及時性;數據整合是指對數據進行過濾和合并，降低數據的冗余性;數據挖掘是通過挖掘模式和算法應用對科研數據下的潛在知識內容進行挖掘和分析，最終得到理想的科研數據成果。

業(yè)務層則是為提高科研項目周期中的數據質量而形成的集成視窗，對整個項目中的數據活動進行實時監(jiān)測和維護。除此之外，還需在科研構思階段進行需求和環(huán)境分析，如收集數據需求、制定數據規(guī)范和數據管理規(guī)劃等，同時制定適用于整個架構的科研數據標準，為科研數據質量的評估、控制提供有效且統一的尺度。

4.3? 基于流程分析的高校數據質量控制模式

科研數據質量包括過程數據質量和結果數據質量，結果質量的好壞反映在科研項目過程的各個環(huán)節(jié)上，只有改善過程數據質量才能促使結果質量的提高。因此，需要對科研項目周期中的高校科研數據質量控制進行流程分析，從微觀的角度有計劃、有組織、持續(xù)地進行質量改進，達到期望數據質量的要求，如圖6所示。

在科研構思階段，數據資源采集、需求環(huán)境分析和質量評估標準的確定是規(guī)劃者和記錄管理人員的重點工作。數據資源的采集來源于科研數據共享平臺，采集過程中從源頭上保證數據的準確性與完整性是數據質量控制的重點;需求環(huán)境分析中主要是了解項目團隊的科研數據質量需求、前沿性分析等，此時科研數據的準確性和及時性是規(guī)劃者的主要需求;在制定數據質量評估標準時，規(guī)劃者和記錄管理人員需要充分考慮數據質量需求，確保標準的可靠性和科學性。

在科研實施階段，生產者通過科研活動產生原始實驗數據，由技術支持者根據數據質量評估結果，運用大數據處理技術進行數據預處理，包括科研數據去重、糾正錯誤數據、統一存儲格式等內容，得到符合科研數據標準規(guī)范的結構化數據。這一階段中嚴謹科學的科研活動是影響后續(xù)數據質量的根本要素，數據預處理的正確操作是提高科研數據質量的基本前提。

在成果整理階段，從數據發(fā)現上升到知識發(fā)現、從數據采集到數據創(chuàng)造是這一階段的主旋律。數據的提取、整合和挖掘依賴于技術支持者對數據處理技術的嫻熟掌控和知識工作者的數據素養(yǎng)，兩者的協同作用才能得到更精準的科研實驗結果，才能更深入地揭示事物間潛在關聯和規(guī)律。

在成果發(fā)表階段，知識工作者對成果整理階段的科研數據進行知識整合與挖掘，得到論文報告基本雛形。剔除部分偏離正常值的數據，對科研成果進行適度修改調整后存入科研數據存儲庫中。科研數據存儲庫將數據結構化，保證關聯數據的一致性，并實時更新數據，將高質量的科研成果存檔、共享至科研數據共享平臺。

5? 結論

大數據時代下，科學研究第四范式歸根結底是對海量數據的挖掘與控制[6]，科研數據的質量控制也就成了科研人員根據科研數據進行深入研究的關鍵所在。本研究從科研項目周期內涵及相關數據活動闡述了引入數據質量控制的必要性，并從科研項目周期和質量控制階段兩個角度構建高校科研數據質量控制架構體系，在深入剖析體系中各部分的功能和特點基礎上，從認知、管理和流程三大視角構建了各有側重又綜合協同的數據質量控制模式及流程，為高校科研項目周期中的科研數據質量控制提供了理論支撐和有效途徑。

參考文獻：

[1] DAMA國際.DAMA數據管理知識體系指南[M]. 北京：清華大學出版社， 2012：4-9.

[2] 包冬梅， 范穎捷， 李鳴.高校圖書館數據治理及其框架[J]. 圖書情報工作， 2015， 59（18）：134-141.

[3] 屈文建， 唐晶， 陳旦芝.高校科研數據質量控制架構與機制研究[J]. 情報理論與實踐， 2018， 41（11）：45-50.

[4] 馬波， 李宇.歐美國家高校圖書館科研數據管理實踐及啟示[J]. 圖書館工作與研究， 2018（8）：17-24.

[5] 徐慧芳.中國科研數據管理實踐現狀調研及對圖書館的啟示[J]. 圖書館學研究， 2019（17）：45-53.

[6] 陸玉泉. 大數據時代高校科研數據服務模式與建設路徑研究[D]. 南京： 南京航空航天大學， 2017.

[7] 熊文龍， 李瑞婻.基于科學數據管理的圖書館數據服務研究[J]. 圖書情報工作， 2014， 58（22）：48-53.

[8] 孫繼周.E - Science 環(huán)境下高校圖書館開展科學數據管理與共享的路徑研究[J]. 圖書館， 2016（5）： 66-71.

[9] MARCHIONINI G， 楊冠燦， 蘆昆.科研數據管理： 保障數據質量， 促進 iSchools 新科學研究[J]. 圖書情報知識， 2013（4）： 4-9.

[10] 丁寧， 馬浩琴.國外高校科學數據生命周期管理模型比較研究及借鑒[J]. 圖書情報工作， 2013， 57（6）：18-22.

[11] MCGILVRAY D.數據質量工程實踐[M]. 曹建軍， 刁興春， 張健美， 譯.北京： 電子工業(yè)出版社， 2010.

[12] MBA 智庫百科.諾伯特維納的控制[EB/OL]. [2012-04-14]. http//wiki.mbalib.com/wiki/Control_theory.

[13] EVANS J R， LINDSAY W M. The management and control of quality[M]. 5th ed.St.Paul：West， 2002.

[14] 屈文建， 周小渝， 孟書榮.基于企業(yè)架構的數字圖書館科技信息資源集成服務研究[J]. 圖書館學研究， 2017（13）：32-39.

[15] 郭路生， 劉春年.大數據時代應急數據質量治理研究[J]. 情報理論與實踐， 2016， 39（11）：101-105.

[16] CIOCouncil. Federal Enterprise Architecture Framework [EB/OL]. [2016-02-03]. http：//www.enterprise-architecture.info/Images/Documents/Federal%20EA%20Framework.pdf.

作者貢獻說明：

唐? 晶：提出研究思路，設計研究方案，撰寫論文;

屈文建：提出研究思路，指導論文修改。

Abstract： [Purpose/significance] This paper aims to provide an effective control approach and method for the data quality control in the scientific research project cycle of universities. [Method/process] It built a data quality and quality control architecture system around the scientific research project cycle and the data quality control cycle， and implemented data quality control from the perspectives of cognition， management， and process under this system， and introduced quality gap models and companies. Control methods such as architecture model and process analysis analyzed the data quality control mechanism in the scientific research project cycle of universities. [Result/conclusion] A scientific research data quality control architecture system and a data quality control model suitable for the scientific research project cycle were established， which provided theoretical support for the quality control of scientific research data in universities.

Keywords： data quality? ? research project cycle? ? research environment? ? quality gap model? ? enterprise architecture model