图书馆数据资源建设:内涵、价值与路径*

孟祥保?高冕

摘 要 数据资源建设是大数据时代图书馆信息资源建设的延伸和拓展。数据资源建设源于数值资源观、特色资源观和数据资源观三种观念，与传统数字信息资源建设既有联系也有区别。数据资源建设具有丰富图书馆学理论、提升图书馆核心竞争力、延伸学科服务范围与深度、融入科研数据生态等价值。论文提出建立以需求为导向的数据资源建设模式，重点关注数据资源建设内涵、发展政策、数据馆员、数据资源使用与评价。

关键词 数据资源建设；数据馆藏；数据采访；数据素养

分类号 G253

DOI 10.16810/j.cnki.1672-514X.2023.05.008

Library Data Resources Construction： Connotation， Value and Approach

Meng Xiangbao， Gao Mian

Abstract Data resources construction is an extension and expansion of traditional information resource construction. Library data resources construction is derived from the three concepts of numerical resource view， characteristic resource view and data resource view. The content of data resources construction is related to and different from the construction of traditional digital resources. Data resources construction has the positive value of enriching the theory of library science， enhancing the core competitiveness of the library， extending the scope and depth of subject services， and integrating into the research data ecosystem. This paper proposes to establish a demand-oriented data resources construction model， focusing on the connotation of data resources construction， data collection development policies， data librarians， and data resource usage and evaluation.

Keywords Data resources construction. Data collection. Data acquisitions. Data literacy.

0 引言

数据资源既是国家战略资源，也是科学研究的基石和保障，已经逐步成为图书馆馆藏资源体系的有机组成部分。比如，北京大学图书馆、加州大学伯克利分校图书馆已经在数字资源导航中设置了“统计/研究数据”“统计与数值数据”等资源类型，表明数据资源的采购、组织、评价和使用开始得到学术图书馆的重视。2017年，美国俄亥俄州立大学图书馆开始探索数据采购项目，分析不同学科數据集的规模、格式、存储方式、许可协议、可发现性和成本问题[1]。从学术角度而言，信息流动从期刊文章转向数据，对图书馆经费预算、馆藏采访与评价、采购谈判与许可协议带来了深刻影响[2]。由此，围绕“数据”所展开的信息资源建设实践与理论研究，将不断拓展“十四五”期间信息资源建设的研究边界与研究内容[3]。探索包括数据资源发展政策、采访标准、使用评价等在内的基本问题，将是未来一段时期内图书馆信息资源建设的重要议题。

1 图书馆数据资源建设的观念和内涵

1.1 数据资源建设的三种观念

图书馆数据资源建设观念是一个逐步发展的过程，与科研支持服务、资源共享、技术发展紧密联系。从目前可掌握的文献来看，最早可追溯至1964年，菲利普·E·匡威提出建立行为科学数据存储合作网络，为数据再利用提供服务[4]。1974年，美国加州大学伯克利分校霍华德·达尔比·怀特在其博士学位论中全面阐述了社会科学数据服务相关问题[5]。1988年，加州大学馆员丹尼尔·C·曾较为详细地梳理了高校图书馆数字数据馆藏发展历史及其相关问题[6]。2007年，杨从科借鉴信息资源管理和信息资源建设思想，界定了农业科学数据资源建设的内涵[7]。综合现有文献，数据资源建设观念可分为数值资源观、特色资源观和数据资源观三种。

（1）数值资源观。侧重数值型数据的采访、组织与服务研究与实践。1999年，美国康奈尔大学图书馆威廉·H·沃尔特斯较为系统地讨论了数值数据资源识别、评价与选择策略[8]。2001年，北美研究图书馆协会（Association of Research Libraries， ARL）的报告《数值数据产品与服务》调查了66个成员馆的数值数据产品集合、机器可读数据产品的可访问性、人员配备、经费预算、数字数据收集与服务的评价等基本情况[9]，宏观描述了北美研究型图书馆数值资源分布状况。地理空间数据是数值数据馆藏的典型，伊菲根尼亚·瓦尔达科斯塔和萨兰托斯·卡皮达基较为全面系统调查了全球高校图书馆地理空间数据发展政策、技术基础设施、地理信息系统（Geographic Information System， GIS）服务、远程服务、用户培训和开源软件利用情况[10]。此外，相关实证还表明，图书馆所购买的数值型商业数据库对会计、金融领域的科研人员尤为重要[11]，证明了数值数据资源建设持续进行的必要性。

（2）特色资源观。从特色资源建设角度论述数据资源的关键问题。盖尔芬德将数据集视为灰色文献的一种，并提出相应的发展政策[12]。胡安-何塞·博特从特藏建设角度系统分析了数据集的分布与格式类型、兼容性，图书馆数字化数据的采访、安全性、监护、质量审计、数据集获取、权限管理与科研利用、互操作和可发现性、数字保存等一系列重要问题[13]。由此可见，特色资源观是将数据资源视为特色馆藏的有机组成部分，给予了数据资源重点关注，但是也存在对其价值认识深度不足、建设方法不完善等问题。

（3）数据资源观。从文献资源建设角度探讨科研数据相关问题。2013年，在国际社会科学信息服务与技术联合会（International Association for Social Science Information Service and Technology， IASSIST）上，黑利·穆尼较为系统介绍了数据馆藏发展政策与模式[14]。2015年，凯伦·哈根布姆和米歇尔·海斯莱特通过问卷调查和深度访谈数据馆员，总结出高校图书馆小数据收集与管理的三个关键问题：数据馆藏发展、访问和评估[15]。2010年，UIUCL开始数据集购买试点工作，由数字与空间数据馆员负责。图书馆事先向全校师生征集数据购买申请计划，申请人原则上每年不不超过5000美元，且需要解释研究数据意义，并能够在全校范围内使用。虽然申请人对该计划反馈总体满意，但是这一购买计划需要建立在申请人较为熟悉数据基础之上，并要求圖书馆缩短采购时间、有针对性地进行用户培训和多渠道营销[16]。2019年，安妮塔·福斯特（Anita K.Foster）介绍了俄亥俄州立大学图书馆（Ohio State University Libraries，OSUL）数据集采购项目实施过程及其经验[1]。2007年，OSUL建立数据管理兴趣小组，开展前期探索，并在2014年设立数据馆员岗位，积极尝试数据服务工作，实施了前期环境扫描与用户需求调查。2017年，OSUL探索实施数据采购项目，由馆藏发展专家和学科馆员讨论了校内用户数据购买申请，确定了13种拟购数据集，最终购买7种[1]。由此可见，数据资源建设有其自身的独特性和价值性。

综上所述，本文认为数据资源建设包括数值资源建设，并与特色资源建设存在交集，具体如图1所示。三者关系的相同点在于：无论是数值资源建设，还是特色资源建设，或者是数据资源建设观，都把数据作为图书馆的重要资源，最终目的都是建立符合自身需求的数据馆藏体系。三者关系的不同点在于：一是资源形态不同，数值型资源建设仅考虑到统计数据、GIS数据等数值型数据，而数据资源建设和特色资源建设还包括文本、图片、视频等，资源范围更为广泛、类型更为复杂；二是建设方式不同，特色资源建设主要以“访”为主，采用一般的文献资源建设方式，而数值资源建设和数据资源建设主要是采购或者自建；三是建设重点不同，特色资源建设追求的是特色性，数值型资源建设和数据资源建设追求的是服务价值。

1.2 图书馆数据资源建设的主要内涵

（1）数据资源建设的定义。数据资源是一类能够反映人类世界活动的信息资源，具有复杂性、有用性、稀缺性、可重复性和动态性，还具有多种潜在的价值[17]。《浙江省数字经济促进条例》将数据资源界定为“以电子化形式记录和保存的具备原始性、可机器读取、可供社会化再利用的数据集合，包括公共数据和非公共数据。”[18]

借鉴信息资源建设定义[19]，本文将数据资源建设定义为：图书馆对各种来源、各种类型的数据进行选择、采集、组织和保存等活动，使之形成可资利用的信息资源体系，从而为科研与教学、文化建设提供保障，促进学术交流。从这个定义出发，数据资源建设内涵包括三个方面。一是数据资源建设的起点是用户需求，建设的目标仍然是保障科研、教学和文化建设，满足用户不断增长的数据资源采集、组织、保存、出版、共享、再利用、保密等各类需求。二是数据资源建设流程规范化，建设流程仍然符合文献资源建设，尤其是数字资源建设的基本流程，即选择、采集、组织和保存等环节，但存在部分差异。三是建设来源主要包括采购和机构数据。采购的数据应注重需求性和协调性，以满足教学科研为主要原则，并注重与其他资源的匹配度。机构数据应注重特色性，重点收藏，例如中国人民大学的CGSS调查数据，东南大学的全国道德国情调查数据。

（2）数据资源建设的影响因素。图书馆数据资源建设考虑因素主要包括范围、相关性、质量、成本、存储要求、数据文档、使用条款[20]。①范围与相关性。数据集的普遍适用性、与学校的教学科研需要保持一致性、及时性，历史数据的价值、地理范围、数据集的未来价值性都是需要考虑的内容。例如，UIUC图书馆数据集采购时候，在处理用户数据采购需求时候，需要研究人员能够清晰解释数据的研究意义，从而帮助馆员更为准确地判断数据价值及购买决策[16]。②格式。数据应考虑统计分析软件的可读性，如Excel、Stata、SPSS、SAS 和 ArcGIS，并以标准格式提供。例如，图片是TIFF格式，运动图像是MOV格式，结构化数据是XML格式，文件采用PDF格式等。③质量。综合考虑数据本身和数据出版商，以保证数据的可靠性和长期访问性。数据是最新的，不需要频繁或者高成本更新。④成本。考虑所购买的数据集的使用人数、投入产出效益，条件允许的情况下可与其他单位共同购买。⑤存储要求。考虑图书馆数据库存储功能，机密数据访问所需要的特殊存储和访问要求。⑥数据文档。数据集附有适当的文档和相关元数据信息，编目容易程度及语种因素。⑦使用条款。所有教师和学生都可以访问所购买的数据集，条款应与图书馆购买的其它电子资源的条款一致，考虑合理使用和学者对数据衍生品的权利。

此外，还应考虑学科领域数据的特殊性，例如在健康数据领域，有八种类型数据不应该长期保存和公开，即：敏感或保密数据，具有知识产权的数据，不好的元数据，测试、临时或中间数据，不良或垃圾数据，由于各种原因而无法被他人使用的数据，未使用且没有明显的文化或历史价值的旧数据[21]。

例如，UCLA图书馆的数据资源采访考虑的主要因素是：①数据具有重要的教育意义，并符合学校科研、教学需求；②数据是开源、许可或购买的；③访问条款允许将数据提供给学校师生（包括临时用户）；④可以通过图书馆目录系统和发现系统来组织、描述和访问数据；⑤数据格式符合标准且适合保存；⑥数据必须是公共版本，不包含个人标识；⑦成本必须合理，充分体现资源价值。另外，数据还应是最新的，不需频繁购买更新，必须附有适当的数据文档[22]。

2 图书馆数据资源建设价值

2.1 丰富图书馆学理论

随着科学数据管理领域的不断发展，迫切需要相应的理论来指导图书馆组织与管理数据资源。传统上，图书馆信息资源建设理论体系主要由基础理论、文献信息资源建设、数字信息资源建设、信息资源共建共享构成[19]。数据资源建设理论主要探讨数据资源的类型、特征与来源，以及数据资源建设的内涵、数据资源采选流程与方法、数据资源评价、数据资源组织方法、数据资源发展政策等基本理论问题，既与传统信息资源建设一脉相承，也具有自身的时代性、特色性，从而推动信息资源建设理论进一步发展。

数据资源建设理论进一步拓展了图书馆学五定律在大数据时代的新内涵。首先，数据资源建设的根本目的是为了满足用户的需求，这与“书是为了用的”相一致。其次，数据资源建设具有开放性，是保障用户能够平等获取数据资源，维护用户的数据权利，如FAIR原则，这与“每个读者有其書”相一致。再者，图书馆的数据素养教育、精准化服务、智能化服务的目的是为人找“数”，为“数”找人，这与“每本书有其读者”相一致。另外，图书馆提供数据索引、开放数据门户，如科睿唯安的数据引文索引数据库产品、DataCite的服务平台，这与“节省读者的时间”相一致。最后，数据资源本身就是一个数据生态系统，图书馆系统是其中的一环，这与“图书馆是一个生长着的有机体”相一致。

2.2 提升图书馆核心竞争力

数据资源建设是图书馆特色资源的一个体现。数字化时代，普通数字资源出现同质化现象。机构数据的组织与管理是自身特色发展的一个重要途径，如爱丁堡大学数据图书馆建设项目内容包括数据统计分析支持服务、在线数据管理培训项目MANTRA、爱丁堡数据审计框架、数据支持教学项目、英国数据信息专家委员会数据共享工程（DISC-UK DataShare），在数据资源建设、数据素养教育、数据共享工程、数据服务、数据管理方面全方位实施和推进，体现了独特的发展特色。

“数据即服务”，数据组织、数据服务、数据政策、数据管理、数据馆员等将全方位推动图书馆转型[23]。数据资源建设要聚焦上述问题，在数据组织、数据分析、数据发现、数据引用、数据共享、数据评价等方面提升图书馆服务能力。数据发现服务也是图书馆新的社会职能，采集、组织、保存、传播和共享数据，能够促进学术交流系统发展，保存人类数据文明成果和数字记忆。

2.3 延伸学科服务范围与深度

随着决策支持服务、情报服务的深入发展，ESI数据、Incites等数据资源及数据分析软件的价值日益凸显，数据已经成为馆藏资源的重要形态。随着“双一流”建设的深入推进，学科服务、决策支持服务、数据素养教育等不断涌现， 数据资源建设拓展了学科服务的范围。例如，浙江大学图书馆利用ESI、Web of Science数据资源及数据分析工具，分析了全球科技发展态势，揭示了学术增长点，为学校科研创新布局提供决策参考[24]。科学研究不断走向大科学时代，数据驱动科学发现、科学数据共享成为研究范式。学科服务需要瞄准科学范式的变化，为科研人员提供数据资源、数据出版支持，数据管理计划成为学科服务的新高地。

2.4 融入科研数据生态系统

科研数据生态系统是以多类型科研数据为核心，具有数据生命特征的动态、复杂的生态化系统，包括各类型科研数据，还包括与生命周期相关的环境、人员[25]。图书馆先后历经文献资源建设、信息资源建设再到数据资源建设，自身就是一个生态进化过程。在科研数据生态系统中，图书馆通过数据资源采访、组织、评价及学科数据素养教育等，与科研人员建立紧密联系。同时，图书馆还积极建立科研数据知识库、开发数据管理工具、开展数据出版服务等，全面融入科研数据生态系统。例如，美国普渡大学图书馆先后建立了普渡大学科研知识库（Purdue University Research Repository， PURR），本科生数据管理、数据共享和出版、数据科学、GIS数据、数据集存储等Libguides，并开设《数据生命周期管理概论》《数据科学与社会：伦理、法律、社会问题》《地理信息系统概论》《信息和数据科学专题》等系列数据素养课程，在资源建设、课程开发、平台建设等方面多维度融入学校数据科学教育生态[26]。

3 图书馆数据资源建设路径

3.1 聚焦需求，凝练数据资源建设内涵

数据资源建设首先需要明确数据资源的内涵，聚焦用户的科研和学习需求、机构发展的决策数据需求、大型项目的数据支持需求等，建立用户需求驱动和用户生成的数据资源集，以及开放数据资源集。一是用户需求驱动的数据资源建设，要以满足用户数据资源利用为起点，采购国内外数据集。数据密集型科研范式下，研究人员对数字数据，尤其是一些大型调查项目数据的需求将会与日俱增，如澳大利亚数据档案（Australian Data Archive）、联合国粮农组织的全球地理信息系统（FAO GeoNetwork）、中国国家统计局数据、中国资讯行搜数网。二是用户生成驱动的数据资源建设，要满足本机构数据保存的需求，起到机构知识库的作用。近些年，越来越多大学图书馆意识到机构数据资源的价值，开始自建科研数据知识库，如北京大学开放数据研究平台、复旦大学社会科学数据平台。三是开放数据资源建设，要满足用户查找、定位和获取全球范围内的开放数据知识库、数据期刊、数据论文、数据集相关资源的需求。

3.2 瞄准需求，制定数据资源发展政策

部分高校图书馆制定了图书馆数据资源发展政策[19]，明确和规范数据资源建设目标、范围与流程。从调研结果来看，仅有少数的图书馆发布了要素完备、内容充实的数据资源发展政策（详见表1），主要体现在保持与馆藏发展政策的一致性，遵循图书馆文献资源建设的基本思路与方法之上。同时，还具备了数据资源的特殊性，表现在对资源类型、格式、存储要求、读取软件、数据文档等方面的规定。

数据资源发展政策也逐步进入研究视野。克里斯·艾克提出了数字科研数据集的选择政策，并建立数据采访决策流程[35]。帕特里克·弗洛伦斯探讨了GIS数据馆藏发展政策制订，应考虑图书馆既有的馆藏发展政策、GIS用户社区的需求、学校GIS服务及图书馆的基础设施[36]。参照文献资源发展政策的定义[37]，本文将数据资源发展政策定义为：以书面形式系统确定图书馆数据资源发展政策及具体实施规范，实现数据资源与纸本资源、数字资源的有机衔接，实现科研数据的有效管理和最大效益。数据资源发展政策作为数据资源建设的指导性文件，具有规范和指引数据资源建设的作用，应给予足够的重视。

3.3 服务需求，培育数据资源建设团队

数据资源建设需要专业化团队运作，团队一般由数据馆员、学科馆员、采访馆员、财务人员等组成。例如，马里兰大学图书馆采访与数据服务组由组长、订购/服务主管、技术支持人员、学科馆员、付款与收款经理、财务助理、学生助理等人员构成[38]。订单处理、商务谈判和经费管理等工作需要采访馆员实施，数据资源需求处理、数据资源评价等则需要学科馆员或数据馆员的专业知识与技能。例如，加州大学伯克利分校的数据科学不断发展，对数据资源需求日益强烈，学科馆员负责处理用户数据资源采购需求[39]。此外，数据分析软件、数据存储还需要技术馆员的参与。因此，图书馆既需要加强馆员数据素养教育，让馆员熟悉科研数据资源的分布特征及相关属性、数据统计分析软件的性能和使用方法、数据管理的知识与技能，又需要优化组织结构、工作流程与方法，为数据资源建设提供组织保障。

3.4 立足需求，建立数据资源评价机制

数据资源的使用绩效评估，一般可以从数据影响力、数据引用和数据使用三个方面进行定量分析。数据影响力主要是针对开放数据集，数据引用主要是事后评价方法，而资源采购决策由于存在时间延迟，因此数据使用统计分析要具有可操作性，合理收集機构用户浏览、下载和标注数据集的行为，以此作为评价数据资源的重要依据。2018年，《研究数据使用统计实施规范》（第1版）推出，遵循COUNTER第5版标准，从总数据集调查量、数据集调查量、总数据集请求量、数据集请求量四个方面规范了数据使用统计指标[40]，具有数据统计的特殊性。此外，定性评价作为重要评价方法，在数据购买需求调查时要进行深度访谈。数据资源选择评价时，也要综合考虑数据集与教学科研的相关性、价值性、稀缺性、文档层次性、配置性、脆弱性和经济可行性等因素[41]。

4 结语

数据资源建设是大数据时代图书馆信息资源建设的深化与拓展，也是图书馆核心功能在数智时代的体现。本文从信息资源建设角度初步探讨了数据资源建设的内涵、价值与实施建议，为图书馆发展提供有益的参考。对于数据资源建设与数据治理的互动、数据资源建设与科研数据管理协同、科研数据资源建设绩效评价等方面还需要进一步讨论。

参考文献：

FOSTER A K， RINEHART A K， SPRINGS G E. Piloting the purchase of research data sets as collections： navigating the unknowns [J]. Portal： Libraries and the Academy， 2019， 19（2）： 315-328.

DAVIS H M， VICKERY J N. Datasets， a shift in the currency of scholarly communication： implications for library collections and acquisitions [J]. Serials Review， 2007， 33（1）： 26-32.

肖希明，石庆功，刘奕.信息资源建设：“十三五”回望与“十四五”前瞻[J].图书情报工作，2021，65（1）：55-63.

CONVERSE P E. A network of data archives for the behavioral sciences [J]. Public Opinion Quarterly， 1964， 28（2）： 273-286.

WHITE H D. Social science data sets： a study for librarians [D]. Berkeley：University of California，  1974.

TSANG D C. Academic libraries and collection development of nonbibliographic machine-readable data files[J]. IASSIST Quarterly， 1988，12（3）：26-29.

杨从科.中国农业科学数据资源建设研究[D].北京：中国农业科学院，2007：39.

WALTERS W H. Building and maintaining a numeric data collection [J]. Journal of Documentation，1999， 55（3）： 271-287.

COOK M N， HERNANDEZ J J， NICHOLSON S. SPEC Kit 263： Numeric data products and services [M]. Washington D.C.： Association of Research Libraries， 2001.

VARDAKOSTA I， KAPIDAKIS S. Geospatial data collection policies， technology and open source in websites of academic libraries worldwide [J]. Journal of Academic Librarianship，2016，42（4）：319-328.

REITER L. Commercial data in academic business research： a study on use and access [J]. Journal of Business & Finance Librarianship， 2020， 25（3-4）： 244-260.

GELFAND J M. Academic libraries and collection development implications for grey literature [J]. Publishing Research Quarterly， 1997， 13（2）： 15-23.

BOTé J-J. Dataset management as a special collection [J]. Collection Management， 2019，44（2-4）：259-276.

MOONEY H. Strategies and models for data collection development [EB/OL]. [2021-07-22]. https：//iassistdata.org/downloads/2013/2013_c2_mooney_etal.pdf.

HOGENBOOM K， HAYSLETT M. Pioneers in the wild west： managing data collections [J]. Portal： Libraries and the Academy， 2017， 17（2）： 295-319.

SHEEHAN B， HOGENBOOM K. Assessing a patron-driven， library-funded data purchase program [J]. The Journal of Academic Librarianship， 2017， 43（1）： 49-56.

楊善林，周开乐.大数据中的管理问题：基于大数据的资源观[J].管理科学学报，2015（5）：1-8.

浙江省人民代表大会常务委员会.浙江省数字经济促进条例[EB/OL].[2021-12-29].https：//www.zjrd.gov.cn/dflf/fggg/202012/t20201224_90483.html.

肖希明.信息资源建设：概念、内容与体系[J].中国图书馆学报，2006（5）：5-8.

YOUNG S. What to do about data： an overview of guidelines and policies for dataset collection development[EB/OL]. [2021-07-22]. https：//doi.org/10.13028/9hk9-p212.

KUNG J Y C， CAMPBELL S. What not to keep： notall data have future research value [J]. Journal of the Canadian Health Libraries Association， 2016， 37（2）： 53-57.

Principles of data acquisition [EB/OL]. [2021-08-11]. https：//www.library.ucla.edu/about/collections/collection-development-initiatives/principles-data-acquisition.

杨国立，周鑫.“数据即服务”背景下图书情报机构科学数据服务的发展机遇[J].情报学报，2017，36（8）：772-780.

浙江大学.浙江大学发布《重大领域交叉前沿方向2021》报告[EB/OL].[2021-12-01].https：//www.zju.edu.cn/2021/0916/c32862a2422047/pagem.htm.

丰佰恒，佟泽华，冯晓，等.科研大数据生态系统：构成要素及关联关系[J].情报理论与实践，2021，44（9）： 14-22， 32.

杨习超，张炜.高校数据科学教育生态系统建构：以美国普渡大学为例[J].比较教育研究，2021，43（2）： 98-104.

University of Virginia Library. Data collection development policy [EB/OL]. [2020-05-12]. https：//www.library.virginia.edu/services/data-purchase-program/data-collection-development-policy/.

Brown University library. Social sciences data collection development policy [EB/OL]. [2021-05-12]. http：//libguides.brown.edu/socscidata.

James Madison University Library. Data collection development policy [EB/OL]. [2021-05-12]. https：//www.lib.jmu.edu/policies/data-collection-development/.

Michigan State University Library. Collection development policy statement： digital research data [EB/OL]. [2021-05-12]. https：//libguides.lib.msu.edu/c.php？g=139267.

University of North Texas Library. Collection development policy for general collection research data [EB/OL]. [2021-05-12]. https：//library.unt.edu/policies/general-collection-research-data/.

University of California， Santa Barbara. Collection development policy for social sciences data [EB/OL]. [2021-05-12]. https：//www.library.ucsb.edu/collection-development/collection-development-policy-social-science-data.

Ontario Tech University. Data collection development guidelines [EB/OL]. [2021-05-12]. https：//ontariotechu.ca/sites/library/about/library-policy/data-collection-development-guidelines.php.

Carleton College Library. Collection development policy for data and data-related products [EB/OL].[2021-05-12]. https：//apps.carleton.edu/campus/library/assets/DataCollectionDevelopmentPolicy_2015.pdf.

EAKER C. Selection and appraisal of digital research datasets[M]// KELLAM L， THOMPSON K. Databrarianship： the academic data librarian in theory and practice . Chicago， Illinois： Association of College and Research Libraries，2016：245-258.

FLORANCE P. GIS Collection development within an academic library [J]. Library Trends 2006， 55（2）： 222-235.

戴龙基.文献资源发展政策研究[M].北京：北京大学出版社，2007：3.

CS acquisitions and data services [EB/OL]. [2021-10-01]. https：//www.lib.umd.edu/binaries/content/assets/public/collections/acquisitionsanddataservices_orgchart_202006pdf.pdf.

Data acquisition and access program： UC Berkeley Library [EB/OL]. [2021-08-11]. https：//guides.lib.berkeley.edu/data.

林偉明，叶兰.研究数据使用统计新标准及其应用案例研究[J].图书情报工作，2019，63（16）：32-42.

EAKER C. Selection and appraisal of digital research datasets[M]// KELLAM L， THOMPSON K. Databrarianship： the academic data librarian in theory and practice . Chicago， Illinois： Association of College and Research Libraries，2016：245-258.