跳转到主内容

非常抱歉,我们不完全支持您的浏览器。如果您可以选择,请升级到较新版本或使用 Mozilla Firefox、Microsoft Edge、Google Chrome 或 Safari 14 或更高版本。如果您无法进行此操作且需要支持,请将您的反馈发送给我们。

全新设计的官网为您带来全新体验,期待您的反馈 在新的选项卡/窗口中打开

Elsevier
通过我们出版

科研数据

有效利用数据

在 Elsevier,我们相信高效数据涵盖 10 个方面,可作为在整个数据生命周期的路线图,以更好地开发数据管理流程和系统。详情如下:

数据金字塔
  1. 存储:研究数据需求层次结构的第一步是需要存储已获取的数据。

  2. 完好保存:研究数据存储后,需要以独立于格式的方式完好保存,否则存在数据报废的风险。

  3. 可获取性:即使数据存储且保存完好,但并不一定意味着可以自动获取。科研人员和机器都可能想要获取数据,例如进行荟萃分析或其他类型的重复使用。

  4. 可被发现:即使数据存储、保存完好,并且原则上可获取,但如果数据不能被其他人发现,就变得没有太大价值。

  5. 可引用:数据共享的障碍之一是它需要科研人员进行额外的工作而回报却很少。数据引用有可能改变这一现状,因为数据可以很容易地被纳入到当前基于文章引用的奖励系统中。

  6. 易于理解:为了使数据能够重复使用,需要明确使用了哪些测量单位、如何收集数据以及使用了哪些缩写和参数。数据来源对于理解数据至关重要。

  7. 评审:虽然研究文章接受同行评审很常见,但对于研究数据来说,这种情况仍然很少见。然而,对于数据的质量控制和可信度来说,这是重要的一步。

  8. 可重现性:研究结果的可重现性是科学界非常关心的问题。不可重现通常源于缺失研究数据要素,而这些要素是获得相同研究结果所必需的。例如,生物医学文献中报告的资源(例如抗体、模式生物和软件)通常缺乏足够的细节来实现可重现性或重复使用。

  9. 可重复使用:对于更广泛的科研界来说,共享研究数据的主要好处是能够重复使用这些数据。只有当研究数据足够可信且可重现时,其他科研人员才会重复使用这些数据。

  10. 整合:我们认为整合“高效研究数据”的这九个方面非常重要。例如,数据应保存完好以便重复使用。为了可引用,需要易于获取。 此外,在构建数据重复使用或数据引用系统时,需要考虑当前存储和共享数据系统的实践。

这九层和第十条整合步骤旨在作为指导原则,通过该原则可以有序安排和检查研究数据管理实践,而不是作为完美绩效的诀窍。

爱思唯尔对科研数据社区的贡献

爱思唯尔研究数据解决方案

文本和数据挖掘

所有爱思唯尔期刊和书籍均支持文本和数据挖掘 (TDM)。立即了解如何提高工作效率。

数据引用

所有爱思唯尔期刊都以一致且清晰的方式促进科学文献中的引用。

相关信息