PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關(guān)注，點亮星標(biāo) ??

不錯過每日前沿資訊

認(rèn)知神經(jīng)科學(xué)前沿文獻分享

研究背景

你是否經(jīng)歷過這樣的絕望：幾個月前采集的核磁數(shù)據(jù)，現(xiàn)在卻死活想不起被試的編號邏輯；寫論文急需某個分析結(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，或者備份硬盤突然損壞……

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)了從項目啟動到數(shù)據(jù)歸檔的10條黃金法則。無論你是剛進實驗室的本科生，還是帶領(lǐng)團隊的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：不僅要埋頭實驗，更要抬頭看“規(guī)則”

很多同學(xué)在項目開始前，只關(guān)注實驗設(shè)計，卻忽略了適用的政策。事實上，國家、資助機構(gòu)（如NSF, DFG）、專業(yè)協(xié)會甚至所在的實驗室，都可能有具體的數(shù)據(jù)政策 。因此在項目啟動階段，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)布場景圖（例如：哪些數(shù)據(jù)必須公開，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”

對于我們研究人類被試的心理學(xué)和腦科學(xué)領(lǐng)域，這一條是底線。必須時刻遵守倫理原則（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)必通過倫理委員會（IRB）審核。

特別注意數(shù)據(jù)的去標(biāo)識化（De-identification），保護被試隱私，簽署知情同意書。

法則3：構(gòu)建“3-2-1”數(shù)據(jù)存儲堡壘

硬盤損壞是每個研究者的噩夢。作者強烈推薦數(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設(shè)備上（例如：本地電腦 + 機構(gòu)網(wǎng)絡(luò)云盤/移動硬盤）。

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

對于敏感數(shù)據(jù)，務(wù)必使用加密工具（如 Veracrypt）進行保護 。

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)慣會使得科研事半功倍，但這往往是很多人的痛點。作者在文中提供了兩個非常實用的圖表方案：

Fig 2. Exemplary folder structure.

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

一級目錄： 項目文件夾。

二級目錄： 管理（Admin）、評估（Evaluation）、原始數(shù)據(jù)（Original data）、報告/手稿（Reports, manuscripts）。

三級目錄（示例）： 在“評估”文件夾下，再細分為代碼（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： 項目名（Project）+ 類型（Type）+ 部分（Part）。

標(biāo)準(zhǔn)元素： 貢獻者（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，無需打開文件 )

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)會帶來巨大的管理成本 。

預(yù)先規(guī)劃： 在動手前，明確你需要什么數(shù)據(jù)來回答科學(xué)問題 。

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

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

法則6：文檔是數(shù)據(jù)的“說明書”

沒有說明和釋義的數(shù)據(jù)是毫無價值的。作者建議每一個數(shù)據(jù)文件夾中都應(yīng)包含一個 Readme 文件（對應(yīng)論文 Box 1），其中必須包含 ：

數(shù)據(jù)的解釋；

數(shù)據(jù)的原始目的/項目歸屬；

作者/創(chuàng)建者；

數(shù)據(jù)創(chuàng)建日期/時間段；

所需的軟件或特殊說明。

對于更復(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)管理計劃 (DMP)

DMP 應(yīng)在項目啟動時撰寫，并伴隨項目全周期 。作者列出了DMP必須回答的關(guān)鍵問題：

采集： 收集什么數(shù)據(jù)？怎么收集？

訪問： 項目期間誰有權(quán)訪問？

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： 存儲和管理需要多少錢？

長期保存： 項目結(jié)束后數(shù)據(jù)存在哪？

法則 8：使用“開放”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，盡量避免使用專有的、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，而是一個流程。文中提供了一個清晰的發(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)，選擇具有獨特性、復(fù)用價值的數(shù)據(jù)發(fā)布；剔除測試數(shù)據(jù)或錯誤數(shù)據(jù) 。

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

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

法則 10：持續(xù)的自我監(jiān)測

RDM 不是一勞永逸的任務(wù)。

定期復(fù)盤： 定期檢查你的進度、存儲配額和文檔完整性 。

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

結(jié)語

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）來看，數(shù)據(jù)管理貫穿了從“計劃與設(shè)計”到“評估與歸檔”的每一步 。希望這份基于 PLoS Computational Biology 新文的詳細解讀，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、方法細節(jié)、統(tǒng)計結(jié)果與討論見原文及其拓展數(shù)據(jù)。

分享人：天天

審核：PsyBrain 腦心前沿編輯部