数据可用性声明告诉读者你的结果背后的数据存放在哪里,以及在什么条件下可以获取。期刊要求提供它,是因为一项无法追溯到其底层材料的结果很难被验证、复用或进一步拓展。本文为你提供一个可直接用于投稿的结构、一个完整示例、一份检查清单,以及审稿人或导师会默示采用的完成标准。
核心声明包含三个部分:存在什么、存放在哪里、以及在什么条件下他人可以获取。大多数拒稿或修改意见都源于这三部分中某一项含糊不清。“数据可应要求提供”可以成立,但前提是你说明联系谁、将共享什么内容、以及需要多长时间。一份写明存储库、持久标识符和清晰获取途径的声明更有力,也无需反复沟通。
如果我的数据很分散,该从哪里开始?
从列出你的论文实际依赖的材料开始。对于课程论文或论文章节,这通常是一个包含整理后的电子表格、访谈转录、问卷导出或分析脚本的文件夹。写下读者复现每个图表所需的最小材料集合。
然后将清单分为三组:可以共享的数据、只能以修改后形式共享的数据,以及根据伦理审批或机构规定无法共享的数据。英国数据服务处的指南指出,有组织的文件、有意义的命名、有记录的版本以及开放或合适的格式,是让数据变得可理解、可复用的准备步骤。在动笔之前先完成这个分类,因为声明必须反映实际可共享的内容,而不是你希望以后能共享的内容。
如果你的材料仍然分散在各个文件夹和草稿中,先把它们集中到一个地方。将相关论文和支持文件保存到我的文献库中,这样你在撰写声明时,所引用的论文和你对自己数据所做的笔记就能放在一起。
哪种获取模式适合我的项目?
从四种获取模式中选择一种,并明确说明。
- 开放存储库: 数据公开,具有持久标识符和许可证。这是最强的选择,也是无隐私风险的定量研究的常态。
- 受控访问存储库: 数据已存储,但需要提出申请。这适用于去标识化的临床数据或敏感社会数据。
- 可应要求提供: 数据未存储,但联系特定人员即可共享。需写明联系人、申请流程和预期响应时间。
- 不可获取: 向读者说明原因,例如参与者同意限制或商业所有权。这必须是一个原因,而不是一种偏好。
常见的修改意见是:声明只写了“可应要求提供”之后,审稿人要求“请注明存储库和登记号”。通过写明实际系统和标识符来避免这种来回修改。FAIR原则将持久标识符、丰富的元数据、来源信息和明确的使用条件视为使研究对象可查找、可获取、可互操作和可复用的特征。一个写明存储库和标识符的声明无需额外解释即可回应审稿人的真正关切。
一份有力的声明在实际中是什么样子?
以一个使用整理后的问卷数据和分析脚本的论文章节为例:
支撑本章研究结果的去标识化问卷数据集,以及用于清理和分析的R脚本,已存入开放科学框架,DOI为10.17605/OSF.IO/EXAMPLE。文件按分析步骤组织,并附有README,说明变量定义、版本历史和原始问卷。数据依据CC-BY 4.0许可证提供。
这之所以有效,是因为读者可以据此采取行动:他们知道存储库是什么,知道标识符是什么,也知道文档存在。如果数据无法开放,同样的结构仍然适用:
本研究分析的访谈转录包含可能识别参与者身份的信息,根据已批准的伦理方案无法共享。去标识化的摘要和编码框架可向通讯作者合理申请获取;申请通常会在两周内得到回复。
这里限制与明确的原因挂钩,申请途径也很具体。
如何让声明与资助方或期刊的要求相匹配?
先查看目标期刊的作者须知,再查看适用于该研究的资助方政策。美国国立卫生研究院的数据管理与共享政策要求围绕数据管理和共享进行规划,并关注相关工具、软件、标准、保存、获取、监督和负责任复用。期刊声明比数据管理计划短,但应与你所制定的计划保持一致。
当期刊模板有固定措辞时,照原样使用,并在模板允许的位置加入你的具体存储库、标识符和限制细节。没有模板时,上述三部分结构在大多数领域都可以接受。
如何把分散的文件转化为可共享的资产?
声明只有在所提及的材料确实存在时才可信。逐一核查声明中的每一项,确认读者能够获取。重命名文件,使内容无需打开就一目了然;在README中记录版本变更;当开放格式能保留信息时,转换专有格式。如果你使用了专有的质性编码文件,请将编码簿导出为可移植格式,并说明共享了哪些部分。
对于寒假整理或一月新项目启动来说,这是回报最高的一小时:让文件夹与声明保持一致。如果你需要就整理自己的数据集时所收集的论文提问,文献库问答可以让你查询保存在“我的文献库”中或从检索结果中添加的材料,这在你核对方法部分文字与所引用论文时很有帮助。
哪些工具能帮我重建实际做过的事情?
声明应与方法部分和你实际运行的分析一致。如果你在几个月前清理并分析了数据,在动笔前重建确切步骤。如果有脚本就重新运行,并注明每个图表的来源。当脚本或数据集来自已发表的工作流程时,查看原始论文自身的数据可用性声明,了解作者是如何描述的。
如果你在一月开始一个新项目,并希望以后写声明变得容易,现在就先创建一个专用空间。使用研究项目来建立项目,从第一次分析起就把论文、笔记和数据集描述放在一起,而不是等到投稿时再来重建。
审稿人和导师实际检查什么?
导师和审稿人检查的是内部一致性,而不是文笔是否优美。他们会将你的声明与稿件中的三个位置进行对照:方法部分、图注和补充材料。一份声明提到存储库,但图注却写着“数据未展示”,就会引起疑虑。同样,声明承诺提供脚本,但附录中没有任何脚本,也会有问题。
他们还会检查限制是否附有原因。当论文不涉及人类参与者,也不涉及第三方数据时,“数据可应要求从作者处获取”就显得很弱,因为没有解释为什么不直接存储数据。
要自己发现这种不一致,请搜索论文中每个结果出现的位置,并回溯到声明。当回溯路径不清楚时,修正声明或方法部分文字。
如何判断声明已经完成?
使用以下完成标准。当以下每一项都成立时,声明才算就绪。
- 每个图表所依赖的数据集、脚本和工具都在声明中或明确关联的存储库记录中有所体现。
- 每个共享项目都有持久标识符,或存储库名称加上读者可以遵循的文件路径。
- 任何限制都写明原因、联系途径和预期响应时间。
- 声明与方法部分、图注和补充材料一致。
- 有期刊模板或资助方政策时,措辞符合其要求。
- 一个只读声明、不读论文其余部分的陌生人也能找到或申请获取数据。
在声明旁边打开论文,做一次最终一致性检查。当涉及被引文献时,在方法部分文字中依赖它之前先核实语境。如果你正在为一篇已提交的稿件检查BibTeX条目,TrueCite会对照真实学术数据库筛查BibTeX,标出虚构的参考文献,这样描述某篇论文数据的声明就不会建立在一条不存在的引文之上。
可复用的就绪检查清单
| 方面 | 检查内容 | 就绪标准 |
|---|---|---|
| 清单盘点 | 列出每个图表背后的每个数据集、脚本和工具 | 结果中没有任何内容缺乏追溯 |
| 获取模式 | 选择开放、受控、应要求或不可获取 | 选择符合数据的敏感程度 |
| 存储库 | 写明存储库、持久标识符和许可证 | 陌生人能够获取文件 |
| 文档 | 提供README,包含变量、版本和来源信息 | 文件无需口头解释就能看懂 |
| 限制 | 写明原因、联系人、流程和响应时间 | 限制可追溯到伦理或所有权 |
| 一致性 | 将声明与方法、图注和补充材料对照 | 不存在矛盾 |
| 政策匹配 | 符合期刊或资助方的措辞和要求 | 声明能通过合规检查 |




