[论文解读] Searching Data: A Review of Observational Data Retrieval Practices

Kathleen Gregory|arXiv (Cornell University)|Jul 21, 2017

Research Data Management Practices参考文献 46被引用 7

一句话总结

本文通过系统性文献回顾146篇文献资料，回顾了观测数据检索实践，识别出用户行为、信息需求以及在搜索和重用研究数据方面的挑战。研究揭示了数据发现工作流程中的关键模式，指出了当前检索系统中的不足，并提出了改进科学研究所需的上下文感知、以用户为中心的数据搜索工具的建议。

ABSTRACT

<p>This study employed an extensive literature review to identify commonalities in the data retrieval practices of users of observational data. This dataset consists of a BibTeX file with the 146 bibliographic references examined in:<br><br>Gregory, K., Groth, P., Cousijn, H., Scharnhorst, A., & Wyatt, S. (2017). Searching Data: A Review of Observational Data Retrieval Practices. arxiv:1707.06937. [cs.DL]<br><br>The body of literature in the dataset was retrieved using different combinations of keyword searches, primarily in the Scopus database, across all fields. Keyword searches related to information retrieval (e.g. user behavior, information seeking, information retrieval) and data practices (e.g. research practices, community practices, data sharing, data reuse) were combined with keyword searches for research data. As the terms “data” and “search” are ubiquitous in academic literature, title searches also were employed and combined with the controlled vocabulary of the database to locate relevant information. Searches in Scopus included strings such as:<br><br>KEY ( user AND information ) AND TITLE-ABS-KEY ("research data" OR ( scien* W/1 data ) OR ( data W/1 ( repositor* OR archive* ) ) )<br><br>TITLE ( data W/0 ( search OR retriev* OR discover* OR access* OR sharing OR reus* ) )<br>AND ( LIMIT-TO ( EXACTKEYWORD , "Information Retrieval" ) OR LIMIT-TO ( EXACTKEYWORD , "Data Retrieval" ) OR LIMIT-TO ( EXACTKEYWORD , "Data Reuse" ) )<br><br>Bibliometric techniques such as citation chaining and related records were also applied. Pertinent journals and conference proceedings not indexed within Scopus (e.g. the International Journal of Digital Curation) were searched directly using similar keywords.<br><br>The approximately 400 retrieved documents were examined by close reading to identify articles referring to observational data for inclusion in the final dataset.</p><p>Acknowledgements<br>This work has funded by the NWO Grant 652.001.002 (programme Creative Industrie - Thematisch Onderzoek (CI-TO), Re-SEARCH: Contextual Search for Scientific Research Data)</p>

研究动机与目标

• 了解研究人员和数据用户在科学研究中如何检索观测数据。
• 识别不同研究领域中数据检索实践的常见模式与挑战。
• 通过分析用户行为和信息需求，为设计更高效、上下文感知的数据搜索系统提供依据。
• 梳理关于数据重用、共享和信息检索的现有文献，以识别研究空白与机遇。
• 通过基于证据的用户驱动数据发现工作流程洞察，支持先进数据检索工具的开发。

提出的方法

• 在Scopus数据库中使用关键词搜索开展全面的文献回顾，结合与信息检索、数据实践和研究数据相关的术语。
• 采用结构化搜索字符串，结合布尔逻辑、邻近运算符（W/1）以及标题/文摘字段限制，以提高检索精度。
• 应用引文追踪和相关记录分析等文献计量技术，以扩大检索覆盖范围。
• 通过直接检索期刊和会议论文集（如IJDC）补充数据库检索，以涵盖未被Scopus收录的出版物。
• 通过仔细阅读筛选约400份文献，识别聚焦于观测数据检索的研究。
• 整理出一个经筛选的146篇文献的参考文献数据集，以供进一步分析及在数据搜索系统研究中的使用。

实验结果

研究问题

• RQ1 在观测研究数据检索中，主导的用户行为和信息需求是什么？
• RQ2 研究人员在不同科学学科中如何发现、获取并重用观测数据？
• RQ3 现有观测数据检索系统在观测数据检索方面面临哪些关键挑战和局限？
• RQ4 数据的信息检索实践与学术搜索中的传统文档检索有何不同？
• RQ5 哪些设计原则可指导上下文感知、以用户为中心的数据搜索工具的开发？

主要发现

• 研究人员经常依赖数据库中的关键词搜索，但常常因元数据和索引不一致而难以找到相关观测数据集。
• 在学术文献中，'data'一词具有高度歧义，因此需要采用上下文特定的搜索策略，如基于标题的查询和受控词匹配。
• 大量数据检索活动是由探索性、迭代性的搜索行为驱动，而非精确的、基于查询的检索。
• 数据重用常因文档不全、缺乏持久标识符以及数据存储库中上下文信息不足而受阻。
• 用户对数据发现的期望与现有搜索系统的能力之间存在显著差距，尤其是在支持复杂、上下文敏感查询方面。
• 将用户行为数据与元数据及受控词汇相结合，可显著提高数据检索结果的精确度和相关性。