引用本文请注明出处

作者：Andrea Chiarelli        译者：梁斯婷    校译：檀湘琦

来源：https://upstream.force11.org/navigating-data-intensive-innovation-the-transition-from-research-data-management-to-research-data-governance/

科研数据的指数级激增与尖端计算工具的出现，为研究机构带来了前所未有的机遇。然而，由于许多机构仍在采用基础的科研数据管理方法和支持机制，科研数据管理的现况令人担忧。例如，研究机构越来越难以了解其研究人员正在创建哪些科研数据、这些数据存放在哪里、以及这些数据是否得到了有效管理。同样，研究人员自己也很难在快速变化的环境中识别和遵循适宜的数据管理措施。

一些研究机构正在通过建立数据治理机制来应对这一系列新挑战。科研数据治理是指保证科研数据在整个机构内外的完整性、一致性、安全性和道德管理的原则和协议。科研数据治理与科研数据管理有着本质区别，因为重点已从单个项目或数据集转移到整个机构在处理科研数据时的思维和运作方式。

图1 跨机构职能部门的典型科研数据治理挑战

本文将探讨科研机构在向全面科研数据治理战略过渡时应考虑的三个关键领域，并重点介绍其中涉及的阻碍。

导致跨机构职能部门面临科研数据治理挑战的因素

1.制定明确的政策和指导方针

制定明确而全面的科研数据政策和指导方针至关重要。这些政策和指导方针应涉及数据所有权、访问、共享、存储、安全性和伦理道德等方面。任何政策和指导方针都应阐明机构的战略方针，并包含详细的可操作性信息：通用且高层次的信息对科研新手很有帮助，但机构还应制定并提供一些约定俗成的做法，以应对常见的数据相关挑战。当研究人员离开机构时如何处理数据是最常见的难题之一，因为这涉及上述如数据所有权、访问、共享等所有方面以及现有数字基础设施的能力。

说到政策，科研数据治理规划也许是一个起点。因为研究资助者越来越多地要求这些机构制定科研数据治理规划，此要求也因而明显成为了科研执行机构的一项责任。机构须向研究人员说明：数据治理不是为了取悦资助者而敷衍了事的行为，而是在研究项目的整个生命周期中要主动考虑的一项重要任务。

重要的是，在科研数据治理范围内定义明确的政策和指导方针不仅可以降低风险，还有可能产生广泛的积极影响，例如：

• 提高对良好实践和科研诚信的认识水平。

• 增加对科研数据相关软件和支持服务的学习和使用。

• 展示在数据密集型研究和创新领域的领先地位。

• 提高外部合作伙伴（包括政府、私营部门和公众）的信任度。

• 简化数据收集、存储和共享流程。

• 确保遵守道德准则和法律法规。

• 提高数据的可发现性和可访问性，促进合作与再利用。

2.明确分配角色和责任

人们很容易将科研数据视为一个操作性话题，即数据只与研究人员和直接支持他们的人员有关。当涉及到科研数据管理时，这可能在一定程度上是正确的。但对于科研数据治理而言，一份健全的数据治理方案几乎包括所有的高校利益相关者。

一个至关重要的点在于，高层领导有责任确保科研数据成为组织理念和战略目标的一部分。因为预算、资源和政策都是围绕机构的优先事项制定的，所以如果数字基础设施不被视为组织文化的核心组成部分，那么将很难获得资金支持。

此外，还可以提供一系列专业服务，为科研数据的管理和治理提供支持：

• 专门的科研数据管理团队可以就数据管理和使用的各个方面提供指导、支持和培训。理想情况下，一定程度的等级考核机制会有所帮助，例如设置数据管理员和/或数据拥护者。

• 图书馆员和信息专业人员通过整理科研数据以及协助研究人员查找、访问数据，为科研数据治理和治理做出贡献。他们在倡导开放数据共享、开放存取和长期保存方面也发挥着重要作用。

• 道德与合规官员负责确保任何研究活动都符合道德伦理准则和法规要求。安全合规团队或职能部门可能是其中的一部分，专门负责有效的信息安全和数据保护。

除了这些专业服务，信息技术（information technology，IT）部门的作用也至关重要。从单个设备（如笔记本电脑、台式电脑、工作站）的管理，到不同机构部门和合作伙伴之间的数据传输，再到整个组织范围内的备份解决方案，信息技术部门支撑着所有与数字信息相关的工作。

最后，建立并回馈以良好的科研数据治理文化是一种重要机制，可确保专业服务的努力不会脱离研究人员的实践行为。研究人员和主要调查员要对数据的收集（或生成）、使用、存储、记录和共享方式直接负责，以符合机构、研究资助方和监管机构的要求。

为了密切关注数据治理进展，研究执行机构可能会设立委员会或其他治理组织，重点关注数据治理、合规性和监督、数据安全、基础设施等方面。治理组织的设立情况通常因机构规模而异，但总体原则在任何情况下都是有效的：因地制宜的科研数据治理需要相应的检查与制衡措施。

3.投资建设强大的数字基础设施

数字基础设施与上述社会基础设施相辅相成，两者共同协助建设强有力的科研数据治理基础设施。再次强调，这并不完全是为了降低法律或道德风险，只是确保数据免受未经授权的访问、数据泄露或潜在损失等损害。稳健且管理良好的科研数据治理基础设施是提高研究质量和影响力的助推器，有助于产生更准确、更可靠（如可重现或可复制）的研究成果，并可长期保存和访问。此外，基础设施还是数据存储和检索的基础，随着科研数据量的不断扩大，其重要性也日益凸显。

如今，可扩展和高效的解决方案已成为基础。云计算日益成为研究人员应对不断变化的需求的热门选择，尤其是在处理大数据和运用机器学习等技术时。在这种情况下，科研机构需要熟悉大数据的3个“ V”：规模性（Volume,）、多样性（Variety）和速度性（Velocity）。

科研利益相关者愈发重视“FAIR原则”（可发现、可访问、可互操作和可重用，findability, accessibility, interoperability, reusability），推动加强数据标准化和互操作性。精心设计的机构数据治理基础设施可促进标准化数据格式和元数据模式的应用，使不同项目和学科之间更容易共享和重用科研数据。这将加强不同机构、不同组织之间的合作，并在大学内部培养开放科学文化。

基础设施建设考虑的一个核心因素是成本效益。通过战略性投资，科研机构可以降低运营开支，且最大限度地减少重复劳动并优化资源配置，从而实现长期节约。然而，获得对新信息技术资产进行大量投资或更新现有设备的批准并不是一件容易的事。因此，研究机构应将科研数据视为战略重点，授权高层领导批准对科研数据治理有积极作用的投资，并提升研究人员以及相关支持其专业服务的工作人员对基础设施建设的支出权力。

挑战与阻碍

数据治理战略的制定和实施通常会受到若干限制因素的阻碍，这些限制因素往往会因机构背景和所服务的学科范围而有所不同。往往令人困扰的阻碍在于，大多数科研机构会因为对某一领域没有足够的专业知识和技能，从而缺乏对该主题下数据治理战略的认识和理解。

许多研究人员和管理人员可能抵制或不愿意支持科研数据治理计划，而这有可能是他们没有充分认识到科研数据治理的重要性和好处，并且缺乏对实施有效框架所涉及的具体政策、程序和最佳措施的清晰理解。其他抵制的原因也许是其研究文化重视自主权和独立性，这可能会使推广标准化的数据治理框架具有挑战性。

因此，针对数据治理提供培训和加强认识（包括加强专业服务人员的认识）是关键所在。下表概述了为促进科研数据治理战略的可操作性而需要解决的众多领域。

为了减轻这些潜在挑战和障碍的影响，研究机构必须让包括研究人员、行政人员、各级高层以及不同学科的各级利益相关者参与进来。

表1 促进科研数据治理战略的可操作性而需解决的领域

采取行动时机已到来

科研数据治理是科研机构研究职责的重要组成部分，该职责有助于确保机构能在科研数据的整个生命周期内对其进行有效管理。许多研究机构的数据管理系统和实践并不符合当下对科研数据治理的强力需求。不过这一过程耗时长、成本高，而且会打破整个机构的现有模式，因此很多机构可能没有信心过渡到那些全新、全面的数据治理方法。

然而，科研机构应开始优先考虑并投资符合其使命、价值观和战略目标的科研数据治理框架。这不仅有助于提高研究诚信和质量水平，还有助于提升其研究实践的声誉和影响力。现在正是抓住强大的科研数据治理的变革潜力，为研究人员、参与者和整个社会创造效益，将科学发现推向新高度的时候。