在信息与网络技术迅速发展的推动下，大量从宏观到微观、从自然到社会的观察、感知、计算、仿真、模拟、传播等设施和活动产生出大量科学数据，形成被称为“大数据”的新的科学基础设施。数据不再仅仅是科学研究的结果，而是变成科学研究的基础。数据贯穿于科学研究的每一个环节。有效地进行研究数据的管理，不仅能大大地减少相关的科学研究成本，而且能有效地提高科学研究效率，还能保证科学研究过程的可回溯性和可验证性。

　　微软公司于2009 年10 月发布了《第四范式：数据密集型科学发现》论文集，首次全面地描述了快速兴起的数据密集型科学研究，从研究模式变化的角度来分析“大数据”及其革命性影响。2011 年，美国自然科学基金会发出PAPPG 声明，要求所有在2011 年1 月18 日之后向该基金会提出研究项目申请时都需要附上一份数据管理计划，说明将如何取用、存储、开放共享这些项目数据。在这些机构的领导下，国外有关研究数据管理的研究已经开展了很多，一些机构和高校也已开始为其成员提供研究数据管理服务。

　　在国内，近几年，随着“大数据”的兴起，“数据科学”、“数据科学家”、“数据管理”、“科研数据管理”等词汇不断充斥着我们的眼球，对这些概念的关注度丝毫不亚于国外，但是，笔者调研国内相关文献发现，国内对“研究数据管理”的概念还存在一定的分歧，所开展的相关研究和服务与国外相比存在较大的差距。

　　本文在调研的基础上，首先对“研究数据管理”的概念进行了界定，对其本质及研究内容进行了分析，然后对相关的研究和服务开展情况进行总结，并对相关支撑工具进行总结。

　　研究数据管理概念的界定

　　查找与研究数据管理相关的资源，发现对应的英文表达有两种：Scientific Data Management和ResearchData Management。阅读以这两种表达为关键词所搜索到的相关文献，发现：

　　Scientific Data Management：实际上是指科学领域的数据管理，科学数据管理，有关实验数据的管理。使用到这个概念的也多是具体学科领域的数据管理活动。

　　Research Data Management：多是机构为其成员提供的科研过程中所产生的数据的管理服务，并没有针对特定的学科领域。注重于对整个科研生命周期的管理。

　　在研究内容方面，两者有很大不同，又息息相关：

　　Scientific Data Management 更多的是研究具体学科领域特定格式数据的处理（主要是可视化和分析）以及大规模数据（异质、异构、大量）的管理技术。研究该课题的多是自然科学领域实验室和计算技术实验室，而且研究过程中产生了诸多工具。这些工具也被Research Data Management 的诸多服务所使用，详见后面“研究数据管理服务相关支撑工具”部分的内容。

　　Research Data Management 更多的是研究在数据密集型科研的今天，应该如何对科研过程中所产生的数据资源进行有效的管理，使其能够被共享与传诸后世。这也是科研活动的需要。推动各机构（主要是高校和高校图书馆）提供该项服务的是美国自然科学基金会在2011 年发出的PAPPG 声明。因此，美国高校基本都已开始提供数据管理服务，但大部分仍然是停留在表面，做“研究数据管理计划”的撰写服务，并没有深入到“数据管理”服务。因此， 图书情报界关注的应该是“Research Data Management”。进一步调研中文相关文献，发现：

　　台湾图书情报界关注的是“ResearchData Management”，相对应的概念是“研究资料管理”。台湾对研究资料的界定很广，包括：Research Data Collections，Resource or community data collections，Reference data collections。

　　而国内对应的概念则比较混乱，有的使用“Research Data Management”，并将其翻译为“科研数据管理”，有的使用“Scientific Data Management”并翻译为“科学数据管理”，还有一篇博士论文直接将Scientific Data Management 与“科学数据管理”等同。但使用最多的还是“研究数据管理”，并与“Research DataManagement”相对应，包括中国科学院国家科学图书馆，业内著名的博客编目精灵，上海交通大学图书馆等等。

　　因此，本文认为可以对两个概念做一下区分，将“Scientific Data Management”翻译为“科学数据管理”，将“Research Data Management”翻译为“研究数据管理”。“科学数据管理”和“研究数据管理”其关系如图1 所示，这两个领域是有交叉的，而又不尽相同。