【摘 要】［目的］ 阐明通用数据仓储是未来开放数据出版的主导性媒介之一,我国科技期刊的数据出版应与通用数据仓储相融合。［方法］ 在文献分析和理论阐释的基础上,结合国内外已开展的数据仓储出版实践案例,提出科技期刊借力通用数据仓储的数据出版策略。［结果］ 科技期刊与通用数据仓储的结合,是提升开放数据出版水平的有效途径,现阶段可采取“借船出海”和“造船出海”相结合的策略。［结论］ 短期来看,借船出海是提升我国混合期刊和数据期刊竞争力的有效手段;长期来看,建立自主的、有国际影响力的通用数据仓储,吸引来自海内外的数据资源,是更根本的发展之道。
【关键词】通用数据仓储；数据出版；造船出海；机器行动力；FAIR原则
随着“越来越多的国家和地区开始重视开放科学数据”[1],开放数据出版逐渐成为独立于期刊论文出版的学术出版模式。数据和数据集作为科研成果,不仅可以直接发表在科技期刊上,还可以发表在以数据为内容对象的数据仓储(Data Repository)中。
开放数据研究者注意到,数据仓储是践行开放数据理念的必要基础设施,尤其是强调机器行动力(Machine-Actionability)的通用数据仓储(General Data Repository),对于提高开放数据水平、约束违反科研伦理行为、解决国际问题、缩小科技鸿沟等具有重要意义[2]。国际科技数据委员会(Committee on Data for Science and Technology,CODATA)、世界数据系统(World Data System,WDS)和研究数据联盟(Research Data Alliance,RDA)等国际组织积极推动通用数据基础设施建设,发布开放数据倡议,参与建设国际性数据管理项目。
鉴于开放数据和通用数据仓储将成为推进国际学术交流和创新的关键角色,近5年来,出现了一些有国际影响力的数据仓储基础设施,如Dataverse、Dryad、Figshare等。国内在开放数据出版方面亦作了许多积极探索,“国家科学数据共享工程”已构建了50余个科学数据中心,一些有条件的科研机构也构建了科学数据管理平台[3]。然而,无论是在学术研究层面还是在实践层面,国内建设数据仓储的理念和行动多把数据仓储视作一种储存、共享、传播数据的专业渠道或公共平台[4],较少涉及通用数据仓储对数据出版形式可能产生的颠覆性影响,即以期刊为本位的数据出版模式,将逐渐整合进而打通各种数据格式的资料/数据流(Data Flow)出版。科技期刊借助平台顺利“出海”的一个关键恰恰在于,“需将传统意义上固着在期刊或图书上的内容,视为在不同载体之间自由流动的可增值的资料流,并用互联网思维推广和营销内容资源”[5]。
本文意在论证,科技期刊与通用数据仓储的结合是提升我国数据出版水平的有效途径之一,现阶段可采取“借船出海”和“造船出海”相结合的策略。论证的方法和思路如下:对数据出版相关文献进行分析,厘清不同类型数据出版载体在媒介形式上的差异,阐明通用数据仓储这一媒介形式将成为未来数据出版的主导性媒介之一;在此基础上,结合国内外已开展的数据仓储出版实践案例,提出科技期刊“借船出海”“造船出海”两种借力通用数据仓储的数据出版策略。
1 通用数据仓储的概念界定与关键内涵
本节一方面厘清混合期刊、数据期刊、数据库、专题领域数据仓储、通用数据仓储等基本概念,突显通用数据仓储在媒介形式上的独特性;另一方面,分析使用通用数据仓储进行数据出版活动时需注意的两个关键内涵,即践行FAIR原则,强调机器行动力。
1.1 数据出版的载体:期刊、数据库与数据仓储
1.1.1 数据期刊与混合期刊
科技期刊是数据出版的主要载体,在数据出版领域可分为两种类型:混合(Mixed)期刊与数据(Data)期刊。混合期刊是指同时发表一般学术论文、数据、数据论文(数据论文是对数据集进行描述的元数据文档,其中包含数据仓储自动分配的DOI链接)的期刊;数据期刊又称纯粹(Pure)数据期刊,只发表数据。
国际范围内,现有出版数据的期刊多为转型而来,即从原本只发表一般学术论文的期刊转型为混合期刊,如Ecology、International Journal of Robotics Research、The Astorphysics Journal: Supplement Series等。整体来看,生物和化学领域出版的混合期刊较多;20世纪末生态学领域的期刊Ecology是数据论文的最早实践者,该刊近20年来刊发数据论文数量不断增长[6]。
数据期刊是开放数据理念普及后的产物,创办时间相对于混合期刊晚,如Scientific Data、Data in Brief、Joural of Open Psychology Data等。我国科技期刊研究者将数据期刊界定为:科研数据共享的大趋势之下发展起来的新型学术期刊。从发表对象来看,传统学术期刊发表的是学术论文,数据期刊发表的是数据集;从受众来看,数据期刊所开放的数据,除针对科研工作者及教师、学生外,也面向公众;从内容特点来看,数据论文不同于学术论文,更需要注重数据收集过程中的技术严谨性、数据完整性及与现有共同标准的匹配度;从技术特点来看,传统期刊以传播文字和图像内容为目的,数据期刊以促进数据的访问和引用为目的[7]。
1.1.2 数据库、专题领域数据仓储与通用数据仓储
数据库(Database)是一个相当宽泛的概念,在中文的语境中往往可以囊括数据仓储、数据仓库、数据存储库等。为厘清数据仓储作为新兴数据出版载体的媒介特性,本小节只涉及狭义的“文本数据库”。文本数据库如《中国学术期刊网络出版总库》《中国博士学位论文全文数据库》等,多呈现文本内容,往往不具备独立的信息储存、处理和传递功能,需要依附于中国知网等整合式数字出版平台。相比之下,数据仓储可以独立完成符合专业标准的信息加工、检索与处理任务,处理各种格式、形态的数据,构成一种新型的学术数字出版模式。
另外,在与科技期刊的关系方面,文本数据库虽然有“优先数字出版”“网络首发出版”等出版形式[8],但依然以期刊的内容架构为模板,并非真正意义上直接、纯粹的数据出版;数据仓储则是一种独立于期刊的、专门的数据发表渠道。换言之,科研工作者既可以选择直接通过数据仓储出版数据,也可以将数据论文中的数据关联到数据仓储,进行再加工处理。当然,大多数混合期刊和数据期刊的数据政策中明确规定:数据论文中的数据需要储存在数据仓储中,以供永久访问和重新利用。
根据2018年《开放数据现状》报告,对于“你在何处发表数据的问题”,35%的受访者(科研人员)将数据作为论文附录发表(2017年该占比为34%),18%的受访者选择发表在数据期刊上(2017年该占比为20%),33%选择发表于特定数据仓储(2017年该占比为29%)[9]。也就是说,数据仓储虽然只经历了5年左右的商业化实践,却已成为科研人员认可的数据出版形式,表现出较大的发展潜力。
狭义的数据仓储可界定为:依托数字出版技术,可出版各类科学数据(包括数据集、论文、演示文稿、图片、视频和多媒体素材等等)的平台。目前,拥有数据仓储基础设施的单位主要是出版或信息公司(如Figshare)、高校(如哈佛大学的Dataverse,一些国内高校的科研数据管理以Dataverse为参照)和国家政府部门(如中国气象局的国家气象科学数据共享服务平台)。从内容类型来看,数据仓储可分为两种:一是针对某一学科或学术主题的专题领域数据仓储[10];二是出版所有学术领域数据的通用数据仓储。专题领域数据仓储的优势在于内容主题明确;缺点是散布在各机构,缺乏内容的聚合与通用化,不便于一站式检索和学科交叉研究的使用。随着数据驱动型和交叉型学术的日益发展,能够储存和处理海量数据的通用数据仓储必然成为科研领域的需求点,Figshare等商业化运作的通用数据仓储的迅速成长也印证了这一点。因此,本研究将论述的重点放在通用数据仓储上。
目前,科技期刊界对数据仓储有两种态度:一是将数据仓储视为科技期刊的附属物或“附录”,即“期刊本位”的数据出版;二是强调数据仓储自身的行动力,认为数据仓储是未来数据出版的主导形式,期刊只是数据出版流程的下游环节,即“数据本位”的数据出版。本研究认为,科技期刊(尤其是混合期刊和数据期刊)需要为从“期刊本位”到“数据本位”的转型做好准备,因为“期刊本位”的出版思路已经无法满足多模态(Multimodal)数据出版的需求,而由通用(General)数据仓储驱动的数据出版,可为数据的发现、获得、互操作和重复利用提供物质基础,将开放数据和数据民主化水平提升到新的高度,其中的关键不仅在于通用数据仓储是一种新的媒介形式,更在于这种媒介形式能够实现开放数据理念。
1.2 关键内涵:机器行动力与FAIR原则
相比于以往的开放数据实践,通用数据仓储出版的关键为将文本格式、音视频格式等整合为数据流的通用数字技术。该技术能够让平台使用通用的出版标准进行概念化、结构化表达,强调在没有或非常少的人类干预下,计算机系统发现、获得、操作和重用数据的能力,即所谓的机器行动力。通用数字出版技术不仅带来了内容的多模态(文本、图片、音视频)呈现,更意味着信息组织方式、大数据分析处理乃至机器学习能力的提升。
早在2000年之前,人们就已开始开发数据基础设施组件,如数字对象体系结构(Digital Object Architectures,DOA)、系统支持的持久标识符(Persistent Identifiers,PIDs)和语义网(Semantic Web,构建在因特网和万维网之上的知识再现框架)等。这些组件确保了数据的互操作性和机器的可读性,在它们的基础上,可以搭建用于储存和处理各类数据的数据仓储。但是,由于技术条件的限制和相互沟通的不足,从那时起的十几年间,人们无法建立通用的数据基础设施,只是各自为政,独立开发各种方案、语言、软件和硬件。直到2012年左右,人们开始讨论建设通用数据基础设施——通用数据仓储。
通用数据仓储的数据出版遵循FAIR原则(表1),即强调数据的可发现性(Findability)、可获得性(Accessibility)、互操作性(Interoperability)和重复利用(Reuse),大致流程为:分析非FAIR数据,定义语义类型,使数据可链接,授予许可,为数据集定义元数据,配置FAIR数据资源,与其他FAIR资源进行整合,发现并解决出现的问题并反馈[11]。不难发现,遵循FAIR原则的目的是使数据具有通用性,让机器自主筛选、发现信息甚至生成知识。大量研究表明,在缺乏通用数据仓储机器行动力的时代,学界和业界的数据科学工作者若要实践FAIR原则,需要花费70%——80%的时间在手工作业上,也就是说,原有的技术条件无法支撑FAIR原则的理念构想[12]。随着通用数字技术臻于成熟,实践FAIR原则的通用数据仓储才得以运营;一些平台在短短三四年时间内就打造出国际一流数字仓储平台,成为未来出版发展的风向标。
表1 FAIR原则的内容[13]
| 原则 | 原则释义 | 人类遗传学和基因组学中的案例 |
| 可发现 | 数据集应以清晰明确的方式进行描述､标识,并注册或索引化 | BBMRI-ERIC Directory |
| 可获得 | 数据集应通过明确定义的访问过程来获得,最好使用自动化的方法｡元数据应始终保持可获得性 | European Genome-Phenome Archive |
| 可互操作 | 数据和元数据使用通用的出版标准进行概念化､结构化表达 | GA4GH Genomic Data Toolkit |
| 可重用 | 数据的特征和出处根据相关领域的社群标准进行详细描述,清晰且可获得,达到使用条件 | BRCA Exchange |
国内外的混合期刊与数据期刊其实已经意识到通用数据仓储对于开放数据的重要性,纷纷制定数据政策,要求或建议研究者在发表论文的同时在通用数据仓储中分享数据。只不过,学术界和出版界往往将数据仓储看作正式论文的附属物,单独在数据仓储中发布的数据集很可能不被科研机构认可为科研成果,且这样的情况可能还会持续一段时间。但优先在通用数据仓储中发表数据很可能成为未来数据出版的主流,这既是开放数据的理念要求所在,也是由新的生产力——机器的行动力所决定的。
在数字出版时代,内容以数据流(Data Flow)的形态呈现,不再受制于印刷载体的限制。动态的模型图乃至视频资料等,都可以成为通用基础设施中的数据流,而这些都是印刷品无法呈现的。换言之,在已经拥有通用基础设施的条件下,仍然以科技期刊为本位的数据出版思想已不再符合生产力水平,充分利用网络技术所提供的多模态出版方式才是未来的发展方向。
目前,我国科技期刊的数据出版固然要考虑如何利用现有的通用数据仓储平台提升自身影响力和开放数据水平,更要为从“期刊本位”到“数据本位”的数据出版转型做好准备,使期刊逐渐与通用数据仓储实现整合。
2 借力数据仓储:“借船出海”与“造船出海”
FAIR原则的核心是在通用基础设施——数据仓储的基础上进一步提升开放数据水平,从而减少重复劳动,提升整体科研效率,提高共同抵御风险的能力。对于我国科技期刊来说,借助数据仓储的行动力有两条路可走:一是借助国外已有的数据仓储平台开放数据,即“借船出海”;二是与国内数据仓储平台深度合作,打造具有国际影响力的数据仓储平台,实现“造船出海”。
2.1 混合期刊与数据期刊的“借船出海”
对于我国科技期刊来说,为数据提供更多的发表机会,是提升开放数据水平的基本保证。理论上说,拓宽数据发表渠道有两种方式:一是在现有科技期刊上增设数据论文栏目;二是新增专门的数据期刊。
对于增设数据论文栏目的方式,鉴于各期刊有自己的办刊思路和传统,是否增设新栏目应根据期刊自身情况决定。若要从传统期刊发展为混合期刊,重要的一点是先制定数据政策,如要求作者将数据储存在数据仓储中,并允许数据引用等。我国科技期刊界已开始呼吁“统一制订科学数据出版和引用的规范与标准”[14],且已引介了具体的数据政策条款,发表了《我国科技期刊数据政策分析及启示》等论文[15],这都可以作为制定数据政策的直接参考,在此不再赘述。
第二种方式为出版数据期刊(Data Journal)。我国在新增数据期刊方面也已进行了尝试,如2016年中国科学院网络信息中心创办的期刊《中国科学数据》(2017年该刊入选中国科学引文数据库),2017年创办的国际期刊Big Earth Data。相比于国际出版巨头出版数据期刊的数量和办刊经验,我国数据期刊数量相对较少,且在数据存储、结构标准、同行评议和作者权益管理等方面缺少符合FAIR原则的政策规定。当然,对于办刊者来说,出现这种状况的客观原因主要包括:我国科技期刊出版单位分散在各机构,实力不如国外出版巨头雄厚,且有刊号等限制。其中部分困难可通过与国际出版巨头合作的方式克服,如Big Earth Data即由英国出版商Taylor & Francis和中国科技出版传媒股份有限公司负责海内外出版发行。鉴于数据期刊已成为促进科学发展乃至社会进步的重要媒介,我们应当争取创办更多的专业数据期刊,“如不重视数据期刊的建设,更多宝贵的数据资源会流到国外数据期刊,其知识产权也随之外流,这对我国科学界与期刊界来说将是重大的损失”[16]。
混合期刊和数据期刊只有要求相关数据发布于通用数据仓储,才是符合FAIR原则的开放数据实践。我国科技期刊与通用数据仓储建立联系的策略之一即是“借船出海”,如Big Earth Data优先推荐了32个可存放地球科学领域科学数据的国际数据仓储。这些通用数据仓储平台并不是文本数据库,而是在FAIR原则的指导下,强调机器行动力的新技术平台。它们在数据政策上有更前瞻的规定,能够有效保证数据的通用性。
“借船出海”的直接好处是,短时间内使我国的数据论文有更高的显示度,从而增加数据或论文被引用的概率。更为重要的是,这种方式能够迅速实现与国际接轨,直接接受专业的开放数据服务,将数据加工为符合FAIR原则的形态。当然,长期来看,数据资源是一种战略资源和商业资源(按照经济学观点,数据具有非竞争性、非排他性、零成本复制等特点,能够在生产过程中破除边际报酬递减规律[17]),建立自主的、有国际影响力的通用数据仓储,吸引来自海内外的数据资源,才是更根本的发展之道。
2.2 “造船出海”的可行性和存在的问题
我国的Science Data Bank即是面向科技期刊和科研工作者的数据仓储平台,“允许用户在非传统学术出版的模式下在线发布自己的科研成果,支持任何格式,如数据集、多媒体问卷、论文、演示文稿和文件集等”[18]。也就是说,从纯技术的角度来看,建设具有国际水平的通用数据仓储应当不成问题,关键在于,是否能为用户提供优质的服务,使国内外研究者愿意将数据发布在我国的平台?是否能够进行市场化运作,向国际市场开放,在新兴的通用数据仓储领域占有一席之地?
目前来看,Science Data Bank平台似乎更多地面向国内期刊和科研项目,国际影响力有限,市场化运作程度不够。造成这一状况的重要原因可能有两点:一是对于通用数据仓储在整个科技出版中扮演的角色缺乏深入的认识;二是缺乏市场竞争机制。
在传统的开放数据实践中,科技期刊是发布数据的最重要载体,其他的数据储存方式被视为辅助性载体;但在通用数据仓储时代,上述主次关系实际上是颠倒的:数据仓储才是发布科研成果的主体。在模拟媒介时代,以图书、报刊为代表的文字领域,以电视、电影为代表的视觉领域和以收音机、电话为代表的听觉领域之间是不可通约的,学术出版处于文字领域,视其他领域的“学术出版”为异端;在数字媒介时代,模拟时代的诸媒介领域通约为数据资料流(Data Flow),文字、影像和声音只不过是数据资料流的表现形式,或者说是机器对人类的让步[19]。
简言之,数字出版是以资料流为本位的,学术期刊只不过是资料流的固化方式。未来包括数据期刊在内的数据出版,一定是与通用数据仓储相辅相成的,甚至成为数据仓储的一个出版环节。因此,科技期刊的数据出版不能把通用数据仓储视为自己的“附录”,而是应深度整合到数据仓储中;不能以期刊本位的思想为指导来提升开放数据水平,而是应站在通用数据仓储的高度,将科技期刊看作数字出版的一个环节。
通用数据仓储将在我国科技出版中扮演越来越重要的角色,数据期刊和Science Data Bank的推出都反映了这一现实。然而,平台初具规模之后,如何充分市场化才是更艰巨的任务,尤其是随着平台服务的开展,“以资源建设为中心”如何转向更为复杂的“以用户体验为中心”?制度经济学认为,在相对简单的系统中,靠自上而下的命令来协调有目的的组织和合作可能相当有效[20]。在这方面,可以参考中国知网建设时的一些做法,通过政企合作的方式进行初期的市场化运作(《数字出版个案研究》一书中的《中国知网(CNKI):政府扶持知识数据库的利与弊》对此作了较深入的案例分析,在此不再赘述)[21]。但随着协调任务变得越来越复杂,自发的有序化就越有优越性,当系统面临不可预见的演化时更是如此。换言之,平台产品应在市场中自由竞争,政府的干预应当适度,尤其要避免出现垄断局面。
除直接扶持之外,民间的草根实践亦不容忽视。以Figshare为例,该平台创始人哈内尔(Mark Hahnel)在攻读博士学位时,找不到一家可以发表视频、图表和数据集等成果的期刊,为了提高研究成果的显示度,他利用自己掌握的编程技术搭建了一个平台来展示自己的研究成果。平台上线后,其他学者也纷纷在此平台上发表研究成果。最后,该平台成功引起英国麦克米伦(Macmillian)出版公司分支机构的注意,Figshare得到专业团队的优化,已成为推进FAIR原则实践的重要平台[22]。若能够在科技政策层面对相关创业实践予以支持,或可推动我国通用数据仓储的进一步发展。
需要指出的是,强调通用数据仓储的行动力,不是要提出一种“技术决定论”。众所周知,开放数据和提升“数据竞争力”涉及政府、出版单位、数据中心、大学、企业、学(协)会和科研工作者等[23],任何一方的缺位都会影响开放数据实践的顺利进行。本研究只是从媒介演化的角度出发,强调机器行动力为出版产业可能带来的颠覆性影响,引出科技期刊开放数据的重点所在。
3 结语
通用数据仓储的行动力对于提高开放数据水平,践行数据可发现、可获得、可互操作和可重用原则,助推我国科技期刊从“期刊本位”到“数据本位”的转型等具有重要意义。短期来看,“借船出海”是提升我国混合期刊和数据期刊竞争力、提高数据出版水平的有效手段;长期来看,建立自主的、有国际影响力的通用数据仓储,吸引来自海内外的数据资源,是更根本的发展之道。
当然,做好国内的科研数据管理尚属不易,实现造船出海也并非仅依靠一个通用数据仓储就能实现的。国内的国际化期刊综合能力如何?国内科研文化的国际接受度如何?这些问题都与此相关。本研究仅从技术演进与出版产业变迁的角度强调通用数据仓储的重要性,无法对“造船出海”面临的种种问题进行完整的分析,需要其他研究者加以补充和完善。
参考文献
[1]余文婷.开放科学数据仓储资源开发模式比较分析-以SRDA,eCrystals和Dryad为例[J].图书馆学研究,2014(11):58-62,92.
[2]CODATA.北京研究数据宣言[EB/OL].[2020-02-05].http://www.codata.org/uploads/Beijing%20Declaration-19-11-07-FINAL.pdf.
[3]朱玲,聂华,崔海媛等.北京大学开放研究数据平台建设:探索与实践[J].图书情报工作,2016,60(4):44-51.
[4]赵华,赵瑞雪,金慧敏,等.农业科技大数据仓储建设与服务[J].数字图书馆论坛,2020(8):48-55.
[5]于成,古雅琳,张文彦.世界科技出版公司科技期刊“造船出海”模式及对前述的启示[J].中国科技期刊研究,2019,30(7):766-772.
[6]刘凤红,崔金钟,韩芳桥,等.数据论文:大数据时代新兴学术论文出版类型探讨[J].中国科技期刊研究,2014,25(12):1451-1456.
[7]刘晶晶,顾立平.数据期刊的政策研究与分析-以科学数据为例[J].中国科技期刊研究,2015,26(4):331-339.
[8]高存玲,姜昕,庞峰伟等.学术期刊网络出版进展与纸本期刊的未来[J].中国科技期刊研究,2020,31(3):253-258.
[9]Fane B,Treadway J.2018年开放数据的状态如何?在DigitalScience报告中:开放数据的状态2018[R].伦敦:数字科学与无花果,2018年.
[10]徐慧芳.中国科研数据管理实践现状研究及对图书馆的启示[J].图书馆学研究,2019(17):45-53.
[11]公平化过程[EB/OL].[2020-02-05].https://www.go-fair.org/fair-principles/fairification-process
[12]Mons B,Schultes E和Santos B.知识库的公平未来是Internet的重要组成部分.在DigitalScience报告中:开放数据的状态2018[R].伦敦:数字科学与无花果,2018年.
[13]欧洲人类遗传学杂志.FAIR原则的含义[EB/OL].[2020-02-05].https://www.nature.com/articles/s41431-018-0160-0/tables/1
[14]邓英,饶莉,李桂东.关键词:科技数据出版,科技期刊出版,内容创新编辑之友,2017(4):39-43.
[15]彭琳,韩燕丽.国家科技期刊数据政策分析及启示-以中国科学院主办的英文期刊为例[J].中国科技期刊研究,2019,30(8):870-877.
[16]关琳琳,马瀚青,王长林.创办国际数据期刊的实践与思考-以大地球数据为例[J].中国科技期刊研究,2020,31(1):56-62.
[17]蔡跃洲.新人工智能对经济的潜在影响[J].中国社会科学报,2020-04-03(005).
[18]SDB[EB/OL].[2020-04-04].http://www.sciencedb.cn/static/introduction.
[19]Winthrop-Young G.Kittler和媒体[M].剑桥:政治出版社,2011年.
[20]卡斯珀(KasperW),斯特里特(Streit)M.制度经济学:社会秩序与公共政策[M].韩朝华,译.北京:商务印书馆,2000年.
[21]张大伟,于成.数字出版个案研究[M].北京:高等教育出版社,2016.
[22]Figshare:自由分享科研成果的新方式[EB/OL].[2020-02-05].https://www.sohu.com/a/156541585_482475.
[23]张丽丽,黎建辉.科研数据的开放:进展,模式与新探索[J].大数据,2016,2(6):25-33.
