科学知识机器可读化：一种基于预出版生产的FAIR研究数据新范式

针对科学文献中知识难以被机器自动提取和重用的难题，研究人员提出"reborn"预出版生产方法，通过整合Open Research Knowledge Graph（ORKG）基础设施，在数据分析阶段直接生成机器可读的科研发现表达。该研究在土壤科学、计算机科学和农业生态学三个案例中验证了该方法在知识准确性、丰富性和可重复性方面的优势，为FAIR（可查找、可访问、可互操作、可重用）科研数据的生产提供了创新解决方案。

　　

在数字化科研时代，一个令人困扰的悖论始终存在：虽然科学文献数量呈指数级增长，但其中蕴含的知识却以人类可读的叙事文本形式"沉睡"在PDF文件中。这种"数据埋葬"现象使得机器无法直接理解和处理科学知识，导致知识重用效率低下。以系统综述为例，研究人员需要耗费6-12个月全职工作，其中一半时间用于从文献中手动提取数据。这种低效模式严重制约了科学进步的速度，特别是在需要整合多源研究结果的领域，如医学元分析或材料科学发现。

针对这一挑战，来自德国莱布尼茨科学和技术信息中心（TIB）的Markus Stocker团队在《Scientific Data》发表创新研究，提出名为"reborn"的预出版生产方法。该方法颠覆了传统的"先出版后提取"模式，通过在数据分析阶段直接生成机器可读的科研发现表达，确保科学知识"天生可读"。研究团队利用Open Research Knowledge Graph（ORKG）基础设施，在土壤科学、计算机科学和农业生态学三个案例中验证了该方法的优越性。

关键技术方法包括：1）在R/Python计算环境中集成ORKG模板（结构化数据模式）；2）通过ORKG Python/R库实现机器可读数据自动生成；3）采用TIB Leibniz数据管理器进行数据沉积；4）利用DOI元数据实现文章与数据的双向链接；5）基于ORKG的知识聚合与服务提供。研究选取的三个案例分别来自Copernicus Publications、CEUR Workshop Proceedings和Wiley出版的期刊论文。

研究结果部分展示了该方法在不同学科的应用成效：

"Use case in soil science"部分：以Gentsch等发表的土壤科学研究为例，研究团队创建了描述统计、线性混合效应模型（LMM）和结构方程建模的ORKG模板，将原始R脚本扩展为能自动生成JSON-LD格式机器可读数据的版本。通过与原作者合作，实现了研究结果的可计算化表达，并成功将机器可读数据作为文章补充材料与原文DOI互链。

"Use case in computer science"部分：在ThieBen等关于大语言模型（LLM）科学同义词识别的研究中，应用ORKG Leaderboard模板自动提取TDMS（任务、数据集、指标、分数）元组。虽然该文章通过CEUR-WS出版缺乏DOI支持，但仍实现了文件级数据收集，并自动生成展示模型性能趋势的Leaderboard可视化。

"Use case in agroecology"部分：对Perez-Alvarez等2018年发表的农业生态学研究进行回溯性处理，证明该方法对已发表文献的适用性。通过将线性混合效应模型（LMM）等复杂统计结果转化为结构化数据，展示了处理丰富科学知识（包括复杂表格数据）的能力。

研究讨论部分通过对比分析揭示了reborn方法的显著优势：在准确性方面，相比自动化提取技术（准确率约10-40%）和易出错的手工提取，预出版生产能保持原始数据的精确性；在丰富性方面，克服了传统方法难以提取复杂知识结构的局限；在技术简易性上，远低于需要训练数据和模型部署的自动化方法。虽然该方法在可扩展性和覆盖历史文献方面存在局限，但其在FAIR数据生产方面的创新价值显著。

这项研究的重要意义在于：1）建立了从知识生产到重用的完整链条，推动科学交流范式变革；2）为实施FAIR原则提供了可操作方案，特别在"机器可读"这一关键维度；3）通过增强审稿过程的可验证性和结果可重复性，提升了科研质量；4）为合成研究（如元分析）提供了高效数据源。随着Zenodo等平台5%的论文已关联分析脚本，该方法有望在未来成为科学出版的标配实践，加速科学发现的传播与应用。