資料科學與研究資料管理的最前沿：2022 國際資料週
想和來自全世界的科學家、研究者、政策制定者、企業領袖等一起討論資料議題，想跟上資料科學與研究資料管理最前沿的腳步？國際資料週 （International Data Week, IDW）是最好的選擇之一。
國際資料週是什麼？ 「國際資料週」是由研究資料聯盟（Research Data Alliance, RDA）以及國際科學理事會（Internatioanl Science Counci, lSC）所屬的資料委員會（Committee on Data, CODATA）、世界資料系統（World Data System, WDS）所共同舉辦的資料科學盛事。自 2016 年起，通常每兩年舉辦一次，吸引近千名全球參與者。因為 COVID-19，2020 年的大會延到今年六月在首爾舉行。
國際資料週的議程由兩個大型研討會構成。例如 2022 的國際資料週 ，即結合了 RDA 第 19 次大會（RDA 19th Plenary Meeting）與 2022 年的科學資料會議（SciDataCon 2022 ）這兩項會議。RDA 大會專注於促進資料分享與再利用的討論，SciDataCon 則著墨在研究資料的前沿議題。
2022 為 IDW 第 3 次舉行，議程為期 5 天，於今年的 6 月 20-24 日，在南韓首爾舉行，主題為「用資料改善世界」（Data To Improve Our World）。因 COVID-19 疫情，採實體與虛擬會議併行，議程總計約 150 場次。在 8 月底，RDA 大會與 SciDataCon 已將多數議程的錄影開放給所有人線上觀看（連結見本文最末）。
研究資料寄存所（depositar） 團隊也參與了本次會議，我們除加入各場次的討論外，亦參加海報徵件，向所有與會者說明我們近來在研究資料管理上的工作。筆者參與會議的部分場次，礙於篇幅，以下僅紀錄筆者感興趣的報告與討論。
場次紀錄：如何提高研究成果 的可再重現或可複製性？
本場次專注討論研究成果在「運算」上的可再重現（reproducibility）或可複製性（replicability）。
有關研究成果可否被重現或複製，攸關該研究的可信度與透明性。美國國家學院（The National Academy of Science, Engineer, Medicine）在 2019 年出版 了《科學的可重現與可複製性》報告，是研究者可參考的重要指引。
研究不可重現的原因眾多，在本場次中，來自 AGU 的 Shelly Stall 即指出，如紀錄不足、報告不透明、數位技術過時、或嘗試重現的過程有缺陷等，皆可能是研究結果無法重現的原因；要改善這類狀況，則可從分享資料與工作流程、對數位物件編配持續識別碼、強化資料引用、建立數位物件的說明等方面著手進行。
對此，來自 CURE 的講者們亦分享其機構內的作法。CURE 是由康乃爾大學、北卡羅萊納大學教堂山分校、以及耶魯大學等組成的聯盟，致力於倡議並實作研究在運算領域的可重現性。CURE 的運作環繞著四個基本原則：(1) 透明、近用、信任 (2) 可使用性 (3) 獨立性 (4) 出版前的研究重現（pre-publication）。
上述四個原則的完整說明，可在 CURE 的網頁上取得，例如獨立性即意味著可重現性必須「能在獨立的運算環境，交由獨立的第三方來確認」。
CURE 的成員亦分享了其如何實踐計算上的可重現性。例如康乃爾的社會科學中心的講者即表示，他們提供了全整合的服務（All-in-one service），除提供程式碼驗證的服務外，亦有經營資料儲存庫 ，將研究重現所需的資料悉數打包，存放於該機構的服務內，供他人使用或引用。
本場次介紹「機器可操作的資料管理方案（machine-actionable Data Management Plans, maDMPs）」的近來發展。
DMP 是描述研究資料將如何被蒐集、使用、管理、（短期或長期）保存、分享等歷程的文件（有關 DMP 的介紹可見此 ）。 傳統上在撰寫 DMP 時，多是仰賴書寫以整理多方資料整理的工具與資源；而若完成的內容要挪作他用，亦多只能以人工手動進行。
為使 DMP 的內容能取用不同機器的資料，並在機器間進行順暢流通，RDA 自 2017 年起組成工作小組 ，擬定共通的控制語彙 ，以在人類可讀的條件下，實現機器可操作的 DMP。
經歷了數年的發展，採用該語彙的 maDMPs 服務亦已逐漸成形。在介紹何謂 maDMP 時，本場次講者 Tomasz Miksa 即指出，maDMP 就如各系統間的「膠水」，它能連結各個不同的研究系統，並自動將資料搬進搬出。
目前已邁入實作階段的 maDMPs 服務有歐盟資助的 Argos ，其與歐盟的 OpenAIRE 和 EOSC 的相關服務進行整合，可讓研究者迅速取用不同平台的資料。
DAMAP 則是另一類似的工具，其遵循 Science Europe 出版的「國際合用的研究資料管理實用指南 」，以引導使用者填寫 DMP，而 DAMAP 在欄位設計上，亦遵循 RDA 工作小組所制定的標準，其匯出的 DMP 資料因此可被採用相同標準的服務自動取用。
本場次討論在自然科學領域，發布研究資料的相關議題，也討論如何消彌資料發布的障礙。
分享研究資料是開放科學的重要實踐項目之一，但在實踐上時常遭遇眾多複雜的阻礙。本場次的講者之一 Ohseok Kwon 教授分享了一篇 2014 年發表於 BMC Public Health 期刊上的文章 ，該文章透過實證研究，歸納出 6 類的資料分享障礙：技術、動機、經濟、政治、法律、倫理，並再進一步細分為 20 種不同的阻礙，如資料並未搜集（技術型阻礙）、欠缺信任（政治型阻礙）等。資料分享的複雜性可見一斑。
類似的研究，2021 年發表於 Scientifc Data 的研究 ，在向 199 名論文作者詢問資料後，亦彙整了其中 67 個拒絕分享資料的理由，「沒時間找資料」和「資料遺失」高居其中前兩名。
資料分享的困境，亦可從研究的準備工作就見端倪。來自密西根大學圖書館的報告者指出，根據其對該校所有的 DMP 進行分析 的結果，僅有約 21% 的 DMP 會包含後設資料的陳述、僅有約 32% 包含了研究流程文件化的陳述，而若進一步深究兩者皆有提及的 DMP，更僅剩約 9% 左右。報告者 Jake Carlson 指出，這反映了研究人員普遍仍未意識到後設資料與文件化的建立，對研究資料分享至關重要，這是未來須強化的地方。
要改變資料分享與寄存的文化，由單一研究機構著力十分有限，跨學術機構的結盟時常是必要的。由十多個學術機構組成的「資料策展網絡 」（Data Curation Network, DCN） 便是這樣的聯盟。
類似 DCN 的跨機構網絡，匯集了更充足的資源，可用以培訓來自各方的研究者，更完善地落實資料分享。相關網絡亦可為後續的資料策展提供一致的流程，並發展資料的策展標準。例如 DCN 即發展出了「資料策展入門 」（Data Curation Premier） ，針對不同類型的資料（如 PDF、Google 文件、Twitter 推文等）提供收藏上應有的考量與實作，供相關人員參考。
本場次的最後一部分，是由韓國科學技術研究院（Korea Institute of Science and Technology, KITSI）報告其對「資料論文」（Data Paper）的研究 。資料論文是研究領域近來用以確保資料品質的重要方式之一。 根據 KITSI 的分析，全球資料論文的產量約自 2016 年後大幅上升，Elsevier 的加入，看來是造成明顯變化的主因。
本場次由 CODATA-RDA School of Research Data Science 發起，討論該短期學校在經營永續性上的可能財務模式。
當代科學使用並生產了各式各樣的資料，研究人員是否具備充足的資料技能，往往是研究能否順利推展的關鍵。為此，CODATA 和 RDA 自 2016 年起，建立了 CODATA-RDA School （下稱「學校」），學校以數天至數週短期課程的方式，培力來自各國（特別是中低收入國家）研究人員相關的資料技能。
自 2016 年至今，學校所開設的課程總計已吸引逾 800 名的參與者。但如同研究資料會面臨如何永續保存的問題，資料學校也持續面臨組織如何方能永續有效運作的問題。
資料來源／CODATA-RDA Data Schools – Ignition Report CODATA-RDA School 目前的經費主要來自各國政府或私部門所資助的專案經費（project funds）。計畫經費的使用有著用途固定、明確的優點，但也時常受到資金提供者的各種限制。
為了打造長期運作的模式，學校擘劃 了兩種未來可能發展方向：小幅擴展、大幅擴展，並評估了兩類發展方式各別所需的活動及人事需求。
學校並設想 了五種可能的資金來源：專案經費、CODATA 國家會員的額外資助、高教機構或研究組織的訂閱或貢獻、參與者付費、募資捐款，這五類來源可能交雜構成了未來的財務模式。
報告者也分析了各項經費來源的優缺點。例如「參與者付費」的優點，可能是學生會有較強的學習動機，學生也有正當理由去找尋不同來源的經費支持；但缺點則是學生可能對課程有較高的期待，而目前僅靠志願講師擔綱的課程，可能無法達到對應的要求等。
議程並邀請參與者針對各種可能資金來源集思廣益，例如提供可能資金贊助者的名單、或建立需求者間的國際網絡等，都是會議上曾被提出的建議。
或許是議程本身定位在意見蒐集，本場次在討論上並未有明確的結論。但可預見的是，隨著資料的重要性日益提升，這些與資料基礎建設攸關的學術財務或行政議題，在未來只會越來越受到重視，並不斷浮上檯面被討論。
除工作坊的議程外，RDA 大會歷來亦會有海報徵件的活動，讓研究者能透過自製海報，向與會者展示近來的工作成果。研究資料寄存所（depositar） 在本次會議中也投稿海報，並順利入選 。
作為資料儲存庫的經營者，我們以「提倡良好的資料實務：從研究資料儲存庫到研究資料管理」為題，簡述台灣在研究資料管理的現況與背景、depositar 在推廣研究資料管理上的實踐、所習得的教訓、並描繪了研究資料管理與資料儲存庫的互動關係。
小結 確保資料具良好品質、可相互操作、可長期保存等特性，是以資料為底的科學研究能被持續推展的基礎。參與跨國界的科學合作，它們更是須被優先處理的基本議題。這些基本議題時常是由技術、經濟、政策、與法律等多面向交織而成，它們也構成了 International Data Week 多數議程的討論核心。
略嫌可惜的是，台灣對於這些基礎議題的討論與實踐仍少，國際會議的參與人數也不多。
但無論如何，2022 年國際資料週的所有場次（含 SciDataCon 2022 和 RDA Plenary 19）錄影均已在 8 月底公開，如有興趣一覽本次議程內容，可至以下網址，再次回顧這個全球的科學資料盛事。
狐禪
