知识产权保护理解范文

导语：如何才能写好一篇知识产权保护理解，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

21世纪是知识经济的时代，产权化的知识作为最重要的生产要素和财富资源，将成为企业竞争力乃至国家核心竞争力的集中表现。因此，保护知识产权实际上就是激发创新热情，激活企业竞争力和提高国家核心竞争力。

在经济全球化深入发展的今天，保护知识产权是全球面临的共同问题，各国应按照合作共赢的原则共同作出努力。我国将一如既往地积极履行保护知识产权的国际义务，并愿意与世界各国和有关国际组织加强交流和合作，共同做好知识产权工作，推动科学技术的传播和进步。

长期以来，我国政府高度重视知识产权工作，近年来又从贯彻落实科学发展观、建设创新型国家的高度，将保护知识产权确立为国家战略。中国政府保护知识产权立场坚定不移，采取的措施坚决有力，所取得的成就举世瞩目，主要体现在以下3个方面：

首先，在法制方面，加强知识产权制度建设，健全保护知识产权体制和机制。上个世纪70年代末以来，先后公布实施了商标法、专利法、著作权法、反不正当竞争法和计算机软件保护条例、信息网络传播权保护条例等知识产权方面的法律法规，并加入了一系列知识产权国际公约。

目前，我国符合国际通行规则、比较系统、完备的知识产权法律法规体系已基本形成。设立了国家知识产权局、国家工商总局商标局、国家版权局，分别负责专利、商标、版权等方面的事务；同时，在海关、公安、检察院和法院设立了相应的知识产权工作机构，形成了行政执法与刑事司法双轨并行，权利人维权、行业自律、中介服务和社会监督融为一体的知识产权管理和执法体系。为了加强对知识产权工作的领导和协调，还成立了国家知识产权战略制定工作领导小组和国家保护知识产权工作组。知识产权制度建设的不断推进，促使相关部门依法行政、齐抓共管，行政执法与刑事司法相互衔接，有效地保护了权利人的权益，也履行了保护知识产权的国际义务。可以说，我国政府仅用了不到30年的时间走完了一些发达国家上百年走过的历程。

其次，在执法方面，积极开展了保护知识产权专项行动，有效保护了权利人的利益。近些年来，中国政府每年都在全国范围内开展保护知识产权专项行动，始终保持对侵权行为的高压态势，整治效果一年比一年好。仅2006年，各级政府就开展了“阳光行动”、“蓝天会展行动”、“山鹰二号行动”、“反盗版百日行动”等7个专项行动。在专项行动中，公安机关共立案836件，检察机关批准逮捕犯罪嫌疑人988人；法院审结知识产权案件6441件；专利、海关、工商等部门受理和查处知识产权案件17243起，涉案金额近10亿元人民币，有力打击了违法犯罪行为，有效保护了权利人权益。

第三，加强宣传教育，培育保护知识产权的良好氛围。从2004年开始，每年“4.26世界知识产权日”，国家知识产权局和有关部门都在全国范围举行“保护知识产权宣传周”活动。2005年，国务院新闻办了《中国知识产权保护的新进展》白皮书。2006年以来，国家保护知识产权工作组每年公布保护知识产权的年度行动计划。各相关部门举办“骨干企业负责人员保护知识产权专题研讨班”，启动“百千万知识产权人才工程”等一系列宣传教育和普法教育活动。为方便社会监督，在全国50个大中城市建立综合性的保护知识产权举报投诉服务中心，开通“12312”举报投诉电话和互联网在线举报投诉窗口，形成了便捷、快速、有效的知识产权保护网。当发生侵权行为时，权利人可以方便地投诉、举报和咨询，大多情况下都得到妥善处理。

篇2

当今社会，科技高速发展，只有合作，才能共赢。如何共享知识，达到双赢？有这样一个人，为了让更多的人了解知识共享理念（合法地分享使用知识，在一定条件下开放作品，使作品更广泛地传播，以创造健康有序的文化创作空间）作出了不懈的努力，她就是王春燕。2010年，她被推选为“知识中国”年度人物候选人。

王春燕，知识共享中国内地项目（英文：Creative Commons，简称CC）负责人，中国人民大学法学院副教授，主要主持知识共享许可协议的简体中文翻译、本地化以及推广宣传等工作。王春燕先后于杭州大学（后与浙江大学合并）、北京大学及中国人民大学毕业。她的教学与研究领域涵盖知识产权法、著作权法、商标法、专利法以及反不正当竞争法等，并发表和出版了相关领域的论文、译著。

【经典素材一】

2009年5月，王春燕在接受中国日报采访时，针对美国参议院和众议院七十多名议员组成的国际反盗版核心小组认为中国政府“默许互联网市场上的侵权行为”“没能有效遏制这种情况”的发言，表示“中国在知识产权保护方面确实存在问题，这一点我们从来没有否认。但是据我所知，中国政府一直尽力在协调各方利益与保障人民获取信息的权力之间寻找平衡”。

分析点拨：爱国不只是深埋在心底的一种情感，更是一种行动，她用自己的言行维护了祖国的利益与尊严。王春燕在发言中表示“中国在知识产权保护方面确实存在问题，这一点我们从来没有否认”，承认不足，以退为进。以“但是据我所知，中国政府一直尽力在协调各方面利益与保障人民获取信息的权力之间寻找平衡”有力地回击了国际盗版核心小组的片面言论，维护了祖国的利益与尊严。

适用话题：爱国知识以退为进以柔克刚维权意识

【经典素材二】

王春燕是一位法学博士，是哈佛大学法学院首位张伟仁学者（哈佛大学法学院东亚法律研究中心张伟仁研究基金），是中国人民大学法学院研究知识产权法的副教授。王春燕作为知识共享中国内地项目的负责人，主持着知识共享系列著作权许可协议的翻译、本地化以及向社会各界的推广等工作。王春燕致力于推进一种开放的知识产权保护理念以及全社会对知识创造成果的合法分享与使用的版权文化。王春燕相信：在共同努力下，中国社会将形成良性的著作权保护环境。

每个人都肩负着知识传承的责任，而一些人则承担着更为艰巨的使命。他们甘于寂寞，即使不被世人理解仍坚持捍卫真知。他们是知识的化身，是知识探究之路上的独行者，他们致力于将知识的火种传遍全世界。

分析点拨：不为名利，甘于寂寞，捍卫真知，探究知识，致力于将知识的火种传遍全国。这样的人，追求的是一种有意义的人生――把自己的一生奉献给文化事业。王春燕自觉地承担着作为一个文化人的责任：为了传承文化、传播思想，为了丰富人们的思想，也为了开阔人们的视野、转变人们的观念。

适用话题：责任人生的意义追求文化视野

【经典素材三】

知识共享中国内地项目负责人，中国人民大学法学院王春燕教授在2010中国图书馆学会年会第三分会场――“图书馆法与知识产权论坛”中，向与会者详细介绍了作为一种促进知识创新与传播的新思路的CC授权模式，从公共授权模式的角度讨论了该模式的含义、基本内容及其在世界范围内的发展与影响，介绍了中国内地版CC协议的引进与推广、应用范例及其未来发展趋势。

为时4小时的论坛结束之后，不少与会者对王春燕教授的发言及知识共享中国内地项目表现出浓厚兴趣，纷纷与王教授就各自领域中遇到的传统著作权保护模式问题、CC所倡导的“保留部分权利的合法共享”和CC现阶段项目推广进行交流。他们中有包括来自北京大学、清华大学等院校的学生，也有来自地方图书馆的研究馆员。王春燕教授对他们的疑问一一进行了详尽解答并感谢其对CC的关注，表示CC所倡导的“开放共享”精神欢迎社会各界人士关注CC、参与CC。

分析点拨：从王春燕的身上，我们看到了学者的风范――严谨治学、对工作尽心尽力；从王春燕身上，我们看到了新理念推行者的形象――答疑解难、耐心解说。从王春燕身上，我们学到了如何做人、如何做事、如何做学问。

篇3

与其它诸多民事权利一样，知识产权也存在许多侵权问题。知识产权侵权问题日益严重的因素主要有如下两部分：其一，因某一知识产权客体具有复制性特征，导致此领域的侵权问题变得更加严重及突出；其二，鉴于知识产权拥有别的民事权利不具备的特性，比方说无形性及地域性等等，导致知识产权的侵权行为也具有复杂性及特殊性。

一、知识产权侵权行为界定

在我国，知识产权主要由如下三部分构成：其一，著作权；其二，专利权；其三，商标权。在三大知识产权中，仅著作权对侵权行为进行了分类；专利权及商标权均未对侵权行为进行明确的划分。中国某些专家引用别国理论及立法把知识产权侵权行为分成直接侵权及间接侵权。本人认为：直接侵权和间接侵权的划分有一定的可行性。中国专利法第11条明确表示：发明及运用新型专利权获取后，除法律有相关规定外，其他单位或个人在没有得到专利所有者的许可下，不能以生产经营为目的生产及销售其专利产品，更不能运用此专利方法或使用及销售凭借此专利方法直接生产的产品。专利权获取后，除法律有相关规定外，专利拥有者有权阻止他人在没有得到自己许可的情况下使用属于自己的专利。此条款不但界定了专利权的功用，同时也指出了违反此条款的行为系违法行为，是法律所不允许的，理应承担相关法律责任。此外，此法的第62条明确了不属于侵犯专利权的五种情形，凡与这五种情形相符的行为均属合法行为，不应被视为侵权行为。从上面的内容我们得可以知道：只有在行为具有违法性的情况下，行为发出者才应该承担侵权责任，不违法的行为则无需承担侵权责任。[1]

二、归责原则

长时间以来，中国诸多专家及学者对于知识产权侵权行为归责原则存在特别大的争议。某些专家表示应以过错责任充当归责原则；某些学者则提倡应以无过错责任充当归责原则，过错推定责任作为补充，另外一些专家认为理应使用同时采用过错及无过错两种原则。本人觉得：在知识产权范围内，我们不应对侵权行为采用无过错归责原则，原因主要有如下两点：第一，在知识产权范围内，对侵权行为使用无过错责任归责原则不恰当，和无过错责任归责原则理念相违背。无过错责任原则系一种独特的责任归属判定方式，它通过牺牲对侵权者理论上的公平换取知识产权持有者利益的正当保护，其宗旨为对不幸损失进行恰当的分配，目标为创建一种对社会弱势方有利的调整规则，以让他们所受损失得到应有的补偿。所以，它仅在某些特殊的范围中使用，这些范围具有两大共性：其一，容易出现危险性事件；其二，此种法律关系中的双方，有一方属于典型的弱势方。第二，在知识产权侵权范围内使用无过错归责原则和知识产权法的立法宗旨不相符。大家都知道，知识产权制定的存在必须依赖一个前提，即知识产权制度可以推动整个社会文学艺术及科技的前进。知识产权法自颁发之日起便注定无法专门为保护智力成果的持有者而存在，它理应以公益为目标，以私益为完成公益的方法。换句话说，整个知识产权法律关系即知识财产的持有者和使用者之间互相竞争的关系，所以知识产权法的目的即为知识产权法律关系当事人供给一个公平竞争的平台。对知识产权最正确的保护理应是在知识财产的拥有者及社会公众的利益间找到一个平衡点，让知识产权制度不但可以实现推动创新的作用，同时还可以实现推动传播的效果。假如在知识产权侵权行为范围使用无过错责任归责原则，把无意间陷进知识产权保护范围的行为均看成侵权行为，那肯定会导致知识产权使用者在开展文学艺术及科技创作中提心吊胆，这对于文学艺术及科技的前进而言肯定是特别不利的。所以，在知识产权范围内理应使用过错责任归责原则，通过司法实践对使用者的主观状态展开价值判断，同时以此为依据判断知识产权使用者责任的有无和大小。[2]

三、侵权行为构成及认定

我们通常所说的“侵权行为的组成要素”及“侵权民事责任的组成要素”实际上属于同一概念，只不过其研究的角度略有不同罢了。不过本文觉得知识产权侵权行为组成的认定和知识产侵权责任构成的研究所具有的差异是特别明显的，系两种不同的思维阶段。其一，时间程序上的不一致。比方说《著作权法》第46条明确表示：有以下侵权行为的，理应依据实际情况，承担消除影响及赔偿损失等相关责任……由此可知，在进行侵权行为的判定时，我们首先应该对侵权行为进行判断，随后再依据情况判定侵害者理应承担的相关责任；其二，组成要素的不一致。不同的民事责任所具有的组成要素是不一样的。然而我们却不能下这样的定论：侵权行为在不同情形下所具有的构成要素均不同。所以，我们必须解决的问题即构成诸多侵权行为的共有要素，同时大家还必须在“侵权行为的组成要素”及“侵权民事责任的组成要素”的前提下研究知识产权侵权行为的组成。

3.1 构成

在我国，绝大多数学者及诸多教科书认为知识产权侵权行为构成必须具有如下四大要件：其一，损害事实；其二，违法行为和损害事实的因果关系；其三，行为人过错；其四，行为的违法性。

损害事实。此处所说的损害事实即指财产上的损失及精神上的痛苦。如下为中国知识产权法与侵权行为及损害事实相关的诸多规定：

第一，《著作权法》第47条明确表示：没获得著作权人许可的复制及汇编行为，第46条规定没有获得表演者许可的录制行为均属于侵权行为。假如侵权人仅仅是复制及录制，即没有使用，同时也没有将其出售或赠予，那自然就没有损害事实的出现，依据民事法律关系保障措施所具有的补偿性特性，使用者则无需承担损害赔偿的民事责任。然而本条却仍然将此行为界定为侵权行为。

第二，《专利法》第11条明确了专利权人的制造权及许诺销售权。假如侵权者仅仅是制造或许诺出售专利产品，也就是说没有使用，也没有出售或赠予，此种情况下，侵权人同样不需要承担损害赔偿民事责任。然而《专利法》第57条却将其视为“侵犯专利权”。

第三，《著作权法》第49条、《商标法》第57条及《专利法》第61条均对“即发侵权”必须承担的民事责任进行了介绍。众所周知，“即发侵权”行为实际上就是妨碍行为，那它到底是不是侵权行为呢，具不具有侵权的含义呢？就语义来看，答案理应为肯定的，不然不但对理解无利，同时也与实际操作不符。然而妨碍行为肯定是不存在损害事实的。由此可知，就中国知识产权立法角度而言，损害事实不属于知识产权侵权要件这一。至于行为人过错这一点，某些专家表示知识产权侵权系普通侵权行为，提倡使用过错责任原则；某些专家则认为此种侵权行为拥有多种属性，囊括了众多行为，提倡同时使用过错责任原则及无过错责任原则；另外一些学者则提倡使用无过错责任原则。本文倾向于郑成思先生的理论，觉得中国知识产权实际上已然引入了无过错责任。比方说《专利法》第63条明确表示：善意使用扩大销售的行为仍然属于侵权行为，可以证明来源合法性的，可根据实际情况进行判定。很显然，行为人过错并非此处的民事责任要件，所以，此时行为人过错也不一定是侵权行为判定的构成要素。[3]

结合以上介绍，就行为立场而言，侵权行为不但囊括了导致债权请求权的狭义侵权行为，同时也包括了导致与知识产权请求权相似的侵害行为和侵占行为的出现。可此可知，侵权行为系诸多不法行为的集合，所以其构成要件便理应是立法所明确的各类不法行为的共同构成要件。凭借如上介绍，大家可以知道行为人过错并非后两种行为的要件，换句话说：“四要素”中损害事实及行为过错并非它们的共同要件，所以违法行为及损害事实的因果关系自然也不属于他们的共同要件，如此，它们的共同要件便只有一个：行为的违法性。

3.2 认定

通常情况下，知识产权侵权行为主要可以分成如下三个部分：

直接侵权无过错归责及间接侵权的过错归责

第一，直接侵权无过错归责。直接侵权行为，就对外客观表现而言，即行为人没有违法阻止事由进行了法律赋予权利人专有权的举动，就内部关系而言，行为人没有获得权利人许可便进行了该举行。直接侵权行为的判定无需行为有主观过错的理论因素在于：侵权行为形式的独特性是由其产权客体所具有的特殊性决定的。其一，知识产权侵权行为即对法律授予权利人专有权的损害，和知识产权载体没有关系，可是对于特权的侵犯通通常直接对客体本身起作用，并和客体有密不可分的联系。所以知识产权拥有者无法像特权所有者那样凭借占有来保护自身的知识产权；其二，相比物权和其侵权行为的判定而言，知识产权与其侵权行为的判定要更复杂、困难一 些；其三，客体所具有的独特属性决定了如下两大结局：a.侵权行为的多发性；b.损害结果的严重性。

第二，间接侵权过错归责。间接侵权行为并未损害知识产权所保护的客体，然而鉴于行为人应作为却不作为，抑或行为人的举动，给直接侵权提供了诸多有利条件，导致直接侵权行为的出现。仅就间接侵权行为外观而言，无法看出其和知识产权相关课题有关联。间接侵权者系侵权举动的直接行为人及受害人以外的第三人，相对于直接侵权而言，其举动与侵权行为的联系要更小一些，系为直接侵权举动提供有利条件，抑或推动直接侵权行为出现的行为，所以，间接侵权者应当承担的侵权责任理应比直接侵权者所承担的责任更大一些，理应使用过错归责原则，而非无过错归责原则。[4]

无过错侵权者的返还不当获得责任及过错侵权者的损害赔偿责任。

如果以中国三大知识产权法为依据，那么侵权者由于侵权所取得的利益系计算权利拥有者由于侵权行为导致损害的一种方法，然而就性质及计算方法对比，相对于返还不当获利的责任而言，损害赔偿责任的程度要更重一些。其一，不当获利责任和连带责任没有任何联系；其二，在所有损害赔偿计算方法中，凭借不当得利计算出来的结果最小。中国立法就知识产权侵权损害赔偿额相关计算这一点提出了两大计算方法，并且知识产权拥有者要求过错侵权者承担损害责任时，法院理应允许知识产权拥有者就损害赔偿额的计算方法展开自主的选择。所以有在申请过错侵权者承担损害赔偿责任时，知识产权拥有者为获得更大的赔偿，通常会挑选不当获利以外的另一种计算方式，然而针对无过错侵权者，知识产权拥有者能申请的计算方法只有一种，即不当得利法，这便是说相比过错侵权者而言，无过错侵权者应承担的财产责任要更轻一些。

侵权行为认定和损害赔偿责任组成及规范。

我们通常所说的侵权行为认定，即法官依据民事诉讼程序，凭借原告及被告于庭审中的举证及对证据的判断，对原告提出的侵权行为展开拥有法律效力的判定。当明确某一侵犯知识产权的案例理应使用归责原则以后，便可就行为人的不当行为是不是具有侵权责任的组成要素以判定行为人是不是形成了侵权责任，尤其是不当行为者是不是应该接受侵权损害赔偿责任，进而结束案例的审判工作。由上可知：知识产权侵权归责系侵权责任组成的基础及前提，责任组成要素则属于归责原则的集中体现及关键内容。正如上文所提到的那样：知识产权侵权损害赔偿责任组成要素主要由如下四部分组成：其一，损害事实；其二，行为违法；其三，行为者的行为和损害事实的因果联系；其四，行为者的主观错误，行为者所做的不良举动是法律所不允许的。至于其举动是不是具备了损害后果、行为者的主观错误及举动和损害结果间的因果联系等均属于侵权责任组成的要素，和侵权责任的判定及明确具有密不可分的联系，然而其针对侵权行为的认定却并不需要。

四、损害赔偿概述

在知识产权侵权事件中，损害一般展现为一种市场期待利益，此种利益的确定和权利人的现状、市场现状及知识财产的现状等诸多因素有着紧密的联系，想对损害做出一个恰当的判断是特别困难的。中国知识产权法提出了两大损害赔偿计算方法：其一，以权利持有人所受的实际损失为基准进行赔偿额的计算；其二，以侵权者在侵权期间由于侵权行为所取得的利益为基准进行赔偿额的计算。受害者可在此两种计算方法中任选其一，前一种计算方法的法律依据为全面赔偿原则，计算侵权举动所导致的受害者的所有实际损失，它囊括行为导致的直接损失及间接损失。此处所说的直接损失不但包含了侵权举动直接导致的知识产权使用费等利益的下降，同时还囊括了知识产权持有者因人身权受到损害而导致的财产损失。间接损失即侵权行为引起的未来可得收益的下降或消失，此种未来可得利益是存在实际意义的，同时它理应被限制在某一范围内，此范围理应是知识产权侵权行为所导致的直接影响所涉及的领域，超出此范围，那么我们便不能称其为间接损失。不然损害赔偿额的计算便会具有特别大的不确定性，同时还可能造成侵权者赔偿责任过重情况的出现。后一种计算方法一般在侵权行为出现后，被侵权的产品销量未出现显著降低情况下使用。在此种情形下，就表面而言，侵权行为好像未给知识产权持有者造成损失，以计算实际损失的办法根本就无法进行赔偿额的计算。然而实际上，市场资源特别有限，侵权人做出了侵权举动，出售了侵权商品，尽管或许未给权利持有者带来现实利益的损害，然而它肯定会抢占权利持有者的潜在市场，这些市场或许是权利持有者将来扩大再生产之后理应获得的份额。所以，在此种情形下，损害赔偿理应以侵权者在侵权过程中由于侵权行为而取得的利益为标准展开损害赔偿额的计算。[5]

总而言之，知识产权侵权行为四大组成要素并非均属于必要要素，所以法官在对侵权行为展开判定时无需受侵权民事责任组成的影响，理应集中精神听取侵权举动的有无，进而引导被告及被告进行陈述、举证及质证，最后依据证据对行为者发生的行为进行是否侵权的判定。在知识产权侵权行为判定阶段，法官需要做的事件主要是判定知识产权持有者拥有的权力是不是合法有效的；同时指控行为者的举动是不是真的损害了权力持有者的利益。知识产权侵权行为认定涉及的范围特别广，所以有其判定也比较复杂，持法人员在进行知识产权侵权行为的认定时理应遵守具体问题具体分析的原则，从事件实际出发，做出一个公正的裁决，其裁决必须确保知识产权持有者权力的完整性，同时还不能对侵权者的利益造成不恰当的损害。惟有如此，持法人员对于知识产权侵权行为构成的理解才是正确的，同时其凭借知识产权侵权行为认定所做出的审判结果才恰当，如此才能够更好地推动知识产权的前进及中国社会的可持续发展。

（作者单位：河南金学苑律师事务所）

地址：

河南省郑州市郑东新区商务外环路6号国龙大厦附楼三楼河南金学苑律师事务所

邮编：

450000

篇4

当前，全球性金融危机已冲击实体经济，影响日益加深，由于各国内部需求疲软，国际市场萎缩，各国企业都面临争夺国际、国内市场的双重压力。为扶持和保护国内产业、防范国际市场萎缩导致的贸易转移，许多国家出台了形形的贸易保护措施。这些贸易保护措施主要分为两大类：一是滥用世贸规则允许的贸易救济措施，主要是反倾销、反补贴、保障措施和特殊保障措施；二是使用传统的关税和非关税壁垒，如有的国家提高进口关税，采取禁止或者限制进口的措施，实施技术性贸易壁垒等，还有的国家在刺激本国经济方案中提出了优先购买本国产品的条款。

2国际贸易政策的变化趋势

在世界范围内看来，世界经济普遍繁荣时，国际贸易自由度较高；但当经济衰退，时常萎靡时，各国为保护国内经济而增加贸易障碍，使贸易自由度降低，贸易保护便成为了主流。根据世贸组织的统计，09上半年全世界贸易额萎缩了4%，欧盟和美国的进口减少了6%，日本和拉美国家的进口额下降率甚至达到了两个百分点。面对金融危机下国际贸易的萎缩，商务部日前向国内出口企业发出警告称，全球范围的新贸易保护主义威胁正在加大，明年将是我国贸易摩擦的高发期，可能是近几年来形势最为严峻的一年，诉案将超过以往数年总和。新贸易保护主义的发展趋势：

2.1保护商品的范围日益扩大。新贸易保护主义的保护对象一方面是本国正在衰弱的传统产业如纺织业，另一方面是本国已经高度发达的具有竞争优势的产业如金融业等，因此保护范围不仅扩大到货物贸易的一切领域，而且扩大到服务、技术、投资、知识产权等领域。近年来在商品的保护上出现了两个明显的特点：一个是对于服务行业的保护日益趋于严厉。当前，服务行业的世界贸易额增长迅速，国际服务贸易在世界贸易中的比重不断上升，目前已接近30%，其中美国的金融和快餐等行业对世界的扩张最为突出，这也促使世界各国加强对本国服务行业的保护。另一个是高技术产品领域的保护不断加强。由于技术的特殊性及重要性，高技术产品的出口往往受到出口国的限制及其要求的进口国的保护。

2.2从国家贸易保护演变为区域性贸易保护。随着国际经济竞争的日益加剧，贸易区域化和集团化趋势加强。新贸易保护主义不再以国家贸易壁垒为基础，而趋向区域性贸易壁垒，即由一国贸易保护演变为区域性贸易保护。区域化和集团组织具有天然的排他性和贸易保护性，组建区域性经贸集团一方面可以实行内部自由贸易以促进内部经贸的发展，另一方面可以通过对外构筑贸易壁垒，抵制贸易对手的入侵，保护成员国的市场。同时，可以凭借组建经贸集团力量抗衡和抵制外部国家的报复性竞争。在当今世界上，欧盟、北美自由贸易区、安第斯条约组织、东盟、西非共同体等经贸集团遍布全球。它们几乎无一例外地在内部实行自由贸易而对外实行严格的保护，从而严重削弱了世界范围内的贸易自由化。

2.3由单一的经济问题扩展到社会问题。以往的贸易保护理论，无沦是发展中国家使用的幼稚产业保护理论，还是流行于发达国家的战略性贸易政策，其关注的焦点主要是经济问题，重点是产业的发展。所不同的是，前者保护的是幼稚产业，而后者保护的是战略性产业。但近年来流行的新贸易保护理论如保护就业论、保护环境论等，其关注的焦点已由经济问题扩展到社会问题，由产业发展转向了人本身。保护就业论关注的是人的劳动权利，保护环境论关注的是人的生存环境，绿色壁垒关注的是人的健康和安全。关注焦点的变化导致劳工标准、社会责任国际标准认证、产品质量认证标准、动植物检疫标准等成为发达国家实行贸易保护的重要工具。

2.4发达国家保护的对象主要集中于陷入结构性危机的产业部门。农业、纺织、服装、钢铁、汽车、造船、家电等传统行业在发达国家均陷入结构性危机，发达国家加强了对这些行业的保护，一旦某些国家为保护这些部门而筑起贸易壁垒，其他国家就会因害怕损害自己的利益而纷纷仿效。同时保护的另一个重点是尖端技术行业。当前，发达国家的产业正由资本密集型向技术密集型转化，像电子计算机、光纤通讯、宇航工程、新材料和新能源的开发应用能力已被世界各国看成能否在未来的世界市场上取得主动地位和提高综合国力的关键。鉴于其重要性，各国竞相对它采取保护。

2.5国际贸易保护的技术化和绿色化特征日益突出。技术性贸易壁垒在当代国际经济贸易中正扮演越来越重要的角色，已成为发达国家实行贸易保护主义的主要手段和高级形式。如美国、日本和欧盟等不断调整和提升技术门槛，技术要求趋严、趋新、趋多。目前，绿色壁垒以其外表的合理性及内在的隐蔽性，成为发达国家广泛采用的一种贸易壁垒。但是，与发达国家相比，发展中国家由于经济相对落后，环境意识和治理能力还有待于提高，许多发展中国家为了应对绿色壁垒而导致出口成本的大幅提高，出口市场严重萎缩，被迫长期处于一种自然资源和初级产品的廉价提供者的地位。由于绿色壁垒具有显著的贸易保护效应，因而在国际上存在着快速扩张的趋势。

3我国遭遇的反倾销现状及对反倾销会计产生的影响

根据世界贸易组织统计，自1995年世界贸易组织成立以来至2006年，我国已连续12年成为世界上遭受反倾销调查最多的国家。据商务部统计，2007年，全球共有19个国家（地区）对我国发起反倾销、反补贴、保障措施等贸易救济调查近80起，遭遇美国“337知识产权调查”17起。在国际贸易保护主义加剧的背景下，中国作为世界第三大贸易实体和第二大出口国，成为国际贸易摩擦的主要对象。2008年1月至2009年1月底，我国共遭受来自22个国家和地区的103起贸易救济调查，涉案金额约65亿美元，其中反倾销75起、反补贴12起、保障措施12起、特保4起。按全球各大洲计算，美洲41起，涉案金额约13亿美元；亚洲42起，涉案金额约20.4亿美元；欧洲12起，涉案金额约29.8亿美元；大洋洲5起，涉案金额约1.4亿美元；非洲3起，涉案金额1051万美元。此外，2008年以来，美国对我发起12起337调查，案件数量和涉案金额都有大幅度的增长。从涉案产品看，主要集中于轻工、纺织、机电等我国具有出口竞争力的产品，其中尤以纺织品贸易摩擦更为突出。如中美纺织品贸易争端，中欧鞋业争端，中美钢铁业争端，中美知识产权保护争端，中日纺织品争端等。数据还显示，2009年1月，共有5个国家对华出口产品发起10起贸易救济调查，其中印度5起、阿根廷2起、巴西、土耳其、南非各1起，涉案总金额约为3.7亿美元。

如上所述，反倾销无疑仍旧是国外对华贸易救济的主要手段，也成为了我国企业平等参与国际贸易舞台所面临的主要障碍。面对着这样严峻的形势，为了更好的应对反倾销诉讼，对其中从事会计工作的反倾销会计在会计理论和财务实务产生了重要的影响。

3.1加快了我国会计准则的国际化进程。

3.1.1保持我国会计准则与国际会计准则有关产品成本确认、计量的一致性。进一步完善会计准则，在产品成本的范围、确认、计量的规定方面尽可能保持，国际会计准则的一致性。特别是有关成本方面的规定更要以国际会计准则和反倾销协定、反倾销法等相关准则为依据进行修改。

3.1.2进一步加大我国与国际会计准则的趋同性，尽管我国已经颁布了项企业会计准则，与国际会计准则在大部分内容上趋于一致，但应该进一步加强在国际贸易中涉及的会计业务的差异协调，以增强会计信息的可比性，减小国外倾销认定的风险。

3.1.3增强会计准则的适用性。由于我国出企业中大部分都属于中小企业，会计人员素质普遍偏低，会计制度设计时应充分考虑到操作上的简便易行。目前世界上许多国家的中小企业都只要求提供简化型的财务报告，与现有的财务报告不同的是，简化型财务报告只提供更容易理解的财务信息，只反映企业扼要的经营成本与财务状况、国外的这种做法值得借鉴。制定中小企业的相关规定时，既要与会计法和新会计准则相一致，又要兼顾中小企业的特点，同时与国际惯例趋同。

3.2完善财务会计制度。

3.2.1加强对原始凭证等会计资料的保存，以备核查。会计资料是反倾销应诉中重要的举证证据，真实完整的会计资料是胜诉的必备条件，原始凭证是产品成本核算的依据，是产品价格合理性的最佳证明。反倾销应诉会计举证涉及有关生产企业及出口企业的账本、生产记录、购销合同、发票、运翰、保险等资料。出口企业应加强日常凭证管理和保存，平时要特别重视收集和保留证据资料，如原材料采购发票、保单、运费、销售发票、工资发放单、电费支付单、格式合同、商务信函和往来传真等，以证明和供货商之间的关系。一旦涉诉，就有充足的时间和充分的证据从容应诉。

3.2.2账务处理方法要符合国际会计准则的规定。由于我国会计准则与国际会计准则存在差异，要求我国出口企业必须按照国际会计准则的要求记账、编制报表，需要损耗大盆的时间和资金，成本较高

一、对我国大部分出口企业来说是很难做到的。我国出口企业应重点针对反倾销应诉中的关键问题如核算成本，按国际会计准则的有关会计处理方法核算有针对性地作两手准备，这样既节约成本，又可以在涉案时免去重新计算的麻烦，以节省时间。

3.2.3严格会计核算。在反倾销中，核心问题就是产品的正常价值、出口价格、产品成本无论是对倾销的认定、倾销幅度的计算还是实地核查都是围绕这几个要素展开的。所以要严格地对产品成本进行会计核算。企业最好在成本核算的数据管理上做到数据的完备和统一。从原料进厂到制造成本再到费用分摊，要做到账账相符、账实相符、账单相符，严格按照有关法规进行会计核算保证成本核算的合法性。

篇5

关键词：数据素养；科研工作流；科研数据生命周期

中图分类号： G254.97 文献标识码： A DOI：10.11968/tsyqb.1003-6938.2016085

Core Competencies of Data Literacy Embedded in Research Workflow and Data Lifecycle

Abstract The research work flow processes and general research data lifecycle are summarized at first， and then research status of data literacy core competencies is investigated and several representative core competencies frameworks are analyzed， and finally core competencies framework of data literacy around research work flow processes and research data lifecycle are built.

Key words data literacy； research workflow； research data lifecycle

1 引言

大数据时代的到来正在改变21世纪公民的素养格局，尤其是数据密集型第四科研范式下，具备良好的数据素养和熟练的数据技能已成为研究群体开展研究工作的重要能力保障[1]。然而，实践工作中庞大的数据量和复杂的数据管理问题使得研究人员面临严峻挑战，为适应数据驱动的新型研究环境，应对科研实践中的各种数据问题，培养研究人员的数据素养能力势在必行。那么数据素养是什么？M.Schield[2]认为数据素养是根据科研需求在不同数据源中获取、操作和总结数据，并从中推断结论的一种能力；J.Qin和D.Ignazio[3]认为数据素养是“研究者在科研过程中收集、处理、操作、评估和利用数据的能力”；P.Calzada和 M .粤忆.Marzal[4]认为数据素养“包含个人获取、理解、批判性地评估和管理数据的能力，并在使用数据的过程中遵守道德规范”。总体而言，数据素养强调的是一种正当地发现和获取数据、批判地选择和评估数据、规范地管理和处理数据、合理地利用和共享数据的意识和能力。

目前，国内外学者已就数据素养能力体系展开探索，并积累了一定的成果和经验，主要集中在三个方面：一是从数据素养的概念和内涵出发，梳理数据素养包含的各种能力，如J.Qin[3]、郝媛玲和沈婷婷[5]等；二是图书馆员在长期从事科研数据管理服务的基础上，概括和总结数据管理过程中所需的技能，如Carlson.J[6]、A.L.Ogier[7]等；三是从数据素养的上位类概念信息素养出发，在信息素养能力标准中提取数据相关的能力，如C. P.Javier 和M.粤忆. Marzal[4]等。然而，从研究项目启动之初的数据产生、项目实施中的数据处理和分析到项目结题时基于数据得出研究结论、发表科研成果，再到后续研究中对数据的二次开发和利用，科研数据已成为科学研究工作的基本单元渗透到科研工作流的各个环节，数据素养与科研工作流、科研数据生命周期密不可分。因此，构建嵌入科研工作流、围绕科研数据生命周期的数据素养能力框架，对于更好地培养研究人员的数据意识和数据管理技能具有重要意义。基于此，本文从科研工作流和数据生命周期的一般流程出发，调研了数据素养核心能力研究现状，整理并分析了国内外学者提出的几种典型的数据素养核心能力体系，梳理并归纳了嵌入科研工作流和数据生命周期的数据素养核心内容体系，绘制研究人员应具备的数据素养技能流程图，以期为衡量研究人员的数据素养能力和探索数据素养教育实践提供参考和建议。

2 科研工作流与数据生命周期

数据从收集（或形成）、加工、保存、传播、检索、存取与利用，到消失或不再被利用的过程，就是数据的生命周期[8]。随着科技的发展和时代的快速进步，有些数据永久地休眠，再也得不到利用；而很大一部分数据却只是进入了暂时的休眠状态，它们将来可能会根据人类的需要再次被激活和更新，进入下一个“生命周期”，周而复始，生生不息。在数字科研环境下，“生命周期”不同于产生到消亡的“生命期”，它是一个循环过程，经过数字资源管理和长期保存，实现数字资源发现和再利用[9]。在科研实践过程中，处于生命周期不同阶段的数据具有显著差异，不论是数据的类型格式还是内容含义，亦或数据的量级特性，均不可一概而论。正确认识科研数据生命周期，把握生命周期各个阶段的数据特性，培养良好的数据素养能力，是实现科研数据规范管理和发挥数据价值最大化的前提和基础。

目前，科研工作流与数据生命周期已得到业界的广泛重视，英国联合信息系统委员会（JISC）、美国地质调查局（USGS）等国家组织委员会，英国数据管理中心（DCC）、英国数据档案（UKDA）、地球数据观察网络（DataONE）等数据管理专业机构以及弗吉尼亚大学、阿尔伯塔大学、昆士兰大学等学术研究机构纷纷就科研数据生命周期展开探索研究，建立科研工作流与数据生命周期模型，以规范和指导数据管理工作的正常开展。

为深入了解科研实践的具体流程，笔者选取了国际上较典型的科研数据生命周期进行剖析，以总结和梳理科研工作流和数据生命周期的一般流程。8种模型具体为：英国高等教育、继续教育和技能培训提供研究支撑的英国联合信息系统委员会（JISC）[10]；英国专门负责大型社会和经济数据的采集、监管并提供数据访问与获取的专业机构英国数据档案（UKDA）[11]；世界领先的数字信息管理中心英国数字内容管理中心（DCC）[12]；世界上最大的社会科学数据中心美国校际社会科学数据共享联盟（ICPSR）[13]；地球环境科学领域的数据管理专业组织地球数据观察网络（DataONE）[14]；专注于统计数据和社会科学数据描述的国际标准协会数据文档倡议联盟（DDI）[15]；美国弗吉尼亚大学图书馆[16]；加拿大阿尔伯塔大学图书馆[17]（见表1）。

笔者在分析梳理国外典型科研工作流与数据生命周期模型的基础上，结合国内研究实践，绘制了嵌入科研工作流的科研数据生命周期一般流程（见图1）。除了项目启动、项目实施和项目结项三个核心阶段外，还包括项目启动前的研究构想以及项目结束后的后续研究。科研数据生命周期的一般流程包括八个阶段，分别是数据管理计划、数据产生与收集、数据管理与组织、数据处理与分析、数据存储、数据发表与共享、数据发现与获取、数据再利用，各个阶段环环相扣，紧密相连。下文将以此为基础梳理和构建围绕科研工作流和数据生命周期的数据素养能力框架。

3 数据素养核心能力研究现状

能力标准为图书馆服务开展和各级各类教学提供了明确的目标和方向，也为各个机构的课程设计提供了基本的框架和指南[18]。数据素养是信息素养的子集，目前，信息素养领域已建立了较完善的能力标准体系，既有以美国、英国、澳大利亚、加拿大等区域性信息素养能力标准，又有面向中小学教育、高等教育的层级性信息素养能力标准，以及大众传播学、人类与社会科学、护理学、科学与工程技术等以学科划分的领域信息素养能力标准。尽管这些标准对于数据素养评估和教学有一定的参考意义，但就数据素养应用实践而言，仍亟需数据素养能力标准或框架来衡量研究人员的数据素养能力和指导数据素养教育工作的开展。

目前，这一问题已获得国内外学者的广泛关注，他们从不同的角度，结合数据管理服务和数据素养教育探索的实践经验，构建数据素养能力体系，推动数据管理培训和数据素养教育的发展。如美国雪城大学J.Qin等[3]对比了信息素养、数字素养和科学数据素养的不同概念，指出科学数据素养包含数据收集、数据处理、数据管理、数据评估和数据利用五个方面的技巧和能力。并以此为基础，为学校STEM各专业本科生开设科学数据素养课程；美国弗吉尼亚理工大学图书馆为满足学校师生的数据管理需求，A.L.Ogier等[7]图书馆员开发了数据素养课程，其教育内容模型包括八个方面：数据管理与组织、数据转换与互操作性、数据共享与获取、元数据与质量控制、数据科学、数据监管、数据存档与保存、数据伦理与责任；美国印第安纳大学图书馆S.Konkiel等[19]设计了包含10种能力的数据素养核心能力框架：数据管理与组织、数据格式与数据类型、数据可视化、数据质量控制、数据发现与获取、数据分析、元数据、数据伦理、数据保存、数据复用，将数据管理素养集成到数据可视化课程中，根据学生的数据技能需求，有针对性地制定学习目标和评估方案；巴西里约热内卢联邦大学A.Tygel和R.Kirsch [20]基于教育学家P.Freire的素养模型定义了数据素养核心能力，包括数据读取（数据意识、数据发现与获取、数据收集）、数据处理（数据处理技术、数据处理工具）、数据交流（数据类型、数据格式、数据评估、数据伦理）和数据生产（数据格式、数据发表工具）四种核心能力，用以指导和规范图书馆的数据管理课程；西班牙卡洛斯三世大学P.Javier 和M.粤忆.Marzal等[4]从信息素养能力标准出发，选取美国学校图书馆员协会（AASL）制定的《共同核心州立标准》、美国大学与研究图书馆协会（ACRL）制定的《高等教育信息素养能力标准》、《科学与工程技术信息素养能力标准》、《人类学与社会科学信息素养能力标准》、《护理学信息素养能力标准》、《政治学信息素养能力标准》，梳理其中有关数据管理的内容，结合图书馆科学数据管理服务，构建了包含数据意识（什么是数据、数据背景）、数据发现和获取（数据来源、数据获取方法）、数据阅读理解和评价（数据阅读与表达、数据评估）、数据管理（数据和元数据的收集与管理）、数据利用（数据操作、数据分析、数据使用伦理）五大指标的数据素养核心能力框架；瑞士R.Schneider[21]在“全球信息素养研究与实践的共性与挑战”大会上指出科研数据素养和数据管理能力包括8个方面的内容，分别是数据识别、数据处理、数据计划、数据存储、数据保护、数据评估、数据管理、数据交流。国内学者也在构建数据素养能力体系方面取得了一定的研究成果。如上海大学的郝媛玲和沈婷婷[5]认为数据素养的核心内容包含五个方面的基本要素，分别是数据态度（数据道德观、数据价值观）、数据意识（主体意识、获取意识、共享意识、更新意识、安全意识、人才意识）、数据知识（特点与类型、作用于效应、规律与规范、转换方式、搜索方法）、数据技能（获取、处理、利用、展示、评价、再创造）和数据伦理（法制观念、数据安全、数据道德、知识产权），旨在为我国建立数据素养培养机制提供建议。

为了更深入展示国内外数据素养能力体系研究现状，笔者选取了美国普渡大学图书馆研究团队、加拿大达尔豪斯大学图书馆研究团队和国内华东师范大学团队构建的数据素养核心能力框架作为案例进 行详细介绍。

（1）普渡大学图书馆

普渡大学、康奈尔大学、明尼苏达大学和俄勒冈大学四校图书馆联合开展数据信息素养教育项目（DIL），以Carlson.J为代表的研究团队通过剖析ACRL《高等教育信息素养标准》，访谈调研教师和学生的数据信息素养需求，并总结地理信息学等图书馆课程经验，构建了包含12项核心能力的数据素养框架体系：数据实践规范、数据转换与互操作、数据监管和再利用、数据管理和组织、数据保存、数据处理和分析、数据质量和记录、数据可视化和表示、数据库和数据格式、数据发现和获取、元数据和数据描述、数据伦理与道德（见表2）。DIL项目组在该能力框架的基础上，调研自然资源、土木工程、计算机科学等不同领域研究群体的数据需求，根据需求设计课程大纲展开针对性培训和教育，提高研究人员的数据管理能力[6]。

（2）加拿大达尔豪斯大学图书馆

加拿大达尔豪斯大学图书馆的C. Ridsdale等[22]学者在数据管理服务经验的基础上梳理出科研人员在数据管理过程中所需的数据素养能力，构建了包括数据管理概念、数据收集、数据管理、数据评估和数据应用五方面的数据素养能力矩阵（见表3），拟在能力矩阵的基础上设计数据素养课程，帮助学校师生员工提高数据管理技能。

（3）华东师范大学隆茜

我国华东师范大学的隆茜[23]在综合国内外文献对数据素养内涵、组成能力的阐述的基础上，从数据意识、数据获取能力、数据处理与分析能力、数据交流能力、数据评价能力和数据道德六个维度构建了高校师生数据素养能力评价指标体系（见表4）。并以此为基础编制数据素养能力调查问卷，分析高校师生的数据素养能力现状，为数据素养教育奠定基础。

笔者对以上10种数据素养能力框架进行梳理与解析，深入剖析能力框架的构成要素，共罗列了21种数据素养技能，分别是数据意识、数据收集与创建、数据转换与互操作、数据管理与组织、数据保存、数据处理与分析（技术和工具）、数据质量控制、数据可视化、数据类型、数据格式、数据发现与获取、元数据、数据伦理与道德、数据评估、数据利用与复用、数据共享、数据长期保存、数据安全、数据解读、数据引用、数据交流，各能力框架及其对应的数据素养技能（见表5），这将为本文构建科研数据生命周期的数据素养核心能力框架提供参考和借鉴。

4 嵌入科研工作流与数据生命周期的数据素养能力框架

在考察数据素养核心能力研究现状、总结科研工作流和科研数据生命周期的一般流程的基础上，本文梳理了嵌入科研工作流与数据生命周期的数据素养核心能力框架（见图2）。数据素养能力框架从科研工作流出发，包括项目启动前的数据管理计划；项目实施中的数据产生与收集、数据管理与组织、数据处理与分析、数据存储；项目结题时的数据发表与共享，以及项目结束后的数据发现与获取、数据再利用等8个生命周期阶段的22项数据管理能力。

（1）数据意识。数据意识是一个抽象的概念，具体来说，作为一名数据工作者，应理解什么是科研数据和为什么要管理科研数据等问题。科研数据是为了特定的目标所收集、观测、创建、分析的信息[24]。良好的数据管理实践包含但不限于以下优点：提高研究成果的影响力，增加数据引用率；避免重复劳动，节省时间；确保研究成果可验证性和完整性；保证数据安全，降低数据丢失的风险；满足资助机构和学术出版商的数据管理要求；通过数据再利用，促进新的知识发现[25]。总体而言，数据管理贯穿科研项目始终，良好的科研数据管理实践是知识再生的基础。规范化地管理科研数据，是确保数据长期保存和持久访问的关键，也是未来数据被其他研究人员理解和复用的前提。因此，研究人员在正式着手数据管理工作之前，应具备基本的数据意识。

（2）了解数据管理和共享的政策和要求。随着开放获取事业的推进，越来越多的资助机构（如美国国家科学基金委NSF[26]、美国国立卫生研究院NIH[27]、美国航空航天局（NASA）[28]、英国研究理事会RCUK[29]、经济合作与发展组织OECD[30]）、期刊出版商（如Nature、Springer、Wiley、Elsevier、RSC、ACS）以及研究机构（如JISC、ANDS、牛津大学、麻省理工学院、剑桥大学、康奈尔大学）纷纷数据管理政策，要求科研人员提交数据管理计划，规范科学数据管理流程[31]。在国内，2002年科技部牵头建设“科学数据共享工程”，目标是整合离散的科学数据资源，构建面向全社会的网络化、智能化的管理与共享服务体系[32]。为规范科学数据汇交和共享，2006年科技部还制定了“国家科技计划项目科学数据汇交暂行办法”，规定了汇交科学数据的种类及范围、数据汇交义务人的权利与义务等[33]。期刊出版商了相应的数据政策，如《现代图书情报技术》杂志要求从2016年起，所有投稿论文需要提交支持论文结论的科学数据，并通过适当方式供研究共同体或社会公众共享[34]。在从事科研工作时，研究人员有必要了解并遵守相应的数据管理政策和规范。

（3）制定数据管理计划（工具使用）。许多资助机构明确提出了数据管理计划要求，如2003年美国国立卫生研究院数据共享政策，指出“所有向NIH申请经费在500，000美元以上的科研项目，建议但不强制提交一份数据管理说明文档，阐述数据共享的计划和策略，由于特殊原因不能共享的，应在说明文档中详细说明[27]”；2007年，英国生物技术和生物科学研究理事会要求“其资助的科研项目的申请书必须包含数据管理计划，作为一份不超过1页的独立附件，简要说明数据的管理和共享计划[35]”；2011年，美国国家科学基金会提出“所有提交到NSF的项目申请书必须包含不超过2页的名为《数据管理计划》的补充文件，详细描述该项目将如何根据NSF传播和共享科研成果的相关政策开展数据管理工作[25]”。为此，国际数据管理组织根据数据管理要求开发了一系列数据管理计划工具，常用的包括三种：一是面向美国资助机构要求的由加州大学数字图书馆协会等协作开发的DMP Tool[36]；二是面向英国资助机构要求的由DCC开发的DMP Online[37]；三是面向加拿大资助机构要求的由阿尔伯塔大学开发的DMP Assistant（曾用名DMP Builder）[38]。在申请基金项目时，选择恰当的数据管理计划工具制定符合资助机构要求的数据管理计划，已成为申请基金、获得项目资助的重要前提。

（4）数据创建与数据收集。在项目之初的数据收集阶段，研究人员需要考虑是否需要创建新的数据集，或是否可以复用已有的数据源。如果需要创建新的数据，那么应考虑使用哪些工具、采用哪种方式、应用何种技术来创建和收集数据。

（5）数据发现与获取。当确定项目需要哪些数据时，可以通过数据检索判断是否可以复用已有的数据，这就需要研究人员具备数据发现和获取的技能。数据获取的途径很多，常规的包括数据中心、数据仓储、机构知识库等，如英国数据档案中心、澳大利亚国家数据中心等国家数据中心，生物学Gen Bank、医药科学Dryad、地理环境科学Pangaea等领域数据仓储，哈佛大学数据仓储Harvard Dataverse Network、中国科学院数据云等机构知识库等都支持数据的开放获取。但需要强调的是，在检索和获取他人数据集时，应遵守数据复用和数据在分配的限制条件。研究人员在使用来自第三方的数据时，需要获得许可访问，在允许的范围内使用科研数据，使用数据引用标准格式注明数据原始来源，以保证数据的完整性和真实性。

（6）数据类型。数据类型多种多样，明确数据类型有利于高效管理数据、提高科研效率。根据数据来源划分，可将数据分为观测型数据、实验型数据、仿真数据、派生或编译数据、引用或规范数据五种类型[39]（见表6）。

（7）数据格式、数据格式转换与互操作。随着技术的发展，研究人员在存储数据以确保长期访问时，应充分考虑硬件和软件的存储设施，选择恰当的数据格式。如文本文件应选择ODF格式而不是Word格式，表格文件应选择ASCII格式而不是 Excel格式，视频文件应选择MPEG-4格式而不是 Quicktime格式，图片文件应选择TIFF或JPEG2000格式而不是GIF或 JPG格式，网页应选择XML或RDF格式而不是 RDBMS格式。总体而言，规范并支持格式转换和互操作的数据格式应具备以下特点：非私有的；开放的文档标准；被科研群体普遍使用的数据格式；计算机可读的标准化格式，如ASCII、Unicode；非加密的；非压缩的[40]。

（8）数据组织（命名规则、文件夹组织）。在数据完成收集后，应对数据进行规范组织，包括数据和数据集的结构化、制定文件命名规则等。数据结构化时应注意使用文件夹管理数据文件，使用具有揭示意义的词汇来命名文件夹，使用科学的文件夹层次结构，将正在进行的数据文件和已经分析完成的数据文件分开保存，设置最高级别的访问权限等。文件命名指采用一致性的逻辑方式对数据和数据文件夹进行命名，制定文件命名规则时，可参考以下规则：文件名称短但具有揭示意义；日期时间使用标准格式；避免使用空格键；避免使用特殊字符；基于主题内容识别数据，而不是仅依靠时间和版本；如果在不同的文件中包含相同的信息，考虑分组存放；在命名中考虑版本信息[41]。

（9）数据描述与元数据。元数据是描述资源特征的结构化信息，对数据进行详细记录是数据集可发现和可获取的前提。使用元数据目的是为了更好地描述数据，揭示数据的内容特征，不同的学科领域具有不同的元数据标准。如地理空间元数据标准（Content Standard for Digital Geospatial Metadata）、天文学元数据标准（Astronomy Visualization Metadata）、生态学元数据标准（Ecological Metadata Language）等，具体取决于研究项目的数据类型、数据格式和学科领域。如果现有的元数据标准不能满足项目的数据描述需求，研究人员可创建元数据方案，包括描述性版块、权利版块、结构化版块和技术信息板块：描述性版块即描述数据集内容的信息，如题名、日期、创建者姓名等；权利版块包含数据归属权、数据的使用和访问权限等；结构化版块包括数据的逻辑结构、表现形式等；技术信息版块指数据的技术特征、数据创建软件、使用方法等[42]。元数据是规范化管理数据的基础，是数据管理计划的重要组成部分，在项目启动前就应确定元数据记录方案。

（10）数据质量控制。数据质量控制对抽样检查数据值的准确性进行二次数据录入，对比检查数据是否有误，分组排序，查找离散值和缺失值、统计计算极端值和异常值。还可以使用OpenRefine等数据清洗工具。在数据管理计划中还应包含数据收集的质量控制说明。包括使用的刻度标准、样本二次采集和测量、数据采集标准、数据准入标准、数据验证和使用的受控词汇表等[43]。

（11）数据处理与分析（技术、工具）。在完成数据的收集和组织后，根据数据类型和预期结果选取恰当的数据分析方法对数据进行处理和分析是得出研究结论的关键所在。随着数据量的剧增和数据问题的日益复杂化，研究人员在处理和分析数据时往往需要借助专业的数据分析工具，如SAS、SPSS、STATA等。此外，在进行数据建模、仿真计算时还需要研究人员掌握一定的计算机编程等技术。

（12）数据解读。数据解读能力主要强调认识数据的内容特征和洞察数据的实质内涵。这要求研究人员具备三方面的能力：一是扎实的专业领域知识；二是敏锐的数据分析能力；三是精准的数据表达能力。任何数据认知错误和表达错误都可能造成研究结论的巨大差异，导致严重后果。

（13）数据可视化。无处不在的图像和可视化媒体正在改变21世纪的素养格局，可视化素养被视为公民的必备素养[44]。大数据环境下，利用数据可视化技术形象、直观地展示数据内容和研究结论已成为学术信息交流的重要方式。Gephi、Exhibit和Gnuplot等数据可视化软件在科学研究中发挥着重要作用，研究人员应学习并掌握相应的数据可视化技能。

（14）数据安全与备份（数据保存环境与存储介质）。采取数据安全措施能够有效避免数据被不当访问、使用、修改、传播和破坏，数据安全的含义主要包括：一是网络安全，确保机密数据不能上网，将敏感信息保存到不能联网的计算机中；二是物理安全，确保重要资料存放地的安全（如保安看守），寻求可信任的人充当计算机的故障检修员；三是计算机系统和文件安全，包括更新计算机杀毒软件、避免使用邮件或FTP协议传输保密数据，在计算机和数据文件中使用密码等加密措施；另一种确保数据安全的措施是定期进行数据备份。进行可靠地数据备份是数据管理实践的重要环节。定期数据备份能够有效规避数据丢失、数据损坏、病毒或黑客破坏、停电、软件损坏以及其他人工错误。建议对数据进行三份备份，即原始数据、原始数据在本地的备份、原始数据在远程设备上的备份[45]。

（15）数据版本控制。版本控制是对数据处理不同阶段的数据进行标识的过程。它能够对数据的处理流程进行跟踪，标识哪个是草案，哪个是修订以及哪个是最新的版本。能够有效避免数据的混乱，尤其是研究小组的人员同时对数据进行处理时。总的来说，版本控制的优点包括可追溯性、可识别性、清楚明晰、减少重复、减少错误等。版本控制一般通过对文件命名来体现，此外还可使用版本控制表，即对文件进行操作修改时，填写文件版本的修订情况，包括新版本的序号、修改人、修改目的、修改日期等[46]。

（16）数据保存（短期保存和长期保存）。数据保存是数据管理流程的关键步骤，不仅指项目结题后的数据存档，还包括项目进程中数据分析与处理等阶段的数据保存。在项目期间需要短期地保存数据时，应注意数据类型与格式、数据存储介质与迁移、数据备份与安全等问题；在制定数据管理计划时应明确提出项目结题后的数据长期保存方案，具体包括数据存储地点（如公共数据中心、领域数据仓储、机构知识库）、数据保存内容、数据保存时间、数据保存介质、数据保存成本、敏感隐私性数据存储策略等方面的问题。

（17）数据遴选与评估。数据保存面临着高昂的数据保存费用、需要花费更多的劳动和精力、在良莠不齐的海量数据中进行检索和查询使得数据发现变得更加困难等挑战，并不是所有的数据都需要保存。因而，制定数据存储策略时应遴选和评估数据，即确定哪些数据需要存储，哪些数据需要被销毁和删除，评估数据是否具有未来的利用价值。在遴选和评估数据时，可根据以下问题进行判断：资助机构和学习要求保存什么数据？数据对于研究项目和机构而言是否具有重要价值？数据中是否涉及知识产权和相关伦理问题？是否对数据进行充分描述？是否能够支付数据保存费用？

（18）数据发表。目前，科研数据发表主要有三种形式：一是科研数据独立发表：将科研数据集作为独立的数字对象存储在数据仓储或数据中心，支持数据的发现、获取和再利用；二是发表数据论文，在数据论文中描述数据集的内容及其相关信息，将数据到专业数据期刊中，原始数据集存储在期刊出版商或其指定的数据仓储中；三是数据作为期刊论文的补充材料发表。在论文中注明数据来源及获取方式，根据论文与数据之间的关联获取原始数据，支持研究结论验证，防止学术不端[47]。其中，将数据作为期刊论文的补充材料发表是最普遍的数据发表形式，分两种情况：第一，时将相关数据存储到数据仓储中，通过DOI等数据唯一标识符与论文创建关联；第二，数据作为论文的补充材料同论文一并提交到期刊出版商。了解数据发表的不同形式，并基于实际需求选择恰当的数据发表方式，是研究人员传播学术成果、获得学术声誉的基本常识。

（19）数据共享与许可协议、数据访问权限。在共享数据时设置数据访问权限、选择适当的数据许可协议是保障数据创建者权益的重要手段。共享的数据涉及商业机密、敏感信息和隐私内容时，可以设置数据库或数据仓储的数据访问权限，通过密码等方式控制数据的访问，同时保证数据的可发现性和可访问性。数据使用权限主要通过数据许可协议体现。目前使用较广泛的是Open Data Commons[48]（分为PDDL、ODC-By、ODC-ODbL三种级别）和Creative Commons[49]（分为BY、NC、ND、SA四种级别）制定的数据许可协议。创建者根据数据开放需求选择恰当的数据许可协议，数据使用者遵守相应的数据使用规范，能够有效避免数据知识产权纠纷等法律问题，促进数据开放共享环境的健康有序发展。

（20）数据共享的伦理问题。数据共享的伦理问题主要体现在数据的隐私性、敏感性和保密性。社会科学、生物医学等领域的项目往往包含人类或动物的隐私信息，或是能够识别个人信息的敏感数据。凡是涉及人类受试者或濒危动物信息的研究项目需通过伦理审查方可实施。也就是说，在开展调查前，需获得受试者的知情同意；在数据处理和分析时，应采用匿名化处理等方式保护受试者的信息不泄露；在共享数据时，需要获得受试者的数据共享知情同意许可，也可以限制数据共享的范围和对象来保护受试者的隐私信息。此外，涉及商业机密、专利信息、尚未发表的论文数据，以及公开将导致不良后果的敏感数据（如信息）等也是属于数据伦理不宜公开的范畴。

（21）数据共享的法律问题。首先是数据的知识产权和版权问题。英国、澳大利亚等国认为数据知识产权赋予数据创建者处理数据的权利，即允许其他研究者做什么和不能做什么，而中美等国认为数据作为事实材料不受知识产权的保护，而使用仪器设备、花费时间成本和资源成本来收集、处理、分析数据，这种原始的数据集可被视为知识产权保护的范围；其次是数据的归属权问题。一般而言，研究人员在职务岗位或利用机构环境所产生的数据归属于本机构而非数据创建者。此外，数据共享的法律问题还包括合同、协议规定的其他具体问题。

（22）数据引用。随着数据集被视为一种独立的科研成果，数据引用也随之成为衡量学术影响力的重要指标。对于数据生产者而言，数据引用指标与传统文献引用一样，是对数据生产者研究工作的肯定和支持，代表学术贡献和学术声誉；对于数据利用者而言，规范化的数据引用有利于准确查找数据，更好地理解数据和获取数据，进而促进新的知识发现。数据引用的构成要素包括但不限于：数据创建者、数据集名称、出版年、出版商、可用性和访问情况（如URL或DOI）。不同的数据仓储、期刊出版商和组织机构具有不同的数据引用格式，如DataCite的数据引用格式为：创建者（年）：标题.出版商.标识符[50]。在进行数据引用时，应先了解具体的数据引用标准格式。此外，EndNote等文献管理软件也添加了数据引用功能，可以直接创建数据集引用格式。

5 结语

数据素养除了强调数据意识的树立和数据知识的了解外，更重要的是掌握一系列可操作的数据技能集合，涉及从数据产生与收集、数据分析与处理、数据发表与共享到数据再利用的科研数据生命周期全过程，而数据生命周期又与科研工作流密不可分，嵌入项目启动、项目实施、项目结题的各个环节。因此，构建围绕科研工作流和数据生命周期的数据素养能力体系对于科研数据管理服务开展和数据素养教育实施具有重要意义。本文在调研国内外数据素养能力体系研究现状、分析数据素养能力框架研究成果的基础上，围绕科研数据生命周期八个阶段构建了包含22项能力的数据素养核心能力框架。如有疏漏，敬请业界前辈批评指正。未来将基于此框架调研不同研究群体的数据素养能力现状，设计嵌入研究过程的数据素养教育模式，培养研究群体的数据意识和数据管理能力。

参考文献：

[1] Koltay T.Data literacy for researchers and data librarians[J].Journal of Librarianship and Information Science，2015：096100

0615616450.

[2] Schield M.Information literacy，statistical literacy and data literacy[J].IASSIST Quarterly，2004，28（2/3）：6-11.

[3] Jian Q，D’Ignazio J.Lessons learned from a two-year experience in science data literacy education[C].31st Annual IATUL Conference.Purdue University，2010.

[4] Calzada Prado J，Marzal M粤忆.Incorporating data literacy into information literacy programs：Core competencies and contents[J].Libri，2013，63（2）：123-134.

[5] 郝媛玲，沈婷婷.数据素养及其培养机制的构建与策略思考[J].情报理论与实践，2016，39（1）：58-63.

[6] Carlson J，Fosmire M，Miller C C，et al.Determining data information literacy needs：A study of students and research faculty[J].portal：Libraries and the Academy，2011，11（2）：629-657.

[7] Ogier A L，Lener E，Miller R K.The data literacy advisory team at virginia tech：Developing a content model for data lteracy instruction[EB/OL].[2016-04-30].http：//docs.lib.purdue.edu/cgi/viewcontent.cgi？article=1054&context=dilsymposium.

[8] 张静波.大数据时代的数据素养教育[J].科学，2013，65（4）：29-32.

[9] 肖潇.基于数据生命周期的科学数据服务模式研究[D].北京：中国科学院研究生院，2012：16.

[10] The research lifecycle[EB/OL].[2016-04-30].https：//jisc.ac.uk/guides/implementing-a-virtual-research-environment-vre.

[11] Research data lifecycle[EB/OL].[2016-04-30].http：//data-archive.ac.uk/create-manage/life-cycle.

[12] DCC curation lifecycle model[EB/OL].[2016-04-30].http：//dcc.ac.uk/resources/curation-lifecycle-model.

[13] The data life cycle[EB/OL].[2016-04-30].http：//icpsr.umich.edu/files/ICPSR/access/dataprep.pdf.

[14] Best practices[EB/OL].[2016-04-30].https：///best-practices.

[15] DDI data lifecycle[EB/OL].[2016-04-30].http：///training/why-use-ddi.

[16] Research data management[EB/OL].[2016-04-30].http：//guides.library.vcu.edu/data.

[17] Humprey C.e-Science and the Life Cycle of Research[EB/OL].[2016-04-30].http：//datalib.library.ualberta. ca/～ humphrey/lifecycle-science060308.doc.

[18] Association of College and Research Libraries.Working Group on Intersections of Scholarly Communication and Information Literacy.Intersections of scholarly communication and information literacy：creating strategic collaborations for a changing academic environment[M].Association of College and Research Libraries，2013：28.

[19] Konkiel S，Marshall B，Polley D.Integrating data management literacies with data visualization instruction a one-shot workshop[EB/OL].[2016-04-30].http：//docs.lib.purdue.edu/dilsymposium/2013/posters/3/.

[20] Tygel A，Kirsch R.Contributions of Paulo Freire for a critical data literacy[EB/OL].[2016-04-30].http：//.br/wp-content/uploads/2015/02/Contributions-of-Paulo-Freire-for-a-critical-data-literacy.pdf.

[21] Schneider R.Research data literacy[C].European Conference on Information Literacy.Springer International Publishing，2013：134-140.

[22] Ridsdale C，Rothwell J，Smit M，et al.Strategies and Best Practices for Data Literacy Education[EB/OL].[2016-04-30].http：///wp-content/papercite-data/pdf/data_literacy.pdf.

[23] 隆茜.数据素养能力指标体系构建及高校师生数据素养能力现状调查与分析[J].图书馆，2015（12）：51-56，62.

[24] What is research data？[EB/OL].[2016-04-30].http：//guides.library.yale.edu/content.php？pid=324929&sid=2665407.

[25] Data management[EB/OL].[2016-04-30].http：//libraries.mit.edu/data-management/.

[26] Dissemination and Sharing of Research Results[EB/OL].[2016-04-30].http：//nsf.gov/bfa/dias/policy/dmp.jsp.

[27] NIH Data Sharing Policy[EB/OL].[2016-04-30].http：//grants.nih.gov/grants/policy/data_sharing/.

[28] NASA Data&Information Policy[EB/OL].[2016-04-30].http：//science.nasa.gov/earth-science/earth-science-data/data-information-policy/.

[29] RCUK Common Principles on Data Policy[EB/OL].[2016-04-30].http：//rcuk.ac.uk/research/Pages？/DataPolicy.aspx.

[30] OECD Principles and Guidelines for Access to Research Data from Public Funding[EB/OL].[2016-04-30].http：//oec

/sti/sci-tech/38500813.pdf.

[31] Funding Agency and Data Management Guidelines[EB/OL].[2016-04-30].https：//lib.umn.edu/datamanagement/funding.

[32] 科学数据共享工程[EB/OL].[2016-04-30].http：///index.php.

[33] 国家科技计划项目科学数据汇交暂行办法（草案）[EB/OL].[2016-04-30].http：///fagui.php.

[34] 现代图书情报技术.支撑数据提交要求[EB/OL].[2016-04-30].http：//.cn/Jwk_infotech_wk3/fileup/1003-3513/NEWS/20160408165409.pdf.

[35] BBSRC data sharing policy[EB/OL].[2016-04-30].http：// bsrc.ac.uk/web/FILES/Policies/data-sharing-policy.pdf.

[36] DMP Tool[EB/OL].[2016-04-30].https：///.

[37] DMP Online[EB/OL].[2016-04-30].http：//dcc.ac.uk/dmponline.

[38] DMP Assistant[EB/OL].[2016-04-30].https：//assistant.portagenetwork.ca/.

[39] Data types & file formats[EB/OL].[2016-04-30].http：//data.library.virginia.edu/data-management/plan/format-types/.

[40] Managing research data[EB/OL].[2016-04-30].https：//data.bris.ac.uk/.

[41] Data management support for researchers[EB/OL].[2016-04-30].http：//gla.ac.uk/services/datamanagement/.

[42] Research data management[EB/OL].[2016-04-30].http：//library.uoregon.edu/datamanagement.

[43] Strategies for sharing your data[EB/OL].[2016-04-30].http：//data.research.cornell.edu/.

[44] A practical guide to ACRL’s Visual Literacy Competency Standards[EB/OL].[2016-04-30].http：///news/member-news/2016/03/practical-guide-acrl-s-visual-literacy-competency-standards.

[45] Research data[EB/OL].[2016-04-30].http：//bath.ac.uk/research/data/.

[46] Research data Management[EB/OL].[2016-04-30].http：//data.cam.ac.uk/.

[47] 陈秀娟，吴鸣，胡卉.嵌入科研工作流的图书馆数据管理服务――以化学学科为例[J].图书馆论坛，2016，36（3）：49-55，102.

[48] Open Data Commons[EB/OL].[2016-04-30].http：///licenses/.

[49] Creative Commons[EB/OL].[2016-04-30].https：///.