面向数据密集型科研的科学数据管理模式研究

1.科学数据管理模式应注重建立数据关联性。现阶段我国科学数据中心建设虽初具规模，但对数据资源的管理仍比较分散。应利用大数据技术构建科学数据管理与共享平台和数据应用模式，在大数据中建立关联性，将潜在的数据价值应用于新的科学研究中，提高科学数据重用能力。

2.科学数据管理模式要注重智能化、动态化。管理过程上，科学数据管理贯穿整个数据生命周期，应该让数据资源流通起来，形成动态循环，使管理过程更加灵活高效。管理意识上，应意识到科学数据管理要大量投入时间、人力、财力和智能化技术资源。管理安全上，数据密集型环境导致数据泛滥等一系列问题，现更要求重视数据安全，多手段保障数据生产者和使用者权益。

3.科学数据管理模式应不断融合新兴技术。大数据时代下的数据管理模式更应体现在利用机器学习、人工智能或数据挖掘等科学技术从大量的科学数据中挖掘出潜在的知识，并广泛应用在各个领域，最终达到提高数据利用率，推进科学研究的目标。

为使数据密集型科研环境与科学数据管理过程紧密结合，借鉴国内外科学数据管理经验，并结合数据生命周期理论，从管理过程、支撑手段和指导理念、管理与共享机制三方面构建科学数据管理模式。

该模式以科学数据管理过程为核心，契合数据密集型科研的研究特点，以大数据对科学数据管理的驱动过程为基本模式。科学数据管理过程包括科学数据的生产者和使用者、科学数据管理的阶段流程和反馈机制，主要描述科学数据采集、整理、存储、检索、利用的全生命周期过程，且通过反馈机制实现科学数据管理的有效循环。科学数据生产者是模式的逻辑起点，通过科学数据需求，产生科学数据资源，达到科学数据共享的目标。科学数据利用者是模式的逻辑终点，主要是对共享的数据进行数据管理与利用，如数据分析、数据预测、数据评价和数据决策等，最大化的挖掘科学数据潜在价值。科学数据管理模式以经济手段、技术手段和法律手段作为支撑，并且贯穿整个科学数据管理过程，同时以价值创造、研究人员积极参与、研究范式改革等理念为指导，推进整个管理过程。法律手段主要包括科学数据管理制度、立法保障、政府政策、责任承担等，保障科学数据管理过程的顺利实施；经济手段包括知识产权保护、数据权属问题具体包括确定数据权力主体、权力内容和权力属性以及数据资产的协调配合；人工智能技术、云计算及机器学习提供技术支撑，云计算技术大大提高了数据存储容量及数据备份、数据恢复功能，机器学习提高了数据处理能力，使科学数据管理变得事半功倍。科学数据管理与共享机制由政策与法规保障机制、技术保障机制、激励机制、协调管理机制以及评估与监督机制等社会多方协作下推进，涉及社会各方利益。

1.政府一方面要进一步制定与完善相关政策，如管理策略、管理原则以及相关的数据安全与保护等政策；另一方面要促进新兴技术应用，强化数据管理，利用区块链、数据安全加密等技术，加强科学数据管理过程中的数据安全性。

2.科研资助机构可以制定相应的激励机制，以鼓励科研人员将数据汇交到相关的平台统一管理。受资助项目所产出的数据应在相关数据平台进行公开，还应对数据进行中期考核和年度评估，以保证数据质量。从数据采集获取到数据保存汇交，再到数据共享利用，要规范数据管理计划，明确各阶段的主体责任，建立统一的数据标准，以确保数据的可用性和易用性。

3.科研单位应加强对数据共享的宣传，使科研人员和公众认识到数据共享的重要性，并解决产权归属、利益分配、学术评价等关键问题。同时，要定期牵头开展数据共享活动与相关学术交流，鼓励科研人员共享自有数据，并重用他人数据进行科学研究。还要加强多方合作交流，对外要将科学数据主权牢牢掌握在自己手中，了解国外研究话题和研究热点，加强国际合作交流；对内要注重跨学科、跨机构、跨地域之间的交流与合作，主动汲取其他学科的理论优势和方法技术。

4.科研人员应主动提升自身数据素养，培养数据共享与监护意识。在共享活动中，科研人员不仅要确保数据质量，保障数据的真实性、完整性、权威性和有效性，还应积极学习相关的知识和技能，加强对自身数据的监护。此外，还应关注团队成员之间的数据共享成效，及时总结经验，为今后的科学数据共享提供借鉴。

作者：支凤稳^1，2，史洁¹，郑彦宁²

（1.河北大学管理学院，河北保定071002；2.中国科学技术信息研究所，北京100038）

来源：此文为缩减版，《中国科技资源导刊》2024 Vol.(3)

文章观点不代表主办机构立场。