負責任的社會科學數據治理的內涵、特征與層次

摘 要： ［目的／ 意義］ “十四五” 國家哲學社會科學發展規劃的背景下， 負責任的數據治理成為促進社會科學數據開放共享、推進社會科學研究與創新的重要驅動力， 亟須探索負責任的社會科學數據治理的基礎理論。［方法／ 過程］ 運用主題分析法， 探尋負責任的數據治理的概念要素及維度， 按照國際標準ＩＳＯ７０４：２００９ 的概念關系， 結合社會科學數據的特性， 闡釋負責任的社會科學數據治理的內涵及其與相關概念的關系、特征、層次與內容， 旨在構建一個較為全面且系統的概念體系。［結果／ 結論］ 負責任的社會科學數據治理是多元主體在現有的數據治理環境之下， 運用相應的治理機制和手段， 將負責任的研究與創新的理念和原則融入社會科學數據全生命周期， 以確保所有涉及社會科學數據的流程和成果的責任性的過程， 具有責任性、反思性、前瞻性、開放性和工具性特征， 可劃分為戰略層、數據層和活動層。

關鍵詞： 社會科學數據； 負責任的數據治理； 數據治理

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０１．００９

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０１－０１２４－１１

近年來， 社會科學領域頻繁出現成果可復制性低、數據質量可信度低、受試者和地點未匿名、研究參與者受到傷害、數據處理不透明、偽造篡改實驗數據等問題研究行為和科研不端行為， 比如， 哈佛大學研究Ｆａｃｅｂｏｏｋ 的社會學家未能對受試者姓名進行匿名， 澳大利亞實驗心理學家復制斯坦利·米爾格拉姆的研究給參與者帶來長期痛苦， 美國歷史學家和荷蘭社會心理學家參與捏造和偽造數據， 北京大學的人類學家因剽竊而受到譴責等［１］ 。有一種觀點認為， 科研誠信問題在社會科學領域甚至可能比在自然科學領域更為普遍［２］ 。隨著數據密集型研究范式的普及， 數據問題已然成為社會科學領域科研誠信問題的重要表征。這不僅影響數據重用， 還可能引發科學交流危機。已有研究顯示， 當前社會科學數據很少被重用［３］ ， 主要是因為重用者對社會科學數據的信任度不高［４］ 。社會科學數據與基于現場或實驗室的其他科學數據不同， 涉及人類的直接或間接互動， 引發了關于共享和重用這些數據的倫理問題， 特別是關于定性數據。由于人類參與社會科學研究， 因此存檔和共享數據需要確保保密性和匿名性。此外， 在社會科學中， 具有特殊權重的數據質量擔憂［５］ 以及在數據存儲前通常缺乏數據驗證、質量檢查和倫理審查［４］ 的做法， 更進一步加劇了對社會科學數據的不信任。而信任的建立來自全數據生命周期， 而非某一階段。因此， 引入“負責任的社會科學數據治理” 的概念， 將“負責任的研究與創新” （以下簡稱ＲＲＩ）原則融入社會科學數據治理結構和流程， 旨在確保社會科學數據從生成到開放共享等全流程都負責任， 以取得公眾的信任。

需要澄清的是， 引入“負責任的社會科學數據治理” 并不意味著其他數據治理都是不負責任的。在復雜的情況下， 例如涉及數據用戶和利益相關者、數據類型和數量， 以及數據處理和分析技術等多個維度的情況下， 任何個人或單一學科都難以完全理解與數據治理相關選擇的潛在含義和后果， 因此，強調負責任的數據治理是非常必要的［６］ 。相較于（自然）科學數據治理， 社會科學數據治理更具復雜性，主要表現為： 社會科學數據的生成源于對社會現象的研究， 數據復雜敏感； 社會科學數據獲取主觀性強， 數據質量難以保障； 社會科學數據權屬關系模糊， 難以確定責任主體； 社會科學數據治理主體多元， 期望與素養不平衡。由此帶來的倫理、法律和社會等方面的影響愈加復雜多樣， 強調“負責任的社會科學數據治理” 就變得尤為重要。現有社會科學數據的研究主要涉及跨學科性［７］ 和其他特征［８］ 以及數據管理平臺［９－１０］ 等， 然而， 關于負責任的社會科學數據治理的理論研究不多， 迫切需要探索其內涵、特征及理論范疇， 以形成具有普適性的基礎理論研究成果， 適應社會實踐的發展需求。因此， 本文將分析負責任的社會科學數據治理的概念要素及其關聯， 明確其內涵， 闡述與相關概念的關系， 夯實負責任的社會科學數據治理研究的基礎概念， 并進一步闡釋負責任的社會科學數據治理的特征、層次與內容， 明晰其基本理論范疇。

１ 負責任的社會科學數據治理的概念解析

“負責任的數據治理” 強調管理和使用數據的合法、公平、透明、安全和隱私保護。負責任的社會科學數據治理就是將這一理念應用于社會科學領域的產物。目前對“負責任的數據治理” 以及社會科學數據治理的研究并不多見。因此， 為了促使人們正確理解負責任的社會科學數據治理， 本文首先提取“負責任的數據治理” 的概念要素； 其次， 運用主題分析法歸納其概念維度并梳理它們之間的關聯； 最后， 將這些概念維度及其關聯遷移到社會科學領域， 闡釋“負責任的社會科學數據治理” 的概念內涵， 并對其與相關概念之間的關系進行辨析，旨在構建一個更全面系統的“負責任的社會科學數據治理” 概念體系。

１. １ 概念要素抽取

依照概念構建法， 以“負責任的數據治理” 為檢索詞在中國知網和維普數據庫進行全文、主題和篇關摘檢索， 獲得文獻１５ 篇； 以Ｒｅｓｐｏｎｓｉｂｌｅ? Ｄａ?ｔａ Ｇｏｖｅｒｎａｎｃｅ 為檢索詞在Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ、Ｅｌｓｅｖｉｅｒ、Ｅｍｅｒａｌｄ、ＥＢＳＣＯ、Ｗｉｌｅｙ、Ｇｏｏｇｌｅ Ｓｃｈｏｌａｒ 等數據庫及搜索引擎進行標題檢索， 獲得文獻２５ 篇。經逐一閱讀去除重復引用、同一作者重復表述、未進行擴展的概念表述， 篩選并整理出關于“負責任的數據治理” 的概念文本３０ 個， 檢索時間為２０２４ 年１ 月２９ 日。對其編碼后提取出中文概念要素５９ 項、英文概念要素１５５ 項。為探尋“負責任的數據治理”可能的概念維度， 運用Ｎｖｉｖｏ 軟件對概念要素進行詞頻統計， 運用Ｆｉｎｅｂｉ 繪制詞云圖， 如圖１ 所示，對參考點進行數量統計以獲知各概念維度的參考點分布情況， 作為概念構建的基本依據。

參照Ｂｒａｕｎ Ｖ 等［１１］ 的主題分析框架并根據實際需要調整分析步驟， 形成適用于本文的主題分析框架， 如圖２ 所示。依此步驟， 筆者從文獻中挖掘“負責任的數據治理” 的概念要素。根據概念要素的共性， 歸納得出負責任的數據治理的７ 個概念維度： 數據治理現狀、負責任的數據治理理論、負責任的數據治理愿景、數據治理組織架構、數據治理環境、數據治理域、數據治理流程與活動， 識別并描述這些概念屬性， 將其歸入解釋性類別， 如表１所示。

１. ２ 概念要素的關系

概念要素在同一概念框架中相互共生， 并存在著密切的關聯。根據國際標準《術語工作： 原則與方法》（ＩＳＯ７０４：２００９）中概念關系（即整體—部分關系、種屬關系、關聯關系）的識別方法［１２］ ， 可以將數據治理現狀、負責任的數據治理理論、負責任的數據治理愿景、數據治理組織架構、數據治理環境、數據治理域、數據治理流程與活動等“負責任的數據治理” 概念要素的相互作用闡釋為： 當前數據治理面臨著問責、倫理、知識產權、人權、所有權、隱私、社會和技術等方面的問題與挑戰。因此，有必要將ＲＲＩ 作為指導理論， 將其ＡＲＥＡ 框架（即預期、反思、包容和響應［１３］ ）融入數據治理流程和結構中， 旨在創建一個強調數據治理的責任意識、確保數據的負責任使用并追求數據研究與創新的良好數據生態系統。為實現負責任的數據治理這一愿景， 需要設計科學合理的數據治理組織架構， 涵蓋數據主體、學者、公眾、倫理評審委員會、數據保護當局、數據治理工作組、ＩＣＴ 專家、法律專家、政府、同行機構、政策制定者等， 并配置數據治理責任， 包括倫理責任、法律責任、社會責任、元責任、分布式或共享式責任等， 以維護數據所有權、數據隱私權、人權、保護個體免受入侵的自由， 以支持并提升負責任的數據治理的實施效果； 同時，需要國家立法機關及相關行業組織制定維護數據責任的法律和標準， 還需要利用數據倉儲、門戶、平臺和檔案館、利益相關者映射工具等技術手段， 共同營造一個有序的數據治理環境。為確保數據的可用性、質量、倫理性和安全性， 需要在整個數據生命周期中開展責任分配、治理主體對話、數據治理政策和原則、數據治理協定、責任影響評估、數據治理結果反饋、合規性檢查、數據治理記錄、數據信托、專門的研討會和教育活動等數據治理活動。綜上可知， “負責任的數據治理” 本質上是一種系統性、整體性的負責任的數據治理活動。

１. ３ 概念內涵解析

按照《術語工作： 原則與方法》概念間的“種屬關系” 劃分， “負責任的社會科學數據治理” 與“負責任的數據治理” 就屬于此類關系。“負責任的社會科學數據” 作為下位類， 繼承了“負責任的數據治理” 的全部屬性及性質。由此， “負責任的社會科學數據治理” 的內涵可表達為： 為創建一個良好的數據生態系統， 需要以強化數據治理責任意識、確保數據的負責任使用和追求社會科學研究與創新的可持續發展為目標， 在現有的數據治理與數據保護制度、數據標準、數據技術及其基礎設施共同營造的數據治理環境中， 多元數據治理主體通過采取責任分配、治理主體對話、數據治理政策和原則、數據治理協定、責任影響評估、數據治理結果反饋、合規性檢查、數據治理記錄、數據信托、專門的研討會和教育活動等機制和手段， 將ＲＲＩ 理念融入社會科學數據的生命周期全過程， 以確保社會科學數據可用性、數據質量、數據倫理、數據誠信、數據安全的活動。簡言之， 負責任的社會科學數據治理就是在現有的數據治理環境中， 將ＲＲＩ的理念與原則融入社會科學數據的整個生命周期，多元主體通過運用適當的治理機制和手段， 確保社會科學數據的流程和結果具有責任性。

負責任的社會科學數據治理可以被視為社會科學數據治理活動的高級階段， 其是負責任的數據治理與一般的社會科學數據治理耦合的結果， 更加注重多元主體參與并確保社會科學數據治理流程及結果的責任性。其中， 負責任的社會科學數據治理流程， 能夠有效解決社會科學數據的敏感性、個人化及其對時間和情境的依賴性等特征可能導致的欠缺責任性問題； 負責任的社會科學數據治理結果， 更關注社會科學數據在推動社會科學研究和學科發展以及促進社會發展和創新中的支持作用。

１. ４ 相關概念辨析

按照《術語工作： 原則與方法》概念間的“關聯關系” “一般的數據治理” 和“數據協同治理”等概念與“負責任的社會科學數據治理” 在實踐中存在密切的主題關聯。

１） 與一般的數據治理的關系

數據政治強調“數據的執行力”， 將數據視為“投資對象”， 能夠表征和生成新權力關系的力量。數據政治既關注數據主體如何治理數據， 也關注如何承認和主張自己的權利并積極參與數據政治［１４］ 。數據治理可以被理解為是對數據管理的權力和控制的行使， 旨在指導信息相關過程的決策權和責任系統， 以確保數據質量和遵從性要求， 利用數據創造公共價值［１５］ 。

負責任的社會科學數據治理和一般的數據治理在將數據視為資產、強調數據的流動和恰當使用上有共通之處。然而， 二者在范圍和理論視角上存在明顯區別： 負責任的社會科學數據治理專注于社會科學領域， 通過增強社會科學數據的責任性釋放其價值。相較之下， 一般數據治理適用于不同領域和組織， 關注解決數據處理方式可能導致的權力不平衡， 保護數據主體權益。此外， 負責任的社會科學數據治理的基礎理論是ＲＲＩ， 更注重參與者的反思性和對未來影響的考慮， 與一般數據治理的基礎理論數據政治有所不同。

２） 與數據協同治理的關系

“協同治理” 的概念源于“協同論”， 強調不同系統或主體間的相互影響和合作， 通過內部協同，自發地出現時間、空間和功能上的有序結構［１６］ 。在學科融合發展態勢愈發明顯的今天， 協同論被廣泛應用于跨地域、跨機構、跨部門的治理活動中以尋找最優治理模式。由此， 協同治理的概念應運而生。它將多個利益相關者聚集在不同公共機構的公共空間中， 推進以共識為導向的決策治理模式［１７］ 。“數據協同” 是一個相對較新的術語， 強調跨部門（公私）協同舉措以應對社會挑戰， 旨在將數據和協作結合以創造新的價值， 超越每個參與者的直接目標、能力和邏輯［１８］ 。數據協同治理可定義為通過一種決策和管理的過程與結構， 人們可以建設性地參與數據驅動的活動， 跨越公共機構、各級政府和／ 或公共、私人和公民領域的邊界， 以實現社會目的［１９］ 。

負責任的社會科學數據治理和數據協同治理都關注多個利益相關者之間的合作和協調， 進行跨部門和跨領域的合作與治理活動， 以實現有效的數據管理。然而， 它們在理論基礎和關注點上存在不同：數據協同治理的概念源于協同論， 注重系統和主體之間的相互影響與合作。負責任的社會科學數據治理整合了ＲＲＩ 的理念與原則， 強調對社會科學數據的負責任管理， 確保數據流程和工作流程按照高標準進行開發和維護。

２ 負責任的社會科學數據治理的特征

根據ＲＲＩ 理論的ＡＲＥＡ 框架， 責任性是本質，反思性和前瞻性構成負責任的社會科學數據治理的重要行動框架。因此， 責任性、反思性和前瞻性是其特征之一。從概念要素角度看： ①數據治理組織架構要求多領域的主體參與， 需要保持社會科學數據治理全流程的開放性， 以確保各主體履行相應責任的效力； ②數據治理域要求數據治理的透明性和可追溯性， 這以開放性為基礎。因此， 開放性是其特征之一； ③數據治理流程與活動本身可被視為一種工具， 提供了全程管理和保護社會科學數據的方法和手段， 促進負責任的社會科學數據治理愿景的實現。因此， 工具性亦是其特征之一。綜上所述，負責任的社會科學數據治理的特征包括責任性、反思性、前瞻性、開放性和工具性。

２. １ 責任性

責任性是指人們對責任和義務的自覺意識與主動承擔， 這是負責任的社會科學數據治理的本質特征。在社會科學數據治理過程中， 各利益相關者和數據主體需要考慮個人和社會的需求， 遵守相關法律法規和道德標準， 承擔保護數據主體權利與數據客體不受侵犯的責任， 以促進公共利益的實現。正如弗雷德里·克明所指出的， “政府行政實踐的核心是責任問題”［２０］ ， 可見， 責任是社會治理的永恒理念， 同樣也是社會科學數據治理必須堅守并貫徹的理念。離開了責任， 社會科學數據治理的公信力喪失， 社會科學研究與應用陷入無人問津的狀態。總的來說， 缺乏責任的社會科學數據治理將導致嚴重的混亂和無序［２１］ 。

責任行為的實現途徑就是通過社會化的方式向各種正直的人傳授公共管理和服務的價值觀［２１－２２］ 。因此， 為了強化社會科學數據治理的責任性， 應該吸納多個利益相關者并向其傳遞ＲＲＩ 的理念和原則。首先， 鼓勵利益相關者和數據主體的參與和合作，確保其聲音被充分考慮并兼顧不同利益的平衡； 其次， 注重數據治理流程的透明度和問責制， 明確規定數據的收集、使用和共享方式并記錄在案， 確保決策過程的可追溯。同時， 責令數據治理參與主體承擔責任并接受監督和審查； 最后， 確保數據的收集和分析過程不偏袒任何利益群體， 關注數據使用對公眾和社會的影響， 促進數據的可持續使用。

２. ２ 反思性

反思性特征的要義在于需要不斷地反思社會科學數據的意義、影響、責任問題， 確保數據治理流程及其結果符合社會需求、法律法規和倫理原則。負責任的社會科學數據治理以反思性倫理的應用為重要內容， 要求對一切倫理問題進行仔細審查和批判性評價， 不論是否基于宗教、習慣或傳統［２３］ 。反思性是指思維以其自身為對象而反身思之、反復思之［２４］ 。反思過程需要考慮情境的敏感性， 而不僅僅采用簡單的普遍主義模式。負責任的社會科學數據治理是具體情境下多元主體之間的實踐活動， 呈現出復雜的價值訴求和倫理關系［２５］ 。因此， 需要結合社會科學數據治理所處的情境， 不斷地反思其中的“不確定性”。首先， 反思社會科學數據的誠信和可用性， 包括評估和反思數據的來源、采集方法、處理過程和結果的倫理性與合規性， 以確保數據質量； 其次， 反思數據的流動和使用對個人和社會的影響與后果， 包括數據的隱私、安全和公平性，以及數據使用是否可能引發歧視、不公平等負面影響， 進而要采取相應措施； 最后， 反思規制數據治理的倫理規范和法律制度的健全性及其背后的價值觀， 以期規范相關主體的研究行為， 喚起他們的倫理反思意識并做出正確的決策。比如， 《社會人文科學的研究倫理指南》［２６］ 明確了研究人員、研究對象、特殊群體、機構、資助者和合作者等需要承擔的研究倫理責任， 對相關主體的反思能力產生顯著影響。

２. ３ 前瞻性

前瞻性要求社會科學數據治理思考全生命周期的綜合目標， 而不限于某個階段， 并提前將后續階段的目標納入考慮范圍。負責任的社會科學數據治理需要從被動回應社會科學數據的意義、影響、責任問題轉向前瞻性預測， 以全方位加強社會科學數據治理的責任性， 滿足社會發展需求。總的來說，前瞻性要求： 第一， 考慮社會科學數據治理未來可能出現的問題、需求和變化， 制定數據治理規劃。這涉及對社會、環境、技術、法律、倫理等方面的發展趨勢進行分析和預測， 尤其要思考社會科學數據治理對數據隱私和安全、數據倫理和社會發展等方面的潛在影響， 協調并平衡多元主體間的利益關系， 以前瞻性地引導社會科學數據治理走向責任化。第二， 要重視社會科學數據代際運轉問題。如果同一社會科學數據在不同的信息生命周期被重新加以運轉［２７］ ， 因其所處的應用情境已經變化， 那么它將在新的生命周期中面臨新的責任問題。因此， 需要前瞻性地預測社會科學數據的代際運轉可能涉及的責任問題。

２. ４ 開放性

根據系統論， 開放性是系統與環境之間進行物質、能量和信息交換的過程， 為系統運行提供了能量和發展的動力。當前， 數據已成為一種新的物質資源， 因此， 數據的管理、交換與開放成為維系系統運行的最重要的能量和物質［２８］ 。社會科學數據治理是公眾、科研機構和社會向社會科學數據中心輸入數據的過程， 是社會科學數據中心整合加工社會科學數據、輸出高質量數據的過程， 也是利益相關者承擔公開數據治理的過程及決策信息責任的過程。為了維系社會科學數據治理系統的穩定運行，需要倡導利益相關者的廣泛參與和數據治理相關過程信息的開放共享。通過開放性的機制和透明度，促進利益相關者的協商合作和共同決策， 以確保數據治理的公正性、可信度和可持續性， 從而更好地滿足社會的需求和期望。這就是負責任的社會科學數據治理的開放性特征， 其要求： 第一， 社會科學數據治理過程向利益相關者開放， 以提高其參與數據治理的效力， 并增強數據治理結果的可信度、可驗證性和可復制性。開放共享信息可以確保利益相關者切實掌握彼此的需求和關注點， 促進協商合作和共同決策以共同承擔責任， 從而有效改善數據治理效果。第二， 社會科學數據中心不僅應盡快制定數據開放計劃， 逐步建立規范化的數據開放模式，還要提高輸出數據的質量， 使數據不僅是信息的傳遞者， 還是知識的創造者， 實現社會科學數據從信息向知識的躍遷， 從而提高社會科學數據利用的效率、效益和效能［２８］ 。

２. ５ 工具性

工具性指的是將負責任的社會科學數據治理作為一種管理技術和手段， 借此提升社會科學數據治理的效能。負責任的社會科學數據治理是價值理性和工具理性的統一。它通過構建責任體系來提高對社會科學數據的信任和認同， 這一點主要是基于“價值理性” 的考量。基于社會科學數據的特征， 社會科學數據治理需要采取一定的措施和手段提高倫理化、法治化和責任性， 這一點主要是基于“工具理性” 的考量。工具性主要體現在： 第一， 為了確保數據的安全性和隱私性， 可以采用相關的工具和技術， 比如， 數據加密和匿名化技術用于確保數據存儲和傳輸中的機密性； 數據訪問日志和審計工具用于監控和審查數據的訪問與使用， 以確保數據的合規性和可追溯性。第二， 為了確保數據的質量， 可以采用數據質量評估框架， 比如， ＴＤＱＭ、ＤＷＱ、ＴＩＡＭ、ＤＱＡＦ 等， 不僅可用于數據質量評估， 還提供了分析和解決數據質量問題的方案［２９］ 。

３ 負責任的社會科學數據治理的層次與內容

負責任的社會科學數據治理采用多主體、多層次的正式與非正式制度安排， 以協商、合作的方式促進社會科學數據的流動和利用。目前， 數據治理的層次劃分主要有以下幾種方法： ①根據國家標準《信息技術服務治理 第５ 部分： 數據治理規范》，數據治理可分為戰略層、環境層、對象層和方法層；②Ｌｉｓ Ｄ 等［３０］ 基于邏輯相似性， 將生態系統數據治理劃分為交互層、治理層和數據層。其中， 交互層描述數字生態系統中相互作用的基本環境； 治理層通過治理結構提供的控制機制促進生態系統中的數據協作； 數據層描述與數據相關領域， 包括數據所有權和決策權兩個維度； ③根據澳大利亞《知識管理指南》標準， 安小米等將數據治理劃分為宏觀層—規劃視角、中觀層—構建視角和微觀層—實施視角。宏觀層要求運用多元主體協同方法論進行數據治理戰略的頂層設計， 中觀層要求運用生命周期理論構建數據資產管理計劃的整體活動過程， 微觀層要求使用數字連續性理論解決有關數據管理的具體操作問題［３１］ 。參考上述數據治理的層次劃分，本文以數據治理概念要素為本旨， 將負責任的社會科學數據治理劃分為戰略層、數據層和活動層， 這３ 個層次在內容、功能、要求等方面都存在差異，如圖３ 所示。

３. １ 戰略層及其內容

戰略層要求在對數據治理現狀調研及相關問題分析的基礎上， 進行數據治理戰略的頂層設計， 包括治理目標、愿景、技術、法律規章、標準和組織架構， 旨在為社會科學數據治理對象及活動提供指導和支持， 其包含： ①數據治理目標和愿景： 通過創建一個價值導向和目標驅動的框架， 確保社會科學數據治理活動始終處于規范和負責任的狀態， 旨在構建一個可持續、透明且可信的數據生態系統；②科學合理的數據治理組織架構： 為了實現數據治理目標和愿景， 需要對社會科學數據治理的組織架構進行科學設計。這包括確定數據治理主體以及明確他們享有的數據權利和應承擔的數據責任。其中，數據治理主體不僅包含組織內部的數據治理機構和個人， 還涉及外部的相關參與方， 如數據治理委員會、倫理支持小組、學者、公眾、數據主體等； ③數據治理的整體制度和系統化的數據標準： 社會科學數據治理需要法律制度和標準規范的支持， 比如，數據治理法（Ｄａｔａ Ｇｏｖｅｒｎａｎｃｅ Ａｃｔ）、數字服務法（Ｄｉｇｉｔａｌ Ｓｅｒｖｉｃｅｓ Ａｃｔ）、數據質量標準、數據倫理標準等， 以指導和強化負責任的數據治理活動； ④數據治理基礎設施、數據技術和工具： 數據治理需要適當的基礎設施和技術工具， 比如， 數據門戶、平臺和檔案館、利益相關者映射工具等， 提高數據治理效率。

３. ２ 數據層及其內容

數據層是數據治理實施的對象， 描述了數據治理實施的相關責任領域， 其包括： ①數據倫理， 指的是與數據、算法和實踐相關的倫理問題［３２］ 。負責任的社會科學數據治理需要確保社會科學數據的安全性、隱私性、公正性和透明度， 同時尊重研究對象的權益和尊嚴； ②數據可用性定義了數據隨時可用的程度或范圍， 旨在確保最終用戶和應用程序在需要的時間和地點可以獲取到數據［３３］ ； ③數據誠信， 對于從客觀分析到負責任地共享數據和已發表研究的代碼起關鍵作用。例如， 新加坡科研誠信聲明就特別強調了研究人員要承擔包括從“維持清晰、準確的研究記錄” 到報告“不負責任的研究行為” 等數據誠信責任。可見， 數據誠信與數據管理密切相關［３４］ 。因此， 需要在整個數據生命周期采取相應行動規劃數據誠信； ④數據安全涵蓋了保密性、完整性和可用性３ 個基本要求［３５］ 。負責任的社會科學數據治理需要加強對數據泄露、訪問權限管理等問題的防范， 以保護參與者隱私和數據可信度； ⑤數據質量， 考慮到大規模自動生成和記錄的數據對社會科學研究至關重要， 更需要在數據生成過程中確保數據質量和糾正潛在的質量問題［３６］ ； ⑥數據隱私， 通常與數據機密性相同， 但二者存在一些差異。數據隱私要求確保數據的機密性， 同時考慮隱私法規和個人隱私偏好［３５］ 。數據隱私保護通常涉及個人數據的保護、知情同意、數據最小化、匿名化和去標識化， 以及數據安全保護，因此， 需要系統能夠執行數據訪問的控制策略， 并考慮數據主體的隱私偏好和法律法規［３５］ 。

３. ３ 活動層及其內容

活動層要求在社會科學數據治理的整個數據生命周期中， 依照數據安全、數據倫理、數據可得性、數據誠信、數據可用性、數據隱私的相關規則開展相應活動， 其包括： ①數據責任分配， 即明確和分配不同社會行動者參與數據治理需要遵守的責任和義務； ②治理主體對話， 要求不同社會行動者通過溝通、協調和合作達成數據治理決策的一致意見；③數據治理記錄， 指的是對數據治理實踐進行記錄，便于追溯數據治理過程和結果； ④數據治理原則和政策， 指的是制定相應的原則和策略以規范和指導整個數據治理過程， 確保履行倫理責任、社會責任和法律責任； ⑤數據治理協定， 是指在組織內部或組織之間達成的約束數據治理遵守相關規則的協定；⑥數據治理結果反饋， 要求對社會科學數據治理涉及的數據倫理、法律和社會責任方面的問題進行反饋， 以便及時調整數據治理活動； ⑦數據治理影響評估， 旨在評估數據治理活動可能帶來的風險及影響， 比如， 數據保護影響評估、數據產權風險評估、數據倫理影響評估等， 以便發現、評估、確定優先級并采取必要的行動來減輕合規風險［３７］ ； ⑧數據合規性檢查， 對整個數據治理過程進行系統性、結構化的檢查或專項檢查（如倫理檢查）， 以確保其符合適用的法律法規、標準或合規性要求； ⑨數據信托。通過獨立的第三方數據信托組織建立和維護數據的可信度， 確保數據的合法、透明、安全和可靠使用， 保護知識產權和聲譽。比如， 《歐盟數據治理法案》指出， 數據信托可為支持授權個人維護其在ＧＤＰＲ 下的數據權利提供體制機制［３８］ ； ⑩敏捷治理。基于社會科學數據治理對情境的依賴性， 靈活地調整數據治理策略， 以應對未知的倫理挑戰和風險。

綜上所述， 負責任的社會科學數據治理框架由戰略層、數據層和活動層構成。戰略層提供總體目標和指導原則， 影響并規范數據治理活動； 數據層描述了社會科學數據的各種責任要求； 活動層以數據層為治理對象， 旨在推動戰略層中的數據治理目標與愿景的實現， 特別關注數據治理活動的開展。

４ 結 語

本文對負責任的社會科學數據治理的含義、特征、層次、內容等基本理論問題進行全面闡釋， 形成了負責任的社會科學數據治理的基本概念體系。期望以此為起點， 進一步深入探索負責任的社會科學數據治理的理論框架與方法論， 為構建更加健全、透明的科研環境提供堅實的理論基礎和實踐指導。通過不懈的努力， 可以推動負責任的社會科學數據治理走向更加成熟和完善的階段， 為社會科學研究的可持續發展做出更大的貢獻。

參考文獻

［１］ Ｉｓｒａｅｌ Ｍ． Ｒｅｓｅａｒｃｈ Ｅｔｈｉｃｓ ａｎｄ Ｉｎｔｅｇｒｉｔｙ ｆｏｒ Ｓｏｃｉａｌ Ｓｃｉｅｎｔｉｓｔｓ： Ｂｅ?

ｙｏｎｄ Ｒｅｇｕｌａｔｏｒｙ Ｃｏｍｐｌｉａｎｃｅ ［ Ｍ］． Ｓｅｃｏｎｄ ｅｄｉｔｉｏｎ． Ｌｏｓ Ａｎｇｅｌｅｓ：

ＳＡＧＥ， ２０１６．

［２］ Ｎｏｒｔｊé Ｎ， Ｖｉｓａｇｉｅ Ｒ， Ｗｅｓｓｅｌｓ Ｊ Ｓ． Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｅｔｈｉｃｓ

ｉｎ Ａｆｒｉｃａ ［Ｍ］． Ｓｗｉｔｚｅｒｌａｎｄ： Ｓｐｒｉｎｇｅｒ， ２０１９： １４３－１５６．

［３］ Ｓｕｎ Ｇ Ｙ， Ｋｈｏｏ Ｃ Ｓ Ｇ． Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｄａｔａ Ｃｕｒａｔｉｏｎ

［Ｊ］． Ｌｉｂｅｌｌａｒｉｕｍ： Ｃˇａｓｏｐｉｓ Ｚａ Ｉｓｔｒａ?ｉｖａｎｊａ ｕ Ｐｏｄｒｕｃˇ ｊｕ Ｉｎｆｏｒｍａｃｉ?

ｊｓｋｉｈ ｉ Ｓｒｏｄｎｉｈ Ｚｎａｎｏｓｔｉ， ２０１７， ９ （２）： ５９－８０．

［４］ Ｙｏｏｎ Ａ． Ｄａｔａ Ｒｅｕｓｅ ａｎｄ Ｕｓｅｒｓ Ｔｒｕｓｔ Ｊｕｄｇｅｍｅｎｔｓ： Ｔｏｗａｒｄ Ｔｒｕｓｔｅｄ

Ｄａｔａ Ｃｕｒａｔｉｏｎ ［Ｄ］． Ｃｈａｐｅｌ Ｈｉｌｌ： Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｎｏｒｔｈ Ｃａｒｏｌｉｎａ ａｔ

Ｃｈａｐｅｌ Ｈｉｌｌ， ２０１５．

［５］ Ｃｕｒｔｙ Ｒ， Ｙｏｏｎ Ａ， Ｊｅｎｇ Ｗ， ｅｔ ａｌ． Ｕｎｔａｎｇｌｉｎｇ Ｄａｔａ Ｓｈａｒｉｎｇ ａｎｄ

Ｒｅｕｓｅ ｉｎ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ７９ｔｈ ＡＳＩＳ＆Ｔ

Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ： Ｃｒｅａｔｉｎｇ Ｋｎｏｗｌｅｄｇｅ， Ｅｎｈａｎｃｉｎｇ Ｌｉｖｅｓ ｔｈｒｏｕｇｈ

Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｔｅｃｈｎｏｌｏｇｙ． Ｃｏｐｅｎｈａｇｅｎ： ＡＣＭ， ２０１６： １－５．

［６］ Ｆｏｔｈｅｒｇｉｌｌ Ｂ Ｔ， Ｋｎｉｇｈｔ Ｗ， Ｓｔａｈｌ Ｂ Ｃ， ｅｔ ａｌ． Ｒｅｓｐｏｎｓｉｂｌｅ Ｄａｔａ

Ｇｏｖｅｒｎａｎｃｅ ｏｆ Ｎｅｕｒｏｓｃｉｅｎｃｅ Ｂｉｇ Ｄａｔａ ［Ｊ］． Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｎｅｕｒｏｉｎｆｏｒ?

ｍａｔｉｃｓ， ２０１９， １３： １－１４．

［７］ 劉智鋒， 王繼民． 社會科學數據集的跨學科性研究———以ＣＨＡＲＬＳ

和ＣＧＳＳ 數據集為例［Ｊ］． 現代情報， ２０２３， ４３ （９）： １６５－１７７．

［８］ 陳欣， 詹建軍， 葉春森． 基于高校科學數據生命周期的社會科

學數據特征研究［Ｊ］． 情報科學， ２０２１， ３９ （２）： ８６－９５．

［９］ 王丹丹， 任婧媛， 吳思潔． 社會科學數據管理與服務平臺研究———

德國的經驗［Ｊ］． 現代情報， ２０２０， ４０ （１１）： ９９－１０６．

［１０］ 王丹丹， 任婧媛． 國外主要社會科學數據管理平臺建設研究

及啟示［Ｊ］． 圖書情報工作， ２０２３， ６７ （３）： １３１－１３９．

［１１］ Ｂｒａｕｎ Ｖ， Ｃｌａｒｋｅ Ｖ． Ｕｓｉｎｇ Ｔｈｅｍａｔｉｃ Ａｎａｌｙｓｉｓ ｉｎ Ｐｓｙｃｈｏｌｏｇｙ ［Ｊ］．

Ｑｕａｌｉｔａｔｉｖｅ Ｒｅｓｅａｒｃｈ ｉｎ Ｐｓｙｃｈｏｌｏｇｙ， ２００６， ３ （２）： ７７－１０１．

［１２］ 韋景竹， 王政． 公共文化數據協同治理研究： 內涵、范疇與

理論框架［Ｊ］． 圖書情報知識， ２０２２， ３９ （６）： ６７－７７， １５７．

［１３］ 粱苗． 負責任創新的理論與實踐［Ｍ］． 長沙： 湖南大學出版

社， ２０１９： ４０－４１．

［１４］ Ｍｉｃｈｅｌｉ Ｍ， Ｐｏｎｔｉ Ｍ， Ｃｒａｇｌｉａ Ｍ， ｅｔ ａｌ． Ｅｍｅｒｇｉｎｇ Ｍｏｄｅｌｓ ｏｆ Ｄａｔａ

Ｇｏｖｅｒｎａｎｃｅ ｉｎ ｔｈｅ Ａｇｅ ｏｆ Ｄａｔａｆｉｃａｔｉｏｎ ［ Ｊ］． Ｂｉｇ Ｄａｔａ ＆ Ｓｏｃｉｅｔｙ，

２０２０， ７ （２）： １－１５．

［１５］ Ｊａｎｓｓｅｎ Ｍ， Ｂｒｏｕｓ Ｐ， Ｅｓｔｅｖｅｚ Ｅ， ｅｔ ａｌ． Ｄａｔａ Ｇｏｖｅｒｎａｎｃｅ： Ｏｒｇａｎ?

ｉｚｉｎｇ Ｄａｔａ ｆｏｒ Ｔｒｕｓｔｗｏｒｔｈｙ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ［ Ｊ］． Ｇｏｖｅｒｎｍｅｎｔ

Ｉｎｆｏｒｍａｔｉｏｎ Ｑｕａｒｔｅｒｌｙ， ２０２０， ３７ （３）： １０１４９３．

［１６］ 佟澤華， 石江瀚， 韓春花， 等． 科研大數據協同治理： 體系構

建與實施路徑［Ｊ］． 情報理論與實踐， ２０２３， ４６ （５）： ３２－４５．

［１７］ Ｌｉｍａ Ｖ． Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｇｏｖｅｒｎａｎｃｅ ｆｏｒ Ｓｕｓｔａｉｎａｂｌｅ Ｄｅｖｅｌｏｐｍｅｎｔ

［Ｊ／ ＯＬ］． Ｐｅａｃｅ， Ｊｕｓｔｉｃｅ ａｎｄ Ｓｔｒｏｎｇ Ｉｎｓｔｉｔｕｔｉｏｎｓ． ｈｔｔｐｓ： ／ ／ ｗｗｗ．ｒｅ?

ｓｅａｒｃｈｇａｔｅ．ｎｅｔ／ ｐｒｏｆｉｌｅ／ Ｖａｌｅｓｃａ－Ｌｉｍａ／ ｐｕｂｌｉｃａｔｉｏｎ／３４７７９０８９８＿Ｃｏｌ?

ｌａｂｏｒａｔｉｖｅ＿Ｇｏｖｅｒｎａｎｃｅ＿ｆｏｒ＿Ｓｕｓｔａｉｎａｂｌｅ＿Ｄｅｖｅｌｏｐｍｅｎｔ／ ｌｉｎｋｓ／６１６２ｃ

ｄｄ００ｂｆ５１ｄ４８１７６５ｆ１ｆ１／ Ｃｏｌｌａｂｏｒａｔｉｖｅ－Ｇｏｖｅｒｎａｎｃｅ－ｆｏｒ－Ｓｕｓｔａｉｎａｂｌｅ－

Ｄｅｖｅｌｏｐｍｅｎｔ．ｐｄｆ， ２０２１－０６－０４．

［１８］ Ｋｌｉｅｖｉｎｋ Ｂ， Ｖｏｏｒｔ Ｈ， Ｖｅｅｎｅｍａｎ Ｗ． Ｃｒｅａｔｉｎｇ Ｖａｌｕｅ Ｔｈｒｏｕｇｈ Ｄａｔａ

Ｃｏｌｌａｂｏｒａｔｉｖｅｓ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｐｏｌｉｔｙ， ２０１８， ２３ （４）： ３７９－３９７．

［１９］ Ｒｕｉｊｅｒ Ｅ． Ｄｅｓｉｇｎｉｎｇ ａｎｄ Ｉｍｐｌｅｍｅｎｔｉｎｇ Ｄａｔａ Ｃｏｌｌａｂｏｒａｔｉｖｅｓ： Ａ Ｇｏｖ?

ｅｒｎａｎｃｅ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｊ］． Ｇｏｖｅｒｎｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｑｕａｒｔｅｒｌｙ， ２０２１，

３８ （４）： １－１２．

［２０］ 喬治·弗雷德里克森． 公共行政的精神［Ｍ］． 北京： 中國人民

大學出版社， ２００３： １５１．

［２１］ 黨秀云． 民族地區社會建設與治理研究［ Ｍ］． 北京： 國家行

政學院出版社， ２０１５： ５９－６０．

［２２］ 菲利普·Ｊ．庫珀． 二十一世紀的公共行政： 挑戰與改革［ Ｍ］．

北京： 中國人民大學出版社， ２００６： ７１．

［２３］ 基思克拉斯曼， Ｋｅｉｔｈｗ． Ｋｒａｓｅｍａｎｎ． 倫理學與生活［ Ｍ］． 成

都： 四川人民出版社， ２０２０： １９．

［２４］ 閻孟偉． 哲學概論精編版［ Ｍ］． 天津： 南開大學出版社，

２０２０： ２３．

［２５］ 李平， 廖苗． 對負責任創新“ 反思” 維度的再思考［ Ｊ］． 自

然辯證法通訊， ２０２１， ４３ （４）： ６９－７５．

［２６］ Ｃｏｍｍｉｔｔｅｅｓ Ｎ Ｒ Ｅ． Ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ Ｒｅｓｅａｒｃｈ Ｅｔｈｉｃｓ ｉｎ ｔｈｅ Ｓｏｃｉａｌ

Ｓｃｉｅｎｃｅｓ ａｎｄ ｔｈｅ Ｈｕｍａｎｉｔｉｅｓ ［ ＥＢ／ ＯＬ］． ｈｔｔｐｓ： ／ ／ ｗｗｗ．ｆｏｒｓｋｎｉｎｇ?

ｓｅｔｉｋｋ．ｎｏ／ ｅｎ／ ｇｕｉｄｅｌｉｎｅｓ／ ｓｏｃｉａｌ － ｓｃｉｅｎｃｅｓ － ｈｕｍａｎｉｔｉｅｓ － ｌａｗ － ａｎｄ －

ｔｈｅｏｌｏｇｙ／ ｇｕｉｄｅｌｉｎｅｓ－ｆｏｒ－ｒｅｓｅａｒｃｈ－ｅｔｈｉｃｓ－ｉｎ－ｔｈｅ－ｓｏｃｉａｌ－ｓｃｉｅｎｃｅｓｈｕｍａｎｉｔｉｅｓ－

ｌａｗ－ａｎｄ－ｔｈｅｏｌｏｇｙ／ ， ２０２３－０６－１８．

［２７］ 韓峰． 試論全生命周期環境下檔案數據治理的連續性［ Ｊ］．

檔案， ２０２０， （１０）： ４３－４６．

［２８］ 蘇玉娟． 政府數據治理的五重系統特性探討［Ｊ］． 理論探索，

２０１６， （２）： ７１－７５．

［２９］ 蔡莉， 朱揚勇． 大數據質量［Ｍ］． 上海： 上海科學技術出版

社， ２０１７： １３０．

［３０］ Ｌｉｓ Ｄ， Ｏｔｔｏ Ｂ． Ｔｏｗａｒｄｓ ａ Ｔａｘｏｎｏｍｙ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｄａｔａ Ｇｏｖｅｒｎ?

ａｎｃｅ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ａｎｎｕａｌ Ｈａｗａｉｉ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ?

ｆｅｒｅｎｃｅ ｏｎ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， Ｈａｗａｉｉ： Ｈａｗａｉｉ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ?

ｅｎｃｅ ｏｎ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， ２０２１．

［３１］ 安小米， 許濟滄， 王麗麗， 等． 國際標準中的數據治理： 概

念、視角及其標準化協同路徑［ Ｊ］． 中國圖書館學報， ２０２１，

４７ （５）： ５９－７９．

［３２］ Ｆｌｏｒｉｄｉ Ｌ， Ｔａｄｄｅｏ Ｍ． Ｗｈａｔ ｉｓ Ｄａｔａ Ｅｔｈｉｃｓ？ ［Ｊ／ ＯＬ］． Ｔｈｅ Ｅｔｈｉｃａｌ

Ｉｍｐａｃｔ ｏｆ Ｄａｔａ Ｓｃｉｅｎｃｅ． ｈｔｔｐｓ：／ ／ ｒｏｙａｌｓｏｃｉｅｔｙｐｕｂｌｉｓｈｉｎｇ．ｏｒｇ／ ｄｏｉ／１０．

１０９８／ ｒｓｔａ．２０１６．０３６０．

［３３］ Ｒｏｕｓｅ Ｍ． Ｄａｔａ Ａｖａｉｌａｂｉｌｉｔｙ ［ＥＢ／ ＯＬ］． ｈｔｔｐｓ： ／ ／ ｗｗｗ．ｔｅｃｈｏｐｅｄｉａ．

ｃｏｍ／ ｄｅｆｉｎｉｔｉｏｎ／１４６７８／ ｄａｔａ－ａｖａｉｌａｂｉｌｉｔｙ， ２０２３－０６－１５．

［３４］ Ｃｏｎｄｏｎ Ｐ， Ｓｉｍｐｓｏｎ Ｊ， Ｅｍａｎｕｅｌ Ｍ． Ｒｅｓｅａｒｃｈ Ｄａｔａ Ｉｎｔｅｇｒｉｔｙ： Ａ

Ｃｏｒｎｅｒｓｔｏｎｅ ｏｆ Ｒｉｇｏｒｏｕｓ ａｎｄ Ｒｅｐｒｏｄｕｃｉｂｌｅ Ｒｅｓｅａｒｃｈ ［Ｊ］． ＩＡＳＳＩＳＴ

Ｑｕａｒｔｅｒｌｙ， ２０２２， ４６ （３）： １－２１．

［３５］ Ｂｅｒｔｉｎｏ Ｅ． Ｄａｔａ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ： Ｃｏｎｃｅｐｔｓ， Ａｐｐｒｏａｃｈｅｓ， ａｎｄ

Ｒｅｓｅａｒｃｈ Ｄｉｒｅｃｔｉｏｎｓ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１６ ＩＥＥＥ ４０ｔｈ Ａｎｎｕ?

ａｌ Ｃｏｍｐｕｔｅｒ Ｓｏｆｔｗａｒｅ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ （ＣＯＭＰＳＡＣ）， Ａｔ?

ｌａｎｔａ， ＧＡ， ＵＳＡ， ２０１６．

［３６］ Ｓｃｈｍｉｔｚ Ａ， Ｒｉｅｂｌｉｎｇ Ｊ Ｒ． Ｄａｔａ Ｑｕａｌｉｔｙ ｏｆ Ｄｉｇｉｔａｌ Ｐｒｏｃｅｓｓ Ｄａｔａ

Ｄａｔｅｎｑｕａｌｉｔ?ｔ ｄｉｇｉｔａｌｅｒ Ｐｒｏｚｅｓｓｄａｔｅｎ： Ａ Ｇｅｎｅｒａｌｉｚｅｄ Ｆｒａｍｅｗｏｒｋ ａｎｄ

Ｓｉｍｕｌａｔｉｏｎ ［Ｊ］． ＫＺｆＳＳ Ｋ?ｌｎｅｒ Ｚｅｉｔｓｃｈｒｉｆｔ Ｆüｒ Ｓｏｚｉｏｌｏｇｉｅ Ｕｎｄ Ｓｏｚｉ?

ａｌｐｓｙｃｈｏｌｏｇｉｅ， ２０２２， ７４ （１）： ４０７－４３０．

［３７］ Ｇｌｏｂａｌ Ｍａｒｋｅｔｉｎｇ Ａｌｌｉａｃｅ． Ｄａｔａ Ｉｍｐａｃｔ ２０１９： Ｄａｔａ Ｇｏｖｅｒｎａｎｃｅ

［ＥＢ／ ＯＬ］． ｈｔｔｐｓ：／ ／ ｗｗｗ．ｔｈｅ－ｇｍａ．ｃｏｍ／ ｗｐ－ｃｏｎｔｅｎｔ／ ｕｐｌｏａｄｓ／２０１９／

０９／ Ｄａｔａ－Ｉｍｐａｃｔ－２０１９＿Ｄａｔａ－Ｇｏｖｅｒｎａｎｃｅ．ｐｄｆ， ２０２３－０６－１５．

［３８］ Ｍｏｎｔｇｏｍｅｒｙ Ｊ． Ｄａｔａ Ｔｒｕｓｔｓ ａｎｄ ｔｈｅ Ｄｒａｆｔ Ｄａｔａ Ｇｏｖｅｒｎａｎｃｅ Ａｃｔ

［ＥＢ／ ＯＬ］． ｈｔｔｐｓ： ／ ／ ｄａｔａｔｒｕｓｔｓ． ｕｋ／ ｂｌｏｇｓ／ ｄａｔａ － ｔｒｕｓｔｓ － ａｎｄ － ｔｈｅ －

ｄｒａｆｔ－ｄａｔａ－ｇｏｖｅｒｎａｎｃｅ－ａｃｔ， ２０２３－０６－１５．

（責任編輯： 楊豐僑）