[论文解读] The mathematical research-data repository MathRepo

Claudia Fevola, Christiane Görgen|arXiv (Cornell University)|Feb 8, 2022

Mathematics, Computing, and Information Processing被引用 6

一句话总结

MathRepo 是一个由社区驱动的、托管于 GitLab 的数学研究数据仓库，于 2017 年在马克斯·普朗克数学科学研究所建立，旨在解决计算数学数据缺乏集中化、符合 FAIR 原则的存储问题。它使研究人员能够共享代码、计算过程、示例和软件，重点关注可用性和长期可访问性，尽管目前在一致性、元数据质量和许可方面仍存在挑战，限制了其完全符合 FAIR 原则。

ABSTRACT

MathRepo, located at https://mathrepo.mis.mpg.de, is an online repository for mathematical research data. In mathematics, research data comes in many different flavours. For instance, in computer algebra it most often takes the form of mathematical documents, notebooks, research-software packages and libraries, computer algebra systems, algorithms, and collections of mathematical objects. In this work we give an overview of the type of contributions hosted by MathRepo, we discuss the principles that should be followed to make a research-data repository good, and the current challenges we are facing as MathRepo's maintainers.

研究动机与目标

• 为解决数学研究数据（特别是代码、算法和示例集等计算输出）缺乏集中化、可访问且可持续的基础设施问题。
• 通过提供一个统一平台，支持计算机代数及相关研究贡献，提升数学研究数据的可查找性、可访问性、互操作性和可重用性（FAIR 原则）。
• 通过为出版物配套提供低门槛的补充数据共享入口，减轻研究人员的负担，替代分散或难以访问的个人仓库。
• 通过为德国国家研究数据基础设施整合做准备，与 MaRDI 计划目标保持一致，确保 MathRepo 的长期可持续性。
• 通过建立标准化的元数据、许可实践以及提升内容一致性，增强信任度和可重用性。

提出的方法

• 在马克斯·普朗克数学科学研究所的 GitLab 上托管 MathRepo，以利用现有基础设施和版本控制功能，支持协作维护。
• 采用灵活的、类似维基或博客的界面，支持从最小数据转储到完整教程式计算结果展示等多种形式的贡献。
• 实施轻量级审核流程，通过视觉检查确保三项核心标准：数学相关性、文献引用和作者认可，不进行正式同行评审。
• 为贡献者提供年度 GitLab 培训，确保技术入门，并促进其遵循不断演进的项目标准。
• 与 MaRDI 社区合作，制定新的元数据和贡献模板，以标准化结构、元数据字段和许可实践。
• 探索第三方认证（如 CoreTrustSeal），并实施许可要求，以提升仓库的可信度和可重用性。

实验结果

研究问题

• RQ1 如何设计一个可持续的、由社区驱动的数学研究数据仓库，以支持代码、算法和示例集等多样化计算输出？
• RQ2 在数学领域，对于去中心化、低开销的研究数据仓库，确保 FAIR 原则（可查找性、可访问性、互操作性、可重用性）面临的主要挑战是什么？
• RQ3 如何在不断增长且多样化的贡献者群体中，实现贡献者易用性与内容质量、元数据和许可一致性之间的平衡？
• RQ4 像 MathRepo 这样的社区驱动仓库在国家研究数据计划（如 MaRDI）的宏观背景下，能发挥何种作用？
• RQ5 从社区维护的非正式系统向可信的、符合 FAIR 原则的研究数据基础设施过渡，需要哪些技术和组织措施？

主要发现

• MathRepo 在五年内成功汇集了 40 项独立贡献，主要来自 MPI MiS 的非线性代数工作组，贡献内容涵盖计算证明到教学材料。
• 尽管取得成功，该仓库在内容一致性方面仍面临挑战，包括布局不一致、链接失效（如指向 Binder 笔记本的链接）、元数据和参考文献过时或缺失。
• 缺乏标准化的许可协议和明确的使用条款，削弱了可重用性和信任度，因为无许可并不等同于开放获取。
• 早期贡献常缺少作者标识符和详细的语言规范，降低了在不同系统上的可重现性和可重用性。
• 贡献质量与呈现风格的显著差异，加之贡献者群体日益多样化，显著增加了维护工作量，并降低了可发现性。
• 作者建议通过采用新的元数据模板、整合研究数据管理培训以及追求第三方认证（如 CoreTrustSeal）来实现向 FAIR 合规性的过渡，以增强可信度和长期可持续性。