国内外开放科研数据重用困境解决措施述评

张潇月 顾立平 胡良霖

（1.北京大学信息管理系 北京 100871；2.中国科学院大学经济与管理学院图书情报与档案管理系北京 100049；3.中国科学院文献情报中心 北京 100190；4.中国科学院计算机网络信息中心北京 100190；5.国家基础学科公共科研数据中心 北京 100190）

数据重用困难使开放科研数据运动难以继续得到资助机构、科研机构及科研人员的长期支持。欧盟开放科学监测平台[1]研究表明，荷兰开放科学实践中的一项阻碍即如何使数据以最合适的方式（被）重用[2]。这说明数据重用已经成为开放科研数据可持续发展过程中不可忽视的问题。该问题将对开放科研数据的资金管理、科研管理和实践发展过程产生一系列影响。目前开放科研数据所取得的进展，既使资助机构难以在公众面前展示所资助的科研成果，又存在科研数据可重复程度有待提升的问题[3]，科研人员缺乏从中受益的直观感受。同时，在推动开放科研数据重用的过程中，数据中心和图书馆对数据资产的权益管理存在众多模糊地带，阻碍其深入开展新型数据服务。

1 国际国内学者尝试多种方式解决数据重用困境

1.1 优化开放科研数据基础设施环境

基础设施环境为科研数据的存储和开放提供基本条件，也通过对科研数据的质量控制，为开放科研数据的重用活动提供支持。众学者以数据知识库和学术期刊（刊载论文或数据论文的期刊）作为重要观测点，从可发现性、科研数据质量、易用性等角度为科研人员开展科研数据重用活动创造条件。例如研究数据联盟（Research Data Alliance,RDA）的报告认为数据重用的关键在于基础设施的可获取性；该报告同时指出开发基础设施应基于科研人员的实际工作，（为达该目标）应首先建立一个包括通用组成部分（components）的数据出版参考模型。在此基础上，研究者从知识基础设施的角度着重论述数据质量保证与控制、数据出版环节[4]。这说明数据出版的基础设施环境，可通过质量控制与长期持续运营，影响科研人员的数据重用行为。又如Pasquetto等人发现，数据质量是在多种数据重用活动中需考虑的内容，并指出在元数据、本体和其他文档充足的情况下，同领域的学者能通过文档、文献等方式获得充足信息，评估重用数据的质量和价值，以理解他人的数据[5]。这说明，完善背景信息能够为重用者判断数据质量提供更多参考。再如由OpenAIRE、CERN等机构共同资助的Zenodo数据知识库，为科研人员科研数据与软件的共享、监管与出版提供服务，支持多种类型研究成果的注册，并与Datacite和学术聚合器（the scholarly aggregators）间交换引用信息[6]，以确保数据重用计量的准确程度。该数据知识库还按照具体的研究领域，建立了众多科研社群，截至2020年9月24日，Zenodo共有17 138个社群[7]，内容涵盖公共健康、生态学、天文学、物理学、艺术学、语言学、新能源等诸多领域。这说明，科研数据知识库不仅能满足科研人员在科研数据保存、共享与出版方面对基础设施的需求，而且也能够利用其自身活跃且规模较为庞大的科研社群，进一步促进学术交流与发展。

国内研究首先通过探索国外起步较早且发展较成熟的科研数据知识库，关注实现数据重用的功能与流程。如刘峰等人指出对数据知识库的研究应积极适应开放存储、集成发现、互操作、开放利用等目标，并从技术层面提出包括数据集描述与引用、数据格式和元数据互操作、数据权益保护和利用许可机制等在内的若干实施建议[8]。曾丽莹和刘兹恒分析re3data.org列表内国内外高校科研数据知识库的特点，从建立完整的数据政策、完善元数据管理、建立数据处理和加工规范等方面，为我国高校科研数据知识库的科研数据管理与共享提供建议[9]。这说明国内学者们已关注到包括科研数据知识库在内的基础设施环境对科研数据活动的促进作用，并立足基础设施的功能提出服务发展要点。

1.2 面向权益平衡的数据政策环境

政策环境是激励与保障科研数据重用的重要措施，国外学者从科研人员权益保护和利益相关方权益协调方面，为科研数据重用行为提供良好的发展支持。如数据期刊Scientific Data将数据重用作为其建立的6大原则之一，即标准化和详细的描述使研究数据更易于查找和重用；并认为它体现于数据描述符的充分程度、与数据实体的关联程度以及对利益相关方政策的满足程度[10]。在行为规范方面，有学者从伦理角度探索科研数据重用行为中涉及的深层权益问题。如Darch和Knox基于伦理视角（ethical perspectives）阐述实现数据（软件）共享和重用的方法，即识别与解决利益相关方伦理视角的差异，培养科研人员在数据、软件管理与共享中的伦理方法；并认为在设计与实施时，既需满足现有数据与软件共享的伦理视角，又需建设培育更好的伦理实践政策与基础设施（环境）[11]。这说明在尊重科研人员现有实践的前提下，科研人员和其他利益相关方通过政策环境与基础设施支持等方面的服务，可形成较好的伦理氛围，促进科研数据重用活动规范开展。又如英国生物技术与生物科学研究理事会（BBSRC）在数据共享政策中规定，二次使用数据时，使用者应披露第三方资源或数据库中共享数据的来源；对原始生产者共享的数据，应视利用与合作程度判断是否成为合著者或承认其贡献[12]。这说明，通过政策方式识别数据重用过程中潜在的问题，能够增强科研人员在实践过程中尊重数据原始生产者权益的意识，促进其规范开展数据重用活动。

国内学者从利益相关方角度，探讨科研数据重用过程中的权益保护机制。首先从权益主体、权益内容与权益流转等方面，分析数据重用过程中各利益相关方需关注的权益问题。如张闪闪等通过提炼政策要素，深入分析科研数据内容重用过程中的利益相关者、涉及的权利、权利的使用、权利转移与授权许可等内容[13]；王德庄等人梳理数据生命周期各环节中利益相关方的数据重用诉求，从开放科研数据政策与个人数据保护政策协同角度进行剖析[14]。其次，众学者从各关键利益相关方着手，具体分析权益保护的内容，研究主体主要集中于具备科研数据管理业务的机构，如图书馆、数据中心、出版机构等。例如刘晶晶等梳理通用型数据知识库、提交者和使用者的权益管理规范，从图书馆权益管理服务方面提出建议[15]；杨云秀等调研英国10所高校数据政策中科学数据传播规范部分对数据重用行为的诸多规定[16]；孔丽华等梳理总结三种主要的数据出版方式涉及的政策要素，并针对出版过程中涉及的权益管理问题提出建议[17]。

1.3 科研支撑辅助机构的开放科研数据服务

图书馆、数据中心、数据知识库、出版商等科研支撑辅助机构在开放科研数据领域起步较早，并已开始从科研人员角度关注数据发现、质量控制、影响力评价与计量等环节，以促进数据重用。例如re3data.org为众多开放科研数据知识库或大型数据集提供相应注册机制，支持直接检索，或按照研究领域、数据资源类型、国别检索[18]，帮助科研人员按照多样的研究需求进行数据发现。加拿大国家统计局（Statistics Canada）提供可作为工具箱使用的开放数据与数据重用资源[19]，欧盟委员会提供数据质量评估手册[20]。Piwowar等人分析GEO和ArrayExpress注册登记号的数据引用情况，以计量科研数据重用的效果和影响力[21]。又如RDA下属的学术链接交换（Scholarly Link Exchange , Scholix）工作组，结合数据出版商、数据知识库与机构知识库中的数据引用与使用信息，探索了数据级别计量的新型测量指标[22]。上述科研数据服务从众多环节推动与保障科研人员开展科研数据重用活动。

国内着重从科研数据资源组织服务、数据出版流程设计出发，为科研数据重用提供数据发现与数据质量控制方面的保障。在数据资源组织服务方面，欧阳剑等从满足图书馆科研用户再利用需求和发展数据服务角度，探索人文学科领域数据的组织与重构，认为应以数据化、数据融合、数据关联与发布的方式进行[23]；在数据出版的质量控制方面，吴立宗等讨论了具体数据出版流程、涉及主体及其协作方式，倡议建立我国的科学数据出版体系[24]。涂志芳整合梳理数据出版的组成要素，认为它们构成了数据出版生态系统，在此基础上，提出对科研数据质量控制体系的构建思路[25]。屈宝强等人认为开放共享视角下，数据出版的发展应适应标准化引用、唯一化识别和便捷化利用的需求[26]。该研究进一步证实了科研用户在数据出版环节对质量控制的需求。同时，我国国家标准《科研数据引用 （GB/T 35294-2017）》[27]、《数据溯源描述模型（GBT 34945）》[28]已于 2018年正式实施，为数据重用行为提供了较为规范的实践指导。

1.4 关注科研人员的主观因素对科研数据重用行为的影响

国外研究人员已完成从仅关注科研数据重用行为的外部特征（数据引用）到研究科研用户主观因素的初步过渡。随着实践的发展与推进，学者认识到科研人员自身的态度、意图和感知在科研数据重用实践中发挥着重要作用，并通过多种实证研究手段，探究数据重用行为的影响因素。众多行为学领域的理论与实证研究表明，人们对某一事件的态度、意图等主观因素影响其行为，相关理论包括理性行为理论（TRA）、计划行为理论（TPB）、技术接受和使用统一理论（UTAUT）等。在科研数据重用行为影响因素研究中，这些主观因素也得到了证实[29-30]。如Curty和Qin基于UTAUT理论，编码对13位社会科学家的访谈内容，构建了数据重用意图和行为的影响因素模型，认为感知有用性、感知风险、感知努力程度、社会影响、促进条件等因素会影响重用意图，进而影响科研人员的重用行为[31]。这说明科研人员自身的意图和其对重用活动的感知对其数据重用行为具有较大影响。Yoon等人通过使用计划行为理论（TPB）和技术接受模型（TAM）的综合模型，发现科研人员对数据重用的态度、主观规范和感知努力程度显著影响其数据重用意图[29]。这说明态度同样是科研数据重用行为（意图）重要的影响因素。

科研数据重用行为影响因素存在学科差异。英国数字监管中心（DCC）在对诸多学科领域的研究人员开展数据共享和重用态度的调查时发现，学科间的差异体现在技术和行为水平方面[32]。有学者指出应注意产生大数据和长尾数据的学科在数据重用条件、成本与数据重用行为方面的异同[11]。因此，本文进一步梳理具体学科中科研人员数据重用行为的主观影响因素，见表1。

表1 国外研究中态度、意图等主观因素对数据重用行为的影响

由表1可知，科研人员的科研数据重用行为与具体学科领域中数据重用需求的产生背景、科研人员对数据开放共享与重用的认可和参与程度、数据基础设施发展的成熟程度、数据出版流程的完善程度等内容相关，这些态度与感知方面的影响因素，呈现出学科间的差异。

国内学者目前多从科研数据引用角度分析科研数据重用行为的目的、方式。彭洁等人较早关注数据引用行为在提高科研资源利用率、促进科研发现过程中的作用[39]。而后，我国学者对数据引用行为的研究逐步扩展。张英杰等人在2012年从提交、描述、动机、功能等方面对我国科研人员科学数据引用行为开展调查[40]。由于数据出版在生物学、地球科学等领域的发展，有学者进一步从数据期刊的引用角度，分析数据期刊层面的重用行为[41]。此后，相关学者从引用规范程度[42]、科学计量与影响力评价[43-44]等角度探究数据引用行为，以期促进数据重用行为的规范发展。

我国学者已开始关注从科研用户视角识别分析科研数据重用行为的影响因素。研究主要集中在全学科领域或较大的学科门类下[45]，并未专门针对具体学科领域中的科研人员开展实证调查。如李佳潞对我国高校和科研院所中自然科学和社会科学领域的研究人员开展数据重用行为问卷调查，发现科研人员的重用意愿、数据素养和科研环境的开放程度，对数据重用行为具有直接影响[46]。这表明，我国学者目前已意识到开放数据运动对科研人员数据重用行为的影响。文静等面向南京市众高校的学生和科研人员开展实证研究，发现以往重用经历的满意度对继续重用的意愿具有重要影响[47]。该研究虽未在背景部分强调开放科研数据的环境，但在数据来源这一潜变量的具体测量项中涉及数据来源平台的开放程度与获取途径，这也从侧面反映了研究者对开放科研数据环境下科研人员数据重用行为的关注。随着我国科研数据开放共享实践条件的逐步成熟，探究不同学科背景下科研数据重用行为影响因素并提出相应促进方案，具有现实意义。

2 通过数据重用的定义再认识开放科研数据实施路径

相关学者对数据重用活动内涵认识的不断深入，为开放科研数据运动实践的推进提供了新的着力点与发展方向。根据定义侧重点的不同，我们可将科研数据重用的定义分为4类：①“意图”派：注重从词语含义方面界定，突出原始目的以外的使用意图；②“情境”派：着重列举数据重用的具体情境；③“内容”派：对所重用数据的具体表现形式与呈现要求进行阐述，着重说明重用数据后形成的新的科研产出；④“流程”派：注重将数据开放共享与重用视为完整流程，强调数据重用过程须可追溯。

由表2可知，对科研数据重用概念的界定，首先来源于具体实践中的需要（不同的使用意图），侧重从词语本身的含义方面说明（意图派）。而后，具体学科领域中的学者通过特定应用情境，总结典型的数据重用现象，从成果形式（内容派）、应用情境（情境派）方面细分。同时，随着数据重用实践的发展，学者需通过明确的流程使科研数据可追溯、可测量（流程派）。因而，信息管理领域的研究人员从该角度进一步定义了数据重用。

该发展历程对开放科研数据实践的启示为：利益相关方除需关注开放科研数据在初期的可获取、可使用条件，以及后来的数据集成、生产衍生数据的服务事项外，也应在知识产权层面上平衡数据生产者与使用者的权益（因为使用范围更广，形式多样，涉及主体更多，亦涉及对新型科研成果的评价等相关问题）。因此，开放科研数据实践后期的发展，更应注重探讨并构建较为明晰的权责关系环境，保障数据生产者与使用者的合法权益。

3 开放科研数据实践走向数据生态系统

3.1 科研数据重用行为研究的发展历程

科研人员在开放科研数据运动中起关键作用，他们既是科研数据的生产者又是使用者，既是实现者又是受益者。开放科研数据环境下围绕科研人员数据重用主题的研究，主要经历以下5个阶段。

第一阶段：学科领域中数据开放共享与重用需求的产生，推动科研数据重用相关政策的出台。该过程始于20世纪90年代后期，并在2010年后出现众多研究成果。例如在大量基因组图谱定位与测序数据生成后，学界对缩短科研数据从生成到发布时间的需求愈发强烈[58]，1996年的百慕大原则（Bermuda principle）回应了该诉求。该原则推行的重要目的之一即促进研究工作[59]，意含数据重用。这说明在某些学科领域中，科研人员的数据重用需求推动着政策的制定；同时也说明相关政策因能满足科研人员的需求而得到较广泛的认可。2017年的一项研究发现，开放数据运动促使2002—2016年间二次分析定性数据的方法在英国快速发展，并使之成为当前的一种主流研究方法。数据重用活动为学习过去的研究项目提供材料，以（帮助）获得方法论和实质的见解[60]。英国数据服务组织（UK Data Service）也为重用定性数据提供指导方案[61]。

第二阶段：数据基础设施建设持续推进，从数据监管（data curation）与长期保存角度促进开放科研数据的重用。例如世界数据系统（World Data System, WDS）在其愿景和使命中提及“协调和支持可信赖的数据服务，以提供、使用和保存可信赖的数据集”[62]。这说明，数据基础设施方会根据科研用户获取和使用数据的需求优化其支持服务。相关学者已注意到数据知识库在数据长期保存与重用方面的作用，开始注重评估其实际应用效果。LIBER在《知识库及其数据的公平性》（FAIRness of Repositories & Their Data）报告中，面向数据知识库管理人员、图书馆员和技术人员，调查数据安全、监管与质量、（开放）数据FAIR原则所涉及的具体内容，以了解其应用FAIR原则的最佳实践和理解误区[63]。数据知识库作为开放科研数据的典型基础设施，能够从质量、安全等层面为科研数据重用奠定基础。

第三阶段：从数据引用方面着手，科研数据重用流程得以完善。海量科研数据的产生，可能造成大量数据与其所得科学结论分离[64]的困境。因此，科研人员重用现有数据时，需通过新的方式对数据原始来源进行标识与关联，由此产生了数据引用与数据溯源的相关议题。2014年FORCE11发布《数据引用原则联合声明》（Joint Declaration of Data Citation Principles），鼓励和推动数据成为合理、可引用的研究成果，对引用学术文献、其他数据集或任何其他研究项目中的数据提供了一组指导原则[65]。进一步而言，若希望现有数据集可以被使用、再阐述或再加工成为新的数据，那么数据来源（data provenance）（包括数据起源、保管过程与所有权）是非常重要的[66]。这引发了相关学者对数据溯源问题的进一步关注。另有学者从数据引用视角关注科研数据重用行为。如Park等人的研究表明，生物医药领域非正式数据引用行为较为普遍的原因在于，缺乏对数据共享者与重用者的回报系统[67]。我国学者通过分析国外数据引用政策、研究国内数据引用行为，认为可从提升作者的数据引用意识、创建科学数据引用文化方面着手[68]促进数据引用行为规范程度的提升。

第四阶段：科研数据重用过程中存在的法规和道德层面议题（如数据挖掘行为规范、数据权益管理服务）得到更多关注。Duke等人提出面向数据重用构建一套伦理框架，以解决数据引用和共同作者的问题，促进科学界对话[69]。相关学者针对数据与软件在科研社群内的共享进行具体分析。Darch等人从个体的道德感、伦理规则、伦理原则和伦理理论视角，阐述了数据和软件共享在重用时所需关注的内容[11]。我国学者也对其中涉及的法规议题进行了梳理总结。如顾立平指出，数据重用治理的目标之一是释出之前数据集必须经过国家安全、个体隐私、数据安全和商业利益的成本与风险检查[70]。

第五阶段：以数据重用目的为导向的科研数据社群逐渐形成与发展，科研人员的核心作用及其科研数据重用行为成为重要研究主题。Fecher等人通过分析梳理数据共享领域的论文发现，研究社群是影响科研数据共享的重要因素，并进一步影响二次使用数据的用户（secondary data users）[71]。Cooper等的研究则进一步表明，成功的数据共享发生在数据社群（data community）内。该社群是由研究人员组成的流动的非正式网络，他们共享和使用特定（主题）类型的数据，例如晶体结构数据、DNA序列和自然灾害相关的测量数据[72]。科研人员作为科研社群中最为活跃的主体之一，其数据重用行为的影响因素逐渐受到学者们的关注。

通过梳理以上发展脉络可以发现，开放科研数据在发展初期需要基础设施，否则科研数据无法得到有效存储和传播。因为存在种种数据权益的利益相关者，需要政策甚至法律法规来界定权责机制。数据重用实践中，科研人员是推动开放科研数据的战略核心。如果“回归本质”思考，那么开放科研数据是互联网时代实现科研社群持续发展的必要措施，发展推动的核心是人，最终将促进科研社群的发展和壮大。

3.2 走向生态系统的科研数据重用实践

由上述科研数据重用研究发展历程可知，与重用相关的科研数据管理活动涉及众多主体及各类运行条件。这些主体依赖环境条件（诸如基础设施环境、权益保护政策）以保证科研数据重用行为的顺利开展。在该环境下，众主体间以数据流转为主要物质交换特征，进而保证科研人员科研数据重用活动的开展。这恰与英国生态学家Tansley提出的生态系统概念较为契合——特定区域的内生成分和外生成分通过物质循环和能量流动相互作用、相互依存而形成的生态学功能单位，被称为生态系统[73]。我国学者尚玉昌认为生态系统需具备两种基本特征：①具有生物和非生物成分；②二者可通过联系达成一定的稳定性[74]。科研数据重用实践过程具备生态系统的基本特征，故本文进一步将科研人员科研数据重用活动视为生态系统，通过该视角明确其内部各组成部分间的发展过程与运行机制。

科研数据重用行为源于学术社群内部科研人员或科研团队的研究需求（主体分散交流阶段），通过一定机制逐渐规模化后，首先形成某一特定研究主题下的数据社群（数据社群识别阶段）；后续相关支持资源的投入，使得该社群通过科研人员的参与形成正反馈；随着基础设施的完善，数据社群和利益相关方队伍不断发展壮大，形成科研数据重用生态系统（科研数据重用生态系统发展初期）。具体发展过程见图1。

科研社群在此过程中发挥重要作用。由于当前研究中呈现的交叉学科趋势，在科研数据共享与重用领域，科研人员更倾向于从数据自身所反映的研究内容（主题）出发，进行开放共享和重用。相较按学科划分学术社群，数据社群能更好地反映数据驱动科研发展范式下的实践活动[72]。Leonelli等人认为，从分散的研究项目向社群转化的过程中，需要一定的条件集合（repertoires），这些独特的元素组合，能够促进研究人员合作[75]。而这些条件集合，正是不断完善的基础设施、利益相关方的支持服务以及参与数据重用的文化氛围等内容。

数据社群形成后，众多研究人员间的交流进一步增强，相应地，产出规模会逐步扩大，促进外部资源的进一步投入。数据社群中的科研人员，除开放自身科研数据外，也能够从科研数据生态系统中获得已有的开放数据集作为满足研究需求的数据来源，由此形成科研数据开放共享与数据重用间循环促进的发展状态（科研数据重用生态系统稳定运行期）。参考相关研究[76-77]，笔者认为科研人员科研数据重用生态系统的特征有：①以数据交流（开放共享、重用）活动为纽带，拥有科研数据资源的输入和输出；②拥有相互依赖的实践环节、交流网络、基础设施与政策环境支持；③数据重用与数据开放共享间呈相互促进的状态，数据重用的正反馈推动数据开放共享的良性发展。

4 生态系统模式是推动科研数据重用的有力支撑

促进科研数据社群的形成与发展成为数据重用生态系统的重要内容。有学者认为，未来应关注围绕开放科研数据所形成的社群及其用户的潜在需求，并建议可通过促进社群规则的形成、鼓励协作、采纳专门数据监管活动的方式，更好地聚合数据社群参与者[78]。由此可见，通过数据社群在数据重用活动中建立社群文化，能够促进科研人员聚合、认可并持续参与开放科研数据实践。

数据社群在促进数据重用生态系统文化形成过程中的具体表现为：逐步形成符合研究需求的数据重用流程与促进政策，培养科研人员在数据重用过程中良好的研究习惯，使开放科研数据政策理念能更好地落实。对科研人员研究习惯的培养，可考虑重点关注与其自身权益直接相关的环节，诸如数据发现、数据生产与出版环节。具体包括：通过科研人员多样化的数据发现需求，合理收集与组织数据出版过程中的元数据；通过科研人员在数据生产过程中的习惯优化数据引用活动等。

5 图书馆是科研数据重用的重要推动者

联合国第一届开放科学大会成果文件指出，图书馆是开放科学过程中（所需）信息或数据的天然中介方与监管者，在开放科学运动中发挥着重要作用[79]。作为利益相关方重要成员的图书馆，可充分发挥与用户互动的优势，促使科研人员对数据重用生态系统形成积极的态度与感知，以进一步促进数据社群的形成。嵌入式服务已帮助学术图书馆和科研用户形成良好的互动基础，图书馆的科学数据管理服务贯穿整个科研数据生命周期。科研数据重用生态系统的形成，离不开科研人员对该理念的认可与参与。因此，相关的服务可首先关注科研数据生产环节的数据质量控制，让开放共享的科研数据为数据重用奠定良好的内容基础，而后关注重用者在数据发现方面的多样化需求；其次，在开放科研数据流转过程中，关注利益相关方之间的联络与协调，以保障科研人员积极且规范地开展科研数据重用活动，促进形成科研数据重用文化氛围；最终，需要重视科研数据重用对开放科研数据的反馈机制，从科研评价与激励措施方面促进科研人员感知科研数据重用活动在科研创新与自身发展中的积极作用。

基于此，图书馆未来的提升策略在于优化数据质量控制、开放资源建设与服务、联络协调、科研评价与激励措施等方面的服务。具体策略有：①数据质量控制。首先，在数据素养教育过程中，可从数据重用生态系统角度向科研人员介绍数据重用的完整流程，有利于其在具体工作环节中有意识地实践这些内容。其次，与所在机构的教学部门合作（如适用），在具体的学科领域课程中开展数据重用主题的学习任务，有助于实践相关质量控制标准。②开放资源建设与服务推广，可主动宣传告知本馆开放资源建设导航或目录，促进科研人员掌握与拓展数据发现渠道（作为重用数据的来源）。③图书馆也可通过与一线科研人员的联系，收集其使用馆内资源和数据基础设施的建议与后续需求。此外，图书馆可通过与专业学/协会合作，推动具体学科领域数据重用进程。如通过举办专题研讨会、在大型会议中设置数据重用主题征文、举办开放数据大赛等方式，扩展数据重用理念在学科领域中的传播，吸纳学/协会的终端用户重用开放科研数据资源。④推动数据作为新型科研成果形式在学术评价与影响力评估中的作用，对优秀的数据重用案例给予相应奖励，激发科研人员参与科研数据重用过程的热情。

（来稿时间：2020年12月）