1、CNAS-TRL-014:2021 第 1 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 CNAS 技术报告 科研数据特征划分及其分类体系表 中国合格评定国家认可委员会 CNAS-TRL-014:2021 第 2 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 前 言 科研实验室是实施科技创新的重要组成部分和基础技术保障，出具的数据是科学 成果的依据，其质量直接影响科学成果的可靠性和科学性。但科研实验室存在科研数 据难以重复、可靠性难以评估的问题。如何对科研实验室进行规范管理，实现科研数 据的可靠和可重复，是科学界面临的重大课题。为了更好的规范科研实验室的管理
2、和 运行，依托“十三五”国家重点研发计划 “科研实验室认可关键技术研究”项目中 的“科研数据不 确定性表征方法和评估技术研究”课题（编号： 2016YFF0203801）， CNAS 组织编制了科研数据特征划分及其分类体系表。 本文件由中国合格评定国家认可委员会提出并归口。 本文件主要起草单位：中国合格评定国家认可中心、 北京理工大学。 本文件主要起草人： 周桃庚 、 吕京 、 傅华栋 、 宋桂兰 。 CNAS-TRL-014:2021 第 3 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 科研数据特征划分及其分类体系表 1 范围 本标准定义了科研数据的特征划分和分类方法，规
3、定了科研数据分类体系表组 成、结构及编码规则和编制要求， 用以保证科研数据组织、存储及交换的一致性。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的 版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适 用于本文件。 GB/T 13016 标准体系表编制原则和要求 3 术语和定义 下列术语和定义适用于本文件。 3.1 科研数据 Research Data 在科技活动 (实验 、观测 、探测 、调查等 )或通过其他方式所获取的反映客观世界的本质、 特征 、变化规律等的原始性、基础性数据 , 以及根据不同科技活动需要 ,进行系统加工
4、整理的 数 据产品和相关信 息 。 3.2 定量数据 Quantitative Data 可以量化和验证的数据，适用于统计操作。 3.3 定性数据 Qualitative Data 近似或表征但 无法 测量 的 某物或现象的属性，特征，性质等 的 数据。 3.4 科研数据分类 Research Data Classification 根据科研数据的属性或特征，将其按照一定的原则和方法进行区分和归类，并建立起一定的 分类体系和排列顺序，以便更好地管理和使用科研数据的过程。 3.5 线分类法 method of linear classification 将分类对象按选定的若干属性 (或特征 )逐
5、次分为若干层级，每个层级又分为若干类目。同一 分支的同层级类目之间构成并列关系，不同层级类目之间构成隶属关系 。 3.6 面分类法 method of area classification 选定分类对象的若干属性 (或特征 )，将分类对象按每一属性（或特征）划分成一组独立的类 目，每一组类目构成一个“面”。再按一定顺序将各个“面”平行排列。使用时根据需要将有关 “面”中的相应类目按“面”的指定排列顺序组培在一起，形成一个新的复合类目。 CNAS-TRL-014:2021 第 4 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 3.7 混合分类法 method of compo
6、site classification 将线分类法和面分类法组合使用，以其中的一种为主，另一种做补充的分类方法。 4 分类原则 按照 科研 数据的 特征和 属性及其相互间客观存在的逻辑关联以及信息组织的要求进行 分类。 分类名称应尽量沿用各专业习惯名称，但是要保证规范化，避免发生概念混淆或二义性，尽量使 分类方案简便、实用和便于记忆。 4.1 完整性和扩展性结合 分类体系在总体上应具有很大的概括性和包容性，能够容纳各种各样的 科研 数据和满足将来 可能产生的信息需求。分类在反映数据的属性和数据间的相互关 系上保持相对的完整性。 SDS/T 2122 2004 4.3 4.2 实用性 确保每个类
7、目下要有 科研 数据，不设没有意义的类目，类目划分要符合用户对 科研 数据分类 的普遍认识。 SDS/T 2122 2004 4.4 4.3 揭示性原则 分类应尽可能反映 科研 数据集的内容、对象和属性特点，以便于检索使用，为深入分析 科研 数据集的关联和影射关系提供便利。 TR-REC-018 5.5 4.4 规范性原则 所使用的语词或短语能确切表达类目的实际内容范围，内涵、外延清楚；类名采用科学、 规范、通用的术语或译名；在表达相同的概念时 ，做到语词的一致性；在不影响类目涵义表 达的情况下，保证用语的简洁；每个类目都要有专指的检索意义。此外，类目涵义以及与他 类目的关系，必要时还需通过类
8、目体系和类目注释加以说明或限定。 TR-REC-018 5.6 4.5 系统性原则 将选定的分类对象的特征（或特性），按其内在规律进行系统化排列，确保类目唯一、 结构合理、层次清晰，减少冗余。 5 科研数据分类编码的方法 5.1 分类方法 按照 GB 7027 ，采用混合分类法进行。 CNAS-TRL-014:2021 第 5 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 科研数据依其特性属性，分为两大类（一级分类）。各大类科研数据依其数据特征，选取内 容属性、观测属性、来源属性 、格式属性、处理属性、状态属性、格式属性、表现属性等不同 组合进行分类（二级分类）。 5.2 编
9、码方法 分类代码由大类代码和二级分类的各属性代码组成，各代码之间用下横线“ -”分割。 科研数据各大类和属性代码用两种方法表示，一是简码（为阿拉伯数字代码），二是标识符 （为英文字母和阿拉伯数字组成，通常第一位应为英文字母）。 大类简码用一位英文大写字母表示，其标识符用四位英文大写字母组成。二级分类的属性简 码用三 位阿拉伯数字表示。 标识符可以体现大类和属性的基本意义，应便于人工识别、符合英文缩写习惯。 6 科研数据分类体系表结构 6.1 层次结构 科研数据分类体系表 层次结构图 见图 1。 定量数据 连续数据 离散数据 获取属性 格式属性 状态属性 定性数据 标称数据 序量数据 分布属性
10、处理属性 图 1 科研数据分类体系表 层次结构图 6.2 数据获取属性分类 CNAS-TRL-014:2021 第 6 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 数据获取属性指科研数据的获取方式和获取来源，表 1中列出了依据数据获取属性进行 的小类划分和代码。 表 1 数据获取 属性 分类 数据获取主题类型 代码 说明 实验 /试验 QTOB-001 通过实验、试验获取的 数据 仿真 QTOB-002 基于原始数据，采用模型、方法通过模拟、计算， 获得的信息、数据。 派生或编译 QTOB-003 利用 通常来自不同数据源 的 现有数据点，通过某种转换（如算术公式或聚合）来
11、创建 的 新数据。 参考文献或规范 QTOB-004 对较小（同行评议的）数据集进行（静态或有机） 组合聚集或收集，最有可能出版和策划 的数据。 6.3 数据格式属性分类 数据格式属性指科研数据的 表达形式与数据格式 ，表 2中列出了依据数据格式属性进行 的小类划分和代码。 表 2 数据 格式属性 分类 数据 格式 类型 代码 说明 文档 QTFM-001 文本格式或其他相应格式存储的数据。 影像 QTFM-002 遥感影像、图片等常用格式存储的数据。 地图 QTFM-003 数字化地图、电子地图等常用格式存储的数据。 模型 QTFM-004 数学方法的数学表达式及其说明，或工具化的模拟软件或
12、构件。 表格 QTFM-005 数据表常用格式存储的数据。 视频 QTFM-006 观测过程记录、实验过程记录等常用格式存储的视频数据。 音频 QTFM-007 观测过程记录、实验过程记录等常用格式存储的视频数据 。 服务 QTFM-008 基于 Web 发布的、外部用户可调用的各类数据处理与加工资源。 工具 QTFM-009 可离线运行的数据处理与加工资源。 6.4 数据状态属性分类 数据状态属性指科研数据所处的状态，表 3中列出了依据数据状态属性进行的小类划分 和代码。 表 3 数据 状态 分类 数据 状态 类型 代码 说明 动态 QTST-001 由某一现象或若干现象在不同时刻上的状态所
13、形 CNAS-TRL-014:2021 第 7 页 共 7 页 发布日期 ： 2021 年 01 月 01 日 成的数据，描述了现象随时间而变化的情况，它反 映的是现象以及现象之间关系的发展变化规律性， 是在不同时间点上收集的数据。 静态 QTST-002 由若干相关现象在某一时点上所处的状态组 成的，描述了现象在某一时刻的变化情况，它反映 一定时间、地点等客观条件下诸相关现象之间存在 的内在数值联系，是在相同时间点上收集的数据。 6.5 数据处理属性分类 数据处理属性指科研数据的 使用方便程度 ，表 4中列出了依据数据处理属性进行的小类划 分和代码。 表 4 数据 处理属性 分类 数据 处理
14、 类型 代码 说明 原始数据 QTPR-001 数据的原始内容及其备份数据，科研人员可 通过直接从感兴趣的主题中获取的原始数 据，或者被其他人收集的称为辅助数 据的数 据。 辅助数据 QTPR-002 已经收集的数据，用于参考或从其他人的经 验中获得真实，例如 ： 出版的书籍，政府刊 物，期刊和互联网，以前的研究，官方统计， 大众传媒产品，日记，快报，历史数据和信 息。 一次数据 QTPR-003 对 原始 数据进行清洗、变换、集成等预处理后得到的数据 二次数据 QTPR-004 对一次数据进行脱敏、规约、标注等深度处 理后得到的数据。 三次数据 QTPR-005 对一次或二次数据进行统计分析、数据挖掘、机器学习、可视化 处理后得到的数据。
