基于科學數據重用的圖書館學科化服務研究

[摘 要]數據爆炸的時代背景下，科學數據重用能有效提升科研效率和科學數據價值，在圖書館科技服務中的作用也日益凸顯。梳理圖書館學科化服務中科學數據重用的4類數據來源，從供需匹配角度探討學科化服務中科學數據重用的3個層次，最后從5個服務要素的嵌入方面闡述基于科學數據重用開展學科化服務的實現途徑，以期為圖書館的科學數據重用及服務體系建設提供有益參考。

[關鍵詞]科學數據 數據重用 圖書館 學科化服務

[分類號]G250；G35

科學數據重用（Science Data Reuse）又稱科學數據復用、科學數據再利用、科學數據二次利用等，是通過多種渠道收集已有相關研究產生的數據，通過數據挖掘分析等技術對已有數據進行再利用，以研究新的科學問題、佐證研究結果等[1-2]?？茖W數據重用的研究可追溯到20世紀，起初主要是對科學數據重用的意義、目的及計算機實現技術等進行研究討論，涉及衛星遙感數據、流行病學數據等的重用[3-6]。1997年，國際科學委員會指出共享和重復利用是數據的價值所在，為開放科學奠定了基礎[7-8]。進入21世紀，科學數據已成為國家科技創新的重要戰略資源，科學研究已進入“數據密集型科研”（第四范式），甚至“智能化科研（AI4R）”（第五范式）時代[9]，科學研究已越來越離不開科學數據重用。此階段學界對科學數據重用的研究主題已拓展到科學數據重用的內涵概念，科學數據共享與科學數據重用關系，科研人員科學數據重用的意愿及行為，特定學科領域科學數據重用實踐，科學數據重用的技術、政策及倫理、安全等方面[8，10]。

近年來，科學數據管理服務已成為國內外圖書館的重要業務之一，業界相關研究的文章逐漸增多，但關于圖書館服務中科學數據重用的研究還很少[11]。從國內外圖書館的科學數據服務實踐來看，圖書館在科學數據重用方面具有資源、技術、人員等方面的優勢，尤其在學科化服務方面，目前國內圖書館廣泛實行的學科館員的服務模式，在特定領域的科學數據重用及服務實踐方面積累了豐富經驗。鑒于此，筆者擬梳理圖書館學科化服務中科學數據重用的數據來源，研究學科化服務中的科學數據重用層次，探討基于科學數據重用開展圖書館學科化服務的實現途徑，助力推動現代圖書館數據驅動知識服務轉型。

1 科學數據重用在圖書館學科化服務中的作用

1.1 科學數據重用是圖書館學科化服務的知識來源

科學數據已成為全球科學系統基礎設施的重要組成部分，圖書館的紙本或電子圖書、論文、專利、研究報告、數據庫等資源，以及包括實驗數據、文本、數字、圖片、音視頻、模型、算法、技術方案等多種類型的特定學科領域的科學數據集，是圖書館學科館員開展學科化服務的主要文獻和知識來源，學科化服務及相關產品產出愈發依賴于龐大且可信的科學數據分析和挖掘。

1.2 科學數據重用是圖書館學科化服務的技術手段

大數據時代，用戶對圖書館學科化服務已不再局限于資源推介、文獻獲取和學科咨詢等傳統需求，而向學科態勢分析、科學數據管理、科技評估評價、情報信息挖掘等深度知識服務轉變。這就需要學科館員在具備專業學科背景基礎上，還要具備科學數據重用能力，掌握計算機、數據分析等方面的技術方法，圍繞科學數據重用開展各類服務，以滿足用戶科學研究過程中的新需求。

1.3 科學數據重用是圖書館學科化服務的服務目標

學科化服務的主要對象是科研機構人員，而科研人員是產生及重用科學數據的主體，以美國為代表的國外圖書館已著手推進數據重用服務體系建設并取得一定成效。因此以科研人員需求為導向，融合圖書情報研究和數據挖掘技術，對特定學科領域科學數據進行重用和知識發現，分析學科發展規律和未來態勢，助力科學數據的價值釋放，是學科化服務的服務目標，也是發揮圖書館在服務國家和學科領域科技創新中重要作用的新途徑。

2 圖書館學科化服務中科學數據重用的數據來源

圖書館學科化服務中科學數據重用的主要數據來源可分為文獻數據庫、專利數據庫、開放獲取數據、科研實驗數據4種類型，其數據形式、特征及重用相關技術等如表1所示。

2.1 文獻數據庫

學術文獻是獲取領域前沿研究動態的重要一手資料，常用的文獻數據庫包括外文文摘庫（如Web of Science、EI、Scopus等）、外文全文庫（如Elsevier、SpringerLink、Wiley Online Library、Nature、Science、ProQuest學位論文庫等）、中文全文庫（如CNKI、萬方、維普等）。這些文獻數據庫已發展成熟，數據量大、規范且可靠，通過其強大的文獻組織和管理系統，為科學數據重用提供了涵蓋多個學科的圖書、期刊論文、會議論文等豐富的文獻數據。在學科化服務中，可通過文獻檢索、科學計量、科學知識圖譜等研究手段，幫助科研人員準確獲取科研文獻、了解學科前沿、啟發科研思路、進行專題情報分析等。

2.2 專利數據庫

作為科研成果公布和傳播的重要載體，專利文獻包含全世界每年約95%的最新科研成果。常用的專利數據來源有歐洲專利局專利數據庫、世界知識產權組織（WIPO）數據庫、我國國家知識產權局專利數據庫等公益性數據庫，以及德溫特專利檢索平臺（Derwent Innovations Index）、Incopat、佰騰、soopat、智慧芽等國內外商業數據庫等。相較于文獻數據庫，專利數據庫更側重于技術與法律信息，提供完善的國內外專利檢索與分析功能。通過專利數據重用可了解行業技術現狀，發現技術創新點，確定研發方向，避免重復的研發投入，以及實現對于競爭對手的跟蹤與預測，進行知識產權風險評估、避免專利侵權與糾紛等。

2.3 開放獲取數據

網絡化時代，科學開放共享已成為全球共識。如Directory of Open Access Journals （DOAJ） 等OA期刊、PubMed、預印本系統arXiv、Dryad digital repository等數據倉儲、政府開放數據、ResearchGate學術交流平臺、國內的PubScholar公益學術平臺等，在開放科學的不斷推進下，開放數據資源類型在不斷豐富。開放獲取資源具有數字化、免費、版權和許可不受限定、使用方式多元靈活等特征，為圖書館的資源建設和數據重用服務提供了新機遇[12]。圖書館通過特定學科領域的科學數據資源中心建設，可進行規?；臄祿P聯和知識挖掘，提高科研人員獲取科學數據的效率，提升學科化服務的精準性和質量。

2.4 科研實驗數據

科研實驗數據主要指在高校及科研機構產學研用過程中產生的實驗數據、調查數據、分析數據等一系列資源。近年來，國內外重大科技基礎設施、科學數據重大規劃等的積極部署，帶來了海量科研實驗數據的飛躍式增長。這些科學數據的存儲和管理是數據重用的重要基礎，其中機構知識庫、科學數據中心、科學數據倉儲、專業領域數據庫等是常見的形式[13]，如世界數據系統（WDS），地球地理領域如德國的PANGAEA，生命科學領域如美國的NCBI、GenBank、我國的國家生物信息中心/國家基因組科學數據中心（NGDC）等。實際學科化服務過程中，可以通過數據所有者許可獲取的正式渠道，或者通過聯系作者、科研交流合作等非正式渠道兩種途徑來獲取此類數據。

3 圖書館學科化服務中的科學數據重用層次模型

隨著數據密集型科研范式的到來，科研用戶的科學數據重用需求不斷變化，也深刻影響著圖書館學科化服務。從科學數據重用的不同需求和在圖書館學科化服務中的應用場景來看，科學數據重用可分為科學數據組織管理層次、科學數據分析挖掘層次和科學數據利用能力層次，如圖1所示。

3.1 科學數據組織管理層次

面向科研人員的數據獲取需求，科學數據的組織管理是科學數據重用的基礎環節，也是圖書館學科化服務中最直接的應用場景[14]。為建立系統的科學數據重用資源體系，圖書館除了已有的綜合性館藏數據資源，還應主動開展特定學科領域科學數據的針對性采集、組織、加工和存儲，數據來源可包括論文、專利、開放獲取資源、學科領域專業數據庫，以及從科研機構、研究項目、實驗室、科研人員個人等途徑獲得許可采集的原始實驗數據資源等。獲取數據后，圖書館結合特定的學科背景對數據進行篩選、整理、關聯和組織，建立特色學科領域的科學數據中心，將分散的異構數據整合到統一的管理平臺中，從而促進科學數據的可訪問性和二次使用。

3.2 科學數據分析挖掘層次

科學數據正以指數規模飛速增長，如何從海量數據中挖掘有價值的信息是影響科學數據有效利用的現實問題。面向科研人員的信息挖掘需求，科學數據的分析挖掘通過揭示科學數據之間的關聯和規律，發現數據背后的隱性知識，這也是圖書館科學數據重用的增值環節。圖書館學科化服務中，根據學科館員的專業背景可專注于某一學科領域，有針對性地管理和分析相關科學數據，借助科學計量、文本挖掘、人工智能等技術，對數據進行統計、描述、可視化呈現等二次加工，挖掘出新的信息和科學知識，幫助研究人員了解學科發展趨勢，跟蹤科技熱點和前沿方法，為學科規劃和科技布局提供政策輔助服務。

3.3 科學數據利用能力層次

數據密集型科研范式下，科研人員查找、管理、利用科學數據的能力已成為必備技能?！笆谌艘贼~，不如授之以漁”，面向科研人員的數據利用能力提升需求，科學數據的利用能力服務是圖書館學科化服務的特色服務之一。國內外圖書館很多都開展有科學數據的參考咨詢服務，學科館員可幫助科研用戶解決其在科學數據重用過程中的信息檢索、分析技術、使用規范等一系列問題。另外，數據素養已成為圖書館信息素養教育的重要要素[15-16]，圖書館可基于特定學科背景和實踐需求，通過課堂授課、講座培訓、專題指導等形式提供科學數據全生命周期的能力培訓，提升科研人員科學數據重用的綜合素質。

4 基于科學數據重用開展圖書館學科化服務的實現途徑

學科化服務是圖書館與研究機構的重要溝通渠道，是以科研用戶需求為導向，應開展嵌入科研過程的知識服務。嵌入式學科化服務的概念自提出以來即受到國內圖書情報人員的廣泛研究和討論[17]。筆者從目標嵌入、過程嵌入、人員嵌入、技術嵌入、環境嵌入等方面，對圖書館基于科學數據重用開展學科化服務的實現途徑展開論述。

4.1 目標嵌入

隨著人工智能等大數據技術的快速發展，圖書館應從源頭上倡導數據素養的服務理念，更加注重數據素養能力與館內業務體系的目標融合。一方面，將數據素養嵌入圖書館學科服務、參考咨詢、信息素養教育等各項現有業務服務中，宣傳和引導科研用戶對科學數據服務的需求，實現傳統業務服務的創新轉型。另一方面，創建科學數據重用業務的新生態系統，積極建設科學數據資源體系，注重不同領域的數據組織與整合，為基于科學數據重用的知識服務提供精準、快速的數據支撐。

4.2 過程嵌入

科學數據產生和流動于科研過程的各個環節，數據重用要以用戶發展變化的需求為中心，融入科研的整個過程和細節[18-19]。服務過程中要考慮數據類型、特點、重要性和安全性，針對不同情況采取科學合理的數據重用舉措。嵌入過程的科學數據重用常見于面向重大科研項目、重點實驗室等大型科研機構的學科化服務，提供項目全生命周期內的數據管理咨詢、平臺建設、數據關聯與分析等服務，以提高項目團隊的科研效率，幫助形成更為完善的科學數據重用機制等。

4.3 人員嵌入

人員嵌入是指圖書館專業人員嵌入科研群組，協助開展科學數據重用工作。一方面，學科館員可嵌入科研團隊，與用戶共同開展科學研究或承擔重大科研數據建設項目，這樣學科館員可依其專業背景參與到科研過程中，更加方便與科研人員交流，促進特定學科的科學數據重用和知識發現，開展科學數據重用指導和培訓等。另一方面，圖書館可另設數據館員[20-21]，或組織技術團隊嵌入科研團隊，協同開展數據組織、管理和分析工作，幫助解決數據收集、技術工具、數據存儲等方面的問題。

4.4 技術嵌入

科學數據重用技術層面的嵌入是利用圖書館的數據檢索技術、資源聚合技術、數據關聯技術、數據挖掘技術等優勢，以數據管理系統、數據分析工具等服務形式來滿足研究機構的數據重用需求。數據管理系統嵌入方面，學科館員及技術人員可通過為研究機構或科研團隊搭建科學數據管理平臺，為其所關注學科的科學數據重用提供技術支持。數據分析工具嵌入方面，圖書館可根據用戶需求開發個性化的數據處理小程序、數據分析與可視化工具、數據管理和挖掘軟件等，提高一線科研人員的科學數據處理能力。

4.5 環境嵌入

自媒體時代，科研人員獲取文獻和科學數據的方法與渠道不再受限于圖書館的實體場所。通過靈活使用數據庫、網絡平臺、交流組、微博等數字交互社區，將圖書館的文獻資源與研究機構的數據平臺創建關聯，實現圖書館與研究機構的科學數據共享，使科學數據的重用從有限的物理空間拓展到無限的數字網絡空間。另外，圖書館可加強可靠的數據倉儲基礎設施建設，建立完善的科學數據管理規范[22-23]，設立數據服務安全治理機制，通過科學數據防篡改、防泄露、防攻擊、防病毒等軟件技術的開發，打造可為研究機構提供科學數據長期保存服務的環境條件。

5 結語

對于圖書館系統來說，由于科學數據開放獲取處于起步階段、科學數據結構規范性差、質量不高等問題，2015年之前圖書館的科學數據重用研究及相關服務較少[11，24]。但隨著全國智慧圖書館體系的建設推進，科學數據重用在圖書館現代知識服務中的作用日益重要。高校圖書館、專業圖書館等科學數據的管理和應用機構，應深入研究科學數據的重用及相關的服務工作，幫助科研人員科學、有效地進行科學數據重用，促進學科領域的科技創新發展。

參考文獻：

[1] Zimmerman A S.New knowledge from old data - The role of standards in the sharing and reuse of ecological data[J].Science，Technology，amp; Human Values，2008（5）：631-652.

[2] 姜鑫妍，王翠萍，宋雯琪.教育學領域學者數據重用行為及特征研究——基于基金項目論文的內容分析[J].現代情報，2024（4）：77-86.

[3] Goodenough D G，et al.Automating Reuse of Software for Expert-System Analysis of Remote-Sensing Data[J].IEEE Transactions on Geoscience and Remote Sensing，1994（3）：525-533.

[4] Scherlis W L.Abstract Data Types，Specialization，and Program Reuse[J].Lecture Notes in Computer Science，1986：433-453.

[5] Visaggio G.Process Improvement through Data Reuse[J].IEEE Software，1994（4）：76-85.

[6] Voors A W.Data Storage Retrieval and Reuse in Epidemiologic Studies[J].Public Health Reports，1966（12）：1092.

[7] National Academies of Sciences，Engineering，and Medicine.Bits of Power：Issues in Global Access to Scientific Data[EB/OL].[2024-04-03].https：//doi.org/10.17226/5504.

[8] 尹文辰.國內外科學數據重用理論研究與實踐進展[J].山東圖書館學刊，2022（2）：7-14.

[9] 李國杰.智能化科研（AI4R）：第五科研范式[J].中國科學院院刊，2024（1）：1-9.

[10] 黃欣卓，等.科學數據復用研究的演化、知識體系與方法工具—兼論第四科研范式的影響[J].科研管理，2022（8）：100-108.

[11] 孔曄晗，張瀟月，李宜展.美國高校圖書館促進數據重用的服務實踐及啟示[J].圖書與情報，2023（4）：78-89.

[12] 黃金霞，等.從GoOA到OAinONE：開放資源的發展與再利用[J].農業圖書情報，2019（1）：4-13.

[13] 姜璐璐，等.全球科學數據倉儲平臺的建設實踐現狀與展望[J].中國科學數據：中英文網絡版，2023（1）：175-195.

[14] 張華靜，李杰.高校圖書館數據資源增值服務框架構建研究[J].圖書館，2022（10）：35-42.

[15] 胡卉，吳鳴.淺析信息素養教育為數據素養教育帶來的啟示[J].圖書館理論與實踐，2016（11）：9-14.

[16] 黃如花，李白楊.數據素養教育：大數據時代信息素養教育的拓展[J].圖書情報知識，2016（1）：21-29.

[17] 王鳳姣，董蓓蕾.高校圖書館嵌入式學科服務知識生態系統研究[J].圖書館工作與研究，2023（10）：23-31.

[18] 陳純，等.區塊鏈與科學數據治理[J].科學通報，2024（9）：1137-1141.

[19] 陸穎，等.基于科學數據的嵌入課題組學科服務策略探索[J].圖書情報工作，2015（22）：56-63.

[20] 蔡惠霞.數據館員：內涵、核心角色與培養策略[J].圖書館，2022（1）：45-53.

[21] 潘穎，等.美國高校圖書館數據館員組織架構研究[J].圖書館，2023（5）：65-73.

[22] 常宗強，等.科學數據安全平臺流程化管理與風控體系模型構建[J].情報探索，2023（11）：66-73.

[23] 廖方宇，等.科學數據安全標準研究與工作建議[J].科學通報，2024（9）：1142-1148.

[24] 張耀南，等.歐盟科學數據發展政策與規劃[J].中國科學數據：中英文網絡版，2024（1）：6-20.

馬麗麗 女，1989年生。博士，副研究館員。研究方向：圖書館學科化服務、科技情報、科學數據管理。

易盼盼 女，1991年生。碩士，館員。研究方向：圖書館公共服務、科學文化傳播。

李羅娜 女，1997年生。碩士。研究方向：信息資源管理。

（收稿日期：2024-05-20；責編：鄧鈺。）