PsyBrain 腦心前沿 | 公眾號(hào) PSY-Brain_Frontier

一鍵關(guān)注，點(diǎn)亮星標(biāo) ??

不錯(cuò)過(guò)每日前沿資訊

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

研究背景

你是否經(jīng)歷過(guò)這樣的絕望：幾個(gè)月前采集的核磁數(shù)據(jù)，現(xiàn)在卻死活想不起被試的編號(hào)邏輯；寫(xiě)論文急需某個(gè)分析結(jié)果，翻遍了文件夾只找到一堆命名為“新建文件夾”的迷宮；好不容易翻出了數(shù)據(jù)，卻發(fā)現(xiàn)格式打不開(kāi)，或者備份硬盤(pán)突然損壞……

在認(rèn)知神經(jīng)科學(xué)和心理學(xué)研究中，我們每天都在處理海量的行為數(shù)據(jù)、影像文件和問(wèn)卷結(jié)果。數(shù)據(jù)管理（Research Data Management, RDM）不僅僅是整理文件，更是科研可重復(fù)性和學(xué)術(shù)規(guī)范的基石。

近日，發(fā)表在 《PLoS Computational Biology》 上的一篇新文章 “Ten simple rules for effective research data management”，為我們總結(jié)了從項(xiàng)目啟動(dòng)到數(shù)據(jù)歸檔的10條黃金法則。無(wú)論你是剛進(jìn)實(shí)驗(yàn)室的本科生，還是帶領(lǐng)團(tuán)隊(duì)的PI，這篇指南都能救你于“數(shù)據(jù)混亂”的水火之中。

核心建議

法則 1：不僅要埋頭實(shí)驗(yàn)，更要抬頭看“規(guī)則”

很多同學(xué)在項(xiàng)目開(kāi)始前，只關(guān)注實(shí)驗(yàn)設(shè)計(jì)，卻忽略了適用的政策。事實(shí)上，國(guó)家、資助機(jī)構(gòu)（如NSF, DFG）、專(zhuān)業(yè)協(xié)會(huì)甚至所在的實(shí)驗(yàn)室，都可能有具體的數(shù)據(jù)政策 。因此在項(xiàng)目啟動(dòng)階段，就去查閱資助方官網(wǎng)或?qū)W?？蒲刑幍囊螅M早繪制數(shù)據(jù)發(fā)布場(chǎng)景圖（例如：哪些數(shù)據(jù)必須公開(kāi)，哪些必須保密），以匹配相關(guān)政策 。避免臨近投稿才發(fā)現(xiàn)數(shù)據(jù)不符合資助方的“透明度要求”或“共享規(guī)定”，那將面臨巨大的修改成本 。

法則 2：倫理與法律是“高壓線”

對(duì)于我們研究人類(lèi)被試的心理學(xué)和腦科學(xué)領(lǐng)域，這一條是底線。必須時(shí)刻遵守倫理原則（如赫爾辛基宣言）和法律法規(guī)（如GDPR）。在數(shù)據(jù)采集前，務(wù)必通過(guò)倫理委員會(huì)（IRB）審核。

特別注意數(shù)據(jù)的去標(biāo)識(shí)化（De-identification），保護(hù)被試隱私，簽署知情同意書(shū)。

法則3：構(gòu)建“3-2-1”數(shù)據(jù)存儲(chǔ)堡壘

硬盤(pán)損壞是每個(gè)研究者的噩夢(mèng)。作者強(qiáng)烈推薦數(shù)據(jù)備份的 “3-2-1 原則” ：

3 份副本： 保留原件加上兩份備份。

2 種介質(zhì)： 存放在兩種不同的存儲(chǔ)設(shè)備上（例如：本地電腦 + 機(jī)構(gòu)網(wǎng)絡(luò)云盤(pán)/移動(dòng)硬盤(pán)）。

1 個(gè)異地備份： 至少有一份備份不在你現(xiàn)在的辦公地點(diǎn)（防止火災(zāi)、盜竊等物理災(zāi)害）。

對(duì)于敏感數(shù)據(jù)，務(wù)必使用加密工具（如 Veracrypt）進(jìn)行保護(hù) 。

法則4：拒絕混亂，讓文件夾結(jié)構(gòu)化

良好的文件夾架構(gòu)和明明習(xí)慣會(huì)使得科研事半功倍，但這往往是很多人的痛點(diǎn)。作者在文中提供了兩個(gè)非常實(shí)用的圖表方案：

Fig 2. Exemplary folder structure.

針對(duì)文件夾結(jié)構(gòu)，不要把所有文件都堆在根目錄下。建立一個(gè)邏輯清晰的樹(shù)狀結(jié)構(gòu) ：

一級(jí)目錄： 項(xiàng)目文件夾。

二級(jí)目錄： 管理（Admin）、評(píng)估（Evaluation）、原始數(shù)據(jù)（Original data）、報(bào)告/手稿（Reports, manuscripts）。

三級(jí)目錄（示例）： 在“評(píng)估”文件夾下，再細(xì)分為代碼（Code）、衍生數(shù)據(jù)（Derived data）、結(jié)果數(shù)據(jù)（Result data）。

(注：如 Fig2 所示，統(tǒng)一的結(jié)構(gòu)能讓你和合作者迅速定位文件 )

Fig 3. Exemplary file naming structure.

針對(duì)文件命名規(guī)范，文件名應(yīng)包含“上下文”和“標(biāo)準(zhǔn)元素”

上下文： 項(xiàng)目名（Project）+ 類(lèi)型（Type）+ 部分（Part）。

標(biāo)準(zhǔn)元素： 貢獻(xiàn)者（Contributor）+ 版本（Version）+ 日期（Date）。

示例： TenR_Man_01_MJH_v01_2025-02-01.docx

(注：Fig3 示例的命名方式能讓你一眼看出文件內(nèi)容，無(wú)需打開(kāi)文件 )

法則5：采集數(shù)據(jù)，貴在“精準(zhǔn)”與“克制”

數(shù)據(jù)不是越多越好，冗余的數(shù)據(jù)會(huì)帶來(lái)巨大的管理成本 。

預(yù)先規(guī)劃： 在動(dòng)手前，明確你需要什么數(shù)據(jù)來(lái)回答科學(xué)問(wèn)題 。

樣本量計(jì)算： 依據(jù)統(tǒng)計(jì)學(xué)效力（Power analysis）確定最小樣本量，不多采也不少采 。

試點(diǎn)研究（Pilot Study）： 正式采集前跑一個(gè)小樣本，確保流程順暢，數(shù)據(jù)質(zhì)量達(dá)標(biāo) 。

法則6：文檔是數(shù)據(jù)的“說(shuō)明書(shū)”

沒(méi)有說(shuō)明和釋義的數(shù)據(jù)是毫無(wú)價(jià)值的。作者建議每一個(gè)數(shù)據(jù)文件夾中都應(yīng)包含一個(gè) Readme 文件（對(duì)應(yīng)論文 Box 1），其中必須包含 ：

數(shù)據(jù)的解釋?zhuān)?/p>

數(shù)據(jù)的原始目的/項(xiàng)目歸屬；

作者/創(chuàng)建者；

數(shù)據(jù)創(chuàng)建日期/時(shí)間段；

所需的軟件或特殊說(shuō)明。

對(duì)于更復(fù)雜的數(shù)據(jù)，還可以使用數(shù)據(jù)字典（Data Dictionaries）或標(biāo)準(zhǔn)化的元數(shù)據(jù)格式（如 Dublin Core）。

法則7：制定數(shù)據(jù)管理計(jì)劃 (DMP)

DMP 應(yīng)在項(xiàng)目啟動(dòng)時(shí)撰寫(xiě)，并伴隨項(xiàng)目全周期 。作者列出了DMP必須回答的關(guān)鍵問(wèn)題：

采集： 收集什么數(shù)據(jù)？怎么收集？

訪問(wèn)： 項(xiàng)目期間誰(shuí)有權(quán)訪問(wèn)？

標(biāo)準(zhǔn)： 使用什么元數(shù)據(jù)標(biāo)準(zhǔn)？

共享： 怎么發(fā)布？有什么許可證（License）？

預(yù)算： 存儲(chǔ)和管理需要多少錢(qián)？

長(zhǎng)期保存： 項(xiàng)目結(jié)束后數(shù)據(jù)存在哪？

法則 8：使用“開(kāi)放”和“標(biāo)準(zhǔn)”的文件格式

為了確保你的數(shù)據(jù)在10年后還能打開(kāi)，盡量避免使用專(zhuān)有的、封閉的格式（Proprietary formats）。作者在 Table 1 中推薦了各領(lǐng)域的最佳格式 ：

表格數(shù)據(jù)： 推薦 .csv（逗號(hào)分隔值），而不是 .xlsx。

文本： 推薦 .txt 或 .pdf/a，而不是 .doc。

圖像： 推薦 .tiff 或 .png（無(wú)損），而不是有損壓縮格式。

音頻： 推薦 .flac 或 .wav。

法則 9：讓數(shù)據(jù)創(chuàng)造價(jià)值：共享與發(fā)布

數(shù)據(jù)發(fā)布不僅僅是上傳文件，而是一個(gè)流程。文中提供了一個(gè)清晰的發(fā)布流程圖：

Fig 4. The process of data publication

獲得數(shù)據(jù)概覽 (Obtain data overview)

檢查要求 (Check requirements)： 資助方和期刊的要求。

選擇數(shù)據(jù) (Select data)： 依據(jù) Table 2 的標(biāo)準(zhǔn)，選擇具有獨(dú)特性、復(fù)用價(jià)值的數(shù)據(jù)發(fā)布；剔除測(cè)試數(shù)據(jù)或錯(cuò)誤數(shù)據(jù) 。

準(zhǔn)備數(shù)據(jù)與文檔 (Prepare data and documentation)： 確保去標(biāo)識(shí)化（De-identification）處理 。

發(fā)布數(shù)據(jù) (Publish data)： 選擇合適的存儲(chǔ)庫(kù)（如 Zenodo, Dryad），獲取DOI 。

法則 10：持續(xù)的自我監(jiān)測(cè)

RDM 不是一勞永逸的任務(wù)。

定期復(fù)盤(pán)： 定期檢查你的進(jìn)度、存儲(chǔ)配額和文檔完整性 。

技能提升： 在自我監(jiān)測(cè)的過(guò)程中，你不僅是在管理數(shù)據(jù)，更是在評(píng)估和提升自己的科研管理能力 。

結(jié)語(yǔ)

Fig 1. Data life cycle. Suggested by Surkis and Read [7], own illustration

從 Fig1 展示的數(shù)據(jù)生命周期（Data Life Cycle）來(lái)看，數(shù)據(jù)管理貫穿了從“計(jì)劃與設(shè)計(jì)”到“評(píng)估與歸檔”的每一步 。希望這份基于 PLoS Computational Biology 新文的詳細(xì)解讀，能幫助大家建立起更規(guī)范的科研習(xí)慣。畢竟，不被混亂的數(shù)據(jù)絆倒，我們才能在探索大腦奧秘的路上跑得更快。

基本信息：

Title:Ten simple rules for effective research data management

發(fā)表時(shí)間：2025.12.8

Journal:PLOS Computational Biology

影響因子：3.6 Q1

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

前沿交流|歡迎加入認(rèn)知神經(jīng)科學(xué)前沿交流群！

核心圖表、方法細(xì)節(jié)、統(tǒng)計(jì)結(jié)果與討論見(jiàn)原文及其拓展數(shù)據(jù)。

分享人：天天

審核：PsyBrain 腦心前沿編輯部