川海智库

报告概述

本报告是《开放数据现状》系列的第十期，由Digital Science、施普林格自然和Figshare合作发布，基于2025年调查数据及纵向趋势分析。报告研究对象为全球研究人员的开放数据实践与态度，覆盖170多个国家，重点分析FAIR原则认知变化、对开放实践的支持度、数据共享认可差距、AI工具在数据管理中的应用，以及区域和学科差异。通过十年纵向数据对比，揭示开放数据从愿望向实践转变中的进展与结构性障碍，为政策制定者和研究机构提供参考。

报告的核心结论

FAIR原则认知十年间大幅提升

自2018年首次调查以来，熟悉FAIR数据原则的研究人员比例从15.2%上升至2025年的40.6%，从未听说过该原则的比例从59.6%降至20.4%。这标志着研究人员从被动知晓转向主动参与，为开放科学实践奠定了认知基础。但学科间仍存在差异，STEM领域领先，人文社科相对滞后。

对开放数据强制令的支持度全球下降

2016年至2025年间，十个国家研究人员对国家级开放数据强制令的'强烈支持'比例普遍下降，印度从59.8%降至54.7%，澳大利亚从63.2%降至27.4%。这表明早期的高期望正让位于更务实的看法，研究人员更关注实施中的实际障碍，而非单纯的原则支持。

数据共享的认可差距持续存在

2025年仍有69.2%的研究人员认为数据共享未获得足够认可，尽管该比例较2020年的77.9%有所下降。信用差距是开放科学广泛采用的主要障碍，学术奖励体系改革进展缓慢，数据贡献在职业发展中的价值仍被低估。

AI工具在研究数据管理中的采用快速增长

2024-2025年间，研究人员在数据处理中积极使用AI的比例从22.1%升至31.9%，元数据创建从16.1%升至25.1%。AI正从边缘尝试变为工作流程的组成部分，有助于提升数据质量和互操作性，但也需关注透明度和可重复性。

报告回答的关键问题

研究人员对FAIR原则的认知有何变化？

报告显示，研究人员对FAIR原则的认知十年间显著提升。2018年约60%从未听说过FAIR，到2025年这一比例降至20%，而熟悉FAIR的比例从15%升至40%。这表明开放科学教育取得成效，但学科差异依然存在，化学、材料科学等领域认知提升尤为明显。

为什么全球对开放数据强制令的支持在下降？

报告指出，2016-2025年间十个国家对强制令的强烈支持普遍下降，如澳大利亚从63%降至27%。原因在于实施中的现实挑战——缺乏基础设施、标准不统一、额外工作量等，使研究人员从理想支持转向更审慎的态度。政策制定需要结合具体支持措施，而非仅靠指令。

数据共享的认可不足问题有多严重？

报告连续六年追踪显示，绝大多数研究人员认为数据共享获得的认可过少。2025年69%持此观点，较2020年78%有改善但依然严峻。这种信用差距阻碍了开放数据实践，需要改革研究评估体系，将数据集纳入引用和晋升标准。

AI如何改变研究数据管理实践？

报告发现，AI在数据处理、元数据创建和数据收集中的应用快速增长，2014-2025年间积极使用率提高约10个百分点。AI有助于自动标注、格式标准化和互操作性提升，但也需确保使用透明可追溯，以避免可重复性问题。

报告中的代表性数据

40.6%

熟悉FAIR原则的研究人员比例

2025年，自2018年首次调查以来，熟悉FAIR数据原则的比例从15.2%上升到40.6%，从未听说过的比例从59.6%降至20.4%。数据来自历年开放数据状态调查。

69.2%

认为数据共享认可不足的研究人员比例

2025年，2025年调查中，69.2%的受访者认为研究人员共享数据获得的认可过少，较2020年的77.9%有所下降，但认可差距依然显著。

31.9%

AI工具在数据处理中的积极使用率

2025年，2025年有31.9%的研究人员定期或开始使用AI进行数据处理，较2024年的22.1%增长近10个百分点。元数据创建和收集领域的使用率也显著上升。

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

  • 十年纵向调查数据与趋势图表，涵盖FAIR原则认知、开放实践支持度、数据共享认可度等关键指标的年度变化。
  • 全球十个国家研究人员对开放数据强制令支持度的详细对比分析，包括印度、澳大利亚、美国、中国等国的十年变化曲线。
  • AI工具在研究数据管理中的应用趋势，按数据处理、元数据创建、数据收集分类，展示2024-2025年的采纳率变化。
  • 专家访谈深度分析：来自非洲、中国、美国、新加坡等地的数据专家分享区域实践、信用差距、AI与互操作性的观点。
  • 行动建议：提出三项关键举措——改革研究评估以认可数据共享、投资AI解决方案、建设区域性数据基础设施。
  • 附录：2025年调查方法与人口统计细节，包括4,774名受访者的地域、机构类型和职业阶段分布。
  • 附录：关于Digital Science、施普林格自然和Figshare的开放数据合作伙伴介绍及其近期推动开放研究的举措。
  • 数据可用性声明与施普林格自然的期刊集成实践，展示Figshare存储库嵌入投稿系统的效果。

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。

相关报告