随着越来越多的资助机构和期刊要求神经科学家共享研究数据，数据共享的质量成为关键问题。神经科学领域产生的数据类型复杂多样，跨越多个空间尺度，这给数据的有效共享带来了挑战。若缺乏足够支持，数据共享政策可能沦为形式主义。本文基于《The Transmitter》的观点文章，探讨如何通过以客户服务为导向的方法，改善数据提交体验，从而推动数据共享文化的根本转变。 在数据共享的早期阶段，存储库应主动为研究人员提供指导和支持，而非仅依赖文档或反馈。数据管理员作为关键角色，能够根据存储库标准格式化数据、审查提交内容，并与研究者互动确保合规性。这种方法已在新兴平台如EBRAINS和SPARC中得到验证，显著提升了数据质量与研究者满意度。 一、数据共享的挑战| 挑战 | 描述 |
|---|
| 准备数据是重大负担 | 符合存储库标准的数据准备对研究者而言耗时费力。 | | 研究者缺乏技能 | 数据生产者通常缺乏优化数据重用的专业知识与资源。 | | 低质量元数据 | 提交的元数据经常不达标。 | | 培训不是唯一解决方案 | 单纯的培训无法解决数据共享的深层次问题。 |
二、解决方案：数据管理员| 方面 | 描述 |
|---|
| 角色 | 知识工程师与数据管理员。 | | 职责 | 格式化数据、审查提交内容、提供元数据映射等增值服务。 |
三、以客户服务为导向的存储库示例| 存储库 | 描述 |
|---|
| EBRAINS | 通过管理员提升数据提交一致性与质量。 | | SPARC | 管理员与研究者建立支持性关系，协助克服技术障碍。 | | 脊髓损伤开放数据共享库 | 投入管理员资源优化数据管理。 | | 创伤性脑损伤开放数据共享库 | 通过管理员提升数据可用性。 |
四、SPARC项目的经验教训| 方面 | 描述 |
|---|
| 初期挑战 | 复杂提交流程引发研究者不满。 | | 管理员干预 | 通过个性化支持显著改善用户体验。 | | 长期影响 | 研究者表示即使资金结束后仍愿继续使用平台。 |
五、管理员对研究者的好处| 好处 | 描述 |
|---|
| 数据符合FAIR原则 | 数据对社区和原始实验室均可发现、可访问、可互操作、可重用。 | | 长期可用性 | 确保数据在人员变动后仍可被理解和使用。 | | 学习机会 | 研究者通过合作提升自身数据管理能力。 |
六、成本与技术前景| 方面 | 描述 |
|---|
| 人力成本高昂 | 人类管理难以规模化且费用较高。 | | 自动化工具 | 如SPARC的SODA软件可简化提交流程。 | | AI潜力 | 人工智能有望降低管理成本并提升效率。 |
七、结论投资以客户服务为导向的数据管理是释放神经科学数据科学潜力的关键。通过结合人工支持与技术创新，可建立可持续的数据共享生态系统。 参考来源：
Martone, M. (2023). Incentivizing data-sharing in neuroscience: How about a little customer service? The Transmitter. (责任编辑：glia) |