隨 Web3 或 Web3.0 以及分散自治組織 Dao 和運營的發展而出現的熱門話題。
DeSci 從根本上遵循基於證據的系統方法，應用知識並理解自然和社會，與中央化科學 (CeSci) 和開放科學 (DoS) 運動不同。它通過重塑合 [2]。在過去的兩個世紀裡，雖然科學的概念和內涵一直在演變，但其本質並沒有改變，即尋求、系統化和共享知識。科學作為知識生產的主要渠道之一，推動了人類社會的發展和創新 [3]。
知識所有權保護使得研究人員不願意分享他們的數據，這導致了數據生產的重複以及科學投資的浪費 [16]、[17]。最後，官僚體系的等級制度限制了科學的多樣化和開放性發展。2021 年 12 月，Sarah Hamburg 在給《自然》雜誌的一封信中提出了 DeSci 運動，並在明年的一篇博客文章中進一步討論了 DeSci，這引起了學術界和工業界的廣泛關注 [32]。王飛躍和他的同事調查了自主科學運動的影響和意義，以及智能技術在基於 DAO 的 DeSci 組織和運作中的潛在用途 [20]。2022 年 3 月 21 日和 30 日，王飛躍和 IEEE 智能系統的 AI 專家舉辦了兩場分散式研討會 (Dms)，以解決 DeSci 的各種問題及其對現有科學活動和操作的影響。此外，作為區塊鏈、加密貨幣和 DAO 的提議者和 SeiTS 的主要倡導者，王飛躍在 IEEE 智能交通系統國際會議 (IEEE ITSC2022) 上組織了多次與 DeSci 相關的研討會。這些科學研討會促使學術界和工業界深入思考相關問題，並進一步實質性地推進 DeSci 的發展。然而，至今仍沒有一個公認的 DeSci 概念。因此，本節從多個角度討論了它的概念，也從我們的角度定義了 DeSci (DeSci)。DeSci 運動旨在增加科學資助，從信息孤島中釋放科學知識，並消除對追求利潤的中介機構的依賴，因為 DeSci 是 CeSci 的補充概念。在梳理 DeSci 的概念和特點之前，我們先討論 CeSci 和 DeSci 的區別 [25]。
DeSci 不同於 OS 運動，從根本上解決了當前中心化科學 (CeSci) 所面臨的問題。CeSci 是一項基於集中的組織結構、技術協議和管理系統的科學活動，由精英和行政機構管理和控制。DeSci 是隨著區塊鏈、Web3 和 DAOs 基礎設施的不斷完善而出現的，提出 DeSci 的概念 [20]、[21]、[25] 之外，學術研究很少。
此外，DeSci 目前的做法僅限於分散供資。這些努力致力於解決 CeSci 中存在的問題。CeSci 和 DeSci 都以知識發現、管理和自動化為目標，但遠遠不夠。鑒於 DeSci 缺乏一個統一的技術和分析框架，本文將對 DeSci 的技術基礎和實現進行全面的介紹。本文其餘部分組織如下。
第二節介紹了 DeSci 的概念和特點，值得注意的是，這是對立的 CeSci 和 DeSci 之間互補性的體現，與所述的一般互補原則有關 [33]、[34]。
第三節提出了 DeSci 的六層參考模型，並詳細討論了每層中的組件。第四節介紹典型應用。第五節討論研究挑戰和未來趨勢。第六節總結了本文。知識發現：在 CeSci 中，探索知識的方法、路徑和優先級是由中央決策者自上而下進行的。在 DeSci 中，它們由具有不同協調和優先級機制的松散連接的 DAO 的自下而上的交互來支持。知識管理：在 CeSci 中，知識以更精確和可測量的方式進行管理，其價值歸第三方所有。在 DeSci 中，知識由知識生產者管理，他們共享知識所有權和價值。DeSci 最初是由 Etzrodt [26] 從期刊的角度提出的，但它很少引起公眾的注意 [26]。實際上，以前各種學者和團體都提出過類似的想法。對我們來說，DeSci 的最初想法是源於社會科學中的社會運動組織 (SOs) 的概念 [27]、[28]。隨著網絡技術的出現，人肉搜索、眾包、網絡運動組織 (CeS0 或 CO)[29]、[30]、團隊科學 (SciTS)[31] 以及最近的分散自治社會 (DAS) 等活動和現象進一步發展了網絡技術。
知識自動化：在 CeSci 中，有兩種方法可以實現知識自動化：一種是使用人工智能來構建知識庫，另一種是通過認知計算和知識圖技術對知識進行數字化和建模。它們都嚴重依賴於科學數據聚合和計算中心，使得科學系統高度不確定和不可控。在 DeSci 中，智能合約被用來簡化人在回路中的複雜性，將難以置信的遊戲變成可信的遊戲合作承諾。而且，制定了分布式網絡來進行數據收集、模型構建和知識生成，更加敏捷、集中和收斂，從而增強了在特定問題和認知研究進展的激勵下進行合作。DeSci 強烈依賴於創造性人類個體的集體行為和聯盟，對相關人類認知機制的深入洞察對 DeSci 和認知科學都很重要 [43]、[44]。此外，所有權和相應的回報由 DeSci 的研究人員持有，這促進了數據的自由流動和充分利用。
責任：再現性和惡的科學是 DeSci 面臨的兩大問題，從以下三個方面進行討論 [45]、[46]、[47]。前者與缺乏原始數據和日益複雜和靈活的分析方法相關 [48]。後者是科技成果與社會倫理規範的衝突造成的 [49]。在 DeSci 中，科學被視為資產，研究人員被激勵分享他們的研究方法、代碼和數據，使科學過程透明並減少不負責任的行為。敏感性：高度結構化的科學系統可能會變得僵化，從而難以接受複雜性、多樣性和不確定性。
DeSci 的分散運行和治理防止系統由於不確定性和不穩定性而形成自我保護的泡沫和次優循環 [50]，從而保持科學系統的敏感性。DeSci 革新了集中式科學系統的結構、規範、激勵和價值分配。在我們看來，DeSci 是建立在去中心化的技術協議和組織結構上的一個新的開發範例，比如 Web3 和 DAOs。它使用最新的數字工具來資助、組織、培訓、計劃、協調、派遣、收集、分配供求活動和網絡社區的資源。
DeSci 通過令牌系統和分散的權力重新激勵科學生態系統，並將科學價值和所有權歸還給知識生產者。協議層封裝了所有支持 DeSci 操作和應用的技術協議，包括數據層和網絡層。數據層：它提供了鏈式數據塊和相關技術，包括非對稱加密、時間戳、哈希算法和 Merkle 樹。在 DeSci 系統中，贏得共識的每個計算節點將被授權創建新的塊，並將特定時間生成的相關數據存儲到 Merkle 樹結構的數據塊中。時間戳表示塊的創建時間。基於 Merkle 樹的結構和時間戳是兩個關鍵的創新。前者有助於快速、高效、安全地驗證區塊鏈數據的存在和完整性，而後者可實現塊數據的可追溯性和精確定位。
網絡層：它指定了分散式網絡、數據轉發和身份驗證的機制。大多數 DeSci 應用場景由許多分散的、自主的和動態的決策節點組成。因此，描述系統可以被建模為對等 (P2P) 網絡。同伴是同等權力和能力的參與者，沒有任何中央協調者或等級制度。其有不同權限的節點可以根據協議的規則請求必要的數據。一旦創建了一個新的塊，它將被廣播到網絡中，並由所有節點進行監控。
圖一。DeSci 的基本特徵和指標，根據像這樣的預先定義的規則。大多數驗證的數據或塊將被附加到 DeSci 系統的區塊鏈協議。區塊鏈協議確保數據即使在處理過程中也不能被篡改或刪除。這對於 DeSci 在沒有信任的情況下構建協作網絡尤為重要。治理層包括 DeSci 系統所需的治理結構和策略。
目前的治理策略包括直接投票、代表投票 [53]、二次投票 [54]、信念投票 [55] 和權力機制 [56]。其中，直接投票是 DAOs 治理中最常用的投票方式，包括基於股權的一人一票 (1T1)、基於最低門檻的一人一票 (1P1)、基於聲譽的混合投票。提出了一種代表制來解決直接投票的問題，即參與度低，並且沒有給予其有更多專業知識的人更多的權重。主要包括代理投票和流動民主。與前三種基於影響力的投票機制、信念投票和基於價值的獨裁不同，二次投票適用於諸如治理中的鯨魚攻擊等問題。對於 DeSci 來說，治理策略的選擇與應用場景及其系統規模有關。
激勵層面是通過金融化的技術和工具來激勵 DeSci 系統。主要包括代幣系統和激勵策略。
1) 代幣系統：
代幣是將科學作為資產或服務引入市場的主要方式。DeSci 的代幣系統包括代幣發行、分發、回購等。每個 DeSci 可以發行其令牌，並根據項目屬性設置令牌模型的元素，如類型、發行量、鎖定期和分配模式。
DeSci 的組織形式主要有兩種：基金會 DAO 社區和基金會 DAO 公司。這兩種組織形式與 DeSci 的去中心化程度和良好的代幣模型整合了貨幣資本，同時滿足了項目前期的資金需求。另一方面，由於代幣鋪定項目本身，高質量的項目將不斷增加代幣的市場價值，從而更好地激勵參與者。
激勵策略：激勵策略主要包括內部激勵和外部激勵。內部機制通常是指聲譽機制和榮譽系統，包括功能，如不可轉讓的聲譽和聲譽隨時間衰減。外部激勵通常與貨幣激勵有關，如空投、質押、流動性開採和撥款。內部和外部激勵可以通過不可替代令牌 (FT) 和可替代令牌 (FT) 來表達 [57]、[58]、[59]。常見的協議標準有 ERC20、ERC721 和 RC1155 [60]。此外，激勵機制的動態調整用於實現個體目標和最優全局目標的平衡。回購機制也用於維護令牌的穩定性。鏈下的社區成員、虛擬節點、數字人自下而上設定目標、分配任務。
多方節點對任務結果進行確認和驗證，實現對 DeSci 系統的分散自主管理和控制。DeSci 打破了 CeSci 系統自上而下的運作模式，由設定目標、分配任務、確認、驗證結果組成。
這一級包括 DeSci 的潛在應用場景和案例。根據 DeSci 的特點和功能，其潛在的應用案例可分為兩類：一類是科學系統本身，如資助、激勵、權威、同行評議、科學發展等；另一類是科學系統的具體應用場景，如生物技術、氣候、期刊、會議等。DeSci 仍處於非常早期的階段。然而，基於 Web3 和 DAOs 的應用場景已經有了很多成熟的探索，如協議 DAOs、服務 DAOs、授權 DAOs、去中心化金融 (DeFi) 和集合 DAOs [61]，為 DeSci 的建設和發展提供了指導。
目前，DeSci 的主要應用是研究資助、知識共享和探索科學系統的所有權和價值系統，如分散資助、同行評議、激勵和特定領域的應用 (如圖 3 所示)。在本節中，我們將討論 DeSci 的一些典型應用場景。A. 分散資助分散資助是由加密技術驅動的一種新的資助模式。與大型機構和基金會的集中資助不同，分散資助主要來自社會資金。它是由捐助者民主決定和監督的，而不是自下而上委託給中央集權機構。分散資助已經成為密碼世界的重要組成部分。
DeSci 系統中相對成熟的實踐。其典型應用包括二次資助和追溯性公共產品資助 [62]，IP-NPT [63] 和贈款 DAO。二次籌資和追溯性公共產品籌資是籌資機制。前者是將個人資助的金與資金池匹配，匹配資金的金額取決於捐贈人的數量。後者側重於為已經啟動的公共產品提供持續的資金。
可追溯性公共產品資助是根據項目的影響來資助項目，資助的數量和方向是基於對結果的預測。二次資助將權力分散給參與者，有助於項目多樣化和避免鯨魚攻擊。這一機制已成為公共產品的核心籌資機制，Dorallacks [64] 和 Gitcoin [65] 是典型的二次資金平台。從 2021 年底開始，這兩個平台已經開始資助 DeSci 和前沿研究。追溯性公共產品資助機制目前只在樂觀的以太坊生態系統中使用。
IP-FT 是一種使用分散式賬本技術 (DLT) 管理 IP 所有權的新機制。IP-FT 的目標是在開放和分散市場中投資、擁有和交易知識產權，同時保護與未註冊知識產權相關的隱私和知識產權潛力。知識產權不僅限於已申請和正在申請的專利，還包括專利前的智力產品、數據集和研究項目合同。IP-FT 由分子提出，並已成功應用於生物技術領域，如 Vital DAO [66] 和 PsyDAO [67]。贈款 DAO 是分散供資生態系統中最著名的案例。其治理是通過不可轉讓的股份來實現的，這意味著參與主要是通過積累社會資本來驅動的，而不是從金融回報中獲利，如象徵性的升值。
贈款 DAO 的供資機制非常多樣，如 Moloch DAO [68]、Aave 贈款 [69]、Uniswap 贈款 [70]、分散供資和 Dora Ventures [64]。值得注意的是，Dora Ventures 採用了無限基金的模式來資助前沿研究，將資助從有限遊戲改為無限遊戲。除了上述資金外，DeSci 的資金來源還包括項目捐贈、協議資金分配和 DFi 捐贈平台。這些贈款通過上文所述的供資機制間接資助了該倡議。
B. 分散的科學市場 DeSci market (DeSciMart) 旨在以金融化的方式將科學成果和產出引入市場，從而實現科研效率的最大化，提高價值分配的公平性。分散的科學市場有望解決知識孤島、低效的數據共享和可複製性等問題。CeSci 系統是一個典型的線性價值流活動，如圖 4 所示。研究人員接受中央機構的資助，產生新的知識，並被出版機構捕獲。線性科學價值流形成了中間利潤機構的寡頭政治。DeSciMart 的想法受到海洋協議 [71] 的啟發。每個研究人員可以共享數據、算法和程序。隨著時間的推移，研究人員可以使用 DeSciMart 從知識資產中獲益。DeSciMart 不僅將知識的所有權還給研究人員，還擴大了知識的實際價值，使研究人員不斷受益，如圖 5 所示。
C. 其他潛在情況目前，DeSci 的其他典型實踐主要包括應用科學研究和與人類社會福祉相關的重大問題。1) 生物技術：生物技術和製藥一直以大公司和中央化組織的形式存在。閉源文化和 IP 壟斷是其獨有的特點。在這種情況下，雖然組合化學和計算藥物設計等技術不斷提高藥物創新的速度，但藥物開發卻越來越慢昂貴。它被稱為生物製藥的摩爾定律和死亡谷現象。這種現象與資本和資源的協調失靈有關。具體來說，集中的資金效率低下和不匹配，數據壟斷，實驗結果難以複製，官僚的組織結構阻礙了新藥進入市場和忠者的使用。DAO 目前用於 DeSci 運動，以改變生物技術的協調和激勵方式，例如，VitaDAO 專注於長壽藥物的早期臨床前藥物開發，PsyDAO 資助迷幻藥和精神健康交叉的研究，以及 Lab DAO 分散服務研究 [72]。2) 氣候：氣候問題關係到人類社會的福祉和發展。碳中和是應對氣候危機的最新努力。碳交易市場承諾以可再生的方式開發地球比簡單的爆炸性開發更有利可圖。然而，碳交易市場面對的是不活躍的市場，缺乏透明度，價值流向中介。通過區塊鏈科技和 DAOs，碳交易市場中的許多緊迫問題都可以得到解決。例如，K1 ima DAO [73] 通過以碳為動力的算法數字貨幣分配獎勵來激勵和推動氣候行動。akerDAO [74]、dClimate [75] 和 ReFi DAO [76] 等組織採用 DAO 結構來應對氣候變化的負面影響。此外，環境 DAO [77] 正在提議通過分散資助來資助年輕學者進行環境問題的研究。
3) 科學出版物：出版物是分散科學系統最早關注的領域之一。科學期刊及其同行評議被少數出版集團控制，如 Elsevier、Scopus 和期刊引用報告 (CR) 影響因子。它面臨公平、質量、無償勞動、透明度和準確性問題。開放期刊運動試圖免費提供已發表的研究論文，但上述問題尚未解決。今天，DeSci 正在利用區塊鏈和 DAOs 試驗新的科學生產和傳播模式，以解決當前出版系統的缺點。它被命名為分散期刊 [78]。例如，OpenAccess DAO 讓每個人都可以免費訪問研究文章，Scinet 提供公開同行評論的公共存儲庫和評論者的聲譽網絡，Ants Review 正在建立一個面向隱私的協議，以激勵以太坊上的公開同行評論。
V. 未來研究方向 A 主要挑戰 DeSci 仍處於早期階段。除了面臨 DAOs 和 Web3.0 的治理困境，還面臨以下挑戰。1) 規模問題：DeSci 是實現科學使命和社會價值的潛在途徑之一。然而，它仍處於小規模實驗的過程中，定義適用的場景是一個不容忽視的問題。CeSci 的持續運行離不開它的規範化操作系統，嚴格的問責機制，優秀的法律標準。提高效率和規模應用對 DAO 來說仍然是一個挑戰 [79]。目前，DeSci 只比 CeSci 更好地資助技術應用。
我們需要仔細考慮和設計 DeSci 的應用場景，以避免陷入 DAOs 的開發陷阱。例如，根據事項和目的，構建其組織結構和管理方法並定義 DeSci 的目標，設計能夠使 DeSci 比當前的 CeSci 更高效、更具生產力的應用程序。
2) 平衡參與者的質量：DeSci 和 CeSci 的核心任務是保證科學研究和應用的可靠性和可信性。由於 DeSci 的背景和本質是開放的，它將不可避免地吸引不同能力的貢獻者。提高參與質量應該與建立一個廣泛、開放的研究社區相平衡。因此，運營商必須投入大量的時間和精力來培訓參與者，幫助他們克服長期參與的障礙。這種能力在目前的科研體系中還是比較稀缺的。
3) 系統次優循環問題：理想的 DeSci 系統是一個由人和機器控制的自治系統。然而，到目前為止，DeSci 更多的是由人類管理，而不是由機器管理。在一個有限規模的系統中，人類的治理很容易產生過濾泡沫，這意味著持有相同偏見的人會相互影響 [80]。這將導致自我封閉和合謀的治理問題。在分權治理體系中，合謀更難解決。除了基於零知識證明的隱私投票，目前還沒有有效的解決方案。
4) 缺乏問責機制：問責制機制是分散系統中特有的治理問題。集權制通過剩餘價值索取權與問責能力機制綁定，當決策正確時，貢獻者將得到回報。分權制採用集體決策機制。當決策錯誤時，最大的代價是賭注令牌或聲譽的損失，甚至沒有罰金 [81]。對於科學系統來說，問責機制的缺失很可能導致研究成果無法交付，可信網絡的脆弱，甚至出現違背社會倫理的不負責任的行為。
5) DeSci 和 CeSci 之間的合作：CeSci 和 DeSci 有可以利用的重要互補方面。DeSci 需要現有社會制度的支持。CeSci 雖然拓展了組織管理和運營模式，但並不穩定。科學體系的穩定運行高度依賴大機構，尤其是政府資金。此外，DeSci 仍然需要獲得現有社會系統的資源，並對機構資金的分配和議程的制定產生影響。
這就要求明確 DeSci 的職責和適用範圍，為 DeSci 和 CeSci 的合作搭建橋樑。DeSci 和 CeSci 之間的衝突和合作將進一步促進 DeSci 社區的責任感、可靠性和影響力，從而增加對 DeSci 的信任。
B 研究方向
首先，DeSci 是一個典型的複雜系統，具有社會和工程複雜性的特徵。DeSci 面臨的上述挑戰很難通過經驗知識來解決。基於人工系統計算實驗並行執行 (ACP) 方法的並行智能理論受益於認知科學在更高級認知和有意識人類行為方面的進步 [82]、[83]。它為解決 DeSci 中的運營和治理問題提供了可行的框架和技術，我們稱之為並行 DeSci 系統，並行 DeSci 系統包括實際 DeSci 系統和一個或多個相應的仿真 DeSci 系統 [84]、[85]。在基於 ACP 的並行 DeSci 中，仿真系統 (A) 用於模擬對應於真實世界 DeSci 系統的一個或多個仿真 DeSci 系統。然後，可以在計算實驗中設計和進行多樣化的計算實驗 (C) 評估和驗證 DeSci 系統中涉及的具體行為、機制和策略。並行執行 (P) 用於實現 DeSci 治理的決策優化和並行調優。並行 DeSci 治理的核心優勢在於它能夠有效地實現對實際 DeSci 治理系統的學習和培訓、實驗和評估以及管理和控制。
第二，分散資助建立了一個新的資助範式，它使用金融機制和工具將社會資助引入科學體系。目前，主流籌資機制仍然是以不連續籌資為特徵的二次籌資。科學作為一種公共產品，很難商業化。不連續的資助不能長期有效地促進科學系統的發展。如何建立一個持續資助的 DeSci 系統，將有限博弈轉化為無限博弈，值得進一步探索。
那麼，DeSci 問責制的缺失與 DAOs 的組織結構與現有法律制度的衝突有關。為建立 DAOs 的法律和組織結構已經做了許多嘗試。例如，《摩洛克道》引入了傳統的有限合夥人，而《開放法》推出了有限責任自治組織，使道的法律商業化。然而，目前的探索並沒有解決道組織大規模集體決策後的問責制問題。它需要進一步研究集體決策和民主治理中的義務、責任和權力。
V. 結論 DeSci 是一種新的科學範式，隨著 Web3 和 DAO 及其運營基礎設施的發展而出現。它有望解決 CeSci 中的知識壟斷、信息孤島等瓶頸問題。DeSci 的發展和成熟將推動教育、管理、技術、工業和社會體制的改革。同時，它也為圓滿 Web3、DAO 和 Metaverses 應用程序。遺憾的是，至今仍沒有公認的概念和分析框架來指導 DeSci 的研究和應用。本文旨在通過討論 DeSci 的概念和特徵，提出參考模型，分析典型應用，指出面臨的主要挑戰和未來的研究方向，對 DeSci 進行全面的概述和展望。本文有助於為其今後的研究和工業應用提供有益的指導和支持。
參考：
[1] 米 (eter 的縮寫)）Skipper,“獎勵被遺忘的科學步兵”，《自然》，第 535 卷，第 323 頁，2016 年 1 月。
[2] 引 A.©. 格雷林。我們對科學的定義。訪問時間：2022 年 3 月 29 日。 【在線】。可用：http:/sciencecouneil.org/about-us/.our definition-of - 科學 /
[3] T. 科學革命的結構，第二版，芝加哥，伊利諾伊州，美國：芝加哥大學出版社，1970 年。
[4] J.Grammig 和 M.Wellner,“波動性和交易間持續時間過程的相互依賴性建模”，《計量經濟學雜誌》，第 106 卷，第 2 期，第 369-400 頁，2002 年 2 月。
[5] E.Bghi 等人，“急性症狀性順箱發作定義的建議”，《腹痫》，第 51 卷，第 4 期，第 671-675 頁，2010 年 4 月。
[6] D.Frank,A.Hironaka 和 E.Schofer,“二十世紀的民族國家和自然環境”，mer。社會學家。修訂版，第 65 卷，第 96-116 頁，2000 年 2 月。
[7] 刀 D. 彭，華，冯志軍，“對科學研究的新認識”，牛。下巴。阿卡德。Sci。・第 65 卷，第 12 期，第 1413-1418 頁，2021 年。
[8] J. 比爾，“開放獲取運動並不真的是關於開放獲取，TripleC: 交流、資本主義和批判，“開放獲取” 1 全局持續。1nf。社會主義者，第 11 卷，第 2 期，第 589-597 頁，2013 年。
[9] 米 (eter 的增寫)）非利普斯和 BM, 諾珀斯，“誰的公共地？數據保護作為開放科學的法律限制”，夏河，醫學。《倫濕學），第 47 叁第 1 期，第 106-111 頁，2019 年。
[10] D.uray 等人，“研究貨助評估中的偏見對小型大學產生了可怕的後果”，PLoS0 八 E, 第 11 卷，第 6 期，2016 年，文章編號 c0155876。
[11] 南克林姆厮基，“財務利益衝突會導致研究偏差嗎？：對 “資金效應” 假設的調查”，Technol.，哼，《價值觀》，第 38 卷，第 4 期，第 566-587 頁，2013 年 7 月。
[12] 動詞 (verb 的縮寫) 拉里維埃、b. 馬卡魯索、p, 蒙格籍、k, 西勒和 CR, 杉本四葉，“消失的行業和大學在已發表研究中的上升斷”，《公共科學圖書館綜合》，第 13 卷，第 8 期，2018 年 8 月，文章編號 e0202120。
[13] 長度 Borneann 和 LD.Daniel,“h 指數研究的現狀：h 指數是測量研究績效的理想方法嗎？”PLoS0E, 第 10 卷，第 1 期，第 26 頁，2009。
[14] A.Claudio 和 A.Brand,“追求開放科學，開放獲取是不夠的”，《科學》，第 368 卷，第 6491 期，第 574-577 頁，2020 年。
[15]F.j.are1apea1vo、C.G.de Figuerola 和 J.AMer1o,“開放知識：桃戰和事實”，在線信息，修訂版，第 34 卷，第 4 期，第 520-539 頁，2010 年。
[16] A.Zuiderwijk,R.Shinde 和 w.Jeng,“是什麼驅動和抑制了研究人員共享和使用開放的研究數據？分析開放研究數據採用影響因素的系統性文獻綜述，《公共科學圖書館棕合》，第 15 卷，第 9 期，2020 年 9 月，文章編號 e0239283。
[17] 刀。d, 查溫加和 s, 津思，“研究數據共享的全球視角：系統性文獻綜述”。Sc1。《研究》，第 41 卷，第 2 期，第 109-122 頁，2019 年 4 月。
[18] F.- 王，朱，秦，王，胡，“聯合控制：走向信息安全與權利保護”，中國電子工程學會，2002 年。計算機。杜會制度。，第 8 卷，第 4 期，第 793-798 頁，2021 年 8 月。
[19] 長度 Leydesdorff 和 L.Bornmann,“使用科學網格數據的破壞指數及其計算：歷史發展或進化動力學的指標？”《信息計量學》，第 15 卷，第 4 期，第 101219 頁，2021 年。
[20] F, 王水慶等，“從道到德的人工智能：自由、公平、責任敏感的科學”，1EEE1ntel1。系統。，第 37 卷，第 2 期，第 16-22 頁，2022 年 3 月。
