中国科学院：中国开放数据白皮书2024

TheStateofOpenDatainChina2024Along-termfocusonChinesescholar’sattitudestowardsopendata,theirsharingpractices,andthepolicyenvironment科学数据的开放共享是科技创新的源泉,中国科学院院士中国科学院地理科学与资源研究所研究员开放数据共享对于加快科学发现具有巨的承诺和努力的一部分。我十分高兴看到开中中国科研人员对这一开放科研的实践展现学术机构和出版机构的开放数据政策，正结继续通过扩大我们的数据政策、与各界建立更紧密的伙伴关系，以及应用人工智能等新施普林格·自然科研总裁中国开放数据白皮书46141620222426中国数据论文现状分析28中国科技资源标识应用实践和探索 44前言科学数据是科技创新的核心资源。科学数据的主要来源一般包括大科学装置、实验试验与计算、野外台站观测网络、科学考家科学数据中心在各学科领域科学数据开放共享和应用发论文的发展现状等报告，为读者呈现了一幅丰富多彩的数据开放年增长态势，期刊和出版商的数据政策对中国学者数据共享行为如受访者担心自己的成果不能够被正确使用、希望自己获得更为开放数据的认可度不断提升，以及人工智能技术对开放数据的辅国家材料腐蚀与防护科学数据中心马菱薇等介绍了国内材料国家材料腐蚀与防护科学数据中心已经开展150余个不同气候环决了腐蚀产物累积效应下腐蚀非线性动力学过程无法准确建态知识图谱、腐蚀领域大语言模型等新型科研范式持续推进材料国家生态科学数据中心何洪林等介绍了国内外生态系统野外中心在推动中国生态系统野外台站长期观测数据开开展了诸多实践，包括编制出版生态系统和生物多样性站观测技术规范、生态系统野外台站长期观测数据产品对新科研范式对野外台站长期观测数据的开放共享国家基因组科学数据中心张思思等聚焦于人类遗传资源的数据管理与共享，系统梳理了国际人类遗传资源管理制度与框架的国人类遗传资源管理制度，总结了国家生物信息中心在我国人类国家基础学科公共科学数据中心胡良霖等介绍了中心数据资源体系建设情况，精心梳理了战略性新兴产业等对应的科技项目学科交叉实践探索，如研究多学科跨领域数据融合服务网络关键国家青藏高原科学数据中心潘小多等分享了中心在引领地学段全面转型到数据实验室阶段，充分发挥数据对未来地学科技创中国科学院动物研究所李鑫等以生命科学领域单细胞组学数上合作开展的人类细胞图谱数据库为探索和理解人体细胞单细胞组学数据开放与利用也取得了显著进展，包括生命领域科学数据的标准化收集与整合、高质量开放共享体系构建与高水平中国科学院文献情报中心刘筱敏对中国数据论文现状进行分制定情况，认为这些积极的政策条件，引导了我国数据论文出版和机构发表数据论文的贡献。从数据论文发表国别来看，中国发国科学院位列全球第二。我国的国际合作论文较多，占论文总数中国科学院计算机网络信息中心王姝等介绍了我国科技资源标识服务平台建设，重点分析科技资源标识在不同领域的应用探施普林格·自然NikiScaplehorn探讨了人工智能在促进开放技术本身并不能解决开放科学的难题，但是人工智能技术可以帮助作者更好地遵守期刊数据共享政策，减轻编辑和作者的工作负回望过去一年，中国开放数据事业在多方共同努力下取得了开放数据的支持热情持续高涨，期刊和出版商的数据政策在推动数据共享方面发挥了越来越重要的作用。多家国家科学数据中心等机构在各自领域的数据开放共享方面开展了大量实践探索，取发展也呈现出良好的态势，为全球数据论文的发展贡献了中国智推广、学者们对开放数据的认可度不断加强以及人工智能技术的662024年中国开放数据情况分析报告本次调研共收到来自中国学者的有效问卷414份，中国受访参与本次调查的中国受访者中，七成来自高校，其次是科研（13%今年来自社会科学领域的受访者明显增加，排名第四位分列第二位和第三位。1.中国学者对开放数据的支持度保持在近年来，随着开放科学和开放数据理念的进一步普及，越来越多的中国学者开始了解并接触到相关内容与实践。2022–2024享的认可度普遍低于对论文开放获取的认可度，开放数据理念有待进一步推广和普及。882.期刊和出版商的数据政策对中国学者外期刊范围逐年扩大，推动了更多的中国学者在论文发表过程中来，中国的期刊主管部门不断引导和推动中国期刊参与开放数据励和要求期刊制定数据政策，开展论文关联数据的管理与共享工中国主办期刊建立起了期刊数据政策。不同学科背景的中国学者，担忧因素的占比呈现一定的差异性。以下就近三年来参与度最高的5个学科领域的中国学者问卷4.中国学者在数据共享上的贡献认可度共享方面的认可度关系密切。完整的数据引用既是对科研人员数据类研究成果的尊重和认可，又是对科研人员学术声誉的重但现实情况是，中国受访者认为自己在数据共享方面的贡献受访者认为研究人员在共享数据上的贡献并未得到足够括太多或太少人数比例常年稳定在约50%–60%之间；与此同时，认为研究人员在数据共享上获得足够认可的人数大致维持在部分受访者不论需要怎样的帮助共享数据，都会倾向选择数据存的建议或网络搜索等非正式途径寻求帮助，而对机构科研管理部政策要求对中国学者开放数据共享行为的影响力有明显提升。其中，期刊/出版商的数据政策要求成为最重要的共享数据驱动因素据共享作为国家层面的强制要求，78%受访者支持开放数据成为《科学数据管理办法》颁布以来制定的相关法规和引导措施密不可分。但在实践过程中，仍存在很多政策不明晰和未健全之处。如受访者提出需要版权或许可协议的帮助，54%提出需要额外投入中国在数据共享领域的顶层政策框架日臻完善，但对于开放商作为推动开放数据的重要力量，仍需继续拓展实践范围和发挥历年数据的变化趋势表明，中国学者整体对开放数据的态度予科学数据贡献者足够认可，建立数据共享激励机制体系显得尤（3）对科学数据开放共享给予相应资金资助。2024年的统计结果显示，在谈到“您在公开研究数据方面需要哪些本，只有给予科研人员和团体相应的资金支持，才能让者有条件长期从事科学数据研究及开放共享工作。3.采用数据存储库是数据共享的最佳实报告通过对科研人员共享数据所需帮助、共享数据方式这两就是我国首个且唯一获得SpringerNature推荐的通用型数据存立推荐的数据存储库名单，以此激励和指导科研人员的共享数据4.科研机构和资金资助方应为科研人员《中华人民共和国数据安全法》《中华人民共和国个人信息保护据等的最新倡导和政策也在持续更新和发展。这些均与科研人员的数据管理和共享工作息息相关，数据共享相关知识已经成为科研人员的必修课。求表现得尤为明确。科研人员需要专业的数据版权和许可协议、数据管理政策等知识，来指导他们的数据共享实践。有赖于他们所在的科研机构、高校等主体提供，并肩鼓励科研人员在科学研究过程中尽早将数据作为重要的学中国材料腐蚀科学数据分析利用技术的研究现状和展望本文追踪国内材料腐蚀科学数据的发展轨迹，深入剖析数据我国高度重视材料腐蚀科学数据的积累与应用，长期投入并建成了国家级材料腐蚀野外观测试验站网和国家材料腐蚀与防护科学数据中心，以保障材料腐蚀科学数据的开放共享与高效利团队重点关注了环境影响参量高效筛选降维与腐蚀性能预金、铝及铝合金以及高分子树脂材料在我国典型大气环境下的长法进行优化与集成，建立了材料成分-环境参数-耐蚀性能之间的机器学习模型，开展了面向多样性气候环境材料耐蚀性能与寿命领域得到初步应用，实现了在复杂自然环境下的快速选材与腐蚀经过近二十年的不断发展，国内外材料腐蚀与防护数据分析复杂动态真实环境的腐蚀预测这一腐蚀学科百年难题提供大数据领域已逐步构建了涵盖多源异构腐蚀数据的高通量采集、腐蚀大数据分析建模、腐蚀大数据共享应用等关键环节的完善研合材料成分、结构数值数据和加工工艺语义信息的跨模态知识图料推理预测方面展现出巨大潜力。这些模型凭借庞大网络规模和面对重大装备多元化应用场景的需求，结合材料腐蚀数据分撑多源异构腐蚀数据的智能管理融合以及高效处理与利用，将实现材料腐蚀状态与环境状态时空分布的建模仿真和推演预测。材工业生产之间更深层次的新规律，为设施装备耐蚀材料选材设计中国生态系统野外台站长期观测数据开放共随着生态学观测技术的发展和全球生态环境问题的凸显，生中国较早开始了生态系统观测研究网络的建设。中国生态系争发展成为具有国内外先进水平的国家级科学数据中心，支撑国家生态文明建设和生态系统学科发展。数据中心围绕野外台站长期观测数据的全生命周期，着力开据管理与服务系统研发与推广等方面的工作，推进野外台站长期观测数据在数据中心的汇聚，形成体系化数据资源为用户提供共享服务，显著推动了中国生态系统野外台站长期观测数据开放共站长期观测数据开放共享的实践与进展展开阐述，并提出未来持一、观测技术与数据管理标准规范体系构建高水平的数据治理和开放共享离不开标准规范的支持。面对国家野外台站规范化联网观测和数据管理的迫切需要，数据中心组织编制了生态系统和生物多样性领域野外台站观测技术规范。全套规范共计13册，针对各种类型野外台站，从长期观测和专项二、野外台站数据产品体系开发和数据文等多种方式的数据出版，在充分保障数据生产者知识产权的前提下共享数据，促进数据共享从传统数据库服务向数据产品出版数据出版成果包括：组织野外台站开展长期联网观测与台站三、数据分析挖掘和野外台站联网研究应用驱动数据的开放共享。数据挖掘帮助研究人员深入分析生态系统长期观测数据所蕴含的信息，为深化对生态系统的认知站点联网研究、多尺度陆地碳循环及其对气候变化的响应生态系统服务功能与质量评估等主题，结合深度学习方法系统模型和数据同化技术，研发了基于过程的生态系统服务模型6统碳循环实时同化预测工具、多尺度生态系统质量评估与预测系统等在内的多个数据分析挖掘工具，支持科研人员对野外台站长同时，示范并鼓励基于长期观测数据分析挖掘产生的新数据据产品→数据挖掘分析应用→科研论文发表和更高层级数科技创新相互促进的良性循环。数据中心还与科学数据银行开展针对野外台站的数据管理与服务需求，数据中心组织研发了一套覆盖野外台站数据采集传输-存储管理-质量控制-产品开发-作的一体化。这套系统包括：支持野外台站观测数据实野外台站长期观测数据快速质控与产品生产的数据质控以及支持野外台站碳库和碳通量实时短期预测的台站碳等在内的多个中心端信息系统，支持数据中心对野外台站观测数综合管理信息系统与生数据中心端数据汇聚管理系统的互通，打数据中心资源服务门户上发布共享的数据产品配备DOI和CSTR资源标识以及规范的数据引用格式，有助于知识产权保护和数据中国生态系统野外台站长期观测数据的开放共享虽取得了长可预测的新时代提供了重要的研究手段，并推动生态学研究向数据与人工智能融合驱动的科研范式转变。新科研范式对野外台站步提高数据质量控制和产品生产的效率、如何提升数据的人工智发更加自动高效的数据质量控制和产品生产工具，以满足科研应郭学兵,苏文,唐新斋,等.生态系统长期观测数据产品化及标准规范建设[J].2020鉴于人类遗传资源的特殊战略价值，主要发达国家通过规范人类遗传资源的采集、收集及信息利用，不断强化对人类遗传资源的保护与监管。如美国先后颁布《美国公共卫生法》45、球遗传资源管理政策提供了参考。欧盟于2018年实施《通用数据强调个人数据保护，要求研究者收集和处理数据时须获得明确同同时，政策还倡导国际合作与共享，推动人类遗传资源的合理利指南作为具体操作的指引，提供了详细的操作规范和实践标作的行政许可事项服务指南，以及中国人类遗传资源国际合作临床试验备案和信息对外提供或开放使用事先报告的范围及审批的效率，同时为我国人类遗传资源数据管理提供了明确的路这些管理制度在保障了我国人类遗传资源安全的同时，也促“法律-法规-指南”的综合管理制度要在数据流通过程中发人遗平台由人类遗传资源组学原始数据归档库（GSA-在人类遗传资源数据共享方面，人遗平台采取开放共享的使用者需先提交针对某一个数据的使用申请，并经相应的DAC对数据的共享起到积极的促进作用。目前，人遗平台已获得国际期刊的广泛认可，尤其是GSA-数据的价值。人遗平台在促进国内人类遗传资源数据汇聚和共享方面起到了积极的作用，一是将国内分散的人类遗传资源数据进通了数据管理系统与中国政府行政审核系统的桥梁，简化了人类然而，我国在人类遗传资源数据共享应用方面还存在诸多问最后是数据管理与共享的政策和机制需要进一步优化，要统筹发2222数据驱动的多学科交叉研究探索多学科交叉融合已成为当代科学研究的显著特点，使得科研人员能够从多元视角剖析问题，从而获得更为全面和深刻的理解及政府预算资金支持项目产生的基础学科科学数据，持有数资源本身具有多学科丰富性，为数据驱动的多学科交叉研究科技有限责任公司等机构开展了商业合作。持续提供全方位的专略、助力产业经济发展以及提升全民健康水平等方面发挥了积极科学数据是国家科技创新和经济社会发展的重要基础性战略资源。加强科学数据汇交是大数据时代做好科学研究与创多个国家重点研发计划项目的数据汇交工作并依据国家“数据要素×”三年行动计划中明确的12个行业和领国家基础数据中心基于海量多学科数据资源，结合多学科交一是研究多学科跨领域数据融合服务网络关键技术与基础框领域提供可定制的科学数据软件分析框架，集成通用的科学数据家基础数据中心面向全社会公开遴选出5个多学科数据交叉应用叉评估城市环境微生物健康风险”课题将集成城市环境与人群健于AI的动物与植物多样性数据交叉应用”课题拟整合中国生物物123456781×工业制造2×现代农业3×商贸流通4×交通运输5×文化旅游6×医疗健康7×应急管理8×城市治理9×绿色低碳×科技创新三、基础学科数据驱动的多学科交叉研整性和可互操作性。探索开放科学背景下的科学数据管理和数据评价等机制,打造高质量科学数据供应的闭研究跨域科学数据的治理理论和方法，构建跨域科学数据治理的安全管理和可控开放，大力推动数据治理及应用软件的自主研发社会资本应加大对专用科研基础设施的投资力度，提升科研设施应用与服务等阶段发展路径进行逐步推进。通过加强数据采集与明确科学数据要素化路径，可以推动我国基础学科科学数多学科交叉研究实践的快速发展，为科技创新和社会发展2424青藏高原作为世界上最高的高原，是地球上板块碰撞最为强圈和人类圈六大圈层相互作用强烈，是研究地球系统科学多圈层学科的青藏高原数据共享和集成具有重要的科学数据的开放共享和自由流通的重要性越来越受到重的科学难题。可发现（Findable）、可访问（Accessible）、可互操作新的步伐。作为我国唯一一个专注于青藏高原及其周边区域的国家科学目前，国家青藏高原科学数据中心发布的所有数据够提供完全符合国际学术期刊投稿要求的数据服务，已经累计为围绕青藏高原独特的环境数据需求，利用人工智能新方法，研发了系列高质量长序列特色数据产品，形成自主科学数据品89旨在服务青藏高原科学研究和西藏经济社会高质量发展，由中国由科技资源标识（ScienceandTechnologyResource藏高原科学数据中心的CSTR解析量在中国科学院70多个涵盖各则的评估中12，国家青藏高原科学数据中心在众多国际地学数据些都表明国家青藏高原科学数据中心在地学数据开放共享国家青藏高原科学数据中心为国内外地学科研成果的发表提供了全方位的数据服务。截至目前，累计支持了5000余篇SCI界第三极的大数据新模式”为核心议题对国家青藏高原科学数据中国区域地面气象要素驱动关键数据集13，其关联论文被大量引国家青藏高原科学数据中心全面保障第二次青藏高原综合科事件提供重要数据支撑服务，多次得到国家领导和省部级领导人国家青藏高原科学数据中心的数据资源也向企业开放共享，面向未来，国家青藏高原科学数据中心将进一步支持地球系驱动青藏高原地球系统模型开发和青藏高原生态环境评估，服务科学数据中心应该引领科学数据共享，成为大数据革命创新潘小多,李新,冉有华,等.开放科学姜恩波,潘婷,张蒂.基于FAIR原则的地HEJ,2626数据与智能联合驱动的生命科学研究新范式本文以生命科学领域单细胞组学数据为切入点，概述了国内开放共享体系构建与高水平数据赋能生命科学研究等方述了中国在推动数据与智能联合驱动的生命科学研究新助力精准医疗和疾病治疗，世界各国正在携手合作，开展人和美国国立卫生研究院资助的人类生物分子图谱计划（Human实现高质量的数据开放，首要任务是推进科学数据的有效汇响了数据的访问和利用。为利用单细胞多模态组学的开源共享数据，亟需发展统一处理和整合的单细胞组学数据库。为实胞数据的高效利用，中国科学院上海营养与健康研究所构建了首万个细胞的单细胞多模态组学数据；中国科学院动物研究所发布统的生命科学研究范式往往无法捕捉生命数据中蕴含的复言处理等通用领域中取得了显著突破，通过大量未标注数据的自监督预训练获得基础理解能力，进而综合大模型和下游数据共同解决具体的任务。这种新型计算方法催生了数据与智能联合驱动的生命科学研究新范式，中国科学院动物研究所xCompass团队务中达到国际领先水平。这既说明了高质量数据以及高水平的数据标准化与整合方法是预训练模型性能的关键因素，又展现了人随着人工智能技术的发展，数据与智能联合驱动的生命科学范式有望改变传统生命科学研究方法，突破传统方法通过实验验证有限的生物测序与表型关联所导致与真实生命活动存在对于数据驱动的人工智能发展具有重要意义。未来，我国2828期刊是数据论文的载体，专业数据期刊的出版在支持科学研究活动方面发挥了重要作用。中国不仅在数据论文期刊的出版方中国数据论文期刊的创办是数据论文出版的标志性事论文出版方面发挥了示范作用。好地发挥作为国家科技创新和经济社会发展重要基础性战略挥期刊在科学数据出版中的导向性。目前ScienceDB平台上已有学学报》等55种期刊发表数据论文，在各学科领域开展数据论文出版实践。在推动数据论文出版的过程中，标准规范是数据论文发展的基石。中国科学院计算机网络信息中心ScienceDB团队广泛调研中国数据论文在国内期刊上有较好的发展态势，中国学者在据论文发表于2006年。近20年来，数据论文以缓慢的速度发展，但明显可以看出，2016年开始数据论文数量期刊的出版标志着一种新型出版模式的兴起，推动了学术界对数全球1.687万篇论文发表在267种期刊上发表，高度集中于其余36%的论文发表于90种期刊。科学数据的存储和利用倡导开文采用开放获取模式出版。中国发表的209