FAIR原则下研究数据引用链与版本管理方案研究

摘要

针对数据反复复制修订后引用链难以追溯的问题，本文采用理论分析与文献研究方法，考察FAIR原则对引用链的约束，分析引用链构成要素及断裂风险，提出标识、记录与验证三层版本管理方案。研究表明，该结构可保留对象与版本间的可核查关系，但不自动判定内容真实性与责任归属。

关键词：FAIR原则；数据引用链；版本管理；持久标识符

第一章 绪论：FAIR原则下数据引用链的可追溯性问题

科学数据管理面临的核心挑战之一，是如何支持人与机器对数据进行发现、访问、集成和分析，从而促进知识发现^[1]。FAIR原则（可发现、可访问、可互操作、可复用）正是为应对这一挑战而提出的一套准则，旨在提升科学数据的开放性、透明性和可复用性，使数据及相关服务对人与机器均可查找、可访问、可互操作和可重用^[1]。该原则将重点放在增强机器自动发现与使用数据的能力上，同时兼顾个人对数据的复用需求^[2]。然而，当数据被反复复制、修订与再发布后，引用链如何保持可追溯，成为本文的中心问题。

FAIR原则对引用活动提出了直接要求。相关研究指出，数据应易于被搜索、发现和引用^[2]，而四原则的实现均以持久标识和规范描述为前提。这意味着引用链并非独立于FAIR之外的技术细节，而是贯穿四原则的连接环节：唯有引用链完整，数据才能从“可找到”走向“可复用”。由此引出本文的第二个问题：版本管理在维系引用链连续性中应承担何种角色。

梳理科学数据引用规范研究现状可见，引用粒度、数据版本与唯一标识符构成引用规范的三个关键问题。粒度决定引用指向数据集整体还是其中一部分，版本决定引用指向哪一时点的状态，唯一标识符则决定该指向能否被持久解析。三者相互关联，任一环节模糊都可能导致引用链断裂。本文采用理论分析与文献研究方法，围绕上述问题考察FAIR原则对引用链的约束，分析引用链的构成要素与断裂风险，进而提出以标识、记录与验证为层次的版本管理方案，并讨论其实施条件与局限。

第二章 FAIR原则与数据引用链的耦合机制

FAIR四原则分别对应数据管理链条的不同环节，并对引用活动形成递进约束。可发现原则要求数据具备唯一标识与充分描述信息，使数据能被检索命中；可访问原则要求凭该标识按既定权限获取数据，而非依赖某台设备或经手人的记忆；可互操作原则要求格式与术语通用、机器可读，使跨系统交换成为可能；可复用原则要求来源、方法与许可说明清晰，使后来者能判断数据是否适用于新情境。四项要求共同指向一个前提：数据必须能被稳定指认和定位，否则获取、交换与复用均无从谈起。

在此意义上，引用链构成FAIR从“数据可找到”走向“数据可复用”的连接环节。可发现与可访问解决“找得到、拿得到”，可互操作解决“拿得到之后用得上”，而可复用所要求的来源与方法说明，恰需通过完整引用信息承载。若引用链在版本更替或标识失效处中断，复用者便无法确认所见数据与原始出处的对应关系，复用目标也难以落实。已有研究指出，FAIR原则具有较好的兼容性，其嵌入需融入当前数据基础设施与规范标准^[3]；科学数据出版平台对FAIR的实践亦体现在出版愿景、数据政策与业务流程等方面^[4]。这表明引用链的连续性并非附加要求，而是FAIR落地的内在组成部分。

需澄清的是，FAIR并不等于数据公开。受限数据同样可在权限范围内按FAIR方式管理，保持可发现、可访问、可互操作与可复用。这一区分意味着，引用链的可追溯性要求适用于所有被反复修订与再发布的数据，而不论其开放程度如何，从而为后文分析版本管理在维系链条连续性中的角色奠定概念基础。

第三章 引用链的构成要素与断裂风险

在确认引用链是FAIR落地的内在环节后，需追问其构成要素与断裂风险。大纲前检索到的《科学数据规范引用关键问题探析》从“如何引用、引用什么、何时引用”三方面组织问题。本文据此将讨论分为元数据与引用格式、引用对象的版本粒度与验证方式、数据使用场景三个方面。据此，引用链可分解为三个衔接层面：一是元数据规范与引用格式，规定一次引用应呈现的信息，Parland-von Essen等围绕研究数据分类与数据管理工具展开讨论^[5]。本文仅将该文作为研究数据管理议题的背景，不据此确认芬兰国家指南的具体要求；二是引用对象的版本与粒度，即引用指向数据集整体还是子集、某一时点状态；三是唯一标识符与访问路径，使被引对象可持久定位而非依赖临时链接。作者、题名、出版日期、标识符、版本、资源类型与出版商等引用要素，正是这三层面的著录投影，任一缺失都会削弱链条衔接强度。

断裂风险相应集中于三处：版本更替时若新旧版本共用同一标识而无版本区分，后来者无法确认所引数据对应哪一状态；标识失效或以网页链接代替持久标识符时，访问路径中断，引用悬空；粒度不清则无法说明所指为整体还是部分，复用者难以核对。已有评估指出，我国医学科学数据开放平台在永久性标识符使用与遵循标准开展溯源描述方面仍有待拓展^[6]。可见版本管理并非附属环节，而是维系引用链连续性的关键节点，这也为后续三层结构设计提出直接要求。

第四章 版本管理方案设计：标识、记录与验证三层结构

针对前文揭示的版本共用标识、标识失效与粒度不清三类断裂风险，本文提出标识、记录与验证三层递进的版本管理结构，分别承担定位、固定与核查功能，力图在版本更替中保留可核查的对象与版本关系。

第一层为标识层，采用概念DOI与版本DOI双轨标识。概念DOI指向数据集整体，在版本更替中保持稳定，使引用者能够回溯到数据集的统一入口；版本DOI指向每一具体发布状态，使整体与版本均可被持久解析。已有研究从研究数据管理场景评估FAIR数据管理架构^[7]。该文仅作为架构研究背景，不能直接证明本文的双轨标识方案已获验证。本方案仍需存储库的标识策略、版本注册与解析服务支持，才能检验其对版本混淆风险的改善。

第二层为记录层，本文建议在数据发布元数据中设置显式版本字段，为每次发布状态提供可辨识标记；这是一项方案建议，不能将特定元数据项标准的必选属性直接推广为所有数据发布的统一强制要求；同时保存文件完整性校验信息，使引用者能够核对所引版本的具体内容是否与记录一致。标识层解决“指向何处”，记录层则解决“所指何物”，二者衔接使引用链在版本更替后仍可复核。

第三层为验证层，通过创建记录、验证记录与比较记录支持核查：创建记录保存特定时点的对象状态，验证记录检查当前文件与既有记录是否一致，比较记录观察不同版本间是否发生变化，使前两层所固定的标识与记录可以被实际检验。

需要明确的是，该结构只处理对象、版本与变化关系，不自动认定内容真实性与作者权利。技术一致性与事实权利之间存在清楚边界：记录可以说明文件是否变化，却不能判断变化是否合理、版本是否正确。因此，版本边界的划分不宜交由系统自动裁定，而应由数据生产者与存储库协商确定并在元数据中显式声明，责任分工亦据此划定。这一限定也为下文讨论方案的实施条件与局限预设了边界。

第五章 方案的实施条件与局限

三层结构的运行并非仅靠技术设计即可实现，其落地需要存储库、出版机构、期刊与作者在数据发布与引用的各个环节形成配套。在标识赋予环节，存储库与出版机构应实现原始数据与研究成果的互链，使数据使用者能够由论文找到对应数据、由数据回溯到相关成果，从而保证科学成果的完整可寻。同时，存储库与出版机构宜提供具体的引用示例，在示例中明确作者归属、版本跟踪、数据集权与文档描述等要素，帮助研究者创建规范的引用格式。期刊方面，数据可用性声明应给出数据的具体位置、版本信息与持久标识符，而非笼统指向机构一级页面；笼统的页面指向无法定位到具体数据产品，会使引用链在起点即失去解析能力。作者则应在提交与接收阶段保证数据可供编辑、审稿人及读者按声明条件访问，受限数据亦须说明访问控制方式。

与此同时，该方案存在明确的局限。其一，引用评价体系尚未形成系统有效的定量方法，给定一个数据集，目前仍缺乏一致的、既定的方法来衡量其如何被使用，因而版本管理所保留的引用关系难以直接转化为贡献归因与影响评价。其二，技术层面的状态一致性不能替代人类判断：验证层可以说明文件是否变化、版本记录是否一致，却不能判定某次版本更替在内容上是否合理、责任应归于何方。因此，三层结构提供的是可核查的关系基础，而非自动化的正确性裁决。这一局限也提示，后续讨论需在结论中进一步界定该方案的适用边界。

第六章 结论

本文围绕FAIR原则下研究数据引用链的可追溯性问题展开分析，得出的基本判断是：在数据被反复复制、修订与再发布的条件下，引用链的连续性不能仅依靠引用格式的规范，而需要标识、记录与验证三层版本管理结构的支撑。可发现与可访问原则要求数据具备唯一标识和稳定的获取路径，可互操作与可复用原则则要求版本信息、来源说明与许可条件在每次状态变化后被完整保留；三层结构正是把这些要求落实为对象与版本之间可核查关系的具体安排。其中，标识层以概念标识与版本标识双轨并行，使数据集整体与具体版本均可被持久解析；记录层以版本字段和完整性校验信息固定每次状态；验证层通过创建、验证与比较记录支持对文件状态一致性与版本变化的核查。三者共同作用，使引用链在版本更替后仍能回溯到被引用的具体对象。

需要强调的是，该结构的作用边界在于保留可核查关系，而非自动判定内容真实性与责任归属。技术层面的状态一致性可以说明文件是否变化、版本记录是否一致，却不能判定某次版本更替在内容上是否合理、责任应归于何方；引用评价体系也尚未形成系统有效的定量方法，版本管理所保留的引用关系难以直接转化为贡献归因与影响评价。因此，三层结构提供的是可核查的关系基础，而非自动化的正确性裁决。后续研究可在评价机制与人工判断的衔接方面继续推进，例如探讨版本变更合理性的判定标准与责任归属的判断程序，但这些问题已超出本文理论分析与文献研究的范围，本文不予展开。

参考文献

1. [1] 邢文明, 郭安琪, 秦顺, 等. 科学数据管理与共享的FAIR原则——背景、内容与实施[J]. 信息资源管理学报, 2021, 11(2):60-68.
2. [2] Mark D. Wilkinson, Michel Dumontier, IJsbrand Jan Aalbersberg, et al. The FAIR Guiding Principles for scientific data management and stewardship[J]. Scientific Data, 2016, 3(1). DOI: 10.1038/sdata.2016.18
3. [3] 姜恩波, 方肖, 秦瑜. FAIR原则与数据密集型科学社区应用实践研究[J]. 数据与计算发展前沿（中英文）, 2025, 7(3):111-121.
4. [4] 王心雨, 刘圆圆, 徐雷. 科学数据出版平台FAIR原则实践研究[J]. 中国数字出版, 2025, 3(6):21-30.
5. [5] Jessica Parland-von Essen, Katja Fält, Zubair Maalick, et al. Supporting FAIR data: categorization of research data as a tool in data management[J]. Informaatiotutkimus, 2018, 37(3). DOI:10.23978/inf.76084.
6. [6] 李春秋, 杜博雅, 耿骞, 等. 医学科学数据开放平台FAIR原则的应用评估与调查分析[J]. 图书情报工作, 2022, 66(3):72-82.
7. [7] Benedikt Heinrichs,Marius Politze,M. Yazdi.Evaluation of Architectures for FAIR Data Management in a Research Data Management Use Case[C]//Proceedings of the 11th International Conference on Data Science, Technology and Applications.SCITEPRESS - Science and Technology Publications,2022:476-483. DOI:10.5220/0011302700003269.