開放數據如何提升研究的準確性、可重複性與影響力

[open]資料在研究透明度中的重要性

導言

科學研究支撐著健康、教育、氣候政策、經濟學及無數影響日常生活的領域的決策。為了使這些決策有堅實的基礎，背後的研究必須是透明、可驗證且值得信賴的。傳統上，透明度著重於已發表的文章——解釋所做工作及發現的敘述。如今，這已不再足夠。資助者、期刊和公眾越來越期望不僅能取得故事內容，還能取得支持該故事的資料、程式碼和流程。

這就是[open]資料的用武之地。[open]資料是指將研究資料免費且合法地公開，使他人能夠檢視、重用並在其基礎上進行擴展的做法。它與更廣泛的開放科學運動及FAIR原則（可尋找、可取得、可互操作、可重用）密切相關。當資料被公開且負責任地共享時，其他研究人員可以重新執行分析、檢查穩健性、合併資料集，並探索原作者可能從未預料的新問題。簡言之，[open]資料是我們用來加強研究透明度與可重複性的最強大工具之一。

同時，[open]資料也引發了真正的關注：隱私、誤用、誤解、基礎設施不足，以及學術界內部的文化抵抗。本文探討了[open]資料在實踐中的意義、為何對透明度重要、涉及的好處與挑戰，以及研究人員和機構可以採取哪些措施來促進負責任且可持續的資料共享。

什麼是研究中的開放資料？

研究中的開放資料指的是無不必要限制地提供給他人的資料及相關材料。這通常包括：

• 研究中使用的原始或處理後資料集。
• 用於資料清理、分析或視覺化的程式碼或腳本。
• 研究方案、問卷及其他方法文件。
• 元資料——描述資料如何、何時、何地及為何收集的資訊。

僅僅將試算表放在網路上並不自動等同於良好的開放資料。為了真正開放且有用，研究資料應該是：

• 免費取得：存取不應被付費牆或不必要的法律障礙阻擋。
• 以可用格式存取：資料應以標準、非專有格式提供（例如 CSV，而非小眾或過時的二進位格式），以便他人實際使用。
• 良好文件化：元資料、代碼手冊和 ReadMe 文件應提供足夠的背景，讓他人理解每個變數的意義、資料如何收集，以及任何限制或注意事項。
• 授權重用：明確的開放授權（如 CC BY 或 ODC-BY）說明他人如何重用、改編和引用資料。

開放資料通常儲存在公共資料庫（例如 Zenodo、Figshare、Dryad、Harvard Dataverse）或專門的主題資料庫（例如用於基因序列的 GenBank、用於社會科學資料的 ICPSR）。許多期刊現在要求資料可用性聲明，說明資料的位置及使用條件。

開放資料與研究透明度

研究透明度是指一項研究能被他人理解、評估和重現的程度。開放資料在多方面促進透明度：

• 驗證：獨立研究者可以檢查已發表的分析和結論是否有資料支持。
• 可重現性：其他團隊可以使用相同的資料和程式碼重新執行分析步驟，以檢視原始結果是否可重現。
• 穩健性：可以進行額外的穩健性檢查（例如替代模型、不同子群或更新資料）來評估結果對假設的敏感度。
• 錯誤檢測：當基礎資料可見時，資料編碼、分析或報告中的錯誤更容易被發現。

在醫學、氣候科學和社會政策等領域——這些研究可能影響法規、治療指南和公眾行為——透明度的這些方面不僅是學術理想；它們對於公眾信任與倫理責任至關重要。

可重複性與“複製危機”

近年來，對可重複性的擔憂日益增加，尤其是在心理學、生物醫學科學和經濟學領域。大型複製項目發現一些已發表的效應難以或無法重現。雖然原因眾多，但缺乏原始數據和代碼的存取是主要障礙。沒有原始材料，通常無法判斷差異是來自數據的真實差異、分析選擇還是錯誤。

開放數據直接解決了這個問題。當數據集和代碼可用時，獨立團隊可以進行複製或重新分析，測試結論是否在稍微不同的假設下或加入額外數據時仍然成立。隨著時間推移，這導致一個更穩健的知識基礎，其中的主張已從不同角度反覆檢驗和確認。

開放數據在研究中的好處

1. 增強科學誠信

開放數據通過使研究更具問責性來強化科學誠信。知道他人能看到並分析他們的數據，鼓勵研究人員遵循最佳的研究設計、數據管理和報告實踐。這種透明度有助於：

• 阻止可疑的研究行為，例如選擇性報告或“p-hacking”。
• 降低故意操縱或偽造數據的風險。
• 增加對已發表結果反映數據中真實模式的信心。

當問題發生時，開放數據使識別和糾正問題變得更容易。修正、評論和發表後的同行評審可以通過直接檢查基礎證據來進行，而不僅僅是基於書面文章的推測。

2. 促進合作與創新

數據是寶貴的資源。當它們被共享時，其價值會倍增。開放數據使得：

• 跨學科合作：生態學家收集的數據集可能會引起經濟學家、計算機科學家或社會學家的興趣，他們能為其帶來新的方法和問題。
• 新研究問題：研究人員可以結合多個開放數據集，探索單一研究無法偵測的模式，例如全球趨勢或長期變化。
• 群眾外包問題解決：開放挑戰和黑客松可以邀請全球專家分析共同數據集並分享解決方案。

這種合作潛力在處理複雜社會挑戰的領域中特別重要（例如疫情應對、氣候適應、城市規劃），因為沒有單一團隊或學科能提供所有答案。

3. 提升研究能見度與引用率

越來越多證據顯示，附有 open data 的論文比沒有的獲得更多引用。當他人於後續工作中使用資料集時，通常會引用原始論文與資料集，提升研究的影響力與能見度。因此，open data 可以：

• 強化研究者的學術形象與成果紀錄。
• 支持強調開放性、影響力與重用的資助申請。
• 透過展現對透明度與可重現性的承諾，提升期刊聲譽。

許多資助機構與機構現視資料共享為良好科學公民意識及長期價值的正面指標。

4. 支持公眾參與與政策制定

open data 不僅惠及其他學者。當研究資料以易懂格式提供時，也能支持：

• 證據為本的政策：政策制定者可直接檢視相關資料或委託獨立分析，而非僅依賴摘要。
• 新聞審查：調查記者可驗證主張並探索新角度，提升科學報導品質。
• 教育與公民科學：學生、教師及公民科學社群可在專案與學習活動中使用真實世界資料。

因此，open data 有助於建立一個更知情且積極參與的社會，決策基於可取得的證據，而非不透明的專家主張。

5. 減少研究浪費

收集資料通常費時且昂貴。當資料集僅保存在單一研究者的電腦中或僅在小群體內共享時，其潛力被浪費。open data 透過以下方式減少這種浪費：

• 允許他人重複使用現有資料，而非重複努力。
• 保存從未正式發表或產生無效/負面結果的研究資料。
• 促進結合多個資料集的統合分析與系統性回顧，以產生更精確的估計。

透過最大化每個資料集的價值，open data 有助於使研究更高效、經濟且環境負責。

開放資料實施中的挑戰與疑慮

儘管有這些好處，邁向 open data 並非易事。必須解決若干合理的疑慮，以確保資料共享既合乎倫理又具可持續性。

1. 資料隱私與保密

涉及人體參與者的研究—尤其是醫學、心理學和社會科學—通常包含敏感個人資訊。未經防護即公開分享此類資料將違反倫理承諾和法律要求。主要考量包括：

• 遵守如 GDPR（歐洲）、HIPAA（美國）及當地資料保護法規。
• 使用去識別和匿名化技術，同時認識到在某些情況下，重新識別的風險永遠無法降至零。
• 在無法完全開放分享時，使用受控存取資料庫，僅在特定條件下授權經審核的研究人員存取。

2. 對資料誤用或誤解的擔憂

研究人員可能擔心他們的資料會被不熟悉背景或限制的人誤解或誤用。常見的顧慮包括：

• 錯誤的分析導致誤導性結論。
• 未經適當承認或引用即使用資料。
• 資料被用於與原始研究倫理承諾相衝突的方式。

這些顧慮無法完全消除，但可透過清晰的文件、健全的授權和社群規範（關於引用和負責任的再利用）來減輕。

3. 缺乏標準化

在許多領域，沒有單一標準規範資料應如何結構化、標記和記錄。這使得合併或比較資料集變得更困難。進展正在透過以下方式推動：

• 特定學科的資料標準（例如微陣列資料的 MIAME，社會科學調查的 DDI）。
• 更廣泛採用強調機器可讀元資料和互通格式的 FAIR 原則。

然而，實現完全互通性仍在進行中，並需要期刊、資助者、資料庫和專業協會之間的協調。

4. 基礎設施與資源限制

儲存、策劃和提供資料需要資金和專業知識。並非所有機構都有強大的資料支援服務，且維護高品質資料庫數十年是一項不簡單的承諾。可持續的開放資料需要：

• 資料庫的長期資金模式。
• 具備專業技能的資料管理員和圖書館員，能協助研究人員準備和存放資料。
• 機構政策承認資料管理為研究工作中合法的一部分，而非可選的附加項目。

5. 學術界的文化阻力

最後，文化很重要。有些研究人員擔心分享資料會減少他們的競爭優勢，尤其是在職涯初期。另一些人則認為資料管理與文件整理是額外工作，且在升遷或補助決定時未獲適當認可。克服這種阻力需要：

• 在評鑑標準中承認並獎勵資料分享。
• 強調開放資料促成具影響力合作或引用的成功案例。
• 提供明確指引，說明何時及如何分享資料而不損害合理的職涯考量。

如何推廣研究中的開放資料

推廣開放資料是共同的責任。研究人員、機構、期刊和資助者皆有角色可扮演。

1. 遵循並協助制定開放資料政策

許多資助機構、期刊和大學現在要求資料分享計畫。研究人員應該：

• 閱讀並理解每個專案相關的政策。
• 在補助申請中包含資料管理與分享計畫。
• 在政策制定過程中參與諮詢，確保政策實用且符合學科特性。

2. 使用可信賴的資料庫

研究人員應將資料集存放於可信賴的資料庫，而非個人網站或臨時的雲端資料夾，例如：

• Zenodo – https://zenodo.org
• Figshare – https://figshare.com
• Dryad – https://datadryad.org
• Harvard Dataverse – https://dataverse.harvard.edu
• PLOS Open Data – https://journals.plos.org/plosone/s/data-availability

許多學科也有專門的資料庫，提供特定領域的元資料標準和工具。

3. 採用適當的開放授權

授權對明確重用權利至關重要。常見選項包括：

• Creative Commons CC BY 4.0： 允許在標註來源的情況下重用。
• Open Data Commons (ODC-BY 或 ODbL)： 專為資料庫和結構化資料設計。

選擇一個在開放性與必要限制（例如僅限非商業用途）之間取得平衡的授權，有助於避免歧義並鼓勵負責任的重用。

4. 投資於文件記錄和元資料

有良好文件記錄的資料遠比無文件的試算表更有價值。至少，資料集應包含：

• 描述性元資料： 資料代表什麼、何時及如何收集、由誰收集以及收集目的。
• 變數描述和代碼手冊： 清楚說明欄位名稱、單位和編碼方案。
• 分析程式碼和腳本： 盡可能提供用於清理、轉換和分析的腳本，並附有解釋每一步的註解。
• ReadMe 檔案： 高層次描述，指導新用戶如何開始以及應注意的事項。

5. 提供培訓和支援

機構應提供以下培訓：

• 資料管理和組織的最佳實踐。
• 資料共享中的倫理和法律考量。
• 有效使用資料庫、授權和元資料標準。

工作坊、線上指南以及圖書館或 IT 人員的支援，尤其對於早期職涯的研究人員，能帶來顯著的差異。

結論

Open data 不僅是技術問題；它是一種對透明度、問責制和科學共同進步的文化和倫理承諾。通過使研究資料可訪問、可重用且有良好文件記錄，研究人員使他人能夠驗證其發現、在其工作基礎上進行擴展，並應用於新情境。這增強了科學的可信度，支持基於證據的政策，並減少浪費的努力。

同時，負責任的 open data 需要關注隱私、法律框架、標準化、基礎設施和學術激勵。資助者、期刊和機構必須支持可持續的資料庫，獎勵資料共享，並提供培訓和指導。研究人員則應從一開始就將 open data 規劃納入其項目，並將資料管理視為良好研究實踐的不可或缺部分。

隨著學術社群持續邁向開放存取文化，採納負責任的資料共享實踐將是確保科學工作穩健、倫理且真正有益於社會的關鍵。高品質、清晰撰寫的文件與資料可用性聲明是此努力的重要組成部分——鑑於對 AI 生成文本日益關注，許多作者會發現依賴專業人工校對來潤飾他們的手稿及相關資料描述，是面對現今密切監控相似度與 AI 使用的期刊最安全的做法。

延伸閱讀

若想深入了解學術出版中的透明度與誠信，您可能會覺得以下文章有幫助：

1. 透過正確引用避免抄襲：學術成功的關鍵技巧 – 探討謹慎的引用實踐如何支持透明度並防止抄襲。
2. 研究不端行為日益嚴重的威脅及其對科學信任的影響 – 討論不端行為如何破壞信任，以及開放性如何幫助對抗這種情況。
3. 理解撤回：為什麼研究論文會被撤回及其影響 – 探討更正和撤回在維護可靠科學記錄中的角色。
4. 關於開放存取的真相：打破迷思，邁向更公平的未來 – 解釋開放存取出版如何與科學的透明度和公平性相關。
5. 為什麼利益衝突在研究中很重要以及如何管理它 – 強調揭露和管理利益衝突以保護研究誠信的重要性。

這些資源共同提供了更廣泛的背景，幫助理解開放數據、開放存取和倫理出版實踐如何協同支持一個透明且值得信賴的研究生態系統。