首页 博狗娱乐平台正文

研究数据管理进展评述

  内容提要:文章采用定量和定性相结合方法描绘研究数据管理领域现状和发展。首先通过文献计量分析论文发表和引用数量、新兴关键词、来源刊物和发表平台等,展示领域概貌和趋势。然后对高影响力文献进行内容分析,按照不同国家综合归纳其发展特征、核心研究者和主要研究项目。最后提炼出7个核心研究主题进行具体阐述。文章同时探讨了中国开展研究数据管理面临的挑战、启示和图书馆界的行动。   关 键 词:研究数据管理 研究概貌 研究型图书馆 核心主题   标题注释:本文系国家社会科学基金“机构科研数据管理关键技术和服务机制研究”(项目编号:14BTQ037)的研究成果之一。   1 简介   近年来,研究数据管理(Research Data Management,RDM)在e-Science、大数据兴起和学术交流模式改变的背景下迅速成为研究焦点,随着美国、英国、澳大利亚、德国等国相继制定数据管理和共享强制政策以来,更是引发了世界范围内新一轮数据管理研究、实践和服务热潮。   文章基于Google Scholar数据源和Publish or Perish[1]分析软件,以“research data management”为检索词,经人工筛选后检索到2009~2014年10月间的521篇文献,采用定量和定性相结合方式对研究数据管理领域的研究现状和实践进展进行全景描绘和分析评述:一是通过对论文发表数量、新兴关键词、来源刊物和发表平台等的文献计量分析展示领域概貌和趋势分析;二是选择前10%的高影响力文献并上下文引用拓展后,采用内容分析方法对不同国家的特征进行综合归纳,展示其核心研究者、关键研究项目和主要成果;三是提炼核心研究主题,具体阐述当前研究热点的研究现状,以期对世界研究数据管理研究和实践有一个全面的认识和深入的理解。文章最后探讨中国研究数据管理面临的挑战、启示以及图书馆界采取的行动。   2 领域研究概貌   2.1 时间趋势   由图1可见,2009~2013年间论文发表数量呈指数增长趋势,2013年发表论文数量达到2009年的3倍以上。2010~2011年论文数量在短暂稳定后,2012年有一个明显的增长幅度并在2013年又开始保持高速增长。
  图1 论文发表数量年度分布   从表1年度新兴关键词来看,5年间研究主题的广度和深度进一步拓展,新兴关键词和研究领域不断更新。例如,2013年机构知识库,研究数据管理服务、政策、战略和最佳实践,数据共享、价值、未来和DataPool项目报告成为新的研究增长点。由此可见,研究数据管理当前正处于快速发展时期。
  2.2 来源出版物   表2是2009~2013年累计发文5篇以上的10种来源期刊和会议,均来自图书情报领域。2009年创刊的International Journal of Digital Curation(IJDC)成为数据管理领域的专业核心期刊,这10种期刊发表论文占总数的20%以上,获得引用数量却占53%以上。从2009年开始,IEEE每年举办的e-Science国际会议、ACM/IEEE-CS数字图书馆联合会议、iConference、美国信息科学技术协会年会等均设置数据管理专题和产出研究论文。除了图书情报领域,医学、生物医学、地理/地球科学、农业等专业学科期刊也是数据管理研究和实践相对活跃的领域。
  表3对出版商来源统计显示,除了通过传统的主流出版商如Taylor & Francis、Emerald、Springer、Wiley等发表学术论文外,更多有关研究数据管理的论文通过各类开放获取平台发表和广泛获取,这其中既包括IJDC开放获取期刊网站,也有来自英国巴斯大学和南安普顿大学、美国普渡大学和马萨诸塞州立大学医学院、澳大利亚昆士兰理工大学的机构知识库以及数字人文社会科学项目Muse和机构知识库集成搜索平台Bepress等,这也与研究数据开放共享的理念相吻合。但从引用数量来看,开放获取平台在显示度和可信度方面还落后于传统出版商。
  3 国家研究计划、机构和进展情况   3.1 英国   英国是研究数据管理领域的领先者。英国联合信息委员会(JISC)的“管理研究数据”计划已经开展了17个项目启动大学的研究数据管理服务,数据管理中心(DCC)也为21个参与机构提供量身定制的项目支持。统计表明2009~2013年间发表论文数量在3篇以上的作者基本都来自英国的高等教育部门和专业研究机构,其中50%以上的高影响力文献来自英国大学的研究者。爱丁堡大学、牛津大学和南安普顿大学是最重要的3个研究机构,爱丁堡大学Rice、Martinez-Uribe,牛津大学Macdonald、Wilson和Matthews,南安普顿大学Poschen、Byatt、Brown和White等都发表了多篇高影响力论文,通过3所大学之间数据馆员和数据管理者的合作,研究一系列知识库环境下与研究数据相关的技术、法律和文化问题。   JISC资助的DISC-UK DataShare项目(2007年3月~2009年3月)致力于建立跨学科科研数据的网络数字知识库。2011年爱丁堡大学发布的示范例性研究数据管理政策已经被开发成研究者实践培训和指南[2],开发的DataShare(http://datashare.is.ed.ac.uk)平台到2014年10月共存储了162个数据集。牛津大学在2009~2011年得到两个JISC的“管理研究数据”计划资助:“嵌入研究的机构数据管理服务”(Eidcsr)和“支持人文数据管理基础设施”(Sudamih)[3]。这两个项目的关键成果已经被开发成共享服务并继续获得了2011~2013年度资助以发展跨机构的研究数据管理服务。南安普顿大学在知识库开发上有非常强的经验和能力并结合eCrystals和eBank等晶体学科领域项目探索了知识库和数据中心的角色。和牛津大学一样,南安普顿大学也获得JISC资助的DataPool项目开发机构基础设施。来自工程科学、图书馆、化学、电子与计算机科学、考古学的研究者采用DAF框架进行研究者数据管理实践和需求的调研,制定南安普顿大学的数据管理蓝图、政策和路线图,这些工作中取得的发现和建议已经被用于服务驱动的政策和战略的开发[4]。   英国其他高校的研究者的研究更加广泛而多样化。巴斯大学的Ball在2009~2013年间共发表21篇文献,成为论文发表最多的作者。面向机械工程学科和EPSC基金需求,Ball与JISC的Darlington合作在研究数据管理政策、管理计划需求规范、机构知识库存储和管理数据实践等展开了一系列研究。谢菲尔德大学图情学院的Cox等人从Abott职业理论角度阐述图书馆如何在竞争中与其他利益相关者合作的同时拓展自己的管辖权[5]。图书馆馆长Lewis回答了数据管理是否将成为图书馆首要工作这个问题,提出从9个领域开展研究数据管理工作的“金字塔”模型,强调了人力资源建设和数据馆员培训的重要性[6]。格拉斯哥大学的Molly等探讨了研究数据管理的技能培训、课程建设和博士后培养问题[7],曼彻斯特大学的Poschen等人则关注开发面向生物医学的数据管理基础设施[8]。   3.2 美国   美国尽管从研究者个人发表论文数量上无法与英国研究者相比,但是在高影响力论文篇数上紧随英国之后,在美国自然科学基金会(NSF)、美国博物馆图书馆协会(IMLS)以及斯隆基金会资助下,大大增强机构研究数据管理能力和基础设施研发。2008年NSF启动DataNet计划,旨在创建一系列国家和全球研究数据基础设施组织的范例,共享科学领域赛百基础设施的开发成果,项目通过两轮评审共资助5个课题[9]。新墨西哥大学主持的DataOne是一个多机构合作项目,主要通过社区建设、数据发现和互操作实现、学科工具和服务开发3种形式的活动来推动全球对环境和地球科学数据的访问。约翰霍普金斯大学的Data Conservancy项目为数据管理提供研究和构建工具,从2011年推出付费服务来帮助机构研究人员管理自己的数据。SEAD是密歇根大学、印第安纳大学和伊利诺伊大学合作,面向环境科学构建可持续基础设施,包括3套关联的工具和服务:活动内容存储库、研究网络和虚拟存档。Terra Populus是建立在明尼苏达州人口中心和关注使人口和环境数据的集成,构建工具让用户将看似不同的来自多个源的数据合并到新的定制的数据提取。北卡罗来纳大学教堂山分校领导的DataNet联盟协会旨在形成一个支持协作的国家数据基础设施联合体,项目开发iRODS(集成面向规则的数据系统开源数据管理软件),促进互操作性和长期数据管理。   随着NSF在2011年3月发布数据管理强制政策后,美国图书情报学界对“数据洪流”迅速作出反应。IMLS在2011年财政周期投入900万美元用于研究数据管理教育和能力建设。例如伊利诺伊香槟分校开设了数据管理硕士研究生专业,提供美国ALA认证的数据管理在线培训课程。最近IMLS资助创新包括北德克萨斯大学为其他学科提供研究4门课程的数据管理教育和以重新培训图书馆员为目标的新的认证项目。康思维新麦迪逊分校为所有学科研究生提供5天的课程,普渡大学、斯坦福大学、明尼苏达大学、俄勒冈大学等联合开展的“数据信息素养培训”项目。斯隆基金会提供资助美国图书馆和信息资源委员会的数字图书馆联盟研究如何培养数据保存技能。   研究数据管理服务成为美国学术性图书馆的主流工作。TENOPIR在2011~2012年对超过100座美国研究型大学中调查显示,虽然只有不到20%提供数据服务,但有近40%的计划帮助科学家在两年内管理和存储数据[10]。笔者于2014年10月对世界大学排名前100的美国大学网站搜索,结果显示绝大多数都通过图书馆提供从数据管理计划撰写咨询、数据存储、数据出版和培训指南等一系列服务。康乃尔大学的研究数据管理服务组和普渡大学研究知识库是两个由研究图书馆提供的著名的数据管理服务范例。康乃尔大学2010年成立大学范围内的虚拟合作组织,由主管研究的副校长和图书馆馆长负责,开展面向NSF项目负责人的用户调研,举办30场超过500人参加的信息讲座,指导100人以上撰写数据管理计划,开发研究数据缓存库DataStar。普渡大学2007~2010年获得IMLS资助开展“Data Curation Profile”,解决研究者愿意在何时、何种情况下与谁共享数据的问题。2008年普渡大学开发知识库环境下的数据服务,2010年创建了面向应用和基础生物科学领域同行评议文献的国际数据知识库,由图书馆员提供支持研究数据共享和出版的平台和服务集合[11]。   3.3 其他国家和机构   澳大利亚国家数据服务(ANDS)是政府通过国家合作式研究基础设施战略投资7 550万澳元建立,由莫纳什大学联合澳大利亚国立大学和澳大利亚联邦科学与工业研究组织运行,旨在推动澳大利亚研究数据成为国家战略资源[12]。它的旗舰产品“Research Data Australia”(http://researchdata.ands.org.au)是一个基于互联网的澳大利亚研究数据发现服务系统,到2014年10月已经收录了94家研究机构超过10万条数据馆藏。莫纳什大学、詹姆斯库克大学和昆士兰大学合作项目ARCHER开发的产品级工具包,为研究者提供收集、存储、管理、合作或出版科研数据的基础设施[13]。   德国科研基金会自2010年开始要求德国科研人员在项目方案中应该尽其所能保证研究数据符合“现存标准和数据知识库”的要求。德国赫蒙霍兹波兹坦地球科学研究中心图书馆与信息服务部门联合柏林洪堡大学图书馆与信息科学学系、卡尔斯鲁厄理工学院图书馆开发的研究数据知识库的登记注册系统re3data.org,从2012年起开始为研究者、基金组织、图书馆和出版商提供研究数据知识库索引服务[14],到2014年10月已经收录了超过900个数据知识库。这3个项目伙伴与德国网络信息协议组织具有长期固定合作关系。慕尼黑大学开放数据(http://data.ub.uni-muenchen.de)自2010年起采用ePrints软件并且作为慕尼黑大学的所有成员的科研数据发布平台,到2014年10月已经收录37个数据集。   荷兰马普语言研究所提出了一种新的计算机支持的元数据框架方案,可以很好地解决语义互操作问题,从而进一步推动现有共享的资源和工具的元数据的语义使用[15]。出版社和营利性公司也加入到数据服务提供者行列中。例如,自然集团隶属的麦克米伦出版公司数字科学部门从2011年开始营运Figshare(http://figshare.com),服务跨学科需求,允许科研人员采取引用、搜索和共享的方式发布他们所有的数据。汤森路透在2012年推出了数据引文索引服务。MITRE公司的研究者在2010年提出为生物医学数据共享提供云计算服务。   4 核心研究主题   4.1 研究者需求调查和机构环境扫描   针对研究者的国际调查发现,大部分研究者愿意与其他人共享数据,但仅有少数人会向其他人开放数据,多数人认为还不能很容易地发现和获取数据,同时不同学科研究人员之间则存在差异性。Science在2011年就数据获取和使用问题调查了1 700名来自各国和跨学科组织的科学领导者,结果显示阻碍研究人员开展科学数据管理和共享实践的主要障碍包括缺乏数据存储的软硬件设施、通用的数据标准、存储库和资金以及没有建立起有效的数据引用并将其纳入学术影响力评估指标[16]。在校园范围内开展研究数据管理调研是机构创建、识别和评估数据服务的首要步骤。例如,佐治亚理工学院通过调研、访谈、数据分析和bodog博狗备用网址研究4种方法对当前机构的准备度进行评估[17]。休斯敦大学图书馆则通过调查发现除了数据存储服务外,数据出版、数据研究支持和其他相关服务也需要关注[11]。   4.2 数据管理生命周期模型理论   Ball总结当前8种数据管理生命周期模型[18]:(1)DCC的数据管理生命周期模型;(2)I2S2的理想化科研活动生命周期模型;(3)DDI3.0的混合生命周期模型;(4)澳大利亚ANDS的数据共享词汇表;(5)DataOne的数据生命周期;(6)英国数据档案的数据生命周期;(7)Research360的机构研究生命周期;(8)科研数据管理的能力成熟度模型。其中,美国雪城大学的Kevin Crowston和Jian Qin提出的能力成熟度模型可能是最有用的模型[19]。2013年RDA成立了社区能力模型兴趣小组,提出社区能力模型框架和能力调查模板并将它应用在巴斯大学机械工程学院的研究数据管理计划实施中。钱鹏以科研数据管理为例对数据本身的生命周期管理和反映科研活动领域生命周期的两重性进行了辨析[20]。   4.3 元数据标准和应用方案   学科间甚至学科内数据类型和格式的复杂性和多样性需要元数据标准来保障系统的互操作性、关联性和可发现性。RDA元数据标准目录工作组将科研领域分为7类:生物、地球科学、物理科学、核物理和粒子物理、社会科学、通用科研数据、经济学。武汉大学以DC核心元数据为基础设计高校科学数据管理通用元数据标准,将社会调查数据、物种数据和序列数据等为学科专用型数据[21]。RDA元数据工作组致力于开发一个应用于科研数据环境中的鲁棒且可用的元数据目录,开发专门元数据处理和分析工具,提供元数据注册和目录应用服务。牛津大学Matthews提出在大规模研究中的核心元数据模型及其增强改进[22]。悉尼大学图书馆针对在传统机构知识库中本地多学科元数据应用需求,抽取本地元数据记录产生DC元数据并将本地元数据记录以数字对象位流提交[23]。   4.4 机构数据知识库功能模型和信任评估   机构知识库在学术交流统一连续体中承担着研究人员和外部数据中心之间的中介代理角色和基础设施的功能。约翰霍普金斯大学基于Data Conservancy项目创建和开发基于Fedora开源平台和Planet参考模型的数据管理服务,涵盖长期保存、归档、处理和基于DOI的增强出版等功能[24]。2013年5月,在中国科学技术信息研究所召开了第一届中日韩DOI项目合作讨论会,围绕DOI RA在科学数据管理与共享方面达成共识[25]。密歇根大学及OCLC研究者就数字仓储的可信度问题进行了详细讨论。GESIS专注于社会科学研究数据存档,通过扩大在数字保存领域中的影响力以及参与永久标识符、元数据标准、关联数据等领域提高数据存档库的信任等级。   4.5 机构科研数据管理服务及可持续机制   创建科研数据管理服务涵盖6个方面内容:项目管理和评价、政策和策略、需求分析、服务基础设施、技术基础设施以及商业可持续性。英国UKOLN及巴斯大学从出资者的期望与机构现实的差距角度分析了数据管理挑战,介绍了EPSRC的科研数据政策框架以及JISC资助Research 360项目路线图和执行情况[26]。爱丁堡大学以其机构路线图为例展示了科研数据管理政策及实施过程,从数据管理计划、数据基础设施、数据保管、数据管理服务支持4个方面提出了15条措施[2]。Macdonald和Martinez-Uribe等人强调通过合作整合机构专业技能的重要性,建立机构知识库与研究者协同合作,鼓励数据共享[27]。牛津大学的VIDAAS项目旨在设计一个云计算环境,采用对计算、数据和软件设施按需付费的服务模式,提供研究者在线创建、编辑、查找和共享的可持续服务。   4.6 研究型图书馆的角色和实践。   研究型图书馆的未来角色正从建设机构知识库向建设网络基础设施和e-Science演变。具体来说,在下游的研究周期内,图书馆的作用在于选择、采集和授权数据和数据集,创建发现和描述数据集的元数据(或元数据标准),创建或组织与数据相关的文档提供数字数据保存服务。而在上游的研究周期内,图书馆的关键在于定位其与研究团体的合作关系,通过从研究初始阶段就与研究人员的密切合作,图书馆可以在数据管理原型和架构、标准规范甚至政策的制定中发挥作用。2012年底英国谢菲尔德大学对英国高校科研数据管理的调研表明,研究型图书馆正在参与数据管理政策的制定,以最高优先级开展着如数据咨询服务和教育培训实践活动。同时,通过探讨IT部门、研究部门和图书馆在RDM中的角色表明,图书馆是唯一宣称在RDM领域拥有管辖权的组织,而其他部门也乐于让图书馆成为领导者。康乃尔大学图书馆是这方面的最佳实践bodog博狗备用网址,从2006年聘用第一个数据管理员,2010年创建校园范围内的虚拟合作组织研究数据管理工作组以及开发DataStaR,到2013年将第一个数据馆藏存储到档案库中,其不断在探索和发现新的角色。   4.7 技能培训和专业教育   当前数据管理相关的技能培训和专业教育主要分为4类:(1)面向学科领域专业人员,培养在学科数据中心工作的数据科学家;(2)面向专业学科领域研究生,提升研究者的数据素养能力;(3)面向从事数据管理服务的图书馆馆员,培养数据馆员或科学馆员;(4)面向图书情报专业学生的硕士博士课程和学位教育。孟祥保和钱鹏总结分析美英等国图书情报学院开展的数据管理专业教育和职业技能培训的现状,指出其多元化、专业性和实践性的特点[28]。Varvel,Bammerlin and Palmer等调查发现在美国63所图情学院中有7个硕士课程,4个认证项目和10个聚焦于数据的项目[29]。普渡大学图书馆为科学和工程学科的学生开设数据信息素养课程。2012年9月,对ARL的116个图书馆的507位科学馆员的在线调查显示,数据管理所需技能涵盖了数据生命周期知识、学科专业知识和技能、交流联系和参考技能、元数据知识以及计算机或软件技能。   5 总结和启示   近5年,以美国、英国、澳大利亚等为代表的科研数据管理研究实践活动正处于快速发展阶段,论文数量不断增长,出现了诸多新兴研究热点并成为数字保管、e-Science国际会议、数字图书馆等重要国际会议的研究主题。随着利益相关者群体广泛介入和合作,2013年3月来自欧盟、美国政府和澳大利亚政府的资助机构以及数据领域引领者组成的赞助单位宣布国际科研数据联盟正式成立,来自不同领域的研究人员依托基金组织的资助合作开展项目,体现出强有力的研究实力和紧密的机构间合作关系。与此同时,英国、美国、澳大利亚、德国等国家逐渐形成了与各自国家科研文化背景相适应的不同发展路径和解决方案,大学图书馆在数据管理中的核心角色和领域拓展也在实践中得到验证。   相比之下,国内图书情报学界和图书馆行业在科研数据管理的研究和实践处于起步阶段。2010年前,在科技部“科学数据共享工程”推动下,我国科学数据管理研究和实践主要在医药、公共卫生、地球科学、生态环境、水利等科学领域展开。2011年后,图书情报学界和图书馆行业开始主动介入、跟踪和开展科研数据管理研究与实践活动,例如以中国科学院“科学数据管理与共享云服务平台”、武汉大学图书馆CALIS三期的“高校科学数据管理机制及管理平台研究”、复旦大学“社会科学数据平台”等为代表的实践bodog博狗备用网址以及2014年的国家社科基金和教育部人文社会科学基金中有4个与数据管理相关的项目中标。2014年10月26日,北京大学、北京理工大学、复旦大学、清华大学、上海交通大学、上海外国语大学、同济大学、武汉大学、浙江大学9所高校图书馆联合发起成立了“中国高校图书馆研究数据管理推进工作组”。   但整体来说,我国基金组织和学术机构还未制定科研数据共享强制政策,良好的开放共享文化和机制还未形成,图书情报界缺乏大规模的实证调查基础数据,系统理论研究和过程评估方法的全面、整体、启发式梳理创新不足,需要从国际研究实践bodog博狗备用网址中吸取经验形成更多、更丰富、多元化且嵌入中国科研文化环境的模式机制和发展途径,重构新兴职业发展需求的专业教育和职业培训体系。对于学术型图书馆来说,当前需要思考的问题有:(1)中国发展环境和模式,即在国家和机构没有强制政策的情况下,中国/本机构研究数据管理的需求在哪里?应该从哪里起步?(2)高校图书馆数据联盟体的成立和运行。如何获取资助发挥联盟优势和作用?如何与科学界、出版界和资助机构保持合作与互动?(3)图书馆在有限经费情况下开展机构研究数据管理实践。不同类型图书馆的共性和特殊性是什么?如何弥补图书馆员在数据管理方面的技能差距?如何与机构管理部门合作推广数据管理?   如同90年代文献数字图书馆的发展历程,从专业科学领域产生的科研数据管理正在成为信息管理领域的一项核心活动并向着普适理论、通用系统和普遍实践转变,在这个过程中,理论研究和机构实践相互作用和影响,通过整合技术、服务、经济、政策和人文等诸多要素最大限度地实现数据效用价值和提高学术机构创新能力的目的,必将成为当前以及未来研究型图书馆支持研究的核心服务。   参考文献:   [1]Harzing,A.W.(2007)Puhlish or Perish,available from http://www.harzing.com/pop.htm.   [2]Rice R,Haywood J.Research data management initiatives at University of Edinburgh[J].International Journal of Digital Curation,2011,6(2):232-244.   [3]Wilson J A J,Martinez-Uribe L,Fraser M A,et al.An institutional approach to developing research data management infrastructure[J].International Journal of Digital Curation,2011,6(2):274-287.   [4]Byatt D,Scott M,Beale G,et al.Developing researcher skills in research data management:training for the future——a DataPool project report[J/OL].2013.http://eprints.soton.ac.uk/351026/1/REPORT-Supporting_ResearchersRDM-Training-Final.docx.   [5]Cox A M,Pinfield S.Research data management and libraries:Current activities and future priorities[J].Journal of Librarianship and Information Science,2014(46):299-316.   [6]Lewis M J.Libraries and the management of research data[J/OL].2010.http://eprints.whiterose.ac.uk/1117l/l/LEWIS_Chapter_v10.pdf.   [7]Molloy L,Snow K.The data management skills support initiative:Synthesising postgraduate training in research data management[J].International Journal of Digital Curation,2012,7(2):101-109.   [8]Poschen M,Finch J,Procter R,et al.Development of a pilot data management infrastructure for biomedical researchers at University of Manchester-approach,findings,challenges and outlook of the MaDAM Project[J].International Journal of Digital Curation,2012,7(2):110-122.   [9]Dharma Akmon.DataNet Partner Update[J].Bulletin of the Association for Information Science and Technology,2014,40(6):17.   [10]Tenopir C,Birch B,Allard S.Academic Libraries and Research Data Services:Current Practices and Plans for the Future[M].Association of College and Research Libraries,a Division of the American Library Association,2012.   [11]Witt M.Co-designing,co-developing,and co-implementing an institutional data repository service[J].Journal of Library Administration,2012,52(2):172-188.   [12]Burton A,Treloar A.Publish my data:A composition of services from ANDS and ARCS[C]//e-Science.2009.e-Science,09.Fifth IEEE International Conference on.IEEE,2009:164-170.   [13]Androulakis S,Buckle A M,Atkinson I,et al.ARCHER-e-research tools for research data management[J].International Journal of Digital Curation,2009,4(1):22-33.   [14]Pampel,Heinz,et al.Making research data repositories visible:the re3data.org registry.PloS one 8.11(2013):e78080.   [15]Broeder D,Kemps-Snijders M,Van Uytvanck D,et al.A Data Category Registry and Component-based Metadata Framework[C]//LREC.2010.   [16]Science Staff.Challenges and Opportunities[J].Science,2011,331(6018):692-693.   [17]Walters T O.Data curation program development in U.S.universities:The Georgia Institute of Technology example[J].The International Journal of Digital Curation,2009,3(4):83-92.   [18]Ball A.Review of data management lifecycle models[J/OL].2012.http://opus.bath.ac.uk/28587/1/redm1rep120110ab10.pdf.   [19]Crowston K,Qin J.A capability maturity model for scientific data management[J].Proceedings of the American Society for Information Science and Technology,2010,47(1):1-2.   [20]钱鹏.信息生命周期管理两重性辨析:以科学数据管理为例[J].情报理论与实践,2013,36(3):11-14.   [21]刘霞.饶艳.高校图书馆科学数据管理与服务初探——武汉大学图书馆bodog博狗备用网址分析[J].图书情报工作,2013(6):33-38.   [22]Matthews B,Sufi S,Flannery D,et al.Using a core scientific metadata model in large-scale facilities[J].International Journal of Digital Curation,2010,5(1):106-118.   [23]Brownlee R.Research data and repository metadata:policy and technical issues at the University of Sydney Library[J].Cataloging & Classification Quarterly,2009,47(3-4):370-379.   [24]Mayernik M S,DiLauro T,Duerr R,et al.Data Conservancy Provenance,Context,and Lineage Services:Key Components for Data Preservation and Curation[J].Data Science Journal,2013(12):158-171.   [25]李颖,刘静波.基于DOI RAs机制的科学数据管理与共享——“第一届中日韩DOI项目合作讨论会”概述[J].数字图书馆论坛,ISTIC,2013(8):37-41.   [26]Darlington M,Ball A.A Research Data Management Plan for Engineering Research[J/OL].2012.http://opus.bath.ac.uk/30104/1/redm3rep120521mjd10.pdf.   [27]Macdonald S,Martinez-Uribe L.Collaboration to data curation:Harnessing institutional expertise[J].New Review of Academic Librarianship,2010,16(S1):4-16.     作者简介:崔宇红,北京理工大学图书馆研究馆员,E-mail:[email protected];李伟绵,北京理工大学图书馆硕士研究生。北京 100081 责任编辑:陈近梅
分享:
大数据概念_大数据分析_大数据应用_大数据百科专题
贵州

贵州大数据产业政策

贵州大数据产业动态

贵州大数据企业

更多
“智慧中国杯”全国大数据创新应用大赛
企业
更多