国外科学数据开放获取政策特点分析
刘细文/熊瑞
2013-2-26 11:18:47 来源：《情报理论与实践》(京)2009年9期【英文标题】Analysis of the Characteristics of Policies on Open Access to Scientific Data in Foreign Countries
【作者简介】刘细文，研究员。中国科学院国家科学图书馆，北京100190
熊瑞，硕士生。中国科学院国家科学图书馆，北京100190；中国科学院研究生院，北京100049
【内容提要】科学数据的开放获取日益成为科学交流的新趋势。美国、英国以及众多国际组织与研究机构都就科学数据开放获取问题，积极建立政策保障与管理机制，并在政策指导下广泛推行相关服务与实践。其政策举措主要围绕科学数据交流渠道各环节，集中体现在数据开放资助、数据质量控制、数据合法保护、数据保存以及数据共享利用五大方面。
Open access to scientific data has increasingly become a new trend of scientific communication. The United States, the United Kingdom and many international organizations and research institutions have taken vigorous measures in formulating supporting policies and management mechanisms around this issue, and under the guidance of these policies, many related services and practices have been pursued. These policies and measures mainly focus on each link of scientific data communication channels, embodying in 5 major aspects: funding, data quality control,
data legal protection, data preservation and data sharing.
【关键词】科学数据/开放获取/政策/分析Scientific data/Open access/Policy/Analysis
未来科学研究将大量运用并生成科学数据，以数据为中心、数据驱动科研的特征越来越突出[1]。科学数据开放获取，即Open Access to Research Data
或Open Access to Scientific Data，是指科学数据／研究数据能够没有任何障碍地被利用、学习、修改、复制和传播，或者仅因为要确保用户更好地获取数据而采取一些措施[2]。一般意义上，“开放获取”的开放对象强调的是具有创新性的作品或资源；而“科学数据开放获取”则主要是针对科学数据的开放使用，尤其是对公共资助研究数据的开放使用，它主要面向于事实性数据与科学研究过程生成的数据。
2003年10月，德国马普学会发起并召开柏林会议，会上通过的《柏林宣言》指出开放获取的内容不仅包括原始的科学研究成果，还应包括原始科学数据。2004年1月，世界经济合作与发展组织(OECD)的34个成员国签署发布了《开放获取公共资助研究数据的宣言》，并于2006年12月颁布了《开放获取公共资助研究数据的原则和指南》。报告中明确界定了开放数据的范围和定义，并提出了13条原则与指导方针，以促进公共资助科学数据的低成本、高效率获取。
2006年10月，CODATA在北京成功举办了主题为“信息社会中的科学数据与知识”的国际会议，会上就“数据存档”、“跨学科元数据互操作”、“数据获
取政策”、“数据质量”等问题展开广泛讨论。2007年2月，在布鲁塞尔召开的欧洲委员会会议上，重点讨论了研究数据的集成化开放获取。由此可见，科学数据的开放获取、共享和利用正逐渐成为新的趋势，各国政府、研究服务机构等都在积极探索科学数据开放获取的政策管理机制，取得了可喜进展。
1 美国、英国科学数据开放获取政策
1.1 美国
20世纪90年代，在美国科学界对“数据共享”的强烈要求下，美国政府开始在科学数据方面实行“国有科学数据完全与开放共享国策”，该国策的总体思路是由联邦政府统筹规划科学数据的管理，充分发挥各个部门的作用，利用行政、财政、政策和法规全面推进数据共享的工作。美国国有科学数据“完全与开放”共享管理保障体系包括：国家投资数据开发与共享管理；建立与健全与投资相配套的数据共享政策法规（包括国家法律、规定及部门规定等）；建设国家级数据中心群和数据共享网，保障科学数据源源不断地产生和共享渠道的畅通；政府采取不歧视政策鼓励全社会（包括私营公司）以工本费（不超过数据复制和传递过程中产生的费用）的价格使用数据；国家通过投资和立法加强对医院、大学以及非营利性研究单位国家投资科研项目产生数据的管理；国家加强科学数据质量和标准的管理；国家加强对科学数据共享服务人才队伍建设的管理以及数据应用技术培训和服务等[3]。
美国在科学数据管理中，采取3种数据共享管理机制[4]。第一，美国对于有可能危及国家安全、有可能影响政府政务、有可能涉及个人隐私的数据和信息均纳入保密性运行机制中管理，并对这些内容给以十分严格和明确的规定。第二，
对于政府拥有、生产和政府资助生产的数据，便纳入到“完全与开放”的共享管理机制之中。例如，美国海洋与大气局、地质调查局、国立卫生研究院等联邦政府拥有和生产的数据，科罗拉多大学国家冰雪数据中心等政府资助生产的数据，以及政府资助的大学和研究机构项目产生的数据等。第三，对于私营公司投资产生的数据则纳入到“平等竞争”的市场化共享管理机制。例如，美国政府批准了空间影像和数字地球两家企业从事高分辨率遥感数据的获取和发布业务，然后采取鼓励平等竞争的政策，通过市场竞争的方式降低数据价格，达到促进数据应用的目的，并同时通过税收进行调节和控制。
1.2 英国
英国对国家的科学与创新向来有很强的政策承诺。2004年，英国财政部、贸易工业部(DTI)和教育技能部(DfES)共同出版了《科学与创新投资框架
2004-2014》，框架中的一部分特别提出，要建立科学研究网络化基础设施与框架[5]。该文认为，未来10年里，越来越多的英国研究基地必须有准备，并能有效率地访问包括实验数据集在内的各类数字化信息，这将是科学研究与创新的血液。
英国在科研公共资助上采取的是“双重支持政策”，分别由英国研究理事委员会(RCUK)、英国基金委员会及其下属单位提供研究资助，这种体制同时也支持私人、政府部门、慈善团体、欧盟及其他国际组织等的委托研究与资助。这些机构在资助过程中，都要求科研个人或机构对科学数据的创建、收集或管理要遵守一定的责任与义务。RCUK认为科学数据是一种长期的、公共性质的资源，数据开放共享能为科学探索提供更多有利机会；它也十分重视科学数据的有效管理，并规定参与数据开放共享的组织与研究人员拥有优先权。2007年，RIN对英国的
研究资助者发布了一项对研究成果管理政策报告[6]，报告表明许多研究资助机构开始对资助对象在数据发布、共享、保存及管理上，都提出需要遵循的责任义务和相应的数据共享政策。尽管资助者也规定有不提供数据发布、共享的允许条件，但研究者与研究机构需要提高对科学数据开放获取的自觉意识。
2 主要科学数据机构的开放获取政策
2.1 数据服务机构
世界数据中心系统ICSU-WDC(International Council for Science-World Data Center System)[7]是为了保存和传播从1957-1958年度国际地球物理观测项目搜集来的数据而建立的，目前包括来自12个国家的52个中心，主要收集有关太阳能、地球物理、环境和人类相关的数据。WDC系统由各国国际科学团体代表负责资助和维护，接受来自国家和国际科学和检测项目的数据，所有的数据只需要一些复制和传播成本费就能获取。WDC的具体情况如下[8]。
1)WDC运作原则和责任。运作WDC所需资源由各个主办国或机构负责，使这些资源能提供长期保障。由于任何原因导致的某一个中心关闭，其数据应该转移到WDC的其他中心。各个数据中心要利用自己的财政资源，按照数据管理的要求接收ICSU项目和监测活动的数据，并且安全地存储这些数据。各个WDC可以寻找和搜集相关数据集以提高收藏量，也可以准备高度有序的数据产品，如活动指数、集成的和压缩的数据集。
2)WDC数据来源。WDC接收来自个人科学家、项目、机构、地方和国家数据中心、WDC其他中心提交的数据。数据获取途径包括可能由负责WDC的机构负责
的例行检测项目；ICSU资助的科学项目；WDC的“数据拯救”项目（保护老数据或数字化老数据集）等。WDC不收集机密和安全数据。
3)WDC收集数据的方式。WDC不按商业方式购买数据，他们可能通过提供其他数据或服务来交换这些数据，或者同意支付这些数据的获取成本。
4)WDC数据开放时间。WDC同意数据可以由组织者享有优先使用权，一段时间之后才公开获取，但从WDC得到数据算起，这个时间段不能超过2年。
5)WDC数据传播方式。WDC将发布数据集的机读目录，以方便用户获取；并且以交换或者只收取少量的复制和传播成本的形式，向任何国家的科学家免费提供数据，额外的费用可能用于特殊服务或者是从WDC系统外获取数据。另外，众多数据服务机构如ODaF，CODATA，ICPSR，AHDS等，也在针对目前科学数据开放获取的各个领域、各类问题，进行着努力和尝试，为推动科学数据的保存、获取、共享发挥着重要作用。
2.2 科学研究资助机构
2.2.1 美国国家科学基金会2007年，美国国家科学基金会(NSF)发起了一项2006-2011年的全面战略规划，其中对科学数据及其数据分析与可视化提出设想[9]：在未来，美国在国际科学和工程领域的领先地位，将越来越多地取决于我们是否有能力把握和利用好科学数据，这些数据以数字形式抓获，并通过复杂的数据挖掘、整合、分析和可视化工具，被转化为信息和知识。它主张将各个数据收集与管理组织通过网络联结起来，建立一个覆盖全国的数字化数据集成框架。
美国国家科学理事会(NSB)也发表了报告《长期保存的数字化数据集》，强调数字化数据集对科学研究与教育日益增长的重要性，以及它们为扩大各类研究参与范围的巨大潜力，NSF应大量增加其对现有数据集与未来增殖数据集的创造、维持和长期保存等研究资助。
NSF倡议建立一套全国数字化数据网络集成体系与框架——Datanets计划[10]；预计在10年内投入1亿美元，资助建设五大研究数据网络。计划在Datanets建设过程中，逐渐减少资助金额，到最后全面建成时完成与NSF的脱离。NSF鼓励其他国际数据网络与Datanets连接并结成合作联盟，它将帮助合作伙伴推进相关计划行动。它还认可了美国大学图书馆在数据保存方面的重要作用，并鼓励图书馆与档案馆踊跃加入Datanets联盟。
2.2.2 英国联合信息系统委员会英国联合信息系统委员会(Joint Information Systems Committee，JISC)曾与英国研究理事会(RCUK)、国家图书馆网络项目(RLN)、英国委员会中心实验室理事会(CCLRC)几大机构就研究成果（包括期刊论文、研究数据等）开放获取问题发表过联合声明，认为公共资助研究成果中支撑发表论文的科学数据应当尽可能广泛、快速地被获取。
JISC在e-Science、e-Resources、e-Learning、e-Administration等领域都有着重大贡献，于2003年发布了《e-Science Curation报告》[11]，报告对e-Science背景下科学数据的管理方式进行了研究，指出科学数据从档案管理的方式到在整个科研活动过程中的管理方式的变化，提出要对科学数据进行整个生命周期的管理，并资助建立了数据保管中心(Digital Curation Center，DCC)。
目前，JISC正在资助“DISC-UK DataShare”大型机构仓储库项目（2007-2009
年），由Edina与爱丁堡大学数字图书馆牵头、英国数据信息专业委员会下属的大学和职业部门联盟成员共同承担。项目主要针对如何在复杂、动态的信息环境下为研究机构建立共享研究数据的新模型、新流程机制等问题，内容包括加强机构知识资产管理、开发e-Research技术、制定新政策新要求，以及推动开放获取／开放数据运动进步等。
DISC-UK是一种基于分布式的合作模式，它要求每个研究参与方负责改善与管理各自机构存储库、数据图书馆与数据支持模式。在这种合作模式下，势必能促进更广泛的科研环境融合，促使更多共享与研究合作活动的发生。
2.3 认证机构
Creative Commons(CC)是美国一家为作者、科学家、艺术家、教育家提供“创作共享”的著作权认证的机构，著作权只需计算机操作便可在“保留全部权利”、“保留部分权利”到“完全公开”中自主选择其权利范围和认证机制。CC最初是服务于音乐、美术、文学、影视等领域，后来逐渐关注和扩展到科学领域。由于科学领域研究成果的共享与利用问题十分复杂，不同学科差异也很大，因此，2005年，Creative Commons启动了Science Commons(SC)项目，专门致力于研究科学领域的著作权认证机制问题，以促进科学家、大学与行业共同分享科学数据与知识。SC主要进行三大方面的研究，以消除科研数据及其他成果在法律、技术上的开放获取障碍[12]。
1)使研究数据开放获取合法化。例如在“学术研究人员著作权”项目[13]中，制定了“实施数据开放获取的协议”[14]，实现某数据库与其他国家、学科的数据库能够连接互通；通过开放工具与资源，来扩大与增加科研论文与科学数
据的开放获取。
2)促进实物研究材料的转让，用于研究的验证与扩展。例如在“生物资料转让”项目[15]中，开发部署了标准、模板合同，来降低生物实物材料（如DNA、细胞系、动物原型、抗体等）转让成本，该项目覆盖了非营利性机构、营利性机构。它将现有标准协议与科学共享协议整合成网络安装套件，该网络套件可配置在亚马逊、eBay交易系统上，从而可借助其发现转让材料，达成共享交易。
3)整合分散的研究、数据、资料和服务等资源，提供许可获取。例如在神经学共享项目[16]中，建立了一个生物研究的开源知识管理平台。平台第一步，是通过文本挖掘与自然语言处理方法，对开放共享的生物医药文摘中的知识进行组织；第二部分，是开发数据分析软件系统，并以BSD开源软件认证发布标准来发布。SC通过上述有关项目，致力于制定和利用开放标准与方法，建成开放、协作的基础框架，促进科学数据向科学发现的转化。
3 科学数据开放获取政策与举措分析
综观国外主要国家与机构制定的有关科学数据获取政策与举措，其核心是围绕科学数据整个交流渠道展开的。其交流渠道可被看做：以政府、公共研究机构向科研人员提供资助为起点，经过科学数据的产生、发布、管理与利用四大环节，最终传递给所需用户（见图1）。支撑各个环节的政策与举措则集中体现在数据开放资助、数据质量管理、数据合法保护、数据保存和数据共享利用五大方面。
图1 科学数据交流渠道
3.1 数据开放资助政策
对于科研人员而言，过程研究数据没有完整妥善地保存、共享和利用，许多可能是因为研究资助方未做出明确规定，因此，研究资助方对科学数据开放共享管理方面的政策规定显得至关重要。英国政府及公共研究机构在进行科研资助时，一般都规定获得资助的研究机构需要有设定保管数据责任及过程的指导方针，他们十分关注项目申报者对科学数据发布、保存及共享管理上做出的承诺。英国生物技术与生物科学研究委员会(BBSRC)优先资助那些对研究数据有科学、实践性规划的项目，要求研究者在科研过程中始终清晰而准确地保存好过程、结果以及中间数据等。英国医学研究理事会资助的个人或机构必须遵守数据创建、收集或管理的相应责任，在项目申报书中必须编制数据保管费用计划，在年底资助款项汇报中，汇报相关的数据管理与共享活动。此外，美国国家卫生研究院(NIH)要求受NIH资助或部分受NIH资助的研究项目要共享最终研究数据(Final Research Data)，但考虑到开放共享科学数据也需要花费时间和金钱，NIH允许受资助者可以在资助申请书中向NIH申请经费作为直接数据共享成本。
3.2 科学数据管理政策
3.2.1 数据质量控制政策科学数据的价值与可用性很大程度上依赖于数据本身的质量。数据管理者、数据搜集机构应注意提供满足明确质量标准的数据，各机构或研究组织可以独自也可联合相关研究团体来共同制定质量标准，这对促进任何领域数据质量的提高都是有利的。但是，由于一些学科对数据质量的要求更为严格，所以制定一个各学科普遍适用的质量标准显然是不实际的。制定质量标准的过程中应征询相应学科研究人员的意见，确保标准的质量与精确度都能满足需要。
美国密歇根大学校际政治及社会研究联盟(ICPSR)在提供社会科学数据开放服务时，会先按照一定标准收集到数据，并对这些数据进行必要的格式处理和加工，再传播使用[17]。英国生物技术与生物科学研究委员会意识到数据质量的重要性，认为数据应当附加相应的背景信息或元数据记录，使数据利用者能够了解数据来源或处理过程中的细节，防止数据的误用、误解或混淆[18]。英国医学研究理事会也要求对科学数据附以合适、高质量的元数据来发布。世界数据中心(WDC)则要求数据提供方需对他们提交的数据质量负责；WDC只能对他们自己生产的数据和数据产品实施质量控制，因此鼓励数据生产者和用户对数据质量进行评价。
3.2.2 数据合法保护政策数据版权保护是最常见也是最重要的部分之一。科学数据的发布、出版系统，需要辅之以适当的许可证模式(License)，这样可以使科学家在尊重著作权人知识产权权利和“合理使用”原则的前提下，使用公开发布的科学数据，并在其基础上创造新作品，进而再公布新作品。因此，建立共享许可协议、共享认证对于科学领域，尤其是应用科学研究中的科学数据开放获取，是十分必要的。对于众多科学领域的研究成果，应当通过创建认证、合同、
技术等各种措施机制，来保证科学数据能合理合法地开放获取与共享。但对于特定领域的科学数据或科学发现的共享，设定一定障碍也是必要的。
此外，数据开放使用过程中应该尊重公共研究单位和所有利益相关者的其他合法权利与利益。部分属于国家安全、隐私和保密、商业秘密和知识产权、法律过程等的科学数据，由于其本身的特殊性质，其获取与利用应受到知识产权法、隐私法，安全法等不同法律保护。例如NIH为保护对象隐私，会对数据进行必要的处理以降低风险，如把对象身份信息隐藏等；对于敏感数据，NIH允许不予共享，但必须解释为什么不能共享，获取正式同意。
3.2.3 数据保存政策英国政府和相关机构对数据保存工作十分重视，纷纷颁布数据保存服务计划，通过数据保管中心、数据机构仓储库或者独立保存等各种方式实施科学数据存储和提供利用。英国国际发展部、英国健康部都声明，与研究发现相关的数据都应当保存和提供获取利用；英国国家档案馆也在向政府部门提供一项“数字连续性计划”数据长期保存与共享服务。英国生物技术与生物科学研究委员会要求受资助的个人或机构将研究过程中生成的数据，以论文或电子版形式安全地保存起来，保存年限期望是项目结束后10年。英国医学研究理事会的数据共享与保存政策期望和规定，数据要在其整个生命周期内妥善保存[19]，但没有提供的数据保管中心，数据由来源机构妥善保管；而英国国家环境研究委员会(NERC)则提供了数据中心，研究人员或机构将数据提交给数据中心统一保管，只有合理时间后才能由数据创建者独享[20]。英国的多所大学则由研究人员或研究部门将数据保存在机构存储库中，一些大学由英国研究理事会资助开展数据保存活动。
3.3 数据共享利用政策
各研究团体、组织机构的情况不同，各组织规定科学数据开放共享的对象、方式、途径、费用、时间长短上也有所差异。总体而言，共享利用政策比较灵活，但整体上都是采用各种机制满足用户能够公正平等、即时有效、低成本获取科学数据的原则。
英国PubMed Central倡议的参与成员BBSRC，MRC等，在发表论文时，需向论文录用期刊提供支撑论文正文的附加材料与数据。美国的ICPSR为了方便数据的传播、分析和利用，会收集、保存、开发综合性文件，提供关于数据集特征、分析技术和方法方面的咨询和培训，来促进用户对其数据资源的有效利用；另外，ICPSR的开放和公平获取数据(Open and Equitable Access to These Data)并不是对所有人的开放，只有交纳了年费的机构会员（包括大学、国家数据中心、统计和研究机构、政府部门和非营利性商业组织等）的用户才能免费获取数据；非机构会员的用户则需交纳一定的费用获取数据[21]。
NIH的科学数据共享政策也十分典型，它规定[22-23]：①被共享的对象为最终研究数据，即那些记录下来的被科学界普遍认可的对研究结果有重要意义的事实资料，而不包括部分数据集、初步分析、科学论文草稿、未来研究计划、同行评议报告、同事交流和物理实体，如凝胶或实验标本等。②包括基础研究、临床研究及调查等在内的各类数据都应该共享，但为避免重复应保证是唯一性的数据。③为了保证数据的时效性价值，NIH要求尽快公开和共享数据，至少不晚于基于最终数据集的主要研究成果被出版物录用的时间。具体时间段还要受数据收集特征的影响，小研究项目的数据可以更快地分析并提交出版；如果数据是有关大型流行病或追踪性研究，通过几个离散的时间段搜集而来，数据的公开和共享可以推迟些。④共享数据通过作者在个人网站、机构网站上发布实现共享，也可
以存储到数据库(Data Archive)中，Data Archive是一个提供机器可读数据的获取、控制、存档以及最终传播给科学界供进一步分析的地方；而对于那些敏感数据还可以通过Data Enclave实现共享，Data Enclave是一个受控的安全环境，在那里资深研究者可以利用和分析那些受限数据(Restricted Data)资源，即那些由于国家安全或机密原因不能向大众公开的数据。
4 结束语
国际上各国家政府、研究机构围绕科学数据开放获取广泛开展的服务与实践，值得我们学习和借鉴。我国可以结合实际情况，总结建设经验，寻找并实施推动科学数据开放获取的政策、方法与机制。在科学数据开放获取的战略实施进程中，考虑评估、资助和监督相关研究项目与实施计划；建立公共资助科学数据的开放获取的原则与标准；开发科学数据共享获取的技术标准与元数据，关注不同资源库、不同类型、不同学科数据的互操作问题；鼓励政府机构、研究资助机构以及大型的数据生成机构建立合作联盟；加快培养和提高政府部门、资助机构、研究机构、大学、研究人员及公众的“开放数据”意识；图书馆可以组织建设“数据图书馆”，设立科学数据服务馆员岗位，等等。通过有计划、分阶段地执行科学数据开放获取策略，为支持研究人员乃至公众开展科学研究，提供便携可靠的科学数据获取、共享、分析与利用服务。
科学数据开放获取与法律政策、机构管理、资金、技术、文化和行为习惯等因素都密切相关。与技术攻克相比，国家政府、研究机构、大学等组织的政策、文化与机制，以及研究人员、科学家的开放意识、接受程度等“软因素”可能更为关键。只有深刻认识到科学数据开放获取对国家科学进步与创新发展的重要性，通过制定与实施相关的支持政策与措施，加强多方协调共同合作，才能解决
科学数据开放获取面临的挑战与问题，从而最终实现开放科学、e-Research的战略构想。
【参考文献】
[1]MACDONALD S, MARTINEZ-URIBE L. Libraries in the converging worlds of open data, e-research [EB/OL]. [2008-10-20].
https://www.doczj.com/doc/8b15693342.html,/1842/2500.
[2]OECD principles and guidelines for access to research data from public funding [EB/OL]. [2008-09-12].
https://www.doczj.com/doc/8b15693342.html,/dataoecd/9/61/38500813.pdf.
[3]刘闯，王正兴.美国国有科学数据完全与开放共享国策剖析[M].北京：中国科学技术出版社，2002.
[4]刘闯.美国国有科学数据共享管理机制及对我国的启示[J].中国基础科学，2003(1).
[5]https://www.doczj.com/doc/8b15693342.html,/TW/eumobility-uk-research-policy-inv estment-framework.htm.
[6]Research Funders' Policies for the Management of Information
Outputs[EB/OL]. [2008-10-20].
https://www.doczj.com/doc/8b15693342.html,/policy-information-outputs.
[7]ICSU-WDC [EB/OL]. [2007-12-15].
https://www.doczj.com/doc/8b15693342.html,/wdc/wdcmain.shtml.
[8]WDC system guide [EB/OL]. [2007-12-15].
https://www.doczj.com/doc/8b15693342.html,/wdc/guide/wdcguide.html.
[9]National Science Foundation Investing in America's Future Strategic Plan (2006-2011) [EB/OL]. [2008-10-10].
https://www.doczj.com/doc/8b15693342.html,/pubs/2006/nsf0648/nsf0648.jsp.
[10]美国国家自然科学基金会
[EB/OL].[2008-09-20].https://www.doczj.com/doc/8b15693342.html,/.
[11]E-science curation report [EB/OL]. [2008-11-20]:
https://www.doczj.com/doc/8b15693342.html,/uploaded_documents/e-ScienceReportFinal.pdf.
[12]Science commons projects [EB/OL]. [2008-10-31].
https://www.doczj.com/doc/8b15693342.html,/projects/.
[13]Scholar's copyright project [EB/OL]. [2008-09-30].
https://www.doczj.com/doc/8b15693342.html,/projects/publishing/.
[14]Protocol for implementing open access data [EB/OL]. [2008-09-20]. https://www.doczj.com/doc/8b15693342.html,/projects/publishing/open-access-data-pr otocol/.
[15]Biological materials transfer project [EB/OL]. [2008-10-09]. https://www.doczj.com/doc/8b15693342.html,/projects/licensing/.
[16]The neurocommons [EB/OL]. [2008-10-23].
https://www.doczj.com/doc/8b15693342.html,/projects/data/.
[17]Preservation with delayed dissemination Policy [EB/OL].
[2007-12-15 ]. https://www.doczj.com/doc/8b15693342.html,/ICPSR/org/policies/delayed.html.
[18]BBSRC data sharing policy [EB/OL]. [2009-03-04].
https://www.doczj.com/doc/8b15693342.html,/funding/news/2007/0704_data_sharing.html.
[19]MRC Policy on data sharing and preservation [EB/OL]. [2009-03-03]. https://www.doczj.com/doc/8b15693342.html,/Ourresearch/Ethicsresesrchguidance/Datasharingin itiative/Policy/index.htm.
[20]NERC data policy [EB/OL]. [2008-10-29].
https://www.doczj.com/doc/8b15693342.html,/research/sites/data/policy.asp.
[21]Nonmember access to data[EB/OL]. [2007-12-15].
https://www.doczj.com/doc/8b15693342.html,/ICPSR/membership/nonmember.html.
[22]Frequently asked questions on data sharing [EB/OL]. [2007-12-15]. https://www.doczj.com/doc/8b15693342.html,/grants/policy/data_sharing/data_sharing_faqs.ht m.
[23]NIH data sharing policy and implementation guidance [EB/OL]. [2007-12-15].
https://www.doczj.com/doc/8b15693342.html,/grants/policy/data_sharing/data_sharing_guidanc e.htmJHJarchive.
专题之二 农业政策的本质及内涵 政策是国家、政党为实现一定目标而制定的行为准则。 一．政策的本质属性： 为了实现社会、经济、政治、文化等方面的发展目标，政府凭借权力，通过政策来规范个人、家庭、企业、社会团体的行为和政府部门的行为。 因此，为了实现政策目标而采取的措施和行动也包括在政策范畴之中。 １．政策具有鲜明的阶级属性： 政策是统治集团实现本阶级利益的一种工具。任何一个阶级社会的政策都是为统治者服务的。 ２．政策是社会各利益体共同作用，以政府活动为主体的协调行为的规范准则。 ３．政策的导向性 政策主要是在一定信念、价值观和目标基础上的有计划的工作。 二．政策的逻辑体系与分类 1．逻辑体系： 政策背景、政策目标、政策手段。 政策背景：是政策的起点，是作用的对象及其周围环境的现状； 政策目标是终点，是作用对象后希望（预期）的理想状况； 政策手段：是起点到终点的桥梁，是改变现状到理想状态的措施。 2．政策背景与政策目标的同向性 全世界各国政府对社会生活的政策干预趋向全面化。随着经济化的全球化，人类面的资源、环境问题随全球化加深；科学技术、社会和经济发展中的问题， 都日益具有全球性质。因此，政府和个人、家庭、企业、社会团体之间的交换活 动也逐渐超越国界，一些政策的制定、执行和检查修正必须放在全球的背景之上， 在地区和世界范围内相互协调。 由此，政策目标的确定是依据背景而定。在全球一体化的今天，必须考虑全球范围、地区发展协调和可持续发展与全社会的协调发展四个方面。 三．政策科学 政策科学是人们对政策运动规律的总结。 拉斯韦尔（H.Lsswell）
科学史上最有名的数据分析例子 开普勒三定律 数据来源：第谷?布拉赫（,丹麦人），观察力极强的天文学家，一辈子（年）观察记录了颗行星资料，位置误差不超过°。 观测数据可以视为实验模型。 数据处理：开普勒（，德国人），身体瘦弱、近视又散光，不适合观天，但有一个非常聪明的数学头脑、坚韧的性格（甚至有些固执）和坚强的信念
（宇宙是一个和谐的整体），花了年（）研究第谷的观测数据，得到了开普勒三定律。 开普勒三定律则为唯象模型。 ．数据分析法 思想 采用数理统计方法（如回归分析、聚类分析等）或插值方法或曲线拟合方法，对已知离散数据建模。 适用范围：系统的结构性质不大清楚，无法从理论分析中得到系统的规律，也不便于类比，但有若干能表征系统规律、描述系统状态的数据可利用。 数据分析法 基础知识 （）数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出； （）数据分析（）是指分析数据的技术和理论； （）数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律； （）作用：在实用中，它可帮助人们作判断，以采取适当行动。 （）实际问题所涉及的数据分为： ①受到随机性影响（随机现象）的数据； ②不受随机性影响（确定现象）的数据； ③难以确定性质的数据（如灰色数据）。 （）数理统计学是一门以收集和分析随机数据为内容的学科，目的是对数据所来自的总体作出判断，总体有一定的概率模型，推断的结论也往往一概率的形式表达（如产品检验合格率）。 （）探索性数据分析是在尽量少的先验假定下处理数据，以表格、摘要、图示等直观的手段，探索数据的结构及检测对于某种指定模型是否有重大偏离。它可以作为进一步分析的基础，也可以对数据作出非正式的解释。实验者常常据此扩充或修改其实验方案（作图法也该法的重要方法，如饼图、直方图、条形图、走势图或插值法、曲线（面）拟合法等）。
决策分析复习题 （请和本学期的大纲对照，答案供参考） 第一章 一、选择题（单项选） 1．1966年，R. A. Howard在第四届国际运筹学会议上发表（ C ）一文，首次提出“决策分析”这一名词，用它来反映决策理论的应用。 A．《对策理论与经济行为》B．《管理决策新科学》 C．《决策分析：应用决策理论》D．《贝叶斯决策理论》 2．决策分析的阶段包含两种基本方式：( A ) A. 定性分析和定量分析 B. 常规分析和非常规分析 C. 单级决策和多级决策 D. 静态分析和动态分析 3．在管理决策中，许多管理人员认为只要选取满意的方案即可，而无须刻意追求最优的方案。对于这种观点，你认为以下哪种解释最有说服力？（ D ） A．现实中不存在所谓的最优方案，所以选中的都只是满意方案 B．现实管理决策中常常由于时间太紧而来不及寻找最优方案 C．由于管理者对什么是最优决策无法达成共识，只有退而求其次 D．刻意追求最优方案，常常会由于代价太高而最终得不偿失 4．关于决策，正确的说法是（A ） A.决策是管理的基础 B.管理是决策的基础 C.决策是调查的基础 D.计划是决策的基础 5．根据决策时期，可以将决策分为：（D ） A．战略决策与战术决策 B. 定性决策与定量决策 C. 常规决策与非常规决策 D. 静态决策与动态决策 6．我国五年发展计划属于（B）。 A．非程序性决策 B．战略决策 C．战术决策 D．确定型决策 7.管理者的基本行为是（A） A．决策 B.计划 C.组织 D.控制 8.管理的首要职能是（D）。 A．组织 B. 控制 C.监督 D. 决策 9. 管理者工作的实质是（C）。 A．计划 B. 组织 C. 决策D.控制 10. 决策分析的基本特点是（C ）。 A．系统性 B. 优选性 C. 未来性 D.动态性 二、判断题 1．管理者工作的实质就是决策，管理者也常称为“决策者”。（√） 2．1944年，Von Neumann和Morgenstern从决策角度来研究统计分析方法，建立了贝叶斯（统计）决策理论。（×） 3．1960年美国著名管理学家西蒙（H. A. Simon）在他的著作《管理决策新科学》中，明确提出“管理就是决策”。（√）
科学数据规范化分析与管理
中国科学院计算机网络信息中心 胡良霖 2008年05月
提纲
1. 2. 3.
基本概念 科学数据的特点 科学数据规范化
规范化分析 3.2 规范化管理
3.1
4. 5.
示例模型 科学数据规范化工作模式
1. 基本概念
数据（data） 对事实、概念或指令的一种形式化表示，适用于以人 工或自动方式进行通信、解释或处理。 数据集（dataset） 可以标识的数据集合。 注：数据集可以是一个数据库或一个或多个数据文件。 元数据 （metadata）
定义和描述其他数据的数据。
数据模型（data model） 以反应信息结构的某种方式对数据组织的描述。 描述数据、数据关系、数据语义以及一致性约束的概 念工具的集合。[《数据库系统概念》（第三版）]
注：以上概念除特殊注明外均摘自GB/T18391.1-2002《信息技术的规范化与标准化 第一部分：数据 元的规范化与标准化框架》
1. 基本概念
数据元（data element）
用一组属性描述其定义、标识、表示和允许值的数据单元，在 一定语境下，通常用于构建一个语义正确、独立且无歧义的特 定概念语义的信息单元。
注：数据元也是构建元数据和元数据实体的基本单元。
数据元目录（data element directory）
列出并定义了全部相关数据元的一种信息资源。
注：数据元目录可有不同层级，例如，ISO/IEC委员会级、国际协会 级、行业部门级、公司级、应用系统级。
数据元值（data element value）
数据元允许值集合中的一个值。
数据元值的长度（data element value length）
数据元值中字符的数目。
注：按ASCII字符数目计算数据元值的长度，一个汉字相当于2个字符。
注：以上概念释义均出自GB/T18391.1-2002。
名词解释 1、政策：是国家、政党为实现一定目标而制定的行为准则。一项 具体政策的制定、执行和检查修正构成都是个人、家庭、企业、社会团体和政府机构相互活动的结果，其中政府行为占据主导 地位。 2、农业：是人类利用太阳能，依靠生物生长发育机能以获取劳动 产品的社会物质生产部门。 3、经济再生产：指社会生产过程中经济方面的投入和产出周而复 始，不断更新，包括物质资料、劳动力和生产关系的再生产。 4、自然再生产：指生物依靠其新陈代谢机能，借助自然力和外界 环境条件，通过生长发育和繁殖等一系列生命活动，使自身不 断更新繁衍的过程。 5、农业政策：是政府为了实现一定的社会、经济及农业发展目标， 对农业发展过程中的重要方面及环节所采取的一系列有计划的 措施和行动的总称。 6、市场失灵：是指市场经济自发调节存在着一些固有的缺陷或局 限性，对某些经济活动领域无法实施有效调节。 7、社会福利：个人效用的加总 8、“个人主义”仍是社会福利函数中所包含的最基本的价值判断。 9、帕累托最优：指这样一种状态，在这种状态下，每个人的经济 状况好到这种程度，以致任何人都不可能再得到好处而同时又 不使另一个人受到损失。
10、消费者剩余（CS）：个人为一物品愿意付出的最大代价与他实际 付出的代价之间的差额，也就是消费者实际付出的价格与他愿 意付出的价格之差。 11、生产者剩余（PS）：是指生产者所愿意接受的最低价格与市场实 际价格之差。 12、经济剩余（ES）：是消费者剩余与生产者剩余之和。ES=CS+PS 13、农业政策目标：是指农业政策所要实现的一种期望状态或理想 结果。 14、农业政策的合法化：是指制定和执行农业政策的全过程必须符 合法律规范或者传统规范。 15、农业结构：农业生产过程中形成的各产业、产品等的构成及其 比例，是农业资源和生产要素在农业领域的分配比例。 （狭义的农业结构是指农业生产结构，包括：种植业、养殖业和渔业构成及其所占的比例，种养中各种产品的构成及其比例以及每一个品种的品质构成及比例。 广义的农业结构除包括狭义的农业结构外，还包括农业的区域布局，农业中的种养业，农产品中的加工业和农产品储藏、运输、服务等第三产业的构成及比例。） 16、农业部门结构：是指一个国家地区或农业生产单位内农业生产部门及各生产项目的组成情况与所占比重。 17、农业土地（农用地）：指直接用于农业生产的土地，包括耕林地、 草地、农用水利用地、养殖水面等。
第八章思考与练习： 1. 什么是决策？决策有那些特点？ 答：广义的说，把决策看作一个管理过程，是人们为了实现特定的目标，运用科学的理论与方法，系统地分析主客观条件，提出各种预选方案，从中选出最佳方案，并对最佳方案进行实施、监控的过程。包括从设定目标，理解问题，确定备选方案，评估备选方案，选择、实施的全过程。狭义的说，决策就是为解决某种问题，从多种替代方案中选择一种行动方案的过程。 决策的特点可按照划分的类别来说明： 1．按决策的作用分类 （1）战略决策。是指有关企业的发展方向的重大全局决策，由高层管理人员作出。 （2）管理决策。为保证企业总体战略目标的实现而解决局部问题的重要决策，由中层管理人员作出。 （3）业务决策。是指基层管理人员为解决日常工作和作业任务中的问题所作的决策。 2．按决策的性质分类 （1）程序化决策。即有关常规的、反复发生的问题的决策。 （2）非程序化决策。是指偶然发生的或首次出现而又较为重要的非重要复性决策。 3．按决策的问题的条件分类 （1）确定性决策。是指可供选择的方案中只有一种自然状态时的决策。即决策的条件是确定的。 （2）风险型决策。是指可供选择的方案中，存在两种或两种以上的自然状态，但每种自然状态所发生概率的大小是可以估计的。 （3）不确定型决策。指在可供选择的方案中存在两种或两种以上的自然状态，而且，这些自然状态所发生的概率是无法估计的。 4，按决策的风格来分，可分为：行为决策；概念决策；命令决策；分析决策。 5、按决策的方法来分，可分为：有限理性决策和直觉决策。 2. 科学决策应该遵从哪些原则？ 答：最优化的原则、系统原则、信息准全原则、可行性原则和集团决策原则。 3. 决策在管理中的作用如何？你能否通过实例来说明决策的重要性？ 答：决策是管理的基础，决策是计划工作的核心，计划工作是组织，人员配备，指导与领导，控制工作的基础。（省） 4. 简述决策的基本过程。你在实际工作中是如何作决策的？ 答：决策过程主要分为四个阶段：情报活动、设计活动、抉择活动和实施活动。实际工作中，首先确定决策主体，确定决策备选方案，以及明确不可控因素，预估不同决策的后果，然后根据主观客观的一些条件来做出决策。 第九章习题 1、答：1）无差关系：若y x ，且x y ，称x 与y 无差别，记为y x ~ 。 2）偏好关系：对于后果集},,,{21n J 中任意两个可能的结果x 和y ，总可 以按照既定目标的需要，前后一致地判定其中一个不比另一个差，表示为y x （x 不比y 差）。这种偏好关系“f ”必须满足下面三个条件：自反性：x x （一个方案不会比它自己差）；传递性：z x z y y x ,；完备性：任何两个结果都可以比较优劣，即 x y y x J y x ,,，二者必居其一。 3）效用函数：对于一个决策问题中同一目标准则下的n 个可能结果所构成的后果集
数据科学院大数据技术专业解读与就业分析 什么是大数据？ 进入互联网时代，中国的网民人数已超7亿，大数据的应用涉及到生活的方方面面。 例如，你在网站上买书，商家就会根据你的喜好和其他购书者的评价给你推荐另外的书籍；手机定位数据和交通数据可以帮助城市规划；甚至用户的搜索习惯和股市都有很大关系。 在谈到大数据的时候，人们往往知道的就是数据很大，但大数据≠大的数据。对外经济贸易大学信息学院副院长华迎教授介绍：“现在的大数据包括来自于多种渠道的多类数据，其中主要来源网络数据。数据分析不是新的，一直都有，但是为什么叫大数据呢？主要是因为网络数据的格式、体量、价值，都超出了传统数据的规模。对这些海量信息的采集、存储、分析、整合、控制而得到的数据就是大数据。大数据技术的意义不在于掌握庞大的数据信息，而在于对这些数据进行专业化处理，通过‘加工’实现数据的‘增值’，更好地辅助决策。”数据科学与大数据技术专业 本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。随后 第二年又有32所高校获批“数据科学与大数据技术”专业。两次获批的名单中显示，该专业学制为四年，大部分为工学。 “数据科学与大数据技术是个交叉性很强的专业，很难说完全归属于哪个独立的学科。所以，不同的学校有的是信息学院申报，有的是计算机学院牵头申报，有的设在统计学院，还有的在经管学院。像北京大学这个专业是放在理学下，授予理学学位。大多数是设在工学计算机门类下，授予的是工学学位。”华迎教授说：“数据科学很早就存在，是个比较经典
集体决策的优点 决策问题关系事业兴衰成败，特别是在关系到人民群众切身利益大事的正确决策不仅能凝聚人心，推动发展，而且能造福百姓，增强后劲；反之错误的决策不仅会贻误发展，而且会损害党在人民心中的形象。党的十六大和十六届四中全会指出，正确的决策是各项工作成功的重要前提，要改革和完善决策机制，推进决策科学化、民主化，防止决策的随意性。因此，建立和完善重大问题集体决策制度是贯彻“三个代表”重要思想，贯彻十六大、十六届四中全会的基本要求，是科学执政、民主执政、依法执政的关键所在，也是调动方方面面干部群众积极性，合力发展的迫切需要。 一、弄清涵义，解决“是什么”的问题 坚持重大问题集体决策制的根本就是确定重大问题的范围和保证真正意 义上的集体。所谓重大问题，就是相对一般而言，如城乡发展规划、重大基础设施建设、重大干部人事任免等关系到一个地方发展改革的施政方针和关系到人民群众切身利益的重大事项，明确了范围就可防止不分大事小事，眉毛胡子一把抓的“平均使力”现象。所谓集体决策就是对于界定的重大事项，要坚持集体研究，会议决定，防止会前不通报，会上搞突然袭击的“霸道主义”和会前不作深入调查、仔细分析，会上随大流的“弃权主义”。 二、提高认识，解决“为什么”的问题 1、是推进民主集中制建设的重要环节。在我们党内，还在一定程度上存在独断专行、不要民主的“家长制”、“一言堂”和软弱涣散、不要集中的自由主义、分散主义。按照“集体领导、民主集中、个别酝酿、会议决定”的原则，建立和健全重大问题集体决策制度，就是把关系人民群众切身利益的重大意见、建议集中起来，在民主议事的基础上，进行科学决策。这是民主集中制原则在党的领导生活中具体化、制度化、规范化的体现和要求，是民主集中制理论上的重大创新。 2、是加强和改善党的领导的重要内容。党的领导是否坚强有力、科学有效，是否能够得到不断加强和改善，与重大问题的决策制度是否健全有着直接的关系。一方面，健全重大问题的决策制度，可以提高和改进领导艺术、领导方式、领导方法。在国内国际环境都发生巨大变化，新事物新问题层出不穷的今天，党面临着许多新情况新考验，只有建立健全重大问题的集体决策制度，提高党的执政能力和领导水平，我们党才能提高驾驭各种复杂局面的能力。另一方面，健全重大问题的决策制度，可以增强领导班子的凝聚力和战斗力，反之对重大问题界限不清，办事程序混乱，必然影响班子内部的团结，削弱班子的凝聚力、战斗力。
数据科学与大数据技术----专业建设规划 方案 一、总体目标 本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。 （一）人才培养目标 本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。 （二）课程体系与学科建设 作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。 在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。 （三）学科队伍建设 由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设： （1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面； （2）精通处理大数据分析的人才； （3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。 大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求，以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。为了适应专业建设的需要，必须实行内培外引的人才培养策略，将青年教师派驻企业学习是一种增强师资队伍实力比较快捷的方式，4年内你派出20余人次国内外高校、大数据企业进行短期进修培训和挂职锻炼，引进大数据相关专业教师4人（硕士研究生及以上，计算机、大数据等相关专业）。另外，还可以通过引进企业工程师作为学校兼职教师，充实教师队伍，4年内拟引进企业大数据工程师4人。 （四）实践平台与科学研究建设
《农业政策学》复习资料整理 政策:是国家、政党为实现一定目标而制定的行为准则。 政策的特点：①阶级性。②正误性。③时效性。④表述性 政策的三要素：政策背景政策目标政策手段 政策科学：人们对政策运动规律的总结。 政策背景：是政策作用对象及其周围环境的现状 农业政策：政府为了实现一定的社会、经济及农业发展目标，对农业发展过程中的重要方面及环节所采取的一系列有计划的措施和行动的总称。 政府对农业实行干预的内容包括： 1、为农民提供直接补贴 2、提供农业信贷服务 3、加强对农产品市场的宏观调控 4、提供农业教育的科技服务 5、对土地资源和环境进行保护 6、建立农产品储备制度 7、实行食物分配计划 制定农业政策相关的经济理论： 1.公共选择理论 2.委托一代理理论 3.组织行为理论 帕累托最优：指这样一种状态，在这种状态下，每个人的经济状况好到这种程度，以致于任何人都不可能再得到好处而同时又不使另一个人受到损失。
农业政策分析的模型： 一、理性决策模型二、渐进决策模型 三、系统模型四、过程模型五、精英模型 农业政策的目标：指农业政策所要实现的一种期望状态或理想结果。中国的农业政策目标： 1、努力发展农村社会主义市场经济 2、增加农产品的有效供给 3、增加农业劳动者的收入 4、巩固和完善社会主义生产关系 美国农业政策目标： 1、提高农业生产效率、 2、增加和稳定农场收人（农产品补贴）、 3、增进社会福利、 4、农村发展 欧盟农业政策目标： 1、通过促进技术进步，农业生产的合理化，农业生产要素最优配置，特别是劳动力的合理配置，提高农业劳动生产率 2、在不断提高农业劳动生产率的基础上，增加农业从业者的收入 3、稳定农产品市场 4、保证食品安全供应（转基因食品） 5、为消费者提供价格合理的农产品 农业政策手段体系：
数据分析与数据科学的未来 根据IADSS联合创始人Usama Fayyad博士，在2019年波士顿ODSC大会上的主题演讲后的采访，我们了解到了数据科学当前和未来的问题以及可能的解决方案。 凯特·斯特拉奇尼（Kate Strachnyi）：鉴于人们在数据中所扮演的角色千差万别，因此将来会采用哪些行为改变或使用哪些工具？ Usama Fayyad：我认为组织中的工具和行为变更可能以比实际方式更昂贵的方式进行，这意味着它们正在经历聘用数据科学家的好与坏。他们中的一些人看到了价值，有些人看到了他们聘用中的不合适，现在他们不得不通过解雇或替换来从中调整，以获取更高的价值。我认为由此产生的结果是，项目组要开始进行更彻底的评估。如果你没有一个好的数据科学家，那么距离聘请另一个好的数据科学家的时间也就不远了。 那么，如果你的部门一开始或者已经没有好的科学家在职，那你应该从哪里开始呢？这就是为什么你需要招募人才，对吗？你如何解决？我们认为，通过制定标准，对每个职员的角色，职位以及所需要的培训进行良好的描述，实际上才能使人们更容易地通过很多简历，然后选择那些看起来很有前途的工作，选择可能有价值的面试，知道在面试中可能会问些什么。我们分享了很多候选人的反馈，他们说：“嘿，我在十个不同的地方接受了同一份工作的面试。除了围绕编程的两个小问题外，面试几乎没有什么共同之处。”
凯特·斯特拉奇尼（Kate Strachnyi）：好吧，我要说的是，如果有一个数据科学家需要回答 的十个常见问题，你可以考虑将这些问题的答案发布到Google的某个地方。 Usama Fayyad：当然。这就是为什么没有其他替代方法可以进行实时跟踪，从而使你更加深入。仅仅问常见问题是不够的。当你进行视频采访时，有一些工具可以检查这些行为，以查看 是否有人在看其他地方，或者其他人是否坐在后台窃窃私语。令我惊讶的是，现在有了技术， 人们可以使用AI来检测是否在受监督的视频采访中有标记某项内容，并且是否有公司提供这些服务。当你收到一个红旗时，你会停下来并说：“你真的知道这个地区吗？让我问你一些后续 问题。”通常，作弊的人会很快崩溃。 凯特·斯特拉奇尼（Kate Strachnyi）：与我们所说的有关，有很多人想成为数据科学家，但 是他们也在AI中发挥了很多技术创新作用，可以帮助数据科学家完成工作。那么，你是否认为，机器人正在接替我们的工作，并且技能差距将会缩小？这是个问题吗？ “ AI并不是要用机器人代替人类。它是要把机器人从人类身上带走。” Usama Fayyad：我认为这是MIT数据实验室或MIT媒体实验室提出的座右铭：“ AI并不是要用机器人代替人类，而是要把机器人从人类手中带走”。因此，我认为AI和许多此类技术正在使他们的工作更加轻松。实际上我根本不相信他们有能力取代我们的工作。可以替代的工作 是非常平凡，非常机械化，非常重复的任务，这类工作我认为机器会比人类做得更好。我们需 要人类，因为到目前为止。我们不知道如何构建一种具有大多数人拥有的东西的机器，这是常识，并且能够在新情况下快速做出判断。 我喜欢用自动驾驶来举例子。我认为短期内我们不会看到自动驾驶。这项技术可能需要30多 年的时间。但是我确实相信，今天在很多领域，这些AI算法都可以为我们提供很多帮助。因此，避免分心的驾驶员发生碰撞，提前给予警告并进行刹车操作，这些是十分有用的。对于许多人 同时泊车的情况来说，可以帮助你完成任务的工具现在可以自动化，这是一件好事。因此，在 这些区域中，你可以自动执行许多操作，但是到目前为止，我们还无法构建能预见我们可能遇 到的情况的机器。之前没有看到过能迅速做出反应，能将来自另一种类似情况的知识映射到该 情况并有效利用的例子。我有很多类似这种情况的例子，这也就是我为什么不相信自动驾驶将 如何发生的原因，至少在我的一生中如此。但是我认为这些机器已经足够先进，可以执行许多 平凡的任务，并在我分心，无能或有其他问题时为我提供帮助。
1.农业推广的内容、地位、和作用是什么? 1)内容： i.狭义的农业推广：把大学和科研机构的研究成果，通过适当的方式、方法介绍 给农民，使农民获得新的知识和技能并在生产中应用，从而增加产品产量和经 济收入的活动。 ii.广义农业推广涵义：是狭义推广的拓展和进步，其内涵既包括狭义推广的产中技术指导，又包括产前咨询指导和产后的销售服务；还包括教育培训农民和组 织农民经营。 iii.现代农业推广的涵义：应用农业自然科学和社会科学知识，采取培训、咨询、成果示范和物质服务等形式，利用现代化传播媒媒介为手段，将农业新成果、 新信息，扩散普及应用到三农中去，把潜在的生产力转化为现实生产力，促进 三农综合发展和农业三态效益全面提高的一种专门活动。 2)地位： 农业推广、农业研究、农业教育三大支柱，互为因果、互相促进、同等重要！ 3)作用： 是农业科技成果质的再完善；是科技成果转化为现实生产力的桥梁 2.农业推广学的性质、任务、和研究对象是什么? 1)性质：农业推广的性质属于教育范畴，是多种内容和形式相结合的农村社会教育， 是农村智力资源的开发，而不是单纯的生产技术的推广应用。 2)任务： （1）揭示农民应用农业科学技术过程中行为的变化规律及影响因素； （2）研究总结各国农业推广产生与发展历史；
（3）研究探讨农业推广机构；（4）研究探讨有效的农业 3)研究对象： 农业推广学理论部分包括：农业创新的传播扩散原理；科技成果转化机制；农民行为特点转变原理；农业推广学的产生与发展史；农业推广与外部环境关系；社区发展理论；农业推广学研究方法 农业推广技能部分包括：推广的程序与方式、方法；试验与示范；信息服务；经营服务；写作与讲演；计划的管理与评价；推广人员管理与培训；农业推广教育 3.不同时期农业推广的特点、特征？ 4.国内外农业推广的著名人物和主要贡献? 5.现代农业推广---推什么、怎样推、谁来推? 6.科学与技术的区别和联系? 区别：科学必须具有新的发现和学术价值；技术必须具备发明创新和应用价值 联系：科学的使命是运用正确的世界观和方法论，通过对客观事物的反复观察、实验、分析、归纳、抽象、概括，最后形成认识；并在实践中加以验证，揭示事物存在的本质形式及发展规律。技术的社会职能是基于某一领域和相关领域已知的科学知识，经过试验研究，开发出的能够支配、改造和利用自然客观事物的途径、方法和技能。 7.农业科技成果的内涵及属性? 内涵：是科学与技术的统一体，它既包含有认识自然的理论知识，又含有支配和改造自然的技术方法。 属性：科技成果的社会属性；科技成果的自然属性；科技成果的商品属性；科技成果的阶级属性 8.农业科技成果的类型和各自的特点?
数据科学与大数据技术专业培养方案 2018年，我校数据科学与大数据专业将首次招生，招生规模预计为60人左右。该专业依托湖北大学与中科曙光共建的“大数据学院”，借助双方共同投入2000万构建的大数据专业实验室，与中科曙光联合开展人才培养。旨在培养具有大数据思维、运用大数据思维及分析应用技术、具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。本专业学生毕业后，能在统计部门、税务海关、公司企业以及金融保险机构等企事业单位从事大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，或继续攻读本学科及其相关学科的硕士学位研究生。 专业代码：080907 一、培养目标 本专业培养具有良好职业道德，具备系统的数学、人文与专业素养，较全面掌握数据科学专业方向所需的基本理论、基本方法和基本技术，具有较强的数据采集、存储、处理、分析与展示的基本能力，能够运用所学知识解决实际问题，具备较高的综合业务素质、创新与实践能力、以及良好外语运用能力。能在国家机关和企事业单位从事经济、金融、贸易、商务等行业从事大数据研究、大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新的应用型数据科学人才。 二、毕业要求 本专业培养掌握大数据科学与技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。 毕业生在知识、能力和素质等方面应达到如下具体要求： 1.工程知识：能够将数学、自然科学、数据科学与大数据技术基础知识用于解决复杂工程科学技术问题。 2. 问题分析：具有解决数据科学与大数据技术领域复杂工程问题所需的专业知识，具备对复杂工程项目问题进行科学识别和提炼、定义和表达、技术分析和测试及运维管理的能
《农业政策学》钟甫宁课程的主要内容是： 第一章导论（2学时） 了解政策、政策科学、农业政策的概念，掌握政府、市场与农业政策的关系。 1.政策与政策科学：政策；政策科学。 2.农业政策的本质与内涵：农业的概念、地位及作用；农业政策及其重要性。 3.政府、市场与农业政策：政策形成的逻辑起点；政府政策干预的目标及缺陷；市场经济条件下的农业政策。 第二章农业政策分析的经济原理与方法（4学时） 通过本章学习，了解农业政策与经济福利的关系，掌握农业政策分析的模型和农业政策分析的方法。 1. 农业政策分析中的经济福利：制定农业政策相关的经济理论简介；农业政策与经济福利的关系；经济福利的概念及其内涵；帕累托最优及其实现条件；福利变化的测度。 2. 农业政策分析模型：理性决策模型；渐进决策模型；系统模型；过程模型；精英模型。 3.农业政策分析的方法：现代科学方法论的内容；农业政策分析方法的基本内容；农业政策分析的具体方法。 第三章农业政策的制定（4学时） 通过本章学习，了解农业政策问题的确定，农业政策方案的论证与决策。掌握农业政策目标及农业政策手段的相关内容。重点掌握农业政策目标的含义与中国具体的农业政策目标。 1. 农业政策问题的确定：农业政策问题的内涵；农业政策问题的基本特征；农业政策问题的认定与论证；构建农业政策问题的方法。 2. 农业政策目标：农业政策目标的基本含义；确定农业政策目标的原则；确定农业政策目标的基本思路与要求；不同经济制度下的农业政策目标。 3. 农业政策手段的选择与方案设计：农业政策手段的选择；农业政策方案的设计。 4. 农业政策方案的论证与决策：农业政策方案的比较论证；农业政策方案的决策；农业政策方案的修正与完善；农业政策方案的采纳与合法化。
数据科学与大数据技术专业培养方案 一、培养目标 本专业旨在培养思想品德好、专业素质高、实践能力强，掌握数据科学专业方向所需的基础理论和方法，具有经济、金融等相关行业知识背景，具备较强的数据收集、数据处理和数据分析的技术和能力的国际化应用型数据科学人才。 学生毕业后，能在国家机关和企事业单位从事经济、金融、贸易、商务等行业的大数据分析，能利用数据科学方法开展商务流通大数据应用、金融大数据应用，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新。 二、培养规格及标准 ⒈知识结构 本专业学生应具备以下几方面的知识： (1)通识教育知识：思想政治理论课、大学英语、大学语文、体育、哲学与社会、文学与艺术、科学与创新、数学思维与经济分析、文化历史与国际视野等； (2)基础知识：数据科学导论、数学分析、线性代数A、概率论A、数理统计、Python程序设计、计算机系统基础、C++程序设计、数据结构、数据库原理与设计等； (3)专业知识：大数据探索性分析、最优化方法、数据挖掘与机器学习、计算统计、应用回归分析、应用时间序列分析、应用多元统计分析、分布式计算、人工智能、自然语言处理、深度学习、文本挖掘、算法导论等； (4)相关专业知识：微观经济学、宏观经济学、计量经济学、国际金融、国际贸易、商务大数据案例分析、金融数据风险建模、运筹学、管理学、博弈论等； 具体课程设置详见本专业指导性教学计划。 ⒉能力 通过培养，学生应具备以下几方面的能力： (1)具有扎实的数据分析的理论基础和大数据技术，培养比较系统的大数据分析思维； (2)掌握数据科学的基本理论、基本方法和基本技术，具有大数据采集和数据挖掘的技术，具备解决涉及大数据问题的能力； (3)掌握系统的经济、金融等方面的行业知识，具有运用数据科学的理论、方法和技术分析相关领域实际问题的能力； (4)掌握英语，听、说、读、写、译能力均达到较高水平。具有较强的英语口语和书面交流能力，熟练运用专业英语能力。能阅读数据科学和大数据方面的专业外文文献，掌握中外文资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有较强的自学能力和初步科研能力；
数据科学与大数据技术 ——专业前身（管理科学）2017年江西省普通高校本科专业综合评价排名第一本专业面向工业大数据、商业大数据、金融大数据、政府政务大数据与智慧城市大数据等不同行业，培养学生具备扎实的数学与计算机科学基础、基于统计与优化的数据分析与建模能力、基于专业化行业知识的数据应用解决方案设计能力，未来能够立足工商企业、金融机构、政府部门等不同行业、具备较强可塑性的数据分析与管理决策人才。培养目标分为两个层次：（1）面向特定行业需求，从事数据采集、分析和建模工作，进而提供管理决策支持的数据分析师；（2）面向不同行业需求和数据现状，从事个性化的数据应用解决方案设计与实施工作，进而实现业务资源优化配置的数据科学家。毕业时颁发数据科学与大数据技术本科毕业证书，符合学位授予条件的，授予理学学士学位。 计算机科学与技术（财经大数据管理） —2016年江西省普通高校本科专业综合评价排名第二 本专业依托学校财经学科优势，强化学科交叉，采用“厚基础、重工程、深融通、精方向”的培养模式，培养既熟练掌握计算机软件与硬件、程序设计与算法、数据库与数据挖掘、系统分析与集成等方面的专业知识和能力，又熟悉财经领域的组织与运营模式、理解财经领域业务流程及业务逻辑，能胜任在银行、证券、保险等财经领域从事数据分析与解读、数据挖掘、产品运营策划与咨询、数据可视化、大数据管理、大数据系统和金融信息系统的开发、维护、决策支持等工作，具有“信、敏、廉、毅”素质的卓越工程应用型人才。毕业时颁发计算机科学与技术（财经大数据管理）本科毕业证书，符合学位授予条件的，授予工学学士学位。 信息管理与信息系统（金融智能）专业 ——2017年江西省普通高校本科专业综合评价排名第一 通过修读信息管理与信息系统、金融和人工智能相关课程，培养具有先进
2020数据科学与大数据技术专业大学排名 数据科学与大数据技术专业介绍 数据科学与大数据技术，是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年，课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。 开设概况： 2016年2月16日，教育部发布《教育部关于公布2015年度普通高等学校本科专业备案和审批结果的通知》（教高函〔2016〕2号），公布“2015年度普通高等学校本科专业备案和审批结果”的“新增审批本科专业名单”有新专业“数据科学与大数据技术”。 培养目标： 本专业旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。具体包括：掌握计算机科学、大数据科学与信息技术的基本理论、方法和技能，受到系统的科学研究训练，具备一定的大数据科学研究能力与数据工程实施的基本能力，掌握大数据工程项目的规划、应用、管理及决策方法，具有大数据工程项目设计、研发和实施能力的复合型、应用型卓越人才。 主要课程： 课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，具体课程包括：大数据概论、大数据存储与管理、大数据挖掘、机器学习、人工智能基础、Python程序设计、统计学习、神经网络与深度学习方法、多媒体信息处理、数据可视化技术、智能计算技术、分布式与并行计算、云计算与数据安全、数据库原理及应用、算法设计与分析、高级语言程序设计、优化理论与方法等。 就业方向 分析类岗位： 分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。 算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题；人工智能方向，根据人工智能产品
科学探究中收集数据和分析数据能力的培养 一、课题的现实背景及意义 小学科学是以科学探究为核心，倡导多样化学习的一门学科。而在探究实验教学中，经常不可避免要用到数据。所谓数据主要指学生在科学探究中通过观察、实验等所得到的相关数据。数据是学生在观察和实验中最重要的实证之一，是作出解释最重要的依据，是学生形成正确科学认识的有利武器。小学科学教学中，我们要充分利用数据，用数据说话，用事实说话，用证据说话。在科学探究活动中利用各种方法及时收集记录大量数据，再通过整理和分析，发现彼此之间的联系，发现其中的规律，有时数据可能不可靠，还需要不断的进行重复研究，以期得到可靠的、具有一定信度的数据，不断提升数据的价值。合理、恰当、有效地运用学生搜集、整理、分析得到的数据，让学生自觉运用数据来解释相关的问题或现象，不断利用可靠的数据证明自己观点，推动学生思维不断向前发展，提高科学探究效率。收集实验数据?分析数据是学生实验中的一个重要环节。但是作为一线的科学教师，我发现：现在的孩子收集记录数据，分析数据的能力非常薄弱。所以我认为应该加强学生记录收集数据和分析数据能力的培养。在一次定美 籍华人张红琴博士带来的几节美国的科学教学，发现美国老师在课堂上十分重视学生的数据记录收集习惯的培养，哪怕是一年级的小朋友，也要求学生在研究过程中自己得到的数据记录下来，再进行分析思考。这样，学生养成了这个习惯以后，为他们后续的研究、学习打下了扎实的基础。而在国内，很少有人关注学生记录这方面的培养，可以说在这一领域，还是一块空白。 二?国内外同一研究领域现状与研究的价值 1、国外同一研究领域的现状 综观国外同类课题研究的现状，美国《国家科学课程标准》中尤其强调科学教学中培养学生证据意识的重要性，而证据的许多方面需要用到数据。他们认为：在探究方面，对结论进行答辩之后通常由小组对数据进行分析和综合。国外很多国家都十分注重孩子记录分析能力的培养，也已经总结出一些非常好的经验，值得我们去借鉴。 2、国内同一研究领域的现状 关于学生数据收集记录和分析能力的培养，在科学教学中，这方面的研究比较少,可以研究的空间还很大。随着新课程改革的不断深入，学生的学习范围也由
科学分析数据，精准提升质量 一、什么是数据分析 数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料有目的的进行收集、整理、加工，提炼有用信息和形成结论的一个过程。其过程概括起来主要包括：明确分析目的与框架、数据收集、数据处理、数据分析、数据展现和撰写报告。 二、为什么要数据分析 （一）功能决定 管理的精细化必然要求评价指标化、数据化，现代学校管理非常重视利用数据信息实施管理。当然在大数据时代，数据的获得不再是难事，难的是如何科学的处理和分析数据，挖掘出数据背后隐藏的信息。尤其是在考试后的质量分析环节，通过对考试数据的汇总、整理和分析研究，不仅可以为教师改进教学提供重要信息，还可以指导学生的学习，更可以为教学管理者的决策提供可靠的依据。 （二）现实需求 我校目前质量分析的形式基本是各学科“一分两率”数据名次排序，教师习惯性数落学生差，家长弱，自己很努力，但是学生不争气。由于没有数据分析的支撑，所以学校也无法对每个教师的教学做出精准的评价，只能泛泛一说完事，对后期教师的教学指导和改进作用并不大。干部、教师普遍缺乏数据思维意识，缺乏竞争交流的氛围，成绩的好坏很大程度取决于生源的质量，这就造成备考策略单一，没有可持续性。 （三）引领导向 通过数据分析帮助教师看到自己的优势，建立自信，发现自己的问题，积极改进，看到他人的强项和劣势，看到学生存在的问题和发展的潜力，学会用积极的心态对待自身在教学中的问题，不抱怨不逆反，也使学校质量分析从“定性判断”开始向“定量诊断”转变，从而使管理和教学走向科学化，精准化。 三、如何数据分析 建立“五层二维”数据分析机制，实现质量分析从“经验型”向“数据型”的转变