建立數(shù)據(jù)驅(qū)動的e-Science圖書館服務機遇和挑戰(zhàn)

建立數(shù)據(jù)驅(qū)動的e-Science圖書館服務機遇和挑戰(zhàn)

e-Science是信息時代科學研究環(huán)境和活動的典型表現(xiàn)[1]。這種建立在先進網(wǎng)格技術基礎之上的數(shù)字化科研新環(huán)境，通過網(wǎng)絡技術及相關中間件實現(xiàn)程序，形成環(huán)形的科學知識流，具有可重復的周期性，創(chuàng)建完畢的數(shù)據(jù)或知識由機構(gòu)存儲庫或個人知識存儲庫存儲后再調(diào)用[2]，它突破了時間、空間障礙，使得科研人員不必考慮資源的存儲地和提供者，就可自由使用分布在其他遠程計算機上的科學數(shù)據(jù)資源，協(xié)同組織開展科學研究。在e-Science環(huán)境下，動態(tài)、交互、協(xié)同的網(wǎng)絡化、數(shù)字化使基于網(wǎng)絡化的信息交流、組織、分析、合作成為科研活動的核心紐帶和新形式，更有利于催生新的發(fā)現(xiàn)，從而加速科學發(fā)展的進程。人類基因組計劃的成功實施和完成以及空間科學、全球環(huán)境等研究，都是e-Science環(huán)境科學研究發(fā)展的范例。在e-Science環(huán)境下，科研用戶的信息需求和科研模式發(fā)生的根本性改變給圖書館帶來了新的重要發(fā)展機遇和挑戰(zhàn)。因此，建立e-Science下新的服務理念和技術平臺，已成為現(xiàn)代科學圖書館發(fā)展的趨勢。筆者將結(jié)合美國麻省理工學院（MIT）圖書館服務項目實踐活動，提出一些建立數(shù)據(jù)驅(qū)動的e-Science圖書館服務的粗淺看法。1e-Science環(huán)境下科學數(shù)據(jù)存儲與開放共享的現(xiàn)狀1.1科學數(shù)據(jù)產(chǎn)出呈指數(shù)級增長科學數(shù)據(jù)包括科研論文、專利、研究報告、實驗觀測數(shù)據(jù)和元數(shù)據(jù)、參考資料、照片和圖表、學術類多媒體資源等，不僅包括公開出版和可公開獲取的數(shù)據(jù)，還包括很多的灰色科學數(shù)據(jù)。近年來，隨著各國的科技投入增大，科學觀測和分析能力已得到快速的提升，導致科學數(shù)據(jù)的產(chǎn)生和積累呈指數(shù)級增長。僅以科學實驗數(shù)據(jù)增長為例，最近MIT圖書館員調(diào)查了該校一些重要領域科學家的數(shù)據(jù)量，發(fā)現(xiàn)16個案例中的科學家每年產(chǎn)生數(shù)據(jù)總量大約為41000TB（即4.1×10[16]B），如物理系教授的數(shù)據(jù)量為20600TB，神經(jīng)影像學教授為5.4TB，氣候變化研究的科學家產(chǎn)生200TB[3]。研究還發(fā)現(xiàn)，與過去5年相比，每個學科的數(shù)據(jù)量都增加了5－10倍以上[3]。在e-Science環(huán)境下，科學數(shù)據(jù)面臨著存取、傳輸和數(shù)據(jù)管理三個方面的挑戰(zhàn)[4]。1.2科學數(shù)據(jù)共享和長期保存的重要舉措科學數(shù)據(jù)共享和長期保存已被視為各國促進科技創(chuàng)新的重要舉措。美國鼓勵科學數(shù)據(jù)實現(xiàn)全面開放，歐洲國家對科研信息化和數(shù)據(jù)管理也非常重視。我國也在積極推行e-Science下科學數(shù)據(jù)的開放獲取。為促進科學數(shù)據(jù)的開放共享，許多國際知名研究基金會要求所資助的研究項目將科研數(shù)據(jù)向公眾開放，例如，美國國家科學基金會（NSF）于2010年已明確規(guī)定，今后基金申請都必須要提交數(shù)據(jù)的長期保存和開放獲取計劃[5]。2009年11月，41位諾貝爾獎獲得者聯(lián)名發(fā)出致美國國會的公開信，支持研究成果公共獲取法案；目前已有24個國家的150多個機構(gòu)參加了國際高能物理界推出的學術期刊開放出版計劃——SCOAP3計劃[6]。實現(xiàn)科學數(shù)據(jù)的共享和有效管理不僅僅是要將數(shù)據(jù)存入適當?shù)闹R庫中，更重要的是通過數(shù)據(jù)開放共享促進科學新發(fā)現(xiàn)和開展高效的合作研究。1.3科學數(shù)據(jù)保存的進展和現(xiàn)狀目前科學數(shù)據(jù)存儲和共享已取得許多重要進展。一些大型國際合作項目實現(xiàn)了使用層結(jié)構(gòu)系統(tǒng)（tieredsystem）或計算機集群進行數(shù)據(jù)存儲和共享。一些出版商要求研究人員將發(fā)表文章的科學數(shù)據(jù)存到指定的官方數(shù)據(jù)庫中保存并共享。如在生物學雜志上發(fā)表文章，作者被要求文章投稿前將基因測序結(jié)果遞交GenBank數(shù)據(jù)庫。另外，一些官方專業(yè)機構(gòu)和學協(xié)會也推出了相應的學科數(shù)據(jù)知識庫（DataReposity,DR），如：Pubchem（化學），Genbank、PDB（蛋白質(zhì)數(shù)據(jù)庫）、SIMBAD（天文學領域）、GEON（地學）等。但這些科學數(shù)據(jù)庫平臺的數(shù)據(jù)格式并不統(tǒng)一，也并非都采用了元數(shù)據(jù)，如GenBank的缺點是數(shù)據(jù)主要是平面文件而不是元數(shù)據(jù)，格式單調(diào)，并不適合保存生物交叉學科領域的數(shù)據(jù)。因此，數(shù)據(jù)不規(guī)范和缺少跨學科的統(tǒng)一平臺是當前科學數(shù)據(jù)存儲共享的主要障礙。事實上，還有一些研究人員仍在使用廉價的備份系統(tǒng)進行數(shù)據(jù)備份，或?qū)⒋罅康目茖W數(shù)據(jù)分散保存于不同的計算機、文件夾中，效率低、安全性差。有部分研究人員把數(shù)據(jù)存于Google、Amazon、Microsoft或一些網(wǎng)上引用管理工具上，因而難以保障科學數(shù)據(jù)的安全和長期保存。1.4e-Science下圖書館積極促進科學數(shù)據(jù)的存取和服務圖書館的重要職能之一是長期保存人類重要文化遺產(chǎn)。在e-Science環(huán)境科學數(shù)據(jù)指數(shù)級增長的時代，科學圖書館在發(fā)揮其科學數(shù)據(jù)保存和服務上具有不可替代的地位和作用。現(xiàn)代大型科學圖書館擁有豐富的電子資源和技術平臺、龐大讀者群和完善的學習培訓系統(tǒng)等。因此，建立e-Science下數(shù)據(jù)存儲共享模式是圖書館服務的重要內(nèi)容和責任。如何建立合適的數(shù)據(jù)保存機制以長期存儲科學數(shù)據(jù)，正確選擇和有效使用網(wǎng)絡獲取和共享這些數(shù)據(jù)是科學研究的重要需求，也給數(shù)字圖書館服務提出了新問題，為圖書館e-Science下開拓新的數(shù)據(jù)存儲和開放共享服務提供了契機。在這種新形勢下，國內(nèi)外許多大學和研究機構(gòu)圖書館已紛紛建立自己的機構(gòu)存貯數(shù)據(jù)庫（InstitutionalRepository,IR），如MIT圖書館的DSpace數(shù)據(jù)庫、普林斯頓大學圖書館的DataSpace數(shù)字化數(shù)據(jù)倉庫[7]。香港大學、廈門大學、浙江大學等高校圖書館、中國科學院部分圖書館也紛紛建立了機構(gòu)知識庫。但這些機構(gòu)知識庫往往只收集本機構(gòu)部分最終研究數(shù)據(jù)，如何完全解決研究的中間過程和機構(gòu)以外的全部科學數(shù)據(jù)的開放存取，仍是一個需要長期探討的問題。下面筆者結(jié)合e-Science下MIT圖書館的數(shù)據(jù)服務做一些討論。2MIT圖書館的科學數(shù)據(jù)管理與服務在e-Science環(huán)境下，科研產(chǎn)生的科學數(shù)據(jù)分布在全球各個機構(gòu)中，所以必須對這些分布式的數(shù)據(jù)進行整合①。MIT圖書館數(shù)據(jù)管理項目組針對科研人員科學數(shù)據(jù)產(chǎn)出特點，經(jīng)過數(shù)年的不斷探索，已建立起較為完善的e-Science科學數(shù)據(jù)采集、管理、保存、利用等數(shù)據(jù)驅(qū)動的e-Science圖書館綜合服務新模式，建立了著名的DSpace圖書館數(shù)字資源存儲系統(tǒng)——DSpace（DSpace@MIT,）、開放獲取服務與學術出版服務模式和開放課件服務OCW（OpenCourseWare,/about）等，積極進行科學數(shù)據(jù)的動態(tài)監(jiān)測研究和管理服務探索。2.1DSpace圖書館數(shù)字資源存儲系統(tǒng)早在20世紀90年代后期，MIT圖書館就注意到了各個院系、研究所、實驗室產(chǎn)生了大量復雜的、數(shù)字化的、不同格式的科學數(shù)據(jù)和學術出版物，而科學家和學生們在收集、整理、保管這些數(shù)據(jù)資料時要花費相當多的時間和精力，共享數(shù)據(jù)也非常困難。于是MIT圖書館成立了數(shù)據(jù)管理項目組，開始研究建立一種基于數(shù)字機構(gòu)存儲（IR）的服務。2002年成功開發(fā)出全球第一個機構(gòu)知識庫（IR）——DSpace數(shù)字資源存儲系統(tǒng)，并將其BSD開放源代碼技術向全球公開[8－9]。DSpace是一種個性化的開放獲取平臺和服務模式。不同于一般的文獻管理系統(tǒng)，它是一個專門的數(shù)字資產(chǎn)（DigitalAssets）管理系統(tǒng)，其特點為基于存儲的資產(chǎn)管理，以事件觸發(fā)構(gòu)建的工作流機制，以分級權(quán)限控制的管理體系，具有高度的靈活性、可用性和可自定義性。該系統(tǒng)采用元數(shù)據(jù)描述、采用句柄系統(tǒng)實現(xiàn)數(shù)據(jù)的長期保存獲取，采用開放源軟件，支持各種標準協(xié)議，可以收集、存儲、索引、保存和重新發(fā)布任何數(shù)字格式、層次結(jié)構(gòu)的、已經(jīng)和未經(jīng)出版的本地永久標識性研究數(shù)據(jù)，又可通過DSpace聯(lián)盟建立虛擬館藏[10]。聯(lián)盟的館藏對于用戶完全透明，用戶通過WEB界面訪問元數(shù)據(jù)，根據(jù)標準協(xié)議進入不同院校的系統(tǒng)，并發(fā)送資源請求，通過本地的存儲過程自動獲取有關的文檔備份。系統(tǒng)具有文獻發(fā)現(xiàn)功能和強大的統(tǒng)一檢索平臺，以實現(xiàn)學術資源的共享。用戶通過登錄指定的平臺向DSpace提交數(shù)據(jù)，DSpace可保存任何格式的數(shù)字資源，包括論文、圖書、圖書章節(jié)、數(shù)據(jù)集、學習資源、圖像、3D圖像、地圖、樂譜、設計圖、預印本、錄音記錄、音樂錄音、軟件、技術報告、論著、視頻、工作文檔等[8]，每年能存儲MIT研究人員完成的1萬多份數(shù)字化科研成果。MIT圖書館數(shù)據(jù)管理項目組承擔全部數(shù)據(jù)的存檔管理、系統(tǒng)維護、軟件升級和用戶使用指導等服務。2.2開放獲取服務與學術出版服務新模式MIT科學數(shù)據(jù)開放獲取項目組的工作還包括解答有關數(shù)據(jù)管理、寫作與學術論文出版相關咨詢，與出版商爭取相關權(quán)益，建立開放獲取政策，執(zhí)行DSpace數(shù)據(jù)提交服務，推動MIT的開放獲取服務等。在每年新教工和學生入學時，項目組成員負責相關出版政策和DSpace數(shù)據(jù)系統(tǒng)的培訓。通過與出版商的談判協(xié)商，DSpace數(shù)據(jù)庫實現(xiàn)了對注冊用戶的學術文章免費開放并可在網(wǎng)絡上獲取。MIT是美國第一所全校范圍內(nèi)采取該模式的大學。據(jù)統(tǒng)計，2009年10月－2010年10月下載論文超過63000篇。目前有SPIE、管理科學季刊、伯克利電子出版社以及前沿基礎研究出版社等出版社與MIT建立了開放獲取政策[11]，已有9家同行評議期刊的出版商允許麻省理工學院用戶從其網(wǎng)站上免費獲取該?？蒲腥藛T的研究論文。2010年5月，MIT圖書館創(chuàng)立了“開放獲取出版基金（OAAPSF）”，用于資助MIT作者在開放獲取期刊上發(fā)表論文[12]。此外，MIT圖書館于2002年實現(xiàn)了開放式課程OCW，當年在網(wǎng)絡上公布了500門課程，這種通過網(wǎng)絡共享專業(yè)知識的方式，立即在全球高校和研究機構(gòu)引起了積極的反響，至2007年，OCW開放課件已達到1800門。MIT圖書館數(shù)據(jù)管理項目組積極為科研人員推介DSpace系統(tǒng)，讓他們認識到DSpace系統(tǒng)的優(yōu)勢，而非強制性地要求其將研究成果存入DSpace。MIT圖書館數(shù)據(jù)組還專門開展了一系列項目（課題），研究新的科學數(shù)據(jù)管理服務模式，主要思路就是通過建立主動服務的模式，有效利用各種已成熟的可長期保存的專業(yè)科學數(shù)據(jù)知識庫，最大限度地幫助科研人員有效管理和開放共享科學數(shù)據(jù)。3數(shù)據(jù)驅(qū)動e-Science圖書館服務策略的幾點思考e-Science環(huán)境下建立基于多存取模式下的數(shù)據(jù)驅(qū)動服務模式，包括科學數(shù)據(jù)最大化的長期獲取和共享服務，已成為科學圖書館服務的重要內(nèi)容。我們應當開展對數(shù)據(jù)驅(qū)動相關服務的專項課題研究，分析重要學科數(shù)據(jù)存儲和共享的特點、需求，針對已有科學數(shù)據(jù)知識庫的現(xiàn)狀和問題，建立和完善圖書館數(shù)據(jù)服務模式。在技術層面，應考慮在圖書館數(shù)字資源平臺上建立科學數(shù)據(jù)共享管理服務平臺，將機構(gòu)知識庫（IR）和已有科學數(shù)據(jù)知識庫（DR）以及其他數(shù)據(jù)門戶（portal）、數(shù)據(jù)庫（database）整合，率先從數(shù)據(jù)存儲和共享需求大的學科入手，如生物學等，對學科科學數(shù)據(jù)知識庫進行分類管理和導航，使科研人員能夠有效使用已有的專業(yè)科學數(shù)據(jù)庫資源?？赏ㄟ^“跨庫檢索”，實現(xiàn)數(shù)據(jù)資源共享的“一站式”服務。在這方面，完全可參考MIT的DSpace和OCW系統(tǒng)，積極建立基于圖書館優(yōu)勢的技術網(wǎng)絡數(shù)據(jù)存儲獲取平臺，建立類似DSpace聯(lián)盟的虛擬館藏，提供圖書館特色服務的支撐平臺。在特色服務層面，圖書館要建立面向科研用戶的數(shù)據(jù)驅(qū)動的服務，首先要了解科研用戶工作流和數(shù)據(jù)生命周期，明確數(shù)據(jù)服務的時機和服務的數(shù)據(jù)類型，找到新的服務點，從而建立起數(shù)據(jù)驅(qū)動的e-Science服務模式。如圖1所示，一個科研項目從立項到完成的全過程中，研究人員對數(shù)據(jù)的獲取、存貯和共享行為存在著工作流中的數(shù)據(jù)生命周期。具體而言，始于數(shù)據(jù)收集、數(shù)據(jù)發(fā)現(xiàn)，經(jīng)過數(shù)據(jù)分析、處理，再到衍生新數(shù)據(jù)和原始數(shù)據(jù)存檔，周而復始，構(gòu)成科學數(shù)據(jù)的生命周期[13]。換句話說，數(shù)據(jù)收集是科學研究的起點，而新數(shù)據(jù)的存儲則關系到科學數(shù)據(jù)的共享、新的發(fā)現(xiàn)。圖書館數(shù)據(jù)服務組協(xié)助用戶形成數(shù)據(jù)管理計劃的最佳時機是研究項目開始，這個調(diào)研時期對數(shù)據(jù)的需求量較大。科研用戶產(chǎn)生了大量數(shù)據(jù)，需要建檔存貯的時候，也是圖書館數(shù)據(jù)管理服務的最佳介入時機。圖1工作流中的數(shù)據(jù)生命周期（引自DeelmanE[14]）針對上述科研用戶工作流和數(shù)據(jù)生命周期，結(jié)合我們的體會，筆者提出以下幾點建議：首先，圖書館應建立長期科學數(shù)值服務管理項目，專門進行e-Science下學科科學數(shù)據(jù)知識庫的動態(tài)收集，重點整理、分析和跟蹤可持續(xù)和可長期保存與開放獲取的專業(yè)數(shù)據(jù)知識庫，進行知識庫的評估、管理、推介、導航服務。其次，在科學數(shù)據(jù)共享管理服務平臺上，應及時發(fā)布和更新科學數(shù)據(jù)知識庫信息，確保為科研用戶提供最新的和最準確的數(shù)據(jù)知識庫及相關信息。第三，服務需涵蓋整個數(shù)據(jù)生命周期。一個新的課題或新的研究人員，往往對于e-Science下的科學數(shù)據(jù)知識庫和一些特殊數(shù)值型數(shù)據(jù)庫不是十分了解，圖書館學科館員應及時了解用戶的數(shù)據(jù)需求，幫助用戶發(fā)現(xiàn)或建議最佳數(shù)據(jù)知識庫，使他們能夠及時準確地從科學數(shù)據(jù)知識庫和機構(gòu)庫中獲取所需數(shù)據(jù)。還可以協(xié)助用戶提前建立一個粗放和易于管理的數(shù)據(jù)計劃框架，對于項目中間和結(jié)束時產(chǎn)生的大量數(shù)據(jù)及時存取，為用戶提供指導。筆者認為，建立數(shù)據(jù)驅(qū)