Web3.0时代的数据出版：共创与协作的新生态构建

【摘要】Web3.0时代具有更加注重数据的智能化、去中心化、隐私保护以及用户掌握数据权利的特点。出版生态中，数据成为提升出版竞争力的关键生产要素和战略性资源，改变了传统知识生产、发现与传播的方式，推动出版业态向数据驱动的范式转变。基于此，文章通过与数字出版进行比较，厘清数据出版的范畴边界、属性特征以及参与主体，采用服务生态系统理论，围绕主体互动关系、数据资源整合、数据服务关联以及技术应用创新等关键要素，构建适应价值链不同环节和不同需求场景的数据出版服务生态系统，提出共创与协作的发展策略，以期为数据出版生态系统的可持续发展提供借鉴。

【关键词】数据出版 数据驱动 智慧驱动 服务生态系统 出版生态

【中图分类号】G230 【文献标识码】Ａ 【文章编号】1003-6687（2024）7-038-07

【DOI】 10.13786/j.cnki.cn14-1066/g2.2024.7.005

近年来，在AIGC和Web3.0等前沿技术的推动下，我国的数据基础设施得到了显著加强，无论是大数据存储和管理能力，还是数据处理和分析效率，都得到了明显提升。截至2021年，我国数据容量已达到18.51ZB，预计在2026年将飙升至56.16ZB。[1]为应对这一数据潮流，我国陆续推出了旨在促进数据应用和服务的政策。2022年12月，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》。2023年10月，国家数据局成立，标志着数据治理工作已提升到国家战略层面。

这些情况催生了作为数字出版新形态的数据出版，其核心在于通过开放和共享数据、知识重组及数据可视化等方式，将调查和研究成果以数字形式公开发布。[2]数据出版不仅强调数据的原始性、准确性和可重用性，更注重利用数据洞察和驱动用户需求，实现定制化服务，开发满足用户需求的个性化数据产品。随着互联网和数字技术的演进，数据出版不仅展现了其独特价值，还形成一个特有的生态系统。

在Web3.0时代，借助大数据、生成式人工智能、虚拟现实和区块链技术，数据出版正经历一场深刻的变革。这一时代的核心特征——智能化、去中心化和信任化——为数据出版的价值创造带来了新的可能性。利益相关者的有效参与不仅可以提升数据质量和实用性，还能加强出版生态系统的创新性和合作潜力。在这一新的生态环境下，数据出版正展现出与Web3.0应用服务结合后的新属性，通过整合资源，形成一个完善的价值共创生态系统，为构建可持续发展的数据出版生态系统奠定基础，从而推动整个行业的质量提升和商业模式转型。

一、数据出版的参与主体、范畴与特征

构建数据出版生态系统，首先要明确参与主体、范畴与特征，并在此基础上建立结构模型。

1. 数据出版的参与主体

1985年，迈克尔·波特提出了价值链概念，强调企业活动可以被视为价值创造的连续环节。[3]将此理念应用于数据出版领域，可以识别出以下关键活动：数据的采集与生成、管理、分析与挖掘，数据出版物的研发、分发与销售，以及用户支持与信息收集反馈。这一系列活动不仅展现了数据价值的逐步实现过程，也揭示了不同参与者在其中扮演的角色。

具体到数据出版，其价值链的实现依赖于多种主体的紧密合作。这些主体超越了简单的“平台—用户”或“生产者—消费者”关系，形成了一个包括数据生产者、保有者、传递者、利用者及消费者在内的广泛社会网络。[4]这个网络不仅涉及直接参与数据出版的个体和组织，还包括通过各种方式支持数据价值创造和流通的辅助参与者（见表1）。

为确保数据的价值在整个链条中得到最大化，各参与主体需发挥其专业优势，通过提升技能和共享资源，促进数据资源的优化配置与协同创新。例如，数据生产者负责提供高质量的原始数据，数据分析师通过挖掘和分析等工作增加数据的附加值，而平台则负责将这些数据有效地分发给最终用户。通过这样的合作模式，数据出版不仅能够实现对数据的有效利用，还能激发新的价值创造，从而提升整个社会的信息利用效率和创新能力。

2. 数据出版的范畴边界

（1）数字出版的独立新形态。在政策、技术和产业的共同驱动下，数据出版已经成为激励数据传播、促进数据共享的重要方式。随着科技的不断进步与社会的深层演变，数据出版的范畴正不断拓宽并触及整个数据生命周期中的多个关键方面。

数据出版作为数字出版的一种独立存在的形态，一方面，呈现了与数字出版相同的特性，包括对数字技术的依赖、内容数字化、用户互动性以及渠道多样化等；另一方面，因关注数据集、研究数据、统计结果等，特别重视数据的原始性、准确性和可重用性。其中，数据的可重用性指数据可以被其他研究人员或在其他研究中使用，而不仅仅限于其最初的收集目的。假设一个研究项目为了研究心血管疾病的风险因素，收集了某地区居民的体重、身高、血压等健康状况数据，这些数据详细且标准化程度高，它们也可以被其他研究人员用于不同的研究，比如分析体重、身高与糖尿病之间的关系。数据的可重用性有赖于数据的质量、标准化格式，以及充足的元数据，以确保其他研究人员可以理解数据的上下文。而我们通常所说的数字出版则包括电子书、在线杂志、数字新闻、博客等，更侧重于文本、图像、视频等内容的创作和传播。

数据出版服务于科学研究、政策制定、教育发展以及商业创新等领域，目的在于推动知识的共享和再利用；数字出版不仅包括上述领域，还涵盖了娱乐、新闻传播、广告服务、游戏电竞等更多更广的领域。

在发展过程中，数据出版关注数据生产者、数据保有者、数据利用者、数据传递者以及数据消费者之间的关系；数字出版则更加注重内容创作者、出版平台、分销渠道以及读者之间的互动。在生产流程上，数据出版强调数据的标准化和互操作性，这是实现数据共享和重复利用的关键；数字出版虽然也有格式标准，但由于内容的多样性，标准化和互操作性的要求相对较低。在市场经营上，数据出版需要平衡数据开放性与数据保护之间的关系，需特别关注敏感数据的版权和隐私平衡问题；数字出版则更多强调内容的原创性和版权保护。

总之，数据出版因其核心关注点、内容形态、目标受众的不同，已在科学研究、政府治理、教育发展和商业创新等领域形成了特有的价值链，这是构建数据出版生态的起点和基础。

（2）科学研究前沿的数据出版。科学研究领域的数据出版发展迅速，特别是在数据标准化、数据仓库应用和开放获取平台（Open Access，OA）方面取得了显著成果。

在科学研究领域，数据出版涉及原始数据的整理、分析和公开等，以支持学术成果的验证和再利用，这就要求科学数据具备一定的透明度和可复现性。其中，元数据是关于数据的数据，它描述了数据的来源、内容、质量、条件等特性，如记录数据集经历的所有更新和修改，用于评估数据集的可靠性，确保其来源的完整性。元数据标准化服务不仅可以提高数据的可发现性和可访问性，还有助于数据的管理、共享、保护和长期利用，是数据出版和科学研究中不可或缺的一环。[5]如Data Cite和Dublin Core等为数据集的描述提供了一套共通的规则，其元数据标准化服务使得研究者和机器都能够理解和处理这些数据。

同时，数据仓库通过提供稳定的存储基础设施、促进数据开放获取和共享、支持数据标准化和元数据管理，以及支持科学的可复现性，极大地促进了数据的持久存储和共享。常见的数据仓库，如Zenodo、Figshare和Dryad等，不仅为数据的长期存储提供了解决方案，还提供了数据的组织、检索和共享机制，允许研究者存储和分享他们的数据集，确保数据能够持久链接和引用。这些功能提高了数据价值，加速了科学知识的生成和传播。

此外，开放获取平台克服了传统出版机制中的授权壁垒与价格阻滞，[6]使得用户能够免费在线访问数据集。当前，全球领先的科技出版商均积极推动与第三方数据平台的合作，[7]国际上著名的科学数据期刊有Geoscience Data Journal、Scientific Data、CO-DATA's Data Science Journal等，国内则包括《中国科学数据》《全球变化数据学报》等。[8]开放获取平台通过确保科学数据和研究成果的自由使用，推动科学知识的广泛传播、学术合作的加深以及研究创新的加速，对提升科学研究的质量和数据出版的影响力产生了积极影响。

尽管如此，科学数据出版仍面临许多挑战。科学数据的隐私、安全性以及与商业利益相关的敏感性等是当前的热点问题，科学数据的标准化和质量控制[9]仍需进一步加强。未来的研究可能会集中于开发更先进的元数据标准、提高数据仓库的互操作性，以及探索新型科学数据共享模式等方面。

（3）政府治理层面的数据出版。政府数据的开放性增强了治理的透明度，有助于公民参与基于数据的政策制定。政府鼓励研究人员和机构利用开放数据进行产品和服务开发，不仅推动了数据市场的发展，而且促进了数据出版领域的进步，如数据分析和可视化等方法得到应用。[10]

尽管政府数据的开放性带来了诸多好处，但用户在访问数据时也可能遇到障碍，如烦琐的申请过程等。政府应为开放数据平台设计较为友好的用户界面，简化操作流程，优化用户体验，促进数据流通。[11]为确保数据的质量和易用性，还应制定统一的数据开放标准，包括数据的可信性、[12]一致存在性和互操作性标准。[13]此外，政府公共数据面临供给不足、安全风险和质量不高等挑战，[14]这要求政府采用技术手段整合数据，并注重数据安全与创新利用，以推动数据市场健康发展。

（4）教育发展中的数据出版。在教育领域，数据出版的目的是通过分析大量的教育相关数据评估学生的学习效果，并为教师改进教学方法提供建议。通过整合内部资源数据与外部用户数据建立大型数据库，教育数据出版有助于促进出版业转型，加快新产业和服务模式发展。依托大数据管理平台，教育数据出版涵盖了从数据采集、存储、计算、分析、挖掘到可视化及应用的全流程，[15]确保数据在不同平台间互通共享，有利于资源供给精准化和运营决策智能化。

然而，当前中国教育数据领域面临数据标准不一、质量参差不齐及访问权限模糊等问题，[16]造成了“数据孤岛”现象。促进教育数据的整合和共享，一方面，需要统一数据标准，确保数据的质量和安全；另一方面，需要提升从业人员的数据素养，包括数据意识、知识、能力等。此外，教育数据出版商应引入数据标签系统，对数据创建、使用、存储、传输和销毁等行为进行规范，确保教育数据发挥最大价值。通过这些措施，我们可以更好地利用教育数据，推动教育个性化和智能化发展。

（5）商业创新方面的数据出版。近年来，企业通过数据出版与利益相关者进行互动，以促进产品和服务创新，这一模式越来越受到重视。许多先进企业已经建立了数据中台，[17]即利用大数据平台和数据仓库体系，依托统一的数据管理框架（如One Data体系）优化数据处理流程，包括数据管理、分析、共享和服务。这不仅促进了企业内部数据流通和价值实现，而且通过数据共享和互通，优化了政府治理。[18]

随着整个社会数字化转型的加速和人工智能技术的应用，人们对数据安全性和传输效率的要求不断提高。在这一背景下，区块链技术凭借其安全、去中心化等特性，成为支持数据存储、加密和分发的关键技术，广泛应用于数字金融、物联网和数字资产交易等领域。这使得相关企业认识到自身与数据出版进行协同发展的重要性，积极探索基于区块链的新商业模式和价值共创方式。[19]

通过开放公共数据，政府可以激励企业共享数据，形成有效的双向数据流通机制，增强数据供给。这种模式不仅有助于释放企业数据的潜力，而且为商业创新和政府治理能力提升提供了新途径。因此，构建一个基于数据共享和协作的生态系统，对于激发商业创新和提高治理效能具有重要意义。

总体来看，尽管数据出版在不同领域面临不同的挑战，但遵循FAIR数据原则——即数据的可发现性（Findable）、可访问性（Accessible）、可互操作性（Interoperable）及可重用性（Reusable）[20]——是各领域的数据出版共同的核心。这些原则不仅能促进数据的有效管理和利用，也为应对Web3.0时代带来的变革奠定了基础。

3. Web3.0时代数据出版的特征

Web3.0作为新一代互联网技术的代表，预示着数据共享和信息交流方式的根本变革。因此，数据出版不再局限于发布数据本身，而是扩展到了数据的整个生命周期，包括创造、处理、分析、共享和保护等各个环节。这种全方位的管理要求来自不同领域的利益相关者共同协作，以形成适应新时代新要求的标准、制度和政策。在此基础上，结合FAIR数据原则，数据出版在Web3.0时代呈现出四个核心特征：开放共享（Openness and Sharing）、互操作性（Interoperability）、人机协同（Human-machine Collaboration）和去中心化（Decentralization），简称为OICD核心特征。

一是开放共享。数据出版的核心目标在于促进知识传播和创新。实现这一目标需要多方面保障，包括确保个人和组织的利益得到保护、建立健全的制度框架、提供必要的基础设施和资金支持等。[21]例如，科研数据的开放共享应遵循透明的使用和引用规则，以促进学术合作和公众参与。二是互操作性。为实现数据广泛应用，必须确保不同学科和领域之间的数据可以相互理解和使用。这需要标准化元数据和数据格式，以及能够支持这些标准的工具和技术。[22]三是人机协同。随着人工智能技术的发展，数据出版正越来越多地涉及人机合作模式，结合人类的创造力和机器的处理能力，共同推动知识的生成和创新。[23]例如，研究人员通过机器学习算法分析大规模数据集，可以发现新的模式和关联，开拓新的研究方向。四是去中心化。Web3.0的一个显著特征是去中心化，这对数据出版意味着更分散的控制和管理模式。去中心化可以促进更广泛的数据共享，但同时也带来了数据质量控制和隐私保护的挑战。因此，需要新的技术和策略保障数据的安全和质量，如采用区块链技术确保数据的真实性和不可篡改性。

综上所述，OICD核心特征共同定义了数据出版在Web3.0时代的新面貌，数据出版工作在保障开放共享的同时，也要关注数据的互操作性、人机合作的新模式，以及去中心化带来的机遇和挑战。

二、构建数据出版生态系统的结构模型

1. 数据出版生态系统的形成逻辑

在服务主导逻辑（Service Dominant Logic，SDL）框架下，企业不再单方面提出价值主张，而是与消费者互动，共同参与产品的创造和生产过程，从而实现价值共创。在这种互动模式中，消费者既是价值的创造者，也是与企业协同的生产者。随着服务主导理念的进一步普及和发展，价值创造的过程越来越多地依赖企业与消费者之间的共同决策，价值共创的范畴也从单个交易扩展到整个服务系统。

这一服务系统不仅仅基于单一的买卖双方交换，而是涵盖多方参与者在广泛的网络中进行的服务交换，形成了一个复杂的服务生态系统。结合数据出版价值链中的主体关系，以及资源、服务和技术等关键要素，我们提出构建数据出版生态系统的三个策略，即数据资源整合、数据服务关联和技术应用创新，进而构建出数据出版生态系统模型（见图1）。这一生态系统涉及八个关键要素：自发的感知与响应能力、时间和空间的组织结构、松散耦合、多元的价值主张主体、共通的语言、适合的制度和技术应用、共同生产的服务以及互惠的服务和价值共创。[24]其核心目标是通过资源整合和共享，打破组织边界，形成一个强大的价值共创网络，从而提高服务系统的适应性和可持续性。

由此看来，在数据出版领域，建立基于资源整合的平台成为开展服务生态系统共创活动的关键。这些平台不仅促使不同参与者之间有效互动，而且通过整合资源解决了信息孤岛问题，提供更高级别的知识服务。因此，数据出版的服务生态系统实质上构建了一个价值共创的框架，涵盖了数据生产者、保有者、传递者、利用者和消费者等多个参与方。通过这些参与方动态、多层次的服务交换、数据资源整合、关联服务以及技术创新互动，进一步优化和提升了整个价值共创空间的能力。

2. 数据出版生态系统的关键策略

为适应Web3.0时代的需求，数据资源整合、数据服务关联和技术应用创新三个策略共同支持一个高度互动、开放和自我维持的生态系统，旨在促进数据出版领域服务创新和价值共创。

（1）数据资源整合。在Web3.0背景下，数据资源整合可通过去中心化的方法，利用区块链技术，在建立分布式存储系统，提高数据安全性和可靠性的同时，促进跨界合作，从而使数据资源的获取、管理和利用变得更加高效和透明。例如，Mirror平台利用Arweave网络实现了数据内容的去中心化存储和验证，为用户提供数据控制权，确保内容的永久性和可访问性。

（2）数据服务关联。利用跨链技术，数据服务关联打破数据孤岛，建立一个开放透明的数据服务网络，促进数据、价值、服务和知识自由流动，使不同参与者能够在同一个平台上协作创新。例如，AVAA平台通过Metax API、IDA存储和Fairdata Etsin等服务，为用户提供了一个综合的数据服务体系，从数据传输到存储、访问和分析，都实现了高效协作和价值共创。

（3）技术应用创新。去中心化技术、人工智能、机器学习等领域的创新，不仅提高了数据处理的效率，也为数据出版提供了新的价值创造机会。例如，Springer Nature的人工智能编辑工具，以及基于区块链的智能合约技术，都极大地提升了出版流程的自动化和智能化水平，为用户带来更加个性化和高质量的服务。

通过实施上述三个策略，有望构建一个强大灵活的数据出版生态系统，在满足现有数据管理和出版需求的同时，适应未来技术和市场变化，促进整个行业持续进化和创新。

三、数据出版生态系统在Web3.0时代的发展路径

在Web3.0时代，构建一个繁荣的数据出版生态系统需要多方面努力和创新。为此，我们可以在开展跨领域数据监管、建立多元化数据库和发挥数据要素乘数效应等方面探索发展路径。

1. 协同式的组织实施：开展跨领域数据监管

数字技术改变了行业边界、组织协同方式，产生了新的共生空间、多主体的价值链接以及平台效应，重构了数字技术背景下的协同共生价值。因此，在数据出版生态中，可利用协同式管理措施提高出版效率。

针对国内数据共享平台中的数据使用及共享管理仅对本平台负责，缺乏跨域、跨平台的安全评估或监管介入，存在对数据共享的监管漏洞等情况，[25]尤其需要开展协同式的组织实施工作，组建跨领域的数据共享监管责任团队。这一团队需要包括各领域的专家和来自各个相关平台的代表，由其共同制定和执行跨平台的数据安全和共享规则，定期进行数据安全评估，确保数据安全和有效共享。同时，也需要建立一个跨平台的数据共享监管机制，实时监控和管理数据流动，及时发现并处理可能出现的数据安全问题。例如，建立跨界的数据共享APIs，推动政策导向下的数据共享平台建设。

在构建Web3.0时代数据出版生态系统的过程中，各参与主体需站在一个新的起点上，面向更加开放、互联、智能的未来，重新定义数据的价值和流动方式。Web3.0时代的数据出版不仅仅是技术的升级，更是跨领域、跨行业合作的深化，除技术领域的人才外，数据出版还需培养包括经济、社会、政治、法律等相关领域在内的专业人才，以及具备团队合作、沟通协调、创新思维和解决问题能力的综合性人才，以更好适应Web3.0时代数据出版领域需求。

2. 强有力的数据保障：建立多元化数据库

面对数据出版的新需求和新模式，相关机构应采取相应的对策措施，强化对数据资源的汇聚能力和保障能力，从提高数据供给水平、优化数据流通环境和完善数据安全保障等方面，推动建立多元数据库，实现数据出版物的高质量开发。

（1）完善数据资源体系，提升数据供给水平。政府和企业要开放共享数据，整合来自政府、企业、非营利组织及公众等主体的数据资源，形成互补的数据集，提高社会数据资源价值。目前，随着开放共享的科学数据出版逐步推进，国内不少期刊出版单位、数据中心等机构正积极探索新型数据出版方式以提升数据再利用价值。例如，《地球科学进展》杂志发出《数据论文关联数据提交的倡议书》，呼吁所有录用论文作者将论文支撑数据提交到公共数据平台进行公共保存和开放共享，以增加科学数据的供给量。

（2）深化多项技术应用，优化数据流通环境。数据出版需要深化数据空间、隐私计算、联邦学习、区块链、数据沙箱等技术的应用，打造安全可信的数据流通环境，促进数据合规高效流通和使用。例如，国家海洋科学数据开放共享隐私计算平台利用区块链和隐私计算技术，搭建了一个海洋科学数据隐私计算框架，引入区块链协同多方、可信数据流转和存证审计等功能，通过对海洋数据、模型算法进行加密，为数据供给方、算法模型供给方和资源使用方提供多方协同的数据处理、模型应用、产品制作等服务，构建安全的计算环境，做到全程留痕可溯，确保原始数据不出域，实现“数据可用不可见”。

（3）提供全面数据服务，完善数据安全保障。为确保数据出版正常开展，有必要通过实施数据安全法规，完善数据分级保护、落实网络安全等级保护及强化关键信息基础设施的安全管理，加强数据安全保障。例如，国家空间科学数据中心通过建立空间科学大数据基础设施，提供数据存储和获取服务，包括泛在数据检索及应用服务，分级数据存储、数据限期保护、受众及流程审核等安全保护服务。此外，数据出版应注重提供基于云端的数据安全服务，提升数据安全水平。例如，科学研究领域的大数据云服务平台融合了数据存储、超级计算、云计算业务，实现了跨学科数据的统一管理、分析处理和对外发布。在政府治理领域，政府数据开放平台也完成了从Data.gov到Cloud.gov的基础结构迁移，全面实现政府开放数据云端部署，通过开源设计强化了安全技术应用、提升了数据安全能力。

3. 负责任的科技创新：发挥数据要素乘数效应

负责任的科技创新指与之相关的各类主体要保障科技伦理的可接受性，充分考虑行业、社会发展的可持续性，让科学技术进步以适当的方式嵌入数据出版发展之中，为数据出版乃至整个社会的中长期稳健发展负责。新质生产力是科技创新发挥主导作用的生产力，能够利用数据要素乘数效应，以“动力变革、质量变革、效率变革”[26]推动数据出版高质量发展。

（1）数据出版需要进行动力变革。当前，数据优势已从资源方面逐渐转移到竞争方面，数据出版相关参与主体需要打造数据驱动型产品研发新模式，通过输入多样化和具有包容性的数据集，完善生成式人工智能技术与相关平台，充分释放数据乘数效应，体现商业、社会责任以及数据透明度，推动数据要素协同优化、复用增效、融合创新，促进新质生产力发展，为数据出版高质量发展注入新动能。

（2）数据出版需要进行质量变革。数据出版商可引入区块链技术，保障数据信息的准确性、可验证性、可重复性，从而提高数据出版物的质量。虽然区块链作为基于点对点网络运行的交易账本技术，能够精简数据出版中数据管理的中间环节，强化数据管理主体的信任约束，驱动数据出版物的流通过程可追溯，破解数据质量的困局。但需要注意的是，区块链的应用落地仍面临诸多挑战和未知风险，有待数据出版各参与主体深入研究和探索，共同构建高质量的数据出版生态。

（3）数据出版需要进行效率变革。不同主体数据、行业数据与其他要素协同，可以提高数据出版物的产出效率。数据出版相关参与主体需要关注各种科技创新成果的转化和扩散，利用数字技术的溢出效应和网络协同效应，打造具有国际竞争力的数据出版产业集群。例如，数据出版商可通过搭建智能化平台，促进各类数据要素发挥作用，实现各类数据采集终端的网络化、全数据要素可视化等，推动数据出版智能化、网络化、协同化生产。

此外，依循上述发展路径，构建一个开放、协同、高效的数据出版生态系统，还需要大力开展跨学科合作，构建灵活强大的数据治理框架，并确保负责任地使用新技术。面对Web3.0时代的挑战，这将推动数据出版向更开放、可持续的方向发展。

参考文献：

[1] IDC.聚焦快速发展的数据软件市场：分布式关系型数据库与商业智能软件研究报告启动[EB/OL].[2023-12-05].https：//www.idc.com/getdoc.jsp？containerId=prCHC50718123.

[2] 衣彩天. 数据出版的功能、应用、流程与未来[J]. 出版发行研究，2020（9）：19-25，89.

[3] 迈克尔·波特. 竞争优势[M]. 陈小悦，译. 北京：华夏出版社，1997：35-38.

[4] 张新新. 生成式智能出版：知识生成原理、沿革与启迪——从智慧驱动到数据驱动[J]. 编辑之友，2023（11）：36-44.

[5] 高瑜蔚，朱艳华，孔丽华，等. 数据论文及关联科学数据集出版元数据标准研究[J]. 中国科技期刊研究，2023，34（10）：1270-1282.

[6] 彭飞. 试论开放获取出版背景下的图书馆信息资源建设[J]. 河南图书馆学刊，2023，43（11）：118-120.

[7] 徐丽芳，邹青，周伊，等. 在博弈中迈向开放科学：2022年海外科技期刊出版与数据出版盘点[J]. 科技与出版，2023（3）：36-49.

[8] 温亮明，郭蕾，王晓东，等. 基于关联规则的国内外数据期刊载文特征比较分析——以《Scientific Data》和《中国科学数据》为例[J]. 情报科学，2019，37（1）：112-121.

[9] 涂志芳. 科学数据出版生态系统与质量控制体系构建[J]. 图书与情报，2019（1）：125-134.

[10] 张会平，马太平. 城市全面数字化转型中数据要素跨界流动：四种模式、推进逻辑与创新路径[J]. 电子政务，2022（5）：56-68.

[11] 司晓. 数据要素市场呼唤数据治理新规则[J]. 图书与情报，2020（3）：7-8.

[12] 欧阳日辉. 数据要素流通的制度逻辑[J]. 人民论坛·学术前沿，2023（6）：13-27.

[13] 黄如花. 我国政府数据开放共享标准体系构建[J]. 图书与情报，2020（3）：17-19.

[14] IDC. 探索数据要素市场——IDC发布数字政府公共数据授权运营市场分析[EB/OL].[2024-03-22].https：//www. idc. com/getdoc. jsp？containerId=prCHC51982524.

[15] 危珊，高俊. 教育大数据的平台构建与关键实现技术研究[J]. 信息与电脑（理论版），2021，33（21）：254-256.

[16] 王正青，但金凤. 大数据时代教育大数据治理架构与关键领域——以美国肯塔基州、华盛顿州与马里兰州为例[J]. 现代教育技术，2019，29（2）：5-11.

[17] 张弛. 数据中台赋能出版头部企业多元业务发展研究[J]. 出版科学，2022，30（6）：90-99.

[18] 胡元聪，徐媛. 企业向政府共享数据的法律激励问题及创新路径[J]. 陕西师范大学学报（哲学社会科学版），2024，53（1）：134-147.

[19] 资武成，方卿. 大数据时代数字出版企业的价值共创研究[J]. 出版科学，2016，24（4）：27-32.

[20] Wilkinson M， Dumontier M， Aalbersberg I， et al. The FAIR Guiding Principles for Scientific Data Management and Stewardship[J]. Scientific Data， 2016（3）： 167-172.

[21] 上海市哲学社会科学规划办公室. 开放科学环境下的科学数据开放共享机制与对策研究[EB/OL].[2024-03-15].http：//www.sh-popss.gov.cn/newsInfo.asp？idval=7778.

[22] 卢逸航，李国庆，陈祖刚. 科学数据中心间互操作模式研究[J]. 数据与计算发展前沿，2022，4（1）：69-83.

[23] 侯晓丽，赵需要，周庆山，等. 政府开放数据生态链价值共创机理与节点优化策略研究[J]. 情报理论与实践，2024（5）：1-13.

[24] Vargo S L， Lusch R F. From Repeat Patronage to Value Co-creation in Service Ecosystems： A Transcending Conceptualization of Relationship[J]. Journal of Business Market Management， 2010， 4（4）： 169-179.

[25] 宋筱璇，王延飞，钟灿涛. 国内外科研数据安全管理政策比较研究[J]. 情报理论与实践，2016，39（11）：10-16.

[26] 范军，邹开元，田静瑶. 新质生产力推动出版业高质量发展的理论逻辑、价值意蕴、实践要求[J]. 科技与出版，2024（3）：1-6.

Data Publishing in the Web3.0 Era： A New Ecological Construction of Co-Creation and Collaboration

ZHOU Rong-ting（Provincial Key Laboratory of Science Education and Communication， University of Science and Technology of China， Hefei 230026， China）

Abstract： The Web3.0 era has the characteristics of paying more attention to the intelligence， decentralization， privacy protection and the right of users to master data. In the publishing ecology， data has also become the key production factors and strategic resources to enhance the publishing competitiveness. These have changed the way traditional knowledge is produced， discovered and disseminated， and driven the shift of paradigm to data-driven publishing. Based on this， the scope， boundary， attribute characteristics and participants of data publishing are clarified by making comparison with digital publishing. The service ecosystem theory is adopted to build a data publishing service ecosystem adapted to different links of the value chain and demand scenarios of different value chains including such key elements as interaction of subjects， integration of data resources， correlation of data services and technological application innovation. In order to provide reference for the sustainable development of the data publishing ecosystem， the author puts forward the development strategy of co-creation and cooperation.

Key words： data publishing; data-driven; intelligent-driven; service ecosystem; publishing ecology