西班牙大學知識庫中的開放研究數據現況分析

核心概念

西班牙大學機構知識庫中的研究數據數量有限且分佈不均，突顯出該國在開放科學數據共享和管理政策方面存在落差，需進一步發展數據策展實務以促進數據共享和再利用。

要約

西班牙大學知識庫中的開放研究數據現況

論文簡介

本研究論文分析了西班牙大學知識庫中開放研究數據的現況。作者透過分析西班牙大學圖書館網絡 (REBIUN) 中 75 所大學的機構知識庫，探討了研究數據的存儲狀況、開放獲取政策以及知識庫的特點，並探討了數據策展在數據管理中的重要性。

研究方法

本研究採用比較分析法，以 REBIUN 旗下 75 所西班牙大學（50 所公立和 25 所私立）的機構知識庫為樣本，觀察並比較各大學知識庫中與研究數據相關的指標，包括數據存儲、開放獲取政策和知識庫特點等方面。

研究發現

• 研究數據存儲方面：僅有 52% 的大學知識庫存儲了研究數據，其中公立大學的比例 (73%) 遠高於私立大學 (12%)。
• 開放獲取政策方面：65% 的大學制定了開放獲取政策，但僅有 9% 的大學制定了針對研究數據管理的具體政策。
• 知識庫特點方面：大多數知識庫使用與開放獲取運動相關的軟體，提供數據的完整訪問權限，並可依據元數據類別進行組織。然而，76% 的知識庫僅使用都柏林核心集 (Dublin Core) 元數據格式，顯示出元數據標準化方面的改進空間。

主要結論

• 西班牙大學機構知識庫中的研究數據存儲數量有限，且各大學之間存在顯著差異。
• 開放獲取政策與研究數據管理政策之間存在落差，突顯出數據共享和數據策展在西班牙大學尚未得到充分發展。
• 雖然大多數知識庫在功能方面表現良好，但在數據集數量、元數據標準化和數據管理政策方面仍有改進空間。

研究意義

本研究揭示了西班牙大學在開放研究數據管理方面所面臨的挑戰，強調了制定數據管理政策、推廣數據策展實務以及採用更適當的元數據標準的重要性，以促進數據共享和再利用，進而推動開放科學的發展。

統計

僅有 52% 的西班牙大學知識庫存儲了研究數據。
73% 的公立大學知識庫存儲了研究數據，而私立大學的比例僅為 12%。
65% 的大學制定了開放獲取政策，但僅有 9% 的大學制定了針對研究數據管理的具體政策。
76% 的知識庫僅使用都柏林核心集 (Dublin Core) 元數據格式。
馬德里自治區的 Madroño 聯盟中的所有大學都制定了研究數據管理政策，並將數據存儲在聯盟管理的共同知識庫中。
加泰隆尼亞地區的大學圖書館服務聯盟 (CSUC) 決定創建一個專門的知識庫來存儲研究數據。

引用

“研究數據知識庫的作用之一是驗證研究結果，因此必須以某種方式與科學出版物聯繫起來，以顯示這些數據的用途。” (Hernández-Pérez and García-Moreno, 2013: 261)

抽出されたキーインサイト

Open Research Data in Spanish University Repositories

by Pablo Montea... 場所 arxiv.org 11-19-2024

https://arxiv.org/pdf/2411.10470.pdf

深掘り質問

西班牙大學可以採取哪些措施來鼓勵研究人員將數據存儲在機構知識庫或其他數據共享平台中？

西班牙大學可以採取多項措施來鼓勵研究人員將數據存儲在機構知識庫或其他數據共享平台，從而促進數據共享和開放科學：
1. 制定明確的數據管理政策：

大學應制定明確的數據管理政策，規定研究數據的存儲、共享和保存要求。
這些政策應與資助機構的要求相一致，並明確說明數據共享的益處和預期。
可以參考FAIR原則（可查找、可訪問、可互操作、可重用）制定數據管理和開放的標準。
2. 提供數據存儲庫基礎設施：

大學應提供易於使用且安全的數據存儲庫基礎設施，例如機構知識庫或專門的數據存儲庫。
這些存儲庫應提供數據版本控制、元數據管理和長期保存等功能。
可以考慮加入國家級或學科級的數據知識庫，以擴大數據的影響力和可見度。
3. 提供數據管理培訓和支持：

大學應為研究人員提供有關數據管理計劃、元數據創建、數據共享平台使用的培訓。
圖書館和信息中心可以發揮積極作用，為研究人員提供數據管理方面的專業知識和支持。
可以舉辦研討會、網絡研討會和培訓課程，以提高研究人員對數據管理重要性的認識。
4. 獎勵數據共享行為：

大學應將數據共享行為納入評估和晉升體系，鼓勵研究人員積極分享數據。
可以設立數據共享獎項，表彰在數據共享方面做出傑出貢獻的研究人員。
可以將數據共享情況作為申請研究經費的評估指標之一。
5. 提高數據共享意識：

大學應開展宣傳活動，提高研究人員對數據共享益處和重要性的認識。
可以邀請知名學者和數據科學家進行演講，分享數據共享的經驗和最佳實踐。
可以通過校園新聞、網站和社交媒體等渠道宣傳數據共享政策和資源。

僅僅依靠機構知識庫來存儲和共享研究數據是否足夠？是否應該建立國家級或學科級的數據知識庫？

僅僅依靠機構知識庫來存儲和共享研究數據可能不足夠。雖然機構知識庫在收集和保存本機構研究數據方面發揮著重要作用，但建立國家級或學科級的數據知識庫也至關重要，原因如下：
1. 規模和範圍： 國家級或學科級的數據知識庫可以收集和整合來自多個機構和研究項目的數據，形成更大規模、更全面的數據集，有利於進行更深入、更廣泛的研究。
2. 可發現性和可見性： 國家級或學科級的數據知識庫通常具有更好的搜索引擎優化（SEO）和更廣泛的學術網絡，可以提高數據的可發現性和可見性，促進跨機構和跨學科的合作。
3. 長期保存和維護： 國家級或學科級的數據知識庫通常擁有更穩定的資金來源和專業的技術團隊，可以確保數據的長期保存和維護，避免數據丟失或損壞。
4. 數據標準化和互操作性： 國家級或學科級的數據知識庫可以推動數據標準化和互操作性，方便不同來源數據的整合和分析，提高數據的價值和影響力。
因此，建議西班牙建立國家級或學科級的數據知識庫，與機構知識庫形成互補，構建多層次、網絡化的數據共享體系，更好地支持開放科學和數據驅動型研究。

人工智慧和機器學習等新興技術如何應用於研究數據管理和策展，以提高數據的可發現性、可訪問性、互操作性和可重用性？

人工智能和機器學習等新興技術可以在研究數據管理和策展中發揮重要作用，提高數據的FAIR性：
1. 提高數據可發現性：

自動元數據提取： 機器學習算法可以自動從數據集中提取關鍵信息，例如作者、標題、摘要、關鍵詞等，生成元數據，提高數據的可發現性。
語義搜索： 人工智能技術可以理解數據的語義信息，支持更精準的數據搜索和發現。
數據關聯和推薦： 通過分析數據之間的關係，人工智能可以推薦相關數據集，幫助研究人員發現潛在的聯繫。
2. 增强數據可訪問性：

數據清洗和轉換： 機器學習可以自動識別和處理數據中的錯誤、缺失值和不一致性，提高數據質量和可用性。
數據格式標準化： 人工智能可以將不同格式的數據轉換為統一的標準格式，方便數據交換和共享。
自然語言處理： 自然語言處理技術可以將複雜的數據描述轉換為易於理解的語言，降低數據訪問門檻。
3. 促進數據互操作性：

本體構建和映射： 人工智能可以幫助構建領域本體，並將不同數據集中的概念和術語映射到本體中，促進數據的語義互操作。
數據鏈接： 機器學習可以識別和鏈接不同數據集中的相同實體，構建更完整、更豐富的數據網絡。
知識圖譜： 人工智能可以將數據轉換為知識圖譜，以圖形化的方式展示數據之間的關係，方便數據理解和分析。
4. 推動數據可重用性：

數據質量評估： 機器學習可以自動評估數據質量，識別潛在的數據問題，幫助研究人員判斷數據是否適合重用。
數據隱私保護： 人工智能可以幫助識別和處理數據中的敏感信息，在保護數據隱私的同時，最大限度地提高數據的可用性。
數據分析和可視化： 機器學習和數據可視化技術可以幫助研究人員更好地理解和分析數據，發現數據中的規律和趨勢，促進數據的二次利用。
總之，人工智能和機器學習等新興技術為研究數據管理和策展帶來了新的機遇，可以有效提高數據的FAIR性，促進數據驅動型研究和開放科學的發展。