第3章
数 据 学 术
3.1 引言
这里创造数据学术(data scholarship)一词,用于构建数据与学术之间复杂关系集合的框架。数据本身是一个成熟术语,或许正是因此它才经常出现在大众媒体上,并在独立学术环境中用于论证某些现象的出现。学者、学生和业务分析师现在都认识到通过足够的数据和正确的数据挖掘技术可以提出新问题,并获得很多新的论据形式。基于这些数据完成的某些工作很有价值。但是,刚开始很难确定一组数据可能有多大价值或有何价值。
数据学术这一概念首次在21世纪初的政策倡议书中以“数据密集型研究”(data-intensive research)的形式提出。它具体包括电子化科学(eScience)、电子化社会科学(eSocialScience)、电子化人文学科(eHumanities)、电子基础设施(eInfrastructure)和信息基础设施(cyberinfrastructure)(Atkins et al. 2003;Edwards et al. 2007;Hey and Trefethen 2005;Unsworth et al. 2006)。前三个术语最终可合并为一个,即电子化研究(eResearch)。英国数字社会研究(Digital Social Research)项目整合了早期电子化社会科学中的投资项目。早期电子化社会科学投资项目具体包括社会科学中的数据密集型研究和电子化研究(Digital Social Research 2013)。电子化科学是对所有领域数据学术的统称,如“人文学科的电子化科学”(Crane,Babeu,and Bamman 2007)。信息基础设施仍然明显是个美国概念,其将数据学术与对应支撑技术框架连接起来。
从历史角度来看,学术指学者在学习和学识方面获得的成就。学术是一种内在活动,具体包括如何学习、如何思考智力问题以及如何解释论据。根据《牛津英语词典》,研究是一种学术形式或行为,是旨在推动理论、主题等知识进一步完善的系统性调查或探究。在自然科学和社会科学中,研究(research)和学术(scholarship)的概念可以互换,而人文学科中经常出现学术一词。相对于研究而言,学术的范围更广,而且经常与学术交流(scholarly communication)同时使用。学术交流一词既包括学者之间的正式交流也包括非正式交流。前者包括研究、出版以及类似于同行评审的相关活动等,后者包括合作、人际关系、会谈和演讲等活动。
个人和单个学术社区可能知道如何利用其数据实现自己的目的,但却很少知道邻近学术社区的何种数据或方法可能对其有价值,反之亦然。数据量不断增长到更大后,可能导致对应方法和问题产生质的差异。旧研究方法已不再可行,但是旧数据必须和新数据结合起来。专业知识在跨领域或方法条件下可能不太容易迁移。面对这些挑战,各学术社区采取的措施各异:有的学术社区广泛发布以各种形式存在的数据,以供他人随意利用;有的学术社区选择无限期存储数据,而不是让其他人来挖掘他们没有预料到的价值。许多学术社区由于面临滥用、误解、债务、缺乏专业知识、缺乏工具和资源、缺乏信用、失控、污染公共数据池以及可持续发展的严峻挑战等风险而瘫痪。数据处理的各种问题直到今天才逐渐显现出来。为了在解决方案方面取得进展,人们已开始充分理解其中一些问题,但剩下的问题依旧显得棘手。
虽然在研究资源不断减少、教育事业不断萎靡的大背景下,学者们认为处理数据更多是一种个人责任,但是数据学术已深深嵌入在知识基础设施中。正如第1章介绍的那样,之所以出现以数据为中心的紧张关系是因为对数据所有权、控制权以及访问的关注,跨背景、随时间实现数据迁移的困难,学术交流形式与类型之间的差异,技术、操纵与政策之间的差距加大,以及对数据和其他学术内容的长期可持续性需求等。这些对学者和学生而言事关重大,对开展学术活动的更广泛的社会群体而言同样不可小觑。知识基础设施提供了一个评估社会和技术相互作用、开放学术影响以及学术交流融合形式的框架。