“社会变迁调查数据库与数据共享研究”结项

      社会变迁调查数据库与数据共享研究分为两个部分：一是对于社会变迁调查数据共享现状与政策的研究，二是数据库建设的实践。对于前者，课题组对于目前国内外有关社会变迁研究的数据资源的存量、共享情况、共享政策与技术进行了研究。对于后者，课题组对目前保存于我院社会学所社会调查与方法研究室的国情调查数据、社会变迁调查数据及相关的资料进行了系统整理，使之符合数据开放的需要，同时尝试在研究室的服务器上建立可以进行在线统计的试验性数据库，为下一步开放型数据库的建立和数据共享做技术上的准备。
     “社会变迁调查数据库与数据共享研究”的研究报告分为“社会调查数据与数据共享”、“海外及台湾的社会变迁调查研究与社会调查数据库”、“中国大陆的社会变迁调查与数据共享”以及“结语”四个部分。报告第一部分对有关社会调查数据的性质、数据共享的意义及影响数据共享的社会因素等理论与实践问题进行了探讨。报告提出，目前观念、技术、制度三方面的因素影响了我国社会调查数据的共享。课题组还对海外主要社会调查数据库进行了研究和分析，介绍了我国自然科学界近年科学数据共享工程的经验，同时对1980年代我国社会学恢复以来，主要的社会变迁调查以及数据共享的情况进行了系统的梳理和分析。在此基础上提出了目前我国社会调查数据库应有的结构、内容和管理制度。
     报告最后提出，为尽快建立起国家层次的社会调查数据库体系，实现社会调查数据的公开共享，目前需要在几个方面做出努力：
     第一，要在社会科学界达成数据公开共享的共识。应当改变调查数据单位或个人垄断的观念，打破“信息壁垒”，提高对社会调查数据共享的认识，加快实现科学数据共享。
     第二，要对社会调查数据的共享进行跨学科的研究。社会调查数据共享涉及调查技术、数据处理技术、数据库技术等许多技术性问题，同时也涉及知识产权、信息公开、个人隐私保护、研究成果评价等法律和政策问题。在全面实现社会调查数据共享之前，必须组织各个研究领域的研究人员对这些问题进行系统的跨学科研究。
     第三，要通过建立试点，循序渐进地推动社会调查数据库的建设和数据公开共享。社会调查数据库目前在国内还几乎是空白，在全面建设国家层次的社会调查数据库系统之前，应首先进行数据库建设的试点工作。应从政策与资金上支持愿意将自己保存的社会调查数据面向全社会公开共享的单位，建立社会调查试点数据库。调查数据共享试点将为使用者提供共享服务，使研究者可以方便地获取自己需要的数据，使用这些数据进行二次分析，发表研究成果。数据共享服务具有很强的示范作用，这样的数据获取方式将深刻地影响数据使用者和管理者的思想与理念，逐步引导人们改变传统观念，使数据共享成为一种自觉行为。通过数据公开共享的实践还可以对数据共享的制度、法规进行更深入的研究，使之逐步完善，同时积累数据收集、管理、开放的经验，为今后国家层次的数据库的建立及数据开放打下良好的基础。
     第四，要加强有关数据共享的制度建设。制度建设包括建立国家资助项目的数据提交制度，完善相关的法律法规，改革社会科学的成果评价体系等方面的内容。
     所谓国家社会调查数据提交制度是指国家社科基金、各部委、各省市自治区等政府机构及公立学术研究部门在资助社会调查项目时，应附加在研究结束后数据公开共享的条件，同时建立有关数据提交和管理的制度，从而实现数据的逐年积累。因为靠国家大量投入取得的调查数据，不仅是个人的研究成果，更应是全社会共同拥有的公共知识资源，应当取之于社会、用之于社会。这种提交制度中还应包括对数据内容、数据格式和数据质量的具体要求，这样有利于社会调查数据的规范化和数据质量的提高。
     在法律法规建设方面，应统筹制定包括自然科学与社会科学数据在内的科学数据开放与共享的相关法律，从而将政府拥有和政府资助获得的数据纳入完全开放的共享管理体制。同时，在有关国家机密、政府信息、个人信息和著作权的法律中增加有关科学研究数据的条款，一方面保护国家、被调查者与数据生产者的利益，另一方面防止对于数据的过度保护，使科学研究数据发挥最大的效益。此外，调查数据汇入数据库后也需要建立一套完备的数据使用、保管制度，对数据实行分级管理，这样才能调整好数据生产者、管理者和使用者的利益关系，建立和维护科学数据开放共享秩序，保证持续稳定地实现数据共享。
     社会科学研究成果评价制度的改革对于数据共享有直接的影响，应当改变成果评价中“重论文、轻数据”的现象。虽然目前数据是否翔实、方法运用是否得当已经开始成为衡量实证研究质量和水平的重要指标，但原始数据不公开，给确定数据真实性带来很大困难。改变目前对数据真实性的评价机制，通过公开原始数据使数据的真实性处于学界监督之下，这是提高研究数据真实性的最好办法，同时也促进了数据的公开和共享。另一方面，应通过改革成果评价制度充分肯定数据采集和处理工作的价值，鼓励研究人员在数据采集与开发方面投入更多的时间和精力。