学术期刊数据出版政策研究综述——以JCR中进化生物学领域期刊为例

雷秋雨，马建玲（1．中国科学院大学；．中国科学院兰州文献情报中心）



学术期刊数据出版政策研究综述——以JCR中进化生物学领域期刊为例

雷秋雨1,2，马建玲2（1．中国科学院大学；2．中国科学院兰州文献情报中心）

摘要：文章选取JCR中收录的46种进化生物学核心期刊，对其数据出版政策进行详细调研。细分了这46种学术期刊是否有数据出版政策以及数据出版政策的强弱，并在此基础上从数据的存缴方式、数据质量控制、数据格式、存储位置、开放性与权益等多个方面对数据出版政策进行了分析与研究，最后提出了该领域学术期刊数据出版政策制定与执行中存在的问题以及需要发展与完善的地方。

关键词：进化生物学；学术期刊；数据出版政策；研究数据

1　背景

研究数据出版是指将科学研究中产生的数据（集）公开发布，以便于数据使用者自由获取，这种做法是开放科学运动的组成部分，［1］数据出版的目的也在于将数据作为重要科研产出进行评估。［2］科学论文的质量取决于底层原始数据的质量，为了提高论文同行评审的严谨度并促进数据复用，许多期刊要求作者在论文发表前，先将数据注册或提交到数据仓储中，或要求在文献发表之前公开其数据。［3］数据存档﹑共享的相关政策规定，促进了科学数据的开放访问，便于科学家对研究结果进行验证，并基于相关数据探索新的分析方法。［4］实现共享，不仅能使科学数据在应用过程中增值，也是提高科技创新能力的重要支撑。［5］因此，将出版研究数据正式纳入学术出版体系是开放科学实践的重要举措。

在线发布研究数据并非新概念，在国外，生物多样性﹑地球科学﹑生物医药等领域的学术期刊早在多年前就要求作者在投稿时必须提交相关研究数据的规定。特别是生物多样性领域，早在1985年Robert F. Boruch and David S.Cordrag［6］就表示希望科研人员能将与研究相关的信息（RRI）公开发布，1995年KATHERINE W. McCAIN［7］对自然学科﹑医学和工程学的近850种学术期刊数据共享政策做过调查，发现有至少132种期刊要求将基因序列﹑结构等数据，在论文发表之前注册于公共数据仓储。随着数据出版的快速发展，学术期刊的数据出版政策也在发生重大变化，涉及期刊﹑出版社﹑数据仓储﹑作者等多个角色，政策范围包括存缴方式﹑数据质量控制﹑数据格式﹑存储位置﹑开放性与权益等多个方面。本文将以生物学领域的核心期刊为例，全面研究学术期刊数据出版政策的特征与发展变化。之所以选择进化生物学领域，一是由于该领域在数据共享政策规定方面发展较为成熟，二是可避免多学科领域调查﹑统计与总结的复杂性。

本文的调查研究分为三个步骤：（1）以进化生物学为学科主题，检索到JCR中共收录了该领域的46种学术期刊，以这46种期刊为样本，在每种期刊的“Author’s Guidelines”部分进行详细调查，对期刊是否要求作者提交支撑性数据﹑补充材料文件等方面的论述做出统计；（2）依据统计结果，进一步调查期刊要求作者提交何种数据﹑如何提交﹑何时提交于何处，以及数据的开放性规定等，将这些学术期刊的数据出版政策分为：无数据出版政策﹑弱数据出版政策﹑强数据出版政策三个等级；（3）根据统计出来的政策强弱等级，选取具有代表性的学术期刊，详细介绍其政策规定。

2　概述

目前，学术期刊出版商在制定数据出版政策时，对数据提交方式给出了两种建议：（1）要求在提交论文时将相关数据注册到外部公共数据仓储；（2）建议将相关数据作为补充材料文件（Supplement material files）同论文一起在线发布。这46种期刊的调研显示，明确规定作者需要提交支撑性数据或补充材料文件的期刊有37种，占80.4%；完全没有相关规定或论述的期刊有9种，占19.6%。在有数据出版政策的37种期刊中，按政策强弱细分，本文将每种期刊的“Author’s Guidelines”论述中出现“鼓励作者提交”﹑“作者可选择提交”这些字眼定义为弱数据出版政策，论述中出现“作者必须提交”﹑“作为文章出版的条件”﹑“在文章出版前获得数据登录号”等字眼定义为强数据出版政策。比照上述标准，在37种期刊中，10种期刊具有弱数据出版政策，占27%；27种期刊有强数据出版政策，占73%。

表1　JCR中收录的46种进化生物学学术期刊数据出版政策类型分布

3　样本期刊数据出版政策研究

3.1数据类型与数据存缴方式

上述46种学术期刊在制定各自的数据出版政策时，会对提交何种研究数据，如何﹑何时提交于何处等做出详细规定。有数据出版政策的37种期刊明确规定出的数据类型有遗传学数据﹑基因组学数据﹑序列数据﹑晶体学数据﹑补充材料文件，以及论文中可能使用到的软件﹑新技术和新工具等。数据存缴方式可选：（1）提交于公共数据仓储；（2）先提交给期刊编辑部，经编辑部审核之后再代替作者将数据上传到公共数据仓储；（3）将数据打包为补充材料文件上传到期刊网页或其他外部仓储（机构知识库），同时要提供数据URL地址。论文中涉及的软件﹑新技术与新工具，期刊要求作者将其存缴于公共软件仓储。

3.2数据存储位置

有数据出版政策的37种期刊，每种期刊的政策都是依据该期刊自身特点及其各方利益相关者要求而制定的，并无统一标准规定。就数据存储位置而言，有些期刊会为每种数据列出建议数据仓储清单，有些只要求作者将研究数据注册于经认可的公共数据仓储。经统计，在这37种期刊里，有18种期刊同时明确规定了数据的存储位置，将DNA﹑RNA﹑蛋白质序列数据﹑微阵列数据﹑核苷酸﹑氨基酸序列数据存储于Genbank﹑European Nucleotide Archive（ENA）﹑DDBJ﹑Protein DataBank﹑GEO和ArrayExpress；将系统发育数据﹑比对数据提交于TreeBASE和Dryad。其余期刊都表示要求作者将研究数据提交到公共数据仓储（Dryad）或作为补充材料文件在线发布。整体来说，Genbank﹑GEO﹑ArrayExpress﹑TreeBASE和Dryad，是进化生物学领域最认可的5个公共数据仓储，绝大部分期刊在要求作者提交数据时会建议上述5个公共数据仓储的一种或几种。以这37种期刊中影响因子最高（IF：15.353）的［8］为例，该期刊所属Elsevier，对作者在存缴数据时的存储位置有非常详细的规定。

有些期刊影响因子虽然不高，数据出版政策却很完善，比如Libertas Acad出版集团的［9］（IF：1.169），除了对进化生物学领域的常规数据存储位置有详细规定，它还提到作者如果在论文中使用了新技术﹑新工具或使用了新的软件﹑计算模型等，则将其转化为生物标记语言，存储于BioModels Database。Nature出版集团的也规定，如果论文中介绍了新的模拟﹑分析方法，则要求作者将相关的软件公开发布，建议将软件编码存缴于Dryad。除此之外，所有的期刊都规定人体工程数据﹑濒危物种位置信息应当保密，不得公开发布。［10］建议作者在找不到合适的公共数据仓储的前提下，可以将数据存储于研究单位的机构知识库，比如英属哥伦比亚大学的circle﹑斯坦福大学的芯片数据库SMD（Stanford Microarray Database）；或存储到资助者机构知识库。在论文发表时向期刊提供数据存储位置链接即可。

表2　Trends In Ecology ＆ Evolution要求提交的数据类型与规定的数据仓储

3.3数据发布与引用

数据妥善存缴之后，需要建立某种机制来实现数据与期刊论文双向链接。比如Wiley-Blackwell旗下的12种期刊﹑Royal Soc的2种期刊以及Nature的Heredity［11］都要求作者在论文正式发表之前，需要获得已存储数据的登录号或DOI，期刊规定论文正文的参考文献前需包含一段“数据可获取”（Data Accessibility）描述区域，这一区域应当包括的细节信息有数据集名称﹑数据仓储名称﹑数据编号﹑DOI链接﹑数据URL地址等。如果无法将相关数据存储于外部公共数据仓储，也可将其作为在线可读的补充材料文件上传于“数据获取”区域。牛津大学出版社的期刊则要求作者在论文正式发表前获得数据的DOI，并且在论文题目的下方列出数据存储位置与URL链接。

研究数据正式发布以后就意味着用户必须以规范的格式在文章的参考文献部分对数据进行引用。收录着大量研究数据的公共数据仓储一般会提供数据的推荐引用格式。以Dryad［12］为例，它会给每个数据文件分配一个DOI，规定作者在引用Dryad中的数据时必须同时对原论文进行引用，这样便于第三方对论文和数据之间的链接进行索引。Dryad给出的数据引用格式示例：（）Data from：