开放研究数据在科研评估中的困境与出路：从合规性到实质贡献的范式转变

《Science and Public Policy》：Perspectives on recognizing open research data in research assessment

本文针对当前开放研究数据(ORD)评估中存在的"合规性陷阱"问题，探讨了如何将ORD真正纳入科研质量评估体系。研究人员通过分析现有评估框架的局限性，提出了基于数据管理能力和社区贡献的双维度评估路径，为构建更加科学、公平的ORD评估机制提供了重要理论依据。该研究对推动开放科学发展具有重要意义。

　　

随着开放科学运动的深入推进，开放研究数据(Open Research Data, ORD)实践在科研评估中的地位日益凸显。然而，当前将ORD纳入评估体系的尝试却陷入了一个尴尬的境地：本应促进科研透明度和数据重用的良好初衷，在实践中却往往异化为简单的"合规性检查"。研究人员为了满足机构和资助方要求而共享数据，但这一行为却与科研质量脱节，成为一种额外的行政负担而非有价值的科学贡献。

这一困境引起了瑞士洛桑大学社会科学专家中心(FORS)的Pedro Araujo等研究人员的关注。他们在《Science and Public Policy》上发表的研究指出，当前ORD评估面临三大核心挑战：缺乏明确的质量标准、忽视学科差异性、以及评估过程的行政化倾向。这些问题不仅无法真实反映科研人员的数据工作价值，甚至可能产生负面激励，导致"为评估而共享"的形式主义。

为了深入剖析这一问题，研究团队基于瑞士高校的recORD项目开展了系统研究。该项目全面调查了瑞士高等教育机构中ORD实践的现状，分析了现有评估框架的局限性，并通过专家研讨和案例分析，探索更加科学合理的评估路径。研究方法主要包括文献分析、案例比较和专家咨询，重点考察了欧盟开放科学职业评估矩阵(OS-CAM)、挪威职业评估矩阵(NOR-CAM)以及开放通用科学(OPUS)等主流评估框架。

研究结果揭示了现有ORD评估体系的深层次问题。在"缺乏质量标准"方面，研究人员发现当前评估过度依赖可量化的指标，如数据集存储数量、数据管理计划完成情况等，而忽视了数据本身的科学价值。这种"重量轻质"的取向可能导致策略性行为，例如将数据集人为分割以增加数量，反而降低了数据的实际可重用性。

"学科差异性"的分析表明，不同学科在数据概念、共享实践和伦理约束方面存在显著差异。自然科学领域已建立相对成熟的数据共享规范，而人文社会科学则面临更多理论和方法论上的挑战。然而，现有评估框架往往采用"一刀切"的标准，这不仅无法公正评价不同学科的ORD实践，还可能加剧科研评估中的结构性不平等。

关于"行政化评估"的问题，研究指出当前ORD评估往往由行政人员主导，缺乏科研人员和数据管理专家的实质性参与。这种脱离科研实践的评价方式，进一步强化了合规性逻辑，而非真正基于学科特点的科研质量评价。

针对这些挑战，研究人员提出了双维度的评估新范式。第一个维度关注"研究数据管理能力"，强调从数据生命周期全过程评估科研人员的数据处理能力。这包括数据收集阶段的格式选择、处理阶段的法律伦理考量、以及共享阶段的技术规范性。评估重点不应仅限于数据是否共享，而应关注数据管理的方法论严谨性。

第二个维度聚焦"通过数据共享对科研社区的贡献"，评估数据实践是否真正服务于科研社区的认识论需求。这不仅包括数据集本身的价值，还涵盖代码共享、方法文档、以及参与社区标准建设等多方面贡献。研究人员强调，FAIR原则（可查找、可访问、可互操作、可重用）只是基础要求，数据的科学价值和社区相关性才是核心。

这一研究的重要意义在于为ORD评估提供了理论创新和实践指导。通过将评估焦点从"数据共享"转向"数据实践质量"，从"合规性"转向"实质贡献"，该框架有助于建立更加科学、公平的评估体系。这不仅能够促进开放科学的健康发展，还能推动科研评估改革向更深层次迈进，最终实现科研质量的全方位提升。

研究同时指出，未来ORD评估的发展需要多方协同努力。科研机构应当建立跨学科的评估专家团队，整合科研人员和数据管理人员的专业智慧；资助机构需要制定灵活性评估标准，尊重不同学科的特点；而科研人员自身也应当将高质量的数据实践视为科研诚信的重要组成部分。只有这样，开放研究数据才能真正成为推动科学进步的有力工具，而非流于形式的行政要求。