EN
当期文章 更多+
推荐文章 更多+

大数据时代的科研不端治理


摘 要: 在大数据时代,科研不端治理的机遇和挑战并存。作为科研不端治理的新工具,大数据技术为科研不端行为的识别提供了捷径,确保了数据处理的全面性,并使科研不端治理更有针对性。但同时,大数据时代的科研不端行为更加隐蔽,大数据技术本身尚待完善,因大数据而引发的隐私问题缺少制度监管。为此,我们需要构建以科研诚信法律制度为保障、科研诚信教育为基础、大数据技术为支撑的三为一体的科研不端治理模式,最大限度地减少科研不端行为的发生。

关键词: 大数据;科研诚信;科研不端治理

21世纪是大数据的时代。大数据给社会各个领域带来了机遇和挑战,如何应对这些机遇和挑战,这是理论界和实践界必须思考的问题。就科研诚信建设而言,大数据使得科研不端治理呈现出与小数据时代不同的特点,它既给科研不端治理提供了新的手段,也增加了对科研不端行为的治理难度。分析大数据在科研不端治理中的利弊影响,并提出有效的对策,这应当成为我国科研诚信建设的一项重要任务。

一、大数据技术:治理科研不端的新工具

20世纪80年代以来,随着科学研究与社会经济发展等因素的联系日益密切,国内外科研不端事件日益增多,涉及科学研究的各个领域和环节。进入二十一世纪,随着信息化进程的加快,科研不端事件呈积聚式增长,给科研诚信建设带来极大困难。而大数据技术的出现为科研不端的治理提供了更为有效的途径。

科研信息的数据化为科研不端行为的识别提供了捷径。在《大数据时代:生活、工作与思维的大变革》一书中,作者舍恩伯格指出,大数据不是要实现数字化即可(“把模拟数据转换成用0和1表示的二进制码”)① [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第104页。,而是要实现数据化,即“把现象转变为可制表分析的量化形式的过程”,② [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第104页。而数据化的核心就是要“量化一切”。③ [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第105页。如果科研信息没有实现数据化,那么对科研不端行为的认定需要耗费大量的人财物,在科研不端行为较少的小数据时代,科研管理部门尚能承担这一任务,而在信息时代,需要进行鉴定的科研行为呈几何式增长,即使一篇科研论文也往往包含大量的数据和文字引用,如果没有实现科研信息的数据化,对科研论文是否包含科研不端的认定是困难的。而科研信息的数据化意味着大量的科研信息已经被转化为量化了的数据,例如,一本书被录入到某个数据库中,这本书不仅实现了数字化,即读者能够阅读这本书的电子版,而且实现了数据化,即读者能够用“识别数字图像的光学字符软件来识别文字的字、词、句和段落”。④ [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第110页。这样,与传统时代要通过阅读相关的文献才能认定某篇科研论文是否有抄袭行为相比,通过相应的数据库软件来识别抄袭就成为一件简单得多的事情。英国诺丁汉特伦特大学的犯罪学家迈克·萨顿(Mike Sutton)教授于2014年出版《勿轻信人言:达尔文的重大秘密》一书,指出达尔文及华莱士在创立进化理论的时候极有可能剽窃了另一位早期的博物学家帕特里克·马修的自然选择理论,却声称之前并不知道这位学者的著作。迈克·萨顿的结论正是建立在大数据分析的基础之上:通过分析谷歌图书馆、达尔文在线、达尔文通信项目等数据库提供的相关信息,迈克·萨顿首先确定了在1831年帕特里克·马修出版《造船木材及植树》一书之后到1858年达尔文与华莱士共同发表关于物种起源的论文之前,一共有25人引用了马修的著作,而在这25人中,有7个人是博物学者,而且其中的3个人(鲁登、钱伯斯和塞尔比)为达尔文和华莱士所熟知,并知道他们正在从事物种起源问题的研究。特别是“鲁登事实上在1832年使用‘物种起源’一词指称马修的原创性发现,而‘物种起源’后来成为达尔文1859年同名著作的核心内容”,⑤Mike Sutton:“The hi-tech detection of Darwin’s and Wallace’s possible science fraud”,the British Criminology Conference,Vol.14,p.54.这表明达尔文在1860年的《自然选择》一文中所说的话是不成立的:“我认为没有人会感到吃惊,我和其他的博物学者很明显都没有听说过马修先生的观点”。⑥Mike Sutton:“The hi-tech detection of Darwin’s and Wallace’s possible science fraud”,the British Criminology Conference,Vol.14,P.50.因此,萨顿认为,马修极有可能通过鲁登等博物学者影响了达尔文和华莱士,而当达尔文和华莱士宣称他们在创立自然选择理论时并不知道马修的观点时,他们极有可能实施了“科学欺诈”。⑦Mike Sutton:“The hi-tech detection of Darwin’s and Wallace’s possible science fraud”,the British Criminology Conference,Vol.14,P.49.目前,通过数据库软件来鉴定科研不端中的抄袭行为已经成为一种共识。在国内知名的论文检索网站,如知网、万方和维普都已经建立了自己的论文检测系统。而在国外,高校及科研组织通常使用PaperTest和Turnitin等检测系统来识别论文的抄袭。

大数据技术确保了科研数据处理的全面性。在小数据时代,特别是在大规模数据库尚未建立之前,人们的信息处理能力有限,对抄袭、剽窃、伪造等科研不端行为的发现主要依赖于相关领域的专家对科研文本的人工阅读,这对科研不端行为的识别提出了很高要求:只有那些熟悉这一领域的专家才有可能、有资格对科研不端行为进行鉴定。科研管理部门很难对所有的科研成果进行有效监督,科研诚信更多地需要依靠科研人员对科研规范的自觉遵守。科研共同体往往将科研诚信建设特别是科研不端行为的治理视为是科研共同体的内部事务,认为共同体对科研人员的不端行为能够实现“自我纠错”,① [英]达里尔·E·楚宾、爱德华·J·哈克特:《难有同行的科学:同行评议与美国科学政策》,谭文华、曾国屏译,北京大学出版社2011年版,第132页。进而排斥来自科研共同体外部对科研不端行为的监督。有学者甚至反对公开讨论科研不端事件,认为这会损害科学在公众中的形象。② 中国科学院编:《科学与诚信:发人深省的科研不端行为案例》,科学出版社2013年版,第11页。因此,科研不端行为被发现的几率并不高。而在大数据背景下,对科研不端行为的治理呈现出全面性的特点。一方面,治理科研不端行为已经不再仅仅寄希望于科研共同体的自我监督,国内外大规模科研信息数据库的建立为科研不端行为的监督提供了强大的数据支撑。这些数据库较为全面地收入了国内外各种科研成果,包括论著、论文和专利等,为治理科研不端提供了全面的数据支持。以中国知网为例,到2013年,知网已经拥有各类文献2亿篇,题录3亿条,统计数据2.6亿条,在知网平台上每天有500多万次的检索和300多万次的下载,数据量非常庞大。③ 张宏伟:《大数据出版“中国知网”的探索与实践》,中国出版网,2013年07月10日,http://www.chuban.cc/hw/rdjj/szcb5/zlttp/201307/t20130710_143284.html另一方面,这些庞大的数据库不仅能够对已经发表的科研成果进行科研不端的鉴别,而且对尚未发表的科研成果也能够进行前期检测,进而有效地减少科研不端事件的发生。以高校对大学生毕业论文的检查为例,目前国内高校已经普遍要求研究生毕业论文须经过防止科研不端行为的软件的检测,论文符合规定后方能参加答辩。④ 例如,天津师范大学已经于2012年3月专门出台了《关于研究生学位论文查重工作的暂行规定》,对查重的依据、对象和程序进行了明确规定。http://tjnufaxueyuan.blog.163.com/blog/static/1318322642013211102825979/因此,建立在大规模科研信息数据库基础上的检测对科研不端行为的发生起到了有效的遏制作用。如全球第一个论文检测网站Turnitin在高峰期每天能收到2万篇论文,成功阻止了600万学生和科研人员的抄袭。⑤ 凌冰、李渝:《反剽窃”在路上》,《中国新闻周刊》2009年第21期,第68页。

大数据技术使得科研不端治理更有针对性。大数据时代,数据已经越来越成为各行各业关注的焦点。无论是作为搜索巨头的谷歌、电子商务领军者的亚马逊,还是作为软件霸主的微软,都力图通过挖掘数据自身的价值,实现数据创新,从而在激烈的行业竞争中立于不败之地。舍恩伯格认为,大数据的一个重要特点在于它重视数据的相关性,对相关性数据的获取要比获取事物的原因更为容易,当很难分析造成某一现状的原因或者在时间上不允许时,分析相关性因素就显得尤为重要。“大数据的相关关系分析法更准确、更快,而且不易受偏见的影响”,⑥ [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第75页。例如,在治理科研不端行为时,如果造成科研不端行为的原因很复杂,大数据专家建议科研诚信监督者转而去寻找与科研不端行为相关的因素,通过对相关因素的分析进而找到治理科研不端的有效途径。舍恩伯格认为,大数据的核心就是基于相关关系的预测,⑦ [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第16页。即通过分析相关数据,对事物未来的发展趋势做出相应的预测,从而使得相关组织的工作更有针对性和富有成效。大数据的预测功能对商业组织发展非常重要,对科研不端的治理同样能够发挥重要作用。如知网、万方、维普等中文期刊数据库每天都会有为数众多的数据库用户从网站上下载相关的科研文献,同时也会接受大量对科研论文(包括大学生的硕士和博士论文)进行科研诚信规范检测的要求。用户对数据库的使用在网站上留下了大量信息,数据库工作人员通过处理相关数据,能够获取多方面与科研不端相关的信息:一是数据库中被下载科研文献的下载量、引用率及其所属研究领域;二是进行科研诚信规范检测的论文文本、作者及研究领域;三是涉嫌科研不端的科研论文的相关信息。科研诚信管理部门可以依据这些信息对未来科研不端行为可能发生的热点领域及重点人群进行预测,在进行科研不端治理时就可以在资金投入方面向相应的科研领域和科研人员进行倾斜,以保证科研不端治理的投入能够实现有效产出。

二、大数据对科研不端治理的挑战

毋庸置疑,大数据在科研诚信建设中已经越来越受到重视,大数据技术在治理科研不端方面的作用也日渐凸显。但是大数据时代的科研不端治理难度也在加大,科研不端行为比以前更加隐蔽,基于大数据而产生的隐私问题缺少制度监管,同时大数据技术本身尚不完善,这些因素都对科研不端治理提出了新的挑战。

大数据时代的科研不端行为更加隐蔽。大数据时代,信息量呈急剧增长的态势。根据美国政府发布的2014年全球大数据“白皮书”《抓住机遇,保存价值》,2011年,全球新生成的和复制的信息量估计超过了1.8 ZB(泽字节);而在2013年,这一数字估计可达4 ZB。① 美国白宫:2014年全球“大数据”白皮书,http://www.bairun.cc/News/Detail/256而科研信息量的增长同样令人瞩目。在科研论文方面,以收集过刊论文的科研数据库JSTOR(Journal Storage的简称)为例,在1995刚创立时,其数据化的科研论文数量仅为75万页,② 郭依群:《过刊全文数据库JSTOR及其特色分析》,《情报理论与实践》2003年第5期,第277页。而在2012年,这一数量已经超过4600万页。③ “Annual Summary”(PDF),JSTOR,http://about.jstor.org/sites/default/files/misc/JSTOR-Annual-Summary_2012_v6.pdf科研信息量的激增在为科研人员及高校大学生提供丰富科研资源的同时,也为那些试图通过实行科研不端行为而获取个人利益的人提供了便捷,使得科研不端行为的发生率呈现上升趋势。而在科研不端行为呈上升趋势的同时,科研不端行为也更加隐蔽。各种科研不端检测软件在阻止明显的文字、数据抄袭的同时,也使得那些意图实施科研不端的人能够通过检测软件对其科研成果中涉嫌科研不端的部分进行修正,使其科研不端行为更加隐蔽,从而逃过科研不端检测,也增加了科研不端的检测难度。

大数据技术尚不完善。大数据所带来的挑战一方面源于大数据本身的特点,即大数据具有复杂性、不确定性和涌现性,使得“大数据的研究需要一套全新的理论和方法来进行方向性的指导”。④ 王元卓、靳小龙、程学旗:《网络大数据:现状与展望》,《计算机学报》2013年第6期,第1127-1129页。另一方面,在大数据挖掘的四个环节,即数据收集、数据存储、数据处理和结果的可视化呈现中,大数据技术的运用仍存在困难和挑战。⑤ 邬贺铨:《大数据时代的机遇与挑战》,《求实》2013年第4期,第48页。就科研不端的治理而言,大数据技术至少存在如下不足:目前基于大数据技术的科研不端检测软件往往局限于同一语言之间的不同文本是否存在科研不端问题,而对于跨语言的科研不端行为往往束手无策。事实上,在已经发生的诸多科研不端事件中,有不少是因为在使用外文文献上出现问题而引起。马丁·波特哈斯特等人在《跨语言的剽窃检测》一文中探讨了英语、德语、西班牙语、法语、荷兰语和波兰语等六种语言之间的跨语言剽窃检测问题。⑥Martin Potthast,Alberto Barrón-Cedeño,Benno Stein and Paolo Rosso:Cross-language plagiarism detection,Language Resources and Evaluation,Vol.45,No.1,Plagiarism and Authorship Analysis(Winter 2011),pp.45-62.但是针对中西不同语言之间的文本剽窃检测尚未有实质性进展。2014年在学术界引起争议的“北大博士于艳茹**被取消博士学位”事件中,于艳茹的论文“1775年法国大众新闻业的‘投石党运动’”**国外学者吉尔伯托的论文,⑦ 《国际新闻界》编辑部:《关于本刊作者于艳茹论文抄袭的公告》,2014年8月21日,http://www.acriticism.org/article.asp?Newsid=15961 & type=1000如果能够实现跨语言的科研不端检测,这一论文的抄袭行为就有可能被提前检测出来。

基于大数据而产生的隐私问题缺少制度监管。自互联网诞生以来,随着互联网巨头对海量信息的收集、储存和使用,人们的隐私不可避免地受到威胁。为了保护人们的合法隐私,法律通常会要求数据收集者履行告知与许可义务,也即是收集和使用数据时要征得个人同意,使其知晓数据的用途。但在大数据时代,“大数据的价值不再单纯来源于它的基本用途,而更多源于它的二次利用”。① [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第197页。在此背景之下,通过告知与许可、信息的模糊化与信息的匿名化等限制措施已经不能够有效地保护用户的隐私。② [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第197-200页。大数据时代的科研诚信领域同样存在个人隐私保护问题。一方面,与美国等科研诚信制度相对完善的国家相比,我国在治理科研不端方面尚未建立起完善的隐私权保护制度,特别是对科研不端嫌疑人的隐私权保护不够,这极有可能使那些遭到科研不端指控但最终证明是清白的科研人员的科研生涯受到损害。③ 董兴佩:《中美科研不端嫌疑人隐私权保护制度之比较》,《科学学研究》2012年第5期,第667页。另一方面,即使科研诚信制度特别是科研隐私保护制度相对完善的发达国家,其已有制度也无法适用大数据时代的科研隐私权保护。大数据的特点乃至优点就在于大数据的再利用,如果数据不能够二次利用,那么其价值将会大打折扣。但是对科研数据的再次利用应当制定什么样的制度,才能确保既能充分实现大数据的价值,又能够保护合理的科研隐私权,这对科研诚信建设而言尤为重要。

三、大数据时代科研不端治理的对策

如前所述,大数据时代的科研不端治理呈现出明显不同的特点,大数据技术既为科研不端的治理提供了极大的便利,同时也提出了新的挑战,我们需要在科研不端治理中充分利用这一新技术,同时对其进行合理规约,以保护科研诚信利益相关者的合法权益,有效遏制科研不端行为。具言之,大数据时代的科研不端治理需要以外在的科研诚信法律制度为保障,以科研诚信教育作为基础,以大数据技术作为支撑,形成制度、教育和技术三为一体的科研不端治理模式。

建立和完善科研大数据的相关制度。制度是科研不端治理的保障。鉴于大数据的重要价值,对大数据进行立法显得尤为迫切。发达国家已经开始探讨大数据的立法问题,如美国政府发布的2014年全球大数据“白皮书”中已经明确提出要改进消费者隐私权利法案、通过关于国家数据外泄的立法、修正电子通信隐私法等,为大数据技术的发展提供法律依据,通过大数据提供技术创新。④ 美国白宫:《2014年全球“大数据”白皮书》,http://www.bairun.cc/News/Detail/256欧盟也于2012年通过科技资源共享的决定,加速公共科研数据公开。⑤ 科技部网站:《欧委会积极推动公共科研数据的公开》,http://www.most.gov.cn/gnwkjdt/201304/t20130425_101090.htm就我国的科研诚信建设而言,在建立和完善科研大数据制度的过程中应当重点建设四个方面的制度:一是要建立科研大数据的收集、存储和使用制度。应当明确规定数据公司及科研人员可以收集和存储哪些科研信息,以及通过后期加工而形成的数据信息的使用途径。二是要建立科研大数据的信息公开和共享制度。2015年1月16日,国务院印发《关于促进云计算创新发展培育信息产业新业态的意见》,提出“要在保障信息安全和个人隐私的前提下,积极探索地理、人口、知识产权及其他有关管理机构数据资源向社会开放,推动政府部门间数据共享”。⑥ 国务院网站:《国务院关于促进云计算创新发展培育信息产业新业态的意见》,http://www.gov.cn/zhengce/content/2015-01/30/content_9440.htm大数据的公开程度将直接影响其价值的实现。而不同科研数据库之间的资源共享与合作将为科研不端监督提供更强大的技术支持。三是要建立科研大数据的保护制度。2013年美国“棱镜门”事件引发了人们对大数据下网络安全的关注。据中国国家信息中心等部门报告显示,2013年,中国有多个网站被境外通过植入后门实施控制,其中政府网站2452个,由此凸显大数据对网络安全乃至国家安全战略的重要性。⑦ 孟威:《大数据下的国家网络安全战略博弈》,《当代世界》2014年第8期,第68页。大数据安全问题同样也是科研诚信建设的重要内容,科研人员、数据公司在使用、共享科研大数据时应当以维护网络安全和国家战略为前提。四是要建立个人隐私保护制度。大数据不仅事关国家安全,也与个人隐私密切相关。鉴于在大数据时代,仅仅通过告知与许可已经无法对个人隐私构成有效保护,舍恩伯格建议应当改变隐私保护模式,“这个模式应当更着重于数据使用者为其行为承担责任,而不是将重心放在收集数据之初取得个人同意上”① [英]维克托·迈尔·舍恩伯格、肯尼思·库克耶:《大数据时代:生活、工作与思维的大变革》,盛杨燕、周涛译,浙江人民出版社2013年版,第220页。。由此,在科研诚信立法中,应当明确规定包括科研人员在内的数据使用者的相应责任。

加快与科研诚信相关的大数据技术平台建设步伐。技术是科研不端治理的支撑。治理科研不端不仅需要制度规约,同时需要采用先进的技术支持。在科研诚信的数据平台建设方面,目前我国知网、万方和维普等科研数据库在其发展过程中,已经注重了发展的多元化,能够为用户提供各具特色的服务,但是一个明显的问题是各数据库对外文文献的收录不足,使其在科研不端检测中出现短板。因此,应当在继续完善已有的科研数据库基础上,加强数据库的国内合作甚至国际合作。此外,还应当完善科研人员信息数据库,为科研人员建立诚信档案。目前我国已经建成“中国高层次科技人才数据库”,收录了包括两院院士、国家级人才计划入选者、国家科技奖励获得者等高等次人才,共计11000条信息,收录了高层次人才的基本情况、获奖与荣誉以及科研产出。② 相关数据和内容请参见中国科学信息研究所国家工程技术数字图书馆主页:http://www.istic.ac.cn/Portals/_default/Skins/NewStyle/ServiceList.htm而根据科技部首次编写的《中国科技人才发展报告(2014)》,我国2013年科技人力资源总量已达7105万人,其中研究与发展人员501.8万人。③ 陈海波:《我国科技研发人员总量世界第一》,《光明日报》2015年6月26日。因此,建设大规模科研人才信息数据库已经非常迫切。除了科研诚信数据平台的建设外,科研不端检测软件的开发完善也需要引起重视。已有学者指出我国目前科研不端检测软件存在的问题,如系统命名内容欠妥、误判公共领域内容表述、未注意不同学科特点等。④ 陈燕、丁岚:《学术不端检测系统缺陷分析》,《中国出版》2014年8月下,第12-14页。除此,鉴于目前科研不端检测软件只能对同语言的文本进行检测,今后,针对不同语言文本的跨语言检测应当成为科研不端检测的新突破。

加强科研诚信教育。科研诚信教育是科研不端治理的基础。目前关于德治与法治的讨论已经在社会各个领域展开,德法共治已经成为一项共识,对于科研诚信建设而言,我们需要通过外在的法律制度和基于大数据技术的科研不端检测手段将已经发生的科研不端行为检测出来,并对科研不端人员进行相应的制裁。但是科研诚信建设的目的并不在于惩罚,而是要通过科研诚信建设,创造科学研究的良好环境,从而为科研创新提供保障。在此意义上,通过科研诚信教育,提高科研人员的科研诚信素养,使其自觉遵守科研诚信规范和法律制度,从而避免科研不端行为,就显得更为重要。科研诚信教育应当包括三个方面:一是科研诚信的规范教育。对科研人员(包括高校大学生)进行基本的科研规范教育,使其掌握正确的科研规范,避免在科研工作中因为不熟悉相关的科研规范而陷入科研不端。二是科研诚信的素养教育。应当对科研人员进行以提高其科研道德素养为核心的教育,使其形成正确的科学信念:诚信研究是实现科研创新的唯一途径,科研不端行为即使能够帮助科研人员获取暂时的个人名誉,也最终会被揭露。三是与科研诚信相关的大数据技术教育。面对积聚式增长的科研信息,科研人员应当学会运用国内外主要的科研数据库,知晓国内外相关领域的最新研究成果,避免重复性研究,同时通过运用科研检测系统,确保自己科研成果的规范性。


作者简介:解本远,男,山东即墨人,首都师范大学马克思主义学院副教授,哲学博士。(北京 100089)

基金项目:本文为国家社科基金重大项目“我国诚信文化与社会信用体系建设研究”(批准号:15 & ZDA038)和北京市教委项目“我国科研诚信制度建设研究”(批准号:SM201410028003)的阶段性研究成果。