知识管理论坛 >

2025 , Vol. 10 >Issue 5: 453 - 469

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.030

研究论文

国内图情领域数据治理研究的科学知识图谱分析

  • 万昊 ,
  • 闫丽 ,
  • 李默 ,
  • 孙江文
展开
  • 山东科技大学图书馆 青岛 266590

万昊，馆员，博士，E-mail:

闫丽，馆员，博士

李默，部主任，研究馆员，博士

孙江文，馆员，硕士。

收稿日期: 2025-07-03

  网络出版日期: 2025-10-27

基金资助

山东省社会科学规划一般项目“新质生产力视角下生成式人工智能赋能智慧图书馆建设路径研究”(24CTQJ04)

青岛市哲学社会科学规划年度课题“高校图书馆数智转型与‘未来学习中心’建设研究”(QDSKL2401110)

收起

Scientific Knowledge Graph Analysis on Research of Data Governance in the Field of Library and Information Science in China

  • Wan Hao ,
  • Yan Li ,
  • Li Mo ,
  • Sun Jiangwen
Expand
  • Library of Shandong University of Science and Technology, QingDao 266590

Wan Hao, Librarian, PhD, E-mail: ;

Yan Li, Librarian, PhD;

Li Mo, Department Director, Research Librarian, PhD;

Sun Jiangwen, Librarian, Master’s Degree.

Received date: 2025-07-03

  Online published: 2025-10-27

Supported by

Fund project(s): This work is supported by the general project of Shandong Social Science Planning titled "Research on the Construction Path of Generative AI Enabled Smart Library from the Perspective of New Productivity"(24CTQJ04)

the annual project of Qingdao Social Science Planning titled "Research on the Digital Intelligence Transformation of University Library and the Construction of 'Future Learning Center'(QDSKL2401110)

Fold

摘要

【目的/意义】 旨在全面把握图情领域数据治理的理论与实践前沿，构建系统化的认知框架，为相关政策制定、制度设计与战略规划实施提供有力的参照。 【方法/过程】 借助于CiteSpace与VOSviewer可视化工具，选择中国知网（CNKI）作为数据源，通过题录信息分析搭建领域研究框架、提取领域前沿热点、梳理领域发展演进。 【结果/结论】 我国图情领域数据治理研究文献呈现指数级增长趋势且可以被划分为两个阶段（2015—2019年与2020年至今），通过主题聚类归纳治理理论体系、治理技术体系、治理商业模式、治理实践方案和治理政策与法律法规5个主题，并对我国数据治理研究进行展望，为更好发挥“数据要素×”效用，推动国家治理体系现代化提供理论和实践参考。

关键词： 数据治理; 数据要素; 数据生态; 数据安全; 知识图谱

本文引用格式

万昊 , 闫丽 , 李默 , 孙江文 . 国内图情领域数据治理研究的科学知识图谱分析[J]. 知识管理论坛, 2025 , 10(5) : 453 -469 . DOI: 10.13266/j.issn.2095-5472.2025.030

Abstract

[Purpose/Significance] This paper aims to comprehensively grasp the theoretical and practical frontiers of data governance in the field of library and information science, construct a systematic cognitive framework, and provide a strong reference for relevant policy formulation, institutional design, and strategic planning implementation. [Method/Process] With the help of CiteSpace and VOSviewer visualization tools, the data source of this paper was CNKI. Through the analysis of the topic information, this paper built the research framework of the field, extracted the frontier hotspots of the field, and explored the development and evolution of the field. [Result/Conclusion] The research literature on data governance in the field of Library and Information Science in China shows an exponential growth trend and can be divided into two stages (2015-2019 and 2020 to now). Through topic clustering, five topics are summarized, including governance theory system, governance technology system, governance business model, governance practice plan, governance policies and laws, and regulations. Further prospects for the research on data governance in China are put forward, which provide theoretical and practical reference for better playing the role of "data element ×" and promoting the modernization of the national governance system.

Key words： data governance; data elements; data ecology; data security; knowledge graph

1 引言/Introduction

随着工业4.0时代的深入发展，一系列新兴技术如语义网、知识图谱、云计算、物联网、分布式计算、用户画像、区块链、大数据、元宇宙、数字孪生、虚拟现实（virtual reality, VR）、增强现实（augmented reality, AR）、混合现实（mixed reality, MR）和拓展现实（extended reality, XR）层出不穷[1]。人工智能技术也经历了快速迭代，从早期以分类、聚类和关联规则为代表的数据挖掘，即弱人工智能阶段，发展到如今以机器学习（machine learning, ML）、深度学习（deep learning, DL）、强化学习（reinforcement learning, RL）、基于人类反馈的强化学习（reinforcement learning with human feedback, RLHF）、大语言模型（large language models, LLM）、多模态大模型（multimodal large language models, MLLM）以及检索增强生成（retrieval-augmented generation, RAG）大模型等为代表的生成式人工智能（generative artificial intelligence, GAI），即强人工智能阶段，未来还会走到更加泛在的通用人工智能（artificial general intelligence, AGI）阶段[2]。总体而言，新兴技术的发展且在现实场景中的落地应用，不可避免地带来了一系列挑战。例如，数据规模的指数级增长，多源、异构、分布式的数据乱象，结构化、半结构化和非结构化的数据并存。随着数据密集型科学发现即第四研究范式的崛起，目前数据管理水平与数据状态并不匹配，呈现一定的混乱状态，尤其在数据质量、开放共享、价值增值、安全合规以及隐私保护等方面存在诸多问题[3]。因此，需要将数据作为资源开展规范化治理与有序化利用，数据治理（data governance，DG）正日益受到学界的关注。
在大数据概念刚提出时，国内关于数据治理的理论研究与实践探索尚处于起步阶段。随着经济与科技进步，数据作为重要的生产要素与新质生产力，其在推动国家经济高质量发展、产业转型升级以及企业降本提效方面发挥着越来越关键的作用。由此，数据治理逐渐成为政府、企业和社会各界关注的焦点，其研究热度也不断提升。同时，发达国家凭借先发优势，在法律、政策布局以及技术标准方面已有初步的探索并且积累了一定经验，这为我国提供了宝贵的借鉴，补充了前期国内研究的空白。相比之下，国内外学者的研究重点存在差异：国外学者主要关注数据治理的概念解析[4]、原则制定[5]、模型设计[6]、框架构建[1,7]、商业运作[8-9]、伦理[10]以及法律法规[11]等顶层设计问题；而国内学者则更侧重于数据治理技术在特定场景中的落地应用[12-14]、数据开放与共享[15]、数据风险控制[16]以及个人隐私保护[17]等治理完备性问题。
在领域发展加速演进与快速迭代的背景下，国内已有一些研究借助于知识图谱等分析工具对领域的发展进行系统性梳理与主题归纳，主题涵盖图书馆数据[18]、开放数据与开放科学[19]、大数据治理[20]、数字化治理[21]、政府数据治理[22]、全领域数据治理[23]等，皆是针对数据特定主题开展可视化分析，侧重点有所区别。考虑到数据治理主题研究涉及的学科范围广，本文聚焦于国内图情领域开展探索，之所以选择图情领域，原因如下：①数据密集型学科。图书馆学和情报学本质上是数据密集型学科，它们在信息组织、管理、检索、分析和传播等方面都高度依赖数据。从传统的图书目录到数字资源，再到用户行为数据，数据是图情领域的核心资源。因此，有效的数据治理对于图情领域的运作至关重要。②数据类型多样性。图情领域处理的数据类型极其多样，包括结构化数据（如书目数据、索引数据）、半结构化数据（如Web日志、学术社交平台数据）和非结构化数据（如音频数据、图像数据）。这种多样性给数据治理带来了独特的挑战，需要专门的理论体系和技术工具。③数据来源广泛性。图情领域的数据有不同的来源，如出版商、数据库供应商、用户以及自身产生的数据。管理这些不同来源的数据，确保数据质量和一致性是一项复杂的数据治理任务。④信息伦理与数据治理。图情领域一直重视信息伦理，包括隐私保护、知识产权和信息公平等方面。在数据治理中，如何平衡数据利用和伦理考虑，是一个非常重要的议题。图情领域的学者和实践者可以为数据治理的伦理框架提供有价值的见解。因此，本文聚焦于国内图情领域在数据治理研究的探索与实践，借助于可视化工具，淘汰已有成熟与过时的研究主题，发掘潜在且有生命力的学科生长点以进一步拓展深化本领域研究，及时更新领域进展与前沿概况。

2 实验研究/Experiment research

2.1 数据来源

笔者选取中国知网（CNKI）期刊论文数据库，以“数据治理”作为检索词进行主题检索，检索时间为2025年6月22日，检索得到11 483篇论文。这些论文分布在计算机软件及计算机应用、企业经济等学科，筛选学科为图书情报与数字图书馆研究，文献来源只保留北大核心期刊和CSSCI来源期刊，得到195篇高质量文献，作为本文的研究对象。

2.2 研究工具与方法

笔者采用文献计量法和文本分析法对国内数据治理相关研究文献进行系统梳理和分析。同时，采用CiteSpace和VOSviewer可视化工具来揭示图情数据治理领域研究的合作关系以及主题聚类。两款软件均支持中文处理，且都融合了自然语言处理、文本分析、社会网络分析等多学科的分析技术，展示领域知识结构、发展脉络与前沿趋势，利用结构洞查找领域关键性的知识转折点。

3 文献分布/Literature distribution

3.1 年度分布

国内图情领域数据治理研究的论文年度分布如图1所示：
图1 国内图情领域数据治理研究的论文年度分布

Figure 1 Annual distribution of research papers on data governance in the field of library and information science (LIS) in China

根据数理统计最小二乘曲线拟合，领域发文量指数规模增长，呈现蓬勃发展的局面。以年均发文量10篇为阈值边界，人为划分为缓慢发展阶段与快速发展阶段。

3.1.1 缓慢发展阶段（2015—2019年）

作为一个新兴的研究热点领域，数据治理早期起源于国外银行、金融等以数据为核心的行业，在商业利益的驱动下，催生了大量的研究成果和实际应用[3]。与国外不同的是，国内数据治理研究的兴起，受大数据技术发展实际需求与国家治理体系和治理能力现代化战略设计的双重驱动。2013年，随着互联网和信息技术的快速发展，大数据的概念逐渐受到关注，该年被视为中国大数据元年。同年12月，十八届三中全会首次提出了国家治理体系和治理能力现代化的目标，开启了我国“数据开放、共享与管理（治理）”的探索之路[24]。伴随大数据带来的多源、异构、分布式数据问题，学者们开始关注在大数据环境下的治理挑战，尤其是政府层面的数据治理实践。自2015年起，部分研究者将数据治理视为图书馆及相关部门未来发展的新机遇，并开始借鉴国际先进技术框架，探索符合本土实际的治理方案[25-27]。2018年6月，我国正式发布了适用于本国的《信息技术服务治理第5部分：数据治理规范》国家标准，即《数据治理规范》[28]。此外，行业协会和产业联盟也陆续发布了面向垂直行业领域的数据治理技术标准。例如，2018年5月，52个产学研机构联合制定并发布了《数据安全治理白皮书1.0》[29]。这一阶段，数据治理的相关研究尚处于起步阶段，年度发表论文数量较少，主要以借鉴国外的先进经验为主。

3.1.2 迅速发展阶段（2020年—至今）

在大数据时代背景下，数据的潜在价值逐渐受到高度重视。特别是在2022年11月，OpenAI发布的ChatGPT引起了广泛关注[30]。这一系列AI大模型的背后，离不开庞大的数据资源、强大的计算能力以及先进的算法支持[31]。在自然语言处理领域，AI大模型展现出卓越的性能，推动了生成式人工智能的快速发展。数智赋能驱动新质生产力发展，成为推动经济社会变革与产业转型升级的重要引擎。工业4.0背景下，既数字化与网络化之后，智慧化与智能化进程如火如荼开展，使机器在简化人体力劳动负荷、实现人体力延伸的基础上，进一步简化人脑力劳动负荷，实现人脑力的延伸[1]。数据作为新型的生产要素，已深度融入工业化生产运营和社会服务管理的各个环节，深刻改变着传统的生产方式、生活方式和社会治理方式。
这一阶段数据治理问题受到政府的高度关注。大数据时代背景下，国家将发展数字经济确立为核心战略方向，而数据治理正逐步被纳入国家治理体系与治理能力现代化发展的核心任务之一。从中央到地方出台一系列政策组合拳来完善数据基础设施体系一体化技术框架、基础制度保障建设以及市场化运营监管的顶层设计与细节法案[32-38]。同时，专门成立与政府数据治理需求相匹配的组织结构，作为国家政府数据治理组织体系创新的重要举措[39]。总的来看，这一阶段学术研究成果也呈现爆发式增长，研究内容更加系统且完备。其中数据服务、数据共享、数据开放、数据安全、数据质量、数据标准等主题成为数据治理研究的发展方向。

3.2 作者分布

在整个研究时间区间内，我国数据治理研究在图情领域高质量发文学者的最大发文量为5篇，根据普赖斯定律，计算发现发文量大于1.67篇即为本领域研究的核心作者。其中，钱力、常志军、刘桂锋、陆康、刘慧、任贝贝产出5篇，叶光辉、王静产出4篇，为数据治理研究领域的高产作者代表。
从作者合作网络观察到，该研究领域已形成“钱力—常志军”（中国科学院文献情报中心）、“陆康—刘慧—任贝贝”（南京晓庄学院图书馆）、“刘桂锋—卢章平”（江苏大学科技信息研究所）、“王静—王鹏”（中国矿业大学图书馆）、“罗婷婷—赵瑞雪—鲜国建”（中国农业科学院农业信息研究所）等研究团队，见图2。
图2 国内图情领域数据治理研究的论文作者合作情况

Figure 2 Author collaboration diagram of domestic data governance research in the field of LIS in China

3.3 机构分布

通过分析机构合作网络可发现，机构间的合作较为稀少，且呈现出较为分散的分布状态（见图3）。汇总发文量排名前5名单位的论文产出都在8篇以上，为领域高产研究机构。中国科学院文献情报中心的研究主题主要集中在制度与技术两个方面，涵盖数据治理政策的比较分析、数据文化建设、科技文献数据治理框架、智慧数据治理技术体系、大数据服务平台架构等内容；南京大学的研究主题涵盖数字社会的契约、开放科学实践、科研数据的隐私风险、数据要素市场化培育等内容；中国人民大学的研究主题涵盖国际数据治理体系借鉴、政务数据治理政策、生成式人工智能对图书馆资源建设的影响等内容；武汉大学的研究主题涵盖国内外科学数据治理的比较分析、机构科研数据知识库治理框架、大数据的融合应用与拓展、数据监护流程的研究等内容；华中师范大学研究主题涵盖开放数据治理的效能评估、数据治理领域引文网络知识流动特征、大数据挖掘知识服务模式等内容。
图3 国内图情领域数据治理研究的机构合作情况

Figure 3 Institutional collaboration in data governance research in the field of LIS in China

4 主题分析/Topic analysis

在研究主题分析阶段，利用VOSviewer提取关键词字段构建国内图情领域数据治理研究主题聚类的时间层叠可视化图谱（见图4）。结合VOSviewer独特的布局与聚类算法，在分析主题聚类图谱高频关键词和所属文献的基础上，归纳5个语义相对独立的研究主题，见表1。
图4 国内图情领域数据治理研究的时间层叠可视化图谱

Figure 4 Time stacked visualization graph of data governance research in the field of LIS in China

表1 国内图情领域数据治理研究的主题聚类

Table 1 Topic clustering of data governance research in the field of LIS in China

聚类 研究主题 覆盖关键词 年份分布 覆盖文献量/篇
1 数据治理理论体系 数据治理、数据管理、治理框架、治理模型、治理体系、国际数据治理研究所（Data Governance Institute, DGI）、国际数据管理协会（Data Management Association, DAMA） 2015—2024 37
2 数据治理技术体系 数据中台、数据脱敏、数据可视化、数据融合、数据感知、数据监测、数据预警、数据加密、数据决策、数据驾驶舱、数据生命周期、数据生态 2018—2024 54
3 数据治理商业模式 政府数据、数据要素、数据供给、数据资产、数据产业、数据产权、数据确权、数据信托、数据交易所、数据服务商城、数据运营中心、数据市场、数据交易、数据消费 2020—2024 17
4 数据治理实践应用方案与路径 数据馆员、人工智能训练师、数据分析师、数据标准、科林格里奇困境 2015—2024 36
5 数据治理法律法规 数据分类分级、数据安全法、数据治理规范 2022—2025 33

4.1 数据治理理论体系

4.1.1 数据治理概念辨析

关于数据治理的定义，国内外学者主要存在两种认知：一种由国际数据治理研究所（DGI）提出，认为数据治理是对数据及其相关事务、组织和活动的管理与控制；另一种由国际数据管理协会（DAMA）倡导，强调利用数据作为工具，通过数据挖掘、分析和应用，推动组织管理、服务和决策的优化[40]。
国外对数据治理的研究首先在企业领域成功开展，其目的主要在于运用企业数据挖掘、管理与决策活动来降低相应的成本和风险，即降本增效；而国内学界对数据治理的研究是从国家政府数据治理、大数据治理开始，目的是防治数据的混乱无序与促进资源利用的规范化[3,41]。
本领域最早的理论研究是关于数据管理与数据治理的概念区分。DGI的观点被广泛接受，即数据管理是对数据集的被动管理，由数据管理员负责对数据进行处理；数据治理则在数据管理基础上，针对数据背后的问题以及相关利益主体需求开展的主动式管理，包括治理政策的制定和决策执行[3]。夏义堃进一步指出，数据治理相较于数据管理，还涉及数据要素价值释放的过程，不仅包括数据产生、采集、存储和处理等环节，将原始数据资源化，还包括数据服务、消费、运营以及收益等环节，将数据商品资本化为数据资本，通过流通实现数据要素的价值增值[42]。由于数据逐渐演变为一种资产，驱动着以经济激励为目的的数据供给和交易，数据治理也因此从技术层面的小循环管理转向涉及市场、社会的大循环治理，并由单一主体参与到多元主体协同共治的模式过渡[42]。

4.1.2 数据治理框架体系

对于数据治理要素研究，国内研究者从不同的学科视角和应用实践出发，构建了适用的数据治理模型与框架，从而指导数据治理架构体系的建设[3]。例如，DGI数据治理框架[7]、DAMA数据治理框架[4]、IBM数据治理要素模型[43]。而我国也提出适合本国国情的数据治理框架，并形成《数据治理规范》国家标准[28]。
数据治理的应用实践研究最早发源于金融、银行等以数据为核心业务的商业领域，随着大数据进程的加快，其应用范围扩展到政府、医疗、电力等各行各业[44]。刘桂锋等的综述研究指出，数据治理是IT治理的一个子集，两者在模型和方法上具有一定的通用性。然而，数据治理并不存在普适的通用框架，侧重点各不相同，需要根据领域特点、自身定位选择合适的治理框架[3]。在图书馆领域，包冬梅等基于国外DGI、DAMA等成熟框架，首次提出了适用于中国高校图书馆实际情况的数据治理框架，即CALib理论模型[25]。严昕则借鉴《数据治理规范》国家标准，率先构建适用于我国公共图书馆领域的数据治理框架[45]。

4.2 数据治理技术体系

自2000年以来，图书馆经历了从传统数字化转型到智慧化应用的一系列技术变革。尤其大数据、元宇宙、人工智能等技术陆续应用于图书馆场景，推动服务空间从物理到虚拟融合，服务用户从个性化推荐向精准知识服务转变，服务平台从信息资源管理与共享向智能化提问与反馈进化，以及知识产权保护从纸质资源向数字资源拓展。这些技术改进与突破必然带来数据规模的指数级增长，使得面对多源、异构、分布式的复杂数据管理局面时，对数据有序化治理的需求变得尤为迫切。
与技术进步相伴生的是治理技术的推陈出新。其中，由于AI大模型搜集的训练数据可能包含个人身份等敏感信息，周倩伊等提出采用数据脱敏技术，即数据去隐私化，通过既定规则对个人敏感数据进行变换与修改，以保障信息安全[46]；霍瑞娟在探讨图书馆数据治理体系建设路径时，倡导采用中台理念和湖（数据湖）仓（数据仓库）一体的多模态数据库技术，构建统一的智慧图书馆数据平台[47]；王延隆则提出在人工智能时代的政府数据治理中，构建集数据分析、知识集成和逻辑推理于一体的知识中台[48]；钱力等在中国科学院文献情报“数据湖”治理平台建设中，设计了智慧知识服务生态体系框架，要求在智慧数据后台和智慧服务前台的基础上，融入以知识组织、知识计算和情报分析为核心的“智慧中台”[49]，还在智慧服务平台建设中提出创建AI+面向科技决策的驾驶舱[49]。
数据治理技术中广泛应用的是生命周期理论。它最早由DGI提出，随后被国内外广泛认可和沿用，成为许多数据治理技术框架和数据标准体系设计的理论基础[3,50]。张春春、顾立平等也强调，图书馆要构建数据治理生态体系[26,38]；刘忠宝则提出了文化大数据生态系统，并构建了包含数据资源层、技术平台层和数据决策层3层结构的大数据治理模型，该模型遵循生命周期理论，同时，文化大数据生态系统由生产、共享、交流和协作4个子系统构成[51]；面对元宇宙技术，王静等将数字孪生技术引入高校图书馆，构建了涵盖物理图书馆、虚拟图书馆、数字孪生智慧服务、孪生数据和数字孪生数据治理架构五维模型，为高校图书馆的数字化转型提供了新的数据治理范式[52]；董京祥构建了高校图书馆暗数据治理框架，从数据层、保障层、治理层到应用层4个层面，对图书馆数据进行全生命周期的统一管理[53]。

4.3 数据治理商业模式

数据要素市场化是未来发展的必然前景。之所以探索数据治理商业模式，是因为大数据技术必须要与现实场景结合，通过数智赋能实体经济，带来商业利润才能实现价值的增值。从政府数据治理的角度看，大数据技术发展趋势必然包括数据要素市场的加速推动和各级数据管理机构的优化。2023年3月，中共中央、国务院组建国家数据局，将围绕数据作为生产要素如何落地展开相关业务，将创造大量新的具体的商业机会，包括数据确权服务、数据交易工具与平台建设，数据定价与估值服务等[54]。2024年被认为是数据资产入表元年，各地数据局密集挂牌，数据要素市场化步伐显著加快。在智能时代，数据要素已成为驱动社会转型的重要生产要素，其战略地位堪比工业时代的石油资源[55]。作为新质生产力的劳动对象，如何有效整合数据资源，直接关系到数字生产力的发展水平。鉴于数字经济将是我国未来经济结构调整与优化升级的关键方向，创新数据治理模式对于保障数字经济健康发展至关重要。
对比来看，西方发达国家的商业价值理念经验值得借鉴。“将信息作为资产管理，数据是国家重要战略资产”已形成普遍共识，他们致力于构建政府数据价值生态系统，将数据权益、数据质量等治理活动与数据价值创造紧密结合[56]。国内则在此基础上进一步将数据提升至新型生产要素的高度，更加强调数据价值的市场化转化。这意味着业务管理边界从传统的数据资产管理扩展到通过数据资源配置、数据确权、合作伙伴关系、数据市场培育及激励等手段，促进数据驱动的创新，推动传统产业智能化转型，提升社会效率[42]。刘桂锋等概括了数据要素价值释放的完整过程：原始数据经过产生、采集、存储和处理等环节转化为数据资源；之后，通过分析、挖掘、治理和价值评估等环节转化为数据资产；再经过确权、交易、定价和应用评估等环节转化为数据商品；最终，通过服务、消费、运营和收益等环节转化为数据资本[57]。因此，强化数据资产管理，促进数据共享和交易，构建从生产端到应用端的完整数据产业链，优化数据资源配置，才能真正释放数据的潜在价值[48]。
在数据治理实践中，很多研究强调应积极培育有利于数据要素流通与交易的服务生态环境，以推动国家层面上数据要素市场化战略的平稳落实[38]。对此，学界已开始探索多样化的数据治理模式，特别是在科学数据领域，研究者们注重科学数据的权属治理，推动科学数据要素的市场化，提出了结合技术、标准和法律的多元化数据交易与流通治理框架[58]。夏义堃则从数据要素的视角，构建政府数据治理体系，涵盖数据法治、宏观调控、数据质量保障以及数据资产管理四大方面[42]。
然而，数据要素市场化在持续推进的过程中也面临诸多挑战。数据流通是释放数据价值的关键环节，只有高效的流通才能实现数据的价值转化。而现实中，数据市场存在“确权难、定价难、市场准入难、信任建立难及市场监管难”等难题，严重制约了市场的健康发展[59]。目前，政府数据治理滞后的主要原因在于无法像物权一样实现数据权属的明确确立。因此，为了有效推进数据权属的落实，亟需界定治理主体之间的权责关系[48]。关于数据的确权问题，学术界存在不同观点：部分学者主张应赋予数据财产权，部分认为数据应同时拥有财产权和人格权，而一些学者强调应关注收益权、控制权和管理权的合理配置[56]。同时，由于数据共享流通伴随潜在风险，如隐私泄露和安全威胁。夏义堃提出数据信托解决方案，它作为一种新兴的数据监管机制和资产管理方式，扮演法律实体、利益平衡机制、监管工具的角色，为解决流通中的风险提供了有效路径[59]。要确保数据信托的健康发展，需构建完整的法规体系，加强数据安全治理，制定信托运营规则，并推动可信数据生态系统的建设，实现多要素协同治理[60]。

4.4 数据治理实践应用方案与路径

数据治理在顶层架构的基础上，结合具体的应用场景，产生了一系列专业化管理实践探索。近年来，随着以大数据技术为核心的创新服务不断发展，例如学科服务和数据服务，对馆员在数据分析和挖掘方面提出了更高的专业要求。首次提出，图书馆应设置专门的数据管理员岗位，围绕数据生命周期进行系统管理[26]。借鉴OpenAI引入人工智能训练师的职业模式，陈锐等建议将当前以技能鉴定为基础的人工智能训练师职业认证，转变为资格准入制度，以提高专业门槛。目前，从事大模型训练的AI训练师主要职责在于校正模型训练数据中可能存在的偏差，防止不良价值观的传播[61]。此外，夏义堃借鉴美国等发达国家的经验，提出应建立政府大数据局与首席数据官制度，负责规划数据开发利用方案，制定相关法规政策，并通过多部门合作强化数据治理的机制协调[62]。
与此同时，一系列具体可操作的实践方案也不断涌现。王静等在智慧图书馆的AI大模型风险治理中提出了一种涉及政府、高校、企业、图书馆和用户多元主体协同参与的敏捷—韧性治理模式。此模型敏捷方面强调快速响应和灵活适应的管理策略，以应对动态变化带来的风险；而韧性方面则侧重于增强模型系统的弹性和恢复能力，以应对长期运行中的潜在风险[63]。为了防范生成式人工智能发展带来的安全风险及规制难题，避免陷入科林格里奇困境，张春春等提出了“数据平台+训练模型+应用场景”的AIGC（artificial intelligence generated content，人工智能生成内容）数据合规治理架构，该框架借助数据规范保障体系和安全保护体系实施监督与管控[40]。在AI大模型训练数据治理方面，陈锐等提出“可怜圆点”多维度方案，强调通过法律、市场、社群规范和技术架构的协同运作，有效应对训练数据中的风险，促进生成式AI的稳健发展[61]。章洁等介绍了智慧图书馆在AIGC驱动下的数据治理机制，涵盖合规治理、过程治理、协同治理和生态治理四大方面[64]。此外，霍瑞娟对图书馆数据治理体系建设提出了5条路径：优化数据平台架构，建立完善的组织体系，制定统一的数据标准规范，探索数据资产化的管理与运营模式以及实现全过程的数据安全与合规管理[47]。王延隆则针对政府与政务数据提出了数据精准化、秩序化、融合化及体系化的治理策略，以全面提升政务数据管理水平[48]。

4.5 数据治理政策与法规体系

4.5.1 数据分类分级的立法与管理

在国家安全战略指导下，很多研究关注数据分类和分级制度的落实，尤其是具体操作。2021年6月推出的《数据安全法》中，第二十一条明确倡导建立数据分类与分级保护制度，依据其在经济社会中的重要性等因素进行重点保护[34]。然而具体操作细节尚未详尽说明。因此，有学者强调政府及图书馆应严格遵守数据安全等级保护要求，建立风险评估、常态监控与安全保护的全流程管理制定体系，以保障公共数据安全，相关主管部门应完善分类、汇聚、创新服务等方面的统一标准[38]。2024年3月推出的《数据安全技术 数据分类分级规则》国家标准指出，为数据全生命周期的分类、存储、监管提供制度保障，降低安全风险，推动数据治理体系现代化[65]。此外，上海、浙江、贵州、四川、江西等地以及工信部等部门根据地区特色及发展定位制定了适用本地区（部门）的《数据分类分级指南》，对数据全过程治理提供制度支持。同时，刘崇瑞则提出针对公共数据的分类分级治理体系框架[66]。

4.5.2 完善立法保障体系

数据驱动的图书馆系统是一个复杂的生态体系，其运行依赖于完善的法律、制度和技术标准的支持。《数据安全法》等法律文件为图书馆数据治理提供法律依据，而《数据治理规范》等国家标准则为图书馆数据治理提供技术标准规范[67]。相比于欧盟的《数据治理法》[68]提出数据共享服务提供商以及数据中介服务制度，鼓励数据共享与流通，协助数据资产交易，我国虽然制定了《数据安全法》[34]，但尚未出台专门的数据治理立法，相关政策主要采取政策文件和地方规章的形式，从技术或市场不同角度，对产权、流通、体系与安全进行规定[33-37]。基于此，专家梅振荣提出应推动数据开放和共享，构建智慧图书馆的数据共享体系，明确数据开放的责任与权益，推动数据资源的公平利用[69-70]。未来，我国亟需通过专门立法，完善数据治理的法律体系，为数据的有序流通与合理利用提供坚实的法律支撑。
综上所述，笔者进一步概括图情领域数据治理研究逻辑框架及研究维度并以结构化表格呈现，如表2所示：
表2 国内图情领域数据治理研究的主题内容概览

Table 2 Overview of the theme content of data governance research in the field of LIS in China

研究维度 研究子维度 关键要素
数据治理理论体系 数据管理与数据治理辨析

数据治理概念两种内涵异同对比[3,41]

数据管理与数据治理范式的交替[42]

通用数据治理的理论框架

DAMA数据治理的功能框架[4]

DGI数据治理框架[7]

IBM数据治理要素模型[43]

国内《数据治理规范》国家标准中的数据治理框架[28,67]

垂直专业领域数据治理架构

面向数据生态系统的文化大数据治理模型[51]

高校图书馆数字孪生数据治理架构[52]

高校图书馆暗数据治理框架[53]

公共图书馆领域数据治理框架[43,45]

数据治理技术 数据产生与采集

数据采集方案与标准设计

数据分类与采集方式

数据来源（政府体制内/外）

数据审核

数据编码与存储

去标识化、数据脱敏

数据加密、备份

数据分类分级保护

云平台、大数据平台、智慧服务平台、数据中台

数据处理与计算

数据质量控制

元数据标准

数据资源描述框架

数据互操作

数据整合 打破数据孤岛，多源数据整合
数据安全

加密、匿名等安全技术

隐私计算提高用户数据安全

数据访问权限设置

数据安全监测与风险预警

数据挖掘与分析

用户画像

自动化决策

数据服务

数据开放的制度、管控、评估、清单、目录

数据共享的机制、属性、条件、评估、审批、目录、管控、处理

数据治理商业模式 数据发布与交易

数据要素市场培育实施方案

数据要素市场管理规范

数据要素收益分配制度

数据资产定价、交易

数据资产目录

数据产权许可模式

数据交易试点

税收、贷款补贴与区域数据跨境流动

为消除数字鸿沟的数据供给保障

数据市场监管

数据市场动态跟踪管理

不当竞争的市场管制

意见反馈与数据治理效益评估

数据信托服务平台 数据合规、交易撮合、交易监管、资产定价、争议仲裁
数据专业人才 资产运营、标准决定、安全管理、纠纷解决
数据治理实践应用方案 数据治理实践方案

智慧图书馆AI大模型风险治理机制（敏捷—韧性模式、风险隐患治理策略、全生命周期风险治理框架）[63]

AIGC数据合规治理框架（安全管理体系、运算体系、规范保障体系）[40]

智慧图书馆用户数据合规治理机制（安全管理体系、运营体系、规范保障体系）[38]

“可怜圆点”下的训练数据治理方案（法律、市场、社群规范、架构）[61]

智慧图书馆在AIGC驱动下的数据治理机制（合规治理机制、过程治理机制、协同治理机制、生态治理机制）[64]

图书馆智慧化转型中数据治理体系建设（平台架构、组织体系、标准规范、数据资产管理和运营、数据安全）[47]

数据治理岗位

数据馆员[26]

首席数据官[61]

人工智能训练师[62]

法律法规 数据确权问题

数据所有权、使用权、经营权的分离[54,56,59]

数据可查找、可访问、可增值的权利分解[42,54,56]

数据所有者、控制者、再利用者等不同主体的数据控制权[42]

数据资产的转让、分置、托管和运营各项权利义务[59-60]

个人数据保护等法律问题 数据安全政策，个人数据保护等数据权利边界[17,35]
数据分类分级保护等法律问题 数据分类分级保护制度、利用制度、管控制度[34,38,66]
专门立法 借鉴美国、欧盟、日本、新加坡数据治理政策，针对数据治理颁布相关立法，完善数据治理法律体系[68-70]

5 结论与展望/Conclusions and prospects

5.1 结论

在数智赋能时代，数据治理已成为学术界普遍关注的焦点。本文以国内图情领域为研究对象，选取中国知网作为数据来源，并借助CiteSpace与VOSviewer等可视化工具展示本领域的研究图谱结构。通过主题聚类，本文归纳了数据治理研究的5类主题——理论体系、技术范式、商业模式、实践应用以及法律法规，旨在更新对数据治理的认知，构建新的治理范式与模式，并拓展其应用场景，具体如下： ①理论体系是基础，旨在定义数据治理的概念，辨析其与数据管理的差异，并阐释治理框架的设计；②技术范式是核心，着重揭示数据采集、整理、聚合、分析、评估、开发、流通和应用等关键环节的全生命周期治理路径； ③商业模式是挑战，强调通过数据信托、中介、平台运营实现数据流通，将数据资源转化为资产甚至商品，推动经济发展，赋能新质生产力；④实践应用是落脚点，强调数据治理的场景化应用，通过数据运营、安全管理及规范保障体系，实现全流程的动态规制；⑤法律法规是保障，围绕顶层设计、分类分级、安全保护及流通规范，维持数据治理的合规发展，保障数据秩序。

5.2 展望

技术进步如同一把双刃剑，在带来益处的同时也伴随着潜在风险。一方面，数字技术（如物联网、大数据、人工智能与云计算）的发展带来了海量数据，对数据资源的合规治理与有序利用提出了迫切需求。现有数据治理模型和框架尽管关注点各异，但在适应变化和动态调整方面具有共性。未来的治理框架应根据评估反馈及技术进展进行动态改进。同时，数据要素的价值实现和数据市场流通壁垒的亟待打破，即如何有效发挥数据的乘数效应驱动新质生产力发展，将成为未来研究的重点。数据流通是关键瓶颈，需要研究构建数据流通过程中的信任体系，解决确权、定价、互信和监管等难题。另一方面，技术风险不容忽视，数据治理应积极应对。技术滥用、信息污染、个人隐私、伦理道德以及数据安全问题（如数据失真、编造、投毒）将持续存在。未来的研究需要从规范保障、安全管理及合规运行等方面入手，持续推进监管基础设施、架构体系、技术应用、制度环境及社会伦理的变革、优化与完善，从而构建系统化与体系化的数据治理研究格局。

Author(s): Wan Hao, Librarian, PhD, E-mail: wanhao1989@126.com; Yan Li, Librarian, PhD; Li Mo, Department Director, Research Librarian, PhD; Sun Jiangwen, Librarian, Master’s Degree.

万　昊：论文撰写，框架搭建

闫　丽：数据下载与绘图；

李　默：图谱解读；

孙江文：论文修订

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
YEBENES J R, ZORRILLA M. A data governance framework for industry 4.0[J]. IEEE Latin America transactions, 2021, 19(12): 2130-2138.

[2]
李默, 杨彬. 从生成式人工智能到通用人工智能：赋能图书馆知识服务模式创新[J]. 农业图书情报学报, 2024, 36(6): 50-61.

LI M, YANG B. From generative artificial intelligence to artificial general intelligence: enabling innovation models in library knowledge services[J]. Journal of library and information science in agriculture, 2024, 36(6): 50-61.

[3]
刘桂锋, 钱锦琳, 卢章平. 国内外数据治理研究进展:内涵、要素、模型与框架[J]. 图书情报工作, 2017, 61(21): 137-144.

LIU G F, QIAN J L, LU Z P. Research progress of data governance at home and abroad: connotation, elements, models and framework[J]. Library and information service, 2017, 61(21): 137-144.

[4]
DAMA International. The DAMA guide to the data management body of knowledge[M]. New York: Technics Publications, 2009.

[5]
BROUS P, JANSSEN M, VILMINKO-HEIKKINEN R. Coordinating decision-making in data management activities: a systematic review of data governance principles[C]// Proceedings of 15th IFIP WG 8.5 international conference. Guimarães: Springer, 2016.

[6]
KARKOSKOVÁ S. Data governance model to enhance data quality in financial institutions[J]. Information systems management, 2023, 40(1): 90-110.

[7]
Data Governance Institute. The DGI data governance framework[EB/OL]. [2025-08-23].

[8]
STICKEL J R, VANDERVALK A. Data business plans and governance programs: aligning transportation data to agency strategic objectives[J]. Transportation research record, 2014(2460): 154-163.

[9]
BROUS P, HERDER P, JANSSEN M. Governing asset management data infrastructures[J]. Complex adaptive systems, 2016, 95: 303-310.

[10]
FOSTER J. Towards an understanding of data work in context emerging issues of economy, governance, and ethics[J]. Library hi tech, 2016, 34(2): 182-196.

[11]
BLIZNÁK K, MUNK M, PILKOVÁ A. A systematic review of recent literature on data governance (2017-2023)[J]. IEEE access, 2024, 12: 149875-149888.

[12]
陆康, 刘慧, 任贝贝, 等. 我国图书馆数据治理框架：价值、维度与路径[J]. 图书馆理论与实践, 2022 (4): 121-125.

LU K, LIU H, REN B B, et al. Data governance framework of libraries in China: value, dimensions, and path [J]. Library theory and practice, 2022(4): 121-125.

[13]
常志军, 张智雄, 钱力, 等. 科技情报智慧数据治理技术体系研究与应用实践[J]. 情报理论与实践, 2024, 47(1): 22-29.

CHANG Z J, ZHANG Z X, QIAN L, et al. Research and application practice of technology system of smart data governance for scientific and technological information [J]. Information studies: theory & application, 2024, 47(1): 22-29.

[14]
马岩, 郑建明, 赵秀颖, 等. 公共数据开放共享的数据中台构建探析[J]. 图书情报工作, 2025, 69(2): 87-95.

MA Y, ZHENG J M, ZHAO X Y, et al. Analysis of the data center construction for public data opening and sharing[J]. Library and information service, 2025, 69(2): 87-95.

[15]
盛小平, 宋大成. 数据管理与数据治理的比较分析及其对制定科学数据开放共享政策的启示[J]. 图书情报工作, 2020(22): 4-10.

SHENG X P, SONG D C. A comparative analysis of data management and data governance and its enlightenment to the formulation of open sharing policies of scientific data[J]. Library and information service, 2020(22): 4-10.

[16]
陆康, 刘慧, 张相学, 等. “社会5.0”时代我国智慧图书馆数据风险治理研究[J]. 图书馆, 2023 (4): 22-27.

LU K, LIU H, ZHANG X X, et al. Research on data risk governance of smart libraries in China in the era of "Society 5.0"[J]. Library, 2023 (4): 22-27.

[17]
YU X L. The three legal dimensions of China's big data governance[J]. Journal of Chinese governance, 2022, 7(4): 511-530.

[18]
顾琳, 王贵海. 我国图书馆数据研究：现状、演进、热点与趋势——基于文献计量与知识图谱分析[J]. 图书馆, 2025(1): 51-59.

GU L, WANG G H. Research on library data in China: current status, evolution, hotspots, and trends: based on bibliometrics and knowledge graph analysis[J]. Library, 2025(1): 51-59.

[19]
李强, 严永康, 钱智勇. 我国开放数据研究领域的科学知识图谱分析[J]. 国家图书馆学刊, 2023, 32(6): 91-105.

LI Q, YAN Y K, QIAN Z Y. Analysis of open data research in China based on scientific knowledge mapping[J]. Journal of the National Library of China, 2023, 32(6): 91-105.

[20]
徐伊儿, 李志红. 基于知识图谱的大数据治理研究热点与趋势分析[J]. 情报科学, 2023, 41(10): 91-98.

XU Y E, LI Z H. Research hotspot and trend analysis of big data governance based on knowledge map[J]. Information science, 2023, 41(10): 91-98.

[21]
李新根, 魏淑艳, 刘冬梅. 国内数字化治理研究的热点主题与演进趋势——基于CiteSpace的知识图谱分析[J]. 东南学术, 2022(2): 61-71, 247.

LI X G, WEI S Y, LIU D M. Hot topics and evolution trends in domestic researches of digital governance: knowledge graphs analysis based on citespace [J]. Southeast academic research, 2022(2): 61-71, 247.

[22]
罗梦兰, 文庭孝, 罗贤春. 国外政府数据治理研究的文献分布、主题结构及热点演化[J]. 情报科学, 2023, 41(3): 180-190.

LUO M L, WEN T X, LUO X C. Literature distribution, topic structure and hotspot evolution of foreign government data governance research[J]. Information science, 2023, 41(3): 180-190.

[23]
王妍晴, 罗有敢, 胡胜男. 我国数据治理研究领域的知识图谱可视化分析[J]. 国家图书馆学刊, 2023, 32(5): 101-113.

WANG Y Q, LUO Y G, HU S N. Visual analysis of data governance research in China based on knowledge graph[J]. Journal of the National Library of China, 2023, 32(5): 101-113.

[24]
中华人民共和国中央人民政府. 夏宝龙：为推进治理体系和治理能力现代化作贡献[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Xia Baolong: contributing to the modernization of the governance system and capacity[EB/OL]. [2025-08-23].

[25]
包冬梅, 范颖捷, 李鸣. 高校图书馆数据治理及其框架[J]. 图书情报工作, 2015, 59(18): 134-141.

BAO D M, FAN Y J, LI M. Data governance and framework of university libraries[J]. Library and information service, 2015, 59(18): 134-141.

[26]
顾立平. 数据治理——图书馆事业的发展机遇[J]. 中国图书馆学报, 2016, 42(5): 40-56.

GU L P. Data governance: opportunity for the library[J]. Journal of library science in China, 2016, 42(5): 40-56.

[27]
陈红梅, 赵需要, 彭靖. 政府开放数据生态链上图书馆的功能定位与服务创新[J]. 图书馆工作与研究, 2018(10): 5-11.

CHEN H M, ZHAO X Y, PENG J. Function orientation and service innovation of library on the ecological chain of government's open data[J]. Library work and study, 2018(10): 5-11.

[28]
国家标准化管理委员会. 信息技术服务治理第5部分：数据治理规范: GB/T 34960.5-2018 [S/OL]. [2025-08-23].

National Standardization Administration of China. Information Technology Service Governance Part 5: Data governance specification: GB/T 34960.5-2018 [S/OL]. [2025-08-23].

[29]
中国财富网. 《数据安全治理白皮书6.0》正式发布[EB/OL]. [2025-08-23].

China Wealth Network. "Data Security Governance White Paper 6.0" officially released[EB/OL]. [2025-08-23].

[30]
OUYANG L, WU J, JIANG X, et al. InstructGPT: training language models to follow instructions with human feedback[J/OL]. [2025-08-23].

[31]
李默, 杨彬. ChatGPT技术及其在智慧图书馆中的应用策略[J]. 图书馆工作与研究, 2024(4): 36-43.

LI M, YANG B. ChatGPT technology and application strategies in smart libraries[J]. Library work and research, 2024(4): 36-43.

[32]
中华人民共和国中央人民政府. 中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Decision of the CPC Central Committee on several major issues concerning upholding and improving the System of Socialism with Chinese Characteristics and Advancing the Modernization of the National Governance System and Capacity[EB/OL]. [2025-08-23].

[33]
中华人民共和国中央人民政府. 中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Opinions of the CPC Central Committee and the State Council on building a more perfect system and mechanism for market-based allocation of factors of production[EB/OL]. [2025-08-23].

[34]
中华人民共和国中央人民政府. 中华人民共和国数据安全法[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Data Security Law of the People's Republic of China[EB/OL]. [2025-08-23].

[35]
中华人民共和国中央人民政府. 中华人民共和国个人信息保护法[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Personal Information Protection Law of the People's Republic of China[EB/OL]. [2025-08-23].

[36]
中华人民共和国中央人民政府. 国务院办公厅关于印发全国一体化政务大数据体系建设指南的通知[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Notice of the General Office of the State Council on issuing the guidelines for the construction of the national integrated government big data system[EB/OL]. [2025-08-23].

[37]
中华人民共和国中央人民政府. 中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见[EB/OL]. [2025-08-23].

Central People's Government of the People's Republic of China. Opinions of the CPC Central Committee and the State Council on building a basic data system to better leverage the role of data as an essential factor[EB/OL]. [2025-08-23].

[38]
张春春, 孙瑞英. 智慧图书馆用户数据合规治理机制研究[J]. 图书情报工作, 2024, 68(4): 15-26.

ZHANG C C, SUN R Y. Research on the compliance governance mechanism of user data in smart libraries[J]. Library and information service, 2024, 68(4): 15-26.

[39]
新华网. 组建国家数据局[EB/OL]. [2025-08-23].

Xinhuanet. Establishment of the National Data Administration[EB/OL]. [2025-08-23].

[40]
张春春, 孙瑞英. 如何走出AIGC的“科林格里奇困境”：全流程动态数据合规治理[J]. 图书情报知识, 2024, 41(2): 39-49, 66.

ZHANG C C, SUN R Y. How to get out of AIGC's "Collingridge Dilemma": full process dynamic data compliance governance[J]. Documentation, information & knowledge, 2024, 41(2): 39-49, 66.

[41]
CHEN Y C, HSIEH T C. Big data for digital government: opportunities, challenges, and strategies[J]. International journal of public administration in the digital age, 2014, 1(1): 1-14.

[42]
夏义堃. 数据要素市场化配置与深化政府数据治理方式变革[J]. 图书与情报, 2020(3): 14-16.

XIA Y K. Market-oriented allocation of data elements and deepening the transformation of government data governance methods[J]. Library and information, 2020(3): 14-16.

[43]
严昕. 公共图书馆数据治理框架构建研究[D]. 南京: 南京大学, 2018.

YAN X. Research on the construction of data governance framework of public library[D]. Nanjing: Nanjing University, 2018.

[44]
孙嘉睿. 国内数据治理研究进展:体系、保障与实践[J]. 图书馆学研究, 2018(16): 2-8.

SUN J R. Progress in domestic data governance research: system, guarantee, and practice[J]. Research on library science, 2018(16): 2-8.

[45]
严昕. 公共图书馆数据治理框架构建研究[J]. 图书馆, 2020(5): 58-63.

YAN X. Research on the construction of data governance framework of public library[J]. Library, 2020(5): 58-63.

[46]
周倩伊, 王亚民, 王闯. 基于互联网大数据的脱敏分析技术研究[J]. 数据分析与知识发现, 2018, 2(2): 58-63.

ZHOU Q Y, Wang Y M, Wang C. Data masking analysis based on Internet big data[J]. Data analysis and knowledge discovery, 2018, 2(2): 58-63.

[47]
霍瑞娟. 图书馆智慧化转型中数据治理体系建设路径探究[J]. 图书情报工作, 2024, 68(22): 37-44.

HUO R J. Exploration of data governance system construction for intelligent transformation of libraries[J]. Library and information service, 2024, 68(22): 37-44.

[48]
王延隆. 数据要素化：人工智能时代政府数据治理的功能、困境与变革[J]. 贵州师范大学学报(社会科学版), 2024(6): 68-76.

WANG Y L. The function, dilemma and transformation of government data governance in the era of artificial intelligence[J]. Journal of Guizhou Normal University (social science edition), 2024(6): 68-76.

[49]
钱力, 刘细文, 张智雄, 等. AI+智慧知识服务生态体系研究设计与应用实践——以中国科学院文献情报中心智慧服务平台建设为例[J]. 图书情报工作, 2021, 65(15): 78-90.

QIAN L, LIU X W, ZHANG Z X, et al. Design and application of ecological system of intelligent knowledge service based on AI: an example of building of intelligent service platform of National Science Library, CAS[J]. Library and information service, 2021, 65(15): 78-90.

[50]
卢小宾, 洪先锋, 蒋玲. 智慧图书馆数据标准体系研究[J]. 图书情报知识, 2021(4): 50-61.

LU X B, HONG X F, JIANG L. Research on data standard system of smart libraries[J]. Documentation, information & knowledge, 2021(4): 50-61.

[51]
刘忠宝. 数据生态视角下的文化大数据治理研究[J]. 图书馆, 2025(2):17-24.

LIU Z B. Research on cultural big data governance from the perspective of data ecology [J]. Library, 2025(2): 17-24.

[52]
王静, 郑雅婷. 高校图书馆数字孪生数据治理架构及实践研究[J]. 图书馆, 2024(10): 30-36.

WANG J, ZHENG Y T. Research on the governance architecture and practice of digital twin data in university libraries[J]. Library, 2024(10): 30-36.

[53]
董京祥. 暗数据视角下高校图书馆数据治理策略研究[J]. 图书馆, 2024(4): 40-46.

DONG J X. Research on data governance strategies in university libraries from the perspective of dark data [J]. Library, 2024(4): 40-46.

[54]
国家数据局. 国家数据局政策[EB/OL]. [2025-08-23]. EB/OL]. [2025-08-23].

[55]
ATTARD J, BRENNAN R. Challenges in value-driven data governance[C]// On the move to meaningful internet systems (OTM 2018) conferences. Valletta: Springer, 2018: 546-554.)

[56]
夏义堃, 管茜. 国外政府数据资产管理的主要做法与基本经验[J]. 信息资源管理学报, 2022, 12(6): 18-30.

XIA Y K, GUAN Q. The main practice and basic experience of foreign government data asset management[J]. Journal of information resources management, 2022, 12(6): 18-30.

[57]
刘桂锋, 吴雅琪, 韩牧哲, 等. 我国数据要素研究进展：内涵阐释、运行机理、治理体系与实践应用[J]. 图书情报工作, 2024, 68(23): 139-152.

LIU G F, WU Y K, HAN M Z, et al. Data element research in China: Connotation interpretation, operation mechanism, governance system and practical application[J]. Library and information service, 2024, 68(23): 139-152.

[58]
许可. 数据交易流通的三元治理：技术、标准与法律[J]. 吉首大学学报(社会科学版), 2022, 43(1): 96-105.

XU K. Ternary governance of data transaction circulation: technology, standard and law [J]. Journal of Jishou University Social Sciences, 2022, 43(1): 96-105.

[59]
夏义堃, 管茜, 李纲. 数据信托的内涵、生成逻辑与实现路径——基于数据流通视角的分析 [J]. 图书情报知识, 2022, 39(5): 109-119.

XIA Y K, GUAN Q, LI G. The connotation, generation logic and implementation path of data trusts: analysis from the perspective of data circulation[J]. Documentation, information & knowledge, 2022, 39(5): 109-119.

[60]
黄丽华, 窦一凡, 郭梦珂, 等. 数据流通市场中数据产品的特性及其交易模式[J]. 大数据, 2022, 8(3): 3-14.

HUANG L H, DOU Y F, GUO M K, et al. Features and transaction modes of data products in data markets[J]. Big data, 2022, 8(3): 3-14.

[61]
陈锐, 江奕辉. 作为生成式人工智能核心驱动力的训练数据的治理研究[J]. 情报资料工作, 2024, 45(4): 87-95.

CHEN R, JIANG Y H. Research on the governance of training data as the core driving force of generative artificial intelligence[J]. Information and documentation service, 2024, 45(4): 87-95.

[62]
夏义堃. 政府首席数据官制度的核心要义与运行分析[J]. 图书情报知识, 2020(1): 74-83.

XIA Y K. Analysis on essentials and operation of establishing government chief data officer[J]. Documentation, information & knowledge, 2020(1): 74-83.

[63]
王静, 王鹏. 智慧图书馆生成式AI大模型风险治理机制研究[J]. 情报杂志, 2024, 43(8): 190-197.

WANG J, WANG P. Research on risk management mechanism of generative AI large model in smart library[J]. Journal of intelligence, 2024, 43(8): 190-197.

[64]
章洁, 洪芳林. 迈向有序AI：智慧图书馆AIGC数据治理机制与策略[J]. 图书馆建设, 2025(2):119-131.

ZHANG J, HONG F L. Moving towards orderly AI: research on AIGC data governance mechanisms and strategies for smart libraries[J]. Library construction, 2025(2): 119-131.

[65]
国家标准化管理委员会. 数据安全技术 数据分类分级规则：GB/T 43697-2024 [S/OL]. [2025-08-23].

National Standardization Management Committee. Data security technology - data classification and grading rules: GB/T 43697-2024 [S/OL]. [2025-08-23].

[66]
刘崇瑞. 整体性治理视域下公共数据分类分级的治理框架与实现路径[J]. 情报科学, 2025, 43(3):40-46, 76.

LIU C R. Governance framework and implementation path of public data classification and grading from the perspective of holistic governance[J]. Journal of information science, 2025, 43(3): 40-46, 76.

[67]
陆康, 刘慧, 任贝贝, 等. 我国图书馆数据治理规范研究——基于对《中华人民共和国数据安全法》与《信息技术服务治理第5部分：数据治理规范》的分析[J]. 图书馆理论与实践, 2022(4): 116-120.

LU K, LIU H, REN B B, et al. Research on library data governance standard in China: based on the data security law of the People's Republic of China and the information technology service governance Part 5: data governance norms analysis[J]. Library theory and practice, 2022(4): 116-120.

[68]
李成熙, 吴新年. 美欧日数据治理政策及实践的比较分析与启示 [J]. 数字图书馆论坛, 2024, 20(7): 11-18.

LI C X, WU X N. Comparative analysis and insights of data governance policies and practices in the United States, European Union, and Japan[J]. Digital library forum, 2024, 20(7): 11-18.

[69]
梅振荣, 裴丽, 王海伶. 欧盟《数据治理法》的解读及对我国智慧图书馆数据治理的启示[J]. 图书馆, 2024(4):62-68.

MEI Z R, PEI L, WANG H L. Interpretation of the EU Data Governance Act and its enlightenment to the data governance of China's smart library[J]. Library, 2024(4):62-68.

[70]
梅振荣, 王海伶, 许慧, 等. 智慧图书馆数据开放共享及安全治理平衡研究[J]. 图书馆, 2024(9): 96-101.

MEI Z R, WANG H L, XU H, et al. Research on the balance between data open sharing and security governance of smart library[J]. Library, 2024(9): 96-101.

Options
文章导航

/

〈 〉