多做一步驟,讓您的研究論文增加影響力!立即加入SRDA資料著作網絡

資料相關出版物(Data-Related Publications)是指「利用次級資料進行分析之後已出版或未出版的著作」,包括會議論文、期刊論文、學位論文、專書、專書的專章、未出版的手稿、雜誌或報紙文章等等。

例如在知名的跨國研究「歐洲健康,老齡化和退休情況調查」(Survey of Health, Ageing and Retirement in Europe, SHARE)也能看到相關的著作出版物資訊(圖一)

圖一 使用SHARE資料發表著作列表

為什麼要為資料與著作建立連結?根據統計報告[1],只有0.63%的Google Scholar使用者點擊了第二頁的內容,點擊率也隨筆數增加而下降。意即,其實多數使用者不會逐一點擊瀏覽各篇研究論文,而且研究者平均需要點擊15次搜尋結果,才能找到一篇看似有關的研究(也可能無關)[2]。因此資料著作的蒐集就對於研究者非常有幫助,透過SRDA的著作書目專區,可快速獲得使用該資料集的相關文獻,不僅省去大量的文獻查找時間,也能藉由先前的論文內容取得研究架構與思路,進而發想出自已的研究題目。使用者可以在SRDA資料叢集左側,找尋「著作書目」欄位(如圖二),即可看到與該資料或叢集相關的所有書目。

圖二 點擊資料集頁面中左側的「著作書目」,即可得到相關著作資訊。

過去,SRDA蒐集著作書目主要是由各大型調查之計畫小組提供,以及每年固定對下載過資料的會員進行著作調查的回饋。自2012年起,SRDA開始主動查詢文獻資料庫及網頁資源,初期以學術調查資料為主;2014年起則開始查詢政府調查資料的相關著作。

目前SRDA的蒐集方式分為三類,(1)會員提供:通常是研究者因使用了該筆資料而「自行提供」著作書目;(2)研究計畫小組提供:由研究計畫認定著作屬於資料集使用範圍,提供給SRDA;(3)自動化蒐集:使用 Python 爬蟲技術,以使用者發表論文時可能作為調查名稱的詞彙加以排列組合進行檢索,檢索欄位包含論文題名、摘要、關鍵字等。蒐集完著作後,再進行人工判讀,將真正有使用資料集之著作納入建檔(如圖三)。

 

圖三 著作摘要判讀使用哪些資料集名稱
(圖片截取來源:華藝線上圖書館

由於採用自動化蒐集技術,近年來SRDA的著作蒐集數量大幅成長(圖四),統計至2022/11/21為止,SRDA已累積8,685筆資料相關著作名稱及連結。

圖四 SRDA資料著作蒐集數量成長快速

有賴於現在網際網路發展,研究數據的運用更加即時多元,數據資料容易被保存和傳輸,促進了研究數據的創建及共享。研究資料是研究的核心,資料引用與文獻引用都是同等重要。由於資料類型會因研究領域而有所差異,必須具備妥善的描述說明,並建立後設資料(Metadata),才能有效增加可利用性。

提供資料著作書目的好處[3][4][5][6][7],除了提高資料與研究領域的能見度和可及性(Accessibility),讓研究者、學生、研究機構能夠輕易進行文獻探討,也有助於社會科學研究的發展,增進對於數據的洞察,促進跨學科、跨國際的合作。

對數據使用者來說,透過著作書目能夠了解相關領域大部分的研究方向,避免重複進行已完成過的研究問題,從中得知關於研究方法論的應用;或藉此重現數據分析以利驗證研究結果,並進一步制定新的研究方法,甚至可提前計劃創造出高品質、可共用的研究數據。

近年來,許多研究人員已樂於與SRDA及學術社群分享他們的著作書目,截至目前會員與計畫小組共提供了1,941筆著作書目,向 SRDA分享著作書目可以加強整個社會科學良性互動的研究環境,建立著作目錄索引、增進研究發展,若資料經他人再使用、引用,可增加學術影響力、提升研究可信度與信譽,並且有利於研究計畫、補助的申請

學術研究是循序漸進的過程,研究者可以根據過往的研究結論、方法或限制,進一步調整自身的研究,而這一切都要歸功於著作的串連。在國內、國際間不斷推動開放科學(Open Science)的努力下,研究資料(Research data)的開放與共享,也成為開放科學的主要理念之一,但是若要提高學術研究的進程和透明度,資料集和論文之間的連結是必要的環結。

在社會科學的研究過程中,引用資料對數據產出者與數據使用者都有好處,數據的引用可以幫助驗證該文章的方法論與結論,資料能夠被再利用,減少收集時間、加速研究過程,同時提高研究的透明度並鼓勵更多高品質的數據集,甚至也能作為良好的教學教材,更重要的是,透過先前的研究和資料創造出新的研究方向;對於數據提供者來說,他人的數據引用賦予研究影響力,增加研究信譽,是一件對於自身與他人皆有益處的行為。SRDA蒐集著作書目與資料集串連,即是在擔任資料提供者與使用者之間的橋樑,對於資料集的推廣有很大的幫助,同時也能夠讓使用者對於該研究領域獲得更廣、更深的理解。

參考資料

[1] Brian Dean. (2020, October 14). We Analyzed 4 Million Google Search Results. Here’s What We Learned About Organic CTR. Backlinko. https://backlinko.com/google-ctr-stats 

[2] Uttkarsha Bhosale. (2022, August 4). Finding Relevant Scholarly Research for Literature Review: How can we be systematic? https://www.enago.com/academy/7-steps-find-relevant-research-data-literature-review/

[3] Data citation. Research Data Management Service Group (cornell.edu). 2022, November 11. https://data.research.cornell.edu/content/data-citation

[4] Ball, A. & Duke, M. (2015). ‘How to Cite Datasets and Link to Publications’. DCC How-to Guides. Edinburgh: Digital Curation Centre. Available online: /resources/how-guides

[5] 劉純妤(2021)。從聯合國開放科學倡議 看研究資料利用趨勢。工商時報 名家評論。

[6] 國立臺灣大學圖書館。研究資料管理學習指引Research Data Management Learning Hub。https://www.lib.ntu.edu.tw/events/2022_RDMLA_class/04.html

[7] UK data service. The importance of managing and sharing data. https://ukdataservice.ac.uk/learning-hub/research-data-management/