01
英国：支持率从之前的 65% 暴跌至 39% 。
美国：支持率从十年前的 53% 降至 30% 。
澳大利亚：降幅最大，目前仅剩 27% 的研究者支持强制政策。
02
数据处理：主动使用 AI 进行数据处理的比例在一年内从 22.1% 激增至 31.9% 。
元数据创建：使用 AI 辅助生成元数据（Metadata）的比例从 16.1% 升至 25.1% 。
03
04
05
法国开放科学监测报告2024：研究数据共享增加，但临床试验共享率下降
2025 开放数据状况报告:十年的进步与挑战近期 Digital Science、Figshare 和 Springer Nature 联合发布了《2025 开放数据状况报告：十年的进步与挑战》（The State of Open Data 2025: A Decade of Progress and Challenges），今年的报告不仅汇总了当年的调查数据，还回顾了过去十年的演变轨迹。 https://doi.org/10.6084/m9.figshare.30823079 官方详细解读预计很快发布，1月28日有专场报告发布会，也欢迎大家关注了解 会议预告 | 2025中国开放数据研讨会暨白皮书介绍会 在此我先整理了报告中几个值得深思的关键趋势。 “强制令疲劳”：政策支持度的断崖式下跌 这是 2025 年报告中最具冲击力的发现，被多家学术媒体重点讨论。 全球范围内，研究人员对国家级开放数据强制令的支持率已降至 50% 以下 。 这种断崖式下跌并不意味着研究人员反对“开放”本身——事实上，仍有超过 80% 的研究者认同开放数据的核心理念。问题的症结在于“ 执行成本” 。现在的低支持率，更多源于研究者在缺乏资金、时间与技术支持的困境下，对行政命令感到的深深疲惫。这标志着科研界正从早期的理想主义，转向对“合规重负”的审慎考量。 AI 的角色：从“概念”到“核心生产力” 人工智能（AI）已不再是开放数据的旁观者，而是正在重塑数据共享的工作流。 这一趋势表明，AI 正在解决开放数据中最大的痛点——繁琐的数据整理工作。通过自动化清洗数据和生成标签，AI 有望让数据的“可发现性”和“互操作性”实现质的飞跃。当然，报告也客观地指出了隐忧，特别是 AI 生成内容可能污染原始数据集的风险，以及训练数据涉及的版权伦理问题。 FAIR 原则的主流化与“落地难” 在过去七年里，FAIR 原则（即数据应具备可发现、可访问、可互操作、可重用性）的普及工作取得了显著成效。其知晓度翻了三倍，从 2018 年的 15% 升至 2025 年的 40% 以上，整体意识普及率更是达到了 80%。 然而，意识与行动之间仍隔着巨大的鸿沟。虽然绝大多数研究者都“知道”FAIR 原则，但真正能“做到”的仍是少数。核心障碍在于缺乏简单易用的工具，导致“让数据符合 FAIR 标准”这一过程，往往需要耗费研究者大量额外的精力与时间。 激励机制的缺失：依旧是“用爱发电” 这是一个十年来几乎没有改善的顽疾。 69.2% 的研究人员认为，他们分享数据的行为 没有得到足够的认可或信用（Credit） 。 在现有的学术评价体系中，发表论文依然是不可撼动的硬通货，而整理并公开高质量的数据集往往被视为“次要贡献”。报告对此发出了强烈呼吁：改革学术评估体系已刻不容缓，必须将“数据引用”（Data Citation）正式纳入考核，让共享数据像发表论文一样，成为衡量学者贡献的核心指标，而非仅仅依靠情怀“用爱发电”。 全球分歧：全球南方的崛起 与欧美国家对强制令的厌倦不同，部分新兴经济体表现出了不同的态势。 亮点：印度 是少数几个对国家级开放数据政策支持率保持稳定且较高的国家（超过 55%）。 这种差异可能反映了科研发展阶段的不同：处于快速上升期的国家，或许更希望通过自上而下的顶层设计，快速缩小与发达国家的科研差距。这种“全球南方”与传统科研强国之间的认知分歧，将是未来国际科研合作中一个值得关注的变量。 报告来源 https://doi.org/10.6084/m9.figshare.30823079 2024年欧洲开放数据报告：政策先行，影响力提升 如何将开放数据纳入评价体系？美国NIH出奇招 立志做有理想，有态度，有热度，有意思的信息博主。 版权声明：本公众号由 个人运营 ，发布内容仅作信息分享，碎碎念仅为个人观点。所有文章遵循CC BY-NC协议， 转载须注明出处
