报告概述
本报告是《开放数据状态》系列的第十年周年报告，基于对超过43,000名研究人员的纵向调查和专家访谈，系统分析了全球开放数据运动十年来的演变。报告覆盖151个国家，重点考察研究人员对FAIR数据原则的认知、对开放实践的支持态度、数据共享的障碍与认可机制，以及AI工具在研究数据工作中的渗透。通过定量趋势与定性洞察结合，报告旨在揭示政策与实践之间的差距，并为推动开放数据提供可操作的建议。
报告的核心结论
FAIR原则认知大幅提升，但实施仍不均衡
自2018年首次调查以来，从未听说过FAIR原则的研究人员比例从59.6%下降至20.4%，而熟悉FAIR的比例从15.2%上升至40.6%。这一增长在商业/投资领域尤为显著，但人文社科领域仍然落后，STEM领域在采用上领先。
对强制数据共享指令的热情普遍下降
过去十年间，所有十个受调查国家对国家层面强制公开研究数据的强烈支持率均有所下滑。印度在2025年仍以54.7%位居第一，但较2016年下降；澳大利亚降幅最大，从63.2%降至27.4%。这表明早期理想化支持正让位于对实施复杂性的务实考量。
数据共享的认可不足仍是核心障碍
2025年仍有69.2%的研究人员认为数据共享获得的认可过少，尽管较2020年的77.9%有所改善。信用差距持续存在，反映了学术奖励体系改革缓慢，数据集贡献在职称评审和资金决策中未被充分考量。
AI工具在研究数据工作中的采用快速增加
从2024年到2025年，积极使用AI进行数据处理的研究人员比例从22.1%升至31.9%，元数据创建从16.1%升至25.1%。不熟悉AI工具的群体显著缩小，显示AI正从边缘好奇转变为研究工作流程的常规组成部分。
开放数据未来需聚焦互操作性与AI集成
专家一致认为，下一步关键在于使数据不仅可访问，而且可互操作，支持机器处理。AI可用于元数据标注、格式标准化和质量检查，但需与负责任的实践结合，确保透明性和可重复性。
报告回答的关键问题
研究人员对FAIR数据原则的认知程度如何？
认知程度显著提高。2018年近60%的研究人员从未听说过FAIR，到2025年这一比例降至20.4%，而熟悉FAIR的比例从15.2%跃升至40.6%。商业/投资领域改善最大，陌生率从80%降至20%。但各学科仍存在差异，人文社科相对落后。
全球研究人员对开放数据强制令的支持度有何变化？
支持度普遍下降。在受调查的十个国家中，强烈支持国家强制公开数据的研究人员比例自2016年持续走低。印度仍以54.7%领先，但较2016年下滑；澳大利亚和美国降幅显著。这反映出研究人员在原则支持与现实挑战之间的权衡。
AI工具如何影响研究数据共享实践？
AI工具采用快速增长，特别是数据处理和元数据创建领域。2024至2025年，定期使用AI进行数据处理的研究人员比例上升近10个百分点。AI有助于提高数据质量和互操作性，但也需关注透明性和可重复性风险。
为什么数据共享的认可问题长期难以解决？
尽管六年来认为认可不足的比例从77.9%降至69.2%，但改进缓慢。根本原因在于学术评估体系仍以论文发表和引用为核心，数据集贡献缺乏正式评价机制。专家呼吁改革奖励结构，将数据共享纳入职称晋升和资金评审。
开放数据运动未来十年的关键方向是什么？
专家强调三大方向：一是通过AI和标准化推动数据互操作性，使数据可被机器自动处理；二是改革研究评估体系，认可数据共享的价值；三是建设符合区域和学科需求的定制化基础设施，确保开放数据的包容性和可持续性。
报告中的代表性数据
熟悉FAIR数据原则的研究人员比例
2025年，自2018年首次提问以来，熟悉FAIR原则的研究人员比例从15.2%上升至40.6%，同时从未听说过FAIR的比例从59.6%降至20.4%。
强烈支持国家开放数据强制令的研究人员比例（印度）
2025年，印度在2025年仍居十国之首，但较2016年的59.8%有所下降。澳大利亚降幅最大，从63.2%降至27.4%。
积极使用AI进行数据处理的研究人员比例
2025年，从2024年的22.1%上升9.8个百分点，其中“开始使用”的回答从14.4%增至21.7%。同时，不熟悉AI的比例从12.0%降至8.2%。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的十年纵向调查数据图表，展示FAIR认知、开放实践支持度、数据共享行为等核心指标的变化趋势，覆盖2016-2025年。
- 全球十个国家的区域对比分析，包括澳大利亚、巴西、中国、德国、印度等，揭示不同研究文化和政策环境下的差异性。
- 对18位研究专家、数据管理员和图书馆员的深度访谈，提供定性质性洞察，解释数字背后的文化、基础设施和学科细微差别。
- 2025年调查方法说明与受访者人口统计详情，包括地区、机构类型、职业阶段分布，以及问卷设计和数据收集过程。
- 三大行动建议：改革研究评估体系以认可数据共享、投资AI解决方案提升互操作性、建设区域定制化的存储库和支持系统。
- 关于Digital Science、Springer Nature和Figshare开放数据平台的详细介绍，包括其基础设施、政策工具和合作案例。
- 附录包含对32家开放数据平台的列表，以及Figshare在非洲和NIH GREI项目中的应用实例。
- 开放数据影响分析：过去10年报告被354,000次查看、44,000次下载，并被WHO、OECD等政策文件引用，展示其社会影响。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
