【摘 要】［目的］ 分析当前数据出版实践面临的问题并探讨对策。［方法］ 采用文献调研法,梳理数据出版的概念与一般流程;采用网站调研法,总结Scientific Data与《中国科学数据(中英文网络版)》两种数据期刊在数据存储、数据评审、数据引用3个关键出版环节的实践情况及差异。从科研人员的数据需求与权益出发,思考当前数据出版实践的不足与对策。［结果］ 当前数据出版面临数据存储设施建设不足、数据评审体系不健全、数据知识产权争议较大、数据引用效果不佳的问题与挑战。［结论］ 数据出版的多元主体应共同努力,加强基础设施建设以优化科学数据存储,完善数据评审体系以保障科学数据质量,重视数据知识产权以推动数字资产管理,规范数据引用以促进科学数据共享。
【关键词 】数据出版；数据评审；数据存储；数字资产管理；数据引用
大数据时代,科学研究范式发生转移,以密集型数据驱动为显著特点,科学数据的重要性日益凸显。统计表明,在一项科学研究中, 30%——50%的科研经费用于基本科学数据的采集[1]。与此同时,科学研究的全球化日趋广泛深入,开放、协作成为科研活动的常态[2]。在此背景之下,科学数据开放共享应运而生。数据出版作为一种规范的科学数据开放共享途径,日益受到政府部门、科研资助机构和学界的重视。
目前学界针对数据出版实践情况的研究主要集中在以下几个方面。(1)数据期刊或数据知识库(Research Data Repository,RDR)的整体建设情况。刘凤红和彭琳[3]对全球168种数据期刊的运营情况、所属机构分布和学科分布进行了摸底调查;刘灿等[4]统计了国内外具有代表性的26种数据期刊的栏目设置、发文数量与开放获取情况;Bhardwaj[5]对世界范围内的开放科研数据知识库进行分析,包括地区分布、学科分布、开放程度、数据类型、软件技术等。(2)数据出版商的政策及其实施效果。刘颖和王璇[6]以医学领域排名前50的国际学术期刊的数据出版政策为研究对象,发现94%的期刊发布了数据出版政策,但政策要求力度较弱; Sholler等[7]通过访谈编辑人员与出版商,调研了生态学领域期刊强制性数据存储政策的实施效果,发现期刊虽然确保了数据的可获得性和持续性,但在数据完整性和可用性方面的效果差强人意;Kim[8]以WoS(Web of Science)索引的24种数据期刊的出版指南以及选自其中的15篇典型数据论文为研究对象,发现数据期刊鲜少要求研究人员提供与知识产权声明、数据存储情况相关的信息,这将不利于第三方研究人员判断数据价值和可用性。(3)数据出版个案研究。关琳琳等[9]以Big Earth Data为例,总结其在数据论文投稿、作者权益管理等方面的办刊经验;欧阳峥峥等[10]分析了15种具有代表性的国际数据期刊特点,总结了数据期刊的成功办刊经验,包括科研人员的认知度、学术社群的认知度、知识产权保护以及管理透明化;王辉等[11]以普渡大学数据知识库为案例,从平台工作流、参考标准、元数据、数据引用、数据备份、数据管理服务等方面总结了其运行经验。
数据出版尚处于发展初期,目前学界对其实践情况的研究聚焦于整体发展状况调查与个案研究,缺乏主体视角的关照。本文基于数据出版一般流程,分析典型数据期刊在数据出版关键环节的实践情况及差异所在,并结合科研人员的数据需求与权益,思考当前数据出版实践存在的问题并提出应对之策,为其深入发展提供参考。
1 数据出版的概念及流程
目前学界尚未明确数据出版的概念,现有的对于数据出版内涵的认识主要来源于对实践的归纳和提炼。
1.1 数据出版的概念
理清数据出版的主体、客体和特征,有利于较为全面地把握数据出版的内涵。本研究认为,数据出版是基于互联网及其相关技术,由学术共同体中多元主体参与的科学数据及其衍生信息的规范性学术出版模式,旨在促进科研人员、科研机构之间的数据交流与共享。
数据出版具有显著的优势。首先,数据出版沿袭了传统学术论文出版模式中的数据评审与数据引用环节,因此,相对于一般的数据共享,数据出版具有更高的质量保障,更符合学术规范。其次,数据出版旨在促进科学数据重用与共享,有利于降低相关研究的成本,促进跨学科研究。此外,数据出版能够提高科学研究过程的透明度,从而减少研究误差、避免数据篡改与学术造假。在大数据时代,数据出版是实现科学研究良性发展的必然途径。
1.2 数据出版的主要类型
从最初将研究数据作为论文支撑材料提交至学术期刊,到存储和管理数据的知识库,再到如今专门发表数据描述信息和数据集的数据期刊,数据出版逐渐构建出多种出版模式。
依据数据的独立程度及呈现方式,可将数据出版划分为4种模式,分别是:(1)数据独立出版,即数据作为独立信息被保存在拥有独立出版政策和标准的科研数据知识库;(2)数据论文出版,数据论文(Data Paper)是用来描述科学数据集的文章,一般包括标识符和标题、作者、摘要、正文章节和参考文献等内容[12];(3)合作出版,由数据期刊出版数据描述信息,数据知识库存储和管理数据集,双方建立合作关系,共同承担数据的发布与共享工作;(4)期刊自行出版,即数据作为论文辅助资料,以图表、附件形式一同出版。
1.3 数据出版的一般流程
不同模式下的数据出版流程既有差异也有共性。结合当前数据出版实践与前人研究,本研究认为,数据出版的一般流程包括数据提交、数据存储、数据评审、数据引用和数据评价5个环节。数据期刊出版商和数据存储商围绕数据出版一般流程制定数据出版政策,开展具体的数据出版活动。
在数据出版的各个环节中,数据存储、数据评审、数据引用是体现数据出版价值的关键所在。数据存储是开展数据出版活动的基础,数据评审为数据学术质量提供保障,数据引用为学术成果的使用与认证提供支持。三者的共同作用使得数据出版区别于一般的数据开放共享,成为一种规范的学术出版模式。
2 数据出版的案例与实践
本研究选取Scientific Data、《中国科学数据(中英文网络版)》为案例,基于数据出版一般流程,重点分析数据期刊在数据存储、数据评审、数据引用3个关键环节的实践情况。Scientific Data和《中国科学数据(中英文网络版)》都是面向多学科的数据期刊。Scientific Data已被Scopus、WoS、DOAJ等数据库收录,2018年该刊5年影响因子为6.776。《中国科学数据(中英文网络版)》是目前中国唯一的专门面向多学科领域科学数据出版的学术期刊,2017年被中国科学引文数据库(Chinese Science Citation Database,CSCD)收录。这两种期刊在学科范围和影响力上都具有一定代表性。
2.1 Scientific Data
Scientific Data是Springer Nature集团旗下的一种开放获取在线期刊,主要出版“数据描述符”(Data Descriptors)——一种对研究数据集进行详细描述的新型出版物,主要包括数据内容描述、收集数据的方法和支持测量质量的技术分析。
(1) 数据存储。Scientific Data不负责数据集的存储工作,而是要求作者在提交数据描述符之前,将所有相关数据集存放在外部数据知识库中。Scientific Data提供了一份详细的数据知识库列表供作者参考,其中包括专用型与通用型数据知识库,也包括付费存储和只为基金项目提供存储服务的数据知识库。
入选列表并与Scientific Data建立合作出版关系的数据知识库需符合以下标准:①受到领域内学者的信任;②能够长期稳定地保存数据集;③由数据专家进行管理;④提供领域内学者认可的数据报告;⑤允许评审专家在数据集发布之前进行访问;⑥为提交的数据集提供稳定的标识符;⑦允许公众自由访问已出版的数据集。在选择数据存储位置时,Scientific Data鼓励作者将数据集存储到学科领域专用数据知识库,或者具有完善的版本控制或更新系统的数据知识库。一个数据描述符当中通常涉及多种类型的数据,Scientific Data会建议作者将不同类型的数据分别存储到最合适的数据知识库中。
数据描述符出版之后,作者必须承诺至少5年内将数据集保存在自己的实验室或机构服务器上。如果在此期间存储数据的数据知识库消失或出现数据丢失,作者需重新存储数据集,并且始终保证数据集的存储位置与数据描述符一致。此外,重要的数据集可能处于不断更新扩展的状态中。Scientific Data一方面将数据的静态版本存储到适当的数据知识库中,以保持发布时数据版本的稳定性;另一方面将数据的动态版本存储在特定的项目资源中,从而允许用户查找最新数据。数据集的两个版本都应在数据描述符手稿的“数据记录”部分进行描述。
(2) 数据评审。Scientific Data的数据评审包括3个阶段。首先,编辑委员会和总编辑根据期刊范围的适用性和相关数据的重用价值,决定稿件是否可以进入同行评审阶段。其次,编辑委员会将根据专业知识、具体推荐和以往的经验来选择一名或多名评审专家评估稿件,同时还将指派一名编辑委员会成员来监督同行评审过程。最后,描述符将由至少一位在相关实验技术方面具有专业知识的科学家以及一位数据标准专家进行审查。整个同行评审过程要求在保密、匿名的条件下进行,并要求评审专家在收到稿件后的10天内反馈评审意见。必要情况下,评审专家将要求作者提供数据产生实验中质量控制的证据,甚至可能会要求进行其他支持数据验证的实验。评审专家需要对数据集及数据描述符进行评审,具体的评审内容如表1所示。
表1 Scientific Data数据评审内容
| 评审维度 | 具体指标 |
| 数据收集的严谨性和数据质量 |
①数据生成方式是否科学合理; ②数据的技术质量是否需要验证; ③数据的深度、覆盖范围和完整性是否适用作者概述的应用类型或研究问题 |
| 数据描述的完整性 |
①试验方法和数据处理步骤的描述是否详细; ②使用该数据集所需要的信息是否完备; ③该数据描述符是否与数据知识库的元数据相匹配、是否与相关的最低限度信息或报告标准一致 |
| 数据集和存储记录的完整性 |
①数据集是否与数据描述符中的描述相匹配; ②数据集是否已存放在最合适的可用数据知识库中 |
(3) 数据引用。在Scientific Data上发表的数据描述符都必须遵守严格的引用规定。科研人员向Scientific Data提交的数据描述符中,必须正式引用其稿件中涉及的所有存储于数据知识库的数据集,包括提交的主要数据集以及研究中使用的其他数据集。若稿件中提到了以前发布的数据集,则要求作者引用相关的研究文章和数据集。在数据描述符发布之前,编辑人员会检查并强制适当引用数据。此外,Scientific Data所出版的数据描述符都带有DOI,可供第三方科研人员检索与引用。该期刊规定科研人员引用Scientific Data出版的数据描述符时,必须按照传统参考文献著录规范进行引用。如果研究人员投稿的其他期刊支持数据引用,则应该注明所引用的数据集。
2.2 《中国科学数据(中英文网络版)》
《中国科学数据(中英文网络版)》(以下简称《中国科学数据》)是由中国科学院主管、中国科学院计算机网络信息中心主办的混合型数据期刊,采用合作出版模式出版数据论文,主要包括数据集采集和处理方法、数据样本描述、数据质量控制和评估,以及数据价值、数据使用方法和建议等信息。
(1) 数据存储。《中国科学数据》要求作者在数据论文投稿时将完整的数据集存储于其指定的数据知识库ScienceDB,以便于评审专家与读者查询获取。ScienceDB(Science Data Bank)是中国科学院计算机网络中心建设的公共通用型科学数据知识库,为科研工作者、科研团队、学术期刊、科研机构及高校提供数据在线存储、在线汇交及管理、长期保存、出版和在线获取服务。ScienceDB支持中英双语服务,并且支持任何格式的数据文件,如数据集、多媒体文件、论文、演示文稿和文件集等。该数据知识库目前已被FAIRsharing和Re3data收录。
ScienceDB的所有数据集最终都是开放共享的。数据集处于同行评审阶段时,作者可设置不公开,出版后再开放。如果作者提交的数据是已经发布过的内容,需向知识库提供DOI;如果数据没有发布过,或者是在发布相关文章之前提交数据,需要提供出版期刊信息。同时,ScienceDB提供数据的长期保存和下载服务,提交者可以更新数据文件来完成所需的修正,但不会覆盖数据集和数据论文的关联链接。
(2) 数据评审。《中国科学数据》数据论文评审包括5个阶段:责编初审、数据初审、同行评审(大众评议)、责编委复审和编委会投票。来稿经编辑部初审(含数据质量审核)通过后即于出版平台Ⅰ区在线发布,同时接受同行评审和大众评论。通过全部审核步骤后的论文则由编辑部组织正式发布在Ⅱ区。与此同时,ScienceDB会对提交的数据文件进行基本检查,并确认元数据的完整性和正确性,然后分配DOI,通过数据引用保障研究人员的权益。根据实际处理进度及时发稿,新投的稿件一般可在5——10个工作日内收到初次回复意见;对于经审议认可的高质量数据论文,最快可在10——15个工作日内实现Ⅰ区在线开放评议,2.5——4个月内Ⅱ区正式出版。然而,《中国科学数据》并没有提供明确的审核标准,对于同行评审(大众评议)过程也没有详细的说明。期刊出版平台在线公开全部评审意见与反馈,但就本研究的调研结果来看,并非全部可见。
(3) 数据引用。《中国科学数据》网站有推荐的数据引用格式与论文引用格式,数据论文与数据集带有不同的DOI。《中国科学数据》没有对数据引用作出规定,但是在ScienceDB网站上有数据引用相关说明:可通过在论文中列出数据来源和DOI,以对存储在ScienceDB的数据进行引用,并列明了文本和论文中推荐的引用格式。ScienceDB向提交者提供数据集访问、下载和被引频次的统计功能,并支持图表查看,其中也包括从合作期刊访问数据的相关统计值,但它不追踪也不提供下载用户的具体信息。数据作者可以向ScienceDB获取数据出版证书及影响力佐证,作为ScienceDB对科研人员数据成果的认可。
3 数据出版面临的问题与挑战
当前数据出版处于探索阶段,仍有很大的上升空间。结合上文对数据出版案例与实践的小结以及与业内人士的交流所获得的资讯,本研究以满足科研人员的数据需求、保障科研人员的数据权益为出发点,分析数据出版当前面临的问题与挑战。
3.1 数据存储设施建设不足
在数据知识库的建设方面,不同国家的数据出版发展进程呈现出较大的差异。Scientific Data所推荐的数据知识库基本上都是由发达国家的出版商与基金组织建立和运营,数据知识库的类型更加多元化,数据管理服务相对更为完善。数据期刊出版商可以与多家数据知识库建立广泛的合作关系,根据数据集的特性来为作者推荐最合适的存储位置,以加强数据集之间的关联性,在及时更新数据版本的同时也在最大程度上保障数据存储的稳定性和连续性,为科学数据的可发现、可重用奠定基础。
ScienceDB作为国内具有代表性的通用型数据知识库,目前承担着多家机构、多个学科的数据存储与管理任务,但在数据版本更新、数据集关联性建设等方面仍有不足。在专用型数据知识库的建设上,我国也有很大的提升空间。这种差异是国情差异、学科发展差异带来的结果。
从整体来看,数据知识库的建设落后于数据集的增长速度;数据知识库在结构设计与操作程序上尚且不能充分满足科研人员复杂的数据处理需求[13],这将阻碍科学数据的全球共享与可持续发展。
3.2 数据评审体系不健全
数据评审体系不健全体现在评审流程与评审内容两个方面。首先,数据评审流程有待规范。传统期刊论文评审一般由编辑部进行初审,通过之后再由同行专家进行匿名评审。而数据出版物涉及数据描述信息与数据集两类评审客体,以及数据期刊与数据知识库两大主体,因而评审流程更为复杂。当前各大数据期刊根据自身情况来设定评审流程,例如Scientific Data由编委会、同行专家和数据专家共同执行的三段式审核流程,《中国科学数据》由编辑部、同行专家和大众评审共同执行的五段式审核流程。然而,数据期刊与数据知识库分别承担哪些评审责任尚不完全明确,同时还存在评审细节不清晰的环节。这将会降低评审效率,甚至可能造成学术不公。
其次,数据评审内容有待完善。调查研究表明,科研人员最关注的数据评审内容依次是:数据搜集方法的科学性、元数据是否支持数据重用、技术性审查、数据的关联性[14],而Scientific Data提出的数据审核内容虽然较为全面,但并未充分契合科研人员对数据评审的关注点;《中国科学数据》则并未公布其数据评审内容与标准。
3.3 数据知识产权侵权严重
科研数据是最重要的科研产出之一,具有可复证性和可重复使用的特点。一般情况下,课题研究结束之后,理想的状态是对数据进行二次开发和重复利用,但目前的情况是大部分科研数据在首次使用后就被束之高阁。作者和科研人员担心数据泄露对研究创新性造成影响是原因之一。
更重要的是,科研数据没有很好的保护机制,现行知识产权制度对科研数据知识产权的认定和保护基本上是一片空白,导致数据知识产权侵权现象时有发生,例如,科研数据知识产权归属不清晰引起的纠纷,第三方科研人员恶意破坏原始科研数据完整性造成的侵权,科研数据集原始产权所有者与科研数据集衍生成果知识产权所有者之间的利益冲突等。知识产权保护不当使得科研人员的正当利益受损,在一定程度上挫伤了科研人员出版数据集、参与科研数据开放共享的积极性。
3.4 数据引用效果不佳
当前科研数据引用的实践效果不佳体现在两个方面。其一是数据引用标准不统一。相关研究表明,科学数据引用普遍存在引用元素缺失[15]、元数据的信息揭示程度不一、多种科学数据引用形式并存[16]等不规范的引用现象。这主要是因为目前尚无统一的科研数据引用标准。Scientific Data与《中国科学数据》基于传统参考文献著录规范制定了引文格式,但这一引文标准是否与数据出版的特点相适应仍然存疑。其二是数据引用不足。虽然Scientific Data制定了数据集强制引用政策,ScienceDB向作者提供数据集影响力佐证以鼓励数据引用,但是从整体来看,科研人员的数据引用意识较为薄弱,缺乏数据引用动力。这一方面是因为科研数据目前仍然是新兴的引用对象,尚未在学术界引起普遍关注;另一方面是因为科学数据引用尚未纳入学术成果评价体系。混乱的数据引用状态将阻碍科学数据的获取与重用,增加数据期刊与数据知识库的运行成本,不利于数据出版的长远发展。
4 推进数据出版发展的对策探讨
数据出版是实现科研数据开放共享的途径之一,不仅具有质量可靠、使用规范的优势,而且能够通过开放式存储来促进科研数据的复用,发展数据出版是数据密集型研究范式下的应有之义。
然而,当前国内外数据出版实践仍存在很多亟需解决的问题。问题的成因涉及内外两个方面,本研究主要从内因分析对策,探讨如何从出版主体的角度来优化和改善数据出版,以更充分地满足科研人员复杂的数据需求,充分实现科研数据开放共享。
4.1 加强基础设施建设,优化科学数据存储
数据知识库是开展数据出版活动的基础设施,要真正推动科学数据的可发现、可获取、可交互、可重用,就离不开数量充足且优质的数据知识库。当前我国数据知识库的建设进程相对滞后,加强数据知识库的建设需要科研组织与学术出版单位的共同努力。一方面,科研资助机构可以通过设立专用基金来支持科研单位创办一批标杆性的通用型、专用型数据知识库,例如由国家基金支持、中国科学院计算机网络中心建设的ScienceDB。另一方面,科研组织、学术出版协会可以鼓励我国学术出版单位联合创建专用型数据知识库,或者与国外学术出版商联合建设中英双语数据知识库。
此外,在数据知识库的结构设计上,数据出版商应当充分考量研究人员复杂的数据需求。数据出版商可以邀请部分科研人员参与数据知识库的设计,并在数据知识库试用期广泛听取科研人员的使用反馈,以最大程度提高数据知识库的适用性。
4.2 完善数据评审体系,保障科学数据质量
数据集、数据描述符与数据论文是新型学术出版物,其评审流程与评审内容也应当根据数据出版的特点来设置。首先,数据期刊应当明确与数据知识库之间的合作关系,制定权责明晰的评审流程。具备条件的数据期刊还可以考虑建立专业的数据评审专家团队,为评审专家提供一定的报酬,以提高数据评审的专业性,缩短评审周期。其次,数据评审的内容不仅要体现学界对科研成果质量的普遍要求,更要反映科研人员的数据需求。数据期刊与数据知识库可以调查第三方科研人员使用数据集后的评价,并且及时将使用评价反馈给数据原作者,在这种双向沟通中更深入地了解科研人员的数据需求,以帮助数据出版商完善数据评审内容,保障科学数据质量。
4.3 重视数据知识产权,推动数字资产管理
数据知识产权是从法律层面对科研人员数据成果的肯定与保护,重视数据知识产权才能在科研人员之间真正建立起信任机制,实现科研数据互惠。加强数字资产管理,离不开知识产权法的完善与严格实行,除此之外,数据出版各个主体的共同努力也非常重要。
首先,在数据论文和数据集的评审环节,数据期刊与数据知识库应加强对数据论文与数据集知识产权的审查,要求作者对其稿件中涉及的数据集进行合理使用说明,这有助于减少科研数据原始产权所有者与科研数据再利用者之间的纠纷。其次,开放协议的管理组织者可以开发相应的网络工具,帮助科研人员根据授权对象、授权范围、授权条款选择最适当的开放数据协议[17]。最后,科研机构与数据出版商应共同加强对科研人员的知识产权教育与宣传工作,提高科研群体的数据知识产权素养,帮助科研人员更好地平衡个人利益、学术群体利益与社会公众利益之间的关系。
4.4 规范数据引用,促进科学数据共享
数据引用是促进科研数据可发现、可获取的关键所在。建立统一的数据引用标准是推动数据引用规范化的直接举措。数据描述信息与数据集应当具备不同的引用标准,但各自揭示的基本信息的内容范围、粒度应当保持一致。此外,由于不同学科领域的数据性质差异可能较大、数据共享文化不同,因此,在基本引用标准的基础上,同一学科领域内部应当明确是否增添信息内容,例如数据集存储位置、数据集版本。建立规范的数据引用标准之后,数据出版商还应当重视在科研群体中的推广与宣传,以提高科研人员的数据引用意识。
同时,给予科研人员的研究成果以充分肯定和认证也是关键举措,例如,ScienceDB向作者提供的数据出版证书及影响力佐证就是很好的尝试。只有科研人员具备充足的参与动力,提高了数据引用意识之后,数据出版才能实现规范化发展,真正达到促进科研人员之间、科研机构之间数据交流与共享的效果。
5 结语
在密集型数据研究日益普遍的背景之下,数据出版的未来发展前景可观,机遇与挑战并存。应对当前数据出版在数据存储、数据评审、数据知识产权保护与数据引用方面遇到的难题,需要数据出版各个主体的共同努力,在数据出版体系设计、数据出版政策执行的过程中充分考量科研人员复杂的数据需求,将数据开放共享的理念全面落实到数据出版实践中。
本研究的不足之处在于,对科研人员数据需求部分的探讨还不够深入,后续研究可以对科研人员进行调查与访谈,获取一手资料,以更全面、细致地探讨如何满足科研人员的数据需求,推动数据出版的发展,实现科学数据开放共享。
参考文献
[1]李志芳,邓仲华.国内开放科学数据的分布及其特点分析[J].情报科学,2015,33(3):45-49.
[2]陈传夫,李秋实.数据开放获取使科学惠及更广-中国开放科学与科学数据开放获取的进展与前瞻信息资源管理学报,2020,10(1):4-13.
[3]刘凤红,彭琳.国际数据期刊的发展现状调查与分析[J].中国科技期刊研究,2019,30(11):1129-1134.
[4]刘灿,王玲,任胜利.数据期刊的发展现状及趋势分析[J].编辑学报,2018,30(4):344-349.
[5]Bhardwaj R K.开放式研究数据存储库:一种内容分析,以理解数据的公平访问[J].计算机应用,2006,26(5):1175-1178科学计量学报,2020,8(3):135-142.
[6]刘颖,王旋.关键词:医学领域国际学术期刊数据出版政策分析中国科技期刊研究,2017,28(8):685-689.
[7]Sholler D,Ram K,Boettiger C等.关键词:学术出版,公共数据归档政策,生态期刊研究大数据与社会,2019,6(1):205395171983625.
[8]Kim J.数据文件模板和指南的分析:数据期刊描述的上下文信息的类型[J].科学编辑,2020,7(1):16-23.
[9]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.
[10]欧阳峥峥,青秀玲,顾立平,等.国际数据期刊出版的案例分析及其特征[J].中国科技期刊研究,2015,26(5):437-444.
[11]王辉,Michael W.基于re3data的科研数据仓储全景分析[J].计算机应用,2006,26(5):1097-1101图书情报工作,2017,61(22):69-76.
[12]Candela L,Castelli D,Manghi P等.数据期刊:调查[J].信息科学技术协会学报,2015,66(9):1747-1762.
[13]Antonio MG,Schick-Makaroff K,Doiron JM等.关键词:数据仓库中的定性数据管理与分析西方护理研究杂志,2020,42(8):640-648.
[14]Kratz J,Strasser C.研究人员对数据发表和同行评审的观点[J/OL].公共科学学报,2015,10(4)[2020-05-10].https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0117619.
[15]司莉,伍丹.高校图书情报领域科学数据引用行为调查与分析[J].情报工作.情报科学,2020,38(2):11-16.
[16]史雅莉,司莉.国家科研人员数据引用行为特征分析[J].情报理论与实践,2019,42(6):36-41.
[17]王舒,王红,宋晓丹.科研数据的知识产权保护与许可机制研究[J].图书馆论坛,2016,36(4):65-71.
