学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2022-03-03 11:21所属平台：学报论文发表咨询网浏览： 次
摘要数据管理计划(DMP)及其评估工作是完善科研数据管理与共享工作的组织管理、业务流程的起点。文章以DMP评估准则为切入点，采用内容分析法归纳实践现状与发展模式，识别核心要素，使用双证法验证所提取的核心要素的效能。研究发现：DMP评估准则的主要实践围绕作为
摘要数据管理计划(DMP)及其评估工作是完善科研数据管理与共享工作的组织管理、业务流程的起点。文章以DMP评估准则为切入点，采用内容分析法归纳实践现状与发展模式，识别核心要素，使用双证法验证所提取的核心要素的效能。研究发现：DMP评估准则的主要实践围绕作为通用标准与工具资源、辅助科研项目申报与评估、促进科研人员自审与改进、优化数据管理与共享服务等方面展开;核心要素以“一般信息、数据生命周期、角色与职责、资源配置、法律与伦理”为主线，以“整合数据生命周期与利益相关者(DLC-SH)”为内核;通过双证法验证提取的核心要素有效率，基本达到合格以上的效能(R1=87.5%、R2=65.2%)。文章对我国DMP及其评估工作提出建议，包括将DMP及其评估工作纳入政策设计、优化DMP及其评估工作的配套环境、促进DMP及其评估工作与FAIR原则的融合、构建科学的DMP评估机制。
关键词数据管理计划评估准则数据共享FAIR原则
1问题的提出
数据密集型科研范式下，科研数据作为助力科学发现的重要资源、证据和驱动力[1]，成为推动科学进步的重要因素。数据管理计划(DataManagementPlan，DMP)是描述科研项目由实施到结束全生命周期内处理数据的规划，为科研数据的全生命周期管理设定了“初始值”和“路线图”。
一份公开(public)、机器可读(machine-readable)、开放许可(openlylicensed)的DMP更有可能被纳入未来的项目，产生更大的影响[2]。编制和实施DMP的目的是实现科研数据管理与共享的FAIR原则(FAIRPrinciples，FAIR)[3]，确保数据能够可发现(Findable)、可访问(Accessable)、可互操作(Interoperable)和可重用(Reusable)，以充分发挥科学、经济和社会价值;提交同行评审的DMP也可作为评估科研项目的主要指标和依据[2]。
在国际上，DMP已成为重要且科学的政策设计，为数据验证、项目评审乃至数据素养培育提供了支撑。欧洲科研数据管理实践在全球产生深远影响，欧盟地平线2020计划(Horizon2020)即要求参与其运营的开放研究数据试点的所有项目都需要提交DMP[3]。
美国国家科学基金会(NationalScienceFoundation，NSF)、国立卫生研究院分别对项目申请附带的数据共享计划和DMP提出具体要求[4]，并写入《促进联邦资助科研成果获取的备忘录》[5]。在政策指引下，欧美逐渐形成以DMP标准工具与模板为支撑的服务体系，美国的NSF、英国的数字策展中心(DigitalCurationCentre，DCC)等研究与资助机构皆提供丰富的DMP模板，DMPTool、DMPonline等工具在DMP编制过程中的应用渐趋广泛。尽管数据共享带来诸多好处，但DMP的潜力尚未得到充分发挥[6]，如受科研人员的精力、能力等所限，DMP编制存在要素缺失、描述粗略与信息失真等质量问题。因此，DMP评估工作成为下一阶段的实践转向，其任务是科学评价DMP的完整性、描述充分性、准确性和可操作性，国际实践较为成熟。
例如，2021年1月，科学欧洲(ScienceEurope，SE)更新《科研数据管理国际联盟实用指南》(以下简称《国际指南》)[7]，介绍DMP的核心要求及其评估准则，被诸多国家和机构采纳。相较而言，我国DMP政策设计与实践工作较为落后，关于DMP内容要素的实践探索几乎为零[8]，仅有中国科学院发布的《中国科学院科学数据管理与开放共享办法》[9]提出“将科技项目数据管理计划作为项目立项的必要条件，列入项目评审内容”。2018年3月国务院办公厅印发的《科学数据管理办法》[10](以下简称《办法》)并未将DMP提升到宏观规划和政策设计高度加以推进。基于此，本文分析国际DMP评估准则的实践现状与发展模式，提取核心要素，以弥补我国DMP及其评估工作在政策设计和实践上的缺位与不足。
2文献综述与研究设计
2.1文献综述
科研数据共享率提高带来的经济和社会效益是政府、科研资助机构等主体实施DMP制度的驱动力。国际上，美国、英国、澳大利亚[11-15]等科研部门与机构已将DMP的编制和实施纳入科研数据政策规划。在良好的政策环境下，学者对DMP的关注集中在两个方面：
一是数据生命周期与利益相关者视角下的DMP制度实施。国外科研组织、软件与工具服务提供商提供的DMP模板和工具资源偏向于采用这种思路指导实践[16]，科研机构[14]、基金组织[17]、高校图书馆[18-19]等利益相关者也高度重视对DMP的应用，为实施DMP制度提供外部资源和编制工具，并开展数据素养培育活动。
二是DMP与FAIR原则的适配与实现机制。为克服数据发现与重用障碍，国际学术界提出一套促进科研数据管理与共享的FAIR原则[20]，强调提高机器自动查找和使用数据的能力以及支持它在重复使用方面的作用[21]，这与DMP的使命基本一致。在FAIR原则指导下，通过标准、工具和系统实现跨研究的信息交换并将DMP嵌入现有工作流程，使DMP能够实现机器可操作，以改善所有利益相关者的体验成为浪潮。
例如，2017年国际数字策展会议形成的共识是科学界需要一个共同的、机器可操作的DMP(Machine-actionableDMP，maDMP)[22];T.Miksa等[23]随之提出构建maDMP的十大原则。GOFAIR倡议和研究数据联盟成员也发起了一系列研讨，倡导通过制定DMP以确保按照FAIR原则进行科研数据管理与共享[24]。面对DMP实施过程中存在的质量不高、效能低下等问题，学者将视野转向DMP的审查与评估。
S.B.Gajbe等[25]基于选定的45个参数比较、评估14个公开获取的DMP工具，发现DMP工具覆盖50%-84%的选定参数，78%选定参数被一半的样本DMP工具所覆盖;用矩阵对参数的共现关系和不同DMP工具间的关联性进行说明。对既有研究的梳理表明，DMP评估工作的主要利益相关者为研究与资助机构[26]、科研诚信官员[27]、图书馆[28]和科研人员[29]等，在业务流程中负有不同的权责;现阶段主流的DMP评估方法涉及评价量表[29]、参数化方法及其工具资源供给[25]、记分卡[30]等基本主张是定量与定性评估相结合;对DMP进行评估的主要目标和应用方向是实现科研项目产生的数据的有效管理与共享，提升DMP质量，但也不乏为数据素养培育[31]、科研数据管理竞赛及其推广[32]等方面提供支持。
分析现有成果发现，国内外仍鲜有研究将DMP评估准则的制定和实施视为关注重点，而其作为一种评价标准和工具，具有充分引导科研数据管理与共享工作进行良性循环的价值。因此，对DMP评估准则实践规律与发展经验的总结应当受到充分重视，这是本研究重点解决的问题。
2.2研究设计
就研究目标与思路而言，目标是解析DMP评估准则的实践现状与发展模式，识别并验证核心要素，以供国内参考。据此，综合运用内容分析法和双证法开展研究。
第一步，辨明DMP评估准则的实践现状。一方面跟踪和关注DMP政策、标准与实践的最新动态，如查阅SE、DCC和美国国家标准技术研究院(NationalInstituteofStandardsandTechnology，NIST)等重要科研组织、研究与资助机构，以及著名科研教育机构、各类大型图书馆发布的科研数据政策和报告，分析国际科研数据管理与共享的实践进展;另一方面，辅以文献挖掘和网络调查，收集各种类型的DMP评估准则实践样本，总结DMP评估准则的实践现状，并根据其功能定位归纳其发展模式。
第二步，提取DMP评估准则的核心要素。使用内容分析法提取采集到的29份DMP评估准则的核心要素。具体步骤为确定研究问题、抽取样本、定义分析单位、类目构建、内容编码、编码结果检查和解释与分析结论等。在此基础上，采用叶鹰[33]提出的双证法验证所识别出的DMP评估准则核心要素的效能，并据此为我国进行DMP政策设计、构建DMP评估机制提供建议。
就研究样本来源而言，对DMP评估准则进行深入解析，需要充分了解DMP评估制度运行和发展的一般规律，明确DMP评估准则的核心要素。由于现有研究和实践仍无统一的DMP评估准则清单可供借鉴，故采纳英国谢菲尔德大学整理的DMP政策列表(WritingDMPsforDiferentFunders)[34]为基础，辅以“TI=(datamanagementplanORDMP)AND(evaluationORcomplianceORassessmentORreview)ANDrubric”为检索策略，分别在sciwatch、Zenodo、figshare、OSF和openICPSR等科学数据开放存取出版平台中检索和收集DMP评估准则。经过去重，共获得29份DMP评估准则文本，作为本文解析DMP评估准则实践现状和发展模式的证据源，以及提取DMP评估准则核心要素的研究样本，本文选取的DMP评估准则大多为国际上重要科研组织、政府机构、研究与资助机构、科研教育机构和图书馆等发布的政策文本，样本覆盖面较广且具备代表性。
3DMP评估准则的实践现状与发展模式
3.1实践现状
DMP的编制与实施最早可追溯到1966年[13]，但评估与优化实践则是在近10年兴起的。从29份DMP评估准则看，发布/更新的时间跨度为2011-2021年，最早的DMP评估准则为普渡大学图书馆发布实施的《数据管理计划自评估量表》(DataManagementPlanSelf-assessmentQuestionnaire)，其后被斯坦福大学图书馆等机构采用;最新文本则为DCC发布的《地平线2020计划DMP合规准则》(H2020DMPComplianceRubric)，是基于欧盟委员会提供的“地平线2020计划数据管理指南初始模板”搭建起的评估框架。
从时序看，DMP评估准则发布呈波动增长态势，与国际科研数据管理与共享实践的趋势基本吻合。2011年英国研究理事会出台《RCUK数据政策共同原则》，美国NSF将提交DMP纳入政策设计，DMP评估准则的应用开始显现;2013年美国颁行《促进联邦资助科研成果获取的备忘录》，2014年欧盟地平线第八项框架计划实施，2016年左右FAIR原则正式面世，欧盟陆续发布《OA2020计划行动纲要》《2020计划框架下的FAIR数据管理指南》《2020计划框架下的科学出版物与科研数据开放获取管理指南》等，皆为DMP及其评估工作构建了良好的政策环境，伴随而来的是DMP评估准则应用增多。
从DMP评估准则的适用范围看，其基本采用知识共享许可协议(如CCO、CCBY4.0等)进行分发和共享，支持被全球各种类型的机构和主体采纳。SE发布的《国际指南》[7]适用于全球范围，成员机构使用它来制定或调整DMP要求[35]，英国国家科研与创新署(UKResearchandInnovation，UKRI)、FWO和NWO等依据该指南制定DMP评估准则。
总体上，在欧盟范围内适用的政策有2项，占比6.9%;英国DMP评估准则最多，达11项(占37.9%)，其中6项由英国政府主管科研与创新的职能机构UKRI牵头制定;美国次之，DMP评估准则达8项(占27.6%);比利时、荷兰等国家亦制定了相应的DMP评估准则。DMP评估准则实践渐成趋势，且在全球范围内尤其是欧美发展态势良好。在此基础上，笔者从DMP评估准则的功能视角出发，结合国际DMP及其评估政策和实践，将DMP评估准则的发展模式归纳为作为通用标准与工具资源、辅助科研项目申报与评估、促进科研人员自审与改进、优化数据管理与共享服务四类，分析各种模式的实践进展及其特征。
3.2发展模式
3.2.1作为通用标准与工具资源
DMP评估准则最基本的功能是作为DMP制定时的参考标准或集成资源供科研团队理解使用，目的是为评价DMP的科学质量和技术质量提供通用标准与工具资源支持。例如，美国国家图书馆示范项目“DARTProject”将DMP视为一种研究工具，发布《数据管理计划核心组件评估准则》(ARubrictoEvaluateCoreDataManagementPlanComponents)[36]，采用3级性能等级指标评价DMP质量，支持在线测评，被DCC、ERC等发布的7份DMP评估准则采纳。DMP评估准则作为通用标准和工具资源，通常采用性能等级(performancelevels)、评分卡(scoringcard)实现功能，命名规则与其性能和评分等级基本适配但亦具备一定的个性化特征。
3.2.2辅助科研项目申报与评估
DMP政策设计的初衷是加强对科研项目产生的数据的管理，推进数据的充分共享，最大限度发挥数据价值;作为在科研项目申请过程中的附带材料，DMP对评估科研项目的价值及实现可能性具有参考作用。因此，从功能定位出发，DMP评估准则可作为研究与资助机构、评审员和科研人员等利益相关者进行DMP质量核查和优化的依据，可构建起“反馈与迭代、项目组测试与修订”的循环模式，这种实践已较普遍。
24份样本DMP评估准则的适用对象为研究与资助机构、评审员，与科研项目的申请和评估流程难以分割。例如，DART项目提供的DMP评估准则适配NSF提供的DMP模板，康奈尔大学、斯坦福大学、韦恩州立大学等美国科研教育机构皆以此为基础进行项目评估，这种模式还影响到BELSPO、FWO以及根特大学的DMP评估准则制定与实施。瑞士国家自然科学基金会将DMP评估工作嵌入评审系统，若项目申请人提交的DMP经评审存在缺陷，将在“mySNF”中收到任务，并被要求在获得资助前将DMP修改至达标[37]。欧洲开放科学委员会依据《国际指南》(DMP评估准则扩展版)引导实践转向，建议欧盟委员会在试验阶段通过聘请专家和组织培训来实现科研项目的DMP评估[38]。
3.2.3促进科研人员自审与改进
科研人员是科研项目申报的发起者，也是科研数据管理与共享的主要负责人。作为DMP制定主体，需依据DMP评估准则及其相应政策规范的方向提升DMP质量，使科研项目全生命周期的科研数据管理与共享工作能够满足FAIR原则的要求。
这不仅要求科研人员应在DMP编制的初始阶段就依据DMP模板和评估准则的规范提供要素齐全的DMP，更要求科研人员掌握DMP自评估与重复优化的方法。美国图书馆界在助力科研人员进行DMP自评估方面较为领先，如美国国家交通图书馆即为科研人员提供DMP自评估量表和工具，实行红、黄、绿、蓝4级评价与退出机制[39];普渡大学图书馆设计的《数据管理计划自评估量表》虽无明确的定量评估方法，但也概括了一份编撰优良的DMP应具备的要素，减轻了科研人员编制DMP的压力。在自评估准则驱动下编制一份要素齐全的DMP，也会极大地增强科研人员的数据管理与共享意识，进一步提升科研人员的数据素养。
3.2.4优化数据管理与共享服务
DMP是科研数据管理与共享工作的起点，其最终目的是实现科研数据服务(ResearchDataService，RDS)的优化。不可否认的是，DMP以及基于其规范的科研流程能够产生诸多有用的数据、信息和知识，对DMP进行科学揭示并将其面向科学界有序地开放和共享，能为广大的数据用户提供知识、技能和实践的指引，满足科研用户的数据和DMP重用需求。
从服务视角看，作为支撑性文档、通用标准和工具资源，DMP评估准则能为强化科研教育机构、图书馆等利益相关者供给科研数据管理与共享或者数据素养教育等服务的能力提供支撑。DMP评估准则对科研数据服务的支持和优化集中体现在对多主体的数据素养培育上，主要面向不限于科研人员的数据用户开展服务。
例如，图书馆方面，2021年3月普林斯顿大学图书馆举办主题学术竞赛，精心组织与设定提交规则、评价标准和奖励形式，要求参赛者参照《定性DMP准则》[40](QualitativeDMPRubric)制定并提交定性科研数据管理计划。科研教育机构方面，欧洲许多教育机构为博士研究生开设DMP编制主题课程，在这些课程教授过程中，成型的DMP指导性文档对提升课程教学质量具有良好效用。具体而言，研究样本中的阿姆斯特丹自由大学即在其设置的博士研究课程中配套使用了自研的《数据管理计划(DMPS)评估准则》(RubricfortheEvaluationofDataManagementPlans(DMPS))，用作参课学生的课程得分评价依据及课堂讨论与研习的材料[41]。
4DMP评估准则核心要素的识别与验证
4.1DMP评估准则核心要素识别
明确DMP评估准则的核心要素，可为构建科学高效的DMP评估机制奠基。采用内容分析法，经过细致研读29份样本DMP评估准则的大纲和内容，进行类目构建和内容编码。研究共获得28项核心要素，可以发现：DMP评估准则基本遵循“一般信息(1项)—数据生命周期(24项)—角色与职责(1项)—资源配置(1项)—法律与伦理(1项)”的框架主线，是为一级核心要素;采用整合“数据生命周期(DataLifeCycle，DLC)+利益相关者(Stakeholder，SH)”视角的框架内核，本文将其称为整合“DLC-SH”视角，这与秦顺[1]提取的DMP主要组件基本一致。基于此，进一步将DMP评估准则的核心要素划分为两种类型。
第一类由一般信息、资源配置以及法律与伦理组成，是DMP评估准则的支撑要素。一般信息(材料来源数目：9份)的主要作用是描述申请人姓名、项目编号、资助计划和版本控制等基础信息;资源配置(材料来源数目：15份)描述了科研项目执行期间为科研数据管理与共享提供的资源保障与支持，如《NWO数据管理计划评估准则》[42(]NWODataManagementPlanAssessmentRubric)即提出要清晰地表明“哪些资源(例如资金和时间)将专用于数据管理并确保满足FAIR原则”;法律与伦理(材料来源数目：20份)亦是DMP评估工作的重要考量因素，样本中的DMP评估准则通过链接欧盟《通用数据保护条例》等科研数据政策和配合科研教育机构的伦理审查委员会构建数据伦理审查机制等方式明确法律与道德导向，如ESRC的DMP评估准则即遵循其机构设置的研究伦理框架。
第二类由数据生命周期、利益相关者两个维度组成，是DMP评估准则的关键要素和内核。“利益相关者”一词最早见于斯坦福研究院的一份内部备忘录中，系指“支持某组织生存必不可少的群体”[43];数据生命周期则是指从产生数据开始，经过对数据的收集、加工、分析、存储、访问和共享，最终实现数据再利用的循环过程[44]。现阶段，国内外科研数据管理与共享工作主要形成了“以数据生命周期为经、以利益相关者为纬”的政策设计和发展思路。这也深刻影响了DMP评估准则的制定和实施，促使数据生命周期、利益相关者两个维度成为DMP评估准则文本组织的主要结构和内容。
5对我国DMP及其评估工作的启示
5.1将DMP及其评估工作纳入政策设计
国际上DMP政策设计已融入各层级利益相关者的科研数据管理与共享，且已深化至DMP评估阶段。我国DMP尚未被提升到国家政策设计高度，但已有学者呼吁将其纳入科研数据政策的具体内容[47]。2019年2月，《中国科学院科学数据管理与开放共享办法》首次提出在科研项目申请中构建DMP制度，明确项目预期产生的数据内容、类型、规模、质量、提交时间和最终汇交的科学数据管理机构名称等关键要素[9]，但总体上与国际通行实践仍存在一定程度的偏离。
DMP制度应被纳入所有层级的科研数据政策与制度建设中，这是开展DMP评估工作和优化科研数据管理与共享工作全局的先决条件。在法规建设上，建议在后续过程中调整《办法》第十三条为“政府预算资金资助的各级科技计划(专项、基金等)项目，应提交要素齐全的数据管理计划;所形成的科学数据，应由项目牵头单位汇交到相关科学数据中心”，并适当调整其他条款。
同时，通过分析发现：DMP评估准则注重从整合“DLC-SH”视角组织，这是由科研数据管理与共享工作的基本特性决定的。因而，有必要在《办法》的基础上构建整合“DLC-SH”视角的、多主体通行的“科研数据政策参考框架”[1]，并将DMP及其评估机制融入其中，从而为多元利益相关者制定科研数据政策，构建DMP及其评估工作的管理制度和实现机制提供范例。在实践层面，鼓励多元主体参与政策设计与实施。
一方面科技部门要牵头适当引进科研数据管理与共享的FAIR原则、可信存储库选择的TRUST原则、《国际指南》等国际性准则，并完善DMP及其评估工作的制度环境，确保我国相关工作能与国际接轨;另一方面，要加快将DMP制度融入科研数据管理与共享工作中去，如可建立科研数据立法工作组及数据工作委员会(含下设委员会)等统筹、监管和保障部门，通过政策指引、激励措施等促使DMP制度成为国家科技工作机制之一，并在此基础上进一步做好DMP评估工作。
5.2优化DMP及其评估工作的配套环境
DMP具备良好的导向作用，对其进行评估优化将牵动科研数据管理与共享工作中的各类要素进行升级。完善DMP及其评估工作的配套环境是一项基础性工作，便于实现DMP及其评估准则的功能，发挥其助力数据密集型科学发现的作用。分析表明，DMP及其评估工作的配套环境包括标准规范、技术工具、人才队伍和服务体系等方面。因此，当以优化配套环境为抓手，力求改变我国DMP及其评估工作的制度设计和实践相对落后的局面。
首先，大力研发适合中国科技创新要求的DMP及其评估工作通用标准与工具资源。鼓励各利益相关者依据科研数据管理与共享工作需求，构建通用的DMP模板和DMP评估准则，开发相应的DMP编制与评估工具，使DMP及其评估工作能够有效落地。在编制与研发过程中，要注重个性化与标准化相统一，即倡导在国家科研资助体系(包括横向或纵向)内的统一，并允许各类重大专项、各学科依据领域的特性编(研)制针对性的标准和工具;要注重技术引进与自主创新相统一，如可引进ArgosDMP、DataStewardWizard和Roadmap等国际上相对成熟的maDMP工具资源，或在适配FAIR、TRUST等机器可操作的国际原则的基础上自主开发相关标准和工具。
其次，优化DMP及其评估工作的人才配置。本文梳理出DMP评估准则实践过程中关涉的政府机构、科研组织和研究与资助机构等7类核心利益相关者，这就要求在组织管理上形成规划、统筹、协调、监督和保障的组织架构和制度安排，并积极厘清各类主体的权责与分工，培养一大批高端数据管理人才、技术人才，科学地为各类机构配置人才队伍。最后，要进一步构建和完善DMP及其评估工作的服务体系。
DMP评估决不意味着科研数据管理与共享工作的结束，相反，它能为后续以数据和数据素养为核心的服务提供支撑。因此，应以完善DMP及其评估工作为提升科研数据的质量而服务，为提升多元利益相关者数据素养而服务，并以此为基点打造更完善的服务体系。5.3促进DMP及其评估工作与FAIR原则的融合全球化背景下，科研数据管理与共享工作的发展具备国际协同的特征。
2016年，在ScientificData上正式发布的FAIR原则，为机器可发现、可访问、可互操作和可重用提供了解决方案，深刻影响了全球的DMP及其评估实践。2019年11月，国际数据委员会发布的《科研数据北京宣言》(TheBeijingDeclarationonResearchData)[48]指出：“科研数据具有全球公共产品的基本属性，应按照FAIR原则的精神推动其开放和共享利用”，且认为“DMP及政策制定是必要的”。FAIR原则已被证明与DMP及其评估工作有着良好的兼容性，两者的融合至少已在欧洲、美国和日本等国家和地区渐趋深化，本文调查的诸多DMP评估准则也融合了FAIR原则。
因此，我国在制定DMP及其评估工作的政策标准和开发相应的软件与工具资源时，要适度吸纳FAIR原则的先进理念，以确保全国范围内的科研数据管理与共享工作实现机器友好以及在技术、法律等层面的互操作，保障多元利益相关者在科研数据管理、共享与使用等方面的权利。建议以FAIR原则为基础，构建机器可操作的DMP及其评估通用标准与工具资源，即采纳FAIR原则的四大子原则作为构建DMP及其评估通用标准与工具资源的主要框架和组件，按照“宜融则融”的原则打造DMP及其评估工作的新生态。
具体可参考《国际指南》中DMP核心要求(CoreRequirementsforDMPs，CR)与FAIR原则的兼容性，以及本文识别的数据生命周期维度的DMP评估准则核心要素来编制DMP及其评估准则并开发相关工具。其中，F子原则对应数据组织与描述、存储与备份、共享与重用等要素，A子原则对应数据存储与备份、共享与重用、权限与安全等要素，I子原则对应数据收集、组织与描述、共享与重用等要素，R子原则对应数据收集、组织与描述、共享与重用、权限与安全等要素;同时，也要兼顾对各大利益相关者的权责划分。
6结语
新型开放社会，数据成为重要的生产要素，驱动创新、科研与社会治理[49]。DMP评估准则的引入可为提高科研数据的质量和提升科研数据管理与共享工作的效能持续注入动能，应成为科学发展过程中的重要政策设计。
我国在DMP及其评估工作的制度构建和实践方面存在较大空白，理当借鉴国际先进发展经验积极调整。本文通过总结DMP评估准则的实践现状与发展模式，并以对29份DMP评估准则的内容分析，提取与验证其核心要素。分析表明，DMP评估准则主要从整合“DLC-SH”视角进行组织，其核心要素体现了科研数据管理与共享工作的基本特性;打造完善的DMP及其评估机制是一项系统工程，主要关涉政策设计和配套环境等维度的优化，且需要在与国际接轨的同时适配我国国情。这些发现对我国展开DMP政策设计与实践和构建DMP评估机制具有一定的参考价值。
本研究尚存在一些可深化之处。一是细粒度划分利益相关者，探究不同主体进行DMP评估准则实践的异同，以及其对DMP评估准则核心要素关注的侧重点，为我国不同主体实施DMP及其评估制度提供借鉴;二是对我国DMP及其评估制度设计的政策、实践环境进行更为科学的“把脉”，开展我国DMP评估准则的可行性分析和要素设计，构建本土化的DMP评估准则应用模式。
参考文献
[1]秦顺.面向一流高校建设的图书馆科研数据管理服务研究——以整合DLC-SH为视角[J].图书情报工作,2021,65(4):28-39.
[2]MichenerWK.TensimplerulesforcreatingagoodDataManagementPlan[J].PLoSComputationalBiology,2015,11(10):1-9.
[3]H2020Programme.GuidelinesonFAIRDataManagementinHorizon2020[EB/OL].[2021-06-27].
[4]邢文明,洪程.美国高校科研数据政策内容分析[J].数字图书馆论坛,2018(10):32-40.
[5]OfficeofScienceandTechnologyPolicy.IncreasingAccesstotheResultsofFederallyFundedScience[EB/OL].[2021-06-27].
[6]Hudson-VitaleC,Moulaison-SandyH.DataManagementPlans:Areview[J].DESIDOCJournalofLibrary&InformationTechnology,2019,39(6):322-328.
[7]ScienceEurope.PracticalGuidetotheInternationalAlignmentofResearchDataManagement-ExtendedEdition[R].BrusselsBelgium:ScienceEuropeAISBL,2021:1-53.
[8]王思明.我国高校图书馆数据管理计划内容要素分析及其应用研究[D].长春:东北师范大学,2019:1-79.
[9]中国科学院.中国科学院科学数据管理与开放共享办法[EB/OL].[2021-06-27].
[10]国务院办公厅.关于印发科学数据管理办法的通知[EB/OL].[2021-06-30].
作者：秦顺李昊沂邢文明
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/7383.html
《数据管理计划评估准则：实践模式、核心要素及其启示》