基于PMC-AE指數模型的中美科學數據管理政策量化評價

王丹丹　董金金

關鍵詞： 科學數據管理； 政策評價； ＰＭＣ－ＡＥ 指數模型

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１２．０１０

〔中圖分類號〕Ｇ２５０ ２５２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） １２－０１１１－１１

科學數據是國家科技創新和社會經濟持續發展的重要基礎性戰略資源?？茖W數據管理政策是加強科學數據管理、提高科學數據開放共享水平、釋放科學數據價值的重要手段［１－３］ 。各國（地區）政府、科研資助機構、科研機構和出版商等均出臺了相應的政策， 對科學數據的管理與開放共享做出規定。我國在２０１８ 年出臺了《科學數據管理辦法》， 并陸續發布了不同級別的科學數據管理政策， 但整體尚處于起步階段， 與發達國家（地區）相比仍有較大差距［４］ 。鑒于此， 本文構建了政策評價框架和指標體系， 通過ＰＭＣ－ＡＥ 指數模型， 將文本內容分析和量化評價同時用于中美科學數據管理政策的評價， 針對兩國科學數據管理政策量化評價結果，發現我國科學數據政策建設存在的問題以及與先進國家（地區）的差距所在， 并提出針對性建議， 為我國科學數據管理政策體系完善提供參考和借鑒。

１文獻回顧

１.１科學數據政策研究回顧

當前， 涵蓋“宏觀—中觀—微觀” ３ 個層面的科學數據管理政策體系已初步形成， 根據政策制定主體的不同， 可分為國際組織政策、國家政策、科研資助機構政策、科研機構政策以及出版商政策等。國外相關研究主要集中在科學數據管理政策實踐與優化、政策目標與價值、政策阻礙和激勵因素、政策影響力等方面［６－９］ 。我國也在科學數據管理政策的制定和實施方面開展了一些探索性研究。陳大慶［１０］ 調查了英國科研資助機構的政策內容與執行情況， 為中國科研資助機構科學數據管理政策制定提出建議。秦順等［１１］ 、李洋等［１２］ 對《科學數據管理辦法》的體制機制、影響因素、利益相關主體、監督機制等進行研究， 提出推進政策落實的建議。周文能等［１３］ 梳理歐盟、英國、美國等的科學數據管理與共享政策實施情況， 給出了改進國家自然科學基金項目數據管理與共享政策的建議。馬海群等［１４］ 、徐天雪［１５］ 基于層次分析和模糊綜合評價法， 構建了科學數據管理政策評價指標體系并實施評價。

１.２科學數據政策評價梳理

定性分析是當前科學數據政策評價的主要方法， 學者對不同政策主體、政策結構、內容要素等進行對比和分析。彭琳等［１６］ 通過定性分析發現，中國科學院６５ 種被ＳＣＩ 收錄的期刊政策存在數據著作權歸屬、數據使用與許可協議等缺失的問題。王芳等［１７］ 分析政策發布主體、發展歷程等， 基于生命周期下分析評價科學數據管理政策存在的問題。Ｈｒｙｎａｓｚｋｉｅｗｉｃｚ Ｉ 等［１８］ 研究期刊數據政策的１４ 個特征， 提出了期刊數據政策的標準化實施框架。實證研究和文本量化分析逐漸成為新興熱點。ＨａｒｄｗｉｃｋｅＴ Ｅ 等［１９］ 對《Ｃｏｇｎｉｔｉｏｎ》的強制性開放數據政策進行調查和評價， 發現強制性開放數據政策可以提高數據共享的頻率和質量。姜鑫［２０］ 對國外資助機構的１６ 項科學數據政策進行了文本分析， 針對國內資助機構提出政策制定建議。Ｓｉ Ｌ 等［２１］ 構建了“政策工具—利益相關者—生命周期” 三維分析框架。宋大成等［２２］ 基于ＰＭＣ 指數模型對國家層面的科學數據共享政策進行了量化評價。

１.３ ＰＭＣ 指數模型應用發展分析

政策文本量化評價主要分為３ 種： 一是針對政策文本結構特征的政策計量分析； 二是針對政策內容特征的內容量化分析； 三是面向政策語義特征的政策文本挖掘分析［２３］ 。ＰＭＣ－ＡＥ 指數模型是面向政策內容特征的量化分析［２３］ 。ＰＭＣ 指數模型遵循“變量選取應盡量全面” 的思想［２４］ ， 學者們通過使用ＲＯＳＴＣＭ、Ｎｖｉｖｏ、Ｒ、Ｐｙｔｈｏｎ 等工具提高了政策文本分析的效率， 運用社會網絡分析和關鍵語義分析、ＬＤＡ 算法等提高了模型構建和評價的客觀性［２５－２８］ ； ＰＭＣ－ＡＥ 指數模型， 利用神經網絡技術中的自編碼器（Ａｕｔｏ Ｅｎｃｏｄｅｒ， ＡＥ）技術特性， 通過參數自學習的方式實現數據融合的特性， 從而更好地表現各指標間的關系， 更加準確客觀表述評價結果， 它是對傳統ＰＭＣ 指數模型的加權求平均的計算方式的優化［２９－３０］ 。

綜上可見， 現有評價方法單一， 量化研究較少， 當前形勢下對我國科學數據管理政策開展量化評價必要且重要， 尤其是利用計算機技術結合評價模型進行政策文本量化評價。

２評價模型構建

２.１評價指標體系構建

２.１.１政策樣本選取與文本挖掘

指標體系構建的首要工作就是評價要素的選取， 共分為兩步：

１） 政策文本收集。通過政務網站、專業文獻，以及相關法律法規信息檢索系統搜集辦法、實施細則、通知、意見等， 遵照科學性、及時性和相關性原則分析篩選政策文本， 刪除不相關、無實質內容的政策文本， 最后得到中美兩國科學數據管理政策各６４ 項， 共１２８項。

２） 政策文本分析與特征提取。將政策文本排列， 形成具備相同維度的大型二維矩陣， 表示為Ｗｎ×ｍ ， 其中ｎ 為政策文本數量， ｍ 為單個文本長度。對Ｗ 進行分詞處理， 完成高頻詞提取和篩選，形成高頻詞庫， 表示為Ｆ， 如表１ 所示。

美國科學數據政策的主要高頻詞為數據、研究、公共、共享、管理、科學、機構、計劃、提案、政府、組織、程序、過程、回顧、需求等， 體現美國科學數據管理工作的主體為機構、政府等， 通過制定計劃、指南、提案、政策等對科研項目、科學數據進行管理和評價， 促進數據開放共享； 我國科學數據管理政策的高頻詞為管理、技術、資源、科學、科學數據、創新、開放共享、平臺、數據、項目、科研設施與儀器等， 體現出我國科學數據管理政策關注的重點是管理內容、目的和政策意義。

２.1.２變量選取

政策主體（效力級別、政策時效）通過一系列政策措施（政策工具、政策內容、政策功能）作用于政策對象（政策領域、政策受眾）， 從而促進政策目標（政策性質、政策評價） 的實現， 如圖１、表２ 所示。

政策主體方面， 主要考慮政策制定、執行、監管、評估各個環節， 根據政策發布時的機構層級、發布時間， 設置效力級別和政策時效作為一級指標要素。

政策對象方面， 主要考慮政策的作用領域和作用對象， 作用領域包括經濟、社會、政治、環境、科技和制度等； 作用對象包括政府、產業、企業、科研院所、高校、科研人員及公眾／ 個人， 設置政策領域和政策受眾作為一級指標要素。

政策措施方面， 主要考慮對政策對象的所有要求、建議和規則等， 設置政策工具、政策內容以及政策功能作為一級指標要素。其中， 政策工具選取了供給型、環境型和需求型工具作為分類， 政策內容則依賴于政策本文的挖掘和分析； 政策功能考慮科學數據管理政策對數據共享的作用。

政策目標方面， 主要考慮科學數據管理工作帶來的具體成效， 如科學數據中心的數量以及開放共享數據集的數量、質量和價值等， 設置政策性質和政策評價作為一級指標要素。

２.２ ＰＭＣ－ＡＥ模型構建

將自編碼器融入ＰＭＣ 指數模型， 對多項評價結果進行數據融合處理， 使評價結果更客觀、科學和準確［３７］ 。ＰＭＣ－ＡＥ 指數模型構建， 第一步是數據準備， 即分析整個政策文本， 選出參評政策文本； 第二步是模型構建， 在ＰＭＣ 模型的基礎上，參考前人研究和文本挖掘構建評價指標體系， 對每項政策每個指標打分， 構成投入產出表， 通過ＡＥ數據融合計算出各項政策得分， 最后繪制曲面圖，如圖２ 所示。

２.２.１多投入產出表構建

二級指標均使用二進制打分， 將待評價的政策文本進行分詞處理并提取高頻詞， 形成對應的特征向量， 當政策文本中包含二級變量對應的關鍵詞時， 則賦值為１， 否則為０， 如表３ 所示。

２.２.２ ＰＭＣ－ＡＥ結果計算

通過構建３ 層神經網絡， 使得輸入節點數等于輸出節點數， 隱藏層ｈ 即為數據融合結果， 具體表示為：

通過增加神經網絡層數對數據進行降維。經過訓練后， 通過非線性結合構成ｈ， ｈ 又通過非線性結合構成Ｙ， 且Ｙ ＝Ｘ。ｈ 和Ｘ 是經過非線性運算融合得到的， 而Ｙ 是通過解碼得到的， 從而可以認為ｈ 是Ｘ 和Ｙ 的非線性表達， 所以ｈ 可以作為各項指標融合后的政策文本得分［２３－２４］ 。根據研究所需， 輸入層為各項政策二級指標得分， 隱藏層節點數為１， 數據融合后得到各項政策一級指標得分。

將ＰＭＣ－ＡＥ 指數計算結果轉化為ＰＭＣ－ＡＥ 曲面， 以直觀展現每項政策的優勢與缺陷。ＰＭＣ－ＡＥ曲面由３×３ 的矩陣構成， 每項政策保留９ 個一級變量結果， 具體表示為：

３實證與結果分析

３.１評價政策選取

基于政策評價框架， 考慮兩國政策不同的發文時期、發布機構、效力級別等因素， 按照評價樣本不低于總體樣本１０％的比例選取契合度高、發布時間和效力級別分布廣泛、政策發布主體代表性較強的政策， 最終確定中美各７ 項代表性政策作為評價樣本， 如表４ 所示。

３.２驗證分析

３.2.１ ＰＭＣ－ＡＥ評價結果

對政策文本進行處理， 根據輸出的特征向量為二級變量賦值， 完成多輸入產出表構建。

數據融合時， 設置ＰＭＣ－ＡＥ 模型中的神經網絡為３ 層， 隱藏層節點數為１， 激活函數表示為：

對１４項政策多投入產出表的評價結果融合計算得出ＰＭＣ－ＡＥ 得分， 如表５ 所示。

基于表５ 的計算結果， 構建ＰＭＣ－ＡＥ 矩陣，并繪制ＰＭＣ－ＡＥ 曲面圖， 在曲面圖中露出的部分表示較高的得分， 凹陷部分表示較低得分， 在此，只展示Ｐ１ 和Ｐ８ 的曲面圖， 如圖３ 所示。

３.２.２評價結果分析

對１４ 項政策量化評價， 政策得分由高到低的順序分別是Ｐ９＞Ｐ５＞Ｐ８＞Ｐ６＞Ｐ４＞Ｐ１０＞Ｐ１３＞Ｐ１４＞Ｐ７＞Ｐ１１＞Ｐ１２＞Ｐ１＞Ｐ３＞Ｐ２， 結合得分情況， 將政策等級劃分為４ 個等級： Ⅰ級政策： ９ ００ 分以上， 包含Ｐ９、Ｐ５、Ｐ８ 三項政策； Ⅱ級政策： ８ ００ ～ ８ ９９ 分，包括Ｐ６、Ｐ４、Ｐ１０、Ｐ１３、Ｐ１４ 和Ｐ７； Ⅲ級政策有Ｐ１１、Ｐ１２ 和Ｐ１； Ⅳ級政策： ５ ００～６ ９９ 分， 有Ｐ３和Ｐ２。１４ 項政策與平均值在每個指標上的差距情況如圖４ 所示。

１） 單項政策分析

根據ＰＭＣ－ＡＥ 指數和ＰＭＣ－ＡＥ曲面結果， 按照政策等級對１４ 項政策逐一分析：

①Ⅰ級政策： Ｐ９ 的ＰＭＣ－ＡＥ 指數為９ ６７ 分，排名第一， 該政策各指標的表現都很好。它是美國聯邦數據戰略從愿景到落地的關鍵政策， 其制定了科學數據管理的１０ 項原則和執行框架， 明確了從聯邦機構、相關社區、全國的整體協作和融合發展路徑， 確立了數據從收集、儲存、管理、保護以及數據質量、自我評估、倫理框架、政策標準、管理工具、人員培訓、數據庫建設等２０ 項關鍵行動目標， 是美國科學數據管理最為完善的政策之一［３８］ 。

Ｐ５ 的ＰＭＣ－ＡＥ 指數為９ ２６ 分， 排名第二， 它是我國目前科學數據管理最高級別政策。但在政策內容（Ｘ７）上缺少ＤＭＰ 和管理技術培訓的相關內容，原因之一是該政策屬于國家層面的宏觀指導性政策， 其指導對象廣泛， 作用層面寬泛， 政策內容中缺少較為細節的設計， 另外對于科學數據的分類分級管理作出的指導有限。

Ｐ８ 的ＰＭＣ－ＡＥ 指數得分是９ １９， 排在第三名， 它是美國ＯＳＴＰ 的《促進聯邦資助科研成果獲取的備忘錄》（Ｉｎｃｒｅａｓｉｎｇ Ａｃｃｅｓｓ ｔｏ ｔｈｅ Ｒｅｓｕｌｔｓ ｏｆ Ｆｅｄｅｒａｌｌｙ Ｆｕｎｄｅｄ Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｓｅａｒｃｈ）， 其提出“年研發經費超過１ 億美元的機構” 必須提交數據管理計劃， 使美國各科研機構科學數據進入“管理計劃時代”， 但是沒有制定詳細的規劃， 缺乏數據的治理和分類分級提出相關要求， 因此， 在政策內容（Ｘ_７）上得分不高。

②Ⅱ級政策： Ｐ６ 的ＰＭＣ－ＡＥ 指數為８ ９８， 排名第四， 它主要用以規范中國科學院院屬各單位及人員的科學數據管理工作， 提高科學數據開放水平， 促進科技創新效率。Ｐ６ 所有維度的得分都高于平均值， 各個維度設計都相對完善， 政策改進可從政策領域（Ｘ_４）和效力級別（Ｘ_３）著手， 提升政策的帶動作用， 增加對我國管理技術培訓的相關內容， 促進我國科學數據管理走向標準化、制度化。

Ｐ４ 的ＰＭＣ－ＡＥ 指數得分為８.９７， 排名第五，它是早期國家科學數據管理辦法的嘗試， 也是領域科學數據管理辦法的代表。未達到Ⅰ級政策標準的主要原因在于其政策領域（Ｘ_４）、政策功能（Ｘ_８）方面的不足。但同時， 其最大優勢在于能夠發揮政策針對性強的優勢， 更加細化政策受眾（Ｘ_５）、政策內容（Ｘ_７）； 未來要對主管部門的職責范圍、科學數據的分類分級、數據處理、開放共享、合作交流中數據保密與安全等作出更細致的規定。

Ｐ１０ 的ＰＭＣ－ＡＥ 指數為８.８４ 分， 排名第六， 它是美國ＮＳＦ 針對Ｐ８ 的響應政策。同Ｐ８ 一致， 作為指向明確的政策， 其在相關定義的描述、政策規劃方面都不多， 因此， 政策評價（Ｘ_９）得分不高； 對比Ｐ８， 主要是ＮＳＦ 的政策領域（Ｘ_４）、政策受眾（Ｘ_５）更有針對性， 得分略低。

Ｐ１３ 的ＰＭＣ－ＡＥ 指數為８ ２９ 分， 排名第七， 它是美國ＵＳＧＳ 的科學數據管理政策， ＵＳＧＳ 開發了科學數據生命周期模型（ＳＤＬＭ）， 并基于ＳＤＬＭ 制定了包括計劃、獲取、處理、分析、保存、出版／共享整個科學數據生命周期下的管理政策、ＤＭＰ 指南、（元）數據標準、管理培訓等一系列措施。但其政策針對性項， 政策受眾（Ｘ_５）得分不高， 政策功能（Ｘ_８）發揮有限。

Ｐ１４ 的ＰＭＣ－ＡＥ 指數得分為８.０７ 分， 排名第八， 它是美國能源部２０１４ 年的《開放獲取計劃》（Ｐｕｂｌｉｃ Ａｃｃｅｓｓ Ｐｌａｎ）， 其明確了開放獲取的原則和框架、門戶網站（ＰＡＧＥＳ）提交、保存數據以及相關管理職責。但該政策側重于呼吁科研人員通過門戶網站提交和管理數據， 政策內容（Ｘ_７）沒有針對數據分類分級、人員培訓等相關內容， 因此得分不高。

Ｐ７ 的ＰＭＣ－ＡＥ 指數為８.０４ 分， 排名第九，它是針對大數據產業主管部門制定的綜合性指導性政策。與Ｐ５ 相比， 其在政策領域（Ｘ_４）和政策功能（Ｘ_８）方面有獨特優勢。但該政策專指性較強， 政策受眾（Ｘ_５）范圍窄。雖然政策內容（Ｘ_７）得分不低，但在數據生命周期內的數據生產、匯交、開放共享等方面的設計較為宏觀， 缺乏管理技術培訓、管理計劃等內容。

③Ⅲ級政策： Ｐ１１ 的ＰＭＣ －ＡＥ 指數得分是７.６４ 分， 排名第十， 它是美國ＮＩＨ 的數據管理和共享政策。ＮＩＨ 會根據聯邦政策和自身要求及時更新政策。相比Ｐ４、Ｐ５ 等國內政策， Ｐ１１ 更注重政策內容（Ｘ_７）中生命周期各環節的相關要求， 在政策領域（Ｘ_４）、政策受眾（Ｘ_５）方面針對性更強， 強調數據管理計劃、數據研究過程的評價等內容。

Ｐ１２ 的ＰＭＣ－ＡＥ 指數為７.４４ 分， 它是ＮＩＨ 下的國家老齡研究所（Ｎａｔｉｏｎａｌ? Ｉｎｓｔｉｔｕｔｅ ｏｎ Ａｇｉｎｇ， ＮＩＡ）在２０２３ 年１ 月發布的專項政策。同Ｐ１４ 一樣， 其政策領域（Ｘ_４）、政策受眾（Ｘ_５）得分均不高， 也缺乏數據管理計劃等內容。

Ｐ１ 的ＰＭＣ－ＡＥ 指數得分為７.３８ 分， 排名第十二， 它是我國進行科學數據共享的最早嘗試和探索， 多項指標得分均低于平均值。原因在于該政策面向特定領域， 專指性較強， 受眾和功能相對單一， 且發布時間早， 其政策設計方面還有很大改進空間。

④Ⅳ級政策： Ｐ３ 是科學技術部針對專項項目的科學數據匯交辦法， 其ＰＭＣ－ＡＥ 指數得分為６.５２ 分， 排名第十三。科學數據匯交是科學數據管理工作中的重要環節， 主要針對專項項目制定匯交程序， 其各項指標的得分都不高?？茖W數據匯交是科學數據管理工作的第一步， 因此科學數據匯交應進一步規范匯交程序， 細化匯交流程， 并在科學數據匯交之時做好分類分級的相關工作， 制定分類分級標準和指南， 促進數據分類分級匯交和開放。

Ｐ２ 的ＰＭＣ－ＡＥ 指數為６.１９， 它是專門為實現“十一五” 規劃目標啟動的科學數據平臺開放共享的工作方案， 但是它只制定了各平臺開放共享工作的總結報告編寫提綱， 未制定更細致的標準。２０１８年， 科技部、財政部發布的《國家科技資源共享服務平臺管理辦法》進一步明確了管理職責， 擴大了平臺管理范圍， 為科學數據平臺的管理與開放共享服務提出了更好的保障。

２） 評價結果討論從政策分布和一致性等級看， 兩國政策的國家級政策得分高于各部門和機構政策， 美國政策的得分整體高于我國， 美國的７ 項政策處于前３ 個等級， 而我國政策在４ 個等級上均有分布， 且美國政策平均得分高于我國， 美國科學數據管理政策呈現“聯邦政府—科研資助機構—科研機構” 和“數據戰略—管理與開放計劃—共享指南／ ＤＭＰ 指南” 依次遞減的特征； 國內科學數據管理政策基本呈“國務院—各部門—領域／ 區域” 和“管理辦法—開放共享意見—專項政策” 依次遞減的特征?？傮w看，科學數據政策指數隨效力級別升高而升高， 隨專指性增強而降低。中美兩國政策差異的原因首先在于中美兩國科學數據管理發展的時間差異， 美國科學數據管理起步早， 實踐豐富； 其次， 中美兩國的政策建設和管理模式不同， 我國是自上而下的政策制定、執行和管理模式， 而美國則是自上而下和自下而上同步發展， 全方位開展面向數據整個生命周期的政策的制定、執行。

兩國政策的政策性質（Ｘ_１）、效力級別（Ｘ_３）、政策時效（Ｘ_２）的平均值幾乎一致， 說明兩國政策的發布主體和政策目標差別不大， 也說明參評政策的選取具有一定可比性。政策功能（Ｘ_８）、政策受眾（Ｘ_５）、政策領域（Ｘ_４）的分差不高于０.０６， 說明兩國參評政策的對象差別不大， 政策發揮的功能也基本一致； 政策工具（Ｘ_６）、政策內容（Ｘ_７）和政策評價（Ｘ_９） 的平均值差大于０.１， 其中政策內容（Ｘ_７）指標分差達到了０.３９， 說明我國科學數據管理政策內容還需要不斷完善， 政策規劃和目標需要進一步明確。

從政策得分與各指標關系來看， 我國政策均值為７.９０ 分， 美國政策均值為８.４５ 分， 總體的政策均值為８.１８ 分； ＰＭＣ－ＡＥ 指數得分與“效力級別”“政策功能” “政策內容” 的關系較密切； 與“政策領域” “政策受眾” “政策工具” 指標的關系一般密切； 與“政策時效” “政策評價” “政策性質”關系較小。就政策主體而言， 我國參評政策時效（Ｘ_２）平均得分為０.７３， 美國為０. ８３， 說明我國科學數據管理政策發布的時間跨度小于美國； 兩國政策的整體效力級別（Ｘ_３）的平均分為０.６， 說明兩國參評政策整體效力級別相等， 但我國只有Ｐ５ 達到了行政法規級別， 說明我國科學數據管理政策整體效力級別偏低； 從各層級政策分布看， 我國政策的分布范圍有限， 國務院政策較少， 各部門、機構政策不完善， 尤其科研資助機構和科研機構政策明顯缺失， 而美國資助機構在政策制定和執行中起到了關鍵作用。

就政策對象而言， 兩國參評政策的政策領域（Ｘ_４）和政策受眾（Ｘ_５）的得分差異明顯， 美國政策的政策受眾（Ｘ_５）與政策領域（Ｘ_４）更加具體， 國內則更寬泛， 國內多是以部門為主的引導性的政策，政策受眾多用“法人單位” “各級相關負責單位”等泛指， 而美國多機構專指性政策， 政策作用對象精確到具體項目。

就政策措施而言， 在政策工具（Ｘ_６ ）上， 美國政策對政策工具的使用較全面， 國內政策對政策工具的應用還不全面。由于各政策對象的差異， 政策功能（Ｘ_８）在經濟建設功能上表現較差。政策內容（Ｘ_７）方面， 我國均值為１.０２， 美國均值為１.４２，兩國分值差異較大。我國政策內容整體得分不高，科學數據管理計劃、數據分類分級、數據質量等內容設計不完善。原因在于兩國在政策內容的設置方面的差異， 我國是以科學數據匯交政策為切入點，逐步制定生命周期過程中的管理政策， 這樣雖能很好地統領全局， 但會造成數據范疇模糊、分工不明確、管理界限不清晰、政策執行和更新效率不高等問題； 美國則倡導各資助機構、部門針對性管理并根據發展及時更新， 如ＮＨＳ每４ 年更新一次數據戰略， ＮＩＨ 會根據聯邦政策和公共意見及時更新政策內容和管理制度。

就政策目標而言， １４ 項政策分差不大， 說明科學數據管理政策的整體目標和管理范圍宏大， 也有較為明確的部署。但政策性質（Ｘ_１ ）和政策評價（Ｘ_９）中， 部分政策定義模糊， 管理界限不明確， 沒有成熟的執行路線。

４結論

綜上可見， 我國科學數據管理政策仍有較大完善空間， 具體如下：

首先， 在政策體系建設上， 我國應該加強中、微觀層面的政策建設， 明確“國家級—省市／ 行業—機構” 不同層級政策的科學數據管理范疇和管理措施， 形成全層次、全領域的政策體系； 各層級要面向“數據安全” “開放共享” “創新與發展” 等制定建設目標和周期， 明確實現方法和路徑； 政府牽頭多方合作， 具體政策制定明確以“科學數據”為核心， 明確政策對象、服務對象、政策需求、行動路線、階段性目標、政策落實方法等。

其次， 在政策內容設計上， 應細化政策分工，圍繞科學數據生命周期制定更加詳細的管理規定；相關部門在科學數據的管理計劃、采集、匯交、保存、開放共享、利用增值、質量安全等方面分別建立更加明確的指南； 建立層次完善的評價考核機制， 完善自我審核、科學數據匯交時機構審核以及國家審查等各個環節的標準； 根據時代需求和國家戰略部署及時調整和更新政策， 提升政策成效。

第三， 加強政策保障， 實現政策目標。發揮國家數據局的作用， 確定科學數據管理和治理的優先級別、治理路線和計劃； 明確各利益群體職責、數據隱私和產權劃分、數據分類分級整合等； 收集各方反饋意見、科學數據管理和共享需求， 制定政策標準化要素或者框架； 協調各方政策、標準和技術， 跟蹤各領域、省市、機構的執行情況； 加強基礎設施的供給能力， 加強數據平臺的建設， 開發自動化工具， 制定統一標準， 提高平臺的互操作性；構建實踐社區， 通過社區形成基于社區的政策自我完善機制； 發揮好科研資助機構的作用， 設置相應研究課題， 支持對關鍵核心問題開展相關研究。