学术研究人员需要支持和激励措施来分享数据


为了实现真正的“开放科学”,我们需要开辟所有研究领域,包括研究数据。制作可用于其他研究人员的数据,以查找,使用,重用和重现,将使研究更加高效和有效。新成立的成员 英国研究与创新是一个汇集七项研究委员会,创新英国和研究英格兰,惠康信托和其他英国资助者的独立组织已经提前举行了鼓励并要求数据共享。然而,英国的研究人员报告了比全球平均水平的数据共享百分比。政策必须与研究人员的更高支持和教育以及更快地分享数据的更高支持和教育。还需要对数据共享的奖励和信贷。

帖子最初可以在标题下的LSE影响博客上看到“我们需要更多的胡萝卜:为学术研究人员提供支持和激励措施来分享数据” by Grace Baynes.

作为一名出版商,我坚信研究文章和学术书籍和专着是研究人员的重要摘要和多年工作的结论。但是,真正的建筑物的发现块是他们产生的数据。

数据分享为社会带来了许多好处。根据这一点 开放数据研究所,公共部门开放数据的价值介于经济GDP的0.4%和1.5%之间。 一个独立的报告 found that the 欧洲生物信息学院 返回全球研究人员的年效率为10亿英镑。数据存档可以加倍研究项目的出版物输出,如下 7,000个国家科学基金会和国家卫生资助研究项目研究所的社会科学研究。研究论文的引文影响也被证明可以增加 数据提供的50%。它可以帮助减少重复努力,是重复性研究的基础。尽管所有这些好处,但2017年,只有大约一半的研究数据分享,并且公开共享更小的比例或以最大化可发现性和重用的方式分享。

去年,Springer Nature询问了7,000多名研究人员,关于发布研究文章的数据共享。我们想了解实际发生的数据分享,研究人员如何以及在哪里分享,他们面临的挑战以及他们需要帮助的地方。我们的研究结果, 数据共享研究人员的实际挑战,在锦略乐于景观中公开可访问 调查数据.

在向期刊提交期刊时,63%的受访者将数据文件共享为补充信息,在存储库中或两者都有。储存库(41%)中略低的比例份额比补充信息文件(42%)。然而,愿意在那里,80%的研究人员在调查中 开放数据2017 报告 愿意分享他们的数据和相同的比例或者可以使用其他人的数据。

至于他们的信誉,英国和美国资助者早早移动,鼓励并要求通过政策,飞行员和基础设施共享数据;然而,在我们的调查中,英国的研究人员和美国的研究人员报告了比全球平均值为63%的数据共享百分比:

受访者通过存储库共享数据的百分比,作为补充信息文件或两者在国家/地区>100受访者。来源: 数据共享研究人员的实际挑战.

因此,虽然浏览器授权持续是必不可少的,但政策必须与研究人员的更高支持和教育以及更快地进行最佳地分享数据。研究人员面临的挑战包括缺乏时间和专业知识。在我们的调查中,“以呈现和有用的方式组织数据“是不是分享数据的最称称的原因(46%的受访者)。其他共同挑战是:“不确定版权和许可“ - 37%; “不知道要使用的存储库“ - 33%;和 ”缺乏时间存入数据“ - 26%。

从我与在英国研究机构工作的学术通信官员的谈话中,我认为时间可能是一个比我们的调查报告的更重要的问题。研究人员的问题可能不会纯粹是“缺乏时间”但是“值得我的时间是值得的?”已发布的,可取的数据集团需要被视为与研究文章在职业进步和评估方面的研究产出。我们需要衡量数据集的使用和引用,并传达数据共享的影响和益处。与此同时,数据发布和更好的数据引文和链接,是解决方案的一部分。

虽然将数据作为补充信息共享,但完全不共享数据,但它是一个次优的解决方案。存放在存储库中的数据更具找到可固定和可访问的。许多出版商,包括Springer性质,现在将补充信息存入公开可访问的存储库。通过研究数据联盟,一群出版商,资助者和研究机构正在合作以同意a 期刊数据策略的框架,减少作者的复杂性,并鼓励良好的做法。倡议如 DataCite. and 数据引用原则的联合声明 帮助使研究数据更加可耻和可发现。

学术通讯办公室和图书馆在支持研究人员方面发挥着关键作用。在许多研究机构中,图书馆和研究数据管理团队现在正在提供专家建议,支持和基础设施。这些机构的研究人员有幸有这样的支持。像出版商这样的政府,资助者,机构,图书馆和服务提供商都可以发挥作用,以解锁研究数据的巨大潜力。例如,在Springer自然,我们提供免费 研究数据支持帮助表 and 推荐的存储库列表,以及可选的 研究数据支持服务 为了帮助研究人员和机构存入存储库中的数据,并更容易找到和使用。

我不低估挑战的规模。我们正在谈论转移预期的规范,技能和行为,以便数据共享和良好做法成为标准的研究实践。以及政策,研究人员需要激励,专家支持,培训和基础设施,使其无缝且易于共享数据,并值得他们。在他们需要的情况下,需要来的支持,以可以访问的方式,易于使用,并且与他们的研究工作流程有关。实现这太复杂,潜在的好处太大,适用于分散的方法。


0 0 投票
文章评级

格雷斯贝恩斯

格雷斯贝恩斯是数据副总裁&Springer自然开放研究的新产品开发。她负责促进开放数据和良好的研究数据练习;数据发布,包括期刊 科学数据;数据服务;开放科学与开放研究的新产品开发。

订阅
通知
guest

本网站使用AkisMet减少垃圾邮件。 了解如何处理评论数据.

0 注释
Inline Feedbacks
查看所有评论
0
会喜欢你的想法,请评论。x