1、国外数据素质教育及图书馆服务模式研究 朱玉奴 浙江大学图书馆 摘 要： 介绍国外数据素质教育的定义及演变, 分别对传统的数据素质教育、e-science环境下的数据素质教育以及包含数据管理和数据监护的信息素质教育等进行阐述。调查分析国外数据素质教育的典型案例以及教育课程在开发主体、课程内容、教学形式、适用对象方面的特点。指出图书馆已经成为数据素质教育的重要角色, 探讨图书馆开展数据素质教育的意义, 总结图书馆开展数据素质教育的服务模式:嵌入式教学模式、数据空间模式、在线课程模式。关键词： 数据素质教育; 课程; 图书馆; 服务模式; 作者简介：朱玉奴, 浙江大学图书馆馆员, E-mail:。收
2、稿日期：2013-12-05基金：浙江省教育科学规划课题“面向高校创新能力提升的图书馆信息服务研究” (项目编号:SCG400) 研究成果之一Studies on Data Literacy Education and library Service Mode at AbroadZhu Yunu Zhejiang University Library; Abstract： The definition and evolution of data literacy education are introduced in this paper. The traditional data liter
3、acy education, data literacy education in e-science, and information literacy education containing data management and data curation are described. The typical cases of data literacy education and the characteristics of courses developer, content, teaching form, the applicable objects are investigat
4、ed and analyzed. As the library has played an important role of data literacy education, the meaning of library data quality education is discussed, and three service modes of library data literacy education were summarized: embedded teaching mode, data space mode and online courses mode.Keyword： da
5、ta literacy education course library service mode; Received： 2013-12-05随着大数据时代的到来, 数据素质已成为 21 世纪每位公民必备的素质之一。信息技术和网络技术的迅速发展带来科学研究数据的爆炸性增长, 使科学研究范式产生革命性的转变。如何提高未来科学家的数据素质成为一项紧迫的任务, 目前国外已积极开展数据管理和数据素质教育实践活动。1 国外数据素质教育的定义及演变1. 1 传统的数据素质教育在国外数据素质通常表述为“Data Literacy”。较早论述关于数据素质的文献是 2004 年 M. Schield 在国际社会
6、科学信息服务和技术协会 ( IASSIST) 季刊上发表的 Information Literacy, Statistical Literacy and Data Literacy一文, 文章将数据素质定义为对数据进行获取、操作和总结的一种能力, 并指出批判性思考 ( 分析、解释和评价) 是数据素质、统计素质和信息素质三者的共同点1。传统的数据素质教育的目标和内容主要是基于数据的数字和统计属性, 且以批判性思考为核心技能, 往往针对涉及数据分析或统计的专业如社会科学、商学、医学、地球科学等的学生开展数据素质教育, 要求学生能够理解各种访问、转化和处理数据的工具, 包括结构化查询语言、关联数据库
7、、数据处理技术、统计软件和数据演示软件等1。2004 - 2005 年间美国加州大学洛杉矶分校图书馆设计了一个面向社会科学本科生的信息和统计素质课程 ( 社会学课程 105) 2, 在高年级课程中开设了数据素质教育模块, 旨在培养学生的 4 项基本技能, 包括: 提高理解和批判性评价图表的能力; 给数据图表建立准确的书目引文; 对图表进行准确地描述和引用; 阅读一篇包含数据图表的文章并将该图表与文章的内容联系起来。该馆还设置了两个阶段的数据素质教育研讨会: 第一阶段要求学生对日常生活中的统计信息 ( 如学生贷款利率、信用卡、运动、GRE 分数等) 进行讨论, 要求学生能够描述来自于各种印刷资源
8、、商业机构发送的材料、广告等的各种数据, 目的是训练学生能够在他们的研究论文中进行数据的图形化显示, 指导学生如何对找到的或在线生成的图表进行引用。第二阶段的任务主要集中在评价已发表在流行杂志和学术资料中的统计数据。在家庭作业中要求学生使用图书馆的数据库检索一篇包含数据图表的电子 版学术文章, 通过对文章中的图表质量进行评价, 对图表的形式和内容进行提问, 讨论作者对图表的阐释, 训练学生对数据的批判性思考能力。1. 2 e-science 环境下的数据素质教育随着 e-science 数据密集型科学研究的兴起, 数据管理和数据共享受到了极大的关注。研究资助机构如美国国家科学基金会 ( NSF
9、) 发表要求研究者提供数据管理计划的声明, 使科研数据管理的需求变得更加紧迫。出版机构以及一些著名的科学杂志如 Science 和 Cell 也提出有关提交数据集的政策, 这些都促进了围绕科研数据管理的数据素质教育实践的发展。如从 2007 年开始雪城大学信息研究学院的秦健教授等开展了科学数据素质 ( Science Data Literacy, SDL) 教育方面的尝试3。这是美国国家科学基金会 ( NSF) 资助的一个项目, 目的是培养学生的 e - science 数据素质, 使他们可以有效地开展科研工作, 同时使他们成为 e-sci- ence 数据管理的专业人士。2008 - 200
10、9 年, 项目组提供了面向科学和技术专业的本科生和研究生的科学数据管理课程, 研究和评价了教师对数据管理的认知、课程结构对数据素养教育的影响、学生的认知和能力的变化, 为进一步开发图书馆 e - science 课程积累了经验。秦健教授等将 SDL 定义为“能够理解、使用和管理科学数据的能力”, 认为SDL 与信息素质 ( informa- tion literacy) 和数字素质 ( digital literacy) 的概念相似, 但也存在区别, 信息素质指找到、检索、分析和使用信息, 数字素质是指利用数字技术定位、组织、理解、评价和创造信息, 而SDL 强调数据采集、处理、管理、评价和使
11、用等功能性的能力, 较少关注数据基于文献方面的属性。1. 3 科研领域信息素质教育的扩展和延伸目前, 国外另一种普遍的观点认为在科研领域把数据管理和数据监护归入信息素质教育的范畴是合理的。2011 年 10 月英国研究信息网 ( Research Informa- tion Network, RIN) 在科研管理者在信息素质中的角色的报告中指出, 应该把研究数据看成是一种信息, 对原有信息素质定义进行扩展, 以确保学生获得使他们职业生涯成功所需要的技能。英国高校与国家图书馆协会 ( SCONUL) 修订的基于科研视角的信息素质模型以及英国 Vitae 研究人员发展框架 ( Researcher
12、 De- velopment Framework, RDF) 均将数据管理技能加入到信息素质的定义中4。将传统信息素质的概念进行扩展和延伸, 不仅丰富了传统的信息素质教育内容, 也使科研领域的数据素质教育与传统的信息素质教育建立起了一种联系, 教育的要求变得更高, 内容也更加综合。2011 年普渡大学、斯坦福大学、明尼苏达大学、俄勒冈大学的图书馆获得博物馆和图书馆服务学会 ( IMLS) 的资助, 联合开展针对特定专业研究生“数据信息素质” ( Data Infor- mation Literacy, DIL) 教育的项目研究5。在这个项目中, 复合术语“数据信息素质” ( DIL) 指的是基
13、于数据、统计、信息和科学数据素质概念且重新组合形成的一个新兴的技能集合, 既包含研究人员作为数据产品生产者的概念 ( researcher-as-producer) , 也包括研究人员作为数据产品消费者的概念 ( researcher - as - consum- er) 。DIL 包括一系列核心技能: 数据库和数据格式、发现和获取数据、数据管理和组织、数据转换和互操作、数据质量控制、元数据、数据监护和再利用、实践的文化、数据保存、数据分析、数据可视化、数据伦理 ( 包括数据的引用) 。2 国外数据素质教育课程的典型案例 及特点2. 1 DCC 数据监护培训课程6英国国家数据监护中心 ( Na
14、tional Digital Curation Centre, DCC) 为研究人员和专业的数据监护人员提供了多种形式的培训课程, 如一个小时的网络研讨会、半天的讲习班 ( Digital Curation 101) 等, 介绍研究数据的管理和监护概念、方法和工具等, 参与者也可以讨论和分享实践经验。其中 Digital Curation 101 课程中采用了数据监护生命周期模型, 完整的生命周期活动包括描述和表示信息、保护规划、社会关注和参与、监护和长期保存, 在针对于特定学科的研究生培训单元中具体分为 9 个模块, 包括数据监护和保护的介绍, 数据的概念化, 数据创建或接收, 数据评价和挑
15、选, 数据摄取, 数据保护行动, 数据储存, 数据访问、使用和再利用, 数据转换。2. 2 英国数据档案 ( UK Data Archive) 的数据管理和 共享: 最佳实践指南7该指南最早在 2009 年发布, 经过全面修订后于 2011 年发布第三版。英国数据档案是英国最大的人文社会科学数字数据的监护机构。它开发的课程有在线网络版和印刷版, 内容全面, 包括: 为什么和如何共享数据、数据管理计划、编制数据、格式化数据、储存数据 ( 包括数据安全性、数据传输、加密和文件共享) 、道德和许可、数据版权。2. 3 地球数据观测网 ( DataONE) 的数据管理教育 模块8该教育课程是针对地球科
16、学研究人员开发的, 但也适用于其他科学领域的研究人员, 具体分为 10 个模块 ( ppt 格式, 可以被自由下载和嵌入到其他教学材料中) , 分别是: 为什么要进行数据管理、数据共享、数据管理规划、数据输入和操作、数据质量控制与保证、数据保护和备份、元数据、如何编写优质的元数据、数据引用、分析和工作流程。DataONE 是由数据中心、科学网络或组织组成的分布式网络, 用户可以通过访问网上数据库学习关于数据生命周期中各个阶段的最佳实践经验。2. 4 MANTRA 研究数据管理在线课程9MANTRA 最初是在英国联合信息系统委员会 ( JISC) 的赞助下, 由爱丁堡大学数据图书馆开发和维护的。
17、MANTRA 拥有 8 个教学模块, 具体包括: 研究数据解释, 文件格式和转换, 数据保护、权利和访问, 数据管理计划, 文件编制和元数据, 共享、长期保存和认证, 组织数据, 储存和安全, 并提供R、SPSS、NVivo 和 Arc- GIS 4 个数据处理软件的上机实践学习资料。通过一系列的网上互动单元, 学习者可以了解数据管理的术语、关键概念以及数据管理方面的最佳实践经验。这个课程分别为研究学生、终身研究人员、高级学者和信息专家提供学习指南, 并为图书馆员提供了 DIY 研究数据培训工具组件, 以帮助其开展研究数据管理工作。2. 5 MIT 数据管理网络指南10麻省理工学院图书馆基于
18、DSpace MIT 机构库开展了一系列支持学校科学数据管理的服务, 其中创建了以“管理您的数据”为主题的网络指南, 并辅以管理研究数据 101 课件 ( Managing Research Data 101) 为用户提供数据信息素养能力的指导。这个数据管理和发布指南是一个实用的自助式的指南, 涉及了研究数据整个生命周期的管理, 具体包括: 数据管理规划、文档/ 元数据、文件格式、数据组织、数据安全及备份、引用数据、数据集成、资助者要求、伦理和法律问题、数据分享和归档。管理研究数据 101 课件为研究人员提供了基本的、实用的有关数据管理的策略, 概述了上述数据管理指南中所涉及的内容。2. 6
19、数据管理课程框架11该课程框架旨在对自然科学、健康科学和工程学的本科生和研究生进行数据管理指导, 由 IMLS 和国家医学图书馆共同资助, 由马萨诸塞大学医学院的 Lamar Soutter 图书馆和伍斯特理工学院的 George C. Gordon 图书馆共同研制。框架内容包括: 该课程与美国国家科学基金会数据管理计划要求的关系、7 个教学模块及相关阅读材料、研究数据管理案例、评估等, 其中 7 个教学模块分别是: 研究数据管理概述, 数据类型、阶段和格式, 元数据, 数据储存、备份和安全, 法律和伦理事项, 数据共享和再利用政策, 存档和长期保存计划。2. 7 面向图书馆员的数据情报课程1
20、2该课程由荷兰 3TU 数据中心与数据归档和网络系统 ( Data Archiving and Networked Systems, DANS) 共同开发完成, 旨在帮助图书馆及图书馆员成为数据密集型科学的支持伙伴, 教学形式为网络课程和面对面教学相结合。数据管理教学内容包括: 研究过程、数据生命周期、数据管理计划、数据选择、数据格式、元数据、数据政策、数据和法律、好的实践活动。2. 8 科学研究之负责任的数据管理指南13这个指南由 Clinical Tools 有限公司在美国健康和人力资源部 ( US Department of Health and Human Re- sources) 科
21、研一体化办公室 ( Office of Research) 的资助下研制完成, 文档为 PDF 格式, 内容主要涉及数据管理的一般相关事务、科研团队中不同人员在数据管理中的角色和职责、数据管理中沟通计划的制定及实施等。在每部分内容中设置了课前小测验、关键点、仅供 参考之内容等。综合分析上述这些案例和课程, 可以看出以数据管理为主题的教学代表了近年来国外数据素质教育主要的实践活动, 这些教育课程的特点主要有: 课程开发主体主要有数据中心或数据监护机构、图书馆、研究机构 ( 如高校) , 还有科研管理部门。有单个单位开发, 也有多个单位联合开发, 以联合开发和以项目资助开发的模式居多。 课程内容基
22、本都是围绕数据管理展开, 包括数据管理中的基本概念介绍、数据管理和数据共享的意义、数据编制、数据格式、元数据、数据储存、数据法律和伦理、数据版权 ( 数据引用) 、数据长期保存等, 有些还结合了数据管理计划、数据生命周期、软件工具、数据管理实践活动、科研过程等内容。 在具体教学形式方面, 课程普遍采取在线网络方式, 课程材料均可从网上获得, 但格式多样, 有的是在线模块式的, 有的是 ppt、pdf、doc 等文档格式的, 有的是网页式的。此外, 有的案例中还采取面对面的教学方式, 实现定制化培训。 课程为多种教育对象提供服务, 适用对象涉及研究人员、本科生、研究生、图书馆员、信息专业人员、数
23、据监护人员等。有的课程具有普适性, 有的针对某一学科领域。3 图书馆开展数据素质教育的意义3. 1 为实现科研数据管理和共享做出贡献科研数据管理和共享已经在全世界范围引起广泛的关注, 在国外, 政府基金机构、研究机构、出版机构、数据中心、图书馆等利益各方都积极投身其中。在新的科研环境下, 研究人员应该具备收集、分析、共享和有效地管理和保护研究数据的能力, 而开展数据素质教育是培养研究人员数据管理和再利用能力的重要途径。图书馆在科研数据管理服务和提高高校科研人员数据素质方面拥有自身的优势, 一方面是图书馆一直以来具有资源长期保存者和信息提供者的功能定位, 另一方面图书馆员已越来越多且成功地参与到
24、快速变化的学习和教学环境中, 从信息素质教育到充满新技术的学习和研究空间, 他们可以与教师建立紧密的合作关系, 从而更好地致力于学生学习能力和研究人员科研素质的提高。因此, 在数据素质教育中, 图书馆可以利用自身在资源收集、组织和保存方面的技术和人员的优势, 通过与研究人员以及学校 IT 部门、科研管理部门和发展规划部门建立良好的合作关系, 促进数据存储、管理和保存, 实现数据共享。3. 2 为促进图书馆自身的发展提供途径数据素质教育为图书馆提供了参与科研过程、与研究人员和学校其他部门建立合作关系的机会, 图书馆不仅可以为研究人员的数据管理和共享提供教育、咨询、技术、基础设施等各种服务, 而且
25、可以借此机会与各个利益相关者包括研究人员、上级部门、同行等广泛交流这些服务的价值。正如 ACRL 研究计划和评审委员会在报告中指出的: “高校图书馆必须证明他们为学术事业提供的价值”, 这也是图书馆特别是学术图书馆未来的发展趋势之一。科研数据管理和共享不仅涉及大科学产生的大规模数据, 而且涉及小科学 ( 小规模研究) 产生的大量数据, 有可能是大规模数据的两到三倍14。随着数据管理需求的不断增加, 图书馆开展数据素质教育的进程也越来越紧迫, 近年来, 国外的实践充分证明图书馆已认识到这种紧迫性并积极行动起来。2007 年明尼苏达大学图书馆为了响应 ALA 关于“在研究型图书馆发展 e - sc
26、ience”的倡导, 组建了 e - science 和数据服务协同团队 ( EDSC) , 建立了数据管理的网站, 为学校师生提供有关数据管理中如文件名、数据保存和备份操作等实用性内容, 并且创办了“科学家和工程学家的数据管理入门”研讨会15。麻省理工学院、密歇根大学等许多著名高校图书馆都建立了关于数据管理教育的网络导航和课程。可见, 图书馆已经积极参与到数据素质教育中, 并可能在数据素质教育中扮演重要角色, 发挥重要作用。4 图书馆开展数据素质教育的服务模式4. 1 嵌入式教学模式嵌入式课堂教学模式是一种较早出现且不断发展的模式。课堂教学中涉及数据、统计、定量方面的教学应该属于传统的数据素
27、质教育的内容和形式。随着图书馆员与专业教师、档案保管员等各方合作的愈加频 繁和深入, 利用这种模式进行数据素质教育的服务形式也更加丰富起来。随着数据在线分析和可视化的发展, 国外图书馆已经开始关注在教师的课堂教学过程中如何为他们定制合适的数据服务, 或者说如何将图书馆服务嵌入到数据课堂教学中。2009 年针对伊利诺伊大学香槟分校的教职员工和研究生开展的一项调查结果表明, 图书馆可以通过以下方式为数据教学和研究提供帮助: 在课堂上支持数据使用, 可以是直接在课堂教学中对数据资源、软件和服务进行介绍, 也可以是图书馆员嵌入到课堂中与教师合作开展数据资源、软件的教学以及帮助学生完成相关作业, 将图书
28、馆作为学生发现和获取数据以及学习如何使用特定数据分析软件的地方。为课堂教学组织数据, 这种方式可以解决教师难以找到教学所需的数据的问题, 图书馆员可以基于特定课程或某一学科组织相关数据集并创建相应的 Web 网页以协助数据教学。通过推荐数据服务来协助数据素质教育, 具体来说, 图书馆员和其他数据服务提供商可以利用专业知识来帮助数据用户定位、访问、提取、定制并评估数据, 帮助教师了解相关的数据资源和服务, 促进物理环境 ( 如数据库、软件、电脑、咨询空间或指导空间) 与相关的数据服务 ( 如作业的咨询、通用软件的培训、数据资源的培训等) 相适应16。4. 2 数据空间模式数据空间模式是一种基于先
29、进技术构建物理空间和虚拟空间, 并与科研和学习过程相结合的教育模式。2006 年弗吉尼亚大学图书馆建立了学者实验室 ( ScholarsLab) , 并于 2010年由图书馆、地理空间和统计数据中心与大学的研究计算中心联合组建相应的实体空间, 这是一种信息技术部门与图书馆相互协作的服务模式, 实验室将图书馆的电子资源、数据管理以及分析、计算软件支持和新兴技术等结合起来, 为人文和社会科学高年级学生和研究人员在电子资源搜索、创新项目合作乃至科研的整个生命周期中提供专家咨询和指导, 并举办针对数据管理等专题的讲习班和研讨会17。伊利诺伊大学香槟分校图书馆近年来尝试了许多创新性服务, 其中重要的一项
30、就是改造原有图书馆空间建立学术共享空间 ( Scholarly Commons) 18, 学术共享空间使教师、研究人员和学生与电子内容创造和分析的专家们 ( 包括图书馆员) 建立联系, 帮助师生和研究人员进行地理空间、文本和数据的分析, 为他们提供创新的教学和学习的软件和方法, 通过这种新的合作模式推进研究工作, 促进学术交流。罗伯特E. 肯尼迪图书馆基于发现 - 探索 - 创造 - 分享 ( Discover-Explore-Create-Share, 简称 DECS) 的理念于 2012 年建立了数据工作室 ( Data Studio) 19, 对学生的数据素质进行培养。工作室为学生提供一
31、种多技术和合作的环境, 以鼓励学生发现利用数据的新技术, 工作室的家具和设施可以根据他们的喜好进行变换, 以有效地促进团队工作。工作室为学生提供了各种各样的数据、数据分析和可视化工具, 结合指示说明、合作和实践, 学生可以以新方式学习和探索熟悉的主题, 学会新的交流信息的方式, 其批判性思考和创造能力得到培养。同时工作室中还设有创造空间和分享空间, 鼓励学生深入研究数据以及分享他们的想法和愿景。加州大学伯克利分校图书馆开设数据实验室为人口经济统计学的本科课程提供教学20。除了协助学生针对他们的学期项目对数据集进行定位和评估外, 该实验室还使用 SDA 软件开展培训。SDA 是用于数据文件编制和
32、分析的在线免费软件, 由加州大学伯克利分校计算机辅助调查方法项目 ( CSM) 开发和维护。CSM 还配套 SDA 数据档案库 ( 包括全国民意研究中心的综合社会调查、美国国家选举调查、美国人口普查局的公共使用微数据等) 开展数据分析教学。4. 3 在线课程模式在线学习和网络课程模式是目前高等教育领域面临的新变革, 国外已在普遍使用这种模式开展数据素质教育。美国教育部曾研究发现“通常在线环境下的学生比那些通过传统的面对面教学的学生在学习相同内容时会表现得更好”。在线学习通过提供“更多的 机会与学习者进行动态交互和对学习者进行评价”而使学生受益。2011 年明尼苏达大学图书馆与美国普渡大学、俄勒
33、冈大学和康奈尔大学合作开展的数据信息素质 ( DIL) 2 教育项目中, 利用 e - learning 技术, 开发了一个包含 7 个模块的在线培训课程21, 为研究生开展数据长期保存和访问的培训, 提高其在数据管理方面的技能。这个在线课程模块分为: 数据管理入门、管理的数据、数据的组织和文件编制方法、数据访问和所有权、数据共享和再利用、数据保存技术、完成你的数据管理计划。2012 年利兹、谢菲尔德和纽约的学术图书馆与谢菲尔德信息学校相互合作, 在JISC 资助下, 历时一年开展 RDMRose 项目研究, 开发针对高校学科馆员和信息专业人员研究数据管理 ( RDM) 方面的学习材料, 为图
34、书馆员和信息专业人士的持续职业发展提供帮助22。该学习材料将可以用于学校的硕士课程, 也可用于其他信息部门提供培训认证, 2013 年起还提供开放教育资源的版本。该项目提供了面对面培训和一系列有关数据管理的实际操作的展示, 特别强调基于真实的文件如机构的 RDM 政策或数据管理计划文件进行实际的操作训练。5 结 语数据素质教育是数据时代图书馆发展的一个新的领域和方向, 具有复杂性、系统性的特点, 这给其实际操作带来不少的挑战, 对图书馆员的素质提出了更高要求。对于许多国外高校图书馆, 尤其是研究型图书馆来说, 科研数据管理已成为重要的议题。图书馆可以提供研究数据管理相关专业知识的指导, 针对研
35、究人员开展数据素质的教育与培训, 提倡开放数据的共享, 参与数据存储库的管理等。通过与其他专业服务机构以及与研究人员密切合作, 图书馆将可能在科研数据管理领域发挥关键的作用。期望国外图书馆在数据素质教育方面的实践经验和理论研究能为国内图书馆的相关工作提供有益参考。参考文献1Schield M.Information literacy, statistical literacy and data literacyJ.IASSIST Quarterly, 2004, 28 (2/3) :6-11. 2Stephenson E, Caravello P S.Incorporating data li
36、teracy into undergraduate information literacy programs in the social sciencesEB/OL.2013-11-21.http:/ 3Qin Jian, DIgnazio J.Lessons learned from a two-year experience in science data literacy educationEB/OL.2013-08-29.http:/docs.lib.purdue.edu/iatul2010/conf/day2/5. 4Carlson J, Johnston L, Westra B,
37、 et al.Developing an approach for data management education:A report from the data information literacy projectJ.International Journal of Digital Curation, 2013, 8 (1) :204-217. 5Carlson J, Fosmire M, Miller C C, et al.Determining data information literacy needs:A study of students and research facu
38、ltyJ.Libraries&the Academy, 2011, 11 (2) :629-657. 6DCC digital curation training for allEB/OL.2014-02-01.http:/www.dcc.ac.uk/training. 7UK Data Archive Managing and Sharing DataEB/OL.2014-02-01.http:/www.data-archive.ac.uk/media/2894/managingsharing.pdf. 8DataONE Education ModulesEB/OL.2014-02-01.h
39、ttp:/www.dataone.org/education-modules. 9MANTRA Research Data Management TrainingEB/OL.2014-02-01.http:/datalib.edina.ac.uk/mantra/. 10Manage Your DataEB/OL.2013-10-16.http:/libraries.mit.edu/guides/subjects/data-management/index.html. 11Frameworks for a Data Management CurriculumEB/OL.2014-02-01.ht
40、tp:/library.umassmed.edu/data_management_frameworks.pdf. 12Data Intelligence 4 LibrariansEB/OL.2014-02-01.http:/dataintelligence.3 tu.nl/en/home. 13Guidelines for Responsible Data Management in Scientific ResearchEB/OL.2014-02-01.http:/ori.hhs.gov/images/ddblock/data.pdf. 14Scaramozzino J M, Ramrez
41、M L, McGaughey K J.A study of faculty data curation behaviors and attitudes at a teaching-centered universityJ.College&Research Libraries, 2012, 73 (4) :349-365. 15Lisa J, Meghan L, Beth P.Training researchers on data management:A scalable, cross-disciplinary approachJ/OL.Journal of eScience Librarianship, 2012, 1 (2) .2013-10-09.http:/dx.doi.org/10.7191/jeslib.2012.1012.
