Open Data
开放数据（Open Data）是指任何人都可以自由访问、使用、修改和分享的数据。它仅受限于旨在保护来源（如署名要求）或保持开放性（如相同方式共享）的最低限度的法律许可，而没有版权、专利或其他控制机制的限制。
在科学研究领域，开放数据是 Open Science（开放科学）的核心支柱之一。为了确保数据的真正可用性，全球科学界目前普遍遵循 FAIR 原则（可发现、可访问、可互操作、可重用）。开放数据不仅能提高科研的可重复性，还能促进跨学科创新和公共政策的透明度。
黄金标准：FAIR 原则
仅仅把数据放在网上并不等于“开放数据”。为了让机器和人类都能有效利用数据，学术界制定了 FAIR 原则 (Wilkinson et al., 2016)：
- F - Findable (可发现)： 数据必须有唯一的持久标识符（如 DOI），并附带丰富的元数据 (Metadata)，以便在搜索引擎中被索引。
- A - Accessible (可访问)： 数据应通过标准的通信协议（如 HTTP）获取。注意，“可访问”不代表完全公开，敏感数据（如患者隐私）可以有身份验证机制，但元数据必须始终公开。
- I - Interoperable (可互操作)： 数据应使用正式、通用的语言和词汇表（如本体论 Ontology），以便与其他数据集结合使用。避免使用私有格式（如 .xls），推荐 .csv 或 .xml。
- R - Reusable (可重用)： 数据必须附带明确的许可协议 (License)，说明他人可以如何使用这些数据，并注明数据来源出处。
法律框架：许可协议
开放数据必须明确“权利”。最常用的许可协议来自 Creative Commons (知识共享) 和 Open Data Commons。
| 协议类型 | 含义 | 适用场景 |
|---|---|---|
| CC0 (Public Domain) | 放弃所有权利。 | 最推荐用于数据。允许科学家将多个数据集混合而无需担心复杂的归属链。 |
| CC BY (Attribution) | 使用时必须署名。 | 学术出版物的标准许可。用于数据时可能导致“署名堆叠”问题（Attribution Stacking）。 |
| CC BY-NC | 禁止商业用途。 | 不符合“开放数据”的严格定义，因为它限制了使用领域。 |
关键相关概念 [Key Concepts]
1. DMP (数据管理计划)： 一份正式文件，描述在研究过程中及结束后如何处理、组织、存储和共享数据。现在许多资助机构（如 NIH, 欧盟 ERC）强制要求提交 DMP。
2. Metadata (元数据)： “关于数据的数据”。例如：这组数据是谁在什么时间、用什么仪器采集的？没有元数据的开放数据是毫无价值的“数字垃圾”。
3. Data Repository (数据存储库)： 长期托管数据的在线平台。包括通用型（如 Zenodo, Figshare）和领域特定型（如 GenBank, PDB）。
学术参考文献 [Academic Review]
[1] Wilkinson MD, et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data.
[点评]：数据科学的基石文献。系统提出了 FAIR 原则，被 G20 和 G7 采纳为科学数据共享的准则。
[2] Open Knowledge Foundation. (2020). The Open Data Handbook. OKF.
[点评]：提供了开放数据的法律、技术和社会方面的实操指南，定义了什么是“开放”。
[3] Molnár-Gábor F, et al. (2017). International data sharing in medical research. Nature Reviews Genetics.
[点评]：讨论了在医学基因组学领域共享数据时面临的隐私（GDPR）与开放之间的平衡挑战。